股指期貨對股票市場的極端風險溢出效應與預警作用

劉文超 安毅 方蕊

摘?要：基于極端風險溢出視角，運用VAR-VaR和Cross-quantilogram對2010年12月22日至2018年12月25日的5分鐘高頻數據進行分析，分別探討股指期貨對現貨的極端風險溢出效應與預警作用。研究結果表明，股指期貨與現貨市場存在雙向極端風險溢出效應，且股指期貨沖擊對現貨極端風險的影響程度小于現貨市場沖擊對股指期貨市場極端風險的影響程度。此外，我國股指期貨在極端情況下確實對股指現貨市場存在風險預警作用，在5分鐘的預警作用最強，且股指期貨限制措施在一定程度上制約了股指期貨的極端風險預警作用。據此建議，要加速松綁股指期貨，減少不必要的限制措施，且推進我國股指期貨市場對外開放，使股指期貨走向成熟化和市場化，從而為我國資本市場穩定與改革開放保駕護航。

關鍵詞：股指期貨?極端風險?風險溢出?預警作用

一、引言

2008年后，我國經濟下行壓力加大，股票市場和期貨市場的異常波動和極端風險事件頻發。2015年股市劇烈震蕩，幾乎引發系統性風險。中國金融風險交易所在整體救市框架中，采取嚴厲手段控制股指期貨交易以緩解投機氣氛。2018年股市再次異常波動，由于股指期貨市場流動性很差，市場主體無法對沖風險。中金所開始加快對股指期貨松綁，以實現常態化。2019年中國資本市場創新之路繼續調整，更多的股指衍生品被創設出來，股票、ETF、股指期貨、期權逐漸形成體系，風險管理市場和直接融資市場的關系被全方面打開。在此歷史背景和創新趨勢下，十分有必要研究股指期貨與股票市場之間的極端風險溢出關系。為更多的金融衍生工具與股票市場之間的風險關系研究奠定基礎，也可為未來政策制定做理論儲備。

盡管少數學者研究了股指期貨的引入對降低股市波動的影響，但其是否具有穩定股市的功能仍然存在學術爭議。現有對我國股指期貨對現貨市場的作用研究主要集中在期貨市場的價格發現功能和波動溢出效應。已有研究表明僅僅從波動的角度探討金融市場間的風險溢出效應是不夠的。除了信息溢出渠道，極端風險溢出渠道也是引發金融市場系統性風險的重要渠道之一，且極端風險溢出相比收益率溢出與波動溢出更具有極強的破壞性，嚴重影響我國金融市場的穩定。但是，以往的研究對股指期貨在市場極端情況下對股指現貨市場究竟扮演著何種角色仍然缺乏深入分析。

因此，本文嘗試基于極端風險溢出的視角，采用5分鐘高頻數據，探討股指期貨對股票現貨市場的風險溢出效應，且進一步分析股指期貨在市場極端情況下對現貨市場的風險預警作用。此外，通過進一步分析股指期貨與股票市場之間的極端風險溢出效應與預警作用在2015年和2018年兩次股市異常波動中的差異性，探討中金所的股指限制措施是否對股指期貨的極端風險溢出效應與預警作用有影響。這不僅有助于更深入揭示股指期貨限制政策對我國股指期貨與現貨市場在極端情況下的聯動關系的影響，還對投資者和交易所利用股指期貨進行風險預警與風險管理以及監管部門制定與股指期貨的相關政策有重要意義。

二、文獻綜述

自股指期貨誕生以來，股指期現貨之間的相互關系在文獻中有廣泛的討論。大多數學術觀點都認為由于期貨市場固有的杠桿作用、可賣空和低交易成本等特點，期貨市場可能比股票現貨市場更有效地整合信息，股指期貨市場在價格發現中占主導地位（Kawaller??et?al，1987，So?et?al，2004，Stoll?et?al，1990）。目前對我國股指期貨和現貨市場之間的關聯性研究主要從信息溢出視角出發，分別基于價格的收益率和波動率來研究股指期現貨的價格發現能力和波動溢出效應。少數學者也對股指期現貨跳躍風險方面的溢出效應也進行了研究。雖然研究我國股指期現貨市場價格發現能力的文獻較多，但對誰在市場中起價格發現主導作用的結論并不一致，其主要原因是使用不同的樣本期、數據頻率與研究方法。例如，華仁海等（2010）使用滬深300股指期現貨的1分鐘高頻數據進行分析，發現股指期貨的價格發現能力更大，在信息傳遞中起主導作用;李政等（2016）采用滬深300、上證50和中證500的三個品種股指期貨與現貨的5分鐘高頻數據進行研究，發現在90%的遞歸子樣本中期貨在價格發現中占主導地位;陶利斌等（2014）采用信息份額方法對滬深300股指期現貨的6秒高頻數據進行研究，發現股指期貨價格發現功能占主導地位;Ahn等（2019）也發現我國股指期貨在價格發現中占主導地位，且股災期間實施的限制措施并沒有改變股指期貨在價格發現中占主導地位的事實;而方匡南等（2012）利用滬深300股指期現貨的5分鐘高頻數據進行分析研究，發現股票現貨市場起主導作用;Yang等（2012）也采用滬深300股指期現貨5分鐘高頻數據進行研究，發現現貨市場處于價格發現主導地位。

