上证50股指期货核心功能研究

（东北财经大学 经济学院，辽宁 大连 116025）

上证50股指期货核心功能研究

史家亮，刘佳明，苏巍巍

（东北财经大学 经济学院，辽宁 大连 116025）

上证50股指期货的出现对股票市场的价格形成机制和市场风险规避能力产生了重要的影响。本文将研究上证50股指期货的核心功能，一方面通过ADF检验、协整检验和格兰杰因果检验验证了上证50股指期货和现货之间的价格发现功能，发现上证50股指期货对现货具有价格发现功能，现货对期货没有价格发现功能；另一方面通过使用OLS模型、VAR模型和ECM模型等静态套期保值模型研究上证50股指期货和现货之间的套期保值功能，发现上证50股指期货的套期保值的有效性较好，并且给出上证50股指期货市场的最优套期保值比率，用于实现现货市场风险的有效转移。

上证50股指期货；价格发现；静态套期保值；最优套保率

沪深300股指期货自2010年4月16日上市交易以来，一直受到国内学者的重点关注，被各界人士寄予厚望。随着金融衍生市场的发展和完善，2015年4月16日，中国金融期货交易所再次推出了两支股指期货——上证50股指期货和中证500股指期货。作为后金融时代的新生产品，上证50股指期货能否充分发挥期货固有的价格发现和套期保值功能，能否与沪深300股指期货和中证500股指期货相辅相成，共同促进股指期货市场和股票市场的稳定健康发展，对于这些问题的研究，不仅可以了解上证50股指期货市场的有效发展程度，而且可以为投资者和投机套利者提供投资投机的建议，为套期保值提供最优的方案。

一、文献综述

关于股指期货的研究，国外学者起步较早。Wahab和Lashgari早在1993年就对美国标准普尔500指数期货和英国金融时报100股指期货进行过Granger因果检验，并提出股指期货价格滞后于现货价格的观点。J.Kang和T.Reancharoen（2006）对韩国的KOSP1200指数进行研究，认为股指期货价格引导现货价格。Judge and Reancharoen（2014）对泰国的股指期货进行研究，得出现货价格引导股指期货价格的结论。至于求得最优套期保值比的求解方法，从Markowitz的均值方差框架分析开始，已经出现了CCC-GARCH模型、BEKK-GARCH模型、ECM-BGARCH模型等一系列的模型。而关于动态套期保值模型与静态套期保值模型的优劣之争，仍在继续。

价格发现是股指期货的重要功能之一，其功能的发挥对于整个金融市场的发展具有十分重要的意义。目前我国股指期货的价格发现功能仍较为薄弱（陈奇、陈百强，2015）。杨东晓（2015）基于沪深300股指期现货数据，李政等（2016）使用沪深300、上证50和中证500股指期现货数据进行实证分析，提出股指期货的价格引导能力较强。宋科艳（2016）使用动量一致门限自回归等非线性模型，基于沪深300股指期现货数据进行分析，认为长期中，指数现货处于价格发现的中心地位。

对于套期保值的研究主要是围绕最优套保模型选择展开的。黄文彬等（2016）对多种套保模型进行比较，提出最优套保模型为CCC-GARCH模型（当月合约例外其最优模型为OLS模型）。赵华（2016）认为，总体来看首先是动态套保比优于静态，时变跳跃强度模型的样本外套期保值绩效最优，其次是包含跳跃成分的 VECM-ARJI-MGARCH模型，再次是VECM-MGARCH模型。李勇、方兆本等（2015）构建了基于已实现波动率和Copula（RV-Copula）相结合的风险最小套期保值比例估计方法。瞿慧等（2015）对常用日内跳跃识别方法进行改进，使之成为使样本内、外套期保值绩效更好的方法。而梁斌等（2009）则通过论证检验了静态套期保值模型优于动态套期保值模型。

上述研究在数据频率和研究方法上各有千秋，但大都基于沪深300股指期货展开，在上证50股指期货市场的研究尤其是核心功能方面屈指可数。上证50股指期货自2015年4月16日上市交易以来，已经形成具有代表性的研究数据，本文将基于这些数据研究上证50股指期货的核心功能问题，从整体的角度考量上证50股指期货核心功能的发挥效果。

二、上证50股指期货核心功能介绍及模型设定

1、核心功能介绍

上证50股指期货核心功能主要包括价格发现功能、套期保值功能以及其他附属功能，本文主要针对上证50股指期货的价格发现功能和套期保值功能进行研究，洞悉上证50股指期货核心功能发挥的有效性。

