《基于双变量ECEGARCH模型的股指期货波动溢出效应实证分析.doc》由会员分享，可在线阅读，更多相关《基于双变量ECEGARCH模型的股指期货波动溢出效应实证分析.doc（14页珍藏版）》请在三一办公上搜索。
1、基于双变量EC-EGARCH模型的股指期货波动溢出效应实证分析 王郧 张宗成摘要：本文主要是针对股指期货市场的波动溢出效应所做的研究。使用香港交易所上市的恒生股指期货和恒生指数作为研究对象，加入误差修正项，建立了双变量VEC模型，利用各种计量检验，探讨了期货市场和现货市场之间的联动关系；针对残差，利用EGARCH模型探讨和刻画了期货市场对现货市场的溢出效应，最后得出了相关的结论。关键词：波动溢出、协整、双变量EC、E-GARCHAn Empirical Analysis of the Volatility and Spillover Effects of Stock Index Future
2、Market Based on EC-EGARCH ModelAbstract: This paper is mainly directed against the stock index futures market volatility spillover effects of study. Because there are no domestic stock index futures nowadays, we use the Hang Seng Index Futures and the Hang Seng Index as the object of study, explorin
3、g their fluctuations and spillover effects. First, we analysis the trends and characteristics of the study and lay the groundwork of the demonstration. Second, we use ADF test and VEC models to explain the volatility effect in the stock index futures market. Then we use statistics test and EGARCH mo
4、dels to explain the spillover effect of the futures to index, and it is the most important part of the research. Keywords: Volatility and spillover VAR 2-VEC GARCH波动溢出效应是资本市场研究中的一个热点问题，众多文献针对各种市场之间的波动溢出作了大量的细致的研究，探讨他们的价格传递，先行-滞后关系，以及一个市场波动对另外一个市场造成的影响，或者是波动如何来回振荡。其中股指期货市场是比较受关注的一个研究对象，由于推出时间比较晚，相当多的
5、问题没有搞清楚，并且中国金融期货交易所已经成立，中国股指期货正在筹划上市，因此值得研究和探讨。自股指期货上市以来，西方学者对股指期货与现货之间的关系做了大量研究。Kawaller和Kochkoch(1987) Stoll和Whaley(1990) Chan(1992) Dwyer Loche和Yu(1996) Martens Kofman Vost(1998) 等利用向量自回归模型研究考察了股票指数和指数期货市场之间的价格传递，发现期货价格变化比现货价格变化领先5-45分钟。Harris(1989)使用成份股的交易数据，检验了S&P500指数现货和期货之间的关系，在纠正了非经常交易影响后，他仍
6、然能发现期货市场领先于现货市场。Stoll和Whaley(1990)使用了ARIMA模型调整非经常交易影响后，发现期货市场平均先行于现货市场5分钟，偶尔还超过了10分钟。Chan等（1992）对MMI指数期货和一些超过期货合约活跃程度的成份股进行了先行-滞后关系检验。研究发现存在期货现货市场之间非对称先行现象，即期货先行于比其更活跃的股票。Fleming等（1996）应用stoll和Whaley(1990)所使用的ARIMA模型对1991年3月S&P500指数期货的月数据进行了检验，得出结论是指数期货至少先行于现货指数5分钟，并且支持价格发现和成本直接相关的假设。De Jong和Nijman(
