所謂“價格發(fā)現(xiàn)”功能就是指市場通過公開、公正、高效、競爭的交易運行機(jī)制，形成具有真實性、預(yù)期性、連續(xù)性和權(quán)威性價格的過程。價格發(fā)現(xiàn)與套期保值，是很多市場 比如期貨、股指期貨等市場所擁有的獨特功能。以下是學(xué)習(xí)啦小編今天為大家精心準(zhǔn)備的：基于高頻數(shù)據(jù)的股指期貨價格發(fā)現(xiàn)功能的動態(tài)研究相關(guān)論文。內(nèi)容僅供參考閱讀，希望大家能夠喜歡。

　　基于高頻數(shù)據(jù)的股指期貨價格發(fā)現(xiàn)功能的動態(tài)研究全文如下：

　　一、引言

　　2010年4月16日，我國第一只股票指數(shù)期貨合約正式上市交易，作為標(biāo)的的滬深300指數(shù)在最初幾個月一路走低(在不到3個月時間內(nèi)，下跌了27.3%)。有一種觀點認(rèn)為，股指期貨是促使股指下跌的原因，對于這一問題的回答需要我們對兩市場之間的關(guān)系及期貨市場價格發(fā)現(xiàn)功能的發(fā)揮情況進(jìn)行更為深入的研究。

　　所謂的價格發(fā)現(xiàn)功能，是指相對于現(xiàn)貨市場價格，期貨市場價格能夠?qū)τ谛滦畔⒛茏龀龈斓姆磻?yīng)，即期貨價格對于同期現(xiàn)貨價格具有引領(lǐng)作用。價格發(fā)現(xiàn)是期貨市場的基本功能之一，是期貨市場套期保值功能發(fā)揮的前提。金融學(xué)理論表明，由于股指期貨交易具有成本低、杠桿倍數(shù)高、執(zhí)行指令速度快等優(yōu)點，交易活躍，因此相對于現(xiàn)貨市場，股指期貨市場能更快地對市場信息做出反應(yīng)，期貨價格的變化會領(lǐng)先于現(xiàn)貨價格的變化，具有價格發(fā)現(xiàn)功能。

　　關(guān)于這一方面的實證研究，在實證方法上主要有以下三種思路：

　　第一種思路是在協(xié)整分析的基礎(chǔ)上，采用誤差修正模型等方法。其中，協(xié)整分析主要是考察期現(xiàn)貨市場價格之間是否具有長期穩(wěn)定的均衡關(guān)系，而誤差修正模型主要是刻畫期貨價格與現(xiàn)貨價格對短期價格偏離的反應(yīng)。這種思路主要是對價格(收益)的一階矩進(jìn)行研究。

　　Ghosh(1993)[1]采用協(xié)整分析和誤差修正模型對S&P500指數(shù)期貨價格和現(xiàn)貨價格之間的關(guān)系進(jìn)行了研究，研究發(fā)現(xiàn)它們之間具有長期穩(wěn)定的協(xié)整關(guān)系，且在短期關(guān)系中，期貨市場價格對于現(xiàn)貨市場價格具有較強(qiáng)的影響力。Booth等(1999)[2]采用了同樣的方法研究了德國DAX指數(shù)期貨和期權(quán)的價格發(fā)現(xiàn)過程，研究結(jié)果表明DAX指數(shù)期貨的價格發(fā)現(xiàn)功能優(yōu)于期權(quán)。任燕燕和李學(xué)(2006)[3]采用向量自回歸模型和誤差修正模型，對股指期貨的價格發(fā)現(xiàn)功能進(jìn)行了研究，研究結(jié)果表明，股指期貨市場價格領(lǐng)先于現(xiàn)貨市場價格。張宗成和劉少華(2010)[4]采用Granger因果檢驗、協(xié)整檢驗及誤差修正模型對上市以來滬深300股指期貨與現(xiàn)貨之間的關(guān)系進(jìn)行了研究，發(fā)現(xiàn)無論長期還是短期，期貨市場對于現(xiàn)貨市場的影響都比較大。

