社科网－论文在线

Transcription

1 期货市场与现货市场联动性研究 邵添夏黄巍 ( 湖南大学, 湖南省长沙市,410079) 摘要 :2015 年 6 月, 国内股市发生了严重的 股灾, 在这样的背景下, 中国金融期货交易所 ( 简称 中金所 ) 在当年 9 月推出了一系列的限制政策 本文以中金所实施限制性政策为事件, 研究了国内股指期货和现货间的价格发现能力 本文首先介绍了股指期货的相关概念 我国股指期货的发展历史 国内外文献研究现状, 接下来以沪深 300 股指期货及现货的 1 分钟高频交易数据作为研究对象进行实证研究 实证研究主要分为两个部分 第一部分利用向量误差修正模型模型和方法研究中金所推出限制性政策前后沪深 300 股指期货及现货价格之间的价格引导关系, 分析两者之间的领先 滞后关系 第二部分利用 DCC-GARCH 模型研究两个市场在政策前后的波动溢出效应的变化, 分析政策的有效性, 并比较波动溢出效应的强弱, 从长期和短期分析两个市场的价格发现的主导地位 文章发现, 中金所推出限制性政策前后, 沪深 300 股指期货与现货间均存在价格发现关系, 期货价格约领先现货价格 4 分钟 实施限制性政策以后, 限制性政策在一定程度上平稳了股市, 证实了中金所的政策有效性, 但是这以削弱股指期货的价格发现能力为代价 本文分别用牛市 熊市和股市平稳区间的数据进一步的证明了上述结论 关键词 : 股指期货, 沪深 300 指数, 价格发现能力, 波动溢出效应中图分类号 : F832 文献标识码 :A 1 引言 2010 年 4 月 16 日, 我国的股指期货市场开始形成, 推出了沪深 300 股指期货, 宣告着我国股指期货市场进入了一个新的阶段 自股指期货上市以来, 发展速度十分迅捷, 也在我国甚至全世界的期货市场中扮演了不可或缺的一员 大家也对我国股指期货市场的未来充满信心, 认为股指期货可以在一定程度上稳定资本市场, 但是也有部分人指出, 期货市场由于其投机行为的过度, 反而会加剧股票市场的波动 在过去七年里, 这个话题不只是引起了国内学者们的广泛讨论, 也吸引了许多学者对我国股指期货与股票市场之间的价格发现能力进行了探究 但是这些实证研究得出的结论并不一致 但是绝大部分学者都得出期货市场与股票市场具有很高的联动性, 并具有很强的价格引导能力 当然许多研究已经瞄准期货市场对现货市场有稳定作用抑或是不稳定作用, 这里仍然存在着一些问题, 因为大部分研究还是更加关注于商品期货而不是股指期货, 当然这也是因为股指期货的诞生历史比较短暂 但是在 2015 年 8 月, 也就是股市大盘指数在疯狂上升近一年后, 指数以极快的速度暴跌, 引发了众人的恐慌 中金所为了平稳股市, 在 2015 年 9 月 2 日至 2015 年 9 月 7 日颁布了一系列对期货市场的限制性政策 而在这种限制性政策前的的股灾下, 股指期货与现货市场是否还能保持同样的关系, 并在中金所颁布了限制性政策以后, 股指期货市场与现货市场关系是否会发生变化, 这是非常值得研究的问题 这也是邵添夏硕士论文中的一部分 2 文献综述 围绕着股指期货对股市的稳定和价格发现作用, 国内外学者都做了不少相关研究 本部分回顾了股指期货市场的重要文献, 分为国内外两个方面 国外文献是指研究境外的股市和相关股指期货的文献, 国内文献是指以 A 股为标的股指期货的相关文献 2.1 股指期货 股指期货的定义与用途 期货, 也就是期货合约, 这是由期货交易所按照一定的标准统一制定的的标准化合约 - 1 -

2 合约内规定交易双方在将来某一特定的时间和地点交割一定数量标的物 标的物又被称作基础资产, 对期货合约所对应的现货, 可以是某种商品 某个金融工具或某个金融指标 如果购买期货合约的一方将合约持有到期, 那么买方将必须按照期货合约的规定购买期货合约对应的标的物 ; 而卖出期货合约的一方如果在在合约期间一直持有合约, 那么卖方就必须按照期货合约上的规定卖出期货合约对应的标的物 无论是期货合约的买方, 还是期货合约的卖方, 他们都有权利在合约到期前反向操作, 冲抵掉他们的合约 期货交易分为做空和做多, 做空是先卖后买, 做多是先买后卖, 所谓股指期货, 就是以股票指数为标的物的期货 也就是说, 期货合约的买方和卖方交易的标的物是在合约时间后的股票指数价格水平, 而对这个期货合约进行交割则是依靠现金结算差价进行 投资者可以使用股指期货实现很多目的 股指期货的一些常见用途是 : 推测特定市场的变化 ; 改变投资组合的权重 ; 将市场时机与市场选择决策分开 ; 参与指数套利 对冲等等 投资者通常使用股指期货来改变其投资组合的权重或风险敞口 举个例子, 假设投资者持有两个或两个以上国家股票, 并且这些投资者的投资组合投资于美国 60% 和日本 40% 的股票, 并希望增加其对美国市场的系统性风险, 并将这些风险降低到日本市场 他们可以通过购买美国股票指数期货合约来获得其持有的指数, 并出售日本合约 ( 日经指数,Nikkei Index) 股指期货还允许投资者将市场时机与市场选择决策区分开来 例如, 投资者可能想要利用股票市场的即时增长, 但不确定购买哪种证券, 他们可以通过购买股指期货来做到这一点 如果期货合约被买入, 用于购买的货币的现值被投资于无风险证券, 那么投资者的风险敞口将等于市场风险 同样, 投资者可以更随意地调整投资组合 例如, 假设投资者看到他们有几只不合需求的股票, 但不知道用什么股票代替它们 他们可以出售不需要的股票, 同时购买股指期货以保持其暴露于市场的风险 他们可以在确定了他们想要购买的特定股票后, 再出售期货合约 投资者也可以通过指数套利从股指期货赚钱, 这也称为程序交易 参与股指套利的投资者在期货合约的交易与其背后证券的公平价格不相符时寻求获利 因此, 如果股指期货合约的交易高于其公允价值, 投资者可以按照正确的比例购买一揽子约 100 只构成指数的股票, 例如由指数成分股组成的共同基金, 然后以高昂的价格卖出低价期货合约 一旦合约到期, 股票就可以卖出, 并产生净利润 尽管投资者可以在期货合约到期前保持其套利头寸, 但并不需要 如果期货合约在到期日之前似乎恢复到公平市场价值, 那么投资者提早出售可能是谨慎的 除了上述指数的使用, 投资者通常使用股指期货来对冲其投资组合的价值 为了实施对冲, 现金和期货市场的工具应该有类似的价格变动 此外, 现金和期货市场投资的金额应该是相同的 拥有多元化投资组合的投资者通常被屏蔽于非系统性风险, 但他们完全置身于系统性风险 投资者降低系统性风险的一种经济有效的方法是对冲股指期货, 类似于人们用商品期货对冲商品持仓的方式 投资者在股票投资组合中处于多头位置时经常使用短期套期保值, 并相信整个股票市场会出现短暂的下滑 套期保值将持有股票的价格风险从不愿承担系统性风险的人转移给愿意承担风险的人 影响股指期货的因素 各种层面的因素都会对指数期货的价格有着不同的影响, 这些因素包含着整个经济宏观层面的因素, 也包含着个人的因素, 例如投资者自身方面的因素 总结起来, 主要表现在如下几个方面 : 第一, 期货合约的多头和空头两方面的供给和需求关系 因为指数期货的标的物并不是十分具体的 能够触摸到的实物资产, 而是一种虚拟资产, 所以股指期货合约的价格更容易产生波动, 其价格变化很大程度上取决于期货市场合约的供给和需求 当空头合约供给大于 - 2 -

