计量论文股指期货和沪深300指数之间的关系研究

股指期货对我国股票市场波动率的影响1绪论1.1选题背景与研究意义1.1.1选题背景股指期货作为一种金融工具，常被用来进行套利和套期保值交易，它最早诞生在美国。20世纪70年代，随着布雷顿森林体系的瓦解，油价和汇率大幅震荡引发世界经济波动剧烈，美国股市亦出现剧烈波动，直接促使美国金融机构加强对风险管理的重视。1982年2月，美国堪萨斯交易所率先推出了价值线指数期货(VLF)，随后芝加哥商业交易所(CME)也推出标准普尔500指数期货合约，它是目前全球交易最为活跃的品种。此后股指期货成为全球各大金融市场竞相开发的交易品种。英国于1984年1月推出了金融时报100指数期货，法国、荷兰、德国也分别在1988年到1990年期间推出了自己的品种。股指期货发展至亚洲是在1986年5月，香港期货交易所推出恒生指数期货，同年9月，新加坡期货交易所抢先开设了日经225股指期货，在1995到2000年期间，马来西亚、韩国、台湾地区、印度也相继推出。目前股指期货已成为国际金融市场体系中的重要组成部分，在全球衍生品交易中占据显要地位。一些从未开展期货交易的国家和地区也往往将股指期货作为开展期货交易的突破口。股指期货迅猛发展的同时也曾引起一定的恐慌。“87股灾”、巴林银行的倒闭、法国兴业银行的欺诈案曾一度让股指期货的发展蒙上阴影，股指期货风险规避的职能受到了广泛的怀疑。对股指期货的争议聚焦在股指期货的引入是否能减弱股票市场的波动。分歧主要体现在两方面：其一股指期货是一个风险转移市场，能够减少股市波动；其二股指期货本身是一种金融衍生产品，会加剧股市动荡。中国于2010年4月16日正式挂牌沪深300指数期货交易，是全球国内生产总值排名前20位国家和地区中最后一个，也是“金砖四国”中最后一个推出股指期货的国家。在我国股指期货推出之前，世界其他国家或地区已经开始率先推出中国概念的股指期货，比如新加坡金融期货交易所推出的新华富时股指期货以及芝加哥期权交易所推出的中国指数期货（包含16家中国公司）等，这不仅意味着海外投资者可以领先影响甚至掌握我国股票市场的定价权，而且可能导致我国金融衍生品市场成为他国的附属市场。从实际情况看，2008年金融危机爆发后，中国股市一泻千里，以上证指数为例，从最高的6124.04点一直跌到1664.93点，跌幅居世界首位，而作为金融危机源头的美国，其股市的跌幅反而远远小于我国。我国股票市场中系统性风险占总风险比例为54.74%,远大于发达国家的平均水平。在如此显著的系统性风险面前，投资者迫切需要能够对冲的工具并利用这种工具来转移和管理风险。股指期货有低成本、高效率以及双向交易机制的优点，已经成为当前国际市场上最常用的风险管理工具。沪深300指数期货的推出意味着我国金融市场体系的进一步完善，这在中国证券发展史上具有里程碑式的意义。然而股指期货会不会重演“327国债期货风波”以及股指期货的推出是否能成为股市的“减震器”等都是相关各界关注的焦点。股指期货本身的杠杆作用是否会加剧股市的波动发了监管者和投资者对市场的担忧。由于我国股指期货推出时间较晚，目前有关我国股指期货推出对股市影响的文章相对较少，尤其是对于实证研究而言，得出的结论往往说服力不够。期货会不会重演“327国债期货风波”以及股指期货的推出是否能成为股市的震器等都是相关各界关注的焦点。股指期货本身的杠杆作用是否会加剧股市的动引发了监管者和投资者对市场的担忧。由于我国股指期货推出时间较晚，目有关我国股指期货推出对股市影响的文章相对较少，尤其是对于实证研究而言，得出的结论往往说服力不够。1.1.2研究意义股指期货的推出对股票现货市场产生的影响主要表现在成分股溢价、流动性、波动性等方面，尤以波动性最受关注。适度的、稳定的波动有利于股市的健康发展，但频繁和波幅过大的震荡，不仅不利于投资参与者做出正确的投资组合策略，且会危害金融市场的健康、快速、稳定发展，甚至诱发全球性金融危机，所以波动性的相关研究备受学术界和实践部门关注。从理论角度讲，波动性是股票市场重要特征之一，是价值规律的外在表现。它在一定程度上代表了市场对信息的反应情况，可用来度量市场的风险。波动不仅包含波动的大小，而且包含波动的持续性以及波动的非对称性。关于我国股指期货对股市波动性影响的研究，大多是基于外国推出的中国概念股指期货或者是仿真模拟沪深300指数期货进行的，缺乏真实的环境，而且研究的内容更多的集中于波动大小的变化，对波动的持续性和非对称性涉及的较少，因此基于真实的环境，全面的研究我国股指期货对股市波动各个方面的影响对于完善国内相关理论体系具有一定的积极意义。从实践角度讲，保证金制度使期货交易具有杠杆效应，在稳定股票现货市场的同时也将风险成倍的放大。目前我国的投资者尤其是中小投资者习惯于“单边市场”，对股指期货的认知相当匮乏；同样政府监管部门对股指期货的管理经验尤其是对风险的防控实际经验相对较少，借鉴他国的经验又存在适应性的难题。市场各方都迫切想了解股指期货对股市的影响，尤其是对股票市场波动性的影响。因此针对股指期货对现货市场的波动性是否有影响以及影响机制等问题的研究，不仅对于完善股指期货理论体系，而且对于监管部门制定政策、投资者正确认知股指期货对股市的影响都有一定的参考价值。1.2国内外文献综述股指期货是金融期货中产生最晚的期货品种，但是在短暂时间内，已经发展成为世界各大金融期货市场交易最活跃的期货品种之一。股指期货在实践中飞跃发展的同时，相关的理论研究也蓬勃开展起来。尤其是金融危机中，股指期货所起到的巨大作用使其成为关注的焦点。1.2.1国外文献综述国外学者对本部分内容研究较早，涵盖的范围也非常广泛，包括股指期货的风险、制度设Liu(2008)基于新加坡上市的日经225期指合约，利用周数据和日数据进行研究，发现标的股票的价格受股指期货的影响是不确定和不可预测的，价格变动与成交量有关。MarioG.Reyes(1996)运用EGARCH模型研究欧洲市场上股指期货对股市的影响。结果表明，股指期货的交易改变了在丹麦和法国的股票收益的分配，却没有增加股票市场的波动性。Freris(1990)以香港恒生指数为研究对象，发现股指期货的推出并未对股票指数波动产生影响。