摘 要：本文對投資者情緒、滬深300指數(shù)期貨和滬深300指數(shù)之間的關(guān)系用EGARCH模型進(jìn)行檢驗(yàn)，研究發(fā)現(xiàn)，滬深300指數(shù)期貨和滬深300指數(shù)的波動性均具有非對稱性，利好消息對滬深300指數(shù)收益率波動性的影響要小于利空消息的影響，而滬深300指數(shù)期貨剛好相反，利好消息的影響要大于利空消息的影響；指數(shù)期貨的波動對指數(shù)的波動具有較強(qiáng)的影響作用，長期而言，指數(shù)期貨有穩(wěn)定指數(shù)的功能；投資者情緒增加了指數(shù)期貨以及現(xiàn)貨的波動性。

關(guān)鍵詞：滬深300指數(shù)期貨 滬深300指數(shù) 投資者情緒 波動性

中圖分類號：F832 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2017）04（c）-016-05

指數(shù)期貨作為一種風(fēng)險管理工具，具有價格發(fā)現(xiàn)和套期保值的基本功能。同時，由于指數(shù)期貨合約與其標(biāo)的物——指數(shù)現(xiàn)貨緊密相關(guān)，指數(shù)期貨必然與現(xiàn)貨相互影響。行為金融學(xué)理論認(rèn)為，投資者的理性因素和非理性因素同時作用于市場，市場的表現(xiàn)就是二者共同作用的結(jié)果，非理性因素常常被看成投資者情緒對市場帶有系統(tǒng)性偏誤的預(yù)期[1]，并且，非理性因素能夠解釋很多市場異象。指數(shù)期貨和現(xiàn)貨的波動性關(guān)系也必然會受到投資者情緒的影響。研究指數(shù)期貨和指數(shù)波動性關(guān)系及投資者情緒對這種關(guān)系的影響，對投資者而言，有助于其判斷和預(yù)測市場走勢，進(jìn)行資產(chǎn)配置、套期保值和風(fēng)險管理。對監(jiān)管部門來說，分析兩市場相關(guān)性及投資者情緒對其的影響，有利于制定更有針對性的政策。

1 文獻(xiàn)綜述

在梳理現(xiàn)有文獻(xiàn)的過程中，筆者發(fā)現(xiàn)研究指數(shù)期貨現(xiàn)貨間波動性關(guān)系的方法主要有三種：窗口事件分析法、截面樣本匹配法和GARCH類模型為主的波動率檢驗(yàn)法，方法不同結(jié)論也不完全一致。有的研究認(rèn)為，指數(shù)期貨市場相比股票市場有許多優(yōu)勢，比如透明度高，成本費(fèi)用低等，這些優(yōu)勢能夠明顯地提升市場的信息流通速度，對現(xiàn)貨市場預(yù)期產(chǎn)生很大影響，能夠減少噪聲交易的影響，從長遠(yuǎn)的角度來看，能夠?qū)ΜF(xiàn)貨市場穩(wěn)定性的提高產(chǎn)生積極影響[2-5]。有的研究認(rèn)為，指數(shù)期貨市場存在很大的杠桿性，能夠讓很多投機(jī)者加入其中，投機(jī)者的參與打亂現(xiàn)貨市場的穩(wěn)定性，讓其波動程度明顯提升[6-9]。還有的研究認(rèn)為，推出指數(shù)期貨對股票指數(shù)的波動性影響不顯著[10-11]。

針對投資者情緒影響指數(shù)期貨現(xiàn)貨關(guān)系的研究文獻(xiàn)比較少見，但針對投資者情緒對單個市場的影響研究卻比較多。比如，有學(xué)者研究了投資者情緒對股票市場波動性的影響，認(rèn)為投資者情緒影響股市的波動性，并且這種影響具有非對稱性，但投資者情緒是增大了波動性還是減小了波動性的結(jié)論卻不一致[12-16]。還有學(xué)者研究了投資者情緒對指數(shù)期貨波動性的影響，研究結(jié)論均表明投資者情緒對指數(shù)期貨波動性有重要影響，影響的方向方面卻沒有得到一致結(jié)論[17-18]。