3 需求时, 期货合约价格将会下跌 ; 相反, 当多头合约供给超过需求时, 期货合约的价格就会上涨 第二, 投资者自身的因素也同样会对指数期货的价格产生一定的影响 也就是股指期货的受欢迎程度, 而这个受欢迎程度也代表了交易者对当前股市或者未来股市的信心程度, 也就是投资者对市场的语气, 当投资者对市场的预期程度比较高时, 即使在当前, 股市的指数并不算高, 但是人们认为这些股市指数将会上涨, 那么他们将会多头股指期数, 那么指数期货的价格也会上涨 相反, 如果人们对市场的预期程度下降时, 即使从当前看股市指数高, 投资者也会认为股市指数是虚高, 将会卖出股票或者股指期货合约, 那么指数期货的价格也会随着人们卖出股票或者股指期货合约而下跌 第三, 股市的走向也会指数期货的价格产生比较大的影响 特别是股指期货指数中对应股票市场中的大盘股股票价格的变化, 因为这些大盘股具有很高的市值, 所以他们的价格往往会对股指的涨跌产生很大的影响, 进一步的也推动了指数期货的价格的变化 也正是因为这样, 股指期货投资者就必须经常关注股票指数中的样本股和其他具有影响力的股票的走势 第四, 从政策层面看, 政府的政策对股票市场和股指期货市场的市场结构和运行规则产生影响对股指期货产生间接影响, 或者政府通过制定一定的政策直接干涉股指期货的价格 除了政府政策对市场的影响以外, 另外, 政府可能在实施其他政策的时候, 诸如通货膨胀, 汇率和利率变化等许多宏观变量也可能会不同程度地影响股指期货合约的价格 第五, 从整个股市层面上的视角来看, 股市具有一定的周期性, 它的经济周期也会影响指数期货的价格 : 当经济周期处于高峰时, 股指期货的价格比较高, 当经济周期处于低谷时, 股指期货的价格比较低 仔细的说, 股指期货的价格也是建立在股票市场的基础之上的, 而股票市场大盘股会受到经济周期的影响, 那么整个股市大盘变化也将受到经济周期的影响, 因此股指期货的价格会随着经济周期的变化而上涨和下跌 我国市场上现行的股指期货有三个品种, 包括 2010 年推出的沪深 300 指数期货和在五年后推出的中证 500 股指期货和上证 50 股指期货 其中, 沪深 300 指数是在沪深证券市场选取市场价值大 流动性好的 300 只具有代表性的 A 股作为样本组合编制而成的成份股指数, 在三个指数中最具有整个市场代表性, 同时以其为标的物的沪深 300 指数期货于 2010 年 4 月 16 日在中国金融期货交易所 ( 简称 中金所 ) 正式上市交易, 而沪深 300 指数期货也最为广泛的运用在股指期货的研究当中 而中证 500 指数是在上海和深圳证券市场中选取各个行业中具有代表性的中小市值公司组成样本股, 所以中证 500 指数也是反映上海和深圳证券市场中中小市值公司的整体状况比较好的指数 与中证 500 刚好相反, 上证 50 指数则是挑选上海证券市场规模大 流动性好的最具代表性的 50 只股票组成样本股, 所以上证 50 指数更多的反映了上海证券市场的一批龙头企业的整体状况, 而忽略了中小市值的公司 分别以中证 500 指数和上证 50 指数为标的物的中证 500 股指期货和上证 50 股指期货同时于 2015 年 4 月 16 日正式登陆中金所上市交易 2015 年 6 月中下旬起, 我国股市发生了严重的 股灾 6 月 19 日, 沪指单日大跌 6.42%, 沪市和深市近 1000 只股票跌停, 当周累计跌幅近 13% 6 月 23 日, 沪指跌幅 7.4%, 创业板当日下跌 8.9%, 两市超 2000 只股票跌停 在 2015 年股灾肆虐之时, 有舆论认为, 股指期货是加剧市场下跌的重要因素之一, 作为救市政策的一环, 中金所接连采取多项措施, 收紧股指期货, 提高交易成本, 降低杠杆, 从开始调整之日起, 平仓交易手续费比例较股灾救市之前提高超过了 100 倍 本研究以中金所推出限制持仓政策为视角, 分析股指期货和现货两个市场的价格发现和波动性溢出效应, 并通过研究来检验政策的有效性 2.2 波动性与波动性溢出 波动性相关国外文献 Edwards(1988) 使用 1972 至 1987 年的美国股票市场日价格波动性数据进行研究 [1] - 3 -

