股指期货对现货走势的预判价值研究
[ 录入者:caiyumeng |&时间: 14:15:00 | 来源: | 浏览:652 次 ]
&&&在指数期货市场地位和影响力不断提升的背景下，如何借助股指期货的价格发现功能来提高对现货走势的研判价值呢？　　我们都知道，股指期货的价格发现通过三方面进行展示，即：成交量、成交价和持仓量。本文重点研究的是日开启的阶段性牛市行情及之后的阶段性熊市行情期间股指期货指标及其变化对现货市场走势研判的借鉴意义。
　　一、 股指　　一般而言，成交量能够反映出当天的市场震荡幅度，但是无法从中找出期货市场对现货未来趋势的看法。如果振幅较大，则成交量高；反之，如果窄幅盘整，则成交量低。这是因为股指期货是对冲工具，没有震荡幅度，就没有交易的需求。因此，成交量更多地用来反应震荡幅度大小。当然，成交量的大小也反映了市场运行的动能， 在市场向某个方向运行时，如果量能较大，也能侧面反映市场运行的动能充足；反之，亦然。但相比较而言，持仓量指标更能反映市场向某一方向演绎的能量，持仓量大，市场趋势运行的能量强；反之，则弱。所以，股指期货这三个指标中，成交量更多的是一种辅助指标，不是核心指标。本文重点研究的是成交价格和持仓量及其变化对现货市场研判的借鉴意义。
　　二、成交价格(价差)　　期货成交价格被视为价格发现的最重要信息。一般而言，股指期货市场喜欢用价差这个指标来反映期货对现货的预期，价差有绝对和相对之分，即基差和价差比。　　就成熟市场来说，一般而言，如果价差为正，是为升水，代表期货市场看多，反之，如果价差为负，是为贴水，代表期货市场看空。　　根据相关统计数据，从日~日阶段性牛市行情中的价格变化看，在指数期货运行半年后的2010年10月份，基差或价差比(如无特别说明，均指当月合约)出现了明显上升。在此期间，沪深300现货指数也走出了2010年以来23.8%的大幅上升行情，基差或价差比的大幅扩大或上升与同期的现货上涨比较一致。只不过基差或价差比变化发出的看涨信号较晚， 实际上，9月30日上涨行情已经启动，直到10月18日基差才发出明显的看涨信号，比较合理的解释就是上市时间较短，与成熟的发达国家相比还不十分灵敏。但在基差或价差比变化给出的上涨行情的结束信号却比较及时，现货市场11月11日创出上涨高点日开始大跌，灵敏的基差或价差比变化已在11月8日给出了相当明确的看跌信号，基差或价差比从11月5日的57.2或1.62%缩减为31.03或0.87%，已大幅回落于正常范围内，提前现货市场大跌4个交易日发出离场警示信号。
　　三、持仓量(量差)变化　　一般的，当阶段性大行情来临时，无论涨跌，持仓量也会大幅增加。只要持仓量还在增加，趋势大都会继续；持仓量一旦不再增加，趋势就有可能结束。照此逻辑，我们可以做一推理：假如现在大牛市来临，持仓量大幅上升。持仓量的上升，代表交易人投入在期货市场的资金变多，下大注看好这个牛市还会继续。只要持仓量还在继续增长，就代表交易人认为牛市没有到顶点，还有涨幅可期，所以继续加码。当持仓量不再增长，说明交易人认为牛市到头，不会有更多的涨幅了，获利了结，行情结束。同理，熊市的推理也完全成立。　　同上，根据统计数据，我们查看日~日阶段性牛市行情中的持仓与价格变化关系。在此阶段性牛市行情期间，沪深300当月连续合约与沪深300现货指数的运行趋势和轨迹非常接近，基差的偏离基本处于合理的范围内。在此期间，和现货指数同步大幅上涨的同时，股指期货的总持仓以及当月和下月合约的合计持仓亦呈现出同步扩仓的现象。11月8日，现货收盘价创出新高，达到3548.57，股指期货总持仓以及当月和下月合约合计持仓亦于同日创出新高，分别为42825手和39033手，而股指期货收盘价领先现货10个交易日创出新高，之后呈现震荡回落态势。这里，期货持仓量指标提前3个交易日向现货投资者发出了离场信号。此阶段的行情演变中，持仓量在增加的过程中，趋势继续；持仓量创新高明显回落的同时，也是趋势结束之时。　　再观察2011年初~日阶段性熊市行情期间的持仓与价格变化关系，也可以看出有相似的现象。综合显示，在2010年10月份阶段性牛市行情以及随后的阶段性熊市行情中，无论原始的成交价，还是处理后的基差或价差比，以及持仓量及其变化均提前显现一定的警示信号，这说明成交价(价差)以及持仓量的变化对现货市场走势的研判具有一定的预见和明显的参考价值。因此，在判别大级别拐点的行情来临时，捕捉相关信息，注意股指期货合约成交价、持仓量和成交量的异常变化，也将有助于投资者对股票市场更好地把握，对机构投资者有一定的借鉴意义。
北京分公司为您提供、、、、等专业服务，热线:010-.
