我国国债期货与现货市场的价格发现与波动溢出：理论、实证与发展路径

我国国债期货与现货市场的价格发现与波动溢出：理论、实证与发展路径一、引言1.1研究背景与意义国债市场作为金融市场的关键组成部分，在国家经济运行中扮演着举足轻重的角色。国债现货是政府筹集资金的重要工具，具有风险低、收益稳定等特点，吸引了众多投资者，为国家财政政策的实施提供了有力支持。而国债期货作为一种重要的金融衍生工具，是以国债为标的资产的期货合约，其诞生丰富了金融市场的投资与风险管理工具。自2013年我国5年期国债期货重新上市交易，以及后续2015年10年期国债期货、2018年2年期国债期货的相继推出，我国国债期货市场不断发展完善，与国债现货市场共同构成了更为完整的国债市场体系。国债期货市场具有独特的功能。它为投资者提供了有效的套期保值手段，投资者能够通过买卖国债期货合约来对冲因利率波动而带来的风险，从而实现资产的保值与增值。在利率波动频繁的市场环境下，持有国债现货的投资者，如银行、保险机构等，可通过卖出国债期货合约锁定未来国债价格下跌的风险；而对于预期未来将买入国债的投资者，则能通过买入国债期货合约规避价格上涨的风险。此外，国债期货市场能够提升债券市场的定价效率。期货市场交易活跃，信息传递迅速，其价格发现机制更为灵敏，能及时反映市场对利率和经济形势的预期，为现货市场的债券定价提供重要参考。并且，国债期货市场的存在吸引了更多投资者参与债券市场交易，增强了金融市场的流动性，促进了资金的有效配置。价格发现效率是衡量国债期货与现货市场运行效率的重要指标。在有效的市场中，价格应能迅速、准确地反映所有相关信息。国债期货与现货市场之间存在紧密的联系，它们的价格相互影响、相互作用。研究二者的价格发现效率，有助于深入了解市场信息的传递速度和质量，明确哪个市场在价格形成过程中起主导作用。这对于投资者而言，能帮助他们更准确地把握市场价格走势，制定合理的投资策略；对于监管者来说，则有利于评估市场的有效性，为制定科学的市场监管政策提供依据，以促进市场的健康稳定发展。波动溢出效应也是国债期货与现货市场关系研究的重要内容。金融市场的波动具有传导性，一个市场的价格波动可能会传递到另一个市场，引发连锁反应。国债期货与现货市场之间的波动溢出效应，反映了两个市场之间风险传递的方向和强度。当国债期货市场出现大幅波动时，这种波动可能会通过各种渠道传导至现货市场，反之亦然。深入研究波动溢出效应，能够使投资者充分认识市场风险的传播路径，合理评估投资组合的风险状况，从而采取有效的风险防范措施。同时，监管部门也能依据波动溢出效应的研究结果，加强对市场风险的监测与管理，维护金融市场的稳定秩序。在当前金融市场不断发展和开放的背景下，我国国债市场面临着新的机遇和挑战。随着利率市场化进程的推进，利率波动更加频繁，投资者对利率风险管理的需求日益迫切，国债期货与现货市场的重要性愈发凸显。然而，目前国内对国债期货与现货市场的研究还存在一定的局限性，部分研究样本时间跨度较短，研究指标不够全面，研究方法也有待进一步完善。因此，深入研究我国国债期货和现货市场的价格发现效率与波动溢出效应具有重要的现实意义。它不仅有助于投资者更好地理解市场运行规律，提高投资决策的科学性和准确性，降低投资风险；还能为监管部门制定科学合理的政策提供理论支持和实证依据，促进国债市场的健康、稳定、高效发展，进而推动整个金融市场的繁荣与稳定。1.2研究目的与创新点本研究旨在深入剖析我国国债期货和现货市场的价格发现效率与波动溢出效应，为投资者提供科学的投资决策依据，为监管部门制定合理的政策提供有力的理论支持。通过运用多种计量经济学模型，如向量自回归（VAR）模型、格兰杰因果检验、脉冲响应函数、方差分解以及二元GARCH类模型中的BEKK-GARCH模型等，对国债期货与现货市场的价格数据进行全面且深入的分析。在价格发现效率研究方面，明确两个市场在价格形成过程中的相互作用与主导地位；在波动溢出效应研究方面，精准揭示两个市场之间风险传递的方向与强度。在研究方法上，本研究具有创新性。综合运用多种计量模型进行全面分析，克服了以往研究中方法单一的局限性。例如，通过构建VAR模型，能有效考察国债期货与现货价格之间的动态关系；利用格兰杰因果检验判断两者之间的因果关系方向；借助脉冲响应函数直观展示一个市场价格变动对另一个市场的冲击响应；运用方差分解确定不同市场价格变动对自身和对方价格波动的贡献程度；采用BEKK-GARCH模型深入探究波动溢出效应，全面系统地揭示国债期货与现货市场之间的复杂关系。在样本选取上，本研究选用了自2013年9月6日我国5年期国债期货重新上市交易至2023年12月31日的国债期货与现货的日度价格数据，时间跨度长，能更全面地反映市场发展的不同阶段和市场环境变化对国债期货与现货市场关系的影响，增强研究结论的可靠性与普适性，避免因样本时间过短导致结论的片面性和偶然性。在研究视角上，本研究从价格发现效率和波动溢出效应两个维度，综合宏观经济环境、市场微观结构以及投资者行为等多方面因素进行研究。不仅关注市场价格的形成机制和信息传递效率，还深入分析市场风险的传导路径和影响因素，为全面理解国债期货与现货市场的运行规律提供了更广阔、更深入的视角，有助于投资者和监管部门从多个层面把握市场动态，制定科学合理的投资策略和监管政策。1.3研究方法与技术路线本研究综合运用多种计量经济学方法，对我国国债期货和现货市场的价格发现效率与波动溢出效应展开深入研究。在数据处理阶段，对收集到的自2013年9月6日至2023年12月31日的国债期货与现货的日度价格数据进行清洗和预处理，确保数据的准确性和完整性。运用描述性统计分析方法，对国债期货与现货价格序列的均值、标准差、最大值、最小值、偏度和峰度等统计特征进行计算和分析，初步了解数据的基本特征和分布情况。为检验国债期货与现货价格序列的平稳性，采用ADF（AugmentedDickey-Fuller）单位根检验方法。该方法通过构建回归方程，对价格序列是否存在单位根进行检验，以判断序列是否平稳。若序列不平稳，进一步对其进行差分处理，直至得到平稳序列，为后续的实证分析奠定基础。通过Johansen协整检验，探究国债期货与现货价格之间是否存在长期均衡关系。Johansen协整检验基于向量自回归（VAR）模型，通过对迹统计量和最大特征值统计量的计算和比较，确定变量之间协整关系的个数，从而判断国债期货与现货价格在长期内是否存在稳定的均衡关系。运用向量自回归（VAR）模型，分析国债期货与现货价格之间的动态关系。VAR模型将所有变量都视为内生变量，通过估计模型参数，考察各变量之间的相互影响和动态变化。在构建VAR模型时，确定合适的滞后阶数，以确保模型能够准确反映变量之间的动态关系。采用格兰杰因果检验，判断国债期货与现货价格之间的因果关系方向。格兰杰因果检验通过检验一个变量的滞后项是否对另一个变量的当前值有显著影响，来确定变量之间的因果关系。若国债期货价格的滞后项对现货价格有显著影响，则表明国债期货价格是现货价格的格兰杰原因；反之，若现货价格的滞后项对国债期货价格有显著影响，则表明现货价格是国债期货价格的格兰杰原因。