Ｎｏ．１２。２０１１ 现代商贸工业 Ｍｏｄｅｒｎ Ｂｕｓｉｎｅｓｓ Ｔｒａｄｅ Ｉｎｄｕｓｔｒｙ ２０１１年第１２期 沪深３００股指期货对股票市场波动性影响分析 叶展 （厦门大学金融系，福建厦门３６１００５） 摘 要：以２００５年４月８日至２０１１年４月１日沪深３００指数的收盘价作为原始数据，在借鉴国内外学者研究成果的 基础上，采用ＧＡＲＣＨ模型实证研究我国推出沪深３００股指期货对股票市场波动性的影响，得出股指期货的推出在一定程 度上减小我国股票市场的波动性但这种影响较小等结论。 关键词：股指期货；波动性；ＧＡＲＣＨ模型 中图分类号：Ｆ８３ 文献标识码：Ａ 文章编号：１６７２—３１９８（２０１１）１２—０１３１—０３ 股指期货，指以股票指数作为标的资产的股票指数期 一年多的发展历程。在股指期货诞生一年多之际，本文通 货，交易双方约定在将来某一特定时间交收“一定点数的股 过实证分析，研究股指期货对我国股票市场波动性的影响， 价指数”的标准化期货合约。２０１０年４月１６ Ｅｔ，中国金融 为衡量和管理股票市场风险提供借鉴意义。 期货交易所正式推出以沪深３００指数为标的的股指期货合 ｌ数据比较与检验 约。我国适时推出沪深３００股指期货，旨在丰富金融市场 １．１数据选取及初步处理 的交易品种，完善我国金融市场和健全金融机制。 本文选取沪深３００指数自２００５年４月８日编制起至 自从１９８２年２月堪萨斯期货交易所推出全球最早的股 ２０１１年４月１日数据用于实证分析，数据来源自锐思数据 指期货合约——价值线指数合约以来，国内外学者做了大 库。将全样本数据分成两个阶段，即股指期货推出前阶段 量关于股指期货与股票市场间关系的研究。由于不同的学 和推出后阶段，分别标记为子样本Ａ和子样本Ｂ： 者所选取的数据在时间、地域和研究对象上都存在差别，所 全样本：２００５年４月８日至２０１１年４月１日； 以在股指期货对股票市场波动性影响的问题上未达成统一 子样本Ａ（推出股指期货前）：２００５年４月８日至２０１０ 意见。如今，沪深３００股指期货在我国金融市场上历经了 年４月１５日； 银行的经营。要改变这种局面，就要拓展融资渠道来分担 质量。 银行体系风险。 ３．３银行提高风险防范能力。加强管理 虽然说，住房贷款证券化可以将银行风险通过资本市 房地产贷款以房屋作为抵押，商业银行一旦无法收回，、 场分散到投资者身上，增加银行资产的流动性，但是从２００５ 就将房产拍卖，但这是消极的回避风险的方法。其实商业 年中国建设银行推出的个人住房抵押贷款证券化产品来 银行不能将事后补救作为防范风险措施，应当注重事前的 看，由于市场规模小，无法满足市场需求，收效甚微，企业仍 审查，银行必须对借款人的财务状况、抵押品的现值、还款 主要依赖银行贷款。为了抑制通货膨胀，央行近年来多次 意愿等信息有着充分的了解，严格遵循银监会关于发放房 上调准备金率，使得银行面临资金短缺的危险。另一方面， 地产信贷的标准，及时了解房地产市场的变化情况，保证对 尽管面对利润的诱惑，很多企业纷纷进入房地产市场，但是 贷款投向作出及时调整。