4 在 Edwards 的研究中, 波动性的衡量既使用日间收盘价差的方差, 也使用日内最高价和最低价价差的方差 两种不同的波动性的衡量方法均表明股票价格的波动性并没有因为指数期货的引进而增加 特别地,1973 年至 1987 年这十五年期间,1982 年以后, 也就是引进指数期货之后, 标普 500 指数的波动性有所降低 并且,Edwards(1988) 还证实了, 在期货合约到期时标普 500 指数虽然可能会有短暂的波动, 但是这种波动不会持续过长时间 然而,Ross(1989) 从理论上证明, 在无套利的市场中, 资产价格的波动性与市场中的信息流率有着直接相关的联系, 并且, 他发现资产价格的波动性伴随着信息流率的增加而提高, 否则, 将会有套利机会出现 [2] 因为引入期货市场必然会增加信息流, 在无套利的条件下, 标的价格的波动性也会随之提高 Antoniou 和 Holmes(1995) 则使用英国股票市场的 1980 年十一月至 1991 年十月的数据进行研究, 其主要研究的是英国富时 100 指数 (FTSE-100) [3] 考虑到股票市场的波动集聚性 (volatility clustering),antoniou 和 Holmes(1995) 使用的是 GARCH 类模型, 这样的好处是检验波动性在指数期货引进前后的变化的同时, 又可以检验价格信息与波动性之间的关系 实证结果发现, 引进英国富时 100 指数期货以后, 标的市场的波动性反而是增加的, 与 Ross(1989) 的结论一致 另外, 文章也指出, 虽然市场变得更不稳定, 外来冲击 ( 如坏消息 ) 引起的波动并非恒久的 Chang, Cheng 和 Pinegar(1999) 使用新方法来衡量波动性 文章把标的投资组合波动性 (spot portfolio volatility) 分解为横截面分散度 (cross-sectional dispersion) 和组合内的股票收益的平均波动性 (average volatility) [4] 利用日经指数 (Nikkei stock index) 期货和现货市场的数据, 研究发现日经指数期货引进之后, 标的投资组合波动性和组合内股票收益的平均波动性提高了, 即使横截面分散度有所下降 更进一步地, 这种波动性的提升仅仅限于标的指数成分股, 不会外溢到指数以外的股票 另外, 波动性的提升幅度跟经济事件引起的股票市场波动相比, 是极小的 Tse(1999) 利用双变量 EGARCH 模型 (Bivariate EGARCH Model) 研究了美国道 琼斯工业指数 (Dow Jones Industrial Average,DJIA) 及其股指期货 1997 年 11 月至 1998 年 4 月的一分钟高频交易数据, 着眼于两个市场之间的波动溢出效应 [5] 实证研究结果显示, 一个市场的波动变化可以用来预测另一个市场的波动变化, 即两个市场存在双向的波动溢出效应, 并且, 跟现货市场预测期货市场波动性的能力相比较, 期货市场的预测现货市场波动性的能力更强 另外, 关于任意一个市场的坏消息或好消息都会导致两个市场的波动性增加, 但是坏消息引起的波动性更加剧烈 Gulen 和 Mayhew(2000) 研究了 20 个国家的 26 个股指期货市场, 其中包括美国 英国 日本等发达国家, 也包括匈牙利 马来西亚 以色列等新兴国家 [6] 实证结果表明, 只有美国和日本的股市在股指期货的引入后波动性有所增加, 其它国家 ( 市场 ) 没有出现显著的波动性变化 文章还构建了以这些国家的股市为基础的世界组合, 研究发现, 当地股指期货上市以后, 当地股票市场的收益与世界组合的收益的协方差也是增加的, 意味着股指期货市场的引入有助于当地股票市场融入世界市场 Zhong,Darrat 和 Otero(2004) 探讨了墨西哥股指期货市场对现货市场的波动性的影响, 研究对象是墨西哥 IPC 指数 (Indices de Preciosy Cotizaciones), 使用的是 199 [7] 年四月至 2002 年六月的日交易数据 利用双变量 EC-EGARCH 模型 (Bivariate EC-EGARCH Model), 文章发现,IPC 指数期货的引入增加了现货市场的不稳定性, 并且两个市场之间具有显著的双向波动溢出效应, 更确切的说, 两个市场中任何一个市场的在短期的波动不仅会影响自身的波动性, 也会增加另外一个市场的波动性, 并且一旦价格偏离了两个市场之间的长期价格均衡, 那么整个两个市场的波动性也会增加 作者指出, 墨西哥市场的机构交易者较多可能是导致股指期货和现货之间的关系的原因 波动性相关国内文献 在我国股指期货推出以前, 郭彦峰 黄登仕和魏宇 (2009) 便对我国的股指期货进行超前研究 [8] 文章使用的是 2007 年 1 月 4 日至当年 12 月 28 日的沪深 300 指数仿真交易和现货市场的日数据 使用 VEC-DCC-(BV)GARCH 模型, 他发现沪深 300 指数的现货和期货市场存 - 4 -

5 在一定程度的波动溢出效应, 并且这种波动溢出效应是双向的, 但是, 两者之间起作用的效果不一样 : 沪深 300 股指期货的波动性会进一步加大现货的波动性, 而现货的波动性的作用刚好相反 会降低期货市场的波动性 [9] 严敏 巴曙松和吴博 (2009) 也对我国的股指期货进行了超前研究 文章使用的是沪深 300 股指市场的仿真交易和现货日数据, 样本起点为 2006 年 10 月 30 日, 结束于 2009 年 3 月 20 日 利用双变量 EC-EGARCH 模型, 文章却发现了与郭彦峰等 (2009) 不同的实证结果, 即沪深 300 股指期货市场与现货市场之间不存在双向的波动溢出效应, 现货市场的波动性主要还是受自身过去的波动影响 文章认为, 鉴于仿真交易的 虚拟性, 交易者无法进行真实的交易活动, 因而仿真交易数据的实证结果与其它市场的真实交易数据的实证结果有所区别 郦金梁 雷曜和李树憬 (2012) 研究了沪深 300 指数期货推出前后股指日内 5 分钟波动率和指数成分股的日指数交易量的方差的变化, 样本时间跨度为 2008 年初至 2011 年 11 月 [10] 研究发现, 沪深 300 指数期货启动之后, 股指日内 5 分钟波动率和指数成分股的日交易量大幅下降 EGARCH 模型的估计结果表明, 股指日回报率的条件方差也随着沪深 300 指数期货的推出而下降 综上所述, 沪深 300 指数期货的上市使得 A 股市场的流动性增加, 交易量趋于稳定, 波动性降低, 有效地改善了我国资本市场的结构 左浩苗 刘振涛和曾海为 (2012) 采用沪深 300 指数现货和期货市场 2010 年 4 月 16 日至同年 11 月 16 日的 5 分钟高频交易数据进行研究, 实证发现, 不仅两个市场的整体性波动互为格兰杰原因, 而且连续性波动也是互为格兰杰原因, 这证实了两者之间的双向波动溢出性 [11] 两个市场的相关程度在波动中上升, 体现了两个市场联动性的增强 在数据研究的期间内, 即 2010 年 4 月 16 日至 11 月 16 日这七个月内, 期货市场的消极波动不会对现货市场的波动性产生显著的影响 Tian 和 Zheng(2013) 的研究使用沪深 300 股票指数和期货市场 2007 年 4 月 16 日至 2013 年 4 月 16 日的日交易数据, 数据恰恰包含了沪深 300 股指期货上市的前后三年时间 [12] 同样是使用 GARCH 模型, 实证结果表明, 引入沪深 300 股指期货以后, 沪深 300 指数的波动性有所下降, 但是下降的幅度不大 基于此, 作者提出两点政策建议, 一方面, 政府应持续改善现货市场, 即股票市场, 与此在对现货市场进行改善的同时, 政府应该加强联系股票市场与股指期货市场, 促使两个市场之间的协调合作, 另一方面, 政府应该引导期货市场进行合理的风险监管和风险管理, 促进期货市场的健康发展 王朝晖和李心丹 (2013) 使用 2010 年 4 月 16 日至 7 月 16 日的沪深 300 指数期货和现货的 5 分钟高频数据, 建立 VECM-DCC-VARMA-GARCH 模型研究期货市场引入初期沪深 300 指数现货和期货市场之间的风险传递, 风险传递也就是文章所研究的波动溢出效应 [13] 实证结果发现, 沪深 300 指数现货和期货市场之间存在双向的波动溢出效应, 并且, 研究发现了在使用 5 分钟高频数据的情况下现货市场的波动溢出效应强于期货市场 同时, 期货市场滞后期的波动性可以减缓现货市场当前期的波动性, 因此, 期货市场的引入能够稳定股票市场 李保林和艾百 (2015) 利用 2012 年 4 月至 2014 年 3 月的沪深 300 指数期货和现货价格和收益的 1 分钟高频数据, 也是在 VECM-DCC-VARMA-GARCH 的框架下研究沪深 300 指数现货和期货市场间的波动溢出效应 [14] 与王朝晖和李心丹 (2013) 的结论相似, 沪深 300 指数期货市场运行了两年之后, 现货和期货市场之间仍然显示着双向的波动溢出联系, 并且现货市场的波动溢出效应明显强于期货市场, 但是两个不同的市场之间的波动溢出效应导致的后果是不一致的 : 期货市场滞后期的波动性会减弱当前期指数的波动性, 而指数滞后期的波动性的增加会使期货市场的波动性扩大 此外, 与期货市场相比, 股票市场的波动性对未预期到的信息反应相对缓慢, 而且受到的影响会更加持久 杨林和杨雅如 (2017) 在吸取前人研究经验的基础上, 他们研究了 2015 年股灾期间沪深 300 指数现货和期货之间的波动溢出效应 [15] 选取了 2015 年 6 月 15 日至 8 月 26 日两个 - 5 -

