滬深300股指期貨與現(xiàn)貨市場間風(fēng)險(xiǎn)傳染效應(yīng)及影響因素

李延軍 林雪瑞

摘? ?要：本文選取2005—2019年我國滬深300股指期貨和滬深300股票指數(shù)日收盤價(jià)數(shù)據(jù)，結(jié)合股票推出時(shí)間、股價(jià)波動(dòng)性，設(shè)置樣本組、對照組，運(yùn)用GARCH模型、DCC-GARCH模型、Granger因果關(guān)系檢驗(yàn)及多元線性回歸模型分析了滬深300股指期貨與現(xiàn)貨間的風(fēng)險(xiǎn)傳染效應(yīng)及影響因素，并結(jié)合研究結(jié)論提出對策，以期促進(jìn)資本市場健康發(fā)展。結(jié)果表明：滬深300股指期貨市場與現(xiàn)貨市場間存在雙向的風(fēng)險(xiǎn)傳染效應(yīng)，且經(jīng)DCC-GARCH模型分析表明風(fēng)險(xiǎn)傳染效應(yīng)在動(dòng)蕩期尤為明顯;影響這種風(fēng)險(xiǎn)傳染效應(yīng)的因素有很多，主要表現(xiàn)為微觀因素中的股票市場流動(dòng)性和股票市場不確定性與極端事件兩個(gè)方面。

關(guān)鍵詞：滬深300股指期貨;滬深300股票指數(shù);風(fēng)險(xiǎn)傳染;DCC-GARCH模型;多元線性回歸

一、引言

21世紀(jì)以來 ，隨著全球金融市場開放程度加深、聯(lián)動(dòng)性加強(qiáng)，金融市場間的風(fēng)險(xiǎn)傳染效應(yīng)已成為投資者關(guān)注的重點(diǎn)之一。風(fēng)險(xiǎn)傳染效應(yīng)即在危機(jī)發(fā)生時(shí)，不同金融市場間價(jià)格波動(dòng)的相關(guān)性較穩(wěn)定時(shí)期明顯增加的現(xiàn)象，它通過貿(mào)易傳染、資本流動(dòng)等宏觀層面和噪聲交易、羊群效應(yīng)等微觀層面的傳染渠道引起金融資產(chǎn)收益率和價(jià)格波動(dòng)。信息時(shí)代的到來加速了金融市場間訊息的傳遞，為金融市場間風(fēng)險(xiǎn)的加速傳染埋下隱患。因此，如何防范金融市場間的風(fēng)險(xiǎn)傳染已成為亟待解決的問題。

股指期貨是期貨交易的一種，以股票指數(shù)為標(biāo)的，按照約定的交易日期和交割數(shù)量，通過現(xiàn)金結(jié)算差價(jià)的形式，進(jìn)行標(biāo)的指數(shù)買賣。滬深300股指期貨作為我國大陸第一個(gè)股指期貨產(chǎn)品，自推出以來就備受關(guān)注。股指期貨以股指現(xiàn)貨為標(biāo)的資產(chǎn)，股票市場的價(jià)格波動(dòng)會(huì)直接影響股指期貨的價(jià)格波動(dòng)。同時(shí)，股指期貨自身具有的套期保值、規(guī)避風(fēng)險(xiǎn)的功能，又會(huì)間接影響股票市場。滬深300股指期貨推出后，關(guān)于其對現(xiàn)貨市場價(jià)格波動(dòng)的影響，學(xué)者們持積極與消極兩種對立態(tài)度。而兩市場間是否存在風(fēng)險(xiǎn)傳染效應(yīng)以及風(fēng)險(xiǎn)傳染效應(yīng)的具體方向，均因我國股指期貨市場建設(shè)不完善、上市時(shí)間較短，使得我國部分相關(guān)研究存在不確定性和局限性。而其他國家關(guān)于股指期貨研究得出的結(jié)論，因市場、政策背景不同，并不一定適用于中國市場。

因此，本文以2005—2019年近10年的滬深300股指期貨和現(xiàn)貨市場的交易數(shù)據(jù)為樣本，采用多元GARCH模型，對股指期貨與現(xiàn)貨市場間的風(fēng)險(xiǎn)傳染效應(yīng)進(jìn)行實(shí)證研究，并結(jié)合Granger因果關(guān)系檢驗(yàn)進(jìn)一步探究風(fēng)險(xiǎn)的傳染方向，進(jìn)而系統(tǒng)分析影響期現(xiàn)市場風(fēng)險(xiǎn)傳染效應(yīng)的因素。基于以上結(jié)論，提出政策建議，以期為我國金融體系的健全與發(fā)展做出貢獻(xiàn)。

二、文獻(xiàn)回顧

隨著金融市場間的關(guān)系變得空前密切，怎樣防范、應(yīng)對市場間的聯(lián)動(dòng)風(fēng)險(xiǎn)傳染備受各國矚目。國外學(xué)者Hamao 等（1990）[1]在20世紀(jì)末就紐約市場與東京市場間的波動(dòng)溢出效應(yīng)做了相應(yīng)研究，這是最早關(guān)于市場間風(fēng)險(xiǎn)傳染效應(yīng)的實(shí)證研究。基于此，橫跨國際、聯(lián)動(dòng)金融各市場間的風(fēng)險(xiǎn)傳染效應(yīng)研究網(wǎng)絡(luò)全面鋪開。國內(nèi)外相關(guān)學(xué)者對股指期貨與現(xiàn)貨市場間的風(fēng)險(xiǎn)傳染效應(yīng)研究，主要從市場價(jià)格波動(dòng)產(chǎn)生的波動(dòng)溢出效應(yīng)和特殊時(shí)間點(diǎn)下的風(fēng)險(xiǎn)傳染效應(yīng)兩方面著手。

