股指期货市场正反馈交易的空间溢出效应

田树喜, 晏 雪, 张 博

(1. 东北大学 工商管理学院, 辽宁 沈阳 110169; 2. 中国人民银行 沈阳分行, 辽宁 沈阳 110013)

股票市场上的正反馈交易是一种依据历史的信息进行决策,在股票价格上涨时买入,股票价格下跌时卖出的非理性交易行为。价格上涨时买入形成上行正反馈行情,而价格下跌时卖出形成下行正反馈行情,无论是上行正反馈交易还是下行正反馈交易,都会使股票价格严重偏离均衡价格,引发股票市场的剧烈波动。正反馈交易行为根源于投资者的认知偏差,又会在不完善的市场结构和环境中得到强化,因此,各国监管机构致力于通过完善市场结构与环境,提升市场的信息效率,来降低正反馈交易行为。

一、 文献回顾

自股指期货推出之后,关于股指期货是否能够降低股票市场正反馈交易,一直是学者们关注的焦点问题。尽管多数研究认为,股指期货的价格发现功能有助于提升市场的信息效率,进而降低正反馈噪声交易[1-4],但也有学者指出股指期货杠杆交易的特性往往会吸引新的噪声交易者进入市场,有可能诱使部分噪声交易者由股票现货市场转移至股指期货市场,从而加剧股指期货市场的正反馈行情。例如,Antoniou等研究发现,美国、英国、德国、日本等四国的股指期货市场均存在显著的“追涨杀跌”正反馈交易行为,并且体现出长期记忆特征[5]。Hou等的研究认为,沪深300指数期货推出后,吸引了更多的正反馈交易者,并且通过指数套利加剧了股票现货市场的不稳定[6]。因此,关于股指期货产生后市场上正反馈交易行为变化问题仍存在着争议,而且越是在市场危机时,这种争议越为激烈。虽然在历次股市危机后,股指期货会被证实不是市场危机的“元凶”,但在每次危机中,监管机构都对利用股指期货做空市场的行为进行严格限制,这也客观上默认了股指期货市场“双刃剑”的作用。因此,研究股指期货市场的正反馈交易及其空间溢出效应,对于国际股票和期货市场的风险防范至关重要。

选择股指期货市场而非股票现货市场进行正反馈交易研究,是基于前者能够更快地对市场信息变化作出反应,因而更具信息效率和预测价值[7-8]。通过文献梳理可以发现,以往对于股指期货的研究主要集中于本地市场,在有限的股指期货市场之间联动效应的研究中,主要是针对少数发达国家市场[9-10],或是区域市场[3,8]。柴尚蕾等考察了美国、英国、日本和中国香港的股指期货现货市场对我国内地股票市场的共同波动溢出,但没有考虑可能存在的空间地理相关[11]。综上,本文利用12个国家(涵盖亚洲、欧洲、北美洲、南美洲、非洲、大洋洲)股指期货市场的交易数据,同时将空间地理距离和经济距离引入到正反馈交易模型中,以弥补以往研究中的不足之处。

2020年暴发的新冠肺炎疫情对全球经济造成了巨大的冲击,国际股指期货市场一度陷入剧烈波动之中。以美国为例,标准普尔500指数期货在2020年2月下旬至3月下旬的一个月内,下跌了35%,并触发了4次一级熔断[12]。为抑制市场暴跌行情,相关国家纷纷对股指期货市场的做空交易进行严格限制,同时推行量化宽松政策刺激经济,恢复市场信心。在做空限制和量化宽松政策的作用下,股指期货市场在经历短期剧烈下行后,纷纷开始反弹,并且持续上涨,许多国家股指期货价格甚至超过了危机前的点位。新冠肺炎疫情冲击使全球经济陷入衰退之中,但国际股指期货市场却逆势上扬,而这种背离经济基本面的上扬行情,恰好为研究股指期货市场的正反馈交易提供了行情窗口。在这一窗口期里,需要关注的是反危机的量化宽松操作是否加剧了国际股指期货市场的正反馈交易?如果结论是肯定的,应有相关的制度安排来防范市场泡沫化风险。

