股指期货推出对股票市场影响的实证研究

1982年2月24日,世界上第一个股指期货合约——价值线指数期货合约(Value Line Index)在堪萨斯市农产品交易所上市交易.股指期货作为应用最广泛的金融期货之一,已有了近30年的历史.2010年4月16日我国股指期货也正式上市交易,这对我国金融市场来说是具有里程碑意义的.本文以股指期货推出前后沪深300指数普通收益数据和5分钟高频收益数据为样本,从描述性统计量对比和GARCH模型分析两个角度入手,研究我国股指期货对于股票现货市场波动性的影响.得出结论:第一、股指期货推出不会改变股票现货市场的长期趋势;第二、股指期货推出后市场的信息传递速度加快,股指期货发挥了其价格发现功能;第三、股指期货推出在长期减小了现货市场的波动,发挥了其规避风险、稳定市场的功能.     

股指期货的扩展“15分钟”交易影响分析

自2010年4月16日推出股指期货以来,我国借鉴了香港股指期货交易的时间模式,即每天在现货市场开盘前和收盘后的各扩展了15分钟交易时间。本文重点研究了我国股指期货在现货交易的前后各扩展的15分钟是否包含影响现货收益率的有用信息。采用价格加权贡献值测量表明股指期货在股市开市前的15分钟交易对价格发现更有显著作用。同时,对T.Hiraki,E.D.Maberly和N.Takezawa提出的模型进行改进,发现股指期货的15分钟效应对次交易日现货收益率有显著影响。     

沪深300股指期货价格发现功能的实证分析

价格发现功能是股指期货的一项重要的经济功能.以股指期货与现货市场的相互关系作为出发点,以沪深300指数以及沪深300股指期货连续合约日收盘价数据作为研究对象,采用定性分析与实证分析相结合的手段,深入研究股指期货和现货市场间价格发现关系.     

股指期货市场波动率的预测研究

准确刻画和预测股指期货市场的波动率,有利于实现股指期货的价格发现、套期保值和市场调节等功能.文章首先在已实现极差异质性自回归模型(the Heterogeneous AutoRegressive with Realized Range,HAR-RRV model)的基础上,构建HAR-HLT和LHAR-HLT模型;接着,以中国股市中沪深300股指期货的5分钟高频交易数据为样本,通过运用HARHLT和LHAR-HLT模型分析股指期货市场波动率的特征以及预测股指期货市场未来的波动率.研究发现:在HAR-HLT和LHAR-HLT模型中,高频已实现极差、低频已实现极差和趋势已实现极差都包含较多对未来波动率的预测信息;股指期货市场的波动率存在短期的"动量效应"和中长期的"反转效应",其杠杆效应并不明显;HAR-HLT和LHAR-HLT模型对未来1日、1周和1月波动率样本外预测能力都明显强于目前常用的HAR-RRV类模型.     

GARCH模型下基于偏最小二乘的欧式股指期权定价——来自香港恒生指数期权市场的证据

目前,股指期权呼之欲出,在这种形势下,本文对股指期权定价问题进行了研究。本文首先在GARCH模型的基础上导出期权定价估值公式,其次,在GARCH欧式股指期权定价模型的基础上,融入偏最小二乘技术,给出最终的欧式股指期权的偏最小二乘定价方法。最后,对香港恒指期权进行参数估计和GARCH建模,运用新的定价方法进行期权定价。研究发现,对最终期权价格影响最大的是GARCH模型的估计值;另外整个大盘的活跃程度、投资者情绪也有不可忽视的影响。这个结论为中国顺利发展指数期权市场提供了坚实有力的定价依据。     

股指期货对股票市场的波动性影响研究:基于正反馈交易角度的分析

理论上,股指期货的推出可以抑制正反馈交易行为,从而平稳市场价格剧烈波动,为投资者提供了新的风险管理工具.我国沪深300股指期货推出至今,其对股票市场的影响,及其是否真的发挥降低证券市场波动性的作用等问题成为学术界研究的热点之一.以沪深300股指为研究对象,从正反馈交易行为是否减少的角度出发,使用非对称GARCH(1,1)模型,对比研究沪深300股指推出前后我国股票市场波动性的变化情况.研究结果发现沪深300股指尚不能很好发挥抑制市场波动的作用,仍需对股市进行长期持续的观察、验证,全方位发展我国的资本市场,提供多元化的投资工具,促进资本市场的发育成熟.     