一些學者也研究了股指期貨價格發現能力在不同市場狀態的差異性，但是對股指期貨究竟在哪個市場狀態占主導作用則有不同的結論。例如，方先明（2010）研究表明股指期貨市場的價格發現能力受現貨市場運行狀態的影響，其中滬深300股指期貨在現貨市場處于上升狀態時的價格發現能力小于其在現貨市場處于下跌狀態時的價格發現能力;蘇民（2016）通過滬深300股指期現貨的1分鐘高頻數據實證分析發現股指期貨在牛市和熊市中的價格發現占主導地位，且在熊市價格發現更強一些，而在震蕩市場中現貨市場占主導地位;而趙慧敏等（2018）研究使用2010年10月25日至2015年6月8日的5分鐘高頻數據，發現滬深300股指期貨在牛市時期價格發現功能占主導地位，在熊市時期貨市場價格發現能力減弱，期現貨市場均發揮價格發現功能，且股指期現貨市場在牛熊市均存在雙向的波動溢出效應。

另一些學者從波動角度研究我國股指期貨對股市風險的作用。例如，曹棟等（2017）研究發現股指期貨對我國股市波動起減緩作用，但穩定市場作用仍然有限;楊林等（2017）研究發現滬深300股指期貨在股災期間仍然有價格發現能力，但對現貨市場存在單向波動溢出效應;孫欣欣（2018）使用滬深300股指期現貨的5分鐘高頻數據分析期現貨市場關系，發現股指期現貨具有價格發現功能，且股指期貨市場波動性更強，對現貨市場波動有引導作用;Hong等（2017）基于滬深300股指期現貨的5秒高頻數據研究發現股指期貨在價格發現過程中占主導地位，且股指期現貨存在雙向波動溢出效應，現貨對期貨的風險溢出效應強于期貨對現貨的風險溢出效應;Han等（2017）研究發現限制股指期貨的交易會惡化股票現貨市場的質量。

方意等（2018）和吳永鋼等（2019）及其他學者認為金融市場之間的風險溢出效應生成機理主要包括風險傳導渠道和信息溢出渠道，相比信息溢出效應，極端風險溢出更具有破壞力，嚴重影響金融市場以及金融體系的穩定，且金融市場或機構之間關聯性水平越高，極端風險傳遞也越迅速。鑒于股指期現貨市場之間具有較高的關聯性水平，股指期現貨市場之間的極端風險溢出也更為迅速。因此，準確地把握我國股指期現貨市場之間的極端風險溢出效應，對我國股市的風險識別與度量，股指期貨市場相關的政策制定以及我國金融體系的穩定具有重要意義。但是，以極端風險溢出視角考察股指期現貨市場間的風險溢出效應的研究尚少。只有周愛民等（2017）采用Copula-CoVaR方法，基于日度數據對股指期現貨市場之間的極端風險溢出效應進行研究，發現在價格大幅下跌的極端情況下，滬深300股指期貨對滬深300指數的溢出明顯強于反向的溢出，但在2015年9月實施對期指的最嚴限令后，情況發生了反轉。但是他們的研究主要基于日頻數據，且未考慮風險溢出的持續性與滯后性。另外，劉成立等（2017）通過1分鐘高頻數據，采用分位數回歸發現在暴漲和暴跌行情中，期貨對現貨的引領作用更強，即使股指期貨交易限制后，股指期貨仍然對現貨價格具有引領作用和風險預警作用。考慮到股指期現貨市場的信息傳遞和風險溢出極為迅速，采用高頻數據有助于更深入地揭示股指期現貨市場之間的內在關聯性與極端風險溢出效應。

與以往研究相比，本文有以下兩個方面貢獻。①基于極端風險溢出視角，采用高頻數據來研究股指期現貨市場之間的極端風險溢出效應，是對以往從均值和波動溢出層面對股指期現貨市場間關聯性研究做了一個有益的補充。②運用Cross-?quantilogram模型研究在股指期現貨收益的整個分布中股指期現貨收益的短期引導關系和風險預警作用的變化。與采用基于VAR的格蘭杰因果和分位數回歸來分析股指期貨預警作用相比，使用Cross-?quantilogram模型能夠完整刻畫自變量的條件分布與響應變量的條件分布之間的引領關系，更能揭示變量之間引領關系的時滯性、持續性和非線性，從而能更深入地分析股指期貨的風險預警作用，且對具有“尖峰厚尾”特征的金融序列其估計結果更穩健。

