股指期货对股票市场正反馈交易影响的实证剖析：基于多市场数据的深度研究

股指期货对股票市场正反馈交易影响的实证剖析：基于多市场数据的深度研究一、引言1.1研究背景与意义在全球金融市场中，股指期货作为重要的金融衍生工具，自1982年美国堪萨斯期货交易所推出价值线综合指数期货合约以来，得到了迅猛发展，并在各国金融市场中扮演着关键角色。我国于2010年4月16日正式推出沪深300股指期货，这一举措填补了我国资本市场做空机制的空白，完善了金融市场体系。截至2023年底，我国期货市场投资者开户数持续增长，股指期货总成交金额近百万亿元，其日成交量、成交额都已远超沪深两市股票现货。随着市场的发展，后续又陆续推出了上证50股指期货、中证500股指期货、中证1000股指期货等品种，进一步丰富了我国的股指期货市场。股票市场作为经济的晴雨表，在经济发展中具有举足轻重的地位。我国股票市场历经多年发展，规模不断扩大，上市公司数量持续增加，市场活跃度日益提升。然而，股票市场也存在着诸多问题，如系统风险大、市场波动剧烈等。正反馈交易作为股票市场中一种常见的交易行为，对市场波动有着重要影响。正反馈交易是指投资者在股价上升时买入，股价下跌时卖出的交易策略，这种交易行为往往会加剧市场的波动，使市场价格偏离其内在价值。当市场处于上涨阶段时，正反馈交易可能引发过度乐观情绪，导致投资者盲目追涨，形成价格泡沫；而在市场下跌阶段，正反馈交易则可能引发恐慌性抛售，进一步加剧市场的下跌幅度，甚至引发市场崩溃。股指期货的推出，理论上可以通过提供套期保值和价格发现功能，抑制正反馈交易行为，从而平稳市场价格的剧烈波动，为投资者提供新的风险管理工具。但在实际市场中，股指期货对股票市场正反馈交易的影响较为复杂。一方面，股指期货的价格发现功能可以提升市场的信息效率，使得投资者能够更及时、准确地获取市场信息，从而减少股票市场的噪声交易，降低正反馈交易的强度；另一方面，由于股指期货具有杠杆交易的特性，可能吸引更多的噪声交易者进入市场，这些交易者往往缺乏对市场基本面的深入分析，仅仅依据市场价格的短期波动进行交易，从而加剧股票市场“追涨杀跌”的正反馈行情。研究股指期货对股票市场正反馈交易的影响具有重要的理论与现实意义。从理论层面来看，有助于深化对金融市场运行机制的理解。传统金融理论假设投资者是完全理性的，市场能够有效配置资源，价格能够准确反映资产的内在价值。然而，现实中的金融市场存在着大量的正反馈交易等非理性行为，这些现象无法用传统理论进行充分解释。通过对股指期货与股票市场正反馈交易关系的研究，可以丰富和完善行为金融学理论，为金融市场的研究提供新的视角和方法，进一步揭示金融市场价格波动的内在规律，深入探讨投资者行为对市场稳定性的影响机制。在实践意义上，对投资者而言，了解股指期货对正反馈交易的影响，有助于其更好地把握市场动态，制定更为合理的投资策略。投资者可以根据股指期货市场的变化，及时调整自己在股票市场的投资组合，避免盲目跟风和追涨杀跌，从而提高投资收益，降低投资风险。对市场监管者来说，研究股指期货对正反馈交易的影响，能够为监管决策提供有力依据。监管者可以通过对股指期货市场和股票市场的监测和分析，及时发现市场中的异常波动和潜在风险，采取有效的监管措施，加强市场监管，维护市场秩序，保障市场的稳定运行，促进金融市场的健康发展。1.2研究目的与创新点本研究旨在深入探究股指期货对股票市场正反馈交易的影响，通过理论分析与实证检验，揭示两者之间的内在联系和作用机制。具体而言，一方面，利用计量经济学模型，准确测度股指期货推出前后股票市场正反馈交易强度的变化，量化分析股指期货对正反馈交易的影响程度；另一方面，从市场信息效率、投资者行为等多个角度，深入剖析股指期货影响股票市场正反馈交易的内在机理，为市场参与者和监管机构提供有价值的参考依据。