论文部分内容阅读
摘要:股指期货的推出对我国股票市场的影响引起社会各界的广泛关注。文章选取台湾新型市场数据为样本,采用GARCH模型实证分析股指期货对现货市场的影响,从而为我国市场提供指导性意见。
关键词:股指期货;波动性;GARCH模型
中图分类号:F831.51文献标识码:A文章编号:1006-8937(2010)02-0023-02
1文献综述
为了履行对WTO的承诺,我国已逐步开放证券市场,但风险也随之而来。作为风险管理主要工具之一的股指期货,业界对其推出也寄予很高期望。股指期货对现货市场波动性的影响,学术界观点迥异,主要有以下三种:波动性减少、波动性不变和波动性变大。
关于股指期货对现货市场的影响,相关研究主要集中在美国和英国等一些成熟市场,而针对新兴市场的研究甚少。基于台湾和中国大陆的相似性,文章选取台湾地区证交所加权指数TWSE期货数据作为样本,进行实证研究。进而通过分析新兴证劵市场的经验数据,来研究股指期货推出后现货市场波动性变化情况。结果对研究我国股指期货推出的影响作用具有一定指导意义。
2研究模型及方法
在学术界,GARCH族模型是最常被用作检验波动性问题的模型。文章使用到的GARCH族模型有以下三个:
2.1GARCH(p,q)
误差项服从GARCH(p,q)过程的模型如下所示:
y=a+ax+ε,ε\ψ~N(0,ht)(1) h=α+αε+βh(2)
其中,公式(1)代表条件均值方程,公式(2)代表条件方差方程。ψ—表示信息集;p—表示GARCH项的阶数;q—表示ARCH项的阶数。a—表示整个股票市场中原来存在的不确定性;α—表示滞后期残差平方项的系数,反应了市场上“新息”冲击的重要性,它的值越大,显示信息转化为对未来波动性的影响的速度更快;β——表示滞后期方差项的系数,说明旧信息对未来序列波动的影响,它的数值越大,表明信息对市场的影响越持久。同时,模型中要求α和β必须同时非负。
2.2EGARCH(p,q)
在现有研究中,表明利好与利空信息对股价的冲击往往表现为非对称性,因此文章拟选用EGARCH(Exponential ARCH)模型来对股价收益率序列进行建模。EGARCH模型是Nelson(1991)提出的非对称的GARCH模型的一种,即指数GARCH模型。其中,条件方差被指定为
log(h)α+α-+β+γlog(h)(3)
公式(3)中,ε—表示随即误差项;h—表示残差方差。只要γ≠0,则信息对波动性的影响是非对称的。
2.3TARCH(p,q)为了衡量非对称效应的程度,文章还使用了非对称GARCH(Threshold ARCH)模型。
TARCH模型的条件方差模型如下所示:
h=α+αε+βh+γεd(4)
其中公式(4),当时ε<0,dt=1;否则,dt=0。
而且,好消息(ε>0)和坏消息(ε<0)对条件方差有着不同影响:一方面,好消息出现时,d=0,对收益率波动性有一个α冲击;另一方面,坏消息出现时,d=1,对收益率波动则有一个α+γ冲击。如果γ>0,则可以认为存在杠杆效应,即坏消息引起市场下跌的程度要比好消息引起市场上升的程度要大。
3台湾市场的实证研究
3.1数据描述
台湾地区推出股指期货的时间是1998年7月21日。文章选取的台湾地区的股指日收盘数据样本区间设定为1991年1月1日~2008年1月1日。以台湾地区股指期货推出日为分界点,总样本区间划分为:股指期货推出前阶段1991年1月1日~1998年7月21,股指期货推出后阶段1998年7月22日~2008年1月1日。文章数据来自于雅虎财经频道以及万德数据库。
数据计算的方法:对数收益率,利用股票指数的日收盘数据计算。其中,用表示Pt日的收盘价格指数, Pt-1表示t-1日的收盘价格指数值:
PtR=P-P/P*100%
R=lnP-lnP*100%
1≤i≤0≥
a=a P
P=P
Z=
Q=表示t日的指数收益率。利用涨跌幅度计算的收益率公式为:
R=P-P/P*100%(5)
公式⑤中,价格的上升,引起收益率的涨跌幅度加大。同时,为了避免收益率随价格上涨而增大, 同时保证收益率序列的平稳性, 采用对数差分的方法, 之后乘以 100, 来增大差分的结果。指数日收益率的计算公式为:
R=lnP-lnP*100%(6)
为了检验期货市场的引入对现货市场波动性的影响,针对指数收益率序列,我们分别设置虚拟变量序列(0,1),引入指数期货前,该变量值为0;引入指期后,该变量值为1。
3.2单位根检验
首先,对台湾市场指数收益率进行单位根检验(如表1所示),检验表明,全样本和两个子样本时期期指数收益率序列都表现出平稳状态,即都服从I(0)过程,从而可对这三个时间序列进行GARCH建模。
3.3波动性检验
GARCH、TARCH 、EGARCH模型对股价指数收益率序列的实证结果趋于一致。但由于股价对利好与利空信息表现非对称性,文章采用非对称GARCH模型较为合理。以下仅列示TARCH 、EGARCH模型的分析结果。
