因果關系在股票期貨中的應用碩士學位論文

1、<p><b>　　摘要</b></p><p>　　本文主要使用新型因果關系和格蘭杰因果關系理論對經(jīng)濟領域的若干變量進行因果關系實證研究，對比二者之間的不同點和相同點。通過具體的經(jīng)濟變量，拓展新型因果關系的應用領域，發(fā)現(xiàn)其應用在經(jīng)濟領域的優(yōu)點和缺點。</p><p>　　本文研究經(jīng)濟領域的兩組對象之間的因果關系，一組是滬深300股指期貨和滬深300股指現(xiàn)貨

2、之間的因果關系，第二組是權重股對上證指數(shù)的因果關系。股指期貨和現(xiàn)貨的之間的因果關系的討論一直都是一個熱點。但是這兩個變量之間的因果關系的討論都是基于格蘭杰因果關系的，目前為止尚未出現(xiàn)使用新型因果關系研究這兩個變量之間的因果關系。而在使用格蘭杰因果關系研究股指期貨和現(xiàn)貨之間的因果關系時，由于研究方法、研究對象及研究事件區(qū)間不同，導致了最后的研究結果不盡相同。權重股對整個大盤的影響不言而喻，權重股可以決定大盤的走勢，所以研究權重股對大盤的因

3、果關系就非常的有意義</p><p>　　在研究滬深300股指期貨和現(xiàn)貨的因故關系時選擇了兩段數(shù)據(jù)，一段是股指期貨上市一年后中國股市相對穩(wěn)定的一段數(shù)據(jù)即從2011年6月25日到2012年6月15日，另一段是從2012年11月5日到2015年11月5日，2015年是中國股市動蕩不安的一年。首先使用新型因果關系和格蘭杰因果關系研究了在整個數(shù)據(jù)集上滬深300股指期貨和滬深300股指現(xiàn)貨之間的因果關系，對于兩段數(shù)據(jù)我們得

4、出了相同的結論即滬深300股指期貨是滬深300現(xiàn)貨的因果關系；當使用滾動因果關系方法時，對于這兩段數(shù)據(jù)來說，我們發(fā)現(xiàn)格蘭杰因果關系在整個窗口滑動的過程中一直都是滬深300股指期貨是現(xiàn)貨的因果關系，但是在新型因果關系中卻只是在絕大部分時間內(nèi)表現(xiàn)出了這樣的特點，由于股票市場變換莫測，本文認為滬深300股指期貨在5年的時間內(nèi)對于每一個滾動窗口不太可能總會對滬深300股指現(xiàn)貨產(chǎn)生影響。因此我們認為也許格蘭杰因果關系并沒有反映出滬深300股指期貨

5、和滬深300股指現(xiàn)貨之間的真實因果關系，新型因果關系反映的才是這兩個變量之間的真實因果關系。這樣我們就說明了在揭示一個系統(tǒng)的因果關系時，新型因果關系能更加的貼近真實情況，比格蘭杰因果關系</p><p>　　本文研究了權重股對上證指數(shù)的影響。對于新型因果關系，本文既探究了每只權重股對上證指數(shù)的因果關系，又根據(jù)新型因果關系的特點，考察了聯(lián)合的權重股對上證指數(shù)的因果關系。對于格蘭杰因果關系，由于格蘭杰因果關系的限制性

6、，本文只討論了每只權重股對上證指數(shù)的因果關系。我們發(fā)現(xiàn)對大盤的影響和他們所占的權重有關的，權重越大，對大盤的影響也比較大，這和我們預期的結果是一樣的。</p><p>　　關鍵詞：格蘭杰因果關系，新型因果關系，滬深300期貨，現(xiàn)貨，權重股，上證指數(shù)</p><p><b>　　ABSTRACT</b></p><p>　　In this pap

7、er, we use the New Causality(NC) and Granger Causality(GC) theory to do some empirical research on some variables in the economic field, and find the same and different points between the NC and the GC when the two metho

8、d is used in the economic field. Through the specific economic variables, we try to expand the application areas of the New Causality, and find the advantages and disadvantages of its application in the economic field.&

9、lt;/p><p>　　This paper chooses two variables as the research object, one is the causal relationship between CSI 300 Spot and its index futures, the other one is the causal relationship between the weights of t

10、he shares and the Shanghai Composite index. The causal relationship between stock index futures and spot is always a hot spot.But the causal relationship between these two variables is based on GC so far, there have not

11、been a causal relationship between these two variables using the NC,In the use of </p><p>　　In the study of the causal relationship between CSI Spot and its index futures, the two section of the data is sele

12、cted.one is from June 25, 2011 to June 15, 2012.China's stock market is relatively stable over the period of data. another period is from November 5, 2012 to November 5, 2015.The stock market in 2015 in China experie

13、nced Crazy rise and rapid crash.Firstly we use GC and NC to find the causality relationship between the CSI 300 Spot and its index futures for entire data set.The result</p><p>　　In this paper we try to find

14、 the causal relationship between the weight stocks and he Shanghai Composite index. this paper explores the causal relationship between each weight stock on the Shanghai Composite Index, and according to the characterist

15、ics of the new causal relationship, the paper examines the causal relationship between the joint weight stocks and the Shanghai stock index. In this paper, we only discuss t the causal relationship between each weight st

16、ock on the Shanghai Composite In</p><p>　　Keywords: Granger Causality，New Causality，CSI 300 Future Index，Spot， Weight Stock，Shanghai Composite Index</p><p><b>　　摘要1</b></p>&

17、lt;p><b>　　第一章 緒論7</b></p><p>　　1.1 研究背景和意義7</p><p>　　1.2 因果關系理論簡介8</p><p>　　1.2.1格蘭杰因果關系8</p><p>　　1.2.2新型因果關系9</p><p>　　1.3 論文研究內(nèi)容和方法

18、9</p><p>　　1.4 論文結構10</p><p>　　1.5 文獻綜述11</p><p>　　第二章 因果關系理論介紹14</p><p><b>　　2.1 引言14</b></p><p>　　2.2 線性回歸模型14</p><p>　　2.3

19、 時域格蘭杰因果關系19</p><p>　　2.4 時域新型因果關系20</p><p>　　2.5 新型因果關系和格蘭杰因果關系理論模型對比分析21</p><p>　　2.6 本章小結22</p><p>　　第三章 期貨市場和權重股概念介紹24</p><p><b>　　3.1 引言24

20、</b></p><p>　　3.2 股指期貨發(fā)展歷程24</p><p>　　3.3 股指期貨的特點28</p><p>　　3.4 股指期貨的功能31</p><p>　　3.5 權重股相關概念介紹31</p><p>　　第四章 實證分析32</p><p>　　4.

