文摘
目前的研究调查的盘中动态期货和现货市场在印度。通过分析漂亮的50分钟数据和相关的期货指数,研究发现,这两个市场共合体。结果结果表明,现货和期货市场之间的任何不平衡由现货市场恢复。格兰杰因果检验表明,现货和期货市场具有双向因果关系。共同因素权重和Hasbrouck信息共享(是)揭示了期货市场在价格发现中的作用。冈萨洛和格兰杰的公共因子模型表明,永久的因素是由期货系列。使用BEK-GARCH模型,我们发现双向现货和期货市场之间的波动溢出效应。期货市场发现影响更大的波动溢出效应。我们的研究的结果相关投资者,基金经理,交易员和政策制定者。
1。介绍
衍生品市场的主要成分之一,是期货市场。期货市场的价格发现和风险管理两个主要角色(1]。这两个原因引发了很多研究在这两个市场之间的联系2,3]。一个充满活力的期货市场也有助于提高底层现货市场的效率(4]。股指期货市场的重要性已经被广泛的研究在发达国家,大部分的研究集中在美国5]。首先,spot-futures关系研究在上下文相关的协整和误差修正6- - - - - -11]。第二,领先-落后现货指数之间的关系是研究市场和股指期货市场。股指期货市场主要是发现铅现货指数市场在价格发现中扮演主要角色在大多数发达国家8,9,12]。一些研究也报道现货和期货市场之间的双向关系13,14]。值得注意的是,即使现货和期货市场之间的联系是双向的,期货和现货市场的联系更强(6,7,9,12,15- - - - - -20.]。
而期货市场的主导作用报道从发达市场,新兴市场混合的证据(21]。蒋介石和方22)报道,恒生指数期货在现货指数的回报。钟等。23墨西哥]表明,股指期货市场在价格发现男主角(24]。他们认为,期货市场具有较小的优势在现货市场在其他国家比在美国(13,25,26]。
有关价格发现的证据在印度是非常有趣的。虽然Debasish [27]Pati和拉杰卜·[28报告期货市场的主导作用,普拉丹和Bhat29日)和Sehgal et al。30.)提供证据支持现货市场的主要角色(31日]。此外,双向反馈关系的现货和期货指数的50由穆克吉发现,Mishra [32)爱迪和纳西姆(33]。最近,Karmakar和Inani [14)报道,在2014年之前,现货市场是主要市场,但在2014年,期货市场的主要角色。
印度市场的混合结果呼吁进一步调查关于spot-futures关系(34]。印度很重要,因为以下几个原因。首先,印度是世界上最大的民主国家,是发展最快的经济体之一。在过去的几年里,印度金融市场特别是衍生品市场已经取得了令人瞩目的进展。印度的全球衍生品市场站在一号合同交易的数量(35,36]。spot-futures关系研究的一个原因是相对的改变角色的个人和机构投资者在印度。COVID-19大流行期间,零售参与的投资者在全球范围内急剧飙升。36- - - - - -38]。了无发布的一份报告显示,2021年10月,投资者的独特交易账户超过5000万人。这5000万的投资者来说,流感大流行期间增加了40%。考虑到个人投资者的重要性增加,就必须检查spot-futures关系。在此背景下,本研究做出了一些贡献(39]。首先,只有少数研究在印度市场高频数据和得到一个洞察领先-落后关系高频盘中的数据是必要的。为了填补这一空缺,我们使用数据的频率1分钟。其次,本研究将揭示spot-futures关系是否已经改变了在散户投资者的增强作用的光。第三,样本期覆盖,最大的灾难之一。,COVID-19。
用1分钟的数据从2020年1月1日,12月31日,2020年,我们发现有一个长期的关系(协整)漂亮的现货和期货指数之间的50。格兰杰因果检验的结果返回给期货和现货市场之间的双向因果关系40]。然而,统计数据的大小表明期货对现货市场的影响更大。各种价格发现措施也揭示期货市场发挥更大作用。格兰杰因果检验结果显示双向现货和期货市场之间的波动溢出效应。BEKK-GARCH(1,1)模型还表明双向现货和期货市场之间的波动溢出效应。研究的其余部分组织如下。部分2回顾了相关文献之后,数据和方法部分3和4。实证研究结果提出了部分5最后观测提出了部分6。
2。审查现有的文献
这个部分介绍了下面的可靠研究衍生品市场,包括其大小和现货和期货市场之间的关系在印度和中国等新兴经济体和世界各地发达市场。
