沪深300股指与股指期货相关性研究——基于GARCH模型的实证分析
沪深300股指期货对股票市场的波动性影响研究

沪深300股指期货对股票市场的波动性影响研究摘要沪深300股指期货是以沪深300指数为合约目标物的金融期货合约,并且在交割日期以沪深300指数的现货价格作为基准结算价格。
作为一种具有高杠杆性的金融衍生工具,文章通过对比沪深300股指期货推出前后对股票市场波动性的影响来研究其运行机制,并为投资者选择提供相关的建议。
本文选用2008年12月1日到2018年12月6日沪深300指数日收盘价作为研究对象共2438个样本数据。
2010年4月16日沪深300股指期货推出。
通过ADF检验,ARCH效应检验,GARCH族模型分析股指波动性对股票市场影响,实证结果得出以下主要结论:沪深300指数的时间序列将会表现出聚集的现象,在前面时段间波动一直偏大,然而在之后的时期,就会一直处于偏小的状态,证实了沪深300股指期货推出后存在一定杠杆性,放大了新信息对股市的冲击,但总体上降低了股市波动性。
关键词:股指期货、沪深300指数、股指波动性、GARCH族模型AbstractCSI 300 stock index futures are financial futures contracts with the CSI 300 index as the subject matter of the contract, and the spot price of the CSI 300 index as the benchmark settlement price on the delivery date. As a highly leveraged financial derivative tool, this paper studies its operating mechanism by comparing the impact of CSI 300 stock index futures on stock market volatility before and after their launch, and provides relevant suggestions for investors to choose. This paper chooses the closing price of CSI 300 index from December 1, 2008 to December 6, 2018 as the research object, and has 2438 sample data. On April 16, 2010, CSI 300 stock index futures were launched. Through the analysis of GARCH family models, Through ADF test,ARCH effect test, GARCH family model is used to analyze the impact of stock index volatility on stock market. The empirical results show the following main conclusions:The time series of the CSI 300 Index will continue to fluctuate in a certain period of time, while the fluctuate in the following period will continue to be small and cluster effect appears, which confirms that there is certain leverage after thelaunch of the CSI 300 Index Futures, and enlarges the impact of new information on the stock market, but