股指期货对a股市场波动性的影响

《股指期货对a股市场波动性的影响》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、股指期货对A股市场波动性的影响【摘要】近年来沪深300股指期货备受关注，股指期货对A股市场的影响成为专家和学者探讨研究的热点话题。引入了做空交易规则的沪深300股指期货为投资者提供了风险管理的工具，也改变了国内A股市场的市场环境。经过研究和探讨，许多学者认为股指期货对市场收益率波动性会产生影响。经过近两年实盘运行后，股票市场环境有怎样的改变，尤其是收益波动率的变化程度，是本文需要探讨的问题。　　本文以2010年4月16日股指期货上市交易为一个关键的时间点，选取A股市场沪深300指数1665个日收益数据进行分析，揭示股指期货上市运行

2、后，现货市场波动性的实际变化。本文运用EGARCH模型，在引入虚拟变量的基础上分析股指期货上市前与后的变化，研究指数日收益率的波动性变化程度。　　实证分析结果表明，沪深300股指期货的上市交易降低了我国A　股市场日收益率的波动性具有稳定市场的作用。　　【关键词】股指期货；沪深300指数；波动性；EGARCH　模型　　一、绪论　　股票指数期货是现代资本市场的产物，以股票指数为标的设计标准的可交易期货合约，方便投资者进对冲交易规避市场风险。2010年4月16日，中国金融期货交易所正式推出沪深300股指期货IFl005、IFl006、I

3、Fl009、IFl012，合约挂盘基准价为3399点，标志着我国资本市场的又一历史性发展。然而在中国资本市场的发展进程中，股指期货能否起到平衡剂和稳定剂的作用？尤其是中国股指期货推出20个交易日内，A股沪市却大跌400多点，不仅没有起到维稳的作用，反而起了加速器助涨助跌的作用，这是中国投资者、监管者和学者共同面对的问题。　　波动性，即价格非预期变化的趋势，为股票市场的重要特征之。GARCH模型是在ARCH模型的基础上发展起来的，大量的实证研究都表明，GARCH模型对金融时间序列数据波动性存在比较好的拟合结果。但GARCH　模型有对

4、分布的对称性要求，而改进的EGARCH　模型作为GARCH　模型的非线性扩展，进一步扩大了GARCH　组模型的应用范围。　　本文选择最能代表A　股沪深两市的沪深300指数作为研究对象，运用GARCH模型通过对比沪深300股指期货上市前后的日交易数据，定量分析统计分析沪深300指数波动性变化，进而引入虚拟变量，运用EGARCH（1，1）模型对样本进行再次拟合，通过观察虚拟变量的估计值，分析得出股指期货上市后对A　股市场波动性影响方向与程度，并最终为后期进一步完善我国股指期货的运行模式、促进我国资本市场的健康发展提供学术研究参考。　　

5、本文的结论建立在对虚拟变量的回归分析的结果上，若虚拟变量的取值显著大于零，则说明股指期货上市交易后使得市场的波动性增大；若虚拟变量的取值显著小于零，则验证股指期货上市后现货市场的波动性减小；若虚拟变量的取值显著等于零，则表示股指期货上市对现货市场的波动性没有影响。　　二、样本描述　　（一）样本数据　　根据事件研究法，选取时间点作为分界，将数据分成两个部分，然后对数据的变化是否有显著差异性进行分析。沪深300指数于2005年4月8日正式开始发布后，股指期货于2010年4月16日上市，因此选取2010年4月16日为时间点对2005年4

6、月8日至今（2012年2月16日）的1665个数据进行对比分析，为方便描述股票市场的波动特征，分析使用对数收益率。　　（二）数据统计描述　　由沪深300指数收益率序时图直观分析可得，股市收益率波动有明显的聚集性、时变性特征：在2005年4月8日至2012年2月16日共计1665个交易数据中前700个左右交易日波动幅度较小，而在700到1100交易日之间波动幅度增大，之后波动幅度再次缩小。　　进一步对数据进行描述统计分析：　　由上图可见，沪深300股指收益率峰度为5.41显著大于3正态分布的峰度值，沪深300股指收益分布有明显的尖峰

7、特性。　　三、波动性影响的实证分析　　为检测股指期货上市对沪深300　指数波动性是否存在影响、有怎样的影响，引入虚拟变量，反映指数期货上市前后市场价格波动的变化程度。　　设虚拟变量为DF：　　股指期货上市前DF=0：2005年4月8日至2010年4月16日；　　股指期货上市后DF=1：2010年4月16日至2012年2月16日。　　原GARCH　模型条件方差变换为：　　原EGARCH（p，q）条件方差变换为：　　若DF检测结果显著性，则显示对波动性有影响；进一步DF不同数值显示波动性的变化方向和程度。若DF>0，则表示股指期

8、货上市后现货市场的波动性加剧；若DF=0则说明波动性不变；若DF<0则说明波动性降低。　　（一）沪深300指数波动性的EGARCH模型分析　　使用EGARCH（1，1）模型对沪深300指数序列进行拟合，对参数进行估计，验证结果显示且统计结果显