股指期货对股票市场的波动性影响

1股指期货对股票市场的波动性影响摘要：股指期货最重要的经济功能是发现价格，它可以较准确地反映未来整个股票市场的价格总体水平，从而起到平抑股票价格波动性、稳定股票市场的作用。本文应用相对指数、GARCH模型的数理统计方法，通过分析我国周边国家或地区股指期货对股票市场的影响，得出了发展中国家股指期货的推出并不会改变股票市场的长期走势，但会增加其波动性，并对结果进行了原因分析。关键词：股指期货股票市场波动性GARCH模型ThevolatilityinfectionofstockindexfutureonstockmarketAbstract:Stockindexfuturehasavitalimportanteconomicfunctionwhichispricediscovery,itcanwellandtrulyreflectthewholepricelevelofthestockmarketinfuture.Thereforestockindexfuturehasfunctionsofironingthevolatilityofthestockpriceandstabilizingthestockmarket.Mathematicalstatisticslikerelativeindexes,GARCHmodelwereperformedtoanalyzethestockindexfuture’saffectiononthestockmarketinChina’sneighboringcountriesandregions.Theresultsofthisresearchindicatethatindevelopingcountries,thestockindexfuture’sappearancedoesnotchangethelong-termtrendofthestockmarketbutintensifiesitsvolatility,thenanalyzesreasonsoftheresults.KeyWord:StockindexfutureStockmarketVolatilityGARCHModel（一）研究背景2006年10月23日，中国金融期货交易所公布了《沪深300指数期货合约》、《交易细则》、《结算细则》和《风险控制管理办法（征求意见稿）》四个征求意见稿，表明我国股指期货的推出已经提上日程。至今为止，股指期货的推出是否会对股票市场产生不利影响，仍然是管理部门最关心的问题。如果期货交易中造成的投机活动使现货市场的波动性加大，那么主管部门就有必要选择恰当的退出时机。如果期货可以减缓现货市场的波动，那么主管部门要尽快建立期货交易的相关制度，争取尽早退出股指期货。（二）相关文献及研究框架关于股指期货和现货市场波动性的关系，学者们做出了大量的实证研究，2对两者关系的检验主要采用四种方法：实验研究法、指数期货引入前后波动性的对比法、横向分析法、时间序列研究。弗里德曼（Friedman，1983）利用计算机技术在现货波动性上引入期货市场效果的实验模拟性研究，发现引用期货市场后，现货市场趋于平衡的速度加快了，股市中的泡沫成份降低了，避免了现货价格变化的盲目性和市场炒作行为，使现货市场在长期倾向于有更小的波动性。Forsythe（1984）则发现，由于股指期货推进了价格发现过程，期货市场的引入使现货市场更快地达到均衡，增加了现货市场的短期波动性。Santoni（1990）采用指数期货引用前后的对比法，对比了1982年4月S&P500股指期货引入之前和之后的股指的波动性，即对S&P500指数百分比变化在4月前和4月后的平均数和标准差进行统计。周统计显示4月后的平均数与标准差都略大于4月前，日统计也显示4月后的平均数较大，但标准差较小。Harris（1989）对1975到1987年NYSE中S&P500的成份股和非成份股进行了研究，他通过模型调整了个别股票由于特殊原因而造成的意外波动，然后将调整后的S&P500成份股的波动性与非成份股的波动性进行对比。研究结果表明股指期货引进后，成份股波动率保持在一个略有增长但很稳定的水平上。Harris认为期货市场波动性的增加是由于市场流动性不足以吸纳由指数套利者等在短期产生的交易，或者是由于期货市场的存在加快了指数成份股价格对新信息的反应。除此之外，部分学者采用经济变量建立时间序列模型，研究股指期货对股票市场的波动性影响。在14组研究结果中，有13组表明股指期货市场不增加股指的波动性，仅1组例外。这些研究主要针对美国的股票期货指数进行的，得出股指期货对股票指数的长期波动没有影响，对短期波动性的影响是不确定的。综上所述，现阶段的研究主要针对发达国家，但针对股票市场、期货市场不完善的发展中国家的研究比较缺乏。因此，本文分别从两个方面进行分析研究，一是选取中国台湾加权股价指数、日经225指数、马来西亚KLSEComposite、印度BSE30为标的物的股指期货推出前后两年现货股价指数走势为样本，分析其股指期货推出前后股价指数走势；二是选取与我国经济发展阶段、证券市场发展程度相近的印度为参照样本，利用BSE30指数建立时间序列模型进行实证检验，分析短期内期货市场对股票市场的波动性影响。通过研究分析我国周边国家或地区股指期货对现货市场的长期与短期波动性，预测分析我国股指期货推出后现货市场走势，为管理部门推出股3指期货提供实证研究。（三）实证研究1、股指期货推出前后股价指数走势研究我国股票市场只有十六年的发展历程，资本市场仍然不健全，因此股指期货的推出不能完全借鉴其他国家和地区的模式，但是考察其他国家或地区股指期货设立之初其标的物指数波动情况，将有助于我国推出股指期货的市场预期。本文选择了中国台湾加权股价指数（推出于1998-07-21）、日经225指数（推出于1988-09-03）、马来西亚KLSEComposite（推出于1995-05）、印度BSE30（推出于2000-6-12）为标的物的股指期货前后两年的现货股价指数走势，并以图表分析法研究股指期货的推出在短期内是否会影响现货股票市场指数。