股指期货仿真交易市场与股票现货市场的风险联动性

股指期货仿真交易市场与股票现货市场的风险联动性 —基于VAR和BEKK-GARCH模型的实证 内容摘要:股指期货市场和股票现货市场之间存在信息的传递，两市场价格相互影响。与 一元GARCH模型相比，二元GARCH能更好的反映时间序列之间的动态影响。本文利用股指 期货仿真交易市场和现货市场的日收盘价格建立VAR、BEKK-GARCH模型，对股指期货仿真 交易市场和股票现货市场之间的风险联动性进行。实证结果说明，仿真交易市场具有 价格发现功能，仿真交易市场和股票现货市场存在双向波动性溢出，风险联动作用明显。 关键词:股指期货仿真交易市场;股票现货市场; VAR模型;BEKK-GARCH模型 Abstract:The information of stock index futures market and spot market can trans-fer between each other.So the prices of the two markets can influence each other. Binary-GARCH is much better than unitary-GARCH to reflect the dynamic effects of two varies. In this paper,we use the closing prices of the simulation trading of The HS300 stock index futures and HS300 stock index to set up VAR model and BEKK-GARCH model,and then analize the risk linkage of the two markets. Empirical results show that the simulation market has the function of price discovery. There is volatility spillover between the two markets.The linkage of risk is significant. Key words: simulation trading of stock index futures market;stock’s spot market; VAR model;BEKK-GARCH model 1 一、 引言 金融市场的波动,不仅受到自身历史波动的影响,还受到其他市场波动的影响和制约,这种现象被称为波动联动性，波动联动性反映了不同市场之间的风险衍生机制，也就是市场的风险联动性。在金融学领域中，波动性无处不在，波动性体现为风险，研究波动性就是为了更好地控制风险。2010年4月16日沪深300股指期货已经成功上市交易，股指期货推出以来，股票现货市场发生了剧烈的波动，本文致力于分析仿真交易市场和股票现货市场的波动性溢出关系，进而得到两市场的风险联动性。 国内外有大量研究股指期货市场对现货市场影响的文章，而且大部分结论认为:长期而言，股指期货的推出不会增加股指的波动。研究对象主要为美国、日本、英国等发达国家以及已经推出股指期货的亚洲国家，如印度和香港。Santoni (1987) 研究了1975 年至1986 年间的S&P500 指数的日数据和周数据后表明，1982 年4 月S&P500 指数期货上市 [1] [2] 前后，股价指数波动率没有明显变化。 (第18-29页) Edwards (1988)(第371-384页) [3]和Kamara等(1992) (645-658页) 同样指出S&P500 指数期货上市后不会对股指波动产生影响。我国股指期货推出前，大量学者基于其他国家和地区的股指期货市场进行分析，李华、程婧(2006)分析了指出三种日本股票指数期货的推出对于日经225 指数的影响都 [4]不大。(81-83)黄玮，刘再华(2007)把注意力转到发展中国家，分析亚洲新兴资本市 [5]场——印度，发现印度NIFTY 股指期货的推出有效降低了印度股市波动性的结论。 (116-120) 赵焕成(2008)通过建立含股指期货推出前后虚拟变量的AR(1)-TGARCH(1,1)-t 模型分析香港恒生指数期货推出对股指波动的影响，得出股指期货的推出降低股指的波动 [6]性，但这种影响不大。(22-27) 虽然国外股指期货市场的运行情况可以为我国股指期货的运行提供参考，但是，市场机制、市场效率的不同会导致结果的可比性降低。2006年10月30日，中金所股指期货仿真交易开始运行，作为股指期货推出前的模拟交易，其交易规则以及变化规律更能为股指期货推出后的变动情况提供借鉴意义。熊熊，王芳(2008)认为，长期而言沪深300股指期货仿真交易对沪深300 指数具有价格发现的功能;短期内，现货指数对股指期货具有一定的价格发现作用，而且这种作用在不断加强。这表明，我国沪深300股指期货仿真合约 [7]交易规则和是有效的。 (第321-325页) 文先明，梁琳(2010)发现股指期货仿真交易的推出在短期内加大了现货市场的波动，但是他们认为这种波动加速了市场信息 2 [8]流动，因而提高了市场信息的传递效率。(26-30) 通过分析相关文献，笔者发现几乎所有的文章都是通过建立向量自回归模型(VAR)、向量误差修正模型(VEC)以及各种修正形式的一元GARCH模型来进行分析。VEC模型仅能说明变量之间的长期协整关系，相比于各种形式的一元GARCH模型，二元GARCH模型既能有效地刻画单个金融时间序列的波动特征,也能有效的研究两个时间序列之间波动的关联性。VAR模型能够比较清晰地分析变量之间的动态变化，故本文基于VAR、BEKK-GARCH模型分析股指仿真交易和股指之间的关系。 二、实证 在下文以QZ表示IF指数的日收盘价，GZ表示沪深300指数的日收盘价，ln/QZQZt,1，，t表示IF指数的收益率y1，表示沪深300指数的收益率y2。本文是基于各收ln/GZGZt,1，，t 益率序列进行的实证分析，运用的统计分析软件是Eviews 5.0。 (一)平稳性检验及格兰杰因果检验 一般而言时间序列呈现出非平稳性，故在实证分析前前进行平稳性检验，本文使用ADF检验法。理论上认为，期货价格是市场对未来现货市场价格的预估值，两者之间存在密切的联系。在到期日，期货价格将收敛于现货价格。由于影响因素的相近，期货价格与现货价格往往表现出同升同降的关系;但影响因素又不完全相同，因而两者的变化幅度也不完全一致，两者间存在一个基差。为了避免伪相关现象，证明股指期货仿真交易价格和股价之间具有统计因果关系，进行格兰杰因果检验。本文定义公式如下: kk (1) ln/ln/ln/GZGZGZGZQZQZ,,,,,111,，，,,,ttiti，，，，，，,,0,,titiiti,,11ij kk (2) ln/ln/ln/QZQZQZQZGZGZ,,,,,111,，，,,,ttiti，，，，，，,,0,,titiiti,,11ij 其中，k是最大滞后阶数。检验的零假设是序列仿真交易价格(股价)不是序列股价(仿 ,,,,,,,...0真交易价格)的格兰杰原因,即是否。 12k (二)VAR模型 向量自回归(Vector Autoregression )模型1980年由Sims提出，在模型的每一个方程中，内生变量对模型的全部内生变量的滞后值进行回归，检验一个变量是否受其他变量的滞后值影响，用于观察相关时间序列系统的预测和随机扰动对变量系统的动态影响。 3 VAR模型的特点:1.建模时只需确定有关系的变量，并结合LR(似然比)、SC、AIC等准则确定滞后期。2.没有对参数施加零约束。3.解释变量不包括任何当期变量。本文建立的VAR模型为: nn ，，bGZGZ111tln(/),,,,ln(/)ln(/)QZQZaQZQZ,,,,111, (3) itititititi,,t,1,1ii nn (4) ，，aQZQZ112ln(/),,,,itititln(/)ln(/)GZGZbGZGZ,,,,111,ttititi,,,1,1ii 式中，n代表滞后阶数。本文在VAR模型的基础上进行脉冲响应分析和方差分解。 (三)BEKK,GARCH模型 格兰杰因果检验得出是否是因果关系与所选择的置信水平有很大的关系，例如本文下面的实证中发现，如果将置信水平定为5%，则两市场收益率就互不为对方的格兰杰原因，而这是一个难以解释的结果。