论文部分内容阅读
一、引言
我国沪深300股指期货已于2010年04月16日上市，已运行一年有余。那么，在这一年的时间里，股指期货对上证指数有什么影响呢？在探讨它们之间的关系之前，我们先了解一下股指期货。股指期货是指买入或卖出相应股票指数面值的合约，而股票指数面值则是股票指数乘以某一特定货币金额所得的值。我国的沪深300股指期货的面值是指我国的沪深300指数乘以300。对于股指期货的功能，主要有以下三个方面：第一，风险规避功能。此功能是通过套期保值来实现的，投资者可以通过在股票市场和股指期货市场的反向操作来实现。股票市场的风险分为系统性风险和非系统性风险，非系统性风险可以采取分散化投资的方式降到最低；而系统性风险则可以通过股指期货市场的做空机制使之降低，比如当投资者认为股票市场要下跌时则可通过卖出股指期货合约来对冲股票市场下跌的系统性风险。第二，价格发现功能。指的是在公开、高效的期货市场中众多投资者的竞价有利于形成更能反映股票真实价值的股票价格。股指期货之所以有这种功能一方面是因为股指期货交易者众多，价格形成中包含的对价格预期的信息较多，另一方面是因为股指期货的投资者在收到价格预期的信息后会更快的在股指期货市场调整仓位。第三，资产配置功能。此功能指的是投资者可以把股指期货作为资产配置的形态之一。
由股指期货的功能可以看出，股指期货与股票指数之间的联系是很强的。那么，在股指期货的运行当中，股指期货与上证指数之间是否存在着很强的联系呢？本文从实证分析的角度来验证我国的股指期货和上证指数之间是否存在着很强的联系。
二、实证分析
（一）变量选择与数据来源 基于研究的需要，本文选择的是上证收盘综合指数，上证收盘综合指数指的是上海证劵交易所编制的以上海证劵交易所挂牌上市的全部股票为计算范围，以发行量为权数的加权综合股价指数，用shi表示。本文的股指期货指数用的是当月连续指数，用si表示。本文使用的数据是周度数据，时间是从2010年04月16日到2011年04月29日，数据来自相关交易软件。数据处理软件是EVIEWS6.0。
（二）实证分析过程 具体内容如下：
（1）平稳性检验。 为防止出现”伪回归”，首先对数列进行平稳性检验。本文使用的是ADF检验。检验结果如表1所示：
由表1可知，在5％的显著性水平下，shi和si都是平稳数列。
（2）格兰杰因果关系分析。Granger因果关系指的是看现在的的y能够在多大程度上被过去的x 解释，加入x 的滞后值后是否使解释程度提高，如果能使解释程度提高或者x与y的相关系数在统计上是显著的，就可以说“y是由x Granger引起的”。本文的Granger因果检验结果如表2所示， 由表2可知在5％的显著性水平下，股指期货是s上证的格兰杰原因， 而上证指数不是股指期货的格兰杰原因。
（3）向量自回归模型（VAR）。 向量自回归模型是基于数据的统计性质建立的模型，模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型。 VAR（p）的数学表达式为：
yt=A1yt-1+A2yt-2+…+Apyt-p+Hxt+?着t t=1，2，...，T （1）
式中：yt是k维内生变量列向量，xt是d维外生变量列向量，A1、A2、Ap和H是待估计的参数矩阵，?着t是随机扰动项，p是滞后阶数，T是样本个数。
要建立VAR模型，选择合适的滞后期很重要，如果滞后期太少，误差项的自相关会很严重，并易导致参数估计量的非有效性估计；但如果滞后期过大，又会导致自由度减少，直接影响模型参数的一致性估计。本文用EVIEWS 6.0软件选择VAR模型的滞后期，结果如表3所示，由表3可知，此模型的最佳滞后阶数为1，即此模型为VAR（1）。
在进行VAR分析时，模型的平稳性很重要，模型的平稳性检验结果如表4所示，由表4可知，特征根都位于单位圆内，表明该VAR（1）模型是稳定的。
从本文研究的需要出发，本文采用没有约束、外生变量为常数项的Unrestricted VAR模型。模型估计结果如表5所示。由表5可知，我国的股指期货受上期股指期货和上期上证指数的影响都是显著的；而上证指数受上期上证指数的影响不显著，受上期股指期货的影响是显著的。
（4）脉冲响应函数分析。脉冲响应函数分析是分析当一个误差项发生变化，或者说模型受到某种冲击时对系统的动态影响。本文的脉冲响应函数分析EVIEWS输出结果如图1所示，其中实线表示脉冲响应函数，虚线为脉冲响应函数值正负两倍标准差的偏离带，横轴表示冲击作用的滞后期间数（单位：周），纵轴表示因变量的响应程度。由图1可知，我国的股指期货受自身的冲击是不断下降的趋势，在第二十五期后接近于零。上证指数对我国股指期货的冲击在前五期是逐渐增大的负向影响，从第六期开始负向影响逐渐减小，但始终是负向的影响。我国的股指期货对上证指数的冲击是正向的影响，呈不断下降的趋势。上证指数对自身的冲击在前两期是正向的，从第三期开始为负向的影响，在第六期负向的影响最大，此后逐渐减小，但始终为负向的影响。
