我国燃油期货市场成交量和持仓量对价格波动的影响研究

冯梦黎　马箐箐

摘要：研究燃油期货市场成交量、持仓量对价格波动的影响，有利于降低燃油期货市场风险。建立EGARCH-t模型，分别考察成交量、持仓量以及同进考察成交量与持仓量对我国燃油期货价格波动的影响。研究结果显示：在分别考察成交量和持仓量时，当期成交量对价格波动方差具有比较明显的影响，滞后成交量与持仓量对价格波动方差都没有很显著的影响。在同时考察成交量和持仓量对价格波动方差的影响时，有A

关键词：燃油期货；价格波动；市场成交量；持仓量；EGARCH-t模型

中图分类号： F012文献标志码： A 文章编号：16720539（2014）03006306

一、引言

为了尽快地融入国际燃油定价体系，2004年8月上海期货交易所正式推出了燃料油期货交易，以此减轻我国在应付国际燃油市场上油价的大幅振荡风险带来的损失。虽然我国燃油期货市场发展至今已将近十年，但目前我国对燃油期货市场的了解和认识仍处于起步阶段，对其内部结构、运行特征的研究也非常缺乏。在期货市场上，反映期货市场行情的最为重要的几个因素分别是价格、成交量和持仓量。研究燃油期货成交量、持仓量对价格波动的影响，有助于了解燃油成交量和持仓量在燃油期货价格波动中所起的作用，有助于了解燃油期货市场的内部结构和对信息的反应程度，并最终达到控制燃油期货市场风险的目的，以更好地促进我国燃油期货市场的发展。

燃油期货市场的价量关系长期以来都受到国内外学者的关注。大量的文献研究显示，燃油期货市场交易量和价格波动之间存在正相关关系，如Clark[1]（1973）、Copeland[2]（1976）、Karpoff[3]（1987）、Karpoff[4]（1988）、 Bessembinder和Seguin[5]（1992）等都进行了相关研究。学者们在研究燃油交易量与价格波动的关系时，发现滞后期交易量与当期交易量对价格波动的影响并不相同。Foster[6]（1995）、Wang和Yau[7]（2000）研究发现，燃油价格波动与交易量成正相关，而与交易量滞后项之间存在负相关关系。随后，学者们进行了更深入和更全面的研究，发现不仅期货价格波动和交易量存在一定关系，同时，期货价格波动与持仓量也有一定的联系。Bessembinder和Seguin[8]（1993）、Girma和Mougoue[9]（2002）、Chan[10]（2004）、Ragunathan[11]（1997）等研究发现，交易量和收益率之间存在着强烈的正相关关系，而持仓量和收益率之间存在负相关关系。相较于国外学者，国内学者对燃油期货价格与交易量、持仓量的关系研究相对较晚。国内学者华仁海和仲伟俊[12]（2004）、仲伟俊等[13]（2008）对燃料油期货市场的成交量和持仓量对价格波动的影响作了详尽的分析，研究结果发现，交易量与价格呈正相关，持仓量与价格呈负相关。戴毓等[14]（2009）研究表明，燃料油期货市场的成交量对价格波动具有非常强的解释性，也就是说，可以根据上一期的成交量预测下一期的价格波动；同时，当期持仓量增大时，期货价格波动将减小。崔海蓉等[15]（2010）研究也发现，燃料油期货市场的价格与成交量呈正相关，持仓量与价格呈负相关。

由于燃油期货在我国推出的时间不长，国内学术界针对我国燃油期货市场成交量、持仓量对价格波动影响关系的研究还相对缺乏。为此，本文选取燃油期货合约为研究对象，研究其成交量和持仓量对价格波动的影响关系，以期可以更好地揭示出我国燃油期货市场的内在特征。同时，已有文献在进行建模时大多数并没有考虑期货价格波动率的非对称性，实证研究也运应用GARCH模型。因此，本文在建立模型时选取可以更好地反映金融时间序列对正负信息反应呈非对称性的EGARCH模型。另外，学者对燃油期货波动序列与成交量、持仓量建立模型时，一般默认模型的残差服从正态分布，然而实际情况往往并非如此。基于正态分布的模型仅部分解决了金融时间序列的中尖峰、厚尾的问题，为了更加准确地描述EGARCH模型中残差的分布特征，本文引入Studentst分布。本文拟分两种情况对三者之间的关系进行实证研究。第一是分别考察成交量、持仓量对我国燃油期货价格波动的影响，第二是同时考察成交量与持仓量对我国燃油期货价格波动的影响。