6 市场的五分钟高频交易数据, 通过向量误差修正模型 (VECM 模型 ) 因果检验 方差分析 脉冲响应函数分析等方法对数据进行分析, 文章发现, 在股灾期间, 沪深 300 指数现货和期货市场之间的波动溢出关系不再是双向的, 仅仅存在了期货市场对现货市场的单向溢出关系, 因此, 他们认为指数期货市场有可能是推动 2015 年股灾期间加剧震荡的重要推手之一 周佰成 侯丹和邵振文 (2017) 选取了沪深 300 指数期货自 2010 年 4 月推出以来至 2015 年 7 月 19 日的期货市场和现货市场的日交易数据, 比较全面地研究了自沪深 300 指数推出以来的两个市场的波动溢出效应 [16] 总体上, 两个市场具有双向的波动溢出效应, 但是, 从程度上来看, 期货市场是波动的主要的传播者, 现货市场是波动的主要的接收者 文中也发现了与杨林 (2017) 一致的结论, 在股市剧烈震动期间, 期货市场对现货市场的波动溢出效应会放大, 沪深 300 期货的成交量提升也会放大期货市场对现货市场的波动溢出效应, 加剧股市的震荡 2.3 价格发现 价格发现国外文献 在引入股指期货以前, 相关研究指出了期货市场是拥有对现货市场的价格发现功能的 如,Cox(1976) 利用洋葱 马铃薯 猪胸肉 (Pork bellies) 猪等现货和期货市场的周间 (week-to-week) 价格和收益数据进行实证研究, 结果发现期货市场的引入使得信息流动速度加快, 因而市场价格促进了市场资源的有效配置, 使得市场更加有效 [17] 文章认为, 这可能是由两个原因引起的 : 一是期货市场带来了更多的交易者, 而更多的交易者会使得信息传递的速度加快 ; 二是因为相对于现货市场的交易成本和便利性来看, 期货市场更加便利, 而且它的交易成本较低, 新信息会更快得从期货市场传送到标的市场 Tse(1995) 以日经平均指数 (Nikkei Stock Average) 及其股指期货的日交易数据为 [18] 研究对象, 在误差修正模型的框架下研究两者价格之间的领先 滞后关系 实证结果表明, 股指期货的滞后期的变化会影响日经平均指数的短期调整, 但不存在反向关系, 这证实了股指期货是具有良好的价格发现功能的, 换句话说, 根据股指期货和标的指数过去的信息, 标的指数的价格是可预测的 更进一步地, 文章还发现, 与单变量自回归模型和向量自回归模型相比, 利用误差修正模型来预测未来收益率的能力更强 Brenner 和 Kenneth(1995) 使用无套利 - 持有成本资产定价模型, 从理论上说明了期货市场和现货市场的协整关系依赖于持有成本时间序列的特点 [19] 在 Brenner 和 Kenneth(1995) 的工作基础上,Martens, Kofman 和 Vorst(1998) 使用标普 500 指数 (S&P 500) 和期货市场的 1 分钟高频数据, 利用门限 - 误差修正模型 (Threshold Error-correcting Model) 研究期货市场和现货的价格之间的关系 [20] 首先, 仅在两个市场的价格偏离大于持有成本时才会有套利存在 其次, 因为期货合约的低频率, 可能会造成错误定价 当错误定价导致的误差是负的时候, 期货市场对现货市场的造成的影响会更加剧烈 在这个时候, 因为两个市场的收益偏离了理论值, 无套利关系的偏离显得更为重要 鉴于日经平均指数期货同时在日本大阪证券交易所 (Osaka Securities Exchange) 和新加坡国际货币交易所 (Singapore International Monetary Exchange) 交易, 并且交易成本显著不同,Frino 和 West(2003) 研究了不同股指期货交易成本下, 股指期货的价格发 [21] 现功能的差异 结果显而易见, 两个交易所的股指期货都对日经平均指数具有价格发现功能, 且都是处于领先地位 但是, 交易成本相对较低的新加坡国际货币交易所通行的股指期货的价格发现能力较高 文章说明了在低交易成本的情况下, 信息会更加迅速地传递 Li(2009) 使用马可夫转换误差修正模型 (Markov-switching error-correction model) 研究了包括美国标普 500 指数 (S&P 500) 英国富时 100(FTSE 100) 和德国 DAX 指数这三个成熟市场和巴西 Bovespa 指数 匈牙利 BSI 指数两个新兴市场的股市指数及其股指期货, 着重研究了在波动性强弱程度不同时的指数和股指期货的价格发现功能 [22] 研究结果是多样 - 6 -