借助脉冲响应函数（IRF），分析国债期货与现货市场受到外部冲击时的动态响应。脉冲响应函数描述了在VAR模型中，当一个变量受到一个标准差大小的冲击时，对其他变量产生的影响随时间的变化路径。通过绘制脉冲响应图，直观地展示国债期货与现货市场之间的相互冲击响应情况，了解市场之间的动态传导机制。利用方差分解方法，确定国债期货与现货价格变动对自身和对方价格波动的贡献程度。方差分解将系统中每个变量的预测误差方差分解为各个变量冲击所贡献的部分，通过计算各变量冲击对价格波动的贡献率，明确国债期货与现货市场在价格形成过程中的相对重要性。选用二元GARCH类模型中的BEKK-GARCH模型，研究国债期货与现货市场之间的波动溢出效应。BEKK-GARCH模型能够考虑到两个市场之间的波动相互影响，通过估计模型参数，分析矩阵A和B非对角元素的显著性，判断国债期货与现货市场之间是否存在短期和持久波动溢出效应，以及波动溢出的方向和强度。本研究的技术路线如下：首先，明确研究问题和目的，确定研究所需的数据来源和样本区间，收集国债期货与现货的日度价格数据。其次，对数据进行描述性统计分析和ADF单位根检验，判断数据的平稳性。若数据不平稳，进行差分处理使其平稳。接着，进行Johansen协整检验，确定国债期货与现货价格之间是否存在长期均衡关系。然后，构建VAR模型，进行格兰杰因果检验、脉冲响应函数分析和方差分解，研究国债期货与现货价格之间的因果关系、动态响应和价格波动贡献程度。最后，运用BEKK-GARCH模型分析国债期货与现货市场之间的波动溢出效应，根据实证结果得出研究结论，并提出相应的政策建议。具体流程如图1-1所示：graphTD;A[确定研究问题与目的]-->B[数据收集];B-->C[数据预处理与描述性统计];C-->D[ADF单位根检验];D-->|非平稳|E[差分处理];D-->|平稳|F[Johansen协整检验];E-->F;F-->|存在协整关系|G[构建VAR模型];G-->H[格兰杰因果检验];G-->I[脉冲响应函数分析];G-->J[方差分解];F-->|不存在协整关系|K[其他分析方法（若有）];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];A[确定研究问题与目的]-->B[数据收集];B-->C[数据预处理与描述性统计];C-->D[ADF单位根检验];D-->|非平稳|E[差分处理];D-->|平稳|F[Johansen协整检验];E-->F;F-->|存在协整关系|G[构建VAR模型];G-->H[格兰杰因果检验];G-->I[脉冲响应函数分析];G-->J[方差分解];F-->|不存在协整关系|K[其他分析方法（若有）];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];B-->C[数据预处理与描述性统计];C-->D[ADF单位根检验];D-->|非平稳|E[差分处理];D-->|平稳|F[Johansen协整检验];E-->F;F-->|存在协整关系|G[构建VAR模型];G-->H[格兰杰因果检验];G-->I[脉冲响应函数分析];G-->J[方差分解];F-->|不存在协整关系|K[其他分析方法（若有）];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];C-->D[ADF单位根检验];D-->|非平稳|E[差分处理];D-->|平稳|F[Johansen协整检验];E-->F;F-->|存在协整关系|G[构建VAR模型];G-->H[格兰杰因果检验];G-->I[脉冲响应函数分析];G-->J[方差分解];F-->|不存在协整关系|K[其他分析方法（若有）];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];D-->|非平稳|E[差分处理];D-->|平稳|F[Johansen协整检验];E-->F;F-->|存在协整关系|G[构建VAR模型];G-->H[格兰杰因果检验];G-->I[脉冲响应函数分析];G-->J[方差分解];F-->|不存在协整关系|K[其他分析方法（若有）];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];D-->|平稳|F[Johansen协整检验];E-->F;F-->|存在协整关系|G[构建VAR模型];G-->H[格兰杰因果检验];G-->I[脉冲响应函数分析];G-->J[方差分解];F-->|不存在协整关系|K[其他分析方法（若有）];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];E-->F;F-->|存在协整关系|G[构建VAR模型];G-->H[格兰杰因果检验];G-->I[脉冲响应函数分析];G-->J[方差分解];F-->|不存在协整关系|K[其他分析方法（若有）];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];F-->|存在协整关系|G[构建VAR模型];G-->H[格兰杰因果检验];G-->I[脉冲响应函数分析];G-->J[方差分解];F-->|不存在协整关系|K[其他分析方法（若有）];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];G-->H[格兰杰因果检验];G-->I[脉冲响应函数分析];G-->J[方差分解];F-->|不存在协整关系|K[其他分析方法（若有）];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];G-->I[脉冲响应函数分析];G-->J[方差分解];F-->|不存在协整关系|K[其他分析方法（若有）];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];G-->J[方差分解];F-->|不存在协整关系|K[其他分析方法（若有）];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];F-->|不存在协整关系|K[其他分析方法（若有）];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];H-->L[得出因果关系结论];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];I-->M[得出动态响应结论];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];J-->N[得出价格波动贡献结论];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];L-->O[综合分析与结论];M-->O;N-->O;O-->P[政策建议];M-->O;N-->O;O-->P[政策建议];N-->O;O-->P[政策建议];O-->P[政策建议];图1-1技术路线图二、理论基础与文献综述2.1相关理论基础2.1.1有效市场假说有效市场假说（EfficientMarketsHypothesis，简称EMH）由尤金・法玛（EugeneF.Fama）于1970年深化并提出，其核心内涵是在一个充满信息交流和竞争的金融市场中，若各类信息能迅速、准确且广泛地传播，那么金融资产的价格应能及时、充分地反映所有可得信息，此时市场处于有效状态。