“千股跌停”是股指期貨惹的禍嗎？

■呂江林，尹佳秋

“千股跌停”是股指期貨惹的禍嗎？

■呂江林，尹佳秋

2015年,我國股市頻頻出現“千股跌停”,學界、業界乃至社會上一個帶有普遍性的認識是：這是股指期貨惹的禍，至少股指期貨是一個重要的元兇。果真如此嗎？本文采用股市最新樣本，運用GARCH模型和適合檢驗非對稱波動的TARCH模型，細致地進行了實證分析。結果表明，滬深300股指期貨問世后，雖會一定程度地放大新信息對股市的沖擊，但總體上具備一定的降低股票現貨市場波動的功能，特別是可以消除杠桿效應，可以相當程度地減弱負面消息對股市的沖擊。由此，我們得出結論：“千股跌停”決不是股指期貨惹的禍。與此結論相應，本文提出了應盡快恢復股指期貨正常運作，以發揮其對現貨市場的套期保值和定價等功能，但須在此之前大力完善股指期貨的監管機制、運行機制，以及現貨市場的監管機制的對策建議。

股指期貨；股市波動；千股跌停

呂江林，江西財經大學金融學院教授。（江西南昌330013）；尹佳秋，英國華威大學華威商學院，研究生。

一、引言

2015年可以說是我國股民的“災難年”，上證綜指從6月15日的5063點（當日盤中最高5178點），暴跌至年底的3539點；尤為慘烈的是，從6月19日到9月1日，我國股市共計出現了15次“千股跌停”，平均每3.5個交易日，就有1日遭遇千股跌停，股民損失慘重，“哀鴻遍野”。

是的，把我國本輪股市暴跌歸結為此前的暴漲，是符合邏輯的。此前上證綜指從年初的3235點漲到6月15日的5063點，短短5個月出頭上漲57%，可以說是泡沫橫生，暴漲后泡沫破滅就必然暴跌。何況，2015年度里，由于證券監管層放松管制，允許股市投資者加桿杠“配資”，則一旦股市進入大跌之勢，配資賬戶被“平倉”的壓力將加速股指的下跌，由此似乎可以進一步解釋我國股市那一期間的“千股跌停”。然而令人不解的是：我國股指期貨滬深300不是2010年就問世了嗎？2015年4月不是進一步推出了上證50和中證500股指期貨了嗎？股指期貨的一大功能就是熨平股市波動，規避股市系統性風險，那么，我國在已推出了若干品種股指期貨的條件下，為何股市仍然會千股跌停呢？難道我國的股指期貨未能發揮正常功能？事實上，在此期間，我國學界、業界乃至廣大投資者不僅質疑股指期貨未能發揮正常的避險功能，而且還由于頻繁觀察到股指期貨往往先于股指下跌，似乎在引領股指下跌，頻繁觀察到千股跌停日每每是下午14：30以后股指期貨率先暴跌然后股指跟隨著暴跌，而強烈質疑我國股指期貨是股指暴跌的元兇之一（皮海洲，2015）。終于，中金所出手限制股指期貨了。2015年9月2日，中金所規定：自9月7日起，滬深300、上證50、中證500股指期貨客戶在單個產品、單日開倉交易量超過10手便構成“日內開倉交易量較大”的異常交易行為；同時自9月7日結算時起，將滬深300、上證50和中證500股指期貨各合約非套期保值持倉交易保證金標準由30%提高到40%，滬深300、上證50和中證500股指期貨各合約套期保值持倉交易保證金標準由10%提高到20%，將股指期貨當日開倉又平倉的平倉交易手續費標準，由目前按平倉成交金額的萬分之一點一五收取，提高至按平倉成交金額的萬分之二十三收取。

此后，我國股市仍然出現了千股跌停現象，針對此，反對限制股指期貨的學界和業界人士認為，“千股跌停不是股指期貨惹的禍”；不過千股跌停的次數的確少多了，9月1日到年底僅有2次千股跌停，這樣支持限制股指期貨的人士認為，這證明了我國股指期貨實際上加大了股指波動，限制有理。

