2024年3月8日发(作者：)

总３２卷第６期　兰州财经大学学报　Ｊｏｕｒｎａｌ　ｏｆ　Ｌａｎｚｈｏｕ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｆｉｎａｎｃｅ　ａｎｄ　Ｅｃｏｎｏｍｉｃｓ　Ｖｏ１．３２　Ｎｏ．６　Ｄｅｃ．，２０１６　２０１６年１２月　２０１５年股灾前后沪深３００股指　期现货相关性比较研究　●　耿庆峰　，许莲凤　，宋秀峰　（１．闽江学院经济与管理学院海西财政与金融发展研究中心，福建福州　３５０１０８；　２．闽江学院互联网创新研究院，福建福州　３５０１０８）　摘　要：股指期货推出以来，特别是２０１５年股灾发生后，股指期货能否有效发挥其功能？是否会加剧股票市场的　波动？关于股指期现货间的相关关系问题，业界和学界均存在不同的观点，因此有必要对二者间的关系进行明确　的界定。本研究以股指期货和股指现货为研究对象，通过建立ＶＡＲ模型，并进行Ｇｒａｎｇｅｒ因果关系检验、脉冲响应　分析和方差分解，结果表明，无论是股灾前还是股灾后，股指期货变动对股指现货影响均显著，股指期货具备价格　发现功能：股灾前，股指现货对股指期货影响不显著，股指期货定价无效；股灾后，股指现货对股指期货影响变得显　著，市场逐渐回归理性。　关键词：沪深３００股指；沪深３００股指期货；相关性；股灾　中图分类号：Ｆ８３０．９；Ｆ２２４　文献标识码：Ａ　文章编号：１００４．５４６５（２０１６）０６　０３３．０９　的市值。针对此次股灾，著名财经评论人叶檀指　一、引言　出：“在机构投资者散户化的时代，股指期货助长　了股市的暴涨暴跌，股指期货为投机做空者提供　了一个非常实用的平台，同时也是此次股市暴跌　的主要原因。”中央财经大学知名学者刘姝威也　股指期货，全称是股票价格指数期货，是指以　股价指数为标的物的标准化期货合约，双方约定　在未来的某个特定１３期，可以按照事先确定的股　价指数的大小，进行标的指数的买卖，到期后通过　现金结算差价来进行交割。股指期货具有跨期　性、杠杆性和可做空的特点。　２０１５年上半年，股市气势如虹，甚至出现了　一表示本次股市暴跌是有人利用股指期货恶意操纵　中国股市。而全国人大财经委副主任吴晓灵在　“《财经》年会”上表示，本轮股灾至少包含六大原　因：融资杠杆、市场机制、交易工具、投资者结构、　新股发行制度、媒体言论，而股指期货并非元凶。　知名经济学家宋清辉也表示，“认为期指是本轮　天内千股涨停局面。在所有人都看好股市时，　股灾却出乎意料地爆发了。从６月１５　１３至７月８　大跌的元凶有点夸大其词了，股指期货并非股灾　元凶，因为不管从量级还是从渠道来看，想通过股　３，短短ｌ７个交易日上证指数从５　１７８点暴跌至　１３　３７３点，跌幅为３２．１１％。两市市值蒸发约２４．５　万亿，相当于１０个上海市的ＧＤＰ和ｌ３个中石油　收稿日期：２０ｌ６—０７—０４　指期货操纵股市并非易事，股指期货顶多只是个　催化剂，本轮股市大跌与急速降杠杆和扩容过度　。基金项目：国家自然科学基金项目“基于微观视角的货币政策组合非对称传导效应研究”（７１４７３０３９）；福建省科技　厅软科学基金项目（２０１６Ｒ００７２）。　作者简介：耿庆峰（１９７７一），男，山东济宁人，博士，副教授、硕士生导师，研究方向：金融市场与风险管理；许莲凤　（１９６５一），女，江苏无锡人，副教授，研究方向：财政金融；宋秀峰（１９６７一），男，黑龙江海林人，博士，副教　授，研究方向：产业经济。　一３３—　

兰州财经大学学报　２０１６年第６期　等调控不当相关。”那么，究竟股指期货是不是造　成此次股灾的元凶？股指期货与股票市场之间又　是一种什么样的关系呢？本研究以股灾发生为临　界时间点，选取沪深３００指数日收盘价和相应时　间段内的股指期货日收盘均价，前后各１６９个交　易日的数据，运用ＶＡＲ模型、Ｇｒａｎｇｅｒ因果关系检　验、脉冲响应分析和方差分解等分析方法来探究　股指期货与股票之间的相关关系。　二、文献综述　作为股指的金融衍生品，股指期货与股指间　理论上关系紧密，前者对后者具有价格发现和对　冲系统性风险作用，而后者对前者具有限制和约　束作用。但实际并非如此。自股指期货诞生之日　起，国内外学者就从未停止过对二者相关关系的　研究，总结起来，主要集中在以下三个方面：股指　期货与股票指数间的价格引导关系、股指期货对　股票市场流动性的影响以及股指期货对股票市场　波动率的影响。　（一）股指期货与股指现货价格引导关系　研究　关于股指期货与股指现货价格引导关系的研　究，由于各国股指期货发展阶段不同，采用的实证　分析方法不同，因此各个学者得出的结论也不尽　相同，主要有以下三种：　１．股指期货市场领先股指现货市场。Ｄａｒｒａｔ　等（１９９５）以Ｋｏｓｐｉ２００指数为研究对象，选取２００１　年３月至２００３年６月每１、５、１０、６０分钟数据，运　用ＧＡＲＣＨ、ＥＣＭ模型分析，结果表明股指期货领　先于股指现货市场　；何诚颖等（２０１１）以沪深　３００股指期货为研究对象，采用１分钟高频数据，　运用ＥＣＭ模型和脉冲响应分析，结果表明股指期　货市场领先股票市场　。　２．股指现货市场领先股指期货市场。Ｋｏｓｋｉ　等（２０００）以Ｓ＆Ｐ５００和ＦＴＳＥ指数为研究对象，选　取１９８８年１月４日至１９９２年５月３０日的日交易　数据，运用Ｇｒａｎｇｅｒ因果关系检验分析，结果表明　股票市场领先股指期货市场　；郑鸣等（２０１　１）以　台湾股指为研究对象，选取１５分钟数据，运用　ＥＣＭ模型分析，结果表明台湾股票市场领先股指　期货市场　。　一３４—　３．二者互有领先。