基于波動效應(yīng)與價格發(fā)現(xiàn)的期指仿真交易研究

摘要:采用修正的GARCH模型和向量誤差修正模型(VEC)將股指期貨推出后現(xiàn)貨市場波動性的變化和股指期貨與現(xiàn)貨市場的價格發(fā)現(xiàn)功能結(jié)合起來進(jìn)行對比研究發(fā)現(xiàn)，期指仿真交易的推出對于現(xiàn)貨市場效率的改進(jìn)確實存在正面的影響。其引入在短期內(nèi)加大了現(xiàn)貨市場的波動，但這一波動正是市場信息流動加速的反映，因而提高了市場信息的傳遞效率。研究同時也表明，期貨價格領(lǐng)先于現(xiàn)貨價格，存在由期貨市場到現(xiàn)貨市場長期的單向因果關(guān)系，說明期貨價格具有引導(dǎo)現(xiàn)貨價格向均衡方向調(diào)整的功能，從而在經(jīng)驗上支持了股指期貨市場的開放政策。

關(guān)鍵詞:股票指數(shù)期貨;GARCH模型;波動性;向量誤差修正模型(VECM)

中圖分類號:F810 文獻(xiàn)標(biāo)識碼:A 文章編號:1003-3890(2010)02-0026-05

一、引言

股票指數(shù)期貨(Stock Index Futures)，簡稱股指期貨或期指，是以股票指數(shù)作為基礎(chǔ)資產(chǎn)標(biāo)的物的一種金融期貨。近年來我國資本市場保持了快速的增長，但目前仍然是一個單邊市場，缺乏平衡內(nèi)部風(fēng)險的工具，導(dǎo)致市場系統(tǒng)性風(fēng)險不斷積聚。股指期貨作為一種風(fēng)險管理工具，投資者可以通過現(xiàn)貨和期貨市場上的對沖操作進(jìn)行套期保值，從而起到規(guī)避市場風(fēng)險的作用。然而，股指期貨的推出有可能會在短期內(nèi)增加現(xiàn)貨市場價格的波動，同時期指交易本身具有很高的杠桿作用，一旦運(yùn)用不當(dāng)，將會給市場的有效運(yùn)行帶來巨大的危害，因此世界各國在發(fā)展股指期貨時都慎之又慎，而這同時也吸引了廣大學(xué)者對這把“雙刃劍”進(jìn)行廣泛而深入的理論與實證研究。

從國外學(xué)者的研究成果來看，理論研究者們通過構(gòu)造理論模型，從不同的角度闡述了引入股指期貨對現(xiàn)貨市場的影響。如早期的Cass and Shell(1983)[1]提出財富的重新分配會導(dǎo)致交易雙方對期貨合約所依附的基礎(chǔ)資產(chǎn)的需求函數(shù)產(chǎn)生變化，從而會使得現(xiàn)貨市場價格波動增加。而實證研究也從經(jīng)驗上檢驗了期貨市場對現(xiàn)貨市場的影響，如Lockwood和Linn(1990)[2]研究了道瓊斯工業(yè)指數(shù)結(jié)果認(rèn)為，現(xiàn)貨市場收益變異系數(shù)上升。Antoniou和Holmes(1995)[3]對FTSE100指數(shù)進(jìn)行的研究表明，股指期貨交易加大了股價的波動性，但同時也改善了現(xiàn)貨市場的信息反應(yīng)速度。在價格發(fā)現(xiàn)功能方面，Chan(1992)[4]在對MMI和SP500股價指數(shù)期貨與現(xiàn)貨價格進(jìn)行研究后，發(fā)現(xiàn)期貨市場價格發(fā)現(xiàn)能力領(lǐng)先現(xiàn)貨市場，并指出在有限制的情況下，期貨對市場信息的反應(yīng)程度要大于現(xiàn)貨市場。Ghosh(1995)[5]也得出了同樣的結(jié)論，并指出期貨指數(shù)與現(xiàn)貨指數(shù)具有協(xié)整關(guān)系，即長期均衡關(guān)系。Kim等(1999)[6]認(rèn)為，期貨市場的高杠桿、低成本性能使其接收、傳遞信息的速度加快，有利于價格機(jī)制功能的發(fā)揮，進(jìn)而對現(xiàn)貨市場形成影響。