在研究过程中，本研究将力求在多个方面实现创新。在数据运用上，突破以往研究在数据选取和时间跨度上的局限性，收集涵盖多个股指期货品种以及不同市场行情下的高频交易数据，确保研究数据的全面性和时效性。不仅纳入沪深300股指期货的长期交易数据，还将新推出的上证50股指期货、中证500股指期货、中证1000股指期货等品种的数据纳入分析范围，使研究结果更具普遍性和代表性。在研究方法上，综合运用多种先进的计量经济学模型和方法，如非对称GARCH模型、向量自回归模型（VAR）以及分位数回归等，从不同维度深入分析股指期货与股票市场正反馈交易之间的动态关系，克服单一方法的局限性，提高研究结果的准确性和可靠性。本研究还将从多重视角对股指期货与股票市场正反馈交易进行研究。除了传统的金融市场角度，还将引入行为金融学和市场微观结构理论，从投资者心理和行为偏差、市场交易机制等层面，深入剖析股指期货对正反馈交易的影响，为该领域的研究提供新的思路和方法，丰富和完善相关理论体系。1.3研究方法与技术路线本研究综合运用多种研究方法，以确保研究的全面性和深入性，具体如下：文献研究法：广泛查阅国内外相关文献，梳理股指期货和正反馈交易的理论基础、研究现状和发展趋势。深入分析前人在金融市场中对股指期货与正反馈交易关系的研究成果和方法，全面了解不同学者的观点和研究结论，为本文的研究提供坚实的理论支持和清晰的研究思路，明确研究的切入点和创新方向。通过对已有文献的综合分析，发现现有研究的不足之处，如数据局限性、研究方法的单一性等，从而为本研究提供改进的方向。实证分析法：收集我国股票市场和股指期货市场的相关数据，包括股票价格、成交量、股指期货合约价格、持仓量等高频交易数据，以及宏观经济数据、市场情绪指标等。运用计量经济学方法，构建非对称GARCH模型、向量自回归模型（VAR）、分位数回归模型等，对股指期货推出前后股票市场正反馈交易强度的变化进行量化分析，准确测度两者之间的动态关系。通过实证检验，验证研究假设，揭示股指期货对股票市场正反馈交易的影响程度和作用机制，为研究结论提供有力的数据支持。对比分析法：对比分析不同股指期货品种推出前后股票市场正反馈交易的特征和变化情况，以及在不同市场行情下（牛市、熊市、震荡市）股指期货对正反馈交易的影响差异。通过对比，深入探讨股指期货对正反馈交易影响的普遍性和特殊性，分析市场环境对两者关系的调节作用，为投资者和监管者提供更具针对性的建议。在技术路线方面，本研究首先基于对相关理论和文献的深入研究，提出研究假设，明确研究的核心问题和方向。接着，全面收集和整理我国股票市场和股指期货市场的历史交易数据，运用数据清洗和预处理技术，确保数据的准确性和完整性。然后，运用计量经济学模型对数据进行实证分析，从多个维度深入探究股指期货与股票市场正反馈交易之间的动态关系。在实证分析过程中，通过模型检验和参数估计，验证研究假设的合理性，并对实证结果进行深入解读和分析。最后，根据实证研究结果，结合理论分析，得出研究结论，并提出相应的政策建议和投资策略，为市场参与者和监管机构提供有价值的参考依据。同时，对研究的局限性进行反思，为未来的研究提供改进方向。二、相关理论基础2.1股指期货概述2.1.1股指期货的定义与特点股指期货，全称股票价格指数期货，是以股票指数为标的物的标准化期货合约。双方交易的是一定期限后的股票指数价格水平，在合约到期后，通过现金结算差价来进行交割。它将股票市场的价格指数作为交易对象，投资者可以通过对股票指数走势的预期进行买卖操作，以此获取收益或规避风险。与普通商品期货交易相比，股指期货交易具有基本相同的特征和流程，都涉及合约的买卖、保证金的缴纳以及交易风险的管理等环节，但由于其标的物的特殊性，也展现出一些独特之处。