Ｓａｎｆｏｒｄ等（１９８７）以　Ｓ＆Ｐ５００指数为研究对象，选取了１９９３年１月至　１９９６年ｌ２月每１５分钟数据，运用ＶＡＲ模型分　析，结果表明市场处于上升期时，股指期货市场领　先股票市场；市场处于下跌期时，股票市场领先股　指期货市场　；肖辉、吴冲锋（２００４）以Ｓ＆Ｐ５００　指数为研究对象，选取２００２年至２００３年１分钟　高频数据进行分析，结果表明股指期货市场与股　票市场之间存在即时互动关系　。　（二）股指期货对股指现货市场流动性的影　响研究　Ｐｉｌａｒ　ａｎｄ　Ｒａｆａｅｌ（２００２）以Ｔｂｅｘ一３５指数期货　为研究对象，采用该指数期货推出前后两年的实　际数据建立多元回归模型，研究表明股指期货的　推出提高了股票市场的流动性　。而在国内，学　者对这一问题的实证分析不多，大多是进行定性　分析。如刘玉生、杨继（２００７）认为股指期货推出　后，提高了资金的安全性和积极性，加快了资金人　市的步伐，因此提高了股票市场的流动性　。　（三）股指期货对股指现货市场波动率的影　响研究　国内外关于股指期货对股票市场波动率方面　的研究一般有以下三种结论：　１．加大股票市场波动率。Ｒｙｏｏ＆Ｓｍｉｔｈ　（２００４）以Ｋｏｓｐｉ２００股指期货为研究对象，研究发　现在股指期货推出后，信息融人市场的速度加快，　这使得股票市场波动率有所增加　；邢天才、张　阁（２００９）以新华富Ａ５０股指期货为研究对象，选　取２００３年到２００８年的日交易数据，运用　ＧＡＲＣＨ、ＴＡＲＣＨ、ＥＧＡＲＣＨ模型检验波动性，结　果表明股指期货的推出轻微地增加了股市的波　动率　加　。　２．减低股票市场波动率。Ａｎｔｏｎｉｏｕ（１９９５）以　ＤＡＸ指数期货为研究对象，选取了１９８７年至　１９９３年的交易数据进行分析，研究表明股指期货　交易降低了股票市场波动率…　；娄群、步研　（２００８）以台湾加权股价指数为研究对象，研究表　明股指期货推出降低了股票市场的波动率¨　。　３．对股票市场波动率没有影响。Ａｎｔｏｎｉｏｓ　Ａｔｏｎｉｏｕ　ａｎｄ　Ｇｒｅｇｏｒｙ　Ｋｏｕｔｍｏｓ（２００４）以德国ＤＡＸ　指数和日本Ｎｉｋｋｅｉ２２５指数期货为研究对象，并　对其进行比较分析，结果表明日经２２５指数和　

耿庆峰，许莲风，宋秀峰　２０１５年股灾前后沪深３００股指期现货相关性比较研究　ＤＡＸ指数的波动性没有发生显著变化　ｉ３｝；谈儒　勇、盛美娜（２０１１）以沪深３００股指期货为研究对　象，选取２００５年至２０１１年的每日收盘价为数据，　运用ＧＡＲＣＨ模型分析，结果表明股指期货的推　出对股票市场的波动性没有显著影响¨　。　从已有的研究文献来看，关于股指期货与股　指现货间的价格引领及波动性，研究结论尚不统　一．对股灾前后二者间的关系进行比较研究的文　献更是少见。这在一定程度上制约了对股票市场　或股指期货市场的施政抉择，也严重降低了政策　的效应。因而，探究股指期货与股票市场间是一　种什么样的关系，前者究竟在多大程度上造成了　此次股灾，具有非常重要的现实意义。　三、研究数据与方法　（一）样本数据选取及处理　２０１５年６月１５日至７月８日是股灾起止时　间，为了比较股灾前后股指现货和股指期货的相关　关系，故选取时间窗口为２０１４年１０月８日至２０１５　年６月１２日以及２０１５年７月９日至２０１６年３月　１８日，两个时间段均为１６９个交易数据。数据来源　于中国金融期货交易所官方网站和同花顺软件。　由于沪深３００指数是由上海和深圳证券市场　中规模较大、流动性较好的３００支Ａ股作为样　本，在某种程度上，它代表了股票市场的发展趋　势，因此本研究以沪深３００指数每日的收盘价作　为股票市场的指标，记为ＨＳ３００。为了与沪深　３００指数形成对照，本研究选择的股指期货是沪　深３００股指期货。由于中国金融期货交易所在每　个交易日都是４个月份的合约上市进行交易，每　个交易日上市的不一定是一样的合约，因此我们　取当天四种合约收盘价的平均值作为股指期货日　收盘价，记为ＧＺＱＨ，这种做法保证了样本的连续　性、对称性和完整性，效果较为理想。但通过分　析，我们发现ＨＳ３００和ＧＺＱＨ两个序列都存在较　强的时间趋势，因此采用对数差分法对数据进行　处理。另外，由于以对数收益率作为市场指数日　收益率可以解决时间序列的平稳性和经济含义等　问题，因此，沪深３００股指现货、期货收益率表示　为式（１）和式（２）：　ＨＳ３００Ｒ＝Ｉｎ（ＨＳ３００　）一Ｉｎ（ＨＳ３００　）（１）　ＧＺＱＨＲ＝Ｉｎ（ＧＺＱＨ　）～ｌｎ（ＧＺＱＨ　）（２）　式（１）中，ＨＳ３００Ｒ表示沪深３００股指现货收　益率，ＨＳ３００．表示第ｔ日沪深３００指数日收盘价，　ＨＳ３００　表示第ｔ一１日沪深指数日收盘价。式　（２）中，ＧＺＱＨＲ表示沪深３００股指期货收益率，　ＧＺＱＨ＋表示第ｔ日股指期货四款合约日收盘价的　平均值，ＧＺＱＨ．．．表示第ｔ～１日股指期货四款合　约日收盘价的平均值。　（二）研究方法　本研究运用计量分析软件Ｅｖｉｅｗｓ７．２，采用定　量分析方法，对沪深３００股指现货收益率　（ＨＳ３００Ｒ）和沪深３００股指期货收益率（ＧＺＱＨＲ）　两个序列进行平稳性检验，在确定变量满足平稳　性要求的前提下再建立ＶＡＲ模型，并进行格兰杰　（Ｇｒａｎｇｅｒ）因果关系检验、脉冲响应分析（Ｉｍｐｕｌｓｅ　Ｒｅｓｐｏｎｓｅ　Ｆｕｎｃｔｉｏｎ）以及方差分解（Ｖａｒｉａｎｃｅ　Ｄｅ．　ｃｏｍｐｏｓｉｔｉｏｎ）等，分析股指现货与股指期货两市场　之间的关系。　四、实证分析　（一）平稳性检验　后续实证分析的基础是时间序列数据具有平　稳性，因此，首先需要对两个时间序列数据进行平　稳性检验。