在研究在发达市场,斯托尔和惠利12]探索现货指数和期货市场之间的价格发现的MM,标准普尔500指数。ARMA (p, q < >)模型应用于盘中的数据从1982年到1987年,他们在芝加哥期货交易所进行交易。期货市场发现铅现货市场,大约5分钟。在另一项研究中,陈(9调查了现金指数和股指期货市场回报的标准普尔500指数和MMI盘中价格发现使用数据。这两个市场有不对称领先-落后与期货的现货指数的关系。谢霆锋(8]研究日经指数及其相关的股指期货的价格发现。他利用ECM、ARIMA和VAR方法,发现期货合约价格是主要的发现。在另一项研究中,华莱士et al。41)探讨了标准普尔500指数之间的价格发现e - mini期货和间谍ETF从2002年到2013年。该研究使用的领导(ILS)分享的信息度量Putnins [42),发现e - mini期货领导ETF样本2007。结果显示,期货和ETF参与比例几乎相同的价格发现过程在2007年之后。Alemany et al。43]分析了盘中5分钟收集的数据为2014年1月至2015年9月到研究套利机会扮演了一个角色在DAX30指数期货和底层的领先-落后关系索引。他们用马尔可夫转换结果模型捕获长期关系的非线性动力学和regime-dependent脉冲响应函数之间的动态交互变量和干扰项(44]。期货市场时发现铅现货市场有更多市场的套利机会。
spot-futures关系也一直在新兴市场进行研究。Atilgan et al。45)做了一个详细的审查文学的25个新兴国家包括印度和中国。他们发现,期货市场现货市场。侯和李46研究了沪深300股指期货和中国的潜在市场,盘中价格发现。5分钟间隔的数据分析了从3月1日到2011年3月31日使用协整检验和结果。期货市场发现价格发现过程中有重要的作用。同时,法官和Reancharoen [47]研究泰国的现货和期货市场领先-落后关系从2006年到2012年通过对日常数据结果。结果揭示了期货市场领先现货市场由于市场缺陷48]。此外,使用5分钟盘中数据2013年1月至2013年10月,周、吴(49]探索中国沪深300指数现货和期货指数之间的联系。他们应用VAR-DCC-MGARCH模型,发现两个市场之间的双向因果关系。然而,王et al。50]分析了沪深300指数期货和现货市场的盘中,从2010年到2014年通过应用和日常价格动态最优路径的方法。每日数据显示,期货和现货市场没有领先-落后关系,虽然盘中的数据报道,现货市场是由期货市场5分钟。在另一项研究由郝et al。13),三个指数期货及其潜在的中国股市的指数价格发现使用5分钟盘中的数据进行了分析。格兰杰因果关系检验,他们应用结果,常见的因素权重(CFW)和Hasbrouck信息共享()方法,发现现金市场领导2015年期货市场在证券交易所监管。他们报告说,期货市场主导监管(后51]。郭(52]研究了沪深300指数期货和底层指数分析领先-落后联系盘中使用5分钟间隔的数据从2013年10月到2016年6月。他们工作结果的方法,发现现货市场是期货市场之前和领导的强烈到繁荣时期(2015年6月53]。在那之后,期货弱了现货市场。
在印度,Karmakar和Inani14研究”从了无35单一股票,他们的未来,印度、价格发现。“他们还分析了标准普尔CNX漂亮的现货和期货价格发现。他们利用1分钟从2012年1月至2016年12月频率数据。他们用普通股、信息共享和信息系统模型的面板数据分析。研究结果揭示了现货市场的主导地位在其他市场价格发现到2014年,在那之后,领导的期货市场。罗伊和Chakraborty54)检查潜在股票期货和股票分析了无,印度,通过收集10只股票的每日收盘价和关闭这些股票的期货价格从2011年1月至2017年1月。他们发现长期股票股指期货与现货市场之间的联系。进一步研究报道称,短期来看,现货市场期货市场,但从长远来看,两个市场的贡献同样价格发现。
现有文献的回顾的基础上,可以得出结论,在发达市场和新兴市场,期货市场现货市场。在印度,只有少数研究检查了使用高频数据的关系。因此,最近的一项研究使用高频数据需要揭开spot-futures动力学的发展在印度市场。
3所示。数据描述
当前的研究中有93756个观察一分钟的频率俏皮的现货和期货指数的50在印度从1月1日,2020年,2020年12月31日。表1提供汇总统计的一分钟返回市场。自第一每天回报代表连夜返回第一个返回是对数据分析(省略,以避免任何的负面影响55,56]。
描述性统计在表1表明现货和期货市场的一分钟回报比例接近于零。意味着换取现货是负的,即,−0.0000128 percent, whereas the mean return for the futures is positive, i.e., 0.000255 percent. As can be seen from the table, the value of standard deviation for the spot index returns is 0.061432 percent, while 0.065302 percent standard deviation was observed for futures returns. All the return series are skewed in the positive direction. The values of Kurtosis indicate that Nifty 50 futures returns are more leptokurtic.