21、1 滬深300股指期貨和現(xiàn)貨的因果關系32</p><p>　　4.1.1數(shù)據(jù)段的選取和預處理數(shù)據(jù)33</p><p>　　4.1.2整體數(shù)據(jù)觀測33</p><p>　　4.1.3滬深300股指期貨和滬深300指數(shù)因果關系的研究----以整體數(shù)據(jù)為研究對象37</p><p>　　4.1.4滬深300股指期貨和滬深300指數(shù)滾動因果

22、關系的研究---以分組數(shù)據(jù)為研究對象38</p><p>　　4.1.5 滬深300股指期貨和滬深300指數(shù)滾動因果關系的研究---改變移動窗口大小時比率變化情況41</p><p>　　4.2 權重股對上證指數(shù)的因果關系分析42</p><p>　　4.3 本章小結44</p><p>　　第 5章 總結與展望46</p&g

23、t;<p>　　5.1 工作總結46</p><p>　　5.2 課題展望47</p><p><b>　　致謝49</b></p><p><b>　　參考文獻51</b></p><p><b>　　附錄53</b></p><p

24、><b>　　緒論</b></p><p><b>　　研究背景和意義</b></p><p>　　因果關系是指某個事件的發(fā)生導致了另一件事件的發(fā)生,二者中前一個事件就是因,后一個發(fā)生的事件是果。因果關系具有時間性特點,也就是說原因是先發(fā)生的,原因發(fā)生后,結果才隨之而來。歷史上許多知名學者都嘗試對因果關系進行定義過,對因果關系的定義的爭議也

25、一直存在。目前為止對因果關系的研究仍是哲學領域的一個非常有意義的話題。</p><p>　　時間序列預測在投資和風險管理上是非常有意義的，并且一直以來都是重要的話題，那么找到一種有效的方法來預測兩個變量之間的因果關系就顯得很重要。當然正如上面提到的那樣，對于因果關系定義，爭議也比較多。國內(nèi)外學者對因果關系的哲學研究也可以追溯到2000年前，但是限于科學技術的發(fā)展，對因果關系的定義進行量化的研究卻相對較少。諾貝爾獎

26、獲得者格蘭杰于1969年提出了格蘭杰因果關系[1]方法來定義兩個時間變量序列之間的因果關系，最初時，該方法主要定義兩個時間序列之間的因果關系，主要應用在計量經(jīng)濟領域，隨著時間的推移和科技的進步，該方法已被廣泛應用在各個領域，如神經(jīng)學領域、氣象學領域等等。在2011年由胡教授等人提出了定義因果關系的新型方法，稱之為新型因果關系[2]方法，該方法的定義不同于格蘭杰因果關系方法，那么這兩種方法應用在相同的經(jīng)濟變量下，會有什么不一樣的結果呢？到

27、底誰更能從統(tǒng)計的角度真實的反應變量之間的因果關系的呢？這兩種方法在股票期貨中的應用會得到什么樣的結論？這些問題都是值得思考的。</p><p>　　在2015年6月中旬股票期貨市場發(fā)生巨大動蕩，股票市場突然從原來的牛市變?yōu)樾苁校?月份，滬深股指雙雙失守年線，上證綜指以8.49%創(chuàng)下8年多最大單日跌幅，創(chuàng)業(yè)板指數(shù)則因個股幾乎全線跌停而錄得8.08%的巨大跌幅。兩市超過2000只個股跌停[3]。在股市巨大動蕩期間，市

28、場上不斷有聲音對股指期貨橫加指責，他們認為造成這次股災的主要原因是期貨市場上的做空行為。面對這次股災，市場監(jiān)督者也采取了一定的措施：對于投機者多頭，降低保證金和手續(xù)費，對于空頭，大幅提高保證金和手續(xù)費等一系列措施來防止做空行為。在這樣的背景下,對于股指期貨的研究,特別是研究股指期貨和股指現(xiàn)貨之間的因果關系具有重大意義。</p><p>　　本文的研究目的主要是探究新型因果關系和格蘭杰因果關系應用在相同的經(jīng)濟變量時

29、，會得到怎樣的結論？格蘭杰因果關系在期貨和現(xiàn)貨市場中的應用分析已經(jīng)非常的多了。而新型因果關系在股票和期貨市場中的應用研究目前尚未出現(xiàn)。也許格蘭因果關系并不一定能準確的反映兩個經(jīng)濟時間序列之間的因果關系，所以用新型因果關系探討在股票和期貨市場某些經(jīng)濟變量的因果關系就顯得非常有必要且有意義的。</p><p><b>　　因果關系理論簡介</b></p><p>　　1.

30、2.1格蘭杰因果關系</p><p>　　格蘭杰因果關系由諾貝爾獎獲得者格蘭杰（Clive Granger）引入，最初被用于計量經(jīng)濟學領域，后來在神經(jīng)科學領域[4]、氣象學[5]等領域得到廣泛的應用。最初時格蘭杰因果關系被用于分析兩個經(jīng)濟變量之間的因果關系，他給因果關系的定義為“依賴于使用過去某些時點上所有信息的最佳最小二乘預測的方差。”</p><p>　　格蘭杰因果關系的核心觀念是如果

31、使用時間序列Y的過去值和X的過去值來預測當前的值比單獨使用Y的過去值來預測Y的當前值更加精確，我們就把X叫做Y的格蘭杰原因，或者說時間序列Y的格蘭杰原因是X。格蘭杰因果關系必須遵守兩個基本原則：一是滿足因果關系的時間性，即如果X是Y的原因，那么X一定要發(fā)生在Y之前;二是在未來發(fā)生的事件并不會對當前時刻與過去時刻產(chǎn)生任何的因果影響，而只有過去的事件才可能對現(xiàn)在及未來產(chǎn)生影響。 假如在控制了變數(shù)的過去值以后， 變數(shù)的過去

32、值仍能對Y 變數(shù)有顯著的解釋能力，我們就可以稱能“格蘭杰影響”(Granger-Cause)。同時,隨著時間推移，由于應用領域和使用條件的不同而相應的發(fā)展出類格蘭杰因果關系，如為了討論頻率下的因果關系出現(xiàn)了頻譜的格蘭杰因果關系定義[7]，為了將格蘭杰因果關系應用在多元時間序列之間的因果關系分析，出現(xiàn)了條件格蘭杰因果關系[8]等等，以上這些方法都是格蘭杰因果關系的變種。</p><p>　　1.2.2新型因果關系&

33、lt;/p><p>　　2011年國內(nèi)學者胡三清教授等人提出了新型因果關系在時域和頻域的定義方法，該方法和格蘭杰因果關系的定義完全不同。新型因果關系的核心觀念是一個時間變量所有項在對另一個時間變量有貢獻的所有項中所占的比例，該方法可以描述一個時間序列對另一個時間序列的真實因果關系的強弱關系。</p><p>　　新型因果關系的理論特點如下：新型因果關系是基于比例的概念，是一個多元線性回歸模型，