　　第二種思路是對價格(收益)的二階矩進(jìn)行研究，即通過考察兩市場之間的波動溢出效應(yīng)，來揭示其各自在價格發(fā)現(xiàn)中的地位。Hamao(1990)[5]最早提出了“波動溢出效應(yīng)”模型，通過該模型可以考察價格波動和信息傳播之間的關(guān)系。通常采用GARCH類模型進(jìn)行這方面的實證研究。

　　Bhar(2001)[6]采用二元EGARCH模型對澳大利亞期現(xiàn)貨市場之間的動態(tài)關(guān)系進(jìn)行了實證研究。Zhong等(2004)[7]采用修正的EGARCH模型對墨西哥期現(xiàn)貨市場之間的動態(tài)關(guān)系進(jìn)行了研究，發(fā)現(xiàn)股指期貨市場對于現(xiàn)貨市場存在波動溢出效應(yīng)。邢精平等(2011)[8]采用多元T-GARCH模型研究了我國股指期貨上市以來期現(xiàn)貨市場之間的波動溢出效應(yīng)，研究結(jié)果表明兩市之間存在顯著的雙向波動溢出，但期貨市場的波動溢出效應(yīng)強(qiáng)于現(xiàn)貨市場的波動溢出效應(yīng)。劉曉彬等(2012)[9]基于滬深300股指期貨仿真交易數(shù)據(jù)，采用BEKK-MGARCH模型對期現(xiàn)貨市場之間的波動溢出效應(yīng)進(jìn)行了研究，結(jié)果表明兩市場之間存在相互溢出效應(yīng)，且在產(chǎn)生持久的影響。

　　第三種思路是在穩(wěn)定協(xié)整關(guān)系的基礎(chǔ)上，精確量化期現(xiàn)貨市場在價格發(fā)現(xiàn)過程中的貢獻(xiàn)度。方法是公共因子模型，主要是Hasbrouck(1995)[10]提出的信息份額模型(Information Share，簡寫為IS)和Gonzalo與Granger(1995)[11]提出的長短期模型(Permanent Transitory，簡寫為PT)。

　　Hasbrouck(2003)[12]采用IS模型研究了美國證券市場的價格發(fā)現(xiàn)過程，發(fā)現(xiàn)相對于標(biāo)準(zhǔn)普爾500指數(shù)和納斯達(dá)克100指數(shù)而言，小額的期貨市場在價格發(fā)現(xiàn)過程中的貢獻(xiàn)度更大。肖輝等(2006)[13]使用脈沖響應(yīng)與一般因子分解模型對國際五種主要的股指期貨市場的價格發(fā)現(xiàn)功能進(jìn)行了研究，發(fā)現(xiàn)期貨市場在價格發(fā)現(xiàn)過程中處于主導(dǎo)地位。熊熊等(2010)[14]采用PT模型分析了滬深300股指期貨IF1005合約生命周期內(nèi)的價格發(fā)現(xiàn)過程，平均來看，股指期貨在價格發(fā)現(xiàn)過程中起主導(dǎo)作用。許自堅(2012)[15]通過IS和PT模型分析股指期貨與現(xiàn)貨指數(shù)各自在價格發(fā)現(xiàn)中的貢獻(xiàn)度，結(jié)果表明股指期貨在價格發(fā)現(xiàn)過程中占據(jù)主導(dǎo)地位。

　　從以上綜述可以看出，上述研究方法只能考察一段時期內(nèi)股指期貨市場價格發(fā)現(xiàn)功能的靜態(tài)表現(xiàn)，不能考察價格發(fā)現(xiàn)功能的動態(tài)變化。而對于股指期貨市場而言，尤其是新興股指期貨市場，考察其價格發(fā)現(xiàn)功能的動態(tài)變化，對于加深我們對股指期貨市場的認(rèn)識，發(fā)現(xiàn)股指期貨推出初期的運作規(guī)律，促進(jìn)市場的不斷完善和發(fā)展都具有十分重要的意義。本文將創(chuàng)新性地采用Hansen和Johansen(1999)[16]所提出的遞歸協(xié)整的方法(recursive cointegration)考察滬深300股指期貨價格發(fā)現(xiàn)功能的動態(tài)表現(xiàn)，這種方法可以考察兩市場協(xié)整關(guān)系的穩(wěn)定性以及相關(guān)調(diào)整系數(shù)的動態(tài)變化，從而有助于我們發(fā)現(xiàn)新興期貨市場需要多長的時間得以實現(xiàn)其價格發(fā)現(xiàn)功能。與此同時，本文還將利用公共因子模型，對股指期貨的價格發(fā)現(xiàn)功能做更為精確的刻畫。
　　二、研究方法與模型

