股指期貨對標的指數成分股股價信息含量的影響
——基于PSM-DID方法的實證研究

■張根文，田田

股指期貨對標的指數成分股股價信息含量的影響
——基于PSM-DID方法的實證研究

■張根文，田田

本文利用雙重差分傾向得分匹配法（PSM-DID)，分別研究了不同品種股指期貨對標的指數成分股股價信息含量的影響。結果發現：滬深300股指期貨顯著提高了標的指數成分股的股價信息含量，而上證50股指期貨并沒有顯著提高相應成分股的股價信息含量。由于上證50指數成分股包含于滬深300指數成分股，進一步分析表明，股指期貨的推出能夠增加標的指數成分股的股價信息含量，但作用效果邊際遞減。

股指期貨；股價信息含量；PSM-DID

張根文（1977-），安徽人，博士研究生，合肥工業大學經濟學院副教授，研究方向為公司金融；田田（1989-），山東人，碩士研究生，合肥工業大學經濟學院，研究方向為資本市場與證券投資。（安徽合肥230601）

一、引言

2015年4月16日，繼滬深300股指期貨推出后，中金所再次推出了上證50與中證500股指期貨。股指期貨的相繼推出不僅有利于優化資產配置，繁榮衍生品市場而且有利于穩定股票現貨市場，合理促進資本市場健康發展。2015年6月，A股市場牛熊轉換，下半年頻繁出現異常波動現象，譬如千股漲停、千股跌停、千股停牌。這不僅損害了廣大投資者利益，還嚴重干擾了中國資本市場的正常運行，降低了期現貨市場運行效率。2015年對于中國的資本市場而言，應該是值得銘記的一年。

眾所周知，股指期貨具有價格發現、套期保值和套利三大功能，但股指期貨功能的有效發揮，離不開現貨市場標的指數成分股的密切配合。那么股指期貨的推出究竟對指數成分股產生什么樣的影響呢？政府部門及廣大投資者普遍期望股指期貨的推出能夠發揮其積極效用，改善股票現貨市場質量，使得股票價格更加真實合理地反映上市公司的內在價值，提高股票市場運行效率。股價信息含量作為衡量股票市場運行效率的重要標志，反映了股票價格包含公司特質性信息的能力，那么股指期貨的推出究竟對標的指數成分股股價信息含量產生了怎樣的影響呢？不同品種股指期貨的推出對標的指數成分股股價信息含量的影響是否相同呢？隨著股指期貨新品種的不斷推出，該種影響的邊際效用如何呢？另外，國內外有諸多學者從不同宏觀層面研究股價信息含量的影響因素，但鮮有從股指期貨角度進行研究，這也是本文進行研究的創新之處。

本文利用雙重差分傾向得分匹配法（PSMDID)，以滬深300和上證50股指期貨為研究對象，實證檢驗了股指期貨的推出對標的指數成分股股價信息含量的影響，結果發現滬深300股指期貨的推出顯著增加了標的指數成分股股價信息含量，而上證50股指期貨的推出對標的指數成分股股價信息含量的提升并沒有明顯的促進作用。本文的研究不僅豐富了股價信息含量的宏觀影響因素理論，而且利用PSM-DID較好地測度了股指期貨對指數成分股股價信息含量影響的凈效應，并在此基礎上深入分析了該種影響的邊際效用。

