金融科技對股指期貨流動性的影響

摘要：本文研究了金融科技對滬深300股指期貨流動性的影響，基于2017—2022年滬深300股指期貨的交易數據，通過分位數回歸方法分析并得到以下結論：金融科技能夠顯著影響股指期貨市場的流動性水平；金融科技對期貨市場流動性的影響是動態變化的，并且可能由于效果和時間層面的不同而產生變化。

關鍵詞：金融科技；股指期貨；流動性

一、引言

近年來，全球經濟的復雜性和不確定性日益凸顯，實體經濟面臨前所未有的挑戰。在此背景下，金融體制的持續優化、金融工具的創新和金融科技的迅速發展成為各國政府和學術界關注的焦點。在黨的二十大報告中，習近平總書記從全面建設社會主義現代化國家和推動中華民族偉大復興的高度，強調了深化金融體制改革和健全資本市場功能的重要性，為新時代的金融事業發展指明了方向。《中華人民共和國國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標綱要》明確指出，要提升金融服務實體經濟的能力，創新直達實體經濟的金融產品和服務，并在審慎監管的前提下，有序推進金融創新和金融科技的發展。

股指期貨是以股價指數為標的物的標準化期貨合約，自推出以來便在風險管理方面發揮了關鍵作用。然而，2015年的股市驟跌反映出市場在流動性管理和風險對沖等方面依舊存在著脆弱性，盡管后續經歷了多次政策調整，市場依舊存在流動性不足和交易成本過高的問題。作為金融體系穩健運作的地基和訂單匹配機制的媒介，市場活躍與否直接影響市場的資金流動情況，成為影響經濟長期穩定發展的關鍵因素。

鑒于以上因素，本文將致力于股指期貨市場的流動性問題，通過實證研究方法探索金融科技是否具備優化衍生品市場運行機制的潛能。研究結果將有助于理解金融科技如何能在維護市場穩健性和提升交易效率方面發揮作用，進而推動實體經濟的高質量發展。

二、文獻綜述

（一）金融科技對期貨市場的影響

由于期貨市場價格具有非線性、高噪聲等特性，傳統的統計模型難以挖掘復雜的輸入特征，從而大大降低預測的精度，故多數學者將目光轉移到機器學習和深度學習技術上，來研究金融時間序列，如對期貨和期權價格進行預測。例如，Wang（2013）引入信號分解技術，對玉米和大豆期貨價格序列進行了頻域分析，通過提取關鍵模態分量，并結合多種預測模型進行優化組合權重預測，有效降低了序列噪聲，簡化了預測過程。Liu與Zhao（2022）則采用AR-Net模型和CNN方法對雞蛋的期貨價格進行了更為精確的預測，這有助于提高雞蛋期貨的價格風險管理水平。Kakade等（2022）結合了GARCH模型和深度學習技術，為優化套保方案提供了新的思路，從而提高了套保效率。

（二）期貨市場流動性的影響因素

對于期貨市場流動性影響因素的研究主要集中在市場交易機制、期貨合約設計、交易者特征以及現貨市場環境四個方面。王文虎等（2017）以滬深300股指期貨真實交易數據為研究對象，以買賣價差、活躍性以及真實價格與成交價格之間的偏差為衡量指標，研究了連續競價、做市商報價和混合交易三種不同的交易機制對市場質量的影響，得出構建混合交易機制，能夠有效縮小股指期貨合約的買賣價差，從而降低投資者的交易成本，提高股指期貨市場的流動性的研究結果。韋立堅等（2012）研究了最小報價單位對滬深300股指期貨市場波動性及流動性的影響，分析發現降低最小報價單位會對期貨市場流動性產生積極的正向影響。張東明和魏先華（2013）基于標普500股指期貨進行實證檢驗，發現保證金門檻設置水平越高，標普500股指期貨的市場流動性越差。熊熊等（2020）以滬深300股指期貨1分鐘高頻數據為自然研究樣本，發現投資者情緒會對市場的風險管理能力和短期價格發現功能有顯著影響。周強龍等（2015）使用VPIN模型驗證了中國股指期貨的運行情況，發現知情交易概率與流動性呈現反向變動。

（三）文獻述評

通過上述文獻的梳理我們發現：一方面，國內外鮮有文獻從期貨市場流動性的角度出發研究金融科技對金融衍生品市場運行效率的影響，本文搭建“金融科技—股指期貨流動性”的研究框架，深入討論金融科技手段的應用是否正向反饋給期貨市場，為進一步明確金融科技價值開拓新思路并添加新的實證證據；另一方面，現有文獻鮮有利用大數據等數字化手段對股指期貨流動性展開深入研究，本文也為股指期貨流動性影響因素的研究提供新方向。

