基于高频数据的股指期货价格发现功能的动态研究

基于高频数据的股指期货价格发现功能的动态研究

　　摘要：利用沪深300指数和股指期货主力合约的日内高频数据，创新性地采用递归协整和公共因子模型方法对股指期货价格发现功能的动态变化进行了深入研究，发现在股指期货运行之初，股指期货市场与现货市场并不具有稳定的协整关系，股指期货不具有价格发现功能。随着市场的不断完善，期现货市场之间开始存在稳定的协整关系，股指期货开始具有价格发现功能，但价格发现功能表现并不理想。在价格发现过程中，起主要作用的是现货市场，而并非期货市场。

　　关键词：管理会计论文,高频数据,股指期货,价格发现,递归协整,公共因子模型

　　一、引言

　　所谓的价格发现功能，是指相对于现货市场价格，期货市场价格能够对于新信息能做出更快的反应，即期货价格对于同期现货价格具有引领作用。价格发现是期货市场的基本功能之一，是期货市场套期保值功能发挥的前提。金融学理论表明，由于股指期货交易具有成本低、杠杆倍数高、执行指令速度快等优点，交易活跃，因此相对于现货市场，股指期货市场能更快地对市场信息做出反应，期货价格的变化会领先于现货价格的变化，具有价格发现功能。

　　关于这一方面的实证研究，在实证方法上主要有以下三种思路：

　　第一种思路是在协整分析的基础上，采用误差修正模型等方法。其中，协整分析主要是考察期现货市场价格之间是否具有长期稳定的均衡关系，而误差修正模型主要是刻画期货价格与现货价格对短期价格偏离的反应。这种思路主要是对价格(收益)的一阶矩进行研究。

　　Ghosh(1993)[1]采用协整分析和误差修正模型对S&P500指数期货价格和现货价格之间的关系进行了研究，研究发现它们之间具有长期稳定的协整关系，且在短期关系中，期货市场价格对于现货市场价格具有较强的影响力。Booth等(1999)[2]采用了同样的方法研究了德国DAX指数期货和期权的价格发现过程，研究结果表明DAX指数期货的价格发现功能优于期权。任燕燕和李学(2006)[3]采用向量自回归模型和误差修正模型，对股指期货的价格发现功能进行了研究，研究结果表明，股指期货市场价格领先于现货市场价格。张宗成和刘少华(2010)[4]采用Granger因果检验、协整检验及误差修正模型对上市以来沪深300股指期货与现货之间的关系进行了研究，发现无论长期还是短期，期货市场对于现货市场的影响都比较大。

　　第二种思路是对价格(收益)的二阶矩进行研究，即通过考察两市场之间的波动溢出效应，来揭示其各自在价格发现中的地位。Hamao(1990)[5]最早提出了“波动溢出效应”模型，通过该模型可以考察价格波动和信息传播之间的关系。通常采用GARCH类模型进行这方面的实证研究。

　　Bhar(2001)[6]采用二元EGARCH模型对澳大利亚期现货市场之间的动态关系进行了实证研究。Zhong等(2004)[7]采用修正的 EGARCH模型对墨西哥期现货市场之间的动态关系进行了研究，发现股指期货市场对于现货市场存在波动溢出效应。邢精平等(2011)[8]采用多元T- GARCH模型研究了我国股指期货上市以来期现货市场之间的波动溢出效应，研究结果表明两市之间存在显著的双向波动溢出，但期货市场的波动溢出效应强于现货市场的波动溢出效应。刘晓彬等(2012)[9]基于沪深300股指期货仿真交易数据，采用BEKK-MGARCH模型对期现货市场之间的波动溢出效应进行了研究，结果表明两市场之间存在相互溢出效应，且在产生持久的影响。

　　第三种思路是在稳定协整关系的基础上，精确量化期现货市场在价格发现过程中的贡献度。方法是公共因子模型，主要是Hasbrouck(1995)[10]提出的信息份额模型(Information Share，简写为IS)和Gonzalo与Granger(1995)[11]提出的长短期模型(Permanent Transitory，简写为PT)。

　　Hasbrouck(2003)[12]采用IS模型研究了美国证券市场的价格发现过程，发现相对于标准普尔500指数和纳斯达克100指数而言，小额的期货市场在价格发现过程中的贡献度更大。肖辉等(2006)[13]使用脉冲响应与一般因子分解模型对国际五种主要的股指期货市场的价格发现功能进行了研究，发现期货市场在价格发现过程中处于主导地位。熊熊等(2010)[14]采用PT模型分析了沪深 300股指期货IF1005合约生命周期内的价格发现过程，平均来看，股指期货在价格发现过程中起主导作用。许自坚(2012)[15]通过IS和PT模型分析股指期货与现货指数各自在价格发现中的贡献度，结果表明股指期货在价格发现过程中占据主导地位。

　　从以上综述可以看出，上述研究方法只能考察一段时期内股指期货市场价格发现功能的静态表现，不能考察价格发现功能的动态变化。而对于股指期货市场而言，尤其是新兴股指期货市场，考察其价格发现功能的动态变化，对于加深我们对股指期货市场的认识，发现股指期货推出初期的运作规律，促进市场的不断完善和发展都具有十分重要的意义。本文将创新性地采用Hansen和Johansen(1999)[16]所提出的递归协整的方法(recursive cointegration)考察沪深300股指期货价格发现功能的动态表现，这种方法可以考察两市场协整关系的稳定性以及相关调整系数的动态变化，从而有助于我们发现新兴期货市场需要多长的时间得以实现其价格发现功能。与此同时，本文还将利用公共因子模型，对股指期货的价格发现功能做更为精确的刻画。 　　二、研究方法与模型

　　(一)递归协整检验

　　假设yt=y1 ty2 t，其中y1 t为指数现货市场的自然对数价格，而y2 t为期货市场的自然对数价格。如果两个价格序列都是非平稳的时间序列，且为同阶单整，并具有协整关系，那么两者之间的关系可用以下误差修正模型表示：

　　?驻yt=?琢?茁′yt-1+■?祝i?驻yt-i+Bxt+?着t (t=1，…T)(1)

　　其中，xt是一个确定的d维的外生向量，代表趋势项、常数项等确定性项;矩阵∏=?琢?茁′的秩决定了协整向量的个数。

　　除上述标准协整方法外，本文还将采用递归协整方法考察协整关系的稳定性以及一些关键变量系数的递归变化。递归协整分析可在(1)式两种VAR表述下进行，第一种是“Z表述”(Z-representation)，第二种是“R表述”(R-representation)。在第一种表述中，(1)式中长期关系系数和短期关系系数将在每一次递归中被重新估计，而在第二种表述中，短期关系系数?祝i将在整个样本期内保持固定不变，只有长期关系系数将在每一次估计中被重新估计。Hansen和Johansen(1999)[16]认为从“R表述”所得到的估计结果更适用于递归协整分析。本文将详细介绍基于“R 表述”的主要估计过程。①