基于波動(dòng)溢出效應(yīng)的風(fēng)險(xiǎn)傳染效應(yīng)研究方面，Kawaller等（1990）[2]從實(shí)證角度出發(fā)，運(yùn)用格蘭杰因果關(guān)系檢驗(yàn)，認(rèn)為S&P500股指期現(xiàn)市場間不存在價(jià)格波動(dòng)關(guān)系。而幾乎同期Chan等（1991）[3]通過構(gòu)建多元GARCH模型同樣檢驗(yàn)了S&P500股指期現(xiàn)市場間的關(guān)系，認(rèn)為其存在價(jià)格波動(dòng)關(guān)系，Lee（1991）[4]等人的研究也證明了這一觀點(diǎn)。后來更有研究表明價(jià)格方差比價(jià)格均值更能表現(xiàn)出市場間的風(fēng)險(xiǎn)傳染效應(yīng)（Lin和Tamvakis，2001）[5]，之后便有不同學(xué)者以價(jià)格方差為測度指標(biāo)考察不同市場間的波動(dòng)溢出效應(yīng)。Undetwood（2009）[6]以多個(gè)國家的資本市場為研究對象，使用股市與債券市場間聯(lián)動(dòng)數(shù)據(jù)形成收益率序列，采用多個(gè)GARCH模型證實(shí)了不同金融市場間波動(dòng)溢出效應(yīng)是廣泛存在的，這一結(jié)論對該問題的研究具有里程碑意義。相對于國外學(xué)者，國內(nèi)學(xué)者研究更晚，部分學(xué)者以滬深300股指期貨市場為研究對象，結(jié)果表明期現(xiàn)市場間不存在或沒有發(fā)現(xiàn)存在風(fēng)險(xiǎn)傳染效應(yīng)（陳焱等，2013）[7]。而大部分學(xué)者則持反對意見，并通過GARCH模型、BEKK-MGARCH模型、HAR-CAW模型證明滬深300股指期現(xiàn)市場間確實(shí)存在不對稱的波動(dòng)溢出效應(yīng)（章永哲和錢敏，2015;趙樹然等，2018）[8，9]。李樂俊（2017）[10]結(jié)合BEKK-GARCH模型和DCC-GARCH模型不僅證實(shí)了我國股指期貨與國內(nèi)現(xiàn)貨市場存在雙向的波動(dòng)傳染效應(yīng)，還發(fā)現(xiàn)了國內(nèi)與國外不同市場之間也存在傳染風(fēng)險(xiǎn)。張?bào)惴搴凸鶠r陽（2020）[11]通過分階段地考察滬深300股指期現(xiàn)市場，發(fā)現(xiàn)在深度貼水前和深度貼水后，期現(xiàn)市場間均存在顯著的雙向波動(dòng)溢出效應(yīng)。

資本市場存在許多極具特色的時(shí)間點(diǎn)，在不同時(shí)間點(diǎn)上股票市場價(jià)格會(huì)表現(xiàn)出不同的形態(tài)與趨勢，基于特殊時(shí)間點(diǎn)的研究以期貨推出時(shí)間、股市震蕩時(shí)間和限制性政策推出時(shí)間為主。股指期貨推出后，國外學(xué)者對股指期貨市場的引入對現(xiàn)貨市場價(jià)格波動(dòng)性的影響存在三種觀點(diǎn)：變大、不變和變小，國內(nèi)學(xué)者則持股票價(jià)格波動(dòng)變大或變小兩種觀點(diǎn)。早期國內(nèi)研究主要是以與國內(nèi)環(huán)境相仿的亞太地區(qū)股指期貨為研究對象，在結(jié)論上具有一定局限性。隨著近幾年股指期貨市場日漸成熟，相關(guān)研究才逐漸增多。大部分學(xué)者經(jīng)模型實(shí)證分析發(fā)現(xiàn)國內(nèi)股指期貨上市后現(xiàn)貨市場流動(dòng)性明顯增加，股指期貨的推出很好地發(fā)揮了對資本市場的價(jià)格發(fā)現(xiàn)功能，股票市場波動(dòng)性在一定程度上有所減小（曹棟和張佳，2017;陳其安等，2020）[12，13]。當(dāng)然還是有部分學(xué)者持反對意見（楊陽和萬迪昉，2010）[14]，認(rèn)為股指期貨的推出增大了現(xiàn)貨市場的非對稱效應(yīng)。

股指期貨產(chǎn)品成名于美國金融危機(jī)時(shí)，面對幾次股票市場的劇烈波動(dòng)，國外對股指期貨風(fēng)險(xiǎn)傳染效應(yīng)的研究已相當(dāng)成熟。早期學(xué)者基于20世紀(jì)美國幾次重大金融危機(jī)發(fā)現(xiàn)，特殊時(shí)期確實(shí)會(huì)使資本市場間聯(lián)動(dòng)性增強(qiáng)（Bertero和Mayer，1990;Baig和Goldfaijin，1998）[15，16]，后續(xù)學(xué)者的研究也證明了這一觀點(diǎn)。不僅限于金融危機(jī)，凡出現(xiàn)影響股市價(jià)格波動(dòng)的重大事件時(shí)，各關(guān)聯(lián)市場間的波動(dòng)溢出效應(yīng)也會(huì)增強(qiáng)（Kim等，2010）[17]。由于國內(nèi)沒有發(fā)生過較大金融危機(jī)，大多數(shù)國內(nèi)學(xué)者研究主要著眼于國外市場。直到近幾年，在期貨市場經(jīng)歷了2015年和2018年兩次較大市場異動(dòng)后，少部分學(xué)者開始通過模型并截取我國股指期現(xiàn)市場長期交易數(shù)據(jù)進(jìn)行研究。楊林和楊雅如（2017）[18]運(yùn)用E-G兩步協(xié)整檢驗(yàn)等方法對2015年股災(zāi)期間我國期現(xiàn)兩市場進(jìn)行實(shí)證研究，發(fā)現(xiàn)盡管滬深300股指期貨表現(xiàn)出價(jià)格引導(dǎo)作用，但對現(xiàn)貨市場的單向波動(dòng)溢出加劇了現(xiàn)貨市場價(jià)格波動(dòng)。而黃嵩等（2018）[19]通過截取包括股災(zāi)期間的整體期現(xiàn)市場數(shù)據(jù)，將樣本分為5個(gè)時(shí)期，經(jīng)BEKK-GARCH模型實(shí)證發(fā)現(xiàn)期現(xiàn)市場只有在股災(zāi)期間存在顯著的雙向波動(dòng)溢出效應(yīng)且期貨市場能分擔(dān)現(xiàn)貨市場的風(fēng)險(xiǎn)。于瑞安等（2019）[20]進(jìn)一步將研究數(shù)據(jù)分為平穩(wěn)期和動(dòng)蕩期兩組，對比分析不同階段期現(xiàn)市場間的風(fēng)險(xiǎn)傳染效應(yīng)，發(fā)現(xiàn)股災(zāi)期間我國期現(xiàn)兩市場之間呈現(xiàn)出顯著的雙向傳染效應(yīng)，但也指出股指期貨并不是引起股票市場異常波動(dòng)的原因。