本研究采用Ａｕｇｍｅｎｔ　Ｄｉｃｋｅｙ—Ｆｕｌｌｅｒ　（ＡＤＦ）检验法分别对股指现货收益率（ＨＳ３００Ｒ）　和股指期货收益率（ＧＺＱＨＲ）两个序列进行检验，　结果如表１所示。从表１可以看出，不管是股灾　前还是股灾后，沪深３００股指现货收益率和沪深　３００股指期货日收盘平均收益率在１％、５％、１０％　三个显著性水平下都是平稳的，说明各变量都是　平稳的Ｉ（０）过程，因此可以建立向量自回归模型　（ＶＡＲ）。　表１股指现货收益率（ＨＳ３００Ｒ）和股指期货　收益率（ＧＺＱＨＲ）的ＡＤＦ检验　检验项　时间　区间　统计量　概率Ｐ　ＡＤＦ　伴随　显著性水平　结论　ｌ％　５％　１０％　股灾前　一１２．５０４８３　Ｏ．ｏ０ｏｏ　一３．删１　—２．８７８７２３　—２．５７印１０　平稳　ＨＳ３０ｏＲ　股灾后　一ｌ２．２３９７５　０．０ｏ００　—３．４６９６９１　—２．８７８７２３　—２．５７６ｏ１０　平稳　股灾前　一１３．２０１８８　０．ｏ０ｏ０　—３．棚１　—２．８７８７２３　—２．５７６０１Ｏ　平稳　ＧＺＱＨＲ　股灾后　一１２．１３２１６　０．００ｏ０　—３．删１　—２．８７８７２３　—２．５７６ｏ１０　平稳　一３５—　

兰州财经大学学报　２０１６年第６期　（二）ＶＡＲ模型建立与检验　序列同阶单整是建立ＶＡＲ模型的首要条件。　通过前面的检验可以知道，不管在股灾前还是股灾　后，ＨＳ３ＯＯＲ和ＣＺＱＨＲ两个序列都是平稳的Ｉ（０）过　向量自回归（ＶＡＲ）是基于数据的统计性质　建立模型。ＶＡＲ模型把系统中每一个内生变量　作为系统中所有内生变量的滞后值的函数来构造　模型，从而将单变量自回归模型推广到由多元时　间序列变量组成的“向量”自回归模型。　表２　Ｌａｇ　时间　０　１　程。其次，建立ＶＡＲ模型要确定最佳滞后阶数。本　研究根据ＬＲ、ＦＰＥ、ＡＩＣ、ＳＣ及ＨＱ等准则确定最优　滞后阶数（Ｌａｇ　Ｌｅｎｇｔｈ　Ｃｒｉｔｅｒｉａ），结果如表２所示。　股灾前后ＨＳ３ＯＯＲ和ＣＺＱＨ￣的最优滞后阶数的选择比较　ＬＲ　后　刚　ＮＡ　Ｌ％Ｌ　前　ＦＰＥ　后　ＮＡ　Ａ　＿ｃ　后　刖　后　刖　ＳＣ　后　刖　ＨＱ　后　前　９７１．５８２３　８０２．１３９９　９８３．３Ｉ４１　１．８７ｅ一０８　１．５５ｅ一０７　—１２．１１９７８　—１Ｏ．００１７５　—１２．０８１３４　—９．９６３３０９　一ｌ２．１０４１７　—９．９８６１３９　８０５．８１９５　２３．０２３６６　７．２２１３４６　１．７０ｅ一０８　１．５６ｅ一０７　一ｌ２．２ｌ６４３　—９．９９７７４４　—１２．１０１Ｉ１　一９．８８２４２５　—１２．１６９６０　一９．９５０９１７　２　３　４　５　６　９８９．１４７２　８１０．肿９５　ｌ１．３０１４８　９９０．０７６２　９９４．１７３１　９９８．６１０９　９９９　０９２８　８１７．４９７４　１．７７６８３８　８．２５３６ｏ５　１．６６ｅ～０８’　１．５５ｅ一０７　—１２．２３９３￣　一ｌ０．Ｏｏｏ９９　—１２．０４７１４　—９．８０８７９５　—１２．１６１２９　—９．９２２９４８　ｌ４．１８６８３　１．７２ｅ一０８　１．４９ｅ一０７　—１２．２Ｏｏ９５　—１Ｏ．０４３７２　—１１．９３１８８　—９．７７４６４Ｏ　—ｌ２．０９１６９　—９．９３４４５４　８ｌ９．４７４４　７．７３２９３０　３．７３１５０８　１．７２ｅ一０８　１．５３ｅ一０７　一ｌ２．２０２１６　—１０．０１８４３　—１１．８５６２ｌ　一９．６７２４７２　—１２．ｏ６１６８　—９．８７７９４８　８２８．１０８４　８３３．１４９５　８．２６５２７０　１６．０８０９５　０．８８５５９９　１．７１ｅ一０８　１．４４ｅ一０７　—１２．２０７６４　—１Ｏ．０７６３６　一Ｉ１．７８４８０　—９．６５３５ｌ９　—１２．０３５９４　—９．９０４６５６　９．２６２９９７　１．７９ｅ—Ｏ８　１．４２ｅ一０７　一１２．１６３６６　—１０．０８９３７’　一ｌ１．６６３９４　—９．５８９６５３　—１１．９６ｏ７４　—９．８８６４５２　７　８　ｌｏ０２．３２３　８３６．０１４５　５．８５４６８３　５．１９２８１６　ｔ．８１ｅ一０８　１．４５ｅ一０７　—１２．１５４０４　一ｌ０．０７５ｌ８　一ｌ１．５７７４４　—９．４９８５８６　一【１．９ｌ９９０　—９．８４１０４６　１００４．５ｌ８　８３７．６ｌ２７　３．９２３３６０　２．８５６７６９　１．８５ｅ一０８　１．４９ｅ一０７　—１２．１３１４７　—１Ｏ．ｏ４５１６　一ｌ１．４７８００　—９．３９１６８４　一ｌ１．８６６１２　—９．７７９８０５　表２是股灾前后滞后期０～８时六项指标值　比较。综合考虑各要素显著性，确定２阶是股灾　前ＨＳ３ＯＯＲ和ＣＺＱＨＲ的最佳滞后阶数，６阶是股　灾后ＨＳ３ＯＯＲ和ＣＺＱｉ－ｍ的最佳滞后阶数。　表３　股灾前ＶＡＲ模型估计结果　ＨＳ３ｏｏＲ　ＧＺＱＨＲ　型，并估计得到如表３、表４所示结果。一般来　说，在５％一１０％的显著性水平下，若统计量的绝　对值接近２或大于２，就认为是其影响是显著的。　从表３和表４可以看出：从股指期货对股指现货　的影响角度来看，不管在股灾前还是在股灾后，股　指现货除了受到其本身滞后一阶的影响，还受到　股指期货滞后一阶的影响，表明股指期货对股指　现货的影响在股灾前后均是显著的。同时也说　明：股指期货相对于股指现货更能提前反映市场　０．００６　指标及统计量　标准误　Ｔ统计量　标准误　Ｔ统计量　（ｓ．ｅ）　（Ｓ．ｅ）　常数项　Ｏ．０Ｏｌ　（３０．００２　４１）”　（３．１９）”　．０．