謝世清，楊雯婷

（北京大學(xué)經(jīng)濟(jì)學(xué)院，北京100871）

0 引言

股指期貨具有一定的價(jià)格發(fā)現(xiàn)功能。由于期貨市場(chǎng)具有公開(kāi)、高效的特點(diǎn)，故投資者在股指期貨市場(chǎng)中競(jìng)價(jià)而形成的價(jià)格，能更好地反映投資者對(duì)于股票未來(lái)價(jià)格的預(yù)期以及股票的真實(shí)價(jià)值。一些學(xué)者提出股指期貨的交易具有波動(dòng)溢出效應(yīng)，即投資者交易股指期貨會(huì)提高其價(jià)格的波動(dòng)率，使得股指現(xiàn)貨的波動(dòng)率也相應(yīng)提高。股指期現(xiàn)貨市場(chǎng)間的關(guān)聯(lián)作用對(duì)于正確理解兩個(gè)市場(chǎng)價(jià)格形成機(jī)制，進(jìn)而實(shí)現(xiàn)有效市場(chǎng)監(jiān)管具有重要意義。本文針對(duì)這一問(wèn)題，從滬深300股指期貨和現(xiàn)貨市場(chǎng)之間的價(jià)格關(guān)系和波動(dòng)率關(guān)系兩個(gè)角度展開(kāi)研究。并應(yīng)用VAR

BEKK-GARCH模型對(duì)兩市場(chǎng)波動(dòng)溢出效應(yīng)進(jìn)行實(shí)證，可以更精準(zhǔn)地量化在波動(dòng)率層面上兩市場(chǎng)交互作用的程度。采用一分鐘高頻數(shù)據(jù)，可以較為全面地考察兩市場(chǎng)價(jià)格和波動(dòng)率的日內(nèi)作用。

1 變量選取與數(shù)據(jù)說(shuō)明

1.1 變量選取

本文選取的4個(gè)主要變量為：

（1）St（Spot_close），滬深300股指現(xiàn)貨市場(chǎng)的1分鐘收盤價(jià)。記其對(duì)數(shù)價(jià)格為L(zhǎng)St，LSt=ln(St);

（2）Ft（Futures_close），滬深300股指期貨市場(chǎng)的1分鐘收盤價(jià)。記其對(duì)數(shù)價(jià)格為L(zhǎng)Ft，LFt=ln(Ft);

（3）RSt，滬深300股指現(xiàn)貨市場(chǎng)1分鐘收盤價(jià)的收益率，即RSt=LSt-LSt-1;

（4）RFt，滬深300股指期貨市場(chǎng)1分鐘收盤價(jià)的收益率，即RFt=LFt-LFt-1。

1.2 數(shù)據(jù)來(lái)源

本文中使用的樣本數(shù)據(jù)為我國(guó)滬深300股指期貨和滬深300股指現(xiàn)貨1分鐘頻率的期貨價(jià)格和現(xiàn)貨價(jià)格，時(shí)間跨度為2013年7月22日至2016年7月22日。鑒于滬深300股指期貨的交易時(shí)間為9:15至11:30，13:00至15:15；滬深300指數(shù)的交易時(shí)間為9:30至11:30，13:00至15:00。因此本文選取股指期貨與現(xiàn)貨重疊的交易時(shí)間9:30至11:30，13:00至15:00，每日240分鐘的交易數(shù)據(jù)來(lái)實(shí)證研究滬深300股指期貨對(duì)滬深300指數(shù)收益性的影響，全樣本數(shù)據(jù)包含175587組數(shù)據(jù)。數(shù)據(jù)來(lái)源于Wind資訊金融數(shù)據(jù)庫(kù)。

1.3 描述性統(tǒng)計(jì)

利用所得數(shù)據(jù)繪出圖1滬深300指數(shù)期貨與滬深300指數(shù)現(xiàn)貨收盤價(jià)序列（St,Ft）和收益率序列（RSt,RFt）的圖像。