股指期货具有显著的特点。首先是交易成本低。相较于股票交易，股指期货交易无需缴纳印花税，且手续费相对较低。以沪深300股指期货为例，其手续费率一般在万分之零点几，远低于股票交易的手续费和印花税之和。低交易成本使得投资者在频繁交易时的成本负担大幅减轻，能够更灵活地根据市场变化调整投资策略，提高资金的使用效率。杠杆效应也是股指期货的一大特点。投资者只需支付一定比例的保证金，通常在10%-15%左右，就可以控制数倍于保证金金额的合约价值。例如，若保证金比例为10%，投资者用10万元保证金就可以交易价值100万元的股指期货合约。这种杠杆效应放大了投资者的收益和风险，在市场行情有利时，投资者能够获得数倍于本金的收益；但当市场走势与预期相反时，损失也会相应放大。投资者在利用杠杆效应时，必须谨慎评估自身的风险承受能力，合理控制仓位，避免因杠杆的放大作用而遭受巨大损失。双向交易机制是股指期货区别于股票交易的重要特征之一。在股票市场中，投资者一般只能先买入股票，待股价上涨后再卖出，以获取差价收益，即单向交易。而股指期货市场中，投资者既可以做多，预期股票指数上涨时买入合约，待指数上涨后卖出获利；也可以做空，预期股票指数下跌时卖出合约，待指数下跌后买入平仓获利。双向交易机制使投资者在市场上涨和下跌行情中都有获利机会，增加了投资策略的多样性，有助于投资者更好地应对市场变化，降低投资风险。股指期货还具有交易的便捷性。其交易时间与股票市场基本同步，且交易方式电子化，投资者可以通过期货公司的交易软件，在电脑或手机上随时随地进行交易，操作简便快捷。同时，股指期货市场的流动性较强，交易活跃，投资者能够快速地买卖合约，实现资金的及时进出。2.1.2股指期货的功能与作用股指期货具有多重功能，在金融市场中发挥着重要作用。其价格发现功能有助于形成更合理的股票价格。在公开、高效的期货市场中，众多投资者基于对市场信息的分析和对未来走势的预期进行竞价交易。这些投资者包括专业的机构投资者、经验丰富的个人投资者等，他们的交易行为使得股指期货价格能够充分反映各种市场信息，包括宏观经济数据、行业动态、公司业绩等。由于股指期货交易成本低、杠杆倍数高、指令执行速度快，投资者在收到新信息后，往往会优先在期货市场调整持仓，这使得股指期货价格对信息的反应更为迅速，能够提前反映股票市场的价格走势，为股票市场提供价格参考，引导股票价格向其内在价值回归。套期保值是股指期货的重要功能之一。股票市场存在系统性风险，即由于宏观经济环境、政策变化等因素导致的整个市场的波动风险，这种风险难以通过分散投资完全消除。股指期货的做空机制为投资者提供了对冲系统性风险的工具。当投资者持有股票组合时，若预期股票市场将下跌，可通过卖出股指期货合约，在股票市场下跌时，期货市场的盈利可以弥补股票组合的损失，从而达到规避风险的目的。对于一家持有大量股票的基金公司，若预计市场将出现调整，通过卖出相应数量的股指期货合约，能够在一定程度上保护其资产免受市场下跌的影响，降低投资组合的风险。在资产配置方面，股指期货也发挥着重要作用。由于采用保证金制度，交易成本低，被机构投资者广泛用于资产配置。以一个以债券为主要投资对象的机构投资者为例，若其认为近期股市可能出现大幅上涨，打算抓住这次投资机会，但由于投资于债券以外的品种有严格的比例限制，无法将大量资金直接投入股市。此时，该机构投资者可以利用少量资金买入股指期货，就可以获得股市上涨的平均收益，提高资金总体的配置效率。通过股指期货，投资者可以在不改变现有资产组合的情况下，灵活调整投资组合中股票资产的比例，优化资产配置，实现投资收益的最大化。股指期货对金融市场效率和稳定性有着积极影响。