收藏本站
《上海社会科学院》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

2015年股市大跌前后的股指期现关系

刘昂  
【摘要】:2015年6月至8月中国股市大跌期间,股指期货成交异常活跃,成交持仓比奇高,多个交易日出现相对现货指数的大绝对值负基差。很多人将股指期货视为股市大跌的重要推手,当年8月底和9月初监管层也出台了对股指期货交易的严厉限制措施。此后,关于股指期货在股市大跌中扮演的角色,业界和学术界有不少研究和争论。本文从股市大跌前后的股指期现关系——主要是期现日内收益率的领先滞后关系这一方面——入手切入这一问题。主要工作是使用1分钟高频数据,通过向量自回归和多元线性回归这两种简洁有效的方法,分析大跌前后股指期现收益率领先滞后关系的基本特征、前后变化以及在不同市场行情下的差异。结果表明,相比大跌之前和之后,股市大跌期间股指期货对现货的领先程度或者现货对期货的滞后程度保持不变或者有所减弱,而非显著增强;如果只考虑股市大跌期间,那么相比指数涨跌温和(用1分钟内指数涨跌幅度量)的时段,期货对现货的领先强度在指数大涨大跌时段明显增强,但这种增强在指数大涨和大跌两种情形下具有对称性,而不是在大跌时更强,即股指期货并没有单向的助跌作用。这些结果说明,从期现日内收益率动态关系的角度来看,股指期货导致股市大跌的说法缺乏依据。本文在两种方法原型的基础上进行了一些创新和改进:在使用向量自回归模型估计期现日内收益率在每个交易日的相互领先关系时,不仅对两个方向上是否有领先关系进行推断,还通过一系列系数联合显著性检验计算出每个交易日领先时间长度的上下界;进行多元线性回归时,不仅将现货收益率作为被解释变量,将期货收益率的领先、同期、滞后项作为解释变量以估计某个时间区间现货对期货的领先滞后关系并对误差项异方差和自相关予以修正,还通过在回归方程中添加虚拟变量的方法,评估同一时间区间内市场短期行情不同时这种关系是否有显著变化。本文的另一个创新之处是分析角度的多样化:4.3.2和4.3.3以交易日为单位分析期现关系的动态变化;4.4.2分三个时间段——股市大跌之前、股市大跌期间、股市大跌结束且股指期货限制措施实施后——分析股市大跌期间的期现关系与之前和之后的差别;4.4.3和4.4.4聚焦股市大跌期间,对比期现关系在指数涨跌幅不同或期现相对交易活跃度不同的时段的差异。不同分析角度得到的结果具有较好的一致性,表明本文结论是稳健的。本文基本结构是:前两章回顾国际和国内股指期货市场的起源和发展现状,并对相关研究进行综述;第三章概括了 2015年股市大跌期间现货和期货市场的异常表现,还对股指期货限制措施进行了归纳梳理;第四章先是简要论述选择1分钟抽样数据的理由,总结了数据基本特征,后面分别用两种方法进行统计推断,并对两种方法估计结果的含义差别进行了说明,最后列出后续可以进行的工作。
【学位授予单位】:上海社会科学院
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:F724.5;F224