　　(一)遞歸協(xié)整檢驗

　　假設(shè)yt=y1 ty2 t，其中y1 t為指數(shù)現(xiàn)貨市場的自然對數(shù)價格，而y2 t為期貨市場的自然對數(shù)價格。如果兩個價格序列都是非平穩(wěn)的時間序列，且為同階單整，并具有協(xié)整關(guān)系，那么兩者之間的關(guān)系可用以下誤差修正模型表示：

　　?駐yt=?琢?茁′yt-1+■?祝i?駐yt-i+Bxt+?著t (t=1，…T)(1)

　　其中，xt是一個確定的d維的外生向量，代表趨勢項、常數(shù)項等確定性項;矩陣∏=?琢?茁′的秩決定了協(xié)整向量的個數(shù)。

　　除上述標(biāo)準(zhǔn)協(xié)整方法外，本文還將采用遞歸協(xié)整方法考察協(xié)整關(guān)系的穩(wěn)定性以及一些關(guān)鍵變量系數(shù)的遞歸變化。遞歸協(xié)整分析可在(1)式兩種VAR表述下進(jìn)行，第一種是“Z表述”(Z-representation)，第二種是“R表述”(R-representation)。在第一種表述中，(1)式中長期關(guān)系系數(shù)和短期關(guān)系系數(shù)將在每一次遞歸中被重新估計，而在第二種表述中，短期關(guān)系系數(shù)?祝i將在整個樣本期內(nèi)保持固定不變，只有長期關(guān)系系數(shù)將在每一次估計中被重新估計。Hansen和Johansen(1999)[16]認(rèn)為從“R表述”所得到的估計結(jié)果更適用于遞歸協(xié)整分析。本文將詳細(xì)介紹基于“R表述”的主要估計過程。①

　　假設(shè)Z0t=?駐yt，Z1t=yt-1，Z2t=(?駐y′t-1，…，?駐y′t-p+1)，為方便表述，這里省略確定性項Bxt，(1)式可變?yōu)?/p>

　　Z0t=?琢?茁′Z1t+?祝Z2t+?著t(2)

　　基于樣本對(2)式采用最大似然估計法進(jìn)行估計，其中包含了最低一階回歸，即X0t對于Z1t和Z2t的回歸。假設(shè)R0t(T)和R1t(T)分別表示Z0t和Z1t對于Z2t回歸的殘差，其中T表示是采用全體樣本進(jìn)行回歸的結(jié)果。

　　R0t(T)=Z0t-M02(T)M22(T)-1Z2t(3)

　　R0t(T)=Z1t-M12(T)M22(T)-1Z2t(4)

　　而Mtij=■zitz′j t，(i，j=0，1，2)(5)

　　接下來的分析是基于以下回歸方程，其中方程中已無?祝系數(shù)：

　　R0t(T)=?琢?茁′R1t(T)+R?著t(T)(6)

　　(6)式被稱之為“R表述”，上述方程表明任何導(dǎo)致協(xié)整關(guān)系不穩(wěn)定的原因都是由于長期關(guān)系結(jié)構(gòu)的變化，而不是短期關(guān)系的動態(tài)調(diào)整。定義(6)式乘積矩陣SijT(t)，協(xié)整關(guān)系的確定仍然取決于求解特征根問題。

　　?姿S11-S10S00-1S01=0(7)

　　其中特征根1>■1>…>■k>0，并且■k+1=0，構(gòu)造特征值統(tǒng)計量：

　　Trace=-T■ln(1-■i)，r=0，1，…，k-1(8)

　　同樣，由于協(xié)整關(guān)系是由矩陣∏=?琢?茁′的秩決定，在遞歸協(xié)整分析中，協(xié)整向量矩陣?茁的系數(shù)在整個樣本期內(nèi)保持固定不變，而調(diào)整參數(shù)矩陣?琢的系數(shù)是隨著每一次遞歸而發(fā)生變化。