34、該方法包含了線性回歸模型中的所有信息，包括回歸模型中的變量的系數(shù)、數(shù)據(jù)本身的值和隨機噪聲項，從而在理論上更能真實的揭示出時間序列之間的因果關系。由于新型因果關系是基于多元線性回歸模型的，所以在求時間序列之間的因果關系時，我們只需要擬合聯(lián)合回歸模型即可，線性自回歸模型無需考慮，這樣計算起來更加簡單快捷。而格蘭杰因果關系卻要計算出線性聯(lián)合回歸模型和線性自回歸模型中誤差項。格蘭杰因果關系只能用于分析兩個變量之間的因果關系，而新型因果關系可以分

35、析多元線性回歸模型中的多個變量之間的因果關系。新型因果關系是一個新提出的理論，理論體系尚不完善，需要不斷的在各個領域中得到驗證，驗證新型因果關系的適用條件和適用范圍。</p><p><b>　　論文研究內(nèi)容和方法</b></p><p>　　本文的研究內(nèi)容是因果關系在股票和期貨領域的應用。選擇的研究對象包括兩部分：一是探究股指期貨和股指現(xiàn)貨的因果關系，探究當新型因果

36、關系和格蘭杰因果關系應用在這兩個經(jīng)濟變量上，二者會得到什么不同結論。價格發(fā)現(xiàn)功能是股指期貨的主要功能，使用新型因果關系和格蘭杰因果關系探究股指期貨的價格發(fā)現(xiàn)功能是否有效。二是探究權重股對上證指數(shù)的因果關系。</p><p>　　下面將著重闡述新型因果關系和格蘭杰因果關系應用在股指期貨和現(xiàn)貨上的方法和思路，滬深300股指期貨從上市到現(xiàn)在大概經(jīng)歷了5年的時間。那么滬深300股指期貨和滬深300股指現(xiàn)貨的因果關系在上市

37、開盤的前兩年和后面的三年的這兩段不同時間內(nèi)會怎么變化的？在滬深300股指期貨上市的前幾年股指期貨市場還不算成熟，而后面的近三年的時間股指期貨的發(fā)展已相對成熟。于是考察滬深300股指期貨和滬深300股指現(xiàn)貨在這兩個不同時間段內(nèi)的因果關系就顯得十分有必要。本文選取了兩段數(shù)據(jù)1分鐘數(shù)據(jù)，一段是2012年11月5日到2015年11月5日，首先我們對這段1分鐘頻率的數(shù)據(jù)進行取對數(shù)在差分，進行預處理，然后分別使用新型因果關系和格蘭杰因果關系對這整個

38、數(shù)據(jù)段進行因果關系分析，探究在整個數(shù)據(jù)段上滬深300股指期貨和滬深300股指現(xiàn)貨之間的因果關系。在得出結論后，我們分別使用格蘭杰因果關系和新型因果關系計算滾動數(shù)據(jù)上的因果關系：即我們每次使用移動窗口為1500個點計算因果關系，每次移動20個點，其目的是探究隨著滬深300股指期貨在我國推出的時間越來越長、影響力越來越大的情況下，滬深300股指期貨和滬深300股指現(xiàn)貨的因果</p><p>　　第二部分分析權重股對上

39、證指數(shù)的因果關系。對于新型因果關系，本文既探究了每只權重股對上證指數(shù)的因果關系，又根據(jù)新型因果關系的特點，考察了聯(lián)合的權重股對上證指數(shù)的因果關系。對于格蘭杰因果關系，由于格蘭杰因果關系的限制性，本文只討論了每只權重股對上證指數(shù)的因果關系。</p><p><b>　　論文結構</b></p><p>　　本文共分為5章，主要包括緒論、因果關系理論介紹、股指期貨相關理論

40、介紹、 實證分析及總結與展望五大部分。</p><p>　　緒論。在緒論部分中，主要介紹了研究的時代背景和研究的意義，簡單介紹了新型因果關系理論和格蘭杰因果關系理論，以及當前情況下新型因果關系和格蘭杰因果關系在經(jīng)濟領域中前人的研究成果。主要針對的研究對象是滬深300股指期貨和滬深300股指現(xiàn)貨在應用因果關系時前人的研究過程和結論。還有就是總結權重股與股票指數(shù)的因果關系研究。</p><p>

41、;　　因果關系理論。在因果關系理論這章中，本章通過詳細公式推導介紹了線性回歸模型中的一些基本方法和基本概念，然后分別介紹了新型因果關系理論和格蘭杰因果關系理論在時域的因果關系定義，并簡單介紹了它們之間的不同，從理論上格蘭杰因果關系的不足之處。</p><p>　　股指期貨理論介紹。該章主要介紹股指期貨的相關理論，包括股指期貨發(fā)展、定義，股指期貨的特點和功能。最后簡要的介紹權重股和上證指數(shù)的相關概念。</p&

42、gt;<p>　　實證分析。本章可以分為兩個部分，第一部分是使用因果關系法對滬深300股指期貨和滬深300股指現(xiàn)貨的分鐘交易數(shù)據(jù)進行實證分析，首先是對整個數(shù)據(jù)段進行因果關系法分析，然后是利用滾動的因果關系法來對數(shù)據(jù)進行分析，最后改變滾動過程中移動窗口的大小，觀察新型因果關系和格蘭因果關系會得到什么結論。第二部分是對實證分析權重股對上證指數(shù)的因果關系。對于新型因果關系，本文既探究了每只權重股對上證指數(shù)的因果關系，又根據(jù)新型因

43、果關系的特點，考察了聯(lián)合的權重股對上證指數(shù)的因果關系。對于格蘭杰因果關系，由于格蘭杰因果關系的限制性，只能考察兩個時間序列之間的因果關系，故本文只討論了每只權重股對上證指數(shù)的因果關系</p><p>　　總結和展望。在這一章中，主要是總結整個文章所做工作以及所研究課題的不足之處。根據(jù)前面實證分析的結果，該章對全文研究內(nèi)容和成果進行了系統(tǒng)性總結和概括。我們分析了本課題研究的不足之處，并且對今后的研究內(nèi)容與方向進行了

44、闡述，希望在以后能在科研工作中更進一步完善。</p><p><b>　　文獻綜述</b></p><p>　　該節(jié)主要介紹因果關系在分析股票期貨的因果關系時在國內(nèi)外的研究現(xiàn)狀。主要包括兩點，一是股指期貨和股指現(xiàn)貨的因果關系研究在國內(nèi)外的研究現(xiàn)狀，二是權重股對股票指數(shù)的因果關系研究的國內(nèi)外現(xiàn)狀。</p><p>　　自1982年股指期貨在美國誕