7 的 : 一是, 过滤掉高波动性的时期后, 股指期货的价格发现能力与标的相比处于领先位置, 而在波动性较高的时期, 恰恰相反, 即指数本身的价格发现能力领先于股指期货 ; 二是, 在高波动性时期, 因套利导致的价格调整速度比在低波动性时期高 ; 三是, 期货市场的价格与标的价格的偏离可以作为市场波动性变化的指示变量 Bohl,Salm 和 Schuppli(2011) 观察到波兰 WIG20 股指期货市场的投资者结构发生了显著变化,2005 年以前, 该市场以个人投资者为主,2005 年及以后, 国外投资者和机构投资者的比重逐渐增加, 利用这个特点,Bohl,Salm 和 Schuppli(2011) 研究了股指现货和现货市场的价格发现功能与市场投资者结构的之间关系 [23] 研究发现, 在个人投资者主导时期 (2005 年以前 ), 现货市场的价格发现能力更强, 价格发现贡献程度更高, 而随着国外投资者和机构投资者的比重提升, 期货市场的的价格发现能力也随之增强 可见, 机构投资者的比重对提高股指期货的价格发现能力有重要作用 3 价格引导实证分析 3.1 数据选取 本人选择我国沪深 300 指数期货的当月合约和沪深 300 指数的一分钟高频数据, 跨度为 2015 年 7 月 1 日至 2015 年 8 月 31 日, 数据总量为 个 数据均来自于万德 (wind) 数据库 由于在 2015 年 9 月, 中金所对股指期货采取的限制性的政策, 为了探究中金所对股指期货的限制性政策对期货市场与现货市场之间的联系有何影响, 我选择了跨度为 2015 年 9 月 7 日至 2015 年 10 月 31 日的两个月的一分钟高频数据作为对比, 数据总量为 8432 个 因为 2015 年 9 月 3 日至 6 日股指期货与现货不交易, 所以去除了 9 月 1 日至 6 日的交易数据 因为沪深 300 指数期货的交易时间为 9:15~15:15, 沪深 300 指数的交易时间 9:30~15 :00, 为便于数据处理和结论研究, 本文需要将交易时间不重叠的交易数据去除掉 为了加深对政策性对两个市场之间联系的影响, 同时, 本文选择了上升区间和平稳区间的数据处理并作为对比, 但是为了避免其他政策对两个市场的影响, 我们选择了相近时间的数据, 上升区间在 2015 年 3 月 2 号至 2015 年 4 月 30 日, 平稳区间在 2015 年 1 月 5 日至 2015 年 2 月 27 日, 数据均选择一分钟高频数据, 上升区间可以看成是牛市, 而限制政策前的股灾区间可以看成熊市, 而本文中提到的实施限制性政策之前均指股灾期间, 不包括对比数据中的牛市数据和平稳区间数据 本文中沪深 300 指数和以其为标的物的股指期货的价格和收益数据全部来自于万德数据库 从下面 4 个表 ( 表 1 表 2 表 3 表 4) 中我们可以发现, 在中金所对股指期货实施限制性政策前的股灾期间, 沪深 300 指数期货与指数现货的收益均为负, 指数期货的方差大于沪深 300 指数的方差, 指数期货的收益范围明显宽于沪深 300 指数, 这代表着股指期货的波动明显大于现货市场 沪深 300 指数期货收益右偏, 代表对于期货大的正的收益比负的收益更可能发生, 而指数现货的收益为左偏, 代表对于沪深 300 指数负的收益比正收益更可能发生, 并且两个收益同时具有尖峰厚尾特征 在中金所对股指期货实施限制性政策之后, 沪深 300 指数期货与指数现货的收益均转变为正, 指数期货的方差仍然大于沪深 300 指数的方差, 指数期货的收益范围依旧宽于沪深 300 指数 同时, 指数期货收益保持着右偏, 然而沪深 300 指数的收益则转变为右偏, 说明正收益发生的可能性大于负收益, 仍然同时具有尖峰厚尾特征, 表现出明显的波动聚集性 同样的, 在股市上升期间和平稳期间, 两个市场收益仍然存在尖峰后尾特征, 表现明显的波动聚集性 表 1 收益统计量 ( 股灾时 ) 统计量沪深 300 指数期货沪深 300 指数 样本数 均值 标准差

8 最大值 最小值 偏度 峰度 Jarque-Bera 值 ***[0.00] ***[0.00] 注 : 以上无单位 表 2 收益统计量 ( 限制性政策后 ) 统计量 沪深 300 指数期货 沪深 300 指数 样本数 均值 标准差 最大值 最小值 偏度 峰度 Jarque-Bera 值 ***[0.00] ***[0.00] 注 : 以上无单位 表 3 收益统计量 ( 平稳区间 ) 统计量 沪深 300 指数期货 沪深 300 指数 样本数 均值 3.84e e-06 标准差 最大值 最小值 偏度 峰度 Jarque-Bera 值 1.4e+07***[0.00] 3.7e+08***[0.00] 注 : 以上无单位 表 4 收益统计量 ( 上升区间 ) 统计量 沪深 300 指数期货 沪深 300 指数 样本数 均值 标准差 最大值 最小值 偏度 峰度 Jarque-Bera 值 3.5e+05***[0.00] 2.3e+06***[0.00] - 8 -

9 3.2 VEC 模型及其实证结果 本文主要分析股指期货价格与现货价格之间的引导关系以及限制性政策对市场的影响, 检验方法主要有 ADF 检验,Granger 因果检验 Johansen 协整检验, 同时使用向量误差修正模型来分析股指期货价格与现货价格的价格发现功能 本文使用了 ADF 检验以及 Johansen 协整检验考察沪深 300 指数与其指数期货是否有长 期的均衡关系, 在使用协整检验之前, 先使用了 ADF 检验来验证沪深 300 指数以及沪深 300 指数期货的对数价格的平稳性, 发现沪深 300 指数和沪深 300 指数期货的对数价格为非平稳 序列, 但是在沪深 300 指数期货和沪深 300 指数做了一阶差分之后, 序列变为平稳序列 所 以沪深 300 指数与沪深 300 指数期货都是一阶单整序列, 也就是代表着可以进行协整检验, 可以验证二者之间是否具有长期的均衡关系 沪深 300 指数期货及沪深 300 指数价格分别以 ) 和, 其中 和 分别是沪深 300 指数期货和沪深 300 指数的在 t 时刻的收盘价格 它们的收益分别为 和, 那么我们可以 对两个收益使用向量误差修正 (VEC) 模型 ( 公式 1) ( 公式 2) 其中, 是常数, 是滞后 i 期的收益的自回归系数, 是滞后 i 期的交叉项回归系 数, 里面的 s 和 f 分别代表沪深 300 指数和沪深 300 指数期货, 是误差修正项, 和 分别是两个方程的残差 通过协整检验的结果, 在四个不同时间区间内, 我们都可以知道沪深 300 指数现货和沪深 300 股指期货两个序列存在一种长期的均衡关系, 而根据 Granger 叙述, 当多个变量之间存在协整的, 可以知道两个序列之间也至少存在着一个单向的格兰杰因果关系 而因此我们可以使用误差修正模型 在使用误差修正模型的时候, 我们需要通过信息准则先确定误差修正模型的阶数, 当我们确定了 VEC 模型的最佳滞后阶, 我们可以利用模型得到系数的估计结果 而在股灾区间 限制性政策以后区间 平稳区间和上升区间的滞后阶数分别为 , 而股灾区间和限制性政策后的误差修正模型的结果如下表 5 表 6 表 7 表 8 表 5 VEC 模型系数估计结果 ( 股灾时 ) 系数指数期货沪深 300 指数现货系数指数期货沪深 300 指数现货 注 : 以上无单位 *** *** * 0.114*** *** *** *** *** -3.48E E * ** 表 6 VEC 模型系数估计结果 ( 限制性政策后 ) 系数指数期货沪深 300 指数现货系数指数期货沪深 300 指数现货 注 : 以上无单位 *** 0.251*** 0.272*** 0.099*** *** *** *** *** 0.048*** *** *** *** *** *** E E ** * - 9 -