采用VAR模型时，如果残差项存在条件异方差，并伴随着较强的波动性或者尖峰后尾特征时，模型的解释力将受到质疑。脉冲响应和方差分解在处理新息相关问题，即包含与特定变量相联系得共同成分时，通常将共同成分的效应归属于VAR模型中第一个出现的变量，这就导致改变VAR模型中方程的顺序可能会导致脉冲响应和方差分解的很大不同。 ARCH模型在处理金融时间序列的波动性方面效果非常好，但是一元GARCH模型在研究金融市场的波动性时，只能将几个市场分离开来各自进行研究，这样就丧失了市场之间相关联的有效信息。而BEKK-GARCH模型在考察两个市场的波动性的时候，使用到了残差向量的方差-协方差信息，避免了把两个市场分割开来研究彼此波动关联性的问题。总体而言,采用BEKK-GARCH模型分析市场间的波动关联效应更加合适。 TTTT本文建立BEKK,GARCH模型为: (5) HwwHUU,，，,,,,tttt,,,111 其中服从正态分布 (6) HyHHyyHy,,,,var(),cov(,),var()Uuu,(,)111,12211,2,222,ttttttttttt1,2, w,,,,011212w,,,(),(),(),,其中将二维矩阵式展开，建立BEKK-GARCH(1，1)模型，ww,,,,243434 得到波动方程如下: 222var()var()2cov(,)var()ywyyyy,，，，,,,, 1,111,1121,12,132,1ttttt,,,, 2222，，，,,,,uuuu2 (7) tttt,,,,11,1121,12,132,1 4 2222var()var()2cov(,)var()ywwyyyy,，，，，,,,, 2,2321,1241,12,142,1ttttt,,,, 2222 (8) ，，，,,,,uuuu2tttt,,,,21,1241,12,142,1 cov(,)()cov(,)var()yywwyyy,，，，,,,,,, 1,2,1214231,12,1342,1ttttt,,, 22，，，，,,,,,,,,uuuu() (9) 121,114231,12,1342,1tttt,,,, 股指期货仿真交易市场和股票现货市场的波动主要来自两个方面:一是自身与对方的前期波动以及;二是自身与对方前期绝对残差以及。 cov(,)uucov(,)yy1,12,1tt,,1,12,1tt,, 三、实证分析 (一)数据选择及分析 由于股指期货交易的保证金制度，使其具有低交易成本、高流动性的特点。因此，一般而言，投机资本的效应往往率先在股指期货市场上表现出来，而后将其震荡传递到股票现货市场。 期货不同于股票，每个期货合约都有到期日，合约到期后将会消失，导致期货价格具有不连续性。加之，同一交易日存在不同到月份的期货合约，使得仿真交易合约具有四个交易价格。由于股指期货合约在到期时交易量和价格会发生大幅波动，一般选取最近期月份期货合约的交易价格，最近期合约进入交割月后，选取下一个最近期合约。本文主要对沪深300指数及IF指数组合的日收盘价数据进行分析，样本区间为2008年6月30日到2009年4月27日，共203对数据，数据均来源于文华财经。 现货价格以期货价格为指导，随着合约到期日的来临两者趋向一致，期货价格具有价格发现功能。由于IF指数的标的物是沪深300指数，理论而言，IF指数是预期沪深300指数将来的价格，两者的走势存在着关联，样本期两者收盘价的走势图如下: 5 5000 4500 4000 3500 3000 2500 2000 1500 10002008M072008M102009M012009M04 GZQZ 图1 沪深300指数和IF指数收盘价走势图 图1中，GZ代表沪深300指数，QZ代表IF指数。可以看出2008年6月30日开始IF指数一直远远大于沪深300指数，2008年7月25日IF指数领先1838.6点，两者差距达到最大后开始缩小，2008年9月18日两者基差为3.9，首次为正基差，从这以后两者的差距在较小的范围内波动，股指期货仿真交易经过一段时间严重偏离股指现货市场以后，与现货的关联性增强。纵观整个样本期内，大多数时期基差都为负，即IF指数大于沪深300指数，期货价格大于现货价格，说明市场处于比较正常的供求状况。