论文部分内容阅读
〔摘 要〕本文借鉴Bessembinder和Seguin建立的模型从价量角度实证研究了沪深300股指期货市场交易活动因素对股票市场波动的影响。实证结果表明，股指期货市场预期成交量对股票市场波动的影响显著，且预期成交量对股票市场波动有正向影响，股指期货市场持仓量对股票市场波动的影响不显著；股票市场预期成交量与非预期成交量对股票市场波动均有正向影响，且影响程度高于股指期货市场预期成交量。这说明自沪深300股指期货合约上市以来，股指期货市场顺利运行，其中，套期保值者交易活动对股票市场波动无影响，而股指期货市场整体交易活动则对股票市场波动有正向影响。
〔关键词〕流动性因子；股指期货；股票市场波动；价量关系
中图分类号：F83251 文献标识码：A 文章编号：1008-4096（2013）04-0025-07
一、引 言
2010年4月16日，中国金融期货交易所正式推出沪深300股指期货，填补了中国金融期货的空白，标志着中国资本市场单边交易机制的结束。股指期货作为股票市场的重要延伸和补充，具有对冲风险与价格发现的功能，是资本市场风险管理的重要工具。股指期货具有成本低、流动性好和交易便捷的特点，为投资者提供了套期保值与投机策略，不仅为投资者规避股票市场价格波动的系统性风险提供了投资策略，还为投资者提供了期现套利的机会，因此，研究股指期货市场与股票市场波动之间的动态关系具有重要的理论意义与现实意义。
由于股指期货在国外是一个非常成熟的金融品种，大量的文献研究了股指期货市场对股票市场波动的影响，但由于不同学者选取样本期的不同、研究工具与方法的不同，得出的结论也大相径庭。Danthine[1]认为由于股指期货价格发现的功能，交易者对资产错误定价的成本大大减少，股指期货市场可以提高现货市场深度并减少波动。Stein[2]认为期货交易中不良知情投机者交易会使现货股票市场波动增加。Edwards[3]研究表明引入股指期货之后，标的指数市场的波动明显减少。Gulen和Mayhew[4]等的研究都发现引入股指期货后股票市场波动减少，同样，Damodaran[5]、Antoniou和Holmes[6]等的研究也发现了相似的结论。实证结果的差异说明了股票市场波动的复杂性，也说明股指期货对股票市场波动的影响是不确定的。而国内关于股指期货与股票市场波动的研究才刚刚起步，葛勇和叶德磊[7]使用沪深300股指期货仿真交易数据分析了股指期货交易对现货市场波动性的影响，结果表明引入股指期货交易后，现货市场效率提高，而股票市场波动没有显著增加。邢天才和张阁[8]研究了沪深300股指期货仿真数据与标的指数之间的联动效应，结果表明股指期货对现货市场波动的影响甚微。然而由于中国股指期货市场推出的时间较晚，国内早期对股指期货市场的研究更多的还是利用股指期货仿真交易数据。上述文献虽然研究了股指期货市场与股票市场波动之间的关系，但是在研究内容上，上述的大部分文献并没有揭示股指期货市场如何影响股票市场，以及股指期货市场中的交易特征与股票市场波动之间的关系。
Bessembinder和Seguin[9]从价量角度研究了股指期货市场与股票市场波动之间的关系，文献中选取了反映股指期货市场深度的成交量与持仓量，具体分析了股指期货市场中交易特征对股票市场的影响。在此之前，国外文献中同样存在大量关于金融市场中价量关系的研究，这些文献表明了成交量与价格波动存在同期的正向关系，Karpoff[10]引用了18个不同的学术研究成果，并记录下股票市场、期货市场、货币市场和债券市场等不同金融领域中价量的这种正向关系，结果表明正向的价格冲击往往伴随着成交量的增加。Clark [11]、Harris[12]和Andersen[13]发展的“混合分布假说”说明了市场交易活动的变化与成交量直接相关，其中，成交量、交易数目和信息冲击的数量等因素作为混合变量共同影响价格的波动。Copeland [14]和Morse[15]发展的信息顺序冲击模型假定新信息是按照顺序传达到投资者，因此，消息不灵通的交易者不会知道知情交易的存在，结果表明新的信息冲击会产生新的成交量与价格波动，而且在信息冲击较多的时期，成交量与价格波动都是增加的。Admati和Pfleiderer[16]设计的模型说明交易者会在市场处于最活跃的状态下选择交易，即交易与价格运动总是共同发生，而且实证结果也表明收益率波动与成交量存在正向关系。这些文献极大地丰富了金融市场关于价量关系的研究，并进一步完善了价量关系的理论框架，然而关于价量关系的研究更多地集中于单一金融市场。同时，流动性为价格每变化一个单位所需要的交易量，即成交量在某种程度上来说可以反映金融市场流动性。