45、生以來,國內(nèi)外的許多學者都相繼研究過股指期貨的價格發(fā)現(xiàn)功能。價格發(fā)現(xiàn)是股指期貨最基本的功能，是其他功能如套期保值、風險規(guī)避等功能的基礎。國內(nèi)外學者的探索既包含了成熟的金融市場也包含了新型的金融市場。但是由于研究人員所選的市場和樣本數(shù)據(jù)的不同，在加上研究方法的差異性，研究所得的結果也不盡相同。權重股是指一只所占市場份額比較大的股票，權重股的波動有可能會影響整個大盤的波動，通過本節(jié)對國內(nèi)外研究文獻的梳理為本文得到重要的結論提供參考依據(jù)。&l

46、t;/p><p>　　下面就分別介紹國內(nèi)外的某些經(jīng)濟變量的因果關系研究現(xiàn)狀，主要集中在股指期貨和期貨現(xiàn)貨的因果關系研究現(xiàn)狀和權重股對股票指數(shù)的因果關系的研究現(xiàn)狀這兩方面。</p><p><b>　　1.5.1國內(nèi)研究</b></p><p>　　2011年趙芳芳[9]其碩士畢業(yè)論文中對討論了滬深300股指期貨和滬深300股指現(xiàn)貨之間格蘭杰因果關系

47、進行了討論。他選擇的樣本數(shù)據(jù)區(qū)間是2010年4月到12月的樣本數(shù)據(jù)，通過驗證得出:只有在大部分的交易日里，滬深300股指期貨是現(xiàn)貨的格蘭杰原因。但是孫興平(2011)在其碩士畢業(yè)論文中,也對滬深300股指期貨市場價格與現(xiàn)貨市場價格之間因果關系進行了研究。論文中以滬深300股指期貨與指數(shù)現(xiàn)貨2010年4月16日至2010年10月11日之間的日數(shù)據(jù)及五分鐘高頻數(shù)據(jù)為數(shù)據(jù)樣本通過實證檢驗，在基于日數(shù)據(jù)的研究中,沒有發(fā)現(xiàn)股指期貨市場與指數(shù)現(xiàn)貨市

48、場之間具有格蘭杰因果關系;但其基于五分鐘高頻數(shù)據(jù)的研究結果卻發(fā)現(xiàn),股指期貨的市場價格是指數(shù)現(xiàn)貨的格蘭杰原因。</p><p>　　李秀敏[10]等于2012年研究國內(nèi)股指期貨和和現(xiàn)貨的價格發(fā)現(xiàn)功能，他們首先介紹滬深300股指期貨市場的價格發(fā)現(xiàn)功能包括其具有價格發(fā)現(xiàn)功能的原因意義等，然后通過實證研究來分析兩個變量之間的相互關系，作者選取滬深300股指期貨正式上市交易后的日數(shù)據(jù)和部分時間段的分鐘數(shù)據(jù)為樣本，然后經(jīng)過平

49、穩(wěn)性檢驗、協(xié)整檢驗、格蘭杰因果關系檢驗等方法來探究滬深300股指期貨市場的價格發(fā)現(xiàn)功能。通過對滬深300股指期貨與滬深300指數(shù)的對數(shù)收益率序列進行格蘭杰因果檢驗,得出不管對日間收益率序列還是對日內(nèi)分鐘收益率序列進行分析,都說明了滬深300股指期貨的價格變動對滬深300指數(shù)價格的變動產(chǎn)生影響。不論從宏觀角度還是從微觀角度來看,滬深300股指期貨都對滬深300指數(shù)的價格的變化產(chǎn)生影響,而滬深300股指現(xiàn)貨不能對滬深300股指現(xiàn)貨產(chǎn)生影響，

50、說明,我國現(xiàn)階段的滬深300股指期貨與滬深300指數(shù)之間存在單向的格蘭杰因果關系,我國現(xiàn)階段的滬深300股指期貨發(fā)揮了價格發(fā)現(xiàn)功能。</p><p>　　雷雨[12]等于2014年對滬深300股指期貨和滬深300指數(shù)5分鐘頻率的數(shù)據(jù)進行整體數(shù)據(jù)及分組數(shù)據(jù)的研究分析,首先作者對5分鐘數(shù)據(jù)進行了平穩(wěn)性檢驗，平穩(wěn)性檢驗是使用格蘭杰因果關系的前提條件，否則有可能由于數(shù)據(jù)的不平穩(wěn)導致的出現(xiàn)偽回歸的現(xiàn)象，然后使用格蘭杰因果關

51、系分析兩個變量之間的因果關系，得到如下結論：滬深300股指期貨能更加迅速的將市場的信息反映到身的價格上來，即滬深300股指期貨價格的變動領先于滬深300指數(shù)價格的變動。通過方差分解方法，說明了即滬深300股指期貨價格的變動領先于滬深300指數(shù)價格的變動。滬深300股指期貨對滬深300指數(shù)價格變動具有很大的貢獻度,能夠從很大程度上解釋滬深300指數(shù)的價格變動。并且,這種貢獻程度隨著股指期貨推出時間的推移,變得越來越大越來越明顯。在對數(shù)據(jù)進

52、行了格蘭杰因果關系檢驗和方差分解之后，對滬深300股指期貨和滬深300指數(shù)之間的領先-滯后關系進行量化分析?；ハ嚓P分析研究表明,滬深300股指期貨領先于滬深300指數(shù)5至10分鐘,其中領先5分鐘時的效果最明顯。而且隨著股指期貨推出時間越長,領先效果變得更為顯著和有效。</p><p>　　陳浩[13]等在2015年用五個國家的宏觀經(jīng)濟數(shù)據(jù)分析了經(jīng)濟增長與消費、投資和進出口間的因果關系。用新型因果關系方法，發(fā)現(xiàn)在中

53、國、美國、法國、澳大利亞和西班牙都能得到消費對經(jīng)濟增長的因果影響最大的結論，而格蘭杰因果關系沒表現(xiàn)出相關特性，說明了新型因果關系比格蘭杰因果關系的更能真實的反應時間序列的之間的因果關系。</p><p>　　彭春[14]在2010年9月討論了權重股變化對滬深300股票指數(shù)為例的影響.說明權重股的變化與滬深300股票指數(shù)變化是正相關的,通過觀察少數(shù)權重較大的股票的變化,推測滬深300股票指數(shù)的變化,而并不是分析的股

54、票越多，預測滬深300股票指數(shù)變化的情況越準確，雖然股票個數(shù)很多，但是可能合并在一起的權重所占滬深300指數(shù)的比例仍然很低. </p><p>　　馬尚國[15]在2011年9月分析了上證50指數(shù)和深圳成分指數(shù)分別對上證綜指和深圳綜指的收益和波動性的影響，其中上證50指數(shù)幾乎囊括了上交所的所有的權重股，深圳成分指數(shù)的樣本股在深交所所占比例也很高，研究結果發(fā)現(xiàn)，上證50指數(shù)和深圳成分指數(shù)分別與市場的收益率