并且要定期对信贷人员进行培训 真正满足上市条件的企业并不多，在股市融资数量有限，因 以提高其风险意识和职业道德，也可以对其经手的贷款申 此加快资产证券化进程是必需的。针对目前我国银行在资 请进行责任认定以控制信用风险。 产证券化过程中存在的问题，结合国情有步骤、有计划地推 ３．４加强国家宏观政策调控。加大监管力度．稳定房价 进，并且国家也要制定相关法律法规以利于证券化的实施， 政府应加强宏观调控，引导房地产企业有序竞争，具体 银行最终实现个人按揭贷款和房地产企业贷款都证券化。 来说应调整住房结构，增加廉租房和经济适用房建设；改善 此外，发展房地产投资基金，引进外资等都可以达到拓展融 需求结构，防止过分投机。银监会应针对当前银行房地产 资渠道，分散银行风险的目的。 信贷风险制定有效监管措施，定期或不定期对信贷业务进 住房贷款证券化可以分散银行风险，但是这种金融创 行检查来防范风险。央行应及时披露房地产信息，引导公 新正是次贷危机的成因之一。尽管我国的金融创新刚起 众合理预期，规范市场行为。 步，但是我们应该打好基础，使用优质资金进行创新，并且 增加风险透明度，以此来防范风险。 参考文献 ３．２完善个人和房地产企业的信用制度 ［１３ Ｒｏｂｉｎ Ｂｌａｃｋｂｕｒｎ．Ｔｈｅ Ｓｕｂｐｒｉｍｅ Ｃｒｉｓｉｓ［Ｊ］．Ｎｅｗ Ｌｉｆｔ Ｒｅｖｉｅｗ， 由于信息不对称等原因的存在，商业银行不能够完全 ２００８，５０：６３—１０６． 了解个人和企业的信用信息。虽然说我国自２００６年已经 ［２］王重润．房地产融资结构与金融风险研究［Ｊ］．中国房地产金融， 开始运行全国信用信息基础数据库，里面也涵盖了大量的 ２００６，（９）． 个人和企业的信贷信息，但是也存在不少问题，比如有关信 ［３］吴建环，赵君丽．中国房地产信贷风险及其防范对策［Ｊ］．商业 研究，２００６，（２４）． 用参数未纳入信用体系，信息透明化程度不高，资源分散而 ［４］王静，林琦．从美国次级债危机看中国房地产金融市场的风险 且缺乏共享机制等，这些都会给银行带来潜在风险。这就 ［Ｊ］．财经科学，２００８，（２）． 需要健全信用体系，通过完善信用体系，可以帮助信贷人员 ［５］袁萌萌，贾秀娥．我国房地产金融的风险及防范研究［Ｊ］．技术 对申请人情况进行判断，有效防范道德风险，进而提高贷款 与创新管理，２００９，（１）． ＮＯ．１２，２０１１ 现代商贸工业 Ｍｏｄｅｒｎ Ｂｕｓｉｎｅｓｓ Ｔｒａｄｅ Ｉｎｄｕｓｔｒｙ ２０１１年第１２期 子样本Ｂ（推出股指期货后）：２０１０年４月１６日至２０１１ 年４月１日； Ｒｔ＝ 。＋ ｉＲｔ—ｌ＋￡ｔ。 同时，沪深３００指数收益率采用对数收益率计算。 在数据初步处理和比较阶段，考虑到数据的可比性，分 别求２００９年４月１５日至２０１０年４月１５日和２０１０年４月 １６日至２０１１年４月１日两段期限长度相近的沪深３００指 数的标准差，前者为ｉ．８０ ，后者为Ｉ．６２ ，由此推测股指 期货推出后股票市场波动性可能有所减小，但不一定精确， 需要通过建立指数日收益率序列的相关模型进一步检验得 出结论 １．