股指期貨出現(xiàn)后，一些國家為應(yīng)對金融危機(jī)出臺(tái)許多限制性政策，部分學(xué)者認(rèn)為這些限制性政策不僅沒有降低市場波動(dòng)性，反而損壞了市場的運(yùn)行效率（Miao等，2017;謝太峰等，2017）[21，22]。進(jìn)一步具體分析不同國家時(shí)，發(fā)現(xiàn)國家的限制性政策因各國市場不同而發(fā)揮不同作用（王軍和劉卓然，2016）[23]。為此，我國學(xué)者又將股指期貨交易時(shí)間段進(jìn)行劃分，發(fā)現(xiàn)政策松綁有利于發(fā)揮股指期貨的價(jià)格發(fā)現(xiàn)功能，而且一定程度上也會(huì)提高市場的流動(dòng)性（熊亞萍，2019）[24]。

本文的貢獻(xiàn)在于：一方面，以滬深300股指期貨為樣本，按股價(jià)波動(dòng)性分為動(dòng)蕩期與平穩(wěn)期來分析股指期貨與現(xiàn)貨市場間的風(fēng)險(xiǎn)傳染效應(yīng)，為驗(yàn)證金融市場間的風(fēng)險(xiǎn)傳染效應(yīng)的存在性提供了穩(wěn)健可信的證據(jù)。另一方面，本文創(chuàng)新性地從宏觀層面、微觀層面和極端事件三方面系統(tǒng)分析期現(xiàn)市場風(fēng)險(xiǎn)傳染效應(yīng)的影響因素，不僅啟發(fā)了國內(nèi)相關(guān)研究學(xué)者，而且豐富了我國的相關(guān)理論研究。

三、模型與數(shù)據(jù)

（一）GARCH模型

（二）DCC模型

（三）數(shù)據(jù)選取

本文選取2005年4月14日到2019年12月31日滬深300股票指數(shù)日收盤價(jià)和2010年4月16日—2019年12月31日的滬深300股指期貨的日收盤價(jià)為研究數(shù)據(jù)，根據(jù)研究目的對數(shù)據(jù)進(jìn)行再劃分：第一步，選取2005年4月14日至2015年4月16日的滬深300指數(shù)的日收盤價(jià)，數(shù)據(jù)共計(jì)2430個(gè)，以中國金融期貨交易所在2010年4月16日推出的滬深300股指期貨時(shí)間為界限，分別選取滬深300股指期貨推出前后一年期、兩年期、五年期的股指現(xiàn)貨價(jià)格數(shù)據(jù)，對比研究股指期貨推出前后不同階段內(nèi)對現(xiàn)貨市場波動(dòng)性的影響。第二步，以滬深300股指期貨和其對應(yīng)的滬深300股票指數(shù)為研究對象。從我國股指期貨合約首次推出時(shí)間開始，選取2010年4月16日至2019年12月31日的股指期貨日收盤價(jià)為樣本序列，相應(yīng)地采用相同時(shí)間段的股票現(xiàn)貨作為樣本序列，每個(gè)序列包含2363個(gè)數(shù)據(jù)。其中樣本選取時(shí)有兩點(diǎn)需要注意：其一，由于滬深300股指期貨一般有4個(gè)合約同時(shí)在市交易，為減弱市場自身波動(dòng)性的影響，本文選擇當(dāng)月合約作為主力合約。其二，考慮到我國推出滬深300股指期貨后，股指期現(xiàn)市場先后經(jīng)歷了2015年與2018年兩次股市動(dòng)蕩。為了準(zhǔn)確研究不同情況下期現(xiàn)兩市場間的風(fēng)險(xiǎn)傳染效應(yīng)，本文借鑒于瑞安等（2019）[20]的研究，將股市運(yùn)行時(shí)期分為平穩(wěn)期和動(dòng)蕩期，并將2015年股市震蕩期定義為2014.12.01—2016.03.02。同時(shí)，根據(jù)國泰安顯示的滬深300指數(shù)波動(dòng)走勢，將2018年的股市動(dòng)蕩期自定義為2018.01.02—2019.05.20，整體樣本序列的其他區(qū)間均定義為平穩(wěn)期。數(shù)據(jù)選擇完成后，為保障數(shù)據(jù)為平穩(wěn)序列，將兩次分類數(shù)據(jù)均進(jìn)行一階差分化處理，最終得到兩組數(shù)據(jù)，分別記為組1、組2。本文數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫，數(shù)據(jù)處理采用Eview9軟件。每階段數(shù)據(jù)選擇見圖1。