55、存在引導關系，并指出我國的權重股并沒有發(fā)揮其對市場的穩(wěn)定作用，相反在一定程度上加劇了市場的波動性。</p><p><b>　　1.5.2國外研究</b></p><p>　　最早對股指期貨和股指現(xiàn)貨之間的領先滯后關系進行研究的是美國的Kawaller,Paul Koch等人[16]，他們選取1984年到1985年之間的標準普爾500指數(shù)期貨和現(xiàn)貨分鐘數(shù)據(jù)作為樣本數(shù)據(jù)

56、，通過實證分析發(fā)現(xiàn)：期貨市場價格的改變一直會領先現(xiàn)貨市場20到45分鐘，但是有時候現(xiàn)貨市場也會領先期貨市場，領先的時間一般很短，不超過一分鐘。</p><p>　　Turkington[17]對澳大利亞股指期貨市場的價格發(fā)現(xiàn)功能經(jīng)進行了分析研究，他們選用了普通股指數(shù)和澳洲SPI指數(shù)期貨的日內(nèi)五分鐘搞品數(shù)據(jù)進行分析，他們發(fā)現(xiàn)股指期貨市場與現(xiàn)貨市場存在某種因果關系，但是這種因故關系并不是很明顯。沒有什么證據(jù)表明兩個市

57、場之前存在引導關系，或者說領先滯后關系。最后他們得出在澳大利亞市場上股指期貨市場和股指現(xiàn)貨市場之間的領先滯后關系并不存在。</p><p>　　Manuel Hernandez[18]等人于2010年在研究商品期貨和現(xiàn)貨之間的動態(tài)因果關系研究中，他們選取了2號黃玉米、2號硬質(zhì)紅冬小麥、2號軟質(zhì)紅冬小麥和1號大黃豆作為實證分析樣本，對于2號黃玉米和2號黃玉米選取的時間段是1994年1月到2009年1月，對于兩種小麥

58、的時間段是1998年1月到2009年6月。他們對整體數(shù)據(jù)和分組數(shù)據(jù)進行了研究，經(jīng)過實證分析他們得到如下結論：一般情況下期貨市場會控制現(xiàn)貨市場。在大部分情況先期貨市場價格的改變會導致現(xiàn)貨市場價格的改變，現(xiàn)貨市場價格的改變導致期貨市場價格改變的情況是比較少的，尤其是探究收益率數(shù)據(jù)的時候。這個發(fā)現(xiàn)正說明了期貨市場的價格發(fā)現(xiàn)功能。對于分組數(shù)據(jù)的研究他們發(fā)現(xiàn)期貨市場上的信息流動比過去的15年加強了很多。他們認為這很可能是由于在開放交易過程中，電子

59、期貨合約越來越重要，期貨交易過程更加透明和交易價格更加可以接受。</p><p>　　通過國內(nèi)外文獻綜述我們發(fā)現(xiàn)，在大部分國家內(nèi)或者說市場內(nèi)股指期貨和股指現(xiàn)貨之間存在某種因果關系，或者說二者之間存在領先和滯后的關系，并且大部分學者得出的結論是股指期貨市場價格會領先現(xiàn)貨市場價格，即期貨市場價格會影響現(xiàn)貨市場的價格，在少部分時間段內(nèi)現(xiàn)貨市場的價格會領先期貨市場的價格。但是也有少部分學者得出現(xiàn)貨市場的價格會領先股指期貨

60、市場的價格，或者說現(xiàn)貨市場和期貨市場之間不存在因果關系。導致國內(nèi)外作者結論不同的原因有很多，例如作者選取的樣本時間段不同，每個國家在不同的時間段在股票市場中都有不同的國家政策；國內(nèi)外學者選取的時間間隔不一樣，時間間隔包括日內(nèi)數(shù)據(jù)和日間數(shù)據(jù)，其中日內(nèi)數(shù)據(jù)就是該國家某市場內(nèi)每一天的收盤價，但是日間數(shù)據(jù)又包括1分鐘時間頻率數(shù)據(jù)、5分鐘頻率數(shù)據(jù)、15分鐘頻率數(shù)據(jù)等等；每個作者研究問題的方法和角度也不盡相同。這些在實證分析時的不同都可能會導致每個

61、作者在得到的結論不一致，即使是同一個國家、同一個市場。當然最大的原因可能是每個市場都有每個市場的特點。國內(nèi)學者在討論股指期貨和股指現(xiàn)貨的因果關系都是使用格蘭杰因果關系，目前新型因果關系在經(jīng)濟領域的應用還比較少。</p><p><b>　　因果關系理論介紹</b></p><p><b>　　引言</b></p><p>

62、　　在歷史長河中，國內(nèi)外學者對因果關系定義一直存在爭議，佛教和西方哲學家亞里士多德在2000多年就提出了因果關系，而因果關系的概念定義在現(xiàn)代哲學開來仍是重要課題。1965年，數(shù)學家維納提出了兩個時間序列之間的因果性這一想法[2]。經(jīng)濟學家C.W.J Granger根據(jù)數(shù)學家維納的時間信號因果性的想法從統(tǒng)計的意義上提出了格蘭杰因果關系的定義，Granger也承認格蘭杰因果關系檢驗只能從統(tǒng)計意義上表示兩個時間序列之間的因果關系，并不一定能表

63、示兩個時間序列之間的因果關系。2011年由國內(nèi)學者胡等人[3]提出了一種新的定義兩個甚至多個變量之間的因果關系的方法，我們稱之為新型因果關系。</p><p>　　在這一章中，我們首先介紹線性回歸模型包括線性自回歸模型和線性聯(lián)合回歸模型，第二節(jié)介紹時域上的格蘭杰因果關系，第三節(jié)介紹時域上的新型因果關系，第四節(jié)介紹理論上時域格蘭杰因果關系的缺陷。</p><p><b>　　線性回

64、歸模型</b></p><p>　　2.2.1線性自回歸模型（Linear AR Model)</p><p>　　線性自回歸模型，是指用變量過去的值來預測變量當前時刻的值，線性回歸模型是從回歸分析中發(fā)展而來，這里對當前值的預測只是使用當前值前面時刻的值，而不用其他變量預測擬合。</p><p><b>　　自回歸模型定義為:</b>

65、;</p><p><b>　?。?.1）</b></p><p>　　上式中表示t時刻變量X的值，是隨機誤差，表示模型的系數(shù)，其中，，表示不隨時間t的變化而變化。</p><p>　　2.2.2回歸模型中的擬合系數(shù)---最小二乘法</p><p>　　最小二乘法（Least squares，又稱最小平方法）是在自回歸分

66、析中是一個解決多因素決定系統(tǒng)的標準方法，是一種數(shù)學優(yōu)化技術。如解決等式個數(shù)比未知數(shù)個數(shù)少的問題。本節(jié)中我們使用最小二乘法擬合回歸模型中的系數(shù)，它通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配。利用最小二乘法可以簡便地求得未知的數(shù)據(jù)，并使得這些求得的數(shù)據(jù)與實際數(shù)據(jù)之間誤差的平方和為最小。最小二乘法推導如下：</p><p>　　考慮一個多因素決定系統(tǒng)</p><p><b>　?。?