２ 描述性统计 表３不同滞后阶数回归结果 滞后阶数 ＡＴＣ值 １ ２ ＳＣ值 Ｆ统计值 Ｆ统计值概率 ０．８４３３２１ Ｏ．５９４４９７ ——４．９１２４０３ —４．９０５１４１ —４．９１１０８ｌ 一４．９ＯＯ１８３ ０．３５８６０１ Ｏ．５５１９７４ ３ ４ —４．９１１８５２ —４．８９７３１３ —４．９１４３８２ —４．８９６１９８ １．４０７５４４ ２．５９８４２８ ０．２３８８７１ ０．０３４７２７ ２．２ ＡＲＣＨ效应检验 检验一个模型的残差序列是否含有ＡＲＣＨ效应主要有 两种方法：残差平方相关图检验和ＡＲＣＨ ＬＭ检验。现分 为了考察沪深３００指数日收益率序列的特征，使用 别用两种方法判断残差序列是否存在ＡＲＣＨ效应。 Ｅｖｉｅｗｓ软件对子样本Ａ日收益率数据做描述性统计，描述 统计量值的具体结果见表１。 表ｌ沪深３００指数日收益率序列描述统计量值 ｌ０．０００９９８１０．０８９３０９卜０．０９６９５ ０．０２１４９５卜０．４２６５６ ５．１ ６６４３７ｌ ２７５．８０８４ ｌ 由表１可得，ＪＢ统计量显著大于临界的值，应拒绝沪 深３００指数日收益率序列呈正态分布的零假设。因此，不 能采用Ｆ检验等基于正态分布的统计方法检验收益率序列 的波动性。 １．３平稳性检验 本文选择平稳性的一种检验方法——单位根检验（Ｕ— ｎｉｔ Ｒｏｏｔ Ｔｅｓｔ）。当求得的ＡＤＦ（Ａｕｇｍｅｎｔｅｄ Ｄｉｃｋｅｙ－Ｆｕｌｌｅｒ） 值（负值）小于给定显著性水平下的临界值（负值），则拒绝 样本时间序列存在单位根的零假设，即认为该序列为平稳 序列。若序列存在单位根，则为非平稳序列，需要对序列进 行差分处理，使其达到平稳。表２为Ｅｖｉｅｗｓ软件对子样本 Ａ日收益率数据的ＡＤＦ单位根检验结果。 表２ ＡＤＦ单位根检验结果 ＡＤＦ检验值 Ｐ值 显著性水平 对应临界值 一３４．０３１２４ ０．００００ １ 一３．４３５４９７ ５ 一２．８６３７００ ｌＯ 一２．５６７９７０ 在１ 的显著性水平下，ＡＤＦ＝一３４．０３远小于临界值 一３．４３５５，所以拒绝样本存在单位根的零假设，即认为沪深 ３００指数日收益率时间序列为平稳时间序列，这符合 ＧＡＲＣＨ建模的条件。 ２沪深３００指数日收益率序列自回归方程的建立 ２．１ 自回归滞后阶数选择 现考察沪深３００指数全样本日收益率序列的滞后阶 数，假设其自回归方程为： Ｒｔ＝ 。＋ ｉＲｔ一１＋￡ｔ。 其中，｛ｅ ｝是具有有限均值和有限方差的独立同分布的 随机变量序列，即白噪声序列。‘ｐｉ（ｉ一１，２，…ｎ）为自回归系 数。为了确定适当的自回归滞后阶数和较优良的模型，本 文采用ＡＩＣ准则和ＳＣ准则进行筛选。二者都引入惩罚函 数，用参数的个数来惩罚所用的模型。选择变量的滞后阶 数时，ＡＩＣ值或ＳＣ值越小越优。Ｅｖｉｅｗｓ软件对沪深３００指 数日收益率序列滞后１至４期的回归分析如表３所示。 当滞后阶数为４时，ＡＩＣ值最小，但ＳＣ值最大。但另 一方面，表中只有滞后阶数为４的对应Ｆ统计值在５ 的水 平下是统计显著的，因而选取滞后４阶较为合适。