股指期货交易会降低股市跳跃风险吗？，本文主要内容关键词为：交易会论文,股指论文,期货论文,股市论文,风险论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言及文献综述 2010年4月16日，我国首只金融期货——沪深300股指期货(下文简称股指期货)在中国金融期货交易所上市，标志着我国资本市场发展迈出具有里程碑意义的一步。在此之前，我国股市具有以下几个明显的特征：首先是缺少卖空机制，股市只能揭示正面消息而对负面的消息反应不足，导致股市暴涨暴跌；其次是受政府干预过多，为明显的政策市，市场投机氛围重，投资者对各种政策信息异常敏感，政策往往导致股市异常波动。金融学中将资产价格的不连续变动称之为跳跃，其通常被用来刻画金融市场上的异常风险(跳跃风险)。跳跃风险，特别是大的跳跃风险虽然罕见，但是一旦发生将会迅速扰乱金融市场秩序，给投资者带来巨大损失。比如，1987年10月19日的“股灾”事件导致美国道琼斯工业指数日跌幅高达22.61%，2001年的“9.11”事件，2008年席卷全球的金融危机以及最近的欧债危机也都不同程度地造成股市大跌。 股指期货具有价格发现、套期保值以及投机套利等资产配置功能，但其核心功能是套期保值。因此人们期望股指期货的推出能够抑制我国股市剧烈波动、稳定股市，为广大投资者提供规避诸如跳跃类风险的工具；然而，也有不少人担心股指期货交易会带来过度投机从而增加股市跳跃风险。自从股指期货推出以来，其到底是减少还是增加了股市跳跃风险并不明确，其中值得关注的问题有以下几点：股指期货交易是增加抑或减少了跳跃发生的频率？加大抑或降低了跳跃幅度？回答这些问题是政策制定者、市场监管者和投资者都十分关注的热点。 已有研究主要关注股指期货交易对股市波动的影响，①但是鲜有文献研究股指期货交易对股市跳跃风险的影响，然而这一问题非常重要，原因有以下几点：第一，不少的研究(Chan & Maheu，2002；Huang & Tauchen，2006；Lee & Mykland，2008)表明资产收益风险还应该包含跳跃风险并且是其不可忽略的一部分。第二，政策制定者、市场监管者和投资者更加关注的是跳跃风险，这是因为跳跃会瞬间冲击资本市场及其交易机制，扰乱金融市场秩序，从而对投资者的决策产生重大影响，见Becketti & Roberts(1990)。第三，不少文献(Lahaye et al.，2011；Evans，2011)认为对于股指，跳跃通常与宏观信息发布、货币政策、政治经济等重大信息，特别是未预期到的宏观经济信息有关，而股指期货对于股市跳跃风险的影响更多地体现在信息传递效率上，尤其是当突发性重大信息对市场冲击时对市场所做出的反应上，所以考察股指期货推出对现货市场跳跃风险的影响对深入理解股指期货价格发现等功能显得异常重要。国内已有不少文献研究我国股市跳跃行为，并发现中国股市的跳跃风险占的比例很大。比如，陈国进、王占海(2010)发现，发生跳跃行为的交易日占全部考察交易日的30.4%；赵华、秦可佶(2014)发现，沪深300价格在65%左右的交易日都发生了跳跃。 据作者所知，已有文献中只有Becketti & Roberts(1990)和Darrat & Rahman(1995)研究了股指期货交易活跃程度(成交量和持仓量)与股市跳跃波动之间的关系，但是两文均存在一定的缺陷。首先，将所有大的收益变动定义为跳跃并不准确，这是因为大的收益变动不一定是因为跳跃，也有可能是因为高的随机波动(Lee & Mykland，2008)。其次，他们的研究使用的都是低频数据，而A
