股指期貨交易限制對A股現貨市場流動性的影響

蔣進進， 錢軍輝(上海交通大學 安泰經濟與管理學院，上海 200030)

股指期貨交易限制對A股現貨市場流動性的影響

蔣進進， 錢軍輝
(上海交通大學 安泰經濟與管理學院，上海 200030)

研究中金所于2015年8月25日至9月7日出臺的一系列股指期貨交易限制對A股現貨市場流動性的影響。定義一套在漲跌停板制度下依然適用的高頻流動性指標，應用雙重差分模型，發現相對于非成分股，股指期貨成分股流動性在限制措施實施后顯著下降。

股指期貨；交易限制；買方流動性；賣方流動性

1 引言

2015年8月26日至9月7日，中金所出臺了一系列股指期貨交易限制措施，包括提高非套期保值倉的保證金、提高手續費、限制日內開倉量等。這一系列政策出臺的原因及2015年中國A股市場的概述可參考Qian[1](2016)。本文以這一事件為契機，研究股指期貨交易限制對于股票現貨市場流動性的影響。

自股票指數期貨出現以來，學術界關于其對股票市場影響的爭論一直沒有停息過。學者們的主要觀點大致可以分為兩類：支持者認為股指期貨作為低成本的風險對沖工具，可以提高現貨市場投資者的參與度(Silber[2]1985)，縮窄市場寬度，增加現貨市場的流動性(Kumar等[3]1998)，同時期貨與現貨價格走勢的背離會鼓勵期現套利投資者們的加入，從而增加現貨市場的深度，改善市場流動性(Grossman和Miller[4]1988)；另一部分學者則認為股指期貨等金融衍生品會刺激投機交易活動的增加，從而導致現貨市場波動性加劇、降低現貨市場的流動性(Stein[5]1987)。本文運用中國高頻數據和雙重差分模型，為關于股指期貨理論和政策的爭論提供新的實證依據。

2 流動性度量指標

實踐中，人人都有流動性的主觀感受，但是如何準確測度流動性仍然是一個公認難題?，F有的指標主要從市場寬度、市場深度、交易及時性三個維度來衡量市場流動性。刻畫流動性較為直接的指標包括最優買賣價差、最優買賣量等。但一方面由于訂單簿數據較難獲得，另一方面直接指標往往只考慮市場廣度或市場深度中某一方面，也有學者提出在某種程度上可以綜合度量流動性的間接指標。其中，Amihud[6](2002)提出的非流動性指標(ILLIQ)是實證研究中應用最廣的一個。該指標基于非流動性比率，

(1)

針對漲跌停板制度，國內也有學者提出了一些新的流動性測度指標(劉海龍，吳沖鋒，吳文鋒等[7](2004)，孫云輝(2007)[8]，李澤海和劉海龍[9](2012)，但是這些指標多基于區間成交量、換手率、波動率、收益率等間接數據，不能反映實時的市場流動性。

除此之外，在同樣的市場環境下，買方和賣方的處境可能大不相同。例如，在漲停時，買方所面臨的流動性顯然比較差，無論付出多少額外成本，都無法實現瞬時成交，而相比之下賣方所面臨的流動性則顯然好得多?？紤]到現有流動性測度指標所存在的不足之處，并參照Grossman和Miller(1988)對于市場流動性的定義，即市場流動性是指瞬時成交一定的數量所需要付出的成本，提出一套在漲跌停板制度下仍然適用的高頻流動性指標。該指標區別對待買方和賣方所面臨的流動性，并同時考慮市場深度和市場寬度對流動性的影響，具體定義j時刻的買方流動性和賣方流動性如下：

(2)

(3)

其中，vs1j和vb1j分別表示賣一量和買一量；s1和b1分別表示最優賣價和最優賣價；spread表示買賣價差，而δ>0是一個技術參數。引入δ是為了解決漲跌停(spread為零)導致的函數無定義問題?？紤]到A股股票價格的最小變動單位為0.01，δ合理的取值范圍應在(0, 0.01)區間。本文在實際計算買方流動性和賣方流動性時，將δ統一設定為0.001。對買方來說，賣一量(vs1)上升意味著流動性趨好；對賣方來說，買一量(vb1)上升意味著流動性趨好。同時，因為分子上的對數函數，賣一量(買一量)對買方(賣方)流動性的影響是遞減的(類似于邊際效用遞減)。買方和賣方流動性的分母均為(δ+spreadt)/s1t，代表在當前市場條件下，買方想要實現瞬時成交所需付出的額外的相對成本。無論對買方還是賣方，相對買賣價差(δ+spreadj)/s1j)上升都意味著流動性下降，且對流動性的邊際影響遞減。因此，給出的流動性指標綜合考慮了市場寬度和深度，并適用于實行漲跌停制度的市場。

