上证50股指期货对现货市场波动性的影响研究

杨恩惠

(西北师范大学经济学院 甘肃兰州 730070)

股指期货具有高杠杆性，且交易费用较低，会影响现货市场的定价，因而是目前金融市场上重要的投资工具。我国在2010年4月16日推出了第一个股指期货——沪深300股指期货，在5年后推出了中证500股指期货和上证50股指期货，并于2022年推出中证1000股指期货。我国股市的特点是波动幅度大、市场换手率高，而股指期货合约可以对冲风险、锁定利润，进一步规避风险。其中，上证50指数综合反映了上海证券市场流动性较好、规模较大的龙头企业的整体表现，其行业分布集中在金融、主要消费、工业、原材料四大核心产业，在我国资本市场处于重要地位，因而选取上证50指数股指期货具有代表性。

何诚颖等(2011)运用高频数据中的I-S模型和P-T模型进行实证分析发现，新信息反映速度和融入比率沪深300指数期货市场的价格发现能力都要强于指数现货市场。李昌荣、邹青(2012)运用二元VAR-EGARCH与信息传递速度模型发现我国股指期货与现货市场之间存在显著的双向价格关系与双向波动溢出效应，且信息传递能力逐步增强，我国股指期货市场存在显著的正反馈效应。蔡庆丰等(2015)在VECM-DCC-MGARCH模型的基础上，以GJR形式考虑变量非对称作用、构建了VECM-GJR-MGARCH-t模型，实证分析表明沪深300期现货市场在行情上涨时期两者关系大幅减弱，现货市场波动对不利冲击的反应更加敏感。魏建国、李小雪(2016)基于VECM-PT-IS模型分析发现，沪深300、上证50、中证500股指期货与现货之间均具有双向引导关系，其中中证500和沪深300股指期货的价格发现功能较强，上证50股指期货相对较弱。

考虑到σ2t是一个分布滞后模型，可以用一个或两个的滞后值代替许多u2t的滞后值，标准的GARCH(1,1)模型为：

GARCH(p,q)的条件方差表示为：

为了使GARCH(q,p)模型的条件方差有明确的定义，相应的ARCH(∞)模型为：

根据格兰杰因果检验可以对现货市场的价格发现作用进行研究，假设有如下模型：

本文主要使用Stata16软件进行实证分析研究，选取2003年12月31日—2023年5月31日(无节假日)上证50现货指数数据作为原始数据，共3723组数据，并以2015年4月15日(无节假日)上证50现货指数的收盘价为分时点分为两个时间段。观察现有上证50指数的时序图：由图1可以看出，2015年上证50指数收盘价明显出现较大的波动，随后波动逐渐降低。

图1 上证50的原序列时序图

通过观察时序图可以看到，上证50的原序列有平稳趋势，初步判断序列平稳。同时，为了研究上证50指数与股指期货之间的联系，根据上证50指数收益率波动图可以得到2015年发布股指期货之后，上证50指数收益率明显出现波动集聚效应。

由表1可以看出，样本数据包括3723个全区间观察值，其中2163个观察值来自股指期货发布前，1559个观察值来自发布后，数据都已进行去均值化处理。

表1 描述性统计

对于样本的标准差，股指期货发布前为0.017，发布后为0.013，表明发布期货后的样本数据变化程度较小，可能指向股指期货发布后市场波动性的降低。在股指期货发布后，1%分位数从-0.048变为-0.046，99%分位数从0.044降为0.034，进一步验证了上述结论。然而，发布股指期货后，市场的偏度从-0.03变为-0.405，表明市场的负向波动性增加。另外，发布后的峰度值为8.56，相比发布前的6.266有所增加，可能意味着发布期货后市场的异常波动性增加。

总的来说，这些描述性统计结果表示，虽然发布股指期货后，市场的总体波动性有所降低，但是负向波动和异常波动的频率可能有所增加。需要注意的是，这些都是初步的统计分析结果，为了得出更为精确的结论，本文需要进行更为深入的经济模型分析。

本文为验证使用的数据是否平稳，此处对各时间序列进行单位根检验。为了避免出现伪回归，本文采用ADF对上述数据进行单位根检验。全区间、股指期货发布前、股指期货发布后序列进行ADF检验的结果如表2所示。

