中国股指期货市场全景透视--现代信息网|自然-社会科学基金项目申请申报网

摘要

股指期货作为当今最重要的金融衍生工具之一，在各国金融市场中占有重要地位。尤其是近年来一些新兴市场纷纷推出股指期货交易，使得股指期货市场与现货市场的关系研究成为了一个研究热点。我国在2010年4月16日由中国金融期货交易所（CFFEX）推出了首个金融期货产品——沪深300股指期货，标志着中国金融史翻开了崭新的一页。目前为止，沪深300股指期货已经运行了近一年时间了，其运行是否成功将对我国金融期货市场今后的发展有着深远的影响。鉴于此，本文着重从股指期货推出对股票现货市场的影响以及股指期货的应用，包括与现货市场的价格引导关系、股指期货推出对现货市场的波动性的影响、对现货市场流动性的影响和股指期货到期日效应等，利用股指期货进行期现套利和套期保值的策略等六个方面出发，通过实证分析，对沪深300股指期货的功能以及应用方面做全面分析，希望能对中国股指期货市场的发展、市场的监管和风险控制以及投资者的交易策略提供一定的参考。

关键词：价格引导、波动性、流动性、到期日效应、套利、套期保值

Abstract

Stock index futures are perceived as one of the most important financial derivatives，it is playing an important role in financial markets nowadays．Especially，much of the futures are trading in emerging markets recently，which made more and more scholars to concentrate on the relationship between the stock index futures market and spot market.On April 16，2010，China Financial Futures Exchange(CFFC) formally launched China’s first stock index futures ——HS 300 Index Futures, which marked China's financial history has opened a new chapter．So far, HS 300 Index Futures has been running for nearly a year . The success of its operation will have a profound impact on the future of the development of China’s financial futures markets .In View of this，the paper focuses on the impact on the security markets bringing forward the stock index futures and the application of stock index futures, including the function of price discovery, the influence of volatility and fluidity , Expiration-Day effects ,the strategies of Future-Spot arbitrage and hedge .Conducting an empirical research , to do a comprehensive analysis on the function and application of HS 300 stock index futures ，in order to provide some references for the development of China’s futures markets, market supervision , risk control and investors’ trading strategies .

Key words：price discovery，volatility，fluidity， Expiration-Day effects，arbitrage，hedge

1 引言

1.1选题的背景与意义

自从1982年2月24日美国堪萨斯期货交易所(KCBT)推出第一个股价指数期货——交易价值线指数期货合约以来，尽管只有短短的二十多年的发展历史，但由于其既丰富了金融市场的金融工具品种，提高资金利用率，又能够规避市场的系统性风险和保障经济平稳运行，所以其在世界范围的交易规模和市场影响力得到了异常迅速的增长，目前已经成为金融市场最重要、金融创新最成功的衍生金融产品之一。

股指期货是对股票市场整体态势的预期，它集合了影响现货市场的各种因素和对影响因素的预期，其中包括股票市场标的指数价格和成交量、投资者心理和行为等重要信息。这些因素连同期货市场交易动向，形成了股指期货的价格。在理论上，这个新价格是股票现货的预期未来价格，它既是以股指现货为基础，也是对现货的指导。因此，股指期货和股指现货市场之间存在天然的不可分割的关系。这种内在的联系决定了股指期货上市将对股指现货市场的众多方面产生影响，同时也是股指期货进行套利交易和套期保值的基础。

自从股指期货诞生以来，人们对股指期货利弊的讨论就没有停止过。一方面，股指期货是转移证券市场风险，进行风险管理的最有效工具。其交易实际上是投资者将其对整个股票市场价格指数的预期风险转移至期货市场的过程，通过对股票趋势持不同判断的投资者的买卖，来冲抵股票市场的风险。股指期货具有价格发现、套期保值、套利、投机、产品创造、活跃市场等功能。但是另一方面，股指期货也会带来风险：股指期货因具有交易成本低、保证金比例低、杠杆倍数高等优点，因此会吸引一部分纯粹投机者或偏爱高风险的投资者由现货市场转向期货市场，甚至产生股指期货的市场规模超过现货市场的情况，从而发生交易转移现象；股指期货与现货市场的价格传递加上程序化交易可能会加剧股市的波动；股指期货合约的设计可能会产生不公平操作、市场操纵等违法行为。

随着中国金融市场的改革、开放和完善，建立金融衍生产品市场已成为必然。我国在2010年4月16日由中国金融期货交易所（CFFEX）推出了首个金融期货产品——沪深300股指期货，标志着中国金融史翻开了崭新的一页。目前股指期货市场发展正处于初级阶段，其运行是否成功将对我国金融期货市场今后的发展有着深远的影响。因此，对沪深300股指期货的研究，无论对于市场监管者还是市场参与者（包括套利者、套期保值者和投机者）都是非常重要的。

正是基于上述考虑，本文着重从股指期货推出对股票现货市场的影响，包括与现货市场的价格引导关系、股指期货推出对现货市场的波动性的影响、对现货市场流动性的影响和股指期货到期日效应，以及股指期货的应用，即进行套利和套期保值的策略这六个方面出发，通过实证分析，对沪深300股指期货的功能以及应用方面的研究作全景透视，希望能对中国股指期货市场的发展、市场的监管和风险控制以及投资者的交易策略提供一定的参考。

1.2研究思路和框架

本文从股指期货的基础理论出发，对沪深300指数期货推出之后对其现货标的指数的价格引导、波动性的影响、流动性影响、期货到期日效应以及利用股指期货进行套利和套期保值的策略等六个方面进行了实证研究，以期对我国发展股指期货市场的决策、设计和监管提供一定的参考。全文共分10章，第1章为引言，其余部分的内容结构如下：

第2章为股指期货概述，首先介绍了股指期货的含义、特点和功能，接着叙述了股指期货产生和发展的背景、过程及现状，最后着重介绍了作为本文主要实证研究对象的沪深300指数及其期货合约。

第3章为文献综述，分别对国内外关于股指期货与现货市场的价格引导关系、股指期货交易对现货市场的波动性的影响、对现货市场流动性的影响、股指期货到期日效应以及利用股指期货进行套利和套期保值的策略等六个方面的文献进行了回顾，并对相关文献进行了简要评论。

第4章运用误差修正模型、脉冲响应函数分析及方差分解模型来研究股指期货和现货市场相互间的价格引导关系。

第5章运用GARCH模型来计算股票波动性，并通过考察股指成分股的波动性变化相对整个市场的波动性变化是更大还是较小来判定股指期货的推出对成分股股票波动性的影响。

第6章以股票交易量的增长率作为衡量市场流动性指标，也是检验股指期货推出前后沪深300指数成分股相对于整个股市的流动性是否变化来考察股指期货推出前后流动性是否发生了变化。

第7章主要从现货交易量、现货收益率的波动性以及现货指数反转效应三个方面来分析和捕捉沪深300指数期货的“到期日效应”。

第8章通过对股指期货定价的现实因素分析确定股指期货无套利区间，并用ETF组合来模拟沪深300股指期货现货组合，对股指期货套利机会进行实证分析

第9章分别运用OLS、B-VAR、ECM及GARCH模型来计算股指期货最小风险套期保值比率，并对套期保值绩效进行比较，得出计算套期保值率的最优模型。

第10章根据前面的分析，对我国股指期货的现状进行总结并提出相应的政策建议。

1.3研究方法

本文主要通过实证分析对我国股指期货市场进行比较全面的研究：（1）运用误差修正模型、脉冲响应函数分析及方差分解模型来研究股指期货和现货市场相互间的价格引导关系。（2）运用GARCH模型来计算股票波动性，并通过考察股指成分股的波动性变化相对整个市场的波动性变化是更大还是较小来判定股指期货的推出对成分股股票波动性的影响。（3）以股票交易量的增长率作为衡量市场流动性指标，运用T检验/非参数检验，来研究股指期货推出对现货市场流动性的影响；（4）从现货交易量增长率、现货收益率的波动性以及现货指数反转效应三个方面，通过到期日与非到期日的数据比较分析来检验沪深300指数期货是否存在“到期日效应”。（5）通过对股指期货定价的现实因素分析确定股指期货无套利区间，并用ETF组合来模拟沪深300股指期货现货组合，对股指期货套利进行实证分析；（6）分别运用OLS、B-VAR、ECM及GARCH模型来计算股指期货最小风险套期保值比率，并对套期保值绩效进行比较，得出计算套期保值率的最优模型。

1.4本文难点和创新点

本文的难点

本文对股指期货的研究比较全面，所以数据的搜集与处理是一个不小的挑战。另外中国的首个股指期货——沪深300股指期货在2010年4月16日才正式推出，数据本来就比较少，如果剔除一些极端数据，剩下的可能就更少了。

本文的创新点

1、沪深300股指期货刚刚推出不久，中国的股指期货市场是一个全新的市场，本文是这方面最新的研究。

2、本文对我国股指期货市场影响和应用的六个方面进行了较为全面的研究。

3、本文在实证分析的基础上对市场参与者（套利者、套期保值者和投机者）和监管者提出相应的建议。

2 股指期货概述

2.1股指期货的含义、特点和功能

2.1.1股指期货的含义

股指期货是以股票指数作为标的物的期货。它是买卖双方根据事先约定,同意在未来某一特定时间以约定价格进行股价指数交易的一种协议。股指期货的交割采用现金形式,而不用股票。股指期货合约的价格为当前市场股价指数乘以每一点所代表的金额。不同的国家股指期货每一点所代表的金额各不相同。股指期货交易的实质，是投资者将其对整个股票市场价格指数的预期风险转移至期货市场的过程，通过对股票价格趋势持不同判断的投资者间的买卖，来冲抵股票市场的风险。股指期货交易已成为发达国家股票市场上最活跃的金融交易品种和不可或缺的风险管理工具。

2.1.2股指期货的特点

与股票现货市场相比，股指期货的交易有明显的不同。

（1）、期货合约有到期日，不能无限期持有。
　　股票买入后可以一直持有，但股指期货都有固定的到期日，到期就要摘牌。因此交易股指期货不能象买卖股票一样，交易后就不管了，必须注意合约到期日，以决定是提前了结头寸，还是等待合约到期或者将头寸转到下一个月。
（2）、双向交易
　　在现行的中国股票市场里，只能通过“低买高卖”的方式赚取利润，一旦价格大幅下跌，除了平仓观望，待企稳回升再次介入外，就没有其他更为主动的方法把握市场，更难以抵御资产贬值。
　　而股指期货市场提供了做多和做空的双向机制，既能“低买高卖”获利，也可以“高卖低买”获利。当市场处于熊市状态下，期货市场可以采取做空的方法，获得利润，回避资产贬值，甚至还能实现财富的增值。

（3）、T+0交易
　　投资者买卖股票，在第一个交易日开仓，最快需要在第二个交易日才能平仓，无法回避中间所产生的价格波动，我们称其为T+1交易；而股指期货，可以在当日进行开仓并在当日平仓，立即锁定利润，为短线投资爱好者提供了最理想的平台。

（4）、保证金制度
　　投资者做股票需要用全额资金买进相应股票，而做股指期货只需占用一定比例的资金，就可交易相应100%的股指期货。比如我们现在的保证金比例为12%。在股指期货保证金为12%下，如投资60万元资金，就可以做价值500万元的期货合约交易。即投资者通过60万元的保证金，得到了价值500万元的股指期货合约的差价收益。这相当于把投资者的交易资金放大八倍多，这就是所谓的“杠杆交易”，也称“保证金交易”。

（5）、当日无负债结算制度
　　在股票市场，一次交易的结算是在持有头寸平仓了结之时，平仓后才能结算出盈亏状态。
　　而在股指期货市场，采取的是当日无负债结算制度，每日收盘后按照当日结算价，对投资者的帐户作结算，调整保证金并计算风险。也就是说，一旦当日投资者出现风险，就会被告知要通过减仓、平仓或追加保证金来化解风险。当日无负债结算制度是股指期货市场控制市场风险的重要手段。

（6）、股指期货实行现金交割方式
　　股指期货市场虽然是建立在股票市场基础之上的衍生市场,但股指期货的交割以现金形式进行,即在交割时只用现金结算差价而不必购买或者抛出相应的一篮子股票指数成分股来履行合约义务。

2.1.3股指期货的主要功能

（1）价格发现
　　在市场经济中，价格机制是调节资源配置的重要手段。价格是在市场中通过买卖双方的交易活动而形成的，价格反映了产品的供求关系；同时，价格变化又影响供求的变动。现货市场中的价格信号是分散的、短暂的，不利于人们正确决策。而期货价格在一个规范有组织的市场通过集合竞价方式产生出未来不同到期月份的股指期货合约价格，反映对股票市场未来走势的预期。再通过交易所的现货交割制度，使得期货价格和现货价格收敛，因此期货价格能够比较准确地反映真实的供求状态及其价格变动趋势。

（2）、套期保值，规避股市系统性风险

股价波动的风险可分为非系统性风险和系统性风险。一般而言,非系统性风险可以通过精心选择股票和进行科学的股票投资组合的方法来规避,而系统性风险则无法有效规避。因为当整个市场环境或某些全局性因素发生变动时,如股市的全面大幅滑落,各种股票的市场价格将向同一方向发生变动,投资组合显然无法奏效。而股指期货交易正具备规避市场系统性风险的功能。有了股指期货,投资者买进股票后为防止股价下跌,可利用股指期货与股票现货市场的对冲机制,在股指期货上做空;相反,在抛出股票后,为防踏空,可买进股指期货,从而达到减少和控制市场风险的目的。

（3）提供投资、套利交易机会
　　利用股指期货进行套利也是股指期货的主要用途之一。所谓套利，就是利用股指期货定价偏差，通过买入股指期货标的指数成分股并同时卖出股指期货，或者卖空股指期货标的指数成分股并同时买入股指期货，来获得无风险收益。套利机制可以保证股指期货价格处于一个合理的范围内，一旦偏离，套利者就会入市以获取无风险收益，从而将两者之间的价格拉回合理的范围内。

2.2股指期货的发展历史

20世纪70年代，西方各国出现经济滞胀，经济增长缓慢，物价飞涨，政治局势动荡，股票市场经历了战后最严重的一次危机，道琼斯指数跌幅在1973-1974年的股市下跌中超过了50%。股市风险的大大加剧，即使机构投资者也深受其苦。虽然机构投资者能够通过对不同股票的组合投资来避免股市的非系统性风险，但是，由于没有相应可以利用的避险工具，投资者对于齐涨共跌的系统性风险仍是束手无策。人们意识到在股市下跌面前没有恰当的金融工具可以利用。因。因此，创造一个类似于外汇期货和利率期货这样的可以用于规避系统性风险的股市避险工具被提上了议事日程。

堪萨斯期货交易所(KCBT)考虑到当时市场的紧迫需求，经过深入细致的调查研究决定推出股指期货这一创新性的金融衍生产品。经过一番波折后，堪萨斯期货交易所终于在1982年2月24日推出了世界上第一个股指期货产品——价值线综合指数(Value Line Average)期货合约。同年4月21日芝加哥商业交易所推出了标准普尔500(S&P 500)指数期货交易，紧接着纽约期货交易(NYFE)也于1982年5月6日推出了纽约证券交易所(NYSE)综合指数期货交易。1983年8月，芝加哥期货交易所(CBOT)终于也推出了以20只绩优股构成的价格指数为标的物的主要市场指数(MMI)期货合约。1997年10月6日，芝加哥期货交易所还推出了以道琼斯工业指数(DJIA)为标的物的股指期货交易。

股指期货一诞生，就取得了空前的成功。价值线指数期货合约上市当天交易就很活跃，当天成交近1800张合约，其推出的当年就成交了35万张。S&P 500指数期货的成交量则更大，上市当天的成交量就达到3963张，当年达到150万张。1984年，股票指数期货合约成交量已占美国所有期货合约成交量的20％以上，其中S&P 500指数期货的成交量更是引入注目，成为世界上第二大金融期货合约。从而S&P 500指数在市场上的影响也急剧上升。