　　(二)公共因子模型

　　為進(jìn)一步明確期現(xiàn)貨市場價格之間的引導(dǎo)關(guān)系及其方向，本文將采用公共因子模型精確刻畫每個市場在價格發(fā)現(xiàn)方面的貢獻(xiàn)程度。當(dāng)前，Hasbrouck(1995)[10]的信息份額模型和Gonzalo-Granger(1995)[11]的長短期模型是使用最多的公共因子模型。這兩個模型都是將沖擊影響分解到每個市場，分析各個市場對于沖擊所作的貢獻(xiàn)，但它們使用了不同的價格發(fā)現(xiàn)定義。IS模型分解的是共因子的方差，主要是測量每個市場的信息對共因子方差的貢獻(xiàn)程度，每個市場的貢獻(xiàn)比例被稱為這個市場的信息份額。而PT模型分解的是共因子，所關(guān)注的是VEC模型中的誤差修正機(jī)制，通過定義誤差修正系數(shù)函數(shù)，來測量每個市場對共因子的貢獻(xiàn)。

　　1. 信息份額模型

　　Hasbrouck(1995)[10]將向量誤差修正模型(1)轉(zhuǎn)換為向量移動平均形式：

　　?駐yt=?追(L)?著t(9)

　　其單整形式：

　　yt=?追(1)■?著k+?追*(L)?著t(10)

　　其中，?追(L)為矩陣多項式，L為滯后算子。?追(1)為影響矩陣，它是移動平均系數(shù)之和，?追(1)?著t為一個信息對每個市場價格的長期影響。如果影響矩陣中每一行都相同，表明信息對所有價格的長期影響都是相同的。假設(shè)?鬃=(?鬃1，?鬃2)為?追(L)中的一行，l=(1，1)′，那么方程(10)可以寫作：

　　yt=l?鬃■?著k+?追*(L)?著t(11)

　　Hasbrouck(1995)[10]將方程(11)中的?鬃?著t定義為兩個市場價格的共因子，其方差為：var(?鬃?著t)=?鬃?贅?鬃′。

　　當(dāng)信息之間無相關(guān)時，即?贅為對角矩陣，那么?鬃?贅?鬃′只包含對角線上的兩個元素。第一(二)個元素代表第一(二)個的市場對共因子的沖擊貢獻(xiàn)。每個市場的信息份額，即對價格發(fā)現(xiàn)的貢獻(xiàn)度可用(12)式表示。

　　第j個市場的信息份額(價格發(fā)現(xiàn)貢獻(xiàn)度)為：

　　Sj=■(12)

　　如果信息項之間存在相關(guān)性時，此時方程(12)不再成立，這時需采用Cholesky分解方法消除信息間的當(dāng)期相關(guān)性。但這種方法存在一個弊端，即Cholesky分解與誤差修正模型中變量的排序有關(guān)。如果市場信息之間正相關(guān)，那么第一個變量的信息份額最大，而最后一個變量的信息份額最小。第j個市場的信息份額(價格發(fā)現(xiàn)貢獻(xiàn)度)為：

　　Sj=■(13)

　　其中，[?鬃M]j為行向量?鬃M的第j個元素;

　　M=m11 0m12 m22=?滓1 0?籽?滓2 ?滓2(1-?籽2)1/2(14)

　　Cholesky分解會對第一個市場價格施加比較大的信息份額。我們可以通過改變模型中變量的排序來得到變量的兩個信息份額，即價格發(fā)現(xiàn)的上下限。當(dāng)市場j處于第一個變量時，得到的信息份額為其上限;當(dāng)處于最后一個變量時，得到的信息份額為其下限。Baillie(2002)[17]推算出期貨市場的信息份額的上、下限為：

　　SjU =■

　　SjL =■(15)

　　Tatyana Zabotina(2002)認(rèn)為，上下限信息份額的均值可作為價格發(fā)現(xiàn)貢獻(xiàn)程度的解釋。如果一個市場的信息份額均值相對較大，則表明這個市場吸收了更多的信息，在價格發(fā)現(xiàn)功能中發(fā)揮更重要的作用。