generally reduces the volatility of the stock spot market. Key words: stock index futures, CSI 300 index, stock index volatility, GARCH family model目录摘要 (I)ABSTRACT ...................................................................................................................... I I 第一章绪论. (1)1.1 研究目的 (1)1.2 研究方法 (1)1.2创新与不足 (2)1.3 研究结构 (3)第二章国内外文献综述 (3)1.1 国内文献综述 (2)1.2 国外文献综述 (4)第三章研究假设 (7)3.1 股指期货的理论基础 (7)3.1.1 沪深300股指期货简介 (7)3.1.2 股指期货的特点 (8)3.1.3 股指期货的功能 (9)3.2 股指期货与股票市场波动关系 (10)3.3 波动性产生的原因 (11)第四章实证分析 (12)4.1 样本选取 (12)4.2 描述性统计分析 (13)4.3 平稳性检验 (15)4.3 ARCH效应检验 (15)4.4 GARCH模型的建立 (16)4.5 EGARCH模型的建立 (18)第五章结论与建议 (21)5.1结论 (21)5.2 建议 (22)参考文献 (24)致谢 (27)个人简历 (28)第一章绪论1.1 研究目的股指期货是一种金融期货。
股指期货套期保值功能研究——基于沪深300的实证研究

=
A h
=
一
1
( 1 )
OL S模型是方差 为常数 、 均值为零时 , 若假定沪深 3 0 0股指期 货与 现货存在关联性 , 可以设定 具体 的模型如下 :
R = + r +
,
将现货价格收益率定义为( 2 】 式 的计算公式 :
r=A I n S t =i n s , 一b l S , _ 1 R
规避这类系统风险 , 但 是 显然 指 数 是 不 能卖 空 的 , 所 以 只 能 近 似 地 替 代 成 股 指 期货 。
一
匮蚕瑟E三
图一沪深 3 0 0股指现 货 与期 货价格 走势 图
表一 沪深 3 0 0 指数现货与期货 日 收益率序列统计描述表
、
沪深 3 0 0股 票 指 数 与 殷 指 期 货 市场 的 关 联 性 分 析
注必 不 可 少 。 本 文 运 用 OL S计 量模 型 。 结 合 沪深 3 0 0股 票 指 数 的 实 际
市场 数 据 , 对 股 指 期 货 的 套 期保 值 功 能进 行 了研 究 。 关键词: OL S模 型 股 指 期 货 实证 分 析
股指期货套期保值与和股指期 货存 在一定 的差异 。例如沪深 3 0 0 指数 , 它就代表 了系统风险 , 我 们把指数想成 是允许卖空 的 , 那就可 以
好。 参考文献:
率在一 0 . 0 6 1 2 5 0至 0 . 0 1 7 5 6 0之间波动 , 两者波动都比较平缓。 其 次还可 以看出股票指数现货与期货的 日收益率序列 的偏 度都 小于零 ,所 以可 以得 出日收益率的时间序列具有左拖尾 的特征 。最后从 两者的峰度值
( 二) 文 据 连 取
沪深300股指期货套期保值比率的实证研究

沪深300股指期货套期保值比率的实证研究摘要:本文主要运用ols、var、ecm、garch等几种估计方法对沪深300股指期货交易数据进行套期保值研究,比较了静态和动态套期保值模型的效果,结果显示动态套期保值效果明显优于静态套期保值模型。
关键词:股指期货;套期保值;最优套期保值比率中图分类号:f270 文献标识码:a 文章编号:1672—7355(2012)03—0—020 引言股指期货是以股票价格指数作为标的物的期货合约,双方约定在未来的某个特定日期,按照事先约定的股价指数,进行标的指数的买卖。
股指期货最重要的功能之一就是套期保值。
利用股指期货来对现货股票组合进行套期保值,其关键问题是确定期货合约的数量,使得投资组合风险最小,即转化为风险最小化情况下求最优套期保值比率问题。
