股指期货推出对股票市场波动性的影响研究来自日本的实证分析

计量方法的运用(应用时间序列分析)股指期货功能的研究

《金融与经济》２００６年第２期————————————————————＿冒豳

股指期货推出对股票市场波动性的影响研究

——来自日本的实证分析

李

华，程婧

（西南财经大学中国金融研究中心，四川成都

６１００７４）

摘要：期货的推出是否对其标的资产波动及其特性有显著影响，至今在经济学界和实践部门都有

着很大的争议。本文的写作目的就是为了分析日本股票指ａｅ．．，ｔＭ货的产生ｘ，ｔ－于日经２２５指数的影响效应。首先，本文分析了在相继推出三种股指期货之后，股市的波动是否，－ｅＬ有效的反映了股指期货的作用：其次，根据推出日经股指期货的三４，－时间点，分四－ｔ＇－阶段描述市场的反应。结论表明，股指期货的推出对股票现

货市场的影响不大。

关键词：股指期货；股市；波动性中图分类号：Ｆ８３２．９文献标识码：Ａ

文章编号：１００６一１６９Ｘ（２００６）０２－００８１－０３

现有的文献资料中，研究股指期货和股票市日经综合股票价格指数、日经店头平均股票ｆｆｒ样ｔ－指场关系的文章大多是分析美国市场的，只有一小数等。其中，最有代表性的是日经平均股价指数。

部分分析的是英国市场，极少数文章分析其他国日经平均股价指数，就是一般媒体平时所说家。这些实证的文章中，大多数都运用了ＧＡＲＣＨ的日经２２５指数，这是目前最能代表日本股票市场模型。本文的目的也是用实证的方法，分析日经指价格变化的股价指数。日经指数于１９４９Ｊ：Ｉｚ第一次数期货产生后对股票巾场波动性影响的一些细节编辑，是以东京证券交易所中成交量最活跃、市场Ｚｒ面，并希望以此对这部分理论做出贡献。具体来流通性最高的２２５支股票的股价为基础计算出来说，这篇文章的观点分为二部分：１，在相继推出三的股价指数（其计算方式是：Ｎｉｋｋｅｉ

Ａｖｅｒａｇｅ＝２２５

种股指期货之后，股市的波动是否就有效的反映种股票之股价总和／基期１９４９股价总和）。日经２２５了股指期货的作用；２，根据推出日经股指期货的指数选取的股票虽然只占东京证券交易所第一类ＺＡ＇－时间点，分四个阶段描述市场的反应。

股中２０％的股数，但该股价指数却代表第一类股一、日经指数、日经指数期货介绍及数据选取中近６０％的交易量，以及近５０％的总市值。

日经股价指数是目前世界公认的关于日本股对日经指数期货来说，其是在外界因素推动市的最权威的股价指数，它由《日本经济新闻》社编下产生的。由于当时的日本证券市场并不具备制并每天发布。是各股价指数中历史最悠久，且为推出股指期货交易的法律条件，新加坡国际金融日本国内外投资人及股市相关者最为熟悉的指交易所（ＳＩＭＥＸ）于１９８６年９月３日率先上市日经数。日经股价指数包括日经平均股票价格指数、日２２５股指期货。１９８７年５月，日本管理者允许本国经３００科，股票价格指数、日经５００ｚＦ，ｔ，股票价格指数、

投资者交易ＳＩＭＥＸ的日经２２５股指期货。１９８８年９

收箍日期：２００６－１

作者简介：李华，西南财经大学中国金融研究中心２００４级硕士研究生；程婧，西南财经大学中国金融研究中心博士研究生。

８ｌ

万　

方数据

计量方法的运用(应用时间序列分析)股指期货功能的研究

月３日，大板证券交易所（ＯＳＥ）开始了日经２２５股指期货的交易，其成交量很快就占据了主导地位，并一直在日经２２５股指期货市场执牛耳。１９９０年９月２５日，芝加哥商业交易所（ＣＭＥ）也推出了日经２２５股指期货。不过，由于地理区域及时区差异等因素，ＣＭＥ的日经２２５股指期货的交易情况始终不够活跃。

我们的数据主要来自于１９８４生ＩＺｌ月４日至２００５年１２月１２日的日经２２５指数，共５４００个数据，来源自ｙａｈｏｏ财经数据库。指数日收益率（％）的计算采用对数收盘指数之差，计算公式为：

