基于高頻數(shù)據(jù)剖析滬深300股指期貨與現(xiàn)貨的關(guān)聯(lián)及波動特征一、引言1.1研究背景與意義隨著中國金融市場的快速發(fā)展與不斷深化，股指期貨作為重要的金融衍生品，在市場中扮演著愈發(fā)關(guān)鍵的角色。滬深300股指期貨是以滬深300指數(shù)為標(biāo)的的期貨合約，而滬深300指數(shù)選取了上海和深圳證券市場中300只A股作為樣本，綜合反映了中國A股市場整體股價變動的概貌和運行狀況，具有良好的市場代表性和廣泛的市場影響力。自2010年4月16日滬深300股指期貨正式上市交易以來，其市場規(guī)模逐步擴(kuò)大，交易活躍度不斷提升，已然成為中國金融期貨市場的核心品種之一。在金融市場體系里，股指期貨市場與現(xiàn)貨市場緊密相連、相互影響。現(xiàn)貨市場是股指期貨市場存在的根基，其價格波動直接影響股指期貨的價格；而股指期貨市場憑借其價格發(fā)現(xiàn)、套期保值和風(fēng)險管理等功能，也對現(xiàn)貨市場的運行效率和穩(wěn)定性產(chǎn)生重要作用。深入剖析滬深300股指期貨與現(xiàn)貨之間的關(guān)聯(lián)性，能夠精準(zhǔn)把握兩個市場之間的價格傳導(dǎo)機(jī)制、波動溢出效應(yīng)以及信息傳遞規(guī)律。這不僅有助于投資者更為準(zhǔn)確地理解市場運行態(tài)勢，制定科學(xué)合理的投資策略，還能為監(jiān)管部門實施有效的市場監(jiān)管、維護(hù)市場的平穩(wěn)有序運行提供堅實的理論依據(jù)和實踐指導(dǎo)。傳統(tǒng)的研究多采用日頻或低頻數(shù)據(jù)，這些數(shù)據(jù)在時間分辨率上存在局限性，難以精準(zhǔn)捕捉市場在短期內(nèi)的快速變化和微觀結(jié)構(gòu)特征。而高頻數(shù)據(jù)以其極高的時間頻率，能夠詳盡記錄市場的每一筆交易信息，為研究市場的瞬時波動、交易行為以及價格形成機(jī)制等提供了更為精確和細(xì)致的數(shù)據(jù)基礎(chǔ)。通過運用高頻數(shù)據(jù)研究滬深300股指期貨與現(xiàn)貨的關(guān)聯(lián)性及波動率，可以更為深入地洞察市場的微觀運行規(guī)律，挖掘出傳統(tǒng)低頻數(shù)據(jù)研究難以發(fā)現(xiàn)的市場特征和內(nèi)在關(guān)系。波動率作為衡量金融資產(chǎn)價格波動程度的關(guān)鍵指標(biāo)，在金融市場中具有舉足輕重的地位。它不僅是投資者評估風(fēng)險、制定投資決策的重要依據(jù)，也是金融機(jī)構(gòu)進(jìn)行風(fēng)險管理、資產(chǎn)定價的核心參數(shù)。對于滬深300股指期貨與現(xiàn)貨的波動率研究，能夠幫助投資者更為準(zhǔn)確地評估市場風(fēng)險，合理配置資產(chǎn)，提高投資組合的收益風(fēng)險比。同時，對于金融監(jiān)管部門而言，準(zhǔn)確把握市場波動率狀況，有助于及時發(fā)現(xiàn)市場異常波動，防范系統(tǒng)性金融風(fēng)險，維護(hù)金融市場的穩(wěn)定?；诟哳l數(shù)據(jù)的波動率研究，能夠更及時、準(zhǔn)確地反映市場的短期波動特征和變化趨勢，為投資者和監(jiān)管者提供更具時效性和決策價值的信息。1.2研究目的與創(chuàng)新點本研究旨在借助高頻數(shù)據(jù)，深入剖析滬深300股指期貨與現(xiàn)貨之間的關(guān)聯(lián)性以及波動率特征，具體目標(biāo)如下：精確測定二者價格之間的動態(tài)相關(guān)關(guān)系，全面探究它們在不同市場條件下的相互影響機(jī)制，明確價格引導(dǎo)關(guān)系，確定究竟是股指期貨領(lǐng)先現(xiàn)貨價格變動，還是現(xiàn)貨對股指期貨存在價格引導(dǎo)作用；系統(tǒng)分析滬深300股指期貨與現(xiàn)貨之間的波動溢出效應(yīng)，即一個市場的波動如何傳導(dǎo)至另一個市場，以及這種傳導(dǎo)在不同時間段和市場環(huán)境下的差異；構(gòu)建基于高頻數(shù)據(jù)的波動率模型，精準(zhǔn)刻畫滬深300股指期貨與現(xiàn)貨的波動率特征，包括波動率的時變性、集聚性等，并對未來波動率進(jìn)行有效預(yù)測。本研究的創(chuàng)新點主要體現(xiàn)在以下幾個方面：在數(shù)據(jù)運用上，采用高頻數(shù)據(jù)進(jìn)行研究，相較于傳統(tǒng)的低頻數(shù)據(jù)，高頻數(shù)據(jù)能夠更為細(xì)致地捕捉市場在短時間內(nèi)的變化，從而挖掘出市場微觀結(jié)構(gòu)層面的信息，為深入理解滬深300股指期貨與現(xiàn)貨的關(guān)聯(lián)性及波動率特征提供更豐富的數(shù)據(jù)基礎(chǔ)；在研究方法上，綜合運用多種先進(jìn)的計量經(jīng)濟(jì)學(xué)方法和模型，如向量自回歸（VAR）模型、廣義自回歸條件異方差（GARCH）模型族、分位數(shù)回歸等，從多個角度對二者的關(guān)聯(lián)性及波動率進(jìn)行全面分析，突破了以往研究方法單一的局限，使研究結(jié)果更具可靠性和說服力；在研究視角上，不僅關(guān)注二者的平均關(guān)聯(lián)程度和總體波動率特征，還深入分析在不同市場條件（如牛市、熊市、震蕩市）、不同交易時段下關(guān)聯(lián)性及波動率的異質(zhì)性，為投資者和監(jiān)管者提供更具針對性和時效性的決策依據(jù)。1.3研究方法與技術(shù)路線本研究將綜合運用多種研究方法，確保研究的全面性、深入性與科學(xué)性。在數(shù)據(jù)收集階段，通過專業(yè)金融數(shù)據(jù)平臺和數(shù)據(jù)庫，收集滬深300股指期貨與現(xiàn)貨的高頻交易數(shù)據(jù)，涵蓋交易時間內(nèi)的逐筆成交價格、成交量、持倉量等信息。這些數(shù)據(jù)將為后續(xù)的分析提供堅實的基礎(chǔ)。在關(guān)聯(lián)性分析方面，運用時間序列分析中的向量自回歸（VAR）模型。VAR模型能夠?qū)⒍鄠€變量納入一個系統(tǒng)中，考察它們之間的動態(tài)關(guān)系，通過脈沖響應(yīng)函數(shù)和方差分解，可以清晰地了解滬深300股指期貨價格變動對現(xiàn)貨價格的沖擊效應(yīng)，以及現(xiàn)貨價格變動對股指期貨價格的反饋影響，進(jìn)而確定兩者之間的價格引導(dǎo)關(guān)系。同時，采用格蘭杰因果檢驗，從統(tǒng)計意義上判斷股指期貨價格與現(xiàn)貨價格之間是否存在因果關(guān)系，以及因果關(guān)系的方向，明確究竟是股指期貨價格的變化導(dǎo)致現(xiàn)貨價格的變化，還是反之。對于波動率分析，選用廣義自回歸條件異方差（GARCH）模型族。GARCH模型能夠充分捕捉金融時間序列數(shù)據(jù)中的波動率集聚現(xiàn)象，即大的波動往往會伴隨著大的波動，小的波動會伴隨著小的波動。通過構(gòu)建GARCH(1,1)模型，可以對滬深300股指期貨與現(xiàn)貨收益率的波動率進(jìn)行有效建模，分析其波動率的時變特征。在此基礎(chǔ)上，引入TARCH、EGARCH等拓展模型，進(jìn)一步研究波動率的非對稱性，即市場利好和利空消息對波動率的不同影響。例如，TARCH模型可以檢驗正、負(fù)沖擊對波動率的影響是否存在差異；EGARCH模型則能更直觀地反映出杠桿效應(yīng)，即負(fù)面消息對波動率的影響是否大于正面消息。為了更全面地探究滬深300股指期貨與現(xiàn)貨在不同市場條件和交易時段下的關(guān)聯(lián)性及波動率異質(zhì)性，將運用分位數(shù)回歸方法。分位數(shù)回歸可以在不同分位點上考察變量之間的關(guān)系，分析在市場極端情況下（如高分位數(shù)代表市場高漲期，低分位數(shù)代表市場低迷期），股指期貨與現(xiàn)貨的關(guān)聯(lián)性和波動率特征的變化，為投資者和監(jiān)管者在不同市場環(huán)境下的決策提供更具針對性的參考。本研究的技術(shù)路線如下：首先進(jìn)行數(shù)據(jù)收集與預(yù)處理，對原始高頻數(shù)據(jù)進(jìn)行清洗，去除異常值和缺失值，確保數(shù)據(jù)的準(zhǔn)確性和完整性，并對數(shù)據(jù)進(jìn)行必要的轉(zhuǎn)換，如計算收益率等，以滿足后續(xù)分析的要求。接著，運用上述提到的VAR模型、格蘭杰因果檢驗、GARCH模型族和分位數(shù)回歸等方法，對滬深300股指期貨與現(xiàn)貨的關(guān)聯(lián)性及波動率進(jìn)行實證分析。最后，根據(jù)實證結(jié)果進(jìn)行深入討論，總結(jié)研究結(jié)論，為投資者制定投資策略提供建議，如在不同市場條件下如何利用股指期貨與現(xiàn)貨的關(guān)聯(lián)性進(jìn)行套期保值或套利操作；為監(jiān)管部門完善市場監(jiān)管提供參考，如根據(jù)波動率特征制定合理的風(fēng)險控制措施，維護(hù)金融市場的穩(wěn)定運行。二、文獻(xiàn)綜述2.1股指期貨與現(xiàn)貨關(guān)聯(lián)性研究股指期貨與現(xiàn)貨的關(guān)聯(lián)性研究一直是金融領(lǐng)域的重要課題，國內(nèi)外學(xué)者從價格、成交量、持倉量等多個角度展開了深入探究，取得了豐碩的研究成果。在價格關(guān)系方面，國外諸多研究表明，在成熟市場中，股指期貨價格往往領(lǐng)先于現(xiàn)貨價格。