限制股指期貨對(duì)股市波動(dòng)性影響的實(shí)證研究

限制股指期貨對(duì)股市波動(dòng)性影響的實(shí)證研究限制股指期貨對(duì)股市波動(dòng)性影響的實(shí)證研究

中圖分類號(hào)：F830.91文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1674-2265〔2022〕06-0048-06

一、引言和文獻(xiàn)綜述

2022年4月16日，我國(guó)第一個(gè)股指期貨上市交易，推出股指期貨的目的在于穩(wěn)定股票市場(chǎng)，豐盛投資工具，國(guó)內(nèi)學(xué)術(shù)界也對(duì)推出股指期貨與股票市場(chǎng)波動(dòng)性進(jìn)行了大量的研究，大局部都得出我國(guó)股指期貨的上市交易可以起到穩(wěn)定股票市場(chǎng)的作用。2022年6月―8月，我國(guó)股票市場(chǎng)經(jīng)歷了嚴(yán)重的股價(jià)下跌，中金所隨后出臺(tái)了限制股指期貨交易的政策，在此背景下，本文研究的目的是實(shí)證分析限制股指期貨交易的政策《《股市波動(dòng)性和非對(duì)稱性的影響。

針對(duì)股指期貨交易對(duì)現(xiàn)貨市場(chǎng)波動(dòng)性影響的問題，學(xué)術(shù)界仍存在較大的分歧，主要觀點(diǎn)包括下列三種：

〔一〕股指期貨市場(chǎng)降低了股票市場(chǎng)波動(dòng)性

Lee和Ohk〔1992〕通過對(duì)香港恒生指數(shù)期貨的研究，得出恒生指數(shù)期貨有利于降低香港地區(qū)股票市場(chǎng)的波動(dòng)性。Pilar和Rafael〔2022〕通過對(duì)西班牙引入股指期貨后的股票市場(chǎng)進(jìn)行研究，結(jié)果顯示股指期貨的引入顯著降低了西班牙股市的波動(dòng)性。Antoniou、Koutmos和Pericli〔2022〕選取英國(guó)FTA指數(shù)、法國(guó)CAC指數(shù)、美國(guó)S&P500指數(shù)、德國(guó)FC指數(shù)、日本Nikkei指數(shù)及加拿大T300組合指數(shù)，分析了六個(gè)國(guó)家的股票市場(chǎng)，結(jié)果顯示股指期貨都有效降低了六個(gè)國(guó)家股票市場(chǎng)的波動(dòng)性。Drimbetas〔2022〕選取了富時(shí)指數(shù)日收盤價(jià)數(shù)據(jù)對(duì)英國(guó)的股票市場(chǎng)進(jìn)行研究，EGARCH模型結(jié)果顯示股指期貨的推出不僅顯著降低了現(xiàn)貨市場(chǎng)波動(dòng)性，還提高了市場(chǎng)效率。Kasman〔2022〕同樣采用EGARCH模型研究了土耳其2022―2022年間的股票市場(chǎng)，結(jié)果也顯示股指期貨降低了股市波動(dòng)性。宗計(jì)川和李先玉〔2022〕在剔除國(guó)內(nèi)經(jīng)濟(jì)形勢(shì)、國(guó)際經(jīng)濟(jì)形勢(shì)、投資者情緒及周內(nèi)效應(yīng)后，以滬深300指數(shù)期貨為研究對(duì)象，結(jié)果說明股指期貨的推出減少了現(xiàn)貨市場(chǎng)的波動(dòng)性。Zhang和Lv〔2022〕采用ARCH、GARCH模型及格蘭杰因果關(guān)系檢驗(yàn)研究了印度的股票市場(chǎng)，結(jié)果說明，印度推出股指期貨降低了股市波動(dòng)，同時(shí)也增強(qiáng)了股市價(jià)格發(fā)現(xiàn)功能。許碩〔2022〕同時(shí)采用GARCH和VAR模型，研究了中國(guó)股票市場(chǎng)在限制投機(jī)政策下的表現(xiàn)，結(jié)果說明限制投機(jī)交易制度的推出減少了現(xiàn)貨市場(chǎng)的波動(dòng)性，可以起到市場(chǎng)維穩(wěn)的作用。曹棟和張佳〔2022〕選取2022―2022年滬深300指數(shù)收盤價(jià)數(shù)據(jù)，采用GARCH-M模型研究了中國(guó)股票市場(chǎng)推出股指期貨的表現(xiàn)，結(jié)果顯示股指期貨可以顯著降低現(xiàn)貨市場(chǎng)波動(dòng)性。

