基于GARCH模型的股指期貨期現(xiàn)套利實證研究

摘要：本文在期貨統(tǒng)計套利策略基礎上，設計了一種基于GARCH模型的時變方差套利策略，并利用滬深300指數(shù)與期貨的日收盤價格進行實證分析，研究發(fā)現(xiàn)：目前國內股指期貨市場存在較多的期現(xiàn)套利機會，市場有效性缺失，且基于GARCH模型的時變方差統(tǒng)計套利策略能詳細得出期現(xiàn)套利機會。

關鍵詞：GARCH模型;成本定價模型;期現(xiàn)套利;股指期貨

股票指數(shù)期貨是金融期貨中產生最晚的一個類別，中國金融期貨交易所于2006年9月8日在上海正式成立，它標志著中國股指期貨市場登上了全新的臺階。股指期貨具有跨期性、杠桿性、聯(lián)動性以及高風險性和風險的多樣性等特點，以及具有風險規(guī)避、價格發(fā)現(xiàn)和資產配置功等功能。股票指數(shù)期貨交易的實質是投資者將其對整個股票市場價格指數(shù)的預期風險轉移至期貨市場的過程。套利交易在股指期貨市場中有著相當重要的意義：一是可以起到穩(wěn)定價格的作用。價格發(fā)現(xiàn)是套利交易重要作用之一，當標的資產價格出現(xiàn)非正常波動時，套利交易者開始進入市場，通過大量的套利交易，引導標的資產回歸正常價格軌道。另一方面，套利行為有助于股指期貨市場流動性的提高。套利行為的存在不僅增加了股指期貨市場的交易量，也增加了股票市場的交易量，起到了市場潤滑劑和減震器的作用，有利于減弱市場壟斷力量，保證交易者的正常進出和套期保值操作的順利實現(xiàn)。

本文在統(tǒng)計套利策略基礎上，預計設計一種基于GARCH模型的時變方差統(tǒng)計套利策略，并利用滬深300指數(shù)與期貨的日收盤價格進行實證分析。

1.基于GARCH模型的統(tǒng)計套利理論

T. Bollerslev于1986年提出了GARCH模型，該模型的方差不僅與前q期的隨機誤差的平方 有關，還與前p期的隨機誤差的方差 有關，也是解釋金融數(shù)據(jù)中存在的條件異方差的一種處理方式。GARCH（p，q）模型為：

其中，方程式（1）中第一個方程為均值方程，即要估計的回歸方程;第二個方程是GARCH模型的核心即方差方程。ut服從GARCH（p，q）的過程，α0>0，α1，γ1≥0。

在進行GARCH模型的統(tǒng)計套利之前我們需要對變量進行平穩(wěn)性檢驗，協(xié)整檢驗。平穩(wěn)性檢驗是指構成隨機過程的隨機變量集合{yt}是隨著時間t不斷變化的變量集合，在隨機過程概念中，如果隨機過程的變量值不隨時間t的變化而變化，即滿足下面的關系，這里稱這個過程為白噪聲過程。

當把以上檢驗過程完成后，下面開始構建GARCH模型的統(tǒng)計套利過程。在構建統(tǒng)計套利的過程首先需要確定的是對套利區(qū)間交易觸發(fā)信號的確定，所謂的交易信號其實是一個臨界值，而臨界值就是當這個參數(shù)提示某種操作時到達的數(shù)值。本文就主要是運用GARCH模型來確定這個臨界值套利機會出現(xiàn)在殘差序列偏離均值的時候，因為不管殘差序列怎樣變動，都會回歸到平均值，而統(tǒng)計套利策略正是建立這個理論基礎之。如果殘差恢復到均值，就進行反向操作。當殘差偏離均值達到殘差標準差的某個倍數(shù)時，被認為交易信號出現(xiàn)，那么操作進行，當殘差觀察到接近均值，反向進行操作指令來獲取投資收益。所謂的止損點是指標準差的某個更高的倍數(shù)，如果殘差偏離均值達到止損點，就意味著損失超過預期止損，這時將套利投資組合進行平倉交易處理。

2.實證分析

2.1數(shù)據(jù)選取與處理

實證分析的樣本數(shù)據(jù)選擇滬深300當月連續(xù)期貨（IF00.CFE）日收盤價格和滬深300股指現(xiàn)貨（000300.SH）日收盤價格，時間區(qū)間為2016年4月13日至2018年4月12日，共獲得488組樣本數(shù)據(jù)，上述滬深300股指期貨與現(xiàn)貨分別以Ft 和St表示，并用nt=Ft-St表示基差，? ? ? ? ? ? ? ? ? 表示基差的對數(shù)收益率。為