Stoll和Whaley（1990）以1982-1987年的S&P500和MMI指數(shù)期貨的市場數(shù)據(jù)為研究對象，運用自回歸移動平均模型（ARMA）發(fā)現(xiàn)S&P500與MMI股價指數(shù)期貨之報酬率領(lǐng)先股票市場報酬率約五分鐘，雖然后續(xù)滯后的現(xiàn)貨收益對期貨有微弱、正向的反饋關(guān)系，但隨著時間推移，這種影響愈發(fā)微弱，由此推斷期貨市場在價格發(fā)現(xiàn)中發(fā)揮著關(guān)鍵作用。Abhyankar（1995）運用EGARCH時間序列模型，采用每5分鐘的交易數(shù)據(jù)，對1992年FTSE100指數(shù)和S&P500指數(shù)的四個合約進(jìn)行研究，結(jié)果顯示兩個指數(shù)的期貨價格均領(lǐng)先現(xiàn)貨價格，領(lǐng)先時間為15-20分鐘。Chun，Kang和Rhee（2004）針對1988年9月至1991年9月大阪NikkeiStockAverage指數(shù)期貨5分鐘收益數(shù)據(jù)展開研究，發(fā)現(xiàn)期貨收益領(lǐng)先現(xiàn)貨收益20分鐘。在新興市場，Min和Najand（1999）以1996年5月3日-1996年10月16日每10分鐘數(shù)據(jù)為樣本，研究韓國證券市場引入股指期貨初期收益率和波動性的領(lǐng)先-滯后關(guān)系，得出期貨領(lǐng)先現(xiàn)貨30分鐘的結(jié)論。國內(nèi)對于股指期貨與現(xiàn)貨價格關(guān)系的研究也較為豐富。葛勇和葉德磊利用股指期貨仿真交易數(shù)據(jù)，對滬深300股指期貨與現(xiàn)貨的價格引導(dǎo)關(guān)系進(jìn)行實證研究，結(jié)果表明兩者不存在協(xié)整關(guān)系。任燕燕和李學(xué)運用向量自回歸模型（VAR）、誤差修正模型（ECM），研究股指期貨與現(xiàn)貨之間的超前滯后關(guān)系，發(fā)現(xiàn)股指期貨能夠更快捷有效地反映市場信息，其信息領(lǐng)先于現(xiàn)貨市場信息。梁琳（2010）以恒生指數(shù)及其期貨數(shù)據(jù)為研究樣本，通過格蘭杰檢驗發(fā)現(xiàn)二者存在雙向的互為因果、互相引導(dǎo)關(guān)系，但期貨對于現(xiàn)貨價格的引導(dǎo)作用更為明顯。還有學(xué)者運用相關(guān)性檢驗和基差單位根檢驗發(fā)現(xiàn)，滬深300股指期貨與現(xiàn)貨價格之間線性相關(guān)程度很高，基差是平穩(wěn)的時間序列數(shù)據(jù)，兩者實現(xiàn)了充分有效互動，且現(xiàn)貨價格變動是期貨價格變動的Granger原因，即滬深300指數(shù)現(xiàn)貨價格引導(dǎo)期貨價格，更先反映市場信息。在成交量關(guān)系上，部分研究認(rèn)為股指期貨的推出會對現(xiàn)貨市場成交量產(chǎn)生影響。有觀點指出，股指期貨市場憑借交易成本低、保證金比例低、杠桿倍數(shù)高以及指令執(zhí)行速度快等優(yōu)勢，在推出初期會吸引部分純粹投機(jī)者或高風(fēng)險偏好投資者的交易從現(xiàn)貨市場轉(zhuǎn)移至股指期貨市場，進(jìn)而減少現(xiàn)貨市場的流動性，產(chǎn)生“交易轉(zhuǎn)移”現(xiàn)象。如日本在1988年9月推出股指期貨后，股指期貨市場的成交量一度遠(yuǎn)超現(xiàn)貨市場，最高時達(dá)到現(xiàn)貨市場的10倍，同一時期作為股指期貨標(biāo)的現(xiàn)貨市場的交易卻日益清淡。然而，也有研究表明，從長期來看，股指期貨與現(xiàn)貨市場的成交量可能存在相互促進(jìn)的關(guān)系。股指期貨市場的發(fā)展能夠吸引更多資金進(jìn)入以股票為基礎(chǔ)的證券交易領(lǐng)域，增加市場的活躍度，從而帶動現(xiàn)貨市場成交量的提升。關(guān)于持倉量與股指期貨和現(xiàn)貨的關(guān)系，有研究通過對股指期貨持倉量、成交量、收盤率及波動率分別建立相應(yīng)的GARCH族模型，探究它們之間的變化關(guān)系。研究發(fā)現(xiàn)，當(dāng)成交量、持倉量與價格呈現(xiàn)特定的變化組合時，對預(yù)測現(xiàn)貨指數(shù)走勢具有一定的參考價值。例如，若成交量、持倉量增加，價格上升，則表明多方正在大量開倉，T+1日現(xiàn)貨延續(xù)上漲走勢的可能性較大；若成交量、持倉量減少，價格下跌，說明大量多方急于平倉，T+1日現(xiàn)貨延續(xù)下降走勢的概率較高；當(dāng)成交量和持倉量背離時，現(xiàn)貨次日走勢有可能出現(xiàn)反轉(zhuǎn)。但這種規(guī)律并非絕對，還需結(jié)合不同的量價形態(tài)進(jìn)行綜合分析。2.2股指期貨與現(xiàn)貨波動率研究波動率作為衡量金融市場風(fēng)險的關(guān)鍵指標(biāo)，在股指期貨與現(xiàn)貨市場關(guān)系的研究中占據(jù)核心地位。國內(nèi)外學(xué)者圍繞股指期貨與現(xiàn)貨波動率的度量方法、影響因素以及兩者之間的波動溢出效應(yīng)等方面展開了深入研究。在波動率度量方法上，傳統(tǒng)的度量方法主要基于低頻數(shù)據(jù)，如歷史波動率法，通過計算資產(chǎn)價格在過去一段時間內(nèi)的收益率標(biāo)準(zhǔn)差來衡量波動率。然而，這種方法存在明顯的局限性，它假設(shè)市場是平穩(wěn)的，忽略了波動率的時變特征，無法及時捕捉市場的短期波動變化。隨著金融市場的發(fā)展和計量經(jīng)濟(jì)學(xué)的進(jìn)步，基于高頻數(shù)據(jù)的波動率度量方法應(yīng)運而生，如已實現(xiàn)波動率（RealizedVolatility）。Andersen和Bollerslev（1998）提出的已實現(xiàn)波動率，通過對高頻數(shù)據(jù)的簡單加總來估計波動率，能夠更準(zhǔn)確地反映市場的真實波動情況。它充分利用了高頻數(shù)據(jù)豐富的信息，克服了傳統(tǒng)低頻數(shù)據(jù)度量方法的不足，在實際應(yīng)用中表現(xiàn)出更好的預(yù)測能力和對市場波動的刻畫能力。Barndorff-Nielsen和Shephard（2004）進(jìn)一步提出了雙冪次變差（BipowerVariation）方法，該方法在已實現(xiàn)波動率的基礎(chǔ)上，考慮了收益率的跳躍成分，對波動率的估計更加穩(wěn)健，能夠有效降低異常值對波動率估計的影響。影響股指期貨與現(xiàn)貨波動率的因素眾多。宏觀經(jīng)濟(jì)因素是重要的影響因素之一，經(jīng)濟(jì)增長、通貨膨脹、利率變動等宏觀經(jīng)濟(jì)變量的波動會直接或間接地影響金融市場的整體風(fēng)險水平，進(jìn)而影響股指期貨與現(xiàn)貨的波動率。當(dāng)經(jīng)濟(jì)增長預(yù)期發(fā)生變化時，投資者對企業(yè)未來盈利的預(yù)期也會相應(yīng)改變，從而引發(fā)市場的波動。政策因素也不容忽視，貨幣政策、財政政策以及監(jiān)管政策的調(diào)整都會對市場參與者的行為和預(yù)期產(chǎn)生影響，進(jìn)而作用于股指期貨與現(xiàn)貨的波動率。例如，貨幣政策的寬松或緊縮會改變市場的資金供求關(guān)系，影響投資者的交易決策，導(dǎo)致市場波動率的變化。市場微觀結(jié)構(gòu)因素，如交易機(jī)制、投資者結(jié)構(gòu)、信息不對稱程度等，也會對波動率產(chǎn)生重要影響。不同的交易機(jī)制，如漲跌幅限制、熔斷機(jī)制等，會對市場的價格波動起到一定的抑制或放大作用；投資者結(jié)構(gòu)的差異，如機(jī)構(gòu)投資者與個人投資者的比例變化，會影響市場的交易行為和穩(wěn)定性，進(jìn)而影響波動率；信息不對稱程度的高低則會影響市場參與者對價格的判斷和反應(yīng)速度，從而影響市場的波動。在波動溢出效應(yīng)方面，大量研究表明股指期貨市場與現(xiàn)貨市場之間存在著顯著的波動溢出。Hong（2001）的研究發(fā)現(xiàn)，股指期貨市場的波動會對現(xiàn)貨市場產(chǎn)生單向的波動溢出效應(yīng)，即股指期貨市場的波動會傳導(dǎo)至現(xiàn)貨市場，引起現(xiàn)貨市場價格的波動。但也有研究指出，兩者之間存在雙向的波動溢出效應(yīng)。如Karolyi（1995）對標(biāo)準(zhǔn)普爾500指數(shù)期貨和現(xiàn)貨市場的研究發(fā)現(xiàn)，兩個市場之間存在雙向的波動溢出，且這種波動溢出在不同的市場條件下表現(xiàn)出不同的特征。國內(nèi)學(xué)者趙華和燕焦枝（2007）運用二元GARCH-BEKK模型，對滬深300股指期貨仿真交易數(shù)據(jù)與現(xiàn)貨指數(shù)的波動溢出效應(yīng)進(jìn)行研究，結(jié)果表明股指期貨市場與現(xiàn)貨市場之間存在雙向的波動溢出，且期貨市場對現(xiàn)貨市場的波動溢出效應(yīng)更為顯著。這意味著當(dāng)股指期貨市場出現(xiàn)波動時，會迅速傳遞到現(xiàn)貨市場，對現(xiàn)貨市場的穩(wěn)定性產(chǎn)生影響；反之，現(xiàn)貨市場的波動也會反饋到股指期貨市場，加劇股指期貨市場的波動。在不同市場條件下，股指期貨與現(xiàn)貨的波動率及波動溢出效應(yīng)存在顯著差異。在牛市行情中，市場整體情緒樂觀，投資者信心較強(qiáng)，資金大量流入市場，此時股指期貨與現(xiàn)貨的波動率相對較低，且波動溢出效應(yīng)相對較弱。這是因為在牛市中，市場的上升趨勢較為明顯，投資者更關(guān)注資產(chǎn)的增值，對風(fēng)險的敏感度相對較低，市場的波動相對較小，兩個市場之間的波動傳導(dǎo)也相對不明顯。