基于仿真交易股指期货定价效果探究

《基于仿真交易股指期货定价效果探究》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、基于仿真交易股指期货定价效果探究［内容摘要］本文通过研究我国仿真股指期货和沪深300指数之间的关系，发现仿真股指期货价格与现货价格在一定滞后阶数上构成单向的Cranger因果关系：期货价格在统计意义上是现货价格的Cranger原因，反之并不成立。另一方面,尽管现货与期货价格之间的基差不稳定。但通过计算现货与期货收益率基差发现其存在稳定的关系，而且收益率基差的异常值有助于预测未来沪深300指数和股指期货的相对趋势。［关键词］股指期货；资产定价；Cranger因果检验；基差一、引言2007年5月31日，中国证券网新闻头条刊载了关于《成功预

2、报大跌一一期指仿真价格发现功能神奇再现》的文章，原文提到：5月29日，沪深300指数收于4168.29点，比上一交易日上涨2.3%,创出历史新高；但中金所的沪深300指数期货仿真交易却并没有跟随现货价格大幅上涨，IF0707合约甚至以阴线报收。期现背离的结果是沪深300指数于5月31日重挫6.76%。文章同时指出：针对这种预测，有业内资深人士表示，虽然现阶段股指期货仿真交易好几次成功预测出大盘第二天的下跌，但这多少存在”运气”的成分。“股指期货真正想要实现价格发现功能，需首先确定期现之间的合理价差是多少，而合理价差的确定必须有真实的套

3、利资金介入，不然所谓期指成功发现价格，只不过是昙花一现。”股指期货研究员对记者表示，现阶段的期指仿真交易还只是纸上谈兵。我国现在运行的仿真交易股指期货与指数价格之间的关系如何，期货的定价功能是否真正有效发挥，是本文的研究方向。Kawaller(1987)运用三阶段最小二乘回归的办法，考察S&P500股指期货和现货之间的领先和滞后关系。得到的结论是股指期货价格对现货价格有较长时间的领先关系，相比之下现货价格对期货价格的定价领先时间少得多。Harris(1989)通过研究基差来考察股指期货市场和现货市场之间的整合关系，指出由于成分股最近没

4、有交易而导致S&P500指数对真实股票价值的滞后，股指期货与真实股价之间存在相关关系从而股指期货价将领先于现货价。Stoll,Whaley(1990)通过研究5分钟S&P500和MM股指期货、现货时间序列之间回报率的关系，发现股指期货回报在5分钟水平上对现货回报有预测作用，同时相对滞后的现货价格回报水平对期货价格回报有不太明显的影响作用。李强(2007)总结了前人的研究，得到以下结论：股指期货的推出，可以增加股票现货市场的流动性，在股指期货合同到期日造成股价的巨大波动；在股指期货对股票市场价格波动的影响方面，他认为还存在争议。程传功(

5、2007)从股指期货的推出对证券市场的影响方面，认为股指期货将有助于降低市场波动风险。在没有股指期货的市场里面，由于股票价格在相对高位停留时间有限，在抛售的时候股票会集中快速抛出，对股价的短期杀伤力非常大。股指期货推出后，低位买进股票的投资者等到股票运行到高位时，并不需要马上抛出，而可以在高位用期货锁定盈利。这就减缓了股票在高位的卖出压力，相应地降低市场非理性涨跌所带来的波动风险。本文的研究思路：一是仿真股指期货是否可以预测短期证券价格，我们选用Granger因果检验来测度股指期货与现货之间的因果关系；二是在基差不稳定的情况下，寻找可

6、以预测股指与期指相对趋势的指标。在真实股指期货市场中，基差是基本稳定的，如果出现基差的异常与背离，立即会吸引套利资金使这一基差回归正常水平。将仿真期货与现货价格进行比较，我们发现可以使用收益率基差的异常值指示的信号进行套利。于是设计了样本收益率基差的均值和方差来估计其置信区间，观察收益率基差是否出现异常，如果出现异常，评价这一信号是否正确预测了未来股指的短期趋势。二、模型说明与数据描述(一)单位根检验和协整分析若时间序列数据的均值或自协方差随时间而改变，那么该序列就是非平稳的。由于对非平稳的时间序列进行回归分析会产生'‘伪回归”问题，

7、如果进行差分可先化为平稳时间序列，但这样就会忽略原时间序列数据包含的有效信息，因而是一种浪费。对此可以进行协整分析，如果时间序列数据之间是协整的，那么就可以直接用原数据进行后续分析，例如Granger因果检验。协整检验的前提条件是时间序列是非平稳的，而且具有单位根；因而需要首先检验时间序列数据是否存在单位根，然后检验是否协整，最后才可以进行Granger因果检验。根过程。若单位根过程经过一阶差分后平稳，即Yt-Yt-1=3t,则称时间序列数据是一阶单整。进行单位根检验有很多方法，本文采用常用的ADF检验,检验假设为：原假设Ho：B=0

8、,备择假设Hl：p<0；检验模型有三个：说明：第一个模型不包括常数项和线性时间趋势；第二个模型包含常数项，不包含线性时间趋势；第三个模型包括常数项和线性时间趋势。检验时应基于时间序列数据是否存在趋势和均值是否为零来选择检