( 本站所发布的文章、数据仅供参考，不对您构成任何投资建议,使用前请核实，据此操作风险自担，本人及公司对交易结果不负任何责任，特此声明。)
您或许还喜欢以下文章：
新鲜阅读：
开户咨询：
手机直通：
客服热线：
紧急下单：
居间合作：
开户咨询：
期货品种：是全球首家大型政务类网站，欢迎登陆本站！&&&|&&
提示：您在上方可以搜索政府工作报告、统计数据、统计公报等相关政务信息。
推荐城市：
&当前位置：&=&&
非同步交易、信息传导与市场效率——基于我国股指期货与现货的研究
&&&&日期：&&&&浏览次数：18次
&&&&&摘要：非同步交易影响了市场间的信息传导，进而对市场效率产生了作用，但已有研究并未给出充分的证据。本文基于沪深300股指期货延伸交易(早开晚收)时段与现货市场的关系及其与成熟市场的差异性，分析了我国市场非同步交易下的信息结构与信息传导机制对市场效率的影响。研究发现沪深300股指期货延伸交易时段的价格发现能力较强，说明这一时段具有较高的信息效率。进一步分析发现延伸交易时段的私有信息对现货不同时段收益率均呈显著影响，而且延伸时段对现货市场的影响在总样本内呈减弱趋势，这均表明非同步交易对市场效率提升具有积极作用。
关键词：非同步交易，信息结构，信息传导，市场效率
关于不同市场间非同步交易影响同步交易后市场运行的研究近来引起学术界和实务界的广泛关注。根据有效市场理论，非同步交易时段存在大量的公开信息和私有信息应该立即反应在同步运行后的市场交易中。但由于市场摩擦的存在，这些信息的影响往往具有滞后性和持续性。而这种影响的深度和广度反应了市场效率的高低。另外，非同步交易时段对信息的反应程度也体现了这一时段信息效率的高低。已有研究并未充分论证非同步交易时段的信息结构及其对同步交易后市场间信息传导与市场效率的影响，而股指期货市场相对于现货市场早开盘、晚收盘的交易模式为此问题的研究提供了良好的分析样本。由于在期货市场延伸交易(早开晚收)时段，现货市场处于休市状态，期货市场的信息并不能及时的传导至现货市场并对其产生影响，现货市场只能在开盘后一段时间内对这部分信息做出反应。这种期货与现货市场非同步的交易是否会产生独特的信息结构，体现较高的信息效率？这一时段的信息对现货市场影响是否有助于提升市场效率？对这些问题的研究不仅有助于认清股指期货市场延伸交易信息对现货市场效率的作用，为交易机制设置和投资决策制定提供借鉴，更能为金融市场监管中信息操纵交易等非法操作的识别提供参考。
全球市场股指期货相对于现货标的&早开盘、晚收盘&的现象普遍存在，如香港恒生股指期货的交易时间比现货交易分别早开盘晚收盘15分钟；大阪证券交易所交易的日经225股指期货的交易时间比东京证券交易所现货交易晚收盘15分钟；芝加哥商品交易所S&P500股指期货的交易几乎达到24小时，远远长于现货交易时间。我国沪深300股指期货合约自2010年4月16日上市交易以来，交易时间为上午9：15～11：30，下午13：00～15：15，也比对应的现货市场交易分别早开盘、晚收盘15分钟。已有针对美国、香港等成熟市场的研究表明，延伸交易时段含有一定的私有信息，这些信息会对现货市场产生影响并随时间逐渐减弱。但成熟市场本身已处于相对平稳运行的状态，研究得到的稳态结果并不能反映出延伸交易时段对市场效率影响的动态变化。另外，新兴市场在政策法规，交易机制以及投资主体等方面与成熟市场具有差异。具体来看，一方面，美国和香港市场的延伸交易时段的&早开盘&是纯粹的，而我国沪深300股指期货的早开盘15分钟有其独特之处，即我国A股市场在每个交易日的9：15～9：25之间为集合竞价，且参与者多为机构交易者，他们大多也同时参与股指期货的交易，此时段期货市场部分信息已经反应于现货市场中，产生了期货与现货类似同步交易的模式。另一方面，我国股票市场仍为T+1交易规则，而股指期货则实行T+0交易规则，为了减小现货市场隔夜持仓等风险，交易者会选择在现货收盘后通过调整期货头寸来实现套期保值等目的，这为现货市场的投资者提供了降低风险的渠道。通过上述两方面的分析发现我国股指期货延伸交易时段对现货市场的信息传导机制与成熟市场有显著差异，因此对以我国为例的新兴市场股指期货延伸交易时段信息结构及其对市场影响的研究势必具有重要的理论价值和现实意义。
本文其他部分结构如下：第二部分回顾有关文献，第三部分阐述研究方法和数据处理，第四部分为实证结果，第五部分是稳健性检验，第六部分为结论与评价。