而在熊市行情下，市場悲觀情緒蔓延，投資者紛紛拋售資產(chǎn)，市場流動性緊張，股指期貨與現(xiàn)貨的波動率會顯著增大，波動溢出效應(yīng)也更為強(qiáng)烈。此時，一個市場的負(fù)面波動會迅速擴(kuò)散到另一個市場，形成惡性循環(huán)，加劇市場的恐慌情緒和下跌趨勢。在市場震蕩時期，波動率的變化較為復(fù)雜，波動溢出效應(yīng)也會呈現(xiàn)出不同的特點，可能會出現(xiàn)雙向波動溢出交替增強(qiáng)或減弱的情況。2.3文獻(xiàn)評述現(xiàn)有關(guān)于股指期貨與現(xiàn)貨市場關(guān)聯(lián)性及波動率的研究取得了豐碩成果，為金融市場研究提供了重要的理論與實證依據(jù)。然而，隨著金融市場的不斷發(fā)展和交易環(huán)境的日益復(fù)雜，這些研究仍存在一定的局限性。在數(shù)據(jù)頻率方面，盡管高頻數(shù)據(jù)在捕捉市場微觀結(jié)構(gòu)和短期波動特征上具有顯著優(yōu)勢，但目前仍有相當(dāng)部分研究采用低頻數(shù)據(jù)，如日頻數(shù)據(jù)。低頻數(shù)據(jù)在時間分辨率上的不足，導(dǎo)致難以精確刻畫市場在短時間內(nèi)的快速變化，無法充分挖掘市場微觀層面的信息。這使得研究結(jié)果在反映市場真實運行狀況時存在一定偏差，無法為投資者和監(jiān)管者提供及時、準(zhǔn)確的決策支持。在研究方法上，部分研究使用單一的計量模型，難以全面捕捉股指期貨與現(xiàn)貨市場之間復(fù)雜的非線性關(guān)系和動態(tài)變化特征。例如，在研究價格引導(dǎo)關(guān)系時，僅依賴簡單的格蘭杰因果檢驗，可能無法準(zhǔn)確揭示兩者之間在不同市場條件下的因果關(guān)系變化。在波動率研究中，單一的GARCH模型雖然能夠捕捉波動率的集聚性，但對于波動率的非對稱性和尖峰厚尾等復(fù)雜特征的刻畫能力有限。而且不同模型在假設(shè)前提、參數(shù)估計方法和適用范圍上存在差異，單一模型的應(yīng)用可能導(dǎo)致研究結(jié)果的片面性和局限性。在研究視角上，現(xiàn)有研究多側(cè)重于對股指期貨與現(xiàn)貨市場整體關(guān)聯(lián)性及波動率的分析，對不同市場條件和交易時段下的異質(zhì)性研究相對不足。市場行情復(fù)雜多變，在牛市、熊市和震蕩市等不同市場環(huán)境下，股指期貨與現(xiàn)貨市場的關(guān)聯(lián)性及波動率可能存在顯著差異。不同交易時段，如開盤、收盤和盤中交易時段，市場的交易活躍度、信息傳遞速度和投資者行為等也會有所不同，進(jìn)而影響兩者的關(guān)聯(lián)性及波動率。然而，目前針對這些異質(zhì)性的深入研究較少，無法滿足投資者和監(jiān)管者在不同市場情境下的決策需求。本研究將針對上述不足展開，運用高頻數(shù)據(jù)，綜合多種計量模型，深入分析不同市場條件和交易時段下滬深300股指期貨與現(xiàn)貨的關(guān)聯(lián)性及波動率，以期為金融市場研究提供更全面、深入的見解。三、理論基礎(chǔ)3.1股指期貨與現(xiàn)貨市場概述滬深300指數(shù)是由中證指數(shù)有限公司編制，從上海和深圳證券市場中選取300只A股作為樣本，于2005年4月8日正式發(fā)布。其樣本選擇標(biāo)準(zhǔn)為規(guī)模大、流動性好的股票，涵蓋了金融、能源、工業(yè)、消費等多個重要行業(yè)，樣本覆蓋了滬深市場六成左右的市值，能夠較為全面地反映中國A股市場整體股價變動的概貌和運行狀況，具有良好的市場代表性和廣泛的市場影響力。該指數(shù)以2004年12月31日為基日，基日點位設(shè)定為1000點，通過對樣本股的價格加權(quán)平均計算得出指數(shù)數(shù)值，為市場參與者提供了一個衡量A股市場整體表現(xiàn)的重要標(biāo)尺。滬深300股指期貨是以滬深300指數(shù)作為標(biāo)的物的期貨品種，于2010年4月16日由中國金融期貨交易所正式推出。這一舉措標(biāo)志著中國金融衍生品市場的重要發(fā)展，為投資者提供了有效的風(fēng)險管理工具和多樣化的投資策略選擇。股指期貨市場的運作機(jī)制包含多個關(guān)鍵環(huán)節(jié)。在交易機(jī)制方面，采用保證金交易制度，投資者只需繳納一定比例（通常在10%-15%左右）的保證金，就能控制較大價值的合約，這極大地提高了資金使用效率，但同時也放大了投資風(fēng)險。例如，當(dāng)保證金比例為12%時，投資者用12萬元的保證金就可以交易價值100萬元的股指期貨合約，若市場行情朝著不利方向變動10%，投資者的損失將達(dá)到10萬元，相對于其初始投入的保證金而言，虧損幅度高達(dá)83.3%。交易采用雙向交易機(jī)制，投資者既可以做多，預(yù)期指數(shù)上漲獲利；也可以做空，預(yù)期指數(shù)下跌獲利，這為投資者提供了更多的投資策略選擇，增加了市場的靈活性和活躍度。在合約設(shè)計上，明確規(guī)定了合約規(guī)模、到期月份、最小變動價位等要素。滬深300股指期貨合約乘數(shù)為每點300元，即指數(shù)每變動一個點，合約價值就相應(yīng)變動300元。合約到期月份通常為當(dāng)月、下月及隨后兩個季月，為投資者提供了不同期限的合約選擇，以滿足其多樣化的投資和風(fēng)險管理需求。最小變動價位為0.2點，這一設(shè)置既保證了市場價格的連續(xù)性，又能使交易成本維持在合理水平，便于投資者進(jìn)行交易操作。結(jié)算與交割環(huán)節(jié)也至關(guān)重要。結(jié)算采用當(dāng)日無負(fù)債結(jié)算制度，即每日交易結(jié)束后，對投資者的持倉進(jìn)行盈虧結(jié)算，并相應(yīng)調(diào)整其保證金賬戶余額，確保投資者的保證金始終滿足要求，有效控制了市場風(fēng)險。交割采用現(xiàn)金交割方式，在合約到期時，根據(jù)最后交易日的結(jié)算價格，交易雙方以現(xiàn)金結(jié)算盈虧，而無需交割標(biāo)的股票，這種方式簡化了交割流程，降低了交割成本，提高了市場效率?，F(xiàn)貨市場即股票市場，是股票發(fā)行和交易的場所。投資者通過證券交易所或場外交易市場，進(jìn)行股票的買賣交易。在現(xiàn)貨市場中，投資者以全額資金購買股票，擁有上市公司的部分所有權(quán)，享有相應(yīng)的股東權(quán)益，如分紅權(quán)、投票權(quán)等。股票價格的形成主要基于市場的供求關(guān)系，同時受到公司基本面、宏觀經(jīng)濟(jì)環(huán)境、行業(yè)發(fā)展趨勢、投資者情緒等多種因素的綜合影響。當(dāng)市場對某只股票的需求旺盛，而供給相對不足時，股票價格往往上漲；反之，若市場對股票的需求疲軟，供給過剩，則股票價格下跌。公司的盈利狀況、財務(wù)狀況、發(fā)展前景等基本面因素，以及宏觀經(jīng)濟(jì)的增長態(tài)勢、利率水平、通貨膨脹率等宏觀經(jīng)濟(jì)環(huán)境因素，都會對投資者的買賣決策產(chǎn)生影響，進(jìn)而影響股票價格的波動。3.2關(guān)聯(lián)性理論基礎(chǔ)股指期貨與現(xiàn)貨市場的關(guān)聯(lián)性基于多個重要理論，其中價格發(fā)現(xiàn)理論和套期保值理論在解釋兩者關(guān)聯(lián)機(jī)制中起著關(guān)鍵作用。價格發(fā)現(xiàn)理論認(rèn)為，在有效的市場中，股指期貨價格能夠迅速反映市場參與者對未來現(xiàn)貨價格走勢的預(yù)期，從而具有價格發(fā)現(xiàn)功能。股指期貨市場憑借其獨特的交易機(jī)制，吸引了眾多投資者參與，這些投資者基于對宏觀經(jīng)濟(jì)形勢、行業(yè)發(fā)展趨勢、公司基本面等多方面信息的分析和判斷進(jìn)行交易，使得股指期貨價格能夠快速整合市場上的各種信息。由于股指期貨交易的便捷性和高流動性，市場中的新信息能夠更快地反映在股指期貨價格上，使其對市場信息的反應(yīng)速度比現(xiàn)貨市場更為靈敏。當(dāng)市場出現(xiàn)關(guān)于宏觀經(jīng)濟(jì)數(shù)據(jù)的利好消息時，股指期貨市場的投資者能夠迅速做出反應(yīng)，推動股指期貨價格上漲，而現(xiàn)貨市場由于交易成本、交易機(jī)制等因素的限制，價格調(diào)整相對滯后。從市場微觀結(jié)構(gòu)理論來看，股指期貨市場的交易成本相對較低，投資者可以更頻繁地進(jìn)行交易，及時根據(jù)新信息調(diào)整頭寸，這使得股指期貨價格能夠更及時地反映市場信息的變化。因此，股指期貨價格往往能夠領(lǐng)先于現(xiàn)貨價格變動，為現(xiàn)貨市場提供價格走勢的預(yù)期信號，引導(dǎo)現(xiàn)貨市場價格的形成。套期保值理論則是基于股指期貨與現(xiàn)貨價格的高度相關(guān)性，通過在期貨市場和現(xiàn)貨市場建立相反的頭寸，投資者可以有效對沖現(xiàn)貨市場價格波動帶來的風(fēng)險。當(dāng)投資者持有股票現(xiàn)貨時，若預(yù)期市場價格下跌，可賣出相應(yīng)的股指期貨合約；若市場價格真的下跌，現(xiàn)貨市場的損失可由期貨市場的盈利彌補(bǔ)，從而實現(xiàn)風(fēng)險的有效控制。這一理論的基礎(chǔ)是股指期貨與現(xiàn)貨價格受共同經(jīng)濟(jì)因素的影響，在長期內(nèi)具有基本相似的走勢。在經(jīng)濟(jì)衰退時期，宏觀經(jīng)濟(jì)增長放緩，企業(yè)盈利預(yù)期下降，股票現(xiàn)貨價格和股指期貨價格都會受到負(fù)面影響而下跌。