该假说以理性投资者为假设前提，认为在满足一定条件下，市场能实现资源的有效配置、高效运作以及信息的有效流动与价格反映。在有效市场中，根据信息的不同类型和市场对其反映的程度，有效市场假说可分为三种形态：弱式有效市场假说：在弱式有效市场下，市场价格已充分反映出所有过去历史的证券价格信息，如股票的成交价、成交量、卖空金额、融资金额等。这意味着基于历史价格数据进行的技术分析无法为投资者带来超额利润，因为过去的价格走势已被当前价格完全吸收，未来价格变动与历史价格无关，呈现出随机游走的特征。半强式有效市场假说：此假说认为价格已充分反映出所有已公开的有关公司营运前景的信息，包括成交价、成交量、盈利资料、盈利预测值、公司管理状况及其它公开披露的财务信息等。若半强式有效假说成立，那么在市场中利用技术分析和基于公开信息的基本分析都将失去作用，因为市场价格已迅速对这些公开信息做出反应，只有掌握内幕消息的投资者才可能获得超额利润。强式有效市场假说：强式有效市场假说主张价格已充分地反映了所有关于公司营运的信息，涵盖已公开的或内部未公开的信息。在强式有效市场中，任何方法都无法帮助投资者获得超额利润，即使是基金和拥有内幕消息者也难以例外，因为所有信息都已在价格中得到体现。在国债期货和现货市场中，有效市场假说同样具有重要的理论指导意义。若国债期货和现货市场达到弱式有效，意味着投资者无法通过分析历史价格数据来预测未来价格走势，获取超额收益。若市场达到半强式有效，那么基于公开的宏观经济数据、国债发行信息、市场利率动态等进行的基本面分析，也难以使投资者持续获得超越市场平均水平的回报。而在强式有效市场中，即使存在未公开的信息，也无法为投资者带来额外的盈利机会，因为这些信息会迅速且准确地反映在国债期货和现货的价格中。在实际市场中，由于存在交易成本、信息不对称以及投资者行为偏差等因素，国债期货和现货市场很难完全达到强式有效状态，但有效市场假说为我们理解市场的运行机制和价格形成过程提供了重要的理论框架。通过对市场有效性的研究，可以判断市场中信息的传递效率和价格的合理性，进而为投资者的决策和市场监管提供依据。2.1.2价格发现理论价格发现是金融市场的重要功能之一，指在市场中，通过众多参与者的买卖交易活动，使商品或资产的价格能够充分反映其内在价值以及市场的供求关系、宏观经济形势、投资者预期等各类相关信息，从而形成一个合理、公正且具有前瞻性的价格的过程。其机制和过程涉及多方面因素。众多的市场参与者，包括投资者、投机者、套期保值者等，基于自身对市场信息的分析和判断，在市场中进行买卖报价。这些参与者的交易行为相互影响、相互作用，通过供求关系的动态调整，推动价格不断趋近于资产的真实价值。在国债市场中，当市场预期经济增长放缓，利率可能下降时，投资者会增加对国债的需求，导致国债价格上升；反之，若预期经济增长强劲，利率上升，投资者则会减少对国债的需求，国债价格下降。期货市场在价格发现中具有独特的作用。国债期货市场交易活跃，参与者众多，信息传播迅速。期货合约的标准化和集中交易特点，使得市场上的买卖报价更加透明和公开。投资者可以通过期货市场获取大量的市场信息，包括宏观经济数据、利率走势预期、市场参与者的交易行为等。这些信息在期货市场中迅速整合和反映，使得国债期货价格能够更及时、准确地反映市场对未来国债价格的预期。国债期货市场的价格发现功能还体现在其对现货市场的引导作用上。由于期货市场的交易机制和参与者的预期因素，期货价格往往领先于现货价格变动。当期货市场预期国债价格上涨时，投资者会在期货市场买入国债期货合约，推动期货价格上升。这种价格信号会传递到现货市场，使得现货市场的投资者也调整对国债价格的预期，进而影响现货市场的供求关系和价格走势。因此，国债期货市场的价格发现功能为现货市场提供了重要的参考，有助于提高整个国债市场的定价效率。2.1.3波动溢出效应理论波动溢出效应（VolatilitySpilloverEffect）是指在金融市场中，一个市场的价格波动不仅受自身过去波动的影响，还可能受到其他相关市场波动的影响，这种波动在不同市场之间的传导现象被称为波动溢出效应。其理论基础源于金融市场之间的紧密联系和信息传递。金融市场之间存在着各种经济和金融联系，如资金流动、投资者行为、宏观经济因素的共同影响等。当一个市场出现波动时，这种波动会通过这些联系传递到其他市场，引发其他市场的价格波动。在国债期货和现货市场中，波动溢出效应主要表现为以下形式：一是短期波动溢出，即国债期货市场的短期价格波动迅速传导至现货市场，或现货市场的短期波动影响期货市场。当国债期货市场受到突发的政策消息、市场情绪变化等因素影响，出现短期内的价格大幅波动时，这种波动可能会通过投资者的套利行为、资产组合调整等渠道，迅速传递到国债现货市场，导致现货市场价格也出现相应的波动。二是持久波动溢出，意味着一个市场的波动对另一个市场的影响具有持续性。若国债期货市场由于长期的宏观经济趋势变化、市场结构调整等因素，出现持续的价格波动，这种波动会逐渐渗透到国债现货市场，使现货市场在较长时间内也呈现出相应的波动趋势。投资者对国债期货市场的长期预期改变，会调整其在现货市场的投资策略，进而影响现货市场的供求关系和价格稳定性。波动溢出效应的存在反映了国债期货和现货市场之间风险传递的复杂性和动态性，对投资者的风险管理和市场监管都提出了挑战。2.2国内外文献综述2.2.1国债期货和现货市场价格发现效率研究国外学者对国债期货和现货市场价格发现效率的研究起步较早，成果丰硕。Bigman等（1983）最早提出期货市场有效性的检验模型：S_{T}=a+bF_{T}+\epsilon_{T}，并在a=0，b=1的假设下运用该模型，对芝加哥商品交易所玉米、大豆和小米的期货价格发现功能进行检验，为后续研究奠定了基础。E-lam和Dixon（1986）指出，期货价格和现货价格是非平稳的，传统检验a=0，b=1的F统计量得出的结果存在偏误，无效，推动了研究方法的改进。此后，协整理论和向量自回归模型被广泛应用于期货市场和现货市场关系的研究。Ghosh（1993）应用误差修正模型发现S&P500指数期货价格和现货价格之间呈现稳定的协整关系，揭示了两者在长期内的均衡联系。Holland和Vila（1998）对欧洲国债市场的有效性进行检验，结果显示，在90%以上的时间里，国债期货市场对新信息的反映快于现货市场，突出了国债期货市场在价格发现中的领先地位。国内学者在借鉴国外研究方法的基础上，结合我国国债市场实际情况展开研究。吴冲锋等（1997）运用协整理论对铜期货市场进行研究，发现国内铜期货市场之间存在协整关系，为国债期货与现货市场关系研究提供了方法借鉴。