二、文献回顾
本文涉及文献主要包含两方面。一方面，从信息传导和价格发现的角度，研究了不同标的市场非同步交易对市场运行的影响；另一方面，研究了股指期货延伸交易时段自身的信息结构及其对期货和现货市场的影响。
(一)不同市场非同步交易的研究
相关文献对非同步交易信息传导的分析始于Hamao等(1990)对美、英、日三国股票市场之间重合交易时间的研究，他们发现美国市场和英国市场对日本市场存在单向的信息传导模式。随后，Lin等(1994)根据总冲击模型(Aggregate-Shock Model)对东京和纽约这两个无重合交易时间市场的信息传导模式进行了研究，得出这两个市场间存在双向信息传导关系，其原因与开盘时的非同步交易行为有关。为了解决非同步交易对信息传导的影响，Schotman和Zalewska(2006)用时间调整的方法处理非同步交易问题，将有重合交易时间但不同时收盘的两个股指转化为同一个时点的指数。
近年来，随着我国金融市场的逐步开放，国内的学者们也开始关注我国市场与国际市场之间非同步交易模式下的信息传导研究。郑尊信(2007)发现内地市场由于先开盘(收盘)，而能够引导日内香港市场的交易。刘庆富等(2008)基于非同步交易的信息共享模型刻画在我国期货市场与国际成熟市场交易时间的非同步性情况下市场间价格发现贡献度。赵华等(2010)研究了中美股市之间存在的非同步交易问题，发现两国股市开市收益率变化均表现出波动聚集特征，而且均只在开盘时对另一方市场的交易信息做出反应。
(二)股指期货延伸交易的相关研究
关于股指期货延伸交易时段的研究主要针对美国和香港市场。Chang等(1995)发现在NYSE收盘后的15分钟里S&P500股指期货的波动率呈现出先下降后上升的U型趋势，该现象可以通过传染模型(the contagion model)来解释现货市场对期货市场的影响。Fong等(2001)发现香港恒生股指期货也存在相同的现象，他们利用交易数据和报价数据发现买卖价差也可以解释15分钟内的波动率变化。Hiraki等(1995)检验了延伸时段的期货交易是否包含私有信息。他们认为现货市场交易结束后，新产生的信息可能会在延伸交易时段反映出来。因此，延伸期的收益率变化会影响之后的现货市场。特别地，Cheng等(2004)使用加权价格贡献方法和基于Hiraki等(1995)的模型，得出早盘延伸期的股指期货交易包含着有用的信息可以解释随后全天的现货交易收益率的变化，延伸股指期货交易有着明显的价格发现功能。
由于我国股指期货推出时间不长，相关的文献不多，很多研究还是采用仿真交易数据。何诚颖等(2011)使用向量误差修正模型和脉冲响应函数分析的结果表明股指期货市场对新信息的反映速度快于现货市场；Yang等(2012)基于非对称ECM-GARCH模型得出沪深300现货市场的价格发现能力强于期货市场的结论；郦金梁等(2012)研究发现股指期货显著改善了反应股票市场运行的市场深度，流动性和波动性等多个指标。刘庆富等(2012)通过对股指期货与现货市场差异交易时段的研究表明，股指期货延后收盘对隔夜现货收益的影响大于期货提前开盘的影响。鉴于前文对开盘前和收盘后市场功能差异的分析，本文所得结论与刘庆富等(2012)有所区别，因此值得深入分析。而关于期货与现货市场非同步交易期间的信息结构研究及其对市场效率的影响，目前尚未出现相关的研究成果。
三、数据和研究方法
(一)研究变量与数据
本文选取中国金融期货交易所2010年5月24日到2012年4月20日沪深300股指期货交易5分钟数据作为研究样本①，包括开盘价、收盘价、成交量、持仓量等数据，数据来源于巨灵财经数据库。沪深300股指期货共有当月、隔月、当季、下季4个品种，根据Carchano等(2009)的研究结果，本文选取每个交易日成交量最大的品种为主力合约，以此构造期货连续序列②。选取沪深300指数(CSI300)作为现货研究对象，以相同时间区间的5分钟数据作为样本，该组数据来源于天相数据库。本文选择S&P500日调整收盘价的收益率数据来控制溢出效应，数据来源于雅虎金融。
