印度股票市场与期货市场信息传递性研究

时间:2020-10-21 15:51:11 经济毕业论文 我要投稿

印度股票市场与期货市场信息传递性研究

本文将以印度作为新兴市场的代表进行研究,希望运用印度市场上的实证数据,通过对其股票市场和股指期货市场先行—滞后关系的分析,找到与发达市场具有不同微观市场结构的新兴市场国家中现货与期货市场之间的相互作用关系。当然,中国和印度在市场微观机构和交易机制方面还存在的一些差别。这些差别对研究的结果会有一些影响,但与在发达金融市场上的相关结论相比,对作为新兴市场的印度进行分析对我国推出金融衍生品仍然具有很好的参考价值。  
  一、研究方法
  
  进行股票指数现货市场与期货市场的信息传播检验,通常采用Granger因果检验以及VAR方法。肖辉(2004)应用Granger的检验方法检验了美国、日本、香港、英国现货市场和期货市场波动率之间的先行—滞后关系:张宗成、王骏(2004)通过单位根检验,确定硬麦期货与现货价格序列具有一阶差分平稳性,在此基础上建立VAR模型并进行协整检验,然后建立误差修正模型并进行Granger因果检验,最后对期货与现货价格序列进行方差分解和脉冲响应函数分析。如果收益率序列是平稳的,则可以直接对序列进行Granger因果检验、建立VAR模型;如果序列非平稳,则需进行协整检验。本文将根据上述文献的研究方法进行实证分析。下面对Granger因果检验以及VAR方法进行简要说明。
  1.Granger因果检验。
  格兰杰因果关系检验(Granger Causality Test)是检验经济变量间因果关系常用的一种计量经济学方法,其本质是用一种条件概率定义因果关系。Granger因果检验依赖于二元同归形式:
  yt=α10 α11yt-1 … α1lyt-l β11ft-1 … β1lft-l ε1t
  ft=α20 α21yt-1 … α2lft-1 β21yt-l … β2lyt-l ε2t(1)
  式中,αij和βij是常数,{εit}是白噪声。对所有组内可能的(yt,ft),F统计量为具有联合假设的Wald统计量,联合假设为βi1=βi2=…=βil=0。上述两个方程的原假设分别为f(y)对y(f)没有Granger影响。格兰杰方法对模型中变量所取的滞后期长短异常敏感。Granger因果检验的前提,要求两个序列为平稳序列,或者他们之间存在协整关系。对非平稳时间序列变量要先作适当变换,用ADF检验判断为平稳序列后才能进行因果关系检验。本文利用AIC和BIC准则进行判断滞后项的阶数。
  2.VAR(向量自回归)。
  向量自回归(VAR)模型的预测方差分解是一种判断经济序列变量间动态相关性的重要方法。它实质上是一个新息计算过程,是将系统的预测均方误差分解为系统中各变量冲击所作的贡献。VAR应用的前提要求作为内生变量的序列为平稳序列,或者他们之间存在协整关系。由两个变量构成的VAR(p)模型的形式如下:
  yt=α10 α11yt-1 … α1lyt-l ε1t
  ft=α20 α21yt-1 … α2lyt-l ε2t(2)
  其中,αij为系数矩阵,{εit}是白噪声,ε1t,ε2t之间可以同期相关,但不与自己的滞后值相关及不与等式右边的变量相关。
  VAR常用于预测相互联系的时间序列变量系统。在VAR模型的基础上,还可以利用脉冲响应函数和方差分解分析随机扰动对变量系统的动态影响。脉冲响应函数描述VAR中的一个内生变量的冲击给其他内生变量所带来的影响。而方差分解是把内生变量中的变化分解为对VAR的分量冲击。从而给出对VAR中的变量产生影响的每个随机扰动的相对重要性的信息。
  3.数据说明。
  一般地,期货与现货市场价格序列并不具有同时性。由于本文研究的目的是基于市场价格数据来考察两个市场的先行滞后关系,因此需要定义一个标准的比较时间段。我们选择期货与现货价格均具有交易数据的时间段,并计算对数收益率,近似的得到具有同时性的价格序列数据。我们对印度市场进行日数据的分析,实证数据(包括现货市场与期货市场)的起始期间为指数期货的上市之初(即2000.8.14),终止时间为本研究开始取样的时刻(即2005.12.7);共包含了1315个日交易数据。本文的数据来源于国泰君安证券研究所。