眾所周知，期貨有三大基本功能：一是避險功能，可以通過套期保值規避系統性風險；二是價格發現功能，這是因為期貨的價格反映了投資者對未來的預期，其又可以引導現貨市場的價格；三是增加流動性功能，這是由于期貨市場套期保值的“保險作用”可很大程度使現貨市場交易者減少后顧之憂而大膽交易。這三個功能是相輔相成的，其中避險功能則是最為核心的功能，后兩個功能在某種意義上可以說從不同側面表現了避險功能。

那么，到底應如何評價我國股指期貨的功過？應否繼續限制股指期貨的運行？很顯然，如果我國股指期貨不僅基本不具備平抑股價、規避股市系統性風險的功能，甚至還是我國股市“千股跌停”的元兇，那么我們可以考慮長期限制乃至廢除股指期貨；而如果我國股指期貨相當程度地具備規避系統性風險功能，只是不夠完備，我們就應當通過加強金融監管和相應的體制機制變革，來完善股指期貨的功能，盡快恢復股指期貨的正常運行，來促進我國股市的健康發展，進而促進我國金融體系乃至整個國民經濟的健康發展。

這里，對股指期貨功過的評價，不能訴諸感性的直觀或先驗的偏好，而必須用科學、細致的實證方法來探討。此即本文研究的背景和意義所在。

二、相關文獻綜述

（一）國外文獻

20世紀70年代末以來，國外大量文獻從理論上論述了股指期貨應當具有穩定股市現貨市場、規避系統性風險以及價格發現等功能（Danthine 1978；Bray 1981；Stoll and Whaley 1987；Cohen,Gompers and Vuolteenaho，2002）。不過，也有少數文獻從一般的期貨市場與現貨市場關系上論證了期貨市場交易可能會增加現貨市場的價格波動性（Cox，1976等)，當然這種觀點顯然不是主流。還有許多學者對股指期貨與股市的關系進行了實證研究。如Hendrik和Paul J.Seguin(1992)研究了1978年到1989年間標準普爾500指數推出先后股市波動的波動情況，發現股指期貨的推出減少了現貨市場的波動。同樣Robinson(1994)基于1980年到1993年的時間序列的研究，證明富時100股指期貨的推出減少了現貨市場的波動。Tian和Zheng(2013)檢測了關于滬深300股指期貨及股票指數波動的相互關系，他們發現滬深300股指期貨市場的價格發現和套期保值功能會對現貨市場造成影響，這可能會使現貨市場更加穩定，減少波動。

當然，也有學者通過實證分析得出了相反的結論。如Maberly、Allen和Gilbert(1989)將1973年6月1日至1982年4月20日的前標準普爾期貨階段與1982年4月21日至1988年12月31日后標準普爾期貨階段進行了比較，并得出了推出標準普爾期貨后波動更大的統計學結果。還有學者的研究得出了不確定的結論，如Darrat,Rahman和Zhong(2002)通過使用EGARCH模型考察了標準普爾500指數期貨交易對潛在現貨市場波動的影響，只是發現期貨交易沒有造成標準普爾500現貨市場觀測到的更大波動性震蕩。不過，這些得出相反的結論或不確定結論的文獻也并不是主流。

（二）國內文獻

國內關于我國股指期貨功能、作用的實證研究，也有不少文獻，不過得出的結論并不一致。邢天才和張閣(2009)較早運用GARCH模型、TARCH模型及EGARCH模型分析了新加坡新華富時A50指數期貨對滬深300指數的影響,研究發現,股指期貨的推出略微增大了指數現貨市場的波動性及非對稱效應。談儒勇和盛美娜（2011）通過選取2005年4月8日至2011年2月23日滬深300股票指數的日收盤價為樣本數據，運用GARCH模型進行實證研究，發現滬深300股指期貨的推出對于股票現貨市場的波動性沒有顯著影響。華仁海和張朋（2012）基于Markov-Switching-GARCH模型，對我國股指期貨與現貨的關系進行了實證研究，結果表明，滬深300股指期貨的引入減緩了股票現貨市場的波動，提高了現貨市場的穩定性。李德峰、張麗青和黃昱熙（2012）選用2009年3月11日至2011年5月31日滬深300指數的日收益率數據，運用OHLC模型和TARCH模型分別進行實證研究，發現股指期貨的推出有效降低了滬深300指數的日內波動率。吳榴紅、張學東和王磊磊（2012）運用GARCH模型，將2005年4月8日至2011年9月13日滬深300指數收盤價序列分為兩個子樣本進行實證分析，結果表明：股指期貨的推出加大了股票市場的波動性；他們還通過TGARCH、EGARCH模型檢驗非對稱性效應，發現股指期貨的推出增大了股票市場的非對稱效應；利空消息引起股票市場價格的波動大于同等程度利好消息引起的波動。肖爭艷和高榮（2014）利用2006～2014年的股市日收益率數據，采用CCK模型來測度股市羊群效應，結論是滬深300股指期貨的推出弱化了股市尤其是主板市場的羊群行為,對股市的平穩運行有很大的促進作用。蔡向輝和劉鋒（2014）對滬深300股指期貨上市前后2～3年的股市日收益率數據進行了實證和比較，發現股指期貨具有一定的抑制股市正反饋交易即抑制股市波動的作用。