文中所涉及收益率均为对数收益率，AFR表示现货收盘后期货交易时段(15：00～15：15)的收益率，FR表示现货交易时段内(9：30～15：00)期货的收益率，BFR表示现货开盘前期货交易时段(9：15～9：30)的收益率，SR表示同步交易时段(9：30～15：00)的现货收益率，OSR为现货隔夜收益率(即当日开盘与昨日收盘之间收益率)，SP表示标准普尔500指数的日收益率。
对相关变量进行描述性统计，由表1结果可知，各变量序列均不服从正态分布。而由ADF检验结果可知，各序列均为平稳序列。由Q检验的结果可知，AFR与BFR序列均存在自相关，所以需要引入ARMA模型进行分析，而OSR与SR则不存在自相关。从Q2(6)的检验结果可以发现，BFR与OSR存在条件异方差，需要引入GARCH或者EGARCH模型进行回归以消除条件异方差，而AFR序列则不存在条件异方差，可用OLS回归分析。综合自相关检验与条件异方差检验的详细结果(限于篇幅未列出)可知，对AFR的分析需要利用ARMA(4，0)模型，对BFR的分析则需ARMA(2，0)-EGARCH(1，1)模型，而对OSR则可利用EGARCH(1，1)模型进行分析。
表1&&描述性统计及相关检验结果
627.558***
267.071***
-22.507***
-18.019***
-22.191***
-22.290***
-23.074***
-22.931***
Q(6)统计量
Q2(6)统计量
注：***，**分别表示在1%与5%水平下显著。JB统计量用来检验序列的正态性(原假设为序列服从正态分布)；ADF统计量检验序列的平稳性(原假设为序列存在一个单位根)；Q(6)统计量检验序列的自相关性(原假设为各滞后阶均不相关)，6表示滞后阶数；Q2&(6)统计量用来检验序列的条件异方差(原假设为各滞后阶均不存在条件异方差)。
(二)研究方法
1.加权价格贡献
Barclay和Hendershott(2003)提出使用加权价格贡献(WPC: the weighted price contribution)来衡量不同交易时段内的价格发现能力。WPC可以区分信息驱动交易者和流动性驱动交易者在延伸交易时段内的相对重要性。对流动性驱动的交易者而言，价格变动应该是暂时而且随着时间变动负相关，因此，以流动性驱动的交易时段应该具有较低的波动率和WPC，而以信息驱动的交易时间段具有较高的波动率和WPC。
根据Barclay和Hendershott(2003)，本文定义：
其中，rk, t表示交易日t第k时间段内期货收益率，rt则表示交易日t从收盘到开盘的隔夜收益率。本文对如下三个时间段内的平均WPC做出对比：
(1)现货开盘前交易时段(9:15～9：30)与现货开盘后15分钟(9: 30～9：45)对比：如果信息驱动交易倾向于在开盘前进行，则开盘前时段的WPC大于开盘后时段的WPC。
(2)现货收盘前15分钟(14:45～15:00)与现货收盘后15分钟(15:00～15:15)对比：如果现货收盘后15分钟内的交易以信息驱动交易为主导，则此时间段内的WPC较大。
(3)现货收盘后15分钟(15:00～15:15)、期货隔夜(15:15～9:15)，以及现货开盘前15分钟(9:15～9：30)对比：如果现货开盘前15分钟的信息交易相比于现货收盘后15分钟的信息交易更多，则开盘前的WPC大于收盘后。
2.研究假设
若期货早开晚收交易时段内WPC较大，则可以假设这段时间内信息驱动交易较为活跃，较大的WPC反应这段时间内期货收益率较大的变动幅度。这一假设与Adimati和Pfleiderer(1988)的结论相一致，他们发现每个交易日结束前一段时间内的交易量会比较大，而更多的信息驱动交易者选择在此期间交易，相对应的信息会在随后的非交易时段释放出来，而Jiang等(2013)进一步证明了上述假设的合理性。根据公开信息和私有信息相关假设，由于所有的公开信息已经反映在资产价格当中，所以以公开信息为主导的交易主要为市场提供流动性，而私有信息的持有者在交易的同时对资产价格产生影响。期货市场中以私有信息主导的交易反映相关信息，这部分信息对现货市场的影响才能较为准确的反应期货市场对现货市场的信息传导。所以，本文假定现货未交易时段期货收益率(AFR/BFR)由可预期成份(E)与未预期成份(U)组成，其中可预期成份即为现货收盘时刻至开盘前所有的公开信息所反映的收益率，以未预期收益部分代表私有信息主导的交易，对未预期收益率进行分析，而将以公开信息为主导的流动性目的的交易排除在外，更体现市场间的信息传导以及信息冲击对市场效率的影响。收益率可表示为：AFR/BFR=E+U。在下文分析中，利用期货的日内收益率(FR)来估计所有可预期的成份，而相对应未预期到的成份则由现货收盘后期货市场中利用私有信息交易的收益率来表示。