二、EGARCH实证分析模型的构建

由于期货价格具有异方差和对信息的非对称性，因此本文借用EGARCH模型可以很好地体现金融价格波动的杠杆效应，并且以条件方差的对数形式确保条件方差为正，使模型可以更规范和稳定。EGARCH（1，1）模型如下：

Rt=c+ARMA（p，q）+ut（1）

lnht=ω+γut-11ht-1+αut-11ht-1+βlnht-1（2）

方程（1）为均值方程，期货价格波动Rt服从自回归移动ARMA（p，q）模型。方程（2）为条件方差方程，ht = E（u2t ），E（ut）=0。ht代表价格波动的条件方差；β反映波动的程度，β越接近1，波动的聚集效应和持续性越强；ut>0表示利好消息，ut<0表示利坏消息。对于EGARCH模型，利好消息和利坏消息对条件方差的影响是不一样的。当γ=0时，条件方差对冲击的反应是对称的；但当γ<0时，条件方差对冲击的反应是非对称的，负向的冲击影响要大于正向的冲击影响。

为了研究成交量、持仓量对燃油期货价格波动性的影响，本文在EGARCH模型中引入成交量和持仓量。首先我们分别考察成交量、持仓量对我国燃油期货价格波动的影响；其次是同时考察成交量与持仓量对我国燃油期货价格波动的共同影响。本文把同期交易量和滞后一期交易量以及同期持仓量和滞后一期持仓量引入方差方程，令价格波动为Rt， Vt为连续合约在第t个交易日的成交量，It为连续合约在第t个交易日的持仓量，则得到如下模型：

Rt=c+ARMA（p，q）+ut ut～N（0，ht）（3）

lnht=ω+βlnht-1+γut-11ht-1+αut-11ht-1+ρ1Vt-i

i=0，1（4）

lnht=ω+βlnht-1+γut-11ht-1+αut-11ht-1+ρ2It-i

i=0，1（5）

lnht=ω+βlnht-1+γut-11ht-1+αut-11ht-1+

ρ1Vt-i+ρ2It-i

i=0，1（6）

方程（4）中考虑了成交量对价格波动方差的影响，分别是当期和滞后期；方程（5）中考虑了持仓量对价格波动方差的影响，分别是当期和滞后期；而方程式（6）中同时考虑了当期成交量和滞后期持仓量对价格波动方差的影响，分别也是当期和滞后期。

另外，在对燃油期货波动序列与成交量、持仓量建立EGARCH模型时，一般默认模型的残差服从正态分布，然而实际情况往往并非如此，基于正态分布的EGARCH模型仅部分解决了金融时间序列的中尖峰、厚尾的问题。为了更加准确地描述 EGARCH模型中残差的分布特征，本文引入自由度为v的Studentst分布，即假定模型中的误差项服从如下的分布：

εtΩt-11ht～t（v）

此时的模型即为EGARCH-t模型，t分布有更宽的尾部，能更好地描绘收益序列的后尾性特征。

三、燃油期货合约序列数据分析

（一）数据描述

本文研究的对象是我国燃油期货市场，采用的数据类型为燃油期货合约交易日内的交易量、持仓量和收盘价，数据的时间跨度为2004年10月15日至2013年11月20日。由于每个期货合约都将在某个时间内到期，因此，期货价格具有不连续的特征。另外，在同一交易日，会有许多个不同交割时间的期货合约在交易。因此，同一期货品种在同一交易日会同时有许多个不同交割时间的交易数据存在。所以我们需要对燃油期货合约数据进行处理，以建立一个连续的燃油期货合约序列。

华仁海和仲伟俊（2004）[12]以及崔海蓉等（2010）[15]根据期货品种的交易量、持仓量和交易活跃程度来选取期货合约代表来产生一个连续期货合约序列。但对于燃油期货而言，国内燃油期货市场还处于初生阶段，某些月份的数据有缺失或没有交易（如燃油期货在春节前后就不进行交割）。为此，本文在已有研究的基础上作出一些修改，对燃油期货合约按照如下方法来构造连续的燃油期货合约：选取最近期月份的期货合约的每天收盘价格和相对应的交易量、持仓量，在最近期货合约进入交割月后，选择下个最近期月份的期货合约。这样做是为了克服期货价格波动不稳定、交割月交易量较小的缺点。考虑到燃油期货数据的局限性，以每年9月份作为基准，同时剔除没有实际成交的数据后，燃油连续合约序列中数据的个数为1768个。