國內(nèi)對股指期貨的研究始于20世紀(jì)90年代初，在早期的研究中，主要集中于介紹國外股指期貨基本理論和相關(guān)運(yùn)作知識。在實證研究方面，國內(nèi)學(xué)者主要集中于已推出股指期貨交易的國外市場以及中國臺灣、香港市場等。如肖輝等(2006)[7]研究標(biāo)準(zhǔn)普爾500指數(shù)、道瓊斯工業(yè)平均指數(shù)、香港恒生指數(shù)、日經(jīng)指數(shù)和金融時報100指數(shù)現(xiàn)貨市場和期貨市場之間的價格發(fā)現(xiàn)過程，結(jié)果發(fā)現(xiàn)，期貨市場在價格發(fā)現(xiàn)過程中占主導(dǎo)地位，并且隨著期貨市場的發(fā)展，期貨市場在價格形成過程中的作用越來越大。史美景、邱長溶(2007)[8]對香港恒生H股指期貨合約引入前后樣本的實證分析，發(fā)現(xiàn)在股價指數(shù)期貨合約推出后，可以觀察到波動性干擾因子的影響會更快速地反應(yīng)到經(jīng)濟(jì)體系中，顯示此時的波動過程更趨穩(wěn)定。劉鳳根、王曉芳(2008)[9]通過GARCH模型的序列建模，研究發(fā)現(xiàn)臺灣地區(qū)的股票市場引入股指期貨后現(xiàn)貨市場的波動性并未受到影響，而日本和韓國股票市場在引入股指期貨之后其波動性加劇，但這種波動性的加劇僅僅是短期性的，長期內(nèi)并無影響。張維等(2006)[10]研究印度股票市場及其對應(yīng)的指數(shù)期貨市場表明，期貨市場對現(xiàn)貨市場具有波動性傳遞作用，現(xiàn)貨市場對期貨市場也具有波動性傳遞作用，但是期貨市場的價格發(fā)現(xiàn)功能具有主導(dǎo)作用。郭彥峰等(2009)[11]運(yùn)用VEC-DCC-(BV)GARCH模型通過對滬深300指數(shù)期貨仿真交易數(shù)據(jù)研究表明，滬深300指數(shù)期貨與標(biāo)的現(xiàn)貨價格之間存在長期均衡關(guān)系，且兩個市場間存在雙向的波動性外溢效果。

盡管大部分研究都表明股指期貨的推出對于現(xiàn)貨市場存在積極影響，但還是有研究者如Baldauf和Santoni(1991)[12]等認(rèn)為股指期貨對現(xiàn)貨市場沒有顯著影響，更有甚者認(rèn)為這種影響是負(fù)面的。有鑒于此，本文通過深入研究滬深300仿真期指的推出對滬深300指數(shù)波動性的影響，以及兩個市場間的收益和波動的動態(tài)關(guān)聯(lián)性來檢定股指期貨交易對現(xiàn)貨市場的影響，從而為我國日后上市指數(shù)期貨提供科學(xué)的參考。相對于國內(nèi)外關(guān)于指數(shù)期貨研究的文獻(xiàn)，本文的貢獻(xiàn)在于:首次將股指期貨推出后現(xiàn)貨市場波動性的變化和股指期貨與現(xiàn)貨市場的價格發(fā)現(xiàn)功能結(jié)合起來進(jìn)行對比研究，通過交互驗證的方式采用修正的GARCH模型和向量誤差修正模型(VEC)證明了股指期貨的推出對于現(xiàn)貨市場效率的改進(jìn)確實存在積極的影響。研究結(jié)論上，證實股指期貨仿真交易的引入加大了現(xiàn)貨市場的波動，兩者之間具有長期穩(wěn)定的均衡關(guān)系，而且在價格發(fā)現(xiàn)功能上期貨價格領(lǐng)先現(xiàn)貨價格，這些都是我國在上市指數(shù)期貨時必須要考慮的。