二、 模型设定

1. 股指期货市场正反馈交易模型

在Sentana & Wadhwani构建的正反馈交易模型中,假设市场上存在两类交易者:理性交易者和正反馈交易者,其中,理性交易者追求期望收益最大化,而正反馈交易者是趋势追逐者,在价格上涨时买入,下跌时卖出[13]。Antoniou等将Sentana & Wadhwani提出的正反馈交易模型应用到股指期货市场,由于理性交易者追求期望收益最大化,因此,理性交易者的行为遵循资本资产定价模型[5],其在股指期货市场的需求函数如下:

(1)

π2=ηRt-1

(2)

在式(2)中,π2代表正反馈交易者持有股指期货合约资产的需求,Rt-1为t-1期的股指期货收益率,η为敏感系数。依据正反馈交易者“追涨杀跌”的定义,如果t-1期的收益为正,触发“追涨”买入行为,则正反馈交易的合约需求增长;如果t-1期的收益为负,触发“杀跌”卖出行为,则正反馈交易的合约需求下降,据此,敏感系数η>0。当股指期货市场处于均衡状态时,理性交易者和正反馈交易者的需求之和为1,因此有式(3)。

π1+π2=1

(3)

将式(1)和式(2)代入式(3)中,整理后可以得到式(4)。

(4)

考虑到股指期货收益率可能存在的序列相关,在式(4)中引入Rt-1作为控制变量。另一方面,股指期货t期的收益率可以设定为Rt=Et-1(Rt)+εt,εt为随机误差项。将Rt=Et-1(Rt)+εt代入式(4)中,最终得到正反馈交易的计量经济学模型,如下所示:

(5)

在式(5)中,β为Rt序列的自相关系数,-θη=φ为正反馈交易系数,由于θ>0,η>0,所以,-θη=φ<0。如果计量检验支持φ显著小于0,说明股指期货市场正反馈交易显著,并且φ的绝对值越大,正反馈交易越强。如果同时考虑n个市场的正反馈交易,则式(5)拓展为面板数据正反馈交易模型,如式(6)所示:

(6)

2. 正反馈交易模型的拓展

如果正反馈交易存在显著的空间相关,则忽视空间相关性会导致参数的有偏估计。正反馈交易的空间相关性可能同时体现在地理距离和经济距离两个维度,因此,本文提出基于两个维度的假设。假设H1:地理距离越近的市场之间,正反馈交易的空间相关性越强。假设H2:经济发展水平越接近的市场之间,正反馈交易的空间相关性越强。综上,本文构建同时包含地理距离和经济距离的空间嵌套矩阵,并引入到正反馈交易模型中,得到正反馈交易的空间滞后模型,如式(7)所示:

(7)

(8)

三、 计量检验

1. 样本数据平稳性检验

本文以中国、日本、韩国、新加坡、印度、美国、墨西哥、澳大利亚、英国、法国、德国、南非等12个国家的股指期货市场为研究对象,样本区间为2010年4月至2020年12月,股指期货的月度交易数据来源于英为财情(1)12个国家股指期货合约分别是中国沪深300、日本日经225、韩国KOSPI200、新加坡MSCI、印度50、美国标准普尔500、墨西哥35、澳大利亚S&P/ASX200、英国富时100、法国CAC40、德国DAX30、南非40。另外,中国沪深300指数期货合约于2010年4月推出,其他11国股指期货推出时间皆早于2010年4月,因此,样本数据从2010年4月开始统计。。选择交易活跃的当月合约收盘价,计算期货合约的自然对数收益率Rt=ln(Pt/Pt-1),同时对12个国家的Rt序列进行面板数据平稳性检验,结果如表1所示。

表1 样本数据平稳性检验结果

表1中,LLC(Levin-Lin-Chu)为假设12国股指期货收益率序列具有相同单位根过程的统计量,IPS(Im-Pesaran-Shin)、Fisher-ADF和Fisher-PP为假设12国股指期货收益率序列具有不同单位根过程的相关统计量。检验结果表明,四种统计检验均拒绝含有面板单位根的原假设,因此,12国股指期货收益率为不含面板单位根的平稳序列。

2. 面板数据模型F检验

面板数据模型的F检验是模型具体设定形式的检验,即检验面板数据模型应设定为无变化模型、变截距模型还是变系数模型,因此,面板数据模型的F检验也分两个层次:假设H2为无变化模型,如果接受假设H2,则模型设定为截距和斜率都无变化的模型;如果拒绝了假设H2,则需进一步检验假设H1。假设H1为变截距模型,如果接受假设H1,则设定为截距变化、斜率不变的模型;如果拒绝假设H1,则设定为截距和斜率皆变的变系数模型。F检验统计量的构造如下:

(9)

(10)

在式(9)中,S1为无变化模型的残差平方和,S3为变系数模型的残差平方和,k为模型中解释变量的个数,(n-1)(k+1)为分子的自由度,即变系数模型自由度与无变化模型自由度之差,n(T-k-1)为分母的自由度,即无变化模型的自由度。在式(10)中,S2为变截距模型的残差平方和,(n-1)k为分子的自由度,即变截距模型自由度与无变化模型自由度之差。模型(6)和模型(7)F检验结果如表2所示:

表2 面板数据模型F检验结果

F检验的结果表明,无论是未引入空间权重的面板数据模型(6),还是引入空间权重的面板数据模型(7),二者均在0.01的显著水平上拒绝了无变化模型的假定,接受变截距模型的假定,因此模型(6)和模型(7)均设定为变截距模型。

3. 正反馈交易检验

在对面板数据模型进行参数估计和检验之前,还需要明确模型选择随机效应还是固定效应。本文选择固定效应模型,一方面是因为股指期货交易数据的获取受到可得性约束,市场抽样不完全随机,因而个体特征显著;另一方面,由于本研究时间跨度较长,保证了模型的大样本性质,这样利用虚拟变量最小二乘法(LSDV)得到的估计量具有渐进一致性。股指期货市场上,变截距固定效应模型(6)和模型(7)参数估计与检验的结果如表3所示。

表3 正反馈交易的LSDV估计与检验结果①

四、 窗口期分析

1. 股指期货市场价格走势

在新冠肺炎疫情冲击下,2020年国际股指期货市场波动剧烈,一些国家的市场振幅超过了40%(见表4)。从空间特征来看(见图1),中、日、韩、印等亚洲国家(除了新加坡)的股指期货市场在经历了年初的急速下跌行情后,从3月下旬开始反转,并且持续上扬。由于欧洲国家在2020年10月又暴发了第二轮疫情,英、法两国的股指期货市场在10月份又经历了第二次下跌,形成了双重底的形态,类似行情的国家还有墨西哥和新加坡。值得关注的是美国股指期货市场的行情,整个2020年,美国的疫情一直十分严重,但美国的股指期货市场在经历了短期急速下跌后,3月下旬开始持续上涨,10月份虽然发生了小幅波动,随后又继续上扬。

表4 2020年相关国家股指期货市场的价格波动 %

中国日本韩国新加坡印度美国墨西哥澳大利亚英国法国德国南非

新冠肺炎疫情给全球经济带来了巨大冲击,经济下行明显,但国际股指期货市场却逆势上扬,这种背离经济基本面的市场行情是否蕴含着非理性的正反馈交易?相关国家量化宽松的反危机措施是否强化了正反馈交易的空间联动?因此,本文以2020年1月至12月为窗口期,通过替换空间权重矩阵,对正反馈交易模型进行稳健性检验,同时分析疫情期间股指期货市场正反馈交易的空间溢出渠道。

2. 窗口期正反馈交易检验

表5 窗口期正反馈交易估计与检验结果

表5中的结果表明,在新冠肺炎疫情窗口期,股指期货市场正反馈交易空间溢出的利率渠道和通胀渠道均通过了显著性检验,并且,通胀渠道系数的绝对值(0.278 3)显著大于利率渠道系数的绝对值(0.108 0)。这一结果表明,量化宽松政策下,股指期货市场的正反馈交易通胀渠道的空间溢出效应显著大于利率渠道的空间溢出效应。

五、 结 论

本文的计量检验表明, 股指期货市场正反馈交易不仅存在显著的本地效应, 而且存在显著的空间溢出效应, 并且,股指期货市场正反馈交易的空间溢出效应与各国之间的地理距离和经济距离显著负相关, 即地理距离越近、股票市场发展水平越相近, 股指期货市场正反馈交易的空间溢出效应越强。 进一步对新冠肺炎疫情窗口期的计量检验表明, 相关国家应对疫情冲击实施的做空约束虽然抑制了股指期货市场下行正反馈行情, 但反危机的量化宽松政策带来的低利率和高通胀也加剧了股指期货市场背离经济基本面的上行正反馈行情, 因此,应警惕疫情下反危机措施“矫枉过正”而诱发的市场泡沫化风险, 并采取必要的防范措施应对股指期货市场正反馈交易的国际传播。