3.1。相关分析
执行相关分析来确定程度的漂亮的50现货和期货收益之间的联系。表2显示结果的卡尔·皮尔森相关系数。
表中给出的相关系数2现货和期货市场表明他们之间都是显著正相关,这意味着他们有一个短期的关系。
图1描述了盘中整个样本期间现货和期货价格变动。在样本期间,现货价格有类似的运动中观察到的期货价格。在下一节中,我们使用协整分析来研究这个更正式。
4所示。方法
4.1。增强Dickey-Fuller测试
在调查大量的现货和期货市场之间的联系,必须探讨底层时间序列存在单位根。扩充迪基,富勒57)单位根测试,为此应用非平稳。
4.2。协整分析
协整检验(58)是用来研究两个或两个以上变量之间的长期关系。协整是用来调查的非平稳时间序列的长期联系。两个或多个非平稳的时间序列被称为共合体,如果他们是静止的线性组合。理论表明,现货和期货价格应该共合体,因为它所带来的成本。因此,一个线性组合的现货和期货价格应该固定系列。给定方程代表一个固定的线性组合两届系列: 在哪里(−1β)是协整向量,ut是一个静止的扰动项发生的结果向均数回归的过程。我们可以把方程(1),
此外,适当的建模策略共合体变量向量误差修正模型。的n阶二元结果可以构建如下: 在哪里
表示返回的一阶差分算子用于计算价格,也就是说, 是一个常数项; 作为系数矩阵,在哪里 和 是(2×2)系数矩阵在哪里 。
最后, 是一个向量包含错误的两个市场是独立且同分布。方程(3)可以扩展
“误差修正项(ECT)是用于检查长期均衡关系”两届系列(年代t和Ft),用 ,和调整速度是衡量 。
系统中的变量间的协整研究的帮助下跟踪统计,发现在矩阵的秩(59]。
结果用于调查的短期和长期效果之间的价格变化两个变量恩格尔和格兰杰60]。它从平衡研究价格的偏差。等系数和 ,衡量长期均衡调整的速度。校正误差系数的符号词是由两个相反的影响(23]。
系数 用来确定一个变量的滞后值的短期影响其他变量的当前值。决定了短期现货期货回报,回报的影响措施的短期影响期货现货收益回报。此外,和测量自己的滞后短期现货和期货市场的影响。
首先,为了寻找长期关系,误差修正系数进行测试。我们可以找到一个反馈效应之间的期货和现货长期回报如果零假设 和= 0被拒绝。然而,如果只有一个零假设被拒绝,然后一个市场领先/落后于其他市场从长远来看20.,61年]。
其次,为了正式检查spot-futures价格领先-落后的关系,利用格兰杰因果检验。因果关系应该存在于至少一个方向如果期货和现货市场共合体(62年]。如果spot-to-futures因果关系是单向的(圣·格兰杰原因英尺),一些信息内容必须在过去的现货价格预测期货市场的期货价格。
检查现货和期货市场的价格发现作用,我们采用三种不同的措施。施瓦兹提出的第一个测量和Szakmary63年提供共同因素权重(CFW)和基于结果的误差修正项的系数。现货和期货市场的CFW是简单和直观的给出如下: 在哪里和误差修正项的系数是在现货和期货方程,分别。
第二个衡量价格发现的信息共享是受雇于美国Hasbrouck [2)基于permanent-transitory模型的分解。Hasbrouck的方法是基于隐式有效价格的确定这是所有市场共同但难以察觉的。Hasbrouck [2)定义了一个特定的信息共享市场市场的创新的贡献创新的有效价格。
第三次测量所使用的价格发现我们是因为冈萨洛和格兰杰64年]。冈萨洛和格兰杰的方法64年)也是基于提出的共同因素表示股票和沃森(65年]。冈萨洛和格兰杰64年]表明,常见的因素可以获得的数据的线性组合系列正在考虑。冈萨洛和格兰杰的优势(64年)方法在股票和沃森的方法(65年)是在前一种情况中,很容易测试的假说贡献一个常见因素。
类似于返回spot-futures市场之间的联系,波动的联系也同样重要。在这项研究中,我们调查波动联系使用上面描述的格兰杰因果检验。我们也使用二元GARCH调查波动的联系。研究采用提出的双变量GARCH巴巴,恩格尔,卡夫,克朗(BEKK)。选择在其他GARCH-family BEKK模型的原因是,在BEKK,协方差可以受到滞后方差(66年]。此外,BEKK少参数相比其他规范。BEKK规范给出如下:
的Ht矩阵可以写在扩展形式如下:
是一个向量的期货和斑点的回报; 是一个高斯误差向量。是一个常数向量。C是一个下三角矩阵的拦截系数,然后呢Ht代表条件variance-covariance矩阵。方阵A组件评估的影响冲击条件方差或“新闻”。在有条件的波动,G矩阵描述波动持续的程度。矩阵一个的对角线参数措施之前的冲击的影响,即。拱效应和矩阵G的对角线参数计算自己的GARCH效应。的冲击和跨市场波动影响测量矩阵一个和G的非对角的组件。
5。实证结果
表3显示了ADF检验的结果;它可以得出的结论是,日志两个市场的价格有一个单位根在5%显著性水平,即。,both the price series are I. On the basis of the outcomes of the ADF test on the first difference, it can be concluded that both series’ returns (first difference) are stationary, and none of the two series is I.
