基于V AR模型的股指期货定价研究
山东大学威海分校张嗣昌、王真、赵娜
摘要
股票指数期货（简称股指期货）是一种重要的金融衍生品，其为投资者实现风险对冲或者风险套利提供了工具。本文首先利用Granger因果检验分析了股指期货与其对应的指数现货之间的关系，发现其互为Granger因果，故构建了股指期货价格与股指现货之间的向量自回归模型。
然后分析了利率对股指期货价格的影响，确定了利率与股指期货价格间的单向因果关系，将利率作为一个外生变量引入向量自回归模型。然后分别用动态与静态两种方法对在2010年发行的沪深300指数期货IF1012进行了价格预测的实证工作。实证结果表明：利率变化会对股指期货价格产生影响，将利率作为外生变量引入模型可以提高模型精度。
关键词：股指期货利率向量自回归模型价格预测
目录
一、序言 (1)
（一）、选题背景 (1)
（二）、研究现状 (1)
（三）、本文的主要工作及创新之处 (1)
二、V AR模型及相关分析方法 (2)
（一）模型简介 (2)
（二）平稳性分析及单整概念 (3)
（三）协整检验 (3)
（四）Granger因果检验 (4)
三、实证分析与结论 (4)
（一）、数据来源及处理 (4)
（二）、平稳性检验 (5)
（三）、股指期货与现货指数之间的关系 (5)
(四)、股指期货与现货指数和利率之间的关系 (11)
参考文献 (16)
附录 (17)
一、序言
（一）、选题背景
股票指数期货，就是以股票指数为标的物的期货合约。双方交易的是一定期限后的股票指数价格水平，通过现金结算差价来进行交割。1982年2月24日，世界上第一份股票指数期货上市交易。今天，股指期货以成为国际金融市场上最活跃的金融衍生品之一，被称为二十世纪八十年代“最激动人心的金融创新”。由于股指期货以股票市场指数作为标的物，故其价格可以反映人们对于未来股票市场走势的预期。在投资者的角度，股指期货可被用来对冲风险，或者在风险中盈利。
自2010 年4月16日沪深300股指期货正式上市交易以来，股指期货的流通已经一年有余，股指期货的价格走势服从何种规律，期货市场与现货市场的相互作用是怎样的，虽然在2006年开始了沪深300指数期货仿真交易，众多学者利用仿真交易数据进行了理论与实证的探索，但其方法，结论是否适用于正式交易，还是有待研究的问题。
（二）、研究现状
国外，最早研究期货价格与现货价格关系的是Garbade和Silber，他们通过一个动态模型来描述期货与现货价格之间的关系。Kawaller与Koch对芝加哥商品期货交易所1984到1985年的数据进行了研究，发现期货价格领先于现货价格，并对不同交易日保持稳定。在相反的方向上，Gwilym和Buckle的研究表明期货价格会对现货价格产生明显影响。Zhong等利用EGARCH模型，证实了期货交易对现货交易具有价格发现作用，他们的研究结果同样支持了Garbade的期货价格领先于现货价格的结论。
在国内，由于我国沪深300指数期货上市时间仅一年，其发行规模，发行种类及流通性都及其有限，未能得到充分的重视。在研究层面，现有的研究成果多集中于对仿真交易的研究，严敏，巴曙松在2009年利用误差修正模型分下了股指期货仿真交易与沪深300指数现货之间的关系，发现两者存在这长期均衡关系。郭彦峰等人在2009年借助GARCH 模型也得出了相同的结论。
（三）、本文的主要工作及创新之处
本文的研究思路是首先通过中国金融期货交易所网站获取了IF2012的日交易数据，并在上海证券交易所网站获取了同日沪深300指数数据。通过单位根检验得知两列数据均为非平稳序列，但由于其一阶差分平稳，故可以构建向量自回归模型（V AR），利用最小二乘拟合参数后，对模型进行了Granger因果检验，并分别进行了模型的动态模拟和静态模拟，并与IF1012的市场数据做比较，发现静态模拟的效果更为精确。
进一步地，我们考虑了利率的变化对股指期货定价的影响。利用在上海证券交易所网站上取得的上海银行间同业拆借利率数据（Shibor），同样的分析可知，利率数据为非平稳时间序列，但其一阶差分序列为平稳序列。且在10%意义下通过Granger因果检验，Granger因果关系成立。故将利率作为外生变量加入V AR 模型中，得到了一个新的V AR模型。与IF1012的市场数据做比较，可知新模型在预测的精确性上有所改进。
本文的创新之处在于，首先，我们在之前用于研究仿真交易的V AR模型基础上引入利率r作为外生变量，使模型更加精确。其次，我们是对真实交易中的股指期货IF1012进行研究，相比基于仿真交易的分析，模型更贴近事实。
二、VAR模型及相关分析方法
（一）模型简介
在对金融指数建立模型时，若多元时间序列服从下面模型
则称是一个一阶V AR过程，或简称V AR(1)。其中，是一个k维向量，是一个矩阵，是序列不相关的随机向量序列，其均值为0，协方差矩阵为。实际中要求协方差矩阵为正定矩阵。VAR()的基本模型为:
其中，
y分别是内生变量和外生变量，A是待估参数矩阵。r是滞后阶数，{tε是序列不相关的随机向量序列。一般根据AIC和SC信息量最小标准确定模型阶数。V AR模型是非结构化的多方程模型。它的核心是直接考虑各个经济变量的时间序列之间的关系，避开了结构建模中需对系统中的每个内生变量关于所有内生变量求滞后值的函数建模问题，通常用于预测时间序列系统和研究随机扰动对变量系统的动态影响。（二）平稳性分析及单整概念由于只有平稳的时间序列才能够直接建立V AR模型，因此首先需要对变量进行平稳性检验。平稳序列即指均值与时间无关，方差有界且与时间无关的序列。常用的平稳性分析有单位根检验法。单位根检验法的方法有很多，如ADF,DF,PP,NP检验法等等。对于非平稳的时间序列，若进行差分后，序列便平稳，则称该序列为单整序列。若经过次差分后第一次达到平稳状态，则称该序列是阶单整序列。记为。单整性质往往用ADF检验法检验。（三）协整检验协整检验通过检验协整回归模型的估计残差项的平稳性来判断序列间的协整关系。当检验的数据是非平稳（即存在单位根），并且各个序列是同阶单整（协整检验的前提），想进一步确定变量之间是否存在协整关系，可以进行协整检验，协整检验主要有EG两步法和Johansen检验。EG两步法是基于回归残差的检验，可以通过建立OLS模型检验其残差平稳性。Johansen检验是基于回归系数的检验，前提是建立V AR模型（即模型符合ADL模式）。建立V AR模型后，根据AIC准则和S准则确立滞后阶数，从而得到协整检验回归模型。经过检验后，若两列数列存在协整关系，且单整阶数相同，那么可得结论：两列时间序列存在长期稳定的相互影响关系。,
t
（四）Granger因果检验
Granger因果检验用于在两列序列平稳的前提下，检验两序列间是否存在单向或双向的因果关系。如果平稳序列变量X的滞后值在关于另一平稳序列变量Y 的方程中的作用是显著的，那么称X是Y的“格兰杰原因”。表示事件X先于Y事件发生。其相应的检验叫做作Granger因果检验。值得注意的是，Eviews 这里还提供了一个Wald－Granger检验，但此时的格兰杰已经不是因果关系检验，而是变量外生性检验，请注意识别。
三、实证分析与结论
（一）、数据来源及处理
本文所用到的数据如下：股指期货（IF2012）点数的日数据，来源于中国金融期货交易所（https://www.doczj.com/doc/8e13945778.html,）；利率的日数据，来源于上海证券交易所（https://www.doczj.com/doc/8e13945778.html,/）；沪深300指数日数据，来源于大智慧（https://www.doczj.com/doc/8e13945778.html,/）。数据区间为2010年4月19日至2010年12月17日。部分数据如下：
具体数据见附表。
在实证分析方面，我们采用Eviews6.0软件进行相关分析与检测。为了数据处理方便，我们不考虑节假日，把数据拼接成五天一周的数据，然后进行相关分析。
（二）、平稳性检验
我们分别将股指期货、利率以及现货指数（沪深300指数）的数据通过Excel 传入Eviews中，对序列及其一阶差分序列分别进行单位根检验。检验结果如下表：
表1 数据的平稳性检验结果
通过此表我们可以看出股指期货、利率以及现货指数序列的ADF统计量值均大于5%显著性水平的临界值，即序列有单位根，说明序列非平稳，因此对原序列做一阶差分，并对差分后的序列进行ADF检验，检验结果显示差分后各序列ADF统计量的值小于1%显著性水平的临界值，说明差分后序列平稳。
（三）、股指期货与现货指数之间的关系
1、VAR模型的建立
在Eviews中，做出股指期货和现货指数的时序图，如下图：
图1 股指期货与现货指数的时序图
观察此图可知，股指期货与现货指数时序图的走势大致相同，说明其之间存在着一定的相关关系，并且这种相关关系具有一定的规律性。由于原序列的一阶差分序列是平稳的，所以我们利用股指期货和现货指数序列建立VAR模型。具体步骤如下：