t-sahalia(2004)特别指出使用年度、月度、日度等低频数据时，很难将跳跃部分从连续部分中分离开。此外，选取成交量和持仓量作为股指期货交易活跃程度指标时应该考虑预期部分和未预期部分(Bessembinder & Seguin，1992)，且可以选取其他更加合适的指标(Lucia & Pardo，2010)。最后，以上关于股市跳跃行为的研究绝大多数建立在Poisson跳跃过程假设上，它只能刻画相对稀少的大跳，但事实上金融数据特别是金融高频数据应包含许多小跳，见Lee & Hannig(2010)以及Jing et al.(2012)，而Lévy跳过程可以同时刻画有限Poisson类大跳和无穷多小跳，从而可以更加准确地描述资产价格行为(Carr & Wu，2004)。 综上，关于股指期货交易对股市跳跃风险影响的研究远远不足，对于中国市场更是缺乏相关研究，而这一问题却是政策制定者和市场监管者关注的焦点，研究这一问题对完善金融市场监管，加强股市风险管理有着十分重大的理论和现实意义，同时还有助于人们对证券市场微观结构与信息传递效率的认识。鉴于此，本文基于沪深300高频数据，首先利用Lee & Hannig(2010)新提出的一种非参数检验检测出沪深300指数价格中的Lévy跳跃；在此基础之上将Lévy跳跃风险分解为大跳、小跳，并估计出它们各自的强度和幅度以及跳跃活跃指数；然后考察它们在股指期货推出前后的变化情况；最后基于股指期货成交量和持仓量构造股指期货交易投机交易活跃程度指标和套期保值交易活跃程度指标，考察股指期货交易活跃程度对我国股市跳跃风险的影响。 相比已有文献，本文在如下几个方面进行创新：第一，首次探讨了股指期货交易对股市Lévy跳跃风险(包括大跳、小跳的幅度和强度以及跳跃活动指数)的影响，填补了相关研究的空白；第二，首次对中国股票市场Lévy类跳跃进行检验，其中做检验时基于Corsi et al.(2010)中修正形式的已实现二次幂门限变差(corrected realized threshold multipower variation，记为C_TMPV)改进Lee & Hannig(2010)中Lévy跳跃检验；第三，选取成交量和持仓量作为股指期货交易活跃程度指标时考虑其未预期部分，并且同时选取成交量持仓量之比这一更加合适的指标作为股指期货投机交易活跃程度指标；第四，不同于已有的研究单纯采用事前事后比较分析法或Granger因果分析法，本文则联合使用这两种方法，以便得出的结论更加可靠和有说服力；最后，本文的分析和推断完全基于非参数的方法，这样就避免了已有文献中参数化方法存在模型误设的可能。 本文第二部分阐述了相关理论分析及研究假设。第三部分简单描述了本文采用的研究方法。第四部分提供了实证分析过程及结果。最后是本文结论和政策建议。 二、理论分析及研究假设 (一)Lévy跳跃扩散模型及股市跳跃风险产生机制 本文用一个完备的概率空间
来描述金融市场上的不确定性，其中F是金融市场上的事件域，
是定义在[0，T]上的市场信息滤波，P是数据生成过程的测度(measure)。同
-sahalia & Jacod(2012)，设资产在测度P下的对数价格过程
，t∈[0，T]为一个伊藤半鞅(Ité semimartingale)，服从如下Lévy跳跃扩散模型：
其中
分别为连续部分和非连续部分(跳跃)，可以继续将其分解为：
其中
分别为漂移项系数和瞬时波动，两者均为
自适应过程，
是标准布朗运动，μ为跳跃测度，v为Lévy测度，v为μ的可料部分。分割水平ε用来区分大跳和小跳，这里将Lévy跳跃分解为Poisson跳(作为大跳)和其他类型跳跃(作为小跳)。对于半鞅，在固定时间区间只能产生有限多个大跳，却可能产生有限或者无限多个小跳，为了刻画跳跃的活动程度，定义：
其中
称为跳跃活动指数，见Jing et.al(2012)，
为s时刻跳跃幅度。若
，则
是有限(无限)活动跳跃过程，
∈[0，2]刻画了小跳的发生频率，