鉴于此，本文选取成交量、持仓量作为流动性因子，使用HP滤波方法对成交量、持仓量去趋势，利用AR（10）过程将成交量、持仓量分解为预期成分与非预期成分，在模型中加入反映股指期货市场周内效应的虚拟变量，利用Bessembinder和Seguin[9]的方法从价量角度重点分析预期与非预期的成交量、持仓量等反映市场交易活跃程度的交易特征因素对股票市场的影响。
二、模型、方法及数据说明
（一）价量模型
本文借鉴Bessembinder和Seguin[9]建立的模型研究中国股指期货市场流动性因子对股票市场波动的影响：
其中，Rt为股票市场大盘指数在t日的百分比收益率，t为收益率的条件标准差，代表股票市场波动性。dit（i=1，2，3，4）为表示周内效应的虚拟变量，即当t日为星期一，记d1t为1，其他为0；当t日为星期二，记d2t为1，其他为0，其他虚拟变量以此类推。这些虚拟变量可以解释一周中各个工作日指数收益率均值与标准差的差异。t为式（1）估计的残差项，表示t日的非预期收益率，kt（k=1，2，…，m）为交易活动变量。 （二）交易活动变量的选取及处理
Admati和Pfleiderer[16]认为金融市场知情交易者的数目会随着交易量的增加而增多，正是由于存在大量的受价值导向的知情交易者，订单不平衡所引起的价格反映会较小。根据这一理论，本文选取股票市场与股指期货市场成交量作为指标来反映金融市场间的价量关系。另外，本文还选取持仓量作为股指期货市场交易活动变量之一，主要原因是股指期货市场作为一种不同于股票现货市场的金融市场，本身还具有期货市场的特点，同时，股指期货市场往往存在一类不持仓过夜的投机交易者，作为表示最终交易水平的持仓量可以反映出当期交易被套的水平，即持仓量可以作为当期不知情交易活动的指标，因此，选取成交量与持仓量作为交易活动程度的变量可以反映出知情交易者与不知情交易者，即投机交易者与套期保值者所产生的市场交易活动对价格的影响。
根据Bessembinder和Seguin[9]提出的思想，金融市场深度取决于投资者对风险资产的购买意愿与承受能力，其中，投资者往往根据价格的波动程度来决定成交数目与持仓数目，投资者的购买意愿一般取决于投资者的风险偏好，而承受能力往往取决于投资者现有财富的约束，假定影响市场深度的其他决定因素不变，则滞后的成交量与持仓量便涵盖了当前的市场深度，而市场成交量与持仓量中的非预期变化则说明了市场交易者当前购买风险资产的主观意愿，因此，本文选取成交量与持仓量表示市场深度，将变量分为预期成分与非预期成分，并分别说明不同因素对股票市场波动的影响。
（三）成交量与持仓量分解设计
由于原始的成交量与持仓量数据存在非平稳性和时间序列自相关，本文在实证过程中对原始数据进行了相关处理，以得到平稳的成交量与持仓量序列，在此基础之上，本文将平稳的成交量与持仓量分解为预期成分与非预期成分，相关调整主要通过以下两个步骤完成。
1成交量与持仓量的趋势过滤
非平稳的成交量与持仓量序列中存在长期趋势成分，本文使用Hodrick和Prescott滤波方法消除长期趋势，设Vt为原始的成交量（持仓量），VTt表示含有趋势的成分，VSt表示波动成分。则 Vt=VTt+VSt，HP滤波就是将VTt从Vt中分离出来，不可预测的趋势VTt可转化为损失函数最小化问题的解：
其中，SpotVolt为去趋势的沪深300指数成交量，Volt为去趋势的沪深300股指期货成交量，OpInt为去趋势的沪深300股指期货持仓量。回归得出的残差项εt为非预期成分，预期成分为序列实际值与非预期成分之差vt-εt。
（四）模型估计方法
根据前面所做的分析，本文所选取的表示市场活动的变量为股票市场成交量、股指期货成交量与持仓量。将股票市场成交量、股指期货成交量与持仓量分解为预期成分与非预期成分，并将六个变量作为交易活动变量，以此研究预期冲击与非预期冲击是否会对波动性产生不同的影响。