了避免偽回歸現(xiàn)象，這里借助Eviews軟件對滬深300指數(shù)基差樣本數(shù)據(jù)日對數(shù)收益率做ADF單位根檢驗，檢驗結果顯示，ADF檢驗的P值在有限的小數(shù)位下均為0，均小于0.05和0.01下的顯著水平，即拒絕原假設不存在單位根，因此說明該兩列數(shù)據(jù)是平穩(wěn)序列，而且均是一階單整序列。對滬深300指數(shù)基差樣本數(shù)據(jù)的日對數(shù)收益率進行自相關和偏自相關分析后，可建立常數(shù)均值方程，對常數(shù)均值方程的殘差序列進行ARCH-LM檢驗，結果F統(tǒng)計量的P值為0，小于0.01下的顯著性水平，故拒絕原假設，則存在ARCH效應可建立GARCH（1，1）模型。通過上述分析可以得知，滬深300期貨和300指數(shù)現(xiàn)貨的日收盤價都進行對數(shù)化處理，形成了一階單整形式。本部分對兩列數(shù)組進行協(xié)整檢驗，用到的方法是Johansen檢驗法，利用Eviews軟件檢驗后，滬深300期貨和300指數(shù)現(xiàn)貨之間關系是F=1.056·S，即說明現(xiàn)貨是期貨近1.056倍。

2.2模型構建

鑒于上節(jié)的數(shù)據(jù)描述處理，發(fā)現(xiàn)樣本數(shù)據(jù)呈現(xiàn)右偏尖峰后尾分布，為此這里采用t分布對滬深300指數(shù)基差樣本數(shù)據(jù)的日對數(shù)收益率yt建立GARCH（1，1）模型，以便更準確地刻畫數(shù)據(jù)尖峰后尾特征。由結果可知，GARCH（1，1）模型的均值方程：dt=0.001016+0.707909μt;方差方程：

方差方程中所有系數(shù)都是統(tǒng)計顯著的，且所有系數(shù)均大于 0，標準誤差較小，ARCH與GARCH 項系數(shù)之和為0.983895<1，t統(tǒng)計量在0.01的顯著性水平下顯著，這表明建立的GARCH（1，1）過程平穩(wěn)。下面，對GARCH模型的殘差進行滯后5期的ARCH-LM檢驗，由檢驗結果可知，F(xiàn)統(tǒng)計量的P值為0.3571，大于0.01下的顯著性水平，故接受原假設，則不存在ARCH效應，說明利用GARCH（1，1）模型消除了殘差序列的條件異方差性。

至此，基于 GARCH 模型的交易策略已經成型：考慮到存在交易費用及樣本外數(shù)據(jù)的波動，本文以考慮到存在交易費用及樣本外數(shù)據(jù)的波動，本文以σt為統(tǒng)計套利交易的觸發(fā)線，以±2σ為交易的止損線。其中，我們需要認為設定系數(shù)δ1和δ2，本文經過實驗比較，最后采取經典文獻設定的系數(shù)，即δ1=δ2=1。因此，交易策略可以總結如下：

（1）當dt>δ1σt時，買進1.056單位滬深300股指，融券賣空1單位滬深期貨。

（2）當dt<-δ2σt，買進1單位的滬深300期貨，融券賣空1.056單位滬深300指數(shù)。

（3）當dt反向變化直到穿過0時，則平掉當前持有頭寸。

3.結論

本文基于GARCH模型進行套利研究。通過構建GARCH模型的套利策略，并對滬深300股指期現(xiàn)貨樣本數(shù)據(jù)進行實證分析，發(fā)現(xiàn)當dt>δ1σt時，買進1.056單位滬深300股指，融券賣空1單位滬深期貨;當dt<-δ2σt，買進1單位的滬深300期貨，融券賣空1.056單位滬深300指數(shù);當dt反向變化直到穿過0時，則平掉當前持有頭寸。綜上所述，通過構建具有較強操作性的股指期貨期現(xiàn)套利模型，并以滬深300股指期貨真實交易數(shù)據(jù)為基礎進行實證分析，結果表明目前國內股指期貨市場存在較多的期現(xiàn)套利機會，市場有效性缺失，故建議逐步放開對基金參與股指期貨的諸多限制，充分發(fā)揮股指期貨市場的套期保值和價格發(fā)現(xiàn)功能。

參考文獻

[1]Merton R C.Optimum consumption and portfolio rules in a continuous-time model[J].Journal of Economic Theory，1971，3（4）：373-413.

[2]Modest D M，Sundaresan M.The relationship between spot and futures prices in stock index futures markets： Some preliminary evidence[J].Journal of Futures Markets，1983，3（1）：15-41.

[3]Cox J C，Jr J E I， Ross S A.The relation between forward prices and futures prices[J].Journal of Financial Economics，2006，9（4）：321-346.

[4]康敏晨.基于協(xié)整和GARCH模型的統(tǒng)計套利策略研究[D].2013.

[5]劉陽，李艷麗，陸貴斌.基于信息更新NN-GARCH模型的統(tǒng)計套利研究[J].統(tǒng)計與決策，2016（02）：169-171.

[6]侯世英，宋良榮，王國俊.基于BP-GARCH模型的統(tǒng)計套利策略[J].統(tǒng)計與決策，2020，36（10）：149-152.

[7]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性嗎？——基于投資者結構的理論和實證研究[J].中國管理科學，2020，28（04）：1-13.

作者簡介：牛皓淼（1994-），男，山東棗莊人，碩士研究生，研究方向：金融風險管理。