圖1 滬深300指數(shù)期貨與現(xiàn)貨收盤價(jià)序列和收益率序列

從圖1可以看出滬深300股指現(xiàn)貨市場(chǎng)和期貨市場(chǎng)收盤價(jià)序列走勢(shì)基本一致，均在2014年第四季度前處于低位。隨后價(jià)格上升，在2015年第二季度達(dá)到頂峰，2015年第三季度開(kāi)始波動(dòng)下降。同時(shí)，兩市場(chǎng)的收益率序列走勢(shì)也大致相同。但是，仔細(xì)觀察不難發(fā)現(xiàn)，在市場(chǎng)處于較為極端的狀態(tài)時(shí)（比如2015年6月15日到8月26日，滬指累計(jì)跌幅高達(dá)45%），期貨市場(chǎng)上升和下探的幅度都大于現(xiàn)貨市場(chǎng)。

表1列出兩市場(chǎng)收益率序列的基本統(tǒng)計(jì)量。對(duì)表1進(jìn)行分析得出，滬深300股指現(xiàn)貨市場(chǎng)和期貨市場(chǎng)的收益率序列的均值、中位數(shù)都較為相近。但期貨市場(chǎng)收益率的最大值大于現(xiàn)貨市場(chǎng)收益率最大值，期貨市場(chǎng)收益率的最小值小于現(xiàn)貨市場(chǎng)收益率最小值，期貨市場(chǎng)的標(biāo)準(zhǔn)差也大于現(xiàn)貨市場(chǎng)。這說(shuō)明期貨市場(chǎng)的絕對(duì)波動(dòng)幅度大于現(xiàn)貨市場(chǎng)。此外，從偏度和峰度看出，滬深300股指現(xiàn)貨市場(chǎng)收益率序列左偏特征明顯而股指期貨市場(chǎng)收益率序列則輕微右偏。同時(shí)，兩市場(chǎng)的收益率序列相比較同方差正態(tài)分布序列，均存在明顯的尖峰厚尾特征。

表1 滬深300指數(shù)期貨與現(xiàn)貨收益率序列基本統(tǒng)計(jì)量

1.4 平穩(wěn)性檢驗(yàn)

如表2所示，本文使用ADF模型對(duì)各變量進(jìn)行單位根檢驗(yàn)，以防止“偽回歸”現(xiàn)象。即便在1%的置信水平下，滬深300指數(shù)現(xiàn)貨收盤價(jià)序列（St）和期貨收盤價(jià)序列（Ft）兩序列都存在單位根。但二者在一階差分后均變?yōu)槠椒€(wěn)序列，說(shuō)明兩序列具有一階單整關(guān)系。滬深300股指現(xiàn)貨市場(chǎng)對(duì)數(shù)收盤價(jià)LSt，滬深300股指期貨市場(chǎng)對(duì)數(shù)收盤價(jià)LFt，滬深300股指現(xiàn)貨市場(chǎng)對(duì)數(shù)收益率RSt和滬深300股指期貨市場(chǎng)對(duì)數(shù)收益率RFt均為平穩(wěn)序列。故下文進(jìn)行VAR模型建模時(shí)使用LSt和LFt進(jìn)行建模，以驗(yàn)證兩市場(chǎng)之間的價(jià)格互動(dòng)關(guān)系。

表2 滬深300指數(shù)期貨與現(xiàn)貨收益率序列平穩(wěn)性檢驗(yàn)

2 實(shí)證檢驗(yàn)

2.1 滬深300股指期貨和現(xiàn)貨市場(chǎng)的價(jià)格關(guān)系（一階距）

2.1.1 VAR建模

為了驗(yàn)證滬深300股指期貨與現(xiàn)貨市場(chǎng)價(jià)格間是否存在較為穩(wěn)定的傳遞關(guān)系，本文對(duì)數(shù)據(jù)建立VAR模型。本文利用Eviews 8.0軟件，對(duì)滬深300股指現(xiàn)貨對(duì)數(shù)價(jià)格LSt和滬深300股指期貨對(duì)數(shù)價(jià)格LFt作為模型變量進(jìn)行建模。根據(jù)LR、FPE、AIC、SC和HQ五個(gè)信息準(zhǔn)則，最終將滯后階數(shù)確定為6階。VAR模型可以表示如下：