股指期货的成功，不仅大大促进了美国国内期货市场的规模，而且也引发了世界性的股指期货交易热潮。不仅是国外一些已开设期货交易的交易所竟相仿效，纷纷开办其各有特色的股指期货交易。甚至连一些从未开展期货交易的国家和地区也往往将股指期货作为开展期货交易的突破口。
　
　但是好景不长。1987年10月19日——“黑色星期一”，美国股市发生崩盘，纽约道琼斯指数在一日内下跌了508点，下跌幅度为22%，从而引发的全球性股市重挫的金融风暴。很多人认为是金融衍生品市场规模的扩张和大型机构采用程序化交易系统所致，而股指期货就被列为造成恐慌性抛压的“元凶"之一。

因为程序交易会造成的瀑布效应(Cascade Effect)，由于股市下跌，组合避险者卖出指数期货以降低持股比例，期货的卖压使得期货合约价格低于理论价格，计算机程序认为有套利机会，进而买进指数同时卖出股票，致使股市再度下跌，继而又触发了避险者的期货卖压，如此恶性循环，终于使股市大跌。在这次股灾之后，股指期货的发展进入了长约3年的停滞期。在这段停滞期内，为了防范股票市场价格的大幅下跌，人们研究并在各证券交易所和期货交易所内采取了多项限制措施，比如在股票指数涨跌超过一定幅度时限制程序交易(Program Trading)的进行；制定了股票指数期货合约的涨跌停盘制度，用以冷却市场发生异常波动时投资者的过热或过度恐慌心理情绪。这些措施在1989年10月纽约证券交易所的股票价格发生大幅下跌时起到了稳定市场的作用。至此以后，关于股票指数期货应用的争议逐渐消失，人们在进一步完整、完善股指期货合约条款和交易法规的同时，还加大对股指期货交易的监管力度。在这一系列动作的作用下，股指期货交易又开始繁荣起来。

进入20世纪90年代后，随着经济的复苏和发展，配合全球金融市场的国际化程度的提高，加之投资者的投资行为更加理智，因此股指期货的发展速度更加迅猛。发达国家和部分发展中国家相继推出了以自己国家或地区的股票指数为标的物的期货交易。更有甚者，还推出了以其他国家或地区的股票指数为标的物的股指期货合约。新加坡国际金融交易所(SIMEX)首开交易国外股指期货之风，于1986年9月推出了日经225指数期货交易；1990年9月，芝加哥期货交易所也推出了日本的东证股价指数期货交易：芝加哥商业交易所和新加坡交易(SGx)所于1997年初都抢先推出了以台湾股票指数为标的物的指数期货合约。

自1982年美国堪萨斯交易所推出世界上第一个股指期货产品以来，世界各主要国家或地区推出的主要股指期货合约的名称及推出日期详见表2．1。

国家	指数期货合约	开设时间	开设交易所
美国	价值线指数期货(VLF)	1982.2	堪萨斯期货交易所(KCBT)
	价值线指数期货(VLF)	1982.2	堪萨斯期货交易所(KCBT)
	价值线指数期货(VLF)	1982.2	堪萨斯期货交易所(KCBT)
	价值线指数期货(VLF)	1982.2	堪萨斯期货交易所(KCBT)
	价值线指数期货(VLF)	1982.2	堪萨斯期货交易所(KCBT)
	价值线指数期货(VLF)	1982.2	堪萨斯期货交易所(KCBT)
加拿大	多伦多50指数期货(Toronto50)	1987.5	伦敦国际金融期货交易所(LIFFE)
英国	金融时报100指数期货(FTSE100)	1984.5	伦敦国际金融期货交易所(LIFFE)
法国	法国证券商协会40股指期货(CAC－40)	1988.6	法国期货交易所(MATIF)
德国	德国股指期货(DAX－30)	1990.9	德国期货交易所(DTB)
瑞士	瑞士股指期货(SMI)	1990.11
荷兰	阿姆斯特丹股指期货EOE指数	1988.10	阿姆斯特丹金融交易所(FTA)
荷兰	泛欧100指数期货(Eurotop100)	1991.6	荷兰期权交易所(EOE)
西班牙	西班牙股指期货(IBEX35)	1992.1	西班牙衍生品交易所(MEFFRV)
瑞典	瑞典股指期货(OMX)	1989.12
奥地利	奥地利股指期货(ATX)	1992.8
比利时	比利时股指20期货(BEL 20)	1993.9
丹麦	丹麦股指期货(KFX)	1989.12
芬兰	芬兰指数期货(FOX	1988.5
日本	日经225指数期货(Nikkei 225)	1988.9	大阪证券交易所(OSE)
日本	东证综合指数期货(TOPIX)	1988.9	东京证券交易所(TSE)
新加坡	日经225指数期货(Nikkei 225)	1986.9	新加坡金融期货交易所(SIMEX)
新加坡	摩根世界指数期货(NISCI)	1993.3	新加坡金融期货交易所(SIMEX)
香港	恒生指数期货(HIS)	1986.5	香港期货交易所
韩国	韩国200指数期货(KOPSI200)	1996.6	韩国期货交易所(KFE)
台湾	台湾综合指数期货(TX)	1998.7	台湾期货交易所(TAIMEX)
澳大利亚	普通股指数期货(All Ordinaries)	1983.2	悉尼期货交易所(SFE)
新西兰	新西兰40指数期货(NZSE 40)	1991.9

2.3沪深300指数及其期货合约介绍

在这里将着重介绍一下本文的研究对象：中国沪深300指数及其期货合约。

2.3.1沪深300指数

沪深300指数是由上海和深圳证券市场中选取300只规模大、流动性好的A股作为样本编制而成的成份股指数。沪深300指数样本覆盖了沪深市场六成左右的市值，具有良好的市场代表性。沪深300指数以2004年12月31日为基日，基日点位1000点。与沪深市场其他指数相比，沪深300指数特点明显：沪深300指数样本选自沪深两个证券市场，覆盖了大部分流通市值。成份股为市场中市场代表性好，流动性高，交易活跃的主流投资股票，能够反映市场主流投资的收益情况，是反映沪深两个市场整体走势的“晴雨表”。

截止2011年2月18日，沪深300指数前十五位成分股为：

2.3.2沪深300指数期货合约

沪深300指数期货合约是以沪深300指数为标的物的期货合约。其合约的具体细则如下表所示：

合约标的	沪深300指数
合约乘数	每点300元
合约价值	股指期货指数点乘以合约乘数
报价单位	指数点
最小变动价位	0.2点
合约月份	当月、下月及随后两个季月
交易时间	上午9:15-11:30，下午13:00-15:15
末交易日	上午9:15-11:30，下午13:00-15:00
最大波动限制	上一个交易日结算价的正负10%
交易保证金	合约价值的12%
交割方式	现金交割
最后交易日	合约到期月的第3个周五，法定节假日顺延
交割日期	同最后交易日
上市交易所	中国金融期货交易所
交易代码	IF

3 文献综述

目前国内外关于股指期货的研究总的来看，可以分为两类：一类是对股指期货的功能的理论与实证研究，即关于股指期货对股票现货市场的影响，主要包括四个方面：股指期货和股票现货市场的价格引导关系，股指期货对股票现货市场波动性的影响、对股票现货市场流动性的影响以及期货到期日效应。第二类是关于股指期货的应用的理论与实证研究，包括利用股指期货套利以及套期保值策略的研究。

3.1围绕股指期货功能的理论与实证研究

3.1.1股指期货与股票现货市场价格引导关系的研究

Kawaller和Koch(1987)对1984-1985年间S&P500指数和指数期货的1分钟交易数据进行Granger因果实证分析，结果发现S&P500指数期货的价格要比现货指数领先20-45分钟。Kim，Szakmary和Schwarz(1999)等以S&P500、MMI和NYSE composite三种指数为研究对象，应用VAR模型检验了三种指数的期货市场与现货市场价格发现功能。研究表明在期货市场以S&P500领先，而现货市场是以MMI指数为主导。Booth(1999)等以德国DAX指数为研究对象，运用协整技术与误差修正模型分析其指数现货、期货和期权的价格发现过程。研究结果表明DAX期货的价格发现能力明显优于现货。Coving等(2003)用分钟高频数据研究了东京证券交易所、大阪证券交易所和新加坡证券交易所交易的日经225指数期货在价格发现上的贡献度，研究结果表明新加坡证券交易所的贡献达到了33％。这就表明新加坡证券交易所推出的日经225股票指数期货，已经取得了日经225指数的部分定价权。Raymond W.So和Yiuman Tse（2004）利用信息共享技术，考察了香港恒生指数、恒生指数期货和盈富基金三者之间的价格发现过程，结果发现在信息贡献方面，恒生指数期货和恒生指数是主要的驱动力量。

国内学者在这方面也做了不少的研究，黄玉娟(1997)以台湾摩根史坦利指数期货为研究对象，误差修正模型的结果显示现货市场具有领先趋势。任燕燕、李学(2006)利用向量自回归模型(VAR)和误差修正模型(ECM)，对股指期货市场和现货市场的超前滞后关系进行了研究，结果表明，期货市场能更加快捷的反映市场信息，股指期货市场信息领先于现货市场。肖辉等(2006)使用脉冲响应和一般因子分析模型检验了标准普尔500指数、道琼斯工业平均指数、香港恒生指数、日经指数和金融时报100指数现货市场和期货市场之间的价格发现过程，结果发现，期货市场在价格发现过程中占主导地位。熊熊，王芳（2008）运用协整检验、向量误差修正模型以及脉冲响应和方差分解的方法，研究了我国沪深300股指期货仿真交易市场对现货市场的价格发现能力。实证研究结果表明，我国仿真交易的沪深300股指期货对沪深300指数具有长期价格发现的功能。

国内外学者对这方面的研究是随着时间序列计量经济学的发展而发展的，最初是利用传统的回归模型（OLS），OLS方法在使用上相当的简单，但是为了保证有效必须满足一些特定的假设，即相同均值、相同方差、无序列相关。但是实际上现货价格和期货价格之间的关系并不完全满足这些条件。通过引入向量自回归模型（VAR）模型很好的解决了OLS的序列自相关问题。但是这种方法没有考虑价格序列之间的协整关系，从而忽略了前期价格关系中与长期均衡关系偏离的误差影响，Engle、Granger提出了存在协整关系时期货价格与现货价格的误差修正模型ECM(Error Correction Model)，这一模型同时考虑了现货价格和期货价格的非平稳性、长期均衡关系以及短期动态关系，是包含协整约束条件的VAR模型。同时在VAR/协整的基础上利用Granger因果关系检验来分析股指期货与现货之间价格引导关系及领先-滞后的时间。后来又利用脉冲响应函数更为深入地测度出期货价格的一个单位的正的冲击是如何影响自身和现货价格的，以及现货价格的一个单位的正的冲击又是如何影响自身和期货价格的。另一种对VAR动态系统进行动态特性分析的工具是方差分解技术，Hasbrouck(1995)提出在考察VAR模型时可以采用预测方差分解方法研究模型的动态特征，其主要思想是把VAR系统中的均方误差分解成为各个变量冲击所作的贡献，即各个变量冲击的贡献占总贡献的比例，该方法可以定量地描述各个市场之间相互作用的情况。

3.1.2股指期货对股票现货市场波动性影响的研究

自从1987年10月19日，美国股市发生崩盘之后，许多学者开始关注股指期货对股票现货市场波动性的影响。由于所选取的研究对象和样本区间的不同，目前学者们存在三种不同观点：

（1）股指期货交易会降低股票现货市场的波动性

Edwards(1988)研究了1973年到1987年S&P500和价值线综合指数在引入相应期货交易前后的日交易数据，结果发现，基础资产的日波动因为期货的引入而减小了。Bessembindcr和Seguin(1992)研究了从1978年到1989年S&P500指数期货日交易数据，通过在引入虚拟变量把股指期货的影响加入进来，得出结论，指数期货的交易会降低现货波动。Robinson（1994）通过ARCH-M模型，通过引入4个虚拟变量，分别代表货币政策的改变、大爆炸、常数项的虚拟变量以及股指期货的影响，研究了1980年3月至1993年4月FTSE100指数的期货和现货市场日交易数据，结果表明推出股指期货使得现货波动性降低了17%。Bologna和Cavago (2002)运用GARCH模型研究了MIB30指数期货的引入对意大利股票市场的影响，发现指数期货的推出显著降低了股票现货市场的波动性，增强了现货市场的有效性。

（2）股指期货对股票现货市场的波动性没有显著的影响

Baldau和Santoni(1991)使用ARCH模型研究了S&P500指数从1975年到1989年的日收盘数据，发现股指期货引入后没有明显的波动增加。Chan和Karolyi(1991)使用了GARCH-M模型研究了日经225指数在1985年到1987年的日收益率，他们发现引入股指期货对市场没有造成波动上的影响。Pericli和Koutmos（1997）利用EGARCH模型对S&P500指数期货的研究表明，指数期货与期权交易并未使现货的波动产生结构的变化。Pretimaya和Pradeepta（2007）通过GARCH模型研究了S&P CNX Nifty，Nifty Junior和S&P500指数从1995年10月4日到2006年12月31日的日交易数据，结果显示股指期货对股票现货的波动性没有显著影响。

（3）股指期货交易增大了股票现货市场的波动性。

Antoniou和Holmes(1995)使用FTSE100指数从1980年11月到1991年10月的日收盘数据进行研究，发现GARCH(1，1)比其他GARCH(p，q)以及GARCH-M(p，q)模型更好，当在方差方程中加入了FTSE100指数期货引入这个虚拟变量后，它的系数很显著，这说明指数期货交易使得现货波动更加剧烈。Sung C. Bae，Taek Ho Kwon和 Jong Won Par（2004）通过事件研究方法对1990年1月到1998年12月韩国市场KOSPI200股指期货推出前后做了研究，结果显示股指期货推出增大了现货市场的波动性。

国内学者在这方面的研究有田佳弘（2000）研究了摩根台指期货上市和台湾本土股指期货上市对现货波动性的影响，结果发现，摩根台指期货推出后使现货波动性有一定的增加，但台湾本土股指期货的上市却没有对现货波动性造成明显影响。邢天才、张阁（2009）通过GARCH、TGARCH、EGARCH模型,分析了新加坡证券交易所推出的新华富时A50股指期货对沪深300指数的影响,发现股指期货的推出轻微地增大了现货市场的波动性。

对已有文献的研究中我们可以发现，最初人们通过在GARCH模型的波动率方程中引入代表股指期货影响的虚拟变量来研究股指期货对现货市场波动性的影响。但是他们都没有考虑其他市场因素对股票现货市场的影响，所以不能说明波动性的变化是由股指期货的推出而引起的。后来人们在研究波动性变化的时候加入了一个参照基准．即再加入一个反映整个市场行情的变量来对比研究波动性。这样可以考察整个现货市场波动性是否有变化，同时也可以考察股指成分股的波动性变化相对整个市场的波动性变化是更大还是较小。同时比较了各阶GARCH模型之后，发现GARCH（1，1）在捕捉大多数金融时间序列波动性的动态过程上，都可以获得不错的表现。GARCH模型是以新信息所造成的波动反应是对称的为前提的，也就是说无论信息的好坏，都会对市场产生相同的影响。然而，理论界越来越多的人认为，对金融时间序列而言，由于杠杆效应（leverage effects）等原因，负的冲击很可能比相同程度的正的冲击引起更大的波动，股票市场具有波动性不对称的现象。那么，GARCH模型就不能完美的解释股指期货对现货波动性的影响。因此，后来人们开始使用TGARCH模型和EGARCH来检验股指期货的推出对非对称波动性的影响。

由于每个人研究时所选取的研究对象和样本区间的不同，另外在某个时间段内可能存在着除股指期货以外的、其它影响股票现货市场波动率的因素，而对这些因素很难进行完全的辨识和剔除，所以至今为止大量的研究所得到的结果存在着明显的分歧，尚未有一致的看法。

3.1.3股指期货对股票现货市场流动性影响的研究

Damodaran (1990)对S＆P500指数样本股所作的实证研究表明，股指期货的推出促进了指数成份股的交易活跃性，提高了个股的流动性。Jedadeesh和Subrahmanyam (1993)也研究的是SEP500指数期货推出之后对S&P500指数成分股和非成分股流动性的影响，不过他们分析的对象是买卖价差，他们的结论是S&P500指数期货的推出降低了股票现货市场的流动性。Kuserk和Cocke (1994)对美国股市进行的实证研究表明，开展股指期货交易后，股市的规模和流动性都有较大的提高，且股指期货市场和基础现货市场的交易量呈双向推动态势。Chun L Lee，Hung Cheong Tong(1998)以澳大利亚市场为研究对象，考察了股指期货推出对现货市场流动性和波动性的影响。研究表明，股指期货的推出并没有增加现货市场的波动，相反减少了现货市场的波动；同时股指期货推出后现货市场的交易量明显增加。Narasimhan Jegadeesh 和Avanidhar subrahmanyam (2001) 研究表明美国股指期货推出导致现货市场流动性提高约3.7%。

