中国沪深300指数期货与现货市场间的波动溢出效应分析

2018-05-24谢妍妍北京市首都经济贸易大学

新商务周刊 2018年5期

文/谢妍妍，北京市首都经济贸易大学

引言

从理论上讲，股指期货具有价格发现、稳定波动率、对冲等重要功能，并且是一种新兴的，但有效的风险管理工具。然而，在实践中，存在于期货市场的大量非理性投机交易，增加了现货市场短期波动的风险。坏消息通过杠杆效应放大也加剧了其对现货市场的潜在危害。本文选择沪深300指数期货市场和现货市场为研究对象，通过实证分析试图回答下列问题：沪深300指数期货和现货市场之间的波动溢出关系是什么？他们之间如何相互影响？沪深300指数期货的推出也有助于其现货市场的稳定呢？在目前的中国金融市场上，应鼓励这些金融创新吗？

1 数据选取与离散小波变换

1.1 数据选取

我们选取沪深300股票指数和沪深300股指期货从2010年4月16日至2014年9月25日的1080个收盘价（数据来源：wind database）。避免金融产品价格的大幅波动我们采用对数差分将价格转化为日收益率，得到了自中国推出沪深300指数期货后的1079的回报率数据。

沪深300及其期货在趋势性、波动性和一定时期内的波动集群性上都有很大的共性

1.2 离散小波变换

本文运用小波分析对收益率序列进行预处理。

1.2.1 小波变换的基本原理及优越性

小波变换在时间和频率空间上提供了良好的局部性序列。它可通过伸缩和转化将时间空间的高频信号和频率空间的低频信号进行区分，使我们能够专注于信号的任何详细信息。因此，小波变换在时频分析、噪声分离、微弱信号提取和信号识别等领域得到了广泛的应用。总之，小波变换在处理高频和嘈杂的期货和现货数据方面显示出巨大的优越性。

1.2.2 沪深300期货和现货收益率序列的分解与重构

具体步骤如下：

（1）分解股票指数和期货收益。

（2）保留低频小波系数，但将高频小波系数设置为0。然后利用以上的小波系数重构股指期货收益。

2 实证分析

2.1 平稳性检验与VAR模型的建立

我们建立一个VAR（p）模型进行实证分析。根据赤池信息准则，我们选择滞后6阶的VAR模型（即建立VAR（6）模型）。格兰杰因果关系检验（表1）显示，股指期货和现货互为格兰杰原因，说明股票指数期货和股票市场之间存在双向价格影响。

2.2 BEKK Bivariate GARCH（1，1）模型

进一步检验发现VAR模型的残差之间存在较强的序列相关性，ARCH 效应有助于波动聚类。因此我们建立GARCH模型来进探进一步讨沪深300指数及其期货市场间的波动溢出效应。本文选取BE KK-GARCH（1,1）模型（大部分学者认为ARCH和GARCH是一个可以准确描述金融市场波动的模型，而且多元GARCH模型能够动态描绘市场波动的相关性），并建立如下VAR- BEKK-bivariate-GA RCH（1,1）模型：

我们首先引入VAR模型定义的均值方程：

在这里，h11,t表示股票指数收益的条件方差；h22,t表示股指期货收益的条件方差；h12,t表示现货和期货收益的条件协方差。检验期货市场对现货市场的波动溢出效应，相当于检验β21和α21是否显著为零，所以原假设为。同样，我们可以研究现货对期货收益的波动溢出效应，且原假设为。如果现货和期货市场之间没有直接的关系，期货和现货回报的条件方差将只取决于他们自己的过去的值，因此，矩阵的非对角元素都是0。相关的原假设为

基于以上的讨论，我们在估计时将Marquardt算法应用到BEKK bivariate GARCH（1,1）模型，选取似然函数。根据AIC，选择滞后二阶的VAR模型，这表明VAR（2）模型用于表示GARCH模型的均值方程。

基于上述模型，我们观察到，自从2010年4月沪深300指数期货推出，股票指数及其期货市场的波动率都急剧下降，仅一个月后，波动变得温和，两个市场显现出协同波动趋势。这进一步说明了两个市场的波动性的协同作用，并显示了市场对共同信息的反应能力。同时，结果突出了期货市场在稳定股指价格波动方面的优势，表明了多元化的金融工具在金融市场的发展和完善中的作用。