QFII对股指期货波动性的影响 ——以沪深300股指期货
为例
◎李雨欣
【期刊名称】环球市场信息导报 【年(卷),期】2017(000)002 【总页数】2
该文指在研究QFII参与股指期货对股指期货波动性的影响。本文以2010～2015年沪深300股指期货日收益率为样本数据，构建增加虚拟变量的GARCH模型进行实证研究。研究表明：从波动水平来看，QFII参与股指期货对股指期货的波动性具有影响，其在一定程度上抑制股指期货的波动性，但抑制作用较低。
自中国大陆在2002年12月正式实施QFII（Qualifief Foreign Institutional Investors, 合格的境外机构投资者）试点以来，中国证监会、国家外汇管理局与证券交易所对QFII制度限制各项逐步放宽，证监会于2013年1月25日允许QFII通过分别委托三家境内期货公司参与股指期货套保交易，由此正式拉开境外投资机构投资股指期货的内幕。
文献综述
早期国外学者从机构投资者与单个股票之间的关系出发进行研究，研究表明机构投资者因较大的交易量影响到股价。Chart，Louis (1995)对美国37价机构投资者交易前后股票价格的变化进行实证分析发现大宗买卖对股票价格有显著影响。Sias和Richard (1997)通过研究机构投资者与日收益率的相关性发现机构交易者的交易行为之间存在相关性并会引起股价的波动。而以上研究仅表明
机构投资者与股价存在影响，但具体产生何种影响目前还未有一致看法。部分学者认为，机构投资者较个人投资者而言交易更加理性，会推动价格靠近基本价值，起到抑制波动性的作用。Kim(2000)以亚洲及南美国家资本市场为例，实证研究发现样本国家引入QFII制度后股市收益率在前12个月呈上升趋势随后会逐渐回归引入前水平，而波动率则呈下降趋势。另一部分学者则持相反观点，认为机构投资者进入对股市有不稳定影响，市场中的噪声交易者与机构投资者出现羊群效应，发生正反馈交易时，其交易行为会加剧市场波动。DeLong et al.(1990)通过对韩国经济危机时期的研究表明，股市剧烈波动时市场正反馈交易明显加强。Choe(1999)研究韩国等新兴市场发现QFII资本进入会加大资本回报波动，对韩国证券市场造成负面影响，降低证券市场稳定性。 国内学者主要从以下几个角度进行研究，在投资者交易行为方面，刘成彦、胡枫、王皓（2007）研究表明虽然QFII存在羊群行为的特征，但因其理性投资其羊群效应并未表现出正反馈交易特征，不易增大市场的波动性；在金融实证研究中，张雪莹(2005)研究表明QFII增强股市波动性但并不显著的结论。作者认为原因之一是数据周期短，入市资金所占比例较小；另外我国股市扩容也抵消QFII入市资金供给力度。王麟乐、张一(2011)选取1990到2009年上证综指数据，发现QFII对A股市场收益率波动有减弱作用，但并不显著。
实证研究
模型构建
本文采用采用GARCH模型，通过增加前期预测方差滞后项，将前期的随机误差平方项和滞后的条件方差项进行线性组合，不仅具有ARCH描述时间序列条件异方差的和描述波动性与集聚性的特性，同时简化高阶ARCH的参数。为了
表示QFII进入前后股指期货收益率的变化，本文在GARCH（1,1）模型中引入（0,1）的虚拟变量D，通过估计得出的虚拟变量系数的正负值判断分析QFII引入股指期货后对股指期货市场的影响。修正模型为公式（2） 修正后标准条件均值方程： 修正后的条件方差方程：
D=0：QFII进入股指期货前D=1：QFII进入股指期货后
修正后的模型中各含义的解释：α0表示所研究的对象的系统特性；α1表示在T-1时期的的系数，经济含义表示近期的噪声或者市场信息对σt的影响程度；β表示T-1时期的系数，经济学含义表示未来市场的波动性收到前期陈旧信息影响的程度大小，其中β的值越大，表示波动性受干扰因素影响的时间越长，即信息在市场上吸收反馈较快，传递也较快。虚拟变量系数反应波?动性的变化，通过的大小可以在一定程度上反应QFII进入前后股指期货市场上收益率的波动程度。
