極端下跌事件的正反饋效應與監管限制溢出

丁逸俊，馮 蕓

(上海交通大學安泰經濟與管理學院，上海 200030)

極端下跌事件的正反饋效應與監管限制溢出

丁逸俊，馮 蕓

(上海交通大學安泰經濟與管理學院，上海 200030)

本文探討了在市場之間聯系愈發緊密情況下，針對單一市場“圍堵”式的臨時監管限制措施可能引發的跨市場風險。以2015年股指急劇下跌后對股指期貨交易加大管制為背景，本文發現，一系列限制措施出臺后，股指期貨市場出現整體流動性萎縮，現貨市場則出現了較為顯著的收益率與成交量的正反饋效應，造成極端下跌事件的自我實現。本文認為，對股指期貨交易的過度限制，使得機構投資者在下跌行情中無法通過期貨對沖風險，加劇了現貨市場拋售壓力，引發了現貨市場極端下跌事件。因此，監管層在設計和運用監管限制時應當審慎、全面分析目前的市場關聯結構變化，避免政策的失靈和不恰當政策帶來的風險。

監管限制；跨市場風險；正反饋

1 引言

近三十年來，金融市場波動和風險事件此起彼伏。特別是在短期急劇下跌之后，金融監管機構往往會緊急出臺一系列嚴苛的監管限制措施來穩定市場。然而，人們發現，隨著金融市場之間的聯系日趨緊密，這些針對局部市場的臨時性管制措施雖然能在短期內穩定部分市場，但卻可能對關聯市場產生溢出效應，引發更大的動蕩，損害金融市場質量。本文，以2015年股指急劇下跌后對股指期貨交易加大管制為背景，研究監管措施可能產生的溢出效應和跨市場風險，對于監管層改進管理方式、維護市場穩定、防止系統性金融風險傳染具有重要的現實意義。

股票市場的極端風險事件，往往伴隨著股票價格短時間內普遍大幅下挫。在對1987年美國股市崩盤的研究中，有學者指出，這種短時間大范圍的資產暴跌的主要原因是流動性出現了驟然喪失[1-2]。從極端下跌事件發生時的指令流(Order flow)來看，由于投資者擔心出現流動性枯竭而無法及時賣出股票止損，投資者進行大量同向拋售操作，使得股票流動性供給(主要指限價委托買盤量)驟減，流動性需求(成交賣盤和市價賣單)驟增，導致股票的確出現流動性枯竭和股價的進一步加速下跌，形成了類似“銀行擠兌”式的極端下跌事件的自我實現，而這一現象又被稱為“正反饋效應”[3-4]。正反饋效應被認為是引起股市非線性復雜動態行為的主要途徑，是導致我國股市大起大落等不規則波動行為的主要原因[5]。

正反饋效應引發的股票市場短暫暴跌，就目前的中國股票市場來說其主要危害在于：1)對市場沖擊強烈，并具有很強的傳染性[6-7]，容易在短時間內造成整個市場的恐慌，導致市場的癱瘓和功能受損。2)容易引發股票市場操縱行為，利用正反饋效應中投資者的不理性行為和恐慌心態，形成類似“大量拋空”(Bear raid)的市場操縱[8]。3)隨著我國金融創新的深化，路徑依賴的特征明顯增強，在一個存在杠桿的市場中，短時間內大幅的價格扭曲在實際中往往導致信用賬戶交易者無法補足保證金而被迫平倉，或因為追加保證金而占用大量資金，帶來價值損失和資金鏈的斷裂，容易誘發系統性風險事件[9]。

然而由于極端事件樣本較少，再加上之前日內高頻數據較難獲取，較早對于正反饋效應的研究大多反映了一段時間內市場整體收益率與波動率等動力學特征[7,10-11]，卻無法描述短時間內市場的動態變化，另外對時間段的選取也沒有考慮由于市場超跌回調造成的前后正負反饋效應相互抵消的問題，使得正反饋效應的表現程度比實際情況偏小[11]。本文選取2015年共23次日內極端下跌事件作為研究對象，運用高頻分筆數據，對極端下跌事件發生前短時間內的正反饋效應進行實證研究。本文發現，在股指期貨交易限制前后，現貨指數的正反饋效應出現了顯著差異。交易限制前并沒有出現正反饋效應，但交易限制之后，現貨指數出現了顯著的正反饋效應。

對于下跌行情中出現正反饋現象以及隨后造成極端下跌事件自我實現的成因，近年來的一些學者基于行為金融學框架從投資者情緒[12]、異質信念[13-15]兩個角度進行解釋。這些文獻通過理論模型解釋了極端情況下發生正反饋效應的機理、正反饋效應的突然性及傳染性，然而這些理論模型的缺陷在于當設定了投資者交易策略和交易環境后，正反饋現象必然會發生，卻無法解釋本文中現貨指數從沒有正反饋效應到存在正反饋效應的現象。本文從監管限制改變市場交易機制進而改變投資者行為的角度，提出了極端下跌行情中正反饋效應成因的一個合理解釋。

