第97期封面

Size: px

Start display at page:

Download "第97期封面"

砚酬庾
5 years ago
Views:

1 论市场流动性对股指期货定价权之影响以股灾前后的沪深 300 与 A50 股指期货定价关系为例 Influences of Market Liquidity on the Pricing Right of Stock Index Futures A Case Study of Pricing Correlationship between CSI300 and A50 Index Futures around Stock Market Crash 吴泱刘文杰王智奇 ( 国泰君安期货, 上海 ) 摘要 :2015 年 9 月股指期货受限后, 沪深 300 股指期货的交易量锐减到原来的 1%, 与此同时新加坡 A50 指数期货的交易量却稳步增加, 交易量的此消彼长对两个股指期货之间的定价关系带来了怎样的影响? 本文采用现代计量经济学方法来分析两个股指期货间的均衡及因果关系, 通过实证分析研究了股灾前后沪深 300 股指期货与新加坡 A50 期货在定价关系方面的变化实证分析的结果显示 : 股指期货成交持仓受限之前, 沪深 300 期指在两者之间的定价权处于绝对主导地位, 但股指期货受限后, 新加坡 A50 期指在两者定价关系中的地位和影响显著上升关键字 : 股指期货统计检验一背景介绍沪深 300 指数期货上市于 2010 年, 新加坡 A50 指数期货上市于 2006 年, 尽管沪深 300 指数期货上市较晚, 但是在市场深度市场流动性上的发展速度远胜 A50 指数期货沪深 300 指数期货与新加坡 A50 指数期货高度相关, 存在相互竞争与相互替代的关系 2015 上半年, 沪深 300 指数期货日均成交额大约是新加坡 + FUTURES AND FINANCIAL DERIVATIVES VOLUME 97 SEPTEMBER

2 FUTURES OPTION 期货期权 A50 指数期货的 100 倍左右 2015 年股灾以后股指期货受到严格管控, 9 月 7 日起中金所将期指非套保持仓保证金提高至 40%, 平今仓手续费提高至万分之二十三, 单个产品单日开仓交易量超过 10 手认定为异常交易行为, 旨在进一步抑制市场过度投机, 促进股指期货市场规范平稳运行新规实施后, 沪深 300 股指期货的交易量锐减到原来的 1% 众所周知, 市场流动性是影响定价权的重要因素, 国内股指期货成交持仓受限, 对国内与新加坡上市的两个股指期货之间的定价关系带来了怎样的影响, 是本文实证研究的课题我们着重分析了 2015 年 9 月 8 日国内股指期货受限前后, 沪深 300 与 A50 股指期货在市场表 2. 数据来源本文实证分析中所用到的数据均来自 Wind 资讯软件 3. 样本区间说明样本区间选择为 :2010 年 4 月 16 日至 2017 年 6 月 28 日, 时间跨度为 7 年零 2 个月为比较 A50 和沪深 300 股指期货价格联动关系在不同时间段的演变, 我们将样本分成两个子样本区间,2010 年 4 月 16 日到 2015 年 9 月 8 日为第一样本区间,2015 年 9 月 8 日到 2017 年 6 月 28 日为第二样本区间 2010 年 4 月 16 日是沪深 300 股指期货上市交易首日,2015 年 9 月 8 日是股指期货成交持仓受到严格管后的第一个交易日现定价权方面的变化三指数相关性及市场表现方面二数据说明 1. 样本选择我们选取中金所上市的沪深 300 和新交所上市的 A50 股指期货主力合约的每日收盘价作为实证分析的数据从相关性上来看,A50 与沪深 300 指数高度相关 ( 图 1), 相关性上与沪深 300 指数相关系数一度达到 98.5% 的水平,2015 年 9 月之后由于两个指数成分股有一定调整, 相关系数有一定下降, 但是仍然能够保持 90.3% 的高相关度 ( 表 1) A50 和沪深 300 指数相关系数资料来源 :Wind 国泰君安期货金融衍生品研究所 66 + 期货与金融衍生品 2017 年 9 月总第九十七期