考虑到波动性具有典型的“长记忆性”，即聚集效应，式（2）中加入滞后的波动率，同时，股票市场中，收益率的非预期冲击往往对波动性具有更强的解释能力，因而式（2）中还加入了滞后的非预期收益率t以此解释波动性中的不对称性。波动性t通过式（1）所得出的残差项t进行估计，t可以通过下面的方程转化为σt：
这样的转化过程可以使t成为收益率条件标准差的无偏估计[9]。具体的估计方法表示如下：首先，在没有滞后波动率的情况下，使用OLS对式（1）进行估计。其次，通过式（5）将所获得的残差项转化为波动率。最后，基于给定的波动率，使用OLS对式（1）与式（2）重新估计，得出最终估计结果。
（五）数据说明
本文所用数据样本时间跨度为2010年4月16日至2012年4月5日，共477个交易日，股指期货市场数据选取沪深300股指期货指数，股票市场数据选取标的指数数据，主要包括沪深300指数日收盘价与日成交量、沪深300股指期货合约日成交量与日持仓量等，数据来源于RESSET金融研究数据库。实证分析中，本文所使用的沪深300指数日收益率为对数收益率，股票市场日成交量为沪深300指数成分股当日全部成交量，单位为万手，并做对数变换。此外，由于股指期货合约会面临交割问题，股指期货单个合约成交量与持仓量往往会呈现出合约开始时与交割时数值偏小，而中间时期数值较大的现象，因此，本文使用当期股指期货所有合约成交量之和与所有合约持仓量之和作为成交量指标与持仓量指标，单位为手，这两个变量不仅反映了当期股指期货市场总的交易活跃程度，也可以作为表示股指期货市场流动性的变量，实证分析中对股指期货市场成交量与持仓量做对数变换。
三、实证结果与分析
（一）变量描述性统计分析
本文所选变量的描述性统计分析如表1所示，包括变量的均值、最大值、最小值、标准偏差和Ljung-Box统计量，本文所选变量包括沪深300指数日收益率、沪深300指数日成交量、沪深300股指期货合约日成交量与日持仓量。
从表1可知，沪深300指数收益率在样本期的平均值为-00006，数值为负且接近于0，标准偏差为00149，LB（10）不显著，说明收益率序列不存在自相关。此外，沪深300指数成交量具有比沪深300股期指货成交量与持仓量更大的标准偏差，说明股票市场交易表现更为活跃；股指期货市场中，样本期内市场成交量的均值高于市场持仓量，且持仓量的标准偏差高于成交量，说明股指期货市场中存在投机性的交易者，而套期保值交易表现更为活跃。同时，股票市场成交量、股指期货市场成交量与持仓量LB（10）统计量均显著，说明序列均存在显著的自相关现象。
对沪深300指数成交量、沪深300股指期货成交量与持仓量做平稳性检验，结果如表2所示。
〔关键词〕流动性因子；股指期货；股票市场波动；价量关系
中图分类号：F83251 文献标识码：A 文章编号：1008-4096（2013）04-0025-07
一、引 言
2010年4月16日，中国金融期货交易所正式推出沪深300股指期货，填补了中国金融期货的空白，标志着中国资本市场单边交易机制的结束。股指期货作为股票市场的重要延伸和补充，具有对冲风险与价格发现的功能，是资本市场风险管理的重要工具。股指期货具有成本低、流动性好和交易便捷的特点，为投资者提供了套期保值与投机策略，不仅为投资者规避股票市场价格波动的系统性风险提供了投资策略，还为投资者提供了期现套利的机会，因此，研究股指期货市场与股票市场波动之间的动态关系具有重要的理论意义与现实意义。
由于股指期货在国外是一个非常成熟的金融品种，大量的文献研究了股指期货市场对股票市场波动的影响，但由于不同学者选取样本期的不同、研究工具与方法的不同，得出的结论也大相径庭。Danthine[1]认为由于股指期货价格发现的功能，交易者对资产错误定价的成本大大减少，股指期货市场可以提高现货市场深度并减少波动。Stein[2]认为期货交易中不良知情投机者交易会使现货股票市场波动增加。Edwards[3]研究表明引入股指期货之后，标的指数市场的波动明显减少。Gulen和Mayhew[4]等的研究都发现引入股指期货后股票市场波动减少，同样，Damodaran[5]、Antoniou和Holmes[6]等的研究也发现了相似的结论。实证结果的差异说明了股票市场波动的复杂性，也说明股指期货对股票市场波动的影响是不确定的。而国内关于股指期货与股票市场波动的研究才刚刚起步，葛勇和叶德磊[7]使用沪深300股指期货仿真交易数据分析了股指期货交易对现货市场波动性的影响，结果表明引入股指期货交易后，现货市场效率提高，而股票市场波动没有显著增加。邢天才和张阁[8]研究了沪深300股指期货仿真数据与标的指数之间的联动效应，结果表明股指期货对现货市场波动的影响甚微。然而由于中国股指期货市场推出的时间较晚，国内早期对股指期货市场的研究更多的还是利用股指期货仿真交易数据。上述文献虽然研究了股指期货市场与股票市场波动之间的关系，但是在研究内容上，上述的大部分文献并没有揭示股指期货市场如何影响股票市场，以及股指期货市场中的交易特征与股票市场波动之间的关系。