国内方面，相关的研究就更少了。韩鹏举（2006）以交易量作为流动性指标，利用T检验方法分析了异地股指期货交易制度改变对本土股指期货交易量的影响，结果发现，摩根台指期货的交易方式从公开喊价改为电子化交易后，其交易量显著增加，而台湾股指期货交易量则受其影响，显著的减少了。何同国（2007）采用现货市场的交易量增长率数据来度量股票市场流动性，采用1995年5月3日(股指期货推出前1年)到1997年5月3日(股指期货推出后1年)的韩国现货指数交易量增长率数据，结果表明在股指期货上市前后虽然现货交易量是增长的，但交易量增长率并未发生显著变化。

在现有的文献中，对流动性的研究相比之下就比较少，远不如对股指期货的价格发现、波动性的研究多。而且在流动性问题上，现有的研究所得到的结论也是不一致的。这主要是因为目前还不存在一个公认的、没有争议的度量流动性的指标。在已有的文献中最常用的是交易活跃程度的流动性度量方法，以交易量或者交易量的增长率为指标。但是交易量的变化受到很多因数的影响，尤其在证券市场发展时期，由于投资者数量的增加，交易量一直有递增趋势。所以直接采用交易量的检验来考察流动性是否提高有些不妥，因为即使交易量在股指期货推出前后发生了显著变化也不一定足股指期货推出而带来的。相比之下，采用现货市场的交易量增长率数据来度量股票市场流动性，这样可以剔除其他因数的影响，考察股指期货推出前后流动性是否存在变化。

3.1.4股指期货到期日效应的研究

Stoll and Whaley (1987)在S&P500指数期货研究中发现了到期日价格的显著波动，而后他们又提出股指期货接近到期日时对股票市场的价格有一定的压力作用，最后半小时与隔日开盘之后的指数存在价格反转，尤其当指数期货、期权和股票期权同时到期的时候（也被称为“三巫时刻”），市场波动现象更加明显，。Chamberlain, Cheung, and Kwan(1989)在加拿大TSE300指数的到期日发现了价格反转伴随交易量放大的迹象。Pope and Yadav(1992)在英国期权的研究中也分析出到期日价格向下的趋势和到期日之前交易量的异常放大。同样的结论均被在挪威的Swidler, Schwartz, amd Kristiansen (1994)，在日本的Karolyi (1996)，在德国的Schlag(1996)和在澳大利亚的Stoll and Whaley(1997)报告过。Bollen和Whaley(1999)的研究表明，香港HSI股指期货到期日对股票市场并未产生显著的影响。无论利用日数据还是周数据，到期日股票市场的交易量或收益率方差并未显著高于非到期日，进一步证明了期货市场并未扰乱基础股票市场的证据。Corredor et al.(2001)的实证表明，在Ibex35指数衍生品的到期日，Ibex35现货指数的条件方差并未出现显著波动性效应。Chang—Gyun Park和Kyung—Mook Lim(2003)对韩国期交所的KOSPI200股指期货，采用集合竞价方式确定收盘价—即最后结算价的方式，也进行了实证检验，发现现货市场平均价作为结算价相对与单一价格有一定的优越性。但他认为以15分钟的平均价作为最后的结算价尚嫌不足，大型投资者仍然有足够的能力去操纵最后结算价。Lafuente 和Illueca （2006）对Ibex 35 股指期货市场的研究表明，在股指期货到期日现货交易活动显著增长，现货市场波动性也出现明显跳跃。

而国内方面，由于我国在2010年4月16日才正式推出首个股指期货，所以国内学者大多是以香港或者台湾的期货市场为研究目标。郑汉桀、郑子云(1999)对1994年1月3日～1999年l1月30日，香港恒生指数在期货台约到期日与非到期日的单日波幅数据进行了对比分析，发现恒生指数的波幅在期货非到期日与到期日基本上是没有区别，即不存在显著的到期日效应。吴镇宏(2004)以台湾指数期货为标的，实证结果发现到期日的价格波动与机构投资者持有的未平仓量正相关，显示机构投资者在到期日当天会特意拉抬或打压现货市场的价格，当最后结算价决定后，机构投资者便停止对现货价格的影响，现货价格又恢复到应有水平，因此存在价格反转效应。林荣裕(2005)对以收盘价作为最后结算价的新加坡摩根台指期货，和2001年l1月以前以开盘价作为最后结算价的台湾股指期货进行了分析比较，发现两者都存在到期日影响。而且采用收盘价结算的摩根台指期货的现货价格波动性较台湾股指期货的现货还要小一些，表明开盘结算制度并不能降低到期曰效应的波动性。黄佐铭（2005）检验摩根台股指数期货到期日现货当日及尾盘最后一小时、最后30 分钟、最后15 分钟的波动，认为尾盘最后30 分钟存在异常波动现象。

基于每个国家的合约设计和结算的方式不同，所以到期日的具体表现也会有所不同，总体上而言，“到期日效应”表现为在期货合约接近结束的特殊时刻价格异常波动和交易量增大。

3.2围绕股指期货应用的理论与实证研究

3.2.1股指期货套利策略研究

股指期货套利包括期现套利、跨期套利、跨品种套利和跨市场套利四种，其中以期现套利最为常见。在期现套利中，最关键的就是套利区间的确定和模拟指数组合的构建。

1) 关于股指期货定价的研究（即无套利区间的确定）

Cornell and French(1983) )在Rendleman、Cox等对远期和期货价格关系研究的基础上，首先提出了股指期货的持有成本模型，并将税赋、利率随机变动、时间选择权以及股利具有季节波动性等因素纳入模型中,得到放宽完美市场假设的定价模型。Modest and Sundaresan (1983) 进一步纳入了卖空限制的影响,推导出卖空限制下的股指期货定价模型。Klemkosky and Lee (1991)详细讨论了各种交易成本、季节性股利支付以及借贷利率不相等及其它因素对于期货定价的影响，并对S&P500股指期货的套利进行了实证分析，研究表明样本期内S&P500股指期货合约经常会发生高估和低估现象，且高估频率大于低估频率。弗兰克(1998)又增加了股价变动遵循Ito定理，所有证券高度可分，不考虑交易费用和税收，不存在套利机会，不考虑到期日，无风险利率为确定值，证券允许卖空等六个条件。

2) 关于股指期货套利交易构建模拟指数组合的研究

Andrew和Ford(1986)提出把指数中所包含的股票全部复制到投资组合中，个股投资比例和标的指数完全一致。但由于股票指数包含的股票数目一般较多，要完全买进卖出标的指数所包括的所有股票，构建和调整成本过高，因此在实际应用中不具有较强的可行性。Meade和Salkin(1989)提出以模拟组合与现货指数收益率差的平方均值最小为目标函数，利用二次规划法求解投资于个股的比例以建立套利交易的模拟投资组合。Roll(1992)在Markowitz提出均值-方差模型的基础上,建立了指数复制的二次规划模型,以现货组合收益率和标的指数收益率之差的平方和为目标函数,对权重进行优化,建立现货组合。Gunter Bamberg 等（2000）首先对应用线性回归法来求解最优的指数组合问题进行探讨，他们采用鲁棒回归法避开最小二乘法的假设限制，实证检验表明，当样本区间的市场指数波动较大时,应用鲁棒回归法来计算最优指数组合，效果较好。Francesco Corielli 等（2002）基于动态因素模型考虑了指数成分股动态变化的特征,通过最小化样本期内损失函数的方法来解决指数组合的最优化问题,在具体的算法上使用了蒙特卡洛模拟来求解最优的成分股权重.。

国内方面，张敏、徐坚（2007）探讨了利用ETF构建沪深300指数期货的现货组合的可能性，对几种ETF组合与沪深300指数的相关性、以及他们与沪深300指数的跟踪误差进行了分析。从结果看，使用ETF组合作为现货组合来模拟沪深300指数能够取得良好的效果。黄顺、肖波（2008）研究了在考虑交易成本、借贷利率不等、股利不确定性、卖空限制等实际条件下沪深300股指期货的无套利区间模型，并对沪深300指数期货仿真交易进行了套利机会的实证分析。袁象（2008）在分析国内指数型产品发展现状的基础上,分析各种指数型产品满足期现套利需要的可行性,并对模拟复制指数的股票现货组合构建方法和模型进行探讨, 对不同标准构建的指数复制现货组合进行实证分析。方卫东、张晓峰（2008）采用市值权重模型和最优化模型构建跟踪沪深300指数的投资组合, 并通过实证得出最优化模型的跟踪效果要优于市值权重模型的结论。代宏霞等（2009）在考虑股指现货的融资融券交易及其规定的保证金比例的情况下,利用无套利定价原理重新确定股指期货相对于股指现货的无套利区间,并进一步分析在考虑与不考虑融资融券交易情况下无套利区间的差异,以及无套利区间对融资融券交易做出反应的敏感性。

总的来说股指期货的无套利区间的研究是从股指期货的持有成本定价模型出发，通过逐步放宽假设条件，将交易成本（包括佣金与税收等）、冲击成本、资金借贷利率、保证金比例、融资融券、卖空限制、股利不确定性等现实因素都逐渐考虑进来，得到一个现实世界的股指期货合约的无套利区间，如果股指期货合约的实际价格超出这个无套利区间的上界，进行卖出期货买入现货的套利交易策略，如果股指期货合约的实际价格低于这个无套利区间下界，则进行买入期货卖出现货的套利交易策略。

目前对于股指现货进行模拟的方法主要有两种：现货组合模拟法和指数基金模拟法。现货组合模拟法有两大类:完全复制即购买标的指数中的所有成分证券,并且按照每种成分证券在标的指数中的权重确定购买的比例,以构建指数组合。不完全复制（即优化复制）：通过权重的优化再配置来寻找一个含有部分成分证券的最优的追踪组合，即使得该组合相对标的指数的追踪误差最小或其他事先设定的标准最优。相比完全复制指数而言,优化复制指数的好处体现在以下方面:(1)对成份股较多的指数进行完全复制需要占有很多资金,资金量少的无法实现。(2)较多的成份证券交易导致不能快速及时地实现交易成功,加大构建组合的价格波动风险。(3)完全复制指数会导致冲击成本较高,特别对于流动性差的一些股票。(4)完全复制指数导致较高的调整频率和跟踪成本。(5)对于流动性差的成份证券,可能还会面临难以以合适的价格及时进行投资交易。

另一方面，由于ETF交易成本远远低于股票的交易费用，而且现有的研究表明，只需要很少的几只基金就可以替代大量只数的股票来作为现货组合，在实现交易上远较大量只数的股票组合容易，也基本不会有停牌等情况发生而导致无法买卖现货组合，从而避免由此产生的风险，因此，使用基金作为现货组合具有明显的优越性。所以，利用ETF来建立现货头寸进行套利是一个比较行之有效的策略。

3.2.2股指期货套期保值策略研究

套期保值是期货市场产生的直接原因，利用股指期货进行套期保值是金融机构规避系统性风险的重要途径，而估计套期保值比率则是其核心环节。

基于最小风险分析的套期保值比率计算方法：

在20世纪60年代早期，Johnson（1960）和Stein（1961）采用债券组合的方法来研究套期保值，提出套期保值的目的就在于使现货和期货头寸合在一起的利润变动的方差最小化，并且根据期货市场的价格发现原理，引出了确定风险最小化套期保值比的回归分析方法。当70年代金融期货产生以后，Ederington（1979）又将Johnson/Stein的方法推广到金融头寸的套期保值。即把现货价格的变化和期货价格的变化用普通最小二乘法进行线性回归（OLS）。Herbst、Kare和Marshall（1993）通过双变量向量自回归模型（BVAR）来得到解决OLS模型的一个缺陷：没有考虑到现货和期货市场前期价格的变动可能会影响到当前价格的变动，从而其估计结果的有效性会受到序列自相关的影响而变得不稳定。Engle和Granger（1987）提出了存在协整关系时期货价格与现货价格的误差修正模型ECM(Error Correction Model)，这一模型同时考虑了现货价格和期货价格的非平稳性、长期均衡关系以及短期动态关系，是包含协整约束条件的VAR模型。Lien(1996)等开始把广义自回归条件异方差模型（GARCH）应用于最优套期保值比率的方法，这不仅考虑了二阶矩期货价格变动的方差与现货价格变动方差相互影响，并不再限制期货价格变动的条件方差以及期货价格变动与现货价格变动的条件协方差为一常数。Wenling Yang和David E.Allen(2004)开始把协整与误差修正模型引入GARCH模型之中以求最优的套期保值比率，具有协整误差修正的广义自回归条件异方差模型(DVEC-GARCH)。这样就能够很好的解决期货价格和现货价格的序列相关问题的同时，也充分发挥了GARCH模型在计量最优套期保值比率时解决期货价格和现货价格的之间残差存在的异方差问题。

国内过于期货市场套期保值比率及套期保值绩效的研究比较晚，林爱诺等（2003）将套期保值理论应用于股指期货标的指数的评价模型中,导出了不同套期保值战略情况下的最佳套期保值数量及套期保值效率、套期保值成本的统计指标。高辉、赵进文（2007）采用OLS回归模型估计法、双变量向量自回归模型方法、基于协整关系的误差修正模型方法、简化的误差修正模型方法,对不同模型方法下的套期保值比进行实证研究,最后对利用沪深300股指期货进行套期保值的有效性给出评价。吴先智（2008）在分析和比较常用的几种股指期货最优套期保值比率确定模型的基础上,基于风险最小化模型框架,利用沪深300指数期货合约模拟运行以来的样本数据,通过最小二乘回归模型、向量自回归模型、误差修正模型以及广义自回归条件异方差模型四种估计方法,对其最优套期保值比率进行了实证测算和绩效比较,提出了相应的政策建议和投资策略。何树红等（2009）基于OLS、EC-GARCH、VECM-GARCH、VECM-GARCH-X 四种模型估计套期保值比率，通过实证分析得出以下结论：套期保值比率具有时变性，VECM-GARCH模型的套期保值效果优于其它三种模型。

从对已有的文献的研究中我们可以看到，基于最小风险分析的套期保值比率计算模型是随着时间序列计量经济学的发展而发展的，最初在方差不变假设下,可以通过估计OLS模型的回归系数β计算套期保值率h。随着研究的深入,人们发现金融数据往往存在协整关系或异方差现象,因此用误差修正模型（ECM）和GARCH模型估计套期保值率逐渐成为主流的方法,但是从实证研究看上述模型都没有获得一致的认同,有的学者经过实证研究表明应用复杂估计技术计算套期保值率所能够带来计算的改善是很小的,甚至有的还不如简单的模型有效，所以对于不同的期货市场、期货市场处于不同的发展阶段,最优套期保值比率的计量模型也是不同的。

综上所述，虽然国内外学者对股指期货这六个方面的研究很多，但从现有的文献来看，对于不同的市场、不同的发展阶段，研究得出的结论也是完全不同的。而且中国的股指期货市场是个全新的市场，目前还没有人对它进行过研究，所以对中国的股指期货市场进行系统性研究具有十分重要的意义。

4 股指期货交易对现货市场的价格引导关系

4.1样本选择和数据处理

本文选取了2010年4月16日到2011年2月18日沪深300股票指数的日收盘价格和沪深300指数期货的日结算价格数据作为样本, 来研究了二者之间的价格领先滞后关系。为了得到平稳序列同时不影响原序列的特征，将它们进行对数处理，并取其差分得到各自的对数收益率序列，现货、期货的对数价格序列分别记为lnhs300、 lnif ，收益率序列分别用rhs300、rif表示。扣除节假日后, 共计203对交易日的数据(样本) 。由于沪深300股指期货在每一时期均有四个月份合约交易，分别为当月、下月和随后两个季月，如在2011年1月24日上市品种为IF1102、IF1103、IF1106、IF1109，但是这四个合约一般而言，近月的期货合约是交易最活跃的月份，它的成交量大，而且流动性较强，与现货市场的价格联系也最为紧密。本文研究选取了距每个时期最近月份合约的价格，同时考虑到合约的流动性，在期货合约到期前5个交易日，我们采用下一个月份的合约数据，再把它们按时间顺序衔接起来，例如2011年1月份初选取IF1101合约的交易数据，由于IF1101合约1月21日到期交割，故从16日之后选取IF1102合约的交易数据，而IF1102合约到2月18日到期，所以2月13日之后转为取IF1103合约的交易数据⋯⋯依此类推。这样得到的在所取时间段内沪深300股指期货合约价格，既考虑到了数据的有效性，也考虑到了数据的稳定性。