００５　信息，具有价格发现功能，而且这种功能并没有因　为股票市场的大起大落而有所改变。从股指现货　对股指期货的影响角度来看，股灾前，股指期货既　Ｈ￥３００Ｒ　０．２４　—０．５０７　Ｏ．２８　—０．３５２　１　滞　阶　（一２．１３）　０．４７５　（一１．２７）　０．２５ｌ　不受来自于股指现货滞后各阶的影响，也不受来　自于其自身滞后各阶的影响，表明股灾前的股指　期货市场没有趋势性，且不可预测；股灾后，股指　后　ＣＺＱ￣Ｒ　Ｏ．２１　（２．３２）　０．２４　（１．０５）　阶　Ｈ￥３００Ｒ　０２３　数　２　．—０．３４９　（一１．５３）　０２９７　（１４７）　．０．２７　—０．２０７　（一０．７８）　０．１１７　（０．５０）　现货滞后二阶和股指现货滞后２阶均对股指期货　影响显著，表明股灾发生后，在政府和监管机构的　干预下，股指现货和期货间的关系逐步回归正常，　阶　ＧＺＱＨＲ　Ｏ．２Ｏ　Ｏ．２４　．注：　表示在５％的显著性水平下显著，　著性水平下显著。　表示在１％的显　股指期货受制于股指现货的理论得到证明。这同　时也从侧面证实，股灾前的股指期货走势远远偏　离于股指现货，表现为“脱缰”状态——股指现货　在确定最优滞后阶数的基础上，建立ＶＡＲ模　３６一　

耿庆峰，许莲凤，宋秀峰　２０１５年股灾前后沪深３００股指期现货相关性比较研究　对股指期货不具备约束。因而，股指期货和股票　其ＶＡＲ模型都是稳定的。　市场的“疯牛”是高杠杆下的投机性力量造成的，　是不可持续的。　表４　股灾后ＶＡＲ模型估计结果　ＨＳ３０ＯＲ　ＧｚＱＨＲ　指标及统计量　标准误　Ｔ统计量　标准误　Ｔ统计量　（ｓ．ｅ）　（Ｓ．ｅ）　常数项　０一０．００２　—０．００２　．０Ｏｌ　（１Ｏ０）０．００２　．　（０．６６）　Ｈ￥３００Ｒ　０．１７　—０．３９６　０２２　—０．３５４　．１　（一２．３２）　（一１．６３）　阶　ＣＺＱＨＲ　００．１４　４２３　０．３４４　．０．１７　（３．１２）　（１．９９）　Ｈ￥３００Ｒ　０．１７　０．２４１　Ｏ０．４９５　．２ｌ　２　（１．４５）　（２．３４）　阶　ＧＺＱＨＲ　Ｏ—０．１３　（１．１６９　２６）　０．１７　０．３９５　．（一２．３１）　ＨＳ３０ＯＲ　Ｏ．１７　一Ｏ．１３３　００．０９０　．３　（一０．７９）　２ｌ　（０．４２）　滞　阶　后　ＧｚＱＨＲ　０—０．１９８　．１４　（００．０４４　．３３）　０．１７　（一１．１４）　阶　Ｈ￥３００Ｒ　０１７　—０．１２１　—０．０１５　数　４　．（一０．７３）　０．２１　（一０．０７）　阶　ＣＺＱ￣Ｒ　Ｏ０．（１０．０８６　．Ｉ３　１６５　．２４）　０　１７　（０．５１）　Ｈ￥３００Ｒ　Ｏ．１６　—０．０２５　０２ｌ　０．１０３　５　（一０．１６）　．（０．５０）　阶　ＣＺＱＨＲ　Ｏ——０．０２４　．１３　（０．０５３　一０．４０）　０．１７　（一０．１４）　Ｈ￥３００Ｒ　Ｏ．１６　—０．２６７　０２０　—０．１６３　６　（一１．６６）　．（一０．８０）　阶　ＣＺＱＨＲ　Ｏ０．．１３　（００９４　０．１６　０．０３８　．７３）　（０．２３）　注：　表示在５％的显著性水平下显著，女　表示在１％的显　著性水平下显著。　接下来对上述ＶＡＲ模型进行稳定性检验。即　看ＡＲ根的倒数是否小于１或者是否落在单位圆　内。若ＶＡＲ模型所有根模的倒数都小于１，即都　落在单位圆内，则该模型是稳定的；反之，则该模　型是不稳定的。本研究利用Ｅｖｉｅｗｓ软件进行　ＶＡＲ模型平稳性检验，结果如表５和图１所示。　从表５和图１我们可以看出，ＶＡＲ模型的所　有根模的倒数都小于１，所有根模都落在单位圆　内，因此我们可以判断不管在股灾前还是股灾后，　表５　股灾前后ＶＡＲ模型的稳定性检验　Ｒｏｏｔ　Ｍｏｄｕｌｕｓ　股灾前　股灾后　股灾前　股灾后　０．０３８８９６—０．４３６０２６ｉ　０．６４６６２８—０．４２１９１４ｉ　０．４３７７５８　０．７７２１０１　０．０３８８９６＋０．４３６０２６ｉ　０．６４６６２８＋０．４２１９１４ｉ　０．４３７７５８　０．７７２１０１　—０．１６６８６４—０．２７９５８３ｉ　一０．６９２１６９—０．２３９０２８ｉ　０．３２５５９２　０．７３２２７９　—０．１６６８６４＋０．２７９５８３ｉ　一０．６９２１６９＋０．２３９０２８ｉ　０．３２５５９２　０．７３２２７９　０．２２９１３６—０．６９４７５１ｉ　０．７３１５６２　０．２２９１３６＋０．６９４７５ｌｉ　０．７３１５６２　—０．０２２９６０—０．７ｌ８２ｏ７ｉ　０．７１８５７４　—０．０２２９６ｏ＋０．７１８２０７ｉ　０．７１８５７４　—０．４９４４１４—０．４２２９０９ｉ　Ｏ．６５０６ｌ３　一Ｏ．４９４４１４＋０．４２２９ｏ９ｉ　Ｏ．６５ｏ６１３　０．３０８０９７—０．２０７０５８ｉ　０．３７１２１０　０．３０８０９７＋０．２０７ｏ５８ｉ　０．３７１２１０　¨，　—　～　、，～　．１　、　，　●　、　ｆ　１　ｌ　ｌ　●　’　＼　■　，　、—～　一　图１　股灾前后ＶＡＲ模型的稳定性检验　一３７—　