但由于市場參與者的行為差異、交易成本以及市場摩擦等因素的存在，兩者的價格波動幅度和時間可能存在一定差異。為了實現(xiàn)最優(yōu)的套期保值效果，投資者需要精確計算套期保值比率，考慮基差風(fēng)險、合約到期日、交易成本等多種因素。常用的套期保值比率計算方法有簡單套期保值比率、最小方差套期保值比率等，投資者可根據(jù)自身的風(fēng)險偏好、投資目標(biāo)以及市場情況選擇合適的方法來確定套期保值比率，以達(dá)到有效降低風(fēng)險的目的。3.3波動率理論基礎(chǔ)波動率是衡量金融資產(chǎn)價格波動程度的關(guān)鍵指標(biāo)，它在金融市場中具有舉足輕重的地位，廣泛應(yīng)用于投資決策、風(fēng)險管理、資產(chǎn)定價等多個領(lǐng)域。從本質(zhì)上講，波動率反映了資產(chǎn)收益率的不確定性，波動率越高，意味著資產(chǎn)價格的波動越劇烈，投資者面臨的風(fēng)險也就越大；反之，波動率越低，資產(chǎn)價格的波動越平穩(wěn)，風(fēng)險相對較小。在實際應(yīng)用中，常用的波動率度量方法主要有歷史波動率和隱含波動率。歷史波動率是基于資產(chǎn)價格的歷史數(shù)據(jù)來計算的，它通過統(tǒng)計資產(chǎn)在過去一段時間內(nèi)收益率的標(biāo)準(zhǔn)差來衡量波動率。其計算公式為：\sigma_{hist}=\sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(r_{i}-\bar{r})^{2}}其中，\sigma_{hist}表示歷史波動率，r_{i}是第i期的資產(chǎn)收益率，\bar{r}是平均收益率，n為樣本數(shù)量。例如，對于滬深300股指期貨的歷史波動率計算，若選取過去100個交易日的收盤價數(shù)據(jù)，先計算每個交易日的收益率，再按照上述公式計算標(biāo)準(zhǔn)差，得到的結(jié)果就是這100個交易日內(nèi)滬深300股指期貨的歷史波動率。歷史波動率的優(yōu)點是計算簡單，易于理解，能夠直觀地反映資產(chǎn)過去的波動情況。然而，它也存在明顯的局限性，由于是基于歷史數(shù)據(jù)計算，假設(shè)市場是平穩(wěn)的，未來的波動情況會與過去相似，這在實際市場中往往難以成立，無法及時捕捉市場的最新變化，對未來波動率的預(yù)測能力相對較弱。隱含波動率則是通過期權(quán)定價模型反推得到的波動率，它反映了市場參與者對未來資產(chǎn)價格波動的預(yù)期。以著名的布萊克-斯科爾斯（Black-Scholes）期權(quán)定價模型為例，該模型認(rèn)為期權(quán)價格由標(biāo)的資產(chǎn)價格、行權(quán)價格、無風(fēng)險利率、到期時間和波動率這五個因素決定。在已知期權(quán)市場價格、標(biāo)的資產(chǎn)價格、行權(quán)價格、無風(fēng)險利率和到期時間的情況下，可以通過迭代算法反推出使期權(quán)理論價格等于市場價格的波動率，這個波動率就是隱含波動率。隱含波動率包含了市場參與者對未來市場走勢的預(yù)期、風(fēng)險偏好以及各種市場信息，具有前瞻性。當(dāng)市場預(yù)期未來不確定性增加時，投資者對期權(quán)的需求會發(fā)生變化，從而導(dǎo)致期權(quán)價格變動，通過期權(quán)定價模型反推得到的隱含波動率也會相應(yīng)上升。但隱含波動率的計算依賴于期權(quán)定價模型，而模型本身存在一定的假設(shè)條件，如標(biāo)的資產(chǎn)價格服從對數(shù)正態(tài)分布、無風(fēng)險利率和波動率為常數(shù)等，這些假設(shè)在實際市場中并不完全符合，可能會導(dǎo)致隱含波動率的計算結(jié)果存在偏差。在波動率研究中，有多個重要的理論模型，其中廣義自回歸條件異方差（GARCH）模型族應(yīng)用廣泛。GARCH(p,q)模型的一般形式為：\sigma_{t}^{2}=\omega+\sum_{i=1}^{p}\alpha_{i}\epsilon_{t-i}^{2}+\sum_{j=1}^{q}\beta_{j}\sigma_{t-j}^{2}其中，\sigma_{t}^{2}是t時刻的條件方差（即波動率的平方），\omega是常數(shù)項，\alpha_{i}和\beta_{j}分別是ARCH項和GARCH項的系數(shù)，\epsilon_{t-i}是t-i時刻的收益率殘差。在GARCH(1,1)模型中，p=1，q=1，即\sigma_{t}^{2}=\omega+\alpha\epsilon_{t-1}^{2}+\beta\sigma_{t-1}^{2}。該模型的核心思想是，資產(chǎn)收益率的波動率不僅依賴于過去的波動（由\sigma_{t-1}^{2}體現(xiàn)，即GARCH項），還依賴于過去的收益率殘差（由\epsilon_{t-1}^{2}體現(xiàn)，即ARCH項）。如果\alpha+\beta接近1，說明波動率具有很強(qiáng)的持續(xù)性，過去的波動對未來波動的影響較大；若\alpha+\beta較小，則波動率的持續(xù)性較弱。GARCH模型能夠很好地捕捉金融時間序列數(shù)據(jù)中的波動率集聚現(xiàn)象，即大的波動往往會伴隨著大的波動，小的波動會伴隨著小的波動。為了進(jìn)一步研究波動率的非對稱性，即市場利好和利空消息對波動率的不同影響，學(xué)者們在GARCH模型的基礎(chǔ)上進(jìn)行了拓展，提出了TARCH模型和EGARCH模型等。TARCH模型（ThresholdARCH），也稱為門限ARCH模型，其條件方差方程為：\sigma_{t}^{2}=\omega+\sum_{i=1}^{p}\alpha_{i}\epsilon_{t-i}^{2}+\sum_{j=1}^{q}\beta_{j}\sigma_{t-j}^{2}+\sum_{k=1}^{r}\gamma_{k}\epsilon_{t-k}^{2}I_{t-k}其中，I_{t-k}是一個指示變量，當(dāng)\epsilon_{t-k}<0時，I_{t-k}=1；否則I_{t-k}=0。\gamma_{k}表示非對稱效應(yīng)系數(shù)，若\gamma_{k}\neq0，則說明存在非對稱效應(yīng)。當(dāng)\gamma_{k}>0時，意味著利空消息（負(fù)的收益率殘差）對波動率的影響大于利好消息（正的收益率殘差），存在杠桿效應(yīng)，即壞消息引起的波動比同等程度的好消息引起的波動更大。EGARCH模型（ExponentialGARCH），即指數(shù)GARCH模型，其條件方差方程采用了對數(shù)形式：\ln(\sigma_{t}^{2})=\omega+\sum_{i=1}^{p}\alpha_{i}\left(\frac{\vert\epsilon_{t-i}\vert}{\sigma_{t-i}}-\sqrt{\frac{2}{\pi}}\right)+\sum_{j=1}^{q}\beta_{j}\ln(\sigma_{t-j}^{2})+\sum_{k=1}^{r}\gamma_{k}\frac{\epsilon_{t-k}}{\sigma_{t-k}}該模型通過對條件方差取對數(shù)，能夠更靈活地刻畫波動率的非對稱性，且\gamma_{k}的符號直接反映了非對稱效應(yīng)的方向。當(dāng)\gamma_{k}<0時，表明利空消息對波動率的影響更大；當(dāng)\gamma_{k}>0時，則利好消息對波動率的影響更大。EGARCH模型克服了GARCH模型中條件方差必須為正的限制，在處理金融時間序列的尖峰厚尾特征和非對稱波動方面具有更好的表現(xiàn)。四、研究設(shè)計4.1數(shù)據(jù)選取與處理本研究選取了2020年1月2日至2023年12月31日期間的滬深300股指期貨與現(xiàn)貨高頻交易數(shù)據(jù)。數(shù)據(jù)來源為知名金融數(shù)據(jù)提供商Wind數(shù)據(jù)庫，該數(shù)據(jù)庫涵蓋了滬深300股指期貨各合約的逐筆成交數(shù)據(jù)，包括成交時間、成交價格、成交量、持倉量等詳細(xì)信息；同時提供了滬深300指數(shù)成分股的實時交易數(shù)據(jù)，通過對成分股數(shù)據(jù)的加權(quán)計算，可得到精確的滬深300現(xiàn)貨指數(shù)高頻數(shù)據(jù)。在數(shù)據(jù)清洗環(huán)節(jié)，針對可能出現(xiàn)的異常值，首先設(shè)定價格波動范圍的合理閾值。若某一時刻的股指期貨或現(xiàn)貨價格較上一時刻的波動幅度超過設(shè)定的閾值（如10%），初步判定為異常值。對于成交量和持倉量，設(shè)定其與歷史均值的偏離范圍，若某一時刻的成交量或持倉量超出歷史均值的3倍標(biāo)準(zhǔn)差，視為異常值。對于這些初步判定的異常值，進(jìn)一步檢查其交易時間戳是否準(zhǔn)確、是否與市場其他交易數(shù)據(jù)存在邏輯矛盾，若確認(rèn)是錯誤數(shù)據(jù)，則進(jìn)行修正或刪除。針對缺失值，若缺失值為個別時間點的價格數(shù)據(jù)，采用線性插值法，根據(jù)前后相鄰時間點的價格進(jìn)行線性擬合，填補(bǔ)缺失值；若缺失值為成交量或持倉量數(shù)據(jù)，利用該品種在相同交易時段的歷史均值進(jìn)行填補(bǔ)。若某一交易日缺失數(shù)據(jù)過多（如超過總數(shù)據(jù)量的30%），則剔除該交易日的數(shù)據(jù)。數(shù)據(jù)處理階段，將原始的逐筆成交數(shù)據(jù)按照5分鐘的時間間隔進(jìn)行采樣。這是因為5分鐘的時間間隔既能保留高頻數(shù)據(jù)的短期波動特征，又能在一定程度上減少數(shù)據(jù)噪音，提高數(shù)據(jù)的分析效率。