沪深300指数期货价格发现功能研究

论文核心提示:

  摘要:价格发现是股指期货的基础功能。本文利用信息份额模型、长短期模型、EGARCH模型等,对沪深300指数期货价格发现功能进行实证研究,研究发现:股指期货一般领先现货价格,但不是价格决定者而仅是价格先行反映者;股指期货的价格发现功能在合约不同生命周期阶段有着差别表现;股指期货的上市,提高了股市信息传播效率,积极作用比较明显。   关键词:股指期货;价格发现;沪深300指数   

  Abstract:Price discovery is the basic function of index futures. Based on the models of IS,PT and EGARCH,the empirical research on HS300 index futures come to three conclusions. Firstly,futures price leads stocks index price,not the decider but the forthgoer. Secondly,index futures` price discovery function has different performance during its lifecycle. Thirdly, the launching of index futures helps improving information efficiency of stocks market.
  Key Words:index futures,price discovery,HS300 index
  中图分类号:F830.91文献标识码:A文章编号:1674-2265(2011)03-0029-06
  
  价格机制是市场经济的基本机制,价格浓缩了市场经济的全部秘密。而价格发现(Price Discovery)是股指期货的基础功能。诺贝尔经济学奖获得者莫顿•米勒就曾指出,“期货市场的魅力在于让你真正了解价格。”为了更全面、深入地认识股指期货完善股市价格发现功能的表现和意义,我们以现有数据为基础,对沪深300指数期货的价格发现功能进行了实证研究。当然,交易时间尚短,样本数据偏少,有关结论还有待更长时间、更多数据的进一步检验。
  
  一、文献综述
  
  已有研究股指期货价格发现功能的思路大致可归纳为三种(巴曙松等,2008):一是通过期现货价格之间的引导及超前滞后关系检验,来确定价格发现是否存在以及方向、时长等内容,可以具体刻画信息传播的过程和细节,使用最广泛。方法包括Granger因果检验、多元回归、向量自回归模型(VAR)、误差修正模型(ECM)等方法。目前,向量误差修正模型(VECM)成为较主流的研究方法①。二是在稳定协整关系的基础上,精确确定期现货市场的价格发现贡献度,定量地回答了彼此的主导和从属地位,结论更清晰。方法主要是共同因子模型,包括Gonzalo和Granger (1995)提出的长期—短期模型和Hasbrouck(1995)提出的信息份额模型。Baillie等(2002)以及Hasbrouck (2002)都对这两个模型之间的关系进行了深入探讨②。三是研究期现货价格间波动溢出效应,来揭示各自在价格发现中的地位。Hamao等(1990)提出“波动溢出效应”模型,“溢出效应”是指由于投资者投资行为的改变,一个市场的大幅波动会传导到其他市场。它抓住了价格波动与信息传播之间的密切关系,找到了一个研究信息传播与价格发现问题的好角度,可以分析不同市场之间信息传递与波动影响过程,方法主要是GARCH及其拓展模型。由于EGARCH等非对称模型能够更好地捕捉好消息和坏消息对波动影响的不对称性,得到了更多的应用③。基于上述三种思路,许多学者以收益率以及波动率为指标,对价格传递的长期趋势和短期动态机制进行了大范围研究,成果颇丰,为深入探讨股指期货的价格发现作用进而对股市波动的影响打下扎实基础。
  其中,最基础的问题就是现货指数与其对应的股指期货之间的先行滞后关系。我们总结了69项实证研究结论,这些研究覆盖了全球主要指数,包括美国S&P 500指数、MMI指数、道琼斯指数、德国DAX指数、英国FTSE 100指数、法国CAC 400指数、芬兰FOX指数、日本NIKKEI 225指数、韩国KOSPI 200指数、中国香港HSI指数、澳大利亚AOI指数、中国台湾TAIFEX指数以及新加坡SIMEX摩台指数等;覆盖的时间从1987年到2006年。综合已有实证研究成果来看:第一,得出的结论并不统一,期货领先现货、现货领先期货及二者互有领先等三种结论都有,分别为47、9和13项。这一方面是因为各国各地区股指期货和股票市场具体发展情况各有不同,另一方面也是因为研究者在研究标的、方法、样本期间与时间频率上并不一致。第二,占68.12%的大部分文献支持股指期货领先于现货指数,领先时间大约为5—45分钟,同时现货指数对期货有时存在一定程度的反馈。第三,认为现货领先于期指的文献很少,仅占13.04%。并且,认为现货领先期货的9项研究中,7项使用了日数据或更长的数据,占77.78%。或者说,以日数据为基础的研究结论,大多支持现货市场价格领先于期货市场。第四,认为期现货互相引导的研究占18.84%。
  此外,已有研究还针对性地研究了加入期权、基金等产品后的期现货间的多元关系,以及不同股指期货市场之间的关系。一般来看,第一,加入期权后,期货领先现货,期权领先现货,而期货、期权领先关系是不确定的。第二,加入基金后,一般期货领先现货和基金,而现货与基金的领先关系是不确定的,与基金的性质有很大关系。其中,指数基金,尤其是ETF市场的发展,大大提升了现货市场的价格发现能力④。第三,同一标的指数下不同合约条款的股指期货品种之间的价格发现关系,这主要集中在股指期货及其Mini型产品之间的价格发现关系,一般认为小型合约价格发现优势更显著,原因包括E-mini合约流动性较高、价格撮合速度较快、定价信息透明度较高及交易隐匿度较佳等因素。第四,针对不同市场上市的同一或类似标的指数的期货品种间价格发现关系的研究一般认为,由于母国效应的存在,使得本土上市的指数期货品种具有价格发现优势。但这又受到诸多因素的共同影响,例如由于先期推出、税收优势等因素,多数研究摩台指数价格发现功能好于中国台湾本土的台指期货。
  
