滬深300股指期貨日內模式研究

余 臻，王蘇生，畢少剛

(哈爾濱工業大學 深圳研究生院，廣東 深圳 518055)

如果市場是有效的，那么就不存在各種規律性的形態，然而學者們發現在大部分金融市場，收益率、波動率、交易量、買賣價差和久期等微觀結構變量存在明顯的日內模式。為了解釋金融市場的日內模式，學者們發展了若干微觀結構理論模型。Amihud等(1987)認為交易機制影響價格行為[1]。Admati等(1988)發展的非對稱信息模型認為，信息交易者和相機抉擇的流動交易者會把握交易時點，與噪聲交易者產生重疊，意味著會出現交易聚簇[2]。Brock等(1992)的模型認為，由于交易成本和市場周期性閉市，最大交易量會出現在開盤和收盤階段[3]。隨著電子交易系統的發展，金融高頻數據的可獲得性大大提高，運用高頻數據研究市場微觀結構已成為當前的熱點。

滬深300股指期貨自推出以來，在價格發現和提高證券市場效率方面扮演了重要角色。滬深300股指期貨市場采用完全的訂單驅動交易方式，其是否存在顯著的日內模式，其日內模式與做市商市場和發達國家(地區)市場有什么不同，造成這些日內模式的原因是什么，這些都是亟待解決的問題。本文運用1分鐘高頻數據研究滬深300股指期貨的收益率、波動率、交易量和持倉量的日內特征，檢驗中國這個新興市場的日內模式，檢驗不同交易機制和微觀結構特征對日內模式的影響，以豐富市場微觀結構理論。

一、文獻回顧

收益率、波動率、交易量、買賣價差和久期等微觀結構變量的日內模式這一“異象”的研究，早年主要關注股票市場，最近開始著眼于外匯、商品和金融期貨市場。

Wood等(1985)、Harris(1986)、McInish等(1992)均發現紐交所股票在開盤和收盤階段，收益率和波動率更高，即日內模式呈現U型特征[4-6]。類似的U型特征也出現在英國市場(Werner等，1996；Abhyankar等，1997)[7,8]和加拿大市場(McInish等，1990)[9]。Ding等(2003)發現日經300、道瓊斯泰國指數和MSCI香港指數期貨的價格波動率大體上呈現U型[10]。McMillan等(2004)發現對于FTSE100股指期貨，5分鐘絕對收益呈現U型特征[11]。Huang(2004)研究了在新加坡和中國臺灣地區同時交易的臺灣股指期貨買賣價差的日內模式，發現買賣價差的信息非對稱成分和訂單執行成本成分呈現U型特征[12]。Taylor(2007)發現S&P 500股指期貨的日內交易量呈現U型特征[13]。Ryu(2011)發現KOSPI 200期貨市場買賣價差呈現U型日內形態[14]。Zwergel等(2014)檢驗了德國DAX期貨市場5分鐘波動率和交易量的日內模式，發現受美國市場信息影響，兩者呈現W型形態[15]。

孫培源等(2002)發現上海股市交易日的買賣價差呈現L型特征[16]。劉向麗等(2008)發現我國6個品種商品期貨的日內絕對收益率和交易量呈現L型變化模式[17]。劉向麗等(2010)發現中國商品期貨日內價格久期總體呈倒U型[18]。陶利斌等(2011)發現香港市場的買賣價差呈現L型[19]。孫便霞等(2012)應用5分鐘高頻數據發現滬深300股指期貨的日內波動呈現出“3V”型特征[20]。閻睿等(2013)發現上證指數日內成交量呈現比較明顯的W型趨勢[21]。

從國外研究來看，大都發現收益率、波動率、成交量、買賣價差等微觀結構變量呈現U型特征，即開盤和收盤階段顯著高于平時時段。中國股票和股指期貨市場分為上午和下午兩個交易時段，而且采用純訂單驅動交易，其日內形態和發達國家相比可能有所不同，國內已有關于股票和商品期貨市場的研究也證實了這一觀點。鮮有研究關注滬深300股指期貨市場微觀變量的日內模式，本文將利用1分鐘高頻數據全面深入剖析滬深300股指期貨市場收益率、波動率、成交量和持倉量的日內特征，填補相關空白，為投資決策和市場監管提供參考。