不同的交易機制在價格發現過程中所起到的作用不同，對市場參與者的行為策略影響不同，對于市場質量的影響勢必會有所不同[16]。例如對期貨市場持倉限制是否能有效預防操縱和過度投機的探討，以及對賣空限制[16,20]在股市暴跌中所起到的作用的探討。特別是在極端情況下，對投資者的交易限制(諸如賣空限制、持倉限制、熔斷和漲跌停等)都會促使交易者盡快清算其資產，使得市場產生較短時間內的暴跌[4]。而在對1997年10月27日美國股市第一次出發熔斷交易前的投資者行為的研究中也印證了這一觀點。在觸及熔斷前投資者為規避熔斷所導致的流動性缺失，撤銷限價訂單轉為市價訂單，并且更多的從訂單驅動市場撤離[18-19]。盡管上述文獻肯定了交易機制對市場的影響，然而無論是國內還是國外的文獻，理論和實證的重點往往局限于單一市場，很少涉及跨市場的研究。由于市場之間的關聯日益密切，在某一市場上改變交易機制，會使得其他市場內投資者行為發生相應改變，導致監管限制的效果從單一市場溢出到其他相關市場，使得其他相關市場的動力學特征發生改變。此次股指期貨的交易限制為我們研究監管限制的跨市場溢出效應提供了契機。

在2015年年中大盤指數斷崖式下跌期間，中國金融期貨交易所為抑制股指期貨過度投機，短時間內連續三次(8月25日、8月28日和9月2日)宣布對股指期貨交易保證金、日內開倉手數和日內平倉手續費進行調整。從以往市場異常波動期間監管層的應對措施不難看出，監管層更傾向于采用諸如限制交易、限制做空、提高交易成本等“圍堵”的方式對投資者的投資行為進行引導。然而，隨著我國證券市場中金融衍生產品的增多，各市場之間的聯系愈發緊密，對單一市場的局部“圍堵”反而更容易引發連鎖反映或系統性風險。

股指期貨推出以來，期限市場的聯動關系日益緊密，在訂單流動性層面表現出“遛狗效應”[20]，減小了現貨市場波動、初步發揮了股票市場穩定器的功能[21]。然而，此次現貨市場異常波動期間對股指期貨的交易限制卻有可能進一步縮小現貨市場流動性、增大現貨市場拋售壓力、形成正反饋效應，從而加劇期貨與現貨市場的異常波動。本文基于這個觀點，對股指期貨監管限制的溢出效應進行了邏輯推演：股指期貨交易限制使得股指期貨各合約流動性顯著萎縮、期現基差增大，割裂了股指期貨與現貨的聯系。其次，由于股指期貨較高的門檻限制，股指期貨市場的參與者大多是機構套保、套利和投機交易者，散戶投資者較少參與，使得本可以運用股指期貨管理現貨風險的機構投資者轉而在市場下行期間在現貨市場拋售現貨頭寸，引發現貨市場出現正反饋效應，導致指數價格進一步下探形成極端下跌事件。

為了實證檢驗股指期貨交易限制對現貨指數市場的溢出效應，本文考察了交易限制前后期現市場的領先滯后關系和現貨指數市場的大額成交賣單與收益率的正反饋效應。本文發現，交易限制前股指期貨對現貨的價格引領關系在交易限制后消失，說明交易限制割裂了期現市場的聯系。其次，代表機構投資者的大額成交賣單與收益率在交易限制之后出現了顯著的正反饋效應，進一步證實了溢出效應的存在。

本文的創新之處在于：1)運用高頻數據，研究了期貨和現貨市場日內下跌行情中的正反饋效應(極端下跌事件自我實現)的情況。2)提出了正反饋效應成因的新思路，認為交易機制改變影響投資者行為，進而產生正反饋效應。3)提出了市場中監管限制會傳導溢出到其他相關市場，并對這一現象的機理與邏輯進行了實證檢驗。

本文的研究對于監管部門有兩個政策啟示：1)隨著目前金融市場之間的聯系日益緊密，監管需要有系統性的思維，不能只著眼于局部市場，甚至被輿論綁架。2)金融創新導致市場具有路徑依賴，并引入了更多正反饋特征的交易機制，而與此同時，監管措施卻沒有及時適應系統的變化，做出有利于系統穩定的調整，反而在有些時候反其道而行之，因而進一步加劇了金融系統的不穩定性。面對當前金融系統的變化，監管層應該更多著眼于阻斷正反饋效應。從這兩個角度來說，“疏浚”的監管方式或許比“圍堵”的監管限制更有效。