Ｒｉｔ＿１００＋（１０９Ｐｉ，ｔ－ｌｏｇＰ“一１）

故收益率日数据蔓－ｊ５３９９个。由于日经指数期货推出的阶段性，我们数据的选取分为四个阶段。第一阶段是１９８４．１．４—１９８６．９．３，是新加坡股票交易市场推出日经２２５指数期货之前的日经指数；

第二阶段是１９８６．９．３—１９８８．９．３，是ＳＩＭＥＸ推出指

数期货到日本ＯＳＥ推出指数期货的时间；第三阶段是１９８８．９．３—１９９０．９．２５，是ｏＳＥ到ＣＭＥ推出股指期货的时间段；第四阶段是１９９０．９．２５至今，是日经指数期货日渐成熟的时期。分这四个时期讨论主要是看各类股指期货的推出对日经指数的影响。我们将先考虑总体的影响，然后再细分到各个阶段进行研究。

二、数据处理￥－ｎ模型建立

１．首先对收益率自回归的滞后阶数的选择。

Ｒｔ－ｐｏ＋∑ｐ耳。。＋￡。

Ｉ＝１

分别对滞后ｌ、２、３期做回归，结果如下：

ＬａｇＡｕｊｕｓｔｅｄ

Ｒ－ｓｑｕａｒｅｄ

ＡｋａｉｋｅｉｎｆｏｃｒｉｔｅｒｉｏｎＦ－ｓｔａｔｉｓｔｉｃｌ

０．００００５５

３．５２１３７２

ｔ．２６９２８１

２０．００３６４２３．５１８１８１９．９７９７３０

３

Ｏ．００３８３６

３．５１８３９ｌ

７．３０５５４４

故，选滞后２阶

Ｒ，＝１３０＋１５ｌＲ。Ｉ＋ｐ２Ｒ。≈＋８。

２．ＡＲＣＨ效应检验（滞后８阶）

ＡＲＣＨＴｅｓｔ：

在给定显著水平ａ＝０．０５和自由度８时，ＬＭ的

８２

万　

方数据《金融与经济）２００６年第２期

值＝３７５．７７５３＞临界值１５．５０７３，故残差序列存在高阶ＡＲＣＨ效应，我们选择ＧＡＲＣＨ模型。

３．ＧＡＲＣＨ模型的一般公式：

Ｙ，＝１３ｘ。＋￡。￡／中。一ｌ～Ⅳ（０，ｈ。）

九Ｆｄ０＋∑Ｑ。￡２ｔ。＋∑ｐｊｈ。，

ｉ＝Ｉ

ｉ＝ｌ

考虑到新加坡、日本和芝加哥分别先后推出日经股指期货，我们通过在条件方差的方程中引入３个虚拟变量Ｄｌ、Ｄ２、Ｄ３来刻画这三种股指期货对日本股市波动性的影响，其中推出股指期货前Ｄ＝Ｏ，推出股指期货后Ｄ＝１。

故ＧＡＲＣＨ（ｐ，ｑ）变为：

Ｒｔ＝ｔ３０＋ｔ３ｌＲｔ＿１＋Ｂ２Ｒｔ＿２＋。

￡／中ｔ＿ｌ￣Ｎ（Ｏ，ｈｉ）ｈ，＝ｃｔ０＋∑“ｉ８乙＋∑Ｂｊｈ√＋ｙｌＤ。＋ｙ２Ｄ２＋ｙ３Ｄ３

ｉ＝１

Ｊ＝Ｉ

接着对ＧＡＲＣＨ（ｐ，ｑ）的选择：分别建立

ＧＡＲＣＨ

（１，１）、ＧＡＲＣＨ

（１，２）、ＧＡＲＣＨ（２，１）、

ＧＡＲＣＨ（２，２）结果见下表：模型类型

Ａｋａｉｋｅ

ｉｎｆｏ

ｃｒｉｔｅｒｉｏｎ

Ｑ检验概率

Ｇａｒｃｈ（１，１）一５．９７６８２００．１０７Ｇａｒｃｈ（１，２）一５．９７７３７８０．１０３Ｇａｒｃｈ（２，１）一５．９７８１５５Ｏ．１０１Ｇａｒｃｈ（２，２）

一５．９６７３７４

０．０５５

结合ＡＩＣ／ｔ直和对残差序列独立性Ｑ检验，可以看出ＧＡＲＣＨ（１，１）模型最优，故我们选ＧＡＲＣＨ

（１，１）分析日经股指 …… 此处隐藏：8696字，全部文档内容请下载后查看。喜欢就下载吧 ……