查看最新行情

　　　研究发现，我国股指期货的推出显著降低了股市波动率，该结果在不同模型选择标准和预测方法下保持稳健。

　　期货交易对现货市场波动率的影响一直是金融学界所争论的问题。批评者认为股指期货增大了股市波动性，并将美国1987年股灾以及2008年以来的国际金融危机归因于金融衍生产品的过度开发与交易。另一个流行的观点是期货产品本身所具有的高杠杆特性吸引大量投机交易者参与，使得期货市场里的噪音传导到现货市场，加剧了价格波动。相反，期货市场的支持者则认为，股指期货的推出能够加快市场中信息的流动速度，使信息能够更快地反映到价格中，从而降低股票市场的波动率。

　　在实证研究方面，关于股指期货的推出对股票市场波动的影响也没有形成统一的认识，其部分原因来源于研究方法的差异。目前比较通行的做法分为两大类，一是比较股指期货推出前后两段时间的股票市场波动率，并利用统计方法进行检验，如Goldfeld and Quandt (1965)提出的F统计量；二是采用GARCH族模型加入虚拟变量的方法对波动率进行建模，分析股指期货对波动率的影响效应。然而，上述两种方法均依赖波动率自身的时间序列性质，忽略了其他市场因素，从而导致结果可能存在偏差。

　　不同于过去的文献，本文采用Hsiao等(2011)提出的“面板数据项目评估法”，对此开展进一步的深入研究，旨在探究我国股指期货的推出对于股市波动性的影响。虽然国内外的相关研究已经涉及股指期货对于股市波动性的冲击与传导机制，但运用面板数据的结构性质对沪深300指数波动率进行研究尚属首次。该方法的核心思想是利用中国与其他国家金融市场间的相关性，构建我国股市波动率的假想值，即估算在没有推出股指期货的条件下股市的波动率水平，从而得以判断股指期货合约推出产生的影响。相比现有文献，该方法的优势在于无需预设回归或时间序列模型形式，并可以动态地衡量影响程度变化情况，从而能够清楚地看到股指期货合约推出后对股市波动率的冲击效果。

　　我们的研究视角集中于沪深300指数月波动率的变化。沪深300指数成分股包含六分之一的上市公司数目和60%左右的股票市值，通常被认为是具有代表性的衡量中国股市总体表现的指标。利用面板数据评估方法构建现货市场波动率的反事实预测值，预测变量包含若干主要国际市场指数以及国内宏观经济指标。观测到的实际波动率与反事实预测值之差即为股指期货合约推出所带来的政策效应。我们发现，沪深300指数月波动率的反事实预测值在合约推出后一年中的绝大多数时间里均高于实际观测值，处置效应均值为-0.0184，并在1%的水平上显著。与预测波动率的均值相比，实际月波动率降低了约25%。这个发现在不同的模型选择标准和预测方法下保持稳健。另外，不同于Bologna and Cavallo (2002)的结果，我们发现股指期货的处置效应开始于合约推出后的第二个月。

　　市场与数据

　　1.股指期货市场概况

　　中国股市在上海证券交易所和深圳证券交易所创建之后的20年里经历了高速发展阶段。至2010年年末，上市公司数量突破2000家，总市值达到26万亿元，约为GDP的81.02%。2010年4月16日，中国金融期货交易所正式推出沪深300股指期货合约，这一事件被广泛认为对中国资本市场的发展具有里程碑式的意义。

　　作为一种新的金融工具，沪深300股指期货受到严格监管。例如，投资者开户所需资金至少为50万元，并且合约保证金达到12%。合格投资者必须具备足够的商品期货或股指期货模拟交易经验。此外，指数期货合约存在10%的涨跌停限制。所有这些规定反映了监管层对于这一新兴金融产品的审慎态度。

　　虽然进入门槛很高，监管十分严格，但是股指期货市场依然受到投资者的普遍关注。合约推出后，沪深300股指期货迅速成为中国交易最为活跃的金融产品之一。在股指期货推出后的三个月时间里，月交易量平均超过600万张，合约总价值大于5万亿元，超过了同期股票现货的交易额。然而其月持仓量仍较低，平均约12500张，表明交易主要性质为投机行为。巨大的交易量伴随着较大的基差(首月平均为22.04点)，引发了两个市场间的套利交易。当价格基差缩小乃至消失时，交易量也随之降低。