　　2. 長短期模型

　　Gonzalo和Granger(1995)[11]將共因子定義為yt的一個組合，滿足?祝=?琢⊥=(?酌1，?酌2)′為共因子系數(shù)向量。通過對誤差修正項施加約束，可以識別共因子的系數(shù)。他們證明，?祝同誤差修正系數(shù)向量?琢正交，表示為?琢⊥=(?酌1，?酌2)′。共因子的設(shè)定等價于一種資產(chǎn)組合，?祝為資產(chǎn)組合的權(quán)重。因此，每個市場對價格發(fā)現(xiàn)的貢獻(xiàn)就是其在共因子中的系數(shù)。

　　第j個市場的價格發(fā)現(xiàn)貢獻(xiàn)度為：

　　■(16)

　　三、數(shù)據(jù)及實證結(jié)果

　　(一)數(shù)據(jù)及描述性統(tǒng)計量

　　本文選擇滬深300股指期貨作為研究對象，該品種于2010年4月16日上市交易，是中國大陸市場上唯一上市交易的股指期貨品種。研究數(shù)據(jù)為滬深300指數(shù)和滬深300股指期貨主力合約的5分鐘收盤價。① 選擇5分鐘高頻數(shù)據(jù)，是因為高頻數(shù)據(jù)若頻率過低則無法很好地體現(xiàn)信息的連續(xù)性，若頻率過高則微觀結(jié)構(gòu)誤差較大。經(jīng)國外學(xué)者研究，5分鐘是不造成過大微觀結(jié)構(gòu)誤差的最小頻率。而之所以選擇收盤價數(shù)據(jù)是因為道氏理論認(rèn)為收盤價是最重要的價格，這一價格反映了市場的大部分行為。

　　鑒于股指期貨在運行初期易受市場各種因素的影響，為考察其價格發(fā)現(xiàn)功能的動態(tài)變化，本文選擇的樣本期為2010年5月4日―2010年9月3日，共86個交易日。上海交易所和深圳交易所每天的交易時間為北京時間上午9：30―11：30，下午1：00―3：00。而滬深300股指期貨的交易時間為北京時間上午9：15―11：30，下午1：00―3：15。由于數(shù)據(jù)可獲得性原因，每日數(shù)據(jù)的選取為9：35―11：30和13：05―15：00兩個時間段，共48個數(shù)據(jù)，總共4 128個5分鐘交易數(shù)據(jù)。數(shù)據(jù)來源于彭博數(shù)據(jù)庫，所采用的計量分析軟件為RATS7.1。

　　為消除可能存在的異方差，本文對現(xiàn)貨價格序列和期貨價格序列取自然對數(shù)，分別記為LNHS和LNEP，現(xiàn)貨市場和期貨市場的對數(shù)價格收益率分別記為RS和RF，兩市場之間的對數(shù)基差記為RB?，F(xiàn)貨、期貨對數(shù)價格序列、收益率序列及對數(shù)基差序列的統(tǒng)計特征如表1所示。從標(biāo)準(zhǔn)差可以看出，期貨價格收益率波動相對更為劇烈?，F(xiàn)貨和期貨對數(shù)價格收益率序列以及對數(shù)基差序列的偏度都左偏，峰度都超過3。結(jié)合J-B統(tǒng)計量可知，它們均不服從正態(tài)分布，具有尖峰厚尾特征。ADF和PP單位根檢驗結(jié)果表明，在5%的顯著性水平上，現(xiàn)貨和期貨對數(shù)價格序列都為非平穩(wěn)序列，但一階差分后所對應(yīng)的對數(shù)收益率序列均為平穩(wěn)序列。因此，現(xiàn)貨和期貨的對數(shù)價格序列都是一階單整序列，即LNHS?薺I(1)、LNFP?薺I(1)。對數(shù)基差序列的ADF和PP單位根檢驗表明，在1%的顯著性水平上序列是平穩(wěn)的。