French和Roll(1986)的研究表明证券的收益率通常受到公开信息，私有信息与噪声交易三个因素的影响。在闭市阶段，私有信息无法反应在相关标的收益率中。但是，当现货市场收盘之后或者开盘之前一段时间里，国内期货市场仍在交易，所以期货市场可能反映出这段时间内的私有信息。在溢出效应方面，相关研究表明国内股市受美国股市影响较大，如李红权等(2011)，所以次日期货与现货收益率均会受到前日美股的影响。再者，有些在期货收盘前无法交易的私有信息拥有者可能会选择在次日期货开盘时交易，或者通过观察海外股市前日交易状况而抢先在期货开盘15分钟内交易。基于以上分析，假设每日现货收盘后期货的未预期收益率与现货的隔夜收益率以及次日开盘后的收益率正相关，期货次日开盘15分钟未预期收益率与现货隔夜收益率以及现货日内收益率正相关，这两个假设与Hiraki等(1995)和Cheng等(2004)的结果一致，这一影响的显著性水平也说明延伸交易时段信息效率的高低。为了说明期货市场私有信息确实传递至现货市场并对现货市场产生显著影响，下文对现货市场收益率的分析中引入前一日交易信息作为控制变量。另外，鉴于我国股票市场存在显著的周末效应，本文分析中引入哑变量来控制周末效应对分析结果的影响。
3.EGARCH模型
相关研究文献发现收益率的波动具有不对称的效果。如：Andersen等(2001)发现负收益率产生的波动性比正收益率产生的波动性要大，主要是由于融资杠杆效应所引起的。本文中，利用EGARCH(1，1)模型来刻画这种波动率的不对称性，如下所示：
其中，Rt表示收益率，St则由Rt的滞后项或者外生变量组成，&t为对应的残差，&t2表示收益率的波动率，&表示非对称效应的回归系数。
4.实证模型
本文旨在分析期货延伸期交易时间内收益率是否包含私有信息。因此，如Hiraki等(1995)采用两阶段方法，首先提取期货延伸期交易时段内的未预期收益率。根据表1统计分析结果，可得如下分析模型。
现货收盘后交易时间段：
其中，为AFR现货收盘后(15: 00～15:15)期货收益率，FR为现货交易时间内(9:30～15: 00)期货收益率。ut则表示未预期到的期货收益率。
现货开盘前交易时间段：
其中，BFR表示现货开盘前(9:15～9: 30)期货收益率，SP为标准普尔500指数收益率，vt表示未预期收益率。
现货隔夜收益率：
进一步检验前述得到的开盘前与收盘后未预期收益率(ut-1与vt)对现货隔夜收益率(OSR)的解释能力。由于交易的不同步性，我们希望ut-1与vt的系数显著。
其中，Di是周末效应。若为星期五则取Di=1，否则Di=0。
现货日内收益率：
其中，SR为现货日内收益率，SR&t,&&则表示将当日现货的收益率分段讨论，根据数据特征，分为5、10、15、30、45、60、90、120分钟，以此来估计提取的私有信息对当日现货交易影响的持续性。
四、实证结果
(一)加权价格贡献(WPC)计算结果
利用公式(1)分别计算各时段的加权价格贡献(WPC)，其结果如表2所示。根据开盘时刻的计算结果，现货开盘前15分钟期货市场收益率的WPC(56.88%)要比现货开盘后15分钟内期货市场收益率的WPC(43.12%)高13.76%，这说明现货开盘前15分钟，期货市场中有更多信息驱动的交易产生。对于现货市场收盘前后15分钟期货市场的加权价格贡献，由计算结果可知，现货市场收盘前15分钟期货市场收益率的WPC(55.33%)比现货市场收盘后15分钟期货市场收益率的WPC(44.67%)高出10.66%，说明在这30分钟期货市场的交易中，前15分钟的价格发现能力强于后15分钟，进而可知后15分钟流动性驱动的交易占主导，货市场延伸15分钟的交易并未显示出更强的价格发现能力；另一方面，说明这段时间期货市场对现货市场头寸对冲的功能更显著，这与现货开盘前15分钟的情形有所区别。表格的最后一部分列出隔夜期间的WPC值，结果显示在15: 00～9: 15时间段内，开盘前的WPC(27.55%)比收盘后的WPC(7.48%)高20.07%，可知收盘后15分钟的交易的价格发现能力弱于开盘前15分钟。