2 研究設計

2.1極端下跌事件的定義

對于極端下跌事件，簡單而且實用的方法是根據指數出現巨幅下跌來定義。本文對滬深300現貨指數2015年全年的分鐘收益率進行10分鐘和30分鐘的滾動計算，并選取全年收益率的百分之一分位點作為極端下跌事件的閾值。因此，本文選取10分鐘內累積收益小于-1.3%(約為1%分位點)和30分鐘內累計收益小于-2.5%(約為1%分位點)的事件作為本文研究的極端下跌事件。在2015年內共提取23個事件作為樣本。其中股指期貨交易限制前16個事件，股指期貨交易限制后7個事件。本文主要研究收益率持續下跌直到極端下跌事件發生這一動態過程，為了便于描述，在本文中我們把當天極端下跌事件發生前10分鐘(60個10秒數據)稱為極端下跌行情期間。

另外，為了研究極端下跌事件的正反饋效應，我們排除了隔夜信息(上一日下午15：00至當日上午9：15)與午間信息(當日中午11：30至13：00)對滬深300現貨指數基本面的沖擊，僅考慮日內收益率的變化情況，即剔除了每日9：40分前和13：10分前的滾動收益率。

本文滬深300指數成份股日內高頻分筆數據來源于港澳金融數據庫，滬深300股指期貨500毫秒分時數據來源于Wind數據庫。

2.2日內10秒正反饋效應指標構建

現貨指數方面，借鑒Hasbrouck[22]采用正反饋交易度量流動性黑洞的做法，本文把成交量細分為賣方驅動和買方驅動的，構建滬深300現貨指數10秒賣單成交量、買單成交量指標。由于股指期貨分時數據無法區分下單類型(多開、空開、多平、空平等等)，在股指期貨上我們去除了買單成交量、賣單成交量指標，僅討論成交量與價格的正反饋效應。

一般情況下，股價上漲引發更多的主動買入，而當股票收益下降時賣方指令增加。因此，本文把每支股票分筆成交量數據進行細分，分為買單成交量和賣單成交量。若某一筆交易成交價格等于或低于前期最佳買價和最佳賣價的中間價，則認為該筆交易是賣方發起的，反之亦然。

其次，股指期貨市場的參與者大多是機構套保、套利和投機交易者，散戶投資者較少參與。為了研究股指期貨交易限制對現貨市場的溢出效應，本文對買賣單成交量做進一步細分，構建了滬深300現貨指數大額賣單、小額賣單指標，來代表機構投資者的投資行為。

股票大單與小單主要是指股票的數量，但大單與小單之間并沒有嚴格的區分標準。一般來講，超過500手(50000股)的買單和賣單被認為是大單，低于100手被認為是小單。但由于每只股票總流通股份和股票價格大相徑庭，使用統一的數量標準區分大單和小單顯然不太合理。本文根據每支股票自身采用相對區分法，即當天所有賣單成交中，每筆成交量大于50%分位點、75%分位點和90%分為點的成交單作為大額成交賣單，而小于等于50%分位點、75%分位點和90%分位點的成交單統稱為小額成交賣單。

我們運用高頻分筆數據，構建日內10秒正反饋效應指標。首先，我們對滬深300指數成份股逐筆數據計算其成交量、賣單成交量、買單成交量、大額賣單和小額賣單指標，并以10秒為時間窗口，計算10秒內個股累積成交量、賣單成交量、買單成交量、大額賣單和小額賣單。其次，根據滬深300成份股權重數據，仿照滬深300指數的構建，對所有成分股指標進行加權處理，得到日內10秒指數成交量、賣單成交量、買單成交量、大額賣單和小額賣單指標。滬深300股指期貨合約采用IF當月合約500毫秒的分時數據，指標計算方式類似指數個股。

2.3模型選擇

Hasbrouck[22]以及Cohen和Shin[4]的研究證實了以往文獻關于指令流影響股票收益率的觀點，即主動買單提高股票價格而主動賣單降低股票價格。同時，運用VAR模型得出股票收益率反過來也會影響指令流，并形成正反饋效應的觀點。我們參照Cohen和Shin[4]的方法，采用VAR模型研究滬深300指數收益率(滬深300股指期貨收益率)與成交量的正反饋效應。我們對2015年15個日內極端下跌行情期間的收益率序列和流動性指標進行二元VAR建模，模型如下：