越大表示小跳越活跃。 跳跃产生的机制是什么呢？现代金融市场微观结构理论中不少文献基于信息模型研究资产价格形成过程，比如，Glosten & Milgrom(1985)提出了一种市场微观结构模型，将收益率分解为小规模平滑变化和跳跃性变化，前者一般由市场的流动性交易、策略交易和一般信息引发，后者则通常由市场上重大信息冲击引发。本文对资产价格Lévy跳跃扩散模型解释如下：资产价格变化过程由潜在的信息过程所控制，其中，连续部分由市场上的正常信息所驱动，刻画了可通过标准投资组合等策略而对冲掉的正常风险，跳跃部分则由异常信息所驱动，对应异常风险(跳跃风险)，见Maheu & Mccurdy(2004)及陈浪南、孙建强(2010)等；进一步，大跳代表了少有的极端金融风险，通常与宏观经济(特别是不可预期的宏观信息)等重大信息或者其他异常信息有关，宏观信息包括央行的货币政策，证券市场运行机制，宏观经济运行，国家领导人以及证监会管理层态度等信息(Johannes，2004；赵华、秦可佶，2014)；而其他重大异常信息包括某些毫无征兆的信息以及自然灾害，政治经济变故等信息，如1987年毫无征兆的“股灾”事件，2001年的“9.11”恐怖袭击等。因此，大跳为宏观经济等重大信息或者其他异常信息进入金融市场提供了一种机制，其本质上是重大或者异常信息融入市场时所表现出来的价格发现特征(王春峰等，2011)。小跳则刻画了价格在日度、月度等低频数据下变动幅度不明显而在高频数据下明显的不连续变动，代表了除极端风险外的其他异常风险，通常与高频交易等程序化交易策略有关(A
t-sahalia & Jacod，2012)，比如2013年的光大“8.16乌龙指”事件。因此大跳、小跳代表着两类不同的跳跃风险，区分两者对投资者的决策很有必要，这是因为，一般来说投资者风险厌恶水平不同，面对不同幅度的跳跃风险时做出的决策往往也不同。 (二)股指期货交易对现货市场影响 根据信息模型，资产价格过程由潜在的信息过程所控制，股指期货交易对现货市场信息结构有什么影响呢？不少学者认为股指期货交易可以迅速反映现货市场信息，提高市场信息传递的效率，从而增加市场的有效性。比如，Cox(1976)通过建立一个模型说明若期货价格能够对融入市场的新信息迅速做出调整，且这一价格发现过程能够通过套利机制转移到现货市场，则股指期货交易能够增加市场上可获得的信息，降低信息的不对称性，从而提高现货市场的有效性，并且在实证上验证了这一点。同时，其他一些研究则表明股指期货交易可以增加现货市场的深度，提高现货市场的流动性，因而降低股市波动。比如，Grossman & Miller(1988)和Grossman(1988)的研究均表明基于期货和现货市场间的指数套利提高了现货市场深度；Froot & Perold(1995)认为股指期货交易加速了市场宽度信息的传播，从而增加市场深度。 (三)研究假设 1.股指期货交易对大跳风险的影响 一方面，由资产价格Lévy跳跃风险产生机制可知，大跳风险通常与宏观经济(特别是未预期的宏观经济信息)等重大信息或者与其他异常信息冲击有关。因此股指期货的交易对大跳的强度没有什么影响，据此提出假设一： H1：股指期货推出对大跳强度没有影响，股指期货交易活跃程度不是大跳强度的Granger原因。 另一方面，股指期货推出会提高市场信息流的质量和速度，增加市场深度，提高现货市场流动性，因而股指期货交易可以缓和宏观信息(特别是不可预期的宏观信息)等重大信息或者其他异常信息对现货市场的冲击，即表现在平抑跳跃幅度上。据此提出假设二： H2：股指期货推出会减少大跳幅度，股指期货交易活跃程度是大跳幅度的Granger原因。 综上分析，可以看出股指期货交易不会直接增加股市大跳风险(极端金融风险)，即若H1与H2成立，则可以得出股指期货交易可以减小大跳风险。历史上，股指期货遭受最大的质疑是一度被认为是1989年“股灾”事件的罪魁祸首，②然而后来不少研究表明股指期货交易并不是导致股市崩盘的主要原因，而最多是帮凶，这同本文的分析一致。 2.股指期货交易对小跳风险的影响 尽管股指期货交易不会增加股市大跳风险，但是，还是有不少人指责股指期货交易，特别是投机交易会增加股市跳跃风险，本文认为股指期货交易增加的应该是小跳风险。