对于隔夜的价格贡献，如计算每15分钟的平均价格贡献，发现隔夜的平均价格贡献只有0.9%，远比现货开盘前与收盘后15分钟的WPC小。综上所述，股指期货市场延伸交易时间段确实有较强的价格发现能力，这表明延伸交易时段具有较强的信息效率。而且现货开盘前15分钟以信息驱动的交易更频繁，价格发现能力更强，而后15分钟作为对冲工具的功能更明显。通过与Cheng等(2004)对香港市场的研究结果对比发现沪深300股指期货在现货开盘前15分钟的WPC (56.88%)弱于香港市场的WPC(61.62%)，现货收盘后15分钟的WPC(44.67%)低于香港市场的WPC(45.23%)，这表明我国沪深300股指期货市场在现货开盘前15分钟的价格发现能力弱于香港市场，而现货收盘后15分钟的对冲功能强于香港市场。
表2&&加权价格贡献
9：15～9：30
9：30～9：45
均值相等t检验
加权价格贡献
14：45～15：00
15:00～15:15
均值相等t检验
加权价格贡献
15：00～15：15
15：15～9：15
9：15～9：30
加权价格贡献
15分钟平均价格贡献
均值相等t检验
15：00～15：15
15：15～9:15
注：表中***、**分别表示在1%和5%水平下显著。&均值相等t检验&列中的数值均表示双总体均值检验的t值。表格前两部分的均值相等t检验均位于最后一列，第三部分只针对15分钟平均价格贡献序列做相关检验，检验值位于表格最下方(虚线以下)。表中所列加权价格贡献为所有样本点价格贡献的加总值，由于价格贡献序列在加总之前为一个序列，表中双样本检验实为检验两个样本的均值而非总和。
(二)提取期货延伸交易时段的私有信息
1.现货收盘后期货市场未预期收益率
根据前述检验结果，利用公式(3)中AR(4)模型来提取现货收盘后期货市场延伸15分钟交易时段的未预期收益率，回归结果如表3所示，可知FR的系数在10%水平下显著为正，即期货日内交易时段(9：30～15：00)收益率对延伸收盘时段收益率有正向影响，而从回归结果还可知AFR滞后4期的系数也在1%水平下显著。
表3&&提取现货收盘后期货市场未预期收益率
-0.1373***
注：***，**，*分别表示在1%，5%与10%水平下显著，下同。
2.提取现货开盘前期货市场未预期收益率
为了提取期货市场早开盘时段的未预期收益率，利用公式(4)中AR(2)-EGARCH(1，1)进行回归分析。表4列出回归分析结果，可知前一日现货收盘后延伸交易时段收益率AFR的系数不显著，这表明现货开盘前期货交易15分钟与前一日现货收盘后期货延伸交易15分钟反应的信息并未出现交叠。
表4&&提取现货开盘前期货市场未预期收益率
为了更好的说明ut-1与vt的信息含量，对ut-1与vt的分布和时序关联性进行检验发现，ut-1与vt均不是白噪声序列，这说明ut-1与vt确实反应了私有信息交易。
(三)延伸交易时段中的私有信息
1.现货隔夜收益率
表5&&对隔夜现货收益率的回归结果
-0.0008***
-0.4296***
此部分研究中，利用前述所得期货市场延伸交易时段的未预期收益率ut-1与vt作为私有信息的代表，如公式(5)所述，对现货市场隔夜收益率利用EGARCH(1，1)模型进行回归分析。结果如表5所示，可知，在1%显著性水平下，未预期的期货收益率ut-1与vt均与隔夜现货收益率存在正相关关系，即对隔夜现货收益率有显著正的影响，这表明私有信息拥有者更倾向于在现货市场未交易时段进行交易。
2.现货日内不同时段收益率SRt,&&(&=5，10，15，30，45，60，90，120)
为了进一步检验期货市场延伸交易时段对现货市场影响程度及深度，在控制溢出效应的前提下利用ut-1与vt对现货日内不同时段收益率进行回归分析(如公式(6)所示)，进而观察ut-1与vt的系数变化过程。结果如表6所示，可知在5%显著性水平下，现货开盘前期货延伸交易时段未预期收益率对现货日内收益率SR的影响不超过120分钟，前一日现货收盘后期货延伸交易时段未预期收益率对现货日内收益率SR的影响在45分钟时间段已不显著，但从5分钟到30分钟均有显著的正向影响。可知前一日期货市场延伸交易时段的未预期收益对次日现货市场开盘时刻的收益率的影响是逐渐减弱的过程。通过对vt系数的分析可知，60分钟内均表现为5%水平下的显著为正，究其原因，一方面因为开盘前私有信息的驱动交易对现货开盘有影响，即现货市场对信息也做出反应，并随着时间推移信息驱动的能力逐渐减弱；另一方面，当日交易的流动性需求导致vt的系数显著。但从前文分析可知，前15分钟的交易由信息驱动主导，则可以推断vt的系数显著主要由于私有信息的驱动为主且随着信息的不断释放vt系数显著性水平减弱，这说明延伸交易时段以信息驱动的交易者对市场效率提高具有显著贡献。
