您好, 访客   登录/注册

股指期货对我国股票市场波动性影响的实证分析

来源:用户上传      作者:

  【摘要】本文在借鉴了大量文献资料、研究成果的基础上,运用实证分析方法,借助沪深300指数日交易数据,用GARCH模型对股指期货推出对股票市场波动性影响进行了实证研究,根据分析结果得出该日收益率序列具有高阶ARCH效应。股指期货的引入在一定程度上增大了我国股票市场的波动性,但是这种影响程度较小;源于参与投资沪深300股指期货的投资者知识水平和经验不足,出现盲目追涨,不关注基本面,造成股指期货的推出增加了市场的投机气氛,对市场的新信息反映过渡。
  【关键词】股指期货;波动性;股票市场;GARCH
  
  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指数股指期货合约。股指期货的推出对证券市场将会带来巨大的影响,由于股指期货有较大的杠杆效应,股指期货是否会带来股票市场的波动加剧,它对股票市场的发展是否有利,是当前急需解答的问题。
  目前在股指期货推出对现货市场波动性影响的问题上,存在三种不同观点,即股指期货的推出将导致现货市场的波动性减弱、波动性不变及波动性增大。但是,大部分研究表明股指期货的推出使股票现货市场的波动性没有发生明显变化:Edwards对S&P 500指数和价值线指数在期货市场推出前后的波动性研究的分析表明,股价指数的日波动增加不是由于股指期货引起的,期货市场使得现货市场更为稳定和完善。有少部分研究表明股指期货市场导致了现货市场波动性增加,Harris(1989)考查了1975年至1987年S&P500指数波动性的变化,结果发现它的波动性在1985年后开始明显的增加。
  近期,国内学者们关于股指期货推出对现货市场波动性影响方面的研究成果不断出新。如李华,程婧(2006)分析了日本股票指数期货的产生对于日经225指数的影响,认为股指期货的推出对股票现货市场波动性的影响不大。王石(2006)采用GARCH-M模型和GJR-GARCH-M模型对台湾股票市场引入股指期货后现货市场波动性检验表明,股指期货推出后市场波动性有明显减少的现象,这说明股指期货对于股票现货市场的稳定性确实有一定正面的影响。
  本文将基于沪深300指数期货推出后短期状况的对比,通过GARCH(p,q)模型实证分析了沪深300指数期货推出对我国股票市场波动性的影响,得出了我国股票市场波动性的现状。
  
  二、股票市场波动性检验方法
  
  金融波动性的测度方法大致可以分为两类,一类是基于样本历史序列的波动性估计方法,另一类是基于衍生证券定价模型的隐含波动率法。这里我们仅介绍第一类方法的主要模型。
  (一)ARCH类模型
  美国经济学家Engle(1982)研究英国通货膨胀率序列变化规律时提出了自回归条件异方差模型(Autoregressive conditional Heteroscedasticity),简称ARCH模型。ARCH模型的最基本特征在于它对一个基本线性回归模型误差项的假定上,假设观测数据的条件方差呈自相关。ARCH模型的定义如下:
  式中,,是的条件方差,且,表示已知信息集。同时存在非负约束:,(i=1,2,……,q)。同时为了保证{}的二阶平稳性,要求。满足上述条件的模型称为ARCH(q)。从上述模型可以看出,的条件方差由,…,所决定,所以当(i=1,2,…,q)的值很大时,的条件方差一定很大。q的值决定了随机变量某一跳跃的持续影响时间,q值越大,影响时间越长。因此ARCH(q)模型较为贴切的刻画了金融市场波动集簇性。
  (二)GARCH类模型
  在ARCH模型的基础上,1986年Bollersler提出了广义自回归条件异方差模型(Gener-alized Autoregression Conditional Heteroscedasticity,GARCH模型)它比ARCH模型需要更小的滞后阶数,并有与ARMA相类似的结构,GARCH模型定义如下:
  对于股指期货到底是增加还是减少股票市场的波动性这一问题,本文采用对比研究的方法,截取引入期货前、后两个样本区间,利用GARCH模型分别对两个样本进行估计,从而可以对引入股指期货市场前后现货市场的波动性进行对比。
  