　　期货与现货市场在交易量上具有相同的趋势。当2010年11月市场指数达到顶点时，期货与现货市场交易量同时达到高峰，随后在市场趋于下跌的过程中交易量逐步萎缩。这个现象在金融市场中十分典型，因为投资者倾向于在上升趋势中进行交易，而在熊市中保持观望。

　　图1是沪深300指数从2002年1月4日到2012年9月28日的日价格走势图。值得强调的是指数在2002年—2005年一直在1000—1500点附近波动，但自从2005年之后，中国股票市场的波动率出现大幅提高。在2006年—2007年的牛市过去之后，市场在2008年转入熊市，并在当年年末出现反弹。之后指数在2000—4000点范围内振荡。显然，现货市场波动率所具有的时变特性使得寻找合适的模型去刻画其动态过程变得极具挑战性。

　　图2展示了2010年4月至2012年9月间沪深300指数与股指期货日价格走势图。在此期间，中国股市从4月16日的3388点下跌到同年7月2日的2463点，跌幅达27.3%。那么，是股指期货的推出导致现货市场价格出现巨幅变化，抑或仅仅只是巧合？本文旨在探究其原因，同时排除其他可能因素，诸如国际金融危机的影响。

　　图1 沪深300指数走势图(日价格序列) 2002:M1-2012:M9

　　图2 沪深300指数走势图(日期货与现货价格序列) 2010:M4-2012:M9

　　
2.数据与描述统计

　　本文所用数据包含沪深300指数日收益率，其他主要国际市场指数以及国内宏观经济指标，样本期涵盖2002年1月—2012年9月。

　　由于香港股市大陆股市的密切联系，我们加入香港恒生指数(HSI)、恒生香港中资企业指数(HSCCI)、恒生中国企业指数(HSCEI)。香港与大陆市场的整合意味着两者具有更为紧密的经济联系，尤其是近年来大量内地企业选择在香港上市。

　　在亚太地区选择重要国家的市场指数，如韩国KOSPI指数、日经225指数、新加坡海峡时报指数与台湾加权指数。此外，由于发达工业国对国际金融市场的巨大影响，我们还加入伦敦金融时报100指数、纽约S&P 500指数、巴黎CAC40指数、德国法兰克福DAX指数、巴西Bovespa指数、加拿大S&P-TSX指数以及澳洲综合指数。

　　除各国股票指数外，诸多国内宏观经济变量也被加入作为预测变量，如CPI、M1月度同比增速、M2月度同比增速、工业增加值月增长率、长短期利差等。这些变量均为金融文献中普遍采用的指标。

　　股指行情数据取自锐思Resset金融数据库和Wind资讯金融终端，宏观经济变量数据来源于中国社会科学院金融统计数据库以及各年度《中国统计年鉴》。计算股票指数月波动率的方法为当月股指日收益率的标准差乘以当月交易天数的开方。表1报告了指数波动率与国内宏观经济变量的描述性统计。

　　表1 变量描述统计

　　
实证结果

　　1.结果

　　根据股指期货推出的日期，我们将全样本分为两部分：以2002年1月—2010年4月为推出前时期，以2010年5月—2012年9月为推出后时期。利用推出前时期观测值将所有国际主要指数波动率和宏观经济变量对沪深300指数月波动率进行OLS回归，所得到的估计结果如表3所示。基于上述结果构建推出后时期的反事实值。我们将推出前时期定义为样本内估计期，而将推出后时期定义为样本外预测期。注意到反事实预测值的构建在模型估计时没有考虑期货交易的影响。因此，波动率的实际值与预测值之间的差额包含了通常的预测误差以及由股指期货推出所带来的处置效应。

　　此外，图3、图4描绘了基于面板数据评估法的2002年1月—2010年4月以及2010年5月-2012年9月的沪深300指数波动率实际值与预测值。从图3可以看出，在股指期货正式交易前运用国际主要指数月波动率和国内月度宏观经济变量能够较好地拟合沪深300指数月波动率。图4显示，在股指期货推出后的绝大多数时间里，沪深300指数的月反事实波动率均高于实际值，表明存在负的处置效应。然而，仍然需要进行进一步的证据来确证该效应的显著性。