4.2模型选择与实证分析

4.2.1平稳性检验

以时间序列数据为依据的实证研究工作都必须假定有关的时间序列是平稳的，否则会导致伪回归，以此所做出的预测是无效的，所以我们必须先检验序列是否平稳。目前较常使用的检验方法是ADF检验(Augmented Dickey Fuller Unit Root Test，简称ADF检验)。进行ADF检验时需要选择最优滞后期。单位根检验的最优滞后期是在残差符合无序列相关下(P-Value>O．05)，根据赤池AIC (Akaike information Criterion)信息准则选取的最小值。一般ADF检验有三种形式：有截距项、有截距和时间趋势项以及无截距和时间趋势项。

我们一般可以通过序列的时间趋势图来判断：

图4.1

图4.2

从图4.1中可以知道应采用有截距项和无时间趋势项的检验形式对lnhs300和lnif序列进行ADF检验，滞后期由计算机基于AIC准则自动选择，具体检验结果如下：

lnHS300序列的ADF检验

LnIF序列的ADF检验

上述检验结果表明：两个序列都是不平稳的。

从图4.2中可以知道应采用无截距项和无时间趋势项的检验形式对收益率序列rhs300和rif进行ADF检验，滞后期由计算机基于AIC准则自动选择，具体检验结果如下：

rhs300序列的ADF检验

rif序列的ADF检验

可以看出，两者的收益率序列都是平稳的，即原序列是一阶单整的。

4.2.2协整检验与误差修正模型分析

针对计量模型的“伪回归”现象，Granger，Dickey&Fuller等人提出了协整理论。协整理论的基本思路是：对于两个或多个具体单位根特征的时序变量，可以构造变量之间的某种组合似的模型达到平稳目的。协整理论表明如果两个或两个以上的不平稳时间序列之间的某种线性组合是平稳的，则可以认为这两个或两个以上的时间序列之间存在协整关系(Cointegration)。上面得出各序列满足I(1)过程，具有相同的一阶单整阶数，进而可以进行这些指数的协整检验。

进行协整关系的检验通常采用Engle-Granger两步法与Johansen检验法。 EG两步法是基于对回归残差平稳性的检验，尽管ADF检验比较容易实现，但是在第一阶段需要设计线性模型进行OLS估计，应用不方便，此外EG两步法只适用单一协整关系的估计与检验。Johansen在1988年及在1990年和Juselius一起提出的一种以VAR模型为基础的检验回归系数的方法，是一种进行多变量协整检验的比较好的方法。

本文采用Johansen检验法来检验判断各序列是否存在协整关系。Johansen协整检验法是基于VAR过程的检验方法，VAR模型采用了多方程联立的形式，在模型的每一个方程中，内生变量对模型的全部内生变量的滞后值进行回归，从而估计出全部内生变量的动态关系。对于VAR（k）模型来说，在建立模型过程中首先要确定最为合适的滞后期k，k值的选择一方面不能太小，太小则模型不能够反映变量间相互影响的绝大部分，另一方面也不宜过大，否则会导致自由度大量减少，直接影响模型参数估计量的有效性。

为了选择最为合适的k值，本文依据了LR统计量（5%的置信水平下）、FPE（最终预测误差）、SC信息准则、AIC信息准则与HQ（Hannan-Quinn）信息准则五个指标来进行判断。判断结果如下：

从上图中我们可以看到，在滞后期选择为2时，LR统计量、FPE和AIC准则指标都是最小的，而且SC准则和HQ准则的统计值也都较小。毫无疑问，在构建VAR时，滞后期选择2期最合适。

协整检验模型实际上是对无约束VAR模型进行协整约束后得到的VAR模型，该模型的滞后期是无约束VAR模型一阶差分变量的滞后期。由于本文VAR模型选择的最优滞后期为2，所以协整检验的VAR模型滞后期确定为1。进一步通过模型选择的联合检验，确定序列没有趋势项而有截距项且协整方程没有截距的模型作为最适合的协整检验模型。

对序列进行Johansen协整检验，具体结果如下：

以上两表表明，迹统计量检验和最大特征值检验一致表明在5％的显著水平下变量间存在协整关系，即存在长期均衡关系。

协整方程为：lnhs300 = 0.305669 + 0.960968 lnif

在此协整关系的基础上，利用误差修正项建立向量误差修正模型。

变量的波动是由长期趋势和短期波动所决定的，协整方程表明的是长期趋势，对系统变动起到引力线的作用；而误差修正模型表明的是短期波动，表明系统偏离均衡状态的修正程度。

为了进一步解释沪深300指数现货、沪深300指数期货的对数价格之间的短期动态关系，在进行协整检验之后需要建立误差修正模型

只要变量之间存在协整关系，就可以由自回归分布滞后模型导出误差修正模型。而在VAR模型中的每个方程都是一个自回归分布滞后模型，因此，可以认为VEC模型是含有协整约束的VAR模型。由于向量误差修正模型的滞后期是无约束VAR模型的一阶差分变量的滞后期，根据前面分析，无约束VAR模型的滞后期为2，所以对应的VECM的最佳滞后期为1，仍然采取序列没有趋势项而有截距项且协整方程没有截距的模型作为最适合的协整检验模型，只存在1个协整关系。具体结果如下表：

把模型整理成矩阵形式为：

公式中的项是向量误差修正模型的核心部分，它表示对变量偏离长期均衡关系起到纠正调节作用。而它前面的调整系数估计值反映了两个市场受短期冲击后向长期均衡值调整的速度，其绝对值越大，则调整的速度越快。因此我们可以看到：当短期价格波动偏离长期均衡状态时，股指期货将以 57.17％的调整力度调整到新的均衡状态，而现货指数的调整力度仅为 27.59％，因此在长期价格发现过程中，期货市场占主导地位，沪深300指数现货对新冲击的反应比较慢。其次，分析短期价格发现功能，从以上两个方程可以发现沪深300现货指数与股指期货之间互相影响，存在价格变动的因果关系，但是从滞后项的系数来看。现货价格对期货价格的影响在统计上的更为显著，所以短期价格发现以现货市场为主。因此，沪深300股指期货对现货市场具有长期价格发现的功能，现货指数对期货市场有短期价格发现的功能。

4.2.3脉冲响应函数分析及方差分解分析

脉冲响应函数(Impulse Response Function)描述的是当某一内生变量的扰动项受到一个单位的冲击而其他变量及其扰动项不变时，对所有内生变量的当前值和将来值的影响，是分析变量间相互影响关系的一种有效模型。二元变量模型的脉冲响应检验是利用时间序列模型分析影响关系的一种研究方法，主要考虑扰动项的影响是如何传播到各变量的。

为了进一步了解我国沪深300股指期货及现货市场的价格发现功能，本文给出了经过Cholesky分解的受一个标准差大小的信息冲击的脉冲响应函数图，它描述的是系统受到来自随机扰动项的一个标准差冲击后，分别对股指期货价格和现货价格当前值和未来值影响的变动轨迹。从这种动态关系中，能够比较直观地判断出股指期货价格与现货价格之间的时滞效应。脉冲响应分析是在VAR模型基础上进行的，其前提条件是VAR系统必须是稳定的，否则脉冲响应函数分析过程是不稳定的。VAR模型稳定性检验结果如下：

通过单位根的检验表明，全部单位根的倒数值都在单位圆之内，这表明这个VAR模型是一个稳定的系统，可以继续进行脉冲响应分析和方差分解分析。

脉冲响应分析结果如下：

图1现货对自身的脉冲响应图2现货对期货的脉冲响应

图3期货对现货的脉冲响应图4期货对自身的脉冲响应

首先，考察现货指数对期货价格的一个单位标准差冲击的响应情况。从图2中可知，在第一天，现货价格对股指期货价格的冲击力度几乎为0，然后逐渐增强，到第8天以后，基本上趋于稳定。这表明时间越长，现货价格对期货价格的影响越大。

其次，分析股指期货价格对现货指数的一个单位标准差冲击的响应情况。从图3中可知，前两天，股指期货价格的一个标准差信息对现货价格的冲击力度最大，随后缓慢减弱；第20天时，基本上趋于稳定，这意味着股指期货的一个单位标准差引起现货价格的脉冲响应虽然很弱，但却具有长期效应。

最后，分析股指期货和现货指数对其自身的一个单位标准差冲击的响应情况。从图1中可知，现货指数对其自身的冲击在第一天最大，随后快速减弱，到第20天的时候趋于稳定，但是始终大于期货市场对它的冲击；从图4中可知，股指期货价格对其自身的冲击第一天最大，然后急剧减弱，到第10天时趋于稳定，而且始终小于现货冲击对它的影响。

以上分析说明沪深300指数现货市场比期货市场对短期随机冲击更为敏感。

脉冲响应函数能够捕捉到一个变量的冲击因素对另一个变量的动态影响路径，而方差分解可以将VAR系统中一个变量的均方误差分解各个扰动项上，即分析各个变量冲击的贡献占总贡献的比例。该方法可以定量的描述本文中两个市场之间相互作用的情况，具体结果如下：

对lnhs300的方差分解结果

对lnif的方差分解结果

表中数据表明：在对lnhs300和lnif进行方差分解时，得出现货市场方差变化主要来自于现货市场“新息"的影响，期货市场方差变化业主要来自于现货市场“新息”的影响。具体而言，对lnhs300进行滞后20期方差分解时，现货市场“新息”对其贡献度是95.51％，而期货市场“新息"对其贡献度是4.49％；对lnif进行滞后20期方差分解时，现货市场新息对其贡献度是95.84％，而期货市场新息对其贡献度是4.16％。从研究结果来看，现货市场“新息”对整个系统的冲击明显高于期货市场“新息"对整个系统的影响。以上研究结果表明，现货市场“新息”对整个系统的冲击明显高于期货市场“新息”对整个系统的影响。现货市场的价格发现功能强于期货市场，现货市场拥有更多的市场定价权。

4.3实证结果分析

沪深300指数期货与沪深300指数都具有长期价格发现功能，这种功能是通过沪深300指数期货与沪深300指数之间的协整关系来实现的。其中，沪深300指数期货在长期价格发现过程中居于主导地位。在短期，沪深300指数具有较强的短期价格发现功能。脉冲响应结果显示，沪深300指数对短期随机冲击较为敏感。

综上所述，我国沪深300股指期货对沪深300指数具有长期价格发现的功能，这种作用主要是通过股指期货价格与现货价格之间的协整关系来实现的；在短期内，现货指数对股指期货具有一定的价格发现作用。这与对大多数股指期货的研究结果是不一致的。出现这种结果的原因，在于目前沪深300股指期货的市场规模比较小，不足以形成对现货市场的冲击，吸引不了有效的参与者，因而也就无法实现股指期货市场应有的价格发现功能，相反，它的价格走向只能是跟着国内现货市场的走向而变动，市场中的绝大部分新信息都是首先反映在现货市场上，再传递至股指期货市场。

5 股指期货交易对现货市场波动性的影响

5.1研究方法和模型介绍

分析股指期货对成分股波动性的影响应当采用事件研究法，即比较股指期货推出之前与股指期货推出之后股票现货市场的波动性是否有明显的差异。通常是把研究期间划分为引入期货前、引入期货后两个子样本区间。在条件方差方程中引入了一个(0，1)虚拟变量，在引入期货前取值为0，引入期货后取值为1。利用模型分别对全样本和两个子样本区间进行估计，如果虚拟变量具有统计显著性，则表明期货交易的存在对现货市场的波动性产生了影响，从而对引入期货市场前后现货市场的波动性进行比较。但是该方法存在缺陷，因为可能是由其它的因素造成的结果，但是由于该因素出现的事件恰好和股指期货推出的时间相重合，模型不能将该因素区别开来，即不能就此判定波动性的变化是由于股指期货的推出而造成的。所以本章在研究波动性变化的时候将加入一个参照基准，即加入一个反映整个市场行情的指数，来对比研究波动性变化情况。通过考察股指成分股的波动性变化相对整个市场的波动性变化是更大还是较小来判定股指期货的推出对成分股波动性的影响。因为如果作为期货的指数波动性除以基准指数的波动性比例在推出前后发生了变化，这说明股指期货的推出在相对程度上改变了成分股现货市场的波动性。本章选用上证综合指数作为股票市场整体价格指标。

金融数据的时间序列存在波动聚集和异方差性, OLS回归模型的假设前提是“同方差性”, 因此在研究金融产品价格波动性时, 普遍采用异方差模型, 使用最为广泛的是Engle在1982年提出的自回归条件异方差模型(ARCH模型) , Bollerslev 深化了ARCH模型, 提出了广义自回归条件异方差模型(generalized ARCH, GARCH模型) , GARCH模型能够很好地反映价格波动的聚集性，所以本文的研究即采用GARCH模型。

GARCH（p，q）模型的一般形式为：

均值方程：，

条件方差方程：

上式表示当期方差依赖于方程右边的三个因素：常数项(均值) ；

ARCH项，用前期残差平方表示(反映前期的波动性)；前期的预期方差GARCH项以。p表示ARCH项中的滞后阶数，q表示GARCH项中滞后项的阶数。

利用GARCH模型分别计算出沪深300指数与上证综合指数收益率序列的方差，分别表示为：和，计算比例

为了检验作为股指期货推出的指数沪深300的波动性相对于整个股市（上证综合指数）的波动性在股指期货推出以后是否变动了，即需要检验股指期货推出前后是否显著变化。如果服从正态分布，我们可以对股指期货推出前后的采用T检验来判别是否有显著差异。如果的分布未知，则可以采用非参数检验，即Kolmogorov-Smirnov检验。

5.2样本选择和数据处理

本章选取沪深300股指期货退出前后近1年时间沪深300指数和上证综合指数的日交易数据，即2009年4月20日-2011年2月18日的日数据。共得到了446对沪深300指数和上证综合指数的日收盘价格数据。按照股指期货推出的时间将数据分成两个阶段, 第一阶段股指期货推出之前, 是从2009年4月20日—2010年4月15日; 第二阶段股指期货推出之后, 从2010年4月16日—2011年2月18日.在本文的实证分析中，用收益率来衡量股票价格的波动，其中收益率采用对数差分来计算，具体的计算公式如下：

，表示t期的收盘价格指数

沪深300指数和上证综合指数的对数收益率序列分别用rhs和rsz表示，方差分别用和来表示。

5.3实证检验

5.3.1描述性统计分析

为了对股指期货交易前后指数的基本情况有一个认识，我们先对各指数在样本区间内的数据分别作描述统计分析，分析结果如下：

沪深300收益率序列时间趋势图

沪深300收益率直方图及统计量表

上证综指收益率序列时间趋势图

上证综指收益率直方图及统计量表

由J-B统计量可以看出沪深300现货指数和上证综指的对数收益率序列都不服从正态分布，因此无法利用F检验等基于正态分布的统计方法检验期货推出前后股价指数波动性变化情况。

同时从上图中可以看出收益率呈波浪状，较大和较小的波动都有群聚现象，时间序列呈现异方差特性。应该用ARCH类模型。

5.3.1平稳性检验

GARCH模型应用的前提是收益率序列是平稳的，因此在进行GARCH建模之前，必须首先对序列进行单位根检验。

从时间序列趋势图中可以看出收益率序列应当用不包含常数项和趋势项的形式进行ADF检验

rhs序列的ADF检验

rsz序列的ADF检验

对日收益率序列进行ADF根检验表明沪深300指数和上证综指的对数收益率序列是平稳的，从而可对其进行GARCH建模。

5.3.2日收益率序列自回归滞后阶数的判断

为确定GARCH模型中条件均值方程的形式，必须先确定日收益序列的自回归滞后阶数，利用Eviews5．0软件对各指数日收益率序列分别进行滞后l、2、3、4阶的OLS回归分析，结果如下：