3 A50 收盘价沪深 300 股指期货收盘价 14,000 7,000 12,000 6,000 10,000 5,000 8,000 4,000 6,000 3,000 4,000 2,000 2,000 1, /4/ /4/ /4/ /4/ /4/ /4/ /4/ /4/16 资料来源 :Wind 国泰君安期货金融衍生品研究所从成交量方面看, 在 2015 年 9 月股指期货受限之前, 沪深 300 指数期货日均成交额大约是新加坡 A50 指数期货的 100 倍左右 ; 而在股指期货受限之后, 国内三大股指期货成交量很快就缩水了 99%, 仅存原先 1% 左右与此同时, 新加坡 A50 期指成交量却未受到太明显影响, A50 和沪深 300 期指主力合约成交额比值出现大幅反转, 由 2015 年 6 月的 0.01 增至目前的 0.80 ( 图 2), 期间 A50 期指市场月成交额更曾一度超越沪深 300 股指期货 ( 图 3) 成交额之比 /6/ /9/ /12/ /3/ /6/ /9/ /12/ /3/30 资料来源 :Wind 国泰君安期货金融衍生品研究所 + FUTURES AND FINANCIAL DERIVATIVES VOLUME 97 SEPTEMBER

4 FUTURES OPTION 期货期权期货成交额 : 沪深 300 指数期货 ( 月亿元 ) A50 成交额 ( 月亿元 ) 14,000 12,000 10,000 8,000 6,000 4,000 2, /9/ /12/ /3/ /6/ /9/ /12/ /3/ /6/30 资料来源 :Wind 国泰君安期货金融衍生品研究所四 Eviews 计量模型及检验 EViews 是 Econometrics Views 的缩写, 直译为计量经济学观察, 通常称为计量经济学软件包, 本意是对社会经济关系与活动的数量规律, 采用计量经济学方法与技术进行观察计量经济学研究核心是设计模型收集资料估计模型检验模型应用模型 EViews 是完成上述任务比较得力的必不可少的工具 Eviews 处理的基本数据对象是时间序列, 每个序列有一个名称, 只要提及序列的名称就可以对序列中所有的观察值进行操作, 本文选取 Eviews6.0 版本软件来针对数据对象完成分析研究工作 ( 一 ) 平稳性检验时间序列的平稳性对于分析方法的选择至关重要, 为研究两个市场期货价格之间的相互联系, 我们用 x 1 y 1 分别表示 A50 股指期货和沪深 300 股指期货在第一样本区间的收盘价时间序列,x 2 y 2 则分别表示 A50 股指期货和沪深 300 股指期货在第二样本区间的收盘价时间序列, 首先运用 ADF 单位根检验法对价格序列的平稳性进行检验, 以此确定建模的方法, 检验结果如下表所示 : Lnx 否 Lny 否 lnx 是 lny 是 68 + 期货与金融衍生品 2017 年 9 月总第九十七期

5 Lnx 否 Lny 否 lnx 是 lny 是注 :ln 表示对数据进行对数处理, 表示序列差分形式由表 2 表 3 可知, 两个样本区间的 ADF 检验都显示 : 两大交易所的对数价格序列不平稳, 而一阶差分后的序列平稳, 说明价格序列是一阶平稳的, 我们不能够用传统的计量经济学理论来构建模型, 需要用现代计量经济学的协整理论来分析两个序列之间长期的均衡关系 ( 二 ) 协整检验向量自回归模型简称 VAR(Vector Autoregression) 模型, 是一种常用的计量经济模型 VAR 模型是用模型中所有当期变量对所有变量的若干滞后变量进行回归 VAR 模型用来估计联合内生变量的动态关系, 而不带有任何事先约束条件向量自回归 (VAR) 是基于数据的统计性质建立模型,VAR 模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型, 从而将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型 VAR 模型是处理多个相关经济指标的分析与预测最容易操作的模型之一, 因此近年来 VAR 模型受到越来越多的经济工作者的重视滞后变量就是从时间上看比当期变量滞后的变量在计量经济模型中, 有时需要用解释变量或被解释变量的滞后变量做解释变量本节通过 AIC 准则确定 VAR 模型的最优滞后阶数, 从而估计出 VAR 模型合适的形式, 最后在 VAR 模型的基础上进行 Johansen 协整检验 1.VAR 模型最优滞后阶数的确定 AIC 信息准则即 Akaike Information Criterion, 是衡量统计模型拟合优良性的一种标准, 可以权衡所估计模型的复杂度和此模型拟合数据的优良性, 我们在选择最优滞后阶数下的 VAR 模型时, 优先考虑的模型往往应是 AIC 值最小的那一个我们根据 AIC 准则得出的结果如下表所示 : FUTURES AND FINANCIAL DERIVATIVES VOLUME 97 SEPTEMBER