四、實(shí)證分析

（一）股指期貨對現(xiàn)貨市場波動(dòng)性影響

1. 數(shù)據(jù)的描述性統(tǒng)計(jì)。滬深300指數(shù)日度收益率序列描述性統(tǒng)計(jì)分析結(jié)果見表1，從中可以看出，前后一年期、兩年期、五年期的滬深300指數(shù)收益率序列偏度均小于0，呈現(xiàn)出左偏的情況;峰度均大于3，呈現(xiàn)出尖峰和厚尾的情況，符合金融時(shí)間序列表現(xiàn)出非正態(tài)分布的統(tǒng)計(jì)特征。而且，三組收益率序列JB正態(tài)檢驗(yàn)在1%的置信水平下拒絕原假設(shè)，從統(tǒng)計(jì)檢驗(yàn)角度驗(yàn)證了指數(shù)收益率均不服從正態(tài)分布。

由圖2可以看出，滬深300指數(shù)日度收益率圍繞0值上下波動(dòng)，整體區(qū)間表現(xiàn)還算平穩(wěn)。但是在某些時(shí)間段內(nèi)，滬深300指數(shù)收益率序列表現(xiàn)出波動(dòng)聚集現(xiàn)象。一般金融時(shí)間序列會(huì)存在自相關(guān)問題，即數(shù)據(jù)表現(xiàn)出異方差性，從收益率折線圖上會(huì)明顯出現(xiàn)波動(dòng)聚集現(xiàn)象。當(dāng)序列出現(xiàn)某一特征值時(shí)，數(shù)據(jù)波動(dòng)性會(huì)受到特征值的影響從而表現(xiàn)出一段時(shí)間內(nèi)相關(guān)聯(lián)的特點(diǎn)。滬深300股指期貨推出前，股票市場表現(xiàn)出長期劇烈的波動(dòng);推出后，股票市場波動(dòng)情況逐漸緩解。但是，滬深300股指期貨推出對現(xiàn)貨市場是否存在影響、如何影響，仍有待研究證明。

2.? GARCH模型估計(jì)。為避免出現(xiàn)偽回歸問題造成研究偏差，對數(shù)據(jù)進(jìn)行了ADF檢驗(yàn)，結(jié)果表明前后一年期、兩年期、五年期的滬深300指數(shù)的日度收益率序列都是平穩(wěn)的。ARCH效應(yīng)檢驗(yàn)也表明三組殘差序列均存在ARCH效應(yīng)，因而可以進(jìn)一步建立GARCH模型。本文選取GARCH（1，1）模型進(jìn)行實(shí)證分析，同時(shí)在條件方差方程中引入虛擬變量D來刻畫股指期貨對股指現(xiàn)貨波動(dòng)性的影響，其中推出股指期貨前D=0，推出股指期貨后D=1。具體GARCH（1，1）模型為：

從表2可以看出，條件方差方程中的參數(shù)整體都通過了檢驗(yàn)，P值也比較顯著，說明GARCH（1，1）模型較好地?cái)M合了樣本數(shù)據(jù)。其中ARCH項(xiàng)系數(shù)α1、GARCH項(xiàng)系數(shù)β1分別反映出市場新、舊消息對于股指波動(dòng)性條件的影響。由實(shí)證結(jié)果可知α1、β1系數(shù)均為正，且系數(shù)β1的值遠(yuǎn)大于系數(shù)α1的值，說明新、舊消息對股指波動(dòng)性具有正向影響，舊消息對于市場波動(dòng)性的影響更加顯著。但α1+β1<1，說明市場信息對未來現(xiàn)貨市場的影響逐步減弱。從虛擬變量系數(shù)λ的回歸結(jié)果來看，系數(shù)λ均為負(fù)，表明我國滬深300股指期貨的出現(xiàn)對股票市場的波動(dòng)性具有一定平抑作用;但是隨著時(shí)間的推移，系數(shù)λ的絕對值逐漸減小，說明長期來看股指期貨對現(xiàn)貨市場波動(dòng)的抑制作用在逐漸減弱。

（二）股指期貨與現(xiàn)貨市場間風(fēng)險(xiǎn)傳染效應(yīng)檢驗(yàn)

1. 數(shù)據(jù)的描述性統(tǒng)計(jì)。對整個(gè)時(shí)間區(qū)間內(nèi)滬深300股指期貨日收益率序列、滬深300指數(shù)日收益率序列（組2）進(jìn)行的統(tǒng)計(jì)分析表明，無論是股指期貨市場還是股票市場，整個(gè)時(shí)間區(qū)間內(nèi)的收益率序列偏度均小于0，表現(xiàn)出左偏現(xiàn)象，且峰度均大于3，呈現(xiàn)出尖峰厚尾的統(tǒng)計(jì)特性，說明兩個(gè)收益率序列均不服從標(biāo)準(zhǔn)正態(tài)分布。JB正態(tài)檢驗(yàn)P值也都在1%的置信水平下拒絕原假設(shè)，從統(tǒng)計(jì)角度也證明了這一結(jié)論。

從折線圖3、4可以看出，收益率序列整體表現(xiàn)平穩(wěn)，圍繞0值上下波動(dòng)。但是在2015年與2018年序列表現(xiàn)出了明顯的波動(dòng)聚集現(xiàn)象，初步認(rèn)為殘差序列具有異方差的性質(zhì)，具體結(jié)論還有待進(jìn)一步檢驗(yàn)確認(rèn)。

然后分別對平穩(wěn)期與動(dòng)蕩期內(nèi)滬深300股指期貨日收益率序列、滬深300指數(shù)日收益率序列進(jìn)行統(tǒng)計(jì)分析，統(tǒng)計(jì)結(jié)果見表3。