7、1997)分析了S&P500指数1993年第四季度期现市场之间的先行关系。检验结果，期货至少先行现货10分钟，而现货先行期货不会超过2分钟。Arjun Chatrathd等（2002）对美国S&P500指数期货和现货1993-1996的日内交易数据做了研究，试图找出其中的先行-滞后关系，结果表明在股市大幅度上升的时候，期货价格先行于现货价格，并且现货市场没有对期货市场产生反馈，但在股市下降的时候，期货价格并未先行于现货价格，并且现货市场对期货市场有明显的反馈作用。Snehal Bandivadekar和Saurachh Ghosh(2003)发现，2000年新加坡交易所推出S&P CNX Ni
8、fty股指期货后，印度股市现货市场波动减少，作者认为是由于新的信息首先在期货价格上得到迅速反应。So和Tse(2004)运用高频数据，研究了香港恒生指数，恒生指数期货和盈富基金之间波动性的相互影响，发现一个市场内的波动会溢出到另一个市场，相似资产的波动会相互影响。由于EGARCH模型能更好地捕捉利好消息和利空消息对波动的不对称性，真实反映期货市场与现货市场之间的波动溢出关系。例如Tse与Reapraised分别用双变量EGARCH模型对期货市场和现货市场之间的相互关系进行了较为深入的研究，缺的了较好的效果。Zhong,Daarrat,Otero采用EGARCH模型和协整模型探讨了墨西哥股票指数
9、期货的价格发现和期货市场交易对现货市场的影响，发现尽管期货交易导致了现货市场的不稳定，但期货市场还是价格发现的有用工具。而中国国内，针对股市的波动溢出效应，国内外学者做了大量研究。如洪永淼 成思危等（2004）分析了中国证券市场A股、B股和H股之间，中国股市与世界其他股票市场之间的极端风险的溢出效应。凌士勤（2005）利用基于高频数据的分类信息混合分布的EGARCH模型，将上证指数5分钟分类数据作为研究对象，考察了好消息与坏消息对上证指数波动性的影响。针对期货市场，吴冲锋等（2004），华仁海等（2004）针对期货市场与现货市场的价格波动性关系有一些发现，但成果较少。因此，本文针对股指期货这一
10、比较新的金融产品，构建了能够准确度量股指期货与现货市场内在关系的双变量EC-EGARCH模型，并对香港恒生股指期货和现货市场之间的波动溢出效应进行实证研究。1 数据的处理1.1 数据的选取及来源由于国内股指期货尚未上市，拟定推出的沪深300股指期货只是在2006年底才开始仿真交易。因此，为了分析股指期货的波动溢出效应，本文选取了香港交易所上市的恒生指数期货（HSIF）的数据作为实证分析的对象。本文选取香港恒生指数期货连续合约1994年5月2日至2007年1月5日的交易日数据，时间序列长度为3089，其中香港期市休市1418天，香港股市休市1405天，数据来源为雅虎财经数据库和威盛投资公司。1.
11、2 数据的处理对于恒生指数，采用对数差分的方法，与期货数据处理方法相一致，所不同的是数据标准化所用公式：Rt =100 In(St /St-1 )。其中Rt 代表对数收益率，St 代表指数值（各指数的收盘价格），采用1994年5月2日至2007年1月5日的交易日数据。对于恒生指数期货，本文采用对数差分的方法，将期货合约的收盘价格时间序列标准化为日对数收益率时间序列。数据标准化所用公式如下：Rt =100In(Pt /Pt-1 )。其中Rt 代表对数收益率，Pt 代表每日期货和约收盘价格。对于恒生指数，本文也采用对数差分的方法，与期货数据处理方法相一致。其中Rt 代表对数收益率，St 代表指数值
12、（各指数的收盘价格）。本文定义了两个收益率序列，恒生指数收益率序列-S,恒生期货收益率序列-F。在股市收益与波动的传递性研究中，对于休市时间的不同而导致的数据不重合，多数参考文献，多是采用剔除的方法，而剔除则会破坏时间序列的完整性。而有部分学者另辟蹊径，采用弥补的方法，凡是一方休市而另一方开市的情况出现，则记休市的一方收益率为0，从而保证实证分析的完整性，如晏海兵（2004）等。而笔者分析数据后发现，期货开市而股市未开市以及股市开市而期货未开市这两种情况都有出现，而考虑到期货数据来源于指数数据，因此为了保证期货数据时间序列的完整性，剔除掉股市开市而期货没有开市的数据，保留期货开市而股指未开市的