从2008年6月30日开始到2008年7月25日IF指数一路上涨到最高点4777.8点，引领沪深300指数收盘价也跟着上涨，2008年10月27日IF指数剧烈下降到最低点1516.3点，沪深300指数收盘价也表现出同样的剧烈下降趋势，此后，在IF指数的带动下两者均表现为震荡上升。沪深300股票现货市场(以下简称股票现货市场)随着股指期货仿真交易市场而上升或者下降，这很好地反应了股指期货仿真交易市场的价格发现功能。 (二)平稳性检验及格兰杰因果检验 数据的平稳性检验是实证分析的前提，平稳性检验结果如表下所示: 表1 平稳性检验 临界值 ADF统计序列 量 1% 5% 10% ln/QZQZt,1，，-14.312 -3.4629 -2.8758 -2.5744 t ln/GZGZt,1 ，，-13.77897 -3.4629 -2.8758 -2.5744 t 表1表明，两序列的ADF统计量小于1%的置信水平临界值，在1%的置信水平下序列的 6 平稳性显著。进行本文所需的各种实证分析前进行格兰杰因果关系检验，检验结果如下: 表2 格兰杰因果检验 原假设 F统计值 P值 不是的格兰杰原因 ln/QZQZt,1ln/GZGZt,1，，，，2.62567 0.07495 tt 不是的格兰杰原因 ln/GZGZt,1ln/QZQZt,1，，，，2.09953 0.12528 tt 从表2可以看出虽然在5%的置性水平下不能拒绝不是的ln/QZQZt,1ln/GZGZt,1，，，，tt格兰杰原因，但是在10%的置信水平下可以拒绝原假设，说明股指期货期货仿真交易市场具有价格发现功能，但是该功能的效应表现得还不是很明显，股指期货仿真交易市场的有效性还有待提高;另一方面，不是的格兰杰原因不能被拒绝，ln/GZGZt,1ln/QZQZt,1，，，，tt 说明股票现货市场波动并未显著引起股指期货期货仿真交易市场波动，因此未显著发生衍生风险的双向作用。两者的格兰杰因果关系不是很明显。 (三)VAR模型分析 依据LR、FPE和AIC准则确定最优滞后阶数为2阶。VAR模型估计结果如下:ln/0.170ln/0.119ln/QZQZQZQZQZQZttt,,,123,， ，，，，，，ttt,,12 ,，,0.404ln/0.012ln/0.001GZGZGZGZtt,,23 ，，，，tt,,12 ln/0.186ln/0.056ln/GZGZGZGZGZGZttt,,,123,,，，，，，，ttt,,12 ，，,0.152ln/0.025ln/0.0002QZQZQZQZtt,,23 ，，，，tt,,12 VAR模型各方程及整体检验结果如下: 表3 VAR模型各方程及整体检验结果 以ln/QZQZt,1以ln/GZGZt,1，，，，tt整体检验 统计量 为因变量的方程 为因变量的方程 结果 Akaike AIC -3.242668 -4.327465 -8.550835 Schwarz SC -3.16021 -4.245007 -8.385919 Log likelihood 329.2668 437.7465 865.0835 7 表3中AIC、SC的值均为较小的负值，特别是方程的整体检验结果中的AIC、SC分别达到-8.550835、-8.385919，说明VAR模型的建立结果比较好，两收益率变量均受滞后变量的影响。两残差序列的统计结果为: 2428Series: RESID02Series: RESID01Sample 7/01/2008 4/27/2009Sample 7/01/2008 4/27/20092420Observations 200Observations 2002016Mean 2.08e-19Mean -3.05e-18Median 0.000684Median 0.00079116Maximum 0.098655Maximum 0.13979812Minimum -0.068912Minimum -0.09602412Std. Dev. 0.027183Std. Dev. 0.0467588Skewness 0.142660Skewness 0.2079068Kurtosis 3.568323Kurtosis 2.89690644Jarque-Bera 3.369984Jarque-Bera 1.529394Probability 0.185446Probability 0.46547500-0.05-0.000.050.10-0.10-0.05-0.000.050.10 图2 以、为因变量的方程的残差统计分析 ln/GZGZt,1ln/QZQZt,1，，，，tt 从图2看出残差序列大致服从正态分布。