台湾股市波动性的加剧,我们究其原因,是期货市场的引入,还是期货市场的加剧?于是,我们把研究区间划分为期货市场引入前和引入后,对台湾股市收益率序列波动性的影响。在EGARCH模型中,期货市场引入后,α1值减小, β1值反而增加。在模型中,α1常常被视为“信息”系数,因为α1表示昨日与市场有关的价格变化对今日指数价格变化的影响相关。文章的实证检验中发现,α1有明显减小,从而表明,期货市场引入后,新信息对股价变化的影响速度在减缓。模型中的β1表示的是“旧信息”对股价的影响。信息流速的减缓导致了β1的增加,于是“旧信息”将对近日的股价产生较大的影响。
α1、β1综合起来看,期货市场的引入的确对现货市场的稳定性产生扰乱。并且,它的引入也引起了现货市场波动性的增强,但这种增强并不是归因于信息流动速度的加快。
4结语
文章通过计量模型检验股指期货的引入对现货市场波动性影响情况,以台湾为例,得出以下结论:股指期货的引入的确加剧了股票市场的波动性,并且这种波动性加剧的原因是期货市场扰乱了现货市场的稳定性。
国家和地区的差异,会影响股指期货的引入对现货市场波动性的影响;引入初期、成熟期、衰退期等不同的阶段也会造成不同的影响。文章以台湾为例,由于台湾市场与大陆市场具有一定的相似性,于是存在一定的借鉴意义。在台湾市场上,股指期货的引入确实引起了现货市场波动性的增加,而且这种增加与信息流动速度无显著关系。文章的实证研究结论,供监管部门采取监管措施提供参考。
参考文献:
[1] Chin,K.,K.C.Chan and G.A.Karolyi.Intraday Volatility in the Stock Index andStock Index Futures Markets[J].The Review of Financial Studies,1991,(1).
[2] Daigler,R.T.,and M.K.Wiley.The Impact of Trader Type on the Futures Volatility-Volume Relation[J].Journal of Finance,1999,(6).
[3] Demus, B.J.Fleming and R.E.Whaley.Implied volatility fuctions:empirical test[J].The Journal of Finance,1998,(4).
[4] 李华,陈倩.股指期货推出对股票市场波动性的影响研究:来自日本的数据[J].金融与经济,2006,(2).
[5] 肖辉,吴冲锋.股指与股指期货日内互动关系研究[J].系统工程理论与实践,2004,(6).
关键词:股指期货;波动性;GARCH模型
中图分类号:F831.51文献标识码:A文章编号:1006-8937(2010)02-0023-02
1文献综述
为了履行对WTO的承诺,我国已逐步开放证券市场,但风险也随之而来。作为风险管理主要工具之一的股指期货,业界对其推出也寄予很高期望。股指期货对现货市场波动性的影响,学术界观点迥异,主要有以下三种:波动性减少、波动性不变和波动性变大。
关于股指期货对现货市场的影响,相关研究主要集中在美国和英国等一些成熟市场,而针对新兴市场的研究甚少。基于台湾和中国大陆的相似性,文章选取台湾地区证交所加权指数TWSE期货数据作为样本,进行实证研究。进而通过分析新兴证劵市场的经验数据,来研究股指期货推出后现货市场波动性变化情况。结果对研究我国股指期货推出的影响作用具有一定指导意义。
2研究模型及方法
在学术界,GARCH族模型是最常被用作检验波动性问题的模型。文章使用到的GARCH族模型有以下三个:
2.1GARCH(p,q)
误差项服从GARCH(p,q)过程的模型如下所示:
y=a+ax+ε,ε\ψ~N(0,ht)(1) h=α+αε+βh(2)
其中,公式(1)代表条件均值方程,公式(2)代表条件方差方程。ψ—表示信息集;p—表示GARCH项的阶数;q—表示ARCH项的阶数。a—表示整个股票市场中原来存在的不确定性;α—表示滞后期残差平方项的系数,反应了市场上“新息”冲击的重要性,它的值越大,显示信息转化为对未来波动性的影响的速度更快;β——表示滞后期方差项的系数,说明旧信息对未来序列波动的影响,它的数值越大,表明信息对市场的影响越持久。同时,模型中要求α和β必须同时非负。
2.2EGARCH(p,q)
在现有研究中,表明利好与利空信息对股价的冲击往往表现为非对称性,因此文章拟选用EGARCH(Exponential ARCH)模型来对股价收益率序列进行建模。EGARCH模型是Nelson(1991)提出的非对称的GARCH模型的一种,即指数GARCH模型。其中,条件方差被指定为
log(h)α+α-+β+γlog(h)(3)
公式(3)中,ε—表示随即误差项;h—表示残差方差。只要γ≠0,则信息对波动性的影响是非对称的。
2.3TARCH(p,q)为了衡量非对称效应的程度,文章还使用了非对称GARCH(Threshold ARCH)模型。