按照上述方法产生的连续期货合约的优点在于，所选择期货合约的期货价格序列、成交量序列和持仓量序列具有较好的代表性。由于期货价格波动较小，因此将会给数据处理带来一定的困难。所以，将价格波动Rt定义为：

Rt={Ln（Ft）-Ln（Ft-1）}×100（7）

式中，Ft为连续合约在第t个交易日的收盘价格。

由于燃料期货合约在各个不同月份的成交量和持仓量可能相差很大，不利于反映价格波动的一般特点和比对价格波动，因此文中研究的成交量和持仓量分别取它们的自然对数。即：

LVt = Ln（Vt ）-Ln（Vt -1 ）（8）

LIt = Ln（It ）-Ln（It -1 ）（9）

因此，在方程（4）、（5）、（6）中用LVt替代Vt，LnIt替代It。

（二）数据平稳性检验

为了防止伪回归的现象，需要先对数据进行平稳性检验。本文运用ADF检验法，对Rt、LVt、LIt进行单位根检验（表1）。

序列名1t统计量1Prob值Rt1-46.2228510.0001LVt1-29.1575010.0000LIt1-45.7990510.0001

ADF检验结果显示，Rt、LVt、LIt各序列均为平稳序列，原序列在1%显著水平下拒绝含有单位根的假设，序列为典型的零阶单整时间序列。

四、成交量和持仓量对价格波动影响的实证分析（一）价格的波动特征

1.价格波动的统计特征

表2给出了价格波动Rt序列的统计特征。从表2的统计结果可以看出，价格波动Rt序列的JB统计量表明它不满足正态分布，同时峰度大于3，呈现出明显的尖峰厚尾性和异方差性。

参数1Rt样本容量11768均值10.030133中位数10.46794最大值119.29298最小值1-24.80168标准差11.953130偏度1-0.404342峰度130.18588JB统计量154493.15

2.EGARCH模型模拟价格的波动特征

运用EGARCH（1，1）模型模拟价格波动Rt的波动特征，由于呈现出明显的尖峰厚尾特征，并且数据量较大，因此运用Eviews7.0时选取的分布为Studentst分布。从表3结果可以看出，方差方程已不存在自相关，滞后1、2阶的LM值都很小，即残差序列不再有ARCH效应，EGARCH（1，1）模型已充分拟合了燃油期货市场价格波动Rt的特征。同时，β值很接近1且非常显著，说明燃油期货市场价格波动Rt的ARCH效应非常明显，其波动有明显的持续性和聚集效应。同时燃油期货市场的γ值为0.26，这说明燃油期货市场是存在一定的杠杆效应，利好和利坏消息对条件方差有一定影响。

Rt=c+ARMA（p，q）+ut ut～N（0，ht）（3）

lnht=ω+βlnht-1+γut-11ht-1+αut-11ht-1+ρ1Vt-i

i=0，1（4）

lnht=ω+βlnht-1+γut-11ht-1+αut-11ht-1+ρ2It-i

i=0，1（5）

lnht=ω+βlnht-1+γut-11ht-1+αut-11ht-1+

ρ1Vt-i+ρ2It-i

i=0，1（6）

方程（4）中考虑了成交量对价格波动方差的影响，分别是当期和滞后期；方程（5）中考虑了持仓量对价格波动方差的影响，分别是当期和滞后期；而方程式（6）中同时考虑了当期成交量和滞后期持仓量对价格波动方差的影响，分别也是当期和滞后期。

另外，在对燃油期货波动序列与成交量、持仓量建立EGARCH模型时，一般默认模型的残差服从正态分布，然而实际情况往往并非如此，基于正态分布的EGARCH模型仅部分解决了金融时间序列的中尖峰、厚尾的问题。为了更加准确地描述 EGARCH模型中残差的分布特征，本文引入自由度为v的Studentst分布，即假定模型中的误差项服从如下的分布：

εtΩt-11ht～t（v）

此时的模型即为EGARCH-t模型，t分布有更宽的尾部，能更好地描绘收益序列的后尾性特征。

三、燃油期货合约序列数据分析

（一）数据描述

本文研究的对象是我国燃油期货市场，采用的数据类型为燃油期货合约交易日内的交易量、持仓量和收盘价，数据的时间跨度为2004年10月15日至2013年11月20日。由于每个期货合约都将在某个时间内到期，因此，期货价格具有不连续的特征。另外，在同一交易日，会有许多个不同交割时间的期货合约在交易。因此，同一期货品种在同一交易日会同时有许多个不同交割时间的交易数据存在。所以我们需要对燃油期货合约数据进行处理，以建立一个连续的燃油期货合约序列。