由以上可知，已有文獻(xiàn)對指數(shù)期貨與指數(shù)之間的關(guān)系以及投資者情緒對指數(shù)期貨或指數(shù)的影響做了一定的研究，但在不同的市場、采用不同的方法，研究結(jié)論卻有差異。投資者情緒作為行為金融學(xué)的重要研究領(lǐng)域，一定會影響指數(shù)期貨與現(xiàn)貨之間的關(guān)系，但卻鮮有文獻(xiàn)研究投資者情緒對指數(shù)期貨現(xiàn)貨波動性關(guān)系的影響。中國推出滬深300指數(shù)期貨已經(jīng)7年，基于投資者情緒探究滬深300指數(shù)期貨價格與滬深300指數(shù)之間的關(guān)系，可以為投資者利用指數(shù)期貨進(jìn)行套期保值和風(fēng)險管理提供更好的參考。

因此，本文以“基于投資者情緒的滬深300指數(shù)期貨現(xiàn)貨波動性關(guān)系”為題，研究投資者情緒是否影響指數(shù)期貨與指數(shù)的波動性關(guān)系。

2 投資者情緒對指數(shù)期貨與現(xiàn)貨波動性關(guān)系影響實(shí)證

波動性就是指金融資產(chǎn)的市場價格對其均衡價值偏離的程度。波動性是CAPM資產(chǎn)定價模型、APT套利定價模型、期權(quán)定價模型等模型中很重要的變量；波動性也與市場風(fēng)險、運(yùn)行效率、流動性等指標(biāo)密切相關(guān)。理論上，由于期貨市場大部分情況下對信息的反映較現(xiàn)貨市場更為靈敏，所以當(dāng)有新的信息沖擊時，指數(shù)期貨優(yōu)先響應(yīng)信息，然后傳遞到現(xiàn)貨市場，從而影響現(xiàn)貨市場的穩(wěn)定性。因?yàn)槠谪浤艽龠M(jìn)現(xiàn)貨市場對于信息的反映速度，這就造成了現(xiàn)貨市場會在更短的時間里，通過相較更劇烈的波動來消化信息，因而期貨在短期內(nèi)加劇現(xiàn)貨市場波動。長期內(nèi)指數(shù)期貨有助于提高現(xiàn)貨市場對信息的消化反應(yīng)能力，從而更為準(zhǔn)確地定價，因此，指數(shù)期貨長期而言能降低指數(shù)現(xiàn)貨的波動性。

傳統(tǒng)金融學(xué)假設(shè)金融市場參與者是理性的，但在實(shí)際的市場交易中，投資者由于情緒、環(huán)境、經(jīng)驗(yàn)等不能一直保持自己的絕對理性。眾多的投資者同時參與到市場中，就會同時存在大量的理性行為和非理性行為。理性投資者主要基于基本面分析，對價格與價值進(jìn)行判斷，一旦兩者之間有較大的偏差，就進(jìn)入市場進(jìn)行交易，這樣能在一定程度上降低價格與價值的偏離，由于理性交易者致力于價格向價值回歸，理性投資者的交易行為會降低市場的波動性；非理性交易者熱衷于技術(shù)分析，經(jīng)常在價格上升時買入，價格下降時賣出，這樣的交易行為會影響市場穩(wěn)定，造成市場的波動。由于指數(shù)期貨交易高杠桿的特征，能放大盈虧，這種特性吸引著非理性（噪音）交易者，增加了非理性行為對現(xiàn)貨市場的影響，增加現(xiàn)貨市場的波動性。投資者情緒往往受非理性因素的引導(dǎo)，因此，從理論上看，投資者情緒會增強(qiáng)指數(shù)期貨現(xiàn)貨之間的波動性。由上述分析可知，指數(shù)期貨對指數(shù)現(xiàn)貨波動性的影響是短期內(nèi)加劇現(xiàn)貨市場的波動，長期對現(xiàn)貨市場具有穩(wěn)定作用。由于指數(shù)期貨對指數(shù)的資金和交易分流作用，也會在一定程度上降低現(xiàn)貨市場的波動性。投資者情緒會影響指數(shù)期貨現(xiàn)貨間的波動性關(guān)系。

2.1 模型設(shè)計

現(xiàn)階段，學(xué)術(shù)界大多采用金融產(chǎn)品收益率或利率來判斷價格變動，運(yùn)用收益方差以及標(biāo)準(zhǔn)差來度量市場的波動性，收益率核算方法包括百分比以及對數(shù)這兩種方式：

式（1）與式（2）中，Pt與Pt-1是t和t-1期指數(shù)收盤價格。式（2）表示的對數(shù)獲利率目前運(yùn)用比較廣泛，因?yàn)閷?shù)獲利率可以表示持有股票的過程中持續(xù)性的獲利情況，并且有效減少了百分比獲利率狀況下，價格變動對Pt-1的依附性。所以，本文選擇對數(shù)獲利率這一方式判斷指數(shù)現(xiàn)貨市場變動性。