五、稳健性检验
上述的分析仅就整体样本而言，不利于观察期货延伸期交易信息对现货市场在更短时间内的影响及其动态变化过程。为了检验整个样本的结果在更短区间内是否稳定存在，在考虑了样本容量的基础上，采用交叠样本方法，如刘红忠等(2012)，以一年左右时间段为一组(样本容量分别为232，236, 215)，将样本分为三组进行滚动检验。这样一方面扩大了每个子样本的容量，又可以考察整个样本区间的动态特征。表7给出了交叠样本滚动检验结果。
由表7可知，各个子样本中现货隔夜收益率回归的系数均在5%水平下显著为正，这与整体样本回归结果(表5所示)一致，这表明期货延伸期交易时段的私有信息对现货隔夜收益率的正向影响已成为一种持续稳定的特征。进一步观察各子样本之间ut-1与vt的系数，ut-1的系数基本保持不变，而vt的系数表现出逐渐增强的趋势。由不同子样本现货日内不同时段收益率的回归结果可知，ut-1与vt的系数在短期内均表现出显著为正，且与整个样本的结果(表6所示)基本相同。通过子样本之间的分析可知，随着时间的推移，ut-1与vt的系数表现显著时段逐渐缩短，且vt在较短时间内的显著性逐渐增强，这表明延伸交易时段对现货市场开盘后的影响广度减弱、深度加强，可见市场对信息的反应效率逐渐提高，市场有效性逐步提升。
本文基于沪深300股指期货延伸期交易时段信息结构及其对市场的影响，探讨了金融市场中非同步交易对信息传导与市场效率提升的作用，并比较了我国市场与国际成熟市场的差异。通过使用加权价格贡献(WPC)测量方法，文章发现延伸交易时段具有较强的信息效率。本文还发现期货延伸交易时段隐含一些私有信息，这些私有信息会对随后开盘的现货市场产生一定的影响，使得投资者能从期货延伸时段的交易中获取现货与期货市场关系的更多信息，这也表明延伸交易时段的交易主要由信息驱动交易者完成。本文另一研究重点在于考察股指期货延伸交易时段对市场影响的动态变化，研究发现随着交易时间推进，股指期货对现货市场价格发现功能呈现递减的趋势。而在日内的影响持续度上股指期货也呈现减弱趋势。这说明市场对信息的反应更加有效，市场运行效率呈提升趋势。
表6&&对现货日内不同时段收益率回归结果
(14.64***)
(21.58***)
(-3.96***)
(27.17***)
(-2.66***)
(-6.06***)
(-2.87***)
(33.60***)
(30.08***)
(11.81***)
(11.01***)
注：表中报告的是模型估计系数(t统计量)，***，**和*分别表示在1%，5%与10%水平下显著。
本文论证了股指期货延伸交易时段特殊的信息结构及市场间信息传导机制。通过在股票市场与股指期货市场&类同步交易&和现货市场&T+1&交易模式的背景下比较我国股指期货市场与国际成熟市场的差异，证实了延伸交易时段在我国市场上对期货基本功能的发挥和市场效率提升的积极作用。本文结论为金融市场中相关产品非同步交易模式下的信息传导机制研究提供了有用的证据。
表7&&交叠样本稳健性检验结果
隔夜收益率
注：表中报告的是模型估计系数(t统计量)，***，**，*分别表示在1%，5%与10%水平下显著。
①沪深300股指期货是于2010年4月16日开始交易的，由于第一个合约的交易非常不稳定，所以本文剔除了第一个合约的交易数据。
②对当月合约数据作连续时间序列会发现，在接近最后交易日(即每月第三个周五，节假日顺延)的前几天，投资者会纷纷把仓位转移到隔月合约上。所以如果仅仅以当月合约作为研究对象，则最后交易日前几天数据并不能真实反映投资者行为。通过数据分析我们发现沪深300指数期货一般在最后交易日前3天左右，隔月合约的成交量会明显大于当月合约，成为主力合约。
作者简介：程展兴，上海财经大学金融学院博士研究生，Email：；剡亮亮，上海财经大学金融学院博士研究生，Email：yanliang_.