1 方法介绍1.1 静态套期保值方法1.1.1 ols 模型我们可以采用最小二乘法来估计,其模型如下:其中,分别为现货和期货在t期的收益率,这样我们就可以得到最小二乘法下的最优套期保值比率。
var 模型以上ols法可能出现残差序列自相关性,而向量自回归模型能很好的克服这一缺点。
其模型如下:其中a为截距项,b、分别为回归系数,e为误差修正项。
b-ecm模型var法虽然克服了残差序列自相关性,但是不能消除多重共线性和伪回归问题,而b-ecm模型能很好的克服这些问题。
b-ecm模型如下:其中,为误差修正项,为调整因子,为随机误差项。
1.2 动态套期保值方法garch模型bollerslev(1986)考虑了条件方差的时滞性,建立了广义自回归条件异方差garch(p,q)模型:残差项:(5)条件方差方程:(6)最优套期保值比率为:其中是t-1期的信息集,为t期的条件方差,p,q分别为自回归项和移动平均项的阶数,为最优套期保值比率。
样本选择与实证分析2.1样本选择我国沪深300股指期货合约于2010年4月16日正式上市交易。
股指期货合约有四个合约即当月、次月以及随后两个季月合约,因为每个期货合约的价格都是不连续的时间序列,为了克服这种不连续性,故选取每一天离到期日最近的合约品种收盘价连接起来进行回归分析。
沪深A、B股市场分割的实证研究——基于GARCH模型的收益率波动引导关系

( 如姚 亚伟 等 _], 否 具 有 相 同 的 发展 趋 势 ( 田 1) 是 。 如 瑛 等 [] ; 1)也可 以从 内在 联 系 因素 出发 , 。 考察 市 场 之
的历 程 。 由于 复杂 的历 史 背景 , 与世 界 其 他 各 国的
股票 市场 相 比 , 中国股 票 市 场 是一 个 高度 分 割 的市
20 0 5年 7月 2 1日, 国人 民银 行 发布 公告 , 中 宣
切人 点 , 求沪 、 探 深两市 A、 市 场分割 的规律 。 B股 本文 分析 的原始数 据来 自 19 年初 至 2 1 年 97 02
布我国开始实行 以市场供求为基础 , 参考一篮子货 币进行调节 , 有管理的浮动汇率制度 。21 年 6 00 月
及汇率制度改革 以来 , 沪深两市 A、 B指 收益 率 波动 的引导关 系 。得 到 的结论主 要有 : B股 市场对 内开放 以 来, 沪深 两市收益率波动 的引导关系 以及 A、 B指 收益率 波动 的引导关 系有所 增强 ; 特别 是 汇率制 度改革 以 来 , B股市场收益率波动 的引导关 系表 现得 更加显著。 A、 关键词 : 股票市场 分割 ; 收益率波动 ; RC GA H模 型 ; a g r Grn e 因果检验
第 2卷 第 3 5 期
21 0 2年 5月
西安 财 经学 院学 报
J u 1 f ’ nUnv riyo ia c n o o c o ma a ie st fFn n ea d Ecn mis o Xi
Vo . 5 No 3 12 .
M a 0 2 y2 1
作者简 介: 于蓓(9O , , 18 一)女 山东泰安人 , 山东师范大学讲 师 , 山西财经 大学博士研 究生 , 究方 向为金 融计量分析 和商 研
沪深300股指期货对我国股票市场波动性影响的研究

▲
图一 、 沪深 3 0 0指 数 的描 述性 统计 图
J — B统计 量为 4 5 9 . 5 1 9 3 ,非常显著 , P值趋 向 0并 远远
小于 0 . 0 1 , 有较强 的判定结果 , 因 此 拒 绝 原 假 设 即该 序 列 服
场的发展 , 股 指 期 货 市 场 也 日趋 活跃 。 本文主要利用沪深 3 0 0
股指 的 日交易数据 , 引入虚拟 变量 . 将股指期 货的发展 分为 两个 阶段 .考察我 国股 指期货 的推 出对股 票现货 市场 的影 响. 实证结果表 示从 长期来看 . 股指期 货的引入 确 实在一定
表 一、 序 列 平稳 性检 验 结 果
2 0 1 3 4 . 7万手 , 累计成交金额 1 6 0 . 6 8万亿元 。综合来看 , 市场