二、數(shù)據(jù)與研究方法

(一)樣本選擇和數(shù)據(jù)處理

本文采用滬深300指數(shù)(簡稱HS300)日收盤價和滬深300仿真期指(簡稱IF300)交易日次近月期貨交易的日收盤價作為樣本數(shù)據(jù)。樣本期間為:HS300指數(shù)為2005年4月8日至2009年5月27日，共1007個樣本數(shù)據(jù)。由于我國滬深300期指的仿真交易于2006年10月30日推出，因此本文以該日為區(qū)間分割點，將整個數(shù)據(jù)分為兩部分;IF300指數(shù)為2007年10月8日至2009年5月27日，共402個樣本數(shù)據(jù)(數(shù)據(jù)分別來源于:中證指數(shù)有限公司和文華財經(jīng))。R1，t、R2，t分別代表IF300指數(shù)與HS300指數(shù)日收益率，計算公式為:Ri，t=1nPi，t-1nPi，t-1，i=1，2。其中，Ri，t為第i中指數(shù)日收益率，Pi，t為第i中指數(shù)t日的收盤價，Pi，t-1為第i中指數(shù)t-1日的收盤價。為使資料選擇具有同一時間基準(zhǔn)，我們在文章實證研究的第二部分將HS300指數(shù)的樣本區(qū)間縮小為2007年10月8日至2009年5月27日，從而與IF300指數(shù)樣本數(shù)據(jù)形成一一對應(yīng)。相關(guān)描述性統(tǒng)計量見表1。

從表1可以看出:所有收益率序列數(shù)據(jù)的峰度都大于3，而且存在不同程度的左偏或右偏，這說明收益率序列呈現(xiàn)“尖峰厚尾”的不對稱分布特征。JB統(tǒng)計量也表明收益率序列不服從正態(tài)分布，而Q(12)則表明收益率序列在不同程度上具有序列相關(guān)性，表現(xiàn)出波動集聚性和異方差特征。另外，從ADF的單位根檢驗結(jié)果可以看出收益率序列都是平穩(wěn)序列。

(二)建立模型

1. 修正的GARCH模型。本文利用Bollerslev(1986)[13]提出的GARCH模型來檢驗IF300指數(shù)推出前后HS300指數(shù)收益率的波動性變化。GARCH是在ARCH模型的基礎(chǔ)上發(fā)展起來的，它不僅僅具有ARCH模型能夠揭示金融時間序列的條件異方差特征的優(yōu)點，而且由于它將收益率的條件方差表示為前期隨機(jī)誤差平方項和滯后條件方差項的線性組合，即與ARCH模型相比加入前期預(yù)測方差的滯后項，還可以捕捉到金融時間序列波動叢聚的趨勢，并且使得模型的表達(dá)形式更加簡潔。由于GARCH(1，1)模型是經(jīng)過學(xué)者們反復(fù)驗證得出的擬合證券市場上收益率序列的最佳模型，我們假設(shè)日收益率序列Rt服從GARCH(1，1)模型:

Rt=c+?著t(1)

ht=?琢0+?琢1?著2t-1+?茁1ht-1(3)

其中?著t為隨機(jī)擾動項，?椎t-1代表在t-1時刻所有有用的信息集合，?琢0為條件方差的常數(shù)項，?琢1為滯后期殘差平方項的系數(shù)(信息參數(shù))，它代表了近期市場消息的影響程度，?茁1為滯后期條件方差系數(shù)(持續(xù)參數(shù))，即與前一期條件方差有關(guān)的系數(shù)，因此它可以說明過去的舊信息對于未來波動性的影響效果。如果?琢1的值越大，則表示市場信息轉(zhuǎn)化為未來波動的傳遞速度越快;如果?茁1的值越大，則代表波動性干擾因子的影響越持久，也就是說類似于過去的“舊的信息”不容易被市場吸收和反應(yīng)。

另外，我們在GARCH(1，1)模型中加入虛擬變量dt，則(3)式變?yōu)?

ht=?琢0+?琢1?著2t-1+?茁1ht-1+?酌1dt(4)

其中，虛擬變量dt在IF300指數(shù)推出前我們將其設(shè)為0，引入后設(shè)為1。如果修正的GARCH模型的參數(shù)?酌1>0，說明仿真期指的推出增加了現(xiàn)貨市場的波動性，反之，則降低了現(xiàn)貨市場的波動性。

2. 向量誤差修正模型(VEC)。向量誤差修正模型(VEC)由Engle和Granger(1987)[14]提出，主要是將協(xié)整與誤差修正模型結(jié)合起來對具有協(xié)整關(guān)系的非平穩(wěn)時間序列建模。在此，我們通過利用VEC模型探討HS300指數(shù)與IF300指數(shù)間的價格發(fā)現(xiàn)功能，進(jìn)一步分析IF300指數(shù)期貨的推出對于現(xiàn)貨市場的影響。模型如下:

其中:∑t=h1，th12，th21，t h2，t，?贅t-1代表t-1期的信息集合，?琢1(i)、?琢11(i)、?琢2(i)、?琢22(i)為短期調(diào)整系數(shù)，?琢1和?琢2為誤差修正項系數(shù)，p為滯后階數(shù)，?著1，t和?著2，t為殘差項，服從聯(lián)合正態(tài)分布;Zt-1為由公式(8)協(xié)整回歸后所獲得的殘差滯后項(即滯后一期的誤差修正項):

IF300t=?琢0+b0HS300t+Zt(8)

上述誤差修正模型(公式(5)和公式(6))可以用來推斷HS300指數(shù)和IF300指數(shù)價格序列的因果關(guān)系，在公式(5)中，如果?琢1統(tǒng)計顯著(長期因果關(guān)系)或者?琢12(i)聯(lián)合統(tǒng)計顯著(短期因果關(guān)系)，則HS300指數(shù)是IF300指數(shù)變化的原因;類似地，公式(6)中，如果?琢2統(tǒng)計顯著(長期因果關(guān)系)或者?琢21(i)聯(lián)合統(tǒng)計顯著(短期因果關(guān)系)，則是IF300指數(shù)HS300指數(shù)變化的原因。如果?琢1和?琢2都統(tǒng)計顯著，表明HS300指數(shù)與IF300指數(shù)價格序列間存在雙向的長期因果關(guān)系，如果和均統(tǒng)計不顯著，則表明HS300指數(shù)與IF300指數(shù)價格序列間不存在長期均衡關(guān)系。因此，可以通過?琢1、?琢11、?琢12(2)、?琢21(i)來判斷HS300指數(shù)和IF300指數(shù)價格序列間的價格互動影響及領(lǐng)先落后關(guān)系。

三、實證結(jié)果與分析

本研究實證檢驗分為兩個部分:第一部分使用修正的GARCH模型來檢驗HS300指數(shù)收益率在IF300指數(shù)推出前后的波動性變化;第二部分使用向量誤差修正模型來對期貨市場與現(xiàn)貨市場之間的價格發(fā)現(xiàn)功能進(jìn)行實證研究。

(一)修正的GARCH模型

本部分實證檢驗分兩段進(jìn)行，如表2所示，我們首先利用GARCH(1，1)對全部樣本數(shù)據(jù)進(jìn)行實證分析，結(jié)果發(fā)現(xiàn)?酌1的值為1.24E-05，并顯著存在，這說明IF300指數(shù)的推出增加了HS300指數(shù)收益率的波動性，但是這個影響卻是很微小的。

然后我們對樣本數(shù)據(jù)以開始IF300指數(shù)推出的時間為分割點進(jìn)行對比研究。結(jié)果表明，在IF300指數(shù)推出之后，HS300指數(shù)日收益率序列的方差方程中信息參數(shù)?琢1的值為0.0515，大于推出之前對應(yīng)的信息參數(shù)值0.0478，這說明前一期的市場“噪聲”或“消息”對即期條件方差的影響程度有所加強(qiáng)，即新的市場信息轉(zhuǎn)為未來條件方差的速度加快了。另外，在IF300指數(shù)推出之后，方程中代表波動性干擾因子影響持久度的持續(xù)參數(shù)?茁1的值為0.9216，要小于股指期貨推出之前的持續(xù)參數(shù)值0.9332，這意味著前期條件方差對當(dāng)期條件方差的影響有所減弱，即過去的信息對未來波動性的沖擊能力減弱，波動的持續(xù)性效果變?nèi)酰f明在引入股指期貨仿真交易之后，現(xiàn)貨市場上信息的傳遞速度變快了。

另外，根據(jù)投資學(xué)原理，如果開放期貨合約交易，將有跟多的信息被傳遞到其標(biāo)的現(xiàn)貨價格，那么其所隱含的非條件方差值UVAR=?琢0/(1-?琢1-?茁1)應(yīng)該會增加。而根據(jù)表2的數(shù)據(jù)計算相應(yīng)的UVAR，我們發(fā)現(xiàn)在仿真股指期貨推出后HS300指數(shù)收益率序列的UVAR值為7.10E-04大于推出前的1.81E-04，這說明引入股指期貨仿真交易后，信息的傳遞效應(yīng)有加強(qiáng)的跡象。

(二)向量誤差修正模型(VEC)