〔二〕股指期貨市場(chǎng)對(duì)股票市場(chǎng)波動(dòng)性無影響

Baldauf和Santoni〔1991〕采用ARCH模型對(duì)S&P500指數(shù)進(jìn)行研究，發(fā)現(xiàn)S&P500股指期貨對(duì)現(xiàn)貨市場(chǎng)波動(dòng)性影響不顯著。Shenbagaraman〔2022〕通過對(duì)印度S&PCNXNifty期貨、期權(quán)和現(xiàn)貨市場(chǎng)的研究，未發(fā)現(xiàn)股指期貨市場(chǎng)與現(xiàn)貨市場(chǎng)波動(dòng)之間的相關(guān)性。吳佩渝〔2000〕對(duì)臺(tái)灣地區(qū)股指期貨市場(chǎng)的研究得出，臺(tái)灣地區(qū)股指期貨上市后對(duì)現(xiàn)貨市場(chǎng)的波動(dòng)性并沒有顯著影響。Darrat和Rahman〔2022〕、Sibani和Shankar〔2022〕的研究顯示期貨市場(chǎng)的交易對(duì)現(xiàn)貨市場(chǎng)的波動(dòng)影響不顯著。盛浙湘、顧天慧〔2022〕選取了處于不同開展階段的八個(gè)國(guó)家和地區(qū)，發(fā)現(xiàn)除日本外，推出股指期貨對(duì)現(xiàn)貨市場(chǎng)的影響都不顯著。Hu和Yiwen〔2022〕選取滬深300指數(shù)日收盤價(jià)數(shù)據(jù)進(jìn)行研究，結(jié)果顯示股指期貨價(jià)格變化對(duì)股市波動(dòng)性沒有顯著影響。

〔三〕股指期貨市場(chǎng)增加了股票市場(chǎng)的波動(dòng)性

Antoniou和Holmes〔1995〕對(duì)FTSE100指數(shù)進(jìn)行了實(shí)證研究，發(fā)現(xiàn)股指期貨交易加大了現(xiàn)貨市場(chǎng)的波動(dòng)性，但也改善了現(xiàn)貨市場(chǎng)的信息傳播速度和質(zhì)量。俞衛(wèi)〔1995〕對(duì)具有不同到期日的8種股指期貨與現(xiàn)貨市場(chǎng)關(guān)系的研究發(fā)現(xiàn)，指數(shù)套利改變了股指期貨價(jià)格和股票價(jià)格的波動(dòng)形態(tài)，股指期貨的價(jià)格波動(dòng)有時(shí)是由股票市場(chǎng)的沖擊引起的。Bac〔2022〕、Kang〔2022〕研究了日本、韓國(guó)等五個(gè)亞洲國(guó)家的股票市場(chǎng)，GARCH及擴(kuò)展的GJR-GARCH、APGARCH模型結(jié)果顯示，五個(gè)國(guó)家股票市場(chǎng)的波動(dòng)性與非對(duì)稱性在引入股指期貨后都有不同程度的增加。劉鳳根和王曉芳〔2022〕選取N225指數(shù)、韓國(guó)KOSPI200指數(shù)和臺(tái)灣證交所加權(quán)指數(shù)分析了日本、韓國(guó)和臺(tái)灣地區(qū)的股票市場(chǎng)，GARCH模型結(jié)果顯示股指期貨的推出對(duì)臺(tái)灣地區(qū)股市波動(dòng)性影響不顯著，但顯著加劇了日本和韓國(guó)股市的波動(dòng)性。Kittiakarasakun、Tse和Wang〔2022〕選取2022―2022年的Nasdaq-100股指期貨數(shù)據(jù)，研究了知情交易者和不知情交易者在不對(duì)稱波動(dòng)下的影響，結(jié)果顯示不知情交易者的交易行為更顯著地導(dǎo)致了市場(chǎng)的不對(duì)稱波動(dòng)。YangJian〔2022〕選取了2022年4月16日到2022年7月30日滬深300指數(shù)收盤價(jià)數(shù)據(jù)，研究了股指期貨推出之初現(xiàn)貨市場(chǎng)的表現(xiàn)，發(fā)現(xiàn)推出之初，股市出現(xiàn)很大跌幅，股指期貨價(jià)格發(fā)現(xiàn)的作用不顯著。