三、方法介紹和數據

如果期現貨市場是完全有效市場，則在短期期現貨市場間的價格并不存在領先滯后關系，兩個市場對新信息同時做出反應。前人研究表明市場在短期往往是無效的，因此期現貨市場間可能存在短期的領先滯后關系。這不僅表現在信息和風險溢出的領先滯后關系上，還表現在一個市場對另一市場的預測能力上。因此，本文基于VAR-VaR模型研究極端風險溢出效應以及極端風險溢出效應的短期成分，進一步采用Cross-quantilogram?模型研究股指期貨的風險預警能力。

（一）VAR-VaR模型

本文參考White等（2015）的建模思路，構建股指期現貨市場MVMQ-CAViaR?模型，也稱VAR-VaR模型，具體表達式如下：

當θ=5%時，qi，t代表市場i當期的極端風險價值，其中，i=1代表現貨市場，i=2代表期貨市場。

與多元bekk-garch將波動溢出效應分解成長期成分（由GARCH項系數來刻畫）和短期成分（由ARCH項系數來刻畫）一樣，VAR-VaR也將極端風險溢出分解成短期成分與長期成分。其中，矩陣A的非對角線元素刻畫了前一期市場沖擊對另一個市場當期極端風險的溢出情況，反映的是極端風險溢出的短期成分;矩陣B的非對角線元素代表了前一期市場極端風險對另一個市場當期極端風險的溢出情況，反映的是極端風險溢出的長期成分。由式（1）和式（3）可知，金融市場的極端風險值不僅受自身或其他市場的沖擊的影響，也受自身或其他市場的極端風險值的影響。另外，方意等（2018）對金融市場溢出效應的生成機制進行分析，發現極端風險溢出效應的生成機制可以主要通過基于市場沖擊的信息溢出渠道和風險承擔渠道形成。一般而言，一方面，當期的市場沖擊會改變投資者對金融資產的未來的極端風險值的預期，從而借助市場自身的信息溢出渠道直接導致極端風險值發生變化;另一方面，由于市場之間資金的高流動性，投資者會根據市場風險狀況的變化而調整投資組合，而這將間接影響其他相關聯市場的風險價值的變化。因此，為了考察在股指期現貨市場之間是否存在顯著的極端風險溢出效應，需要對矩陣A和B的非對角線元素進行聯合顯著性檢驗。

借鑒郝毅等（2017）和李政等（2016）研究經驗，本文使用Wald統計量檢驗股指期現貨市場MVMQ-CAViaR?模型中是否存在市場之間的極端風險溢出效應，即系數矩陣A和B是否存在顯著不為0的非對角元素。本文構建的Wald?統計量如下：

其中，VC=1n×Q-1×V×Q表示系數的方差協方差矩陣，V=E（η*1η*′t），η*1=∑ni=1∑pj=1

qid1（g，β）為模型梯度，fijt（0）?為εijt的密度函數在0?時的值。R是q×m?維約束矩陣，q為約束方程的個數，m為待估計系數的個數。β為m×1?維估計系數矩陣。Wald?檢驗原假設為H0：Rβ=q，當q=4，r=0?時，Wald?統計量可以用來檢驗兩個市場之間是否存在顯著的極端風險溢出效應。當q=2，r=0?時，Wald?統計量可以檢驗兩個市場之間極端風險溢出的方向。W（n）大于給定顯著性水平的臨界值時，拒絕原假設H0;反之，則接受原假設。

為進一步研究市場沖擊對市場極端風險的動態影響，采用White等（2015）提出的分位數脈沖響應進行分析，具體表達式如下：

首先，序列1的脈沖響應表達式具體為式（8）：

同樣，對于序列2脈沖響應表達式具體為式（9）：

因此，脈沖響應可被定義為如下形式：

最后，脈沖響應表達式可以簡化為如下表達式：

（二）Cross-quantilogram?模型

本文使用Han等（2016）的交叉定量圖（CQ）方法研究變量之間的交叉分位數的相依性，該方法與VAR-VaR相互補充，CQ方法更能揭示不同市場間極端風險溢出的非線性、持續性和滯后性。其中，應用CQ方法的關鍵要求變量是平穩的時間序列。

首先，定義{xi，t，t∈Z}，i=1，2，是平穩的時間序列，其中，x1，t和x2，t分別是股指現貨收益率與股指期貨收益率。Fi（·）?和fi（·）分別表示分布函數和分布密度函數。則xi，t的分位數函數表示為：qi（αi）=inf{v：Fi（v）≥αi}，其中αi∈（0，1）。

而滯后第k階的Cross-quantilogram定義為

其中，k=0，±1，±2，…。ψα（u）≡1[u<0]-α，1[·]?是示性函數，1[xi，t≤qi（αi）]?是超過分位數的過程。式1中的Cross-quantilogram可以反映兩個序列在不同滯后階數時的序列相依性。例如，α=（α1，α2）=（αspot，αfutures），ρα（1）?表示現貨收益率在t時與期貨在t-1時的偏相關性。ρα（1）=0?意味著，期貨在t-1時刻并不能預測到t時刻現貨的收益率，反之，則說期貨對現貨的收益率有一階滯后預測作用。