當出現漲停(跌停)現象時，訂單簿上只有買價和買量(賣價和賣量)的數據，定義如下：

(1)漲停時，考慮到買方無論付出多少成本都無法實現立即成交，將此刻的買方流動性定義為零，對應到上面關于買方流動性的公式中，假設此時的賣一量為零；同時，由于賣方出售股票能得到的最高價格就是漲停價，也就是買一價，按Grossman和Miller(1988)的定義，代表著賣方不需要付出額外的成本，因此定義此刻的買賣價差等于零，也就是賣一價等于買一價；(2)跌停時，將此刻的賣方流動性定義為零，對應到上面關于賣方流動性的公式中，假設此時的買一量為零，買一價等于賣一價。

3 數據、方法及模型

3.1數據

本文所用數據時間區間為2015年1月1日至2015年12月31日。非高頻數據來源于WIND數據庫，包含A股市場所有上市公司的流通市值、股東數、前十大股東持股比例的數據；高頻數據來源于港澳金融資訊高頻數據庫，包含A股市場每個交易日所有未停牌股票的五檔數據，每天的數據包含每3秒一條的五檔盤口、價格以及成交量(若沒有成交則沒有該時刻的明細數據)。由于原始日內高頻數據的采樣頻率過高，部分小盤股的日內數據長度明顯要小于大盤股的數據長度。為減輕小盤股日內數據點缺失較多的影響，本文將采樣頻率調整為15秒，重新采樣后每只股票每天有962條數據。

3.2方法和模型

本文采用雙重差分法(Ashenfelter和Card[10](1985))分析股指期貨交易限制對現貨市場流動性的影響。雙重差分法背后的邏輯是這樣：受到政策影響的對象(實驗組)和另一組未受政策影響的對象(對照組)之間的差異會由于政策的沖擊而發生變化，可以通過這兩組對象之間差異的變化來估計政策干預的影響。以往也有學者借助雙重差分方法研究金融衍生品的出現對標的資產的影響(如Xie和Mo[11](2014)，張根文和田田[12](2016))，假設政策干預只作用于標的股票。本文也將在此前提假設下，比較滬深300和中證500指數成分股和非成分股之間的流動性差異在股指期貨交易限制政策出臺前后的變化，進而研究股指期貨交易限制對股票現貨市場流動性的影響。

本文所用的基本模型為：

(4)

其中，Lit表示股票i在t期的日內平均流動性(買方或賣方)；DTt是時間虛擬變量，在政策實施之前取值為0，在政策實施之后取值為1；CSIi是個體虛擬變量，實驗組股票取值為1，對照組股票取值為0；Treatit=DTt×CSIi，用于衡量政策出臺前后，實驗組股票和對照組股票的流動性變化差異，對于實驗組的股票，該變量在政策實施之后取值為1，其他情況下取值為0，該變量將是本文所關注的重點；Xit為一組控制變量。根據以往學者(陸靜和楊萬里[13](2008)，屈文洲, 謝雅璐, 高居先[14](2011)等)的研究結論，我們引入對數收益率(Returnit)、已實現波動率(RVit)、股權集中度(CRit)，以及人均流通市值(MVPSit)作為控制變量。具體而言，Returnit為股票i從t-1期收盤到t期收盤的對數收益率；RVit表示股票i在t期的日內已實現波動率；CRit為股票i在第t期前十大股東持股比例；MVPSit為股票i在第t期的流通市值除以股東數量。Treatit項的系數θ表示限制股指期貨交易對股票流動性的影響。

要檢驗的原假設和備擇假設為：

H0：θ=0

H1：θ<0

如果θ顯著為負，則表示限制股指期貨交易降低了股票現貨市場的流動性；反之，則表示限制股指期貨交易對現貨市場沒有影響。

3.3樣本配對方法

為得到實驗組和對照組，采用Harris[15](1989)、Bae等[16](2004)、Xie和Mo(2014)在研究股指期貨推出對于股票波動性影響時所采用的配對方法。同時，為保持實驗組和對照組保持穩定(Besley和Case[17]，(2000))，本文在整個樣本區間只做一次配對，沒有將整個樣本區間分成多個時間段分別配對。

在本文的樣本區間，滬深300指數成分共經歷10次成分調整；其中5次為定期成分調整，中證500指數共有4次定期成分調整，指數成分變化較大。為保持實驗組和對照組成分相對穩定，對成分股和非成分股分別做了如下處理：