VAR估計(jì)結(jié)果見(jiàn)表3，滬深300股指現(xiàn)貨價(jià)格和滬深300股指期貨價(jià)格之間存在相互影響的效應(yīng)。在只考察1%置信水平的情況下，可以發(fā)現(xiàn)滬深300股指期貨市場(chǎng)和現(xiàn)貨市場(chǎng)價(jià)格傳導(dǎo)過(guò)程存在一定的領(lǐng)先滯后關(guān)系。從表3的檢驗(yàn)結(jié)果可以看出，股指期貨市場(chǎng)價(jià)格滯后1～6階值對(duì)股指現(xiàn)貨市場(chǎng)價(jià)格回歸系數(shù)均顯著，因而判斷股指期貨市場(chǎng)至少領(lǐng)先股指現(xiàn)貨市場(chǎng)6分鐘。針對(duì)現(xiàn)貨市場(chǎng)價(jià)格對(duì)期貨市場(chǎng)價(jià)格的影響，本文發(fā)現(xiàn)VAR模型的R2過(guò)小，那么現(xiàn)貨市場(chǎng)價(jià)格對(duì)期貨市場(chǎng)價(jià)格的單向引導(dǎo)關(guān)系無(wú)法從本模型中得到定量的結(jié)論。

表3 VAR模型回歸結(jié)果

隨后，本文對(duì)VAR模型的穩(wěn)定性進(jìn)行檢驗(yàn)。結(jié)果表明，AR根圖（圖略）中全部根的倒數(shù)值均在單位圓內(nèi)，說(shuō)明VAR模型特征方程根倒數(shù)值位于單位圓內(nèi)，即模型的特征根都小于1。證實(shí)了VAR模型屬于穩(wěn)定的系統(tǒng)，可以進(jìn)行后續(xù)分析。

2.1.2 格蘭杰因果檢驗(yàn)

本文對(duì)滯后2～7期的LSt和LFt變量進(jìn)行格蘭杰因果檢驗(yàn)。檢驗(yàn)結(jié)果見(jiàn)下頁(yè)表4，可以得出股指期貨與現(xiàn)貨價(jià)格存在雙向引導(dǎo)關(guān)系。

2.1.3 協(xié)整關(guān)系檢驗(yàn)

本文分別采用E-G兩步法和Johansen協(xié)整檢驗(yàn)對(duì)股指現(xiàn)貨價(jià)格差分序列和股指期貨價(jià)格差分序列進(jìn)行協(xié)整檢驗(yàn)。

表4 滬深300股指期貨與現(xiàn)貨指數(shù)的Granger因果檢驗(yàn)

（1）E-G兩步法。E-G兩步法是目前廣為應(yīng)用的一種協(xié)整檢驗(yàn)方法。首先利用LSt對(duì)LFt做OLS回歸，然后保存回歸殘差，并對(duì)殘差估計(jì)項(xiàng)進(jìn)行單位根檢驗(yàn)。

若殘差無(wú)單位根，則說(shuō)明兩變量之間存在長(zhǎng)期穩(wěn)定的協(xié)整關(guān)系；若殘差存在單位根，則說(shuō)明兩變量之間的回歸是偽回歸。E-G兩步法協(xié)整檢驗(yàn)結(jié)果見(jiàn)表5，后式中α^和β^分別為表5中變量C和LF的對(duì)應(yīng)系數(shù)，即前式的回歸截距和斜率項(xiàng)。E-G兩步法殘差檢驗(yàn)結(jié)果如表6所示，結(jié)果表明回歸后的殘差在1%的置信度下為平穩(wěn)序列，說(shuō)明兩者確實(shí)存在協(xié)整關(guān)系。當(dāng)期貨市場(chǎng)受到某種沖擊后市場(chǎng)價(jià)格發(fā)生改變，這一價(jià)格改變從長(zhǎng)期來(lái)看會(huì)對(duì)現(xiàn)貨市場(chǎng)價(jià)格造成一定的影響。同理，現(xiàn)貨市場(chǎng)價(jià)格的改變也會(huì)對(duì)期貨市場(chǎng)價(jià)格造成沖擊。

表5 E-G兩步法協(xié)整檢驗(yàn)結(jié)果

表6 E-G兩步法殘差檢驗(yàn)結(jié)果

（2）Johansen協(xié)整檢驗(yàn)。Johansen（1995）給出的協(xié)整關(guān)系定義為，設(shè)k維向量時(shí)間序列t=1，2，...，T的分量序列間被稱為d，b階協(xié)整，記yt～CI(d，b)。如果滿足：（a）yt～I(xiàn)(d)，要求yt的每個(gè)分量都是d階單整的；（b）存在非零向量β，使得β'yt～I(xiàn)(d-b)，0＜b≤d，則yt是協(xié)整的，向量β又稱為協(xié)整向量。在E-G兩步法協(xié)整檢驗(yàn)的基礎(chǔ)上，使用上文已經(jīng)建立的LSt和LFt的穩(wěn)定的VAR模型，對(duì)這些變量之間的協(xié)整關(guān)系進(jìn)行Johansen協(xié)整檢驗(yàn)，以期驗(yàn)證E-G兩步法檢驗(yàn)的結(jié)果。