10 表 7 VEC 模型系数估计结果 ( 平稳区间 ) 系数指数期货沪深 300 指数现货系数指数期货沪深 300 指数现货 系数 注 : 以上无单位 0.035** *** *** *** *** 0.070*** *** *** 0.175*** *** *** *** *** *** ** -2.98E E *** 指数期货 表 8 VEC 模型系数估计结果 ( 上升区间 ) 沪深 300 指数现货系数指数期货沪深 300 指数现货 ** 0.121*** 0.055*** 0.227*** * *** *** *** *** *** *** *** *** *** ** *** *** *** 注 : 以上无单位通过误差修正模型, 我们可以进一步分析在中金所实施政策以前的两个月, 也就是股灾的情况下, 现货和期货市场两者之间的长期价格发现能力, 误差修正项的系数的显著性水平体现出两个市场的价格发现能力 : 从表中我们可以看出, 沪深 300 指数的误差修正系数为 , 整个系数在 5% 的置信水平下是显著的, 说明误差修正项对沪深 300 指数现货具有负的调节作用, 而期货的误差修正系数在 5% 的水平下是不显著的, 说明误差修正项对沪深 300 指数期货不具备调节作用, 根据上述对误差修正系数的符号和大小的讨论, 本文可以得到沪深 300 指数现货和指数期货两者之间的长期均衡是仅仅依靠现货价格的调整来回到平衡, 而期货价格并不需要对偏差进行调整 这也说明了在中金所实施限制性政策之前的股灾的情况下, 沪深 300 指数期货在价格发现过程中具备了主导地位 误差修正项的绝对值大小也说明了现货和期货在短期偏离均衡以后误差修正项能起到的调节纠正作用大小 也就是当期货市场和现货市场受到短期冲击时, 误差修正项系数越大, 那么两个市场向长期均衡的调整速度越快 从误差修正模型的估计结果我们可以看出, 沪深 300 指数现货的误差修正项系数是 , 在 5% 的置信水平统计显著, 这说明了误差修正项对沪深 300 指数现货具有显著的反向调节作用, 当沪深 300 指数现货短期内偏离长期均衡的时候, 将会用 的力度将沪深 300 指数现货重新调整到均衡状态 由于期货方程中误差修正项的系数并不显著, 我们可以得知这说明了两个市场之间的偏离几乎对沪深 300 指数期货的价格没有影响 从短期价格引导关系上我们分析 : 至均在 1% 的置信水平下统计显著, 这就说明了沪深 300 指数期货在前 4 分钟的价格变动对当期沪深 300 指数现货的价格有比较好的预测能力, 而在期货方程中, 交叉项系数并不显著, 说明了现货的前 4 分钟的价格对当期期货价格没有预测能力 我们可以得出期货价格领先现货价格大概 4 分钟 而在中金所实施了限制性政策以后, 我们期货市场与现货市场进行分析 : 从表中我们可以看出, 沪深 300 指数现货的误差修正系数从限制性政策之前的 变成了 , 并且系数在 5% 的置信水平下是不显著的, 而期货的误差修正系数为 , 在 5% 的置信水平变成显著

11 的, 这说明误差修正项对期货市场具有正的调节作用, 而对现货市场并不具备调节作用, 沪深 300 指数现货和沪深 300 指数期货两者之间的长期均衡是不再是依靠现货价格的调整来回到平衡, 而是通过期货价格的调整来回到平衡 这也说明了在中金所实施了限制性政策的情况下, 沪深 300 指数现货取代了沪深 300 指数期货在价格引导过程中具备主导地位 误差修正项的绝对值大小也说明了沪深 300 指数现货市场和期货在短期偏离均衡以后误差修正项能起到的调节纠正作用大小 也就是当期货市场和现货市场受到短期冲击时, 误差修正项系数越大, 那么两个市场向长期均衡的调整速度越快 从误差修正模型的估计结果我们可以看出, 沪深 300 指数现货的误差修正项系数是 , 系数在 5% 的置信水平统计不显著, 这说明了误差修正项对沪深 300 指数现货不具有显著调节作用, 可以得知这说明了两个市场之间的偏离几乎对沪深 300 指数现货的价格没有影响 而沪深 300 指数期货方程中误差修正项的系数为 , 在 5% 的置信水平下统计显著 表示了当沪深 300 指数期货短期内偏离长期均衡的时候, 将会用 的力度将沪深 300 指数期货重新调整到均衡状态 我们另外分析短期价格引导关系 : 至均在 1% 的置信水平下统计显著, 这就说明了沪深 300 指数期货在前 4 分钟的价格变动对当期沪深 300 指数现货的价格有很好的预测能力, 也是说明沪深 300 指数期货领先沪深 300 指数现货 4 分钟, 而在期货方程中, 交叉项系数 和在 5% 的置信区间内统计显著, 说明了沪深 300 现货领先沪深 300 指数期货 6 分钟 证明了现货市场与期货市场存在着双向的价格引导关系, 并且在短期内, 现货市场占据了主导地位 为了更进一步加深限制性政策对两个市场之间的影响, 也为了排除股指期货市场与现货市场在股灾期间, 指数期货在价格引导中占据主导地位是因为股灾导致的, 并不能代表普遍的股指期货与现货市场之间的联系, 我们加入了两个市场在平稳的时候和上升的区间的向量误差修正模型的结果作为对比 我们可以从结果看出, 平稳区间中, 从短期价格引导关系分析, 股指期货市场领先现货市场大约 6 分钟 ( 至在 5% 的置信区间统计显著 ), 而现货市场领先期货市场 3 分钟 ( 只有统计显著 ), 虽然股指期货市场与现货市场存在双向的价格引导关系, 股指期货在价格发现能力明显仍然占据主导地位, 和股灾区间中两个市场的价格引导关系基本保持一致, 而在上升区间中, 也就是牛市状态中, 股指期货市场领先现货市场大约 7 分钟 ( 至在 5% 的置信区间统计显著 ), 而现货市场只领先期货市场 1 分钟 ( 统计显著 ), 股指期货市场在价格发现中仍然占据主导地位 但是从数值上看, 本文发现在股灾区间, 期货市场领先现货市场的时间更短, 并且在上升和平稳区间中, 现货市场对期货市场微弱价格领先关系消失了, 说明在股灾的时候, 两个市场接受市场信息更快 同时说明了股灾区间, 股指期货在短期价格发现中的主导地位并不是因为股灾引起的, 而在限制性政策以后, 现货市场和股指期货市场转变为显著的双向价格引导能力, 并且现货市场在价格发现中占据了主导地位是由于限制性政策引起的, 也就是限制性政策明显削弱了股指期货的价格发现能力 从长期价格发现能力看, 无论是在上升区间, 平稳区间和股灾区间, 在现货方程中误差修正系数都是显著的, 而在期货方程中, 误差修正系数都是不显著的 这说明误差修正项对沪深 300 指数具有调节作用, 而对沪深 300 指数期货不具备调节作用, 这也反映沪深 300 指数现货和沪深 300 指数期货两者之间的长期均衡是依靠现货价格的调整来回到平衡, 而期货价格并不需要对偏差进行调整 这也说明了沪深 300 指数期货在长期价格引导过程中具备主导地位不是因为股灾的影响 同样的, 而在中金所实施了限制性政策以后, 在现货方程中的误差修正系数不再是显著的, 而在期货方程中误差修正系数变成显著的, 证明了限制性政策对股指期货的长期价格发现能力也进行了削弱 而从误差修正系数的符号来看, 在中金所实施限制性政策以前的三个区间的误差修正项系数都是负的, 证明了误差修正项对现货市场具有显著的负向调节作用, 说明股市存在过度反应的问题, 这可能是因为投资者的不理性投资多造成的