Bessembinder和Seguin[9]从价量角度研究了股指期货市场与股票市场波动之间的关系，文献中选取了反映股指期货市场深度的成交量与持仓量，具体分析了股指期货市场中交易特征对股票市场的影响。在此之前，国外文献中同样存在大量关于金融市场中价量关系的研究，这些文献表明了成交量与价格波动存在同期的正向关系，Karpoff[10]引用了18个不同的学术研究成果，并记录下股票市场、期货市场、货币市场和债券市场等不同金融领域中价量的这种正向关系，结果表明正向的价格冲击往往伴随着成交量的增加。Clark [11]、Harris[12]和Andersen[13]发展的“混合分布假说”说明了市场交易活动的变化与成交量直接相关，其中，成交量、交易数目和信息冲击的数量等因素作为混合变量共同影响价格的波动。Copeland [14]和Morse[15]发展的信息顺序冲击模型假定新信息是按照顺序传达到投资者，因此，消息不灵通的交易者不会知道知情交易的存在，结果表明新的信息冲击会产生新的成交量与价格波动，而且在信息冲击较多的时期，成交量与价格波动都是增加的。Admati和Pfleiderer[16]设计的模型说明交易者会在市场处于最活跃的状态下选择交易，即交易与价格运动总是共同发生，而且实证结果也表明收益率波动与成交量存在正向关系。这些文献极大地丰富了金融市场关于价量关系的研究，并进一步完善了价量关系的理论框架，然而关于价量关系的研究更多地集中于单一金融市场。同时，流动性为价格每变化一个单位所需要的交易量，即成交量在某种程度上来说可以反映金融市场流动性。
鉴于此，本文选取成交量、持仓量作为流动性因子，使用HP滤波方法对成交量、持仓量去趋势，利用AR（10）过程将成交量、持仓量分解为预期成分与非预期成分，在模型中加入反映股指期货市场周内效应的虚拟变量，利用Bessembinder和Seguin[9]的方法从价量角度重点分析预期与非预期的成交量、持仓量等反映市场交易活跃程度的交易特征因素对股票市场的影响。
二、模型、方法及数据说明
（一）价量模型
本文借鉴Bessembinder和Seguin[9]建立的模型研究中国股指期货市场流动性因子对股票市场波动的影响：
其中，Rt为股票市场大盘指数在t日的百分比收益率，t为收益率的条件标准差，代表股票市场波动性。dit（i=1，2，3，4）为表示周内效应的虚拟变量，即当t日为星期一，记d1t为1，其他为0；当t日为星期二，记d2t为1，其他为0，其他虚拟变量以此类推。这些虚拟变量可以解释一周中各个工作日指数收益率均值与标准差的差异。t为式（1）估计的残差项，表示t日的非预期收益率，kt（k=1，2，…，m）为交易活动变量。 （二）交易活动变量的选取及处理
Admati和Pfleiderer[16]认为金融市场知情交易者的数目会随着交易量的增加而增多，正是由于存在大量的受价值导向的知情交易者，订单不平衡所引起的价格反映会较小。根据这一理论，本文选取股票市场与股指期货市场成交量作为指标来反映金融市场间的价量关系。另外，本文还选取持仓量作为股指期货市场交易活动变量之一，主要原因是股指期货市场作为一种不同于股票现货市场的金融市场，本身还具有期货市场的特点，同时，股指期货市场往往存在一类不持仓过夜的投机交易者，作为表示最终交易水平的持仓量可以反映出当期交易被套的水平，即持仓量可以作为当期不知情交易活动的指标，因此，选取成交量与持仓量作为交易活动程度的变量可以反映出知情交易者与不知情交易者，即投机交易者与套期保值者所产生的市场交易活动对价格的影响。