需要指出的是，首先，絕大局部學(xué)者對(duì)股指期貨與現(xiàn)貨市場(chǎng)波動(dòng)的關(guān)系研究都未剔除可能引起股市波動(dòng)的其他經(jīng)濟(jì)變量，本文較嚴(yán)謹(jǐn)?shù)靥蕹巳谫Y融券變量，參考宗計(jì)川和李先玉〔2022〕的辦法，把融資融券變量參加到GARCH模型的均值方程進(jìn)行分析；其次，大局部學(xué)者研究的是股指期貨上市對(duì)現(xiàn)貨市場(chǎng)的波動(dòng)影響，而本文更進(jìn)一步地分析股指期貨的限制政策對(duì)現(xiàn)貨市場(chǎng)的波動(dòng)影響；最后，通過使用中證500、上證50股指期貨數(shù)據(jù)和調(diào)整樣本區(qū)間三種辦法進(jìn)行了穩(wěn)健性檢驗(yàn)，使結(jié)果更具可靠性。二、數(shù)據(jù)與模型選取

〔一〕數(shù)據(jù)和變量表明

本文選取2022年10月28日―2022年10月26日滬深300指數(shù)日收盤價(jià)數(shù)據(jù)，融資融券變量用融資融券余額表示，利用收盤價(jià)數(shù)據(jù)計(jì)算出日收益率數(shù)據(jù)，計(jì)算公式為：[ret=100ln〔ptpt-1〕]，其中[pt]表示t期滬深300指數(shù)收盤價(jià)，[pt-1]表示上一期收盤價(jià)；利用融資融券余額日數(shù)據(jù)，使用同樣的計(jì)算公式得到融資融券變動(dòng)率數(shù)據(jù)。除去節(jié)假日，共有732個(gè)樣本，數(shù)據(jù)均來源于萬得資訊。為了分析股指期貨的限制政策對(duì)股市波動(dòng)性的影響，將數(shù)據(jù)以2022年9月7日為節(jié)點(diǎn)分成兩個(gè)子樣本：限制政策出臺(tái)前的2022年10月28日―2022年9月7日和限制政策出臺(tái)后的2022年9月8日―2022年10月26日。

〔二〕計(jì)量經(jīng)濟(jì)學(xué)模型

廣義自回歸條件異方差GARCH模型是由T.Bollerslev提出，經(jīng)ARCH模型開展而來，是專門針對(duì)金融時(shí)間序列數(shù)據(jù)使用的回歸模型，很適合分析帶有波動(dòng)匯集性的金融時(shí)間序列?；贏IC和SC準(zhǔn)那么，本文選擇GARCH〔1，1〕模型《矸治齬芍鈣諢醯南拗普《策對(duì)股市的波動(dòng)影響，GARCH〔p，q〕由均值方程和方差方程構(gòu)成，原始形式如下：