12 4 波动性分析 国内外文献研究市场间相关波动溢出的方法主要采用了双变量 CCC-GARCH 模型 DCC-GARCH 模型和 BEEK-GARCH 模型 本文使用这个三个模型中的 DCC-GARCH 模型来验证中金所采取了限制性政策前后股指期货与现货两个市场之间的波动溢出效应的变化 而对于均值方程, 本文采用的是上文介绍的双变量误差修正模型 (VECM), 这个模型研究了两个市场之间短期的调整能力和长期的均衡约束 已知 DCC-GARCH 模型下的条件方差 - 协方差方程展开如下 ( 公式 3) ( 公式 4) 本文着重研究股指期货市场与现货市场之间的波动溢出效应, 股指期货价格与现货价格通过以下的方式产生双向波动溢出效应 : 分别代表现货和期货新信息的滞后一期的均值方程残差项和以及代表旧信息的滞后一期的方差方程条件方差和, ), 其中代表在 t-1 期所知的所有信息 其中, 下标 1 代表现货市场, 下标 2 代表股指期货市场 类似的, 股指期货与现货市场的交叉波动溢出效应是通过系数 来实现的 和代表的是现货和期货市场之间的短期波动溢出效应, 和代表的是现货和期货市场之间的长期波动溢出效应 如果统计上显著, 说明现货市场收益率的波动依赖于股指期货的前一期的信息冲击, 也即表示股指期货市场前期未预期到的冲击对当期现货市场波动性的影响 ; 反过来, 如果统计显著, 说明股指期货市场的收益率的波动性依赖于现货市场的前一期的信息冲击, 也即表示现货市场前期未预期到的冲击对当期股指期货市场波动的影响 和有着类似的解释 : 如果统计上显著, 说明股指期货市场对现货市场有长期的波动溢出效应, 表示股指期货市场以往各期 (t-1 期之前 ) 累积的旧信息从现货市场传递到现货市场 如果统计上显著, 说明现货市场对股指期货市场有长期的波动溢出效应, 表示现货市场以往各期 (t-1 期之前 ) 累积的旧信息从期货市场传递到股指期货市场 DCC-GARCH 模型的估计结果如下表所示 估计时, 均值方程所用的 VEC 模型与第三部分保持一致 模型估计通过 Winrats 8.0 软件编程实现 : 表 9 VEC-DCC-GARCH 模型系数估计结果 系数上升区间平稳区间政策前股灾区间政策后区间 0.000*** 0.000*** 0.000*** 0.000*** 0.000*** 0.000*** 0.000*** 0.000*** 0.233*** 0.095*** 0.951*** 0.636*** 0.000*** *** *** *** *** 0.000*** *** 0.289*** 0.257*** 0.281*** 0.138*** 0.400*** 0.271*** 0.034*** 0.029*** 0.000*** 0.117*** *** 0.156*** 0.054*** 0.106*** *** 0.284*** 0.184*** 0.716*** 0.330*** 注 : 系数对应着 DCC-GARCH 模型的系数从表 9 中本文可以发现, 和衡量了期货和现货的波动聚集性的大小, 我们能够发现, 在股灾区间和上升区间, 期货的波动聚集性明显高于现货的波动聚集性 而在平稳区间, 现货的波动聚集性明显大于期货的波动聚集性 这补充了之前许多研究得出的期货的波动聚集性大于现货的波动聚集性的结论

13 与此同时, 在不同时期, 股指期货市场与现货市场的短期波动溢出效应是明显是不一致的, 但是从期货对现货的短期波动溢出效应系数和现货对期货的波动溢出效应系数可以看出, 期货对现货的短期波动溢出效应系数更大 ( 上升区间虽然小于, 但是是统计不显著的, 可以认为是 0, 而图中 0.000*** 是由于保留小数点位数, 相对比较小 ), 说明股指期货的短期波动溢出效应仍然是强于现货的, 而且限制性政策并短期相对波动溢出效应并没有影响 而从长期波动溢出效应来看, 在上升区间和平稳区间, 现货在长期波动溢出效应中占据了主导地位, 而在股灾时的两个月, 股指期货的长期波动溢出效应和现货的长期波动溢出效应基本相当 而在限制性政策以后, 股指期货在长期波动溢出效应中占据了主导地位 证明中金所对期货市场的限制性政策对现货传递给期货的信息隔断比期货市场传递给现货市场的信息更强 同时, 在中金所出台限制性政策以后, 股指期货与现货相互抑制另外一方的波动性, 从而使得市场之间的波动减少, 证明了政策的有效性 5 结论 本文给出了一些结论, 在参考前人观点和文章的情况下, 本文以中金所的限制性政策为切入点, 观察股指期货现场与现货现场之间联系, 从价格发现功能和波动溢出效应两个方面去观察限制性政策对股指期货和现货之间的价格引导功能和波动溢出效应的变化, 从而理解股指期货与现货之间的联系, 并验证中金所颁布的限制性政策的有效性 不仅如此, 我本文了进一步分析期货市场与现货市场的价格引导能力能波动溢出效应, 本文加入了上升时期和平稳时期的数据和股灾进行对比, 并得出了以下结论 第一, 在中金所实施一系列限制性政策之前, 无论是在上升区间, 还是在平稳区间还是实施限制性政策前的股灾区间, 股指期货在短期价格发现功能和长期价格发现功能中都占据主导地位 但是在股市的不同区间, 现货对期货的价格发现功能会有一些细微的变化, 在股灾期间, 本文发现两个市场之间只存在单向的价格发现能力, 而在平稳区间和上升区间, 两个市场之间的价格发现功能和股灾区间略有区别, 它们之间有着双向的价格发现能力, 但是它们的价格发现功能明显有着比较大的差距, 两个市场之间长期均衡通过调整现货的价格来调整, 但是股指期货仍然明显占据着主导地位 第二, 在中金所实施了限制性政策以后, 股指期货市场与现货市场存在着双向的价格发现能力, 并且现货在短期价格发现功能中占据了细微的优势地位, 证明的中金所的限制性政策削弱了股指期货相对于现货的短期价格发现能力, 改变了两个市场之间的价格发现能力的主导地位, 并且两个市场的长期均衡是通过期货价格来进行调整 现货在长期价格发现中占据了主导地位 第三, 从短期波动溢出效应来看, 在中金所颁布一系列限制性政策前后, 不管股市处于牛市还是熊市, 股指期货的短期波动溢出效应都是非正的, 也就是说股指期货能在短期内抑制现货的波动性, 中金所的限制性政策并没有改变这一点, 说明中金所的限制性政策对股指期货与现货的短期波动溢出效应的影响不大 第四, 从长期波动溢出效应来看, 股指期货与现货存在着双向的长期波动溢出效应 在中金所实施限制性政策以前, 股指期货和现货相互的长期波动溢出效应都是非负的, 说明在实施限制性政策之前, 股指期货与现货相互增大另一方的波动性 而在实施了限制性政策以后, 股指期货与现货的双向长期波动溢出效应都变成负的, 说明股指期货与现货两个市场之间相互抑制其波动性, 证明了中金所政策的有效性 并且在中金所实施了限制性政策以后, 股指期货的长期的波动溢出效应中比现货的长期波动溢出效应更大, 说明了中金所的限制性政策对现货的长期波动溢出效应比对期货的长期波动溢出效应的影响更大