其中Retit為第i個事件中滬深300指數(滬深300股指期貨)10秒收益率時間序列，Controlit為第i個事件中的正反饋效應指標。

其次，為了研究交易限制前后期現市場的領先滯后關系，我們同樣采用VAR模型對現貨指數收益率與股指期貨收益率進行建模，模型如下：

其中Ret_XHit為第i個事件中滬深300指數10秒收益率時間序列，Ret_QHit為第i個事件中滬深300股指期貨10秒收益率時間序列。

本文對所有VAR模型運用AIC準則對滯后階數進行確定，發現2階模型能夠較好的擬合絕大部分模型。然后對所有VAR模型進行了平穩性檢驗，即判斷模型的特征根是否在單位圓外，并剔除了不符合平穩性條件的模型。

在實際分析VAR模型時，往往分析當一個誤差項發生變化，或者說模型受到某種沖擊時對系統的動態影響，即脈沖響應函數法。本文隨后運用脈沖響應函數分析了模型受到沖擊后對變量產生的累積影響。并且，本文發現極端下跌行情期間的流動性變化往往是在極端下跌收益率達到極值的幾分鐘內發生的，我們把極端下跌行情的10分鐘劃分為前后各5分鐘(各30個觀測值)來反映短時間內的正反饋效應。

3 實證結果

3.1股指期貨交易限制前后正反饋效應指標描述性統計

市場成交量的變化反映了資金進出市場的情況，是判斷市場走勢的重要指標，也是評判市場整體流動性水平的一個簡單而有效的指標。表1反映了滬深300指數和股指期貨當月合約的成交量描述性統計。可以看到，交易限制之后滬深300成交量均值為172億，較交易限制前的350億下跌了約50%。而股指期貨成交量從限制之前的137萬驟減到2.9萬，下跌幅度達到了98%。另外，在交易限制之后期現市場出現了更多的極端情況，滬深300指數成交量峰值從2.71增長到了5.14，而股指期貨成交量峰值更是從3.69增長到了38.38，為交易限制前的10倍。

表1 股指期貨交易限制前后，滬深300指數、IF當月合約成交量描述性統計

自從股指期貨的交易限制措施實施開始，IF合約成交量呈斷崖式下跌，說明股指期貨交易限制對股指期貨市場具有直接沖擊，導致股指期貨市場流動性嚴重萎縮，投資者面臨極大的流動性風險，很難發揮股指期貨為現貨市場分擔壓力和套保對沖的功能。

另外我們發現(圖1)，盡管交易限制極大抑制了每日的股指期貨成交量(總量減小)，但在交易限制之后期指成交量在極端下跌行情前出現了指數級增長(增長幅度加大)，在極端下跌事件發生前2分鐘左右達到峰值，短時間內增長幅度超過240%。相比之下，交易限制前期指成交量反復震蕩，振幅在85%左右。

現貨指數市場上我們也發現了類似的動力學特征(圖2)，即交易限制后成交量維持在較低水平，但在極端下跌行情中成交量驟增。交易限制前成交量在極端下跌發生前8分鐘時間段內并沒有明顯變化，而在極端事件發生前2分鐘內逐漸上升，相比10分鐘前攀升近45%。而限制措施后成交量在前9分鐘時間段內呈指數級增長，相比10分鐘前攀升近180%。由此可見，限制措施實施后現貨指數成交量在極端下跌發生前表現出了更為明顯的指數級累積、尖峰現象。

我們進一步把成交量數據分為買方驅動和賣方驅動兩類。從圖3中可以看到，在交易限制前，現貨指數的買單成交量基本維持在14至20萬股的區間內呈U型分布，買單成交量在極端下跌事件后逐漸走高，峰值出現在極端下跌事件發生后1分鐘左右。而賣單成交量在極端下跌期間，特別是在極端事件發生前3分鐘時間內上升明顯，在極端事件發生時達到峰值并在事件發生后3分鐘內迅速下降。在極端下跌期間賣單成交量大約增長了63%。在交易限制之后，現貨指數的買單成交量和賣單成交量都出現了指數級上升、尖峰、指數級下降的現象。相比于極端事件發生前10分鐘，極端事件發生時買單成交量和賣單成交量分別增長約133%和167%。

從買賣平衡(某一時間段內賣單成交量占總成交量的比值)的時間序列圖(圖4)中我們可以更直觀的發現，在股指期貨交易限制前并沒有出現買賣不平衡現象，即買方成交量和賣方成交量基本維持在1∶1附近，而在極端下跌事件發生后買賣力量向買方傾斜。但是，在股指期貨交易限制之后，從極端下跌事件發生前10分鐘開始，買賣不平衡逐漸增大，買賣力量向賣方傾斜，直到極端下跌事件發生前3分鐘左右達到峰值64%。

圖1 滬深300股指期貨當月合約，交易限制前極端下跌行情平均成交量(圖左)；交易限制后極端下跌行情平均成交量(圖右)

圖3 滬深300現貨指數，交易限制前極端下跌行情平均買單成交量(圖左上)、賣單成交量(圖左下)；交易限制后極端下跌行情平均買單成交量(圖右上)、賣單成交量(圖右下)