平穩(wěn)期內(nèi)，期、現(xiàn)兩市場平均日收益率均大于0，期貨平均收益率略大于現(xiàn)貨平均收益率，表明平穩(wěn)期市場整體處于穩(wěn)定收益狀態(tài)，期貨市場收益更多。滬深300股指期貨收益率波動(dòng)范圍和標(biāo)準(zhǔn)差略大于股指現(xiàn)貨，說明股指期貨市場價(jià)格波動(dòng)程度更大。兩收益率序列偏度均小于0，峰度均大于3，JB統(tǒng)計(jì)量也都在1%的置信水平下拒絕了正態(tài)分布假設(shè)，表明期、現(xiàn)樣本序列呈現(xiàn)出尖峰厚尾分布狀態(tài)。

動(dòng)蕩期內(nèi)，兩市場平均收益率均小于0，股指期貨平均收益率小于現(xiàn)貨平均收益率，表明動(dòng)蕩期市場更多時(shí)間段處于下跌狀態(tài)，期貨市場虧損更多。標(biāo)準(zhǔn)差數(shù)據(jù)依舊表現(xiàn)出期貨市場價(jià)格波動(dòng)更為劇烈，動(dòng)蕩期標(biāo)準(zhǔn)差數(shù)據(jù)大約為平穩(wěn)期的2倍，市場收益率的波動(dòng)范圍變大，兩個(gè)市場的波動(dòng)程度明顯大幅度增加。從偏度與峰度兩方面來看，動(dòng)蕩期收益率序列仍然呈現(xiàn)尖峰厚尾的特點(diǎn)，但與平穩(wěn)期數(shù)據(jù)相比，其偏離正態(tài)分布的程度更遠(yuǎn)。這些都符合動(dòng)蕩期的特點(diǎn)，收益率樣本總體都表現(xiàn)出金融時(shí)間序列的統(tǒng)計(jì)特性，表明以上收益率樣本均適用于DCC-GARCH模型估計(jì)。

2. DCC-GARCH模型估計(jì)。第一步，對收益率序列進(jìn)行ARCH效應(yīng)檢驗(yàn)，模型估計(jì)結(jié)果見表4，從中可以看出，平穩(wěn)期內(nèi)各收益率序列在滯后2階的情況下，Chi-squared統(tǒng)計(jì)量對應(yīng)的P值在1%的置信水平下均拒絕原假設(shè);動(dòng)蕩期內(nèi)各收益率序列在滯后1階的情況下，Chi-squared統(tǒng)計(jì)量對應(yīng)的P值在1%的置信水平下均拒絕原假設(shè)。表明各序列存在ARCH效應(yīng)，可以進(jìn)一步建立DCC-GARCH模型。

模型估計(jì)結(jié)果顯示，在波動(dòng)率方程中，平穩(wěn)期與動(dòng)蕩期的ARCH項(xiàng)系數(shù)、GARCH項(xiàng)系數(shù)整體顯著，GARCH（1，1）模型整體擬合效果很好。兩個(gè)時(shí)期內(nèi)，α+β<1，表明條件方差方程具有平穩(wěn)性，說明市場消息對股指期貨和股指現(xiàn)貨波動(dòng)性的影響作用有限。同時(shí)，每一個(gè)條件方差模型中GARCH項(xiàng)系數(shù)值β均大于0.9，遠(yuǎn)遠(yuǎn)大于ARCH項(xiàng)系數(shù)值α，說明條件方差對后一期收益波動(dòng)比對當(dāng)期收益波動(dòng)影響更大，即舊消息對收益率的沖擊更明顯，對市場波動(dòng)性的影響更深遠(yuǎn)。此外，平穩(wěn)期與動(dòng)蕩期ARCH項(xiàng)系數(shù)與GARCH項(xiàng)系數(shù)之和比較接近，表明同一時(shí)期市場消息對期現(xiàn)市場綜合影響作用相近。而動(dòng)蕩期ARCH項(xiàng)系數(shù)明顯增大，GARCH項(xiàng)系數(shù)明顯減小，表明期、現(xiàn)兩市場在動(dòng)蕩期對于新消息的反映速度加快，在平穩(wěn)期受到舊消息的影響更大。

在DCC模型中，參數(shù)φ表示動(dòng)態(tài)相關(guān)系數(shù)受到滯后一期的標(biāo)準(zhǔn)化殘差的影響程度，參數(shù)ψ取值越接近1說明變量間相關(guān)性的持續(xù)性越強(qiáng)。從DCC模型估計(jì)結(jié)果來看，除了平穩(wěn)期參數(shù)ψ在10%的置信水平下顯著，平穩(wěn)期與動(dòng)蕩期其余參數(shù)均在1%的置信水平下顯著，且系數(shù)均為正，說明模型估計(jì)結(jié)果是穩(wěn)健可信的。兩組參數(shù)φ估計(jì)結(jié)果顯著，且平穩(wěn)期φ值大于動(dòng)蕩期φ值，表明滯后一期的標(biāo)準(zhǔn)化殘差對動(dòng)態(tài)相關(guān)系數(shù)有顯著影響，但是這種影響在動(dòng)蕩期明顯減弱。參數(shù)ψ雖然顯著，但是動(dòng)蕩期參數(shù)ψ顯著接近1，平穩(wěn)期參數(shù)ψ值很小，說明期現(xiàn)市場間的動(dòng)態(tài)相關(guān)性在動(dòng)蕩期有很強(qiáng)的持續(xù)性，短期內(nèi)這種相關(guān)性不會(huì)減弱;平穩(wěn)期內(nèi)當(dāng)期動(dòng)態(tài)相關(guān)系數(shù)對下一期影響很微弱。