三、數據來源、模型設定與變量說明

（一）變量定義與描述性統計

1被解釋變量

大多數文獻采用Amihud非流動性指標的倒數來衡量市場流動性，Wang（2013）提出在Amihud非流動指標的基礎上，利用日最高價和最低價的比值代替收益率，并對其采取對數變換來減輕低波動率下極高比率的影響。本文采取Wang（2013）的方法構建股指期貨市場的流動性指標，該指標越大意味著股指期貨的流動性越高。

LDt=ln1+VoltVt（1）

其中，Volt表示在第t日的交易量；Vt表示第t日的波動率，Vt=lnPhigh，tPlow，t。

2核心解釋變量

采用郭琲楠和魏成龍（2023）的金融科技指數編制方法，從供給端、需求端同時出發，綜合考慮金融科技關注度、金融科技公司數量和金融科技政策支撐力度三方面因素。具體而言：首先，利用Python技術對24個金融科技關鍵詞在2017—2022年的百度搜索指數日度數據進行循環爬取，統計出每日新聞關注度，以捕捉金融科技在搜索引擎上的時間趨勢與變化特征，表1反映金融科技關鍵詞的詞匯構成情況。其次，從國泰安數據庫獲取截至2022年的金融科技公司的詳細信息，根據成立時間統計出2017—2022年金融科技公司數量。再次，利用中國法律檢索系統（北大法寶）的中央及地方法規規章數據庫，以“金融科技”為關鍵詞對2022年及之前年份的政策法規進行檢索，在剔除了批復、函和領導講話等非正式決策文件后，根據公布日期統計出每日發布的法規數量。接著將3個維度的數據以日期為條件進行匹配并對分別對其缺失值進行線性插值處理。最后，將金融科技關注度、金融科技公司數量和金融科技政策文本數量取對數并賦均等權重，綜合生成中國金融科技發展水平指標。

3控制變量

借鑒王允等（2023）對期貨市場流動性影響因素的研究，在回歸模型中選取以下控制變量：①期貨和現貨價格之差，即基差（Basis）反映風險情況，異常的波動率會降低市場流動性，預計符號為負；②換手率（Turnover_ratet）體現買賣雙方的交易行為，換手率越高說明市場交易越頻繁，市場流動性越大，預計符號為正；③現貨市場波動率（Spot_volatilityt），價格數據體現現貨市場信息。投資者更傾向于根據歷史價格走勢對未來市場進行有效預測，價格波動率越大市場主體參與意愿越低，預計符號為負（見表2）。

表3反映了經標準化處理后股指期貨流動性、金融科技發展水平以及其他控制變量的描述性統計結果。從描述性統計分析中可以觀察到，金融科技水平的均值為14986，這一數值顯著地反映了我國金融科技行業的蓬勃發展。金融科技不僅在推動經濟轉型和創新驅動發展中扮演著核心角色，其穩定性和均衡性也得到了數據的支持。具體來說，較小的標準差和變異系數（0049）表明，金融科技水平在樣本中的分布相對集中，顯示出高度的穩定性。然而，偏度為-0554的數據揭示了金融科技領域內存在一些表現不佳的企業或產品，這可能指向了行業內部分企業面臨的挑戰，例如技術瓶頸、市場適應性不足或監管環境的不確定性。

進一步觀察股指期貨流動性的統計數據，均值為8668，這表明市場的平均流動性水平較高，為投資者提供了較為活躍的交易環境。標準差為0247，這顯示了市場流動性的波動性較小，流動性水平在不同時間點保持相對穩定，有助于降低交易成本，提高市場效率。然而，偏度為-0377，輕微的左偏可能指示市場在某些情況下面臨流動性風險，這需要市場參與者和監管機構保持警覺，以便及時應對可能的市場壓力。

（二）相關性檢驗

對各變量數據進行相關性分析，本文通過stata軟件對數據進行分析，其結果如表4所示。

從表4結果可以看到，金融科技（Fintecht）與滬深300股指期貨市場流動性（LDt）的相關系數為0703，呈正相關關系，這表明金融科技的發展促進股指期貨市場流動性，吸引更多的投資者參與市場交易。對于其他幾個控制變量，股指期貨換手率與期貨市場流動性呈正相關，相關系數為0358，更高的交易量意味著大量的交易活動，買賣雙方的匹配效率提升，交易更容易執行；現貨市場的波動情況與期貨市場流動性呈負相關，說明降低對應標的資產現貨市場的波動情況有助于提升期貨市場流動性。