Johansen協(xié)整檢驗(yàn)結(jié)果見(jiàn)表7和表8。結(jié)果顯示，在5%的置信水平下，兩變量之間存在兩個(gè)協(xié)整關(guān)系。第一組關(guān)系為L(zhǎng)St和LFt之間的協(xié)整關(guān)系，第二組關(guān)系為L(zhǎng)St和LFt一階差分變量，即RSt和RFt之間的協(xié)整關(guān)系。可以得出結(jié)論，兩變量間確實(shí)存在長(zhǎng)期穩(wěn)定的關(guān)系。

表7 跡統(tǒng)計(jì)量檢驗(yàn)結(jié)果

表8 最大特征根統(tǒng)計(jì)量檢驗(yàn)結(jié)果

對(duì)于第一組關(guān)系，標(biāo)準(zhǔn)化協(xié)整系數(shù)后的方程為L(zhǎng)Ft-1.1833LSt=0。分析標(biāo)準(zhǔn)化后的協(xié)整系數(shù)不難發(fā)現(xiàn)，當(dāng)滬深300股指現(xiàn)貨市場(chǎng)價(jià)格變動(dòng)1個(gè)單位時(shí)，滬深300股指期貨市場(chǎng)價(jià)格變動(dòng)1.1833個(gè)單位。這表明現(xiàn)貨市場(chǎng)價(jià)格對(duì)于期貨市場(chǎng)價(jià)格具有顯著的影響，影響幅度大于自身的價(jià)格變動(dòng)。而期貨市場(chǎng)價(jià)格變動(dòng)1個(gè)單位時(shí)，只會(huì)給現(xiàn)貨市場(chǎng)帶來(lái)0.8451單位的價(jià)格變動(dòng)，變動(dòng)幅度小于期貨市場(chǎng)價(jià)格自身的變動(dòng)。

對(duì)于第二組關(guān)系，調(diào)整協(xié)整系數(shù)后的方程為0.8862RSt-0.3441RFt=0。這說(shuō)明當(dāng)滬深300股指現(xiàn)貨收益率變動(dòng)1個(gè)單位時(shí)，會(huì)給滬深300股指期貨收益率帶來(lái)0.3883單位的變動(dòng)。當(dāng)滬深300股指期貨收益率變動(dòng)1個(gè)單位時(shí)，會(huì)給滬深300股指現(xiàn)貨收益率帶來(lái)2.5754單位的變動(dòng)。與第一組關(guān)系結(jié)果相似，期貨價(jià)格變動(dòng)帶來(lái)的現(xiàn)貨市場(chǎng)價(jià)格波動(dòng)幅度明顯大于期貨市場(chǎng)價(jià)格本身的波動(dòng)幅度。這一實(shí)證結(jié)果表明，期貨市場(chǎng)對(duì)于現(xiàn)貨市場(chǎng)的調(diào)節(jié)和影響作用進(jìn)一步深化。

2.1.4 向量誤差修正模型

本文使用VECM模型，通過(guò)誤差修正項(xiàng)，可以檢驗(yàn)滬深300股指期貨價(jià)格與現(xiàn)貨價(jià)格之間的互動(dòng)關(guān)系。

根據(jù)AIC、SC信息準(zhǔn)則可以確定向量誤差修正模型（VECM）的最優(yōu)滯后階數(shù)為6。向量誤差修正模型（VECM）如下：

從檢驗(yàn)結(jié)果可知，b=0.8451，其在1%的顯著水平下顯著。向量誤差修正模型的結(jié)果見(jiàn)表9。

由表9可知，利用向量誤差修正模型可以得到誤差修正項(xiàng)系數(shù)γ分別為0.8862和-0.3441，在1%的置信水平下均是統(tǒng)計(jì)顯著的。這說(shuō)明從長(zhǎng)期來(lái)看，當(dāng)系統(tǒng)偏離均衡狀態(tài)時(shí)，現(xiàn)貨市場(chǎng)具有正向的調(diào)節(jié)能力，而期貨市場(chǎng)具有負(fù)向的調(diào)節(jié)能力。

