曹 森，張玉龍

（北京大學 光華管理學院，北京 100871）

0 引言

2010年4月16日重返中國證券市場的滬深300股指期貨是以滬深300股票指數(shù)作為期貨合約標的資產的金融期貨，之所以說股指期貨是重返中國證券市場，是因為我國的海南證券報價交易中心曾經于1993年3月10日推出深圳綜合指數(shù)、深圳A股指數(shù)為標的股指期貨交易，但由于當時期貨法規(guī)不健全，監(jiān)管經驗不足，投機活動猖獗而已失敗告終，之后我國一直沒有股指期貨市場①我國在2006年10月31日推出了滬深300股指期貨仿真交易。。而作為標的資產的滬深300指數(shù)樣本覆蓋了滬深市場大約六成的市值，剔除上市時間短、暫停上市股票、經營狀況異常、價格波動異常且易受操縱的股票，具有良好的市場代表性。而以此為標的滬深300指數(shù)期貨更是聯(lián)系了期貨和現(xiàn)貨市場，增加了交易品種和市場深度，改變了長久以來我國證券市場只能做多的單邊格局，存進更加合理價格的形成，增加了市場的穩(wěn)定性和流動性，有助于我國證券市場的長久健康發(fā)展。

本文主要的實證目的是研究滬深300股指期貨的推出對于現(xiàn)貨市場的影響，考慮到股指期貨具有規(guī)避風險、套期保值的經濟功能，從理論上講，滬深300股指期貨的推出可以起到降低市場波動，規(guī)避價格風險，穩(wěn)定市場運行。但是基于以往的實證研究發(fā)現(xiàn)，股指期貨的推出對于現(xiàn)貨市場的影響有正有負，股指期貨的推出在有的市場上可以起到降低波動、穩(wěn)定市場的作用，但在其它市場卻加劇了市場的波動，造成了現(xiàn)貨市場的不穩(wěn)定。那么中國的滬深300股指期貨已經交易運行14個月，本文要回答的主要問題就是滬深300股指期貨的推出對于現(xiàn)貨市場的影響到底是怎樣的，是加劇了市場的波動，還是降低了市場的波動，這也是本文的研究動機。

本文的研究思路是采用類似于事件研究的方法，以滬深300股指期貨開始交易的第一天（2010年4月16日）為事件日，以事件日前300個交易日到事件日前10個交易日這段時間作為估計窗，以事件日后10個交易日到事件日后288②本文數(shù)據(jù)截止到2011年6月24日，距離第一支滬深300股指期貨上市交易288個交易日。個交易日這段時間為事件窗，計算推出股指期貨以后滬深300指數(shù)相對風險（以股指的貝塔值來衡量）和絕對風險（以股指收益率的波動率來衡量）的變化，采用靜態(tài)分析和動態(tài)分析相結合，縱向對比和橫向對比相比較的方法來研究股指期貨的推出對于現(xiàn)貨市場的影響。

1 數(shù)據(jù)和方法

1.1 本文的樣本數(shù)據(jù)選擇

據(jù)中國金融期貨交易所的統(tǒng)計顯示，自2010年4月16日第一張滬深300滬指期貨開始交易到2010年年底，滬深300股指期貨成交量為4587萬手，成交金額為410698億元，年內平均持倉量為11.5萬手。本文選取以2010年4月16日為中心，前后各300個交易日的數(shù)據(jù)記錄為樣本；股票以及市場收益的數(shù)據(jù)來源于國泰安（CASMAR）數(shù)據(jù)庫，股票指數(shù)的數(shù)據(jù)來自于萬得（Wind）數(shù)據(jù)庫。數(shù)據(jù)統(tǒng)計軟件采用SAS 9.2，方程估計和回歸分析采用采用軟件Stata 11.0。

1.2 研究模型和方法

本文采用類似于事件研究的方法，以滬深300股指期貨開始交易的第一天（2010年4月16日）為事件日，以事件日前300個交易日到事件日前10個交易日這段時間作為估計窗，以事件日后10個交易日到事件日后288個交易日這段時間為事件窗，計算推出股指期貨以后滬深300指數(shù)相對風險和絕對風險的變化。其中，滬深300指數(shù)的相對風險（相對于市場的系統(tǒng)性風險）采用股指的貝塔值來衡量，指數(shù)的絕對風險采用股指收益率的波動率來衡量，采取靜態(tài)分析和動態(tài)分析相結合，縱向對比和橫向對比相比較的方法來研究股指期貨的推出對于現(xiàn)貨市場的影響。