樣本的滯后第k階的Cross-quantilogram定義為

其中，k=0，±1，±2，…，?q︿i（αi）?是xi，t的無條件分位數。

此外，Han等（2014）提出將Ljung-Box-Pierce類型統計量擴展到分位數上，其中原假設：H0：ρα（k）=0?，H1：ρα（k）≠0，k∈1，…，p

Q︿（p）α≡T（T+2）∑pk=1ρ︿2α（k）T-k?（14）

Q︿（p）α統計量可以用來檢驗在α=（α1，α2）分位數上一個時間序列的滯后P期的收益率是否對另一市場序列的當期收益率有預測性。

（三）數據來源與樣本說明

考慮到我國期貨市場發展經歷了支持—限制—再支持的發展過程以及股市近年來的劇烈波動，使用較短的時間樣本將忽略市場態勢和我國股指期貨市場自身的發展動態的影響，從而造成研究結果不一致。因此，本文考察的股指期現貨數據為滬深300指數的5分鐘價格，樣本時期均為2010年12月22日至2018年12月25日。其中，以中金所的滬深300期貨的主力合約的5分鐘收盤價為我國股指期貨的價格，以滬深300指數現貨的5分鐘的收盤價為股指現貨的價格，期現貨價格數據均來源于天軟科技①。

首先對滬深300指數期現貨的5分鐘收盤價做對數處理，并令Rt為價格收益率，Pt為第t日期貨收盤價格，則可以表示為：

然后將處理好的滬深300的5分鐘期現貨價格收益率進行描述性統計分析，結果如表1所示。

表1結果表明，首先，我國股指期貨的價格波動比股指現貨的價格波動大;其次，由收益率的峰度值、偏度值可知，我國股指期現貨均有尖峰厚尾的特征，且股指現貨左偏，而股指期貨右偏。最后，J-B檢驗均拒絕正態分布原假設。

四、實證結果與分析

（一）股指期現貨極端風險溢出效應分析

首先，本文通過VAR-VaR模型研究股指期現貨市場極端風險溢出效應，通過Wald?統計量對模型系數矩陣A和B中的非對角元素進行聯合性顯著性檢驗，且進一步通過分位數脈沖響應圖來研究正負信息沖擊對股票市場極端風險的影響。其中，選擇5%的分位數水平代表股市極端暴跌的情況，選擇95%的分位數水平代表股市極端暴漲的情況。

表2給出了MVMQ-CAViaR模型的估計結果。就5%分位數而言：首先，b11、b22系數為正且在1%的水平下顯著，說明股指期現貨市場的極端風險存在顯著自相關性，即市場極端風險序列存在波動集聚特征;a11、a22都在1%的顯著水平下為負值，說明前期的期（現）貨市場沖擊會使當期的期（現）貨市場的極端風險增強。其次，系數矩陣A的非對角元素均在1%的水平下顯著為負，這表明一個市場的沖擊會對另一個市場的極端風險存在顯著的溢出效應，且會增強另一個市場的極端風險。另外，a12的絕對值大于a21的絕對值，這說明我國期貨市場的沖擊對現貨市場極端風險的影響強于現貨市場沖擊對期貨市場極端風險的影響。最后，系數矩陣B的非對角元素均在1%的顯著水平上顯著，但是兩者之間的符號相反，說明前一期市場極端風險對另一市場當期極端風險具有顯著的影響，且影響方向相反。其中，b12的系數符號為負，說明期貨市場前一期的極端風險會減弱現貨市場當期的極端風險;而b21的系數符號為正，表明前一期現貨市場的極端風險會加劇期貨市場的當期極端風險。且b21的絕對值大于b12的絕對值，進一步表明現貨市場前一期極端風險對當期期貨市場極端風險的正向影響大于期貨市場對現貨市場的負向影響。

就95%分位數而言：首先，b11、b22系數為正且在1%的水平下顯著，說明股指期現貨市場的極端風險存在顯著自相關性，即市場極端風險序列存在波動集聚特征;a11、a22都在1%的顯著水平下為正值，說明前期的期（現）貨市場沖擊會使當期的期（現）貨市場的極端風險增強。其次，系數矩陣A的非對角元素均在1%的水平下顯著為正，這表明一個市場的沖擊會對另一個市場的極端風險存在顯著的溢出效應，且會增強另一個市場的極端風險。另外，a12的值大于a21的值，說明我國期貨市場的沖擊對現貨市場極端風險的影響也強于現貨市場沖擊對期貨市場極端風險的影響。最后，系數矩陣B的非對角元素均在1%的顯著水平上顯著，但是兩者之間的符號相反，說明前一期市場極端風險對另一市場當期極端風險具有顯著的影響，且影響方向相反。其中，b12的系數符號為負，這說明期貨市場前一期的極端風險會減弱現貨市場當期的極端風險;而b21的系數符號為正，表明前一期現貨市場的極端風險會加劇期貨市場的當期極端風險。且b21的絕對值大于b12的絕對值，表明現貨市場前一期極端風險對當期期貨市場極端風險的正向影響大于期貨市場對現貨市場的負向影響。