1.2.2国内文献综述国内对股指期货的研究以沪深300指数期货正式上市为断点分为两个时间段，在沪深300指数期货正式上市之前学者主要对我国股指期货推出的条件以及可能面临的问题进行分析；在第二个阶段，针对我国股指期货的研究大量涌现，研究的内容也更加具体、丰富和深入，特别是沪深300指数期货对股市的影响更是研究的重点。首先就股指期货的风险而言，严宇欣（2011）综合考虑股票现货市场对股指期货市场风险的影响，将股指期货市场风险划分为四种类型,按照股指期货市场特点、宏观经济环境、经济政策等众多因素分析了股指期货市场风险的成因,分别从传染效应、系统失败风险和价格扭曲三个角度展开构建了影响股指期货市场风险的指标体系。徐伟浩（2011）认为股指期货在规避金融风险的同时自身也面临较大的风险，他使用VaR-GARCH模型模拟金融市场时间序列数据，并作出相应的估计值，进行风险的度量和管理。王鹏（2011）也运用VaR方法研究沪深300指数风险测度。方斌在运用沪深300股指期货仿真交易与ETF基金组合进行期限套利的过程中，发现仿真交易中存在着大量的套利机会，并且指出当前投资者运用沪深300股指期货进行期限套利交易需要注意的五个方面的风险。其次是关于股指期货功能的研究,梁斌（2010）主要探索如何运用股指期货进行套期保值和套利。具体在套期保值方面主要是研究如何确定合理的套期保值比率；在套利方面主要研究的是股指期货的套利策略，主要包括期现套利策略和跨期套利策略。赵婉淞（2011）重点研究沪深300股指期货合约的套期保值功能，通过不同模型的实证对比分析，她认为我国投资者在使用股指期货进行系统性风险对冲时，除了遵守交易方向相反、标的资产与交易时间相近等原则以外，还应考虑基差非对称性与协整误差修正关系，按照动态相关系数动态调整股指现货与股指期货之间的最佳套期保值比率，从而得到最优动态套期保值效果；黄长征（2004）主要对套期保值的模型进行了研究。方斌(2010)从理论和实证两个方面对股指期货具有的三个主要功能进行研究。他认为股指期货具有的价格发现功能是套期保值和套利功能实现的基础，期货价格会反映出未来现货价格的预期，也会影响到目前的现货价格。林祥友（2009）则是在融资融券交易情况下研究股指期货的套期保值功能、套期图利功能和价格发现功能。张琳（2011）以沪深300股指期货3计、股指期货功能等，尤其重视股指期货对股市波动影响的研究，但是由于选取的市场、数据的类型和研究方法的差异，得出的结论也很难统一。首先是股指期货风险和制度设计的研究。Figlewski(1984)研究了股指期货的基差风险和套期保值绩效，他指出使用S&P500股指期货对相对单一的投资组合对冲风险的效果有限，应使用个股期权、行业指数期权或期货等工具。从基差风险的主要来源来看，股息风险相对来说不重要，重要的是对冲久期和距离期货合约的到期时间。Yang(2007)等基于香港恒生期指，对比分析比较EWMA、ARMA-EGARCH、EVT三个模型在保证金设计上的优劣，最终选取ARMA-EGARCH模型（操作的简易性和可行性）从理论和实证角度为中国即将上市的沪深300指数期货保证金的设计提供思路。HsuH(2004)等认为资本市场是不完善的，定价机制也是不完整的，尤其是对指数的定价。他们通过理论和实证解释了股指期货定价必须将标的资产的价格信息考虑在内的原因，并且提供了三种计算模型参数的方法以及市场不完整程度的估值模型。其次是关于股指期货功能的研究Chan,K(1992)通过研究主要的现货市场指数，主要的期货指数以及标普500指数之间收益率的引导滞后关系，发现期货市场可以引导现货市场，反之亦然。但是两者之间的非对称性表明期货市场是主要的信息来源，更大程度上影响着现货市场。YuS(1999)基于日经指数期货，认为神经网络模型在套利方面优于ARIMA模型，并且双向方差分析证实神经网络比成本理论模型更有机会套利，它在非线性市场格局具有很好的效果。2股指期货概述2.1股指期货的定义及功能股指期货也称股票价格指数期货,属于期货当中的一种。它是以一种或几种股票价格指数为标的物的标准化期货合约，买卖双方交易的是将来某个时刻的股票指数价格,股指期货在合约到期时通过现金结算的方式进行交割。作为全球资本市场上一个非常重要的金融衍生产品,股指期货交易己经成为发达国家及至绝大多数新兴国家期货市场的主要力量,也成为规避股票市场系统性风险的最有效、最广泛使用的金融衍生工具。股指期货是现代资本市场的产物,它的产生源于投资者转移股票市场风险的需求,是为了套期保值者规避风险而设计的。20世纪70年代,西方各个国家受到石油危机的影响,经济增长缓慢,物价飞涨,政治局势动荡,股价波动较大。投资者意识到急需一种在股价下跌时能够有效规避风险、实现资产保值的工具。1982年2月24日,美国堪萨斯期货交易所(KansasCityBoardofTrade,KCBT)推出第一份股指期货合约——价值线综合平均指数(TheValueLineIndex)合约,标志着一种新的风险管理工具诞生,给期货市场乃至整个金融市场的发展带来了活力;1982年4月21日,芝加哥商业交易所(ChicagoMercantileExchange,CME)推出S&P500股指期货;1982年5月6日,纽约期货交易所(NewYorkBoardofTrade,NYBOT)也迅速推出NYSE综合指数期货。股指期货一经上市就受到了市场的广泛关注,价值线指数期货合约上市当年成交量达到35万张,S&P500股指期货合约成交量更是高达150万张。到1984年,美国股指期货市场成交量己经占全国期货市场成交量的20%以上。 2.2股指期货的发展历程股指期货的发展历程大概经历了三个阶段。1982年到1987年是股指期货市场的成长阶段。股指期货的成功极大的扩大了期货市场的规模,也引来在全球交易的热潮。1983年,悉尼期货交易所开始交易普通股ASE指数期货;1984年,多伦多期货交易所推出了TSE300指数期货、伦敦国际金融期货交易所推出了金融时报100指数期货;1986年,香港期货交易所推出了恒生指数期货、新加坡国际金融期货交易所推出了日经225指数期货;1988年,东京证券交易所和大阪证券交易所分别推出了东证股票指数期货和日经225指数期货。1988年至1990年是全球股指期货市场发展的相对停滞期,由于1987年10月19日美股崩盘事件导致全球股灾,股指期货市场的发展进入低谷。