（1）将股指期货与现货指数看成是内生变量，选择滞后期为2，利用Eviews的参数估计功能，估计模型的参数。得到下表：
表2 VAR模型参数估计结果
Vector Autoregression Estimates
Date: 06/29/11 Time: 17:38
Sample (adjusted): 4/21/2010 12/01/2010
Included observations: 161 after adjustments
Standard errors in ( ) & t-statistics in [ ]
FUTURES SPOT_GOODS FUTURES(-1) 0.818778 0.116743
(0.22035) (0.19201)
[ 3.71585] [ 0.60800]
FUTURES(-2) -0.043744 -0.289023
(0.22316) (0.19446)
[-0.19602] [-1.48629]
SPOT_GOODS(-1) 0.093577 0.849469
(0.25212) (0.21970)
[ 0.37116] [ 3.86655]
SPOT_GOODS(-2) 0.115840 0.303134
(0.25827) (0.22505)
[ 0.44853] [ 1.34694]
C 63.86783 73.19664
(53.8356) (46.9126)
[ 1.18635] [ 1.56028]
通过此表可以得到VAR模型如下： 同时得到VAR模型的回归统计量，如表3所示。表3 VAR模型的检验结果R-squared 0.953054 0.962545
Adj. R-squared 0.951850 0.961585 Sum sq. resids 505169.7 383599.1
S.E. equation 56.90578 49.58799
F-statistic 791.7386 1002.259 Log likelihood -876.5744 -854.4130 Akaike AIC 10.95123 10.67594 Schwarz SC 11.04693 10.77163 Mean dependent 3056.268 2975.816
S.D. dependent 259.3334 253.0031 Determinant resid covariance (dof adj.) 915018.0 Determinant resid covariance 859067.1
Log likelihood -1556.818
Akaike information criterion 19.46358 Schwarz criterion 19.65497
通过表3可以看出，VAR模型的AIC以及SC准则信息分别为19.46358和19.65497。
（2）调整滞后期,确定滞后项数
通过不断调整滞后期，比较所得模型的AIC 准则以及SC 准则信息大小，根据AIC 准则以及SC 准则信息取最小的原则来确定VAR 模型的合适的滞后阶数。在本模型中，我们通过比较滞后期为二阶、三阶、四阶时的AIC 值以及SC 值确定模型滞后阶数。检验结果如下表：
表4 模型滞后阶数比较
由上表，通过比较表中数据，我们得到模型的滞后阶数为2。从而得到向量自回归模型为：
2、 模型的动态模拟及静态模拟
在估计VAR 模型之后，可以利用所建立的VAR 模型进行预测和模拟，利用Eviews 建立包含原序列与预测序列的序列组，并且绘制其图像，得到下图：
图2 股指期货点数的动态模拟
图3 股指期货点数的静态模拟
模型对象的动态求解是利用各序列每期预测值而非实际观测值进行迭代运算，可以对超出样本期的未来值进行预测；而静态预测则是利用各序列滞后期的实际观测值来计算下一期观测值，但最多只能预测超出样本期一期的未来值。
从图2可以观察到，IF2012的点数从第一季度到第二季度处于下滑趋势，从第二季度末开始上升，并且到第三季度末达到极大值，此后直到第四季度近乎保持不变趋势。模型的动态模拟虽然没有显示出股指期货的短期波动，但是却较好的反映了股指期货点数的走势，正是由于这种原因，VAR模型更加适合于长期预测。
从图3可以观察到，静态模拟可以很好的预测股指期货点数，很好的显示出短期波动，但是并不能由静态模拟不能明显的显示出股指期货点数的长期趋势。
3、模型的一般分析及检验
（1）模型的一般分析
对于VAR模型，我们可以通过Eviews软件对其进行一系列分析。首先，可以给出VAR模型估计结果的AR特征多项式的根。如下图：
表5 AR特征多项式的根
Roots of Characteristic Polynomial
Endogenous variables: FUTURES SPOT_GOODS
Exogenous variables: C
Lag specification: 1 2
Date: 06/29/11 Time: 18:54
Root Modulus
0.974188 - 0.026015i 0.974536
0.974188 + 0.026015i 0.974536
-0.140065 - 0.040897i 0.145914
-0.140065 + 0.040897i 0.145914
No root lies outside the unit circle.
VAR satisfies the stability condition.
图4 单位圆和特征根
由表5和图4得到，AR特征多项式的根的模均小于1，且均位于单位圆之内，这表明了所估计的VAR模型是稳定的。
（2）模型的Granger因果关系检验
利用Eviews软件对VAR模型进行Granger因果关系检验，分析股指期货与现货指数之间的关系。
表6 VAR模型的Granger因果检验结果
Dependent variable: FUTURES
Excluded Chi-sq df Prob.
SPOT_GOODS 6.914176 2 0.0315 All 6.914176 2 0.0315 Dependent variable: SPOT_GOODS
Excluded Chi-sq df Prob.
FUTURES 7.442817 2 0.0242 All 7.442817 2 0.0242
上表给出了模型中两个内生变量的检验结果，对于内生变量FUTURES,其相应于内生变量SPOT_GOODS的统计量是6.914176，相应的概率值为0.0315，因此内生变量FUTURES对应的方程中不能排除SPOT_GOODS，即变量SPOT_GOODS是变量FUTURES的原因。同理可得，变量FUTURES也是变量SPOT_GOODS的原因。
由上述分析可以得到，股指期货的点数和现货指数是相互影响的，并且它们之间的关系可由VAR模型来表示。
(四)、股指期货与现货指数和利率之间的关系
1、VAR模型的建立
将股指期货点数与现货指数作为内生变量，引入利率作为外生变量，仿照3.1中模型的建立，得到新的VAR模型：
f spo ??
2 、模型的动态模拟与静态模拟
在估计VAR 模型之后，可以利用所建立的VAR 模型进行预测和模拟，利
用Eviews 建立包含原序列与预测序列的序列组，并且绘制其图像，得到下图：
图5 股指期货点数的动态模拟
图6 股指期货点数的静态模拟
从图5可以观察到，IF2012的点数从第一季度到第二季度处于下滑趋势，从第二季度末开始上升，并且到第三季度末达到极大值，在第四季度初开始下降，达到新的极小值后开始上升。通过比较图2和图5，可以看出，引入利率作为外生变量后，股指期货点数的长期趋势有与不引入利率有所变化，而这些变化使得长期趋势的预测更加精确。
从图6和图3的比较中可以得到，引入利率后，股指期货点数的短期波动能更好的体现出来。
3、模型的一般分析及检验
（1）模型的一般分析
给出VAR模型估计结果的AR特征多项式的根。如下图：
表7 AR特征多项式的根
Roots of Characteristic Polynomial
Endogenous variables: FUTURES SPOT_GOODS
Exogenous variables: C INTEREST_RATE
Lag specification: 1 2
Date: 06/29/11 Time: 19:49
Root Modulus 0.941526 - 0.051127i 0.942914 0.941526 + 0.051127i 0.942914 -0.141873 - 0.108964i 0.178888 -0.141873 + 0.108964i 0.178888 No root lies outside the unit circle.
VAR satisfies the stability condition.