從絕對(duì)值上可以看出，期貨市場(chǎng)誤差修正項(xiàng)系數(shù)的絕對(duì)值小于現(xiàn)貨市場(chǎng)誤差修正項(xiàng)的絕對(duì)值，說(shuō)明現(xiàn)貨市場(chǎng)比期貨市場(chǎng)對(duì)非均衡狀態(tài)的反應(yīng)速度更快，敏感性更高。期貨市場(chǎng)誤差修正項(xiàng)具有較小的系數(shù)，說(shuō)明自我調(diào)節(jié)能力相對(duì)較弱，需要現(xiàn)貨的調(diào)節(jié)作用。同時(shí)，誤差修正模型的R2相較于VAR模型中的R2有大幅提高，說(shuō)明在加入誤差修正項(xiàng)后模型的解釋程度有一定的增加。并且模型的回歸系數(shù)均在1%置信水平下顯著，這說(shuō)明向量誤差修正模型相較于VAR模型更為穩(wěn)定。

表9 向量誤差修正模型結(jié)果

在現(xiàn)貨價(jià)格方程中，回歸系數(shù)Γi在滯后1～4期相較于ξi更高，在滯后5～6期相較于ξi更低。說(shuō)明現(xiàn)貨市場(chǎng)收益率受自身價(jià)格收益率波動(dòng)的影響，同時(shí)也顯著受到期貨收益率的影響，并且在短期內(nèi)（1～4期）受期貨收益率的影響幅度大于受自身收益率影響的幅度，而在更長(zhǎng)期限中（5～6期），期貨收益率對(duì)于現(xiàn)貨收益率的影響逐漸減弱。

在期貨價(jià)格方程中，回歸系數(shù)Λi在滯后1～3期相較于ηi更高，在滯后4～5期相較于ηi更低。說(shuō)明期貨市場(chǎng)收益率受自身價(jià)格收益率波動(dòng)的影響，同時(shí)也顯著受到現(xiàn)貨收益率的影響，并且在短期內(nèi)（1～3期）受現(xiàn)貨收益率的影響幅度小于受自身收益率影響的幅度，而在更長(zhǎng)期限中（4～6期），現(xiàn)貨收益率對(duì)于期貨收益率的影響逐漸增強(qiáng)。

從整體來(lái)看，短期中期貨市場(chǎng)收益率對(duì)期現(xiàn)貨兩市場(chǎng)的影響居主導(dǎo)地位；長(zhǎng)期中現(xiàn)貨市場(chǎng)收益率對(duì)期現(xiàn)貨兩市場(chǎng)的影響居主導(dǎo)地位

2.1.5 脈沖響應(yīng)函數(shù)

本文利用脈沖響應(yīng)函數(shù)來(lái)分析現(xiàn)貨市場(chǎng)價(jià)格在受到期貨市場(chǎng)價(jià)格變動(dòng)沖擊后的反應(yīng)。從圖2中不難看出，現(xiàn)貨市場(chǎng)在期貨市場(chǎng)價(jià)格發(fā)生波動(dòng)后第一期便開(kāi)始作出反應(yīng)，并且隨著滯后期數(shù)增大，邊際反應(yīng)增量減少，但是從第1期到第5期邊際反應(yīng)增量均為正，故累計(jì)脈沖響應(yīng)均遞增。在第5期之后趨于平穩(wěn)，脈沖響應(yīng)水平在0附近波動(dòng)。說(shuō)明這種現(xiàn)貨市場(chǎng)對(duì)這一沖擊反應(yīng)迅速，但沖擊影響并不持久。

圖2 現(xiàn)貨市場(chǎng)對(duì)數(shù)價(jià)格對(duì)期貨市場(chǎng)對(duì)數(shù)價(jià)格的脈沖響應(yīng)分析

2.1.6 方差分解模型

從圖3可以看出，期貨市場(chǎng)價(jià)格對(duì)現(xiàn)貨市場(chǎng)價(jià)格波動(dòng)的貢獻(xiàn)程度隨滯后期數(shù)增加而不斷增加，在沖擊響應(yīng)趨于平穩(wěn)時(shí)，期貨市場(chǎng)價(jià)格對(duì)現(xiàn)貨市場(chǎng)價(jià)格變動(dòng)的貢獻(xiàn)程度在60%以上，大于現(xiàn)貨市場(chǎng)價(jià)格對(duì)自身價(jià)格變動(dòng)的貢獻(xiàn)程度。這說(shuō)明滬深300股指期貨在價(jià)格發(fā)現(xiàn)過(guò)程中居主導(dǎo)地位。