因此，在股指期貨交易限制之后，雖然現貨指數日均成交量顯著下降，但在日內極端下跌行情期間卻出現了買賣力量不平衡的集中爆發，反過來更易形成現貨市場的日內極端下跌事件。

圖4 滬深300現貨指數交易限制前后極端下跌行情買賣平衡(實線為交易限制后，虛線為交易限制前)

3.2滬深300現貨指數、股指期貨當月合約正反饋效應

參照Hasbrouck[22]的方法，采用VAR模型研究滬深300指數(滬深300股指期貨收益率)的正反饋效應。

其中Retit為第i個事件中滬深300指數(滬深300股指期貨)10秒收益率時間序列，Controlit為第i個事件中的成交量(Volume)指標，以及現貨市場賣單成交量(VS)。

表2 滬深300股指期貨，交易限制前后極端下跌行情收益率與成交量VAR模型

表3 滬深300現貨指數，交易限制前后極端下跌行情收益率與成交量VAR模型

表4 滬深300現貨指數，交易限制前后極端下跌行情收益率與賣單成交量VAR模型

從以上VAR模型結果可以看到，在極端下跌行情中股指期貨市場的正反饋效應并不明顯，盡管交易限制之后在極端下跌行情中股指期貨成交量呈指數級增長，但交易限制對股指期貨活躍度和流動性的影響抑制了股指期貨上收益率與成交量的正反饋現象。但是在股指期貨限制措施出臺后的市場整體流動性較差時間段內，現貨市場出現了較為顯著的收益率與成交量的正反饋效應，并且這一效應在區分了買方驅動還是賣方驅動的成交量后依然顯著，即指數下跌引發了更多的成份股賣單，而賣單又導致指數進一步下跌。

為了便于分析VAR系統中變量短時間內擾動對各個變量之間的動態影響，且便于分析VAR模型得到的檢驗結果的經濟含義，我們把極端下跌行情的10分鐘區間進一步劃分為前5分鐘和后5分鐘，然后用VAR模型和脈沖響應函數研究某一變量一個標準差擾動對其他變量的長期動態影響。

3.3滬深300現貨指數、股指期貨極端下跌行情分段VAR及脈沖響應函數

表5 滬深300股指期貨，交易限制前極端下跌行情收益率與成交量分段VAR模型

表6 滬深300股指期貨，交易限制后極端下跌行情收益率與成交量分段VAR模型

圖5 滬深300股指期貨，極端下跌行情收益率對成交量的脈沖響應累計函數(上半部分)以及成交量對收益率的脈沖響應累計函數(下半部分)，從左至右依次為交易限制前事件前10至5分鐘、交易限制前事件前5分鐘至發生、交易限制后事件前10至5分鐘、交易限制后事件前5分鐘至發生。圖中虛線部分為歷次事件的累計函數，實線為歷次事件平均累計函數

圖5上半部分為股指期貨收益率對成交量一個正沖擊的脈沖響應累計函數。圖中虛線部分為歷次事件的累計函數，實線為歷次事件平均累計函數。我們發現，無論交易限制之前還是之后，收益率對成交量的沖擊平均來看以負數居多(圖5a-5d)，并且在第3期達到最低點，其后逐步穩定。說明在極端下跌行情中，隨著收益率的持續走低成交量水平逐漸增大，并且該影響具有較長的持續效應。從不同時間段的比較來看，交易限制前，在極端下跌事件前5分鐘至發生時間段內收益率對成交量的沖擊較大(圖5b)；而在交易限制之后，沖擊較大時間段被提前到了極端下跌事件前10至前5分鐘時間段內(圖5c)。說明在交易限制之后，股指期貨市場投資者為了應對預期的進一步下跌，趨向于提前做出行動，使得在極端下跌情況發生時流動性供給與需求所受到的沖擊較小，分散了流動性萎縮所產生的壓力。

從脈沖響應函數圖(圖6)中我們也可以得出相同結論。交易限制之后，收益率對成交量的沖擊(圖6c、6d)與成交量對收益率的沖擊(圖6g、6h)以負數居多，并且其強度在臨近極端下跌事件發生時得到了增強。

表7 滬深300指數，交易限制前極端下跌行情收益率與成交量分段VAR模型

表8 滬深300指數，交易限制后極端下跌行情收益率與成交量分段VAR模型

圖6 滬深300指數，極端下跌行情收益率對成交量的脈沖響應函數(上半部分)以及成交量對收益率的脈沖響應函數(下半部分)