比较 活 跃 , 流动性较好 , 报价连续 , 成交 迅速 , 也 没 有 出 现 炒
作远月合约 的现象。
二ห้องสมุดไป่ตู้ 我 国 股 指 期 货 的 推 出对 我 国 股 票 市 场 波 动 性 的 实证
沪深 3 0 0 股指期货对我国股票 市场波动性影响的研究
倪 明 何 倩
( 苏 州大 学东吴 商 学院 , 江 苏 苏州 2 1 5 0 0 0 )
摘要 : 沪深 3 0 0股 指 期 货 的推 出这 是 国 内资 本 市 场 经 过
多年论证、 磨合后 , 走 出的改革创新一大步。随着我 国金 融市
注: c 表示常数项 , t 表示 趋势项 3 、 确定滞后 阶数 要对模 型进行 A R C H效应检验 , 首先要确定收益率 的模 型。 本文 主要根据 A I C和 s c准则来对模 型进行定阶 , 最后根 据相应的最小值来选择较为合适的滞后 阶数 。 表二 、 拟合模型的 A I C值和 S C值
利用高频数据管理沪深300指数的尾部风险——基于Realized GARCH模型的VaR

下降的反应不 同,这种现象称为杠杆效应 (ee g f t 1 r e f c)。第 四,波动率 v a ee
Nesn 9 1 l ,1 9 ;Gls n a an h n 和 R n l,1 9 ;H ne 、Hu n 和 o ot 、J gn  ̄ a e u ke 9 3 a sn ag S e ,2 1 h k 0 2以及 Wa n b ,2 1 t a e 0 2)。 a
GA CH 模 型 中 的方 差方 程反 应 了过去 大 的波动率 或 收益率 平方 会 引起 R
(18 96)将 其 推 广 至 广 义 自 回 归 条 件 异 方 差 模 (G C )。 由 于 AR H AR H G R H 模 具有 明确 的经 济涵 义 ,能够 准确 刻画 金融数 据 波动率 的 C /A C
特征 ,得到了经济学 家们的重视并且迅速应用到各类实证研究中。此后 ,
中大管理研究
21 02年第 7 ( ) 卷 2
自从 Mogn 司开发出 V l — —s 方法 , ra 公 a e ti u a rk 在险值 V R D fe P n a ( u 和 a, l 19 ;Jr n 9 7 便成为风险管理中广泛使用的市场风险的度量标准 。 97 oi ,19 ) o
现。
高频数据一般是时间间隔较短 ( 低于一 日 ) 的证券交易数据 ,例如股票 价格 、外汇价格以及成交量等等。高频数据除了能提供更多的数据量之外 ,
对 金 融高频 数据 的逐 步 累积和 了解 ,对 于研 究金 融市 场 的微观结 构 以及一 些
沪深300股指期货的推出对上证A股指数波动性影响的探讨
沪深300股指期货的推出对上证A股指数波动性影响的探讨摘要:沪深300股指期货的推出是我国金融市场改革创新的一次重大飞越,进一步完善了资本市场,具有里程碑的意义。
那么他的推出会对上证a股指数的波动性产生什么影响呢,本文使用garch 模型来探讨这个问题。
关键词:沪深300股指期货;garch模型;尖峰厚尾中图分类号:f832.5 文献标识码:a 文章编号:1001-828x(2011)06-0208-01股指期货是指以股票价格指数为标的物的标准化期货合约,双方约定在未来的某个确定日期,按照事先约定的股票价格指数买卖,是期货的一种。
股指期货最初由美国堪萨斯商品交易所在1982年2月推出,随后一些资本市场较为发达的国家和地区也相继推出了股指期货。
由于它具有套期保值、价格发现、增加市场流动性等功能,成为金融市场上交易比较活跃的金融工具和风险管理工具。
随着我国资本市场的深入改革和逐步完善,2005年4月,沪深证券交易所推出反映a股市场整体走势的沪深300指数,为指数化投资和衍生产品的创新提供了条件。
历经5年筹备,沪深300股票指数期货合约于2010年4月16日在中国金融期货交易所正式挂牌交易,这是我国金融市场发展的一次重大飞越,也进一步完善了我国的资本市场。
