2025《投资者情绪对股指期货波动的影响实证分析案例》8100字.docxVIP

PAGE58

投资者情绪对股指期货波动的影响实证分析案例

目录

TOC\o1-3\h\u16918投资者情绪对股指期货波动的影响实证分析案例 1

206701.1样本选取与数据来源 1

24251.2变量设计与构建 2

216671.2.1被解释变量：已实现波动率 2

268221.2.2控制变量：买卖价差 3

26611.3因果关系检验 4

37481.3.1描述性统计 4

320051.3.2ADF平稳性检验 6

238601.3.3格兰杰因果检验 7

93771.4模型构建 9

62981.5投资者情绪对期货交易风险影响的实证分析 9

59851.5.1限制性政策实施前（2012.01.04-2015.09.02） 10

78491.5.2限制性政策实施中（2015.09.07-2019.4.19） 11

7481.5.3限制性政策解除后（2019.04.22-2021.11.30） 12

64031.6稳健性检验 14

149891.6.1双重差分模型 14

259061.6.2调整投资者情绪的阈值 15

182811.6.3替换投资者情绪指标 17

样本选取与数据来源

基于每个股指期货合约有明确的交割期，为确保数据具有较好的流动性，因此选取每月活跃度最高、成交量最大的沪深300股指期货合约，也即主力连续合约作为研究对象。样本时间跨度为2012年1月4日至2021年11月30日，剔除休市日以及价格异常等原因导致的数据缺失的交易日，得到包括最高价、最低价、开盘价、收盘价、交易量等共计2404个交易日的120150条的日内5分钟高频交易数据，数据均来源于Wind数据库。

受2015年股灾的影响，股指期货交易时间从原来的9:15-11:30与13:00-15:15，调整为与股票市场的开收市时间保持同步，即9:30-11:30与13:00-15:00数据来源：中国金融期货交易所。。新交易规则自2016年1月开始实施，股指期货的连续竞价时间由4个半小时缩减到4个小时。因此，对于样本期2015年12月31日之前的数据来说，每个交易日的5分钟高频数据共54个；对于样本期2016年1月1日之后的数据来说，每个

数据来源：中国金融期货交易所。

变量设计与构建

被解释变量：已实现波动率

传统的历史波动率多采用周度与日度等低频数据进行测度，随着大数据时代的发展，金融资产的各种日内高频数据可得性越来越高，AndersenBollerslev（1998）基于高频数据，提出利用日内收益的平方和来度量波动率，构造了经典的已实现波动率（RealizedVolatility）。已实现波动率能够充分地利用高频数据中大量丰富的金融市场信息对波动率进行更准确地刻画，不受模型的约束也无需进行参数估计，因此被广泛应用于金融问题的研究中。

基于目前我国期货市场中投资者关注度最高，交易规模最大的股指期货是沪深300股指期货，故本文以沪深300股指期货为例探讨股指期货市场的波动。魏宇（2010）研究发现对于沪深300股指期货而言，基于高频数据的已实现波动率模型预测精度明显高于历史波动率模型。本文参考该研究结论，用沪深300股指期货的已实现波动率作为期货市场交易风险的代理变量。

在对已实现波动率进行计算时，微观结构噪声随采样频率的增加而升高，若日采样频率过高，已实现波动率的计算值则会严重偏离波动率实际值；若日采样频率过低，则会丢失部分波动率信息。目前多数学者认为最适合计算已实现波动率的时间间隔是5分钟，因此本文以5分钟的抽样间隔对沪深300股指期货收盘价进行抽样计算已实现波动率。

此外，由于实际市场中存在大量微观结构噪音，如非连续交易、买卖价差与估计误差等，对已实现波动率进行对数处理能够获得更高的预测精度（王春峰等，2008），表达式如下：

R

（5-1）

其中，rt,i表示第t个交易日的第i个5分钟日内收益率，M表示t期交易时间的5分钟间隔数。当日内采样频率足够高时，已实现波动率是实际波动率的一致估计量（Andersen，2001）。为了消除数据的异方差，采用沪深300股指期货收盘价的对数值对日内收益率进行估计，考虑到波动率存在量级过小的问题，在不改变其他计算步骤的基础上，对收益率作放大100

r

（5-2）

其中，Pt,i表示t期的第i个收盘价，Pt,i?

控制变量：买卖价差

为了确定投资者情绪对股指期货波动性的影响，需要控制一些可能也会影响股指期货波动性的因素。根据WangYau（2000）的研究，流动性与价格波动之间存在显著的正相关关系，当市场具有高流动性时，大额交易可以立即完成且价格不会发生