[xt=β0+β1xt-1+β2xt-2+…+βpxt-p+ut]〔1〕

[ut=htεt]〔2〕

[ht=α0+i=1qαiu2t-1+i=1pβih2t-1]〔3〕

其中，[p]和[q]分別為GARCH項(xiàng)和ARCH項(xiàng)階數(shù)，當(dāng)[p]=1、[q]=1時(shí)就得到GARCH〔1，1〕模型；〔1〕式為AR〔p〕形式的條件均值方程，[ut]為誤差項(xiàng)；〔3〕式為條件方差方程，[α0]代表原先的不確定性，[u2t-1]表示外部的波動(dòng)沖擊，[h2t-1]表示過去的波動(dòng)性，[αi]和[βi]分別表示外部波動(dòng)沖擊與過去波動(dòng)性對(duì)當(dāng)期波動(dòng)性的影響程度，數(shù)值越大，那么代表對(duì)當(dāng)期波動(dòng)性影響越大。為了剔除融資融券變量對(duì)股市波動(dòng)的影響，本文把融資融券余額參加均值方程，設(shè)定如下：

[hs300t=c+βrzrqt+ut]〔4〕

其中，[hs300t]表示滬深300指數(shù)收益率，[rzrqt]表示融資融券余額變動(dòng)率，[ut]為隨機(jī)誤差項(xiàng)。

三、實(shí)證分析

本文首先采用GARCH〔1，1〕模型分析限制股指期貨對(duì)股市的波動(dòng)性影響，然后使用EGARCH〔1，1〕模型分析限制股指期貨對(duì)股市的非對(duì)稱效應(yīng)影響，分析之前，進(jìn)行了描述性統(tǒng)計(jì)和充沛的實(shí)證檢驗(yàn)。

〔一〕描述性統(tǒng)計(jì)

本文分別對(duì)滬深300指數(shù)收益率和融資融券余額變動(dòng)率進(jìn)行全樣本和子樣本描述性統(tǒng)計(jì)，見表1。

由表1可知，滬深300指數(shù)收益率〔[hs300t]〕全樣本的偏度為-1.0170，左偏，峰度為7.9093，J-B統(tǒng)計(jì)量為861，表明滬深300指數(shù)收益率序列是具有頂峰厚尾，且分布顯著異于正態(tài)分布的序列，采用GARCH模型是適宜的。察看滬深300指數(shù)收益率序列限制前和限制后的偏度和峰度值也可得出結(jié)論，[hs300t]限制前樣本的規(guī)范差為1.9301，限制后的規(guī)范差為1.6135，限制后規(guī)范差小于限制前的規(guī)范差，據(jù)此可以初步判斷，限制滬深300指數(shù)期貨交易后，降低了股市波動(dòng)。

融資融券余額變動(dòng)率〔[rzrqt]〕限制前樣本的偏度為-3.8476，峰度為27.1561，表明融資融券變動(dòng)率也是一種帶有左拖尾頂峰的非正態(tài)分布的時(shí)間序列；限制后樣本的偏度為-0.3980，峰度為4.9192，J-B統(tǒng)計(jì)量為49，較限制前的數(shù)值都有明顯下降，表明限制后的樣本更趨近于正態(tài)分布；比擬[rzrqt]限制前后的規(guī)范差可以看出，限制后的規(guī)范差下降了0.47，表明限制股指期貨交易政策出臺(tái)后的時(shí)間范圍內(nèi)，融資融券余額變動(dòng)率的波動(dòng)下降很大。

〔二〕實(shí)證檢驗(yàn)

1.平穩(wěn)性檢驗(yàn)。使用ADF檢驗(yàn)來測(cè)度滬深300指數(shù)收益率和融資融券余額變動(dòng)率序列是否為平穩(wěn)序列，結(jié)果如表2所示。

表2：ADF檢驗(yàn)結(jié)果

[樣本期

變量全樣本ADF值限制前ADF值限制后ADF值[hs300t]-25.4117

〔p=0.0000〕-8.9596

〔p=0.0000〕-18.4719

〔p=0.0000〕[rzrqt]-6.8179

〔p=0.0000〕-9.5054

〔p=0.0000〕-7.0252

〔p=0.0000〕]

從表2可以看出，滬深300指數(shù)收益率序列在全樣本和子樣本時(shí)期的p值都趨向0，所以該序列是平穩(wěn)序列；同樣可得出融資融券余額變動(dòng)率序列也是平穩(wěn)的。

2.自相關(guān)檢驗(yàn)及模型辨認(rèn)。對(duì)〔4〕式進(jìn)行OLS回歸，再利用LM自相關(guān)檢驗(yàn)，在滯后5階的情況下，顯示殘差存在自相關(guān)，見表3。