  二、实证检验的思路和方法
  
  本文拟回答如下问题并通过EGARCH模型进行针对性检验:第一,价格发现性质。在通过协整和Granger因果检验来判断价格引导关系的基础上,重点采用可对价格引导关系进行量化表征的信息份额模型和长短期模型进行检验,具体说明期现货市场在价格发现中的相对地位。第二,价格发现过程特征,重点是检验合约不同生命周期阶段的情况。第三,价格发现的作用,尤其是对股市信息效率的影响。
  (一)基于向量误差修正模型的信息份额模型和长短期模型
  1. 向量误差修正模型(Vector Error Correction Model)。期现货价格的相互引导关系可由VEC模型描述。两个一阶协整的价格序列 ,其差额 为误差修正项, 为协整向量:
   (1)
  其中, 为误差修正系数向量(短期调整系数); 为随机扰动项,均值为0,序列不相关,协方差矩阵为:
   (2)
   、 分别为新息 的方差, 为相关系数。 表示价格序列的长期动态均衡关系; 描述由市场不完全导致的短期动态关系。
  2. 公共因子模型。期现套利的存在,使期现货价格收敛、存在协整关系,受制于一个公共因子的驱动,被称为隐性有效价格(So和Tse,2004)。在VEC模型基础上进行公共因子模型分析,不仅可以明确引导关系及其方向,还世纪论文网代发中心(www.21cnlunwen.com)给您提供优质的服务可以定量地确认每个市场在价格发现方面的优势和贡献。目前,主要使用的公共因子模型就是由Hasbrouck(1995)和Gonzalo-Granger(1995)分别提出的信息份额(Information Share,简写为IS)模型和长短期(Permanent Transitory,简写为PT)模型。
  (1)信息份额模型。Hasbrouck将方程(1)转换为向量移动平均的单整形式:
   (3)
  其中, 为矩阵多项式, 为滞后算子。 为移动平均系数之和。 为一个新息对每个市场价格的长期影响。令 表示 中的一行,,那么方程(3)可以写作:
   (4)
  Hasbrouck将方程(4)中的 定义为两个市场价格的共同有效价格,其方差为: 。
  当新息项不相关时, 为对角矩阵,第j个市场的信息份额为:
   (5)
  两个市场的相对信息份额为: (6)
  当新息项相关时,需采用Cholesky分解方法消除新息间的当期相关性,第j个市场的信息份额为:
   (7)
  其中, 为行向量 的第j个元素;
   (8)
  Baillie等(2002)以VEC模型为基础,进一步推算出期货市场信息份额的上、下限为:
   (9)
  市场新息间相关性越强,上限越高,下限越低。Tatyana Zabotina(2002)证明,可以均值作为信息份额的解释。如果一个市场所占的信息份额均值相对较大,则说明这个市场在价格发现功能中发挥更重要的作用。
  (2)长短期模型。Gonzalo和Granger(1995)将共因子定义为 的组合,满足 , 为公共因子系数向量。他们证明, 同误差修正系数向量 正交,每个市场对价格发现的贡献就是其在公共因子的系数。第i个市场的价格发现贡献度及两个市场的相对贡献度分别为:
   (10)
   (11)
  (二)基于EGARCH模型对价格发现的信息效率影响的检验
  GARCH模型将收益率的条件方差作为滞后条件方差项和前期误差平方项的线性函数,能捕捉到收益序列波动聚积趋势,是一种有效的波动性时变处理方法。一般模型如下:
  (12)
  (13)
  而EGARCH(Exponential ARCH)模型能够捕捉到股价对利好与利空信息所具有的非对称反映特征,其条件方差被指定为:
   (14)
  当 时,存在杠杆效应;如果 ,则影响是非负的。
  境外学者Antoniou和Holmes(1995)等,中国台湾学者Chou、Lee和Wu(2002)等以及大陆学者蒋瑛琨等(2006),刘凤根等(2008),彭艳、张维、熊熊(2009)等认为,在GARCH系列模型中, 为落后期残差平方项系数,可以被视为信息系数,反映昨日市场有关的价格变化对今日指数价格变化的影响。 增大表明,在引入期货市场后,新信息对股价变化的影响速度在加快。 为落后期条件变异数项的系数,可以反映“旧信息”对股价的影响。 增加表明,引入期货市场后,波动性影响更持久,不易被市场吸收、反映,即信息流速减慢,导致“旧信息”对近日股价产生较大影响。因此,通过比较 与 在股指期货上市前后的变化,可以分析其对股市信息效率的影响。  

[本论文关键字]:

推荐链接