67、.2）</b></p><p>　　其中有m個線性等式和n個未知的系數(shù)，而且滿足m>n。該等式矩陣形式表達如下：</p><p>　　（2.3） </p><p><b>　　其中，，</b></p><p>　　這樣的一個

68、線性方程組通常是沒有解的，因此從解決二次極值最小化問題的意義上來說，我們的目標是擬合線性方程中的系數(shù)，使得取得最小值即：</p><p>　?。?.4） </p><p>　　其中目標函數(shù)S的表達式如下：</p><p><b>　　（2.5）</b></p>

69、<p>　　在下面的屬性中給出了選擇這個標準的理由，這個最小化解決方案有一個獨一無二的解決方法，考慮一個有n列的矩陣X是線性獨立的即矩陣X是列滿秩的線面給出正規(guī)等式（normal equations），即在方程的兩邊同時乘以XT得到如下式：</p><p><b>　?。?.6）</b></p><p>　　其中矩陣XTX是非常有名的格拉姆矩陣，格拉姆矩陣

70、是具有一些良好性質(zhì)的矩陣，例如格拉姆矩陣是半正定矩陣。</p><p>　　接下來我們對正規(guī)等式（normal equations）進行推導，為什么式（2.6）滿足取此時的β時就可以使得目標函數(shù)S取得最小值?</p><p>　　這里首先給出第i殘差的等式為：</p><p><b>　　（2.7）</b></p><p&g

71、t;　　.那么目標函數(shù)也可以寫成：</p><p><b>　　（2.8）</b></p><p>　　當S的梯度向量為0時S可以取到最小值，其中梯度向量的每一個元素是目標函數(shù)S對未知參數(shù)求偏導數(shù)。求S對的偏導數(shù)可得：</p><p><b>　?。?.9）</b></p><p>　　將式（2.7

72、）求導，對求導之后可以得到：</p><p>　　. （2.10）</p><p>　　.將（2.7）式和（2.10）式帶入到（2.9）式中得到：</p><p><b>　?。?.11）</b></p><p>　　如果要使得S取得最小值必須滿足目標函數(shù)S對參數(shù)求偏導數(shù)之后結果

73、為0，可用如下等式表示：</p><p><b>　　（2.12）</b></p><p>　　經(jīng)過化簡，可以得到如下等式：</p><p><b>　　（2.13）</b></p><p>　　其實（2.13）式的矩陣形式為（XT是X的轉(zhuǎn)置），該式和（2.6）式是一樣的。此時式子（2.6）等號左邊

74、的因子是一個對稱方陣，如果，即矩陣的行列式不為0，就為可逆矩陣。由上面的條件可以知道矩陣X是列向量線性無關的，即X是列滿秩的，而且X是方陣，所以的逆是一定存在。這樣我們就可以在式（2.6）的等號兩邊左乘的逆矩陣，最終式（2.3）轉(zhuǎn)變?yōu)椋?lt;/p><p><b>　　(2.14)</b></p><p>　　通過一系列的變化得出了求解向量的方程，這樣我們就能求得線性自回

75、歸模型的系數(shù)了。同時我們也可以根據(jù)式（2.7）得到求解誤差。</p><p>　　2.2.3回歸模型中的階數(shù)選擇</p><p>　　模型選擇的方法有很多，使用這些方法的主要原因主要是從不同的模型得到可以最佳擬合給定數(shù)據(jù)集合的模型，這里我們主要介紹赤池信息量準則和貝葉斯信息準則，。</p><p>　　2.2.3.1 AIC準則介紹</p><p

76、>　　赤池信息量準則（Akaike information criterion，簡稱AIC）是評估統(tǒng)計模型的復雜度和衡量統(tǒng)計模型“擬合”資料之優(yōu)良性的一種標準，是由日本統(tǒng)計學家赤池弘次創(chuàng)立和發(fā)展的。AIC是測量給定數(shù)據(jù)集合數(shù)據(jù)模型相對質(zhì)量的方法。給定一個模型集合的數(shù)據(jù)，AIC用來估計每一個模型相對于其他模型的質(zhì)量，因此AIC是一種提供模型選擇的手段。AIC是基于信息熵理論的，它提供了當給定的模型被用于表示生成該數(shù)據(jù)的過程中損失的信

77、息的相對估計在此過程中，他的作用是在模型的復雜度和模型的契合度上作出權衡。</p><p>　　AIC不提供測試零假設意義上的模型測試，即AIC在某種程度上不會告訴你模型估計的質(zhì)量。如果所有候選模型擬合不佳，AIC也不會給予任何警告[18]。</p><p>　　通常的，AIC可以用如下等式表示：</p><p><b>　　(2.15)</b>

78、;</p><p>　　其中：K是未知參數(shù)的個數(shù)，L是模型的最大似然函數(shù)。</p><p>　　如果對于給定集合的模型的誤差服從獨立正態(tài)分布,那么AIC也可表示為：</p><p><b>　　(2.16)</b></p><p>　　其中n為給定數(shù)據(jù)集合的長度，RSS為殘差平方和。</p><p&g

79、t;　　赤池信息量準則是一個在統(tǒng)計分析尤其是在統(tǒng)計模型的選擇中有著廣泛應用的信息量準則，用AIC計算統(tǒng)計問題大致可以分為三個步驟：首先根據(jù)給定的數(shù)據(jù)集來提出統(tǒng)計模型，然后根據(jù)模型計算極大似然估計值，最后選擇AIC值最小的階數(shù)來確定模型[20]。</p><p>　　2.2.3.2 BIC信息準則</p><p>　　在統(tǒng)計上，貝葉斯信息準則（BIC）或者說施瓦茨（SBC,SBIC）是在對給

80、定數(shù)據(jù)集合的模型選擇的一個標準，通常我們選擇BIC值最小的模型作為最佳模型，貝葉斯信息準則的部分信息是基于似然函數(shù)的，貝葉斯信息準則和赤弘信息準則非常的相似。</p><p>　　當選擇最合適的模型的時候，通過增加模型的自由參數(shù)來提高擬合度是有可能的，但是增加了太多的參數(shù)之后會導致過度擬合，這種情況和赤弘信息準則是一樣的。貝葉斯信息準則和赤弘信息準則對模型中參數(shù)的個數(shù)都引進了懲罰因子。但是在貝葉斯信息準則中的懲罰