表3：LM自相關(guān)檢驗(yàn)結(jié)果

基于AIC和SC準(zhǔn)那么，本文選定AR〔2〕MA〔2〕來擬合模型，擬合后的結(jié)果顯示，除了常量C的系數(shù)不顯著以外，其他系數(shù)都很顯著，且從滯后1階到10階都沒檢測(cè)到自相關(guān)，表明用AR〔2〕MA〔2〕擬合模型效果良好，且打消了自相關(guān)。

3.ARCH效應(yīng)檢驗(yàn)。如果殘差不具有ARCH效應(yīng)，即不具備波動(dòng)匯集性，那么不能使用GARCH模型來分析，因此，在使用GARCH模型分析前，必須要進(jìn)行ARCH效應(yīng)檢驗(yàn)。本文采用ARCH-LM〔滯后8階〕來檢驗(yàn)殘差是否存在ARCH效應(yīng)，檢驗(yàn)結(jié)果如表4所示。

表4：ARCH效應(yīng)檢驗(yàn)結(jié)果

由表4可以判定，殘差具有高階ARCH效應(yīng)，可以用GARCH模型來分析。

〔三〕回歸結(jié)果分析1.GARCH模型對(duì)股市波動(dòng)性的分析。為了檢驗(yàn)股指期貨限制政策對(duì)股市波動(dòng)性的影響，本文參加虛擬變量[dmt]來表示股指期貨限制這個(gè)事件，將[dmt]參加方差方程，股指期貨限制前[dmt]等于0，限制后[dmt]等于1；基于AIC和SC準(zhǔn)那么，本文建立GARCH〔1，1〕模型，經(jīng)AR〔2〕MA〔2〕擬合后的均值方程，參加了虛擬變量的方差方程如下：

[hs300t=φ0+φ1hs300t-1+φ2hs300t-2+φ3rzrqt+φ4ut-1+φ5ut-2]〔5〕

[ht=α0+α1u2t-1+β1h2t-1+γdmt]〔6〕

其中[dmt]的系數(shù)[γ]可以用來解釋股指期貨限制政策對(duì)股市波動(dòng)性的影響，如果[γ]顯著小于0，表明股指期貨限制政策減少了股市波動(dòng)；[γ]顯著大于0，表明股指期貨限制政策增加了股市波動(dòng)；[γ]顯著等于0就表示股指期貨限制政策對(duì)股市沒有影響；另外，[α1+β1]需滿足小于1以保證模型的穩(wěn)定性。使用Eviews8.0回歸，結(jié)果如表5所示。

表5：GARCH〔1，1〕模型回歸結(jié)果

[CoefficientStd.ErrorZ-statisticProb.φ0-0.07310.0483-1.51380.1301φ1-1.85250.0155-119.33240.0000φ2-0.95690.0138-69.26990.0000φ30.63510.049212.90190.0000φ41.85700.0114162.51150.0000φ50.97030.012081.09140.0000α00.03100.00953.28070.0010α10.06330.01095.78640.0000β10.92760.010192.02620.0000γ-0.01910.0083-2.30440.0212R-squared0.1616Meandependentvar0.0460AdjustedR-squared0.1558S.D.dependentvar1.8184S.Eofregression1.6707Akaikeinfocriterion3.5093Sumsquaredresid2022.971Schwarzcriterion3.5722Loglikelihood-1270.886Durbin-Watsonstat1.9609]

由表5可得，除了常數(shù)項(xiàng)不顯著以外，其他變量都在5%的水平下顯著；[γ]的系數(shù)為-0.0191，顯著小于0，因此，可以得到：推出股指期貨限制政策減少了股市的波動(dòng)；另外[α1+β1]=0.99表6：GARCH模型回歸后ARCH效應(yīng)檢驗(yàn)