Becketti & Roberts(1990)认为股指期货交易会增加股市跳跃波动的一个原因是股指期货交易使得股市发生更多跳跃。并且这里存在两个渠道：首先，由于具有低交易成本、高杠杆等优良特性，股指期货吸引大量投机性交易者到股市中从而增加市场投机行为，比如，Chen et al.(2013)等一些研究表明我国股指期货市场推出初期存在明显的投机交易，而投机行为会增加股指期货市场小跳风险，小跳风险随后会溢出到现货市场导致现货价格发生跳跃；其次，股指期货的推出会促进期货与现货市场之间的程序化交易发展，比如，数据显示自从沪深300股指期货推出以来，国内基于指数套利等一些程序化套利策略大量展开，到2013年国内程序化交易占总交易量的比例已从两年前的5%急增到20%—30%，而一些研究表明程序化交易可以增加跳跃波动，特别是使得小跳的发生更加频繁。比如，Harris et al.(1994)从日内程序化交易数据中发现，指数套利以及其他非套利的程序化交易都会立即引起S&P 500指数期货和现货日内价格的变化，但不会触发极值波动(大跳)。据此提出假设三： H3：股指期货交易增加小跳强度(跳跃活动指数)，股指期货投机交易活跃程度是小跳强度的Granger原因。 3.现货市场跳跃行为对期货市场交易行为影响 反过来，股市跳跃风险也会对股指期货交易行为产生反馈影响。比如，Harris et al.(1994)发现当股市价格发生变化时，期货和现货市场间的程序化交易会增加。一些人甚至担心股市跳跃风险会引发所谓的“瀑布效应”(Cascade effect)：股指价格的突然下跌会激发降低股指期货价格有关的程序化交易展开，而股指期货价格下跌的信息又会反馈到股市，导致股指下跌，如此恶性循环。由前面的分析，大跳、小跳刻画了两类不同的跳跃风险，面对大跳、小跳风险时，风险厌恶水平不同的投资者在期货市场上做出决策往往不同，据此提出假设四： H4：现货价格跳跃风险对股指期货交易行为产生反馈影响，且大跳、小跳产生的影响不同。 三、研究方法—Lévy跳跃检验 为了提取股指价格跳跃风险，本文采用Lee & Hannig(2010)新提出一种Lévy类跳跃检验，其包括检测大跳的Gumbel检验和检测小跳的QQ检验。不同于其他跳跃检验，这一检验不仅可以识别Lévy大跳和小跳，而且可以对日内跳跃发生的时间、方向、频率以及幅度做出推断。假设在时间[0，T]内，资产价格可等间距观测到，即
=iΔt，i=0，1，…，n=[T/Δt]([x]表示取整)，且对任意的η＞0有：
上面的检验称为Gumbel检验，其对应的是Lévy大跳检验。不同于对Lévy大跳逐点进行Gumbel检验，Lévy小跳的检验则是将前面所有时间点上的检验统计量
看作一个整体进行多重检验。当资产价格在整个时间区间[0，T]上不存在Lévy跳跃时，检验统计量序列
渐近收敛于I.I.D N(0，1)的n-K个随机变量，因此在极限情况下，这n-K个检验统计量的QQ图应成45°直线，故称之为QQ检验。为确定Lévy小跳发生的时间，定义时间
处的信念测度： b(
)=max(0，l(r(i))) (10) 其中l(r)为经采用局部多项式平滑而修正过的信念测度。设
为预定的错误检测率，则当
时，我们认为在时间
处有一个跳跃发生。 综合运用QQ和Gumbel检验可把大跳、小跳风险分离开来：将每日大跳、小跳发生的次数相加便可得大跳、小跳的日跳跃强度
；为了计算跳跃幅度；当检测到某一小的时间区间(
]存在Lévy跳跃时，假设相比漂移项(在高频抽样下可忽略)和扩散部分Lévy跳跃部分占主导，因此可以用收益率的绝对值
来近似
处的跳跃幅度，将日内大跳、小跳的跳跃幅度相加便得到大跳、小跳的日跳跃幅度
；最后，因为正跳、负跳分别代表着“好”的和“坏”的风险，本文也考虑了正跳和负跳风险，正跳、负跳的强度与幅度可类似得到。 四、实证分析 (一)股指期货交易活跃程度指标选取 已有文献通常将交易量
和持仓量