兰州财经大学学报　２０１６年第６期　（三）Ｇｒａｎｇｅｒ因果关系检验　格兰杰因果关系可以用来检验两个变量之间　的因果关系，我们用它来检验出ＨＳ３００Ｒ和　ＧＺＱＨＲ的因果性方向，即确定究竟ＧＺＱＨＲ是　ＨＳ３００Ｒ的因，还是ＨＳ３００Ｒ是ＧＺＱＨＲ的因，或　者两者互为因果。　从前面平稳性检验可以看出，不管是股灾前还　是股灾后，ＨＳ３００Ｒ和ＧＺＱＨＲ两个序列都是平稳　的Ｉ（０）的过程，这满足Ｇｒａｎｇｅｒ因果关系检验的前　提，所以可以直接对其进行Ｇｒａｎｇｅｒ因果关系检验。　在对其进行因果关系检验之前，要确定合适的滞后　阶数。在前面，已经确定２阶是股灾前ＨＳ３００Ｒ和　ＧＺＱＨＲ的最佳滞后阶数，６阶是股灾后ＨＳ３００Ｒ和　ＧＺＱＨＲ的最佳滞后阶数。以此进行Ｇｒａｎｇｅｒ因果　关系检验，结果如表６所示。从表６可以看出，不　管在股灾前还是在股灾后，ＧＺＱＨＲ都是ＨＳ３００Ｒ　的Ｇｒａｎｇｅｒ原因，股灾前ＨＳ３００Ｒ不是ＧＺＱＨＲ的　Ｇｒａｎｇｅｒ原因，而股灾后，在１０％的显著性水平下，　ＨＳ３００Ｒ不是ＧＺＱＨＲ的Ｇｒａｎｇｅｒ原因被拒绝，表明　股灾后，两市场表现出渐归理性的趋势。另外，尽　管股灾后，两市场间存在相互影响，但影响的机理　是不同的：股指期货对股指现货有影响表现为股指　期货的价格发现功能，即会提前反映市场信息；股　指现货对股指期货的影响表现为定价机制，即后者　会受到前者的约束和限制。　表６　股灾前后ＨＳ３００Ｒ和ＧＺＱＨＲ的　Ｇｒａｎｇｅｒ检验结果比较　时间　滞后长度　原假设　Ｆ统计量　伴随概　结论　率Ｐ值　ＧＺＱＨＲ　不是ＨＳ３００Ｒ的　３．１９４８１　０．０４３６　拒绝　格兰杰原因　股灾前　２　Ｈ￥３００Ｒ　不是ＧＺＱＨＲ的　０．９７９３４　０．３７７８　不拒绝　格兰杰原因　ＧＺＱＨＲ　不是ＨＳ３００Ｒ的　２．３４５３０　０．０３４ｌ　拒绝　格兰杰原因　股灾后　６　Ｈ￥３００Ｒ　不是ＧＺＱＨＲ的　１．７２２３２　０．１０９５　拒绝　格兰杰原因　（四）脉冲响应分析　脉冲响应函数（ＩＲＦ）是用于衡量来自某个内　生变量的随机扰动项的一个标准差冲击时，另一　内生变量的反应。通过脉冲响应分析，还可以检　验ＶＡＲ模型的稳定性，即当把一个脉动冲击施加　一３８一　在ＶＡＲ模型中某一个方程上时，随着时间的推　移，分析这一冲击是否会逐渐消失。如果逐渐消　失，则说明系统是稳定的；否则，系统是不稳定的。　图２为沪深３００股指期货的脉冲响应。　一．一一　…～．二２：－－－～．一　————■　，一一　　ｒ一’～　．．．图２股灾前沪深３００股指期货ＧＺＱ￣Ｒ的脉冲响应　从图２可以看出，在沪深３００股指现货一个　标准差新息冲击下，股指期货市场表现为“先下　降、后上升、再下降、最后趋于零”的反应路径。　在前三个交易日内，股指期货的反应均为负的。啪　：詈　Ⅲ　蝴　ｊ窑　ｍ　　在第一个交易日，股指期货反应开始下降，在第二　个交易日响应达到最大０．００２５，然后开始上升，　到第三个交易日变为正的，之后响应慢慢上升，到　第四个交易日变为最大，之后响应又缓慢减弱，到　第七个交易日达到稳定水平。　一一　一　‘一　＿＿＿　，，　，，，　＇　２　３　４　５　Ｏ　７　８　３　＇Ｏ　图３　股灾前沪深３００股指现货ＨＳ３００Ｒ的脉冲响应　图３为沪深３００股指现货的脉冲响应。从图　３中可以看出，在２．５天前股指现货对股指期货　的一个标准差新息反应均为正，且在第二个交易　日前反应迅速，到达阶段性低点，此后缓慢下跌，　在第四个交易日达到最低点，并开始上升，但反应　缓慢，且保持在零附近，在第十天达到稳定水平。　图４为股灾后沪深３００股指期货的脉冲响　应。从图４可以看出，相较于股灾前，在沪深３００　股指现货一个标准差新息冲击下，股指期货市场　表现与股灾前恰好相反，具体表现为“先上升、后　下降、再上升、最后趋于零”的反应路径。在前　２．５个交易日内，股指期货的反应均为正的。在　

耿庆峰，许莲凤，宋秀峰　２０１５年股灾前后沪深３００股指期现货相关性比较研究　第一个交易日，股指期货反应开始上升，在第二个　交易日响应达到最大０．００４８，然后开始下降，到　第２．５个交易日变为负的，且在第三个交易日达　到最低点０．００３３，之后响应缓慢上升，在第十个　交易日趋于稳定水平。　，　－—＼　．｜．＼１—　ｒ　一　，　图４股灾后沪深３００股指期货ＣＺＱＨＲ的脉冲响应　图５为股灾后沪深３００股指现货的脉冲响　应。从图５中可以看出，股灾后的股指现货脉冲　响应类似于股灾前，在２．５天前股指现货对股指　期货的一个标准差新息反应均为正，且在第二个　交易日前反应迅速，到达阶段性低点，此后缓慢下　跌，在第四个交易日达到最低点，并开始缓慢上　升，且保持在零附近，在第十天达到稳定水平。　…．．　‘．＿～　，　图５　股灾后沪深３００股指现货ＨＳ３ＯＯＲ的脉冲响应　从上述分析可以看出，不管是股灾前还是股灾　后，沪深３００股指现货对股指期货一个标准差的新　息冲击反应类似，且反应都比较大，且速度比较快，　这与前面的分析基本一致，表明股指期货对现货的　影响显著；但在沪深３００股指现货一个标准差的新　息冲击下，股指期货的反应均比较小，且反应速度　慢，但股灾后的反应大小和速度均要优于股灾前，　这也与前面的格兰杰因果关系检验及向量自回归　分析结论一致，表明股指现货对股指期货在股灾前　影响并不显著，但在股灾后影响变得越来越显著。　（五）方差分解　一般情况下，脉冲响应函数捕捉到的是一个　变量的冲击对另一个变量的动态影响路径，但我　们可以利用方差将ＶＡＲ模型系统内一个变量的　方差分解到各个扰动项上，即方差分解提供了关　于每个扰动项因素影响ＶＡＲ模型内各个变量的　相对程度。方差分解结果如表７和表８所示。　表７　股灾前后对ＣＺＱＨ￣方差分解比较　期数　Ｓ．Ｅ．　ＣＺＱＨＲ　Ｈ￥３００Ｒ　时间　一　日Ｕ　后　一　日Ｕ　后　前　后　ｌ　０．０２０９７７　０．０２４６６６　ｌ０ｏ．０ｏｏＯ　１０ｏ．ＯＯ０ｏ　Ｏ．０Ｏ０ｏｏ０　０．ｏｏ０Ｏ００　２　０．０２１０８８　０．０２５２５１　９９．０７０９７　９５．９５９０５　０．９２９０３０　４．