因此，自 回归方程表示如下： 一】３２一 ２．２．１ 残差平方相关图 残差平方相关图显示直到所定义的滞后阶数的残差平 方的自相关系数（ＡＣ）和偏自相关系数（ＰＡＣ），计算出相应 滞后阶数的Ｌｊｕｎｇ－Ｂｏｘ Ｑ统计量。残差平方相关图可以用 来检查残差自回归条件异方差性（ＡＲＣＨ）。如果残差中不 存在ＡＲＣＨ，各阶滞后自相关和偏自相关系数应为０，且Ｑ 统计量应不显著。反之，则说明残差序列存在ＡＲＣＨ效应。 Ｅｖｉｅｗｓ软件给出的沪深３００指数日收益率序列ＡＲ（４）模型 的残差平方相关图如表４所示。 表４沪深３００指数日收益率序列ＡＲ（４）模型残差平方相关图 Ａｕｔｏｃｏｒｒｅｌ ａＩｉｏｎ Ｐａｒｌｉａ｝Ｃｏ￣ｅｌａｔｉｏｎ ＡＣ ＰＡＣ Ｑ．Ｓｔａｔ Ｐｒｏｂ ａ 目 １ ０１２２ ０１２２ ２１ ６２２ ｌ 】 ２ ０ ０９０ ０ ０７６ ３３４７２ ｌ ａ ３ ０１１８ ０１０１ ５３ ９１１ § ４ ０１１６ ０ ０８９ ７３ ６８３ ｊ ｉ５ ０ ０７３ Ｏ ０３７ ８１ ３７５ ０ ０００ ｌ ６ ０’３３ ０１０１ １０７１５ ０ ０００ ｌ ｌ ７ ０１３２ Ｏ ０８８ １３２ ６７ ０ ０００ ｌ Ｉ ８ ０１２４ ０ ０７６ １５６ ０８ ０ ０００ Ｉ ｉ９ ０ ０６６－ｏ ００２ １５９ ６９ ０ ０００ 口 ｊ １０ ０１３６ ０ ０８６ １８６ ７０ ０．０００ ｊ ｉ １１ Ｏ ０７３ ０ ０１１ １９４ ５３ ０ ０００ ｊ Ｉ１２ Ｏ ０５８ ０ ００３ １９９ ４９ ０，０００ 由图５可得，自相关系数（ＡＣ）和偏自相关系数（ＰＡＣ）不为 ０，且Ｐ值为零，Ｑ统计量是统计显著的，所以沪深３００指数 日收益率序列ＡＲ（４）模型的残差序列存在ＡＲＣＨ效应。 当然，残差平方相关图只能给出粗略的判断，为了得到更准 确的结果，需结合ＡＲＣＨ Ｉ Ｍ检验。 ２．２．２ ＡＲＣＨ ＬＭ检验 ＡＲＣＨ ＬＭ检验统计量由一个辅助检验回归计算。为 检验原假设：残差中直到ｑ阶都没有ＡＲＣＨ，运行如下回 归： ￡｝一 ０＋ ｉ￡ 一１＋ 。 １＝ｔ 这是一个对常数和直到ｑ阶的滞后平方残差所作的回 归。这个检验回归有两个统计量：①Ｆ统计量是对所有滞后 的残差平方的联合显著性所作的一个省略变量检验； ②Ｔ×Ｒ０统计量是Ｉ Ｍ检验统计量，它是观测值个数Ｔ 乘以回归检验的Ｒ２。 检验残差序列是否具有ＡＲＣＨ效应，即检验上式中所 有回归系数是否同为零。若所有回归系数同时为零的可能 性很大，则序列不存在ＡＲＣＨ效应；反之，若所有回归系数 同时为零的可能性很小，或至少存在一个系数显著不为零， 则残差序列存在ＡＲＣＨ效应。对沪深３００指数日收益率序 列ＡＲ（４）模型的ＡＲＣＨ ＬＭ检验结果如表５所示。 由表５可知，Ｆ值是统计显著的，且样本滞后１２阶的 ＬＭ统计量的值为９９．９７，其Ｐ值为０，小于１ 的显著性水 平。所以拒绝原假设，即认为残差序列存在ＡＲＣＨ效应。 现代商贸工业 Ｎｏ．