（5）方差分解分析。方差分解分析是通过分析每一个结构冲击对内生变量变化（通常用方差度量）的贡献度，进一步评价不同结构冲击的重要性。方差分析结果如图2所示：其中横轴表示滞后期间数（单位：周），纵轴表示贡献率（单位：百分数）。由图2可知，股指期货对自身的贡献在前八期左右不是很稳定，呈逐渐下降的趋势。八期后，逐渐平稳，维持在82％左右。上证指数对我国股指期货的贡献，呈不断上升的趋势，从第十二期左右达到平稳，在18％左右。我国的股指期货对上证指数的贡献率在前十期左右不是很稳定，最高时为94.07％。第十期之后，逐渐平稳，大概为84％左右。上证指数对自身的贡献在前三期呈不断下降的趋势，最低为5.9297％，之后呈上升趋势，在第十二期左右达到平稳，维持在16％左右。
三、结论
本文以2010年4月16日到2011年4月29日的周度数据为研究对象，通过实证分析表明：我国的股指期货是上证指数的格兰杰原因，上证指数不是我国股指期货的格兰杰原因；我国的股指期货主要受自身因素的影响，我国的股指期货对上证指数有重要的影响。
参考文献：
［1］高铁梅：《计量经济学分析方法与建模》，清华大学出版社2009年版。
［2］陈亦涛、徐亮亮等：《基于ARMA模型的上证指数分析》，《信息系统工程》2010年第4期。
［3］余卫生、张新生：《上证指数收益率分布的拟合》，《经济数学》2004年第1期。
［4］肖春来、罗荣华等：《条件收益率下的VAR投资组合研究》，《数理统计与管理》2009年第1期。
［5］胡荣才、龙飞凤：《投资组合VAR分解的应用研究》，《经济研究导刊》2010年第2期。
［6］胡海鹏、方兆本：《投资组合VAR及其分解》，《中国管理科学》2003年第6期。
［7］张彦：《中国股指期货与现货关系的实证研究--基于沪深300股指期货》，《价值工程》2011年第11期。
［8］钟长洪：《基于风险价值法（VAR）的股指期货风险管理探究——沪深300股指期货实证分析》，《特区经济》2010年第8期。
（实习编辑 刘 莎）
我国沪深300股指期货已于2010年04月16日上市，已运行一年有余。那么，在这一年的时间里，股指期货对上证指数有什么影响呢？在探讨它们之间的关系之前，我们先了解一下股指期货。股指期货是指买入或卖出相应股票指数面值的合约，而股票指数面值则是股票指数乘以某一特定货币金额所得的值。我国的沪深300股指期货的面值是指我国的沪深300指数乘以300。对于股指期货的功能，主要有以下三个方面：第一，风险规避功能。此功能是通过套期保值来实现的，投资者可以通过在股票市场和股指期货市场的反向操作来实现。股票市场的风险分为系统性风险和非系统性风险，非系统性风险可以采取分散化投资的方式降到最低；而系统性风险则可以通过股指期货市场的做空机制使之降低，比如当投资者认为股票市场要下跌时则可通过卖出股指期货合约来对冲股票市场下跌的系统性风险。第二，价格发现功能。指的是在公开、高效的期货市场中众多投资者的竞价有利于形成更能反映股票真实价值的股票价格。股指期货之所以有这种功能一方面是因为股指期货交易者众多，价格形成中包含的对价格预期的信息较多，另一方面是因为股指期货的投资者在收到价格预期的信息后会更快的在股指期货市场调整仓位。第三，资产配置功能。此功能指的是投资者可以把股指期货作为资产配置的形态之一。
由股指期货的功能可以看出，股指期货与股票指数之间的联系是很强的。那么，在股指期货的运行当中，股指期货与上证指数之间是否存在着很强的联系呢？本文从实证分析的角度来验证我国的股指期货和上证指数之间是否存在着很强的联系。
二、实证分析
（一）变量选择与数据来源 基于研究的需要，本文选择的是上证收盘综合指数，上证收盘综合指数指的是上海证劵交易所编制的以上海证劵交易所挂牌上市的全部股票为计算范围，以发行量为权数的加权综合股价指数，用shi表示。本文的股指期货指数用的是当月连续指数，用si表示。本文使用的数据是周度数据，时间是从2010年04月16日到2011年04月29日，数据来自相关交易软件。数据处理软件是EVIEWS6.0。
（二）实证分析过程 具体内容如下：
（1）平稳性检验。 为防止出现”伪回归”，首先对数列进行平稳性检验。本文使用的是ADF检验。检验结果如表1所示：
由表1可知，在5％的显著性水平下，shi和si都是平稳数列。