14 参考文献 [1] Edwards F R. Does futures trading increase stock market volatility? Financial Analysis Journal, 1988, 44(1): [2] Ross S A. Information and volatility: the no-arbitrage martingale approach to timing and resolution irrelevancy. The Journal of Finance, 1989, 44(1): 1-17 [3] Antoniou A, Holmes P. Futures trading, information and spot price volatility: evidence for the FTSE-100 Stock Index Futures contract using GARCH. Journal of Banking & Financing, 1995, 19: [4] Chang E C, Cheng J W, Pinegar J M. Does futures trading increase stock market volatility? The case of the Nikkei stock index futures markets. Journal of Banking & Financing, 1999, 23: [5] Tse Y. Price discovery and volatility spillovers in the DJIA Index and futures markets. The Journal of Futures Markets, 1999, 19(8): [6] Gulen H, Mayhew S. Stock index futures trading and volatility in international equity markets. The Journal of Futures Markets, 2000, 20(7): [7] Zhong M, Darrat A F, Otero R. Price discovery and volatility spillovers in index futures markets: Some evidence from Mexico. Journal of Banking & Finance, 2004, 28: [8] 郭彦峰, 黄登仕, 魏宇. 我国指数期货与现货之间的价格发现和波动性外溢. 管理评论, 2009, 8: [9] 严敏, 巴曙松, 吴博. 我国股指期货市场的价格发现与波动溢出效应. 系统工程, 2009, 27(10): [10] 郦金梁, 雷曜, 李树憬. 市场深度 流动性和波动率 沪深 300 股票指数期货启动对现货市场的 影响. 金融研究, 2012, 6: [11] 左浩苗, 刘振涛, 曾海为. 基于高频数据的股指期货与现货市场波动溢出和信息传递研究. 金融研 究, 2012, 4: [12] Tian G, Zhang H. The empirical study about introduction of stock index futures on the volatility of spot market. ibusiness, 2003, 5: [13] 王朝晖, 李心丹. 股指期货市场与股票市场 : 信息传导与风险传递. 社会科学战线, 2013, 5: [14] 李保林, 阿布都瓦力 艾百. 我国股票期现货市场间的溢出效应研究 基于 1 分钟高频数据的 实证检验. 金融发展研究, 2015, 5: 3-9 [15] 杨林, 杨雅如. 股指期货是股灾的 幕后推手 吗 基于 2015 年股灾期间沪深 300 指数期货高 频数据实证分析. 财经理论与实践 ( 双月刊 ), 2017, 38(207): [16] 周佰成, 侯丹, 邵振文. 我国股指期货市场与股票市场溢出效应研究. 经济纵横, 2017, 8: [17] Cox C C. Futures trading and market information. Journal of Political Economy, 1976, 84(6): [18] Tse Y K. Leag-lag relationshio between spot index and futures price of the Nikkei Stock Average. Journal of Forecasting, 1995, 14: [19] Bernner R J, Kroner K F. Arbitrage, cointegration and testing the unbiasedness hypothesis in financial markets. The Journal of Financial and Quantitative Analysis, 1995, 30(1): [20] Martens M, Kofman P, Vorst T C F. A threshold error-correction model for intraday futures and index returns. Journal of Applied Economics, 1998, 13(3): [21] Frino A, West A. The impact of transaction costs on price discovery: Evidence from cross-listed stock index futures contracts. Pacific-Basin Finance Journal, 2003, 11: [22] Li M L. The dynamics of the relationship between spot and futures markets under high and low variance regimes. Applied Stochastic Models in Business and Industry, 2009, 25: [23] Bohl M T, Salm C A, Schuppli M. Price discovery and investor structure in stock index futures. The Journal of Futures Markets, 2011, 31(3):

15 Research On The Linkage Between Futures Market And Spot Market Shao Tianxia Huang wei (Hunan University, Changsha / Hunan Province, ) Abstract:A severe stock market disaster occurred in domestic stock market in 2015 June, when there were sayings that stock index future was responsible for this event. Under this circumstance, China Financial Future Exchange (CHFE) brought out a series of limiting policies. This paper studies the price discovery between stock index future and spot via the event of CHFE releasing policies. This paper first introduces relative concepts of stock index futures, history of stock index future in China and worldwide and nationwide literature, followed by empirical studies in one-minute high frequency trading data of Hushen 300 stock index future and spot. The research mainly includes two parts. In the former part, I analyze the price leading, or lead-lag relationship between prices of CSI 300 stock index future and spot before and after the limiting policies via models and methods such as Vector Error Correction Model, In the latter part, building on two-variate DCC-GARCH models, I research the change of spill-over effect between CSI 300 stock index and spot before and after the limiting policies, analyzing the effectiveness of the policies; I further compare the degree of spill-over effect, deciding the dominant role of two markets price discovery from the aspects of long-term and short-term.this paper finds that, there exists price discovery relationship between CSI 300 stock index future and spot before and after the limiting policies, and the price of future leads about 4 minutes. With the implement of policies. the future market stabilizes the stock market to some extent, proving the effectiveness of the policies, but with the cost of lessening the power of future s price discovery. This article further proves the above conclusions with add data of stock index and stock index future in bull market, bear market and stable market respectively. Keywords: Stock index future; CSI 300; Price discovery ability; Spill-over effect