中证1000股指期货上市对金融市场有积极影响
　　文章以2004年12月31日-2023年10月10日的中证1000指数每日收益率为研究样本，对我国股指期货市场与股票市场的相互关系进行研究分析。本文对这一问题进行实证研究，结果表明，中证1000股指期货推出后，在日度数据层面，对中证1000指数的波动率影响并不显著，并不存在股指期货上市导致股指波动率增大的情况。在5分钟高频数据层面，中证1000股指期货推出后，能够减弱中证1000指数现货市场的波动，助力金融市场稳健运行。
　　

研究报告全文：研究咨询部中证1000股指期货对中证1000指数波动性2023年10月13日影响研究长江期货研究咨询部报告要点投资咨询业务资格中证1000股指期货上市对金融市场有积极影响鄂证监期货字20141号文章以2004年12月31日-2023年10月10日研究员李鸣的中证1000指数每日收益率为研究样本对我国股指F3058939期货市场与股票市场的相互关系进行研究分析本文对Z0017029这一问题进行实证研究结果表明中证1000股指期02765261355货推出后在日度数据层面对中证1000指数的波动liming7cjsccomcn率影响并不显著并不存在股指期货上市导致股指波动联系人张志恒率增大的情况在5分钟高频数据层面中证1000股F03102085指期货推出后能够减弱中证1000指数现货市场的波02765261355动助力金融市场稳健运行zhangzh15cjsccomcn1一相关理论一波动性定义股市波动性是指股票价格由于受到各种各样随机或半随机因素的影响扰动而随时间上下波动它衡量的是金融市场中金融资产的实际交易价格或收益率与该金融资产的基础价格或收益率之间的偏离程度是该金融资产风险大小的度量影响波动性的原因是多方面的除系统性风险与非系统性风险外投资者差异如风险偏好也有一定影响通常来说金融市场所面临的波动性越大市场越不稳定我们一般用金融资产的价格波动大小来描述股票市场的风险大小股票市场的波动性越大则表示它所面临的风险也就越大波动性越小市场的风险也较小也就是市场越平稳在研究股指期货对股票现货波动性影响的过程中通常用金融资产的收益率方差或标准差来描述股票市场风险大小也即股票市场的波动性水平如果我们研究的中证1000股指期货和股票现货的每日收盘价时间序列在满足一定前提条件的情况下则我们可以用所选取的指标的样本数据方差来估算总体样本的方差研究两者间的波动性关系对于我们股票市场的健康发展具有极其重要的意义二波动性形成的原因1上市公司盈利水平波动根据CAPM模型公司股票的价值由未来预期收益以及折现率决定假定股票长期持有则未来预期收益全部来自于公司分红公司分红除去受到分红比例的影响外也受到公司净利润的影响由于外部环境的变化以及公司自身存在的经营风险实际中市场对公司净利润的预期是不断修正的在这样的情况下势必引起股票价格的波动22信息壁垒股票投资者需要持续跟踪市场动态然而在不完全市场下由于内幕消息的存在投资者很难获得所有信息因而投资决策可能会面临着信息不对称的风险当这部分内幕消息被发掘公开后随着投资者行为的改变股票价格相应波动3意外因素由于自然灾害等不可抗力事件的发生导致投资行为的改变为股票市场带来波动性二检验模型与方法一样本的数据与处理本文主要研究中证1000股指期货与中证1000指数的相互关系考虑到选取的样本需要真实反映中证指数市场的走势选择分析日收盘价数据与5分钟高频数据下股指期货与股指现货之间的联系日收盘价数据选择从基日最新交易日的数据即2004年12月31日-2023年10月10日间的有效交易日的中证1000指数收盘价作为样本数据为更好地解释时间序列数据并方便模型估计本文对收盘价取对数转化为收益率公式为1其中是第t日的收益率是第t日中证1000指数的收盘价1是t-1日中证1000指数的收盘价共收集了4558个数据数据来源于iFind数据的处理工具为Eviews125分钟高频数据选择中证1000股指期货上市前后一年共2年23279个数据即2021年7月26日至2023年7月25日间的有效交易日的中证1000指数5分钟数据作为样本数据同样对每五分钟的价格取对数转为收益率数据来源于iFind数据的处理工具为Eviews123二分析模型通常金融数据的时间序列一般都具有尖峰厚尾时变方差特征并不服从正态分布因此可以采用GARCH模型来处理GARCH模型将收益率的条件方差作为滞后条件方差项和前期误差平方项的线性函数能捕捉到收益率序列波动聚集趋势是一种有效的波动性时变处理方法常用的GARCH及其拓展模型包括1GARCHpq模型式2-1是本文研究中采用的符合ARMAmn过程的条件均值方程2-2是条件方差方程其中为白噪声序列是信息集p是GARCH项的阶数q是ARCH项的阶数要求和必须非负且和小于12TGARCHpq模型TARCH模型最早由Zakoian1990提出它可以获取到股价对利多与利空信息所具有的非对称反映特征条件方差方程为事实上TARCH模型就是在传统的ARCH模型的条件方差中引入一个用以区分估价上涨和下跌对条件方差的不同作用效果虚拟变量其中当时否则在这个模型中好坏消息对条件方差的影响是不同的好消息有一个的冲击坏消息有一个的冲击由此可知如果则存在杠杆效应如果则信息是非对称的3EGARCHpq模型4EGARCH模型由Nelson1991提出同样也是一种非对称的GARCH模型条件方差被指定为当时存在杠杆效应如果则影响是非负的当使用GARCH模型进行检验时由于股价对不同信息多数时候具有非对称反应因此本文主要使用非对称GARCH模型对股价指数收益率进行检验此外由于GARCH模型前提是收益率序列是平稳的因此需先对序列进行单位根检验才能进行GARCH模型建模本文采用ADF检验三波动影响的检验引入虚拟变量通过在GARCH模型条件方差方程中引入虚拟变量我们可以观测到事件是否对波动率产生了影响以及具体的影响方向虚拟变量值的设定为在引入期货前设为0引入期货后设为1由此2-2式变为TARCHEGARCH模型条件方差方程同理变换如果虚拟变量具有统计显著性则表明期货交易对现货市场的波动性产生了影响而若表明波动性加剧波动性减小四波动原因的检验股指期货推出前后与的比较分析在GARCH系列模型中为落后期残差平方项系数可以被视为信息系数反映昨日市场有关的价格变化对今日指数价格变化的影响增大表明在引入股指期货后新信息对股价变化的影响速度在加快为落后期条件变异数项的系数可以反映旧信息对股价的影响基此增加表明引入期货市场后波动性影响更持久不易被市场吸收反映即信息流速减慢导致旧信息对近日股价产生5较大影响因此为进一步考察波动影响的产生原因可以分别检验股指期货推出前后股价指数的条件方差方程中和的相对变化从而判定波动的影响原因三实证分析311统计性描述日度数据中证1000指数的描述性统计如表1所示表1中证1000指数收益率统计特征描述日度数据指标数值指标数值均值0000395中位数0001870标准差0019326偏度-0850720峰度6164422J-B值2451533数据来源iFindEviews长江期货研究咨询部图1中证1000指数收益率统计描述图日度数据数据来源iFindEviews长江期货研究咨询部6根据图1所示中证1000指数收益率序列的偏度为-08507200表明该序列呈现出总体左偏分布的特点峰度值为6164422远高于正态分布的峰度值3说明该序列具有尖峰特征此外在低置信水平条件下该序列的Jarque-Bera统计量显著大于正态分布下的Jarque-Bera值说明中证1000指数收益率序列不符合正态分布假设312平稳性检验日度数据图2中证1000指数收益率波动特征图日度数据数据来源iFindEviews长江期货研究咨询部据图2所示可以看到中证1000指数每日收益率序列不存在明显的趋势性表现了一定的聚集性说明中证1000指数每日收益率可能存在条件异方差7图3中证1000指数对数收益率ADF检测结果日度数据数据来源iFindEviews长江期货研究咨询部为验证上述猜想需要进一步检验由于样本数据为时间序列数据为确保检验的准确性选择用ADF检验对中证1000指数收益率时间序列进行检验以确定其平稳性如图3所示ADF的值为-6140155P值为00001说明中证1000指数收益率的时间序列是平稳的313自相关性检验日度数据图4中证1000指数对数收益率自相关检验日度数据数据来源iFindEviews长江期货研究咨询部8表2ARMA模型的AIC值与SC值日度数据模型AICSCARMA11-5062819-5058589ARMA12-5063466-5057827ARMA13-5063844-5056795ARMA21-5063463-5057823ARMA