１２，２Ｏ１１ Ｍｏｄｅｒｎ Ｂｕｓｉｎｅｓｓ Ｔｒａｄｅ Ｉｎｄｕｓｔｒｙ ２０１１年第１２期 至此，本文认为应该进一步选择ＧＡＲＣＨ模型对沪深３００ （１，１）处理后，残差序列已经不存在ＡＲＣＨ效应。另一方 指数日收益率序列建模。 表５ ＡＲＣＨ ＬＭ检验结果 Ｆ统计值 Ｔ×Ｒ 面，模型中的ＡＲＣＨ项和ＧＡＲＣＨ项的系数之和为０．０５９４ ＋０．９３３９—０．９９３３＜１，满足模型弱平稳的约束条件。 Ｐ值 ０．００００００ ８．８７１０８９ ４ 模型拓展：ＧＡＲＣＨ—Ｍ模型 在金融中，证券的收益率可能会依赖于它的波动率。 在现代金融理论中，具有较高可观测到的风险的资产可获 得较高的收益率，即金融资产的收益率应当与其风险成正 比。因此，有学者提出ＧＡＲＣＨ—Ｍ模型，在式Ｒ 中加入口 Ｒｔ—ｐ－ｔ十０ｄｔ＋Ｅｔ 统计值 ９９．９６５５１ ｐ值 ０．００００００ ３ ＧＡＲＣＨ模型选择及检验 ３．１ ＧＡＲＣＩｔ模型选择 为了考察并检验沪深３００股指期货推出对股票市场波动 或ｄ｝或ｌｎｄ｝，例如： 性的影响，本文选取全样本数据并引人一个虚拟变量，等于０ 或１，在股指期货推出前取值为０，在股指期货推出后取值为ｌ。 ０为投资者的风险厌恶系数，是单位风险的收益补偿。 通过引入虚拟变量刻画沪深３００股指期货对我国股票市场波 动性的影响。经修正的ＧＡＲＣＨ（ｐ，ｑ）模型如下： Ｒ ＝ ＋∑ Ｒ 一ｉ＋ ； ｔ＝１ ａ，２＝ｎ０＋∑Ｂ＿１ ｅ ｌ＋∑Ｐ＿１岛ｄ 一；＋８Ｄｔ。 其中，参数应满足的条件与上文介绍的ＧＡＲＣＨ模型 相同。当修正的ＧＡＲＣＨ模型的参数８＜０且统计显著时， 表明股指期货推出后股票市场的波动性减小；当８＞Ｏ且统 计显著时，表明股指期货推出后股票市场的波动性增加；当 ８一Ｏ时，表明股指期货推出后股票市场的波动性不受影响。 由于需要检验不同阶数的ＧＡＲＣＨ模型拟合效果，故分别 选用不同阶数对方程进行拟合后结合ＡＩＣ准则和ＳＣ准则 筛选，结果见表６。 表６不同阶数ＧＡＲＣＨ（ｐ．ｑ）模型拟合效果 模型类型 ＴＡＣ值 ＳＣ值 德宾～沃森统计值 ＧＡＲＣＨ（１。１） 一５．ｏ．８６８５．６ —５．０５４１２４ ２．ｏ１０９０４ ＧＡＲＣＨ（２，１） 一５．ｏ．８５６２４ —５．０４９２５６ ２．００７４８９ ＧＡＲＣＨ（１，２） 一５．０．８５６５５ —５．０４９２８６ ２．００６９０２ ＧＡＲＣＨ（２，１） 一５．０．０９０８０９ —５．０５０８０４ ２．０１７６７０ 根据ＡＩＣ和ＳＣ准则，ＧＡＲＣＨ（１，１）模型的ＡＩＣ值和 ＳＣ值均较小，同时结合德宾・沃森统计值，可以看出 ＧＡＲＣＨ（１，１）模型较为合适，故应用此模型分析沪深３００ 股指期货的推出对股票市场波动性的影响。Ｅｖｉｅｗｓ的估计 结果为： Ｒｔ＝０．００１１＋０．０２８９Ｒｔ一１—０．００６７Ｒｔ一２＋０．０４３４Ｒｔ一３ ＋０．０２７５Ｒｔ一４＋￡ｔ； ａ｝一３．５５×１０—６＋０．０５９４￣一１＋０．９３３９ａ￣一１—２．５５× １Ｏ一７Ｄｔ。 