表2 上证50序列的ADF检验

由表2可知，全区间、股指期货发布前、股指期货发布后的数据在1%的显著性水平上拒绝数据存在单位根这一原假设，说明通过了ADF检验，即全区间、股指期货发布前、股指期货发布后的数据都是平稳的。

根据协整检验的分析不能确定这种关系是否具有因果关系，而格兰杰因果关系检验是判断各个变量之间是否具有因果关系的有效方法，对上证50股指期货对现货市场波动性的格兰杰因果关系检验结果如表3所示。

表3 格兰杰因果检验的结果

由表3可知，原假设1中的P值是0.012，该假设在5%水平上显著，说明股指期货发布前对股指期货发布后具有格兰杰因果关系。

根据上证50一阶差分序列的自相关函数图和偏自相关函数图，初步选用下列模型进行预期价格分析预测：GARCH (1,0) GARCH (0,1) GARCH (1,1) GARCH (2,0)GARCH (0,2) GARCH (1,2) GARCH (2,1)(见图2)。

图2 上证50日收益率自相关与偏相关检验结果

图3

根据模型估计结果，GARCH (2,1) ；GARCH (0,1) ；GARCH (1,1) ；GARCH (2,1)拟合效果较好，各项系数显著。其中GARCH (0,1) ；GARCH (1,1) ；GARCH (2,1)通过残差序列白噪声检验。现对三个模型的拟合效果进行对比，选取拟合效果最好的模型进行上证50的分析预测，对比结果如表4所示。

表4 模型拟合效果对比

综合对比考虑模型的拟合效果，GARCH(2,1)的可决系数与GARCH (1,1)相同，但Akaike info criterion值较GARCH(1,1)大，本文最终选取GARCH (1,1)模型拟合方程研究上证50指数与股指期货之间的联系。

GARCH(1,1)的模型参数如表3所示：

模型系数均为显著的，a+B=0.1395674-2.100945=-1.9613776＜1，满足GARCH模型对参数的约束性条件，从数值来看，B远小于a，表明旧信息对市场波动性的冲击较大且持续期较短，正体现了上证50指数收益率具有波动聚集性。

基于GARCH类模型对2005—2022年的上证50指数进行实证研究发现，上证50指数的收盘价在2015年股指期货发布后出现了明显的波动性，发布股指期货后的样本数据变化程度较小，市场的波动范围也有所减小，可能表明股指期货的发布降低了市场波动性。然而，发布股指期货后，市场的负向波动性和异常波动性有所增加。同时，本文发现全区间、股指期货发布前、股指期货发布后的数据都是平稳的，为使用GARCH模型进行分析提供了可能。通过对上证50股指期货对现货市场波动性的格兰杰因果关系检验发现，股指期货发布前对股指期货发布后具有格兰杰因果关系，表明股指期货的发布可能影响现货市场的波动性。

在模型选择上，本文最终选择GARCH (1,1)模型进行上证50指数与股指期货之间联系的分析。模型结果反映了上证50指数收益率的波动聚集性。总的来说，虽然股指期货的发布对市场的总体波动性有所降低，但对市场负向波动性和异常波动性的影响不能忽视。

首先，我国应在严控风险的基础上，进一步放开股指期货交易的限制：股指期货作为我国机构投资者投资策略的重要工具，过度限制不利于机构投资者开发更多灵活策略的产品，因此可以在控制过度投资的基础上，进一步放松非套保日内开仓手数，提高流动性。其次，我国境内现有权益类衍生产品结果并不均衡，主要覆盖的是蓝筹股、权重股(包括沪深300股指期货、上证50股指期货、沪深300股指期权等)，而覆盖中小盘的权益类衍生品较少，我国应研发更多宽基、窄基股指和个股的期货产品，以完善权益类衍生品市场结构。再次，政府应积极推进期货期权市场的法律建设。积极完善《期货法》立法，为期货市场健康发展提供强有力的法律保障，积极学习国外经验，优化保证金制度、大户持仓报告制度等，进一步规范期货市场。最后，国家要提高跨境监管能力，进一步加强境内机构投资者对股指期货市场的参与度，以防止境内投资者面对开放境外投资者造成的冲击。