TARCH模型的条件方差模型如下所示:
h=α+αε+βh+γεd(4)
其中公式(4),当时ε<0,dt=1;否则,dt=0。
而且,好消息(ε>0)和坏消息(ε<0)对条件方差有着不同影响:一方面,好消息出现时,d=0,对收益率波动性有一个α冲击;另一方面,坏消息出现时,d=1,对收益率波动则有一个α+γ冲击。如果γ>0,则可以认为存在杠杆效应,即坏消息引起市场下跌的程度要比好消息引起市场上升的程度要大。
3台湾市场的实证研究
3.1数据描述
台湾地区推出股指期货的时间是1998年7月21日。文章选取的台湾地区的股指日收盘数据样本区间设定为1991年1月1日~2008年1月1日。以台湾地区股指期货推出日为分界点,总样本区间划分为:股指期货推出前阶段1991年1月1日~1998年7月21,股指期货推出后阶段1998年7月22日~2008年1月1日。文章数据来自于雅虎财经频道以及万德数据库。
数据计算的方法:对数收益率,利用股票指数的日收盘数据计算。其中,用表示Pt日的收盘价格指数, Pt-1表示t-1日的收盘价格指数值:
PtR=P-P/P*100%
R=lnP-lnP*100%
1≤i≤0≥
a=a P
P=P
Z=
Q=表示t日的指数收益率。利用涨跌幅度计算的收益率公式为:
R=P-P/P*100%(5)
公式⑤中,价格的上升,引起收益率的涨跌幅度加大。同时,为了避免收益率随价格上涨而增大, 同时保证收益率序列的平稳性, 采用对数差分的方法, 之后乘以 100, 来增大差分的结果。指数日收益率的计算公式为:
R=lnP-lnP*100%(6)
为了检验期货市场的引入对现货市场波动性的影响,针对指数收益率序列,我们分别设置虚拟变量序列(0,1),引入指数期货前,该变量值为0;引入指期后,该变量值为1。
3.2单位根检验
首先,对台湾市场指数收益率进行单位根检验(如表1所示),检验表明,全样本和两个子样本时期期指数收益率序列都表现出平稳状态,即都服从I(0)过程,从而可对这三个时间序列进行GARCH建模。
3.3波动性检验
GARCH、TARCH 、EGARCH模型对股价指数收益率序列的实证结果趋于一致。但由于股价对利好与利空信息表现非对称性,文章采用非对称GARCH模型较为合理。以下仅列示TARCH 、EGARCH模型的分析结果。
台湾股市波动性的加剧,我们究其原因,是期货市场的引入,还是期货市场的加剧?于是,我们把研究区间划分为期货市场引入前和引入后,对台湾股市收益率序列波动性的影响。在EGARCH模型中,期货市场引入后,α1值减小, β1值反而增加。在模型中,α1常常被视为“信息”系数,因为α1表示昨日与市场有关的价格变化对今日指数价格变化的影响相关。文章的实证检验中发现,α1有明显减小,从而表明,期货市场引入后,新信息对股价变化的影响速度在减缓。模型中的β1表示的是“旧信息”对股价的影响。信息流速的减缓导致了β1的增加,于是“旧信息”将对近日的股价产生较大的影响。
α1、β1综合起来看,期货市场的引入的确对现货市场的稳定性产生扰乱。并且,它的引入也引起了现货市场波动性的增强,但这种增强并不是归因于信息流动速度的加快。
4结语
文章通过计量模型检验股指期货的引入对现货市场波动性影响情况,以台湾为例,得出以下结论:股指期货的引入的确加剧了股票市场的波动性,并且这种波动性加剧的原因是期货市场扰乱了现货市场的稳定性。
国家和地区的差异,会影响股指期货的引入对现货市场波动性的影响;引入初期、成熟期、衰退期等不同的阶段也会造成不同的影响。文章以台湾为例,由于台湾市场与大陆市场具有一定的相似性,于是存在一定的借鉴意义。在台湾市场上,股指期货的引入确实引起了现货市场波动性的增加,而且这种增加与信息流动速度无显著关系。文章的实证研究结论,供监管部门采取监管措施提供参考。
参考文献:
[1] Chin,K.,K.C.Chan and G.A.Karolyi.Intraday Volatility in the Stock Index andStock Index Futures Markets[J].The Review of Financial Studies,1991,(1).
[2] Daigler,R.T.,and M.K.Wiley.The Impact of Trader Type on the Futures Volatility-Volume Relation[J].Journal of Finance,1999,(6).
[3] Demus, B.J.Fleming and R.E.Whaley.Implied volatility fuctions:empirical test[J].The Journal of Finance,1998,(4).
[4] 李华,陈倩.股指期货推出对股票市场波动性的影响研究:来自日本的数据[J].金融与经济,2006,(2).
[5] 肖辉,吴冲锋.股指与股指期货日内互动关系研究[J].系统工程理论与实践,2004,(6).