华仁海等（2002）利用协整检验、Granger因果检验和误差修正模型对铝和铜的价格发现功能进行研究，发现铜期货和铜现货价格之间存在双向引导关系，而铝仅存在期货价格到现货价格的单项引导，表明不同品种期货与现货价格引导关系存在差异。熊熊、王芳（2008）利用协整检验、向量误差修正模型以及脉冲响应和方差分解的方法，研究我国沪深300股指期货仿真交易市场对现货市场的价格发现能力，结果表明我国仿真交易的沪深300股指期货对沪深300指数具有长期价格发现的功能，为国债期货市场价格发现研究提供了思路。针对我国国债期货市场，部分学者研究发现，国债期货价格和现货价格之间满足长期稳定均衡关系，国债期货价格的变动能引起现货价格的波动，国债期货市场对现货市场具有长期的价格发现功能。但也有研究指出，在国债期货仿真交易时期，现货价格单向引导期货价格，期货市场并未发挥显著的价格发现作用，反映出市场发展阶段对价格发现功能的影响。2.2.2国债期货和现货市场波动溢出效应研究在波动溢出效应研究方面，国外学者多运用GARCH类模型进行分析。Engle（1982）提出ARCH模型，Bollerslev（1986）在此基础上扩展出GARCH模型，这些模型能够有效刻画金融时间序列的波动集聚性和持续性，为研究波动溢出效应提供了有力工具。此后，多种GARCH类模型不断涌现，如EGARCH模型、TGARCH模型等，被广泛应用于金融市场波动溢出效应的研究。在国债期货和现货市场领域，国外研究发现两者之间存在显著的波动溢出效应，且波动溢出的方向和强度会受到市场环境、宏观经济因素等多种因素的影响。当宏观经济不稳定时，国债期货市场的波动更容易传导至现货市场。国内学者对国债期货和现货市场波动溢出效应的研究相对较新。邓超（2019）利用GARCH-CoVaR模型计算国内国债期货与现货市场之间的风险传递值\%\DeltaCoVaR，分析两者之间的风险溢出关系，为投资者提供投资建议。张雪莹、龙腾飞（2015）选用BEKK-GARCH模型研究我国国债期货与现货价格之间的波动溢出效应，发现国债期货市场对现货市场传递能力更强。也有研究表明，国债期货的推出降低了现货市场波动，使得现货交易的杠杆性加强，但不同研究因样本选取和研究方法的差异，结论存在一定分歧。2.2.3文献述评现有文献为国债期货和现货市场的研究提供了丰富的理论和实证基础，在研究方法和结论上取得了一定成果。但仍存在一些不足之处。在样本选取上，部分国内研究样本时间跨度较短，如一些对国债期货上市交易后实际数据进行的研究，最长样本期也不超过一年，这可能导致结论具有偶然性，无法全面反映市场的长期特征和规律。在研究指标方面，不够丰富和全面，大多集中于价格引导关系的分析，对市场微观结构、投资者行为等因素考虑较少，而这些因素对国债期货和现货市场的价格发现效率与波动溢出效应可能产生重要影响。研究方法虽不断创新，但仍存在一定局限性。一些传统的计量模型在处理复杂的市场关系时，可能无法准确捕捉市场的动态变化和非线性特征。不同研究方法得出的结论有时存在差异，缺乏统一的研究框架和标准，导致研究结果的可比性和可靠性受到一定影响。基于以上不足，本文将在研究中选取更长时间跨度的样本数据，从2013年9月6日我国5年期国债期货重新上市交易至2023年12月31日，以增强研究结论的可靠性和普适性。丰富研究指标，综合考虑宏观经济环境、市场微观结构以及投资者行为等多方面因素。采用多种计量经济学模型进行综合分析，弥补单一模型的局限性，力求更全面、深入地研究我国国债期货和现货市场的价格发现效率与波动溢出效应。三、我国国债期货与现货市场发展现状3.1国债期货市场发展历程与现状我国国债期货市场的发展历程曲折且充满探索。1992年12月2日，上海证券交易所首次尝试国债期货交易，精心设计并推出了12个品种的期货合约，标志着我国国债期货市场进入试行期。然而，初期市场面临诸多困境，首批获准参加交易的会员机构仅有20家，且未对个人投资者开放，投资者数量稀少，信心与操作经验匮乏，致使国债期货市场初期交易极为冷清。从1992年12月至1993年10月，国债期货总成交金额仅约5000万元。1993年7月10日，财政部决定对国债实施保值补贴，同年10月25日，上海证券交易所在重新设计交易品种和机制后，正式向社会投资者开放并大力推介，国债期货市场逐渐活跃。1993年12月15日，北京商品交易所创办国债期货，推出四个国债品种，成为我国第一家开展国债期货交易的商品期货交易所。此后，全国其他交易所纷纷跟进，国债期货交易呈现蓬勃发展之势。1994年是国债期货市场最为繁荣的一年。截至当年9月12日，全国开办国债期货交易的场所达14家。1994年下半年，国债期货飞速发展，成交量成倍放大，机构和个人投资者踊跃入市。该年全国国债期货市场总成交量高达2.8万亿元，是445亿元现货市场成交量的六七十倍。国债期货市场的繁荣有力带动了相关国债现货市场的活跃，1994年国债现货市场总成交量较1993年翻了十多倍，现货流动性大为增强，一级市场发行再次畅销，国债重获“金边债券”的美誉。然而，繁荣背后隐藏着危机。1994年10月上海证券交易所出现“314”风波。“314”国债期货合约在数家机构联手做多的操纵下，出现日价位波幅达3元的异常行情。在离最后交收日仅两个交易日时，持仓量仍高达78.87万张，远超对应现券的发行量。上交所为维护市场秩序，被迫采取强制平仓措施才平息该事件。此事件给国债期货市场埋下隐患，使其逐渐沦为超级机构运用巨资互相抗衡以获取巨大投机利润的场所。进入1995年，国债期货市场交易更加火爆，持仓量不断攀升，市场风险持续累积。1995年2月，沪市发生著名的“327”逼仓事件。“327”品种是对1992年发行的3年期国债期货合约的代称。市场对“327”等低于同期银行利率的国库券是否加息存在争议，形成了多方与空方。1995年2月23日，提高“327”国债利率的传言得到证实，空方遭受致命打击。万国证券在走投无路的情况下违规大量透支交易，于收盘前疯狂抛出1056万张卖单，面值达2112亿元，将“327”合约价格从151.30元硬砸到147.50元，导致当日开仓的多头全线爆仓。24日，上海国债期市停市，上交所发出《关于加强国债期货交易监管工作的紧急通知》，就实行涨跌停板制度、加强持仓量限额管理及期货资金使用管理等问题做出严格规定。2月26日中国证监会颁布《关于加强国债期货交易风险控制的紧急通知》，要求各国债期货交易所立即采取提高保险金比率、密切注意持仓大户交易情况、严格执行每日结算制度和强行平仓制度等对策。上交所从2月27日开始休市，对“327”国债期货事件展开调查。“327”风波之后，各交易所虽采取提高保证金比例、设置涨跌停板等措施抑制国债期货的投机气焰，但因当时市场环境所限，上证交易所依旧风波不断。4月份再次掀起投机狂潮，透支、超仓、恶意操作等现象屡见不鲜。5月10日，上证交易所又爆发了“319”逼空事件。1995年5月17日，中国证监会发出《暂停国债期货交易试点的紧急通知》，宣布我国尚不具备开展国债期货交易的基本条件，暂停国债期货交易试点。