图7 单位圆和特征根
由同样的方法可以说明VAR模型的稳定性。
（2）模型的Granger因果关系检验
利用Eviews软件对VAR模型进行Granger因果关系检验，分析股指期货与现货指数和利率之间的关系。
表8 VAR模型的Granger因果检验结果
Pairwise Granger Causality Tests
Date: 06/29/11 Time: 19:58
Sample: 4/19/2010 12/01/2010
Lags: 2
Null Hypothesis: Obs F-Statisti
c Prob.
SPOT_GOODS does not Granger Cause
FUTURES 161 3.45709 0.0340 FUTURES does not Granger Cause SPOT_GOODS 3.72141 0.0264 INTEREST_RATE does not Granger Cause
FUTURES 161 1.20244 0.3032 FUTURES does not Granger Cause INTEREST_RATE 1.87749 0.1564 INTEREST_RATE does not Granger Cause
SPOT_GOODS 161 2.34130 0.0996
SPOT_GOODS does not Granger Cause
INTEREST_RATE 2.06474 0.1303
上表给出了模型中两个内生变量和一个外生变量的检验结果，由表知，利率对股指期货的点数有一定的影响，从而说明股指期货同时受现货指数和利率的影响。
参考文献
[1]（美）Ruey S.Tsay.金融时间序列分析[M].北京：机械工业出版社,2006
[2] 樊欢欢,张凌云.Eviews统计分析与应用[M].北京：机械工业出版社，2009
[3]何研.股指期货市场和股票市场波动关系研究[D].河南：河南大学，硕士论文,2009
[4]胡可.基于向量自回归方法的房地产市场货币政策传导效应研究[D].福建：厦门大学，硕士论文，2008
[5]张延霞.基于时序模型[D].山东：山东大学,硕士论文，2010
[6]刘玲.基于向量自回归方法的股票价格与宏观经济变量关系研究[D].湖南:湖南大学,硕士论文,2006
[7]文先明，梁琳，黄亚雄.股指期货仿真交易与现货相互引导关系[J].系统工程.2010-28-3
[8]赵勇，冯晓波.基于向量自回归方法的上证指数模拟和预测[J].中国水运.2008-08-01
[9]张利阳，王逸辉.股票市场价格与经济增长关系的实证分析[J].统计观察.2008-04
[10]马孝斌等.向量自回归法在生猪价格预测中的应用[J].遗传育种.2007-43-23
附录
表：股指期货点数，利率及现货指数列表
date futures interest rate spot goods
2010/4/19 3320.00 2.3633 3176.42
2010/4/20 3353.00 2.3619 3173.37
2010/4/21 3409.00 2.3615 3236.68
2010/4/22 3387.40 2.3636 3201.54
2010/4/23 3385.00 2.3650 3190
2010/4/26 3390.40 2.3656 3172
2010/4/27 3338.20 2.3655 3108.41
2010/4/28 3339.80 2.3655 3097.35
2010/4/29 3298.20 2.3664 3060.06
2010/4/30 3326.80 2.3665 3067.37
2010/5/4 3294.00 2.3668 3019.45
2010/5/5 3278.00 2.3678 3036.39
2010/5/6 3195.00 2.3682 2896.86
2010/5/7 3100.00 2.3677 2836.79
2010/5/10 3078.00 2.3684 2858.23
2010/5/11 2948.60 2.3702 2800.82 2010/5/12 2940.00 2.3680 2818.16 2010/5/13 2996.80 2.3685 2886.91 2010/5/14 2965.80 2.3695 2868.02 2010/5/17 2757.00 2.3698 2714.71 2010/5/18 2871.60 2.3677 2771.35 2010/5/19 2855.00 2.3695 2762.17 2010/5/20 2846.60 2.3698 2726.02 2010/5/21 2898.80 2.3679 2768.79 2010/5/24 3021.80 2.3749 2873.47 2010/5/25 2927.20 2.3810 2813.94 2010/5/26 2946.80 2.3958 2813.94 2010/5/27 3007.00 2.4012 2859.98 2010/5/28 2969.60 2.4140 2850.3 2010/5/31 2890.20 2.4238 2773.26 2010/6/1 2858.40 2.4498 2744.16 2010/6/2 2872.40 2.4571 2757.53 2010/6/3 2842.20 2.4669 2736.08 2010/6/4 2853.60 2.4741 2744.39 2010/6/7 2782.00 2.4767 2695.72 2010/6/8 2796.00 2.4823 2699.34 2010/6/9 2867.20 2.4874 2782.13 2010/6/10 2851.00 2.4930 2750.02 2010/6/11 2864.40 2.4997 2758.87 2010/6/17 2843.40 2.5201 2742.73 2010/6/18 2804.20 2.5261 2696.17 2010/6/21 2895.20 2.5326 2780.66 2010/6/22 2888.60 2.5436 2783.72 2010/6/23 2853.20 2.5497 2758.5 2010/6/24 2857.00 2.5574 2757.5 2010/6/25 2840.00 2.5676 2736.29 2010/6/28 2828.00 2.5997 2716.78 2010/6/29 2688.40 2.6123 2592.02 2010/6/30 2664.80 2.6183 2563.07 2010/7/1 2626.40 2.6138 2526.07 2010/7/2 2637.00 2.6082 2534.11 2010/7/5 2615.60 2.6059 2512.65 2010/7/6 2649.00 2.6081 2562.9 2010/7/7 2649.60 2.6033 2580.48 2010/7/8 2645.20 2.6011 2575.92 2010/7/9 2724.60 2.6136 2647.1 2010/7/12 2729.00 2.6183 2676.22 2010/7/13 2692.40 2.6192 2634.59 2010/7/14 2710.80 2.6187 2653.61
VAR模型应用实例 众所周知，经济的发展运行离不开大量能源的消耗，尤其是在现代经济发展的过程中， 能源的重要性日益提升。我国自改革开放以来，经济发展取得长足的进步，经济增长率一直处于较高的速度，经济的高速增长带来了能源的大量消耗，进而带来了我国能源生产的巨大 提高。因此，研究经济增长率与能源生产增长率之间的关系具有重要的意义，能为生源生产 提供一定的指导意义。 1?基本的数据 我们截取1978—2015年中国经济增长速度（GDP增速）和中国能源生产增长速度数据，具体数据如下： 表1 1978―― 2016年中国经济和能源生产增长率 2?序列平稳性检验（单位根检验） 使用Eviews9.0来创建一个无约束的VAR模型，用gdp表示的是中国经济的增长率，用nysc表示中国能源生产的增长率，下面分别对gdp和nysc进行单位根检验，验证序列是否 平稳，能否达到建立VAR模型的建模前提。