圖5、6分別為平穩(wěn)期、動(dòng)蕩期內(nèi)滬深300股指期貨與滬深300指數(shù)的動(dòng)態(tài)相關(guān)系數(shù)圖，兩時(shí)期內(nèi)的動(dòng)態(tài)相關(guān)系數(shù)均在0.8以上，說明期現(xiàn)兩市場一直表現(xiàn)出高度的正相關(guān)關(guān)系。其中，平穩(wěn)期滬深300股指期貨與滬深300指數(shù)之間的動(dòng)態(tài)相關(guān)系數(shù)沒有明顯的大幅波動(dòng)，系數(shù)整體平穩(wěn)在0.95左右。動(dòng)蕩期期現(xiàn)兩市場間動(dòng)態(tài)相關(guān)系數(shù)表現(xiàn)出強(qiáng)烈起伏，整體水平處于0.81—0.99之間。在市場劇烈震蕩時(shí)動(dòng)態(tài)相關(guān)系數(shù)也達(dá)到一定峰值，尤其是在2015年與2018年股市動(dòng)蕩之初，滬深300期現(xiàn)市場之間的動(dòng)態(tài)相關(guān)系數(shù)有明顯上升，說明了期現(xiàn)市場風(fēng)險(xiǎn)傳染效應(yīng)在動(dòng)蕩期內(nèi)更加顯著。但是其中也存在動(dòng)態(tài)相關(guān)系數(shù)下跌幅度較大的時(shí)候，在2015年9月份，動(dòng)態(tài)相關(guān)系數(shù)下跌到0.81，這可能是因?yàn)橹薪鹚诠墒斜┑谋尘跋虏扇×撕芏啻胧┫拗乒芍钙谪浀慕灰祝斐晒芍钙谪浗灰琢繑嘌率较碌苯佑绊懥斯芍钙谪洶l(fā)揮風(fēng)險(xiǎn)對沖功能，使得兩市場之間的相關(guān)關(guān)系減弱。

綜合比較平穩(wěn)期與動(dòng)蕩期的動(dòng)態(tài)相關(guān)系數(shù)走勢，可以發(fā)現(xiàn)兩市場波動(dòng)較大時(shí)，滬深300股指期現(xiàn)市場間相關(guān)性加強(qiáng)，風(fēng)險(xiǎn)傳染效應(yīng)顯著。

3. Granger因果關(guān)系檢驗(yàn)。滬深300股指期貨與現(xiàn)貨的收益率序列經(jīng)ADF檢驗(yàn)表明均為平穩(wěn)時(shí)間序列，可以進(jìn)行 Granger因果關(guān)系檢驗(yàn)，初步驗(yàn)證風(fēng)險(xiǎn)傳染的存在性并探究風(fēng)險(xiǎn)傳染的方向。

從表6、表7的檢驗(yàn)結(jié)果來看，無論是在平穩(wěn)期還是動(dòng)蕩期，收益率在5%的置信水平下均拒絕了原假設(shè)，滬深300股指期貨與滬深300指數(shù)之間從統(tǒng)計(jì)意義方面表現(xiàn)出雙向作用關(guān)系，這表明兩市場間存在雙向風(fēng)險(xiǎn)傳染效應(yīng)。

（三）股指期貨與現(xiàn)貨市場間風(fēng)險(xiǎn)傳染效應(yīng)的影響因素

1. 多元線性回歸模型構(gòu)建。為研究股指期貨與現(xiàn)貨市場風(fēng)險(xiǎn)傳染效應(yīng)的影響因素，直觀表現(xiàn)出各指標(biāo)對市場相關(guān)性的影響作用，本文嘗試從宏觀層面、微觀層面及極端事件三個(gè)方面來構(gòu)建多元線性回歸模型，采用最小二乘估計(jì)的方法進(jìn)行數(shù)據(jù)擬合，來分析期現(xiàn)市場風(fēng)險(xiǎn)傳染效應(yīng)的影響因素。具體的計(jì)量模型如下：

其中，兩市場月度動(dòng)態(tài)相關(guān)系數(shù)ρ作為被解釋變量，通貨膨脹率ΔCPI、利率R、貨幣供應(yīng)量變化率ΔM2為宏觀因素，股票市場換手率LS、股指期貨市場周轉(zhuǎn)率LF、股票市場波動(dòng)率V為微觀因素，虛擬變量D1、D2作為解釋變量代表極端事件因素。

本文選取的ΔCPI和ΔM2均為月度指標(biāo)的對數(shù)一階差分?jǐn)?shù)據(jù)，市場利率水平為銀行間同業(yè)拆借利率中7日加權(quán)平均利率的月度算術(shù)平均值。選取所有非ST的A股的平均月?lián)Q手率代表股票市場流動(dòng)性指標(biāo)（LS）、滬深300股指期貨月交易量與月持倉量的比值作為股指期貨市場流動(dòng)性指標(biāo)（LF）。對于極端事件因素，本文以兩次股市大跌的時(shí)間虛擬變量作為外生變量，其中，D1表示2015年股災(zāi)期間的虛擬變量，2014年12月—2016年2月期間D1=1，其余月份D1=0;D2表示2018年股市動(dòng)蕩期間的虛擬變量，2018年1月—2019年5月期間D2=1，其余月份D2=0。

2. 模型估計(jì)。為避免結(jié)果造成偽回歸現(xiàn)象，故對各金融時(shí)間序列進(jìn)行ADF檢驗(yàn)，結(jié)果顯示各序列皆平穩(wěn)。此外，為檢驗(yàn)除虛擬變量以外的解釋變量之間是否存在嚴(yán)重的相關(guān)關(guān)系，對宏、微觀解釋變量進(jìn)行相關(guān)性檢驗(yàn)，結(jié)果表明不會(huì)存在很嚴(yán)重的多重共線性。

基于時(shí)間序列平穩(wěn)性、相關(guān)性檢驗(yàn)結(jié)果，以及構(gòu)建的多元線性回歸模型，進(jìn)一步對被解釋變量、解釋變量進(jìn)行回歸分析，最終得到的參數(shù)結(jié)果見表8。