13、数据，记当天的股指收益率为0。这样就既不是纯粹的剔除，也不是纯粹的补足，而是出于实证分析需要，有选择地剔除和补足。恒生指数期货现货收益率序列的统计特性如下表：表1.1 恒生指数期货现货收益率序列的统计特性经过处理过的恒指期货收益率图形如下：图1.1 恒生期货日收益率图经过处理过的恒生指数收益率图形如下：图1.2 恒生指数日收益率图1.3 平稳性检验首先是针对恒生指数期货的收益率序列所做的平稳性检验。本文采用增广迪基-富勒检验（ADF检验），首先不采用差分方法，并且只滞后一阶：表1.2 期货收益率的单位根检验ADF 检验-41.85335 1% 的显著性水平*-3.4355 5% 的显著性水平-
14、2.8630 10% 的显著性水平-2.5676 观察上述ADF检验结果，由于41.853353.4355，表明在1%的显著性水平下可以拒绝序列存在单位根的原假设，同理，5%和10%的显著性水平下都落入拒绝域。ADF检验也说明序列是平稳的，不需要采用差分来使其平稳。其次是对恒生指数收益率时间序列的平稳性检验，单位根检验结果如下：表1.3 指数收益率的单位根检验ADF检验-54.13189 1% 显著性水平-3.4355 5% 显著性水平-2.8630 10% 显著性水平-2.5676观察上述ADF检验结果，由于54.131893.4355，表明在1%的显著性水平下可以拒绝序列存在单位根的原假设
15、，同理，5%和10%的显著性水平下都落入拒绝域。ADF检验结果说明序列是平稳的，不需要采用一阶差分来使其平稳。这与期货收益率序列的检验结果相一致，说明期货与现货两个收益率序列都是平稳的随机过程。1.4 协整性检验本文针对恒生指数期货和现货两个收益率序列：f和s，做协整性检验，其意义在于：如果他们之间是协整的，则它们之间存在一个长期的均衡关系，反之，如果这两个变量不是协整的，则他们之间不存在一个长期均衡的关系。只是检验股指期货与现货之间关系的一个重要环节。Johansen协整性检验结果如下：表1.4 Johansen协整性检验零假设特征值迹统计量5%显著性水平1%显著性水平None * 0.18
16、8876 1227.827 15.41 20.04At most 1 * 0.172150 582.4503 3.76 6.65标准化的协整向量SF 1.000000 1.368250 (0.06020)根据上表中迹统计量的值可知，有两个值大于1%和5%置信水平下的零界值，因此f与s之间存在两个协整关系。并得到协整关系的数学表达式：，并对上述e序列进行单位根检验，发现该序列是平稳的，因此残差序列是平稳的，我们可以得出结论：恒生指数期货和恒生指数之间存在长期稳定的协整关系。1.5 格兰杰因果关系检验完成了协整性检验之后，这一步使用格兰杰因果检验，判断何者为原因，何者为结果。而在检验中，滞后阶数的
17、选择也是一个重要的问题，通常也必须考虑AIC和SIC值。因此沿用上一章的结果，选取赤池和施瓦茨值最低的滞后四阶，N=4,得出结论如下表：表1.5 格兰杰因果检验滞后阶数: 4阶观测值：3084零假设:F-统计量概率RT 不是 HSIRT的格兰杰原因：0.76765 0.54617 HSIRT 不是 RT的格兰杰原因：1.93105 0.10251观察格兰杰因果检验的结果，对于“期货不是现货的原因”，格兰杰统计量F0.76765，概率P=0.54617，在临界值左侧，因此原假设被接受；而对于“现货不是期货的原因”，格兰杰统计量F1.93105，概率P=0.10251，在临界值右侧，因此原假设被拒
18、绝。从而我们可以得出结论：恒生股指期货的收益率不是现货（恒生指数）的格兰杰原因，而现货（恒生指数）是恒生股指期货的格兰杰原因。也就是说现货导致期货，恒生指数的波动导致了恒生指数期货的波动，前者的价格决定了后者的价格。但是这一结果与许多研究期货与现货市场的参考文献的结论不一致，如Kawaller（1987）Chan(1992)等。2 模型的设定本文要分析恒生股指期货对恒生指数的市场间的波动溢出效应，首先要拟合期货和现货之间关系的模型，然后才能展开之后的实证分析。由于协整序列的残差项具有较强的预测能力，信息对波动反应的不对称性与波动的集聚性都能用EGARCH模型来很好地模拟，并且可以很好地双向刻画