华仁海和仲伟俊（2004）[12]以及崔海蓉等（2010）[15]根据期货品种的交易量、持仓量和交易活跃程度来选取期货合约代表来产生一个连续期货合约序列。但对于燃油期货而言，国内燃油期货市场还处于初生阶段，某些月份的数据有缺失或没有交易（如燃油期货在春节前后就不进行交割）。为此，本文在已有研究的基础上作出一些修改，对燃油期货合约按照如下方法来构造连续的燃油期货合约：选取最近期月份的期货合约的每天收盘价格和相对应的交易量、持仓量，在最近期货合约进入交割月后，选择下个最近期月份的期货合约。这样做是为了克服期货价格波动不稳定、交割月交易量较小的缺点。考虑到燃油期货数据的局限性，以每年9月份作为基准，同时剔除没有实际成交的数据后，燃油连续合约序列中数据的个数为1768个。

按照上述方法产生的连续期货合约的优点在于，所选择期货合约的期货价格序列、成交量序列和持仓量序列具有较好的代表性。由于期货价格波动较小，因此将会给数据处理带来一定的困难。所以，将价格波动Rt定义为：

Rt={Ln（Ft）-Ln（Ft-1）}×100（7）

式中，Ft为连续合约在第t个交易日的收盘价格。

由于燃料期货合约在各个不同月份的成交量和持仓量可能相差很大，不利于反映价格波动的一般特点和比对价格波动，因此文中研究的成交量和持仓量分别取它们的自然对数。即：

LVt = Ln（Vt ）-Ln（Vt -1 ）（8）

LIt = Ln（It ）-Ln（It -1 ）（9）

因此，在方程（4）、（5）、（6）中用LVt替代Vt，LnIt替代It。

（二）数据平稳性检验

为了防止伪回归的现象，需要先对数据进行平稳性检验。本文运用ADF检验法，对Rt、LVt、LIt进行单位根检验（表1）。

序列名1t统计量1Prob值Rt1-46.2228510.0001LVt1-29.1575010.0000LIt1-45.7990510.0001

ADF检验结果显示，Rt、LVt、LIt各序列均为平稳序列，原序列在1%显著水平下拒绝含有单位根的假设，序列为典型的零阶单整时间序列。

四、成交量和持仓量对价格波动影响的实证分析（一）价格的波动特征

1.价格波动的统计特征

表2给出了价格波动Rt序列的统计特征。从表2的统计结果可以看出，价格波动Rt序列的JB统计量表明它不满足正态分布，同时峰度大于3，呈现出明显的尖峰厚尾性和异方差性。

参数1Rt样本容量11768均值10.030133中位数10.46794最大值119.29298最小值1-24.80168标准差11.953130偏度1-0.404342峰度130.18588JB统计量154493.15

2.EGARCH模型模拟价格的波动特征

运用EGARCH（1，1）模型模拟价格波动Rt的波动特征，由于呈现出明显的尖峰厚尾特征，并且数据量较大，因此运用Eviews7.0时选取的分布为Studentst分布。从表3结果可以看出，方差方程已不存在自相关，滞后1、2阶的LM值都很小，即残差序列不再有ARCH效应，EGARCH（1，1）模型已充分拟合了燃油期货市场价格波动Rt的特征。同时，β值很接近1且非常显著，说明燃油期货市场价格波动Rt的ARCH效应非常明显，其波动有明显的持续性和聚集效应。同时燃油期货市场的γ值为0.26，这说明燃油期货市场是存在一定的杠杆效应，利好和利坏消息对条件方差有一定影响。

Rt=c+ARMA（p，q）+ut ut～N（0，ht）（3）

lnht=ω+βlnht-1+γut-11ht-1+αut-11ht-1+ρ1Vt-i

i=0，1（4）

lnht=ω+βlnht-1+γut-11ht-1+αut-11ht-1+ρ2It-i

i=0，1（5）

lnht=ω+βlnht-1+γut-11ht-1+αut-11ht-1+

ρ1Vt-i+ρ2It-i

i=0，1（6）

方程（4）中考虑了成交量对价格波动方差的影响，分别是当期和滞后期；方程（5）中考虑了持仓量对价格波动方差的影响，分别是当期和滞后期；而方程式（6）中同时考虑了当期成交量和滞后期持仓量对价格波动方差的影响，分别也是当期和滞后期。