對于基差與期貨市場流動性而言，兩個變量之間相關系數呈正值且不顯著，然而在回歸分析中，得到了截然不同的結果：股指期貨流動性與基差之間的系數為負數且顯著。這種看似矛盾的結果可能源于多種因素的綜合影響。一方面，回歸分析考慮了多個變量之間的復雜關系，可能存在某些控制變量或交互作用對結果的影響，而這些在簡單的相關分析中未被充分考慮。另一方面，數據特征和樣本特性也可能在回歸分析中扮演了重要角色，可能存在與基差相關的未探索因素。變量之間的相關性分析只能作為初步檢驗，后續需要對相關控制變量進一步進行實證檢驗才能確定對期貨市場流動性的具體影響。

（三）平穩性檢驗

為了避免模型出現偽回歸，因此在回歸分析前對各指標進行了平穩性試驗。本文中采用DF檢驗法對原始數據進行了檢驗，比較DF檢驗值與5%的臨界值，若DF檢驗值小于5%的臨界水平，則說明在5%的顯著水平下拒絕原假設，變量平穩。從表5中可以看到，檢驗結果均表現平穩。

（四）模型的構建

分位數回歸模型是一種通過對數據的不同分位點進行建模，探索自變量對因變量各分位數的影響的統計方法。與OLS不同，它不僅關注均值（即中位數），還能提供關于條件分布的更多信息。該模型被廣泛應用于金融、經濟學、社會科學等領域，以探究變量之間的非對稱性影響和異常情況下的統計分析。

為更加全面描述解釋變量對被解釋變量的關系，對數據變量進行分位數回歸，本文構建分位數回歸模型如下：

LDt=0+1Fintecht+2Basist+3Turnover_ratet+

4Spot_volatilityt+μt（2）

QqLDt|Fintecht=a0，q+a1，qFintecht+a2，qBasist+a3，qTurnover_ratet+a4，qSpot_volatilityt（3）

公式中，LDt值代表滬深300股指期貨流動性，為被解釋變量；金融科技指數Fintecht為解釋變量；t為時間，單位是日；0、1、2、3、4為基礎回歸模型下的待估參數；μi為隨機變量；q表示分位數；QqLDt|Fintecht為LDt的q條件分位數；a1，q、a2，q、a3，q、a4，q為分位數模型下的待估參數。本文通過stata軟件對模型進行回歸分析。

四、回歸結果分析

（一）基礎回歸結果分析

通過數據進行實證分析，證實金融科技對股指期貨流動性的具體影響。其基礎回歸結果如表6所示。

從基礎回歸結果可以看到，擬合優度為6740%，表明被解釋變量股指期貨流動性（LDt）有6740%的可能性被金融科技指數（Fintecht）解釋，說明模型回歸效果良好。從各變量上看，金融科技指數（Fintecht）回歸系數為1973，且在1%的水平上高度顯著，說明金融科技發展水平與中國股指期貨市場的流動性成正相關，金融科技的發展將有助于增強股指期貨的流動性，這一結果也和本文的假設保持一致。金融科技的應用，對期貨市場交易效率、用戶交易體驗及產品創新等諸多方面起到了關鍵的作用。通過高速交易系統和智能算法，縮短了交易時延；借助大數據分析和人工智能，精準評估風險，增強市場主體參與意愿；技術創新帶來了新的金融產品和交易策略，優化資源配置。如表6所示，在控制變量中，期貨市場的換手率與流動性成正相關，意味著高換手率帶來高流動性；基差的回歸系數在1%的水平上顯著為負，可能是因為期現基差的增大會造成套利交易的增多和訂單非平衡性增加，從而削弱了流動性（Chordia，2000）。現貨市場波動情況的回歸系數為-46865，說明現貨市場的高波動性在短期內會帶來更多的不確定性，使投資者更加保守，從而降低期貨市場流動性。