二、理論分析與研究假設

由于現貨指數本身不能直接用于買賣，因而投資者利用股指期貨進行套期保值和期現套利時，就需要購買與指數期貨高度相關的標的指數成分股來達成目的。機構投資者通過持有大量的標的指數成分股，得以在戰略性資產配置中保有更大的靈活性和可操作性。可見，無論是出于風險對沖及套利目的還是出于組合管理的要求，投資者對成分股的購買需求都將增加。根據股價的需求理論，標的指數成分股的股價將會上漲。楊帆和朱邦毅（2007）對海外證券市場標的指數成分股與非標的指數成分股的漲幅狀況進行研究，發現股指期貨標的指數平均漲幅在大部分國家都超過非標的指數，且出現10%左右的年平均漲幅差異。由于股票市場中存在羊群效應，標的指數成分股價格的上漲會增強市場信心同時吸引大量跟風盤買入，進一步推動股價的上漲。若是標的指數成分股的漲幅太大，嚴重偏離其真實價值，必然會引發投資者的競相拋售，股價由漲轉跌。成分股股價的下降同樣也會引發羊群效應，使得大量投資者紛紛拋售標的指數成分股，導致股價一跌再跌。許年行等（2013）利用機構投資者季度持股的相關數據進行研究表明，我國機構投資者的羊群行為導致機構投資者忽略了各自所掌握的私有信息，降低了私有信息融入股價的程度，從而提高了上市公司股價波動的同步性，降低了股價信息含量。可見，股指期貨的推出在一定程度上助長了成分股股價的同漲同跌，降低了股價的異步性波動，從而降低了指數成分股的股價信息含量。

根據以上分析提出本文的研究假設1：股指期貨的推出降低了標的指數成分股的股價信息含量。

同時，股指期貨的推出會擴大股市的資金總量，有助于提高現貨市場的流動性和合理定價，使現貨價格能夠更好地反映基本面情況，從而提高股價信息含量。Chau F等（2007）對全球股指期貨和相應標的股票現貨市場的關系進行研究發現，股指期貨的推出有利于現貨市場流動性的增加。同時，國內外諸多文獻表明流動性的增加提高了股價信息含量，Kyle和Vila(1991)認為，提升的市場流動性有利于降低投資者的股票交易行為對市場價格產生的沖擊，那么擁有信息優勢的投資者就能從噪聲交易者手中廉價買入大量股票，從而獲得收益，此時大股東關注這類公司并搜集相關信息的積極性增加，所以流動性的上升有助于提高股價信息含量。Edmans(2009)認為，股票流動性越高，大股東搜集信息的單位成本就越低，因而獲取信息并進行基本面分析的積極性就越高，從而進一步提升上市公司股價信息含量。蘇冬蔚和熊家財(2013）從市場微觀結構的角度進行研究，發現上市公司可以通過提高股票流動性，引導投資者進一步探索公司層面的特質性信息，促使股價信息含量上升。可見，股指期貨能夠以增加現貨市場流動性的途徑來提高股價信息含量。另外，Figlewski（1982）指出根據股指期貨的設計，基金經理可以利用股指期貨合約把股票與市場相關的收益和股票與自身信息相關的收益區分開來，還可以通過做多或者做空來調節其投資組合的系統性風險。因此，通過基金經理的行為，可以使更多的公司特質性信息嵌入到股票價格中，從而提高股價信息含量。

那么，由此提出與假設1相競爭的假設2：股指期貨的推出提高了標的指數成分股的股價信息含量。

三、研究設計

（一）實證指標與模型

本文采用股價波動非同步性的方法來測度股價信息含量，借鑒Durnev等（2003）及其他相關模型，將股票收益率ri,t表示為來自市場層面的共同收益率rm,t和來自行業層面的共同收益率rj,t(下標j表示行業，公司i屬于行業j)，然后通過以下資產定價模型求得個股股價波動的非同步性：

其中ri,t表示公司i第t期的收益率，rm,t表示第t期市場收益率，rj,t表示行業j第t期的加權平均收益率（公司i屬于行業j）。εi,t表示殘差，當市場和行業收益率對公司層面收益率的解釋能力較弱時，殘差值較大。設Ri2為（1）式回歸后得到的擬合優度值，根據統計學原理，1-Ri2表示公司層面收益率不能被市場層面收益率和行業層面收益率所解釋的比例，即公司股票收益與市場和行業收益波動非同步性程度。

考慮到1-Ri2取值區間為[0,1]，在實證中作為因變量不符合計量經濟學的基本要求，因此進行如下對數轉換：

INF代表股價信息含量的大小，當Ri2越小時股價信息含量INF就越大。

為了研究股指期貨的推出對標的指數成分股股價信息含量影響的凈效應，控制其他系統性因素干擾，本文采用了雙重差分法。但是運用該方法，最重要的前提是處理組和控制組必須滿足共同趨勢假設，即如果股指期貨不推出，成分股與非成分股的股價信息含量的變動趨勢隨時間變化并不存在系統性差異，但滬深300與上證50指數樣本股的納入是有特定標準的，使得雙重差分的這一假定很可能無法滿足。然而，由Heckman等(1998)提出并發展起來的PMS-DID方法可以有效解決這一問題，使得基于此的雙重差分方法可以很好地克服成分股和非成分股股價信息含量變動趨勢所存在的系統性差異，滿足了共同趨勢假設。

