股指期貨在牛市中發(fā)揮正當作用了？

熊亞輝

【摘要】本文采用GARCH模型，通過對滬深300股指期貨推出前的2007年牛市行情和推出后的2015年牛市行情進行對比研究，以確定股指期貨在牛市中是否發(fā)揮了正當作用。通過實證分析發(fā)現(xiàn)：在2015年牛市行情中，股指期貨不但沒有發(fā)揮平抑股票現(xiàn)貨市場波動的正當作用，反而推波助瀾，加劇了市場波動。

【關(guān)鍵詞】滬深300指數(shù) ?股指期貨 ?GARCH模型

一、引言

2010年4月16日，我國正式推出以滬深股市300只成分股為標的的股指期貨合約。股指期貨是股票市場的重要衍生市場，其功能是平抑股票市場的波動，然而其作用的發(fā)揮卻一直存在較大爭議。2014年至2015年，我國股票市場完整走出了一波牛市行情。“改革牛”也好，“杠桿牛”也罷，總之，股指期貨迎來了推出之后的第一次真正意義上的考核，也為研究滬深300股指期貨平抑我國股市波動的效果提供了一手真實資料。本文選擇對股指期貨在2015年牛市行情中是否發(fā)揮了平抑市場波動的正當作用進行研究驗證。

二、實證分析

（一）模型數(shù)據(jù)的選取和處理

本文選取2007年牛市行情和2015年牛市行情中滬深300指數(shù)的日收盤價作為研究樣本。數(shù)據(jù)來源于大智慧股票分析軟件。

由于在股票價格的時間序列中，價格數(shù)據(jù)通常不具有平穩(wěn)性，而價格的收益率卻相對平穩(wěn)，因此，本文將采用該指數(shù)的日收益率來反市場的波動情況。將價格數(shù)據(jù)進行對數(shù)差分處理，得到相應(yīng)的指數(shù)收益率樣本。日收益率Rt由股票價格指數(shù)日收盤值的對數(shù)差分決定，表示為：Rt=ln Pt-lnPt-1，Pt是當日價格指數(shù)收盤值，Pt-1是前一日價格指數(shù)收盤值。

（二）股指期貨推出前2007年牛市樣本分析

1.序列描述性統(tǒng)計分析。對2007年牛市行情樣本序列進行統(tǒng)計分析，結(jié)果如下。

圖1 統(tǒng)計結(jié)果

從圖1可知，該序列的偏度（Skewness）值為-0.450603，小于正態(tài)分布的偏度數(shù)值0，表明該序列存在左偏特性，存在長的左拖尾現(xiàn)象;該序列的峰度（Kurtosis）值為5.293983，大于正態(tài)分布的峰度數(shù)值3，表明該序列存在尖峰特性。J-B統(tǒng)計量為210.8368，P統(tǒng)計量為0，表明該序列不符合正態(tài)分布。綜上所述，該序列可以使用GARCH建模。

通過ADF法檢驗樣本序列的穩(wěn)定性，結(jié)果如下。

表1 檢驗結(jié)果

從表1可知，t值為-27.93983，遠小于1%水平的值-3.437985，相對應(yīng)的p值為0，說明該序列是平穩(wěn)的。

2.建立GARCH模型。對樣本序列進行滯后項處理，本文采用AIC準則和SC準則法判斷模型滯后階數(shù)。一般情況下，AIC值和SC值越小，表示模型越能更好的擬合實際情形。

結(jié)果如下。

表2 檢驗結(jié)果

從表2可知，AR（4）MA（4）模型的AIC值和SC值均達到最小，確定均值方程為：

rt=β0+β1*rt-4+β2*δt-4

再對該序列進行ARCH檢驗，結(jié)果如下。

表3 檢驗結(jié)果

從表3可知，該序列p值近乎為0，說明殘差的平方項存在ARCH效應(yīng)，適合建立GARCH模型。

在此基礎(chǔ)之上，建立AR（4）MA（4）為均值方程的方差方程模型，根據(jù)眾多金融分析的實際經(jīng)驗，一般情況下，GARCH（1，1）模型就能夠很好擬合樣本數(shù)據(jù)，所以本文先假設(shè)該序列的方差方程為：