对rhs：

对rsz：

通过AIC值、SC值和调整后的拟合优度的比较，确定两个指数收益率序列均值方程都是滞后1阶比较合适。即：

5.3.3日收益率序列的ARCH效应检验

对拟合后的残差序列做滞后7期的ARCH-LM检验，检验结果如下：

对rhs：

对rsz：

P值都接近于0，拒绝原假设，表明各残差序列存在高阶ARCH(q)效应，适合使用GARCH(p，q)模型。

5.3.4 GARCH建模

根据前面检验的结果，在GARCH(p，q)模型的条件均值方程中确定自回归阶数为1阶。分别利用GARCH(1，1)、GARCH(1，2)、GARCH(2。1)、GARCH(2，2)模型对沪深300指数和上证综指的条件方差方程进行拟合，得到结果如下表。对这四中GARCH模型选择参数中，GARCH(2，1)模型的SC值和AIC值都比较小，调整的拟合优度最大，故采用GARCH(2，1)模型比较适合．

对rhs：

GARCH（1,1）

GARCH（1,2）

GARCH（2,1）

GARCH（2,2）

对rsz：

GARCH（1,1）

GARCH（1,2）

GARCH（2,1）

GARCH（2,2）

用GARCH(2,1)模型分别计算出沪深300指数和上证综合指数对数收益率在沪深300股指期货推出前后的条件方差，并计算出股指期货推出前后的比例，由于，所以可以做对数变换，得到

通过股指期货推出前后的的直方图可以判断正态性：

股指期货推出前：

股指期货推出后：

由上述两表可看出不服从正态分布，因此对于股指期货推出前后,比较不能采用T检验，而该采用非参数Kolmogorov-Smirnov Z检验。结果如下：

由检验结果可以看出两指数收益率的方差比例在股指期货推出前后发生了显著变化，即说明作为股指期货的成分股相对整个股市的波动性在推出股指期货以后变得更大。

5.4实证结果分析

沪深300股指期货的引入导致了现货市场波动性的增加。其原因主要是现货、期货市场具有很强的联动性，而我国投资者有对新上市投资品种的一贯追捧、投机操作风格，而且目前股指期货市场的投资主体为散户，投资不够理性，比较盲从，对股指期货的理解比较少，投机思想比投资思想要重，大部分投资者以投机的心态进行股指期货交易，这加大了期货市场的波动，并传递至现货市场。

6 股指期货交易对现货市场流动性的影响

6.1流动性的衡量指标

衡量流动性的指标通常是采用交易量或者买卖价差。受数据可得性的限制，这里只采用交易量作为衡量流动性的指标。分析沪深300股指期货对指数现货流动性的影响，就是分析沪深300股指期货对指数现货交易量的影响。研究方法类似于上一章比较股指期货推出前与推出后指数现货波动性的变化。以往的研究大多数是考察交易量是否有变化来衡量流动性变化。由于交易量的变化受到很多因数的影响，尤其在证券市场发展时期，由于投资者数量的增加，交易量一直有递增趋势。所以直接采用交易量的检验来考察流动性是否提高有些不妥。因为即使交易量在股指期货推出前后发生了显著变化也不一定足股指期货推出而带来的。本章采用现货市场的交易量增长率数据来度量股票市场流动性，这样可以剔除一些其他因数的影响。而考察股指期货推出前后流动性是否存在变化，也是检验股指期货推出前后沪深300指数成分股相对于整个股市的流动性是否变化。对股票市场交易流动性是否变化，主要采用T检验或非参数检验。如果指数期货引入前后，该比例服从正态分布，则我们可以利用T统计量检验指数期货引入前后，其均值是否存在显著差别。T检验的假设前提为，交易量增长率服从正态分布，因此才具有均值的可比性。放松一步讲，在其分布偏度不大的情况下，可以比较t检验的结果。所以首先要对交易量增长率比值进行正态分布检验。如果不服从正态分布，则进行非参数检验。

6.2样本选择和数据处理

本章仍然选取沪深300股指期货退出前后近1年时间沪深300指数和上证综合指数的日交易数据，即2009年4月20日-2011年2月18日的日数据，共得到了446对日交易量数据。以股指期货推出时点2010年4月16日作为分界点，对上市前后成分股现货市场交易量的增长率情况作比较。第一阶段为股指期货推出之前, 即从2009年4月20日—2010年4月16日; 第二阶段为股指期货推出之后, 即从2010年4月19日—2011年2月18日.定义沪深300指数交易量序列和上证综合指数交易量序列为{ }、{ }，交易量增长率分为

，

交易量增长率比值为

为了检验沪深300股指期货推出前后沪深300指数流动性是否变化，就需要检验是否变化。

6.3实证分析

6.3.1描述性统计分析

的描述性统计如下：

序列的时间趋势图

从图中可以看出，剔除异常值以后在股指期货推出前后有显著差异。

可利用偏度、峰度、Jarque—Bera统计量对序列进行正态性检，其结果如下表：

序列的直方图及统计量表

偏度系数都为负，说明序列分布略偏左；峰度系数都远大于3，说明分布呈现高峰特征；J-B检验P值为0，拒绝原假设，即序列并不服从正态分布，因此不可以采用T检验。

6.3.2非参数检验

考虑作为期货标的指数的沪深300股指现货流动性在股指期货推出前后相对于整个现货市场的流动性是否变化。即检验为：

：股指推出前的分布=股指推出后的分布

：股指推出前的分布≠股指推出后的分布

采用Kolmogorov-Smirnov Z检验结果如下：

上述结果表明，的分布在股指期货推出以后发生了显著变化，说明作为股指期货的成分股相对整个股市的流动性在推出股指期货以后变得更高。

6.4实证结果分析

以上结果表明，股指期货的推出提高了指数现货市场的流动性。这是因为目前我国股指期货市场受到交易规则和交易制度严格限制，包括市场进入的高门槛、持仓限额、高保证金比例等等，另外对机构投资者套利和投机交易都有诸多限制，限制了交易活跃性。同时股指期货推出初期，市场对其认知程度不高，现货市场投资者投资于期货会相对谨慎。这些导致了目前沪深300股指期货的交易规模比较小，资金转移有限，不足以形成对现货市场的冲击。另一方面，因为股指期货会增加因套利、套期保值及其它投资策略对股票交易的需求，场外增量资金大量流入现货市场，从而增强股指成分股的流动性。

7、沪深300股指期货“到期日效应”

7.1到期日效应的定义：

所谓股指期货到期日效应(Expiration-day Effects)，就是指在股指期货合约到期时，现货市场上由于买卖失衡而产生短暂扭曲的现象，主要表现在收益率、波动率和成交量等的异常变化。

7.2到期日效应产生的原因

关于“到期日效应”产生的原因，普遍达成共识的便是套利的影响、套期保值的影响、结算方式以及市场的操纵行为：（1）套利是连接期货和现货市场不可或缺的重要因素。套利机会的存在导致套利者进入，可能引起并放大市场波动。当股票价格与期货价格的差异超过交易成本，套利者就会卖出较高的一边、买入较低的一边，搏取无风险利润。套利行为的存在使两个市场价格保持均衡，但也会使套利交易中的股票波动性出现短暂上升，如果市场是有效的，这种短暂性波动很快就会消失，市场会重新归于平静，但如果市场是无效的，在朦胧消息和投资者恐慌心理的作用下，这种波动会出现“放大”效应，造成市场中其他股票波动性的增加。而在到期日，尚持有一定仓位的套利者需要平仓以避免交割，如果很多套利者集中、同时地出清现货，可能会出现买卖数量的短期不均衡，进一步增加了股票市场的波动性。（2）很多机构投资者通过股指期货市场进行套期保值，其期货空头的转仓行为可能引起市场波动。由于机构投资者通常要长期持有股票，因而需要在期货市场上长期保持空头部位。当一个股指期货合约到期时，他们就会将这一部位在到期日前平掉，然后在其他合约上再建立空头部位，因此，在临近合约到期日时，就会有大量要求平仓的买单出现（如果股市允许卖空，这时可能还会出现用于平仓的卖单），使期货价格的波动性增强。这一波动又会通过“噪声交易者”的套利行为传递到股市，引起股市波动性的增加。（3）世界上大多数国家均采用现金结算制度，这种方式在投资者通过期现市场的操作后直接转化为现金收益，避免了股票实际交割的程序，也使得市场到期日影响更加显著。最后结算价的确定也会影响到期日效应的大小。如果结算价格容易被操纵那么期货合约的到期日效应就越强烈，对于最后结算价的确定一般分为单一价和平均价两种。采用单一价的方式，就是以最后交割日的开盘价或收盘价作为最后的结算价格，以芝加哥期货交易所(CBOT)、芝加哥商品交易所（CME）和悉尼期交所（AOI）为代表。采用平均价就是采取到期日的某一段时间的算术平均价作为最后的结算价格，这种方式以香港交易所(HKFE)、台湾期交所和伦敦期交所(LIFFE)为代表。采用平均结算价格相比之下有一定的优势在于其分散了被操纵风险的可能性，虽然投资者操作上有些许困难，但其确实有利于缓解和减弱“到期日效应”的显著变化，有利于防范风险。对于这样的结论本文的实证分析也将给予进一步的证明。（4）在市场操纵方面，大资金操纵市场进行投机活动史而有之，有投机的市场就会有人想试图控制，尤其接近到期日附近期现套利的收益可能性会增大，所以到期日当天会有投机者主动拉抬或打压股票指数的现象，从而产生了“到期日效应”的价格波动和反转的现象。

7.3样本选取和研究方法

我们选取了2010年4月16日到2011年2月18日沪深300指数的日间数据作为的样本，包括开盘价、收盘价、成交量和收益率。其中共有10个到期日，分别为2010年5月21日、2010年6月18日、2010年7月16日、2010年8月20日、2010年9月17日、2010年10月15日、2010年11月19日、2010年12月17日、2011年1月21日、2010年2月18日。本章将主要从现货交易量，现货收益率的波动性以及现货指数反转效应三个方面来分析和捕捉恒指期货的“到期日效应”。

7.4到期日效应的实证分析

7.4.1现货交易量增长率序列的检验

我们依据日数据来计算到期日与非到期日交易量日增长率，之后统计交易量增长率序列的均值和方差。分析数据如表2。样本区的描述性统计量表明，到期日交易量增长率序列的均值和中位数都小于非到期日，标准差也略小于非到期日。直观上看，到期日的交易量没有明显放大的迹象。

表2：沪深300指数现货交易量增长率序列的描述统计量

由上述两表可看出到期日和非到期日指数交易量增长率序列都不服从正态分布，因此两者的比较不能采用T检验，而该采用非参数Kolmogorov-Smirnov Z检验。结果如下：

由检验结果可知，两序列的分布没有显著差异，即说明从交易量增长序列上来看，到期日的交易量没有明显放大的迹象。

7.4.2现货收益率波动性的检验

从本文第五章的分析中我们可以知道，沪深300指数收益率序列的均值方程适合用AR（1），条件方差方程采用GARCH（2,1）模型。由该模型计算得到样本区间内，沪深300指数收益率序列的条件方差，分为到期日和非到期日两组序列，并通过它们的直方图来判断正态性：

由上述两表可看出两组收益率序列方差不服从正态分布，因此不能采用T检验，而该采用非参数Kolmogorov-Smirnov Z检验。结果如下：

由检验结果可知，两收益率序列条件方差的分布没有显著差异，即说明从收益率波动性上来看，到期日的收益率没有明显的异常情况。

7.4.3现货指数反转效应检验

到期日股票指数收益率的波动性，既有可能是由于新信息引起的，也有可能是由于指数套利头寸操作导致。新信息将对股票价格的变化产生持久影响，而套利行为仅会引起股票价格的暂时变化。暂时价格效应，可以利用合约到期后指数水平的反转程度来度量。套利头寸操作需要买入或卖出股票组合，这将导致股价指数的反转。为了度量股票市场反转的系统性程度，我们采用Stoll 和Whaley(1991)的度量方法。首先定义到期日的收益率，我们选取当天的收盘价和开盘价来计算收益率即；到期日第二天的收益率，我们定义为到期日收盘至次日开盘的收益率，即。

基于以上定义，指数反转就定义为：

当到期日次日指数收益率符号与到期日之前收益率符号相反．则反转指标为正，表明指数确由交割日影响出现反转；如果两者符号一致，则为负，表明信息是持续指数市场的，指数并未出现反转。为度量指数反转，我们对到期日、非到期日指数的价格反转发生的概率进行二项检验，来考察是否存在指数反转效应，得到统计结果具体如下：

到期日指数反转效应

非到期日指数反转效应

同时我们还测算了指数反转的程度，并进行显著性检验。

检验结果表明，两样本的分布没有显著差异，即到期日不存在明显的指数反转效应。

7.5实证结果分析：

综合三方面的实证检验表明，中国股指期货市场没有所谓的“到期日效应”。分析其原因主要有以下几点：首先，沪深300股指期货的交割结算价设计合理。它采用最后交易日沪深300指数最后两小时的算术平均价作为交割结算价，避免最后交易日市场的操纵行为，减少对股市的影响。其次，我国股票市场做空机制效果不显著。要想在到期日操纵股指期货市场，试图操纵的投机者必须能够快速买入或卖出股票，从而能够抬高或压低沪深300指数，达到在期货市场获利的目的。因此，买入或者卖出成分股的难易程度就成为关键因素。以沪深300股指期货上市以来的情形为例，期指推出之后，空方始终占据优势。如果空方希望在交割日操纵沪深300指数获益，到期日前空方手中必须握有足够多的成分股票。目前有两种途径可以达到这种目的，一种是通过事先大量购买，在到期日集中抛售，这种方式的成本高，风险过大；另一种就是在到期日前通过融券业务借入股票进行操作，这种方式成本低，周转快。但是，目前我国融资融券业务从3月31日到现在，业务发展速度并不尽如人意。再次，中金所可以根据市场的走向和风险程度随时调整保证金比率，目前的保证金比率是12%，杠杆比率大约是8.33，如果市场面临被操纵的风险，中金所可以大幅度提高保证金比率，从而增加投机成本、减少投机获利空间，达到“釜底抽薪”的效果。最后，为了防范风险，股指期货同样实行大户报告制度和持仓限额制度，必要时，中金所可以采取强制性措施，避免操纵现象的发生。最后，目前我国期指市场，个人投资者是市场主力，决定了交割日不可能出现大量的套利和套保操作，从而减小了发生交割日异动的可能性。

8 股指期货期现套利策略研究

8.1股指期货期现套利定义

股指期货期现套利是指利用期货市场与现货市场存在的价格差异，在冒较小风险的情况下赚取较高收益率的交易活动。换句话说，套利是利用资产定价的错误、价格联系的失常，以及市场缺乏有效性的其他机制，通过买进价格被低估的资产，同时卖出价格被高估的资产来获得无风险利润的行为。从套利方向上看，期现套利分为正向套利和反向套利。正向套利指的是当现货指数被低估，某个交割月份的期货合约被高估时，投资者卖出该期货合约，同时按相应权重买进现货组合，建立套利头寸。当现货和期货价格差距趋于正常时，将期货合约平仓，同时卖出现货组合，并获得套利利润。反向套利的操作则正好相反。

8.2股指期货定价及无套利区间模型

8.2.1理想条件下股指期货定价模型

股指期货套利的关键之一在于对股指期货合约进行合理准确的定价，也即确定套利边界．迄今为止，对期货定价的研究中最广泛被使用的定价模型为持有成本模型(Cost of Carry Model)，这也是最接近实际运用的定价方法，它是Cornell＆French借助一对套利组合论证的在完美市场假设下的定价模型。其假设主要包括：