在大样本中，JB统计量渐进地遵循自由度为 222的分布。在5%的置信水平上，，两残差序列的JB值分别为1.529394x(2)0.010,x0.05 和3.369984。两残差序列的P值都远大于5%，故不拒绝正态性假设。 VAR模型较好地说明了两者之间存在相互影响，弥补了格兰杰因果检验简单得到两者的因果关系的结论，下文将进行更具体的分析。 1、脉冲响应函数 脉冲响应函数(IRF:Impulse Response Function)，用来衡量来自随机扰动项的一个标准差新息冲击对内生变量当前和未来取值的影响。在=0且=1，=0时，脉冲响应,1t,2tt 函数描述的是股指期货仿真交易市场的一个标准差新息的冲击对和ln/QZQZt,1，，t 当前和未来各期取值的影响;同理，在=0且=0，=1时，脉冲响应函ln/GZGZt,1,1t,2tt，，t 数描述的是股票现货市场的一个标准差新息的冲击对和当前ln/QZQZt,1ln/GZGZt,1，，，，tt和未来各期取值的影响。脉冲响应函数结果如下: 8 Response of Y1 to CholeskyResponse of Y2 to CholeskyOne S.D. InnovationsOne S.D. Innovations.05.025 .04.020 .03.015 .02.010 .01.005 .00.000 -.01-.0051234567891012345678910 Y1Y2Y1Y2 对一个标准差信息的反应 图4 对一个标准差信息的反应 图3 ln/QZQZt,1ln/GZGZt,1，，，，tt 从图3可以看出对来自股指期货仿真交易市场的一个标准差信息的冲ln/QZQZt,1，，t 击立刻有较强的反应，但第四期后影响几乎为零。而对来自股票现货市场的ln/QZQZt,1，，t 一个标准差信息的冲击反应比较小。从图4可以看出对来自股指期货仿真交ln/GZGZt,1，，t 易市场和股票现货市场的一个标准差信息的冲击反应都很强，同样第四期后影响几乎为零。 也就是说，面对现货市场冲击，现货市场反应较强而股指期货仿真交易市场反应很弱，股指期货仿真交易市场的套期保值功能并没有很好的发挥出来，在股市下降剧烈时，投资者选择大量抛售现货而不是股指仿真期货合约;而面对股指期货仿真交易市场的冲击，股指期货仿真交易市场和股票现货市场的反应都很强烈，股指期货仿真交易市场的风险不但在仿真期市传播，而且迅速传递到现货市场，这说明投资者对股指期货仿真交易市场的信心还不足，不管面对何种冲击都会引发恐慌心理，导致对股票的大量抛售。 2、方差分解 ,tVAR模型的预测方差分解描述的是对模型中变量产生影响的每个随机扰动项的相对 和的预测方差产生影响，而 重要性。市场冲击会对ln/QZQZt,1ln/GZGZt,1，，，，tt ,1t,2t的预测方差可以分解为来自(股指期货仿真交易市场)的冲击和ln/QZQZt,1，，t ,1t(股票现货市场)的冲击;同理，ln/GZGZt,1的预测方差也可以分解为来自(股，，t ,2t指期货仿真交易市场)的冲击和(股票现货市场)的冲击。预测方差分解结果如下: 9 表4 预测方差分解 的预测方差分解 的预测方差分解 ln/QZQZt,1ln/GZGZt,1，，，，tt 源于股指期货源于股票源于股指期货源于股票预测期 预测期 仿真交易市场 现货市场 仿真交易市场 现货市场 1 100.0000 0.000000 1 62.49526 37.50474 2 97.97566 2.024342 2 62.17365 37.82635 3 97.98917 2.010831 3 62.04756 37.95244 4 97.98779 2.012214 4 62.05888 37.94112 5 97.98705 2.012945 5 62.06060 37.9394 6 97.98698 