（1）指數(shù)貝塔值的靜態(tài)縱向分析模型

根據(jù)CAPM模型，貝塔值是一種風險度量指標，衡量的是指的是一種資產和一種投資組合相對于整個市場的系統(tǒng)性風險指標，也就是股票或組合對于市場的敏感程度。對于股指的收益率來講，貝塔值越大，就表示股票指數(shù)的系統(tǒng)性風險越大。如果股指的貝塔大于1，表明股指的系統(tǒng)性風險大于整個大盤，貝塔值越大，投機性越強。因此本文此處選用股指的貝塔值作為衡量相對風險的指標，研究滬深300指數(shù)期貨推出前后，滬深300指數(shù)相對風險的變化情況。本文選取靜態(tài)市場模型估計股指收益的貝塔值，市場模型假定股指收益和市場收益之間存在線性關系，此處的市場收益使用滬深所有A股股票的流通市值加權平均收益代替。靜態(tài)市場模型的基本設置如下：

其中，R表示股指收益率，m表示的是市場收益率，ε表示的是回歸殘差性，t表示時間間隔，根據(jù)上述市場模型，分別計算滬深300指數(shù)期貨推出前后30個交易日，60個交易日，90個交易日，180個交易日以及250個交易日的貝塔值，并比較其差異，分析滬深300指數(shù)期貨對于現(xiàn)貨市場系統(tǒng)性風險的變化。

（2）指數(shù)貝塔值的動態(tài)縱向分析方法

考慮到靜態(tài)貝塔值不能反映出貝塔值的動態(tài)變化，本文采用Fama-Macbeth（1973）的回歸方法滾動估計貝塔值，以30個交易日，60個交易日，90個交易日，180個交易日和250個交易日為時間間隔，分別滾動估計貝塔值。以90個交易日為例，股指期貨推出的前后288天的貝塔值分別是根據(jù)它們前90天的收益率，使用市場模型回歸得到的。2010年4月16日，也就是事件日的第0天，就根據(jù)股指期貨推出前90天的數(shù)據(jù)回歸得到的。動態(tài)市場模型設置如下，其中，R表示股指收益率，m表示的是市場收益率，ε表示的是回歸殘差性，t表示時間間隔，i表示事件日。

（3）指數(shù)波動率的靜態(tài)縱向分析方法

為了研究引入滬深300指數(shù)期貨后滬深300指數(shù)絕對風險的變化程度，本文考慮使用收益率的波動率作為衡量股指絕對風險的指標。為了直觀起見，首先考慮進入股指期貨前后288個交易日內，10日、20日、30日以及60日的簡單移動加權平均波動率并作圖。

（4）指數(shù)波動率的動態(tài)縱向分析模型

借鑒ARCH系列模型，本文針對于滬深300指數(shù)的ARCH（q）模型及描述如下：

其中，yt是滬深300指數(shù)在t時刻的報價；εt是一個獨立分布的白噪聲（White Noise）過程，是滬深300股票指數(shù)在t時刻的擾動項，它表示股票指數(shù)隨機波動的來源；It是t時刻的證券市場上其它的價格數(shù)據(jù)，可以理解為證券市場上的信息是股指收益的波動率，也就是所謂的條件方差，它受到證券市場上其它信息的影響；a0，a1，a2，a3...ai都大于或者等于零。從模型中我們可以看出，股指收益率的波動率以ai的權重受到以前滯后q期股指波動率的影響，如果前q期的波動率較大，那么本期股指收益的波動也就較大，相反則本期波動較小。將前q期的收益波動引入到模型中，很好地反映了現(xiàn)期收益對于以往價格信息的反應程度，也就很好地反映了金融時間序列數(shù)據(jù)集聚或者扎堆的現(xiàn)象。在上述ARCH（q）模型的基礎上，考慮加入股指收益波動率的自回歸部分，得到GARCH(p，q)模型，模型設置及描述如下：

其中，α1為上期股指擾動項ε2的系數(shù)，表示的是滬深300股指的擾動項對于收益率波動的影響，反映了上期股指價格信息對于本期收益波動的影響，度量的是上期現(xiàn)貨市場價格信息對于股指收益波動率對的影響程度；β1為上期股指收益率波動率的系數(shù)，反映的是股指收益率自身的以往波動對自身以后的影響程度。D是虛擬變量，滬深300指數(shù)上市之前，D等于0，上市之后D等于1。在式子（7）中，考慮了好壞消息的沖擊對于股指收益波動的不對稱影響，在GARCH模型中又引入了虛擬變量d，當股指擾動項為負時，d等于1，否則d等于0，此時的式子（7）就變成了TGARCH模型。和TGARCH模型類似，當對GARCH模型中股指擾動項做標準化之后，GARCH模型就變成了EGARCH模型，EGARCH模型表述如下，變量含義與上文一致。