（二）分位數回歸結果分析

如表7所示，從金融科技的10%分位點到90%分位點，回歸系數分別為2318、2179、2060、1932、1878、1913、1901、1841、1794，說明在分位數較低的情況下，金融科技的發展對期貨市場流動性有更強的正向影響，但隨著分位數提高，這種影響逐漸減弱（見圖1）。這反映市場剛進入起步階段，金融科技的引入有效解決了傳統市場的交易壁壘，提高平臺交易效率和市場流動性水平，但隨著金融科技發展帶來的初始改善趨于飽和，其對流動性的影響程度逐漸減弱。對于其他控制變量而言，在大多數分位數下基差的系數為負，但在某些情況下為正，且在一些情況下結果不顯著。這表明基差對期貨市場流動性的影響不是十分穩定或顯著；在所有分位數下，期貨市場換手率系數都為正值，且隨著分位數增加而增加，表明交易頻率的增加與期貨市場流動性呈現穩定正相關關系。

（三）穩健性檢驗

1考慮遺漏變量的穩健性檢驗

謝鐳和柏雪銀（2021）發現滬深300股指期貨與現貨市場之間存在價格引導關系，故為保證實證結果的穩健性，本文通過添加現貨市場的交易量（Spot_volumnt）為遺漏變量，進行穩健性檢驗，以驗證研究結果在面對潛在的變量遺漏時的穩定性和可靠性。

QqLDt|Fintecht=a0，q+a1，qFintecht+

a2，qBasist+a3，qTurnover_ratet+

a4，qSpot_volatilityt+a5，qSpot_volumnt（4）

表8展示了增加遺漏變量后的分位數回歸結果，將現貨市場成交量作為遺漏變量納入模型后，模型的R2上升，說明新變量的加入增加了模型的解釋能力。進一步分析顯示，即使在控制其他變量后，金融科技指標在期貨市場流動性10%分位點到90%分位點上的回歸系數分別為2259、2059、1942、1806、1878、1790、1828、1764，且在1%的水平顯著，說明隨著分位數提升，系數呈現遞減趨勢并未發生變化，見圖2。這一結果表明，即使考慮了其他變量，該核心變量仍然有獨立的解釋能力，對因變量流動性指標的變化仍有顯著的促進作用。

2考慮滯后相關變量的穩健性檢驗

參考高杰英等（2021）的研究將解釋變量（Fintech）滯后一期來緩解雙向因果問題。如表9所示，滯后一期的解釋變量（LFintech）系數在期貨市場流動性的10%分位點到90%分位點的系數分別為2329、2213、2075、1932、1899、1922、1911、1822、1769，且依舊在1%水平下顯著為正，說明金融科技對期貨市場流動性的正向作用并未因替換滯后項而改變，圖3進一步展示其系數變化趨勢未發生變化，隨著流動性的提高，金融科技的促進程度在減弱。

QqLDt|Fintecht=a0，q+a1，qLFintecht+

a2，qBasist+a3，qTurnover_ratet

+

a4，qSpot_volatilityt（5）

五、結論與啟示

為分析金融科技的發展對股指期貨流動性的影響，本文先從經濟學的視角分析金融科技與流動性之間的相關理論，探討了金融科技對股指期貨流動性水平的影響機制，在此基礎上選取2017—2022年中國滬深300股指期貨及相關標的公司數據構建流動性指標及相關控制變量，從社會、企業、政府三個層面構建金融科技發展指標進行實證檢驗，結果表明：一方面，金融科技能夠顯著影響股指期貨市場的流動性水平；另一方面，金融科技對期貨市場流動性的影響是動態變化的，并且可能由于效果和時間層面的不同而產生變化。

從影響效果來看，在分位數較低的情況下，金融科技的發展對期貨市場流動性有著更為顯著和積極的影響。這可能是因為在市場較為落后或者起步階段，金融科技的引入和應用可以更有效地改善流動性，解決傳統市場的問題，提高交易效率和流動性水平；從影響作用的時間上看：隨著分位數提高，金融科技的影響逐漸減弱。這可能暗示著隨著時間的推移，金融科技對期貨市場流動性的改善效果逐漸減弱。這種現象可能反映出金融科技發展帶來的初始改善作用逐漸飽和，市場趨于成熟并且對金融科技的影響力逐漸減弱。

結合以上研究結果，本文提出如下建議：

（一）期貨交易所層面

1引進智能化交易系統

鼓勵期貨交易所與金融科技公司合作研發更為先進的智能化交易系統，一方面，投資者可通過實時化數據分析快速識別市場趨勢，減輕信息不對稱所引發的市場風險；另一方面，借助金融科技，期貨交易所可以建立更加智能化的風險評估模型，以確保市場在發生大幅波動的情況下及時采取措施，保護市場參與者免受價值損失。