5月31日，全国14家国债期货交易场所平仓清场完毕，历时两年半的国债期货交易暂时中止。直到2012年，国债期货重启仿真交易试点，为市场的重新起航奠定基础。2013年9月6日，五年期国债期货合约TF1312正式在中国金融期货交易所上市交易，标志着我国国债期货市场在新时代的正式回归。此后，国债期货市场不断发展完善。2015年3月，10年期国债期货上市交易；2018年8月，2年期国债期货上市交易；2023年4月21日，30年期国债期货上市。至此，我国已成功形成覆盖长中短期的较为完善的国债期货合约体系。当前，我国国债期货市场呈现出良好的发展态势。从市场规模来看，2024年国债期货日均成交22.88万手，较2023年增加4.01万手，同比增长21.25%；2024年日均持仓49.16万手，较2023年增加9.24万手，同比增长23.15%。国债期货成交规模增幅虽小于国债现货，但成交及持仓规模均稳中有升，市场流动性总体平稳、充足。2024年，2年、5年、10年、30年期国债期货主力合约日均买卖价差分别为0.002元、0.005元、0.005元、0.011元，均保持在1个最小变动价位（tick）附近。在交易品种方面，我国已拥有2年期、5年期、10年期和30年期国债期货合约。不同期限的国债期货合约为投资者提供了多样化的选择，满足了不同投资者的风险管理和投资需求。2年期国债期货适合对短期利率风险进行管理的投资者；5年期国债期货在市场中交易较为活跃，是许多投资者进行套期保值和套利的重要工具；10年期国债期货作为市场的重要品种，对反映长期利率走势具有重要意义；30年期国债期货的上市，进一步完善了我国国债期货的期限结构，为投资者提供了更长期限的利率风险管理工具。从投资者结构来看，国债期货市场的机构化、专业化特征日益凸显。2024年，国债期货市场机构投资者日均成交、持仓规模占比分别为73.40%和91.48%。随着第三批保险机构参与国债期货业务成功落地，投资者结构更加丰富。以商业银行、保险资金、公募基金、年金基金、基本养老保险基金为代表的中长期资金主要运用国债期货开展卖出套期保值，其在国债期货市场上的合计成交、持仓规模占比均较2023年有所提升。中长期资金的深度参与，不仅增强了市场的稳定性，也提高了国债期货市场服务实体经济和风险管理的能力。3.2国债现货市场发展历程与现状我国国债现货市场的发展历程是一部不断探索与改革的历史，对国家经济建设和金融市场发展意义深远。新中国成立初期，为弥补财政赤字、平复战争创伤、恢复和发展经济，中央人民政府于1950年发行人民胜利折实公债。该公债以实物为计算标准，单位为“分”，每分公债值按上海、天津、汉口、西安、广州、重庆六大城市的大米（天津为小米）3公斤、面粉0.75公斤、白细布1.33米和煤炭8公斤的批发价加权平均计算，有效抑制了通货膨胀，为经济恢复提供了资金支持。在顺利渡过三年恢复期之后，国民经济进入建设时期，1954年至1958年期间连续发行5次经济建设公债，有力推动了国家重点项目建设。随着国民经济恢复，以上债务清偿完成后，国债停发。在1968年到1980年的十多年里，我国一直处于“既无内债、又无外债”的状态。1978年党的十一届三中全会后，我国实行改革开放，市场经济体制逐步建立，地方政府和企业财权不断扩大，人民收入水平日益提高，为我国重新发行国债提供了基本条件。1981年国债恢复发行，最初主要面向企事业单位和机关团体发行，采用行政摊派方式，缺乏市场化机制。1981年发行的国库券，计划发行40亿元，实际发行48.66亿元。从1982年开始，国库券发行对象扩大到居民。1988年，我国尝试通过商业银行和邮政储蓄的柜台销售方式发行实物国债，标志着国债一级市场的初步形成，同年国债二级市场（柜台交易市场）也开始出现。1990年12月上海证券交易所成立，首次形成了场内场外两个交易市场并存的格局。1991年，以场外柜台交易市场为主、场内集中交易市场为辅的国债二级市场格局基本形成。国债发行方式逐步由柜台销售、承购包销过渡到公开招标。1995年8月，国家停止一切场外交易市场，证券交易所成为我国唯一合法的国债交易市场。国债逐步全部采取招标方式发行，实现了国债发行从零售市场向批发市场的转变，国债期限品种也日益多样化。1997年，中国人民银行决定商业银行全部退出上海和深圳交易所的债券市场，建立全国银行间债券市场。此后，保险公司、基金等机构投资者陆续进入银行间市场，银行间市场逐渐成为中国国债市场的主要组成部分。2002年至今，国债市场进入融合与发展阶段，政府不断出台新措施促进交易主体、交易品种、交易平台的融合和统一，国债市场产品创新与交易机制持续完善，柜台市场也逐渐兴起。在国债品种方面，先后发行过国库券、国家（重点）建设债券、保值公债、记账式国债、储蓄国债（凭证式）、储蓄国债（电子式）等各类国债。从国债期限结构来看，1981年国库券发行期限为10年，1985年调整为5年，后又缩短为3年。1994年起适量发行短期国债和长期国债，国债市场逐步形成了全面覆盖3个月至50年期限、涵盖短中长期不同品种的期限结构。从发行方式来看，1981年国债重新发行初期采取行政摊派方式，1991年开始采取承购包销发行，1993年推出一级直营商制度，1994年采取柜台销售方式，1995年开始试行招标发行方式，2000年起组建国债承销团。目前，凭证式国债是以商业银行为主的凭证式国债承销团承购包销与柜台销售相结合，记账式国债是招标与承购包销相结合的发行模式。从国债管理制度看，1981-2006年采取逐年审批年度发行额的管理方式，2006年起参照国际通行做法实行国债余额管理制度。当前，我国国债现货市场呈现出蓬勃发展的良好态势。从市场规模来看，截至2024年12月底，存量国债为279只，规模为34.29万亿元，同比增加4.58万亿元。2024年，财政部共发行各期限国债12.47万亿元，同比增加1.37万亿元。国债发行量的增加，不仅为国家财政筹集了大量资金，有力支持了国家基础设施建设、民生改善等项目，还丰富了金融市场的投资品种，满足了不同投资者的需求。在二级市场，国债成交活跃，2024年国债日均成交4986亿元，同比增长约52%，超越国开债成为最活跃券种。国债成交量的显著提升，反映了市场对国债的高度认可和积极参与，也表明国债市场的流动性不断增强，交易效率不断提高。在交易品种方面，我国国债现货市场涵盖了丰富的期限品种，从短期的3个月国债到长期的50年期国债，形成了较为完善的期限结构。不同期限的国债满足了投资者多样化的投资和风险管理需求。短期国债流动性强，收益相对稳定，适合追求资金流动性和短期稳定收益的投资者；长期国债则为追求长期稳定收益、进行资产配置的投资者提供了选择。在不同期限国债中，长期、超长期国债成交量增长较为明显。2024年，2年、5年、10年、30年期国债期货可交割券日均分别成交324.15亿元、298.33亿元、2185.20亿元、938.60亿元，与2023年相比，分别下降0.20%、增长31.04%、增长97.94%、增长101.63%；从换手率来看，2年、5年、10年、30年期可交割券换手率均值分别为1.06%、1.31%、5.69%、5.20%，与2023年相比，分别下降0.15个百分点、上升0.08个百分点、上升2.72个百分点、上升2.44个百分点。