以上研究都很有參考價值。不過，這些文獻做的實證分析，畢竟都是在2015年下半年“千股跌停”之前，未能經受“千股跌停”的檢驗，不足為據，還有待于我們進一步的實證。本文將運用GARCH和非對稱的ARCH模型，采用最新的股市數據，來進行細致的實證分析，以求得出較為客觀和中肯的結論。

三、實證分析

本文首先將采用全樣本空間對我國滬深300股指期貨對現貨市場的作用進行初步分析，接著將根據股指期貨的上市和中金所頒布政策限制股指期貨的交易規模這兩個時間點劃分出三個子樣本，來進行實證檢驗，以期得出較為中肯的結論。

（一）全樣本實證

1.模型選擇

金融時間序列數據常常會出現方差隨時間變化的特點，且在方差的變化過程中，幅度較大的變化會相對地集中在某些時間段里，而幅度較小的變化則會相對集中在另一些時間段里。或者說金融時間序列的方差存在著波動的集群性（volatility clustering）。1982年，美國經濟學家恩格爾（Engle）提出的自回歸條件異方差（ARCH）模型較適合于研究此類現象。爾后，1986年，Bollerslev提出了設置條件方差的滯后結構具有靈活性的廣義自回歸條件異方差模型即GARCH模型，其更適合于研究滯后階數較大的場景，因此在各國金融學界得到了更為廣泛而有效的應用。

GARCH模型可以表示為GARCH(p,q)模型來反映GARCH效應的順序,模型形式為:

式（1）為均值方程。式中Rt為均值。

式（2）為條件方差方程。式中：

σ2t為線性回歸的條件方差（GARCH項）；

ε2t為預測誤差（度量從前期得到的波動性的信息的ARCH項）；

p代表移動平均ARCH項的階數，p≥0；

q代表自回歸GARCH項的階數，q＞0；

α0＞0；αi≥0；

為保證GARCH(p,q)模型是寬平穩的,存在參數約束條件。

在股票市場上，一個經常觀察到的規律性現象是負面沖擊或壞消息（bad news）引起的波動（市場下跌）要比同等程度的正面沖擊或好消息（good news）引起的波動（市場上升）大，此即所謂杠桿效應，這是一種不對稱效應。

Nelson(1991)提出了一個可用于分析條件方差方程正面和負面沖擊之間的不對稱效應的模型，該模型的設置參數不受限制,導致無論每一個參數估計是積極的還是消極的,條件均為積極，可較好地解決收益率分布的誘騙性和系數非負約束兩大特性。在此模型中，杠桿影響是指數型的，而非二次型的，稱為EGARCH模型。

EGARCH模型可以表示為:

公式中,如果γ=0，那么就不存在不對稱；但如果γ≠0，則說明數據不對稱。當γ＜0時，就代表存在杠桿效應。而且,好消息（ut-1＞0）將給條件方差（α+γ）次沖擊,同時,壞消息（ut-1＜0）會給條件方差（α-γ）次沖擊。

Zakoian(1994)提出了另一種適合研究杠桿效應的門限ARCH模型即TARCH模型。該模型旨在檢驗出現不利沖擊時，在條件方差方程中增加不對稱標準差是否導致明顯的變化。