(1)剔除所有在樣本區間上市或退市的股票；

(2)為減少停牌這一因素對研究結果的影響，選擇剔除所有連續停牌超過10個交易日的股票；

(3)由于金融股基本上都包含在滬深300指數成分內，且很難找到各方面都與金融股可比的股票，剔除了所有按證監會行業分類屬于金融業的股票；

(4)對于指數成分股，只保留在樣本區間一直屬于滬深300指數成分或中證500指數成分的股票；

(5)對于非指數成分股，剔除所有在樣本區間內曾作為滬深300指數成分或中證500指數成分的股票。

經過這些處理之后，得到150只滬深300指數成分股、217只中證500指數成分股以及707只非成分股，共計1 074只股票。接下來，為每個實驗組構造相應的對照組，每只實驗組的個股需要在對照組中有唯一的個體與之對應。構造對照組的具體過程如下(以滬深300指數成分股和非指數成分股配對為例)：

(5)

(6)

第二步，根據第一步的兩個回歸方程的回歸系數，計算每個成分股股票i和非成分股股票j的距離。參考Harris(1989)等人計算實驗組個體和對照組個體距離的方法，將股票i和股票j的距離定義為：

(7)

將150只實驗組股票和待選的707只股票的距離轉換成一個150 707的矩陣，150個行號對應150支滬深300指數成分股，707個列號對應707只非成分股。

第三步，根據第二步得到的矩陣，做如下循環：如果矩陣的行數不為零，找出矩陣中最小值所在的位置(p,q),則行號p對應的成分股和列號q對應的非成分股配對成功，刪除矩陣的第p行和第q列。循環結束后，則150只滬深300指數成分股和選出的150只非成分股一一配對。中證500指數成分股與非成分股配對、滬深300指數成分股與中證500指數成分股的配對方法與此類似。

表1、表2、表3報告了配對后的每組股票對應的變量在政策出臺前后的變化情況。指數成分股的流動性在政策出臺后是顯著降低的，且指數成分股的流動性的變化幅度要大于非指數成分股，滬深300指數成分股的流動性變化幅度大于中證500指數成分股：

表1 第一組各變量政策出臺后和出臺前的差異

表2 第二組各變量政策出臺后和出臺前的差異

表3 第三組各變量政策出臺后和出臺前的差異

4 實證分析

為了檢驗前面配對的方法是否有效，按如下回歸模型將各組股票的流動性(買方和賣方)對四個主要的控制變量、表示每支股票個體的虛擬變量(Si)和表示每個交易日的虛擬變量(Tt)進行回歸：

ln(Lit)=β0+∑i=1γiSi+∑t=2θtTt+β1lnRVi+β2Returni+β3lnMVPSi+β4CRi+ui,t

(8)

其中，θt刻畫了剔除控制變量影響后的總體流動性水平。圖1至圖6給出各組θt估計值所組成的時間序列。在2015年9月7日(虛線)之前，各個實驗組和對照組的總體流動性都具有相同的趨勢，滿足雙重差分模型關于樣本同質性的基本假設。

圖1 第一組賣方流動性的時間趨勢

圖2 第一組買方流動性的時間趨勢

圖3 第二組賣方流動性的時間趨勢

圖4 第二組買方流動性的時間趨勢

圖5 第三組賣方流動性的時間趨勢

圖6 第三組買方流動性的時間趨勢

接下來，將配對后的樣本的買方流動性和賣方流動性按方程(4)分別作回歸，三個配對股票組的回歸結果分別見表4、表5和表6。

表4 第一組的DID結果

表5 第二組的DID結果

表4和表5中，Treat項的系數都顯著為負，說明限制股指期貨交易措施的出臺，顯著降低了股票現貨市場的流動性；表6中Treat項的系數也顯著為負，說明限制股指期貨交易對滬深300指數成分股的影響要顯著大于對中證500指數成分股的影響。

表6 第三組的DID結果

其余解釋變量的符號與以往文獻中的研究結論或我們的預期一致。CSI項的系數顯著為正，說明指數成分股的流動性比非成分股的流動性更好，且滬深300指數成分股的流動性比中證500指數成分股的流動性更好；ln(RV)項的系數顯著為負，說明股票的日內波動率越大，當天的流動性越差，日內波動率越小，當天的流動性越好；對于賣方流動性，Return項的系數顯著為正，對于買方流動性，Return項的系數顯著為負，這與我們的預期一致。股票價格的漲跌主要是由市場上買方和賣方的力量共同決定的，在一個上漲的市場中，買盤的力量更強，是一個相對有利于賣方的市場，因此賣方流動性會與Return呈現正相關關系；反之，在下跌的市場中，賣盤的力量更強，相對有利于買方，因此買方流動性會與Return呈現負相關關系。ln(MVPS)項的系數顯著為正，說明人均持股市值越高，股票的流動性越好；CR項的系數顯著為負，說明股權集中度越高，股票的流動性越差。