０４０９４７　３　０．０２１１６８　０．０２５３９６　９８．９７７０３　９４．８７０４０　１．０２２９６８　５．１２９５９６　４　０．０２ｌ１８７　０．０２５４１７　９８．８６１９９　９４．７２３０６　１．１３８００９　５．２７６９３９　５　Ｏ．Ｏ２１１８８　０．０２５４２１　９８．８５９４２　９４．６９５９４　１．１４Ｏ５８３　５．３Ｏ４０６１　６　０．０２１１９０　０．０２５４２２　９８．８５４８０　９４．６８８２７　Ｉ．１４５１９６　５．３ＩＩ７３２　７　０．０２１１９０　０．０２５４２３　９８．８５４７３　９４．６８６９８　１．１４５２７３　５．３１３０２３　８　０．０２１１９０　０．０２５４２３　９８．８５４６ｌ　９４．６８６５９　１．１４５３９３　５．３１３４１２　９　０．０２１１９０　Ｏ．ｏ２５４２３　９８．８５４６０　９４．６８６５４　１．１４５３９８　５．３ｌ３４６３　ｌ０　０．０２１１９０　０．０２５４２３　９８．８５４６０　９４．６８６５２　１．１４５４０１　５．３１３４８３　表８　股灾前后对ＨＳ３ＯＯＲ方差分解比较　期数　Ｓ．Ｅ．　ＣＺＱｎＲ　ＨＳ３ｏ０Ｒ　时间　一　日ＩＪ　后　一　刖　后　一　刖　后　ｌ　０．０１７９８３　０．Ｏ３１５９６　８９．７００３３　７４．９８７３５　１０．２９９６７　２５．０１２６５　２　Ｏ．Ｏｌ８２６８　０．０３２０５５　８７．４５７６０　７２．９９５４０　１２．５４２４０　２７．ＯＯ４６Ｏ　３　０．０１８３４５　０．０３２６０３　８６．８９４３２　７０．６５４８２　１３．１０５６８　２９．３４５ｌ８　４　０．０１８３９９　０．０３２６２２　８６．７５４８ｌ　７０．５７２５０　ｌ３．２４５１９　２９．４２７５０　５　Ｏ．Ｏ１８４０ｌ　０．Ｏ３２６４４　８６．７４１０１　７０．４９４１９　１３．２５８９９　２９．５０５８ｌ　６　０．０１８４Ｏ４　Ｏ．０３２６４６　８６．７３８８４　７０．４８９４５　１３．２６１１６　２９．５１０５５　７　Ｏ．０ｌ８４０４　０．０３２６４７　８６．７３８３９　７０．４８５７８　１３．２６１６１　２９．５１４２２　８　０．０１８４０４　０．０３２６４７　８６．７３８４ｌ　７０．４８５５Ｉ　Ｉ３．２６１５９　２９．５１４４９　９　０．０１８４０４　０．０３２６４７　８６．７３８３９　７０．４８５３５　１３．２６１６１　２９．５１４６５　１０　０．０１８４０４　Ｏ．Ｏ３２６４７　８６．７３８３９　７０．４８５３４　ｌ３．２６１６ｌ　２９．５１４６６　从表７和表８可以看出：在对ＣＺＱＩ－ｉＲ的方　差分解中，第１期日收益率的波动完全由自己引　起，即便随着预测期的延长，沪深３００股指现货对　股指期货波动的解释程度逐渐增加，但来自于前　者的解释占比还是较小，且股灾后的解释程度比　股灾前的解释程度更高；在对ＨＳ３ＯＯＲ的方差分　解中，即便随着预测期的延长，股指期货对股指现　货波动的解释程度在降低，但不管是股灾前，还是　股灾后，股指现货的波动来自于期货波动的解释　均大于来自于本身的解释。　五、结论及政策建议　作为我国多层次资本市场建设的重要组成部　一３９—　

兰州财经大学学报　２０１６年第６期　分，股指期货市场的推出对于股票市场的价格发　现、管理系统性风险和活跃市场均具有重要的现　实意义。但是，所有股指期货市场功能的有效发　挥均是在一系列假设条件下才能实现，那么，现实　中的股指期货和现货间是否符合理论上的逻辑关　系，是需要实证的，本研究实证结论如下：　（一）结论　１．不管是股灾前还是股灾后，股指现货除了　受来自于其自身走势的影响，还会受到来自于股　指期货的影响。这表明我国的沪深３００股指现货　具有趋势性，是可测的。这对于机构投资者具有　一定的启发性。另外，相对于股指现货市场，股指　期货市场对市场信息反应更敏感，也更能够提前　反映市场信息，或者说，股指期货对股指现货具有　价格发现功能。实际上，期货市场的价格发现功　能是其最主要的经济功能之一，它反映了在一个　公开、公平、高效、竞争的期货市场中，其能够比较　真实地反映未来现货价格变动的趋势。　２．股灾前，股指现货对股指期货的影响不显　著，表明股指期货的走势不受现货约束和限制，期　货定价效率不高，这主要是由于股指期货市场投　机性太强而导致的。实际上，期货市场上要有投　机、套期保值和套利三类参与者，且三类参与者要　有一个合理的比例。投机者能够有效活跃市场，　套期保值者能够有效管理系统性风险，套利者能　够使得期货定价有效。其中，期货市场上众多的　套利交易是期货定价得以有效的前提。正常情况　下，股指期货和股指现货价格走势应在动态均衡　通道内，当这种动态均衡被打破，套利的力量会促　使二者再次走向均衡。反观我国股灾前的股指期　货价格走势，一天内开盘即跌停的现象时有发生，　这实际上反映了我国股指期货市场上投机气氛浓　厚，而套期保值和套利者较少的事实。　３．股灾后，股指现货对股指期货的影响变得　显著，且随着时间的推移，这种显著性越来越强。　这表明对于股指期货的监管非常有必要，不能任　由股指期货市场的投机性发展。而经过监管后的　股指期货和现货市场，其走势会逐步趋于成熟稳　定，也从侧面证实股指期货并非股灾的元凶。实　际上，是股灾导致了股指期货相对于股指现货的　“脱缰”和走偏，而不是由于股指期货导致了股票　的大幅度波动。另外，监管机构要随时注意监控　．．——４０．．．——　两个市场的风险，保持二者是在一个合理的动态　空间内，这样，股指期货的定价效率才会较高。　（二）政策建议　１．推进市场法制化建设。