参考文献：
[1]何诚颖、张龙斌和陈薇，2011，《基于高频数据的沪深300指数期货价格发现能力研究》，《数量经济技术经济研究》第5期139～151页。
[2]李红权、洪永淼和汪寿阳，2011，《我国A股市场与美股、港股的互动关系研究：基于信息溢出视角》，《经济研究》第8期15～37页。
[3]郦金梁、雷曜和李树憬，2012，《市场深度、流动性和波动率&&沪深300股票指数期货启动对现货市场的影响》，《金融研究》，第6期124～138页。
[4]刘红忠和何文忠，2012，《中国股票市场上的&隔夜效应&和&午间效应&研究》，《金融研究》第2期12～23页。
[5]刘庆富和华仁海，2008，《基于非同步交易的国内外期货市场价格发现贡献度研究》，《统计研究》第12期59～65页。
[6]刘庆富和华仁海，2012，《中国股指期货与股票现货市场的日内信息结构研究：基于交易和非交易时段的视角》，《复旦学报(社会科学版)》第3期10～19页。
[7]赵华和徐用，2010，《非同步交易与信息传导：中美股市关系研究》，《统计研究》第5期41～49页。
[8]郑尊信，2007，《非同步交易下的市场联动&&内地市场与香港市场互动关系研究》，《财经科学》第6期24～31页。
[9]Admati A R. and P. Pfleiderer, 1988,&&A Theory of Intraday Patterns: Volume and Price Variability,&&The Review of Financial Studies, 1 (1), pp. 3～40.
[10]Andersen T. G., T. Bollerslev, F. X. Diebold and H. Ebens, 2001,&&The distribution of realized stock return volatility,&&Journal of Financial Economics, 61 (1), pp. 43～76.
[11]Barclay M. and T. Hendershott, 2003,&&Price Discovery and Trading after hours,&&The Review of Financial Studies, 16(4), pp.1041～1073.
[12]Carchano 0. and A. Pardo, 2009,&&Rolling over stock index futures contracts,&&Journal of Futures Markets, 29(7), pp. 684～694.
[13]Chang E., P. Jain and P. Locke, 1995,&&Standard & Poor's 500 index futures volatility and price changes around the New York Stock Exchange close,&&Journal of Business, 68 (1), pp. 61～84.
[14]Cheng L., L. Jiang and NG, 2004,&&Information content of extended trading for index futures,&&The Journal of Futures Markets, 24 (9), pp. 861～886.
[15]Fong K. and A. Frino, 2001,&&Stock market closure and intraday stock index futures market volatility:&&contagion', bid-ask bias or both?&&Pacific-Basin Finance Journal, 9(3), pp. 219～232.
[16]French K. and R. Roll, 1986,&&Stock return variances: The arrival of information and the reaction of traders,&&Journal of Financial Economics, 17 (1), pp. 5～26.
[17]Hamao Y., Masulis R and Ng V., 1990,&&Correlations in Price Changes and Volatility across International Stock Markets,&&The Review of Financial Studies, 3 (2), pp. 281～307.
[18]Hiraki T., E. Maberly and&N. Takezawa, 1995,&&The information content of end-of-the-day index futures returns: International evidence frome the Osaka Nikkei 225 Futures contract,&&Journal of Banking and Finance, 19 (5), pp.921～936.
[19]Jiang C, Likitapiwat T and Mclnish T. 2012,&&Information Content of Earnings Announcements: Evidence from After-Hours Trading,&&Journal of Financial and Quantitative Analysis, 47 (6), pp. 1303～1330.
[20]Lin w, Engle R and Ito T. 1994,&&Do Bulls and Bears Move Across Borders? International Transmission of Stock Returns and Volatility,&&The Review of Financial Studies, 7 (3), pp. 507～538.
[21]Schotman P and Zalewska A. 2006,&&Non-synchronous Trading and Testing for Market Integration in Central European Emerging Markets,&&Journal of Empirical Finance, 13 (4-5), pp. 462～494.
[22]Yang J., Z. Yang and Y. Zhou, 2012,&&Intraday price discovery and volatility transmission in stock index and stock index futures markets: Evidence from&China,&&Journal of Futures Markets, 32(2), pp. 99～121.
作者：&上海财经大学金融学院 程展兴 剡亮亮&&
来源：&《金融研究》
【全球政务网】
&|&&|&&&Copyright & 2012 www.govinfo.so&All&Rights&Reserved&全球政务网&&京ICP备号-2&&