19、期货市场波动对现货市场的影响以及现货市场的波动对期货市场的影响，因此本文利用双变量误差修正EGARCH模型来拟合两个市场的波动溢出效应，首先需要建立双变量误差修正模型。设现货收益率序列为,期货收益率序列为,由于本文1.3节得出了两个序列都是平稳的结论，并且存在长期稳定的协整关系，因此建立两个市场之间的双变量EC-GARCH模型如下： (2.1) (2.2)其中St为现货收益率，Ft为期货收益率，i为滞后阶数，Zt-i为误差修正项，且Zt-1 =Ft-1-St-1, 为白噪声，且， （2.3）这里,考虑到期货市场和现货市场之间的稳定性相互关系，协方差项定义为： （2.4）上述为t时刻信息集，分别
20、表示条件方差和条件协方差，和Zit分别为残差项和误差修正项。方程（2.3）即为EGARCH方程，为常数项，为无条件方差的滞后项系数，用来描述方差的“集聚性”。，表示消息对波动的影响程度，若，则波动的不对称性存在。作为信息冲击时的不对称效应参数，当时，负冲击对波动的增加大于正冲击，当时，负冲击对波动的增加小于正冲击。这就是所谓的杠杆效应（Nelson,1991）。系数为协整残差平方的自然对数项系数，这是一个新的误差调整项，用来说明协整残差平方对数项对ln能否具有预测作用，用来捕捉误差修正项对条件方差的影响效果。系数为一个市场对另一个市场的影响因子，用来说明两个市场间的关系和影响程度。如果为负，正
21、冲击将减缓市场的波动，负冲击将增加市场的波动；如果为正，正冲击将增加市场的波动，负冲击将减缓市场的波动。至此，我们从恒生指数期货市场和现货市场的关系出发，利用双变量EGARCH模型就可以构建出能够真实反应其波动溢出关系的双变量EC-EGARCH模型。在上述分布假设下，我们可以用最大化对数似然函数来估计各参数。若样本数为T，则系数向量的对数似然函数为 （2.5）其中，且系数向量为。3 期现货市场之间的波动溢出关系的实证分析3.1 双变量VEC模型检验分析和方差分解根据本文前一部分的结论，两序列都是平稳的，不需要一阶差分，并且协整性检验确定了变量之间存在有协整关系，格兰杰因果检验确定了变量之间存在
22、相互引导关系，因此接下来我们要对期货和现货双变量（VEC）模型做出向量误差修正（VEC），滞后阶数由SIC、AIC准则确定，为3阶，得到的双变量EC方程如下： （3.1）上述方程中各变量系数均通过显著性检验，而各统计量的特性检验如下：表3.1 VEC检验 拟合优度0.5049770.400737调整后拟合优度0.5038510.399374F-统计量448.2653293.8535对数似然估计-6338.3288082.875AIC(赤池)4.115647-5.236624SC（施瓦茨）4.131299-5.220972均值-0.000153-8.42E-06标准差2.6859350.0227
23、39对数似然1755.664赤池信息标准-1.126890施瓦茨信息标准-1.091672上述VEC检验结果发现，AIC=4.115647、SC=4.131299，两者的取值都很小，从而滞后3阶所得模型的整体效果较好。并且观察上述协整方程的参数估计值，我们发现误差修正项针对期货是负向调整（-0.9850），针对现货是正向调整（0.0041），从而期货价格的波动要大于现货价格的波动，期货价格相对于现货价格偏高。从下一期来看，由于误差修正的作用，期货价格将下降，现货价格将上升，并趋向于一致。考察上述双变量VEC模型时，我们使用用方差分解将系统中每个内生变量的波动，按其成因分解为与方程信息相关的组成
24、部分，研究模型的动态特征，从而了解各信息对模型内生变量的相对重要性。本节中对所建立的双变量VEC模型进行方差分解如下：表3.2 方差分解 时期方差FS时期方差FS11.891915100.00000.00000010.0176230.71838199.2816221.90382798.764771.23523420.0181211.58062698.4193731.92492796.743153.25684930.0186573.13275996.8672441.96579594.644675.35532940.0201845.42991294.5700951.99833491.715548.