TARCH模型可以表示為:

公式中,如果γ=0，那么就不存在不對稱；但如果γ≠0，則說明數據不對稱。當γ＜0時，就代表存在杠桿效應。而且,好消息（ut-1＞0）將給條件方差（α+γ）次沖擊,同時,壞消息（ut-1＜0）會給條件方差（α-γ）次沖擊。

本文也將采用GARCH模型和適于研究非對稱現象的ARCH類模型展開實證分析。

2.變量選擇

本文變量選擇滬深300股指的日收益率序列。

按照學術界慣例，滬深300股指的日收益率公式如下：

式中，Rt——tth日的日股指收益率

Pt——tth日的股指收盤指數

3.樣本選擇

滬深300指數系由滬深證券交易所于2005年4月8日聯合發布，故本節選用的全樣本空間，即采用2005年4月8日至2016年7月28日的全部滬深300日收盤指數。總共得到2750個原始觀測數據，其中2722個為有效觀測值。

4.描述性統計

圖1是整個樣本期內滬深300股指收益率描述性統計圖。

圖1 滬深300股指全樣本空間樣本柱狀圖及描述性統計量

圖1左側為滬深300（CSI300）序列數據的概率分布直方圖，右側為相應的統計數據，其中滬深300的均值為0.042216，說明市場總體收益率為正。其最大值為8.931021，最小值為-9.694938，標準差為1.883532，存在比較大的波動性；偏度表示出樣本的序列分布非對稱性程度，其值S為-0.517921，而正態分布時S等于0，說明時間序列數據的概率分布為非對稱的左偏分布形式；峰度是衡量隨機變量分布的尾部厚度的重要指標，圖中其值為6.164902，大于正態分布時的3，說明時間序列數據分布的凸起程度略大于正態分布，呈一定的尖峰厚尾形態；J-B統計量的值為1270.661，此值過大，相應的P值為0，此值過小，無論在何種顯著性水平下都拒絕原假設。綜上，這一序列呈現了左偏、尖端厚尾的形態和時間序列不服從正態分布的特征。

5.平穩性檢驗

如果本文選取的時間序列數據非平穩，則進行回歸將導致出現“偽回歸”，結論無效。所以，應該對滬深300日收益率序列數據進行平穩性檢驗。本文采用的檢驗方法是ADF檢驗。表1顯示了平穩性檢驗結果。檢驗過程中采用了AIC信息準則。

表1 滬深300全樣本日收益率序列平穩性檢驗

數據來源：WIND金融終端。

由表1可見，T統計量為-57.54374，遠小于1%顯著水平下的臨界值-3.432030，這表明序列對應的ADF值能夠拒絕存在單位根的零假設，因此認為該序列在99%置信水平下為平穩序列，可以代入模型進行實證分析。

6.實證檢驗

現正式進行實證檢驗。

首先進行GARCH模型的實證檢驗。

為了檢驗滬深300股指期貨的上市對股票現貨市場的波動性的影響，這里在條件方差方程中設置一個虛擬變量D來代表股指期貨的上市。在股指期貨上市（2012年4月16日）前設D=0，上市后設D= 1。而這個虛擬變量D的系數的正負性質和值的大小便可顯示出股指期貨的上市對中國股票現貨市場造成的波動性影響。

方差方程為：

式中，λ為虛擬變量D的系數。

接下來，本文運用AIC和SC最小準則和一些約束條件對GARCH的具體模型進行最優選擇，選擇結果見表2。

由表2可見，綜合考慮，GARCH(1,1)模型為最優模型。這一模型的方差可以表示為:

表2 滬深300全樣本空間最優GARCH模型選擇

表3為運用Eviews軟件對GARCH(1,1)模型估計出的結果。

表3 GARCH(1,1)模型參數估計結果

由表3得知適用于滬深300的GARCH(1,1)模型的具體條件方差方程為：

由公式（10）可見，擬合后虛擬變量D的系數為負值，可知滬深300股指期貨的上市對現貨市場的價格波動確實有著熨平作用，但其數值太小，僅為0.008856，影響有限。