5.1。格兰杰因果检验
检查短期联系,我们使用了格兰杰因果检验基于VAR的描述如下:
表4强调之间存在着双向因果关系现货和期货市场5%水平的意义。然而,如果我们考虑检验统计量的大小,那么看来,期货市场对现货市场的影响更大。
表5显示了两个市场之间的协整检验的结果。跟踪统计和max-eigen测试表明只有一个协整向量在5%的显著性水平。因此,可以得出结论,俏皮的底层现货指数期货和长期的关系。
表6显示了估计的结果。从表中可以看出,误差修正项(在1%的水平具有重要意义。这意味着现货市场反应恢复平衡从长远来看。
表7提出了估算的价格发现的措施。,下界,上界,代表Hasbrouck [2信息的两个市场份额。很明显,现货市场的信息的范围可以从0.3%到90.5%,而期货市场的信息共享的范围可以从9.5%降至99.7%。现货和期货市场的平均信息共享是45.4%和54.6%,分别。显然,期货市场的价格发现有更多的贡献。如果我们看看公因数重量(CFW),那么我们看到的相对份额现货和期货市场在价格发现是15.2%和84.8%,分别。此外,我们采用冈萨洛和格兰杰64年)方法测试零假设整个期货市场价格发现发生。测试了卡方统计的0.4846p价值0.4864 1自由度。这进一步巩固了期货市场的价格发现的作用。
5.2。波动的联系
个人GARCH测试的结果表明,所选择的市场有GARCH效应这意味着期货波动是受过去的价值波动的市场回报。当前的研究产生一系列方差为每个市场为了研究波动的联系,然后是格兰杰因果关系。表8总结结果。表8显示了双向因果关系的现货和期货市场的波动。
BEKK-GARCH二元(1,1)模型预测如表所示9。
的系数是统计学意义,这意味着之前的广场期货市场收益的冲击影响当前期货回报波动。统计上显著的系数表示之前的广场点返回冲击影响当前点回报波动。两个对角系数和统计上显著的传统水平,显示双向冲击现货和期货市场之间的传输。此外,和也具有统计学意义。这意味着过去条件波动性的系列影响条件波动的其他系列。然而,如果我们看看系数的大小,那么可以说,期货市场对现货市场波动性的影响。
6。结论
目前的研究调查,期货和现货市场之间的价格发现的印度。通过分析从2020年1月至2020年12月盘中一分钟数据,研究发现,这两个市场有协整关系。结果结果表明,现货和期货市场之间的任何失衡是由现货市场恢复。这表明期货市场现货市场。格兰杰因果检验表明,现货和期货市场具有双向因果关系。然而,大小的统计数据表明,期货市场对现货市场的影响。Hasbrouck信息共享(是)和冈萨洛和格兰杰的共同因素模型也揭示了期货市场的价格发现作用。双向现货和期货市场之间的波动溢出效应是由格兰杰因果检验发现的条件方差系列。我们也发现了双向波动溢出效应在现货和期货市场通过BEKK-GARCH(1, 1)模型。期货市场发现影响更大的波动溢出效应。 The findings of our research are relevant to investors, money managers, traders, and policymakers. Our results are in line with the study done by Karmakar and Inani [14]。在最近的时代,现货和期货之间的关系已经发生了改变。早些时候现货市场,期货市场上有更大的影响(33]。然而,最近的数据表明,它是期货市场在价格发现中发挥更大作用。此外,由于期货波动往往会飙升之前,现货波动事件的冲击,投资者关心的是波动的波动可能会使用期货市场的波动信号来调整他们的现货投资组合风险管理。因此,投资者、投资组合经理和财务分析师应该关注期货市场。此外,市场监管部门也应该采取适当的措施,加强期货市场,因为这直接影响到资本市场。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。