25、28445950.0216189.42091290.5790962.02218990.133789.86622460.02240510.4155389.5844772.04998988.4929111.5070970.02336711.4599588.5400582.07827986.7058213.2941880.02440212.7649587.2350592.10500885.2146714.7853390.02528913.5782486.42176102.13089383.7694516.23055100.02613314.2910785.70893首先分析期货（F）序列的变动长期作
26、用的方差，发现滞后第一期时，方差全部来自期货市场，并且随着滞后期的增加，来自现货市场的方差呈上升趋势，最终趋于16.23%，从而占据了一个较小的份额，而来自期货市场的方差呈下降趋势，最终趋于83.77%，仍然很大。其次我们在分析现货(S)序列变动长期作用的方差，发现滞后第一期时，方差绝大部分来自现货市场，随着滞后期增加，来自期货市场的方差增加，第十期达到14.29%，非常小，而来自现货市场的方差仍然有85.70%。平均来说，来自现货市场的平均方差50.97%要略高于来自期货市场的方差49.03%，但仅高1.94%。这说明恒生股指期货引领恒生指数，恒生指数也引领恒生期货，并且恒生指数现货的引领作
27、用要略大于恒生期货，二者作用相差无几，也就是“相互引领”，因而期货现货双方都在价格发现中起着重要作用。3.2 EC-EGARCH模型实证结果与分析与GARCH类模型相似，EGARCH模型通常用来刻画金融市场中的波动不对称现象。由于恒生指数现货St和期货Ft序列均存在协整关系，因此对残差序列进行了ARCH效应检验，发现LM检验的辅助回归方程的q值相当大，当q=9时，检验依然显著，即残差序列存在高阶ARCH(q)效应，于是本文利用双变量的EC-EGARCH模型来描述股指期货市场的波动溢出效应，并对其波动性关系进行分析。根据上一节中拟合的恒生指数现货与期货的分布滞后方程，估计EC-EGARCH(1,
28、1)模型，以AIC和SIC两个信息准则为标准，优选出一个最好的方程，对模型各参数进行的具体估计结果如下：表3.3 EGARCH(1,1)检验 对上述检验拟合结果做一个分析：上表中，是针对期货及误差调整项对现货市场的影响和现货及误差调整项对期货市场的影响这两个方面来做的双边检验，且其系数均通过了显著性检验，R2数值合理，AIC与SIC都比较小，因此我们可以认为，该EGARCH(1,1)模型较好地拟合了数据。 而接下来的残差分析中，我们需要重点考虑和分析这六个系数值，首先，恒指现货市场和期货市场的值均为负，值均为正，且在1%显著性水平下统计显著，因此方差具有一致性常数关系和波动的“集聚“性。其次，
29、恒指现货市场的值为正，值为负；而期货市场的值为负，值为正，且都统计显著，说明了波动的不对称性存在。具体来讲，在现货市场中，由于，因此负面消息对波动的增加大于正面消息，利空消息能比利好消息产生更大的波动，当利空消息产生时，会给条件方差的对数带来一个（0.142857+（-0.072453）*（-1）=0.2153倍的冲击，而利好消息产生时，只会给条件方差的对数带来一个（0.142857-0.072453）=0.0704倍的冲击。因此恒指现货市场对好消息反应迟钝，而对坏消息反应敏感。而在期货市场中，由于，因此负面消息对波动的增加是小于正面消息的，当利好消息产生时，能给条件方差的对数带来一个（0.1
30、10569+（-0.056517）*（-1）=0.167086倍的冲击，当利空消息产生时，能给条件方差带来一个（0.110569-0.056517）= 0.054052倍的冲击。因此恒指期货市场对好消息反应敏感，对坏消息反应迟钝。这就充分说明了消息对价格波动的影响是不对称的，股指期货与现货的波动都具有杠杆效应。 接下来我们分析恒生指数现货市场与期货市场之间的溢出效应，从两市场关联系数v来看，现货市场关联系数v0,并且只有现货市场的关联系数是统计显著的，而期货市场的关联系数是统计上不显著的。因此，两个市场之间的溢出效应也是不对称的，在恒指现货市场中，期货市场的一阶滞后误差修正项对现货市场有负向的