以上结果显示，Ｄｔ的系数为负，说明沪深３００股指期货 的推出减小股票市场的波动性，但由于系数很小且统计不显 著，说明沪深３００股指期货对股票市场波动性的影响较小。 ３．２ ＧＡＲＣＨ模型检验 虽然已经建立ＧＡＲＣＨ（１，１）模型，但仍需检验该模型 是否消除了ＡＲＣＨ效应，因此再次进行ＡＲＣＨ ＬＭ检验， 结果如表７所示。 表７ ＡＲＣＨ ＬＭ检验结果 Ｆ统计值 ０．３７９１１１ Ｐ值 ０．９７１１４ 统计值 Ｔ×Ｒｚ ４．５７６１８５ ｐ值 ｏ．９７０６６ 在滞后ｌ２阶时，ＬＭ统计量值为４．５８，且其Ｐ值大于 ５ 的显著性水平，所以不能拒绝原假设，表明经过ＧＡＲＣＨ 理性的投资者对高风险的资产要求高收益补偿，因此正常 情况下０Ｉｌｌ。本文选择在Ｒ 中加入ｄ ，分别对子样本Ａ和 子样本Ｂ使用Ｅｖｉｅｗｓ得出如下结果： 股指期货推出前： Ｒｔ一０．００２３＋０．２９１Ｒｔ一１—０．０２４２Ｒｔ一２＋ｏ．０３６３Ｒｔ一３ ＋ｏ．０４１４Ｒｔ一４—０．０６１Ｏ口ｔ＋￡ｔ； ｄ｝一２．１９×ｌＯ一６＋ｏ．０６３９￣一１＋ｏ．９３３３ａ｝一１。股指期 货推出后： Ｒｔ一０．００５０＋０．０１３６Ｒｔ一１＋０．Ｏｌ３１Ｒｔ一２＋ｏ．１４６７Ｒｔ一３ ＋ｏ．０２４６Ｒｔ～４—３．６￣１６ａｔ＋￡ｔ； 口｝一２．１５×１０—６—０．００２０￣一１＋０．９９１９口｝一１。 由结果发现，无论股指期货推出前后，０均为负值，且 股指期货推出后０的绝对值增大，说明我国有较多投资者 在股票市场上表现为风险爱好者，投资行为不够理性，且股 指期货推出后一部分投资者借着该市场增大其投机行为， 整体上我国的投资者群体仍未趋向理性。 ５结论及建议 本文通过ＧＡＲＣＨ模型实证分析了我国推出沪深３００ 股指期货对股票市场波动性的影响，得出以下两点结论。 第一，ＧＡＲＣＨ（１，１）模型的实证分析结果表明我国沪 深３００股指期货上市后一定程度上减小股票市场的波动 性，总体上发挥稳定市场的功能，但这种影响较小。 第二，Ｅｖｉｅｗｓ得出的ＧＡＲＣＨ—Ｍ模型结果显示我国投 资者的总体投资行为仍不够理性，部分投资者的风险爱好 特征在沪深３００股指期货推出后表现得更为明显，这可能 是由于参与股指期货交易的投资者缺乏经验和知识水平有 限造成的。 综上所述，鉴于沪深３００股指期货在一定程度上能减 小股票市场波动性的功能，我国应继续促进股指期货的快 速发展，完善期货市场和现货市场的交易机制。同时，在我 国股指期货参与者投资水平较有限的情况下，应加强投资 者教育，完善投资者结构，大力培养和储备金融工程人才， 让专业投资成为主流，有助于股票市场稳定健康发展。 参考文献 ［１］Ｒｕｅｙ Ｓ．Ｔｓａｙ．金融时间序剪１分析（第２版）［Ｍ］．北京：人民邮电 出版社．２００９． ［２］陈晓静，李冠琦．我国推出股指期货对股票市场波动性影响的实 证研究［Ｊ］．国际商务研究，２０１１，（２）． ［３］李华，程婧．股指期货推出对股票市场波动性的影响研究——来 自日本的实证分析ＥＪ３．金融与经济，２００６，（２）． ［４］李卓．股指期货对股票现货市场的影响研究［Ｄ］．吉林大学，２００７．