1990年以后,全球股指期货市场进入较快的发展阶段,原因是后来的研究表明,股指期货不应该为1987年的股灾负责,全球股票市场在不到两年的时间就开始恢复,国际投融资日益广泛,机构投资者数量猛增,从1990年至2000年十年间股指期货品种和数量迅速增长。不管是经济发达国家,还是新兴市场国家纷纷建立股指期货市场,甚至一些从未开展期货交易的国家也将股指期货作为金融衍生品交易的突破口。1990年,瑞士交易所推出瑞士市场指数期货、德国期货交易所推出DAX指数期货;1992年西班牙、奥地利、挪威相继开始交易股指期货;比利时(1993年)、意大利(1994年)、匈牙利、以色列和马来西亚(1995年)、韩国和葡萄牙(1996年)、俄罗斯(1997年)、波兰和台湾(1998年)、希腊(1999年)、印度(2000年)都相继推出股指期货。自2000年以来,全球股指期货成交量稳步增长,以亚洲国家为代表的新兴市场发展迅速,股指期货在交易规模、市场功能发挥等方面都表现出很好的发展趋势,成为金融期货产品中发展最快、历史最短的衍生品。2008年,由美国次贷危机引发了全球金融海啸,国际金融环境极其恶劣,但是股指期货和期权交易量却仍然保持了上升势头,由此可以看出,股指期货已经成为活跃市场、规避系统性风险和完善市场功能的不可或缺的金融工具。2.3股指期货的特点股指期货具有下列特点:(1)合约标准化,股指期货的所有条款都是交易所预先定好的,包括每点价值、交易时间、最后结算日、最后结算价等。股指期货实行严格的管理制度和统一的结算制度,在交易所内交易标准化的合约;(2)杠杆性,股指期货实行保证金交易,投资者不需要支付合约的全部价值,只需付出一定比例的保证金便可,因此交易股指期货需要承担较高的风险;(3)联动性,股指期货与指数价格具有密切联系,股指期货是对指数未来即期价格的预期,能够反映指数的变化;指数作为股指期货标的资产,也会对股指期货价格的变动产生很大的影响;(4)股指期货还存在着信用风险、结算风险以及不能及时平仓导致的流动性风险等。与股票相比,股指期货有很多独特的特点。比如,股指期货有固定的到期日,不能无限期的持有;而投资者购入股票后可以一直持有,正常情况下股票数量不会减少。股指期货釆取保证金交易,而股市交易需全额支付购买的股票价值。在交易方向上,投资者可以通过卖出股指期货合约进行避险或投机交易,而部分国家的股市存在卖空限制或卖空成本较高;在结算方式上,股指期货实行当日无负债结算制度,当日交易结束后立刻结算,如果保证金账户余额不足,必须在规定的时间内补充,否则会被强行平仓;股票交易不需要每日结算,卖出股票时才会计算盈亏;股指期货实行“T+0”交易制度,当日买卖的合约在当日便可以平仓,而国内股市实行“T+r的交易方式,当曰买入的股票不能在当日卖出,必须要到下一交易日才可卖出。因此,股指期货市场的交易更加灵活,流动性也更好。股指期货市场的主要功能包括:(1)风险规避功能。投资组合理论认为,股票市场风险可以分为系统性风险和非系统性风险,非系统性风险能够通过分散化的投资组合来规避,而系统性风险则难以避免。投资者通过在股票市场和期货市场进行套期保值交易达到对冲股票市场系统性风险的目的;(2)价格发现功能。股指期货价格通过投资者在公开高效的市场中竞价形成,包含了市场中所有交易者的预期信息。股指期货交易成本较低、具有杠杆效应、执行指令的速度较快,这使得投资者在接收到市场中的新信息后会优先在期货市场交易,期货价格对信息的反应速度更快;(3)资产配置功能。由于股指期货釆取保证金交易,成本较低,机构投资者可以用它来作为资产配置的工具,从而提高资金的使用效率。根据进入股指期货市场的目的不同,股指期货市场的投资者可以分为三类:套期保值者、套利者和投机者。套期保值者是为了规避现货市场风险而进入股指期货市场,买卖与现货市场交易方向相反、头寸相等的期货合约的机构或个人。套期保值之所以能够规避市场风险,是因为期货与现货市场的走势基本一致。套利者是指利用股指期货和现货市场、股指期货市场之间以及股指期货合约之间不合理的价格关系,通过买低卖高来获利的机构或个人。套利交易促使不合理的价格关系向均衡回归,提高市场的定价效率,有利于股指期货价格发现功能的顺利实现。另外,套利交易在增加期货市场的交易量的同时,也增加了股票市场的交易量,能够提高市场流动性,有利于套期保值者的顺利交易。投机者是指专门在市场上买卖股指期货合约,即在看涨时买进、在看跌时卖出来获利的机构或个人。由于股指期货存在杠杆效应,投机者能用较少的资金来赚取较大的收益,但同时也承担了较大的风险。适当数量的投机者同样是提高市场流动性、促进股指期货市场功能发挥、套期保值顺利实施以及期货市场正常运行的不可或缺的市场参与者。2.4.沪深300股指期货发展概述随着我国股票市场的不断发展和壮大,市场对能够有效防范和规避系统性风险的金融衍生工具的需求越来越强烈。2006年9月8日,中国金融期货交易所在上海正式挂牌成立,标志着我国资本市场从此步入一个新的时代。2010年2月22日,中国金融期货交易所正式受理客户开立股指期货交易编码的申请。2012年4月8日,股指期货上市启动仪式在上海举行。2010年4月16日,国内第一个股指期货品种沪深300股指期货正式上市交易。沪深300股指期货合约以中证指数公司发布的沪深300指数作为标的指数。合约乘数为每点300元,最小变动价位为0.2点,合约到期月份为当月、下月及随后两个季月。交易时间为上午9:15-11:30,下午13:00-15:15,最后交易日当月合约的交易时间为上午9:15-11:30,下午13:00-15:00。沪深300股指期货釆取保证金制度,保证金不低于合约价值的12%。最后交易日是合约到期月份的第三个周五,遇国家法定假日顺延,交割日期与最后交易日相同,釆用现金交割的方式。股指期货开盘价为集合竞价生成的成交价格,如果集合竞价时未产生价格,以集合竞价后第一笔成交价作为当日开盘价。.收盘价为合约当日的最后一笔成交价格。结算价为合约最后一小时根据成交量加权计算出的平均价格。沪深300股指期货采取严格的风险防范制度,包括保证金制度、涨跌停板制度、持仓限额制度、大户持仓报告制度、强行平仓制度、强制减仓制度、结算担保金制度和风险警示制度,以确保市场安全平稳运行。沪深300股指期货上市为我国资本市场引入“做空”机制,结束了中国股市长期处于单边运行的状态。股指期货不仅给机构投资者带来规避系统性风险的工具,也给广大的中小投资者提供了认识股票价值的新视角。