根据Bessembinder和Seguin[9]提出的思想，金融市场深度取决于投资者对风险资产的购买意愿与承受能力，其中，投资者往往根据价格的波动程度来决定成交数目与持仓数目，投资者的购买意愿一般取决于投资者的风险偏好，而承受能力往往取决于投资者现有财富的约束，假定影响市场深度的其他决定因素不变，则滞后的成交量与持仓量便涵盖了当前的市场深度，而市场成交量与持仓量中的非预期变化则说明了市场交易者当前购买风险资产的主观意愿，因此，本文选取成交量与持仓量表示市场深度，将变量分为预期成分与非预期成分，并分别说明不同因素对股票市场波动的影响。
（三）成交量与持仓量分解设计
由于原始的成交量与持仓量数据存在非平稳性和时间序列自相关，本文在实证过程中对原始数据进行了相关处理，以得到平稳的成交量与持仓量序列，在此基础之上，本文将平稳的成交量与持仓量分解为预期成分与非预期成分，相关调整主要通过以下两个步骤完成。
1成交量与持仓量的趋势过滤
非平稳的成交量与持仓量序列中存在长期趋势成分，本文使用Hodrick和Prescott滤波方法消除长期趋势，设Vt为原始的成交量（持仓量），VTt表示含有趋势的成分，VSt表示波动成分。则 Vt=VTt+VSt，HP滤波就是将VTt从Vt中分离出来，不可预测的趋势VTt可转化为损失函数最小化问题的解：
其中，SpotVolt为去趋势的沪深300指数成交量，Volt为去趋势的沪深300股指期货成交量，OpInt为去趋势的沪深300股指期货持仓量。回归得出的残差项εt为非预期成分，预期成分为序列实际值与非预期成分之差vt-εt。
（四）模型估计方法
根据前面所做的分析，本文所选取的表示市场活动的变量为股票市场成交量、股指期货成交量与持仓量。将股票市场成交量、股指期货成交量与持仓量分解为预期成分与非预期成分，并将六个变量作为交易活动变量，以此研究预期冲击与非预期冲击是否会对波动性产生不同的影响。
考虑到波动性具有典型的“长记忆性”，即聚集效应，式（2）中加入滞后的波动率，同时，股票市场中，收益率的非预期冲击往往对波动性具有更强的解释能力，因而式（2）中还加入了滞后的非预期收益率t以此解释波动性中的不对称性。波动性t通过式（1）所得出的残差项t进行估计，t可以通过下面的方程转化为σt：
这样的转化过程可以使t成为收益率条件标准差的无偏估计[9]。具体的估计方法表示如下：首先，在没有滞后波动率的情况下，使用OLS对式（1）进行估计。其次，通过式（5）将所获得的残差项转化为波动率。最后，基于给定的波动率，使用OLS对式（1）与式（2）重新估计，得出最终估计结果。
（五）数据说明
本文所用数据样本时间跨度为2010年4月16日至2012年4月5日，共477个交易日，股指期货市场数据选取沪深300股指期货指数，股票市场数据选取标的指数数据，主要包括沪深300指数日收盘价与日成交量、沪深300股指期货合约日成交量与日持仓量等，数据来源于RESSET金融研究数据库。实证分析中，本文所使用的沪深300指数日收益率为对数收益率，股票市场日成交量为沪深300指数成分股当日全部成交量，单位为万手，并做对数变换。此外，由于股指期货合约会面临交割问题，股指期货单个合约成交量与持仓量往往会呈现出合约开始时与交割时数值偏小，而中间时期数值较大的现象，因此，本文使用当期股指期货所有合约成交量之和与所有合约持仓量之和作为成交量指标与持仓量指标，单位为手，这两个变量不仅反映了当期股指期货市场总的交易活跃程度，也可以作为表示股指期货市场流动性的变量，实证分析中对股指期货市场成交量与持仓量做对数变换。
三、实证结果与分析
（一）变量描述性统计分析
本文所选变量的描述性统计分析如表1所示，包括变量的均值、最大值、最小值、标准偏差和Ljung-Box统计量，本文所选变量包括沪深300指数日收益率、沪深300指数日成交量、沪深300股指期货合约日成交量与日持仓量。
从表1可知，沪深300指数收益率在样本期的平均值为-00006，数值为负且接近于0，标准偏差为00149，LB（10）不显著，说明收益率序列不存在自相关。此外，沪深300指数成交量具有比沪深300股期指货成交量与持仓量更大的标准偏差，说明股票市场交易表现更为活跃；股指期货市场中，样本期内市场成交量的均值高于市场持仓量，且持仓量的标准偏差高于成交量，说明股指期货市场中存在投机性的交易者，而套期保值交易表现更为活跃。同时，股票市场成交量、股指期货市场成交量与持仓量LB（10）统计量均显著，说明序列均存在显著的自相关现象。
对沪深300指数成交量、沪深300股指期货成交量与持仓量做平稳性检验，结果如表2所示。