總之，表2表明股指期現貨市場的極端風險存在顯著自相關性，前期的市場沖擊會使當期的期現貨市場的極端風險增強。且我國期貨市場的沖擊對現貨市場極端風險的影響也強于現貨市場沖擊對期貨市場極端風險的影響，而現貨市場前一期極端風險對當期期貨市場極端風險的正向影響大于期貨市場對現貨市場的負向影響。

（二）極端風險溢出效應檢驗

表2只給出了模型單個估計系數的顯著性，并沒有對多個系數的聯合顯著性進行檢驗，無法得出股指期現貨市場之間是否存在極端風險溢出效應的一般性結論，也無法對市場間極端風險的溢出方向做出判斷。因此本文使用Wald?統計量對模型系數矩陣A和B中的非對角元素進行聯合性顯著性檢驗，結果如表3所示。

由表3和表4可知，在5%的顯著水平下，股指期現貨在5%和95%分位數上的極端風險溢出效應檢驗結果均拒絕了原假設，這說明股指期現貨市場存在雙向極端風險溢出效應。該結果是對現有從均值溢出和波動溢出角度研究股指期現貨價格關聯性的相關文獻的一個擴展和補充。股指期現貨市場間存在雙向極端風險溢出效應也表明使用股指期（現）貨市場的歷史信息均有助于預測股指現（期）貨市場未來的極端風險。

另外，由表3可知，在5%分位數上我國股指期現貨市場之間的風險溢出效應在2015年和2018年之間存在著明顯的異質性。在2015年，只存在期貨對現貨的單向風險溢出效應，而在2018年，只存在現貨對期貨的單向風險溢出效應。表明股指期貨的極端風險在2015年單向傳導到股票現貨市場，而在2018年，由于股指期貨的限制，股票現貨市場的極端風險單向傳導到股指期貨市場。

（三）分位數脈沖響應分析

上文得到了我國股指期現貨市場之間極端風險溢出方向的一般性結論，在此基礎上，我們利用分位數脈沖響應分析，分別考察正負向市場沖擊對另一市場的極端風險的動態影響過程，從而獲得一個市場沖擊對另一市場極端風險的短期成分的影響。圖1分別給出了在期現貨市場分別受到1單位標準差新息沖擊時，兩個市場未來50期的脈沖響應過程。橫軸代表時間，縱軸度量了負向沖擊下期現貨市場極端風險變化百分比。橫軸測量時間（以5分鐘為單位），縱軸測量市場在5%（95%）分位數的變化。

圖1?股指期現貨在5%分位數上的脈沖響應圖

注：中間曲線代表程度，兩邊曲線代表95%的置信區間。其中，右圖為現貨對期貨沖擊的響應，左圖為期貨對現貨沖擊的響應，下同。

由圖1的5%分位數脈沖響應圖可知，期現貨市場對沖擊的反應機制及靈敏程度存在差異。圖1表明股指期貨市場沖擊對現貨市場極端風險影響持續時間較短，而股指現貨市場沖擊對股指期貨市場影響持續時間較長，同時股指現貨市場負向沖擊對股指期貨市場極端風險溢出效應更大。

由基于2015年和2018年數據的5%分位數脈沖響應圖（見圖2和圖3）可知，期貨在2015年受到現貨沖擊程度大于其在2018年受到的現貨市場沖擊程度。且股指現貨對股指期貨的沖擊大于股指期貨對股指現貨市場的沖擊程度，表明無論是在2015年還是在2018年樣本區間，股指現貨市場負向沖擊對股指期貨市場極端風險溢出程度均大于期貨對現貨的沖擊。

由圖4的95%的分位數脈沖響應圖可知，期現貨市場對沖擊的反應機制及靈敏程度存在差異。圖4?表明股指期貨市場沖擊對現貨市場極端風險影響持續時間較短，而股指現貨市場沖擊對股指期貨市場影響持續時間較長，同時股指現貨市場正向沖擊對股指期貨市場極端風險溢出效應更大。

由基于2015年和2018年數據的95%分位數脈沖響應圖（見圖5和圖6）可知，與全樣本一致，股指現貨的正向沖擊對股指期貨的影響強于股指期貨的正向沖擊對股指現貨的影響，且影響程度與全樣本差異并不大，因此，在市場暴漲情況下，股指期貨限制措施并沒有顯著影響股指現貨對期貨的極端風險溢出的短期成分。