在过去两年中,政府监管部门及期货交易所不断完善股指期货市场准入规则和交易机制,在监管层的正确引导和投资机构规避风险的需求下,股指期货市场运行质量、投资者结构、成交持仓量等方面都有了很大改善,股指期货在安全、公平的环境下平稳运行,市场日趋成熟。从衡量市场流动性的两个指标买卖价差(Ask-bidSpread)和成交量来看,股指期货上市以来表现良好。大多数成熟市场在上市早期买卖价差都较大,而沪深300股指期货买卖价差的报价基本上是以最小单位进行,价格表现出较好的连续性。上市首日股指期货交易活跃,成交量达到近6万手;上市第三天的成交量就超过沪市A股市场成交量,随后的六个交易日成交量平均约为12万手,市场交易活跃,流动性较好,也为套利和套保交易的顺利实现提供了基础。与此同时,股指期货市场持仓量稳步上升,2010年6月中旬左右股指期货的成交持仓比己基本维持在10倍以下。截至2010年底,我国股指期货市场累计成交量4587万手,累计成交额41万亿元,占我国期货市场总成交额的26%,累计开户数达6万多户。截止到2015年4月16日,股指期货一共顺利实现23个合约的交割,市场的流动性良好,市场客户接近10万,日均成交金额高达2100多亿元。大多数交易日当月合约为主力合约,交易也最活跃,主力合约与指数具有较高的相关性,相关系数达到99.66%。交易两年的累计成交量约为11907.57万手,其中首年成交量为5920.83万手,第二年为5986.74万手,同比增长1.11%,成交量总体运行平稳;首年日均成交量为24.57万手,第二年日均成交量为24.84万手,相关指标变化幅度仍为1.11%;首年主力合约成交量占市场总量的80.21%,次年为84.97%,同比上升5.93%;持仓量呈现出逐年增加趋势,交易两年的总持仓量为1810.21万手,其中第一年持仓量为728.06万手,次年为1082.15万手,同比增长48.63%,日均持仓量同比增长为48.63%;首年主力合约持仓占比为60.79%,次年占比为67.27%,同比增长10.66%。基差的变化趋于平稳,市场成熟度较高。国际成熟期货市场中一般机构投资者占的比重较高,以参与套期保值交易者居多,投机交易相对要少。沪深300股指期货推出初期,股指期货参与主体以个体投资者主,机构投资者被挡在门外>监管层在鼓励机构参与股指期货交易方面做了很多努力。2010年4月21日,证监会首先发布了《证券公司参与股指期货交易指引》、《证券投资基金参与股指期货交易指引》,放松了机构投资者的进入门滥;2011年5月3日,证监会又发布了《合格境外机构投资者(QFII)参与股指期货交易指引》;2011年6月27日,银监会出台了《信托公司参与股指期货交易业务指引》。为了进一步促进股指期货市场功能的发挥,2012年2月,中金所又在原有套期保值管理办法的基础上推出《中国金融期货交易所套期保值与套利管理办法》,为机构投资者更好地运用股指期货提供便利。据统计,截止到2012年4月16日,沪深300股指期货市场共有法人账户1868个,法人成交量占总成交量的5%,持仓量占总持仓量的35。/。,共有51家证券公司、15家基金公司和部分信托公司开立特殊法人账户,投资者结构由前期以中户和大户为主逐渐向私募、公募和OFII等机构投资者转变。投资者结构的多元化促进了股指期货市场走向成熟,逐渐成为股指期货市场安全平稳运行和市场功能有效发挥的中坚力量。2011年股指期货套利区间逐步缩小、成交持仓比回归理性,在很大程度应该归因于此。经过两年的历练,沪深300股指期货逐渐被市场熟悉和接受,随着市场交易活跃度的提高和投资者结构的转变,股指期货对现货市场的引导作用也开始显现,投资者幵始将更多的精力投向股指期货市场。2.5股指期货的推出对中国股市的影响股指期货的推出对投资操作理念的影响股指期货推出后，中国金融市场的市场结构及投资者的操作理念出现了新的变化)首先，我国传统金融格局可能会慢慢的得到改变，价值型投资理念在套期保值基础上的将获得更多的认同其次金融工具得到进一步的创新，指数基金&期货期权等应运而生)金融衍生品发展了量化交易的载体平台，金融市场领域不断地创新，对冲工具单一化的问题得到改善，场外市场迅速发展。股指期货对于股市流动性的影响对于中国的股指期货，交易所设置了50万元的开户门槛，又投资者做出了持仓数量的限制，一定程度上阻碍了股指期货的发展。但在过去的2014年中，沪深300股指期货已经是全球第二大股指期货产品。2015年，又新添上证50和中证500股指期货，截止2015年8月份，中金所股指期货成交额511.102亿元，同比增加328.3%；成交量4793万手，同比增加184.3%股指期货对市场的流动性既有积极地影响，又有消极的影响，一方面股指期货的推出会吸引股市的一部分流动性资金，短时间内对股票市场出现挤出效应，客观上减少了现货市场的流动性。但另一方面，股指期货又吸引了场外的增量资金，活跃了股票市场，促进了股票现货市场的价格发现，长期来看，期货市场与现货市场的成交量均显著增长。股指期货是股市发展到一定程度的必然产物，它的推出对金融领域的有着可谓深远的意义，从股指期货推出至今，A股股价也发生了不小的变化。虽然股指期货的推出对于标的的股指会有助涨助跌的作用，在短期内会引起所标的股指的下跌与震荡，但作为一种套期保值的工具，从长期来看股指期货对与股价还是有更多的积极影响。不论是国内还是国外，股指期货的作用不可代替。3.股票波动性的介绍及ARCH模型族3.1股票波动性的定义及特点我们所研究考察的股票波动性,就是研究股票价格的波动性,这里的股票价格指的就是在流通市场中股票的市场价格,这也是二级市场上的普通投资者最为关心的价格。总体上来讲,股票的波动性具备以下几个特点。(1)均值回归股票波动的均值回归指的就是一组股票价格时间序列中的每个股票价格往往都会围绕着一个固定的均值进行频繁的上下波动。不管目前的波动情况多么剧烈,在长期的预测中,股票的价格总是应该集中在某一个正常范围内,也就是说虽然股票价格具有波动,但是这种波动并非会一直长期远离一个均值,相反,这种波动往往会在一个合理的均值基础上上下反复进行。(2)波动的杠杆效应。波动的杠杆效应通常又叫波动的非对称性,也即相同幅度的正向和反向冲击对波动的方差影响是不对称的。波动的这一特征最早由Black(1976)发现并且提出的。