　　(二)實證結(jié)果及分析

　　1. Johansen協(xié)整檢驗

　　我們知道LNHS和LNEP都是一階單整時間序列，可對兩者進(jìn)行協(xié)整分析。Johansen協(xié)整檢驗的關(guān)鍵是判斷(1)式中的Bxt在誤差修正模型中是以何種形式出現(xiàn)，是以常數(shù)項還是以帶有時間趨勢的趨勢項出現(xiàn)。Johansen(1992)[18]給出的判斷方法是對于兩種情況都進(jìn)行檢驗。從表2的檢驗結(jié)果可以看出，滬深300指數(shù)現(xiàn)貨價格與指數(shù)期貨價格之間存在一個協(xié)整關(guān)系。

　　2. 遞歸協(xié)整(Recursive Cointegration)

　　為考察滬深300股指期貨與現(xiàn)貨長期協(xié)整關(guān)系的穩(wěn)定性，本文采用遞歸協(xié)整的(Recursive Cointegration)方法對兩者之間的長期關(guān)系做深入分析。遞歸估計的初始估計樣本期為前10個交易日，共480個交易數(shù)據(jù)。圖1為標(biāo)準(zhǔn)化的跡檢驗統(tǒng)計量的遞歸變化過程，這個統(tǒng)計量將在每一個數(shù)據(jù)點上被重新估計。由于圖1中的跡統(tǒng)計量都是以5%顯著性水平的臨界值進(jìn)行標(biāo)準(zhǔn)化的，因此當(dāng)圖1中的跡統(tǒng)計量的值超過1.0時，我們可以合理地拒絕原假設(shè)。我們在圖1中可以看到，在大約第1100個觀察值以前，即大約2010年6月3日之前，兩個市場之間不存在協(xié)整關(guān)系，而在此之后，兩個市場之間開始存在穩(wěn)定的協(xié)整關(guān)系。說明在股指期貨運行初期其走勢與現(xiàn)貨市場的關(guān)系并不緊密，不具有價格發(fā)現(xiàn)功能。

　　Brenner和Kroner(1995)[19]、Yang等(2001)[20]等學(xué)者認(rèn)為，對協(xié)整關(guān)系內(nèi)相關(guān)變量進(jìn)行統(tǒng)計檢驗，如需滿足無偏性假設(shè)必須具備兩個條件：一是期貨市場價格和現(xiàn)貨市場價格具有協(xié)整關(guān)系;二是協(xié)整向量?茁必須滿足約束條件?茁=(?茁1，?茁2)=(1，-1)。本文將對此約束采用對數(shù)似然比檢驗(LR檢驗)。表3中的檢驗結(jié)果表明，?茁1+?茁2=0的原假設(shè)在5%的置信水平上并不能夠被拒絕。表明此模型滿足無偏性假設(shè)條件。

　　Yang等(2001)[20]和Zhong等(2004)[7]等學(xué)者指出，通過考察調(diào)整系數(shù)可以判斷兩個市場之間的領(lǐng)先滯后及信息傳遞關(guān)系。如果原假設(shè)?琢1=0(?琢2=0)不能夠被拒絕的話，則說明長期中現(xiàn)貨市場(期貨市場)價格領(lǐng)先期貨市場(現(xiàn)貨市場)，但是如果原假設(shè)?琢1≠0和?琢2≠0不能夠被拒絕的話，那說明兩個市場存在雙向引導(dǎo)關(guān)系。根據(jù)Zapata和Rambaldi(1997)[21]建議，本文對調(diào)整系數(shù)的檢驗也是基于無偏性假設(shè)的基礎(chǔ)上。表3的檢驗結(jié)果表明，在5%的顯著性水平上，?琢1=0的原假設(shè)是不能夠被拒絕的，說明現(xiàn)貨市場價格具有弱外生性，而?琢2=0的原假設(shè)在5%的顯著性水平上是能夠被拒絕的。檢驗結(jié)果表明在股指期貨運行之初，在長期協(xié)整關(guān)系中，現(xiàn)貨市場引導(dǎo)期貨市場，期貨市場的價格發(fā)現(xiàn)功能并沒有得到很好的發(fā)揮。