圖3 現(xiàn)貨市場(chǎng)波動(dòng)方差分解結(jié)果

2.2 滬深300股指期貨和現(xiàn)貨市場(chǎng)的價(jià)格波動(dòng)率關(guān)系（二階距）

首先，設(shè)定條件均值方程，其中R1，t代表滬深300現(xiàn)貨收益序列，R2，t代表滬深300期貨收益序列，u1，t和u2，t為殘差，服從N(0，Ht)分布；再設(shè)定條件方差方程，其中所有字母均代表2×2矩陣，C為下三角矩陣，A、B為對(duì)角矩陣，H為對(duì)稱矩陣。

條件均值方程：

條件方差方程：

隨后，利用Eviews8.0軟件編程進(jìn)行雙變量GARCH建模，模型輸出結(jié)果為：

根據(jù)GARCH模型實(shí)證結(jié)果，可以得出現(xiàn)貨和期貨收益方差以及兩序列的協(xié)方差。結(jié)果顯示，滬深300現(xiàn)貨收益分鐘方差為0.0000009，滬深300期貨收益分鐘方差為0.0000017，兩序列的協(xié)方差為0.0000007。從輸出的兩市場(chǎng)分鐘方差結(jié)果可以看出，兩個(gè)市場(chǎng)之間均有明顯的波動(dòng)聚集效應(yīng)，當(dāng)期較大的波動(dòng)會(huì)對(duì)下期的波動(dòng)率產(chǎn)生一定的影響，期貨市場(chǎng)的波動(dòng)聚集效應(yīng)相較于現(xiàn)貨市場(chǎng)的波動(dòng)聚集效應(yīng)程度更大。同時(shí)從兩市場(chǎng)價(jià)格的協(xié)方差可以看出，兩市場(chǎng)的波動(dòng)率相互影響，確實(shí)存在一定的波動(dòng)溢出效應(yīng)。

3 結(jié)論

本文通過(guò)對(duì)2013年7月22日至2016年7月22日一分鐘頻率的市場(chǎng)收盤價(jià)數(shù)據(jù)進(jìn)行分析。利用VAR模型、格蘭杰因果檢驗(yàn)、協(xié)整檢驗(yàn)和誤差修正模型得出關(guān)于兩市場(chǎng)間價(jià)格關(guān)系（一階導(dǎo)）的結(jié)論，并利用VAR-BEKK-GARCH模型進(jìn)行建模，得出關(guān)于兩市場(chǎng)間波動(dòng)率關(guān)系（二階導(dǎo)）的結(jié)論。其結(jié)論歸納為以下四點(diǎn)：

第一，滬深300股指期貨市場(chǎng)和現(xiàn)貨市場(chǎng)的價(jià)格之間存在長(zhǎng)期穩(wěn)定的協(xié)整關(guān)系；兩者之間有顯著的雙向格蘭杰因果關(guān)系。通過(guò)E-G兩步法和Johansen協(xié)整檢驗(yàn)這兩種方法進(jìn)行相互印證判斷，E-G兩步法顯示在1%的置信水平下兩市場(chǎng)價(jià)格變量間OLS回歸方程殘差平穩(wěn)，說(shuō)明確實(shí)存在協(xié)整關(guān)系；Johansen協(xié)整檢驗(yàn)法顯示在5%的置信水平下兩市場(chǎng)價(jià)格變量間存在協(xié)整關(guān)系，并且期貨市場(chǎng)價(jià)格變動(dòng)1個(gè)單位對(duì)于現(xiàn)貨市場(chǎng)造成0.8451單位的影響，說(shuō)明期貨市場(chǎng)已經(jīng)在發(fā)揮其對(duì)于現(xiàn)貨市場(chǎng)價(jià)格的調(diào)節(jié)作用。兩市場(chǎng)之間存在顯著的雙向引導(dǎo)關(guān)系。