σ=ω+α*ε+βσ

數(shù)據(jù)處理結(jié)果如下。

表4 模型結(jié)果

從表4可知，GARCH模型的方差方程為：

σ=1.31E-0.6+0.069417*ε+0.932959σ

對殘差進行ARCH-LM檢驗，結(jié)果如下。

表5 檢驗結(jié)果

從表5可知，p值為0.173793，遠大于5%的顯著水平，說明該序列不存在ARCH效應(yīng)，表明該模型擬合效果理想。

（三）股指期貨推出后2015年牛市樣本分析

1.序列描述性統(tǒng)計分析。對2015年牛市行情樣本序列進行統(tǒng)計分析，結(jié)果如下。

圖2 統(tǒng)計量結(jié)果

從圖2可知，該序列的偏度（Skewness）值為-1.018429，小于正態(tài)分布的偏度數(shù)值0，表明該序列存在左偏特性，存在長的左拖尾現(xiàn)象;該序列的峰度（Kurtosis）值為5.976786，大于正態(tài)分布的峰度數(shù)值3，表明該序列存在尖峰特性。J-B統(tǒng)計量為144.7368，P統(tǒng)計量為0，表明該序列不符合正態(tài)分布。綜上所述，該序列可以使用GARCH建模。

通過ADF法檢驗該樣本序列的穩(wěn)定性，結(jié)果如下。

表6 穩(wěn)定性檢驗結(jié)果

從表5可知，t值為-6.645099，小于1%水平的值-3.435142，相對應(yīng)的p值為0，說明該序列是平穩(wěn)的。

2.建立GARCH模型。對該樣本序列進行滯后項處理，結(jié)果如下。

表7 檢驗結(jié)果

從表7可知，AR（2）MA（2）模型的AIC值和SC值均達到最小，確定均值方程為：

rt=β0+β1*rt-2+β2*δt-2

再對該序列進行ARCH檢驗，結(jié)果如下。

表8 檢驗結(jié)果

從表8可知，p值近乎為0，說明該序列殘差的平方項存在ARCH效應(yīng)，適合建立GARCH模型。

在此基礎(chǔ)之上，建立AR（2）MA（2）為均值方程的GARCH（1，1）模型，數(shù)據(jù)處理結(jié)果如下。

表9 模型結(jié)果

從表9可知，GARCH模型的方差方程為：

σ=1.79E-0.6+0.081185*ε+0.93163σ

對殘差進行ARCH-LM檢驗，結(jié)果如下。

表10 穩(wěn)定性檢驗結(jié)果

從表10可知，p值為0.690595，遠大于5%的顯著水平，說明該序列已經(jīng)不存在ARCH效應(yīng)了，表明該模型擬合效果理想。

（四）實證結(jié)果比較分析

完成兩個樣本數(shù)據(jù)的統(tǒng)計分析和模型建立后，對最終結(jié)果進行比較分析。

1.GARCH模型的比較分析。通常情況下，在GARCH模型的方差公式中，ARCH項系數(shù)反應(yīng)的是最新產(chǎn)生的信息對市場波動的影響程度，GARCH項系數(shù)反應(yīng)的是之前波動信息的影響程度，兩個系數(shù)之和則是整體反映了市場的波動率。

表11 GARCH模型比較

從表11可以得到：

第一，系數(shù)和大于1，表明這兩個序列波動性呈擴大趨勢，是非穩(wěn)定序列，恰好符合牛市樣本的特征。

第二，滬深300股指期貨推出前2007年牛市的系數(shù)和1.002376小于股指期貨推出后2015年牛市的系數(shù)和1.012815，系數(shù)和增大了1.04%，充分表明在2015年牛市過程中，股指期貨不但沒有發(fā)揮降低波動性的功能，反而加大了市場的整體波動性，起到“推波助瀾”的消極作用。

三、研究結(jié)論

通過對比分析實證分析結(jié)果得出結(jié)論如下：

在2015年的牛市行情過程中，滬深300股指期貨對利好消息的非對稱性非但沒有減弱，反而得到了加強，不但沒有發(fā)揮平抑股票市場波動的正當作用，反而推波助瀾，加劇了股票現(xiàn)貨市場的波動性。這與我國股指期貨市場推出時間短，市場不成熟，市場監(jiān)管不到位等問題是分不開的。

參考文獻

[1]章永哲，錢敏.基于5分鐘高頻數(shù)據(jù)的滬深300股指期貨與現(xiàn)貨市場間波動溢出效應(yīng)實證研究[J].上海金融，2015（11）：103-108.

[2]涂志勇，郭明.股指期貨推出對現(xiàn)貨市場價格影響的理論分析[J].金融研究，2014（10）：104-116.

[3]楊陽，萬迪防.股指期貨真的能穩(wěn)定市場嗎？[J].金融研究，2013（12）：146-158.

[4]梁朝陣.股指期貨上市對現(xiàn)貨市場的影響——來自中國的實證研究[J].大連理工大學(xué)學(xué)報（社會科學(xué)版），2012（1）：14-18.

[5]孫建武.基于GARCH族模型的我國股指期貨對股市波動影響分析[D].南京航空航天大學(xué)碩士學(xué)位論文，2013，10-12.