股指期货对股票市场波动性的影响的研究.docVIP

股指期货对股票市场波动性的影响的研究 　　摘要:股指期货的推出对我国股票市场的影响引起社会各界的广泛关注。文章选取台湾新型市场数据为样本,采用GARCH模型实证分析股指期货对现货市场的影响,从而为我国市场提供指导性意见。 　　关键词:股指期货;波动性;GARCH模型 　　中图分类号:F831.51文献标识码:A文章编号:1006-8937(2010)02-0023-02 　　 　　1文献综述 　　为了履行对WTO的承诺,我国已逐步开放证券市场,但风险也随之而来。作为风险管理主要工具之一的股指期货,业界对其推出也寄予很高期望。股指期货对现货市场波动性的影响,学术界观点迥异,主要有以下三种:波动性减少、波动性不变和波动性变大。 　　关于股指期货对现货市场的影响,相关研究主要集中在美国和英国等一些成熟市场,而针对新兴市场的研究甚少。基于台湾和中国大陆的相似性,文章选取台湾地区证交所加权指数TWSE期货数据作为样本,进行实证研究。进而通过分析新兴证?皇谐〉木?验数据,来研究股指期货推出后现货市场波动性变化情况。结果对研究我国股指期货推出的影响作用具有一定指导意义。 　　2研究模型及方法 　　在学术界,GARCH族模型是最常被用作检验波动性问题的模型。文章使用到的GARCH族模型有以下三个: 　　2.1GARCH(p,q) 　　误差项服从GARCH(p,q)过程的模型如下所示: 　　 y=a+ax+ε,ε\ψ~N(0,ht)(1) h=α+αε+βh(2) 　　其中,公式(1)代表条件均值方程,公式(2)代表条件方差方程。ψ―表示信息集;p―表示GARCH项的阶数;q―表示ARCH项的阶数。a―表示整个股票市场中原来存在的不确定性;α―表示滞后期残差平方项的系数,反应了市场上“新息”冲击的重要性,它的值越大,显示信息转化为对未来波动性的影响的速度更快;β――表示滞后期方差项的系数,说明旧信息对未来序列波动的影响,它的数值越大,表明信息对市场的影响越持久。同时,模型中要求α和β必须同时非负。 　　2.2EGARCH(p,q) 　　在现有研究中,表明利好与利空信息对股价的冲击往往表现为非对称性,因此文章拟选用EGARCH(Exponential ARCH)模型来对股价收益率序列进行建模。EGARCH模型是Nelson(1991)提出的非对称的GARCH模型的一种,即指数GARCH模型。其中,条件方差被指定为 　　log(h)α+α-+β+γlog(h)(3) 　　公式(3)中,ε―表示随即误差项;h―表示残差方差。只要γ≠0,则信息对波动性的影响是非对称的。 　　2.3TARCH(p,q)为了衡量非对称效应的程度,文章还使用了非对称GARCH(Threshold ARCH)模型。 　　TARCH模型的条件方差模型如下所示: 　　h=α+αε+βh+γεd(4) 　　其中公式(4),当时ε0,dt=1;否则,dt=0。 　　而且,好消息(ε0)和坏消息(ε0,则可以认为存在杠杆效应,即坏消息引起市场下跌的程度要比好消息引起市场上升的程度要大。 　　3台湾市场的实证研究 　　3.1数据描述 　　台湾地区推出股指期货的时间是1998年7月21日。文章选取的台湾地区的股指日收盘数据样本区间设定为1991年1月1日～2008年1月1日。以台湾地区股指期货推出日为分界点,总样本区间划分为:股指期货推出前阶段1991年1月1日～1998年7月21,股指期货推出后阶段1998年7月22日～2008年1月1日。文章数据来自于雅虎财经频道以及万德数据库。 　　数据计算的方法:对数收益率,利用股票指数的日收盘数据计算。其中,用表示Pt日的收盘价格指数, Pt-1表示t-1日的收盘价格指数值: 　　PtR=P-P/P*100% 　　R=lnP-lnP*100% 　　1≤i≤0≥ 　　a=a P 　　P=P 　　Z= 　　Q=表示t日的指数收益率。利用涨跌幅度计算的收益率公式为: 　　R=P-P/P*100%(5) 　　公式⑤中,价格的上升,引起收益率的涨跌幅度加大。同时,为了避免收益率随价格上涨而增大, 同时保证收益率序列的平稳性, 采用对数差分的方法, 之后乘以 100, 来增大差分的结果。指数日收益率的计算公式为: 　　R=lnP-lnP*100%(6) 　　为了检验期货市场的引入对现货市场波动性的影响,针对指数收益率序列,我们分别设置虚拟变量序列(0,1),引入指数期货前,该变量值为0;引入指期后,该变量值为1。 　　3.2单位根检验 　　首先,对台湾市场指数收益率进行单位根检验(如表1所示),检验表明,全样本和两个子样本时期期指数收益率序列都表现出平稳状态,即都服从I(0)过程