强化监管。上述实　证分析表明股指期货对股票有价格发现功能，股　指期货市场比股票市场更能优先反映市场信息。　但是如果要准确、优先地反映市场信息，首先要有　一套完善的法律机制，这样才可避免信息不对称、　虚假信息和过度投机等影响市场信息的有效性、　真实性和完整性。　目前我国股指期货市场主要以《期货交易管　理条例》为法律依据，但股指期货有自身独特的　运行特点，因此《期货交易管理条例》不能完全适　用于股指期货，我国应逐步加快股指期货市场的　立法步伐。且目前我国对股指期货市场和股票市　场的监管是比较独立和分散的，而股指期货是由　股票衍生出来的金融衍生品，它们是密不可分的，　因此要联合监管股指期货市场和股票市场。　２．扩大市场的参与者。提高活跃度。上述实　证表明股票不是股指期货的原因，这可能是由于　我国股票市场的交易不够活跃。市场的活跃度主　要看市场的成交量和股票的换手率。因此，首先　相关部门要推进股票的多元化与创新性，因为投　资者进入市场的目的各不相同，只有多种多样的　股票才能满足投资者不同的投资需求，才能提高　市场的交易量。其次，交易方式和投资者结构会　影响股票的换手率，相关部门应不断改进技术，使　股票交易更加方便快捷，同时应鼓励个人投资者　进入市场，因为一般来说个人投资者为主体的股　票市场的换手率比机构投资者为主体的股票市场　的换手率更高。　３．优化投资者结构，增加有效性。上述实证　表明股指现货不是股指期货的原因，这可能是由于　市场上投机、套期保值和套利三类投资者比例不合　理。而只有合理的投资者比例才能发挥市场的有　效性，因此要促进投资者比例的合理化。目前市场　上三种投资者不合理主要是以投机为目的的投资　者占大多数，而缺少套期保值者和套利者。因此，　首先要向投资者普及金融知识，提高他们对市场的　认识，以此促进投资者理性投资。其次相关部门应　制定有利于吸引套期保值者和套利者入市的制度，　以此增加市场上套期保值者和套利者比重。　

耿庆峰，许莲凤，宋秀峰　２０１５年股灾前后沪深３００股指期现货相关性比较研究　参考文献　［１］Ｄａｒｒａｔ，Ａ．Ｆ．ａｎｄ　Ｒａｈｍａｎ，Ｓ．Ｈａｓ　Ｆｕｔｕｒｅｓ　Ｔｒａｄｉｎｇ　Ａｃｔｉｖｉ—　ｔｙ　Ｃａｕｓｅｄ　Ｓｔｏｃｋ　Ｐｒｉｃｅ　Ｖｏｌａｔｉｌｉｔｙ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｆｕｔｕｒｅｓ　Ｍａｒｋｅｔｓ．１９９５，１５（５）：５３７～５５７．　［９］Ｒｙｏｏ，Ｈ．Ｊ＆Ｓｍｉｔｈ，Ｇ．Ｔｈｅ　Ｉｍｐａｃｔ　ｏｆ　Ｓｔｏｃｋ　Ｉｎｄｅｘ　Ｆｕｔｕｒｅｓ　ｏｎ　ｔｈｅ　Ｋｏｒｅａｎ　Ｓｔｏｃｋ　Ｍａｒｋｅｔ［Ｊ］．Ａｐｐｌｉｅｄ　Ｆｉｎａｎｃｉａｌ　Ｅｃｏ—　ｎｏｍｉｃｓ．２００４，１４（４）：２４３～２５１．　［１０］邢天才，等．股指期货的推出对现货市场影响的实证　研究——基于新华富时Ａ５０的分析［Ｊ］．财经问题研　究，２００９，（７）：８３～８８．　［２］何诚颖等．基于高频数据的沪深３００指数期货价格发　现能力研究［Ｊ］．数量经济技术经济研究，２０１１，（５）：　ｌ３９～ｌ５１．　［１　１］Ａｎｔｏｎｉｏｕｓ，Ａ　ａｎｄ　Ｈｏｌｍｅｓ，Ｐ．Ｆｕｔｕｒｅｓ　Ｔｒａｄｉｎｇ　Ｉｎｆｏｒｍａ—　ｔｉｏｎ　ａｎｄ　Ｓｐｏｔ　Ｐｒｉｃｅ　Ｖｏｌａｔｉｌｉｔｙ：Ｅｖｉｄｅｎｃｅ　ｆｏｒ　ｔｈｅ　ＦＴＳＥ一　［３］Ｋｏｓｋｉ，Ｊｅｎｎｉｆｅｒ　Ｌｙｎｃｈ，ａｎｄ　Ｒｏｎｉ　Ｍｉｃｈａｅｌｙ．Ｐｒｉｃｅｓ，Ｌｉｑｕｉｄ—　ｉｔｙ，ａｎｄ　ｔｈｅ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｃｏｎｔｅｎｔ　ｏｆ　Ｔｒａｄｅｓ［Ｊ］．Ｒｅｖｉｅｗ　ｏｆ　Ｆｉｎａｎｃｉａｌ　Ｓｔｕｄｉｅｓ，２０００，１３（３）：６５９～６９６．　１００　Ｓｔｏｃｋ　Ｉｎｄｅｘ　Ｆｕｔｕｒｅｓ　Ｃｏｎｔｒａｃｔ　Ｕｓｉｎｇ　ＧＡＲＣＨ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｂａｎｋｉｎｇ＆Ｆｉｎａｎｃｅ．１９９５（１９）：ｌ　１７—１２９．　［４］郑呜等．大陆与台湾股指期货价格发现功能比较研究　［１２］娄群，等．股指期货的推出对现货市场影响的实证研　究——基于台湾加权股价指数的实践［Ｊ］．甘肃金　融，２００８，（９）：１６～１９．　［Ｊ］．投资研究，２０１１，３０（１２）：７４—８５．　［５］Ｓａｎｆｏｒｄ　Ｊ．Ｇｒｏｓｓｍａｎ．Ａｎ　Ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　Ｉｍｐｌｉｃａｔｉｏｎｓ　ｆｏｒ　Ｓｔｏｃｋ　ａｎｄ　Ｆｕｔｕｒｅｓ　Ｐｒｉｃｅ　Ｖｏｌａｔｉｌｉｔｙ　ｏｆ　Ｐｒｏｇｒａｍ　Ｔｒａｄｉｎｇ　ａｎｄ　［１　３　Ｊ　Ａｎｔｏｎｉｏｓ　Ａｎｔｏｎｉｏｕ，Ｇｒｅｇｏｒｙ　Ｋｏｕｔｍｏｓ．Ｍｏｍｅｎｔｕｍ　Ｔｒａｄｉｎｇ：Ｅｖｉｄｅｎｃｅ　ｆｒｏｍ　Ｆｕｔｕｒｅｓ　Ｍａｒｋｅｔｓ［Ｊ］．Ｗｏｒｋｉｎｇ　Ｐａｐｅｒｓ．ＳＳｒｎ．ｃｏｍ，２００４，（２）：２．　Ｄｙｎａｍｉｃ　Ｈｅｄｇｉｎｇ　Ｓｔｒａｔｅｇｉｅｓ［Ｊ］．ＮＢＥＲ　Ｗｏｒｋｉｎｇ　Ｐａｐｅｒ　Ｓｅｒｉｅｓ．１９８７（８）．　［６］肖辉，等．股指与股指期货日内互动关系研究［Ｊ］．系　统工程理论与实践，２００４，（５）：１５～２１．　［１４］谈儒勇，等．股指期货会影响现货市场波动性吗——　基于沪深３００期货合约的研究［Ｊ］．＇３代财经，－２０１ｌ，　（１Ｏ）：５６～６４．　