從多元回歸結(jié)果來看，宏觀層面指標(biāo)整體與期現(xiàn)市場動(dòng)態(tài)相關(guān)系數(shù)呈現(xiàn)出正相關(guān)關(guān)系，除了貨幣供應(yīng)量的變化率ΔM2對動(dòng)態(tài)相關(guān)性影響顯著外，通貨膨脹率ΔCPI與市場利率水平R的影響并不顯著。貨幣供應(yīng)量的增加對市場相關(guān)性具有明顯的促進(jìn)作用，當(dāng)中央銀行實(shí)施寬松的貨幣政策時(shí)，會(huì)使市場需求增加，刺激金融市場整體收益上漲。

相較于宏觀層面指標(biāo)，微觀層面指標(biāo)對期現(xiàn)市場動(dòng)態(tài)相關(guān)系數(shù)的影響十分顯著。股票市場的流動(dòng)性LS與波動(dòng)性V對期現(xiàn)市場動(dòng)態(tài)相關(guān)系數(shù)影響作用較強(qiáng)，股指期貨市場流動(dòng)性對期現(xiàn)市場動(dòng)態(tài)相關(guān)系數(shù)影響作用較弱。其中，股票市場的流動(dòng)性LS與市場相關(guān)性存在負(fù)相關(guān)關(guān)系，股指期貨市場的流動(dòng)性LF對市場相關(guān)性存在正相關(guān)關(guān)系，兩個(gè)市場的流動(dòng)性呈現(xiàn)出明顯相反的作用效果，但股票市場流動(dòng)性對動(dòng)態(tài)相關(guān)性的影響作用明顯更大。當(dāng)股票市場換手率提高時(shí)，股票市場交易活動(dòng)頻繁，資金流動(dòng)十分活躍，側(cè)面體現(xiàn)出股票市場處于供小于求的狀態(tài)，股票市場收益率提高。如果假設(shè)正常狀態(tài)下金融市場資金總量一定，則此時(shí)流入股票市場的資金增加，流入股指期貨市場的資金減小，造成股指期貨市場流動(dòng)性降低，兩市場動(dòng)態(tài)相關(guān)性受到影響有所降低。而在金融市場產(chǎn)生危機(jī)時(shí)，市場整體流動(dòng)性下降，股票市場流動(dòng)性對期現(xiàn)相關(guān)性的負(fù)向影響大幅降低，雖然股指期貨市場流動(dòng)性降低使得相關(guān)系數(shù)減小，但在兩市場的共同作用下，相關(guān)性會(huì)有所提高，即市場危機(jī)時(shí)期現(xiàn)市場表現(xiàn)出風(fēng)險(xiǎn)傳染效應(yīng)。股票市場波動(dòng)性指標(biāo)與期現(xiàn)之間相關(guān)系數(shù)表現(xiàn)出負(fù)相關(guān)關(guān)系，單從市場波動(dòng)性這一角度分析，當(dāng)股票市場產(chǎn)生異常波動(dòng)時(shí)，期現(xiàn)兩市場價(jià)格走勢會(huì)出現(xiàn)偏離，市場間相關(guān)性減小。

2015年股災(zāi)與2018年股市動(dòng)蕩兩虛擬變量的系數(shù)表現(xiàn)顯著，但影響作用有所不同。2015年股災(zāi)期間，期現(xiàn)市場相關(guān)系數(shù)比穩(wěn)定時(shí)期下降了0.013995;而2018年股市動(dòng)蕩期間，期現(xiàn)市場相關(guān)系數(shù)比穩(wěn)定時(shí)期增加0.02291。這與期現(xiàn)市場在動(dòng)蕩期動(dòng)態(tài)相關(guān)性表現(xiàn)一致。兩次股市危機(jī)，期現(xiàn)市場相關(guān)性表現(xiàn)出明顯差異，結(jié)合微觀層面影響因素，原因可能是：2015年股災(zāi)期間，我國股指期貨市場整體處于發(fā)展初期，各項(xiàng)制度發(fā)展不完善;同時(shí)2015年9月出臺(tái)股指期貨限制性政策，遏制了股指期貨流動(dòng)性，市場波動(dòng)性增加造成了期現(xiàn)市場相關(guān)性的下降。而2018年股市動(dòng)蕩期間，中國金融市場相關(guān)制度逐步完善，股指期貨交易限制逐步松綁，投資者投資理念有所提高，期現(xiàn)市場相關(guān)性明顯增強(qiáng)。總體來看，股市異常動(dòng)蕩期間，風(fēng)險(xiǎn)通過投資者的羊群效應(yīng)擴(kuò)散，從而使得期現(xiàn)市場風(fēng)險(xiǎn)傳染效應(yīng)有所增強(qiáng)。

五、結(jié)論與建議

通過對股指期現(xiàn)貨市場間風(fēng)險(xiǎn)傳染效應(yīng)及其影響因素的研究，本文主要結(jié)論有：（1）滬深300股指期貨推出后，股票市場對歷史消息的反應(yīng)較新消息更加敏感。短期內(nèi)在一定程度上減弱了股票市場的波動(dòng)性，但長期效果并不明顯。（2）無論是在平穩(wěn)期還是動(dòng)蕩期，滬深300股指期貨市場與現(xiàn)貨市場之間存在雙向的風(fēng)險(xiǎn)傳染效應(yīng)，且一直保持高度正相關(guān)關(guān)系，在動(dòng)蕩期尤為明顯。市場消息對兩市場作用相近，但動(dòng)蕩期對新消息反應(yīng)速度更快，平穩(wěn)期對歷史消息的反應(yīng)程度更深。（3）股指期貨與現(xiàn)貨市場間的相關(guān)性受到多種因素的共同影響，其中微觀因素中股票市場的流動(dòng)性與波動(dòng)性影響作用最強(qiáng)，與期現(xiàn)市場相關(guān)性均呈負(fù)相關(guān)關(guān)系。極端事件方面表現(xiàn)為股市動(dòng)蕩期間，期現(xiàn)市場相關(guān)性增強(qiáng)，風(fēng)險(xiǎn)傳染效應(yīng)更加顯著。