參數0.095416代表的是市場中新信息對股指價格的沖擊,即ARCH效應;參數0.888419是滯后1期殘差波動率的系數,代表的是市場中舊信息對股指價格的沖擊,即GARCH效應，前者明顯小于后者。可見，在有了股指期貨情況下，股市上傳遞的新的消息對我國股市的沖擊作用相對不大。

可見，全樣本的GARCH模型檢驗結果表明，我國股指期貨的問世對股市波動還是發揮了一定的熨平作用。

但考慮到股票市場上往往存在著壞消息（bad news）引起的波動（市場下跌）往往要比同等程度的好消息（good news）引起的波動（市場上升）幅度大的規律性現象，即存在所謂杠桿效應，以下本文運用非對稱模型來進一步展開實證分析，檢驗非對稱信息沖擊下市場的反應情況。

同樣根據AIC和SC最小化信息準則綜合分析，得出TARCH(1,1,1)為最優模型，其可以表示為:式中，D同樣為虛擬變量，在中國滬深300股指期貨上市前設D=0，上市后設D=1。

dt-1為一名義變量，εt-1＜0時，dt-1=1，εt-1≥0時，dt-1= 0。

表4為運用Eviews軟件對TGARCH(1,1,1)模型估計出的結果。

表4 TARCH(1,1,1)模型參數估計結果

由表4得知適用于滬深300的TARCH(1,1,1)模型的具體條件方差方程為：

由公式（12）可見，虛擬變量D的系數λ為負數，且值為-0.021623，大于GARCH(1,1)模型中的-0.008856，可見該模型顯示出的我國股指期貨問世后對股市波動起到的熨平作用還要稍大一些。

但是我們還看到，dt-1的系數γ=0.114078，為正，并且數值并不太小，這表明存在較明顯的杠桿效應，即股市新的負面信息（壞消息）引起的股市波動大于正面信息（好消息）引起的波動。眾所周知，我國股市歷來是投機市，大起大落，高風險，壞消息引起的股市波動（下跌）歷來明顯大于好消息引起的股市波動（上漲）；遺憾的是，股指期貨問世以后，這一非對稱特征仍然明顯存在。從這一點看，我國股指期貨問世后發揮的穩定股市的作用并不大。

不過，這一結論顯然存疑，因為我國股指期貨問世后，從2105年9月7日起，其運行規則和規模發生了重大變化，因而其性質也發生了重大變化，那當然股指期貨對股市的影響力也發生了變化，可是在現有的樣本中，模型刻畫不了這一變化。

綜上，全樣本的GARCH模型和TARCH模型的實證結果一方面表明我國股指期貨的問世一定程度地降低了股市的波動，另一方面又含混不清地顯示我國股指期貨問世后，股市杠桿效應仍然明顯存在，“壞”消息相對容易引起股市大跌。那么，實證結果還是難以確定。下面，我們將運用分樣本，分別對不同時間段做實證檢驗，以求進一步確認我國的股指期貨與2015年的“千股跌停”之間的因果關系。

（二）分樣本實證

1.模型、變量與樣本選擇

模型與變量選擇均與全樣本情況相同。

樣本選擇，將以上全樣本劃分為以兩個重要時間節點區分開來的三個子樣本。具體為：

子樣本1，2005年4月8日至2010年4月15日，這是我國自滬深300指數問世后到滬深300股指期貨問世之前的時間段。

子樣本2，2010年4月16日至2015年9月6日，這是滬深300股指期貨問世之后到中金所限制股指期貨交易（大大限制了交易規模）之前的時間段。

子樣本3，2015年9月7日至2016年7月28日，這是中金所開始限制股指期貨交易至2016年7月底的時間段。

2.描述性統計

圖2為滬深300股指子樣本空間1柱狀圖及描述性統計量。

圖2 滬深300股指子樣本1柱狀圖及描述性統計量

圖3為滬深300股指子樣本空間2柱狀圖及描述性統計量。

圖3 滬深300股指子樣本2柱狀圖及描述性統計量

圖4為滬深300股指子樣本空間3柱狀圖及描述性統計量。

圖4 滬深300股指子樣本3柱狀圖及描述性統計量

表5集中列示了滬深300三個子樣本區間的股指日收益率描述性統計量。

表5 滬深300三個子樣本區間股指日收益率描述性統計量

3.平穩性檢驗

仍然采用ADF檢驗。表6顯示了平穩性檢驗結果。檢驗過程中采用了AIC信息準則。

表6 滬深300三個子樣本日收益率序列平穩性檢驗

由表6可見，三個子樣本的T統計量分別為-34.03848、-35.3855和-15.3611，分別遠小于1%顯著水平下的臨界值-3.435492、-3.434805和-3.465014。這表明三個序列對應的ADF值能夠拒絕存在單位根的零假設，因此認為該三個序列在99%置信水平下為平穩序列，可以代入模型進行實證分析。