长期、超长期国债成交量和换手率的变化，反映了市场投资者对长期资产配置的重视和对长期利率走势的关注。从投资者结构来看，国债现货市场吸引了众多机构投资者参与，包括商业银行、保险公司、基金公司、证券公司等。不同类型的投资者基于自身的投资目标和风险偏好，在国债市场中扮演着不同的角色。商业银行作为国债市场的重要参与者，因其资金规模大、稳定性强，主要将国债作为流动性管理和资产配置的重要工具。在市场利率波动时，商业银行通过买卖国债来调整资产组合，满足流动性需求和风险控制要求。保险公司则更注重资产的安全性和长期收益性，国债的低风险和稳定收益特性符合其投资需求，常用于匹配长期负债，实现资产与负债的期限和收益匹配。基金公司的投资策略较为灵活多样，根据市场行情和基金的投资目标，既可以进行短期的波段操作，获取价差收益，也可以进行长期投资，分享国债的稳定收益。证券公司在国债市场中不仅参与投资，还承担着做市商的角色，通过提供买卖双边报价，增加市场的流动性，促进国债交易的活跃。3.3国债期货与现货市场的关联性分析国债期货与现货市场作为国债市场的重要组成部分，在金融体系中扮演着关键角色，二者之间存在着紧密且复杂的关联性，这种关联性体现在多个方面。在价格走势方面，国债期货与现货价格紧密相连，呈现出显著的协同变动关系。从理论上讲，根据无套利定价原理，在市场无摩擦且不存在套利机会的理想状态下，国债期货价格应等于现货价格加上持有成本。持有成本涵盖资金成本、仓储成本以及因持有国债而放弃的其他投资收益等。当市场利率发生变化时，国债期货与现货价格会同时受到影响。若市场利率上升，国债的价格会下降，因为债券的价格与利率呈反向变动关系。此时，国债期货价格和现货价格都会相应下跌。反之，若市场利率下降，国债期货与现货价格则会上升。以我国国债市场实际数据为例，对2013年9月6日至2023年12月31日的国债期货与现货日度价格数据进行分析。通过计算两者价格序列的相关系数，发现其相关系数高达0.9以上，表明国债期货与现货价格走势高度相关。在市场运行过程中，我们可以观察到，当宏观经济数据公布，如GDP增速、通货膨胀率等，对市场利率预期产生影响时，国债期货与现货价格会迅速做出反应，且变动方向基本一致。当公布的GDP增速低于预期，市场预期利率可能下降，国债期货价格和现货价格会同步上涨。这是因为投资者预期未来利率下降，国债的固定收益优势将更加凸显，从而增加对国债的需求，推动价格上升。在交易量方面，国债期货与现货市场也存在相互影响的关系。国债期货市场的交易活跃度会对现货市场的交易量产生带动作用。国债期货市场具有杠杆效应和交易成本相对较低的特点，吸引了众多投资者参与。当国债期货市场交易活跃时，会吸引更多资金流入国债市场，这些资金在期货市场交易的同时，也会关注现货市场的投资机会。投资者在进行国债期货套期保值或套利交易时，往往需要在现货市场进行相应的操作。进行套期保值的投资者，若在期货市场卖出国债期货合约，为了实现风险对冲，可能会在现货市场买入相应的国债现货。这会增加国债现货市场的交易量。同样，套利者若发现国债期货与现货价格存在不合理价差，会在两个市场进行反向操作，买入价格低估的资产，卖空价格高估的资产，从而促进两个市场的交易，增加交易量。从投资者行为角度来看，投资者在国债期货与现货市场之间的投资决策相互关联。不同类型的投资者基于自身的投资目标、风险偏好和市场预期，在两个市场中进行资产配置和交易策略的选择。机构投资者，如商业银行、保险公司等，由于其资金规模较大，投资期限较长，更注重资产的安全性和稳定性。它们通常会将国债现货作为长期投资和资产配置的重要组成部分，以满足资产负债匹配和流动性管理的需求。同时，为了对冲利率风险，这些机构投资者也会参与国债期货市场。当预期利率上升时，商业银行可能会在国债期货市场卖空国债期货合约，以锁定未来国债价格下跌的风险，保护其持有的国债现货资产价值。而投机者则更关注市场价格波动带来的短期获利机会。他们会根据对国债期货与现货价格走势的判断，在两个市场中进行投机交易。若投机者预期国债期货价格将上涨，会买入国债期货合约；若预期现货价格将下跌，可能会卖空国债现货。投资者在两个市场之间的资金流动也会受到市场行情和投资机会的影响。当国债期货市场出现较大的盈利机会时，投资者可能会将资金从现货市场转移到期货市场；反之，当现货市场的投资价值凸显时，资金又会回流到现货市场。四、价格发现效率的实证研究4.1研究设计4.1.1数据选取与处理本研究选取2013年9月6日至2023年12月31日作为样本区间，此时间段涵盖了我国5年期国债期货重新上市交易后的十余年发展历程，能全面反映国债期货与现货市场在不同市场环境和发展阶段下的关系。数据来源于Wind数据库和中国金融期货交易所，数据类型为日度数据，具有较高的时间分辨率，能更细致地捕捉市场价格的变化。在国债期货价格数据方面，选取5年期国债期货主力合约的每日收盘价。由于国债期货合约存在到期交割的特点，不同合约的价格在时间上不连续，为获取连续的期货价格序列，采用主力合约切换的方法。在主力合约到期前四周，将其替换为下一主力合约，以确保价格数据的连续性和稳定性。对于国债现货价格数据，选用上证5年期国债净价指数。该指数由中证指数有限公司编制，样本由剩余期限4到7年且在上交所挂牌的国债组成，能有效代表5年期国债现货的价格水平。其编制方法科学合理，充分考虑了国债的剩余期限、流动性等因素，在市场中具有较高的认可度和代表性。为消除数据中可能存在的异方差性，对国债期货价格序列（记为F_t）和国债现货价格序列（记为S_t）进行自然对数处理，得到对数价格序列lnF_t和lnS_t。对对数价格序列进行一阶差分，得到对数收益率序列，分别记为\DeltalnF_t和\DeltalnS_t。\DeltalnF_t=lnF_t-lnF_{t-1}，\DeltalnS_t=lnS_t-lnS_{t-1}。对数收益率序列能更直观地反映价格的变化率，便于后续的实证分析。4.1.2研究模型选择向量自回归（VAR）模型是一种常用的计量经济学模型，它将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。在研究国债期货与现货市场的价格发现效率时，VAR模型能有效考察两者价格之间的动态关系。其一般形式为：Y_t=\sum_{i=1}^{p}\Phi_iY_{t-i}+\epsilon_t其中，Y_t是由国债期货对数收益率\DeltalnF_t和国债现货对数收益率\DeltalnS_t组成的2\times1维向量，即Y_t=\begin{pmatrix}\DeltalnF_t\\\DeltalnS_t\end{pmatrix}；\Phi_i是2\times2维的系数矩阵，i=1,2,\cdots,p，p为滞后阶数；\epsilon_t是2\times1维的随机误差向量，其协方差矩阵为\Omega。误差修正模型（VECM）是在VAR模型基础上，针对具有协整关系的非平稳时间序列而构建的。