由表6可得，在滯后8階的情況下，經(jīng)GARCH〔1，1〕模型回歸后的殘差打消了ARCH效應(yīng)。

2.EGARCH模型對(duì)股市非對(duì)稱性的分析。股市不僅存在股票價(jià)格的波動(dòng)匯集性，還存在信息的非對(duì)稱性，即投資者對(duì)利空消息和利好消息的反饋程度不一樣，本文用EGARCH模型來分析股指期貨限制政策對(duì)這一現(xiàn)象的影響。EGARCH模型的一個(gè)特征是模型系數(shù)不存在非負(fù)性約束，防止了條件方差出現(xiàn)負(fù)值，因此選用EGARCH模型來分析股指期貨限制政策對(duì)股市的非對(duì)稱影響。同樣基于AIC和SC原那么，使用經(jīng)MA〔1〕擬合后的EGARCH〔1，1〕模型來分析，條件均值方程如〔7〕式，條件方差方程如〔8〕式：

[hs300t=φ0+φ1rzrqt+φ2ut-1]〔7〕

[Ln〔ht〕=α0+α1Ln〔ht-1〕+β1ut-1ht-1+γut-1ht-1]〔8〕

〔7〕式中，[ut-1/ht-1]為規(guī)范化信息，[ut-1/ht-1表7：EGARCH〔1，1〕模型股市非對(duì)稱回歸結(jié)果

[估計(jì)系數(shù)總體限制前限制后φ0-0.0801〔0.0996〕-0.0357〔0.6111〕0.0443〔0.2022〕φ10.6688〔0.0000〕0.3821〔0.0000〕0.9204〔0.000〕φ2-0.0089〔0.8144〕0.0230〔0.6433〕-0.1262〔0.0417〕α0-0.1019〔0.0000〕-0.0940〔0.0002〕0.0186〔0.4048〕α10.9890〔0.0000〕0.9992〔0.0000〕1.0070〔0.0000〕β10.1455〔0.0000〕0.1307〔0.0001〕-0.0447〔0.1430〕γ-0.0186〔0.2100〕0.0222〔0.1555〕-0.0831〔0.0013〕β1+γ0.12690.1529-0.1278β1-γ0.16410.10840.0383]

注：括《中的數(shù)值為P值。

由表7可以發(fā)現(xiàn)，總體樣本回歸結(jié)果中非對(duì)稱效應(yīng)項(xiàng)的系數(shù)[γ]為-0.0186，但不顯著，這表明在總體樣本區(qū)間未檢測(cè)到股市的非對(duì)稱性，限制前樣本回歸結(jié)果的[γ]為0.0222，也不顯著，說明在限制股指期貨前，股市不存在非對(duì)稱效應(yīng)，即利好消息和利空消息對(duì)股市的沖擊是無差別的。但是，限制后的樣本回歸結(jié)果[γ]為-0.0831，在1%的水平下顯著不為零，說明在限制股指期貨后股市存在非對(duì)稱效應(yīng)，[β1+γ]的值為-0.1278，即利好消息對(duì)股市的沖擊為-0.1278倍，[β1-γ]的值《《0.0383，即利空消息對(duì)股市有0.0383倍的沖擊，投資者對(duì)利空消息的反饋程度明顯大于對(duì)利好消息的反饋程度，顯示出市場(chǎng)的非理性特征，表明限制股指期貨的措施加劇了股市的非對(duì)稱性。

四、穩(wěn)健性檢驗(yàn)

前文實(shí)證得出滬深300指數(shù)期貨的限制政策降低了現(xiàn)貨市場(chǎng)的波動(dòng)性，但加劇了股市的非對(duì)稱性效應(yīng)，股市呈現(xiàn)出更多的非理性特征。國(guó)內(nèi)已上市的股指期貨還有中證500和上證50股指期貨，為了檢驗(yàn)結(jié)果的穩(wěn)健性，在樣本區(qū)間一致的情況下，分別使用中證500和上證50指數(shù)日收盤價(jià)數(shù)據(jù)來替代滬深300指數(shù)日收盤價(jià)，并采用相同的實(shí)證辦法進(jìn)行回歸，又把滬深300日收盤價(jià)數(shù)據(jù)樣本區(qū)間設(shè)置為2022年4月16日―2022