机器学习方法在股指期货预测中的应用研究——基于BP神经网络、SVM和XGBoost的比较分析

机器学习在人工智能领域取得了巨大的成就,在学界和业界都掀起了机器学习的热潮.针对股指期货交易速度快、交易频率高和交易量巨大且交易数据具有高纬、时序的特征,构建了新的股指期货量化投资模型,采用沪深300股指期货1分钟高频数据作为研究对象.并对比分析了神经网络、支持向量机和XGBoost对股指期货下1分钟价格的变动方向的预测能力.研究结果表明,三种机器学习方法都具有较好的预测能力,但XGBoost的预测能力要优于传统的神经网络和支持向量机.     

基于ACD模型的股指期货市场流动性研究

利用沪深300股指期货连续合约的高频数据,采用参数估计的方法运用R软件对数据进行处理,消除其日模式并建立ACD模型.还加入了市场微结构噪声,探讨交易量持续期的信息传递机制.实证分析表明,在选取样本中,价格波动和交易量与股指期货市场流动性显著正相关,交易量持续期与股指期货市场流动性显著负相关,信息交易增加导致流动性降低,进而为投资者进行决策提供一定的参考.     

股指期货和股票指数的关联性分析——来自沪深300市场的实证分析

采用沪深300股指期货修正数据和沪深300指数为样本数据,通过运用统计学、ADF平稳性检验、Johansen协整检验、Granger因果检验和VAR模型等计量方法对沪深300股指期货波动性和现货市场波动性之间的关联性进行实证研究,以求对我国证券市场的完善和成熟起到一定的参考和借鉴作用.     

基于统计套利思想的股指期货跨期套利

基于统计套利交易的思想,对沪深300股指期货合约间价差的波动规律进行了研究,并在该波动规律的基础上建立了股指期货的跨期套利模型.从交易的效果来看,我国股指期货市场存在着跨期套利空间.     

基于VaR的SPAN系统在我国股指期货保证金中的应用研究

基于我国股指期货的真实数据,灵活运用参数VaR模型,蒙特卡罗方法和Copula技术,给出了SPAN系统应用在中国股指期货保证金上的详细步骤以及具有中国特色的参数设置方法,解决了股指期货推出初期SPAN系统中有关参数设置问题这一技术障碍.实证结果显示,我国股指期货合约所需保证金均低于当前国内股指期货保证金水平,应该改进保证金模式、降低保证金水平.     

EMD结合RBF神经网络新混合模型及股指期货价格预测

中国近4年才成立的股指期货市场价格呈现出非平稳、非线性的信号特征,传统的预测方法无法对长相关序列进行精确预测.将EMD与RBF相结合,建立了一种新的预测方法对我国股指期货日结算价格进行预测.结果显示本模型将原本具有长相关性质的原始序列分解为若干个短相关性质的不同频带,解决了原始序列随机性强,以及因相邻频带的干扰而造成的系统动力信息反映不足的缺陷;并与其他预测模型进行比较,显示出较高的预测精度.     

基于Copula函数的我国股指期货风险及套期保值实证研究

运用SJC-Copula-GJR模型,计算了持有沪深300股指期货多头和空头两种组合的VaR值和最优投资比例,模型的特点是能够准确地描述尾部相关关系,且其对尾部相关性的描述是非对称的,所得结论为投资者进行风险管理提供了可靠的依据.同时,通过构造加权的非线性相关系数来计算沪深300股指期货最优套期保值比率,解决了分布非正态、期货与现货非线性的问题,准确地度量了股指期货收益率序列的动态相依关系,实证研究表明基于Copula函数的套期保值有效性明显地优于传统模型.     

基于高频数据的中国国债期货价格发现能力研究

期货的价格发现能力是近几年国际学术界关注的热点问题,但目前理论界相关研究主要集中于商品期货和股指期货,尚缺乏专门针对中国国债期货价格发现方面的研究。随着中国5年期国债期货于2013年9月上市交易,深入研究中国市场结构下的国债期货价格发现能力有助于从微观视角掌握与其它期货品种内在运行规律的差异性。本文运用中国5年期国债期货上市交易后的5分钟高频数据,采取向量误差修正(VECM)模型和Granger因果关系检验等计量分析方法检验中国国债期货与现货价格之间的关系,并创新性地使用共同因子贡献法和信息份额法分析我国国债期货市场与现货市场对价格发现功能的贡献程度。结果表明,中国国债期货价格与现货价格之间存在长期协整关系。中国国债期货价格是现货价格的Granger成因,且两者之间存在单向的价格引导关系。同时通过实证得出中国国债期货市场在对价格发现的贡献程度上占主导地位的结论。     