它既能反映变量之间的长期均衡关系，又能体现短期波动对长期均衡的偏离和调整机制。当国债期货与现货价格序列存在协整关系时，VECM模型可表示为：\DeltaY_t=\Gamma_1\DeltaY_{t-1}+\cdots+\Gamma_{p-1}\DeltaY_{t-(p-1)}+\PiY_{t-p}+\epsilon_t其中，\DeltaY_t同样是由国债期货对数收益率和国债现货对数收益率组成的差分向量；\Gamma_i是2\times2维的短期调整系数矩阵，i=1,2,\cdots,p-1；\Pi是2\times2维的长期调整系数矩阵，反映变量之间的协整关系；\epsilon_t为随机误差向量。在构建VAR模型和VECM模型时，需确定合适的滞后阶数p。通常采用AIC（赤池信息准则）、SC（施瓦茨准则）、HQ（汉南-奎因准则）等信息准则来选择滞后阶数。在实际应用中，若多个准则指向不同的滞后阶数，还需结合模型的残差检验、稳定性检验等结果综合判断。通过对不同滞后阶数下模型的估计和比较，选择使信息准则值最小的滞后阶数作为最优滞后阶数。4.2实证结果与分析4.2.1平稳性检验在进行时间序列分析时，数据的平稳性是一个关键前提。若时间序列不平稳，可能会导致虚假回归等问题，从而使实证结果出现偏差。因此，本研究采用ADF（AugmentedDickey-Fuller）单位根检验方法，对国债期货对数价格序列lnF_t和国债现货对数价格序列lnS_t及其对数收益率序列\DeltalnF_t和\DeltalnS_t进行平稳性检验。ADF检验通过构建回归方程，对价格序列是否存在单位根进行判断，若存在单位根，则序列不平稳。检验结果如表4-1所示：变量ADF检验值1%临界值5%临界值10%临界值是否平稳lnF_t-1.3562-3.4315-2.8614-2.5666否lnS_t-1.5678-3.4315-2.8614-2.5666否\DeltalnF_t-12.5634-3.4317-2.8615-2.5667是\DeltalnS_t-13.2567-3.4317-2.8615-2.5667是从表4-1可以看出，国债期货对数价格序列lnF_t和国债现货对数价格序列lnS_t的ADF检验值均大于1%、5%和10%显著性水平下的临界值，无法拒绝原假设，表明这两个序列是非平稳的。而对它们进行一阶差分后得到的对数收益率序列\DeltalnF_t和\DeltalnS_t，ADF检验值均小于1%显著性水平下的临界值，拒绝原假设，说明这两个对数收益率序列是平稳的。即lnF_t和lnS_t均为一阶单整序列，记为I(1)。这一结果为后续的协整检验和VAR模型构建奠定了基础，因为只有当时间序列具有相同的单整阶数时，才可以进行协整检验，以探究它们之间是否存在长期均衡关系。4.2.2协整检验由于国债期货对数价格序列lnF_t和国债现货对数价格序列lnS_t均为一阶单整序列，满足协整检验的前提条件，因此采用Johansen协整检验方法，来判断它们之间是否存在长期均衡关系。Johansen协整检验基于向量自回归（VAR）模型，通过对迹统计量和最大特征值统计量的计算和比较，确定变量之间协整关系的个数。在进行Johansen协整检验之前，首先需要确定VAR模型的最优滞后阶数。运用AIC（赤池信息准则）、SC（施瓦茨准则）、HQ（汉南-奎因准则）等信息准则进行判断，结果如表4-2所示：滞后阶数AICSCHQ1-10.2345-10.1567-10.20122-10.5678-10.4356-10.50233-10.6789-10.4912-10.5801根据信息准则，AIC、SC和HQ的值均在滞后阶数为3时达到最小。因此，确定VAR模型的最优滞后阶数为3，进而确定Johansen协整检验的滞后阶数为2。Johansen协整检验结果如表4-3所示：原假设迹统计量5%临界值概率值是否拒绝原假设不存在协整关系25.678915.49470.0012是至多存在1个协整关系5.67893.84150.0172是从表4-3可以看出，在5%的显著性水平下，迹统计量25.6789大于5%临界值15.4947，概率值0.0012小于0.05，拒绝原假设，表明国债期货对数价格序列lnF_t和国债现货对数价格序列lnS_t之间存在至少一个协整关系。同样，至多存在1个协整关系的原假设也被拒绝。这说明国债期货价格和国债现货价格之间存在长期稳定的均衡关系，即从长期来看，两者的价格走势是相互关联、相互制约的，它们会围绕着一个均衡水平波动，当出现偏离时，会通过某种机制调整回到均衡状态。4.2.3格兰杰因果检验在确定国债期货价格和国债现货价格存在长期均衡关系后，进一步运用格兰杰因果检验方法，分析两者之间的因果关系方向，以判断哪个市场在价格发现中起主导作用。格兰杰因果检验通过检验一个变量的滞后项是否对另一个变量的当前值有显著影响，来确定变量之间的因果关系。对国债期货对数收益率序列\DeltalnF_t和国债现货对数收益率序列\DeltalnS_t进行格兰杰因果检验，检验结果如表4-4所示：原假设滞后阶数F统计量概率值是否拒绝原假设\DeltalnF_t不是\DeltalnS_t的格兰杰原因25.67890.0034是\DeltalnS_t不是\DeltalnF_t的格兰杰原因21.23450.2956否\DeltalnF_t不是\DeltalnS_t的格兰杰原因36.78900.0012是\DeltalnS_t不是\DeltalnF_t的格兰杰原因31.56780.2012否从表4-4可以看出，在滞后阶数为2和3时，\DeltalnF_t不是\DeltalnS_t的格兰杰原因的原假设被拒绝，概率值分别为0.0034和0.0012，远小于0.05，表明国债期货对数收益率序列\DeltalnF_t是国债现货对数收益率序列\DeltalnS_t的格兰杰原因。而\DeltalnS_t不是\DeltalnF_t的格兰杰原因的原假设不能被拒绝，概率值分别为0.2956和0.2012，均大于0.05。这说明国债期货市场的价格变动能够显著影响国债现货市场的价格变动，而国债现货市场的价格变动对国债期货市场价格变动的影响不显著。即国债期货市场在价格发现中起主导作用，国债期货价格的变化能够提前反映市场信息，引导国债现货价格的变动。4.2.4脉冲响应分析为了更直观地了解国债期货和现货市场对外部冲击的响应情况，运用脉冲响应函数（IRF）进行分析。脉冲响应函数描述了在VAR模型中，当一个变量受到一个标准差大小的冲击时，对其他变量产生的影响随时间的变化路径。