价格发现功能是指期货市场通过特有的交易运行机制，形成具有预期性、连续性、公开性和权威性的期货价格，进而引领现货市场价格的变化。期货市场对信息的敏感程度要远大于现货市场，其价格会随市场的变化而率先变动，进而为现货的价格变动提供方向。本文主要采用ADF检验、协整检验和格兰杰因果检验，验证上证50股指期货与上证50股票指数现货之间的价格发现功能。

套期保值功能是指投资者和套期保值者为了规避风险而同时买卖期货和现货，使期货的价格变动抵消现货价格变动从而实现稳定收益的一种风险转移活动。按照尤金·法玛的有效市场假说，面对新信息的冲击，期货价格变动和现货价格变动必然相等，那么在期货市场上进行与现货数量相等、方向相反的交易必然可以实现完全有效的套期保值功能。那么对于上证50股指期货是否也满足完全有效的套期保值功能，本文将通过OLS模型、VAR模型和ECM模型研究上证50股指期货的静态套期保值效果。

2、核心功能模型设定

第一，为减小研究中出现的数据偏误，对于期货和现货的收盘价进行以下处理：

其中：p代表收盘价，F代表期货的对数收盘价，简称期货价格，同理，S代表现货的对数收盘价，简称现货价格。

第二，Granger因果检验模型理论模型如下：

第三，静态套期保值理论模型：

最优套期保值比率h*使得εt的方差最小化，实际上相当于把εt看成误差项后的回归系数，可得其中ρ为期现的相关系数，基于此原理分别介绍OLS模型、VAR模型和ECM模型。

该模型主要进行无条件分布研究，则h*=β，

三、上证50股指期货核心功能实证检验

1、数据选取

本文选取了上证50股指期货自2015年4月16日到2016年10月14日的366组连续性主力合约①收盘价进行研究，数据来源于中国金融期货交易所；对于现货则选择上证50股票指数收盘价组成现货价格序列，数据来源于国泰安数据库。实证所使用的软件为Excel和E-views7.0软件。根据统计数据绘制期货和现货走势图（见图1），发现上证50股指期货和现货价格变动走势相同，吻合较好，故可以对其核心功能进行相关的实证检验。

图1 期货和现货的价格走势图

2、价格发现功能检验

首先运用ADF单位根检验验证上证50股指期货和现货时间序列的平稳性，以避免模型估计中出现伪回归问题。检验结果如表1所示。由表1可发现在5%的置信水平下股指期货和股指现货均不满足平稳性要求。对两个时间序列进行一阶差分然后进行单位根检验，则在5%的置信水平下股指期货和股指现货一阶差分序列均满足平稳性要求，平稳性检验通过，故可以对数列进行协整检验。

对上证50股指期货和股票指数现货进行协整检验，检验结果如表2所示。由表2可知，在5%的显著性水平下拒绝原假设且显著性强，即上证50股指期货和股票指数现货之间存在协整关系，符合Granger因果检验的前提条件，故可以对两个时间序列进行Granger因果检验。

表1 ADF单位根检验结果统计

表2 协整检验结果统计表

对上证50股指期货和股票指数现货进行Granger因果检验，检验结果见表3。对表3进行分析得知：在5%的显著性水平下，上证50股指期货是上证50股票指数的Granger因，上证50股票指数不是上证50股指期货的Granger因。也就是说，在5%的置信水平下，上证50股指期货市场价格引领上证50股票指数市场价格，上证50股票指数市场价格并不能引导上证50股指期货市场价格。故可得出结论：上证50股指期货对上证50股票指数具有价格发现功能，而上证50股票指数对上证50股指期货则没有价格发现功能。因此投资者、投机者等主体可以通过上证50股指期货对新信息的反应有效地预测上证50股票指数的变动，从而更加有效地进行投资与投机活动。

3、套期保值功能实证研究

运用OLS模型、VAR模型和ECM模型研究上证50股指期货的套期保值功能，然后通过相关的模型公式计算出套期保值比率，量化上证50股指期货套期保值功能的有效性。

首先对上证50股指期货和现货进行OLS模型估计，估计原理如式（5）所示，估计结果如表4所示。由OLS模型估计的最优套期保值率为0.967911。

然后运用VAR模型对上证50股指期货的套期保值功能进行检验，检验结果如表5所示。在此基础上，可以求出：Cov（εst，εft）=0.4586773；Var（εft）=0.5560092。

则由公式（8）知h*的值为：0.824946，则最优套期保值率为0.824946。

最后使用ECM模型对上证50股指期货的套期保值功能进行检验，检验结果如表6所示。在此研究基础上，可以求出：Cov（εst，εft）=0.4643653；Var（εft）=0.5778233。

