股指期货在牛市中发挥正当作用了？.docVIP

PAGE  PAGE 6 股指期货在牛市中发挥正当作用了？ 　　 【摘要】本文采用GARCH模型，通过对沪深300股指期货推出前的2007年牛市行情和推出后的2015年牛市行情进行对比研究，以确定股指期货在牛市中是否发挥了正当作用。通过实证分析发现：在2015年牛市行情中，股指期货不但没有发挥平抑股票现货市场波动的正当作用，反而推波助澜，加剧了市场波动。 　　 【关键词】沪深300指数 股指期货 GARCH模型 　　一、引言 　　2010年4月16日，我国正式推出以沪深股市300只成分股为标的的股指期货合约。股指期货是股票市场的重要衍生市场，其功能是平抑股票市场的波动，然而其作用的发挥却一直存在较大争议。2014年至2015年，我国股票市场完整走出了一波牛市行情。“改革牛”也好，“杠杆牛”也罢，总之，股指期货迎来了推出之后的第一次真正意义上的考核，也为研究沪深300股指期货平抑我国股市波动的效果提供了一手真实资料。本文选择对股指期货在2015年牛市行情中是否发挥了平抑市场波动的正当作用进行研究验证。 　　二、实证分析 　　（一）模型数据的选取和处理 　　本文选取2007年牛市行情和2015年牛市行情中沪深300指数的日收盘价作为研究样本。数据来源于大智慧股票分析软件。 　　由于在股票价格的时间序列中，价格数据通常不具有平稳性，而价格的收益率却相对平稳，因此，本文将采用该指数的日收益率来反市场的波动情况。将价格数据进行对数差分处理，得到相应的指数收益率样本。日收益率Rt由股票价格指数日收盘值的对数差分决定，表示为：Rt=ln Pt-lnPt-1，Pt是当日价格指数收盘值，Pt-1是前一日价格指数收盘值。 　　（二）股指期货推出前2007年牛市样本分析 　　1.序列描述性统计分析。对2007年牛市行情样本序列进行统计分析，结果如下。 　　图1 统计结果 　　从图1可知，该序列的偏度（Skewness）值为-0.450603，小于正态分布的偏度数值0，表明该序列存在左偏特性，存在长的左拖尾现象;该序列的峰度（Kurtosis）值为5.293983，大于正态分布的峰度数值3，表明该序列存在尖峰特性。J-B统计量为210.8368，P统计量为0，表明该序列不??合正态分布。综上所述，该序列可以使用GARCH建模。 　　通过ADF法检验样本序列的稳定性，结果如下。 　　表1 检验结果 　　从表1可知，t值为-27.93983，远小于1%水平的值-3.437985，相对应的p值为0，说明该序列是平稳的。 　　2.建立GARCH模型。对样本序列进行滞后项处理，本文采用AIC准则和SC准则法判断模型滞后阶数。一般情况下，AIC值和SC值越小，表示模型越能更好的拟合实际情形。 　　结果如下。 　　表2 检验结果 　　从表2可知，AR（4）MA（4）模型的AIC值和SC值均达到最小，确定均值方程为： 　　rt=β0+β1*rt-4+β2*δt-4 　　再对该序列进行ARCH检验，结果如下。 　　表3 检验结果 　　从表3可知，该序列p值近乎为0，说明残差的平方项存在ARCH效应，适合建立GARCH模型。 　　在此基础之上，建立AR（4）MA（4）为均值方程的方差方程模型，根据众多金融分析的实际经验，一般情况下，GARCH（1，1）模型就能够很好拟合样本数据，所以本文先假设该序列的方差方程为： 　　σ=ω+α*ε+βσ 　　数据处理结果如下。 　　表4 模型结果 　　从表4可知，GARCH模型的方差方程为： 　　σ=1.31E-0.6+0.069417*ε+0.932959σ 　　对残差进行ARCH-LM检验，结果如下。 　　表5 检验结果 　　从表5可知，p值为0.173793，远大于5%的显著水平，说明该序列不存在ARCH效应，表明该模型拟合效果理想。 　　（三）股指期货推出后2015年牛市样本分析 　　1.序列描述性统计分析。对2015年牛市行情样本序列进行统计分析，结果如下。 　　图2 统计量结果 　　从图2可知，该序列的偏度（Skewness）值为-1.018429，小于正态分布的偏度数值0，表明该序列存在左偏特性，存在长的左拖尾现象;该序列的峰度（Kurtosis）值为5.976786，大于正态分布的峰度数值3，表明该序列存在尖峰特性。J-B统计量为144.7368，P统计量为0，表明该序列不符合正态分布。综上所述，该序列可以使用GARCH建模。 　　通过ADF法检验该样本序列的稳定性，结果如下。 　　表6 稳定性检验结果 　　从表5可知，t值为-6.645099，小于1%水平的值-3.435142，相对应的p值为0，说明该序列是平稳的。