Black（1976）[19]指出，金融產(chǎn)品獲利率變動不但包含集中性特征，而且具有杠桿效應(yīng)，也就是說金融資產(chǎn)獲利率變動具有非對稱性。一般來說，利空消息造成的變動和利好消息引發(fā)的變動相比要大得多。所以，基于全面考量金融產(chǎn)品獲利率序列具有的異方差、“尖峰厚尾”以及杠桿效用特征，本文選擇符合廣義誤差分布，而且可以發(fā)現(xiàn)非對稱型杠桿效應(yīng)的EGARCH模型來對滬深300指數(shù)及指數(shù)期貨獲利率序列進(jìn)行分析。EGARCH模型如式（3）所示。

式（3）里，v是自由度。利用方差對數(shù)這一方式表示，表明杠桿效應(yīng)能夠?qū)χ笖?shù)產(chǎn)生影響。在參數(shù)不明顯是0的前提下，表明具有杠桿效應(yīng)。假如參數(shù)顯著為負(fù)，就表明利空信息對價格變動產(chǎn)生的影響高于利好信息。相反，假如參數(shù)顯著為正，就表明利好信息對價格變動產(chǎn)生的影響高于利空信息。

GED和正態(tài)分布相比更加靈活多變，它的概率密度函數(shù)是：

2.2 變量選取

本文實(shí)證分析所采用的指數(shù)數(shù)據(jù)是滬深300指數(shù)的日收盤數(shù)據(jù)，指數(shù)期貨的日數(shù)據(jù)為滬深300指數(shù)期貨活躍合約的收盤數(shù)據(jù)，價格波動率數(shù)據(jù)為指數(shù)或指數(shù)期貨的對數(shù)收益率，根據(jù)式（2）計算得出。由于滬深300指數(shù)期貨2010年4月16日開始推出，故選取2010年4月16日到2016年12月31日的數(shù)據(jù)，數(shù)據(jù)均來自WIND數(shù)據(jù)庫。投資者情緒數(shù)據(jù)采用陳志毅（2017）[20]構(gòu)建情緒指標(biāo)的方法和構(gòu)建出來的投資者情緒指標(biāo)。

2.3 描述性統(tǒng)計

各變量的統(tǒng)計描述見表2，從表2中可以看出，各個變量不管是J-B統(tǒng)計量，還是峰度和偏度（除了dsent）指標(biāo)，都拒絕服從正態(tài)分布，說明這些變量都不服從正態(tài)分布。從ADF統(tǒng)計量可以看出，每個變量的ADF統(tǒng)計量都在1%的水平上顯著，說明這些變量都是平穩(wěn)序列，不存在單位根過程。

在圖1中，上面的三個圖是dlhs、dlif、dsent的時序圖，我們可以看出，三者均具有波動性聚集特點(diǎn)，下面的三個圖是對三個變量的數(shù)據(jù)分別求平方得到的，可以看出，數(shù)據(jù)求平方后的波動性聚集效應(yīng)更加明顯了。這也說明，變量不服從正態(tài)分布。

2.4 平穩(wěn)性檢驗(yàn)

從ADF檢驗(yàn)統(tǒng)計量可以看出，各變量均不存在單位根，均是平穩(wěn)時間序列。我們再用對特征值作圖的方式，看特征值是否都在單位圓內(nèi)，如果特征值都在單位圓內(nèi)，則序列是平穩(wěn)的，否則不平穩(wěn)。結(jié)果見圖2，除了方程設(shè)定的單位根外，所有特征值都在單位圓內(nèi)，說明序列是平穩(wěn)的。

2.5 ARCH效應(yīng)檢驗(yàn)

從上文的分析我們可以看出，指數(shù)期貨的存在會對指數(shù)收益的波動產(chǎn)生影響，并且這種影響受投資者情緒的干擾，考慮到投資者情緒可能以變動率的形式影響現(xiàn)貨收益率，也可能以情緒本身的方式影響現(xiàn)貨收益率。所以，建立三個模型：

式（5）表示期貨價格變動和投資者情緒變動對指數(shù)價格變動的影響，式（6）表示期貨價格變動、情緒變動和情緒本身對指數(shù)價格變動的影響，式（7）表示期貨價格變動和情緒本身對指數(shù)變動的影響。對式（5）～（7）回歸，然后用ARCH-L-M方法檢驗(yàn)是否存在 ARCH效應(yīng)。檢驗(yàn)結(jié)果見表3，表3表明所有模型均存在ARCH效應(yīng)。只要存在ARCH效應(yīng)，就可以用ARCH和GARCH模型。