　　從圖2調(diào)整系數(shù)遞歸變化圖中，同樣能得到上述結(jié)論。圖2中指數(shù)現(xiàn)貨收益率的調(diào)整系數(shù)幾乎為0，而股指期貨的調(diào)整系數(shù)顯著大于0，說明對于兩市場長期均衡關(guān)系的偏離，主要由股指期貨市場進(jìn)行調(diào)整，而非現(xiàn)貨市場，從而表明在長期均衡關(guān)系中，現(xiàn)貨市場價格領(lǐng)先股指期貨市場價格。

　　總的來說，從遞歸協(xié)整分析中我們可以得出的結(jié)論為，在股指期貨運行之初，股指期貨市場與現(xiàn)貨市場不具有協(xié)整關(guān)系。隨著股指期貨市場的不斷完善，兩者開始具有穩(wěn)定的協(xié)整關(guān)系，但在長期穩(wěn)定的協(xié)整關(guān)系中，現(xiàn)貨市場價格領(lǐng)先期貨市場價格，現(xiàn)貨市場在價格發(fā)現(xiàn)過程中起主要作用。

　　3. 價格發(fā)現(xiàn)貢獻(xiàn)度

　　為進(jìn)一步證實上述結(jié)論，本文采用公共因子模型精確刻畫兩市場在價格發(fā)現(xiàn)過程中的貢獻(xiàn)程度，計算結(jié)果見表4。從表4我們可以看出由IS模型所得出的滬深300指數(shù)現(xiàn)貨市場的信息份額上限為99.9%，下限為33.8%，平均信息份額為66.9%;而股指期貨市場的信息份額上限為66.2%，下限為0.01%，平均信息份額為33.1%。表明現(xiàn)貨市場在價格發(fā)現(xiàn)過程中的貢獻(xiàn)程度要大于期貨市場，現(xiàn)貨市場在價格發(fā)現(xiàn)過程中起主要作用。PT模型計算所得結(jié)果同樣支持上述結(jié)論。

　　四、結(jié)論

　　本文利用日內(nèi)5分鐘高頻數(shù)據(jù)，采用遞歸協(xié)整和公共因子模型方法深入分析了滬深300股指期貨運行初期價格發(fā)現(xiàn)功能的動態(tài)變化過程，所得出的結(jié)論有：

　　1. 大約2010年6月3日之前，滬深300股指期貨的走勢與指數(shù)現(xiàn)貨的走勢的聯(lián)系并不緊密，兩者并不具有穩(wěn)定的協(xié)整關(guān)系，說明在股指期貨運行之初并不具有價格發(fā)現(xiàn)功能。

　　2. 隨著期貨市場的發(fā)展，大致從2010年6月3日起，滬深300股指期貨與指數(shù)現(xiàn)貨市場開始具有穩(wěn)定的協(xié)整關(guān)系，股指期貨的價格發(fā)現(xiàn)功能開始發(fā)揮作用，但價格發(fā)現(xiàn)功能表現(xiàn)并不理想，因為我們發(fā)現(xiàn)，在價格發(fā)現(xiàn)過程中，起主要作用的是現(xiàn)貨市場，而并非期貨市場。

　　本文所得出的結(jié)論不同于以往對于成熟期貨市場研究所得出的結(jié)論，但與一些學(xué)者對于新興期貨市場研究所得出的結(jié)論較為一致。即對于新興的期貨市場而言，在股指期貨運行初期，在價格發(fā)現(xiàn)過程中起主要作用的是現(xiàn)貨市場，股指期貨市場的價格發(fā)現(xiàn)功能表現(xiàn)并不理想，如Cabrera等(2009)[22]、Chen和Cau(2009)[23]等學(xué)者的研究。

　　注釋：

　?、僭诠芍钙谪浐霞s方面，中金所同時上市的有當(dāng)月，下月，當(dāng)前季度和下一個季度四個合約。而所謂的主力合約是指在這四個合約中交易量最大的合約。選取的規(guī)則為選取股指期貨合約中交易量最大合約的交易數(shù)據(jù)作為研究對象，一般近月合約的交易量最大，但在到期日之前，近月合約的交易量逐漸減小，而緊接著的下一個月的合約的交易量開始不斷增大，當(dāng)下一個合約的交易量超過近月合約的交易量時，選擇下一個合約的交易數(shù)據(jù)為研究對象。