在利用VEC模型進(jìn)行實證研究之前，我們必須對HS300指數(shù)與IF300指數(shù)價格是否存在長期穩(wěn)定的均衡關(guān)系進(jìn)行檢驗，即檢驗價格數(shù)據(jù)之間是否存在協(xié)整關(guān)系。由表3中跡統(tǒng)計量?姿trace和?姿max最大特征值統(tǒng)計量可知，在5%的顯著水平下，HS300指數(shù)與IF300指數(shù)價格間存在一個協(xié)整關(guān)系。這表明盡管HS300指數(shù)與IF300指數(shù)價格是非平穩(wěn)的(相關(guān)ADF檢驗省略)，短時間內(nèi)兩者的走勢可能出現(xiàn)偏離，但長期來說，則保持著一致性均衡關(guān)系。進(jìn)而，我們可以使用VEC模型來作進(jìn)一步的分析。

表4為VEC模型估計結(jié)果，表4中僅給出誤差修正項的參數(shù)估計，未列出短期調(diào)整系數(shù)和常數(shù)項的估計值，原因在于后面的因果檢驗將對短期調(diào)整系數(shù)進(jìn)行聯(lián)合顯著性檢驗。從表中我們可以看出，誤差修正項系數(shù)在5%的顯著水平下都顯著，這說明誤差修正項是調(diào)節(jié)HS300指數(shù)與IF300指數(shù)價格變動的重要因素。但是我們也可以看出R1，t系數(shù)的統(tǒng)計顯著性比R2，t的低，這表明當(dāng)系統(tǒng)偏離均衡狀態(tài)時，主要通過現(xiàn)貨市場價格較大幅度的調(diào)整來重新達(dá)到均衡，換言之，長期看來，在價格發(fā)現(xiàn)功能上期貨價格領(lǐng)先現(xiàn)貨價格，存在由期貨市場到現(xiàn)貨市場的長期的單向因果關(guān)系。

通過對誤差修正模型中短期調(diào)整系數(shù)的聯(lián)合顯著性檢驗，可以了解HS300指數(shù)與IF300指數(shù)間短期的因果關(guān)系，表5為檢定結(jié)果。由表5中的x2統(tǒng)計量可以看出，在5%的顯著水平下，拒絕“IF300不是HS300變化的原因”的零假設(shè)，同時接受“HS300不是IF300變化的原因”的零假設(shè)。這表示在短期內(nèi)，IF300指數(shù)的變動會對HS300指數(shù)產(chǎn)生影響，但HS300指數(shù)的變動不會對IF300指數(shù)產(chǎn)生影響，進(jìn)一步表明在價格發(fā)現(xiàn)功能上期貨價格要領(lǐng)先于現(xiàn)貨價格。

四、結(jié)論

本文采用滬深300仿真期指(IF300)交易和滬深300指數(shù)(HS300)數(shù)據(jù)日收盤價為研究對象，通過修正的GARCH模型和向量誤差修正模型(VEC)來研究在不同的市場結(jié)構(gòu)下，指數(shù)期貨市場對現(xiàn)貨市場存在的影響及其相互作用關(guān)系。探討了在指數(shù)期貨推出前后現(xiàn)貨市場收益率波動性的變化，以及指數(shù)期貨推出后期貨市場與現(xiàn)貨市場價格引導(dǎo)關(guān)系，得出如下實證結(jié)論:

第一，在引入股指期貨仿真交易之后，新的市場信息影響現(xiàn)貨波動率的能力增強(qiáng)，而過去的信息對未來波動性的沖擊能力減弱，這說明股指期貨的推出能在一定程度上改善現(xiàn)貨市場內(nèi)的流動速度，提高了市場的效率。

第二，滬深300仿真期指和滬深300指數(shù)價格表現(xiàn)出協(xié)整性質(zhì)，顯示兩者具有長期穩(wěn)定的均衡關(guān)系。在價格發(fā)現(xiàn)功能上期貨價格領(lǐng)先現(xiàn)貨價格，存在由期貨市場到現(xiàn)貨市場的長期的單向因果關(guān)系，這說明期貨價格具有引導(dǎo)現(xiàn)貨價格向均衡方向調(diào)整的功能。