通過使用上述模型，回歸計算并且對比滬深300股指期貨推出前后GARCH模型的系數(shù)變化，就可以知道滬深300指數(shù)期貨的推出對于股指收益率波動的影響，以及收益波動率發(fā)生變化的原因；引入股指期貨推出前后的虛擬變量D，就可以考察在滬深300指數(shù)對于股指收益率波動的影響程度以及方向。

2 實證研究的結果與分析

2.1 相對風險（貝塔值）的靜態(tài)縱向分析結果

本文選取靜態(tài)市場模型估計股指收益的貝塔值，市場模型假定股指收益和市場收益之間存在線性關系，此處的市場收益使用滬深所有A股股票的流通市值加權平均收益代替。利用市場模型，分別回歸計算滬深300指數(shù)期貨推出前后30個交易日、60個交易日、90個交易日、180個交易日以及250個交易日的貝塔值，并計算兩者的差異，具體結果見表1。從表1中可以看出，推出滬深300指數(shù)期貨以后，在短期內（三個月以內）滬深300指數(shù)的系統(tǒng)性風險降低，但在長期指數(shù)的系統(tǒng)性風險反而上升?？赡艿脑蚴?，從股市的長期發(fā)展來看，不成熟證券市場雙向交易的投機性風險會加劇市場整體的波動。將中國的實證結果與美國納斯達克100指數(shù)、日經225指數(shù)、俄羅斯RTS指數(shù)以及印度nifty50指數(shù)推出股指期貨前后的貝塔值作對比，具體結果參見表2。從表2中可以發(fā)現(xiàn)，我國推出股指期貨對現(xiàn)貨市場的影響與印度十分相像，系統(tǒng)性風險也是先下降再上升，但是與美國和日本結果不同。說明股指期貨的推出對市場的影響與當?shù)刈C券市場的成熟程度以及市場上交易者結構十分相關；如果證券市場較為發(fā)達，市場上理性投資者較多，那么股指期貨的推出可以最大程度上發(fā)揮管理風險和穩(wěn)定市場的作用，反之則穩(wěn)定市場的作用會打折扣，甚至有反向作用。

表1 滬深300指數(shù)期貨推出前后貝塔值的變化情況對比

表2 相對風險（貝塔值）的橫向分析結果（%）

2.2 相對風險（貝塔值）的動態(tài)縱向分析結果

為了計算滬深300指數(shù)期貨推出前后股指貝塔值的動態(tài)變化，本文采用Fama-Macbeth（1973）的滾動估計貝塔值的回歸方法，以30個交易日，60個交易日，90個交易日，180個交易日和250個交易日為時間間隔，分別滾動估計貝塔值，具體結果見圖1。以90個交易日為例，股指期貨推出前后的貝塔值就是根據(jù)它們前90天的收益率，使用市場模型回歸得到的。其中，橫坐標的第0天是滬深300指數(shù)期貨上市交易的第一天（2010年4月16日），也就是事件日的第0天，同理-300就是前300個交易日，270就是后270個交易日。從圖中，我們可以看出，雖然存在波動，但是從長期來看，滬深300指數(shù)期貨的推出，非理性投資者雙向交易的投機性行為增大了我國股指現(xiàn)貨指數(shù)的系統(tǒng)性風險。

圖1 以30、60、90、180以及250個交易日為時間間隔的的動態(tài)貝塔值

2.3 絕對風險（波動率）的靜態(tài)縱向分析結果

為了研究引入滬深300指數(shù)期貨后滬深300指數(shù)絕對風險的變化程度，本文計算了滬深300指數(shù)期貨上市交易以后，10交易日、20交易日、30交易日以及60交易日的簡單移動加權平均波動率并作圖，具體結果參見圖2。從圖中，我們可以發(fā)現(xiàn)，不管加權的時間期限如何改變，滬深300指數(shù)期貨的推出都降低了指數(shù)收益的波動率，降低了市場風險的絕對水平。