我國股指期貨與現(xiàn)貨市場交易機(jī)制一直處于不對稱的狀態(tài)，使得股指期貨在發(fā)揮價(jià)格發(fā)現(xiàn)功能和套期保值作用時(shí)受到很大程度的限制。而且，我國股指期貨市場產(chǎn)品數(shù)量較少，種類單一，需要進(jìn)一步擴(kuò)大股指期貨市場的規(guī)模，豐富產(chǎn)品種類，為市場投資者提供更全面的風(fēng)險(xiǎn)管理工具和風(fēng)險(xiǎn)規(guī)避手段。同時(shí)，鑒于股票市場流動(dòng)性對期現(xiàn)市場風(fēng)險(xiǎn)傳染具有非常顯著的影響，應(yīng)通過完善交易機(jī)制、擴(kuò)大開放程度等措施提升股票市場流動(dòng)性進(jìn)而有效降低風(fēng)險(xiǎn)傳染概率。

參考文獻(xiàn)：

[1]Hamao Y，Masulis R W，NgV. 1990. Correlations in Price Changes and Volatility across International Stock Markets [J].The Review of Financial Studies，3（2）.

[2]Kawaller I G，Koch Paul D，Koch Timothy W. 1990. Intraday Relationships Between Volatility in S&P 500 Futures Prices and Volatility in the S&P 500 Index [J].Journal of Banking&Fiance，14（2-3）.

[3]Chan K，Chan KC，Karolyi GA. 1991. Intraday Volatility in the Stock Index and Stock Index Futures Markets [J].Reviews of Financial Studies，4（4）

[4]Lee C M C，Shleifer A，Thaler R H. 1991. Investor Sentiment and the Closed. End Fund Puzzle [J].Journal of Finance，46（1）.

[5]Sharon Xiaowen Lin，Michael N Tamvakis. 2001. Spillover Effects in Energy Futures Markets [J].Energy Economics，23（1）.

[6]Shane Underwood. 2008. The Cross-Market Information Content of Stock and Bond Order Flow [J].Journal of Financial Markets，12（2）.

[7]陳焱，李萍，劉濤.股指期貨與現(xiàn)貨市場價(jià)格的互動(dòng)、引導(dǎo)關(guān)系研究——基于滬深300股指期貨的實(shí)證分析 [J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2013，1（2）.

[8]章永哲，錢敏.基于5分鐘高頻數(shù)據(jù)的滬深300股指期貨與現(xiàn)貨市場間波動(dòng)溢出效應(yīng)實(shí)證研究 [J].上海金融，2015，（11）.

[9]趙樹然，袁東，任培民.我國股指期貨與現(xiàn)貨市場的波動(dòng)溢出效應(yīng)研究——基于HAR-CAW模型 [J].運(yùn)籌與管理，2018，27（1）.

[10]李樂俊.我國滬深300股指期貨與現(xiàn)貨市場間風(fēng)險(xiǎn)傳染效應(yīng)的實(shí)證研究 [D].山西財(cái)經(jīng)大學(xué)，2017.

[11]張?bào)惴澹鶠r陽.滬深300股指期現(xiàn)市場多階段波動(dòng)溢出效應(yīng)研究——基于非對稱BEKK-GARCH模型 [J].現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），2020，40（3）.

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

[13]陳其安，張慧，陳抒妤.股指期貨交易加劇了中國股票市場波動(dòng)性嗎？——基于投資者結(jié)構(gòu)的理論和實(shí)證研究 [J].中國管理科學(xué)，2020，28（4）.

[14]楊陽，萬迪昉.股指期貨真的能穩(wěn)定市場嗎？ [J].金融研究，2010，（12）.

[15]Bertero E，Mayer C. 1990. Structure and Performance：Global Interdependence of Stock Markets Around the Crash of October 1987 [J].European Economic Review，34（6）.

[16]Baig T，Goldfajn I. 1998. Financial market contagion in the Asian Crisis [J].

[17]Kim B H，Lee B S. 2010. Spillover Effects of the US Financial Crisis on Financial Markets in Emerging Asian Countries [J].Ssrn Electronic Journal，39.

[18] 楊林，楊雅如.股指期貨是股災(zāi)的“幕后推手”嗎——基于2015年股災(zāi)期間滬深300股指期貨高頻數(shù)據(jù)實(shí)證分析 [J].財(cái)經(jīng)理論與實(shí)踐，2017，38（3）.

[19]黃嵩，肖一，金壽鵬.滬深300股指期貨與現(xiàn)貨多階段波動(dòng)溢出效應(yīng)的實(shí)證研究 [J].武漢金融，2018，（7）.

[20]于瑞安，張金林，楊小花.股指期貨是否導(dǎo)致了2015年股災(zāi)的爆發(fā)？——基于股指期貨與現(xiàn)貨市場波動(dòng)溢出效應(yīng)分析 [J].武漢金融，2019，（4）.

[21]Hong Miao，Sanjay Ramchander，Tianyang Wang，Dongxiao Yang. 2017. Role of Index Futures on China's Stock Markets：Evidence from Price Discovery and Volatility Spillover [J].Pacific-Basin Finance Journal，44.

[22]謝太峰，王碩，蘇磊.我國股指期貨加大了現(xiàn)貨市場的波動(dòng)性嗎？——基于ARMA-GARCH模型的實(shí)證檢驗(yàn) [J].金融理論與實(shí)踐，2017，（8）.

[23]王軍，劉卓然.股指期貨限制性措施對期現(xiàn)貨價(jià)格關(guān)系的影響研究——中美日應(yīng)對“股災(zāi)”實(shí)施股指期貨限制性措施及其效果比較 [J].價(jià)格理論與實(shí)踐， 2016，（9）.

[24]熊亞萍.股指期貨交易制度變化對期現(xiàn)關(guān)系的影響研究 [J].浙江金融，2019，（8）.