那么沪深300股指期货的推出对a股市场产生什么重大影响呢?为了解决这个理论界和实务界所关心的问题,本文选取2008年4月16日到2011年4月19日732个上证a股指数收盘价为研究对象,利用garch模型研究2010年4月16日沪深300股指期货上市交易对上证a股指数产生的影响。
一、arch效应检验上证收盘指数序列记为{spt},取自然对数得到序列{log(spt)},然后构建一阶自回归模型:log(spt)=βlog(spt-1)+μt,滞后6阶arch效用检验结果如下:在给定显著性水平α=0.05时,lm值=48.41787>临界值12.5916,所以残差序列存在arch效应。
基于GARCH模型的上证指数分析
基于GARCH模型的上证指数分析摘要股票市场自其产生以来就以其价格的波动性为显著特征,如何准确描述股市价格行为以确定未来股市收益率情况是所有投资者及股市各利益相关个体所关心的问题,这同时也是学术界所关心的问题。
对于不同金融市场间的相互影响是如何作用的以及相互之间的影响程度如何等这些问题由于研究者所选取的数据和分析方法不同从而得出不同的结论。
本文选取中国及国际股票市场中具有较大影响力的股票指数作为研究对象,分别采用上证指数最新的历史数据对各金融市场的波动性进行研究。
本文在研究的过程中,使用AR模型、ARCH模型和GARCH(1,1)模型。
关键词:价格的波动性、ARCH模型、GARCH(1,1)一、引言收益与风险历来都是投资者和学者们关注的热点问题。
对未来风险大小的度量与预测则是每个投资者在投资决策前必须考虑的基本问题。
一般地说,股票市场价格呈现显著的波动性、聚类性和持续性。
这种波动性不仅随时间变化,在某一时间段内出现偏高或者偏低的趋势,而且还会表现出持续性和长记忆性特点。
也就是说,如果当期市场价格波动大,那么下期市场价格波动也大,而且会随当期收益率偏离均值的程度而加强或减弱;如果当期市场波动小,则下一期波动也会小,除非当期的收益率严重偏离均值。
Engle(1982)使用ARCH模型描述波动性、聚类性和持续性。
值得一提的是,ARCH模型要得到平稳解,往往有比较多的限制条件。
这些限制条件限制了它的使用范围。
Bollerslev(1986)提出了改进的ARCH模型,即GARCH 模型。
该模型弥补了在有限样本条件下ARCH模型阶数过大所带来的计算效率与精度的不足。
现在,GARCH模型族已经成为度量金融市场波动性的强有力工具。
对国外股收益率分析结果表明:收益率分布呈现单峰、厚尾特征;样本数据不具有独立同分布特性;具有变异性和聚类性。
本文通过近十年的上证指数数据对股指的波动进行分析。
二、相关研究国外股票市场历史久远,发展成熟,针对股票市场波动性问题的研究己经有了相当的历史积淀。
基于GARCH模型中国股市波动性的实证分析
基于GARCH模型中国股市波动性的实证分析【摘要】应用ARCH,GARCH,TARCH,EGARCH,GARCH-M模型对中国股市收益率进行定性及定量的分析。
考虑到我国股市变动的实际效果,提出EGARCH模型对我国股市是较好的选择。
分析股市的ARCH效应,对我国上证180指数收益率进行实证分析。
【关键词】上证180指数;GARCH模型;收益率一、前言一些时间序列特别是金融时间序列,常常会出现某一特征的值成群出现的情况。
特别是在市场经济条件下,股票市场出现大起大落现象,股价的剧烈变动是股票市场最显著的特征之一。
近年来,有关我国股市的各方面的研究很多,大致可以分为三类:一是经济运行基本因素对股市影响的分析模型。
二是各类股市间的相关性研究。
三是股市自回归模型。
对股票收益率序列建模,某随机扰动项往往在较大幅度波动后紧接着较大幅度的波动,在较小幅度波动后紧接着较小幅度的波动。
这种性质叫做波动的集群性。
在一般的回归分析和时间序列分析中,要求随即扰动项是同方差,但这类序列随机扰动项的无条件方差是常量,条件方差是变化的量。
这种情况下需要使用条件异方差模型,也就是本文研究的GARCH 模型。
二、模型简介ARCH模型最早是由Engle于1982年提出,是最简单最基础的条件异方差模型(自回归条件异方差模型),用来描述波动的集群性和持续性。
但是为了获取条件异方差的动态特征需要高阶的ARCH模型。