第二，滬深300股指現(xiàn)貨市場(chǎng)與股指期貨市場(chǎng)之間存在不完全對(duì)稱的領(lǐng)先滯后關(guān)系。從VAR模型的回歸系數(shù)顯著水平可以判斷得出，股指期貨市場(chǎng)至少領(lǐng)先現(xiàn)貨市場(chǎng)6分鐘。眾所周知，期貨市場(chǎng)價(jià)格通常反映市場(chǎng)對(duì)于標(biāo)的物未來(lái)價(jià)格的預(yù)期，本文基于VAR模型的實(shí)證結(jié)果即印證了這一點(diǎn)。我國(guó)滬深300股指期貨市場(chǎng)相較于現(xiàn)貨市場(chǎng)能更敏感地反映出市場(chǎng)情緒對(duì)于未來(lái)市場(chǎng)價(jià)格的預(yù)期。

第三，從整體來(lái)看，基于向量誤差修正模型，短期中期貨市場(chǎng)收益率對(duì)期現(xiàn)貨兩市場(chǎng)的影響居主導(dǎo)地位；長(zhǎng)期中現(xiàn)貨市場(chǎng)收益率對(duì)期現(xiàn)貨兩市場(chǎng)的影響居主導(dǎo)地位?；诜讲罘纸饽Ｐ?，具體分析股指現(xiàn)貨市場(chǎng)價(jià)格波動(dòng)的來(lái)源，期貨市場(chǎng)的價(jià)格變動(dòng)相較于現(xiàn)貨市場(chǎng)價(jià)格變動(dòng)貢獻(xiàn)度更大，說(shuō)明我國(guó)股指期貨市場(chǎng)對(duì)于現(xiàn)貨市場(chǎng)影響顯著。期貨市場(chǎng)已經(jīng)在有力地發(fā)揮對(duì)于現(xiàn)貨市場(chǎng)的價(jià)格引導(dǎo)作用。

第四，本文進(jìn)一步檢驗(yàn)了滬深300股指現(xiàn)貨市場(chǎng)和股指期貨市場(chǎng)間的波動(dòng)溢出效應(yīng)。本文利用VAR-BEKKGARCH方法對(duì)兩市場(chǎng)價(jià)格的波動(dòng)率序列進(jìn)行建模，檢驗(yàn)證實(shí)了滬深300股指現(xiàn)貨市場(chǎng)與股指期貨市場(chǎng)價(jià)格收益率方差顯著大于零，即兩市場(chǎng)分別存在波動(dòng)聚集效應(yīng)；兩市場(chǎng)間波動(dòng)率存在相關(guān)關(guān)系，說(shuō)明股指現(xiàn)貨市場(chǎng)和股指期貨市場(chǎng)存在一定的波動(dòng)溢出效應(yīng)。

[1] Chu Q C,Hsieh W G,Tse Y.Price Discovery on the S&P 500 Index Markets:An Analysis of Spot Index,Index Futures,and SPDRs[J].In?ternational Review of Financial Analysis,1999,(8).

[2] Chan K C,Karolyi A G.Intraday Volatility in the Stock Index and Stock Index Futurer Markets[J].Review of Financial Studies，1991.

[3] Tse Y.Price Discovery and Volatility Spillovers in the DJIA Index and the Futures Market[J].Journal of Futures Markets,1999,(19).

[4] Figuerola-ferretti G Price Discovery in the Aluminum Market[J].Jour?nal of Futures Markets,2005,(25).

[5] 華仁海,劉慶富.股指期貨與股指現(xiàn)貨市場(chǎng)間的價(jià)格發(fā)現(xiàn)能力探究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2010,(10).

[6] 陳焱,李萍,劉濤.股指期貨與現(xiàn)貨市場(chǎng)價(jià)格的互動(dòng)、引導(dǎo)關(guān)系研究——基于滬深300股指期貨的實(shí)證分析[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào),2013,(2).

[7] 左浩苗,劉振濤,曾海為.基于高頻數(shù)據(jù)的股指期貨與現(xiàn)貨市場(chǎng)波動(dòng)溢出和信息傳導(dǎo)研究[J].金融研究,2012,(4).

[8] 朱莉.高頻股指期現(xiàn)貨市場(chǎng)波動(dòng)溢出效應(yīng)的研究——基于EEMD的小波降噪[J].技術(shù)經(jīng)濟(jì)與管理研究,2015,(11).

[9] 喬高秀,劉強(qiáng),張茂軍.滬深300股指期貨上市對(duì)現(xiàn)貨市場(chǎng)連續(xù)波動(dòng)和跳躍波動(dòng)的影響[J].中國(guó)管理科學(xué),2014,(10).