中国股指期货市场的价格发现能力研究.docVIP

中国股指期货市场的价格发现能力研究 　　摘 要：运用小波多分辨分析、线性和非线性Granger因果检验方法，分析我国沪深300股指期货和沪深300股票指数之间价格引导关系的结果表明：从短期来看，在1～2天的短期交易周期中，股指期货是股指现货的单向Granger原因，股指期货具有一定的价格发现功能；随着交易周期的加长，股指期货和股指现货之间不存在线性和非线性的Granger因果关系。这表明从长期趋势来看，目前我国股指期货的价格发现功能并没有得到有效发挥。 　　关 键 词： 股指期货；价格发现；小波多分辨； 因果检验 　　中图分类号： F830.9 文献标识码：A 文章编号：1006-3544（2013）05-0037-05 　　经过多年的筹备，沪深300股票指数期货合约于2010年4月16日在中国金融期货交易所正式推出。股指期货的推出，目的在于增加股指期货市场和现货市场的联动，改变我国证券市场长期以来单边格局，形成合理的价格，起到稳定市场、规避风险的作用。股指期货的价格发现功能一直以来是学术界、业界和监管当局十分关心的一个问题。截止目前，沪深300股指期货已运行两年多，其价格发现功能是否得以有效发挥，这是本文主要研究的问题。 　　一、研究方法 　　（一）小波分析方法 　　1. 小波变换定义 　　金融时间序列经常是在单一的时间域上分析，但是这种研究方法忽视了时间序列频域上的信息。小波分析是一种新的信号分析处理方法，小波变换继承和发展了Gabor加窗傅立叶变化的局部化思想，小波变换的窗是可调的时频窗，在高频时使用短窗口， 在低频时使用长窗口， 以不同的尺度观察数据，以不同的分辨率分析数据。小波变换模型特征如下所述： 　　二、实证研究 　　（一）数据选取和描述性统计 　　本文选取我国沪深300指数期货（由最近期合约组成的连续数据）的日收盘价和沪深300指数现货日收盘价为研究样本，时间从2010年4月16日至2012年10月16日，共计607个样本。数据来源于国泰安研究服务中心CSMAR系列数据库。股指期货价格与股指现货价格分别表示为FPt=ln（Cf，t）、SPt=ln（Cs，t），其中Cf，t、Cs，t分别为股指期货与股指现货第t日的收盘价格。 由于对数收益率具有良好的统计特征， 因此本文采用两变量的对数收益率进行研究，DFPt=100（FPt-FPt-1）为股指期货收益率，同样定义DSPt=100（SPt-SPt-1）为股指现货收益率。 　　表1给出了股指期货和股指现货收益率序列的描述性统计分析。从表1中可以看出，股指期货的日收益率均值为0.065，标准差为1.453，偏度为0.066，大于0，右偏，峰度为5.249，高于正态分布的峰度3，尖峰，说明股指期货收益率序列具有尖峰厚尾特征，JB统计值也说明显著异于正态分布。股指现货指数收益率的均值为-0.012， 标准差为1.348， 偏度为1.349，大于0，右偏，峰度为4.376，同样具有尖峰厚尾的特征， 且JB统计值也说明显著异于正态分布。从表中数据可以看出， 股指期货日收益率均值大于股指现货日收益率均值， 但是股指期货日收益率的标准差也大于股指现货市场， 说明股指期货市场虽然具有高收益率的优点，同时其波动大于现货市场，风险也较高，这体现了金融市场高风险高收益的特征。 　　（二）实证分析与结果 　　在进行小波多分辨分析之前， 首先要确定小波的基函数及分解层数。 从小波性质考虑， 本文比较Daubechis小波和Symlets小波两种小波基函数。Symlets小波是对db小波改进的一种正交紧支撑小波函数，具有较好的降噪性，与db小波相比，Symlets小波的对称性有明显改善， 此特性可使其在信号的分解与重构中避免信号失真。 因此本文采用SymN小波。同时，N的取值越大，小波的时域就越光滑，频域分辨率效果也越好，但是小波变换的计算将会越繁琐，计算时间就越长。一般情况下，N取2～8。 综合考虑信号自身特点及小波母函数的特征后， 本文选取Sym4小波作为小波母函数。 另一方面，分解尺度取决于信号变化的具体情况和数据采样率，尺度越大越有利于信号的去噪，然而过高会导致原信号失真。考虑到本文样本容量，同时借鉴以往学者的研究，最终决定分解层数取3层。 　　我们采用Sym4小波对股指期货和现货价格收益率序列进行3层小波分解，以S代表原序列，将其分解成3个正交分量，D1、D2、D3代表原始序列的高频部分， 反映短期变化；A3代表原始序列的低频部分，反映长期趋势。分解后的第一层尺度为21，是周期1～2天的分量，即频率为0.5～1分量；第二层尺度为22，是周期3～4天的分量，即频率0.25～0.5的分量；第三层尺度为23，是周期5～8天的分量，即频率为0.125～0.25的