沪深300股指期货的风险测度模型研究

以沪深300股指期货指数的30分钟交易数据为例,首先对其价格变化的动力学特征及波动模式进行了全面深入的考察,然后运用严谨系统的后验分析(Backtesting analysis)方法,分别在多头和空头两种头寸状况以及5种不同分位数水平下,实证对比了8种风险测度模型对VaR(Value at Risk)和ES(Excepted shortfall)两种不同风险指标估计的精度差异。研究结果表明:我国股指期货市场的价格波动具有较为明显的有偏和尖峰厚尾分布、聚集特征和长记忆性;采用有偏学生t分布和长记忆模型有助于提高对沪深300股指期货的风险测度精度,而在波动模型中包含杠杆效应项对提高风险估计精度并无太多帮助;在综合考虑了模型对沪深300股指期货价格变化动力学的刻画效果以及对不同风险指标的测度精度等因素后,基于有偏学生t分布的GARCH模型是一个相对合理的风险测度模型选择。     

基于ARMA-GARCH-SN模型的沪深300股指期货日内波动率研究与预测

运用五个交易日的股指期货高频数据(每秒两笔),本文主要研究了沪深300股指期货日内波动率特征并对日内波动率预测。研究发现高频股指期货日内收益率有明显的波动率聚集和条件异方差现象,但无尖峰厚尾现象,收益率序列分布符合有偏正态分布。因此,我们对时间序列建立了最优的ARMA-GARCH-SN模型,并对模型拟合充分性做了验证,拟合结果发现ARMA(1,2)-GARCH(1,1)-SN模型基本能够刻画股指期货高频日内波动特征,条件方差所受的冲击具有很强的持续性、日内波动也具有长记忆性,最后我们还利用自助法对高频股指期货日内波动率两步预测、利用滚动回归预测方法对样本做了样本内预测。预测结果表明,波动率预测结果能够较好地反映股指期货日内波动特征。     

股指期货对现货市场微观结构影响研究

着眼于股指期货对现货市场微观结构的影响,基于2015-2017年三次股指期货交易机制重大调整前后两个月的1分钟高频数据,利用ACD-EGARCH模型对不同市场波动率背景下的股指期货是否改善现货市场微观质量进行了实证研究.文章的主要结论为:股指期货在不同市场波动率背景下均能降低现货市场波动率,且新进入的投机者比信息交易者贡献更高的波动率;而只在平稳市背景下,股指期货能增强现货市场流动性,在波动市背景下,股指期货吸引的信息交易者超过现货市场增加的非信息交易者,现货市场流动性减弱.建议在平稳市背景下恢复股指期货的常态化交易,但需要防范利好消息和投机者入市对市场波动率的冲击风险.     

上证50股指期货、ETF期权与ETF市场的价格发现能力对比分析

比较基于上证50指数的股指期货、ETF期权与现货ETF市场的价格发现能力,选取5分钟高频数据进行实证分析,并将暴涨暴跌行情与全样本区间进行了对比分析。首先,采用买权卖权等价理论反推期权价格隐含的现货价格;其次,运用向量误差修正模型,结合广义脉冲响应函数等分析方法研究市场间价格的领先滞后关系;最后,运用广义信息共享模型量化各个市场的价格发现贡献度。结果表明:在不同区间中,期货市场均领先其他市场至少5分钟;从长期来看,期货在价格发现中的贡献度最大,期权次之;在暴涨区间中,ETF的价格发现贡献度最大,期货次之;在暴跌区间中,期权的价格发现贡献度最大,期货次之。     

分数布朗运动环境下上证50ETF期权定价的实证研究

合理的期权价格是期权交易的前提.基于上证50ETF期权的最新数据,运用经典的BlackScholes定价模型、蒙特卡洛模拟期权定价方法和分数布朗运动定价模型对上证50ETF期权价格进行实证研究.结果表明:分数布朗运动定价模型相比较经典的Black-Scholes定价模型和蒙特卡洛方法在接近期权的实际成交价格时均方误差和均方比例误差更小,能够较为准确地、有效地模拟出上证50ETF期权的价格,从而对投资者的期权交易行为具有一定的指导作用,也为国内其他品种的期权定价研究提供参考.     

包含股指期货的投资组合之风险研究——Copula方法在金融风险管理中的应用

本文运用Copula方法研究了含股指期货的投资组合的风险度量问题.由于股指期货和股票现货之间存在很大的相关性,因此在度量组合的风险时,各资产间的相关结构起到了关键作用,但这一相关结构很难用线性的相关系数去刻画,本文采用Copula模型来描述相关结构。而后,我们构建了基于Copula理论的风险度量指标PVaR,并验证了不同Copula模型的拟合效果.我们利用沪深300指数的数据来研究股指期货和现货的相关结构,并使用了多种Copula函数结合不同的边际分布假设进行了模拟,说明了Copula方法在风险度量尤其是包含了股指期货的投资组合的风险度量上具有较高的精确性.