从市场效率角度看，股指期货的存在增加了市场的信息传递速度和透明度，促进了市场的竞争，使得市场价格能够更准确地反映资产的内在价值，提高了市场的资源配置效率。在股指期货推出后，市场对信息的反应更加迅速，股票价格的调整更加及时，减少了市场的无效性。从市场稳定性角度看，股指期货的套期保值功能有助于投资者规避风险，减少因市场波动而产生的恐慌性抛售和盲目追涨行为，从而降低市场的波动性，维护市场的稳定运行。当市场出现不利消息时，投资者可以通过股指期货进行套期保值，避免在股票市场上的过度抛售，缓解市场的下跌压力。2.2正反馈交易理论2.2.1正反馈交易的定义与原理正反馈交易是一种在金融市场中广泛存在的交易行为，其定义为投资者在资产价格上涨时买入，在价格下跌时卖出的交易策略，即常说的“追涨杀跌”。这种交易行为背离了传统金融理论中投资者根据资产内在价值进行交易的理性假设，更多地受到市场价格走势和投资者心理因素的影响。从投资者行为角度来看，正反馈交易的形成与投资者的认知偏差和情绪因素密切相关。投资者在投资决策过程中并非完全理性，常常受到过度自信、羊群行为等心理因素的影响。过度自信使投资者高估自己对市场的判断能力，认为自己能够准确预测市场走势，从而在价格上涨时过度乐观，盲目追涨；在价格下跌时又过度悲观，匆忙抛售。有研究表明，在股票市场的牛市阶段，大量投资者因过度自信而忽视股票的基本面，纷纷追涨买入，导致股票价格不断攀升，远远超出其内在价值。羊群行为则是指投资者在交易过程中观察并模仿他人的交易行为，当市场中部分投资者开始买入或卖出时，其他投资者会纷纷效仿，形成一种群体行为。在股票市场中，当看到周围的投资者纷纷买入某只股票时，即使自己对该股票的基本面了解甚少，也会跟随买入，这种羊群行为进一步推动了正反馈交易的形成。从市场机制角度分析，正反馈交易也受到市场信息传播和价格波动的影响。市场信息的传播往往具有不对称性和滞后性，投资者难以获取全面、准确的信息，只能根据有限的信息进行决策。当市场出现利好消息时，信息会迅速传播，引发投资者的乐观情绪，促使他们买入资产，推动价格上涨；而价格的上涨又会吸引更多的投资者跟风买入，形成正反馈循环。相反，当市场出现利空消息时，投资者会因恐慌而纷纷卖出资产，导致价格下跌，进一步加剧投资者的恐慌情绪，引发更多的抛售行为。市场中的交易规则和制度也可能对正反馈交易起到推动作用。在股票市场中，当股价上涨达到一定幅度时，可能会触发涨停板制度，使得投资者无法及时卖出股票，从而进一步激发投资者的追涨热情；而在股价下跌时，跌停板制度可能会限制投资者的卖出，导致投资者恐慌情绪加剧，在跌停板打开后大量抛售股票，加剧正反馈交易。2.2.2正反馈交易对股票市场的影响正反馈交易对股票市场的影响是多方面的，其中最显著的影响是导致股票价格偏离其基础价值。在正反馈交易的作用下，股票价格往往会出现过度上涨或下跌的情况。当市场处于上涨阶段时，正反馈交易使得投资者不断买入股票，推动股价持续上升，形成价格泡沫。在20世纪90年代末的美国互联网泡沫时期，投资者对互联网企业的未来发展过度乐观，纷纷买入互联网股票，导致股价大幅上涨，远远超出了企业的实际价值。许多互联网企业的市盈率高达数百倍，而其盈利能力却无法支撑如此高的股价。这种价格泡沫最终导致了互联网泡沫的破裂，股票价格大幅下跌，给投资者带来了巨大损失。在市场下跌阶段，正反馈交易则会引发投资者的恐慌性抛售，导致股价过度下跌。当股票价格开始下跌时，正反馈交易者会迅速卖出股票，以避免损失进一步扩大。这种抛售行为会引发其他投资者的恐慌，促使他们也纷纷卖出股票，导致股价加速下跌。在2008年全球金融危机期间，股票市场出现了大幅下跌，正反馈交易使得投资者纷纷抛售股票，市场流动性急剧下降，股价跌幅巨大，许多股票价格甚至跌破了其净资产价值。