4.實證檢驗

現在，我們不需要在條件方差方程中設置一個虛擬變量D來代表股指期貨在上市前后的差別和影響，因為在這三個子樣本中，股指期貨的存在狀況沒有發生變化（子樣本1不存在股指期貨，子樣本2始終存在股指期貨，子樣本3股指期貨的存在狀況也始終未發生變化）。

首先進行GARCH模型的實證檢驗。

GARCH模型的方差方程可以表示為（13）式：

接下來我們運用AIC和SC最小準則和一些約束條件對GARCH的具體模型進行最優選擇。選擇結果為：GARCH(1,1)模型系最優模型。為此我們使用GARCH(1,1)作為三個子樣本空間的檢驗模型。模型具體形式同（9）式。

表7列示了運用Eviews軟件對三個分樣本GARCH(1,1)模型估計出的結果。

表7 滬深300指數收益波動性模型GARCH(1,1)實證結果

表7中，三個子樣本的α+β均小于1，符合參數約束條件。

由表7可以發現，ARCH項的系數α，即表征市場中新信息對股指價格沖擊效應的系數,在子樣本1為0.905320，子樣本2為0.949463，子樣本3為0.381830。這說明，我國股指期貨2010年4月16日問世以后，股市上傳遞的新消息對我國股市的沖擊作用比問世以前還要大一些；而中金所2015年9月7日限制股指期貨交易規模之后，股市上傳遞的新消息對我國股市的沖擊作用則明顯又要小一些，可以說小了一半多。如此結果似乎顯示我國股指期貨應當予以限制，限制有理，因為限制以后，股市的波動得以下降。

不過我們還應當考慮杠桿效應問題，我們再運用非對稱模型，來檢驗非對稱信息沖擊下市場的反應情況。

同樣根據AIC和SC最小化信息準則以及參數約束條件，我們得出TARCH(1,1,1)為三個子樣本的最優檢驗模型，其可以表示為（14）式。

（14）式與（11）式相比，刪去了虛擬變量D，因為完全不需要。dt-1為一名義變量，εt-1＜0時，dt-1=1，εt-1≥0時，dt-1=0。

經Eviews軟件對三個模型分別估計后，得到結果如表8所示。

表8 滬深300指數收益波動性各子樣本空間TARCH(1,1,1)實證結果

表（8）顯示，三個模型的α+β均小于1，符合參數約束條件。

由表（8）我們看到，現在，三個子樣本的α值均相差無幾。這表明，在三個子樣本中，新信息對股指價格沖擊的效應差不多。但同時由表（8）我們看到，γ的取值情況發生了變化。子樣本1中dt-1的系數γ=0.002992，為正，表明存在杠桿效應，即股市新的負面信息引起的股市波動大于正面信息引起的波動。子樣本2中dt-1的系數γ=-0.002770，表明在此階段雖存在非對稱效應，卻已不存在杠桿效應，股市新的負面信息引起的股市波動還略小于正面信息引起的波動。子樣本3中dt-1的系數γ= 0.0030832，又轉為正，表明在此階段又存在較明顯的杠桿效應，股市新的負面信息引起的股市波動明顯大于正面信息引起的波動。