经过大量研究观测,一般说来利空消息要比同等幅度的利好消息对股票价格的波动影响大,表现在模型里,就是利空消息比同等幅度的利好消息对股票收益率的方差冲击更大。(3)记忆性。一般来说,股票的波动都具有记忆性,也可以理解成这是一种持续性。波动的记忆性就是指如果某个时刻股票价格的波动较大,那么这个较大的波动会对未来一定时间内的股票波动产生影响,未来一段时间内的股票波动也会持续较大。波动的记忆性使某一段时间内的波动持续保持较大水平,而另一段时间内的波动持续保持较小水平。大量的金融时序数列都能明显观测到波动的记忆性特征也即持续性特征。(4)波动溢出效应。波动的溢出效应,也可以称为波动的传导效应,主要指的就是波动在不同市场之间可能存在某种内在机制联系,能够进行波动传导的现象。例如股票市场、债券市场、期货市场和外汇市场同属于整个经济系统的子市场,它们之间的某种内在联系可能会导致波动从一个市场传递到另一个市场。波动股票波动性和溢出效应可能会存在于不同地区的市场之间,比如说也许会从日本股市传导到香港股市,也可能存在于不同的经济子市场当中,比如说波动从期货市场传递到债券市场。Harrmo(1990)提出,大量研究数据都表明某个资本市场的波动情况不光只是具有记忆性,受滞后一段时期的影响,同时还具有联动性,会受到其他资本市场的影响,并且大多数时候这种影响是相互的。Jeon和VonFurstenberg(1990)研究指出,世界上主要的股票价格指数从1957年10月以来,都表现出一种联系越来越紧密的趋势,也即是不同的市场不同的股指之间,其收益率会彼此联动影响。Engle和Susrael的实证研究也发现世界上的股票市场之间的波动变化息息相关,特别是两个国家存在密切的经济往来关系时,这种波动变化就会更加紧密。当一个国家股票市场的价格发生细微变化时,都会引起相关的其他国家的资本市场的股票价格发生变化,如韩国和日本、英国和法国资本市场上的波动情况就非常相似。3.2股票波动性评价指标波动性一般都用波动率来进行评价,股票的波动率可以采用极值法来衡量,即根据过去一段时间收益的极大值减去极小值来衡量股票波动率,但是这种方法在计算上并不精确,因此实证研究中并不经常使用。一般说来,波动率,多以收益的方差或者标准差来表示,表现在股市中,股票波动性的评价指标,多以股票收益率的方差或者标准差来表示。在这里,我们以标准差的形式表不股票的波动率。其中,CT表示股票的波动率,r,表示第/天的股票收益率,F代表r天内股票的平均收益率。3.3ARCH模型简介经典的计量经济学模型是这样的:Y=f(X)+μ,其中Y是因变量,解释变量X是引起Y变动的n个主要变量。μ是随机干扰项。为了估计f(X)的模型形式及其中的参数,传统计量经济学对随机项μ的分布做出一些假定。分别是:1.E(μ)=0;2.var(μ)=σ2,Cov(μi,μj)=0(i≠j,i,J=1,2,…,N)其中N是样本个数,该假定表明μi是独立的同方差分布;3.Cov(εi,Xj)=0(i=l,2,…,N);4.解释变量Xj(j=1,2,…,N)之间不存在多重共线性;5.进一步,还假定εi服从正态分布,即:εi~N(0,).然而越来越多的研究表明,遵从这些经典假定的经济问题只是少数。大多数的经济问题由于违背了某个假定而不能套用古典回归模型的参数估计方法、假设检验与经济预测。在违背经典假定的问题中，尤以违背第2个假定的经济问题最为引人注目,大量研究表明许多金融商品的时间序列数据的方差观测值具有随时间变化的特点:诸如股票价格、通货膨胀率、利率和外汇汇率等的方差经常表现出随时间变化的特点。早在60年代,曼德尔布罗特曾观察到许多金融随机变量的分布具有厚尾性,其方差也是不断变化的。更具有意义的是他发现在方差变化的过程中,幅度较大的变化相对集中在某些时段里,而幅度较小的变化相对集中在另一些时段里。例如:昨天的股票价高,今天的股票价格方差就大。而且在方差变化的过程中,存在着一种积聚的现象,即大幅度变化后紧接着大幅度变化,小幅度变化后紧接着小幅度变化,说明某段时期内比其他时期更富有波动性。至此，局限于其假设条件的传统计量模型已不能客观和准确地描述金融市场上价格和收益随时间而变化的行为,于是许多金融学家和经济学计量学家开始不遗余力地研究它。美国著名经济学家恩格尔(EngleR.F1982)教授率先提出了能准确地反映观测值方差随时间变化的自回归条件异方差模型,即ARCH模型。3.2ARCH模型及GARCH模型3.2.1ARCH模型定义一个随机变量Xt有滞后p阶，自回归表现形式AR(p),若（2.1）其中εt服从独立同分布,是白噪声过程,且有E(εt)=0，D(εt)=。如果随机过程{εt}，它的平方遵循AR(ｑ)过程，即：（2.2），其中｛｝是独立同分布的，有Ｅ()=0,D()=,>0,≥0,i=1,2,3.....,q。就定义上述随机过程{εt}服从q阶的ARCH过程,记为ARCH(q)。ARCH模型提供计算时间序列的条件方差的办法,这是它的最突出的特征。在每一个时刻t,ARCH过程的条件方差可以表现为过去的各类随机干扰的函数。用来表示ARCH过程中{εt}在时刻t的条件方差,给出随机变量，......的值，则有=E（|）=，因而知道了参数，，.....的值，那么就能在时刻t-1,预测时刻t的条件方差。3.2.2ARCH模型不足ARCH模型一经提出便成为计量经济学研究异方差的重要手段,但是也存在一些缺点:(1)ARCH(q)的模型中,εi大都被设定为正态分布,但大多金融时间序列都具有明显的厚尾性,这种正态假定不合实际。(2)ARCH(q)模型中,由于被认为是新息εi的偶函数。但事实上,这个结论是不合理的。因为的大小,不仅取决于εi-1的绝对值,也受其正负的影响。这与金融问题的杠杆效应相违背。事实上,在股市上当前的收益与未来的波动幅度往往负相关,即所谓的杠杆效应。股票价值的减少将提高资产的负债比,因此提高了公司的风险,从而导致未来波动的上升。ARCH模型中条件方差的大小只依赖于新息的大小,而新息反映的趋势与其无关,它未能充分利用新息提供的信息。(3)在实际应用过程中,为得到最佳的拟合效果,通常需要很大的阶数q,这不仅增加了计算量,还会带来诸如变量共线性等问题。3.3GARCH模型简介虽然ARCH模型能较好地描述金融数据的波动集聚性的特征,但在实践运用中,ARCH模型对完全自由的滞后分布的估计常常导致对非负约束的破坏。而且在ARCH模型里,研究中要求要保证条件方差永远是要为正数的。