沪深300仿真交易股指和股指期货引导关系研究.docVIP

沪深300仿真交易股指与股指期货引导关系研究 　　摘要：利用沪深300指数期货仿真交易1分钟线高频数据，建立了基于GARCH类模型的波动率估计模型，利用Granger因果关系检验对期货与指数的引导关系进行了检验。实证结果显示：现货市场对期货市场存在单向引导关系，且领先的时间不超过15分钟；期货市场对现货市场不存在单向的引导关系。 　　关键词：沪深300指数；股指期货；引导关系；Granger因果关系检验 　　 　　股指与股指期货的引导关系一直是股指期货研究的一个重要课题。国内股市的沪深300指数期货仿真交易从2006年10月30日运行以来，已经有近2年的时间了，积累了可观的第一手交易数据资料，那沪深300指数与指数期货的相互影响关系究竟如何呢，本文将基于仿真交易高频数据来进行研究。 　　 　　一、文献回顾 　　 　　Kawaller等(1987)分析了1984-1985步长为一分钟的SP500指数，研究结果表明SP500指数期货先行于现货指数20-45分钟，而现货指数先行于期货指数的时间最大不超过2分钟。Harris(1989)使用成份股的交易数据，检验了SP500指数现货和期货之间的关系，在纠正了非经常交易影响后，他仍然能发现期货市场先行于现货市场。肖辉和吴冲锋（2004）研究发现标准普尔500指数现货市场与其期货市场收益率之间存在即时互动关系，股指期货先行时间明显比股指先行时间要长，股指与股指期货对不同类型的信息反映速度是不一致的Floros和Vougas（2007）对希腊股指期货市场1999年到2001年数据进行了分析，研究结果支持期货市场扮演价格发现者的角色的结论。 　　从文献来看，大部分都认为期货市场领先现货市场，时间长度从几秒到几个小时不等。而研究所采用的方法基本上都是基于Engle和Granger的方法。本文将利用Engle-Granger方法分析沪深300股指期货仿真交易的数据（1分钟线高频数据），以期对国内仿真股指期货市场的领先滞后关系进行研究。 　　 　　二、样本选择和数据处理 　　 　　本文选择沪深300指数和沪深300指数期货0812合约作为样本，样本时间选的是2008年6月2日到2008年7月31日，扣除节假日后，有9周共计43个交易日的高频数据（10312个样本）。0812合约在这个时间段内属于成交量较大的主力合约，所以采用0812合约所得到的分析结论会更有说服力。由于股指期货和股票指数的交易时间不完全一致，本文是以共同的时间段为标准来进行处理的，即将期货交易早于9：30和晚于15：00的数据剔除（数据来源于WIND资讯）。 　　对数收益率能有效改善数据的正态性问题，使得统计推断更加可靠，本文采用对数差分计算收益率。 　　 　　三、模型选择与实证结果 　　 　　（一）平稳性检验 　　在金融时间序列的分析之前，一定要确认序列的平稳性，即进行单位根检验，这样才能确定相应的分析方法，常用的单位根检验方法是为Dickey等(1979，1981)提出的ADF检验。 　　本文用ADF检验来检验期货收益率序列和现货收益率序列，以及他们对应波动率的平稳性。波动率的检验结果见下文相应部分，这里给出收益率序列的检验结果： 　　表1 期货收益率和现货收益率ADF检验结果 　　序列SIC滞后值t值检验概率 　　期货收益率38-109.8290.0001 　　现货收益率38-29.6550.0000 　　从表中可以看出期货收益率序列和指数收益率序列都在0.01的置信水平下是平稳的。这样在下文估计波动率的时候，模型就可能具有平稳性的优良统计性质。 　　（二）日内收益率波动性的度量 　　Engle(1982)认为资产的收益具有波动性的聚类性，大量的经验研究表明：GARCH类模型能较好地度量金融时间序列的波动聚类行为，比较适合金融时间序列的波动性建模。本文采用GARCH类模型来进行收益率的波动性建模。GARCH(p,q)模型表达式为： 　　?rt=μ+εt 　　σ?2t=α0+∑pi=1αiσ?2?t-i?+∑qi=1βiε?2?t-i?? 　　模型中参数p,q的阶数采用AIC准则来确定。根据AIC准则得到的期货波动率估计模型是GARCH(2,1)模型，现货波动率估计模型是GARCH(1,1)模型。参数估计结果如下： 　　表2 期货和现货波动率模型估计结果 　　期货波动率模型GARCH(2,1)现货波动率模型GARCH(1,1) 　　参数估计值z-统计量检验概率参数估计值z-统计量检验概率 　　均值方程均值方程 　　?μ?-1.08E-05-0.374510.7081.30E-050.7326710.4638 　　条件波动方程条件波动方程 　　?α0?9.