正反馈交易还会加剧股票市场的波动。由于正反馈交易具有自我强化的特点，一旦市场出现上涨或下跌趋势，正反馈交易就会不断推动这种趋势的发展，使得市场价格的波动幅度加大。在股票市场中，当股价上涨时，正反馈交易者会不断买入，进一步推动股价上涨；而当股价下跌时，正反馈交易者会迅速卖出，导致股价进一步下跌。这种“追涨杀跌”的行为使得股票价格的波动更加剧烈，增加了市场的不确定性和风险。相关研究通过对股票市场价格波动数据的分析发现，在正反馈交易较为活跃的时期，股票市场的波动率明显高于其他时期。有学者利用GARCH模型对股票市场波动率进行研究，结果表明正反馈交易与股票市场波动率之间存在显著的正相关关系，即正反馈交易强度的增加会导致股票市场波动率的上升。正反馈交易还可能引发金融泡沫和危机。当正反馈交易导致股票价格过度上涨，形成金融泡沫时，一旦市场情绪发生转变，泡沫就可能破裂，引发金融市场的动荡。金融泡沫的破裂往往会导致投资者的财富大幅缩水，金融机构的资产质量下降，信用风险增加，进而引发系统性金融风险，甚至导致金融危机的爆发。20世纪90年代日本的经济泡沫破裂，以及2008年美国的次贷危机，都与正反馈交易引发的金融泡沫密切相关。在日本经济泡沫时期，房地产和股票市场价格大幅上涨，正反馈交易使得投资者盲目追涨，资产价格严重脱离实际价值。当泡沫破裂后，股票和房地产价格暴跌，许多企业和家庭陷入债务困境，金融机构不良贷款激增，日本经济陷入了长期的衰退。美国次贷危机也是由于房地产市场的正反馈交易导致房价泡沫严重，当房价开始下跌时，正反馈交易引发了投资者的恐慌性抛售，导致房地产市场崩溃，进而引发了全球金融危机。2.3股指期货与正反馈交易的关系理论股指期货与正反馈交易之间存在着复杂的关系，这种关系主要通过多种理论机制来体现，其中提供避险工具和提高信息效率是两个关键的方面。从避险工具的角度来看，股指期货为投资者提供了有效的套期保值手段，这对正反馈交易行为有着重要的抑制作用。在股票市场中，投资者面临着系统性风险和非系统性风险。非系统性风险可以通过分散投资来降低，但系统性风险由于其影响整个市场的特性，难以通过分散投资来规避。股指期货的出现，为投资者提供了对冲系统性风险的工具。当投资者预期股票市场将下跌时，他们可以通过卖出股指期货合约，在股票市场下跌时，期货市场的盈利可以弥补股票组合的损失。这种套期保值机制使得投资者在面对市场下跌时，不再需要通过抛售股票来规避风险，从而减少了因恐慌性抛售而引发的正反馈交易行为。在2020年初，新冠疫情爆发导致股票市场大幅下跌。许多持有股票组合的投资者通过卖出沪深300股指期货合约进行套期保值。在股票市场下跌的过程中，这些投资者在期货市场的盈利有效地弥补了股票组合的损失，避免了因恐慌而大量抛售股票，从而抑制了正反馈交易行为的发生，缓解了市场的下跌压力。股指期货的存在还可以改变投资者的预期和行为模式。由于有了股指期货这一避险工具，投资者在面对市场波动时会更加理性，他们不再会盲目地追涨杀跌，而是会根据市场的基本面和自身的风险承受能力来制定投资策略。这种理性的投资行为有助于稳定市场，减少正反馈交易对市场的负面影响。股指期货还具有提高信息效率的作用，这也会对正反馈交易产生影响。在股指期货市场中，众多投资者基于对市场信息的分析和对未来走势的预期进行竞价交易。这些投资者来自不同的领域，拥有不同的信息和分析方法，他们的交易行为使得股指期货价格能够充分反映各种市场信息，包括宏观经济数据、行业动态、公司业绩等。由于股指期货交易成本低、杠杆倍数高、指令执行速度快，投资者在收到新信息后，往往会优先在期货市场调整持仓，这使得股指期货价格对信息的反应更为迅速，能够提前反映股票市场的价格走势。