6 FUTURES OPTION 期货期权 * * 型如下 1 : LNX 1 =0.7326*LNX 1 (-1) *LNX 1 (-2) *LNX 1 (-3) *LNX 1 (-4) *LNX 1 (-5) *LNX 1 (-6) *LNX 1 (-7) *LNY 1 (-1) *LNY 1 (-2) *LNY 1 (-3) *LNY 1 (-4) *LNY 1 (-5) *LNY 1 (-6) *LNY 1 (-7) LNY 1 =0.0364*LNX 1 (-1) *LNX 1 (-2) *LNX 1 (-3) *LNX 1 (-4) *LNX 1 (-5) *LNX 1 (-6) *LNX 1 (-7) *LNY 1 (-1) *LNY 1 (-2) *LNY 1 (-3) *LNY 1 (-4) *LNY 1 (-5) *LNY 1 (-6) *LNY 1 (-7) LNX 2 =0.6913*LNX 2 (-1) *LNX 2 (-2) *LNX 2 (-3) *LNX 2 (-4) *LNX 2 (-5) *LNX 2 (-6) *LNX 2 (-7) *LNX 2 (-8) *LNX 2 (-9) *LNX 2 (-10) 由表 4 表 5 可知, 第一样本区间的 VAR 模型最优滞后阶数为 7( 因为此时对应的 AIC 值最小 ), 第二样本区间的 VAR 模型最优滞后阶数为 10, 由此可得, 三个样本区间的 VAR 模 *LNY 2 (-1) *LNY 2 (-2) *LNY 2 (-3) *LNY 2 (-4) *LNY 2 (-5) *LNY 2 (-6) *LNY2(-7) *LNY 2 (-8) 1 注 :VAR 模型公式系数保留 4 位小数 70 + 期货与金融衍生品 2017 年 9 月总第九十七期

7 *LNY 2 (-9) *LNY 2 (-10) LNY 2 =0.0498*LNX 2 (-1) *LNX 2 (-2) *LNX 2 (-3) *LNX 2 (-4) *LNX 2 (-5) *LNX 2 (-6) *LNX 2 (-7) *LNX 2 (-8) *LNX 2 (-9) *LNX 2 (-10) *LNY 2 (-1) *LNY 2 (-2) *LNY 2 (-3) *LNY 2 (-4) *LNY 2 (-5) *LNY 2 (-6) *LNY 2 (-7) *LNY 2 (-8) *LNY 2 (-9) *LNY 2 (-10) 础上进行协整检验协整检验选择的滞后阶数应该等于无约束的 VAR 模型的最优滞后阶数减 1, 结果如下表所示 : R= R R= R 以上两个样本区间的 VAR 模型的拟合优度都在 0.94 以上, 模型可信度较高 2. Johansen 协整检验协整即存在共同的随机性趋势协整检验的目的是决定一组非平稳序列的线性组合是否具有稳定的均衡关系在进行时间序列分析时, 传统上要求所用的时间序列必须是平稳的, 即没有随机趋势或确定趋势, 否则会产生伪回归问题但是, 在现实经济中的时间序列通常是非平稳的, 我们可以对它进行差分把它变平稳, 但这样会让我们失去总量的长期信息, 而这些信息对分析问题来说又是必要的, 所以用协整来解决此问题由于两个样本区间的 VAR 模型最优滞后阶数已经确定, 则我们可以在 VAR 模型估计的基由以上协整检验结果可知 : 两个样本区间中, 在 5% 的显著水平下,R=1, 即 A50 和沪深 300 存在一个共同的随机趋势, 具有协整关系, 则可以认为两个市场上在两个样本区间内都存在长期均衡关系 3. VEC 模型正是由于协整传递出了一种长期均衡关系, 若是能在看来具有单独随机性趋势的几个变量之间找到一种可靠联系, 那么通过引入这种相对平稳对模型进行调整, 可以排除单位根带来的随机性趋势, 即所称的误差修正模型第一第二阶段, 由于两个市场上的期指存在协整关系, 所以可以利用误差修正模型 (VECM, Vector Error Correction Model) 来研究 + FUTURES AND FINANCIAL DERIVATIVES VOLUME 97 SEPTEMBER