二、數據和方法

本文選取從2010年4月16日到2012年4月13日的滬深300股指期貨1分鐘高頻數據。在合約上市初期和到期日前，該合約的活躍性有限，為了更好地刻畫股指期貨的運行規律，本文將最活躍的合約進行鏈接，構成連續的時間序列，方法是在某個合約到期周的周一(如遇閉市或節假日則往前順延一個交易日)選取下一個即將到期的合約。經過篩選，一共獲得了130 410個觀測值。

1分鐘收益率采用復利計算，為了包括更多的信息，更好地估計波動率，本文參照Booth等[22]的做法，采用Garman-Klass(GK)統計量衡量波動率。GK統計量的計算方法如式(1)所示。

為了考察股指期貨的日內模式，本文研究股指期貨上午開盤前5分鐘，股票市場上午開盤后5分鐘、上午收盤前5分鐘、下午開盤后5分鐘、下午收盤前5分鐘，股指期貨市場下午收盤前5分鐘的情況。由于高頻情況下各變量不滿足正態分布，且存在序列相關和條件異方差性，用帶虛擬變量的線性回歸將是有偏的，本文采用Wilcoxon秩和檢驗這一非參數方法檢驗不同時段各變量的差異。為了描述方便，將每天的交易時間分成270個時段，分別用D1～D270表示，所研究的區段分別對應D1-D5，D16-D20，D131-D135，D136-D140，D251-D255，D266-D270。考慮到股票市場消化信息需要一定的時間，選取時間段10:00—10:01，即D46作為參照。

三、實證結果

每個時段平均分鐘收益率的分布如圖1所示。從圖1中可以發現，上午開盤時的平均收益率顯著高于其他時段。上午開盤以后，平均分鐘收益率主要圍繞0波動，部分時段的平均收益率顯著偏離0，這種現象是一般情況還是受某些極值影響，有待后續檢驗。

圖1 平均收益率分布

所選時段收益率的非參數檢驗結果如表1所示。從P值來看，時段D1，D134，D135，D136，D137，D138，D253的收益率和時段D46有顯著差別。結合各個時段的平均收益率和中位數收益率(考慮篇幅未列出，下同)，可以發現D1，D134，D135，D253時段的收益率顯著高于D46時段，D136，D137，D138時段的收益率顯著低于D46時段。說明在股指期貨市場上午開盤階段、上午收盤階段，股票市場下午收盤階段的股指期貨收益率顯著高于一般時段，下午開盤階段的股指期貨收益率顯著低于一般時段。股指期貨的分鐘收益率大致滿足L型分布，中間存在一定的跳躍。在上午開盤階段，很多隔夜信息被市場吸收，市場交易活躍，推高收益率；上午收盤階段，信息已基本被市場吸收，交易變得不活躍，買賣價差提高，造成收益率虛高；下午開盤后，受午間信息的影響，投資者調整市場預期，市場交易緩慢回升，造成收益率比一般時段低；在股票市場收盤階段，投資者為了規避隔夜風險，紛紛調整頭寸，交易不活躍，買賣價差增加，收益率再次出現虛高。

表1收益率的非參數檢驗結果

每個時段平均分鐘GK波動率的分布如圖2所示。從圖2中可以發現，上午開盤時的平均波動率顯著高于其他時段。上午開盤以后，平均波動率呈震蕩趨勢，在上午收盤階段有個凸起，隨后下降。下午開盤階段，波動率低開，逐步上升，在下午收盤階段，波動率下降。這種現象是一般情況還是受某些極值影響，有待后續檢驗。

所選時段GK波動率的非參數檢驗結果如表2所示。

圖2 平均GK波動率分布

從P值來看，時段D1，D3-D5，D17-D20，D134，D135，D137-D140，D251-D255，D266-D270的波動率和時段D46有顯著差別。結合各個時段的平均波動率和中位數波動率，可以發現D1時段的波動率顯著高于D46時段，D3-D5，D17-D20，D134，D135，D137-D140，D251-D255，D266-D270時段的波動率顯著低于D46時段。股指期貨市場上午開盤階段的股指期貨波動率先上升再下降，股票市場上午開盤階段、上午收盤階段、下午開盤階段、下午收盤階段，股指期貨下午收盤階段的股指期貨波動率顯著低于一般時段。股指期貨的分鐘波動率大致滿足LM型分布。在股指期貨上午開盤階段，很多隔夜信息被市場吸收，市場交易活躍，波動變大，隨著信息被市場慢慢吸收，波動率開始回落企穩；股票市場上午開盤階段，套利和對沖交易增多，市場波動性降低；上午收盤階段，交易不再活躍，波動率下降；下午開盤后，受午間信息的影響，投資者調整市場預期，市場逐漸活躍，促使波動率逐漸上升；在股票市場收盤階段和股指期貨收盤階段，投資為了規避對沖和隔夜風險，紛紛調整頭寸，降低市場波動。