Bollerslev将ARCH模型的阶数推广到无穷,得到广义的自回归条件异方差模型,即GARCH模型。
该模型大大减少了参数估计的个数,具有良好的处理厚尾的能力。
基于这两个模型发展起来得到很大的扩充,以GARCH(1,1)模型为代价的低阶ARCH类模型因参数少且建模效果好,在金融收益率序列的波动性研究中得到广泛的应用。
然而在应用GARCH模型的过程中发现ARCH项和GARCH项的参数之和非常接近1.这表明满足参数约束的条件。
后来的研究中先后对ARCH模型进行扩展,提出了GARCH,TARCH,EGARCH,GARCH-M等模型。
沪深300 股指期货最优套期保值的实证研究
沪深300 股指期货最优套期保值的实证研究作者:贾广月来源:《金融经济·学术版》2013年第06期摘要:套期保值是股指期货的功能之一,运用期货对现货进行套期保值,首要条件即期货与现货之间应该存在很强的相关性。
由于将非平稳时间序列应用到模型中会造成“虚拟回归”现象,故对沪深300指数期现货进行Johansen协整检验,结果表明:期现货间存在显著的协整关系。
运用OLS、VAR、GARCH模型对沪深300股指期货的最优套期保值比率进行估计,结果表明无论样本内还是样本外GARCH模型的套期保值比率最大;基于套期保值效果有效性方面考虑,GARCH模型的套期保值绩效最高。
因此,运用动态的GARCH模型进行套期保值可以得到最优的效果。
关键词:股指期货套期保值协整检验套期保值率绩效比较一、引言入世以来,中国的金融改革不断推进。
在资本市场方面,随着困扰中国资本市场多年的股权分置这一制度性约束逐步得到解决,资本市场的发展和金融工具的创新进一步加快。
2006年9月8日,经国务院同意,中国证监会批准,中国金融期货交易所在上海成立,这标志着中国股指期货市场建设进入了实质性阶段,也是中国资本市场发展到新的历史时期所带来的必然选择。
2006年10月30日,中国金融期货交易所启动了沪深300股指期货的仿真交易活动。
2010年4月16日国内首个股指期货沪深300股指期货在中国金融期货交易所正式挂牌上市。
二、文献综述国外有关股指期货套期保值的文献数量浩繁,在此只对一些相对较好的文献做一下评述。
Figlewski(1984)首先运用1982年6月1日到1983年9月30美国股票市场的数据进行套期保值研究,结果显示:运用最小方差套期保值模型得出的套期保值效果更好;为期一周的对冲表现优于过夜对冲,但对冲时间为4周的套期保值效果并不比1周的更优;股息的多少对套期保值的效果影响甚微;期货合约的到期时间对套期保值效果几乎没有影响。
[4]Holmes (1996)采用1984年7月至1992年6月英国股票指数得出:运用OLS估计的最小方差模型得出的套期保值效果更加优于EC和GARCH模型。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第17卷第1期 2015年01月 辽宁工程技术大学学报(社会科学版) Vo1.17,No.1
Journal of Liaoning Technical University(Social Science Edition) Jan.20 1 5 王志敏,葛腾飞,彭亚宁,等.沪深300股指与股指期货相关性研究——基于G H模型的实证分析[J】.辽宁工程技术大学学报:社会科学版, 2015,17(1):41-45.doi:10.11955/j.issn.1008-391x.20150107. Wang Zhirnin,Ge Tengfei,Peng Yaning,et a1.Correlation between Shanghai and Shenzhen 300 stock index and stock index tIlres_——-an empirical analysis based O11 GARCH mode]I[J】.Journal ofLiaoning Technical University:Social Science Edition,2015,17(1):41-45.doi:10.1 1955/ j.issn.1008-391x.20150107.