分别作为衡量股指期货投机交易活跃程度和套期保值交易活跃程度的指标。然而，最近一些文献认为当交易量持仓量之比
满足单调增或单调减的条件时，这一指标可更好地刻画期货市场上投机行为所占的比重，见Lucia & Pardo(2010)。另外，根据Bessembinder & Seguin(1992)，交易量
与持仓量
通常具有明显正的持续性，即具有很强的可预测性，因此选择它们作为股指期货交易活跃程度指标时应考虑其预期部分和未预期部分。本文运用ARIMA(p，d，q)模型对交易量
，持仓量
进行建模并将得到的拟合值代表预期部分，分别记为
，而残差部分
则代表未预期的交易活跃程度冲击。根据理性预期理论，股指期货市场上预期的成交量
，预期的持仓量
所包含的绝大部分信息已经被现货市场的价格所反映，而没有被反映的信息才会对现货市场的跳跃产生影响。因此，本文只考虑将未预期的成交量
和交易量持仓量之比
作为股指期货投机交易活跃程度指标，而未预期的持仓量
作为股指期货套期保值交易活跃程度指标。 (二)数据及描述性统计量 为提取现货市场中Lévy跳跃风险，我们采用沪深300指数5分钟高频数据，数据来源于CSMAR高频数据库，样本区间为2008年4月16日至2012年4月16日。采用5分钟高频数据是为了降低市场微观结构噪音的影响，同时为了避免隔夜信息的影响，我们只考虑日内收益，所以对应每日的对数收益率观测值为48个。为计算股指期货的活跃程度指标，我们采用股指期货合约日度数据，样本区间为2010年4月16日至2012年4月16日，数据来源于Wind金融数据库。在中国金融期货交易所同时上市的有当月、下一个月、当季和下一季(3月、6月、9月和12月)四个品种的股指期货合约，到期日为到期月的第三个星期五。因到期日不同每支合约有着不同的生命周期，为了构造连续合约，本文将每日四个未交割合约的成交量和持仓量进行加总。 以2010年4月16日为分界线，前后时段分别对应股指期货推出之前的489个交易日和之后的483个交易日。这样的划分方式便于考察股指Lévy跳跃风险在股指期货推出前后是否发生了变化，以及进一步地研究股指期货交易活跃程度与Lévy跳跃风险之间的Granger因果关系，从而评估股指期货推出对我国股市跳跃风险的影响。实证分析中预定的错误检测率
，Gumbel检验以及QQ检验显著性水平α及
均设为5%。
图1A 沪深300对数收益
图1B 股指期货交易量、持仓量及其比 注：图1B中实线为股指期货成交量(×E4：份)；点划线和虚线分别为股指期货持仓量(×E3：份)和成交量持仓量之比。 图1A给出了沪深300指数对数收益率序列图，从中可看出存在明显的跳跃行为。图1B给出了股指期货日交易量
，日持仓量
及日交易量持仓量之比
的时间序列图。从中可以看出日交易量
在股指推出之初急剧增长随后减少最后又增加，而日持仓量
则保持不断增长，日持仓量
远低于日交易量
在一定程度上反映了股指期货市场内浓厚的投机氛围。表1是沪深300指数现货和期货的一些描述性统计量。对于现货市场，从中可以看出收益率具有明显尖峰厚尾的分布特征；标准差在股指期货推出之后有所降低；收益率的均值和中位数均非常小，而最大值、最小值与标准差之比却非常大，比如在整个样本期，最大值与标准差之比高达17.333，表明存在跳跃。对于股指期货市场，日交易量持仓量之比
在股指期货推出之初高达26，说明在股指期货推出之初急剧增长的交易量主要是由投机交易所驱动，随后日交易量持仓量之比
降低表明市场投机行为所占的比重开始降低，市场趋于理性；最后，日交易量
，日持仓量
的4阶偏自相关系数(PACF)均显著为正，表明它们具有很强的可预测性。 (三)股指期货推出前后Lévy跳跃特征变化 首先，为了尽可能准确估计出瞬时波动，需要选择窗宽K和门限