綜上，分樣本模型檢驗結果表明，我國股指期貨的問世和正常運作多少有一些放大了新信息對我國股市的沖擊作用，這會加大股市波動；但是卻避免了股市中在沒有股指期貨正常運作時存在的杠桿效應，嚴格講，股指期貨正常運作以后，股市新的負面信息引起的股市波動還略小于正面信息引起的波動。那么，這個分樣本的檢驗結果，雖然不能證明我國股指期貨的問世總體上明顯降低了股市的波動，卻完全可以證明股指期貨的問世一定程度降低了負面消息引致的股市向下的波動幅度，完全可以證明“千股跌停”不是股指期貨惹的禍。這一結論還可以得到以下事實的佐證：從2015年9月7日股指期貨受到限制以后，9月14日股市仍再現暴跌，兩市跌停的個股接近1500只；2016年1月，從元旦后開市一直到月底，上證綜指在幾乎沒有任何反彈的情況下，快速下跌24.74%，千股跌停5次以上。

股指期貨正常運作的子樣本2的TARCH模型的檢驗結果中，dt-1的系數γ為負，而全樣本的TARCH模型的檢驗結果中，dt-1的系數γ為正，如此表面上矛盾的結果，其合理解釋就是：全樣本的γ為正，是2015年9月7日以后股指期貨交易受到極大限制的影響所致。

事實上，我國股市自2015年6月15日以后，之所以頻現千股跌停，主要原因有三：一是人造牛市導致股指估值過高，股市泡沫太大。這一輪人造牛市從2014年7月的2000點起步，到2015年6月12日達到5166點，在不足一年的時間內，上證指數上漲幅度超過150%，創業板指數漲幅更是超過200%，剔除銀行、石化等行業股票，A股整體市盈率為51倍，創業板市盈率更是高達142倍，泡沫太大，遠遠脫離實體經濟的支撐，一旦泡沫破滅，必然暴跌。二是過度的杠桿融資。2014年下半年以來，我國股市無序的杠桿融資愈演愈烈，券商兩融、傘形信托、民間配資等杠桿資金蜂擁而入，總規模最高達5萬億元以上，推動著股市的暴漲。在這些資金中，兩融業務的杠桿比例一般為1∶1，傘形信托杠桿比例在1∶2～1∶3，場外配資的杠桿比例則達1∶4～1∶5甚或更高。可以毫不夸張地說，我國這一輪“快牛”的形成主要得益于杠桿融資。過度的杠桿融資，其弊端不僅在于容易形成股價泡沫，更在于一旦泡沫破滅，或行政采取“去杠桿化”舉措，引致股市掉頭向下，則由于杠桿交易的強制平倉機制，投資者會爭先恐后地拋售股票，從而形成嚴重的“踩踏”效應，市場“雪崩”式下跌。三是廣大股民懼怕年底前注冊制的推出。

四、結論與建議

（一）結論

綜合本文全樣本和三個分樣本的ARCH類模型的實證研究，我們可以得出結論：

我國滬深300股指期貨推出后，會或多或少一定程度地放大新信息對股市的沖擊，這是其功能的不足；但總體上能一定程度地發揮降低股票現貨市場波動的功能，特別是可以消除杠桿效應，可以相當程度地減弱負面消息對股市的沖擊。

因此，我們可以肯定地得出判斷：“千股跌停”決不是股指期貨惹的禍。

（二）建議

2015年9月2日中金所出臺政策，嚴厲限制股指期貨的交易，這在當時股市暴跌、形勢嚴峻的背景下，作為一項暫時性管控措施，可以理解。但今后我們應盡快恢復股指期貨的正常運作，以發揮其對現貨市場的套期保值和定價等功能。

當然，我國的股指期貨運作尚存明顯缺陷，為此，我們在股指期貨恢復正常交易之前，還應大力推進制度建設，完善股指期貨的監管機制和運行機制。與此同時，還應切實加強現貨市場的監管機制。

1.切實加強對股指期貨市場的監管機制。理論上股指期貨就是一把“雙刃的劍”，既可用于保值，熨平股市現貨市場的波動，亦可用于投機，加大股市現貨市場的波動，關鍵看監管是否完善，是否到位。以往我國股指期貨之所以未能很好發揮抑制股市波動、防范系統性風險的作用，根本的原因，就是對股指期貨市場的監管沒有到位，使得有些人可以通過一邊在現貨市場大肆拋售股票，一邊在期貨市場惡意做空，從而賺取多倍投機利潤。建議證監會和中金所要建立一套適合股指期貨交易模式的風險管理制度，包括保證金制度、價格限制制度、限倉制度、大戶持倉報告制度、強行平倉制度、強制減倉制度、高頻交易制度、風險警示制度等風控制度；要利用大數據手段，打造跨市場的、協調的動態風險監控體系；要“痛下殺手”嚴懲違規投機者，切實維持一個公開、公平、公正的“三公”市場。