在此情况下,巴拉斯拉夫（Bollerslev，1986)提出了更加一般适用的ARCH模型,就是GARCH模型。GARCH模型预测将来时间点的方差是利用的过去方差以及过去方差的预测值来进行的。因此GARCH模型可以比ARCH模型更准确地描述、预测金融市场中的变化特点,故有更加广泛的理论价值以及实用价值。3.3.1GARCH模型定义假设在ARCH(q)过程，εt=，其中{Vt}是独立同分布的，又Vt~N（0,1），t=1,2....T。令ARCH过程中阶数q,那么条件异方差ht能用下式表示:ht=+(L)(3.1),其中(L)=，是多项式且有无穷滞后的阶数。用两个有限阶数滞后的多项式的商也可以表示:(L)==(3.2)其中多项式1-p(L)有以下形式的特征方程:1-P1Z-P2Z2-...PrZr=0,它的特征根均落在单位圆外。将上述(3.2)式的ht改写成：ht=k0+P1ht-1+...+Prht-r+(3.3),其中k0=（1-p1-p2-...-pt)。由(3.3)式中定义的ht定义的ARCH过程εt=,称为广义ARCH过程，简称为GARCH过程,记为εt~GARCH(r,q)。显然,r=0时,εt~ARCH(q)；当r=q=0时,εt是一个白噪声过程。由(3.3)式中定义的ht定义的GARCH(r,q))过程是稳定的随机过程,并有E(εt)=0，V(εt)=k0(1-)-1和cov(εt，εs)=0,(ts)的充分必要条件为:<1,这里，。3.3.2GARCH模型不足(1)GARCH(p,q)模型不能解释股票收益和收益变化波动之间出现的负相关现象。GARCH(p,q)的假定条件方差是滞后残差平方的函数,因此,残差的符号不影响波动,即条件方差对正的价格变化和负的价格变化的反应是对称的。然而在研究中发现,当利空消息出现即预期股票收益会下降时,波动趋向于增大;当利好消息出现即预期股票收益会上升时,波动趋向于减小。但是传统GARCH模型不能解释这种非对称现象。(2)GARCH(p,q)模型在确定条件方差时只考虑了收益的大小,而没有考虑收益的符号,也就是说没有区分正向冲击和负向冲击。无法精确描述对正负干扰反应的不对称性。(3)GARCH(p,q)模型为了保证方差是非负,假定方差方程中所有系数均大于零。这些约束排除了的随机波动行为,这使得在估计GARCH模型时可能出现震荡现象。3.4其他的GARCH模型3.4.1指数型egarch模型模型介绍：描述金融市场杠杆效应，与ARCH模型最大的区别在于对条件方差的结构上引入了指数，可以用来处理这种正负不同符号的冲击对方差的非对称影响。公式：其中，等式左侧是ht对数形式，作为其反对数，ht总是为正，因此模型不需要对估计的参数进行一个非负约束，与无约束ARMA（p，q）模型类似。非对称AGARCH模型模型的条件方差公式：其中，αi和βi为非负数，正负冲击的不同影响程度可以通过∑的取值进行判定，如果∑取值为正数，利空消息相对于利好消息会导致更大的方差；如果∑取负数，那么正向利好消息冲击对模型条件方差影响更大，在现实的金融数据研究中，∑通常都为正。3.4.2Tarch模型模型介绍：该模型反应了股票价格受到同等幅度的正负不同冲击时存在影响差异的状况。条件方差公式：其中，ut大于0的时候表示正向外部冲击，这时候Dt取值为0；ut小于0的时候表示负向外部冲击，Dt取值为1。当利好消息对波动进行冲击时，波动的平方项系数是α，而当利空消息对波动进行冲击时，波动的平方项系数还要加上γ。因此可以根据γ来刻画冲击的不同反应，当γ值为0时条件方差对冲击的反应是对称的，当取值不为0时，条件方差对冲击的反应是非对称的。IGARCH模型当GARCH模型的参数满足：，即为IGARCH模型，该模型刻画了波动受到外部冲击影响的持续记忆特征。3.4.3ARCH—M模型模型介绍：在均值方程中引入了条件方差，建立了可以刻画时变的风险收益补偿的ARCH—M模型。公式：其中，g（xt，∑，ht）是变量方向，回归参数向量以及条件方差的函数。4.沪深300股指期货推出对股市波动率影响的实证研究4.1相关知识储备4.1.1波动的聚集性收益率的波动呈现出在某一时间段波动率较大，而在另一些时间段波动率较小的特征，即时间序列出现了波动率聚集的特征，这种波动率聚集特征被Engle认为就是条件异方差现象。如何对时间序列的这一波动率聚集的特征进行模型建立并进行分析，已成为现在金融时间序列分析的重要内容之一。Engle提出的自回归条件异方差模型，便相对传统的计量模型更能拟合现实金融市场中普遍存在的波动率聚集性现象。大量金融数据观测研究院都得出了金融时间序列普遍存在“左偏、尖峰、后尾”的特点，研究变量方差变异的一个重要途径就是借用时间序列建模的思想，Engle教授在其研究工作基础上提出了ARCH模型，该模型可以很好地拟合金融时间序列普遍具有的波动率聚集性现象。金融时序样本的波动聚集现象即为ARCH效应，这也正是本文能采用GARCH模型进行分析的最重要原因。4.1.2AIC准则我们在初步识别模型的类型之后，接下来的工作就是确定较优的模型类别与模型阶数进行时间序列数据的模型拟合。一般来说，总体方差的估计量是描述一个模型拟合样本数据好坏的重要标志。一般情况下，越小，说明模型的拟合程度越好。然而通过添加模型的参数，表面看起来似乎模型的拟合程度得到了一定程度的改善，但这是以损失自由度为代价的。并且，随着参数个数的增加，减少的程度越来越不显著。而一个好的模型，首先应当满足“约简”原则，即以较小的参数个数使得减小到适当的程度。模型定阶的最佳准则函数，即要考虑到模型对原始数据的拟合程度，又要兼顾模型中所包含的待定参数的个数，并且对二者做出合理的权衡，以达到较好的拟合效果。AIC准则是一种广泛使用的AR(p)MA(q)模型的定阶准则，即模型的滞后阶数选择的准则，其函数是由Kullback-Leibler信息量导出的。Akaike导出的AIC准则函数其中T是样本容量，也可以写成从上式可以看出，AIC准则函数由两个部分构成：一部分是模型残差方差的极大似然函数，随着待估计的参数个数，即k的增加，此项单调减少；另一部分可以视为准则函数引入了一个惩罚机制，即不能单纯得通过增加k值来减少总体方差的估计量，这部分随着k值的增加而增加。用AIC准则进行函数定阶，就是找到最合适的p和q值，使得AIC值最小。