2.013017 6 62.06047 37.93953 7 97.98698 2.013015 7 62.06048 37.93952 8 97.98698 2.013017 8 62.06049 37.93951 9 97.98698 2.013017 9 62.06049 37.93951 10 97.98698 2.013017 10 62.06049 37.93951 从表4可以看出的预测方差主要源于股指期货仿真交易市场的冲击，ln/QZQZt,1，，t 的预测方差62%以上也源于股指期货仿真交易市场的冲击，38%源于股票现货ln/GZGZt,1，，t 市场的冲击。影响股指期货仿真交易市场收益率的主要是该市场本身，而股指期货仿真交易市场和股票现货市场都大量影响股票现货市场的收益率。所以，应该对股指期货仿真交易市场加以重视，防止投资者对该市场的恐慌导致该市场和股票现货市场两者的剧烈波动。 (四)BEKK-GARCH模型分析 将股指期货仿真交易市场收益率和股票现货市场收益率通过BEKK-GARCH模型按标准的数值算法，运用Eviews 5.0软件进行编程，所得结果如下: .0030 表5 BEKK-GARCH方程检验结果 .0025 .0020Log likelihood 937.5888 .0015AIC -9.199888 .0010 SC -8.986242 .0005 .0000Hannan-Quinn criter. -9.098334 -.0005 2008M072008M102009M012009M04 VAR_Y1VAR_Y2COV_Y1Y2 图5 收益率方差及协方差 10 表6 BEKK-GARCH模型分析结果 Coefficient Std.Error z-Statistic Prob. OMEGA(1) -0.010965 0.018033 -0.608077 0.5431 BETA(1) 0.748023 0.136374 5.485086 0.0000 BETA(2) 0.340857 0.109817 3.103875 0.0019 BETA(3) 0.348553 0.143327 2.431876 0.0150 ALPHA(1) 0.285722 0.03747 7.625435 0.0000 ALPHA(2) -0.409006 0.055186 -7.411368 0.0000 ALPHA(3) -0.505148 0.057864 -8.72988 0.0000 OMEGA(3) 0.000148 0.480085 0.000307 0.9998 OMEGA(2) -0.008496 0.023879 -0.355783 0.7220 BETA(4) 0.373835 0.175657 2.128204 0.0333 ALPHA(4) 0.605707 0.090226 6.713248 0.0000 图5说明股指期货仿真交易市场的波动性最大，股票现货市场的波动性相对要小得多，而两市场收益率的协方差居于两者之间。结果表明，股指期货仿真交易市场的高波动性使其具有高风险性，同时影响股票现货市场，两市场相互作用的波动性高于股票现货市场，股指期货仿真交易市场使得金融市场的风险表现得更为复杂，同时也说明了两个市场之间存在一定程度的关联性。 由表6可见，在5%的置信水平下，除OMEGA(1)、OMEGA(2)和OMEGA(3)以外，其他系数均是显著的，而OMEGA(1)、OMEGA(2)和OMEGA(3)这三个数只是常数项，一般而言对其的关注程度较小。同时，AIC和SC分别为-9.199888和-8.986242，说明模型拟合得较好。BETA系数和ALPHA系数的显著性说明，对于股指期货仿真交易市场和股票现货市场的波动而言，自身与对方前期波动及其协方差和自身与对方前期绝对残差及其协方差均有影响。股指期货仿真交易市场前期波动对自身波动的影响为:BETA(1)= 0.748023，同时对股票现货市场波动的影响为:BETA(2)= 0.340857 ;另一方面，股票现货市场前期波动对其自身波动的影响为:BETA(4) =0.373835，同时对股指期货仿真交易市场波动的影响为:BETA(3)= 0.348553。