，其中窗宽K必须满足条件K→∞且ΔtK→0，本文取Δt=1/46704，K=240，即K=5Δt-[03601]。③对于沪深300指数，检验统计量个数n-K=46464，由Lee & Hannig(2010)中表1，采用线性插值的方法选取QQ检验需所要的合成数据组数m=5115。Lévy跳跃检验结果表明跳跃具有集聚性，QQ检验出的跳跃个数比Gumbel检验出的跳跃个数多，所以用Poisson跳跃扩散模型来刻画沪深300指数价格是不准确的，需用更加一般的Lévy跳跃扩散模型对其建模。④
其次，图2A给出了大跳和小跳的日跳跃强度曲线，⑤从中可以看出跳跃强度具有明显的时变性，其中大跳强度变化没有什么规律，在股指期货推出前大跳强度逐渐增加，并且在股指期货推出附近(对应横坐标489天)达到极值点，随后减小、增大，最后有减少的趋势；小跳强度则相比股指期货推出之前增大明显，随着时间推移，股指期货市场的投机活跃程度降低，小跳强度有减少的趋势。表2则详细展示了股指期货推出前后大跳、小跳、正跳、负跳的强度以及跳跃活跃指数的变化。可以看出，股指期货推出后各种跳跃的强度均增大，正式地，Wilcoxon秩和单边检验和Kolmogorov-Smirnov单边检验(备择假设均为股指期货推出之前跳跃强度大)表明只有小跳和正跳的强度显著增大；对于大跳强度，Wilcoxon秩和检验显示其显著增加，而Kolmogorov-Smirnov检验显示其增加不显著，对于负跳强度这两个检验均显示增加不显著。据此，假设1的第一部分成立。
图2A 沪深300大跳小跳强度
图2B 沪深300跳跃指数 注：图2A中实线和点划线分别为大跳小跳的目跳跃强度曲线。 再次，图2B给出了沪深300日跳跃活动指数
的时序图，⑥其从另外一个角度刻画了小跳发生的频繁程度。从中可以看出沪深300日跳跃活动指数大于0，表明沪深300应该包含无穷多小跳，且股指期货推出之后跳跃活跃指数增大明显，即小跳变得更加频繁，Wilcoxon秩和单边检验和Kolmogorov-Smirnov单边检验(备择假设均为股指期货推出之后跳跃活跃指数大)印证了小跳的频率在股指期货推出后显著增大(见表2)，因此假设3第一部分成立。小跳强度(跳跃活跃指数)显著变大的可能原因如下：一方面，股指期货投机交易会增加期货市场跳跃风险并溢出到现货市场；另一方面，基于期货和现货市场间的指数套利等程序化交易策略大量展开，从而增加小跳的发生概率，即体现在小跳强度(跳跃活跃指数)增加上。 最后，图3A和图3B分别给出了大跳和小跳的幅度。可明显看出跳跃幅度具有时变性和聚集性，大跳、小跳的幅度在股指期货推出之后呈明显的减小趋势，且小跳的发生时间间隔亦有减小的趋势，即小跳变得更加频繁，这同上面对小跳强度以及跳跃活跃指数的分析相吻合。表3具体地给出了大跳、小跳、正跳和负跳的日跳跃幅度(跳跃幅度都取绝对值)的描述性统计量。从中可以看出，股指期货推出后，大跳、小跳、正跳和负跳的日跳跃幅度相比推出之前均减小，Kolmogorov-Smirnov单边检验和Wilcoxon秩和单边检验(备择假设均为股指期货推出之前跳跃幅度大)均拒绝各自原假设，表明跳跃幅度减小显著。原因可解释为股指期货交易能够迅速反映现货市场信息从而降低宏观信息等重大信息或者其他极端异常信息对现货市场的冲击，即表现为现货跳跃幅度的减小，因此假设2的第一部分成立。同时，本文也考察了股指期货推出对正跳、负跳幅度对称性的影响，然而Kolmogorov-Smirnov和Wilcoxon秩和双边检验在整个样本期以及股指期货推出前后均不能拒绝跳跃幅度是对称性的这一假设。
图3A 沪深300大跳幅度
图3B 沪深300小跳幅度
(四)Granger因果关系检验 对成交量
，持仓量
直接运用Box-Jenkins方法建模：用ARIMA(5，0，0)拟合交易量
，用ARIMA(1，1，1)拟合持仓量
，将其分解为预期部分(拟合部分)和未预期部分(残差部分)。⑦表4给出了股指期货交易活跃程度指标——未预期的交易量
、成交量持仓量之比
、未预期持仓量
与沪深300指数价格的大跳强度
、大跳幅度
、小跳强度
、小跳幅度
以及跳跃活跃指数
之间Granger因果关系检验的结果。