81、因子比赤弘信息準則的懲罰因子要大。</p><p>　　一般情況下，貝葉斯信息準則定義如下：</p><p><b>　　(2.17)</b></p><p>　　其中x表示樣本數(shù)據(jù)，θ表示模型的參數(shù)，n表示x中點的個數(shù)即樣本長度，k表示被估計的自由參數(shù)的個數(shù)，如果模型是線性回歸模型，k表示被解釋變量的個數(shù)，L表示模型M的最大似然估計值，例如，

82、θ是最大似然估計值。</p><p>　　當樣本長度足夠大時，貝葉斯信息準則也可以近似的定義為：</p><p><b>　　(2.18)</b></p><p>　　當然貝葉斯信息準則有主要的兩個限制，第一個限制是上面的近似只有在樣本長度n遠大于要估計的參數(shù)的個數(shù)k時才成立；第二個是在高維(或特征選擇)的問題時BIC不能處理復雜的集合模型的變

83、量選擇。</p><p>　　假設模型誤差或者干擾項是獨立同分布的，且服從于正態(tài)分布而且對數(shù)似然估計對方差求偏導數(shù)為0，貝葉斯信息準則也可以表示為：</p><p><b>　　(2.19)</b></p><p>　　其中表示誤差的方差，這里誤差的方差定義為：</p><p><b>　　(2.20)<

84、/b></p><p>　　是真實方差的無偏估計，用RSS表示剩余殘差平方和，那么貝葉斯信息準則也可以定義為：</p><p><b>　　(2.21)</b></p><p>　　上面的兩個模型階數(shù)確定的方法都只是衡量所選擇模型和真實數(shù)據(jù)擬合優(yōu)劣程度的一種標準，但是這兩種準則看起來是非常好的，但是在給定的數(shù)據(jù)集后，模型的選擇還是是很困難

85、的，這些準則只是用自己各自的衡量標準計算出當使用某個模型之后相對“真實模型”的信息損失，但是事實上我們并不知道模型的真實情況是什么樣子的，所以最后訓練得到的最佳模型其實只是真實模型的一個最佳擬合模型[21]。</p><p><b>　　時域格蘭杰因果關系</b></p><p>　　假設有兩個平穩(wěn)的時間序列，在一般情況下每個時間序列可以用自回歸模型來表示為：<

86、/p><p><b>　　(2.22)</b></p><p>　　他們的聯(lián)合回歸模型表示如下：</p><p><b>　　(2.23)</b></p><p>　　上面的兩式中t=0,1,...,N,白噪聲是和時間無關的。和的均值為0，方差為和，i=1,2.，和的協(xié)方差為。</p>

87、<p>　　現(xiàn)在考慮（2.22）和（2.23）中的第一個等式，如果在某種程度上比要小，就說對有因果關系。在這種情況下，在（2.23）里面的第一個等式在估計要比在（2.22）里面的第一個等式估計要更加的精確。換句話說，如果，說明對是沒有因果關系的，這種情況下，兩個等式是相等的。這樣的因果關系影響叫做格蘭杰因果關系,定義如下：</p><p>　　時間序列到因果關系定義為：</p><p

88、><b>　　(2.24)</b></p><p>　　顯然，表示對沒有因果關系，表示對有因故關系。同樣得出時間序列到的因果關系：</p><p><b>　　(2.25)</b></p><p><b>　　時域新型因果關系</b></p><p>　　考慮Xi是n個平

89、穩(wěn)的時間序列，其中i=1,2,...,n,它們的多元線性回歸模型可以表示如下：</p><p><b>　　(2.26)</b></p><p>　　上式中表示回歸模型的擬合系數(shù)，p,q=1,2,3,...,n,噪聲序列滿足,。</p><p>　　由式（2.26）可知，對有貢獻的項包括和誤差項，其中有一項表示的是的過去值對當前時刻的影響，以上

90、各項對于的確定都起著至關重要的作用。如果在所有的對的貢獻中占有的比例最大，那么就說明對的值的變化有著決定性的，就意味著是原因。</p><p>　　通過以上分析可知，一個能準確定義因果關系的方法應該可以描述在所有的貢獻中所占的比例。時域中，格蘭杰因果關系定義為兩個誤差項的比值，并沒有考慮到所有的信息，所以格蘭杰因果關系的定義不一定能完全反應兩個時間序列之間的因果關系?；诖耍?011年由胡等人提出了新型因果關系的

91、定義，對的新型因果關系的定義可以表示為：</p><p><b>　　(2.27)</b></p><p><b>　　當N非常大時有：</b></p><p>　　. (2.28)</p><p>　　將式(2.28)帶入式(2.27)可以近似得到：</p><p&

92、gt;<b>　　(2.29)</b></p><p>　　新型因果關系和格蘭杰因果關系理論模型對比分析</p><p>　　2.3和2.4小節(jié)介紹了格蘭杰因果關系和新型因果關系的定義。本節(jié)將通過使用具體的模型，比較新型因果關系和格蘭杰因果關系的相同點和不同點，并分析新型因果關系和格蘭杰因果關系各自的優(yōu)點和缺點，從理論上說明格蘭杰因果關系的不足之處。</p>

93、;<p>　　從2.3節(jié)中格蘭杰因果關系的定義式(2.25)可以知道，當X1是的原因時，或者說X2的變化會引起X1的變化時，X2對X1的格蘭杰因果關系值的取值范圍是從0到正無窮大。格蘭杰因果關系也許并不能真實的反應因果關系之間的強度，因此通過的值的大小很難判斷有多少影響。例如有兩組不同時間序列、和、，使用格蘭杰因果關系方法計算得到的和的因果關系值的大小并不能說明什么問題。當?shù)母裉m杰因果關系值很大時，并不能說明X2和X1的因

94、果關系很強；當?shù)母裉m杰因果關系值很小時，也不能說明X2對X1的因果關系很小[22]。</p><p>　　下面我們將給出具體模型來驗證上文提出的論述，假設有兩個平穩(wěn)的時間序列和,他們的聯(lián)合回歸模型用如下等式表示：</p><p><b>　　(2.29)</b></p><p><b>　　(2.30)</b></p

95、><p>　　其中令初值,滿足和、、，且和相互獨立。</p><p>　　下面我們通過該模型可以給兩個時間序列和生成兩個時間序列的點。根據(jù)式(2.29)使用格蘭杰因果關系方法得到，式(2.30)使用格蘭杰因果關系方法得到。在式(2.29)中誤差項的方差比較小，所以模擬的線性自回歸模型得到的誤差項的方差相對于改變比較小時，可能會導致格蘭杰因果關系值很大。根據(jù)上面模型式(2.29)和式(2.30)