(1)资本市场是完美的；即无税收、无交易成本，无卖空限制，资产无限可分且具有足够的流动性．

(2)可以无风险利率借入及贷出资金，且借、贷利率相同并为一固定常数。

(3)股利的发放的时间是已知的且股利为一固定的常数，即无股利不确定风险．

基于上述假设，在t时点考虑以下两种投资组合：

组合A；购买面值为的国债，并以合约价格买入一份T时刻到期的股指期货．

组合B：以价格买入一个单位股票指数现货．

在时刻T，组合A按连续复利记息的国债可收到

(其中r为无风险收益率)的现金流，由于到期时期货价格收敛于现货价格，期货部分现金流为，而组合B持有到T时刻时的价值为，持有期间收到股利在T时刻的价值为D。

由于上述两种投资组合在t时刻投入的资金相同，风险也相等，因此在T时刻其价值也应该相等，所以我们有：

整理后，可以得到T时刻到期的股指期货在t时的合理价格为：

8.2.2股指期货定价的现实因素分析

上式得出的股指期货合约理论价格是在严格的假设条件下得出的，即为理想条件下的股指期货定价公式。在理想条件下，当实际的股指期货价格高于其理论价格，我们就认为股指期货被高估了，套利者就可以实施正向套利(买入现货，卖空期货)来获取无风险收益；当实际的股指期货价格低于其理论价格，我们就认为股指期货被低估了，套利者可以通过实施反向套利(买入期货，卖空现货)来获取无风险收益。因而，套利空间就来源于股指期货的错误定价，这个错误定价的偏差越大，套利的利润空间也越大。但是，由于现实中的不完美性，存在着一系列的限制因素，使得套利利润将被借贷成本，交易成本等套利成本蚕食，影响套利的进行，甚至造成套利交易的失败。所以，必须对现实中的这些限制因素进行分析。

（一）、借贷利率不等

在理想条件定价模型中，我们使用的利率一律为市场无风险利率，但是在实际交易中，套利者在正向套利(买入现货，卖空期货)中，需要融资来购买股指现货，其主要考虑的是借入利率；同样，反向套利(买入期货，卖空现货)，套利者则需要考虑的是贷出利率。

(二)、交易成本

在理想条件定价模型中，我们没有考虑交易成本，而现实中套利者必须面对交易成本，而且由于交易成本，往往还会使得套利机会消失。广义上讲，交易成本通常包括：交易佣金，税金和冲击成本。

交易佣金：在股指期货和股指现货的交易过程中，由于交易者必须委托相应的期货经纪人，股票经纪人来完成交易，由此向经纪人支付的交易佣金必将体现为交易成本，包括：买卖期货合约的佣金和买卖股票现货或者现货代替组合的佣金。

税金：在交易过程中，交易者支付给政府的税金，包括印花税和资本利得税。在我国主要表现为政府征收的印花税。

冲击成本：通常套利者进行套利的资金规模比较大，所以不管是在买卖期货合约还是在买卖现货组合的过程中，都将或多或少的对市场价格造成冲击，使得套利者往往无法以最初的预算价格进行成交，那么预算价格与实际成交价格之间的差异就是冲击成本。通常，套利者在大规模买进期货合约和现货组合的时候，会由于突然的市场购买需求增大而使得实际成交价格高于预算价格；而套利者在大规模卖出期货合约和现货组合的时候，又会因为突然的市场供给增大是的实际的成交价格低于预算价格。

一般来说，期货市场和证券市场的交易佣金相对稳定，政府征收的税金也相对固定，所以交易佣金与税金的比例能够很好的确定，但是冲击成本的确定就相对困难，不管是期货市场还是证券市场，其冲击成本的大小很大程度上依赖于市场的流动性。通常，具有较好流动性的市场其冲击成本也相对较小，流动性差的市场其冲击成本也就相对较大。市场冲击成本与大宗交易量呈正相关，目前股指期货市场的参与者大多是散户，因此冲击成本较低。而且市场冲击成本比较难以估计，所以本文在实证过程中对其忽略不计。

(三)、股利的不确定性

股指期货定价公式中，包含了股利收益，股利的大小，显著影响着期货合约的理论价格。在正向套利中(买入现货，卖空期货)套利者持有现货，从而可以获得股利收益，现金股利越多，套利者获得的套利利润空间越大，卖出股指期货的获利可以下降，股指期货的定价上限就越低。而在反向套利中(买入期货，卖空现货)套利者卖出现货损失了相应的股利收益，现金股利越高，套利的利润空间越小，买入股指期货的价格成本就需要降低，股指期货的定价下限就越低。

但是，现实中的股利发放数量和时间都具有相当的不确定性，特别是我国的上市公司因为股权结构等原因通常采用股票股利的方式，现金股利发放比例较低。而且其股利分配政策可以说是无章可循，有些上市公司的股利分配方案更是朝令夕改。因此现金股利率通常很难保持一个稳定的比例或固定的金额。通常只有从以往年份沪深300的历史股息率中一个合理的估计值来近似的替代当前可能的股利率。

(四)、保证金比例

期货交易是实行保证金交易，即交易者只需要付出总交易金额的一定比例的资金就可以建立期货头寸，这个比例通常是10％—15％。但是，由于期货头寸是逐日盯市的，如果股指期货空头开仓后指数上涨，或者股指期货多头开仓后指数下跌，期货交易所会通知交易者追加保证金。所以，交易者必须准备相应的储备保证金来应对这种随时可能发生的情况，但是，对于交易者来说，准备多少储备保证金是一个风险和成本均衡的过程。如果这笔资金太少，交易者随时面临着平仓的风险，而如果这笔资金过大，交易者又会增加融资成本。所以，交易者必须进行有效的储备保证金管理来维持一个最优的保证金比例。

(五)、现货模拟的跟踪误差

期现套利活动涉及到现货的买卖，即通过某种方式复制标的指数、构建投资组合，以获得与标的指数相同的运行轨迹。一般来说，构建现货头寸(即一篮子股票组合)的方式包括使用标的指数基金、通过几种ETF拟合、完全复制和抽样复制等。然而，无论采取哪种方式，构建出来的投资组合均会与标的指数产生或大或小的偏差，这就是跟踪误差，它衡量的是在一定时期内，投资组合收益率与标的指数收益率的偏离程度。

如果对跟踪误差的估计值偏大，将会在提高套利成功率的同时减少套利机会。如果对跟踪误差的估计值偏小，则会在增加套利机会的同时降低套利成功率。因此，对跟踪误差的最佳估计是提高期现套利收益水平的关键。根据对主要市场的研究表明，指数跟踪误差的经验值一般都在年化O．3％．—O．5％之间。

(六)、卖空的限制

我们知道，在反向套利过程中，套利者是需要卖空股指现货，买入股指期货，但是实际上，融券卖空的限制重重，而且各个国家的规定各不相同，有些制度上的限制更是使得对融券成本难以量化，因此，卖空限制对期货定价的影响变数较大。

首先，各国对于可以卖空的证券商品有严格的规定：比如香港在94年允许130只恒生指数成本股中的17只股票可以有限制的借券卖空，直到96年才允许其他1 13只股票可借券卖空。因此，有些证券几乎完全没有卖空的机会。

其次，证券的卖空操作有很多限制：美国在1934年公布的证券交易法中规定了证券卖空的两个规则“提价交易规则”和“购券返还规则”，明确规定只有在平盘之上的情况才能卖空，同时卖空的股票必须是借来的，最后只能以购买证券返还的形式结账。

此外，还有借券时间上的限制，韩国借券卖空规定借股的最长周期为6个月，超期将会强制平仓。因此有些涉及到卖空现货的指数套利在执行中有很大的限制，这些制度限制难以通过成本量化。

再者，卖空证券往往有保证金和抵押品的限制，投资者不可能取得卖空的所有款项，除了损失受限获取资金的机会成本外，抵押品限制也需要投资者有较高的信用额度。比如南非的证券借贷必须有银行代保管的货币或证券作为抵押担保，并且按照逐日盯市制度要求抵押担保品的价值高于借贷证券的价值。因此，融券成本在各国的制度影响下差别较大。

最后，证券借贷的费用往往根据借贷人的信用等级由借券方和券商自行协商，因此也是造成融券成本难以确认的一个原因。

以上这些因素都影响了股指期货合约的无套利定价模型在实际应用中的准确性

8.2.3考虑现实因素的股指期货无套利区间模型

由于市场不完美性，存在着一系列的现实因素，所以，在进行套利的过程中，股指期货的价格偏离其理论价格的幅度必须首先能够覆盖融资成本，交易成本等额外套利成本，这样才会有真正的套利机会。也就是说，在考虑了这些成本因素的情况下，股指期货的理论价格将形成一个区间，这个区间就为无套利区间，当股指期货价格落在这个区间之内时，就不存在任何套利机会，只有当股指期货价格位于无套利区间之外时，才可以通过套利交易来获得无风险收益。

下面我们将借贷利率，交易成本，冲击成本，保证金比例等因素纳入定价模型中，整理出一个初步的不完美市场下，股指期货理论价格的区间，即股指期货的无套利区间。

模型中相关符号定义：

：t时刻股指现货的价格

：股指期货合约到期日T的股指现货价格

：t时刻股指期货合约价格

：股指期货合约到期日T的价格，其价格等于当时股指现货价格

：买入指数现货的交易成本比例(包括佣金，税金和冲击成本)(％)

：卖出指数现货的交易成本比例(包括佣金，税金和冲击成本)(％)

：买入指数期货的交易成本比例(包括佣金，税金和冲击成本)(％)

：卖出指数期货的交易成本比例(包括佣金，税金和冲击成本)(％)

：期货保证金比例(％)

：融券保证金比例(％)

：借入利率(％)

：借出利率(％)

D（t，T）：t时刻至交割日T时刻之间指数对应股票现货所发放的现金股利至T时刻的再投资复利总和。

正向套利推导出无套利区间的定价上限：

t时刻的现金流

现货市场：买入指数现货 -；交易成本 -

期货市场：卖出期货（保证金交易）-；交易成本 -

T时刻的现金流

现货市场：卖出现货；交易成本 -；股利收益 D（t，T）

期货市场：买入期货（交割结算）；交易成本 -；收回保证金

因此，正向套利在现货头寸上的损益为：

在期货头寸上的损益为：

如果两个头寸上的损益之和大于零，就说明期货价格的定价就大大偏离了其理论价格，在覆盖了融资成本和交易成本之后仍然存在套利的空间，由此，我们可以得到无套利区间的定价上限：

反向套利推导出无套利区间的定价下限：

t时刻的现金流

现货市场：卖出指数现货；交易成本 -

期货市场：买入期货（保证金交易）-；交易成本 -

T时刻的现金流

现货市场：买入现货；交易成本 - ；股利支出 -D（t，T）

期货市场：卖出期货（交割结算）；交易成本 - ；收回保证金

因此，反向套利在现货头寸上的损益为：

在期货头寸上的损益为：

如果两个头寸上的损益之和大于零，就说明期货价格的定价就大大偏离了其理论价格，在覆盖了融资成本和交易成本之后仍然存在套利的空间，由此，我们可以得到无套利区间的定价下限：

8.2.4股指期货期现套利流程

套利交易者在采取期现套利交易策略进行套利活动时，通常应该按照下步骤进行：

(1)代入具体参数计算出期货合约无套利区间的上限和下限；

(2)将期货合约价格与无套利区间上下限比较，确定是否存在套利机会；

(3)确定股票现货交易规模：

(4)确定与股票现货交易规模相称的期货合约数量；

(5)同时进行股指期货合约与股票现货交易：

(6)根据利润最大化原则，选择合适的策略结束头寸。

（一）、正向套利

当指数期货合约价格高于无套利区间上限价格时，即满足：

进行正向套利操作，买入股指现货，卖出股指期货。此后实时监控期货和现货的变化，根据不同情况，选择不同的操作（提前平仓或到期平仓）。

（二）、反向套利

当指数期货合约价格低于无套利区间下限价格时，即满足：

进行反向套利操作，卖出股指现货，买入股指期货。此后实时监控期货和现货的变化，根据不同情况，选择不同的操作（提前平仓或到期平仓）。

8.3股指期货标的指数现货的模拟

我们已经将借贷利率、交易成本、卖空限制和保证金等因素纳入了定价模型，初步形成了不完美市场条件下的股指期货定价模型。但是在从事股指期货套利的时候，必须在期货与现货市场建立头寸相反的投资组合。由于股指期货的标的指数只是一种量化的数字，在实际市场上并不存在股票指数这样一种现货，因此套利者必须构建一个投资组合来模拟股票指数。因此模拟现货指数的优劣便成为套利交易成功与否的重要因素。

目前对于股指现货进行模拟的方法主要有两种：现货组合模拟法和指数基金模拟法。

现货组合模拟法有两大类:完全复制即购买标的指数中的所有成分证券,并且按照每种成分证券在标的指数中的权重确定购买的比例,以构建指数组合。不完全复制（即优化复制）：通过权重的优化再配置来寻找一个含有部分成分证券的最优的追踪组合，即使得该组合相对标的指数的追踪误差最小或其他事先设定的标准最优。

在实际操作中，由于股票指数的成份股数量都比较多，即使选取的都是流动性较高的股票，在同一时间买进或卖出几十上百只股票，在没有程序化交易的市场中其难度也是相当之高，而且会导致较高的调整频率和跟踪成本，因此以完全复制法构建的指数现货的建仓成本和维护成本都较高。而优化复制法减少了成份股的数量，降低了建仓成本和维护成本，但是复制的效果却不如完全复制法。

而另一方面，指数基金都是跟踪特定指数，其价格也都围绕指数现货上下波动，跟现货指数有着紧密的联系，在特定时点和现货指数价值相当，因此是天然的替代品。此外，只需要很少的几只基金就可以替代大量只数的股票来作为现货组合，在实现交易上远较大量只数的股票组合容易，也基本不会有停牌等情况发生而导致无法买卖现货组合，从而避免由此产生的风险，因此，使用基金作为现货组合具有明显的优越性。ETF则是一种追踪特定指数并在交易所上市的创新型基金，其构建方式基本采用被动式的指数化投资，和现货指数的走势高度相关，是模拟指数现货的良好的替代品。不仅在即时买卖、流动性方面都远胜于现货股票，而且在交易成本方面更有成本优势，所以利用ETF来建立现货头寸进行套利是一个比较行之有效的策略。

8.3.1模拟指数的跟踪误差及其计量

（一）、跟踪误差的定义

跟踪误差(tracking error)是为了衡量指数基金的投资风险和投资绩效而提出的一个概念，一般而言，跟踪误差被定义为指数化投资组合与基准投资组合收益率之间的差异。跟踪误差度量了指数化投资组合跟踪基准投资组合的准确程度，较大的跟踪误差意味着指数基金可能面临着较高的投资风险，因此，努力实现跟踪误差的最小化是指数基金的重要目标。对指数基金而言，跟踪误差最小化既是投资的目标，又是对基金的投资行为的一种约束。

本文将跟踪误差定义为指数化投资组合与基准投资组合的收益率差额序列的标准差。即：

其中，是样本期内各时点的指数化投资组合与基准投资组合的收益率差额，是差额序列的均值，T表示样本个数。该指标通常也被称为跟踪偏离度，这是目前最为常用的一种计量方式。

这个指标其实是一个中心化的跟踪误差指标，即衡量收益率差额序列对其均值的偏离程度。跟踪误差采用这种计量方式，可以有效的度量跟踪误差本身的波动程度，衡量投资组合偏离基准组合的投资风险。同时，该指标对个别日跟踪误差突然增大的情况具有一定的平滑效果，因而能保证指标的稳定性，这也是其得到广泛运用的原因之一。

（二）、跟踪误差产生的原因

理论上而言，在不存在交易成本且指数化投资组合能够完全复制基准投资组合的情况下，应该不存在跟踪误差。然而在现实中，由于种种因素影响，跟踪误差是不可避免的。根据指数化投资中的具体情况，可以将导致跟踪误差的原因分为三个类别，其中有些原因是部分可控的，有些原因是完全不可控的：

(1)指数化投资过程中存在的各种费用(管理费用与交易费用)会影响投资组合的跟踪效果。由于交易费用的存在，部分地抵消了投资组合的收益，因而造成投资组合的收益与基准组合收益的偏离，从而形成跟踪误差。一般而言，指数化投资的费用比率越高，则投资组合的收益越低，跟踪误差越大。因此，严格控制各种费用是减少跟踪误差的有效手段。