首先，对于大跳风险有以下发现。第一，大跳强度
与投机交易活跃程度(
和
)之间并不存在显著的双向Granger因果关系，套期保值交易活跃程度不是大跳强度
的Granger原因。这与前面的理论分析相吻合，大跳通常反映了与宏观经济等重大信息或者与其他异常信息有关的重大事件，本质上可看作重大信息，特别是未预期到的宏观经济信息融入市场时出现极端价格变化的发现过程，因此投机交易和套期保值交易活跃程度均不是大跳强度
的Granger原因。据此，假设1第二部分亦成立，再加上前面第一部分已成立，所以假设1成立。第二，股指期货投机交易活跃程度(
和
)与套期保值交易活跃程度(
)均不是大跳幅度
的Granger原因，因此假设2的第二部分不成立。这与前面的理论分析相悖，股指期货交易可以提高市场信息的传递效率，增加市场深度，从而缓和重大信息对现货市场的冲击，即对大跳幅度
应该产生平抑作用，前面的实证结果也表明大跳幅度
在股指期货推出后减小显著，出现这一情况的可能原因如下：首先，我国股指期货市场准入门槛过高，比如，机构投资者(特别是基金)还未被准入，保证金制度执行严格，导致期货市场价格的信息含量偏少，信息传递效率低，很多信息可能由现货市场率先反映；其次，期货市场的参与者绝大多数为散户投资者，散户投资者缺乏经验只能根据现货市场的走势亦步亦趋。总之，本应在价格发现中起着主导地位的股指期货还没有完全发挥其价格发现的功能，这与Yang et al.(2012)的发现一致。这也说明了为什么大跳强度
及幅度
均是未预期持仓量
的Granger原因：当市场出现重大信息冲击时，风险规避者可能首先根据现货市场上价格跳跃的信息而非期货市场上的信息而紧急采取套期保值，规避风险，即未预期持仓量
会增多。第三，大跳强度
及其幅度
均不是股指期货投机交易活跃程度(
和
)的Granger原因，因为面对极端金融风险时绝大多数投资者首先考虑的是规避风险而不是投机交易。 其次，对于小跳，发现如下：第一，小跳强度
及幅度
与股指期货投机交易活跃程度(
和
)之间存在双向的Granger因果关系。出现这一现象有其合理解释。一方面，我国股指期货推出以来，市场投机氛围重，绝大多数交易为日内等短线交易，同时程序化套利策略纷纷出炉并创造出惊人的交易量，而期货投机交易和程序化交易均可增加现货市场的小跳风险，特别是使得小跳强度
增大，据此假设3第二部分成立，再加上假设3第一部分成立，因此假设3成立。另一方面，如上所述，股指期货价格发现功能还比较弱，现货在价格发现中占主导，使得股指期货投资者可能基于现货价格小幅度的跳跃信息进行投机交易。第二，这里有一个有趣的结果：不同于大跳强度
及其幅度
均是套期保值交易活跃程度(
)的Granger原因却不是投机交易活跃程度(
和
)的Granger原因，小跳强度
及其幅度
均不是套期保值交易活跃程度(
)的Granger原因却是投机交易活跃程度(
和
)的Granger原因，这印证了本文前面假设——面对不同幅度的跳跃风险，投资者的决策是不同的，面对大跳风险时在股指期货市场进行套期保值，规避风险；相反，面对小跳风险时进行股指期货投机交易，以期获利，这跟现实世界很吻合，因此假设4成立。 最后，对于跳跃活跃指数
，同小跳强度
，投机交易活跃程度(
和
)是
的Granger原因，再次表明股指期货市场上投机交易越活跃，现货市场小跳发生越频繁，解释同小跳强度
，同样β与套期保值交易活跃程度(
)不存在Granger因果关系；但不同于小跳强度
，跳跃活跃指数
不是投机交易活跃程度(
和