样本选取与处理
本文选取沪深300指股指期货为研究对象，通过事件研究法，将政策允许QFII进入股指期货的2013年1月25日作为分界点，2010年10月14日～2013年1月24日为QFII进入股指期货前的研究子区间，共834个数据；2013年1月25日～2015年5月08日为QFII进入股指期货后的研究子区间，共832个数据。
对于沪深300股指期货合约的选择：首先，选取最近交割的主力股指期货合约作为研究对象，当最近期的股指期货合约即将交易退出市场时，选取下一个最近期的主力期货合约作为研究对象，形成连续合约；其次，对于停盘日数据，
因为停盘日不进行交易，所以收盘价等数据均不会变动，因此对于采样区间的数据期间内的停盘价运用停盘前一日的数据进行补充。在对于股指期货波动性研究方面，因为对数收益率经过对数变换可以在一定程度上消除非平稳性，将序列转换为线性趋势，因此一般将日收盘价进行处理后采用对数收益率刻画波动性的大小。
其中，表示t时间的对数收益率，表示t时间的股指期货日收盘价。 数据统计特征分析
根据对数收益率RFt的直方图及描述性统计数据可知，其峰度为8.335337大于3，偏度-0.177065小于0，说明数据左拖尾，具有“尖峰尾厚”的特征。同时，JB的统计量为1984.708，伴随概率为0，表示股指期货的对数收益率拒绝序列服从正态分布的原假设，即序列不服从正态分布。根据RFt的时序图可观察到，对数收益率的波动存在聚集现象。以上特征综合显示出数据存在异常值成群、波动聚集的特征，可以初步判断RF序列具有ARCH效应。
实证过程与回归结果分析
ARCH效应检验
ARCH效应检验是建立ARCH模型或ARCH族类模型的基础，本文按照下列步骤进行建模。第一，进行ADF检验。如果原序列非平稳，存在单位根，则对其一阶差分序列进行ADF检验，以此类推，直至序列平稳；第二，通过AIC和SC值的大小确定ARMA(p,q)中p与q的值，其值越小模型越优；第三，根据确定滞后期p值，初步建立ARCH均值模型，表示股指期货收益率RF序列服从AR(P)自回归模型，对均值模型进行LS估计与ARCH-LM检验，判断ARMA(p，q)模型的残差的波动聚集性，若滞后期p值较大则选择GARCH模
型；第四，构建GARCH模型。从较小的滞后阶数开始对GARCH项系数显著性进行检验，判断模型中的残差是否还存在ARCH效应，若残差仍存在ARCH效应则增加GARCH的阶数，直至残差的ARCH效应消失为止；第五，对GARCH模型进行修正，加入虚拟变量。将QFII进入股指期货前后作为两个区间，前期d=0，QFII进入后d=1，通过对虚拟变量D其系数及显著性的分析判断QFII进入股指期货对股指期货的波动性是否有较大影响。
（1）平稳性检验。对进行ADF检验。检验结果：RF的T统计量为-42.22318，绝对值均大于1%、5%、10%下的临界值，因此拒绝存在单位根的原假设，即RF序列不存在单位根，序列是平稳的，满足建立ARCH或GARCH模型的检验条件。
（2）自回归性检验 假设RF的均值方程为：
其中,εt～N(0,σ ),且为白噪声序列，βt为滞后期相应项的自回归估计系数。 表1为ARMA自回归分析结果：
首先对ARMA(1,1)至ARMA(11,11)进行回归，选取ARMA(3,3)、ARMA(5,5)、ARMA(7,7)三个各自回归系数完全显著的模型，通过表1比较AIC和SC值，发现模型中AIC与SC两个值的变动幅度并不明显，并对各模型的残差序列进行LM检验，其残差均不具有ARCH效应。因此，最后通过比较F统计量及其概率值，选择滞后期为7的自回归模型。根据回归结果可得出自回归方程（5）： 由式（5）可判断，沪深300股指期货的对数收益率存在一定的自相关性，因此接下来可以对RF序列进行ARCH效应检验。 （3） ARCH-LM检验
QFII对股指期货波动性的影响r——以沪深300股指期货为例
