原创《中国股指期货市场的发现能力》：本论文为免费优秀的关于发现论文范文资料，可用于相关论文写作参考。
摘 要：运用小波多分辨分析、线性和非线性Granger因果检验方法,分析我国沪深300股指期货和沪深300股票指数之间引导关系的结果表明：从短期来看,在1～2天的短期交易周期中,股指期货是股指现货的单向Granger原因,股指期货具有一定的发现功能；随着交易周期的加长,股指期货和股指现货之间不存在线性和非线性的Granger因果关系.这表明从长期趋势来看,目前我国股指期货的发现功能并没有得到有效发挥.
关 键 词： 股指期货；发现；小波多分辨； 因果检验
中图分类号： F830.9 文献标识码：A 文章编号：1006-3544（2013）05-0037-05
经过多年的筹备,沪深300股票指数期货合约于2010年4月16日在中国金融期货交易所正式推出.股指期货的推出,目的在于增加股指期货市场和现货市场的联动,改变我国证券市场长期以来单边格局,形成合理的,起到稳定市场、规避风险的作用.股指期货的发现功能一直以来是学术界、业界和监管当局十分关心的一个问题.截止目前,沪深300股指期货已运行两年多,其发现功能是否得以有效发挥,这是本文主要研究的问题.
一、研究方法
(一)小波分析方法
1. 小波变换定义
金融时间序列经常是在单一的时间域上分析,但是这种研究方法忽视了时间序列频域上的信息.小波分析是一种新的信号分析处理方法,小波变换继承和发展了Gabor加窗傅立叶变化的局部化思想,小波变换的窗是可调的时频窗,在高频时使用短窗口, 在低频时使用长窗口, 以不同的尺度观察数据,以不同的分辨率分析数据.小波变换模型特征如下所述：
二、实证研究
(一)数据选取和描述性统计
本文选取我国沪深300指数期货（由最近期合约组成的连续数据）的日收盘价和沪深300指数现货日收盘价为研究样本,时间从2010年4月16日至2012年10月16日,共计607个样本.数据来源于国泰安研究服务中心CAR系列数据库.股指期货与股指现货分别表示为FPt等于ln（Cf,t）、SPt等于ln（Cs,t）,其中Cf,t、Cs,t分别为股指期货与股指现货第t日的收盘. 由于对数收益率具有良好的统计特征, 因此本文采用两变量的对数收益率进行研究,DFPt等于100（FPt-FPt-1）为股指期货收益率,同样定义DSPt等于100（SPt-SPt-1）为股指现货收益率.
表1给出了股指期货和股指现货收益率序列的描述性统计分析.从表1中可以看出,股指期货的日收益率均值为0.065,标准差为1.453,偏度为0.066,大于0,右偏,峰度为5.249,高于正态分布的峰度3,尖峰,说明股指期货收益率序列具有尖峰厚尾特征,JB统计值也说明显著异于正态分布.股指现货指数收益率的均值为-0.012, 标准差为1.348, 偏度为1.349,大于0,右偏,峰度为4.376,同样具有尖峰厚尾的特征, 且JB统计值也说明显著异于正态分布.从表中数据可以看出, 股指期货日收益率均值大于股指现货日收益率均值, 但是股指期货日收益率的标准差也大于股指现货市场, 说明股指期货市场虽然具有高收益率的优点,同时其波动大于现货市场,风险也较高,这体现了金融市场高风险高收益的特征.
(二)实证分析与结果
在进行小波多分辨分析之前, 首先要确定小波的基函数及分解层数. 从小波性质考虑, 本文比较Daubechis小波和Symlets小波两种小波基函数.Symlets小波是对db小波改进的一种正交紧支撑小波函数,具有较好的降噪性,与db小波相比,Symlets小波的对称性有明显改善, 此特性可使其在信号的分解与重构中避免信号失真. 因此本文采用SymN小波.同时,N的取值越大,小波的时域就越光滑,频域分辨率效果也越好,但是小波变换的计算将会越繁琐,计算时间就越长.一般情况下,N取2～8. 综合考虑信号自身特点及小波母函数的特征后, 本文选取Sym4小波作为小波母函数. 另一方面,分解尺度取决于信号变化的具体情况和数据采样率,尺度越大越有利于信号的去噪,然而过高会导致原信号失真.考虑到本文样本容量,同时借鉴以往学者的研究,最终决定分解层数取3层.
我们采用Sym4小波对股指期货和现货收益率序列进行3层小波分解,以S代表原序列,将其分解成3个正交分量,D1、D2、D3代表原始序列的高频部分, 反映短期变化；A3代表原始序列的低频部分,反映长期趋势.分解后的第一层尺度为21,是周期1～2天的分量,即频率为0.5～1分量；第二层尺度为22,是周期3～4天的分量,即频率0.25～0.5的分量；第三层尺度为23,是周期5～8天的分量,即频率为0.125～0.25的分量；第三层尺度以外为周期大于8天的分量,代表序列的长期趋势.股指期货和股指现货收益率序列分解后的各层结果如图2、图3所示.
对股指期货与股指现货各层信号进行ADF平稳性检验,发现均为平稳时间序列,可直接进行波动分量的线性Granger检验.另一方面,当时间序列呈现非线性的动态关系时, 采用传统的Granger因果关系对其之间的相互关系进行检验时,可能会出现显著的偏差, 因此本文采用是Hiemstra和Jones（1994） 提出的H-J非参数方法对各波动分量进行非线性Granger检验.Granger因果检验对滞后阶数选择很是敏感, 本文列举了线性Granger因果检验和非线性Granger因果检验滞后一阶、二阶和三阶的结果.如表2、表3所示.
从表2、 表3可以看出,在周期为1～2天的波动中,线性因果关系检验表明在滞后1期的情况下,原假设“股指期货不是股指现货的Granger原因”,在10%的显著水平下被拒绝, 表明股指期货是股指现货的Granger原因； 但股指现货不是股指期货的Granger原因. 非线性因果关系检验表明在滞后1期、滞后2期、滞后3期的情况下,原假设“股指期货不是股指现货的Granger原因” 分别在10%、5%和1%的显著性水平下被拒绝,而原假设“股指现货不是股指期货的Granger原因”均未被拒绝,表明在非线性因果关系检验下同样表现出股指期货是股指现货的单向Granger原因.
发现论文参考资料：
结论：中国股指期货市场的发现能力为关于本文可作为相关专业发现论文写作研究的大学硕士与本科毕业论文发现论文开题报告范文和职称论文参考文献资料。