由上可知，股指期貨的推出有利于提高現(xiàn)貨市場價格機(jī)制功能的發(fā)揮和資源配置效率的改進(jìn)，并從經(jīng)驗上支持了股指期貨市場的開放政策。但我們也要認(rèn)識到，股指期貨仿真交易的引入所引起的現(xiàn)貨市場的效率的改進(jìn)還很小，而且關(guān)于價格發(fā)現(xiàn)功能的研究也指出股指期貨仿真指數(shù)價格的變動對現(xiàn)貨市場價格產(chǎn)生影響具有單向性，沒有形成交互影響。這說明要真正完全發(fā)揮期貨市場的價格發(fā)現(xiàn)、套期保值、資產(chǎn)配置等功能還需要一定的時間，究其原因可能與我國股指期貨仿真交易推出時間不長而且其所涉及交易面不廣有很大關(guān)系。

參考文獻(xiàn):

[1]Cass， D.， Shell， K.， Do Sunspots Matter? [J]. Journal of Political Economy， vol. 91， No. 2， 1983， pp. 193-227.

[2]Lockwood， L.， Linn， S.， An Examination of Stock Market Return Volatility During Overnight and Intraday Periods [J]， Journal of Finance， vol. 45， No. 2， 1990， pp. 591-601.

[3]Antoniou， A，. Holems， P.， Futures trading information and spot price volatility: evidence for the FTSE-100 Stock Index Futures Contract using GARCH[J]. Journal of Banking and Finace， vol. 19， No. 1，1995， pp. 117-129.

[4]Chan， K.， A Further Analysis of the Lead-Lag Relationship between the Cash Market and Stock Index Futures Market[J]. Review of Financial Studies， vol. 5， No. 1，1992， pp. 123-151.

[5]Ghosh， A.， Cointegration and Error Correction Models: Intertemporal Causality between Index and Futures Prices [J]. Journal of Futures Markets， vol. 13， No. 2， 1995， pp. 193-198.

[6]Kim， M.， Szakmary， A. C.， and Schwarz， T. V. Trading Costs and Price Discovery across Stock Index Futures and Cash Market [J]. Journal of Futures Markets， vol. 19， No. 4， 1999， pp. 475-498.

[7]肖輝，鮑建平，吳沖鋒.股指與股指期貨價格發(fā)現(xiàn)過程研究[J].系統(tǒng)工程學(xué)報，2006，21(8):438-441.

[8]史美景，邱長溶.股指期貨對現(xiàn)貨市場的信息傳遞效應(yīng)分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2007，29(4):27-31.

[9]劉鳳根，王曉芳.股指期貨與股票市場波動性關(guān)系的實證研究[J].財貿(mào)研究2008，(3):86-94.

[10]張維，王平，熊熊.印度股票市場與期貨市場信息傳遞性研究[J].上海金融，2006，(9):54-57.

[11]郭彥峰，黃登仕，魏宇.我國指數(shù)期貨與現(xiàn)貨之間的價格發(fā)現(xiàn)和波動性外溢[J].管理評論，2009，(8):13-22.

[12]Baldauf， B.， Santoni， G. J.， Stock price volatility: Some evidence form an ARCH model [J]， The Journal of Futures Markets， vol. 11， No. 2， 1991， pp. 191-200.

[13]Bollerslev， Tim. Generalized Autoregressive Conditional Heteroscedasticity [J]. Journal of Econometrics， No. 31， 1986， pp. 307-327.

[14]Engle， Robert F. and C. W. J. Granger. Co-integration and Error Correction: Representation， Estimation and Testing [J]. Econometrica， vol. 55， No. 2， 1987， pp. 251-276.

責(zé)任編輯:武玲玲

責(zé)任校對:關(guān) 華

Simulation Trading of Index Futures based on Volatility Efficiency and Price Discovery

Wen Xianming， Liang Lin

(School of Economics and Management， Changsha University of Science and Technology， Changsha 410004， China)

Abstract: By adopting modified GARCH model and the Vector Error Correction model(VEC)， makes an integrated study between the changes of spot market volatility when stock index futures have been introduced and the price discovery function of the index futures compared with the spot market， the results show that the introduction of index futures has a positive impact on the efficiency of spot market. It has increased the volatility of the spot market in the short term， and exactly the volatility is a reflection of the market to accelerate the flow of information， so its introduction improves the transmission efficiency of the market information. Moreover， studies have shown that futures prices leads spot prices， and there is a long-term unidirectional causality from the futures market to the spot which shows that futures prices have functions to lead spot prices to the balance， accordingly empirically supports the open policy in stock index futures market.

Key words: stock index futures; GARCH model; volatility; vector error correction model