Augm&nted Di ckey-Fuller Test Equation Dependent Variables (GDP) Method. Least Squares Date： 05/17/17 Time： 10:55 Sample (adjusted): 19S2 2015 Included observations: 34 after adjustments Variable Coefficient St! Error t^Statistic Prob. GDP(-1)-0.8561710.221114 -18675530,0006 EXGDPHJ)0.6256310.193529 3.23275510031 D(GDP 図)0.0492400.175617 0.280544 07811 D(GDP(-3))0264937 0.16734B 1.583145 01242 C3540050 2222961 3,841745 00006 R-squareri 0.45S475 Mean dependent var 0.052941 Adjusted R-squared 0 383782 S.D d即巴口血吋调「 2.545731 r r di “內erm 洽占耗…甘尺讨丹, A 图2.1经济增速（GDP）的单位根检验
2010年2月20日，中国证监会有关部门负责人宣布，证监会已正式批复中国金融期货交易所沪深300股指期货合约和业务规则，至此股指期货市场的主要制度已全部发布。2010年2月22日9时起，正式接受投资者开户申请。2010年4月16日，筹备三年多的首只股指期货——沪深300指数期货终于正式上市交易。作为我国首个股指期货产品，沪深300指数期货的推出，势必对我国金融市场产生深远的影响。 在此，本文试图通过对手中掌握的有关文献进行简单的梳理和总结。本文主要分为以下四个部分。第一部分是关于股指期货和其价格发现功能的相关概念。第二部分是关于股指期货的价格发现功能的理论研究文献的综述。第三部分是关于股指期货的价格发现功能的实证研究综述。第四部分是关于股指期货的价格发现功能的研究总结。由于缺少在股指期货的价格发现功能方面的定性研究的文献，本文将不对其定性研究进行阐述。 一、股指期货的相关概念 （一）股指期货的涵义 股票指数期货（Stock index futures,简称股指期货）是买卖双方根据事先的约定，同意在未来某一个特定的时间按照双方事先约定的股价进行股票指数交易的一种标准化协议。简言之，是一种以股票价格指数作为标的物的金融期货合约[1]。 作为一种重要的衍生金融工具，股指期货一直以来在世界金融市场上发挥着重要的作用，并有着世界范围的影响力。众所周知，金融市场上的衍生工具主要有期货、期权、远期合约和互换。股指期货包括外币汇率期货、利率期货和股指期货，分别于1972年、1975年和1982年出现，其中股指期货是最迟问世的。自从1982年美国堪萨斯期货交易所上市以来，经过30年的发展，股指期货现在已成为一个成熟的全球金融市场的产品。不仅股指期货的品种每年增多，股指期货交易规模也是急速的上涨。 （二）股指期货的特点 （1）跨期性：期货是基于对外来交易产品价格走向而签订的一种合同，在未来某一时间按照事先约定的条件来进行交易。例如，当交易者预计在一个月
股指期货定价研究 课题研究人：边慎 选送单位：上海申银万国证券研究所有限公司
内容提要 2007年，我国即将推出股指期货，这是我国推出的首个真正意义上的金融衍生品，把握好期货的定价方法，对于金融期货的平稳发展具有重大意义。 期货合约的定价方法可以分成不同的流派，最简单的是用远期合约的持有成本法来近似作为期货定价，但许多学者都已证明期货定价显著偏离远期定价。另一种较为普遍的方法是认为期货合约等于未来现货价格的期货值，这种方法从投机者的角度分析期货价格，忽略了套利者在定价中的作用。 本文将这两种方法结合起来，提出一种新的期货定价方法，并对其进行实证研究。一方面，套利者是期货定价与现货之间保持一个相对稳定的关系；另一方面，期货的每日结算制度，又使其含有未来现货价格的信息，但期货价格反映的不是交割日的现货价格期望值，而是整个期货合约存续期间，每日指数和无风险利率变化的综合反映。
目录 1．引言 (2) 2．理论综述 (3) 3．保证金管理与期货定价模型 (6) 3.1 期货定价特征 (6) 3.2 期货定价规范模型 (9) 3.3 动态管理保证金 (10) 4、实证检验 (12) 4.1 期货定价改变套利机会 (12) 4.2 期货定价计量模型检验 (15) 5、主要结论 (21) 参考文献 (23)
1、引言 金融商品的定价问题历来是学者与投资者普遍关注的问题，股指期货作为2007年中国证券市场的重大创新，即是一种充满活力的配置工具，又蕴含了高风险，把握其定价及运行特征，是用好这一工具的首要前提。 自期货诞生之日起，对其定价方法就存在许多争议，它不像股票代表了实实在在的资产，完全是一种虚拟证券。本文的第二部分回顾了有关期货定价的各种理论。 通过回顾期货定价理论可以发现，期货价格含有对未来的预期，而远期价格则完全是由套利决定的，造成两者价格差异的主要原因在于每日结算制度。第三部分从每日结算制度出发，融合持有成本与预期两种方法，建立了一个即含有套利因素、又含有预期因素的期货定价模型。此外，通过合理的预测，交易者可以进行动态保证金管理。 第四部分采用两种不同的方法对期货定价模型进行实证检验。首先，如果期货定价与远期定价有显著差别，将会改变套利机会，即期货定价可能无法揭示远期定价所揭示的套利机会，而远期定价也有可能无法揭示期货定价所揭示的套利机会，或者两者揭示不同的套利机会，通过是否存在套利机会的计算，可以从一个侧面反映市场存在哪一种均衡价格。 另外，本文根据期货定价模型建立计量经济模型，使用AR-GARCH 模型进行实证检验。
VAR模型的应用 基于VAR量技术通过变量平稳性和协整检验格兰杰因果检验，脉冲响应函数和预测方差分解分析，对经济增长与环境污染在时序维度的关系及其动态性进行了实证研究. [1]刘坤,刘贤赵,常文静. 烟台市经济增长与环境污染关系实证研究——基于VAR计量技术的检验分析[J]. 环境科学学报,2007,11:1929-1936. 1、孙长青（2012年）城镇化、工业化和金融发展的动态关系进行了分析，运用VAR模型、Johansen协整检验、Granger因果性检验和方差分解等定量分析方法进行了实证研究。[1]孙长青. 基于VAR模型的城镇化、工业化与金融发展关系分析——以中原经济区为例[J]. 经济经纬,2012,06:17-21. 2、近年来，中国经济发展的可持续性备受关注。环境 作为一种不可替代的资源，诸多数据显示，中国为其经 济高速增长付出的资源环境代价是沉重的，同时经济增 长也会影响环境。在未来的经济发展中，如何处理经济 增长与环境治理的关系，就变成了一个迫切而现实的问 题。在这种进程中，是否能够找到某种平衡路径的前提， 就是要对经济发展和环境污染的关系进行深入的研究。从目前来看，在这一方面国内的相关研究还有待于 进一步深入。 (二)VAR模型的构建 VAR模型是Sims于1980年提出的向量自回归模 型weclor auloregressive model，简称VAR模型)。本文用 VAR模型对山东省经济增长与环境污染各指标进行实 证分析，VAR模型可以表述如下: 其中为k维内生变量，为D维外生变量;为kxk维待估计的系数矩阵，m为 KxD维待估计的系数矩阵，(其中为k维向量的方差协方差矩阵)。可以同期相关，但通常不与自己的滞后值相关，也不与等式右边的变量相关,p为模型的滞 后阶数。 [1]吴丹,吴仁海. 不同地区经济增长与环境污染关系的VAR模型分析——基于广州、佛山、肇庆经济圈的实证研究[J]. 环境科学学报,2011,04:880-888. 建立经济增长和环境污染的VAR模型，使用广义脉冲响应和方差分解对经济增长与衡量环境污染水平的各指标动态关系进行了实证分析。 [1]李治国,周德田. 基于VAR模型的经济增长与环境污染关系实证分析——以山东省为例[J]. 企业经济,2013,08:11-16. 农业用水量与农业经济增长的而板VAR模型，考察农业用水与农业经济增长的互动效应。