在考虑股指期货仿真交易市场和股票现货市场前期波动协方差和两者前期绝对残差及其协方差的基础上，股指期货仿真交易市场的波动带来的冲击相对方差分解有所减小，股票现货市场的波动对其自身波动的影响持平，但是对股指期货仿真交易市场的冲击增加，这说明考虑两市前期相关关系情况下，市场之间的双向作用机制加强。 11 四、结论与政策建议 本文研究发现股指期货仿真交易市场具有价格发现功能，VAR模型分析结果说明股票现货市场冲击对股价影响较大，而对仿真期货价格影响较小;股指期货仿真交易市场冲击对股价和仿真期货价格影响都很大。由于VAR模型在面对残差项存在条件异方差或者尖峰后尾时效果欠佳，BEKK-GARCH模型更好地模拟了仿真交易市场和股票现货市场之间的相互影响，研究发现市场之间的风险联动性增强。 虽然推出股指期货短期内对现货市场会产生冲击及挤出效应，不规范的信息披露制度也使股指期货的推出雪上加霜。但是，由于股指期货能够扩大股市交易规模，给投资者提供套期保值、投机和套利机会，故如何完善股指期货市场使得股指期货有利于经济的发展才是大家应该关注的问题，基于本文对沪深300股指期货仿真交易及股市的分析以及我国经济情况，笔者提出以下几点建议: 第一，从源头防范风险。脉冲响应函数显示，不管来自哪个市场的冲击都会导致股价较大波动。这要求我们必须提高股票现货市场的效率，完善上市公司治理结构，实现现代化得公司经营管理模式，从基础上消除股市不稳定因素。 第二，完善法制。股指期货是否能够有效运行，很大方面在于相关的的法律、法规及风险是否完善。从期货仿真交易开始以来，我国颁布了各种管理条例、管理办法、实行办法、交易规则，体现了管理者对法律文件制定的探索。但股指期货的推出后，还需要制定更全面的《期货交易法》及金融期货特别是股指期货方面的相关法律法规，避免法律风险。 第三，股指期货相关知识和风险的宣传和教育还有待加强。从沪深300股指期货仿真交易的实证分析可以看出，虽然投资者看到了期货市场的价格发现功能，但是投资者只是简单地利用期市信息买卖股票，没有很好地发挥股指期货的保值功能。股指期货仿真交易市场的变动对现货市场及自身的影响都很大，并且在考虑前期的相互影响下，两市场的风险联动作用较强。由于股指期货是新生事物，广大投资者对其并不十分了解，加上其高杠杆性、高风险性，这就要求从管理者到投资者都需要学习相关的专业知识。以学习的态度研读分析历史上其他国家和地区期货交易的经典案例，对从事股指期货交易各个部门的相关人员加强期货知识宣传和风险教育，增强风险防范控制意识，提高风险识别能力，掌握相关交易技巧。 12 参考文献: [1] Santoni G.J.Has Programmed TradingMade Stock PricesMore Volatile?[J](Federal Reserve Bank of St. Louis Review，1987，(5)( [2] Edwards F.R.，Neftci S.N.Extreme Price Movements and Margin Levels in Future Markets[J](Journal of Futures Markets，1988，(3)( [3] Baldauf B.，Santoni.G.J.Stock Price Volatility:Some Evidence from an ARCH Model [J]. Journal of Futures Markets，1991，(2)( [4] 李华，程婧(股指期货推出对股票市场波动性的影响研究——来自日本的实证分析[J](金融与经济，2006，(2)( [5] 黄玮，刘再华(股指期货推出对股指波动性影响的研究——基于印度NIFTY 股指期货的实证分析[J](湖南财经高等专科学校学报，2007，(5). [6] 赵焕成. 中国股指期货推出对股指波动影响的分析——基于香港股指期货对股指波动影响的实证研究[J].中南财经政法大学研究生学报，2008，(6). [7] 熊熊，王芳.我国沪深300股指期货仿真交易的价格发现分析[J].天津大学学报(社会科学版)，2008年04期. [8] 文先明，梁琳. 基于波动效应与价格发现的期指仿真交易研究[J]. 经济与管理，2010，(2):26,30. 13