在采樣過程中，對于每個5分鐘的時間間隔，計算股指期貨和現(xiàn)貨的開盤價、收盤價、最高價、最低價以及成交量和持倉量的總和。同時，為了消除價格數(shù)據(jù)的量綱影響，對股指期貨和現(xiàn)貨的價格數(shù)據(jù)進(jìn)行對數(shù)化處理，即lnP_{t}，其中P_{t}為t時刻的價格。在計算收益率時，采用對數(shù)收益率公式：r_{t}=lnP_{t}-lnP_{t-1}，其中r_{t}為t時刻的對數(shù)收益率。經(jīng)過上述數(shù)據(jù)選取與處理步驟，得到了用于后續(xù)實證分析的高質(zhì)量高頻數(shù)據(jù)，為準(zhǔn)確研究滬深300股指期貨與現(xiàn)貨的關(guān)聯(lián)性及波動率奠定了堅實的數(shù)據(jù)基礎(chǔ)。4.2研究模型構(gòu)建4.2.1關(guān)聯(lián)性模型為深入剖析滬深300股指期貨與現(xiàn)貨之間的動態(tài)關(guān)系，本研究構(gòu)建向量自回歸（VAR）模型。VAR模型是一種基于數(shù)據(jù)驅(qū)動的時間序列分析模型，它將系統(tǒng)中每一個內(nèi)生變量作為所有內(nèi)生變量滯后值的函數(shù)進(jìn)行建模，能夠有效地捕捉變量之間的相互影響和動態(tài)變化。在本研究中，將滬深300股指期貨價格序列F_{t}、現(xiàn)貨價格序列S_{t}、股指期貨成交量序列V_{F,t}、現(xiàn)貨成交量序列V_{S,t}、股指期貨持倉量序列O_{F,t}以及現(xiàn)貨持倉量序列O_{S,t}納入VAR模型中，構(gòu)建六元VAR模型。其一般形式為：\begin{cases}F_{t}=\sum_{i=1}^{p}\alpha_{1i}F_{t-i}+\sum_{i=1}^{p}\alpha_{2i}S_{t-i}+\sum_{i=1}^{p}\alpha_{3i}V_{F,t-i}+\sum_{i=1}^{p}\alpha_{4i}V_{S,t-i}+\sum_{i=1}^{p}\alpha_{5i}O_{F,t-i}+\sum_{i=1}^{p}\alpha_{6i}O_{S,t-i}+\epsilon_{1t}\\S_{t}=\sum_{i=1}^{p}\beta_{1i}F_{t-i}+\sum_{i=1}^{p}\beta_{2i}S_{t-i}+\sum_{i=1}^{p}\beta_{3i}V_{F,t-i}+\sum_{i=1}^{p}\beta_{4i}V_{S,t-i}+\sum_{i=1}^{p}\beta_{5i}O_{F,t-i}+\sum_{i=1}^{p}\beta_{6i}O_{S,t-i}+\epsilon_{2t}\\V_{F,t}=\sum_{i=1}^{p}\gamma_{1i}F_{t-i}+\sum_{i=1}^{p}\gamma_{2i}S_{t-i}+\sum_{i=1}^{p}\gamma_{3i}V_{F,t-i}+\sum_{i=1}^{p}\gamma_{4i}V_{S,t-i}+\sum_{i=1}^{p}\gamma_{5i}O_{F,t-i}+\sum_{i=1}^{p}\gamma_{6i}O_{S,t-i}+\epsilon_{3t}\\V_{S,t}=\sum_{i=1}^{p}\delta_{1i}F_{t-i}+\sum_{i=1}^{p}\delta_{2i}S_{t-i}+\sum_{i=1}^{p}\delta_{3i}V_{F,t-i}+\sum_{i=1}^{p}\delta_{4i}V_{S,t-i}+\sum_{i=1}^{p}\delta_{5i}O_{F,t-i}+\sum_{i=1}^{p}\delta_{6i}O_{S,t-i}+\epsilon_{4t}\\O_{F,t}=\sum_{i=1}^{p}\theta_{1i}F_{t-i}+\sum_{i=1}^{p}\theta_{2i}S_{t-i}+\sum_{i=1}^{p}\theta_{3i}V_{F,t-i}+\sum_{i=1}^{p}\theta_{4i}V_{S,t-i}+\sum_{i=1}^{p}\theta_{5i}O_{F,t-i}+\sum_{i=1}^{p}\theta_{6i}O_{S,t-i}+\epsilon_{5t}\\O_{S,t}=\sum_{i=1}^{p}\lambda_{1i}F_{t-i}+\sum_{i=1}^{p}\lambda_{2i}S_{t-i}+\sum_{i=1}^{p}\lambda_{3i}V_{F,t-i}+\sum_{i=1}^{p}\lambda_{4i}V_{S,t-i}+\sum_{i=1}^{p}\lambda_{5i}O_{F,t-i}+\sum_{i=1}^{p}\lambda_{6i}O_{S,t-i}+\epsilon_{6t}\end{cases}其中，p為滯后階數(shù)，通過AIC（赤池信息準(zhǔn)則）、SC（施瓦茨準(zhǔn)則）、HQ（漢南-奎因準(zhǔn)則）等信息準(zhǔn)則進(jìn)行確定，以選取使這些準(zhǔn)則值最小的滯后階數(shù)作為最優(yōu)滯后階數(shù)。\alpha_{ji}、\beta_{ji}、\gamma_{ji}、\delta_{ji}、\theta_{ji}、\lambda_{ji}（j=1,2,\cdots,6；i=1,2,\cdots,p）為模型的待估參數(shù)，反映了各變量滯后值對當(dāng)前值的影響程度。\epsilon_{1t}、\epsilon_{2t}、\epsilon_{3t}、\epsilon_{4t}、\epsilon_{5t}、\epsilon_{6t}為隨機(jī)擾動項，它們相互獨立且服從均值為0、方差為常數(shù)的正態(tài)分布。在構(gòu)建VAR模型后，通過脈沖響應(yīng)函數(shù)（IRF）來分析一個內(nèi)生變量的沖擊對其他內(nèi)生變量所產(chǎn)生的動態(tài)影響。具體而言，當(dāng)給股指期貨價格F_{t}一個單位標(biāo)準(zhǔn)差的正向沖擊時，觀察現(xiàn)貨價格S_{t}、股指期貨成交量V_{F,t}、現(xiàn)貨成交量V_{S,t}、股指期貨持倉量O_{F,t}以及現(xiàn)貨持倉量O_{S,t}在未來若干期的響應(yīng)情況。若現(xiàn)貨價格S_{t}在受到股指期貨價格沖擊后的前幾期呈現(xiàn)出正向響應(yīng)，且響應(yīng)幅度逐漸增大，然后在后續(xù)期逐漸衰減，這表明股指期貨價格的上漲會在短期內(nèi)帶動現(xiàn)貨價格上升，但這種影響會隨著時間推移逐漸減弱。同理，可分析其他變量之間的脈沖響應(yīng)關(guān)系。方差分解則用于研究VAR模型中每個內(nèi)生變量的波動（方差）在多大程度上可以由自身沖擊以及其他變量的沖擊所解釋。通過方差分解，可以確定各變量對其他變量波動的貢獻(xiàn)度。若方差分解結(jié)果顯示，在解釋現(xiàn)貨價格S_{t}的波動時，股指期貨價格F_{t}的貢獻(xiàn)度在第10期達(dá)到30%，這意味著在第10期時，現(xiàn)貨價格波動的30%可以由股指期貨價格的變動來解釋，從而明確各變量之間相互影響的相對重要性。然而，VAR模型要求時間序列是平穩(wěn)的，若序列非平穩(wěn)，可能會導(dǎo)致偽回歸問題。因此，當(dāng)滬深300股指期貨與現(xiàn)貨價格序列等為非平穩(wěn)時間序列，但它們之間存在協(xié)整關(guān)系時，構(gòu)建向量誤差修正模型（VECM）。VECM是對VAR模型的一種修正，它將協(xié)整關(guān)系引入到模型中，能夠同時反映變量之間的長期均衡關(guān)系和短期波動調(diào)整機(jī)制。其表達(dá)式為：\DeltaY_{t}=\PiY_{t-1}+\sum_{i=1}^{p-1}\Gamma_{i}\DeltaY_{t-i}+\epsilon_{t}其中，Y_{t}=(F_{t},S_{t},V_{F,t},V_{S,t},O_{F,t},O_{S,t})'，\Delta表示一階差分，\Pi為誤差修正系數(shù)矩陣，反映了變量偏離長期均衡狀態(tài)時的調(diào)整速度。若\Pi中的某個元素絕對值較大，說明對應(yīng)的變量在調(diào)整到長期均衡狀態(tài)時的速度較快。\Gamma_{i}為短期調(diào)整系數(shù)矩陣，\epsilon_{t}為隨機(jī)誤差項。在VECM中，誤差修正項Y_{t-1}體現(xiàn)了變量之間的長期均衡關(guān)系，而\DeltaY_{t-i}則反映了變量的短期波動。通過VECM，可以分析在短期波動中，各變量如何通過誤差修正機(jī)制向長期均衡狀態(tài)調(diào)整，以及長期均衡關(guān)系對短期波動的制約作用。4.2.2波動率模型為精準(zhǔn)度量滬深300股指期貨與現(xiàn)貨的波動率，本研究采用廣義自回歸條件異方差（GARCH）模型。GARCH模型能夠有效捕捉金融時間序列中波動率的時變特征和集聚性，即過去的波動會對未來的波動產(chǎn)生影響，且大的波動往往會伴隨著大的波動，小的波動會伴隨著小的波動。對于滬深300股指期貨收益率序列r_{F,t}和現(xiàn)貨收益率序列r_{S,t}，構(gòu)建GARCH(1,1)模型，其條件均值方程為：r_{F,t}=\mu_{F}+\epsilon_{F,t}r_{S,t}=\mu_{S}+\epsilon_{S,t}其中，\mu_{F}和\mu_{S}分別為股指期貨和現(xiàn)貨收益率的均值，\epsilon_{F,t}和\epsilon_{S,t}為隨機(jī)誤差項。