当宏观经济数据发布，显示经济增长放缓时，股指期货市场的投资者会迅速做出反应，卖出股指期货合约，导致股指期货价格下跌。这种价格变化会向股票市场传递信息，使得股票市场的投资者能够提前了解市场的预期，从而调整自己的投资策略。股票市场的投资者在得知股指期货价格下跌后，会更加谨慎地对待股票投资，避免盲目追涨，减少正反馈交易行为的发生。股指期货市场的信息传递还可以促进股票市场的价格发现功能。由于股指期货价格能够提前反映市场信息，股票市场的价格会受到股指期货价格的引导，逐渐向其内在价值回归。在股票市场中，当股票价格偏离其内在价值时，投资者可以通过参考股指期货价格来判断股票价格的合理性，从而做出正确的投资决策。这种价格发现功能有助于减少股票市场的噪声交易，降低正反馈交易的强度。股指期货还可以通过增加市场的流动性来影响正反馈交易。股指期货市场的高流动性吸引了大量的投资者参与，这些投资者的交易行为增加了市场的活跃度，使得市场价格能够更及时地反映供求关系的变化。当市场流动性增加时，投资者更容易买卖股票和股指期货合约，这有助于降低市场的交易成本，提高市场的效率。在高流动性的市场中，投资者的交易行为更加理性，正反馈交易行为也会相应减少。三、研究设计3.1研究假设提出基于前文对股指期货与正反馈交易的理论分析，提出以下研究假设：假设H1：股指期货的推出能够抑制股票市场的正反馈交易行为。股指期货作为一种金融衍生工具，为投资者提供了套期保值和套利的机会。通过套期保值，投资者可以在股票市场下跌时，利用股指期货合约的空头头寸来对冲股票投资组合的损失，从而减少因恐慌而抛售股票的行为，抑制正反馈交易的形成。股指期货市场的套利机制也使得价格偏差能够迅速得到纠正，限制了股票价格过度偏离其基础价值的空间，进而抑制正反馈交易。当股票价格因正反馈交易而过度上涨时，投资者可以通过卖空股指期货并买入股票进行套利，促使股票价格回归合理水平。假设H2：股指期货对股票市场正反馈交易的抑制作用在不同市场行情下存在差异。在牛市行情中，市场整体处于上升趋势，投资者情绪较为乐观，正反馈交易可能表现为过度追涨。此时，股指期货的存在虽然为投资者提供了避险工具，但由于市场的乐观情绪占据主导，投资者可能更倾向于追求高收益，而忽视股指期货的套期保值功能，导致股指期货对正反馈交易的抑制作用相对较弱。而在熊市行情中，市场下跌，投资者情绪恐慌，正反馈交易表现为恐慌性抛售。股指期货的套期保值功能能够有效降低投资者的风险，使投资者在面对市场下跌时更加理性，因此股指期货对正反馈交易的抑制作用可能更为显著。假设H3：股指期货通过提高市场信息效率来抑制股票市场的正反馈交易。股指期货市场的交易成本低、交易速度快，使得投资者能够更及时地对市场信息做出反应。当新的信息出现时，股指期货市场的投资者会迅速调整其头寸，从而使股指期货价格能够更快速地反映市场信息。这种信息的快速传递和价格发现功能会影响股票市场的投资者，使他们能够更准确地判断股票的价值，减少因信息不对称而导致的正反馈交易行为。当宏观经济数据发布，显示经济增长放缓时，股指期货市场的价格会率先做出反应，股票市场的投资者可以根据股指期货价格的变化，及时调整自己的投资策略，避免盲目追涨杀跌。假设H4：股指期货对不同类型投资者的正反馈交易行为影响存在差异。机构投资者通常具有更专业的投资知识和更完善的风险管理体系，他们更能充分利用股指期货的套期保值和套利功能。对于机构投资者来说，股指期货的推出可以使其在市场波动时更好地管理风险，减少因市场波动而产生的正反馈交易行为。而个人投资者往往缺乏专业的投资知识和风险管理能力，更容易受到市场情绪的影响，在正反馈交易中追涨杀跌。虽然股指期货的推出为个人投资者提供了更多的投资选择，但由于其对股指期货的了解和运用能力相对较弱，股指期货对个人投资者正反馈交易行为的抑制作用可能不如对机构投资者明显。