)的Granger原因。综合对小跳强度和跳跃活跃指数的分析，假设3成立。 综上所述可以看出：一方面，股指期货投机行为与现货市场上小跳行为密切相关，它会导致小跳发生更加频繁；相反，股指期货套期保值行为则对现货市场上大跳幅度产生影响，它可以缓和极端异常信息对市场的冲击，即平抑大跳的幅度，然而Granger原因并不显著，这可能与我国股指期货功能不够健全有关，因此，股指期货交易对于股市跳跃风险的影响具有双刃剑的作用。另一方面，股市跳跃风险也会对期货交易行为产生反馈影响，特别是当股市因极端异常信息冲击而产生大跳时，股指期货套期保值的交易行为变得更加活跃。 五、结论和政策建议 基于非参数的Lévy跳跃检验，两样本的非参数检验和Granger因果关系检验，本文研究了股指期货交易对我国股市跳跃风险的影响。主要结论如下：第一，中国股市存在显著的Lévy跳跃特征，即不仅存在大跳而且存在小跳，跳跃具有无限活动，同时跳跃强度和跳跃幅度具有聚集性和时变性；第二，Lévy跳跃风险特征在股指期货推出的前后具有显著性差别，两样本的Kolmogorov-Smirnov检验和Wilcoxon秩和检验表明股指期货推出后，小跳、正跳的强度和跳跃活跃指数均显著增加，而各种跳跃的跳跃幅度均显著减小；第三，Granger因果关系检验结果显示大跳的强度及其幅度与投机交易活跃程度(未预期的交易量和成交量持仓量之比)之间并不存在显著的双向Granger因果关系，但两者均是套期保值交易活跃程度(未预期的持仓量)的Granger原因；小跳强度及其幅度与投机交易活跃程度存在着双向的Granger因果关系，投机交易活跃程度是跳跃活动指数的Granger原因。 总之，股指期货的推出对于我国股市跳跃风险的影响具有双刃剑的作用：股指期货市场上投机行为与现货市场的小跳行为密切相关，投机行为使得小跳发生更加频繁；相反，套期保值行为可缓和宏观经济等重大信息或者与其他极端异常信息对市场的冲击，平抑大跳风险的幅度，然而股指期货套期保值交易活跃程度为大跳幅度减少的Granger原因并不显著。反过来，现货市场大跳风险会引发股指期货市场套期保值交易，这与我国股指期货功能不够健全有关，出现这一状况，可能跟我国股指期货市场准入门槛过高，交易机制限制严格；股指期货市场投机氛围浓厚；投资者经验不足等因素有关。但是，相信随着我国股指期货交易制度的完善，比如允许机构投资者的进入，加大个人投资者投资经验的教育，股指期货价格发现、规避风险的功能必将得到强化，股指期货交易对股市跳跃风险将产生更加积极的影响。 最后，值得一提的是本文对股指期货交易与股市跳跃风险关系的研究有助于人们更好地了解股指期货价格发现等功能在股指期货推出初期的发挥情况；增进人们对证券市场微观结构与信息效率的理解；同时为政策制定者和市场监管者完善金融市场监管，加强股市风险管理以及为推出其他金融衍生产品提供重要的参考价值。 本文系“第十四届中国青年经济学者论坛”参会论文。 作者感谢洪永淼、蔡宗武、方颖、李迎星诸位教授给予的宝贵评论，感谢匿名审稿人的宝贵意见，但文责自负。 ①一些研究发现股指期货交易会加剧股市波动，相反，另外一些研究发现股指期货会减少股市波动，同时也有一些实证研究发现对股市波动没有影响(杨阳、万迪昉，2010；Chen et al.，2013；Xie & Mo，2014)。 ②比如，1987年10月19日发生“股灾”后，布兰迪委员会(Brady Commission)认为指数套利和组合保险加剧了股市的崩溃速度。 ③理论上Lee & Mykland(2008)认为K可取
252×48与252×48之间，并建议对于5分钟高频数据选取K=270，本文K值与之接近。 ④由于篇幅限制Lévy检验结果省略，备索。 ⑤这里将日内QQ检验的信念测度b(t[，i])相加，然后使用利用局部多项式平滑估计出大跳、小跳的强度曲线。 ⑥尽管QQ检验可以很好地识别小跳，但是当跳跃幅度非常小时，从有限离散观测值中识别出小跳是极其困难的。为了使关于小跳推断的结论更加稳健，本文同时考虑跳跃活跃指数。 ⑦文献中通常用移动平均法去掉Vol[，t]和OI[，t]的时间趋势，我国股指期货发展还处于初期，样本内无明显的时间趋势故直接用Box-Jenkins法建模。
标签：股指期货论文; 现货市场论文; 持仓量论文; 期货论文; 股指期货套利论文; 期货成交量论文; 股市论文; 期货交易论文;