每個時段平均交易量的分布如圖3所示。從圖3中可以發現，上午開盤時的平均交易量顯著高于其他時段。上午開盤以后，平均交易量顯著下降，隨后上升直到震蕩。在上午收盤階段，交易量顯著下降。下午開盤階段，交易量低開，逐步上升直至震蕩，在下午收盤階段，交易量逐步下降。值得關注的是，股指期貨收盤的最后階段，交易量跳躍上升。這種現象是一般情況還是受某些極值影響，有待后續檢驗。

圖3 平均交易量分布

所選時段成交量的非參數檢驗結果見表3。

表3成交量的非參數檢驗結果

從P值來看，時段D1，D3-D5，D16-D20，D134，D135，D137-D140，D251-D255，D266-D268，D270的成交量和時段D46有顯著差別。結合以上各個時段的平均成交量和中位數成交量，可以發現D1和D270時段的成交量顯著高于D46時段，D3-D5，D16-D20，D134，D135，D137-D140，D251-D255，D266-D268時段的成交量顯著低于D46時段。股指期貨市場上午開盤階段的股指期貨成交量急速上升然后下降，股票市場上午開盤階段、上午收盤階段、下午開盤階段、下午收盤階段的股指期貨成交量顯著低于一般時段，在股指期貨的最后收盤階段，成交量跳躍上升，股指期貨的分鐘成交量大致滿足3V型分布。在股指期貨上午開盤階段，很多隔夜信息被市場吸收，市場交易活躍，成交量變大，隨后交易量急劇下降，然后逐步回升；股票市場上午開盤后，市場交易日漸活躍。上午收盤階段，交易不再活躍，成交量下降；下午開盤后，受午間信息的影響，投資者調整市場預期，市場逐漸活躍，促使成交量逐漸上升；在股票市場下午收盤階段，投資者為了規避不可對沖風險，交易變得不再活躍，成交量下降。在股指期貨下午收盤階段，投資者為了規避隔夜風險，紛紛平倉，提高了成交量。

每個時段平均持倉量的分布如圖4所示。

圖4 平均持倉量分布

從圖4中可以發現，上午開盤時的平均持倉量顯著低于其他時段。開盤以后，平均持倉量逐步上升。在上午收盤階段，持倉量下降。下午開盤階段，持倉量逐步上升，在下午收盤階段，持倉量逐步下降。這種現象是一般情況還是受某些極值影響，有待后續檢驗。

所選時段持倉量的非參數檢驗結果如表4所示。從P值來看，時段D1-D5，D16-D20，D266-D270的持倉量和時段D46有顯著差別。結合各個時段的平均持倉量和中位數持倉量，可以發現D1-D5，D16-D20，D266-D270時段的持倉量顯著低于D46時段。股指期貨市場上午開盤后股指期貨持倉量逐步上升，在上午收盤階段，盡管持倉量有所下降，但并不明顯，下午開盤后，股指期貨持倉量逐步上升，但不明顯，在股指期貨下午收盤階段，持倉量明顯下降，投資者為了規避隔夜風險，紛紛平倉了結，持倉量分布大致滿足M型。以上結果說明，股指期貨由于具有杠桿交易、可賣空、流動性高等特點，被廣泛應用于投機、對沖和套利，部分投資者不持有隔夜倉位。

表4持倉量的非參數檢驗結果

四、結 論

本文利用1分鐘高頻數據檢驗了滬深300股指期貨收益率、波動率、交易量和持倉量等微觀結構變量的日內形態。和國外U型特征不同，本文發現收益率大致呈L型，波動率大致呈LM型，交易量大致呈3V型，持倉量大致呈M型。由于滬深300股指期貨分為上午和下午兩個交易時段，而且上午比股票市場早開盤15分鐘，下午比股票市場晚收盤15分鐘，微觀結構變量的模式與交易時段保持一致，符合Amihud等(1987)[1]的交易機制影響價格行為的觀點。股指期貨上午開盤階段的波動率顯著高于其他時段，說明投資者會把握交易時點，形成交易聚簇，與Admati等(1988)[2]的觀點一致。交易量在上午開盤階段和下午收盤階段都顯著高于一般時段，符合Brock等(1992)[3]的模型。另外，本文還發現，在高交易量時段，收益率因為交易活躍被推高，在低交易量時段，收益率也可能因為價差過大而虛高。持倉量呈現M型，說明股指期貨被廣泛用于投機、套利和對沖，部分投資者為了規避隔夜風險，不持有隔夜倉位。投資者可以利用以上日內模式指導自己的投資決策，例如在上午開盤階段進行做多，在下午開盤階段進行做空。監管層也應特別關注日內特殊時段的市場操縱和內幕交易行為，更加有效地監管市場。