脈沖響應函數圖(圖7)也支持以上觀點，收益率對賣單成交量的沖擊(圖7c)以及賣單成交量對收益率的沖擊(圖7g)在交易限制之后的前10至前5分鐘時間段內在第2期達到最低點，其后逐步穩定。而在臨近極端下跌事件的時間段內沖擊持續增強(圖7d、圖7h)，到了第10期仍未達到穩定。說明在交易限制之后，股票現貨投資者反映出了很強烈的收益率與賣單成交量的正反饋效應，并且這一現象隨著收益率的不斷下跌持續增強，流動性枯竭和投資者恐慌心理集中爆發，導致極端情況的自我實現。

因此，從分段的VAR模型及其脈沖響應函數中可以看到，在股指期貨市場上交易限制使得投資者更傾向于在預期下跌時盡快調整頭寸。而在指數現貨市場上，在股指期貨交易限制之后發生了與Hasbrouck[22]以及Cohen和Shin[4]研究結果一致的顯著的正反饋現象，并且其強度隨著指數的下跌而增強，是造成9月3日之后極端下跌事件的主要原因。

然而，上文的分析僅體現出了指數現貨市場上在股指期貨交易限制之后的極端下跌行情中出現的正反饋現象，但并沒有說明股指期貨的交易限制是如何傳導并影響現貨市場導致現貨市場出現正反饋效應的。在下一節中我們將通過實證，對這一機理進行闡述并做出經濟學的可行解釋。

表9 滬深300指數，交易限制前極端下跌行情收益率與賣單成交量分段VAR模型

表10 滬深300指數，交易限制后極端下跌行情收益率與賣單成交量分段VAR模型

圖7 滬深300指數，極端下跌行情收益率對賣單成交量的脈沖響應函數(上半部分)以及賣單成交量對收益率的脈沖響應函數(下半部分)

3.4股指期貨交易限制溢出效應分析

隨著我國股指期貨市場的日益成熟，股指期貨市場投資者運用股指期貨管理對沖現貨風險。特別是在市場異常下跌期間，考慮到現貨賣出成本等因素投資者更樂意在股指期貨市場上做對沖。由于股指期貨較高的門檻限制，股指期貨市場的參與者大多是機構套保、套利和投機交易者，散戶投資者較少參與。然而，由于股指期貨的交易限制割裂了期現之間的聯系，使得機構投資者無法在股指期貨市場上完全對沖其現貨風險暴露頭寸或對沖成本較高，并且由于股票現貨市場上歷來缺乏有效的做空工具，機構投資者只有在現貨市場上大量拋售其持有的現貨頭寸，導致了現貨市場上由于缺乏了類似股指期貨這樣的對沖工具而產生的極端下跌行情期間的正反饋效應。這就使得股指期貨上的監管限制溢出到了現貨市場，并對現貨市場造成影響。

因此，為了研究股指期貨交易限制的溢出效應，我們做出如下假設：

1)交易限制之后，極端下跌行情期間股指期貨與現貨市場的領先滯后關系被消除

2)交易限制之后，極端下跌行情期間現貨市場上代表機構投資者的大額賣單增多并且出現正反饋效應。

首先，采用VAR模型同樣可以研究滬深300現貨與股指期貨之間的領先滯后關系，模型如下：

這說明，股指期貨交易限制前現貨指數收益率大多數情況下是股指期貨收益率的領先指標，并且是正相關關系，與以往研究表明股指期貨市場對現貨指數市場有領先關系、股指期貨具有價格發現功能的結論相一致。另一方面，交易限制切斷了這一聯系，VAR模型系數的顯著個數驟降，說明期現市場的聯動關系被打破，現貨指數收益率對股指期貨收益率的領先關系消失。

表11 滬深300指數，交易限制前后極端下跌行情現貨和期貨收益率VAR模型

其次，從交易限制之后，極端下跌行情期間現貨指數大額賣單、小額賣單(以75%分位點為例)的變化情況(圖8)也可以發現，盡管在臨近極端下跌事件發生的幾分鐘時間內，小額賣單都有所下降，但交易限制之后的大額賣單在極端下跌行情期間呈現指數級增長，相比開始時增長近3倍，而交易限制前大額賣單僅在極端下跌事件發生前小幅攀升近40%。反映出在這段時間內具有資金實力的投資者大量拋售其持有的股票現貨，并且隨指數的下降拋售幅度增強。

圖8 滬深300現貨指數，交易限制前極端下跌行情平均大額賣單(圖左上)、小額賣單(圖左下)；交易限制后極端下跌行情平均大額賣單(圖右上)、小額賣單(圖右下)

表12 滬深300現貨指數，交易限制前后極端下跌行情收益率與相對區分法的大額賣單VAR模型

表13 滬深300指數，交易限制前后極端下跌行情收益率與絕對區分法的大額賣單VAR模型

隨后，我們用絕對區分法(超過500手的賣單為大額賣單)作為穩健性檢驗。我們發現，與運用90%分位點相類似的是，在用絕對區分法的方程中平穩方程的個數有所降低，其原因在于我們選取的閾值偏高，導致截取的數據較少。然而，運用絕對區分法作為魯棒性檢驗的結果同樣支持在交易限制后的極端下跌行情中大額賣單和收益率的正反饋效應增強的結論。