股指期货价格发现功能研究综述 发表时间：2019-04-04T08:53:32.850Z 来源：《知识-力量》2019年6月下作者：余心言银春 [导读] 股指期货是一种重要的创新性金融衍生工具，价格发现是股指期货最重要的经济功能之一。本文将国内外相关文献按理论和实证两方面进行了分类梳理，分析了国内外研究结果差异，总结了目前关于股指期货价格发现功能研究的三个趋势，并对未来研究方向提出建议。关键词 （西北政法大学，陕西西安 710122） 摘要：股指期货是一种重要的创新性金融衍生工具，价格发现是股指期货最重要的经济功能之一。本文将国内外相关文献按理论和实证两方面进行了分类梳理，分析了国内外研究结果差异，总结了目前关于股指期货价格发现功能研究的三个趋势，并对未来研究方向提出建议。 关键词：股指期货；价格发现功能；沪深300指数期货 一、绪论 股指期货是市场上交易最为活跃，交易量最大的一种重要的金融衍生工具。它的出现是金融市场发展的必然走向。其价格发现功能在很大程度上影响着市场的运转，隐含了市场的效率。了解价格发现功能及其能力，有助于投资者制定投资策略，同时可以为管理层制定更为有效的跨市监管政策和法规提供理论依据。 二、理论研究综述 （一）价格发现机理相关理论[1] 第一、市场供求主导机理。萨伊等经济学家认为，在价格形成过程中起主导作用的是市场的供求关系。 第二、市场参与者调整机理。门格尔认为市场交易中个人对自己利益的追求会导致不断的讨价还价过程。 第三是市场信息搜索机理。斯蒂格勒认为人们为了得到对自己最有利的价格需要探究不同的情况，这一现象被称为搜寻。 （二）股指期货价格发现功能机制研究[1] 股指期货价格发现功能是指股指期货市场有提供标的价格信息的能力。股指期现货市场受相同经济因素的影响，期、现货价格变动会趋于一致并最终实现均衡。其价格在很大程度上可以反映出市场中的投资者对于市场新信息的吸收程度。 期货的性质使其能够发挥价格发现的功能。期货市场上的投资者可以分为套期保值者、套利者和投机者，这三类市场参与者根据各自掌握的信息应用系统专业的分析方法对价格走向进行量化预测，再通过集合竞价交易，让期货价格进行新一轮的更新。股指期货交易成本低、流动性高，交易范围广阔，任何影响投资者判断的因素都会极为迅速的体现在期货市场上。杠杆交易会吸引大量投资者进入场内交易。卖空和对冲机制能够使期货价格变化领先于现货价格变化。市场中的参与主体往往拥有广泛的信息获取渠道和专业的投资知识，能够形成公正、合理的价格。信息技术的高速发展使得期货流动性增强，让期货价格更加具备权威性和实效性。 三、实证研究综述 （一）国外研究综述[2] 国外在研究方法上大致有以下三种思路。第一是采用误差修正等模型协整分析价格发现关系。Johansen（1988）提出的以向量自回归模型为基础的协整检验方法，在此基础上，Granger提出了向量误差修正模型，成为研究价格发现的重要方法。第二是采用I-S、P-T等模型确定价格贡献度。Baillie 等（2002）对这两个模型之间的关系进行深入的探讨，两个模型之间具有密切的关系。第三是利用GARCH族模型考察波动溢出效应。Hamao（1990）最早提出了“波动溢出效应 ”模型，通过该模型考价格波动和信息传播之间的关系。 （二）国内研究综述 沪深300股指期货是我国推出的首支股指期货交易品种，由于其较强的市场代表性、较高的市场流动性以及较强的市场抗操纵性，自上市以来就受到了众多学者的关注。 本文从研究方法角度横向切入，再从历史发展纵向角度进行分类阐述。 第一类是确定期货市场和现货市场之间价格贡献度的研究，主要是基于协整检验、向量误差修正模型等方法的基础上的。在沪深300指数期货还未正式推出之前，国内的研究基于仿真数据。陈焱等学者2013年通过相关性检验和基差序列单位根检验得出期现货市场间实现了有效互动；耿庆峰等学者通过研究发现无论是股灾前还是股灾后，股指期货变动对股指现货影响均显著。 第二类是基于GARCH族模型对期货价格和现货价格之间的波动溢出效应进行研究，能够对价格发现的各自从属地位进行研究。基于仿真交易，郭彦峰等学者经过研究发现期货和现货市场间存在双向的波动外溢效果，期货交易加大了现货的条件波动；邢精平等人采用多元T-GARCH的方法得出两市存在显著的双向波动溢出。 第三类是按照实变的思路分析在不同趋势下股指期货价格发现功能研究，采用VEC模型，PT模型和IS模型进行对比分析。2010年熊熊等人对沪深300股指期货在不同走势中的价格发现进行了研究，研究表明在不同走势中，期现货的引导地位存在差异，在股市上涨中，期货起到主导作用，在股市下跌中则相反。 第四类是通过运用脉冲响应函数，对比期、现货市场面对信息冲击的动态反应过程。已有的文献研究大都得出相似的结论，沪深300指数期货市场对自身的冲击反应快速，而现货对自身的反应则较为迟钝；期货市场面对来自现货市场的冲击反应并不显著，但现货市场对来自期货市场的信息冲击反应速度较快且持久。 除此之外，有学者基于期货价格的跳跃行为、市场操纵、期货主力合约、不同行业等不同角度对股指期货价格发现能力进行了研究。 四、总结 经过梳理，本文发现目前有三个研究趋势：一是理论分析；二是运用多种实证模型深入研究；三是寻找影响其功能发挥的因素。 对于股指期货价格发现功能的相关研究多是基于高频数据的实证研究。国内外研究的方法和角度大致是一样的，运用的模型也都类似，区别在于数据选自不同的市场频率和时段，得出的结论存在较大差异，但这是正常的。随着期货市场的稳定发展，学者关于期现货对
[摘要]我国金融市场已经推出沪深300股票指数期货,本文吸收借鉴了国内外的研究成果,说明了股指期 货四种定价理论和相关的实证结果,并提出今后理论研究的方向。 [关键词]股指期货定价定价理论实证研究研究方向 一、定价理论 1、持有成本定价模型 Comell&French(1983)最早提出在无摩擦市场以及借贷利率相等且保持不变情况下的股指期货持有成本定价公式,股指期货的理论价格为■。该模型假设条件较多,且定价偏差大,但是最经典的定价模型。 2、连续时间模型 Ramaswamy&Sundaresan(1985)修正了期权定价模型进而推导出随机利率条件下无套利股指期 货的理论价格。该模型有四个假设条件:采用单因子CIR描述无风险利率,无风险贴现债券用局部期望假设来描述,无摩擦市场,股指服从对数正态分布。Cakici&Chatterjee(1999)引入另一种利率模型,通过对 S&P500实证比较发现,利率的平方根过程和对数正态过程对定价没有显著性影响。 3、一般均衡定价模型 Cox和Ross等人在1985年推出资产定价的一般均衡模型, 随后Hemler&Longstaff(1991)推导出利率随机波动和市场随机波动情况下的股指期货一般均衡定价模型。该模型有四个假设:经济个体同质预期,企业产品被消费或被投资,投资回报率是随机过程,经济体状态变量X和Y均值复归。股指期货的偏微分方程的PDE解析解和持有成本定价模型异曲同工。 4、区间定价模型 Klemkosky&Lee(1991)考虑交易成本、股利和借贷利率不相等因素,“做多指数现货,做空指数期货”得到套利区间的上限,“做多指数期货,做空指数现货”得到套利区间的下限,在此区间内不可套利,在此区间 外可套利。 国内对股指期货定价的理论探索较少,其中陈晓杰,黄志刚(2007)在无风险套利原理下,改良B-S方程 通解,推导出股指期货的定价模型。 评价:(1)持有成本模型和连续时间模型本质上讲都是无套利定价模型,而一般均衡模型发现了股指期 货定价偏差部分可由指数收益波动率来解释,持有成本模型还是一般均衡模型的一个特例。(2)前三种模型 都是对股指期货理论价格的点估计,而且假设条件严格故理论参考价值较大,相比之下,区间定价模型是区间估计并且只考虑各种成本和风险,没有对市场、经济个体、变量的统计分布等做出理论假设。所以实务操作参考价值较大。 二、实证研究 实证研究方法选择的是共同因素模型和协整模型。共同因素模型主要有两个:一是Hasbrouk(1995) 的信息分享模型,主要思想是分解共因子方差,根据新信息对共因子方差的贡献率来量化价格发现过程,二是Gonzalo&Granger(1995)的永久暂时模型,主要分析不同市场处理非预期冲击对价格发现过程的贡献率。协整模型主要有误差修正模型(ECM)、向量自回归(VAR)、门槛向量自回归模型(TVAR)等。 实证结果,Figlewski(1984)发现由于股指期货市场不完全有效和无法捕捉隐藏的套利成本,这使得实 际股指期货价格和理论股指期货价格两者差异延续。Stoll&Whaley(1990)选取1982年4月12日到1987年3月31日S&P500期指数据,表明MA(3)模型可以解决交易活跃市场买卖价差的问题,而ARMA(2,3)模型可以消除交易不频繁市场中买卖价差和不频繁交易对股指期货定价的偏差。Mackinlay (1988)选取S&P500指数和相应期货合约15分钟交易数据发现定价偏差序列线性相关且均值复归。 国内研究,云天铨(2001)通过建立股指期货价格的一阶差分方程,发现股指期货价格与时间呈现对数 圆形关系。杜承栎(2007)指出期货价格和现货价格之间非线性相关,采用时变的Copula连接函数来建立 模型进而估算出了多元GARCH模型下的最优套期保值比率。 三、未来研究方向 我国2010年推出的沪深300股指期货采取集合竞价和连续竞价两种竞价交易机制,国内有关基于竞 价交易机制研究我国股指期货市场微观结构的课题非常少。具体来讲可从以下几方面展开研究:
股指期货交易策略之套期保值实例分析 一．股指期货合约简介 股指期货是金融期货的一种，是以某种股票价格指数为标的资产的标准化的期货合约。买卖双方报出的价格是一定时期后的股票指数价格水平，在合约到期后，股指期货通过现金结算差价的方式进行交割。 股指期货买卖双方交易的不是抽象的股价指数，而是代表一定价值的股价指数期货合约，其价格的高低以股价指数的变化为基础，并且到期时以现金进行结算。所以有人认为股指期货交易的是双方对股价指数变动趋势的预测。 在我国市场，中国证监会有关部门负责人于2010年2月20日宣布，证监会已正式批复中国金融期货交易所沪深300股指期货合约和业务规则，至此股指期货市场的主要制度已全部发布。2010年2月22日9时起，正式接受投资者开户申请。公布沪深300股指期货合约自2010年4月16日起正式上市交易。 股指期货与股票相比，有几个非常鲜明的特点，这对股票投资者来说尤为重要。这些特点是：（1）股指期货合约有到期日，不能无限期持有；（2）股指期货合约是保证金交易，必须每天结算；（3）股指期货合约可以卖空；（4）市场的流动性较高；（5）股指期货实行现金交割方式；（6）股指期货实行T+0交易，而股票实行T+1交易。 如此看来，股指期货主要用途有以下三个： 一是对股票投资组合进行风险管理，即防范系统性风险(即我们平常所说的大盘风险)。通常我们使用套期保值来管理我们的股票投资风险。 二是利用股指期货进行套利。所谓套利，就是利用股指期货定价偏差，通过买入股指期货标的指数成分股并同时卖出股指期货，或者卖空股指期货标的指数成分股并同时买入股指期货，来获得无风险收益。 三是作为一个杠杆性的投资工具。由于股指期货保证金交易，只要判断方向正确，就可能获得很高的收益。 二．股指期货交易策略之套期保值分析 （一）套期保值操作原理 1.套期保值的定义 套期保值又称为对冲，是交易者为了防范金融市场上其持有的或将要持有的现货金融资产头寸（多头或空头）所面临的未来价格变动所带来的风险，利用期货价格和现货价格受相同经济因素影响，具有相似发展趋势的特点，在现货市场和股指期货市场进行反向操作，使现货市场的损失（或收益）同股指期货市场的收益（或损失）相互抵消，规避现货市场上资产价格变动的风险的一种交易方式。 2.套期保值的前提原则 当我们做股指期货套期保值操作时，应该注意在现货市场与期货市场遵循如下的原则。 （1）品种相同或相近原则 该原则要求投资者在进行套期保值操作时，所选择的期货品种与要进行套期保值的现货品种相同或尽可能相近；只有如此，才能最大程度地保证两者在现货市场和期货市场上价格走势的一致性。
应用VAR模型时的15个注意点 向量自回归（VAR,Vector Auto regression）常用于预测相互联系的时间序列系统以及分析随机扰动对变量系统的动态影响。VAR方法通过把系统中每一个内生变量,作为系统中所有内生变量的滞后值的函数来构造模型,从而回避了结构化模型的要求。Engle和Granger（1987）指出两个或多个非平稳时间序列的线性组合可能是平稳的。假如这样一种平稳的或的线性组合存在，这些非平稳（有单位根）时间序列之间被认为是具有协整关系的。这种平稳的线性组合被称为协整方程且可被解释为变量之间的长期均衡关系。 VAR 模型对于相互联系的时间序列变量系统是有效的预测模型,同时，向量自回归模型也被频繁地用于分析不同类型的随机误差项对系统变量的动态影响。如果变量之间不仅存在滞后影响,而不存在同期影响关系，则适合建立VAR 模型,因为VAR模型实际上是把当期关系隐含到了随机扰动项之中。 注意点： 1、单位根检验是序列的平稳性检验，如果不检验序列的平稳性直接OLS容易导致伪回归。 2、当检验的数据是平稳的（即不存在单位根），要想进一步考察变量的因果联系，可以采用格兰杰因果检验,但要做格兰杰检验的前提是数据必须是平稳的，否则不能做。 3、当检验的数据是非平稳（即存在单位根），并且各个序列是同阶单整（协整检验的前提）想进一步确定变量之间是否存在协整关系,可以进行协整检验,协整检验主要有EG两步法和JJ检验 :①、EG两步法是基于回归残差的检验可以通过建立OLS模型检验其残差平稳性；②、检验是基于回归系数的检验，JJ 检验前提是建立VAR模型（即模型符合ADL模式） 4、当变量之间存在协整关系时，可以建立 ECM 进一步考察短期关系，Eviews 这里还提供了一个Wald－Granger检验，但此时的格兰杰已经不是因果关系检验，而是变量外生性检验请注意识别。 5、格兰杰检验只能用于平稳序列，这是格兰杰检验的前提，而其因果关系并非我们通常理解的因与果的关系，而是说x的前期变化能有效地解释y的变化，所以称其为“格兰杰原因”。
股指期货知识讲座视频 1、股指期货基础分析 股票市场基础分析主要侧重于从股票的基本面因素，如宏观经济，行业背景，企业经营能力，财务状况等对公司进行研究与分析，试 图从公司角度找出股票的“内在价值”，从而与股票市场价值进行 比较，挑选出最具投资价值的股票。要确定公司股票的合理价格， 首先要预测公司预期的股利和盈利，我们把分析预期收益等价值决 定因素的方法称为基本面分析。 基本面分析包括： (1)宏观：研究一个国家的财政政策、货币政策、通过科学的分 析方法，找出市场的内在价值，并与目前市场实际价值作比较，从 而挑选出最具投资价值的股票。 (2)微观：研究上市公司经济行为和相应的经济变量，为买卖股 票提供参考依据。 2、股指期货技术分析 技术分析是以预测股票市场价格变化的未来趋势为目的，以图表为主要手段对市场行为进行的研究，是不同研究途径和专业领域的 完美结合。 基础分析主要研究导致价格涨跌的供求关系，而技术分析主要研究市场行为。这两种分析方法都试图解决同样的问题――预测未来 价格可能运行的方向，基础分析是研究市场运动的成因而技术分析 是研究其结果。 (1)通过技术分析可以解决以下几方面问题： ①测算出买卖双方相对强弱程度
②预测价格如何变动 ③决定何时何地买卖 ④有效控制风险 (2)技术分析理论基础： ①市场行为包容消化一切影响价格的任何因素：基本面、政治因素、心理因素等等因素都要最终通过买卖反映在价格中，也就是价格变化反映供求关系，供求关系决定价格变化。 ②价格以趋势方式演变对于已经形成的趋势来讲，通常是沿现存趋势继续演变。例如：牛顿惯性定律(物体在不受外力作用时保持其静止或匀速直线运动状态) ③历史会重演技术分析和市场行为学与人类心理学有一定关系，价格形态通过特定的图表表示了人们对某市场看好或看淡的心理。例如：自然界的四季、中国古代讲的轮回... (3)有效的技术分析方法： ①移动平均线 ②黄金分割 ③形态分析 ④波浪理论 3、影响股指期货的因素错综复杂 主要的影响因素归纳如下： (1)期货价格会受其标的指数价格的影响 即将上市的股指期货是以沪深300指数为标的，这300只股票覆盖了国民经济的大部分行业。投资组合理论告诉我们，像这样一个充分分散化的投资组合只受系统性风险的影响，研究个别股票的涨跌没有意义。但实际经验告诉我们，在指数中往往会有几只股票会起一个领头羊的作用，这些股票一般占指数权重比较大，或者它们