　　图 3 基于面板数据评估法的沪深300指数月波动率实际值与预测值 2002:M1-2010:M4

　　
图4 基于面板数据评估法的沪深300指数月波动率实际值与预测值 2010:M5-2012:M9

　　
表2报告了处置效应在整个样本期间里的估计与检验结果。表格第2列从日收益率中估计的波动率实际值，第3列为预测的反事实值。第4列中的处置效应计算定义为两者差额。表格底部列示了处置效应的均值为-0.0184，其HAC调整后的标准误差0.0043，相应的T统计量为-4.19，并在1%的水平上高度显著。这个降幅在经济意义上同样十分显著，这意味着股指期货的推出降低股市波动率近25%。这个结果与近年来其他市场的发现一致，表明股指期货的引入对于稳定股市具有重要作用。

　　表2 基于面板数据评估法的处置效应 2010:M5-2012:M9
　　
为检验长期处置效应的显著性，我们估计ARMA模型里隐含的长期效应为-0.0340，t值为-3.13，在1%的水平上显著。这与之前HAC稳健t检验的结果一致。

　　2.稳健性检验

　　(1)基于信息准则的变量选择

　　在模型估计阶段有20余个自变量，但仅有100余个月度观测值，因此我们进一步根据赤池信息准则AIC和修正赤池信息准则AICC选择自变量以精简模型。表3报告了相应的处置效应显著性检验结果。利用AIC和AICC准则精简模型的预测变量之后，结果表明股指期货推出所带来的处置效应依然显著为负，分别为-1.74%和-3.47%。这意味着股指期货的推出显著降低了我国股市的波动性，具有稳定股市的重要作用。

　　表3面板数据评估法的处置效应显著性检验：基于AIC、AICC的模型选择

　　
(2) 主成分分析

　　除了选择部分预测变量外，我们采用主成分分析方法提取预测变量的共同因子，并得到反事实预测值。我们发现前5大主成分对预测变量变动的积累贡献接近90%。因此，我们选择这5个主成分对沪深300指数月波动率进行预测，并发现处置效应的均值为-0.0259，HAC调整t值为-5.65，在1%的水平上显著。此外，图5和图6比较了沪深300指数月波动率在两个时期的实际值与预测值，结果与上节相同。

　　图5 基于主成分法的沪深300指数月波动率实际值与预测值：2002:M1-2010:M4
　　
图6 基于主成分法的沪深300指数月波动率实际值与预测值：2010:M5-2012:M9

　　
3.讨论

　　在得出股指期货推出降低股票市场波动率的结论之前，我们着重阐释面板数据评估方法相比于过去传统方法的有效性及其优势。

　　为反映方法的有效性，我们以2002年1月—2009年4月为样本内估计区间，以2009年5月—2010年4月为预测区间，构建基于面板数据的沪深300指数波动率反事实值。处置效应的均值为0.0102且并不显著，其t值仅为0.76。基于AR模型得出的长期效应为-0.00016，t值为-0.012，也是不显著的。这表明在股指期货推出前的一年里，在没有股指期货交易影响的情况下，基于面板数据评估法所得到的我国股市波动率预测值与实际值并无显著差异。这意味着我们的结论准确反映了股指期货的推出对于股市波动性的影响。

　　此外，为体现本方法的优势，我们进行另一个实验，将文献中流行的GARCH-虚变量法与本文采用的面板数据评估方法进行比较。为增大样本量我们采用日收益率数据。当观测值在2010年4月15日之后其值取1，否则为0。我们发现GARCH-虚变量法对于样本期的选择非常敏感，而面板数据评估方法相反则十分稳健。

　　结论

　　本文采用最近提出的面板数据评估方法探究我国股指期货的推出对于股市波动性的影响。研究发现，我国股指期货的推出显著降低了股市波动率，该结果在不同模型选择标准和预测方法下保持稳健。实证结果表明，股指期货的推出提高了市场整体的信息效率，为投资者提供了更好的风险管理工具。然而，这个结果可能是由中国金融市场的独特性质造成的，尤其是严格的准入要求、高保证金水平和政府监管。因此，在将结论扩展到其他国家市场时需要考虑其自身的情况。