沪深300股指与股指期货相关性研究 基于GARCH模型的实证分析 王志敏,葛腾飞,彭亚宁,汪 旺 (安徽工业大学工商学院,安徽马鞍山243000)
摘要:运用协整检验、GARCH模型以及EGARCH模型对我国沪深300股指期货与现货之 间的联动性进行了实证分析。选取的样本包括沪深300现货指数和沪深300股指期货中一个相 对具有代表性的期货合约品种IF1403。研究表明,IF1403股票价格指数中存在杠杆效应,且其 股票价格指数“利好消息”比“利空消息”产生的波动更大。股指期货上市交易降低了指数的波动 性但降低幅度不是很大且股指期货市场比现货市场对新信息的反映更加迅速,两者之问具有较 强的风险相关性。 关键词:沪深300;股指期货;现货指数;GARCH模型:EGARCH模型 中图分类号:F 272 文献标志码:A 文章编号:1008.391X(2o15)Ol-0041-05
Correlation between Shanghai and Shenzhen 300 stock index and stock index futures
——an empirical analysis based on GARCH model Wang Zhimin,Ge Tengfei,Peng Yaning,Wang Wang (CoHege of lndustry and Commerce,Anhui University of Technology,Maanshan 243000,China) Abstract:Cointegration test,GARCH model and EGARCH model were used to nlake empirical analysis of the linkage between China’S Shanghai and Shenzhen 300 stock index futures and spot.A relatively representative futures contract IF1403 in Shanghai and Shenzhen 300 stock index futures was chosen as samples.Findings show that there exists the leverage effect in IF1403 stock closing price index,and its stock price index’S”good news”waves more than its”bad news”.Stock index futures ̄aded lowers volatility index but the decrease is not large and the stock index futures market reflects new information more quickly than the spot market,with a s ̄ong risk co.elation between the two. Key words:Shanghai and Shenzhen 300 stock index futures;Stock index futures;stock index; GARCH model:EGARCH model
收稿日期:2014-12.18 基金项目:安徽工业大学工商学院SRTP项目(2014016Y) 作者简介:王志敏(1991.),女,安徽蚌埠人,主要从事金融学方面的研究。 42 辽宁工程技术大学学报(社会科学版) 第17卷 0引言
我国第一只真正意义上的金融期货品 种一沪深300股指期货于2010年4月16日 在中国金融期货交易所上市交易,到目前为 止,我国沪深300股指期货上市交易已超过 四年的时间。沪深300股指期货的上市交易 表明了我国不能做空的单边市场交易模式 的结束,也为投资者提供了规避股票市场系 统的工具。基于沪深300指数期货上市交易 的真实数据进行研究,不仅具有重要的理论 意义,还具有重要的现实指导意义。
1变量选取与数据处理 国内外有很多学者均对沪深300股指期 货与现货之间的关联性进行过研究。邢天才 等对我国股指期货与现货市场的相关关系 进行了实证研究:股指期货推出对股票现货 市场昀波动性没有显著较大影响,但却使股 票市场的非对称性增大【l】。曹海军等通过 ECM.GARCH—BEKK模型在全样本数据以 及资本流动三阶段变化的三阶段实证得出 股指期货市场的波动具有更强的持续性,期 货市场可能会加剧与股票现货市场之间的 风险联动,从而放大市场风险【2J。Jian Yang 和Zhihui Yang等利用高频数据研究中国股 票市场和新兴的股指期货市场之间的波动 性研究表明新兴期货市场和现货两个市场 双向波动性显著L3J。高猛、郭沛利用 DCC—GARCH模型,研究中日韩三国股票 市场之间的联动效应发现,中日、中韩股票 市场之间的联动关系较小,但中韩之间的溢 出效应呈递增趋势【4J。 由于国内外多数学者对于沪深300股指 期货的研究多基于整个金融衍生产品市场 的研究,而对某一具体的期货合约品种则研 究甚少 J。本文选取沪深300股指期货中一 个相对具有代表性的期货合约品种IF1403 作为研究对象。对IF1403期货与股票指数 之间的分析进行研究并将研究结果同国内 外学者对于沪深300股指与股指期货相关性