8 FUTURES OPTION 期货期权两个市场期指之间的相互引导关系,VEC 模型的估计结果如下表所示 : A50 股指期货变化受到长期均衡关系的影响却并不显著, 第二阶段 A50 受到长期均衡关系的影响变得较为显著误差修正项系数 t 统计量 [ ] [ ] AIC SC 误差修正项系数 t 统计量 [ ] [ ] AIC SC ( 三 )Granger 因果检验由上可知, 两个市场上的期指具有协整关系, 因此一定存在某个方向上的 Granger 因果关系, 本文在 VEC 模型的基础上进行 Granger 因果关系检验, 以此判断两个市场期指变动的因果关系, 检验结果如下表所示 : Lny 1 does not Granger Cause Lnx E-05 Lnx 1 does not Granger Cause Lny 与前文介绍过的 AIC 信息准则类似, 施瓦兹准则 SC(Schwarz Criterion), 其检验思想也是通过比较不同分布滞后模型的拟合优度来确定合适的滞后期长度,SC 值越小, 说明模型的拟合优良性越好 Lny 1 does not Granger Cause Lnx Lnx 1 does not Granger Cause Lny VEC 模型结果表明 : 在样本区间内,AIC 和 SC 的值都小于 -11, 说明模型的整体解释能力很强并且在 5% 的显著水平下, lnx 1 的误差修正项系数不显著, 而 lnx 2 lny 1 和 lny 2 的误差修正项系数显著, 说明在两个样本区间内, 沪深 300 股指期货受到两个品种期指变化长期均衡关系的显著影响, 而第一阶段由以上 Granger 因果检验结果可以看出, 在 5% 的显著水平下 : 在第一样本区间内, 沪深 300 指数是新加坡 A50 指数的 Granger 原因, 而新加坡 A50 指数不是沪深 300 指数的 Granger 原因, 说明在第一段时间内, 主要是沪深 300 指数引导新加坡 A50 指数, 而新加坡 A50 指数 72 + 期货与金融衍生品 2017 年 9 月总第九十七期

9 对沪深 300 指数的影响不显著股指期货限制之后, 在第二样本区间内, 两个原假设在 5% 的显著水平下均被拒绝, 这表明在 2015 年 9 月之后,A50 与沪深 300 股指期货之间存在双向的 Granger 原因, 即沪深 300 对 A50 期指的变动存在影响, 同时 A50 的变动也影响着沪深 300 期指的变动, 并且这种影响是显著的, 这说明 A50 股指期货的定价能力正日益增强, 而之前沪深 300 股指期货的绝对定价权则受到很大程度的削弱流动性对期指的价格发现定价权功能有着至关重要影响一方面, 交易量大流动性好的股指期货市场, 一般参与者众多信息交流充分, 同时也会为快速低成本地满足投资者的各种交易需求奠定基础这样的市场会进一步吸引投资者, 集聚交易人气, 存在流动性吸引现象市场流动性与价格发现功能之间也是正反馈关系, 当信息变化时, 投资者将首先在期货市场做出反应, 因而提高了期货市场的价格发现功能, 而股指期货价格发现功能的根基, 就是它的产品属性另一方面, 股指期货的价格发现五结论研究结果表明, 沪深 300 股指期货和新交所 A50 股指期货之间存在长期均衡关系及很强的相关性在两个股指期货的相互影响引导方面, 在 2015 年 9 月之前, 主要是沪深 300 指数引导新加坡 A50 指数, 而新加坡 A50 指数对沪深 300 指数的影响不显著 ; 但是在 2015 年 9 月以后,A50 的变动开始影响沪深 300 期指的变动, 并且这种影响已变得显著, 说明 A50 股指期货在定价方面的话语权有很大的增强, 相对而言沪深 300 股指期货的定价权则受到很大的削弱作用不是没有条件而普遍存在的市场越成熟, 参与者越多, 交易量越大, 股指期货的价格发现功能越显著 ; 而交易量小参与者少的股指期货市场, 其价格发现风险管理等宏观市场功能的发挥则可能受到很大的削弱乃至丧失进一步提升国内股指期货市场的总体流动性, 从微观层面可以更好地防止个别期指合约因错单或止损交易等原因而出现盘中一度触及涨跌停板的价格异常波动, 从宏观层面可以进一步提升股指期货市场功能的发挥, 对于增强定价权乃至保护国家金融安全都有积极的意义与作用两个股指期货品种之间定价权关系的变化, 究其原因, 主要与 2015 年 9 月股指期货开仓持仓受限后, 国内股指期货流动性急剧下滑有关, ( 责任编辑 : 姚剑峰 ) + FUTURES AND FINANCIAL DERIVATIVES VOLUME 97 SEPTEMBER

(156) / Spurious Regression Unit Root Test Cointergration TestVector Error Correction Model Granger / /

(156) / Spurious Regression Unit Root Test Cointergration TestVector Error Correction Model Granger / / (155) * ** / / / / 1973 ~1974 1979 ~1980 1987 ~1989 * ** (156) 1990 2004 1997 1996 1980 / Spurious Regression Unit Root Test Cointergration TestVector Error Correction Model Granger / / (157) Hedonic Price