31、冲击作用，将增加市场的波动，而在恒指期货市场中，现货市场的一阶滞后误差项对期货市场没有显著的影响。因此，恒生指数期货与现货两个市场之间的信息传递和溢出是不对称的，恒生指数期货的交易产生的新息会加剧恒生指数的波动，而恒生指数的波动并不能对期货价格的波动产生显著的影响，我们可以将其定义为“不对称溢出“效应。4 结论与政策建议综上所述，本文首先利用平稳性检验、协整检验、因果关系检验对恒生现货与期货收益率数据序列做了处理，加入误差修正项，建立了双变量EC-EGARCH模型，并作了实证分析和检验，对恒生指数期货与现货之间的波动溢出效应做了一个系统的分析，得出了一些有意义的结论如下：1)恒生指数期货和恒生
32、指数之间存在长期稳定的协整关系，并且恒生股指期货不是恒生指数的格兰杰原因，而恒生指数是恒生股指期货的格兰杰原因。2) 恒生股指期货引领恒生指数，恒生指数也引领期货，也就是“相互引领”。并且恒生现货的引领作用要略大于恒生期货，二者作用相差无几，期货现货双方都在价格发现中起着非常重要的作用。3) 恒生股指现货市场中，利空消息能比利好消息产生更大的波动，市场对好消息反应迟钝，而对坏消息反应敏感；而在恒指期货市场中，利好消息能比利空消息产生更大的波动，市场对好消息反应敏感，对坏消息反应迟钝。因此消息对期现两市的价格波动的影响是不对称的。4) 在恒指现货市场中，期货交易对现货市场有负向的冲击作用，将增加
33、市场的波动，而在恒指期货市场中，现货的交易对期货市场没有显著的影响。两个市场之间的信息传递和溢出是不对称的。因此，我们可以得出一个最主要的结论：恒生股指期货和现货市场的波动性对消息的反应存在不对称，并且期市和现市之间，存在着不对称的溢出效应。本文的研究目的在于，通过对股指期货波动溢出效应的分析和刻画，为即将推出的中国股指期货沪深300股指期货，提供理论支持和借鉴参考。本文对股指期货的波动溢出效应的实证分析，得出的一系列实证结论，对于股指期货的政策分析和建议，有一定的意义。具体来讲，股指期货市场与现货市场是密切相关的，一个成功的股指期货市场，必须要有一个完善而成熟的股市作为支持，否则股指期货将无
34、法发展。由于股指期货通常与现货之间存在长期稳定的联动的关系，因此，股指期货这种金融产品要取得成功，有关它的所有问题都应以股票现货为基础。无论是股票指数期货的推出及风险管理还是法规建设和监管，都必须充分考虑股市的发展。具体说来，本文有如下几点政策建议： 1)股指期货的推出，要本着“宁缺毋滥”的原则，在中国股市的成熟期选择合适的时机推出。本文结论得出了股票现货市场影响期货市场的结论，落实到政策层面上就是首先要在现货市场发展完善的程度之上，再引进股指期货之类的衍生产品，因为成熟和高质量的股市是发展股指期货这种衍生产品的先决条件。2)我们要在坚定引入股指期货的决心的同时，相关的监管，法律和法规一定要走
35、在市场前面。本文结论认为恒生股指期货交易对指数现货有重要影响，起到了正面的稳定作用，减少了其波动性，从而可以起到稳定股票市场的作用。而香港的经验无疑对中国大陆有借鉴意义，因此我们需要循序渐进，在相关的法律和法规完善后，再引入股指期货。而自06年修改证券法以后，07年新的期货管理条例也已经推出，近期中国金融期货交易所公布了中国金融期货交易所沪深300股指期货合约、中国金融期货交易所交易规则及其实施细则征求意见稿，并正式征求意见。虽然相关的规章制度仍然不完善，需要继续努力，但是我们看到，与股指期货监管相关的准备工作，正在稳步进行之中。3)股指期货的风险管理，要避免像股市中那样操纵市场的情况发生。本
36、文结论认为由于股指期货与现货市场存在长期协整关系和联动作用，因此操纵指数成份股也可以操纵期货，操纵期货也可以影响股市中的成份股，从而向风险管理提出了更高的要求。而现在采取的主要对策是为股指期货设置更高的准入门槛，例如提高手续费与保证金比例，设置持仓限额等。笔者认为这是不够的，要同时加强股市与期市的风险管理，例如加强对股指成份股的监管，从两方面入手，才能很好地控制和管理风险。4)股指期货的相关研究，也一定要走在市场前面。例如对波动溢出效应的研究，国内外针对股市做了大量实证分析，但是针对股指期货市场与现货市场的波动溢出的研究还很少，由于一直没有上市股指期货这样的金融衍生产品，因此数据和经验缺乏，限