PMS-DID假設存在一組兩期面板數據，這兩個時期分別記為t’期（實驗前）和t期（實驗后）。在實驗發生前，即t’期，所有個體潛在結果記為y0t’，在實驗發生后，會出現兩種情況，分別為y1t(處理組）和y0t（控制組）。均值可忽略性假定是PMS-DID成立的前提，公式如下：

在滿足公式（3）的前提下，可以一致地估計ATT（平均處理效應）：

其中，Sp為共同取值范圍的集合，I1={i:Di=1}(處理組的集合），I0={i:Di=0}(控制組的集合），N1為集合I1∩Sp所包含的處理組個體數，公式（4）中（y1ti-y0t’i)為處理組個體i實驗前后的變化，而（y0tj-y0t’j）為控制組個體j的前后變化。w(i,j)為配對（i,j)所需的權重。核匹配就是通過使用核函數來確定權重w（i，j），其權重表達式為

其中，h為進行傾向得分匹配時所用的帶寬，K (.)為匹配所需的核函數。在對處理組和控制組的個體進行匹配時，需要計算個體間的距離，傾向得分匹配法將K維向量Xi的信息壓縮到一維，且取值介于［0，1］之間，在度量距離時具有良好的特性。本文研究采取的基本模型設定為：

其中，Yit為第i個股票在第t期的股價信息含量；df為組間虛擬變量，當df=1時為股指期貨標的指數成分股，即處理組，df=0為非股指期貨標的指數成分股，即控制組；dt為時間虛擬變量，當股指期貨推出后dt=1，反之推出前dt=0；ΣXi,t為一組相關的控制變量，包括日均成交額、日均總市值、分析師追蹤人數、機構投資者持股比例、內部人交易、獨立董事比例、息稅前利潤、市盈率、市價、資產負債率等；εi,t為隨機干擾項。如果股指期貨的推出提高了標的指數成分股的股價信息含量，那么β3（平均處理效應）應該顯著為正。同時，在計算平均處理效應時，運用Logit回歸來實現。

（二）數據來源與處理

本文的樣本數據分為滬深300和上證50兩組。滬深300樣本數據期間是從2009年4月16日至2011年4月16日，上證50樣本數據期間是從2014年8月18日至2015年12月11日。為了保證處理組和控制組在整個樣本期間都是固定的，滬深300處理組的候選股確定為：從2009年4月16日至2011年4月16日一直都為滬深300指數樣本股，共得到219只個股。控制組的候選股確定為：上市時間在2009年4月16日之前的，并且從中剔除掉期間為滬深300成分股以及曾經為指數成分股的股票，同時剔除掉*ST、ST及其他交易異常股票，共得到811只個股。上證50處理組的候選股確定為：從2014年8月18日至2015年12月11日一直都為上證50指數樣本股，共得到36只個股。為進一步研究股指期貨推出的邊際效應，將上證50控制組的候選股確定為：以滬深300樣本股作為基準范圍，從中剔除掉上證50成分股，并且剔除掉期間內曾被納入和剔除的上證50成分股，從余下的個股中選取上交所股票作為上證50控制組候選股，共得到90只個股。