的研究结论相比较。一方面,IF1403于2013 年7月22日上市交易于2014年3月21日 退市,交易数据较新。另一方面,与其他同 样具有数据较新特点的沪深300股指期货合 约相比,IF1403的交割期限相对较长,除了 法定节假日外共有162个交易日。因此本文 选取IF1403的每日收盘价作为样本数据对 其股票价格指数与股指期货两者之间的相 关性进行研究。 对于相关指数收益率的刻画,本文采用 对数收益率的形式,对数收益率在刻画金融 数据收益率时能很好地反映市场的波动,同 时可以防止剧烈波动对所建模型的干扰,有 利于模型的拟合。指数收益率表达式为: Rt=LnPt—LnP ̄_1
其中, 为第t期价格指数的收盘价,
一 为第t一1期价格指数的收盘价,R为指 数的收益率。为便于下文实证分析,记沪深 300现货、股指期货日收益率指数为 其中Ln 和Ln删分别表示沪深现指、 股指期货日收盘价对数式。
2协整检验 2.1平稳性检验 时间序列的平稳性是指一个随机时间 序列的均值和方差在时间过程上都是常数, 并且在任何两时期之间的协方差仅依赖于 该时间的距离或滞后项,而不依赖于计算这 个协方差的实际时间。只有平稳的时间序列 才能消除“伪回归”的现象判断随机时间序 列是否平稳的常规检验有ADF检验和PP检 验。本文主要运用ADF单位根检验方法对 样本数据进行研究。通过Eviews软件对 IF1403股指与股指期货对数收益率序列平 稳性进行检验,结果见表1。 从检验结果可知, 和Ln ̄ra ADF检 验的统计量t值远远小于显著性水平为O.O5 的临界值。即在5%的显著性水平上IF1403 股指对数收益率序列存在单位根现象,而其 一阶IF1403期货合约现货与期货价格的对 第1期 王志敏,等:沪深300股指与股指期货相关性研究——基于GARCH模型的实证分析 43 数收益率均为I(1)单整,即所研究样本的时 间序列数据是平稳的。 表1单位根检验结果 IIab.1 result of unit root test
注:在ADF检验形式(c,t,Jj})中,C、f分别表示单位根检验方程 中的常数项和时间趋势项,如果为0,则意味着检验方程不包常数项 和时间趋势项,反之则包含。k为检验方程中的滞后阶数 滞后阶数 由Eviews软件根据赤池准则确定。
2.2协整检验 由单位根检验可知, ,z 和Lnira均为 一阶单整序列,因此可以进行协整检验。本 文利用Engle和Granger(1987)两步法来检验 两者之间是否具有均衡关系。为研究沪深 300股指期货与现指间日收益率均衡关系, 首先建立沪深300现指日收益率 和股指 期货日收益率R 的协整方程: (0.580939)(285.2804) F=81384.89 R。:0.998038
上式的残差经过单位根检验,结果显示 残差的ADF的t值为。12.6085,1%水平下的 t值为.3.4712,5%水平下的t值为.2.8794,即 残差是平稳的,说明IF1403现指日收益率 和股指期货日收益率满足协整关系,即两者 之间存在着长期均衡的关系。
3基于GARCH模型的相关性分析 3.1模型简介 大量的金融时间序列实证分析表明,金 融市场中的时间序列数据通常有两大特点:
一是波动集群性与持续性。 二是过度峰值 的特点。即金融时间序列分布大多呈现非正 态性和厚尾性特征。为此,Engle于1982年 首次提出了ARCH模型,ARCH模型良好的
特性是持续的方差和尾部处理的能力,能较 好的描述金融时间序列的波动特征。但是在 有限样本的条件下,高阶的ARCH模型参数 估计较多,则估计效果就会大大降低。 Bollerslev于1986年提出了GARCH模型, 从而能用一个低阶的GARCH模型代替一个 高阶的ARCH模型,有着更好的尾部处理的 能力。而在资本市场中经常可以发现这样的 现象:资产的向下运动经常伴随着比之程度 更强的向上运动。为了解释这一现象,Engle 和Ng绘制了好消息和坏消息的非对称信息 曲线,认为资本市场中的冲击常常表现出一 种非对称效应,使得信息冲击的非对称影响 变得更加直观。这种非对称性被称为杠杆效 应。本文将建立EGARCH模型对IF1403现 货与期货的内在关系进行检验和描述。