總之，在5%的分位數水平上，在全樣本區間，股指期貨市場沖擊對股指現貨市場的影響小于現貨對期貨的影響。且2015年的現貨（期貨）市場信息沖擊對期貨（現貨）下尾部極端風險的影響大于2018年對期貨（現貨）的下尾部極端風險的影響。股指期貨限制性交易措施在一定程度上制約了股指期現貨市場沖擊在市場暴跌的極端情況下對極端風險短期成分的影響。

（四）股指期貨在股市中的預警作用分析

上文研究發現利用其中一市場的價格變動信息都有助于預測另一市場的極端風險情況。因此，本文通過Cross-quantilogram方法進一步對股指期現貨之間的風險預警作用進行研究，且設定置信區間水平為99%。由于VAR-VaR的脈沖響應圖表明期現貨之間的信息沖擊對另一市場的極端風險影響在40階后基本穩定。因此，本文選擇最大滯后階數為48階，研究240分鐘內股指期現貨之間分別在5分鐘、30分鐘、120分鐘和240分鐘的領先滯后關系是合適的。

本文以反映整個分位數分布的二元相關性的熱圖來研究股指期貨對股指現貨的預警作用，簡稱預警圖，其中，兩個變量的分位數分布[q=（005，01，02，03，04，05，06，07，08，09，095）]均出現在熱圖的X軸和Y軸上。變量的雙變量分位數組合由121個單元格表示。其中，圖7為股指期貨對股指現貨的收益變化的預警圖，而圖10為股指現貨對股指期貨的收益變化的預警圖。其中交叉相依性程度由不同的顏色表示，且任何統計上不顯著的相關性都設置為零。根據顏色功率譜，在紅色區域，表示在此分位數區域市場間有很強的正相關性，而在藍色區域，則表示在該分位數區域市場間具有很強的負相關性。如果市場間不相干，則在分位數區域表現為綠色區域。

由于本刊為單色印刷，因此色差不明顯，如果讀者感興趣可以聯系本刊編輯部。余同。

由圖7可知，在滯后5分鐘，股指期貨對股指現貨的風險預警圖中的對角線區域呈深黃色，且越靠近對角線，顏色越深，這表明在整個股指現貨收益分布，滯后5分鐘的股指期貨收益與當前股指現貨的收益正相關，且在相同市場狀態下關聯性最強，說明我國股指期貨能對未來5分鐘的股指現貨變化具有較好的預警作用，且期現貨市場關聯性越強，股指期貨的預警作用也越強。但在滯后30分鐘、120分鐘和240分鐘的預警圖中，股指期貨只在低分位數（左下角區域）和高分位數（右上角區域）的對角區域呈淡黃色，且分位數越低或越高，黃色顏色越深，表明股指期貨對股指現貨的預警作用隨著滯后時間的增加而逐漸減弱，且預警作用在兩市場同為極端情況下最強。

為進一步分析股指期貨在2015年和2018年股災期間的極端風險預警作用，我們使用2015年和2018年的全年樣本數據進行實證分析，得到風險預警圖圖8和圖9。首先，圖8和圖9均支持我國股指期貨能對未來5分鐘的股指現貨價格變化仍然具有最強的風險預警作用。其次，與全樣本相比，圖8與圖9的顏色變淺，這表明我國股指期貨在2015年與2018年風險預警作用減弱。最后，對比圖8與圖9的左下角區域可知，圖9表明股指期貨在5%的分位數極端情況下對股指現貨的預警作用不顯著，說明我國股指期貨在2015年股災期間的風險預警作用強于2018年股災期間的風險預警作用。這可能是由于2018年我國監管機構對股指期貨交易采取了限制性交易措施，在一定程度上制約了我國股指期貨的風險預警作用。

由圖10可知，在滯后5分鐘，股指現貨對股指期貨的風險預警圖中只有左下角（兩市場均處于低分位數區域）與右上角區域（兩市場均處于高分位數區域）呈淡黃色，且越靠近對角線，顏色越深，這表明在整個股指期貨收益分布中，我國股指現貨主要在市場極端情況下對股指期貨市場收益率的變動具有引導作用，說明我國股指現貨價格收益率的信息在同市場狀態的極端情況下對股指期貨收益率的變動也具有預警作用。在滯后30分鐘、120分鐘和240分鐘的預警圖中，圖左上角和右上角低分位數和高分位數的對角區域仍然呈淡黃色，顏色基本不變，表明股指現貨對股指期貨的預警作用隨著滯后時間的增加變化不大，預警作用具有一定的持續性。且通過對比圖7與圖10可知，我國股指期貨對股指現貨收益率的引領作用明顯強于股指現貨對股指期貨的收益率的引領作用。