四、實證檢驗與結果分析

（一）數據與變量的描述性統計

如果政策虛擬變量（實驗組虛擬變量df）為內生，比如，能否被納入到處理組與影響股價信息含量的遺漏變量相關，那么利用雙重差分模型進行回歸時就會得不到一致估計。加入更多的協變量可解決雙重差分模型遺漏變量偏差問題，顯然如果協變量中包含的變量太少不太可能滿足可忽略性假定，如果協變量中包含的變量太多，通過傾向得分匹配后要使各個協變量在處理組與控制組實現分布平衡就會變得十分困難。因此本文選擇通過逐步加入協變量進行回歸的方法進行實證結果的檢驗與分析。滬深300與上證50指數樣本股的選取有嚴格標準，但主要依賴于日均成交額與日均總市值兩個指標，因而本文將日均成交額與日均總市值兩個指標納入到協變量中。根據袁知柱和鞠曉峰（2009）的研究，將影響股價信息含量的微觀層面因素也納入到協變量中，并且綜合考慮到牛熊市特征引起的不能差分掉的潛在不可測因素，同時加入了公司資本結構、盈利狀況等相關指標。

表1 主要變量及其含義

表2 滬深300組主要變量的描述性統計

表3 上證50組主要變量描述性統計

（二）回歸分析

表4為滬深300組逐步回歸的結果，可以看出，滬深300股指期貨的推出增加了標的指數成分股的股價信息含量，ATT（平均處理效應）的系數估計值均為正，顯著性水平因回歸方程的不同而有所差異，但均大于10%，假設2得到了驗證。從五個回歸結果綜合來看，各協變量對處理變量的解釋能力存在較大差異，但解釋能力最強的主要為volv（區間日均成交額）和tmv（區間日均總市值），這與事實正好相符，因為個股能否被納入到滬深300樣本股的基本原則就是先按成交額再按總市值的順序進行排序，取前300只股票。回歸（1）的準R2僅為0.620，但回歸（2）、（3）、（4）、（5）的準R2均為0.827以上，可見，回歸（1）的協變量對處理變量的解釋能力明顯較低，主要是因為其中缺少了對處理變量非常有解釋能力的總市值這一變量。與回歸（1）和回歸（2）相比，回歸（3）、（4）、（5）中加入的很多協變量（如機構投資者持股比例、內部人交易、獨立董事比例、息稅前利潤等）對處理變量的回歸系數表現為不顯著，即協變量對處理變量的解釋能力都很弱，證明了這些變量都不是決定其是否被納入到指數樣本股的主要參考指標，但是差分后平均處理效應的顯著性水平卻發生了改變，這說明這些變量雖對處理變量缺乏顯著性的解釋能力，但對因變量股價信息含量卻有顯著性的影響，因而回歸（3）、（4）、（5）中新增變量的加入能夠解決雙重差分模型的遺漏變量偏差問題，在更準確的程度上得到平均處理效應的無偏估計。

表4 滬深300股指期貨對標的指數成分股的影響實證結果

表5為上證50組逐步回歸的結果，可以看出，上證50股指期貨的推出并沒有顯著性的增加標的指數成分股的股價信息含量，ATT（平均處理效應）的系數估計值均為正，但均不顯著。運用PSMDID，在研究上證50股指期貨的推出對標的指數成分股股價信息含量的影響時，將控制組確定為在滬深300的范圍內非上證50的其他上交所的股票主要有兩個目的：一是在滬深300的范圍內進行傾向得分匹配，更容易找到合適的控制組樣本進行雙重差分的回歸；二是使得上證50組的處理組與控制組中的個股均為滬深300指數成分股，這樣做有利于研究股指期貨的推出對股價信息含量影響的邊際效應。實證研究結果表明，在滬深300股指期貨已經增加標的指數成分股股價信息含量的基礎上，上證50股指期貨新品種的推出并沒有更進一步的增加標的指數成分股的股價信息含量。可見股指期貨的推出顯著增加了標的指數成分股的股價信息含量，但作用效果邊際遞減。

表5 上證50股指期貨對標的指數成分股的影響實證結果

（三）變量分布平衡性檢驗

下面檢驗進行傾向得分匹配后，是否使得各變量在處理組與控制組的分布變得平衡。由表6和表7可知：進行傾向得分匹配后，絕大多數變量在處理組與控制組之間不存在顯著性差異，較好地滿足了雙重差分所要求的處理組與控制組的同質性。表6中，滬深300組基于回歸（1）、（2）、（3）、（4）的匹配結果表現尤為良好，除個別變量外，其他變量均不存在顯著性差異，基于回歸（5）的匹配結果中有一半變量存在顯著性差異，也在預料之中，正如前文所提到的如果協變量中包含的變量太多，通過傾向得分匹配后要使各個協變量在處理組與控制組實現分布平衡就會變得十分困難。表7中，上證50組基于回歸（5）的匹配結果整體表現最好，這主要是由于上證50組控制組的股票均屬于滬深300指數成分股，即所謂的大盤藍籌股，與上證50成分股（處理組）相關性較大，因而匹配結果也較好。