今天我带大家一起剖析一下股指期货，究竟与A股市场波动是怎么样的一个关系，彼此会形成什么样的影响。 一、股指期货套利与投机行为 首先我们要从股指期货本身合约价格说起，股指期货分成不同月份的交易合约。到交割日后会以沪深300指数现货价格做为交割价，交割规则就制约了股指期货合约价格进入交割日会趋于与现货价格一致。 那么平时合约没有到交割的时候，股指期货合约价格会依据什么标准变化呢。这里就涉及到股指期货合约市场价格与理论价格。 期指合约市场价格：就是我们在盘面上看到该合约的波动价格，由多空双方供需关系所约束。 期指合约理论价格：按深沪300指数现货价格，根据一定的公式计算所得。 通常计算标准： 期指理论价格=现货价格+现货价格*（无风险年利率-股息）*合约剩余交割天数/365日 是当时现货价应该对应到在该合约期指上价格，这是一个理论值。这个理论值就像一把尺，主要用于期货与现货之间的套利交易的衡量。它是一个在理想环境下计算结果，及年利率与股息都相对稳定下。 如何去套利？可以这样去思考！ 第一种情况： 1、如果股指期货市场价格等于理论价格 2、那么期指价格折现成现货价格，会与当时深沪300指数现货价格一致。 3、也就是说不存在差价套利没有必要。 第二种情况： 1、如果股指期货市场价格不等于理论价格 2、那么期指折现成现货价格，就会与当时现货指数形成差价。 3、就可以通过期货合约与现货指数股票组合同时买卖锁定差价。
4、等期指市场价格回归理论价格、或到交割时期指价格回归现货价格时，期指与现货同时进行市场逆向交易操作，这样可以获取套利差价。 套利交易也有很多种方式：合约之间套利、现货市场事件套利等等，这里就不多介绍了，大家可以查阅网上一些资料。 实际上理论价格的推算往往难度很高，因为利率变化与股息经常具有不稳定性。所以新合约开市时，经常会出现定价偏差。市场套利行为会让股指期货回归理论价格，也就是与现货价格保持平价。 那么我们在谈谈期货合约市场价格，既然作为一个期货市场交易品种，买卖双方的供需变化都会影响这个价格。在市场中套利与投机行为是并存的，二者对期指价格都产生着影响。 但是有一点：现货价格的变化是期指投机上重要参考，所以期指市场价格会围绕着现货价格波动。 比如股指期货市场价格过高偏离现货价格，一但有利可图套利与投机行为就会介入让其产生回归。同样如果过低于现货价格也会自然回归，这是一个道理。 但是在有些情况下，市场投机行为会让市场价格出现较大偏离。 当现货市场氛围非常悲观呈现持续下跌时，期指市场也会笼罩在悲观气氛下： 空头投机行为会导致期指市场价格比现货跌的还快，往往股指期货价格在一段时间内低于现货价格。因为国内现货市场没有卖空机制，虽然有其他方式但是成本过高，期现套利行为在这个时候也会保持谨慎。 当现货市场氛围呈现乐观持续上升时，期指也会跟随上升。 多头投机行为占主动地位，投机市场笼罩在多方热情之中。在投机的作用期指上升幅度会大于现货市场，其价格有可能会过高过其理论值。但是市场套利行为一但有利可图，会让期指价格产生自然回归。 在现货市场震荡的时候，市场投机行为双方处于平衡期。 期指市场价格不会偏离理论价格过多，套利与投机行为会让其很快回归。 股指理论价格制定往往很困难，所以新合约上市时定价容易出现一定偏差。如果定价过高自然会引发做空投机行为的介入，让其产生回归。
7、股指期货交易实例分析 为了更好地帮助大家了解股指期货的操作，我们通过实例加以说明。因为套期保值交易较投机更为复杂，所以我们均采用套期保值的例子。 案例1）某人欲买Ａ股票100手和Ｂ股票200手，每股股价分别为10元和20元，但他现金要一个月后才能到位，为防届时股价上升，他决定进行恒生指数期货交易为投资成本保值。当时恒生指数9500点，恒指每点代表50港元，问该投资者应当如何操作？ 分析在进行期货的套期保值操作时，交易者一般遵循下列三步：1、确定买卖方向，即做期货多头还是空头，这点我们将在下列实例中给大家总结。2、确定买卖合约份数。因为期货合约的交易单位都有交易所统一规定，是标准化的，因此我们需要对保值的现货计算需要多少份合约进行保值。第三步、分别对现货和期货的盈亏进行计算，得出保值结果。 现在我们就来分析上面一题。投资者想买股票，但是现在手上又没有现金，因此他要预防的是股价上涨的风险。那么为了避免这个风险，我们在期货市场就要建立多头仓位。因为请大家想一下，如果未来股价真的上涨的话，那么同样的现金买到的股票数必然减少，但是随着股价的上涨，股票指数也就上升，股指期货价格也随之上扬，现在买入期货合约，到时以更高价格卖出对冲，就能达到套期保值目的。接着，我们要考虑合约数量，因为当时恒生指数9500点，恒指每点代表50港元，因此一份恒指期货合约就是 50*9500=47.5万港元。交易者现在要保值的对象为欲买股票的总金额，为（10*100*100）+（20*100*200）=50万港元，那么用一份恒指期货进行保值。第三步，我们需要计算盈亏，大家可以通过列表的方式得到结论，列表的方法很直观，也很清晰。左边代表现货市场操作，右边代表期货市场操作，最后一行代表各自盈亏。这道题结果为总盈利1万港元。 案例2）某人持有总市值约60万港元的10种股票，他担心市场利率上升，又不愿马上出售股票，于是以恒指期货对自己手持现货保值，当日恒指8000点，每份恒指期货合约价格400000港元，通过数据得
我国现行股票价格指数期货存在的问题及 对策 摘要：我国的股指期货行业发展还处于初级阶段，其与西方发达国家股指期货从市场监管，技术水平等方面还存在较大的差距，其也有自身的特色。但总体来看我国引入股指期货的时间较短，其在软件上和硬件上还是存在诸多缺陷。本文正是基于这样背景对我国现行股票价格指数期货存在的问题进行分析。 全文的论述主要包含四个部分，第一部分主要是研究意义，在对当前我国现行股票价格指数期货认知的基础上，分析了我国股指期货的相关研究背景，探讨了本文的研究目的。第二部分主要是讨论现行股票价格指数期货存在的问题，主要是从宏观政策、市场发展情况以及微观层面来分析的。第三部分基于我国现行股票价格指数期货存在的问题探讨了相关的对策。第四部分是结论与建议，在对全文总结的基础上，基于我国股指期货的环境提出了相关的改善建议。 关键词：股指期货，风险，市场监管；股票市场 Problems existing in the current price of the stock index futures in our country and the countermeasures Abstract: China's stock index futures industry development is still in its infancy, with the western developed countries from stock index futures market supervision, technical level etc. Also there is a big gap, it also has its own features. But the overall introduction of stock index futures in China time is shorter, the there are still many defects in the software and hardware. In this paper, based on this background on the problems existing in the current price of the stock index futures in China is analyzed. Full text of the paper mainly contains four parts, the first part mainly is the
＜定价策略＞股指期货定价分析
股指期货定价研究 课题研究人：边慎 选送单位：上海申银万国证券研究所有限公司
内容提要 2007年，我国即将推出股指期货，这是我国推出的首个真正意义上的金融衍生品，把握好期货的定价方法，对于金融期货的平稳发展具有重大意义。 期货合约的定价方法可以分成不同的流派，最简单的是用远期合约的持有成本法来近似作为期货定价，但许多学者都已证明期货定价显著偏离远期定价。另一种较为普遍的方法是认为期货合约等于未来现货价格的期货值，这种方法从投机者的角度分析期货价格，忽略了套利者在定价中的作用。 本文将这两种方法结合起来，提出一种新的期货定价方法，并对其进行实证研究。一方面，套利者是期货定价与现货之间保持一个相对稳定的关系；另一方面，期货的每日结算制度，又使其含有未来现货价格的信息，但期货价格反映的不是交割日的现货价格期望值，而是整个期货合约存续期间，每日指数和无风险利率变化的综合反映。
目录 1．引言 (2) 2．理论综述 (3) 3．保证金管理与期货定价模型 (6) 3.1 期货定价特征 (6) 3.2 期货定价规范模型 (9) 3.3 动态管理保证金 (10) 4、实证检验 (11) 4.1 期货定价改变套利机会 (11) 4.2 期货定价计量模型检验 (15) 5、主要结论 (20) 参考文献 (22)