37、制了此类研究的开展。参考文献：1 Chan, K.,K.C., A.Karolyi. Intraday Volatility in the Stock Index Futures Markets. Review of Financial Studies, 1991:123152.2 Abhyankar, A.H. Return and Volatility Dynamics in the FTSE-100 Stock Index Futures Markets. Journal of Futures Markets.1995(5):457488.3 Cornell.B, K.R.French.
38、 the pricing of stock Index Futures. Journal of Futures Markets, 1983(3):114.4 Cornell.B. Taxes and the Pricing of stock Index Futures: Empirical Results, Journal of Futures markets, 1985: 89101.5 Daigler, Robert, T. Stock index Futures: Hedging of Speculative Markets. Working Papers ,1990:1021.6 Dw
39、yer. G.P Index Arbitrage and Nonlinear Dynamics between the S&P500 Futures and Cash. Review of Financial Studies, 1996:301332.7 Frino. A, West, The impact of Transaction Costs on Price Discovery: Evidence from Cross-listed Stock Index Futures Contracts. Pacific-basin Finance Journal, 2003: 139151.8
40、Herbst. A.F, McCormack, E.N, West. Investigation of a Lead-lag Relationship between Spot Stock Indices and their Futures Contracts. Journal of Futures Markets, 1987:373381.9 Kawaller. I ,Koch. P. the Temporal Price Relationship between S&P500 Futures and the S&P500 Index. Journal of Finance, 1987:13
41、091329.10 Mackinlay, A.C, K.Ramaswamy. Index-futures Arbitrage and the Behavior of Stock Index Futures Prices. The Review of Financial Studies, 1988:137158.11 Richard, S.f, and M.sundarsan. a Continuous Time Equilibrium Model of Commodity Prices in a Multigood Economy. Journal of Financial Economics
42、, 1983:347371.12 Snehal, Bandivadekar, Saurabh,Ghosh. Derivatives and Volatility on Indian Stock Markets. Reserve Bank of India Occasional Papers, 2003.13 洪永淼，成思危, 刘艳辉, 汪寿阳. 中国股市与世界其他股市之间的大风险溢出效应. 经济学, 2004(4):703726.14 凌士勤. 基于高频数据的分类信息混合分布的EGARCH模型. 数量经济技术经济研究, 2005(3):7277.15 张金清，刘庆富.中国金属期货市场与现货市场之间的波动性关系研究. 金融研究，2006(7):102112.作者简介:王郧,湖北武汉人，华中科技大学经济学院数量经济学博士研究生。张宗成,湖北南漳人，华中科技大学经济学院教授，博士生导师。王郧：联系电话:13407153390,电子邮箱:Robert401,地址:华中科技大学主校区西一区30号401房 邮编：430074