22-5063638-5056588ARMA23-5064463-5056002ARMA31-5063965-5056914ARMA32-5066031-5057569ARMA33-5065874-5056002数据来源iFindEviews长江期货研究咨询部如表2所示通过比较发现ARMA32为最佳模型对应的AIC与SC相对最小接下来进行ARCH-LM效应检验滞后阶数选择阶检验结果如图5图5ARCH-LM效应检验结果日度数据数据来源iFindEviews长江期货研究咨询部据图4可以看到统计量Q值均显著序列存在自相关具备ARCH效应如图5所示F统计量为2477930对应的P值为00000ObsR-squared为2351037P值为00000所以我们拒绝原假设并认为在5显著水平下存在ARCH效应从而可以进行下一步的建模分析9314模型检验日度数据表3ARMA32-GARCH模型结果AR3MA2系数00761990993771000000464005728209219020014493-0000890P值00000000000000000000000000049703221数据来源iFindEviews长江期货研究咨询部检验可得模型的满足GARCH模型的稳定性条件接下来对模型残差进行ARCH-LM检验滞后阶数选择1阶检验结果如图6图6ARCH-LM效应检验结果日度数据数据来源iFindEviews长江期货研究咨询部在5显著性下ARCH效应已被消除模型有效据表3可以看到的P值为03221显著大于005说明中证1000股指期货上市并不会放大中证1000指数的波动性市场上的正反馈交易行为并不会因为股指期货的上市而放大321统计性描述高频数据中证1000指数的描述性统计如表1所示表4中证1000指数收益率统计特征描述高频数据指标数值指标数值均值000000549中位数00000195标准差0001660偏度-0341197峰度2458845J-B值4525118数据来源iFindEviews长江期货研究咨询部10根据表4所示中证1000指数收益率序列的偏度为-03411970表明该序列呈现出总体左偏分布的特点峰度值为2458845远高于正态分布的峰度值3说明该序列具有尖峰特征此外在低置信水平条件下该序列的Jarque-Bera统计量显著大于正态分布下的Jarque-Bera值说明中证1000指数收益率序列不符合正态分布假设322平稳性检验高频数据图7中证1000指数收益率波动特征图高频数据数据来源iFindEviews长江期货研究咨询部据图7所示可以看到中证1000指数每日收益率序列不存在明显的趋势性表现了一定的聚集性说明中证1000指数每日收益率可能存在条件异方差为验证上述猜想需要进一步检验由于样本数据为时间序列数据为确保检验的准确性选择用ADF检验对中证1000指数收益率时间序列进行检验以确定其平稳性11图8中证1000指数对数收益率ADF检测结果高频数据数据来源iFindEviews长江期货研究咨询部如图8所示ADF的值为-1467720P值为00001说明中证1000指数收益率的时间序列是平稳的323自相关性检验高频数据图9中证1000指数对数收益率自相关检验高频数据数据来源iFindEviews长江期货研究咨询部表5ARMA模型的AIC值与SC值高频数据模型AICSCARMA11-9965440-9964402ARMA12-9965680-9964296ARMA13-9965603-9963873ARMA21-9965630-996424512ARMA22-9966239-9964509ARMA23-9966223-9964146ARMA31-9965521-9963790ARMA32-9966175-9964098ARMA33-9966356-9963933数据来源iFindEviews长江期货研究咨询部如表5所示通过比较发现ARMA22为最佳模型对应的AIC与SC相对最小接下来进行ARCH-LM效应检验滞后阶数选择阶检验结果如图10图10ARCH-LM效应检验结果高频数据数据来源iFindEviews长江期货研究咨询部据图9可以看到统计量Q值均显著序列存在自相关具备ARCH效应如图10所示F统计量为5610663对应的P值为00000ObsR-squared为5479062P值为00000