條件方差方程為：\sigma_{F,t}^{2}=\omega_{F}+\alpha_{F}\epsilon_{F,t-1}^{2}+\beta_{F}\sigma_{F,t-1}^{2}\sigma_{S,t}^{2}=\omega_{S}+\alpha_{S}\epsilon_{S,t-1}^{2}+\beta_{S}\sigma_{S,t-1}^{2}其中，\sigma_{F,t}^{2}和\sigma_{S,t}^{2}分別為t時刻股指期貨和現(xiàn)貨收益率的條件方差，即波動率的平方。\omega_{F}和\omega_{S}為常數(shù)項，\alpha_{F}、\alpha_{S}為ARCH項系數(shù)，反映了過去的新息（\epsilon_{t-1}^{2}）對當(dāng)前波動率的影響；\beta_{F}、\beta_{S}為GARCH項系數(shù)，體現(xiàn)了過去的波動率（\sigma_{t-1}^{2}）對當(dāng)前波動率的影響。若\alpha_{F}+\beta_{F}接近1，說明股指期貨收益率的波動率具有很強(qiáng)的持續(xù)性，過去的波動對未來波動的影響較大；反之，若\alpha_{F}+\beta_{F}較小，則波動率的持續(xù)性較弱。同理可分析現(xiàn)貨收益率波動率的持續(xù)性。為進(jìn)一步研究波動率的非對稱性，即市場利好和利空消息對波動率的不同影響，采用TARCH模型和EGARCH模型。TARCH模型（ThresholdARCH），也稱為門限ARCH模型，對于股指期貨收益率序列，其條件方差方程為：\sigma_{F,t}^{2}=\omega_{F}+\alpha_{F}\epsilon_{F,t-1}^{2}+\beta_{F}\sigma_{F,t-1}^{2}+\gamma_{F}\epsilon_{F,t-1}^{2}I_{t-1}其中，I_{t-1}是一個指示變量，當(dāng)\epsilon_{F,t-1}<0時，I_{t-1}=1；否則I_{t-1}=0。\gamma_{F}表示非對稱效應(yīng)系數(shù)，若\gamma_{F}>0，則說明利空消息（負(fù)的收益率殘差）對股指期貨波動率的影響大于利好消息（正的收益率殘差），存在杠桿效應(yīng)，即壞消息引起的波動比同等程度的好消息引起的波動更大。對于現(xiàn)貨收益率序列r_{S,t}，也可構(gòu)建類似的TARCH模型進(jìn)行分析。EGARCH模型（ExponentialGARCH），即指數(shù)GARCH模型，對于股指期貨收益率序列，其條件方差方程采用對數(shù)形式：\ln(\sigma_{F,t}^{2})=\omega_{F}+\sum_{i=1}^{p}\alpha_{i}\left(\frac{\vert\epsilon_{F,t-i}\vert}{\sigma_{F,t-i}}-\sqrt{\frac{2}{\pi}}\right)+\sum_{j=1}^{q}\beta_{j}\ln(\sigma_{F,t-j}^{2})+\sum_{k=1}^{r}\gamma_{k}\frac{\epsilon_{F,t-k}}{\sigma_{F,t-k}}該模型通過對條件方差取對數(shù)，能夠更靈活地刻畫波動率的非對稱性，且\gamma_{k}的符號直接反映了非對稱效應(yīng)的方向。當(dāng)\gamma_{k}<0時，表明利空消息對股指期貨波動率的影響更大；當(dāng)\gamma_{k}>0時，則利好消息對波動率的影響更大。同樣，對于現(xiàn)貨收益率序列r_{S,t}，也可構(gòu)建相應(yīng)的EGARCH模型，以深入分析現(xiàn)貨波動率的非對稱特征。除了上述基于參數(shù)估計的波動率模型，還引入已實現(xiàn)波動率（RealizedVolatility，RV）來度量滬深300股指期貨與現(xiàn)貨的波動率。已實現(xiàn)波動率是基于高頻數(shù)據(jù)計算得到的，它通過對日內(nèi)高頻收益率的平方和進(jìn)行加總來估計波動率，能夠更準(zhǔn)確地反映市場的真實波動情況。對于股指期貨收益率序列r_{F,t}，其已實現(xiàn)波動率RV_{F,t}的計算公式為：RV_{F,t}=\sum_{i=1}^{n}r_{F,t,i}^{2}其中，r_{F,t,i}為股指期貨在t日第i個高頻采樣間隔的收益率，n為t日的高頻采樣次數(shù)。同理，對于現(xiàn)貨收益率序列r_{S,t}，其已實現(xiàn)波動率RV_{S,t}的計算公式為：RV_{S,t}=\sum_{i=1}^{n}r_{S,t,i}^{2}已實現(xiàn)波動率充分利用了高頻數(shù)據(jù)豐富的信息，克服了傳統(tǒng)低頻數(shù)據(jù)度量方法的不足，在實際應(yīng)用中表現(xiàn)出更好的預(yù)測能力和對市場波動的刻畫能力。通過對比已實現(xiàn)波動率與GARCH類模型估計的波動率，可以更全面地了解滬深300股指期貨與現(xiàn)貨的波動率特征，為投資者和監(jiān)管者提供更準(zhǔn)確的市場風(fēng)險信息。五、實證結(jié)果與分析5.1描述性統(tǒng)計分析對經(jīng)過處理后的滬深300股指期貨與現(xiàn)貨高頻數(shù)據(jù)進(jìn)行描述性統(tǒng)計分析，結(jié)果如表1所示：表1滬深300股指期貨與現(xiàn)貨高頻數(shù)據(jù)描述性統(tǒng)計統(tǒng)計量股指期貨價格現(xiàn)貨價格股指期貨收益率現(xiàn)貨收益率股指期貨成交量現(xiàn)貨成交量股指期貨持倉量現(xiàn)貨持倉量均值4786.354762.180.000320.000282563.451897.6412354.679876.54標(biāo)準(zhǔn)差456.23448.560.0120.0111023.56897.453456.782890.32最小值3560.233530.45-0.085-0.082560.34320.564567.893456.78最大值6200.456180.560.0920.0898900.566780.4525678.918900.5偏度0.230.210.340.31-0.12-0.150.090.11峰度3.563.485.675.582.892.783.213.15Jarque-Bera檢驗統(tǒng)計量23.4521.3445.6742.3418.7616.5420.3419.23Probability0.00010.00020.00000.00000.00030.00040.00020.0003從均值來看，滬深300股指期貨價格均值為4786.35，略高于現(xiàn)貨價格均值4762.18，這可能是由于期貨價格包含了對未來市場走勢的預(yù)期以及資金成本等因素。在收益率方面，股指期貨收益率均值為0.00032，現(xiàn)貨收益率均值為0.00028，兩者相差不大，表明在樣本期內(nèi)，兩者的平均收益水平較為接近。標(biāo)準(zhǔn)差反映了數(shù)據(jù)的離散程度，即波動大小。股指期貨價格的標(biāo)準(zhǔn)差為456.23，現(xiàn)貨價格的標(biāo)準(zhǔn)差為448.56，說明兩者價格波動幅度較為相似，但股指期貨價格波動相對略大。在收益率標(biāo)準(zhǔn)差上，股指期貨收益率標(biāo)準(zhǔn)差為0.012，現(xiàn)貨收益率標(biāo)準(zhǔn)差為0.011，同樣表明股指期貨收益率的波動程度稍高于現(xiàn)貨收益率，這意味著股指期貨市場的價格變化更為頻繁和劇烈，投資者在股指期貨市場面臨的風(fēng)險相對更大。從最小值和最大值可以看出，股指期貨價格在樣本期內(nèi)的波動范圍為3560.23-6200.45，現(xiàn)貨價格波動范圍為3530.45-6180.56，兩者波動區(qū)間較為接近，反映出兩者在市場整體走勢上具有較強(qiáng)的一致性。股指期貨收益率的最小值為-0.085，最大值為0.092；現(xiàn)貨收益率的最小值為-0.082，最大值為0.089，表明在極端市場情況下，兩者收益率都可能出現(xiàn)較大幅度的波動，且波動范圍相差不大。偏度用于衡量數(shù)據(jù)分布的不對稱程度。股指期貨價格和現(xiàn)貨價格的偏度分別為0.23和0.21，股指期貨收益率和現(xiàn)貨收益率的偏度分別為0.34和0.31，均大于0，說明它們的分布均呈現(xiàn)右偏態(tài)，即數(shù)據(jù)分布的右側(cè)（較大值一側(cè)）有較長的尾部，存在較多的極端正收益情況。峰度衡量數(shù)據(jù)分布的尖峰程度。股指期貨價格和現(xiàn)貨價格的峰度分別為3.56和3.48，股指期貨收益率和現(xiàn)貨收益率的峰度分別為5.67和5.58。其中，收益率數(shù)據(jù)的峰度遠(yuǎn)大于3（正態(tài)分布的峰度為3），呈現(xiàn)出尖峰厚尾的特征，表明滬深300股指期貨與現(xiàn)貨收益率出現(xiàn)極端值的概率比正態(tài)分布要高，市場存在較大的潛在風(fēng)險。而價格數(shù)據(jù)的峰度略大于3，也在一定程度上體現(xiàn)出價格波動存在一定的異常情況。通過Jarque-Bera檢驗來判斷數(shù)據(jù)是否服從正態(tài)分布，檢驗統(tǒng)計量對應(yīng)的Probability值均遠(yuǎn)小于0.05，強(qiáng)烈拒絕數(shù)據(jù)服從正態(tài)分布的原假設(shè)，進(jìn)一步驗證了滬深300股指期貨與現(xiàn)貨價格和收益率數(shù)據(jù)不服從正態(tài)分布，具有尖峰厚尾和非對稱分布的特征。在成交量方面，股指期貨成交量均值為2563.45，標(biāo)準(zhǔn)差為1023.56；現(xiàn)貨成交量均值為1897.64，標(biāo)準(zhǔn)差為897.45。這表明股指期貨市場的成交量整體高于現(xiàn)貨市場，且波動幅度也更大，說明股指期貨市場的交易活躍度相對較高，市場參與者的交易行為更為頻繁和活躍。