為進一步分析股指現貨在2015年和2018年股災期間的極端風險預警作用，我們使用2015年和2018年的全年樣本數據進行實證分析，分別得到的風險預警圖如圖11和圖12所示。首先，與全樣本結果一樣，圖11和圖12均支持我國股指現貨在市場非極端情況下（03～07分位數）并未能對未來5分鐘的股指期貨價格變化具有最強的風險預警作用。其次，與全樣本圖10與圖11相比，圖12的左下角只有一小塊區域顯現出黃色，且顏色較淡，這表明我國股指現貨在2018年對股指期貨市場的引導作用有所減弱。這可能是由于我國監管機構對股指期貨交易采取的限制性交易措施，在一定程度上制約了期現貨市場之間的信息傳遞。

總而言之，通過Cross-quantilogram模型對股指期現貨的以5分鐘頻率為單位的全樣本數據進行分析的實證結果表明，在非極端情況下，只存在股指期貨對股指現貨的單向引領關系，說明股指期貨在市場平穩狀態下對股指現貨具有預警作用，且相比在市場暴漲和暴跌的極端情況下，股指期貨對現貨的預警作用在市場平穩狀態下持續得更短暫。而我國股指期貨與現貨在暴漲和暴跌的極端行情下存在雙向引領作用，期貨對現貨的引領作用更強一些。另外，對比2015年與2018年樣本實證結果可知，我國股指期貨交易限制在一定程度上制約了我國股指期貨對股指現貨在極端市場情況下預警作用的發揮。

五、穩健性分析

（一）極端風險溢出效應檢驗

為了進一步研究股指期貨限制交易政策是否會對股指期現貨市場間的極端風險溢出效應產生影響，本文以2015年9月7日為分界線將研究樣本分為限制交易前和限制交易后兩個樣本，考察股指期現貨市場的風險溢出效應在限制交易前后是否存在顯著差異，實證檢驗結果如表5和表6所示。結果表明股指期現貨在限制交易前和限制交易后均存在顯著的雙向極端風險溢出效應。

另外，本文也進一步探討股指期現貨市場在非常極端的情況下的風險溢出效應，分別探討股指期現貨在1%分位數和99%分位數上的風險溢出效應。風險溢出效應檢驗結果如表7和表8所示，結果表明在非常極端的情況下，股指期現貨市場間仍然存在雙向極端風險溢出效應。

這些穩健性檢驗均說明本文在全樣本中關于股指期現貨市場存在顯著的雙向極端風險溢出效應的結論是穩健，無論是在股指期貨限制政策前還是限制政策后，股指期現貨均存在雙向極端風險溢出效應。

（二）風險預警作用的再檢驗

上文從靜態視角分析了股指期現貨市場的預警作用，但是靜態設置無法捕捉市場間相依性的時變性質，從而也就無法刻畫股指期現貨的預警作用的時變特征，因此本文將樣本按年劃分成子樣本，按年度滾動得到時變的預警圖。滾動樣本的結果如圖13所示。（a）和（b）分別顯示了當兩個變量分布為5%和95%分位數時的結果，水平軸表示滾動窗口的年份。在圖13中，折線是時變的滯后一期的交叉相關系數，而虛線表示無可預測性的原假設的99%置信區間。

六、結論及政策啟示

本文通過VAR-VaR模型和Cross-quantilogram模型對我國滬深300股指期現貨在2010年12月22日至2018年12月25日的5分鐘價格數據進行分析，研究股指期現貨極端風險溢出效應與股指期貨的預警作用。研究表明：第一，股指期現貨市場之間存在雙向極端風險溢出效應，且股指現貨沖擊對期貨市場極端風險的影響程度大于期貨對現貨極端風險的影響程度，股指限制措施也制約了期貨（現貨）市場沖擊對現貨（期貨）的下尾部極端風險的影響。第二，我國股指期貨在市場極端情況下對股指現貨市場存在風險預警作用，且股指期貨市場對股指現貨市場的風險預警作用強于股指現貨對股指期貨市場的風險預警作用。第三，股指限制措施制約了股指期貨市場的風險預警作用，尤其是在股市暴跌時的風險預警作用。

基于以上實證結果，本文認為股指期貨并不是引發股市暴跌的“幫兇”，反而在我國防范股市異常波動中具有重要作用，對股指期貨采取嚴厲的限制措施不僅阻礙了股指期貨與股市之間的信息有效傳遞，也阻礙了股指期貨對現貨市場在極端下跌情況下的風險預警作用。為防范我國股票市場發生系統性風險和維護我國資本市場穩定，本文提出以下幾點建議。首先，在股票市場國際化進程加速的背景下，加快放松對股指期貨市場的管控，減少不必要的限制，穩健推進我國股指期貨市場國際化進程，吸引更多的國內外機構投資者進入股指期貨市場，這也是我國股指期貨市場走向成熟化與市場化的重要舉措，進而完善我國股指期貨市場的價格發現和風險管理功能，為我國資本市場穩定和國際化保駕護航。其次，在構建我國股市極端風險預警體系的同時，充分利用我國股指期貨市場的信息有助于我國股市極端風險的防控。再次，在進一步加強我國股指期權市場建設的同時，要加快完善我國恐慌指數的構建，促進我國恐慌指數的再上市，使其真正成為我國股市的極端風險預警指標。最后，我國股市的極端風險日益頻發，采用VaR指標構建股指期貨持倉組合保證金的水平有助于維護我國股指期貨市場的穩定。