（2）格兰杰因果关系分析。Granger因果关系指的是看现在的的y能够在多大程度上被过去的x 解释，加入x 的滞后值后是否使解释程度提高，如果能使解释程度提高或者x与y的相关系数在统计上是显著的，就可以说“y是由x Granger引起的”。本文的Granger因果检验结果如表2所示， 由表2可知在5％的显著性水平下，股指期货是s上证的格兰杰原因， 而上证指数不是股指期货的格兰杰原因。
（3）向量自回归模型（VAR）。 向量自回归模型是基于数据的统计性质建立的模型，模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型。 VAR（p）的数学表达式为：
yt=A1yt-1+A2yt-2+…+Apyt-p+Hxt+?着t t=1，2，...，T （1）
式中：yt是k维内生变量列向量，xt是d维外生变量列向量，A1、A2、Ap和H是待估计的参数矩阵，?着t是随机扰动项，p是滞后阶数，T是样本个数。
要建立VAR模型，选择合适的滞后期很重要，如果滞后期太少，误差项的自相关会很严重，并易导致参数估计量的非有效性估计；但如果滞后期过大，又会导致自由度减少，直接影响模型参数的一致性估计。本文用EVIEWS 6.0软件选择VAR模型的滞后期，结果如表3所示，由表3可知，此模型的最佳滞后阶数为1，即此模型为VAR（1）。
在进行VAR分析时，模型的平稳性很重要，模型的平稳性检验结果如表4所示，由表4可知，特征根都位于单位圆内，表明该VAR（1）模型是稳定的。
从本文研究的需要出发，本文采用没有约束、外生变量为常数项的Unrestricted VAR模型。模型估计结果如表5所示。由表5可知，我国的股指期货受上期股指期货和上期上证指数的影响都是显著的；而上证指数受上期上证指数的影响不显著，受上期股指期货的影响是显著的。
（4）脉冲响应函数分析。脉冲响应函数分析是分析当一个误差项发生变化，或者说模型受到某种冲击时对系统的动态影响。本文的脉冲响应函数分析EVIEWS输出结果如图1所示，其中实线表示脉冲响应函数，虚线为脉冲响应函数值正负两倍标准差的偏离带，横轴表示冲击作用的滞后期间数（单位：周），纵轴表示因变量的响应程度。由图1可知，我国的股指期货受自身的冲击是不断下降的趋势，在第二十五期后接近于零。上证指数对我国股指期货的冲击在前五期是逐渐增大的负向影响，从第六期开始负向影响逐渐减小，但始终是负向的影响。我国的股指期货对上证指数的冲击是正向的影响，呈不断下降的趋势。上证指数对自身的冲击在前两期是正向的，从第三期开始为负向的影响，在第六期负向的影响最大，此后逐渐减小，但始终为负向的影响。
（5）方差分解分析。方差分解分析是通过分析每一个结构冲击对内生变量变化（通常用方差度量）的贡献度，进一步评价不同结构冲击的重要性。方差分析结果如图2所示：其中横轴表示滞后期间数（单位：周），纵轴表示贡献率（单位：百分数）。由图2可知，股指期货对自身的贡献在前八期左右不是很稳定，呈逐渐下降的趋势。八期后，逐渐平稳，维持在82％左右。上证指数对我国股指期货的贡献，呈不断上升的趋势，从第十二期左右达到平稳，在18％左右。我国的股指期货对上证指数的贡献率在前十期左右不是很稳定，最高时为94.07％。第十期之后，逐渐平稳，大概为84％左右。上证指数对自身的贡献在前三期呈不断下降的趋势，最低为5.9297％，之后呈上升趋势，在第十二期左右达到平稳，维持在16％左右。
三、结论
本文以2010年4月16日到2011年4月29日的周度数据为研究对象，通过实证分析表明：我国的股指期货是上证指数的格兰杰原因，上证指数不是我国股指期货的格兰杰原因；我国的股指期货主要受自身因素的影响，我国的股指期货对上证指数有重要的影响。
参考文献：
［1］高铁梅：《计量经济学分析方法与建模》，清华大学出版社2009年版。
［2］陈亦涛、徐亮亮等：《基于ARMA模型的上证指数分析》，《信息系统工程》2010年第4期。
［3］余卫生、张新生：《上证指数收益率分布的拟合》，《经济数学》2004年第1期。
［4］肖春来、罗荣华等：《条件收益率下的VAR投资组合研究》，《数理统计与管理》2009年第1期。
［5］胡荣才、龙飞凤：《投资组合VAR分解的应用研究》，《经济研究导刊》2010年第2期。
［6］胡海鹏、方兆本：《投资组合VAR及其分解》，《中国管理科学》2003年第6期。
［7］张彦：《中国股指期货与现货关系的实证研究--基于沪深300股指期货》，《价值工程》2011年第11期。
［8］钟长洪：《基于风险价值法（VAR）的股指期货风险管理探究——沪深300股指期货实证分析》，《特区经济》2010年第8期。
（实习编辑 刘 莎）