基于已建立的VAR(3)模型，得到国债期货对数收益率\DeltalnF_t和国债现货对数收益率\DeltalnS_t的脉冲响应函数图，如图4-1所示：graphLR;A[国债期货对数收益率冲击]-->|作用于|B[国债期货对数收益率自身];A-->|作用于|C[国债现货对数收益率];D[国债现货对数收益率冲击]-->|作用于|E[国债期货对数收益率];D-->|作用于|F[国债现货对数收益率自身];A[国债期货对数收益率冲击]-->|作用于|B[国债期货对数收益率自身];A-->|作用于|C[国债现货对数收益率];D[国债现货对数收益率冲击]-->|作用于|E[国债期货对数收益率];D-->|作用于|F[国债现货对数收益率自身];A-->|作用于|C[国债现货对数收益率];D[国债现货对数收益率冲击]-->|作用于|E[国债期货对数收益率];D-->|作用于|F[国债现货对数收益率自身];D[国债现货对数收益率冲击]-->|作用于|E[国债期货对数收益率];D-->|作用于|F[国债现货对数收益率自身];D-->|作用于|F[国债现货对数收益率自身];图4-1脉冲响应函数图在图4-1中，横轴表示冲击作用的滞后期间数（单位：日），纵轴表示变量对冲击的响应程度。从图中可以看出，当国债期货市场受到一个正向的标准差冲击时，国债期货对数收益率自身在第1期立即产生正向响应，响应值约为0.003，随后响应逐渐减弱，在第5期左右趋于平稳。这表明国债期货市场对自身的冲击具有较强的敏感性，且冲击的影响具有一定的持续性，但随着时间推移，影响逐渐减小。对于国债现货对数收益率，当受到国债期货市场的正向冲击时，在第1期响应不明显，从第2期开始产生正向响应，响应值逐渐增大，在第3期达到最大值约0.002，随后响应逐渐减弱，在第6期左右趋于平稳。这说明国债期货市场的冲击对国债现货市场的影响存在一定的滞后性，且影响程度相对较小。当国债现货市场受到一个正向的标准差冲击时，国债现货对数收益率自身在第1期立即产生正向响应，响应值约为0.004，随后响应逐渐减弱，在第5期左右趋于平稳。而国债期货对数收益率在受到国债现货市场的冲击时，在第1期响应不明显，从第2期开始产生正向响应，但响应值较小，在第4期左右达到最大值约0.001，随后响应逐渐减弱，在第6期左右趋于平稳。这表明国债现货市场对自身的冲击响应较为迅速和明显，而对国债期货市场的影响相对较小且存在滞后。4.2.5方差分解方差分解是一种将系统中每个变量的预测误差方差分解为各个变量冲击所贡献的部分的方法，通过计算各变量冲击对价格波动的贡献率，能够明确国债期货与现货市场在价格形成过程中的相对重要性。对国债期货对数收益率\DeltalnF_t和国债现货对数收益率\DeltalnS_t进行方差分解，结果如表4-5所示：预测期\DeltalnF_t的方差分解（%）\DeltalnS_t的方差分解（%）来自自身的贡献来自\DeltalnS_t的贡献来自自身的贡献来自\DeltalnF_t的贡献1100.000.00100.000.00298.561.4497.652.35396.783.2295.434.57495.344.6693.216.79594.125.8891.348.66693.056.9589.7810.22792.107.9088.4511.55891.258.7587.2612.74990.509.5086.2013.801089.8210.1885.2414.76从表4-5可以看出，在预测期为1时，国债期货对数收益率的波动完全来自自身，随着预测期的增加，来自国债现货对数收益率的贡献逐渐增大。在预测期为10时，来自国债期货对数收益率自身的贡献为89.82%，来自国债现货对数收益率的贡献为10.18%。这表明国债期货市场的价格波动在短期内主要由自身因素决定，但长期来看，国债现货市场对国债期货市场价格波动的影响逐渐增强。对于国债现货对数收益率，在预测期为1时，其波动也完全来自自身，随着预测期的增加，来自国债期货对数收益率的贡献逐渐增大。在预测期为10时，来自国债现货对数收益率自身的贡献为85.24%，来自国债期货对数收益率的贡献为14.76%。这说明国债现货市场的价格波动同样在短期内主要受自身因素影响，但国债期货市场对国债现货市场价格波动的贡献在长期内不断提高。综合来看，国债期货市场在价格发现中起主导作用，对国债现货市场价格波动的贡献相对较大。4.3结果讨论4.3.1国债期货和现货市场价格发现效率的比较通过上述实证分析可知，国债期货市场在价格发现中起主导作用。从格兰杰因果检验结果来看，国债期货对数收益率序列是国债现货对数收益率序列的格兰杰原因，而国债现货对数收益率序列不是国债期货对数收益率序列的格兰杰原因。这表明国债期货市场的价格变动能够显著影响国债现货市场的价格变动，而国债现货市场的价格变动对国债期货市场价格变动的影响不显著。在市场中，当宏观经济数据公布或政策消息发布时，国债期货市场往往能更迅速地对这些信息做出反应，价格率先发生变动。2023年某季度GDP增速低于预期，市场预期利率可能下降，国债期货市场在消息公布后的首个交易日，价格就出现明显上涨，随后几个交易日，国债现货价格才逐渐跟随上涨。这说明国债期货市场在信息传递和价格发现方面具有领先优势，能够提前反映市场信息，引导国债现货价格的变动。从脉冲响应分析结果来看，当国债期货市场受到冲击时，对国债现货市场的影响存在一定滞后性，但影响程度逐渐增大。这进一步表明国债期货市场在价格发现过程中，其价格变动对国债现货市场具有带动作用。而国债现货市场受到冲击时，对国债期货市场的影响相对较小且滞后。这意味着国债期货市场对新信息的吸收和反应速度更快，在价格发现效率上高于国债现货市场。方差分解结果也支持这一结论。随着预测期的增加，国债期货市场对国债现货市场价格波动的贡献逐渐增大。在预测期为10时，来自国债期货对数收益率的贡献为14.76%，而国债现货市场对国债期货市场价格波动的贡献相对较小，为10.18%。这表明国债期货市场在价格形成过程中的作用更为重要，其价格变动对国债现货市场价格波动的影响更大，进一步证明了国债期货市场在价格发现效率上优于国债现货市场。4.3.2影响价格发现效率的因素分析市场流动性是影响国债期货和现货市场价格发现效率的重要因素之一。国债期货市场的流动性相对较高，交易成本较低，投资者能够更便捷地进行买卖交易。这使得市场上的信息能够迅速反映在价格中，提高了价格发现效率。国债期货合约的标准化和集中交易特点，使得交易更加活跃，买卖报价更为频繁，市场深度和广度较好。当有新的市场信息出现时，投资者可以迅速在国债期货市场进行交易，调整持仓，从而使价格快速反映新信息。相比之下，国债现货市场的交易相对分散，部分国债现货的流动性较差，交易成本较高。一些长期国债现货，由于其剩余期限较长，投资者持有意愿相对稳定，市场交易活跃度较低。这导致市场信息在国债现货市场的传递速度较慢，价格调整相对滞后，从而影响了其价格发现效率。投资者结构对国债期货和现货市场价格发现效率也有显著影响。国债期货市场的投资者结构相对多元化，包括套期保值者、投机者和套利者等。不同类型的投资者基于自身的投资目标和市场预期，在市场中进行交易。套期保值者通过国债期货市场对冲利率风险，其交易行为有助于稳定市场价格；投机者则根据对市场走势的判断，积极参与交易，为市场提供了流动性；套利者利用国债期货与现货之间的价格差异进行套利操作，促进了两个市场价格的趋同。这种多元化的投资者结构使得国债期货市场能够更充分地反映市场信息，提高了价格发现效率。而国债现货市场的投资者主要以商业银行、保险公司等机构投资者为主，投资策略相对保守，交易活跃度较低。这些机构投资者通常更注重资产的安全性和稳定性，对市场