參考文獻

[1]華仁海，劉慶富股指期貨與股指現貨市場間的價格發現能力探究?[J]數量經濟技術經濟研究，2010，27（10）：90-100

[2]李政，卜林，郝毅我國股指期貨價格發現功能的再探討——來自三個上市品種的經驗證據?[J]財貿經濟，2016（7）：?79-93

[3]陶利斌，潘婉彬，黃筠哲滬深300股指期貨價格發現能力的變化及其決定因素?[J]金融研究，2014（4）：?128-142

[4]方匡南，蔡振忠我國股指期貨價格發現功能研究?[J]統計研究，2012，29（5）：?73-78

[5]蘇民我國股指期貨市場價格發現功能研究——基于上升、下跌和震蕩狀態下的分析?[J]南方經濟，2016（12）：?43-55

[6]趙慧敏，陳曉倩，黃嵩中國股指期貨和現貨市場信息傳導關系在牛熊市中的異化現象?[J]系統工程理論與實踐，2018，38（4）：?863-872

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

[8]楊林，楊雅如股指期貨是股災的“幕后推手”嗎——基于2015年股災期間滬深300股指期貨高頻數據實證分析?[J]財經理論與實踐，2017，38（3）：58-63

[9]孫欣欣滬深300股指期貨和現貨市場關系研究——基于滬深日內高頻數據的視角?[J]上海經濟研究，2018（5）：81-92

[10]方意，陳敏，楊嬿平金融市場對銀行業系統性風險的溢出效應及渠道識別研究?[J]南開經濟研究，2018（5）：58-75

[11]吳永鋼，趙航，卜林中國金融體系內極端風險溢出關系研究?[J]南開經濟研究，2019（5）：?98-121

[12]周愛民，韓菲股指期貨與現貨市場的風險溢出研究?[J]財貿經濟，2017，38（8）：52-65

[13]劉成立，王朝暉股指期貨在預警股票市場系統性風險中的作用研究?[J]宏觀經濟研究，2017（6）：32-43+167

[14]郝毅，梁琪，李政境內外人民幣外匯市場極端風險溢出研究?[J]國際金融研究，2017（9）：?76-85

[15]李自然股指期貨在股市調整期的市場穩定效應分析[J]中國證券期貨，2019（2）：23-31

[16]KAWALLER?I?G，KOCH?P?D，KOCH?T?WThe?temporal?price?relationship?between?S&P?500?Futures?and?the?S&P?500?Index?[J]The?Journal?of?Finance1987，42（5）：1309-1329

[17]SO?R?W，TSE?YPrice?discovery?in?the?Hang?Seng?Index?markets：?Index，futures，and?the?tracker?fund?[J].Journal?of?Futures?Markets，2004，24（9）：887-907

[18]STOLL?H?R，WHALEY?R?EThe?dynamics?of?stock?index?and?stock?index?futures?returns?[J]Journal?of?Financial?and?Quantitative?Analysis，1990，25（4）：441-468

[19]AHN?K，BI?Y，SOHN?SPrice?discovery?among?SSE?50?Index-based?spot，futures，and?options?markets?[J]Journal?of?Futures?Markets，2019，39（2）：238-259

[20]YANG?J，YANG?Z?H，ZHOU?Y?GIntraday?price?discovery?and?volatility?transmission?in?stock?index?and?stock?index?futures?markets：?Evidence?from?China?[J].Journal?of?Futures?Markets，2012，32（2）：?99-121

[21]MIAO?H，RAMCHANDER?S，WANG?T??Y，YANG?D?XRole?of?index?futures?on?Chinas?stock?markets：?Evidence?from?price?discovery?and?volatility?spillover?[J].Pacific-Basin?Finance?Journal，2017，44（sep）：13-26

[22]HAN?Q，LIANG?J?FIndex?futures?trading?restrictions?and?spot?market?quality：?Evidence?from?the?recent?Chinese?stock?market?crash?[J]Journal?of?Futures?Markets，2017，37（4）：411-428

[23]WHITE?H，KIM?T-H，MANGANELLI?SVAR?for?VaR：?Measuring?tail?dependence?using?multivariate?regression?quantiles?[J]Journal?of?Econometrics，2015，187（1）：169-188

[24]HAN??H，LINTON?O，OKA?T，WHANG?Y-JThe?Cross-quantilogram：?Measuring?quantile?dependence?and?testing?directional?predictability?between?time?series?[J].Journal?of?Econometrics，2016，193（1）：251-270