96、的特點我們知道在兩個模型中的值時相等的。很明顯，在式(2.30)中的的值可以決定的值，因為他們是線性等式。在式(2.29)中的值是有和共同起決定的。并且、他們的值都很小，對改變的值能起到的作用很小[3]。</p><p>　　所以根據(jù)模型(2.29)和模型(2.20),我們知道式(2.29)中對因果關系值應該小于式(2.30)中對因果關系值，然而經(jīng)過計算我們知道式(2.29)中的格蘭杰因果關系值大于式(2.30)

97、中的格蘭杰因果關系值。顯然傳統(tǒng)的格蘭杰因果關系方法不一定可靠，至少從上面的兩個具體模型中可以看出。</p><p><b>　　本章小結</b></p><p>　　本章首先介紹了線性回歸模型(Linear Autoregression Model )的基本理論和基本方法，線性回歸模型是線性因果關系的基礎，線性因果關系是根據(jù)線性回歸模型推導定義的，只有充分了解了線性回

98、歸模型的一些基本理論和線性回歸模型中基本方法，才能對因果關系理論有更加深入透徹的理解。</p><p>　　本章我們介紹了使用最小二乘法求解線性回歸模型的系數(shù)，并對此作出了推導過程，說明了為什么等式 中取時能滿足線性回歸模型中最小誤差平方和取到最小值。然后介紹了在給定數(shù)據(jù)集合的時候，模型選擇的兩個標準，即赤弘信息準則和貝葉斯信息準則，這兩種準則只是說明了預測模型與真實模型的信息損失情況，但不一定是最接近真實模型的

99、預測模型，只是從一個側面說明我們模型選擇的優(yōu)劣程度。</p><p>　　接下來根據(jù)線性回歸模型，詳細介紹了時域的新型因果關系的定義和時域的格蘭杰因果關系的定義。新型因果關系的核心概念是在線性回歸模型中，當用一個時間序列去擬合另一個時間序列時，該時間序列對另一個時間序列有貢獻的部分與所有有貢獻的部分的一個比值。</p><p>　　本章在最后一節(jié)給出了格蘭杰因果關系的不足之處，通過一個具體

100、的模型實例，得出了格蘭杰因果關系也許在某種程度上并不一定能真實的反應兩個時間序列之間的因果關系。格蘭杰因果關系值的大小并不能表示因果關系的強弱，格蘭杰因果關系值大并不意味著這兩個時間序列之間的因果關系值大。</p><p>　　期貨市場和權重股概念介紹</p><p><b>　　引言</b></p><p>　　本章主要包括兩個部分，第一部分

101、主要介紹股指期貨的相關概念，包括期貨的發(fā)展歷程、國內(nèi)股指期貨的現(xiàn)狀、股指期貨的功能和特點；第二部分主要介紹權重股的相關概念。</p><p><b>　　股指期貨發(fā)展歷程</b></p><p>　　3.2.1期貨市場的產(chǎn)生背景</p><p>　　在19世紀40年代，芝加哥由于其交通便利信息發(fā)達成為了和東部市場連接商業(yè)中心。大概在同時期，由于

102、科技的進步，提高了小麥的產(chǎn)值。中西部地區(qū)農(nóng)民來到芝加哥出售他們的小麥經(jīng)銷商，然后這些經(jīng)銷商把購買到的小麥運往全國各地。</p><p>　　農(nóng)民們把自己種植的小麥帶到芝加哥希望能以合理的價格出售。由于這個城市幾乎沒有儲存設施，也沒有既定程序或者用于稱量糧食或交易的地方?？傊?，農(nóng)民往往任由經(jīng)銷商的擺布，很難掌握主動權。1848年出現(xiàn)了集中交易市場，在那里農(nóng)民和經(jīng)銷商能使自己各自的需求得到滿足。但是他們的交易方式是以

103、現(xiàn)金交換立即交貨的小麥。</p><p>　　今天我們所熟知的期貨合約，就逐漸的演變?yōu)檗r(nóng)民（賣家）和交易商（買方）在未來的某一天使用期貨合約的形式交換現(xiàn)金。例如，農(nóng)民同意在六月底以某一價格向經(jīng)銷商交付5000蒲式耳小麥。當時雙方還可以進行討價還價。這樣農(nóng)民就可以知道他的小麥可以掙多少錢而經(jīng)銷商就可以知道將提前花費多少錢。雙方可以交換了一份書面合同，甚至少量的錢作為保證。這個少量的錢就演變?yōu)楝F(xiàn)在的保證金。</

104、p><p>　　后來這種合同變的非常普遍，甚至被用來作為抵押向銀行貸款。有些經(jīng)銷商業(yè)開始在交貨日期前把他們所持有的合同轉(zhuǎn)手。如果某經(jīng)銷商不想要麥子，他將會把合同出售給想要該小麥的其他人?；蛘哒f不想給小麥的農(nóng)民可以將該合約出售給其他的農(nóng)民。這期間市場中小麥價格的變化決定了經(jīng)銷商手中合同的價值。在小麥市場，如果農(nóng)民收成不好那么賣方的合同就比較有價值，因為該年小麥的供給量就會降低;如果收成均大于預期，賣方的合同將變得不值錢

105、。在這不久之后就出現(xiàn)了不想買或者賣小麥的人，只想買賣合同的人。這些人就是投機者，希望低買高賣或高賣和低買謀取利益。</p><p>　　期貨市場的產(chǎn)生是順應市場的合理發(fā)展結果，1851年芝加哥商品交易所出現(xiàn)了第一份遠期合約，隨著市場的不斷發(fā)展和科技的不斷進步，后來又出現(xiàn)了金融期貨等等。股指期貨從出現(xiàn)到如今大致經(jīng)歷了以下幾個階段：</p><p>　　股指期貨的起步階段。1982年到1985

106、年是股指期貨的推出的最初幾年，股指期貨成為組合替代與套利的工具。1982年第一只股指期貨即價值線股指期貨(VLF)在美國的堪薩斯期貨交易所上市。同年標準普爾500股指期貨(S&P500)在芝加哥商品交易所上市，紐約證交所綜合股指期貨在紐約期貨交易所上市，隨后股指期貨如雨后春筍般迅速發(fā)展。但是作為股指期貨市場的起步階段，市場的制度尚不完善，無論是投資者還是交易所都缺乏對股指期貨相關特性的了解，市場的運作效率比較低，對那些技術高超的

107、操盤人員，可通過交易股票和股指期貨的方式獲取幾乎沒有風險的利潤。</p><p>　　股指期貨的發(fā)展階段。1986年到1987年期間，由于股指期貨在美國的良好發(fā)展得到許多國家和地區(qū)的普遍認可，許多國家開始引進股指期貨，新加坡、香港等世界各地都陸續(xù)的引入了股指期貨。這個時期的股指期貨市場運作效率比較高了，主要使用股指期貨實現(xiàn)套期保值的作用，就是降低股票的跌價風險。</p><p>　　股指期