4.2.3Dickey-Fuller检验为了检验资产的对数价格是否服从一个随机游走或一个带漂移的随机游动，我们利用如下模型其中为误差项。考虑原假设对备择假设。一个方便的检验统计量就是在原假设下的最小二乘估计的t-比.由最小二乘法可得，其中，为样本容量.t-比为这个t-比通常称为Dickey-Fuller检验。若是一个白噪声序列，其稍高于二阶的矩是有限的，则当时DF-统计量趋于一个标准布朗运动的函数。4.2沪深300指数现货波动率的描述性统计沪深300指数是从上海和深圳证券市场中选取300只A股作为样本编制而成的成分股指数。样本覆盖了沪深两个市场近六成左右的市值，具有非常好的市场代表性。如图所示，为2005年到2015年11月年沪深300指数的走势。股指期货与指数现货之间存在着高度相关性，因此我们有理由相信沪深300股指期货的引入会对沪深300指数现货市场产生一定的影响。通过考察沪深300股指期货推出后，沪深300指数日收益率统计指标的变化，通过直观的比较分析，研究现货指数的波动率是否会降低或上升。衡量波动率最直观的指标是收益率标准差的变化。我们可以得出沪深300股指期货推出前后，沪深300指数日收益率标准差的统计指标。如下表所示：指标全样本(2005.1-2015.11)股指期货推出前(2005.1-2010.4)股指期货推出后(2010.5-2015.11)均值0.0284120.0633990.008234偏度-0.355149-0.230393-0.598424峰度6.3192504.7490797.040438标准差2.0031432.5223901.630937从表中可以看出，股指期货推出后，均值及标准差均有所下降。为了更加直观形象地表现沪深300股指期货推出后，沪深300指数日收益率标准差的变化情况，我们将全样本区间（2005.1-2015.11）内沪深300指数日收益率的波动情况绘制如图，其中红色线条右侧为沪深300股指期货推出后，指数现货的日收益率波动图。从图可以看出，红色线条左侧，即沪深300股指期货推出前，指数日收益率的波动幅度较大。而红色线条右侧，股指期货推出后，沪深300指数的日收益率波动幅度具有明显的平稳的趋势。这与沪深300指数日收益率标准差均值的变化趋势是一致的。然而，本节部分只是利用简单、直观的图形和指标变化从定性的角度分析了沪深300股指期货的推出对于现货市场的影响。为了得到更加精确的量化结论，我们还需要通过建立模型，进行全面深入的实证分析。因此，本文下节将建立实证模型，来探究沪深300股指期货的推出是否确实如本节所示，能够降低现货市场的波动率，提高现货市场的有效性。4.3ARMA(p,q)模型的确定4.3.1单位根检验ARMA建模要求时间序列为平稳性序列,非平稳时间序列直接进行OLS回归,会产生“伪回归”现象,降低模型的有效性。因此,在确定ARMA(p,q)模型前,需要先对沪深300指数的日收益率序列进行单位根检验,以确定日收益率序列为平稳时间序列。沪深300日收益率序列的ADF(AugmentDickey-Fuller)检验结果如下表所示。表3.1沪深300指数日收益率单位根检验（ADF）t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-44.26216

0.0001Testcriticalvalues:1%level-3.4332285%level-2.86269810%level-2.567432从表3.1中可以看出,沪深300指数日收益率在所有显著性水平下都拒绝了存在单位根的原假设,因此,沪深300指数日收益率序列是一个平稳的时间序列。我们可以对其进行ARMA建模。4.3.2自相关性检验通过Eviews8.0得到图3.1沪深300指数日收益率序列的自相关和偏相关图,如下所示。图3.1沪深300指数日收益率序列的自相关和偏相关图图中显示,日收益率序列的滞后阶具有较强的自相关性。根据以上两个检验可以看出,沪深300指数日收益率序列既是平稳序列也存在自相关性,因此我们可以通过建立ARMA(p,q)模型以确定日收益率序列的变化。4.3.3ARMA(p,q)模型的确定由于图4.5沪深300指数日收益率序列的自相关图无法帮助确定自回归移动平均过程的阶数,因此,本文采用两种常用的信息准则:AIC(Akaike’sInformationCriteria)和SC(

Schwarzcriterion)，对日收益率序列ARMA(p,q)模型的阶数进行判断。表3.2为4阶以内ARMA模型信息准则结果。表3.2沪深300指数日收益率序列的ARMA(p,q)模型信息准则P=01234AICSCAICSCAICSCAICSCAICSCq=0NANA4.2266544.2319804.2249604.2329534.2251624.2358234.2201944.23352614.2269154.2322404.2268184.2348074.2259004.2365574.2245124.2378384.2211364.23713424.2261394.2341264.2266264.2372794.2185254.2318474.2148624.2308544.2151744.23383834.2269044.2375534.2222204.2355364.2152024.2311884.2156774.2343344.2160654.23739644.2221174.2354284.2222784.2382574.2157554.2344054.2159994.2373214.2111924.235188根据表3.2ARMA(p,q)模型的信息准则结果,ARM(3,3)模型较好地刻画了日收益率序列的特征,综合考虑AIC和SBIC两个准则,它最为合适。因此,我们可以确定沪深300指数日收益率序列为ARMA(3,2)模型。4.3.4ARMA(p,q)模型的检验应用Eviews8.0,我们可以对沪深300指数日收益率序列的ARMA(3,2)模型进行回归,然后将回归获得的残差序列对其滞后项再次回归,即正式建立GARCH模型前进行ARCH-LM检验(Engle,1982),判断是否存在ARCH效应,忽略ARCH效应可能导致有效性降低。ARCH-LM检验的原假设为:回归的所有系数均不能显著不等于零,残差平方不存在自相关。