總的來講，我們發現在股指期貨市場上的交易限制出臺后，極端下跌行情期間現貨與期貨的聯系被割裂，并且出現了指數成份股大額賣單與收益率的正反饋效應。間接反映出了由于股指期貨市場無法發揮風險對沖的功能，而在現貨市場缺乏有效做空工具的條件下，機構投資者傾向于在指數下跌行情期間拋售持有的現貨頭寸，而這一拋售行為又反過來造成了指數進一步下跌，形成極端下跌事件。因此，可以認為股指期貨交易限制的影響溢出到了現貨市場，造成了現貨市場的不穩定。

4 結語

本文基于滬深300指數成份股和滬深300股指期貨日內高頻數據，研究了2015年23次日內極端下跌行情期間的正反饋效應，提出正反饋現象導致極端下跌事件自我實現的成因的新思路，即監管限制導致的交易機制的改變影響投資者行為，繼而引發極端行情的自我實現。并且，由于市場之間聯動關系的改變，對股指期貨市場的交易限制措施會對滬深300現貨市場產生沖擊，形成溢出效應。

本文的研究表明，股指期貨交易限制對股指期貨市場具有直接沖擊，導致股指期貨市場流動性嚴重萎縮。現貨市場方面，盡管交易限制后現貨市場成交量(總量)有所下降，但交易限制后極端下跌行情期間成交量(增長率)快速增長并且出現了買賣不平衡現象。另外，在極端下跌行情中股指期貨市場的正反饋效應并不明顯。但是在股指期貨限制措施出臺后，現貨市場出現了較為顯著的收益率與成交量的正反饋效應，并且這一效應在區分了買方驅動還是賣方驅動的成交量后依然顯著，即指數下跌引發了更多的成份股賣單，而賣單又導致指數進一步下跌。

進一步，我們對股指期貨的交易限制傳導并影響現貨市場，導致現貨市場出現正反饋效應的機理進行了闡述。通過實證，本文發現交易限制之后，極端下跌行情期間股指期貨與現貨市場的領先滯后關系被消除、現貨市場上大額賣單增多并且出現正反饋效應。間接反映出了由于股指期貨市場無法發揮風險對沖的功能，而在現貨市場缺乏有效做空工具的條件下，機構投資者傾向于在指數下跌行情期間拋售持有的現貨頭寸，而這一拋售行為又反過來造成了指數進一步下跌，形成極端下跌事件。

隨著我國證券市場中股指期貨、杠桿交易等金融創新產品和制度的推出，各市場之間的聯系愈發緊密，不恰當的制度安排和監管措施比以往更容易阻礙市場正常功能的實現、加大市場波動和系統性風險。因此，監管需要有系統性的思維，不能只著眼于局部市場，甚至被輿論綁架。另外，金融創新導致市場具有路徑依賴，并引入了更多正反饋特征的交易機制，而與此同時，監管措施卻沒有及時適應系統的變化，做出有利于系統穩定的調整，反而在有些時候反其道而行之，因而進一步加劇了金融系統的不穩定性。面對當前金融系統的變化，監管層應該更多著眼于阻斷正反饋效應。從這兩個角度來說，“疏浚”的監管方式或許比“圍堵”的監管限制更有效。

[1] Amihud Y,Mendelson H.Liquidity and the 1987 stock market crash[J].Journal of Portfolio Management,1990,16(3): 65-69.

[2] Grossman S J,Miller M H.Liquidity and market structure[J].Journal of Finance,1988,43(3): 617-633.

[3] Tambakis D N.Feedback trading and intermittent market turbulence[J].Quantitative Finance,2008,9(4): 477-489.

[4] Cohen B H,Shin H S.Positive feedback trading under stress: Evidence from the US treasury securities market[R].Working Paper,Bank for International Settelments,2002.

[5] 李紅權，汪壽陽，馬超群.股價波動的本質特征是什么？——基于非線性動力學分析視角的研究[J].中國管理科學,2008，16(5):1-8.

[6] 陳國進,張貽軍，王磊.股市崩盤現象研究評述[J].經濟學動態,2008，(11):116-120.

[7] Ozdenoren E,Yuan K.Feedback effects and asset prices[J].Journal of Finance,2008,63(4): 1939-1975.

[8] Allen F,Gale D.Stock-Price Manipulation[J].Review of Financial Studies,1992,5(3):503-29.

[9] 馮蕓,施杰,董珊珊.操縱性投機行為對金融市場質量的影響:基于計算機仿真平臺的研究[J].系統管理學報,2016，25(3):422-438.