(2)目标指数成分股的变动会导致投资组合与基准组合之间出现偏差，从而形成跟踪误差。成分股的变动包括成分股本身的行为以及对指数成分股的调整。当成分股发生分红、配股、增发或债转股等行为时，发放现金红利而产生的现金拖累和由于成分股流通市值的增减使投资组合的持股比例与成分股在目标指数中的权重相偏离都会产生跟踪误差。而当对指数的成分股进行调整时，投资组合管理人必须相应地对投资组合进行调整，这一方面由于交易费用的存在会增加跟踪误差；另一方面，由于投资组合的调整存在时滞，组合的收益率与目标指数的收益率会出现阶段性偏差从而形成跟踪误差。因此，管理人应当根据成分股调整的具体情况来决定投资组合的调整。

(3)交易所的交易规则和资产配置过程中的近似原则会使成分股在投资组合中的权重与在目标指数中的权重不一致，从而产生跟踪误差。由于交易所规定股票的交易数量必须是100的倍数，管理人在资产配置过程中不得不按照四舍五入的原则对某些股票的数量进行调整，由此使得成分股在投资组合中的权重与在目标指数中的权重存在一定的偏差，最终导致了跟踪误差。

8.3.2用ETF组合模拟沪深300股指期货现货组合的实证分析

LOF(Listed Open—Ended Fund)即“上市开放式基金”，也就是上市开放式基金发行结束后，投资者既可以在指定网点申购与赎回基金份额，也可以在交易所买卖该基金。与普通开放式基金相比，LOF可以在交易所进行交易，一定程度上增强了其流动性。

目前市场上跟踪沪深300指数的LOF(上市开放式基金)有嘉实沪深300、鹏华300、招商成长、建信300等 LOF，本身而言，沪深300指数基金是最简单的一种模拟现货的方法。它将现货的模拟环节交由基金管理公司来执行，具有交易成本低、拟和度高的优点，但也存在相当程度的缺陷。首先，在业绩衡量方面，这些LOF的业绩衡量标准是为95％的沪深300指数收益率加上5％的银行同业存款收益率或者商业银行税后活期存款利率，并非100％跟踪。其次，由于成交不是很活跃，使得该基金的流动性严重不足。再次，在结算风险方面，LOF基金的交割方式为T+2，这无疑会在较大程度上影响期现套利的效率。因此，由于上述原因，沪深300LOF难以适应复制股指期货套利的现货组合的角色。但是假以时日，如果沪深300LOF的流动性和交易机制都能得以改善，那么可以期待，沪深300LOF将是最适合于复制沪深300指数的品种。

ETF(Exchange Traded Fund)即“交易型开放式指数证券投资基金”，简称“交易型开放式指数基金”由于ETF是以跟踪“标的指数”的变化为投资目的，因此与“标的指数”具有高度相关。ETF在交易所上市交易，因此投资者可以像买卖股票一样实现对指数的买卖。由于它是基金的一种特殊类型，除了在二级市场的直接买卖，它还可以通过申购和赎回的形式进行交易。即根据ETF基金管理公司每天公布的申购赎回的清单，以一篮子股票换取ETF份额或是以ETF份额换取一篮子相应股票。

目前上市的ETF中，从与沪深300指数的相关性来看，深证100ETF（159901），上证50ETF（510050），上证180ETF（510180），上证红利ETF（510880）与沪深300指数（000300）的关联度较高：

各只ETF与沪深300指数价格相关性

与沪深300指数的相关系数	深100ETF	上证50ETF	上证180ETF	上证红利ETF
与沪深300指数的相关系数	0.967508	0.882943	0.990295	0.922136

通过计算发现，四只ETF与沪深300指数具有较高的相关程度，相关系数都达到88％以上，其中上证180ETF与沪深300指数的关联度最高，相关系数达到99％以上。可见，我们可以通过ETF基金来很好的模拟沪深300指数。但是，目前已上市的这几只ETF基金都仅仅是针对单个交易所股票的ETF基金，如上证50ETF，上证180ETF，上证红利ETF都是专门针对上海交易所的ETF基金；而深证100ETF又是只针对深圳交易所的ETF基金。由于目前两个交易所的交易系统相对独立，登记结算体制也有所不同，因此还没有包含两家交易所股票的ETF，而且在短期内也难以有包含沪深两市股票ETF出现，从而在用ETF作为现货组合时，只能从两家交易所中选取ETF基金来构建一个能很好模拟沪深300指数的组合。

对于ETF的选择，目前代表深市的只能采用深100ETF，而代表沪市的ETF可以选择上证50ETF，上证180ETF，上证红利ETF，这三者各有优缺点．首先，从相关度来看，上证180ETF最好，相关系数达到0．990295；上证50ETF的相关系数最低，仅为0．882943。从各ETF日均交易量反映出来的流动性来看，上证红利ETF是流动性最差的，流动性最好的是上证50ETF基金，上证180ETF次之。

三只ETF的日成交量和成交额

名称	日均成交量（份）	日均成交额（元）
上证50ETF	498584883.9	1014992332
上证180ETF	683624774.7	437822894.9
上证红利ETF	16868000	37984891

考虑到上证50与沪深300指数的相关性不到90%，而上证红利ETF日均成交额偏小，流动性较差，在未来的套利过程中将会造成较大的冲击成本，故剔除上证50和上证红利ETF。

由上所述，我们采用深100ETF代表深市，采用上证180ETF代表沪市，用它们来构造ETF组合模拟沪深300指数

由于我们要研究的只是变量间的模拟策略而非实际关系，所以不必担心伪回归、自相关等问题的存在，可直接应用OLS对其作回归分析：

其中，、、分别为沪深300指数序列、深100ETF和上证180ETF价格序列。当方程拟合度达到最高时时，可由它们的系数计算出各只ETF在组合中的投资比例、

方程的回归结果如下：

可以得到当深100ETF、上证180ETF的权重分别为23.24%和76.76%时，ETF组合与沪深300指数的拟合度高达99.79%。

用我们得到的这一回归模拟关系对2010年4月16日到2011年2月18日的相关数据关系进行检验，结果发现沪深300股指与ETF组合的模拟结果在相应时期的走势已非常接近(见下图)。

根据自2010年4月16日到2011年2月18日总共203个交易日的累计净值数据计算ETF组合与沪深300指数的相关系数和跟踪误差。

ETF组合	比例	样本数	相关系数	跟踪误差
深100ETF、上证180ETF	23.24:76.76	201	0.999211	0.000757

从模拟的结果来看，复合ETF的相关度到了99.9％以上，而跟踪误差也只有0.0757%。因此该ETF组合达到了良好的拟合效果。

8.4沪深300股指期货期现套利交易机会的实证分析

8.4.1样本选择和数据处理

本文选取沪深300指数及期货在2010 年4月16日到2011年2月18日共203对日交易数据, 参考本章第一部分推导出的考虑现实因素的无套利区间计量公式, 代入具体参数计算出无套利区间的上下限。指数现货价格取其每日收盘价，而股指期货分别选取IF1005当月合约从上市到交割日的所有交易日数据（4.16-5.21共25个样本），IF1006当月合约至交割日的所有交易日数据（5.24-6.18共17个样本量），IF1007当月合约至交割日的所有交易日数据（6.21-7.16共20个样本量），IF1008当月合约至交割日的所有交易日数据（7.19-8.20共25个样本量），IF1009当月合约至交割日的所有交易日数据（8.23-9.17共20个样本量），IF1010当月合约至交割日的所有交易日数据（9.20-10.15 共12个样本量），IF1011当月合约至交割日的所有交易日数据（10.18-11.19 共25个样本量），IF1012当月合约至交割日的所有交易日数据（11.22-12.17 共20个样本），IF1101当月合约至交割日的所有交易日数据（12.20-1.21 共24个样本），IF1102当月合约至交割日的所有交易日数据（1.24-2.18 共15个样本）进行比较分析。

样本区间内当月连续合约组成

近月合约	起始日	结算日	样本点
IF1005	2010-04-16	2010-05-21	25
IF1006	2010-05-24	2010-06-18	17
IF1007	2010-06-21	2010-07-16	20
IF1008	2010-07-19	2010-08-20	25
IF1009	2010-08-23	2010-09-17	20
IF1010	2010-09-20	2010-10-15	12
IF1011	2010-10-18	2010-11-19	25
IF1012	2010-11-22	2010-12-17	20
IF1101	2010-12-20	2011-01-21	24
IF1102	2011-01-24	2011-02-18	15

根据不完美市场下的套利模型计算无套利区间，如果期价高于无套利区间，则卖出一张近月期货合约，同时买入相应价值的现货;如果期价低于无套利区间，则买入一张近月期货合约，同时卖出相应价值的现货。假设套利组合持有到期货到期日才解除头寸。

8.4.2参数的估计

(1)借贷利率

借入和借出利率分别采用当期的一年期存款利率和一年期贷款利率，在样本区间内国内一年期存贷款利率如下表：

时间	一年期存款利率	一年期贷款利率
2010.04.20-2010.10.19	2.25%	5.31%
2010.10.20-2010.12.25	2.50%	5.56%
2010.12.26-2011.02.08	2.75%	5.81%
2011.02.09-2011.02.18	3.00%	6.06%

由于是近月合约套利，期限通常不超过30天，所以，折合成期限每日的利率分别为：

时间	日存款利率	日贷款利率
2010.04.20-2010.10.19	0.0062%	0.0145%
2010.10.20-2010.12.25	0.0068%	0.0152%
2010.12.26-2011.02.08	0.0075%	0.0159%
2011.02.09-2011.02.18	0.0082%	0.0166%

(2)交易成本

股指现货交易成本：交易者在二级市场通过购买ETF来复制现货指数，交易费用上海证券交易所和深圳证券交易所均规定不得高于成交金额的0.3%，通常证券公司收取的费用会远低于这个标准，且无需缴纳印花税，本文取0.2%.同时，由于难以获取明细报单数据来详细估算冲击成本，暂参考上交所2010年《市场质量报告》中公布的价格冲击指数。该报告计算了买卖10万元、25万元、90万元股票的价格冲击指数，并按流通市值、行业以及股价进行了分类。期货合约乘数为300元，如期货价格以3000点计，1份合约价值为90万。ETF组合中深100ETF与上证180ETF比例分别为23.24%与76.76%的话，分别约为20万与70万。参考报告中上证180板块和深100板块相应金额的价格冲击指数，我们假设购买现货的冲击成本为0．2％，那么单向的买卖指数现货的交易总成本约为0.4％。

对于期货合约的交易费用，目前中国金融期货交易所规定为成交金额的0.005% ，期货公司收取标准一般为0.01%-0.015%，本文取0.015%，并且期货交易无印花税。在期货合约的开仓和平仓过程中，同样也会遭遇冲击成本的影响，不过由于期货合约数量在理论上的无限性，且期货市场的流动性通常大于ETF 市场，因此冲击成本也大幅减少，本文取ETF冲击成本的二分之一，即0.1%,那么单向的买卖股指期货的交易总成本为0．12％。

(3)保证金比例：

根据中金所规定，期货保证金比例为12％。同时，根据沪深证券交易所发布的《融资融券交易试点实施细则》，投资者融券卖出时，融券保证金比例不得低于50％，所以，设融券保证金比例为50％。

(4)股利率估计：

对于股利率的估计是一个难点，因为在我国股利发放的随意性很大，表现为股利的数量和时间上都不确定。通过对近几年沪深300股息率来看，我们暂且假设股利率为2％。

沪深300指数成分股历年股息率情况

年度	2006	2007	2008	2009	2010
股息率	2.54%	1.21%	0.74%	2.05%	1.24%

最终参数设置：

：买入指数现货的交易成本比例为 0.4%

：卖出指数现货的交易成本比例为 0.4%

：买入指数期货的交易成本比例为 0.12%

：卖出指数期货的交易成本比例为 0.12%

：期货保证金比例为 12%

：融券保证金比例为 50%

：借入利率在2010.04.20-2010.10.19、2010.10.20-2010.12.25、2010.12.26-2011.02.08、2011.02.09-2011.02.18分别为0.0145%、0.0152%、0.0159%和0.0166%

：借出利率在2010.04.20-2010.10.19、2010.10.20-2010.12.25、2010.12.26-2011.02.08、2011.02.09-2011.02.18分别为0.0062%、0.0068%、0.0075%和0.0082%

d 年股息率约为 2%

8.4.3套利机会分析

观察套利机会，就是观察期货合约价格是否位于无套利区间之外，如果期货合约价格位于无套利区间之内，就不存在套利机会，因为此时期货合约与现货组合的基差不能够完全覆盖套利成本；如果期货合约价格位于无套利区间之上，就说明存在正向套利机会，因为此时的基差在覆盖了套利成本之后，还存在着收益的空间；同理，如果期货合约价格位于无套利区间的下方，则说明存在反向套利的机会。

因此，计算无套利区间是观察是否存在套利机会的关键。我们以2010年4月2l为例，当日沪深300指数的收盘点位是3236.68，而期货合约IF1005的结算价为3266，我们可以得出此时的基差为29.32，也就是说期货合约的价格被高估了29.32点。如果是在理想条件下(不存在任何其他成本)，套利者可以通过正向套利策略即卖空被高估的期货合约，买入被低估的现货组合来获取无风险套利收益。但是，现实中是存在着一系列的限制因素，诸如借贷利率、交易成本(交易佣金，税金，冲击成本)、股利的不确定性和保证金等因素，使得我们在套利时，必须计算对应的套利成本。利用本章第一部分推导出来的公式，我们可以计算出标的指数在特定点位下的无套利区间上下限。

将4月21日沪深300指数的收盘价3236.68，以及相应的参数带入无套利区间上限公式：

可以得出无套利区间上限为3289．3，而此时的期货合约价格为3266，小于无套利区间上限，即期货合约价格位于无套利区间内，不存在正向套利的机会。

同样的方法，我们可以得出2010 年4月20日到2011年2月18日共201个交易日里以收盘价计算的无套利区间上下限、，并将其与期货合约日结算价格比较，来判断是否存在套利机会：

当期货合约价格位于无套利区间上限的上方时，即图中的红线位于蓝线上方时就出现了正向套利机会。即卖出被高估的期货合约，买入对应的现货组合，然后持有至到期日以对冲平仓，就可以获得套利收益。当图中红线位于绿线下方时出现反向套利机会。当期货合约进去无套利区间内，即图中的红线位于蓝线和绿线之间时，就不存在套利机会。

8.5实证结果分析

通过计算，我们可以观测各当月合约在2010年4月16到2011年2月18日总共203个交易日里，可能出现的套利机会及特点：

(1)实证结果表明，以每日结算价来计算套利机会，在2010年4月16日-2011年2月18日总共203个交易日里只有16个交易日存在套利机会，占比约为7.8％，而且全部为正向套利机会。

(2)所有套利机会都出现在合约IF1005和IF1011，分别为6次和10次。说明在股指期货刚上市初期，期现套利机会明显，可以通过买入ETF组合模拟现货指数，卖出当月或近月期指合约，来获取收益。最直接的体现是，大量套利交易出现导致相关ETF成交量大幅上升，上证180ETF、上证50ETF、深市100ETF均受益于此。但是，期指市场高度活跃和套利资金的进入很快熨平了期现价差，套利机会在不到一个月时间内就急速收敛，进而基本消失.