［７】Ｐｉｌａｒ，Ｃ　ａｎｄ　Ｒａｆａｅｌ，Ｓ．Ｄｏｅｓ　ｄｅｒｉｖａｔｉｖｅｓ　ｔｒａｄｉｎｇ　ｄｅｓｔａｂｉｌｉｚｅ　ｔｈｅ　ｕｎｄｅｒｌｙｉｎｇ　ａｓｓｅｔｓ？Ｅｖｉｄｅｎｃｅ　ｆｒｏｍ　ｔｈｅ　Ｓｐａｎｉｓｈ　ｓｔｏｃｋ　［１５］耿庆峰，等．基于收益率视角的中国股市联动性研究　［Ｊ］．广西财经学院学报，２０１３，（４）：６３～７１．　［１６］耿庆峰，等．我国融资融券业务与股市波动相关性研　ｍａｒｋｅｔ［Ｊ］．Ａｐｐｌｉｅｄ　Ｅｃｏｎｏｍｉｃｓ　Ｌｅｔｔｅｒｓ，２００２，９（２）：１０７　～ｌ１０．　［８］刘玉生，等．股指期货的推出对股票市场的影响探析　究［Ｊ］．闽江学院学报，２０１６，（１）：４７—５６．　［Ｊ］．宏观经济研究，２００７，（１１）：５２～５８．　Ａ　Ｃｏｍｐａｒａｔｉｖｅ　Ｓｔｕｄｙ　ｏｎ　ｔｈｅ　Ｃｏｒｒｅｌａｔｉｏｎ　Ｂｅｔｗｅｅｎ　ＣＳＩ　３００　Ｉｎｄｅｘ　Ｆｕｔｕｒｅｓ　ａｎｄ　ＣＳＩ　３００　Ｉｎｄｅｘ　ｉｎ　２０１５　ＧＥＮＧ　Ｑｉｎｇ－ｆｅｎｇ　，ＸＵ　Ｌｉａｎ－ｆｅｎｇ　，ＳＯＮＧ　Ｘｉｕ－ｆｅｎｇ　（１．Ｒｅｓｅａｒｃｈ　Ｃｅｎｔｅｒ　ｆｏｒ　Ｆｉｓｃａｌ　ａｎｄ　Ｆｉｎａｎｃｉａｌ　Ｄｅｖｅｌｏｐｍｅｎｔ　ｏｎ　ｔｈｅ　Ｗｅｓｔ　Ｃｏａｓｔ　ｏｆ　ｔｈｅ　Ｔａｉｗａｎ　Ｓｔｒａｉｔ．　Ｓｃｈｏｏｌ　ｏｆ　Ｅｃｏｎｏｍｉｃｓ　ａｎｄ　Ｍａｎａｇｅｍｅｎｔ，Ｍｉｎｊｉａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ　３５０１０８；　２．Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｉｎｔｅｒｎｅｔ　Ｉｎｎｏｖａｔｉｏｎ，Ｍｉｎｊｉａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ　３５０１０８，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｓｉｎｃｅ　ｓｔｏｃｋ　ｉｎｄｅｘ　ｆｕｔｕｒｅｓ　ｈａｓ　ｂｅｅｎ　ｌａｕｎｃｈｅｄ．ｅｓｐｅｃｉａｌｌｙ　ａｆｔｅｒ　ｔｈｅ　２０　１　５　ｓｔｏｃｋ　ｍａｒｋｅｔ　ｃｒａｓｈ．ｃａｎ　ｓｔｏｃｋ　ｉｎｄｅｘ　ｆｕｔｕｒｅｓ　ｐｌａｙ　ｅｆｆｅｃｔｉｖｅｌｙ　ｉｔｓ　ｆｕｎｃｔｉｏｎ　Ｗｈｅｔｈｅｒ　ｉｔ　ｗｉｌｌ　ｅｘａｃｅｒｂａｔｅ　ｔｈｅ　ｖｏｌａｔｉｌｉｔｙ　ｏｆ　ｔｈｅ　ｓｔｏｃｋ　ｍａｒｋｅｔ　Ｈｏｗ　ｃａｎ　ｔｈｅ　ｃｏｒｒｅｌａｔｉｏｎ　ｃｈａｎｇｅ　ａｒｏｕｎｄ　ｔｈｅ　ｓｔｏｃｋ　ｍａｒｋｅｔ　ｃｒａｓｈ　Ｔｈｅｒｅ　ａｒｅ　ｄｉｆｆｅｒｅｎｔ　ｐｏｉｎｔｓ　ｏｆ　ｖｉｅｗ　ａｂｏｕｔ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｉｎ　ｔｈｅ　ｆｉｅｌｄ　ｏｆ　ｉｎｄｕｓｔｒｙ　ａｎｄ　ａｃａｄｅｍｉａ．ｗｈｉｃｈ　ｉｓ　ｔｈｅ　ｒｅｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ｓｔｏｃｋ　ｉｎｄｅｘ　ｆｕｔｕｒｅｓ　ａｎｄ　ｓｐｏｔ．ｉｔ　ｉｓ　ｎｅｃｅｓｓａｒｙ　ｔｏ　ｍａｋｅ　ａ　ｃｌｅａｒ　ｄｅｆｉｎｉｔｉｏｎ　ｏｆ　ｔｈｅ　ｒｅｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ｔｈｅｍ．Ｔｈｉｓ　ｓｔｕｄｙ　ｔａｋｅｓ　ｓｔｏｃｋ　ｉｎ．　ｄｅｘ　ｆｕｔｕｒｅｓ　ａｎｄ　ｓｔｏｃｋ　ｉｎｄｅｘ　ｓｐｏｔ　ａｓ　ｔｈｅ　ｒｅｓｅａｒｃｈ　ｏｂｊｅｃｔ，ｔｈｒｏｕｇｈ　ｔｈｅ　ｅｓｔａｂｌｉｓｈｍｅｎｔ　ｏｆ　ＶＡＲ　ｍｏｄｅｌ，ａｎｄ　Ｇｒａｎｇｅｒ　ｃａｕｓａｌｉｔｙ　ｔｅｓｔ，ｉｍｐｕｌｓｅ　ｒｅｓｐｏｎｓｅ　ａｎａｌｙｓｉｓ　ａｎｄ　ｖａｒｉａｎｃｅ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ，ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ：Ｅｉｔｈｅｒ　ｂｅｆｏｒｅ　ｏｒ　ａｆｔｅｒ　ｔｈｅ　ｓｔｏｃｋ　ｍａｒｋｅｔ　ｃｒａｓｈ，ｓｔｏｃｋ　ｉｎｄｅｘ　ｆｕｔｕｒｅｓ　ｐｌａｙ　ｉｍｐａｃｔ　ｏｎ　ｓｔｏｃｋ　ｉｎｄｅｘ　ｓｐｏｔ　ｓｉｇｎｉｆｉｃａｎｔｌｙ；　ｓｔｏｃｋ　ｉｎｄｅｘ　ｆｕｔｕｒｅｓ　ｈａｖｅ　ｔｈｅ　ｐｒｉｃｅ　ｄｉｓｃｏｖｅｒｙ　ｆｕｎｃｔｉｏｎ；Ｂｅｆｏｒｅ　ｔｈｅ　ｃｒａｓｈ．ｔｈｅ　ａｆｆｅｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｓｔｏｃｋ　ｉｎｄｅｘ　ｉｓ　ｎｏｔ　ｓｉｇｎｉｆｉｃａｎｔ，ｔｈｅ　ｐｒｉｃｉｎｇ　ｏｆ　ｔｈｅ　ｓｔｏｃｋ　ｉｎｄｅｘ　ｆｕｔｕｒｅｓ　ｉｓ　ｉｎｅｆｉｃｉｅｎｔ；Ａｆｆｔｅｒ　ｔｈｅ　ｓｔｏｃｋ　ｍａｒｋｅｔ　ｃｒａｓｈ，ｔｈｅ　ｉｍ—　ｐａｃｔ　ｏｆ　ｓｔｏｃｋ　ｉｎｄｅｘ　ｓｐｏｔ　ｏｎ　ｔｈｅ　ｓｔｏｃｋ　ｉｎｄｅｘ　ｆｕｔｕｒｅｓ　ｍａｒｋｅｔ　ｇｒａｄｕａｌｌｙ　ｒｅｔｕｒｎ　ｔｏ　ｒａｔｉｏｎａｌ　ｍａｒｋｅｔ．　Ｋｅｙ　ｗｏｒｄｓ：ＣＳＩ　３００　ｉｎｄｅｘ；ＣＳＩ　３００　ｉｎｄｅｘ　ｆｕｔｕｒｅｓ；ｃｏｒｒｅｌａｔｉｏｎ；ｓｔｏｃｋ　ｍａｒｋｅｔ　ｃｒａｓｈ　（责任编辑：郑俊义）　４ｌ一　一