2推廣智能合約的應用

期貨交易所應積極推廣基于區塊鏈技術的金融衍生品合約，利用其去中心化和自動化的交易特性來降低市場交易成本，提升交易效率。

（二）金融監管層面

1制定適應性的監管框架

建立與金融科技發展同步的監管機制，包括數字資產監管、隱私保護和數據安全。監管政策應靈活適應科技創新的蓬勃發展，但同時需著重保障風險可控，確保金融系統的穩定運行。

2鼓勵金融科技創新

監管機構應鼓勵支持和引導金融科技公司推出更加個性化和創新性的金融產品和服務，促進金融科技更好地服務于實體經濟，從而推動金融市場的穩健運行。

（三）科技公司層面

1多元化創新應對市場飽和

金融科技公司應保持對市場的高度敏感，積極主動推出多元化、差異化的創新產品來滿足用戶需求，應對市場飽和。

2主動配合監管

金融科技公司要主動配合監管，及時向監管機構披露包括業務變化、產品創新等重要信息，保證所營業務活動合規合法，維護市場秩序和投資者權益。

參考文獻

［1］WANGJLiquiditycommonalityamongAsianequitymarkets［J］Pacific-BasinFinanceJournal，2013，21（1）：1209-1231

［2］LIUC，ZHAOYHPriceriskmanagementeffectontheChinasegg“insurance+futures”mode：anempiricalanalysisbasedontheAR-Netmodel［J］KuwaitJournalofScience，2022：1-14

［3］KAKADEK，MISHRAAK，GHATEK，etalForecastingcommoditymarketreturnsvolatility：AhybridensemblelearningGARCH‐LSTMbasedapproach［J］IntelligentSystemsinAccounting，Finance&Management，2022，29（2）：103-117

［4］王文虎，萬迪昉，張璐混合交易機制對股指期貨市場效率影響的實驗研究［J］系統工程，2017，35（8）：1-18

［5］韋立堅，熊熊，車宏利試析最小報價單位對股指期貨市場流動性和波動性的影響［J］現代財經（天津財經大學學報），2012，32（5）：45-51

［6］張東明，魏先華保證金水平對股指期貨市場的影響研究——基于流動性及波動性角度的分析［J］管理評論，2013，25（5）：35-41

［7］熊熊，許克維，沈德華投資者情緒與期貨市場功能——基于滬深300股指期貨的研究［J］系統工程理論與實踐，2020，40（9）：2252-2268

［8］周強龍，朱燕建，賈璐熙市場知情交易概率、流動性與波動性——來自中國股指期貨市場的經驗證據［J］金融研究，2015（5）：132-147

［9］郭琲楠，魏成龍金融科技對股票流動性的影響及作用機制［J］學習與實踐，2023（6）：49-59

［10］王允，李光泗，韓冬“市場化收購+補貼”政策能實現玉米“穩生產”的政策目標嗎？——基于玉米地級主產區準自然實驗的經驗證據［J］農村經濟，2023（7）：75-86

［11］CHORDIAT，ROLLR，SUBRAHMANYAMACommonalityinliquidity［J］JournalofFinancialEconomics，2000，56（1）：3-28

［12］謝鐳，柏雪銀滬深300指數期貨市場與現貨市場聯動關系的實證分析——基于高頻數據視角［J］金融發展評論，2021（4）：54-67

［13］高杰英，褚冬曉，廉永輝銀行信貸、市場競爭與企業資本配置效率［J］征信，2021，39（6）：69-77

TheImpactofFinancialTechnologyontheLiquidityofStockIndexFutures

MAHeLIUChen

（BeijingWuziUniversity，Beijing101149，China）

Abstract：Thisstudyconductsanempiricalanalysisontheinfluenceoffinancialtechnology（fintech）ontheliquidityoftheCSI300stockindexfuturesmarketUtilizingtransactiondataspanningfrom2017to2022，theresearchemploysquantileregressiontodissectthenuancedeffectsoffintechadvancementsThefindingsrevealtwoprimaryinsights：firstly，theintegrationoffintechsignificantlyenhancesthemarketliquidityofstockindexfutures；secondly，theinfluenceexertedbyfintechissubjecttotemporaldynamicsandexhibitsvariabilityacrossdifferentstagesofmarketevolutionTheseresultsunderscorethecomplexinterplaybetweentechnologicalinnovationandmarketmicrostructure，offeringvaluableimplicationsforbothpractitionersandregulatorsinthefuturesindustry

Keywords：FinancialTechnology；StockIndexFutures；Liquidity