1、引言 金融商品的定价问题历来是学者与投资者普遍关注的问题，股指期货作为2007年中国证券市场的重大创新，即是一种充满活力的配置工具，又蕴含了高风险，把握其定价及运行特征，是用好这一工具的首要前提。 自期货诞生之日起，对其定价方法就存在许多争议，它不像股票代表了实实在在的资产，完全是一种虚拟证券。本文的第二部分回顾了有关期货定价的各种理论。 通过回顾期货定价理论可以发现，期货价格含有对未来的预期，而远期价格则完全是由套利决定的，造成两者价格差异的主要原因在于每日结算制度。第三部分从每日结算制度出发，融合持有成本与预期两种方法，建立了一个即含有套利因素、又含有预期因素的期货定价模型。此外，通过合理的预测，交易者可以进行动态保证金管理。 第四部分采用两种不同的方法对期货定价模型进行实证检验。首先，如果期货定价与远期定价有显著差别，将会改变套利机会，即期货定价可能无法揭示远期定价所揭示的套利机会，而远期定价也有可能无法揭示期货定价所揭示的套利机会，或者两者揭示不同的套利机会，通过是否存在套利机会的计算，可以从一个侧面反映市场存在哪一种均衡价格。 另外，本文根据期货定价模型建立计量经济模型，使用AR-GARCH模型进行实证检验。
VAR模型应用实例 众所周知,经济得发展运行离不开大量能源得消耗,尤其就是在现代经济发展得过程中,能源得重要性日益提升。我国自改革开放以来,经济发展取得长足得进步,经济增长率一直处于较高得速度,经济得高速增长带来了能源得大量消耗,进而带来了我国能源生产得巨大提高。因此,研究经济增长率与能源生产增长率之间得关系具有重要得意义,能为生源生产提供一定得指导意义。 1.基本得数据 我们截取1978—2015年中国经济增长速度(GDP增速)与中国能源生产增长速度数据,具体数据如下: 表1 1978——2016年中国经济与能源生产增长率 使用Eviews9、0来创建一个无约束得VAR模型,用gdp表示得就是中国经济得增长率,用nysc表示中国能源生产得增长率,下面分别对gdp与nysc进行单位根检验,验证序列就是否平稳,能否达到建立VAR模型得建模前提。
图2、1 经济增速(GDP)得单位根检验
图2、2 能源生产增速(nysc)得单位根检验 经过检验,在1%得显著性水平上,gdp与nysc两个时间序列都就是平稳得,符合建模得条件,我们建立一个无约束得VAR模型。 3.VAR模型得估计
图3、1 模型得估计结果
图3、2 模型得表达式 4、模型得检验 4、1模型得平稳性检验 图4、1、1 AR根得表 由图4、1、1知,AR所有单位根得模都就是小于1得,因此估计得模型满足稳定性得条件。
图4、1、2 AR根得图 通过对GDP增长率与能源生产增长率进进行了VAR模型估计,并采用AR根估计得方法对VAR模型估计得结果进行平稳性检验。AR根估计就是基于这样一种原理得:如果VAR模型所有根模得倒数都小于1,即都在单位圆内,则该模型就是稳定得;如果VAR模型所有根模得倒数都大于1,即都在单位圆外,则该模型就是不稳定得。由图4、1、2可知,没有根就是在单位圆之外得,估计得VAR模型满足稳定性得条件。 4、2 Granger因果检验 图4、2、1 Granger因果检验结果图 Granger因果检验得
应用VAR模型时的15个注意点(笔记) 向量自回归（VAR,Vector Auto regression）常用于预测相互联系的时间序列系统以及分析随机扰动对变量系统的动态影响。VAR方法通过把系统中每一个内生变量,作为系统中所有内生变量的滞后值的函数来构造模型，从而回避了结构化模型的要求。Engle和Granger（1987a）指出两个或多个非平稳时间序列的线性组合可能是平稳的。假如这样一种平稳的或的线性组合存在，这些非平稳（有单位根）时间序列之间被认为是具有协整关系的。这种平稳的线性组合被称为协整方程且可被解释为变量之间的长期均衡关系。 VAR模型对于相互联系的时间序列变量系统是有效的预测模型，同时，向量自回归模型也被频繁地用于分析不同类型的随机误差项对系统变量的动态影响。如果变量之间不仅存在滞后影响，而不存在同期影响关系，则适合建立VAR模型，因为VAR模型实际上是把当期关系隐含到了随机扰动项之中。 注意点： 1、单位根检验是序列的平稳性检验，如果不检验序列的平稳性直接OLS容易导致伪回归。 2、当检验的数据是平稳的（即不存在单位根），要想进一步考察变量的因果联系，可以采用格兰杰因果检验，但要做格兰杰检验的前提是数据必须是平稳的，否则不能做。 3、当检验的数据是非平稳（即存在单位根），并且各个序列是同阶单整（协整检验的前提），想进一步确定变量之间是否存在协整关系，可以进行协整检验，协整检验主要有EG两步法和JJ检验 A、EG两步法是基于回归残差的检验，可以通过建立OLS模型检验其残差平稳性 B、JJ检验是基于回归系数的检验，前提是建立VAR模型（即模型符合ADL 模式） 4、当变量之间存在协整关系时，可以建立ECM进一步考察短期关系，Eviews 这里还提供了一个Wald－Granger检验，但此时的格兰杰已经不是因果关系检验，而是变量外生性检验，请注意识别。 5、格兰杰检验只能用于平稳序列！这是格兰杰检验的前提，而其因果关系并非我们通常理解的因与果的关系，而是说x的前期变化能有效地解释y的变化，所以称其为“格兰杰原因”。 6、非平稳序列很可能出现伪回归，协整的意义就是检验它们的回归方程所描述的因果关系是否是伪回归，即检验变量之间是否存在稳定的关系。所以，非平稳序列的因果关系检验就是协整检验。 7、平稳性检验有3个作用：1）检验平稳性，若平稳，做格兰杰检验，非平稳，作协正检验。2）协整检验中要用到每个序列的单整阶数。3）判断时间学列的数据生成过程。
如何确定股指期货套保合约数量 股票现货的套期保值就是在现货市场买入或卖出一定数量股票的同时，在股指期货市场卖出或买入与股票现货品种相关、数量相当但方向相反的股指期货合约，从而利用一个市场的盈利来弥补另外一个市场的亏损，最终达到规避现货股票市场波动风险的目的。 股指期货之所以能够被用来规避股票价格波动的风险，是因为股指期货市场与股票现货市场存在的关联关系。即同一股票指数的期货价格与现货价格走势基本相同。更重要的是当随着期货合约的到期日临近，股指期货价格逐步收敛至现货价格指数。正是两个市场上这种趋势一致的关联性特征，才能够让投资者利用数量相当的股指期货方面盈亏与股票现货方面的亏盈近似等量对冲。 套期保值的效果与该股票现货组合的系统性风险所占比例有关。据有关研究显示，在美国股市上，系统性风险占股市总风险的30%；而在中国的股市上，系统性风险基本上占到总风险的60%左右。通过对比，我们可以看到，中国的股票市场利用股指期货进行套期保值的必要性更大。 正是由于股指期货只能对股票指数所代表的系统性风险进行对冲，而在投资实践上，投资者所持有的投资组合通常是股票现货组合，其系统性风险需要通过贝塔系数进行测算之后，再利用股指期货进行套期保值。那么，股指期货用于套期保值的合约数量如何具体确定呢？ 首先，计算股票现货组合中每只股票与整个市场的相关度，即个股与股指期货所对应市场指数之间的贝塔系数。贝塔系数是用来衡量一只个股的风险与整个股票市场风险程度的相关关系的指标。例如，一只个股的贝塔系数是1.2，这就意味着如果整个股市下跌10%，则该只个股将下跌12%。因此，贝塔系数越大，表示个股与整个市场的关联度越高。 其次，将每只股票的市值乘以其贝塔系数，即对需要套期保值的个股市值进行修正，将修正后的个股股票市值加总得到股票现货组合市值的修正值，再用修正后的组合市值除以指数期货单位合约价值，最终得到所需要套期货保值的合约数量。 例如，某投资者持有的一个股票现货投资组合，其中招商银行[9.92 1.12% 股吧研报]市值3亿元，贝塔系数为1.1，通过贝塔系数修正后的股票市值为3.3亿元；中国平安[44.86 2.87% 股吧研报]市值2亿元，贝塔系数为1.09，通过贝塔系数修正后的股票市值为2.18亿元；万科3亿元，贝塔系数为1.15，通过贝塔系数修正后的股票市值为3.45亿元；合计该股票现货投资组合通过贝塔系数修正后的股票市值为8.93亿元，组合的贝塔系数为 1.116。按目前沪深300指数期货单位合约价值为93万元计，最终可以计算出的套期保值所需要的股指期货合约数量为(3.3亿元+ 2.18亿元+ 3.45亿元)/93万元=960手。