数据均来源于雅虎财经数据库。由于不同指数绝对值比较的效果比较差，因此，将指数绝对值转化为指数相对数值。具体转换公式为：)(10011PPPRjj。其中jR为每日相对收益率，jP为第j日的收盘价，1P为推出股指期货前一年的第一天的收盘价。中国台湾、日本、马来西亚、印度4个证券市场推出股指期货的时间不同，通过图1、图2、图3、图4的走势图可以分析其股指期货推出前后现货股价指数运行特征。-40-30-20-10010201998M011998M071999M011999M07图1中国台湾加权股价指数收益率走势图4-20-100102030401988M011988M071989M011989M07图2日经225指数收益率走势图-20-15-10-50510151994M071995M011995M071996M01图3马来西亚KLSEComposite收益率走势图-20-1001020304050601999M072000M012000M072001M01图4印度BSE30收益率走势图从图1至图4中四个证券市场股指期货推出前后现货市场股价指数运行态势可以看出：以月为单位来看，中国台湾、马来西亚、印度、日本的股票市场在股指期货推出前都存在上扬趋势，推出后都存在下跌趋势；以半年为单位来看，四个国家或地区的股指期货市场并不改变长期趋势。2、股指期货对股价指数波动影响的实证研究（1）目标选取和数据选取5本文应用了ARCH类模型对印度股指期货市场对股票市场波动性的影响进行了详尽的分析。之所以选取印度作为样本国家，是由于中印两国都位于亚洲的发展中国家，人口众多，同是历史文明古国；都在二次世界大战后获得独立，建国后前二三十年，基本经济发展轨迹存在相似性。两国综合国力在中国实施改革开放政策以后拉开差距。中印两国在政治、经济、文化上都存在着可比性，所以对中国而言，分析印度股指期货推出对股票市场波动性的研究成果，具有借鉴意义。表1、表2显示了中印经济、证券市场相关数据的对比。表1中印经济若干指标对比中国印度改革开放开始年份19791992改革开放后年均增长率9%6.5%2006年经济增长率10.7%9.4%2005年储蓄占GDP比重41.7%28.3%2005年出口量14221亿美元898亿美元2005年吸引外资（FDI）614亿美元110亿美元2006年国家全球竞争力排名15272006年国家GDP总量2.86万亿美元1.01万亿美元2006年人均GDP2042美元983美元资料来源：经《中国统计年鉴2006》、雅虎财经数据库、新浪财经数据库整理而得。表2中印股票市场对比（2006年底）中国印度主板股票市场2家（沪、深）2家（孟买、National）地方区域性市场021家上市公司数量1405家10000多家股票市场历史16年100多年交易制度差异股权分置（正股改）全流通总交易量11598亿美元12500亿美元股票市值占GDP比率35%（流通）124%股票市场主导力量政策主导型市场配置型资料来源：经《中国证券期货统计年鉴2006》、雅虎财经数据库、新浪财经数据库整理而得。本文选取了1997年7月1日到2007年6月13日的印度股票指数为样本,共2463个。数据来源于Yahoo财经数据库。6（2）指数收益率的选择本文的指数日收益率(%)中采用经调整后的收盘指数的对数之差,计算公式为:)ln(ln1016tttPPR（3）样本数据描述行统计分析从总体样本描述性统计量及柱状图（图5）,可以看到该收益率样本具有典型金融数据的高峰和负偏的统计特征，样本的负偏值为-0.349766，峰度值为6.506949。从负偏值可以看出该收益率样本具有非正态分布特征。0100200300400500600700800-100000-50000050000Series:RSample7/01/19976/13/2007Observations2461Mean479.6663Median1183.642Maximum85914.56Minimum-118091.8Std.Dev.16030.72Skewness-0.349766Kurtosis6.506949Jarque-Bera1311.306Probability0.000000图5总体样本描述性统计量及柱状图-120000-80000-400000400008000012000097989900010203040506R图6日收益率总体样本的线性图从印度的日收益率总体样本的线性图（图6）来看，波动呈现胖头型，具有明显的波动集群现象，在采样区间上，总体样本时间序列R呈现集簇性，异方差7性的特征，ARCH现象明显。（4）收益率自回归的滞后阶数选择：ttntttuRCCR110；通过对收益率滞后1、2、3期做回归，结果如下：表3印度日收益率滞后三阶的检验被解释变量解释变量AkaikeinfocriterionT统计量ProbabilitytR1tR22.199193.4495090.0006tR1tR22.198093.6108820.00032tR-2.3830130.0172tR1tR22.198783.6607990.00032tR-2.4591090.0143tR1.1348860.2565根据Akaikeinfocriterion检验数据和T统计量比较，滞后二阶比较合适：ttttuRCRCCR22110（5）自相关性和独立性检验通过对总体样本序列R的Ljung-Box的Q统计量的检验，滞后阶数从1到36的Q统计量的值都在5％显著水平上拒绝了没有自相关假设，证明总体样本序列R的残差存在自相关。（6）平稳性检验利用单位根检验中的AugmentedDickey-Fuller检验，ADF值为-46.28646，Probability的值为0.0