则由公式（11）知h*的值为：0.803646，则ECM模型下的最优套期保值率为0.803646。

由于OLS模型估计使用的是无条件分布估计，导致结果存在较大偏差，因此，在OLS模型估计下的最优套期保值率不可取；VAR模型和ECM模型估计的最优套期保值率分别为0.824946和0.803646，两个模型实证结果相差无几，说明两个模型都可取。其中ECM模型考虑到误差修正项的影响，投资者和投机者的交易行为必然会受到收益率的影响，所以它的结果要更加优于VAR模型所验证的结果。近似取最优套期保值比率为0.8，那么套期保值者可以基于0.8的套期保值比率进行更加有效的套期保值，从而实现自有风险的转移。

表3 格兰杰因果检验统计表（α=5%）

表4 OLS模型检验统计

表5 VAR模型检验统计

表6 ECM模型检验统计

四、结论

价格发现功能和套期保值功能是上证50股指期货的两个核心功能，对上证50股票指数市场的健康稳定发展起着重要的作用。本文一方面通过ADF检验、协整检验和Granger检验得出结论，上证50股指期货对上证50股票指数现货具有价格发现功能，上证50股票指数现货对上证50股指期货没有价格发现功能，因此投资者、投机者等主体可以通过上证50股指期货对新信息的反应，有效性地预测上证50股票指数的变化，进行更加有效地投资和投机活动；另一方面，通过OLS模型、VAR模型和ECM模型检验了上证50股指期货对上证50股票指数现货的套期保值功能，发现上证50股指期货对上证50股票指数现货的最优套期保值率为0.8，投资者、投机者等主体可以基于0.8的最优套期保值率，行之有效地对现货进行套期保值，从而有效实现风险转移。

注释

① 为克服上证50股指期货价格的不连续性、成交量以及持仓量相对较小的不足，本文选取每天交易量和持仓量最大的合约数据组成连续性交易合约并称之为连续性主力合约。另外由于不同合约的切换环节容易出现非平滑时间序列，因此对于切换合约时交易量和持仓量发生较大变化的交易数据进行清除以形成平滑性时间序列.

[1] Wahab M，Lashgari M.Price Dynamics and Error Correction in Stock Index and Stock Index Futures Markets：aCointegration Approach[J].The Journal of Futures Markets，1993（13）.

[2] J.Kang，C.J.Lee，S.Lee.An empirical investigation of the lead lag relations of returns and volatilities among the KOSPI200 spot，futures and options markets and their explanations[J].Journal of Emerging Market Finance，2006，5（3）.

[3] A Judge，T Reancharoen.An empirical examination of the lead—lag relationship between spot and futures markets：Evidence from Thailand[J].Pacific-Basin Finance Journal，2014（29）.

[4] Lee H T.A copula based regime switching GARCH model for optimal futures hedging[J].Journal of futures markets，2009，29（10）.

[5] 章永哲、钱敏：基于5分钟高频数据的沪深300股指期货与现货市场间波动溢出效应实证研究[J].上海金融，2015（11）.

[6] 朱莉、高鹏：高频股指期现货市场波动溢出效应研究——基于EEMD降噪和CCF检验[J].金融理论与实践，2016（3）.

[7] 陈奇、陈百强：股指期货与现货指数之间超前滞后关系研究[J].经济问题，2015（2）.

[8] 杨东晓：股指期货与股指现货之间价格发现与波动溢出效应研究——基于沪深300股指期货高频数据的实证分析[J].山东大学学报，2015（6）.

[9] 李政、卜林、郝毅：我国股指期货价格发现功能的再探讨——来自三个上市品种的经验证据[J].财贸经济，2016（7）.

[10] 宋科艳：我国股指期货与指数现货价格引导关系研究——基于非对称门限协整模型的分析[J].财经问题研究，2016（9）.

[11] 黄文彬、郑丽娟、林银瑞：套期保值比率模型的比较选择研究——基于沪深300指数的分析[J].福州大学学报，2016（3）.

[12] 赵华：基于期现共跳的股指期货套期保值研究[J].数理统计与管理，2016（5）.

[13] 李勇、方兆本、韦勇凤：风险最小化套期保值比例估计：基于RV-Copula模型[J].数理统计与管理，2015（2）.

[14] 梁斌、陈敏、缪柏其、吴武清：我国股指期货的套期保值比率研究[J].数理统计与管理，2009（1）.

（责任编辑：胡春雨）