2.6 EGARCH模型估計結(jié)果

由于ARCH模型通常需要很多的滯后項(xiàng)，會損失樣本容量，而GARCH模型卻能很好地解決這個問題，因?yàn)镚ARCH模型一般不需很多滯后項(xiàng)，而且通常情況下GARCH（1，1）就能解決問題，所以我們選擇GARCH模型。另外，GARCH模型還可以根據(jù)具體情況做出擴(kuò)展。

一般的ARCH和GARCH模型中干擾項(xiàng)的滯后項(xiàng)都是以平方的形式出現(xiàn)的，這就使得正干擾和負(fù)干擾對條件方差具有完全相同的影響，而實(shí)際情況可能并不如此，比如，指數(shù)期貨對指數(shù)正向的沖擊和負(fù)向沖擊反應(yīng)程度可能不同，為了將正干擾和負(fù)干擾區(qū)別對待，我們選擇GARCH的擴(kuò)展模型EGARCH模型。

一般情況下，會假定誤差項(xiàng)符合正態(tài)分布，但前文的分析我們也可以看出，金融序列大都具有尖峰厚尾的特征，金融序列還具有波動性集聚效應(yīng)，為了刻畫這些特征，我們假定誤差項(xiàng)符合廣義誤差分布（GED分布）。

根據(jù)上述分析，我們設(shè)定的模型方程為：

在用EGARCH模型對式（8）進(jìn)行估計的過程中，是希望得出每個單獨(dú)的變量與指數(shù)現(xiàn)貨收益的關(guān)系，然后是估計兩個變量聯(lián)合對指數(shù)現(xiàn)貨收益的關(guān)系，最后是三個變量一起對指數(shù)現(xiàn)貨收益的關(guān)系。但有些方程迭代的過程中可能得不到收斂結(jié)果，將沒有收斂結(jié)果的估計省略掉，估計結(jié)果見表4。

從表4可以看出，就均值方程而言，現(xiàn)貨收益率更多地受期貨收益率的影響，期貨收益率無論是單獨(dú)還是聯(lián)合投資者情緒，系數(shù)都顯著為正，并且系數(shù)值接近于0.9，說明期貨市場的收益率對現(xiàn)貨市場的收益率具有很強(qiáng)的正向影響作用。投資者情緒本身和投資者情緒的差分系數(shù)符號均為正，說明投資者情緒也與現(xiàn)貨收益率正相關(guān)。HET部分，期貨收益率對方差的影響顯著為負(fù)，表明指數(shù)期貨收益率影響指數(shù)現(xiàn)貨收益率的波動性，并且方向?yàn)樨?fù)，說明指數(shù)期貨對指數(shù)現(xiàn)貨收益率的波動具有調(diào)整作用。情緒差分的影響幾乎都不顯著，但情緒本身的影響卻顯著為正，說明投資者情緒對指數(shù)現(xiàn)貨收益率的波動具有增強(qiáng)作用。條件方差模型部分，非對稱效應(yīng)的系數(shù)估計值大都為負(fù)且顯著，說明滬深300指數(shù)現(xiàn)貨的日收益率的波動存在顯著的非對稱效應(yīng)，且利好消息對收益率波動性的影響要小于利空消息對波動性的影響。

期貨收益率的波動性影響現(xiàn)貨收益率的波動性，那么反過來，現(xiàn)貨收益率的波動是否也會傳染到期貨市場呢？接下來我們用EGARCH模型來檢驗(yàn)上述疑問，結(jié)果見表5。從表5可以看出，在均值方程中，指數(shù)現(xiàn)貨的收益率與指數(shù)期貨的收益率高度相關(guān)且為正，投資者情緒的差分與指數(shù)期貨收益率顯著正相關(guān)，情緒本身的系數(shù)較小，而且也大都不顯著。在條件方差模型中，非對稱效應(yīng)的系數(shù)顯著為正，說明指數(shù)期貨收益率的波動也具有非對稱性，與指數(shù)現(xiàn)貨不同，利好消息對收益率波動性的影響要大于利空消息對波動性的影響。在HET部分，指數(shù)收益率與期貨受益波動率顯著負(fù)相關(guān)說明指數(shù)現(xiàn)貨也有抑制指數(shù)期貨市場收益率波動的效應(yīng)，情緒以及情緒的差分與期貨收益率波動顯著正相關(guān)，說明情緒的變動與期貨收益率的變動方向相同，情緒本身也與期貨收益率的變動正相關(guān)，說明情緒有擴(kuò)大指數(shù)期貨波動的作用。