  三、沪深300指数期货推出对股票市场波动性影响的实证分析
  
  (一)样本的选取和数据说明
  1.数据预处理
  本文选取2005年4月8日至2010年6月7日沪深300指数收盘价(Ct)作为原始数据,共计1265个。沪深300指数对数收益率数据计算公式如下:
  由表3-1知,序列Rt的偏度S=-0.420056<0,峰度K=5.163312>3,与标准正态分布相比,沪深300指数收益序列呈现左偏、尖峰的特征。同时JB统计量为281.1787,也证实了收益率Rt显著异于正态分布。
  (二)平稳性检验
  本文利用ADF(Augmented Dickey-Fuller)单位根检验方法。当ADF值小于给定显著水平下的临界值,则总体样本时间序列没有单位根,即该序列是平稳的。若存在单位根,序列是非平稳序列,这样就必须对序列进行差分处理,使之达到平稳。
  利用EViews软件对沪深300指数收益率序列进行单位跟检验,所得结果如表3-2所示:
  在0.01的显著水平下,ADF=-16.05050小于临界值-23.435440。上证300指数日收益率Rt拒绝存在一个单位根的原假设,说明上证指数日收益率序列是平稳的。从而可以对上证300指数日收益率序列进行GARCH建模。
  (三)上证300指数日收益率序列自回归方程的建立
  1、上证300指数日收益率序列自回归滞后阶数的选择
  假定本序列的最回归方程为:
  建立模型时,要选择统计性质优良的模型。为确定适当的滞后阶数,通常用AIC准则和Schwarz准则来进行选择。在选择变量的滞后阶数时,AIC值或SC值越小越好。
  用Eviews软件对沪深300指数日收益率序列分别进行滞后1、2、3、4期回归分析,结果如表3-3。
  由表3-3可知,当滞后阶数为4时,AIC值和SC值最小,同时F统计量统计值显著。选择滞后4阶较为合适,如式3-所示:
  2、自相关性检验
  自相关性检验主要是针对公式的残差序列进行自相关性检验,即对残差序列进行白噪声检验。若残差序列不是白噪声序列,意味着残差序列还存在信息没有被提取。
  对沪深300指数日收益率序列自回归模型残差项的统计检验结果如表3-4:
  由表3-4可以知道,滞后阶数从1到20的自相关系数(AC)和偏自相关系数(PAC)的绝对值都小于0.1,统计量Q(20)=22.998小于显著水平为5%的临界值31.4104,这表明不能拒绝残差序列相互独立的原假设,即残差序列不存在自相关性。
  (四)GARCH模型选择建立
  为了检验沪深300指数期货推出对现货市场波动性的影响,引入一个虚拟变量,取值为0或1,通过条件方差引入虚拟变量,来刻画沪深300指数期货对我国股票市场波动性的影响,在股指期货推出前,该变量值为0;在股指期货推出后(2010年4月16日后),该变量值为1。据此,我们对GARCH模型进行引入虚拟变量的调整:
  在修正的GARCH模型中,当模型的参数>0,且该变量统计性显著,那说明引入股指期货增加了现货市场的波动性;<则说明引入股指期货降低了现货市场波动性;当=0,则说明引入股指期货对现货市场的波动性没有影响。

  1.GARCH模型的建立
  根据AIC准则和SC准则,分别选用不同的阶数值对条件方差进行拟合,结果如表3-6:
  从表3-8可以看出,首次推出沪深300股指期货以后,ARCH项系数α1增大,GARCH项系数α2减小。而ARCH项刻画的是市场对于新信息的反应,GARCH项刻画得是市场对于旧信息的反应,分析原因可能是由于股指期货刚推出,由于股指期货的避险,价格发现等作用,投资者热衷于股指期货的投资,对市场新信息反映过度,导致α1增大。同时,股指期货的推出时投资者过分注重新信息而忽略了旧信息,导致α2减小。
  
  四、研究结论及启示
  
  本文利用GARCH模型,研究了沪深300指数期货上市后对现货市场波动性的影响。通过上面的实证分析研究,可以得出以下几个方面的结论。
  第一,利用GARCH(1,1)模型对沪深300指数期货引入前后的波动性进行了实证分析,发现股指期货的引入在一定程度上增大了我国股票市场的波动性,但是这种影响程度较小。
  第二,通过对沪深300指数期货引入前后模型分别建立GARCH模型,比较相关参数我们发现:股指期货的推出增加了市场的投机气氛,对市场的新信息反映过渡。本人认为这主要原因可能是参与投资沪深300股指期货的投资者知识水平和经验不足,出现盲目追涨,不关注基本面造成的。
  综合以上结论,我国目前应该做好加强投资者教育、加大宣传力度,让投资者充分了解股指期货的作用和功能。让投资者对有关股指期货推出的知识充分吸收和消化,以确保股指期货推出后,化解股票市场的巨大波动和股票现货市场的稳定发展。
  
  参考文献
  [1]陈芳平,李松涛.股指期货推出对股指波动性影响的实证研究[J].证券投资,2006,136(2):45-47.
  [2]刘考场,李树丞.舒杨股指期货对于市场波动性影响的分析――基于KOSPI200和TAIEX股指期货的实证分析[J].河北大学学报,2008(03).
  [3]于亦文.实际波动率与GARCH模型的特征比较分析[J].管理工程学报,2006,18(2):65-69.
  [4]付海龙,张月.股指期货对股票市场的波动性影响[J].金融经济,2007,22:10-12.
  [5]Blair,Bevan,Ser-Huang Poon,Stephen J,andTaylor.Asymmetric and crash effects in stockvolatility for the S&P 100 index and its constituents[J].Applied Financial Economics,004,12(5):10.
  [6]丁娟.信息对股票收益攀波动非对称性影响的研究[J].天津商学院学报,2003(5).
  [7]张永东,毕秋香.上海股市波动性预测模型的实证比较[J].管理工程学报,2003,15(2):16-19.
  [8]黄玮,刘再华.股指期货推出对股指波动性影响的研究――基于印度NIFTY股指期货的实证分析[J].湖南财经高等专科学校学报,2007,10:116-120.
  [9]李华,程婧.股指期货推出对股票市场波动性的影响研究[J].金融与经济,2006,2:81-83.
  [10]王石.中国金融衍生品研究与中国期货市场实践[D].吉林大学,2006.


转载注明来源:https://www.xzbu.com/2/view-367744.htm