(3)在这看似成熟的市场中，也时常会有套利机会出现。当发生重大突发事件，以及市场行情发生转折的初期，往往会有机会出现。10月下旬开始，股指期货对沪深300现货指数的升水幅度开始持续走高，市场上消失了5个月之久的期现套利机会再次出现。这可能是因为从5月中旬开始，套利资金经历了连续5个月的等待而毫无机会，这期间有的资金已经转战其它市场了。所以当市场行情突然单边向上走时，就出现了较大的套利空间。市场的表现也证明，我国的期货市场还并没有成熟到已经失去套利机会，或者可以瞬时间将套利空间修正的阶段。相信在今后很长的一段时期内，随着行情的起伏，还会有大量的套利机会出现。

9 股指期货套期保值策略研究

期保值是期货市场产生的直接原因，它与价格发现一起作为期货市场的两大基本功能在社会经济中发挥着重要作用。利用股指期货进行套期保值是金融机构规避系统性风险的重要途径。

股票指数期货套期保值交易策略的基本思路是在投资者的资产配置中同时拥有股票组合和股指期货的相反头寸,按照适当比例配置后,将其中一方所产生的盈利与另一方所产生的亏损全部或者部分抵消, 从而化解和降低市场的系统性风险。在制定套期保值交易策略时,核心问题是确定最优套期保值比率,使投资者的资产头寸在面对基差波动风险的情况下能够获得最大化的收益或者最小化的损失。

期货市场上计算最优套期保值比率的模型有风险最小化套期保值、单位风险补偿最大化套期保值和效用最大化套期保值三种模型。最大效用与单位风险补偿模型都需对投资者效用函数进行刻画，但是效用函数主观、差异性大，难于用数学方法精确表示，因此最小风险套期保值模型更具备实际价值。

Johnson (1960) 和Stein (1961) 以分析Markowitz ( 1952) 的均值方差框架为基础, 提出了现代投资组合套期保值理论一个被广泛接受的方法, 即最小方差保值比率。Ederington ( 1979) , Figlewski (1984) 在此基础上进行了更深入的研究, 提出了投资者进行套期保值的目标是资产组合收益方差的最小化, 使得投资组合收益方差最小的套期保值比率即为最优套期保值比率。他同时论证了最佳套期保值比率等于期货与现货价格之间的协方差与期货价格方差的比率, 并且可通过最小二乘OLS 方法进行推算。Engle &Granger (1987) 提出协整理论, 使用误差修正模型计算。Engle& Bollerslev (1986) 提出了GARCH模型, 指出基于GARCH模型的动态套期保值策略能够达到更佳的套期保值效果。

众多的国内外学者根据上述理论进行了大量的实证研究, 对于期货最优套期保值比率的不同计算方法的有效性, 不同的学者持不同的意见。有的学者的研究结论支持GARCH模型得到的动态套期保值比率进行套期保值策略，认为基于GARCH模型的动态套期保值策略相对于传统的常数静态套期保值策略具有更好的效果。而另外一些学者的研究结论支持利用简单的OLS得到的静态套期保值比率进行的套期保值策略, 有的学者经过实证研究表明应用复杂估计技术计算套期保值率所能够带来计算的改善是很小的,甚至有的还不如简单的模型有效。所以对于不同的期货市场、期货市场处于不同的发展阶段,最优套期保值比率的计量模型也是不同的。

本章在分析和比较常用的几种股指期货最优套期保值比率确定模型的基础上,基于风险最小化模型框架,利用沪深300指数期货合约的样本数据,通过最小二乘回归模型、向量自回归模型、误差修正模型以及广义自回归条件异方差模型四种估计方法,对其最优套期保值比率进行了实证测算和绩效比较,并提出相应的政策建议和投资策略。

9.1最小风险套期保值比率的计量模型介绍

假设一个单位现货资产的价格为S (0) ,到期日为T 的该资产的期货价格为F ( 0, T) ,在时间t ( 0 < t < T)时该资产的现货价格和期货价格分别为S ( t ) 和F ( t, T) ,则在时间t内现货资产和期货资产组成的投资组合的收益(或损失)根据空头套期保值和多头套期保值的不同分别为:

空头套期保值：

多头套期保值：

两者的方差同为：

其中，，分别为现货价格S (t) 、期货价格F(t,T) 的方差Var(S (t)) 、Var(F(t,T))和他们之间的协方差Cov (S (t),F (t,T)), h为套期保值比率。最优套期保值比率应使Var(R(h))最小化, 即最优套期保值比率由下述无约束最优化模型确定：

对其取一阶导数为零, 求得最优套期保值比率为：

以下介绍最优套期保值比率的计算模型

9.1.1最小二乘法回归模型(OLS)

OLS 线性回归模型是通过回归模型构建现货价格与期货价格间的线性关系, 并以此估计最小方差套期保值比率。假设Ft 和St 分别是期货对数价格和现货对数价格,在t 时刻的对数收益率分别为ΔFt 和ΔSt , 则OLS模型如下所示:

　其中, 是常数项, β为斜率 ,εt 是残差项, 且独立同分布, 服从均值为0 , 方差为常数的正态分布。

回归系数β是最优套期保值比率：对（1 ）式β取一阶微分，并令方程式为零，则得到最优套期保值比率

9.1.2双变量向量自回归模型(B-VAR)

利用OLS 进行最小风险套期保值比率的计算会受到残差项序列相关的影响，B-VAR模型能够克服这一缺点。在B-VAR模型中,期货价格和现货价格存在以下关系:

其中, ，分别代表现货、期货的对数收益率，、为截距项, 、、、为回归系数, 、为服从独立同分布的随机误差项。在这一模型中要寻找最佳的滞后期p , 使残差项的自相关消除。令

可以得到最优套期保值比率为：

9.1.3基于协整关系的误差修正模型(ECM)

B-VAR 模型虽然解决了OLS 模型中的残差项自相关问题, 但它也忽略了期货价格与现货价格之间的协整关系对套期保值比率的影响。现货与期货价格大部分时候是协整的,它们之间具有一种长期均衡关系。相应地,市场价格会对长期均衡关系的偏离做出反应。Ghosh ( 1993 ) 在Granger 和Engle 的研究基础上, 提出了估计最小风险套期保值比率的误差修正模型ECM ( Error Correction Model) , 这一模型同时考虑了现货价格和期货价格的非平稳性、长期均衡关系以及短期动态关系。当存在协整关系时,可由以下模型估计最优套保比率:

其中, 是常数项，和是模型参数，是残差项，服从独立同分布，是误差修正项, 是误差修正系数,测量市场对长期均衡关系的偏离会以多块的速度做出反应。回归系数β是所估计的最优套期保值比率。

9.1.4广义自回归条件异方差模型(GARCH)

以上的模型都假定方差为常数,没有考虑到方差实际上具有的时变性,因而都是静态的套期保值模型。Lien于1996年提出了GARCH模型,该模型考虑了金融时间序列的动态波动特征,因而可以得出动态的最优套期保值比率。GARCH中的套期保值比例可以通过下面的回归方程得出:

，

其中，St，Ft为现货和期货价格对数；Ωt-1 表示t-1期之前所有已知信息的集合；为残差项的方差；β就是最优套期保值率

9.2套期保值绩效的衡量指标

Ederington于1979 年在风险最小化模型的框架内基于套期保值后投资组合收益的波动性,分析了套期保值的效果。其基本思路是:衡量参与套期保值后资产组合收益所减少的风险同未经过套期保值的资产所面临的风险暴露的比率,确定套期保值策略的有效性为:

其中，=，表示未参与套期保值时只有现货价格收益率；= ，表示参与套期保值方案时是现货与期货价格收益率的线性组合；h为套期保值比率，即

未参与套期保值和参与套期保值收益方差可以分别表示为:

该指标反映了进行套期保值相对于不进行套期保值风险降低的程度。一般利用样本外数据进行计算套期保值绩效，我们的研究采用了两段时期，便于进行比较分析。

9.3实证检验

9.3.1样本的选择与数据处理

本文主要对沪深300指数期货与股票现货组合日数据进行分析，样本区间为2010年4月20日至2011年2月18日，共201对数据。以2010年4月20日至2010年10月29日共127对为样本内数据，估计最优套期保值比率。其余2010年11月1日至2011年2月18日共74对为样本外数据，来评价未来的表现。期货与现货价格序列均取对数，并对序列进行一阶逐期差分形成收益率序列，分别记为、、R1和R2.沪深300指数期货价格序列取近月合约每日结算价。由于合约到期日要交割，所以离到期日前5个交易日直接转入下一最临近的合约，以构造稳定连续的价格序列，避免到期日效应。股票现货取2010年4月20日沪深300指数前十大权重股．

沪深300指数2010年4月20日前十大权重股

以各股票所占权重为现货投资金额构建组合头寸比例．具体配置比例如下表：

股指期货与股票投资组合日收益率描述性统计：

从表中可知，沪深300指数期货与股票组合收益率标准差相近，说明两者收益风险比较接近。两组序列分布均表现出负偏，即向左偏。Jarque—Bera统计量表明两组序列都不服从正态分布。

从相关矩阵中可以看出，两者的相关系数为0.875547，显示指数期货与股票组合收益率之间存在较大的相关性。

9.3.2平稳性检验

分别对、及其一阶差分进行平稳性检验，结果如下：

序列的ADF检验

R1序列的ADF检验

R2序列的ADF检验

由检验结果可知，、序列都是非平稳的，而它们的一阶差分序列都是平稳的。因此、序列都符合I(1)过程，满足协整检验的前提。接着进行简单的协整回归，对回归后的残差做单位根检验，结果如下：

在10%的显著性水平下，拒绝原假设，残差序列不存在单位根，是平稳的，即、存在协整关系。

9.3.3最优套期保值比率的计算及绩效比较

取样本区间为2010 年4月20日至2010 年10月29 日, 共127对数据, 进行OLS 模型回归,OLS 的残差项相关检验结果如下：

残差直方图和正态性检验

9.4实证结论分析

本章主要基于风险最小化的期货套期保值理论框架,采用四种不同的估计模型实证测算了沪深300指数期货运行以来的最优套期保值比率。研究结果表明,现阶段沪深300指数的期、现指数收益率的走势相关性较强,为套期保值策略的实施提供了良好的基础。就最优套期保值比率的确定来看,四种不同估计模型所得出的结果比较相近,稳定在0. 89—0. 95之间。也就是说,目前沪深300 指数期货的基差风险还是处在合理范围之内,整个市场的系统性风险程度较低,套期保值比率趋向于传统的相同数量原则。在不同模型的套保绩效方面,四种估计方法的绩效衡量指标相差不大,而GARCH 模型由于较好地克服了金融时间序列数据的残差项自相关和方差时变性等特点,显示出了相对于其他三种方法更为有效的结果。就目前沪深300股指期货的运行情况来看,基于风险最小化套期保值策略计算出的最优套保比率效果比较明显,能够有效地达到规避系统性风险的目的。如果希望提高套期保值绩效，建议采用GARCH 模型进行套期保值操作。

10 总结

10.1本文结论

本文以沪深300指数期货为研究对象，主要从股指期货的功能和应用的角度研究了现货市场和期货市场价格发现功能、股指期货交易对现货市场波动性影响、流动性的影响、股指期货到期日效应以及利用股指期货进行期现套利和套期保值的策略。主要得到以下一些研究结论：

（1）通过协整检验表明，沪深300股指期货和标的指数之间存在着长期稳定的均衡关系；利用误差修正模型、脉冲响应函数和方差分解来分析股指期货市场与现货市场的动态关系。结果表明，沪深300指数期货与沪深300指数都具有长期价格发现功能，这种功能是通过沪深300指数期货与沪深300指数之间的协整关系来实现的。其中，沪深300指数期货在长期价格发现过程中居于主导地位。在短期，沪深300指数具有较强的短期价格发现功能。现货市场“新息”对整个系统的冲击明显高于期货市场“新息”对整个系统的影响。现货市场的价格发现功能强于期货市场，现货市场拥有更多的市场定价权。

（2）运用GARCH（2,1）模型来计算股票波动性，并通过由K-S检验考察股指成分股的波动性变化相对整个市场（以上证综指来代表）的波动性变化，结果得到两指数收益率的方差比例在股指期货推出前后发生了显著变化，即说明作为股指期货的成分股相对整个股市的波动性在推出股指期货以后变得更大。

（3）用K-S非参数检验考察股指期货推出前后沪深300指数成分股相对于整个股市的流动性是否变化。结果显示两者的分布在股指期货推出以后发生了显著变化，说明作为股指期货的成分股相对整个股市的流动性在推出股指期货以后变得更高。

（4）从现货交易量，现货收益率的波动性以及现货指数反转效应三个方面来检验指期货的“到期日效应”。检验结果都表明，中国股指期货市场没有所谓的“到期日效应”。

（5）本文研究表明采用ETF组合来模拟现货指数是比较合适的方案，并利用深证100 ETF和上证180ETF以23.24%和76.76%的比例构建出ETF组合，其对于沪深 300指数的拟合误差在可接受范围之内。通过对股指期货定价的现实因素分析确定股指期货无套利区间，并用ETF组合来模拟沪深300股指期货现货组合，对股指期货套利机会进行实证分析，结果表明在股指期货刚上市初期，即四五月份，期现套利机会明显，可以通过买入ETF组合模拟现货指数，卖出当月或近月期指合约，来获取收益。但是，期指市场高度活跃和套利资金的进入很快熨平了期现价差，套利机会在不到一个月时间内就急速收敛，进而基本消失. 到10月下旬，当市场行情突然单边向上走时，才又出现了较大的套利空间。市场的表现也证明，我国的期货市场还并没有成熟到已经失去套利机会，或者可以瞬时间将套利空间修正的阶段。相信在今后很长的一段时期内，随着行情的起伏，还会有大量的套利机会出现。

（6）基于风险最小化的期货套期保值理论框架,采用OLS、B-VAR、ECM、GARCH四种不同的估计模型实证测算了沪深300指数期货运行以来的最优套期保值比率。结果表明,四种不同估计模型所得出的结果比较相近,稳定在0. 89—0. 95之间。在不同模型的套保绩效方面,四种估计方法的绩效衡量指标相差不大,而GARCH 模型由于较好地克服了金融时间序列数据的残差项自相关和方差时变性等特点,显示出了相对于其他三种方法更为有效的结果。就目前沪深300股指期货的运行情况来看,基于风险最小化套期保值策略计算出的最优套保比率效果比较明显,能够有效地达到规避系统性风险的目的。

10.2政策建议

以上结论表明，我国沪深300股指期货合约交易规则和制度设计基本上是有效的，但还是有许多不足。根据本文的结论，得出如下几点政策建议：

（1）本文得出了股票现货市场价格引导期货市场的结论，落实到政策层面上就是成熟和高质量的股市是发展股指期货这种衍生产品的先决条件，要发展完善现货市场。加强信息披露、加快金融创新、建立健全证券市场法律法规体系

(2) 完善融资融券制度。从2010年3月31日到我国融资融券业务现在，业务发展速度并不尽如人意。融券业务会影响现货市场与期货市场的套利效率。股指期货已经内含卖空机制，因为股指期货本身既可以做多也可以做空。这就要求股票现货市场也应该允许卖空，否则就不能实现股指期货完整的套利和套期保值功能。因为在现货市场无法卖空的投资者就只能进行单向套期保值，即在现货市场上买进股票，在股指期货市场上卖空股指而不能进行在现货市场上卖空，同时对股指期货作多的操作。这样单向交易将导致股指期货市场交易不活跃，市场深度不够，市场效率不高，影响股指期货价格准确度。融资融券业务将对股指期货期现套利交易、平抑过度投机，进而保证套期保值功能、促进股指期货的健康发展起到关键作用。

（3）大力培育套利力量，完善市场机制。套利交易是期货价格发现功能的基础，为了使股指期货市场运行更有效率，应让鼓励机构投资者参与套利交易。

（4）尽快推出沪深3OOETF，或提高现有ETF基金的流动性。在进行期现套利时，跟踪标的指数的ETF是现货指数最好的替代品。在没有沪深30OETF的情况下，只能用部分成份股或者指数基金组合来复制现货指数。为了容纳较大的套利规模，现货市场必须具有更广的市场深度。

（5）加强股指期货的宣传与教育．目前我国证券市场上个人投资者还比较

多，投资不够理性，比较盲从，对股指期货的理解比较少，投机思想比投资思想

要重。而股指期货是对市场的风险收益关系进行再分配的市场工具，本身不会增

加社会财富，实际上是一个零和博弈．因此要充分发挥机构投资者的作用，学习

先进投资理念和操作方法．

10.3本文研究的不足之处

由于搜集数据的困难，以及作者本身学识和能力有限，本文有许多不足之处：

(1)受数据收集条件限制，本文收集的期货和现货的价格数据为日交易数据，这些都属于金融低频数据。这些价格数据所包含的信息，不足以全面反映市场的信息特征。高频数据比低频数据包含着更多的信息，研究金融高频数据的统计特征，挖掘金融高频数据所包含的市场信息，对于更深入期货市场和现货市场微观结构和运行机制具有重要意义。

(2)本文试图在实证的基础上给出完整的沪深300股指期货的研究分析，但很多细节还有不完善的地方，可以作为日后的研究方向。

(3)股指期货的推出对现货市场的影响会随着时间的推移发生变化，由于沪深300股指期货推出不到1年，受样本的限制，本文没有办法进行长期分析，这有待进以后一步的研究。