3 結(jié)語

本文在文獻(xiàn)梳理和理論分析的基礎(chǔ)上，對投資者情緒、滬深300指數(shù)期貨和滬深300指數(shù)之間的波動性關(guān)系用EGARCH模型進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果表明，滬深300指數(shù)期貨和滬深300指數(shù)的波動性均具有非對稱性，利好消息對滬深300指數(shù)收益率波動性的影響要小于利空消息的影響，而滬深300指數(shù)期貨剛好相反，利好消息的影響要大于利空消息的影響；長期而言，指數(shù)期貨市場有穩(wěn)定指數(shù)現(xiàn)貨市場的功能；投資者情緒增加了指數(shù)期貨與現(xiàn)貨市場的波動性。

參考文獻(xiàn)

[1] 饒育蕾.行為金融學(xué)的意義與應(yīng)用前景[J].管理評論，2003，15（5）.

[2] Antoniou A，Holmes P.Futures trading，information and spot price volatility：evidence for the FTSE-100 stock index futures contract using GARCH[J].Journal of Banking & Finance，1995，19（1）.

[3] 喬桂明，吳劉杰.基于GARCH模型的滬深300股指期貨對現(xiàn)貨市場波動性研究[J].求是學(xué)刊，2012，39（2）.

[4] 酈金梁，雷曜，李樹憬.市場深度、流動性和波動率——滬深300股票指數(shù)期貨啟動對現(xiàn)貨市場的影響[J].金融研究，2012（6）.

[5] 季宇.中國股票指數(shù)期貨市場的功能實(shí)證研究[D].吉林大學(xué)，2015.

[6] Cheung Y W，NgLK.The dynamics of S&P 500 index and S&P 500 futures intraday price volatilities[J].Review of Futures Markets，1990，9（2）.

[7] Chatrath A， Rohan CD，Kanwalroop K D，etal. Index futures leadership，basis behaviour，and trader selectivity[J].Journal of Futures Markets，2002，22（7）.

[8] 顧奚峰，王國松.基于EGARCH模型的股指期貨對股市非對稱性波動影響的實(shí)證研究[J].金融理論與實(shí)踐，2011（10）.

[9] 喬高秀，劉強(qiáng)，張茂軍.滬深300股指期貨上市對現(xiàn)貨市場連續(xù)波動和跳躍波動的影響[J].中國管理科學(xué)，2014，22（10）.

[10] Antoniou A，Holmes P.Futures market efficiency，the unbiasedness hypothesis and variance-bounds tests：The case of the FTSE-100 futures contract[J].Bulletin of Economic Research，1996（48）.

[11] 邢天才，張閣.中國股指期貨對現(xiàn)貨市場聯(lián)動效應(yīng)的實(shí)證研究——基于滬深300仿真指數(shù)期貨數(shù)據(jù)的分析[J].財經(jīng)問題研究，2010（4）.

[12] Mehra R， Sah R. Mood fluctuations， projection bias， and volatility of equity prices[J].Journal of Economic Dynamics & Control，2002，26（5）.

[13] Yu J，Yuan Y.Investor sentiment and the mean variance relation[J].Social Science Electronic Publishing，2011，100（2）.

[14] 王美今，孫建軍.中國股市收益、收益波動與投資者情緒[J].經(jīng)濟(jì)研究，2004（10）.

[15] 池麗旭，莊新田.投資者情緒與股票收益波動溢出效應(yīng)[J].系統(tǒng)管理學(xué)報，2009，18（4）.

[16] 高大良，劉志峰，楊曉光.投資者情緒、平均相關(guān)性與股市收益[J].中國管理科學(xué)，2015，23（2）.

[17] Kurov A. Investor sentiment， trading behavior and informational efficiency in index futures markets[J]. Financial Review，2008，43（1）.

[18] 高斌.基于情緒的股指期貨定價研究[D].華南理工大學(xué)，2015.

[19] Black S W. Rational response to shocks in a dynamic model of capital asset prices[J].American Economic Review，1976，66（5）.

[20] 陳志毅.基于投資者情緒的滬深300指數(shù)期貨與指數(shù)價格關(guān)系[J].特區(qū)經(jīng)濟(jì)，2017（4）.