2.切實優化股指期貨市場的運行機制。通過加強監管和對違規者零容忍的嚴懲，在股指期貨市場套期保值者、套利者和投機者三者結構中，壯大套期保值者的隊伍，規范套利者的行為，引導投機者的理性參與。這樣，從股指期貨市場行為主體及結構的優化，來優化其運行機制。

3.切實加強現貨市場的監管機制。一要強化信息披露。我國的股票市場是一個散戶占投資者多數的市場，而散戶在市場中處于絕對的信息劣勢，與此同時多數散戶又因缺乏專業知識和資金實力而與股指期貨市場無緣，這樣的局面下，廣大散戶投資者容易因信息傳導的滯后和受到噪聲交易的影響而在現貨市場中“追漲殺跌”，這樣不僅損失慘重，同時也一定程度上抵消了股指期貨抑制股指波動、防范股市系統性風險的功能。因此，監管層必須切實加強上市公司和行業乃至宏觀基本面的信息披露，使廣大投資者能在第一時間了解真實信息，與此同時要出重拳嚴厲打擊惡意散播謠言的不法分子。二要強化證券賬戶管理。要嚴格落實證券賬戶實名制；嚴禁賬戶持有人通過證券賬戶下設子賬戶、分賬戶、虛擬賬戶等方式違規進行證券交易。三要加強證監會、銀監會和保監會的監管協調。要堅決杜絕通過信托、民間配資和P2P等形式違規進入股市的場外配資資金，堅決打擊機構的監管套利行為。

此外，從更長一些的時間跨度來看，我國還應與期貨市場交易機制適應，在現貨市場也實行T+0制度，以更有效地維持股票現貨和期貨市場的健康、穩定發展，更有力地保護廣大投資者利益；我國還應在整個金融體系中，打造一個高度統一的功能監管體系；全國人大應以《期貨交易管理條例》為藍本,盡快出臺《期貨交易法》,從法制層面上規范期貨交易。

[1]蔡向輝,劉鋒.股指期貨宏觀穩定作用的微觀基礎探究——基于滬深300指數期貨抑制股市正反饋交易的實證檢驗[J].證券市場導報,2014,(12):20～25.

[2]華仁海,張朋.我國股指期貨的推出對股票現貨市場波動的影響研究——基于Markov-Switching-GARCH模型[J].南方經濟,2012,(10):115～122.

[3]李德峰,張麗青,黃昱熙.滬深300股指期貨交易對我國現貨市場波動性的影響[J].福州大學學報(哲學社會科學版),2012,(4):31～35.

[4]談儒勇,盛美娜.股指期貨會影響現貨市場的波動性嗎——基于滬深300期貨合約的研究[J].當代財經,2011，(4):56～64.

[5]肖爭艷，高榮.股指期貨對中國股市的穩定作用研究:羊群效應視角[J].經濟與管理研究,2014, (12):55～60.

[6]邢天才,張閣.中國股指期貨對現貨市場聯動效應的實證研究——基于滬深300仿真指數期貨數據的分析［J］.財經問題研究,2010,(4):48～54.

[7]Cohen R.B.，Gompers P.A.and Vuolteenaho T.，Who Underreacts to Cash flow News?Evidence from Trading between Individuals and Institutions[J]. Journal of Financial Economics,2002,Vol.66(2),pp. 409～462.

[8]Darrat A.F.,Rahman S.and Zhong M.,On The Role of Futures Trading in Spot Market Fluctuations: Perpetrator of Volatility or Victim of Regret?[J]. Journal of Financial Research,2002,Vol.25(3),pp. 431～444.

[9]G.Tian and H.Zheng,The Empirical Study about Introduction of Stock Index Futures on the Volatility of Spot Market,［J］.Ibusiness,2013，Vol.5 No.3B,pp.113～117.

F830.9

A

1006-169X（2016）12-0064-09