[10] 李少平,顧廣彩.中國證券市場正反饋交易的實證研究[J].系統工程,2007，(9):111-115.

[11] 張恩眾.正反饋交易對證券市場的影響——來自上海證券市場的證據[J].山東社會科學,2009，(10):83-86.

[12] Shiller R J,Kon-Ya F,Tsutsui Y.Investor behavior in the October 1987 stock market crash: Survey evidence[J].Journal of the Japanese and International Economics,1991,5(1):1-13.

[13] Hong H,Stein J C.Differences of opinion,short-sales constraints,and market crashes[J].Review of Financial Studies,2003,16(2): 487-525.

[14] Brunnermeier M K,Abreu D.Bubbles and crashes[J].Econometrica,2003,71(1):173-204.

[15] Huang J,Wang Jiang.Liquidity and market crashes[J].Review of Financial Studies,2009,22(7): 2607-2643.

[16] 肖輝,吳沖鋒.現貨市場與期貨市場微觀結構比較研究[J].管理科學學報,2009，12(1):93-100.

[17] 袁懷宇.金融危機下賣空管制對證券市場的影響——以臺灣市場為例[J].中國證券期貨,2010，(2):9-11.

[18] Goldstein M A,Kavajecz K A.Liquidity provision during circuit breakers and extreme market movements[R].Working Paper,White Ctr for Financial Research,New Orleans,2000.

[19] Goldstein M A,Kavajecz K A.Trading strategies during circuit breakers and extreme market movements[J].Journal of Financial Markets,2004,7(3): 301-333.

[20] 劉睿智,周勇.期現貨市場訂單流動性層面的“遛狗效應”——基于交易量刻度的高頻交易數據研究[J].中國管理科學2016，24(4):19-26.

[21] 曹棟,張佳.基于GARCH-M模型的股指期貨對股市波動性影響的研究[J].中國管理科學,2017,25(1):27-34.

[22] Hasbrouck J.Measuring the information content of stock trades[J].Journal of Finance,1991,46(1): 179-207.

[23] Moazzami B,Dadgostar B.Return and volume and the 2008 market crash[J].Journal of Applied Business &Economics,2013,15(2):33-37.

[24] Mu Guohua,Zhou Weixing,Chen Wei,et al.Order flow dynamics around extreme price changes on an emerging stock market[J].New Journal of Physics,2010,12(7):1653-1655.

Abstract： In this essay,the cross-market risk events caused by temporary regulatory restrictions are discussed under the circumstances that markets are linked much more closely than ever before.

Over the past three decades,financial market risk events appeared one after another.Especially when facing sharp market crashes,financial regulators tend to urgently introduce a series of stringent regulatory restrictions to stabilize the market.However,it has been found that these temporary control measures can stabilize part of the market in the short term but may have a spillover effect on the associated market and lead to greater turbulence due to the tightening of financial markets,and also damage the quality of financial markets as a result.

During the mid-2015 market crash in China,the China Financial Futures Exchange adjusted three times during a short period (August 25,August 28 and September 2) the exchange margin,intraday open position and intraday close position fee,which aimed at controlling over-speculation trades.However,the trading restrictions on stock index futures were likely to further reduce the spot market liquidity,increase the spot market selling pressure,which may cause the formation of positive feedback effect,thereby increasing the futures and spot market abnormal fluctuations.

Based on this view,the VAR model is used to study the positive feedback effect between the CSI 300 index yield (CSI 300 stock index futures yield) and the volume.In the year 2015,a total of 23 intraday extreme market crash events are selected as the research sample (including 16 events before stock index futures trading restrictions,and 7 events afterwards).

Focusing on the strict trading limits implemented on the stock index futures market during 2015 market crash,it is found that liquidity shrank in the stock index futures,and a significant positive feedback between return and order flow lead to the self-actualization of extreme events.Institutional investors fail to hedge risk via stock index futures due to the strict trading limits,which strengthens the selling pressure on stock market and causes the market crash.

Therefore,regulators should comprehensively analysis the structure changes in the current market when using regulatory restrictions to avoid policy failure.

Keywords： regulatory restrictions;cross-market rick;positive feedback

Positive Feedback and Regulatory Spillover Effect During Market Crash

DINGYi-jun,FENGYun

(Antai College of Economics and Management,Shanghai Jiao Tong University,Shanghai 200030,China)

F830.9

A

1003-207(2017)09-0081-16

10.16381/j.cnki.issn1003-207x.2017.09.010

2016-12-05；

2017-03-17

國家自然科學基金資助項目(71271136)

馮蕓(1973-)，女(漢族)，海南定安人，上海交通大學安泰經濟與管理學院金融系教授，博士生導師，研究方向：金融工程、金融管理，E-mail:fengyun@sjtu.edu.cn.