表6 變量分布平衡性檢驗（滬深300）

（四）拓展性檢驗

上證50組的研究期間為2014年8月18日至2015年12月11日，但2015年2月9日推出了上證50ETF期權，考慮到可能對股價信息含量構成的潛在性影響，將研究期間設定為2015年2月9日至2015年6月23日，并以2015年4月16日為事件前后的分界限，進行基于雙重差分傾向得分匹配的回歸。選擇該時間段作為新的研究區間，既保證了事件前后時間區間的大致相等，同時將上證50ETF期權的影響差分掉，使得實證結果更加可靠。回歸結果表明，在考慮了期權的作用后，上證50股指期貨的推出并沒有進一步地增加標的指數成分股的股價信息含量，驗證了本文的結論是穩健可靠的。

表7 變量分布平衡性檢驗（上證50）

表8 拓展性檢驗結果

五、結論與建議

本文按照股指期貨的品種，將研究樣本數據分為滬深300組和上證50組，基于PSM-DID的方法，利用搜集整理的兩期面板數據進行逐步回歸，分別研究了滬深300股指期貨和上證50股指期貨的推出對標的指數成分股股價信息含量的影響。結果表明：滬深300股指期貨的推出顯著增加了標的指數成分股的股價信息含量，上證50股指期貨的推出并沒有顯著增加標的指數成分股的股價信息含量。通過進一步分析發現，在舊有股指期貨品種（滬深300股指期貨）已經顯著增加標的指數成分股（其中包括上證50指數成分股）股價信息含量的基礎上，新推出的股指期貨品種（上證50股指期貨）并不能夠更進一步地促進標的指數成分股股價信息含量的增加。因而得出：股指期貨的推出可以顯著促進標的指數成分股股價信息含量的增加，但是這種促進作用表現為邊際遞減。最后，進行了傾向得分匹配后處理組與控制組各變量分布的平衡性檢驗以及基于上證50ETF期權的拓展性檢驗，使得實證結果更加穩健可靠。

為了充分發揮期貨市場對現貨市場積極的引導作用，提高期現貨市場運行效率，促進現貨市場股價信息含量有效提升，結合本文的實證研究結果現提出如下建議：（1）對于未來所推新品種股指期貨合約的設計而言，應優先考慮所選指數沒有覆蓋原有期貨合約的標的指數，否則，會在一定程度上影響股指期貨效用及現貨市場的質量。（2）應進一步完善股指期貨產品序列，根據市場發展狀況及投資者需求情況，適時適度地推出新的股指期貨品種，推進期貨市場邁向新的層次。

[1]許年行,于上堯,伊志宏.機構投資者羊群行為與股價崩盤風險[J].管理世界,2013，(7):31～43.

[2]Edmans，A，BlockholderTrading，Market Efficiency，andManagerialMyopia[J].Journalof Finance，2009，64（6）：2481～2513.

[3]蘇冬蔚,熊家財.股票流動性、股價信息含量與CEO薪酬契約[J].經濟研究,2013，(11):56～70.

[4]Durnev，A，R.Morck，B.Yeung，P.Zarowin,Does Greater Firm-specific Return Variation Mean More or Less Informed Stock Pricing?[J].Journal of Accounting Research,2003,41(5):797～836.

[5]袁知柱,鞠曉峰.股價信息含量測度方法、決定因素及經濟后果研究綜述[J].管理評論,2009,21 (4):42～52.

F830.91

A

1006-169X（2016）11-0067-07

中央高校基本科研事業費專項資金項目（2013HGXJ0262）；安徽省教育廳人文社會科學研究項目（JS2014AJRW0096）。