參考文獻：

[1]AMIHUD Y, MENDELSON H. Trading mechanisms and stock returns: An empirical investigation[J]. The Journal of Finance, 1987,42(3):533-553.

[2]ADMATI A R, PFLEIDERER P. A theory of intraday patterns: Volume and price variability[J]. Review of Financial Studies, 1988,1(1):3-40.

[3]BROCK W A, KLEIDON A W. Periodic market closure and trading volume: A model of intraday bids and asks[J]. Journal of Economic Dynamics and Control, 1992,16(3):451-489.

[4]WOOD R A, MCINISH T H, ORD J K. An investigation of transactions data for NYSE stocks[J]. The Journal of Finance, 1985,40(3):723-739.

[5]HARRIS L. A transaction data study of weekly and intradaily patterns in stock returns[J]. Journal of Financial Economics, 1986,16(1):99-117.

[6]MCINISH T H, WOOD R A. An analysis of intraday patterns in bid/ask spreads for NYSE stocks[J]. the Journal of Finance, 1992,47(2):753-764.

[7]WERNER I M, KLEIDON A W. UK and US trading of British cross-listed stocks: An intraday analysis of market integration[J]. Review of Financial Studies, 1996,9(2):619-664.

[8]ABHYANKAR A, GHOSH D, LEVIN E, et al. Bid-ask spreads, trading volume and volatility: Intra-day evidence from the London Stock Exchange[J]. Journal of Business Finance & Accounting, 1997,24(3):343-362.

[9]MCINISH T H, WOOD R A. An analysis of transactions data for the Toronto Stock Exchange: Return patterns and end-of-the-day effect[J]. Journal of Banking & Finance, 1990,14(2):441-458.

[10]DING D K, CHAROENWONG C. Bid-ask spreads, volatility, quote revisions, and trades of thinly traded futures contracts[J]. Journal of Futures Markets, 2003,23(5):455-486.

[11]MCMILLAN D G, SPEIGHT A E H. Intra-day periodicity, temporal aggregation and time-to-maturity in FTSE-100 index futures volatility[J]. Applied Financial Economics, 2004,14(4):253-263.

[12]HUANG YUCHUAN. The market microstructure and relative performance of Taiwan stock index futures: A comparison of the Singapore exchange and the Taiwan futures exchange[J]. Journal of Financial Markets, 2004,7(3):335-350.

[13]TAYLOR N. A new econometric model of index arbitrage[J]. European Financial Management, 2007,13(1):159-183.

[14]RYU D. Intraday price formation and bid-ask spread components: A new approach using a cross-market model[J]. Journal of Futures Markets, 2011,31(12):1142-1169.

[15]ZWERGEL B, HEIDEN S. Intraday futures patterns and volume-volatility relationships: The German evidence[J]. Review of Managerial Science, 2014，8(1):1-33.

[16]孫培源,施東暉.微觀結構、流動性與買賣價差:一個基于上海股市的經驗研究[J].世界經濟,2002(4):69-72.

[17]劉向麗,程剛,成思危,等.中國期貨市場日內效應分析[J].系統工程理論與實踐,2008(8):63-80.

[18]劉向麗,程剛,成思危,等.中國期貨市場價格久期波動聚類特征研究[J].管理科學學報,2010(5):72-81.

[19]陶利斌,潘婉彬.最小價格變動單位的減小對買賣價差日內周期性的影響——來自香港的證據[J].南方經濟,2011(11):16-27.

[20]孫便霞,西村友作.滬深300股指期貨的日內動態特征分析[J].上海金融,2012(12):80-83.

[21]閻睿,李漢東.中國股市日內成交量序列建模及預測研究[J].北京師范大學學報:自然科學版,2013(1):85-89.

[22]BOOTH G G, SO R W. Intraday volatility spillovers in the German equity index derivatives markets[J]. Applied Financial Economics, 2003,13(7):487-494.