圖2 10、20、30以及60個交易日的簡單移動加權平均波動率

2.4 絕對風險（波動率）的動態(tài)縱向分析結果

為了深入研究引入滬深300指數(shù)期貨后滬深指數(shù)收益率波動的變化情況，本文使用GARCH模型以及GARCH模型的相關擴展模型對滬深300指數(shù)收益的波動率進行了分析。表3匯總了滬深300股指期貨推出之前，滬深指數(shù)波動率的GARCH模型、EGARCH模型、TARCH模型以及使用t分布的GARCH模型的回歸結果。表4匯總了滬深300股指期貨推出以后，滬深指數(shù)波動率的GARCH模型、EGARCH模型、TARCH模型以及使用t分布的GARCH模型的回歸結果。表5除了將滬深300指數(shù)期貨推出前后的GARCH模型進行對比以外，還使用帶有虛擬變量的GARCH（1,1）模型，其中如果收益率數(shù)據(jù)是引入滬深300指數(shù)期貨之前的數(shù)據(jù)記錄，那么虛擬變量D等于0，如果是引入指數(shù)期貨之后的數(shù)據(jù)記錄，那么虛擬變量D等于1；因此虛擬變量D之前的系數(shù)表示引入指數(shù)期貨以后對現(xiàn)貨市場影響的程度和方向。在表5中，通過對比推出滬深300指數(shù)期貨前后的GARCH模型各項的系數(shù)可以發(fā)現(xiàn)，引入股指期貨以后，GARCH模型中的ARCH項系數(shù)變小，從0.225變?yōu)?.0579，表示上期股指的波動對本期股指收益率波動的影響降低，說明股指對以往信息的消化速度加快；但是GARCH項的系數(shù)變大，從0.723變?yōu)?.913，說明股指收益自身的波動的持續(xù)性增加；同時，由于我國證券市場在融資融券業(yè)務開展之前長期處于單邊市場的交易格局，而股指期貨可以買空賣空，引入股指期貨之后可以降低了不對稱信息對于股指現(xiàn)貨的沖擊，TGARCH項的系數(shù)明顯降低且不顯著。特別的，虛擬變量D的系數(shù)為-0.264,t值為-1.97（使用t分布虛擬變量D的系數(shù)是為-0.308，t值為-2.46），而且都是顯著的，說明滬深300指數(shù)期貨的引入降低了股指收益的整體波動和風險水平，也印證了前文中靜態(tài)波動率的降低。

表3 滬深300股指期貨推出前股指收益波動的GARCH模型回歸結果

表4 滬深300股指期貨推出后股指收益波動的GARCH模型回歸結果

表5 有虛擬變量的GARCH模型回歸結果

3 結論

通過以上的實證研究，本文發(fā)現(xiàn)滬深300股指期貨的推出可以降低現(xiàn)貨指數(shù)收益率的波動程度，也降低了單邊市場不對稱信息對現(xiàn)貨市場的沖擊程度，發(fā)揮了管理風險、穩(wěn)定市場的作用；但是由于我國的證券市場還不成熟以及相關制度的不完善，套期保值中引入的買空賣空交易增大了現(xiàn)貨市場的系統(tǒng)性風險。因此，總體來講，滬深300指數(shù)期貨交易一年以來運行良好，發(fā)揮了管理風險和套期保值的作用，消除了不對稱沖擊，但是由于我國證券市場的不成熟和投資個體的非理性，要警惕股指期貨帶來的系統(tǒng)性風險的提高。

[1]óscar Carchano,ángel Pardo.Rolling over Stock Index Futures Con?tracts[J].Journal of Futures Markets,2009,(29).

[2]Steven Li,Qianqian Yang.The Relationship between Implied and real?ized Volatility:Evidence from the Australian Stock Index Option Mar?ket[J].Review of Quantitative Finance and Accounting,2009,(32).

[3]Basel M.A.Awartani and Valentina Corradi.Predicting the Volatility of the S&P-500 Stock Index via GARCH Models:the Role of Asym?metries[J].International Journal of Forecasting,2005,(21).

[4]Hsiu-Lang Chen,Werner De Bondt.Style Momentum within the S&P 500 Index[J].Journal of Empirical Finance,2004,(11).

[5]參見陳芳平，李松濤.股指期貨推出對股指波動性影響的實證研究—基于日經225指數(shù)期貨交易整合式市場模式[J].甘肅金融.2006,(2).

[6]參見周仁才.股指期貨交易量對股指現(xiàn)貨波動影響研究[J].經濟經緯.2008,(8).

[7]參見王仕宏,李昊文.臺灣股票指數(shù)期貨推出前后股指波動率分析[N].期貨日報.2009-08-24.

[8]蔡向輝.股指期貨影響股市波動的機制解析與實證檢驗[D].復旦大學博士論文.2010年5月20日.