另外，在对燃油期货波动序列与成交量、持仓量建立EGARCH模型时，一般默认模型的残差服从正态分布，然而实际情况往往并非如此，基于正态分布的EGARCH模型仅部分解决了金融时间序列的中尖峰、厚尾的问题。为了更加准确地描述 EGARCH模型中残差的分布特征，本文引入自由度为v的Studentst分布，即假定模型中的误差项服从如下的分布：

εtΩt-11ht～t（v）

此时的模型即为EGARCH-t模型，t分布有更宽的尾部，能更好地描绘收益序列的后尾性特征。

三、燃油期货合约序列数据分析

（一）数据描述

本文研究的对象是我国燃油期货市场，采用的数据类型为燃油期货合约交易日内的交易量、持仓量和收盘价，数据的时间跨度为2004年10月15日至2013年11月20日。由于每个期货合约都将在某个时间内到期，因此，期货价格具有不连续的特征。另外，在同一交易日，会有许多个不同交割时间的期货合约在交易。因此，同一期货品种在同一交易日会同时有许多个不同交割时间的交易数据存在。所以我们需要对燃油期货合约数据进行处理，以建立一个连续的燃油期货合约序列。

华仁海和仲伟俊（2004）[12]以及崔海蓉等（2010）[15]根据期货品种的交易量、持仓量和交易活跃程度来选取期货合约代表来产生一个连续期货合约序列。但对于燃油期货而言，国内燃油期货市场还处于初生阶段，某些月份的数据有缺失或没有交易（如燃油期货在春节前后就不进行交割）。为此，本文在已有研究的基础上作出一些修改，对燃油期货合约按照如下方法来构造连续的燃油期货合约：选取最近期月份的期货合约的每天收盘价格和相对应的交易量、持仓量，在最近期货合约进入交割月后，选择下个最近期月份的期货合约。这样做是为了克服期货价格波动不稳定、交割月交易量较小的缺点。考虑到燃油期货数据的局限性，以每年9月份作为基准，同时剔除没有实际成交的数据后，燃油连续合约序列中数据的个数为1768个。

按照上述方法产生的连续期货合约的优点在于，所选择期货合约的期货价格序列、成交量序列和持仓量序列具有较好的代表性。由于期货价格波动较小，因此将会给数据处理带来一定的困难。所以，将价格波动Rt定义为：

Rt={Ln（Ft）-Ln（Ft-1）}×100（7）

式中，Ft为连续合约在第t个交易日的收盘价格。

由于燃料期货合约在各个不同月份的成交量和持仓量可能相差很大，不利于反映价格波动的一般特点和比对价格波动，因此文中研究的成交量和持仓量分别取它们的自然对数。即：

LVt = Ln（Vt ）-Ln（Vt -1 ）（8）

LIt = Ln（It ）-Ln（It -1 ）（9）

因此，在方程（4）、（5）、（6）中用LVt替代Vt，LnIt替代It。

（二）数据平稳性检验

为了防止伪回归的现象，需要先对数据进行平稳性检验。本文运用ADF检验法，对Rt、LVt、LIt进行单位根检验（表1）。

序列名1t统计量1Prob值Rt1-46.2228510.0001LVt1-29.1575010.0000LIt1-45.7990510.0001

ADF检验结果显示，Rt、LVt、LIt各序列均为平稳序列，原序列在1%显著水平下拒绝含有单位根的假设，序列为典型的零阶单整时间序列。

四、成交量和持仓量对价格波动影响的实证分析（一）价格的波动特征

1.价格波动的统计特征

表2给出了价格波动Rt序列的统计特征。从表2的统计结果可以看出，价格波动Rt序列的JB统计量表明它不满足正态分布，同时峰度大于3，呈现出明显的尖峰厚尾性和异方差性。

参数1Rt样本容量11768均值10.030133中位数10.46794最大值119.29298最小值1-24.80168标准差11.953130偏度1-0.404342峰度130.18588JB统计量154493.15

2.EGARCH模型模拟价格的波动特征

运用EGARCH（1，1）模型模拟价格波动Rt的波动特征，由于呈现出明显的尖峰厚尾特征，并且数据量较大，因此运用Eviews7.0时选取的分布为Studentst分布。从表3结果可以看出，方差方程已不存在自相关，滞后1、2阶的LM值都很小，即残差序列不再有ARCH效应，EGARCH（1，1）模型已充分拟合了燃油期货市场价格波动Rt的特征。同时，β值很接近1且非常显著，说明燃油期货市场价格波动Rt的ARCH效应非常明显，其波动有明显的持续性和聚集效应。同时燃油期货市场的γ值为0.26，这说明燃油期货市场是存在一定的杠杆效应，利好和利坏消息对条件方差有一定影响。