【相似文献】
中国期刊全文数据库 前10条
1 郭兴义,杜本峰,何龙灿;(超)高频数据分析与建模[J];统计研究;2002年11期
2 金登贵;我国股市高频数据分布特征实证研究[J];江西广播电视大学学报;2005年03期
3 应益荣;包郭平;;金融市场高频数据分析的建模进展[J];五邑大学学报(自然科学版);2006年01期
4 包郭平;应益荣;;金融市场中高频数据的分析方法[J];五邑大学学报(自然科学版);2007年01期
5 金登贵;中国证券市场高频数据分布特征研究[J];统计与决策;2005年20期
6 曾勇,王志刚,李平;基于高频数据的金融市场微观结构实证研究综述[J];系统工程;2005年03期
7 魏莉娅;马永开;;基于高频数据的深圳基金市场日内周期性研究[J];当代经济管理;2007年01期
8 刘建华;;基于高频数据的中国股市量价日内特征分析[J];经济师;2007年10期
9 赵巍;何建敏;;基于股市高频数据的半参数估计方法[J];数理统计与管理;2007年01期
10 胡绍波;;已实现极差系统风险及其在中国股市的应用[J];中国商界(下半月);2010年09期
中国重要会议论文全文数据库 前6条
1 郭名媛;;基于高频数据的已实现极差相关系数及实证研究[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年
2 郭名媛;;基于高频数据的赋权已实现极差相关系数及其实证研究[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年
3 唐勇;;金融市场波动建模:基于高频数据视角[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年
4 杨怀东;伍娟;盛虎;;基于高频数据的成对交易统计套利策略实证研究[A];第五届(2010)中国管理学年会——金融分会场论文集[C];2010年
5 张晨;李月环;;基于调整“已实现”波动率的沪深300指数高频数据波动性研究与预测[A];中国会计学会高等工科院校分会2008年学术年会(第十五届年会)暨中央在鄂集团企业财务管理研讨会论文集(上册)[C];2008年
6 刘淳;朱世武;何济舟;;金融市场波动择时策略的经济价值分析[A];经济全球化与系统工程——中国系统工程学会第16届学术年会论文集[C];2010年
中国重要报纸全文数据库 前5条
1 本报记者 任晓;12月PMI或小幅上行[N];中国证券报;2013年
2 程实;美国金融体系逐渐恢复 实体经济企稳[N];中国经济时报;2009年
3 华泰长城期货 谢赵维 许惠敏;高库存料继续“重压”矿价[N];中国证券报;2014年
4 金融学博士 宏观经济分析师 程实;全球经济隐约徘徊着复合危机阴影[N];上海证券报;2011年
5 申银万国证券研究所 李慧勇;新兴市场保持资金大额流入[N];证券时报;2014年
中国博士学位论文全文数据库 前7条
1 马锋;高频数据视角下非参数波动率建模、预测及其评价研究[D];西南交通大学;2016年
2 唐勇;基于高频数据的金融市场分析[D];天津大学;2007年
3 镇磊;基于高频数据处理方法对A股算法交易优化决策的量化分析研究[D];中国科学技术大学;2010年
4 刘广应;带跳的分数维积分过程的幂变差理论及其在金融高频数据中的应用[D];复旦大学;2011年
5 李胜歌;基于高频数据的金融波动率研究[D];天津大学;2008年
6 王少斌;基于高频数据的投资者交易行为研究[D];首都经济贸易大学;2014年
7 王芳;基于市场微观结构噪声和跳跃的金融高频数据波动研究[D];西南财经大学;2011年
中国硕士学位论文全文数据库 前10条
1 周智橹;沪深300股指期货已实现波动率的研究[D];中国青年政治学院;2015年
2 米佳奇;基于高频数据的期货跨品种套利研究[D];浙江工商大学;2015年
3 李梦莹;基于高频数据的A股银行板块配对交易研究[D];复旦大学;2014年
4 谢欣欣;基于对限价指令簿信息的研究对高频金融数据进行建模[D];上海交通大学;2015年
5 王浩;基于趋势反转的程序化交易研究[D];上海交通大学;2014年
6 欧阳君宏;金融资产跳跃特性研究[D];福州大学;2014年
7 林欣;基于高频数据的金融资产共同跳跃建模研究[D];福州大学;2014年
8 周明眉;基于Hilbert-Huang变换的高频数据波动率的估计[D];长春工业大学;2016年
9 蔡丰泽;基于小波分析的金融高频数据波动率估计研究[D];长春工业大学;2016年
10 胡龙;基于RV-MSM模型的沪深300波动分析[D];华中科技大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026