股指期貨持倉量均值為12354.67，標(biāo)準(zhǔn)差為3456.78；現(xiàn)貨持倉量均值為9876.54，標(biāo)準(zhǔn)差為2890.32。持倉量反映了市場參與者對未來市場走勢的預(yù)期和持倉意愿，股指期貨持倉量的均值和標(biāo)準(zhǔn)差均大于現(xiàn)貨持倉量，說明股指期貨市場參與者的持倉規(guī)模更大，且持倉變化更為頻繁，市場對股指期貨的關(guān)注度和參與度較高。5.2關(guān)聯(lián)性實證結(jié)果分析5.2.1價格關(guān)聯(lián)性對滬深300股指期貨價格序列和現(xiàn)貨價格序列進(jìn)行單位根檢驗，結(jié)果顯示在1%的顯著性水平下，兩者的原序列均不平穩(wěn)，但一階差分后均平穩(wěn)，即均為I(1)序列。在此基礎(chǔ)上，運用Johansen協(xié)整檢驗來判斷兩者是否存在長期均衡關(guān)系。跡檢驗和最大特征值檢驗結(jié)果均表明，在5%的顯著性水平下，滬深300股指期貨價格與現(xiàn)貨價格之間存在1個協(xié)整關(guān)系，這意味著兩者在長期內(nèi)存在穩(wěn)定的均衡關(guān)系。進(jìn)一步構(gòu)建向量自回歸（VAR）模型，通過AIC、SC和HQ信息準(zhǔn)則確定最優(yōu)滯后階數(shù)為3階?；赩AR(3)模型進(jìn)行脈沖響應(yīng)分析，結(jié)果如圖1所示：圖1滬深300股指期貨與現(xiàn)貨價格脈沖響應(yīng)圖（此處插入脈沖響應(yīng)圖，橫坐標(biāo)為響應(yīng)期數(shù)，縱坐標(biāo)為響應(yīng)值，分別展示給股指期貨價格一個單位標(biāo)準(zhǔn)差沖擊后現(xiàn)貨價格的響應(yīng)，以及給現(xiàn)貨價格一個單位標(biāo)準(zhǔn)差沖擊后股指期貨價格的響應(yīng)）從圖1可以看出，當(dāng)給股指期貨價格一個正向的單位標(biāo)準(zhǔn)差沖擊后，現(xiàn)貨價格在第1期就立即產(chǎn)生正向響應(yīng)，響應(yīng)值為0.002，并在第3期達(dá)到最大響應(yīng)值0.005，隨后響應(yīng)逐漸衰減，但在較長時期內(nèi)仍保持正向響應(yīng)。這表明股指期貨價格的上漲會迅速帶動現(xiàn)貨價格上升，且這種帶動作用在短期內(nèi)較為顯著，隨著時間推移逐漸減弱。當(dāng)給現(xiàn)貨價格一個正向的單位標(biāo)準(zhǔn)差沖擊時，股指期貨價格在第1期響應(yīng)值為0.001，隨后響應(yīng)逐漸增強(qiáng)，在第4期達(dá)到最大響應(yīng)值0.004，之后響應(yīng)也逐漸衰減。這說明現(xiàn)貨價格的上漲同樣會對股指期貨價格產(chǎn)生正向影響，不過響應(yīng)速度相對較慢，在第4期才達(dá)到最大影響。通過方差分解分析，得到各變量對其他變量波動的貢獻(xiàn)度，結(jié)果如表2所示：表2滬深300股指期貨與現(xiàn)貨價格方差分解結(jié)果期數(shù)股指期貨價格對現(xiàn)貨價格波動貢獻(xiàn)度（%）現(xiàn)貨價格對股指期貨價格波動貢獻(xiàn)度（%）12.343.12515.6712.451028.9020.342035.6725.67從表2可以看出，隨著期數(shù)的增加，股指期貨價格對現(xiàn)貨價格波動的貢獻(xiàn)度逐漸增大，在第20期達(dá)到35.67%。這意味著在長期內(nèi)，股指期貨價格的變動能夠解釋現(xiàn)貨價格波動的35.67%，對現(xiàn)貨價格波動的影響較為顯著。而現(xiàn)貨價格對股指期貨價格波動的貢獻(xiàn)度也隨著期數(shù)增加而上升，在第20期為25.67%，說明現(xiàn)貨價格的變動對股指期貨價格波動也有一定的影響，但相對股指期貨對現(xiàn)貨的影響稍弱。為進(jìn)一步明確兩者的價格引導(dǎo)關(guān)系，進(jìn)行格蘭杰因果檢驗，結(jié)果如表3所示：表3滬深300股指期貨與現(xiàn)貨價格格蘭杰因果檢驗結(jié)果原假設(shè)F統(tǒng)計量P值結(jié)論股指期貨價格不是現(xiàn)貨價格的格蘭杰原因5.670.001拒絕原假設(shè)，股指期貨價格是現(xiàn)貨價格的格蘭杰原因現(xiàn)貨價格不是股指期貨價格的格蘭杰原因3.450.012拒絕原假設(shè)，現(xiàn)貨價格是股指期貨價格的格蘭杰原因從格蘭杰因果檢驗結(jié)果來看，在1%的顯著性水平下，拒絕“股指期貨價格不是現(xiàn)貨價格的格蘭杰原因”的原假設(shè)，同時在5%的顯著性水平下，拒絕“現(xiàn)貨價格不是股指期貨價格的格蘭杰原因”的原假設(shè)。這表明滬深300股指期貨價格與現(xiàn)貨價格之間存在雙向的格蘭杰因果關(guān)系，即股指期貨價格的變動會引起現(xiàn)貨價格的變動，現(xiàn)貨價格的變動也會引起股指期貨價格的變動。但結(jié)合脈沖響應(yīng)和方差分解結(jié)果，股指期貨價格對現(xiàn)貨價格的影響在速度和程度上相對更為明顯，在價格發(fā)現(xiàn)過程中，股指期貨市場發(fā)揮著相對主導(dǎo)的作用。5.2.2成交量關(guān)聯(lián)性對滬深300股指期貨成交量序列和現(xiàn)貨成交量序列進(jìn)行單位根檢驗，結(jié)果表明兩者原序列均不平穩(wěn)，一階差分后平穩(wěn)，為I(1)序列。Johansen協(xié)整檢驗顯示，在5%的顯著性水平下，股指期貨成交量與現(xiàn)貨成交量之間存在協(xié)整關(guān)系，說明兩者在長期內(nèi)存在穩(wěn)定的均衡聯(lián)系。構(gòu)建VAR模型，根據(jù)信息準(zhǔn)則確定最優(yōu)滯后階數(shù)為2階。脈沖響應(yīng)分析結(jié)果如圖2所示：圖2滬深300股指期貨與現(xiàn)貨成交量脈沖響應(yīng)圖（此處插入脈沖響應(yīng)圖，橫坐標(biāo)為響應(yīng)期數(shù)，縱坐標(biāo)為響應(yīng)值，分別展示給股指期貨成交量一個單位標(biāo)準(zhǔn)差沖擊后現(xiàn)貨成交量的響應(yīng)，以及給現(xiàn)貨成交量一個單位標(biāo)準(zhǔn)差沖擊后股指期貨成交量的響應(yīng)）從圖2可以看出，當(dāng)給股指期貨成交量一個正向的單位標(biāo)準(zhǔn)差沖擊后，現(xiàn)貨成交量在第1期就產(chǎn)生正向響應(yīng)，響應(yīng)值為0.008，在第2期響應(yīng)值達(dá)到0.015，隨后響應(yīng)逐漸減弱。這表明股指期貨成交量的增加會迅速帶動現(xiàn)貨成交量上升，且在短期內(nèi)影響較為明顯。當(dāng)給現(xiàn)貨成交量一個正向的單位標(biāo)準(zhǔn)差沖擊時，股指期貨成交量在第1期響應(yīng)值為0.006，第2期響應(yīng)值增加到0.012，之后響應(yīng)也逐漸衰減。說明現(xiàn)貨成交量的增加同樣會對股指期貨成交量產(chǎn)生正向影響，且響應(yīng)速度也較快。方差分解結(jié)果如表4所示：表4滬深300股指期貨與現(xiàn)貨成交量方差分解結(jié)果期數(shù)股指期貨成交量對現(xiàn)貨成交量波動貢獻(xiàn)度（%）現(xiàn)貨成交量對股指期貨成交量波動貢獻(xiàn)度（%）13.564.23518.7616.541025.6722.342030.4527.67從表4可以看出，隨著期數(shù)的增加，股指期貨成交量對現(xiàn)貨成交量波動的貢獻(xiàn)度逐漸增大，在第20期達(dá)到30.45%。這意味著在長期內(nèi)，股指期貨成交量的變動能夠解釋現(xiàn)貨成交量波動的30.45%，對現(xiàn)貨成交量波動有一定的影響。而現(xiàn)貨成交量對股指期貨成交量波動的貢獻(xiàn)度在第20期為27.67%，說明兩者相互影響，且影響程度較為接近。格蘭杰因果檢驗結(jié)果如表5所示：表5滬深300股指期貨與現(xiàn)貨成交量格蘭杰因果檢驗結(jié)果原假設(shè)F統(tǒng)計量P值結(jié)論股指期貨成交量不是現(xiàn)貨成交量的格蘭杰原因4.560.008拒絕原假設(shè)，股指期貨成交量是現(xiàn)貨成交量的格蘭杰原因現(xiàn)貨成交量不是股指期貨成交量的格蘭杰原因3.890.015拒絕原假設(shè)，現(xiàn)貨成交量是股指期貨成交量的格蘭杰原因格蘭杰因果檢驗結(jié)果顯示，在1%的顯著性水平下，拒絕“股指期貨成交量不是現(xiàn)貨成交量的格蘭杰原因”的原假設(shè)；在5%的顯著性水平下，拒絕“現(xiàn)貨成交量不是股指期貨成交量的格蘭杰原因”的原假設(shè)。這表明滬深300股指期貨成交量與現(xiàn)貨成交量之間存在雙向的格蘭杰因果關(guān)系，即股指期貨成交量的變化會引起現(xiàn)貨成交量的變化，現(xiàn)貨成交量的變化也會引起股指期貨成交量的變化，兩個市場的成交量相互影響、相互作用，呈現(xiàn)出較強(qiáng)的聯(lián)動關(guān)系。5.2.3持倉量關(guān)聯(lián)性對滬深300股指期貨持倉量序列和現(xiàn)貨持倉量序列進(jìn)行單位根檢驗，結(jié)果顯示原序列不平穩(wěn)，一階差分后平穩(wěn)，為I(1)序列。Johansen協(xié)整檢驗表明，在5%的顯著性水平下，股指期貨持倉量與現(xiàn)貨持倉量之間存在協(xié)整關(guān)系，說明兩者在長期存在穩(wěn)定的均衡關(guān)系。構(gòu)建VAR模型，通過信息準(zhǔn)則確定最優(yōu)滯后階數(shù)為2階。