5 結語

本文研究2015年中金所一系列股指期貨交易限制措施對股票現貨市場流動性的影響。研究發現，股指期貨成分股的流動性相對非成分股在限制措施實施后顯著下降，且滬深300指數成分股的流動性受到的影響要顯著大于中證500指數成分股。本文的結論支持了Silber，Kumar，Grossman和Miller等人關于股指期貨等金融衍生品的存在有利于提高標的資產流動性的結論。從政策角度來看，在股票市場暴跌并發生流動性危機時，限制股指期貨交易反而會讓現貨市場流動性進一步惡化。

[ 1 ] QIAN J. The 2015 stock panic of china: a narrative[J]. Social Science Electronic Publishing, 2016.

[ 2 ] SILBER W L. The economic role of financial futures[M]. Salomon Brothers Center for the Study of Financial Institutes Graduate School of Business Administration, 1985.

[ 3 ] KUMAR R, SARIN A, SHASTRI K. The impact of options trading on the market quality of the underlying security: an empirical analysis[J]. The Journal of Finance, 1998, 53(2):717-732.

[ 4 ] GROSSMAN S J, MILLER M H. Liquidity and market structure[J]. The Journal of Finance, 1988, 43(3):617-637.

[ 5 ] STEIN J C. Informational externalities and welfare-reducing speculation[J]. Journal of Political Economy, 1987, 95(6):1123-1145.

[ 6 ] AMIHUD Y. Illiquidity and stock returns: cross-section and time-series effects[J]. Journal of Financial Markets, 2002, 5(1): 31-56.

[ 7 ] 劉海龍, 吳沖鋒, 吳文鋒,等. 漲跌幅限制與流動性研究[J]. 系統管理學報, 2004, 13(1):20-26.

[ 8 ] 孫云輝. 中國股市流動性度量指標設計與實證[J]. 統計與決策, 2007(9):17-18.

[ 9 ] 李澤海, 劉海龍. 期貨合約流動性度量方法及實證分析[J]. 系統管理學報, 2012, 21(1):29-33.

[10] ASHENFELTER O, CARD D. Using the longitudinal structure of earnings to estimate the effect of training programs[J]. Review of Economics & Statistics, 1985, 67(4):648-660.

[11] XIE S, MO T. Index futures trading and stock market volatility in China: a difference-in-difference approach[J]. Journal of Futures Markets, 2014, 34(3):282-297.

[12] 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[J]. 金融與經濟, 2016(11):67-73.

[13] 陸靜, 楊萬里. 連續競價市場的股權結構、非對稱信息與流動性[J]. 經濟管理, 2008(8):10-17.

[14] 屈文洲, 謝雅璐, 高居先. 信息不對稱、流動性與股權結構——基于深圳證券市場的實證研究[J]. 南開管理評論, 2011, 14(1):44-53.

[15] HARRIS L. S&P 500 cash stock price volatilities[J]. The Journal of Finance, 1989, 44(5):1155-1175.

[16] BAE S C, KWON T H, PARK J W. Futures trading, spot market volatility, and market efficiency: The case of the Korean index futures markets[J]. Journal of Futures Markets, 2004, 24(12):1195-1228.

[17] BESLEY T, CASE A. Unnatural experiments estimating the incidence of endogenous policies[J]. The Economic Journal, 2000, 110(467):672-694.

TheImpactofStockIndexFuturesTradingRestrictionsonA-shareMarketLiquidity

JIANGJinjin，QIANJunhui
(Antai College of Economics and Management, Shanghai Jiao Tong University, Shanghai 200030, China)

This paper estimates the impact of a series of trading restrictions adopted by CFFE in 2015 on A-share market liquidity We propose a pair of new liquidity measures based on high-frequency data that are applicable under the price-limit system. Applying Difference-in-Difference analysis, we find that the liquidity of stock index component stocks decreased significantly after the implementation of trading restrictions compared with non-component stocks.

stock index futures; trading restrictions; buyer liquidity; seller liquidity

F 832.5

A

2017-04-06

蔣進進(1991—)，男，金融學碩士，研究方向：中國經濟。E-mail: jiangjinjinyxt@sjtu.edu.cn.

錢軍輝，男，副教授，研究方向：理論計量經濟學、貨幣政策、中國經濟等。

1005-9679(2017)05-0028-06