所以我们拒绝原假设并认为在5显著水平下存在ARCH效应从而可以进行下一步的建模分析324模型检验高频数据表6ARMA22-GARCH模型结果高频数据AR2MA2系数-029486502602490000000137001623408842070085098-00000516P值00000000000000000000000000000000018数据来源iFindEviews长江期货研究咨询部检验可得模型的满足GARCH模型的稳定性条件接下来对模型残差进行ARCH-LM检验滞后阶数选择1阶检验结果如图613图11ARCH-LM效应检验结果高频数据数据来源iFindEviews长江期货研究咨询部在5显著性下ARCH效应已被消除模型有效检验可得模型的满足GARCH模型的稳定性条件接下来对模型据表6引入虚拟变量后可以看到的P值为00018显著下于005说明中证1000股指期货上市对中证1000指数的高频交易的波动性有影响0说明中证1000股指期货的推出一定程度上降低了现货市场的波动对于我国的金融市场能起到积极的作用四结论与建议本文借助了统计学思想利用GARCH模型进行了实证分析检验了股指期货对现货波动性的影响结果显示中证1000股指期货在日度数据的层面上对于现货的波动性不存在显著性影响但在高频数据的层面上中证1000股指期货推出后能够减弱中证1000指数现货市场的波动高频的特点是用交易量和订单簿不平衡变化的极端分布构造了高频交易的代理变量构建高频对价格发现效率影响的回归模型也是促进价格发现的基础对瞬时定价误差的影响也是显著为正中证1000股指期货能够在高频数据层面降低现货波动性的原因可能在于其股指期货上市拓展了金融市场的广度与深度提高了金融市场信息流动的质量与速度通过期市与股市之间高频数据的信息传递改善了投资者的投资环境高频数据对于市场提供的额外信息的消化转变成价格的波动和修正从而更快抑制现货市场波动14而日频数据中可能因投资者偏好风险事件市场预期等众多影响因素平滑了波动大数据样本稀释了高频数据里的聚集效应故中证1000股指期货上市对现货的波动性不存在显著性影响结合我国金融市场的实际情况为完善我国金融市场的稳定健康有序发展本文提出以下策略建议一加大市场的监管力度降低金融市场的非系统性风险与违法扰乱事件提高市场上流通信息的质量二持续强化党对期货行业的领导在中国特色社会主义的模式下不断完善具有中国特色的股指期货市场制度加强市场的调节作用提高信息传递的速度与质量三提高投资者教育宣传期货的套期保值降低风险的作用降低市场盲目进行杠杆投机的投资者比例15风险提示本报告仅供参考之用不构成卖出或买入期货期权合约或其他投资标的要约或邀请在任何情况下本报告中的信息和意见均不构成对任何个人的投资建议任何形式的分享投资收益或者分担投资损失的书面或口头承诺均为无效投资者应当充分了解报告内容的局限性结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信息并自行承担风险我公司及员工对投资者使用本报告及其内容而造成的一切后果不承担任何法律责任免责声明长江期货股份有限公司拥有期货投资咨询资格长江期货系列报告的信息均来源于公开资料本公司对这些信息的准确性和完整性不做任何保证也不保证所包含的信息和建议不会发生任何变更本报告所载资料意见及推测仅反映在本报告所载明日期的判断本公司可随时修改毋需提前通知投资者应当自行关注相应的更新或修改本公司已力求报告内容的客观公正但文中的观点结论和建议仅供参考不代表对期货价格涨跌或市场走势的确定性判断报告中的信息或意见并不构成所述期货的买卖出价投资者据此做出的任何投资决策与本公司和作者无关本公司及作者在自身所知情范围内与本报告中所评价或推荐的交易机会不存在法律法规要求披露或采取限制静默措施的利益冲突本报告版权仅为本公司所有未经本公司书面许可任何机构和个人不得以任何形式翻版复制发布引用或再次分发他人或投入商业使用如征得本公司同意引用刊发的需在允许的范围内使用并注明出处为长江期货股份有限公司且不得对本报告进行有悖原意的引用删节和修改本公司保留追究相关责任的权力公司总部长江期货股份有限公司投资咨询业务资格鄂证监期货字20141号地址湖北省武汉市武昌区中北路长城汇T227层邮编430071电话02765261325网址httpwwwcjfcocomcn16