如果拒绝原假设,那么就认为存在ARCH效应。通过Eviews8.0,我们得到表3.3。表3.3沪深300指数日收益率序列ARCH-LM检验从表中结果可以知道，拒绝残差平方不存在自相关的原假设，因此沪深300指数日收益率序列存在自回归条件异方差效应。那么，我们就可以进一步拟合日收益率序列的GARCH模型。4.4GARCH模型的确定4.4.1GARCH模型的修正为了研究沪深300股指期货推出后,股票市场波动率的变化,我们到GARCH模型进行了调整。通过条件方差引入虚拟变量dummy,取值为0或者1。以沪深300股指期货推出日期2010年4月16日为临界值,沪深300股指期货推出前(2007.1.5-2010.4.15)dummy=0,沪深300股指期货推出(2010.4.16-2015.11.6)dummy=l。4.4.2GARCH模型的确定表3.4GARCH模型滞后阶数的选择AR(3)MA(2)-GARCH(1，1)AR(3)MA(2)-GARCH(1，2)AR(3)MA(2)-GARCH(1，3)AIC3.9822853.9803523.980496SC4.008938

4.0096704.012479DW1.976449

1.9677001.969510AR(3)MA(2)-GARCH(2，1)AR(3)MA(2)-GARCH(2，2)AR(3)MA(2)-GARCH(2，3)AIC3.982256

3.9836283.981382SC4.0115754.0156114.016030DW1.9699601.9679301.969596AR(3)MA(2)-GARCH(3，1)AR(3)MA(2)-GARCH(3，2)AR(3)MA(2)-GARCH(3，3)AIC3.9828443.9838273.979124SC4.0148284.0184764.016438DW1.9708141.9738911.963251

综合AIC和SC准则以及DW值，可知AR(3)MA(2)-GARCH(3，3)模型最优。表3.5引入沪深300股指期货的GARCH模型参数估计表3.5的上半部分为均值方程的参数估计,下半部分为方差方程的参数估计。ARCH和GARCH项的系数都是统计上显著的。这说明ARMA(3,2)-GARCH(3,3)模型很好地拟合了沪深300指数的日收益率序列。此外,ARCH和GARCH项的系数之和为0.050730+0.879838=0.930568〈1,这说明ARM(3,2)-GARCH(3,3)模型是稳定的。4.4.3GARCH模型拟合后的ARCH效应检验虽然上节内容己经得出了具体的GARCH模型,但是确定模型前,还必须确定ARCH效应己经被消除。通过Eviews8.0,我们可以得出ARCH-LM检验的结果,以判断是否消除ARCH效应。结果如下所示:从表中结果可知,接受残差平方不存在自相关的原假设,因此沪深300指数日收益率序列不存在自回归条件异方差效应,及ARCH现象不存在。因此,GARCH模型不仅很好地拟合了沪深300指数日收益率序列,而且消除了日收益率序列的ARCH效应。我们得出的结论是具备科学性和合理性的,即沪深300股指期货的推出能够降低股票市场波动率,但是影响不是很大。5结论和建议5.1实证分析结论本文借助ARCH模型思想,利用GARCH模型进行实证分析,选取样本区间为2005年4月2015年11月的沪深300指数收盘价数据,并通过沪深300日收益率标准差的统计指标得出股指期货推出后沪深300的日收益率标准差均有所下降。并通过日波动率的收益图验证均值和标准差的结论，得出其一致性。又借助ARMA（p，q）模型进行了一系列检验。（1）首先是单位根检验得出,沪深300指数日收益率在所有显著性水平下都拒绝了存在单位根的原假设,因此,沪深300指数日收益率序列是一个平稳的时间序列。（2）其次是自相关检验，得出沪深300指数日收益率序列既是平稳序列也存在自相关性,因此我们可以通过建立ARMA(p,q)模型以确定日收益率序列的变化。（3）再次是ARMA（p，q）模型的确定，采用了AIC准则和SC准则对日收益率ARMA模型的阶数进行判断，确定沪深300指数日收益率序列为ARMA(3,2)模型。（4）最后，对ARMA（p，q）模型进行检验可以知道，拒绝残差平方不存在自相关的原假设，因此沪深300指数日收益率序列存在自回归条件异方差效应。在以上进行了ARMA（p，q）模型的一系列检验后，我们将沪深300股指期货的数据与GARCH模型进行拟合通过AIC准则及模型的拟合结果找到最合适的p,q值。最后进行了一步是ARCH效应检验GARCH模型不仅很好地拟合了沪深300指数日收益率序列,而且消除了日收益率序列的ARCH效应。我们得出的结论是具备科学性和合理性的,即沪深300股指期货的推出能够降低股票市场波动率,但是影响不是很大。5.2本文的创新与不足5.2.1本文的创新点本文以沪深300指数股指期货为研究对象,这自股指期货推出后研究我国股期对股市波动率影响普遍釆用的研究样本。国内学者研究股指期货对现货市场波动率的影响大体来说可以分为三个阶段:以亚太地区新兴市场的股指期货为研究样本并以此对中国股期的推出作为经验借鉴,以沪深300仿真交易数据为研究标的,以沪深300股指期货为研究对象。相较于前三个样本而言，以沪深300股指期货为研究对象能够真正的看出我国股票市场波动率的影响。因为首先我国学者对股指期货如何影响现货市场波动率的研究,大多选择亚太地区新兴市场为研究标的,如研究日本、韩国、台湾、新加坡的股指期货对现货市场的影响。我国股市虽然和亚太地区其他国家和地区如中国台湾,中国香港等都同属于新兴市场,但是仍有很大区别,例如香港早在上世纪60年代远东交易所就成立了,而我国直到上世纪90年代才成立上海证券交易所和深圳证券交易所,并且其他亚太地区新兴股票市场大多都比中国股票市场更为规范和透明。中国资本市场和欧美发达国家资本市场相比较,甚至和亚洲其他国家和地区资本市场相比较,都有很多需要逐步改进的地方,比如说政策消息对股市影响较大,对机构的监管缺乏一整套健全的机制。所以生搬硬套国外的经验教训,即便是拿亚太地区新兴市场的经验来作为借鉴,也不完全适合。其次利用仿真模拟的交易数据为样本也不能真正反映我国股指期货的推出及运行了5年以来的对股票市场波动率的影响。本文