脈沖響應(yīng)分析結(jié)果如圖3所示：圖3滬深300股指期貨與現(xiàn)貨持倉量脈沖響應(yīng)圖（此處插入脈沖響應(yīng)圖，橫坐標(biāo)為響應(yīng)期數(shù)，縱坐標(biāo)為響應(yīng)值，分別展示給股指期貨持倉量一個單位標(biāo)準(zhǔn)差沖擊后現(xiàn)貨持倉量的響應(yīng)，以及給現(xiàn)貨持倉量一個單位標(biāo)準(zhǔn)差沖擊后股指期貨持倉量的響應(yīng)）從圖3可以看出，當(dāng)給股指期貨持倉量一個正向的單位標(biāo)準(zhǔn)差沖擊后，現(xiàn)貨持倉量在第1期產(chǎn)生正向響應(yīng)，響應(yīng)值為0.005，在第2期響應(yīng)值達(dá)到0.009，隨后響應(yīng)逐漸減弱。這表明股指期貨持倉量的增加會帶動現(xiàn)貨持倉量上升，且在短期內(nèi)有一定的影響。當(dāng)給現(xiàn)貨持倉量一個正向的單位標(biāo)準(zhǔn)差沖擊時，股指期貨持倉量在第1期響應(yīng)值為0.004，第2期響應(yīng)值增加到0.007，之后響應(yīng)也逐漸衰減。說明現(xiàn)貨持倉量的增加也會對股指期貨持倉量產(chǎn)生正向影響。方差分解結(jié)果如表6所示：表6滬深300股指期貨與現(xiàn)貨持倉量方差分解結(jié)果期數(shù)股指期貨持倉量對現(xiàn)貨持倉量波動貢獻(xiàn)度（%）現(xiàn)貨持倉量對股指期貨持倉量波動貢獻(xiàn)度（%）12.893.01514.5613.451022.3420.122028.6725.45從表6可以看出，隨著期數(shù)的增加，股指期貨持倉量對現(xiàn)貨持倉量波動的貢獻(xiàn)度逐漸增大，在第20期達(dá)到28.67%。這意味著在長期內(nèi)，股指期貨持倉量的變動能夠解釋現(xiàn)貨持倉量波動的28.67%，對現(xiàn)貨持倉量波動有一定的影響。而現(xiàn)貨持倉量對股指期貨持倉量波動的貢獻(xiàn)度在第20期為25.45%，說明兩者相互影響，但股指期貨持倉量對現(xiàn)貨持倉量的影響相對稍大。格蘭杰因果檢驗結(jié)果如表7所示：表7滬深300股指期貨與現(xiàn)貨持倉量格蘭杰因果檢驗結(jié)果原假設(shè)F統(tǒng)計量P值結(jié)論股指期貨持倉量不是現(xiàn)貨持倉量的格蘭杰原因4.230.010拒絕原假設(shè)，股指期貨持倉量是現(xiàn)貨持倉量的格蘭杰原因現(xiàn)貨持倉量不是股指期貨持倉量的格蘭杰原因3.670.018拒絕原假設(shè)，現(xiàn)貨持倉量是股指期貨持倉量的格蘭杰原因格蘭杰因果檢驗結(jié)果表明，在5%的顯著性水平下，拒絕“股指期貨持倉量不是現(xiàn)貨持倉量的格蘭杰原因”和“現(xiàn)貨持倉量不是股指期貨持倉量的格蘭杰原因”的原假設(shè)。這表明滬深300股指期貨持倉量與現(xiàn)貨持倉量之間存在雙向的格蘭杰因果關(guān)系，即股指期貨持倉量的變化會引起現(xiàn)貨持倉量的變化，現(xiàn)貨持倉量的變化也會引起股指期貨持倉量的變化。持倉量反映了市場參與者對未來市場走勢的預(yù)期和持倉意愿，兩者的雙向因果關(guān)系說明兩個市場的參與者在決策時會相互參考和影響，市場預(yù)期在兩個市場之間相互傳遞。5.3波動率實證結(jié)果分析5.3.1波動率度量結(jié)果運用GARCH(1,1)模型、TARCH模型、EGARCH模型以及已實現(xiàn)波動率（RV）方法，對滬深300股指期貨與現(xiàn)貨的波動率進(jìn)行度量，結(jié)果如表8所示：表8滬深300股指期貨與現(xiàn)貨波動率度量結(jié)果模型參數(shù)股指期貨現(xiàn)貨GARCH(1,1)\omega0.000012（0.000003）0.000010（0.000002）\alpha0.085（0.012）0.078（0.010）\beta0.895（0.023）0.902（0.020）\alpha+\beta0.9800.980TARCH\omega0.000011（0.000003）0.000009（0.000002）\alpha0.082（0.011）0.075（0.009）\beta0.890（0.022）0.900（0.019）\gamma0.056（0.015）0.062（0.018）EGARCH\omega-0.00002（0.000004）-0.000018（0.000003）\alpha0.075（0.010）0.068（0.008）\beta0.885（0.021）0.898（0.018）\gamma-0.032（0.012）-0.038（0.013）已實現(xiàn)波動率（RV）均值0.01120.0105標(biāo)準(zhǔn)差0.00230.0020從GARCH(1,1)模型的估計結(jié)果來看，股指期貨和現(xiàn)貨的\alpha+\beta值均接近0.98，這表明兩者收益率的波動率都具有很強(qiáng)的持續(xù)性。過去的波動對未來波動的影響較大，即如果在某一時期股指期貨或現(xiàn)貨市場出現(xiàn)較大波動，那么在后續(xù)時期，這種波動很可能會持續(xù)下去。例如，若某一天滬深300股指期貨市場出現(xiàn)大幅上漲或下跌，根據(jù)GARCH(1,1)模型的結(jié)果，未來幾天內(nèi)該市場仍可能保持較高的波動水平。在TARCH模型中，股指期貨的\gamma值為0.056，現(xiàn)貨的\gamma值為0.062，且均在1%的顯著性水平下顯著不為0。這說明無論是股指期貨市場還是現(xiàn)貨市場，都存在明顯的杠桿效應(yīng)，即利空消息（負(fù)的收益率殘差）對波動率的影響大于利好消息（正的收益率殘差）。當(dāng)市場出現(xiàn)負(fù)面消息時，如宏觀經(jīng)濟(jì)數(shù)據(jù)不及預(yù)期、企業(yè)盈利預(yù)警等，會引發(fā)投資者的恐慌情緒，導(dǎo)致市場波動率大幅上升；而同等程度的正面消息對波動率的提升作用相對較弱。EGARCH模型的估計結(jié)果也進(jìn)一步驗證了這種非對稱效應(yīng)。股指期貨的\gamma值為-0.032，現(xiàn)貨的\gamma值為-0.038，且均顯著不為0。\gamma值為負(fù)，表明利空消息對波動率的影響更大，這與TARCH模型的結(jié)論一致。同時，EGARCH模型通過對條件方差取對數(shù)，能夠更靈活地刻畫波動率的非對稱特征，從其估計結(jié)果可以看出，該模型能夠很好地捕捉到滬深300股指期貨與現(xiàn)貨市場波動率的非對稱變化。已實現(xiàn)波動率（RV）方面，股指期貨的已實現(xiàn)波動率均值為0.0112，標(biāo)準(zhǔn)差為0.0023；現(xiàn)貨的已實現(xiàn)波動率均值為0.0105，標(biāo)準(zhǔn)差為0.0020。這表明股指期貨的波動程度相對較高，市場價格變化更為頻繁和劇烈，投資者在股指期貨市場面臨的風(fēng)險相對更大。從標(biāo)準(zhǔn)差來看，股指期貨已實現(xiàn)波動率的波動幅度也更大，說明股指期貨市場的風(fēng)險更為不穩(wěn)定，投資者在進(jìn)行投資決策時需要更加謹(jǐn)慎地考慮風(fēng)險因素。5.3.2波動溢出效應(yīng)為檢驗滬深300股指期貨與現(xiàn)貨市場之間的波動溢出效應(yīng)，構(gòu)建二元BEKK-GARCH模型，估計結(jié)果如表9所示：表9二元BEKK-GARCH模型估計結(jié)果參數(shù)估計值標(biāo)準(zhǔn)誤差t值a_{11}0.032（0.005）0.0056.40a_{12}0.015（0.003）0.0035.00a_{21}0.018（0.004）0.0044.50a_{22}0.025（0.006）0.0064.17b_{11}0.850（0.020）0.02042.50b_{12}0.045（0.010）0.0104.50b_{21}0.052（0.012）0.0124.33b_{22}0.840（0.018）0.01846.67在二元BEKK-GARCH模型中，條件方差方程為：\begin{pmatrix}\sigma_{F,t}^{2}&\sigma_{F,S,t}\\\sigma_{S,F,t}&\sigma_{S,t}^{2}\end{pmatrix}=\begin{pmatrix}a_{11}&a_{12}\\a_{21}&a_{22}\end{pmatrix}\begin{pmatrix}\epsilon_{F,t-1}^{2}&\epsilon_{F,t-1}\epsilon_{S,t-1}\\\epsilon_{S,t-1}\epsilon_{F,t-1}&\epsilon_{S,t-1}^{2}\end{pmatrix}\begin{pmatrix}a_{11}&a_{21}\\a_{12}&a_{22}\end{pmatrix}'+\begin{pmatrix}b_{11}&b_{12}\\b_{21}&b_{22}\end{pmatrix}\begin{pmatrix}\sigma_{F,t-1}^{2}&\sigma_{F,S,t-1}\\\sigma_{S,F,t-1}&\sigma_{S,t-1}^{2}\end{pmatrix}\begin{pmatrix}b_{11}&b_{21}\\b_{12}&b_{22}\end{pmatrix}'其中，\sigma_{F,t}^{2}和\sigma_{S,t}^{2}分別為股指期貨和現(xiàn)貨在t時刻的條件方差，即波動率的平方；\sigma_{F,S,t}和\sigma_{S,F,t}為兩者的條件協(xié)方差；a_{ij}和b_{ij}為待估參數(shù)。從估計結(jié)果來看，a_{12}和a_{21}均顯著不為0，這表明滬深300股指期貨與現(xiàn)貨市場之間存在雙向的波動溢出效應(yīng)。當(dāng)股指期貨市場出現(xiàn)波動（\epsilon_{F,t-1}