精品毕业论文沪深300股指期货与现货市场关系的实证研究 - 图文(6)

┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊

精品毕业论文 毕业论文

可见，在1%的显著水平下，接受原假设，说明残差序列不存在ARCH效应。

2利用上述模型，可得GARCH方差序列?QH。在此基础上，可建立股指期货推出t2后有关沪深300股价指数的GARCH模型。借?QH助于Marquardt优化算法，经过9t步的迭代，得到所建模型的Eviews6.0软件的输出结果：

根据输出结果，可得到如下模型：

均值方程：LnGZt?0.075569?0.990474LnGZt(?1)

z=(1.500966) (15 6.5548)2?6222方差方程： ?G?G?G?QZt?3.42?10?0.933Zt?1?0.003Zt?1?0.047Ht

z=(0.731) (45.909) (-0.1732) (1.7021)

..=1.992R2=0.97845 DW 1上述模型中的误差分布设定为高斯正态分布。对所得模型进行条件异方差ARCH

LM检验，可得残差序列在滞后一阶时的ARCH LM检验结果：

可见，在1%的显著水平下，接受原假设，说明残差序列不存在ARCH效应。

2从上述模型可以看出，的系数值为0.047，其对应的z值为0.0308，小于0.10。?QHt可见，沪深300股指期货确实加剧了现指的波动性。为更好反映股指期货推出前后，沪深300指数对新旧信息的反映程度，以下分股指期货推出前后两阶段来进行GARCH模型分析，相应结果如下：

股指期货推出前：

共 47 页 第 24 页

┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊

精品毕业论文 毕业论文

根据输出结果，可得到如下模型：

均值方程：LnGZt?0.101586?0.987389LnGZt?1

z=(4.337676) (341.1557)

??2?方差方程： ?t2?2.95?10?6?0.077356?t2?0.920294??1t?1

z=(0.844704) (5.135731) (67.41075)

..=1.930866 R2=0.991563 DW股指期货推出之后：

根据输出结果，可得到如下模型：

共 47 页 第 25 页

┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊

精品毕业论文 毕业论文

均值方程：LnGZt?0.999968LnGZt?1

z= (12717.88)

??2?方差方程： ?t2?9.51?10?6?0.011467?t2?0.940839??1t?1

z=(2.155659) (0.711228) (38.74337)

..=1.997789 R2=0.978305 DW股指期货推出前lnGZt序列残差的滞后一阶的ARCH LM检验结果如下：

股指期货推出后lnGZt序列残差的滞后一阶的ARCH LM检验结果如下：

通过表可以看出：无论是股指期货推出前还是推出后，LnGZt的残差序列均不拒绝原假设，认为两个残差序列都不存在ARCH效应。

表1 统计结果对照表 样本 ?i ?j 0.077356 0.920284 推出前

0.011467 0.940839 推出后

合计 0.997640

0.952306

通过观察两个指数前后GARCH（1,1）模型的Z统计量以及P值，证明方程结果显著，并且F统计量的P值也都为0，这就说明前后期的GARCH（1,1）模型拟合地较好。结合上表，GARCH（1,1）的充分必要条件得到满足，也进一步说明模型是稳定的。比较前后期?i和?j值的大小来判断股指期货的推出是否加快了市场信息传递速度。实证表明，在沪深300股指期货推出以后，?i数值减小而?j数值增大，说明新信息对市场波动性影响减小而过去的消息影响程度增强。

（二）价格发现功能实证分析

1.简单描述性统计

使用Eviews6.0软件对沪深300股指期货与现货日收盘价对数式进行描述统计分析，并且绘制沪深300股指现货与期货日收盘价的对数趋势图，其中，LnGZt代表沪深300股指现货序列对数式序列，LnQHt代表沪深300股指期货，分析结果如下：

共 47 页 第 26 页

┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊

精品毕业论文 毕业论文

5040Series: LNGZSample 1 492Observations 492Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-BeraProbability7.87.98.08.13020 7.964212 7.968851 8.174300 7.730347 0.100691-0.139544 2.114545 17.66939 0.000146100 图5 沪深300股指日收盘价对数式的描述统计分析 5040Series: LNQHSample 1 492Observations 492Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-BeraProbability7.87.98.08.18.23020 7.966942 7.971396 8.190354 7.736744 0.101640-0.092009 2.148349 15.56304 0.000417100 图6 沪深300股指期货日收盘价对数式的描述统计分析

共 47 页 第 27 页

┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊

精品毕业论文 毕业论文

8.28.18.07.97.87.750100150200250300350400450LNGZLNQH 图7 沪深300股指现货与期货日收盘价的对数式趋势图

根据分析结果我们可以看出，二者的走势大致相同，且变化周期基本吻合。从直观上来看二者价格存在很强的联动性。再观察两者的标准差，可以得出股指期货的波动性要大于股票现货。

2.E-G协整检验

由波动性影响实证分析中的单位根检验可知，沪深300指数与期货日收盘价的对数式均为一阶单整序列，即LnGZt~I(1)、LnQHt~I(1)。以下运用Engle-Granger两步法进行协整检验。

用OLS法建立LnGZt与LnQHt的协整回归方程，参考第四章介绍的持有成本定价模型，构建股指期货与股票现货价格模型：

LnGZt?c??LnQHt??t （16）

利用Eviews6.0软件对参数进行估计，输出结果如下：

共 47 页 第 28 页