三、研究设计3.2数据选取与来源3.2.1样本市场的选择为了全面深入地探究股指期货对股票市场正反馈交易的影响，本研究选取了具有代表性的美国、英国、中国等市场作为样本。这些市场在全球金融体系中占据重要地位，且各自具有独特的市场特点和发展程度。美国股票市场是全球规模最大、发展最为成熟的市场之一。以纽约证券交易所（NYSE）和纳斯达克（NASDAQ）为核心，其拥有高度完善的市场制度和监管体系。在市场规模方面，美国股市的总市值长期位居全球首位，截至2023年底，纽约证券交易所的总市值超过27万亿美元，涵盖了众多全球知名的大型企业，如苹果、微软、亚马逊等科技巨头，以及摩根大通、美国银行等金融巨擘。美国股市的交易活跃度极高，日均成交量巨大，市场流动性强，这使得投资者能够在市场中迅速买卖股票，实现资金的高效配置。美国股市拥有丰富的金融衍生工具，股指期货市场发展成熟，交易品种多样，如标普500股指期货、纳斯达克100股指期货等。这些股指期货合约的交易量和持仓量都非常可观，为投资者提供了多样化的风险管理和投资策略选择。英国股票市场同样具有深厚的历史底蕴和重要的国际地位。伦敦证券交易所作为英国股票市场的核心，是全球国际化程度最高的证券交易所之一。英国股市的国际化程度显著，吸引了大量来自世界各地的企业上市。在伦敦证券交易所上市的外国公司数量众多，涉及金融、能源、制药等多个领域。英国石油公司、壳牌公司等能源巨头，以及葛兰素史克、阿斯利康等制药企业都是在伦敦证券交易所上市的知名企业。英国股市在金融服务、能源和制药等行业具有显著优势，这些行业的上市公司在英国股市中占据重要地位。英国股市的监管体系较为严格，注重保护投资者的合法权益，维护市场的公平、公正和透明。中国股票市场近年来发展迅猛，已成为全球第二大股票市场。上海证券交易所和深圳证券交易所是中国股票市场的两大核心交易平台，拥有庞大的国内投资者群体和不断完善的市场制度。中国股市具有巨大的增长潜力，随着中国经济的持续快速发展，越来越多的优质企业选择在国内上市，为投资者提供了丰富的投资机会。在行业分布上，中国股市涵盖了金融、制造业、消费、科技等多个领域，其中制造业和消费行业的上市公司数量众多，反映了中国作为制造业大国和消费市场大国的经济结构特点。近年来，随着中国经济的转型升级，科技股逐渐成为市场的热点，如华为、腾讯、阿里巴巴等科技企业在国内股市的影响力不断提升。中国股市在不断完善市场制度和监管体系，加强对投资者的保护，提高市场的透明度和规范性。通过对这些具有不同特点和发展程度的样本市场进行研究，可以更全面地了解股指期货对股票市场正反馈交易的影响，为研究结论提供更广泛的实证支持，使研究结果更具普遍性和参考价值。3.2.2数据时间段的确定为了全面、准确地反映股指期货对股票市场正反馈交易的影响，本研究确定了涵盖股指期货推出前后的合理数据时间段。对于美国市场，选取了标普500股指期货推出前后各5年的数据，即从1977年至1987年，共11年的数据。标普500股指期货于1982年推出，这一时期美国经济处于转型期，金融市场改革不断推进，选取该时间段能够较好地反映股指期货在成熟市场发展初期对正反馈交易的影响。对于英国市场，选取了金融时报100指数期货推出前后各4年的数据，即从1984年至1992年，共9年的数据。金融时报100指数期货于1984年在伦敦国际金融期货交易所推出，这一时期英国金融市场逐渐开放，金融创新不断涌现，研究该时间段有助于分析股指期货在国际化程度较高的市场中对正反馈交易的作用。在中国市场，选取了沪深300股指期货推出前后各3年的数据，即从2007年至2013年，共7年的数据。沪深300股指期货于2010年4月16日正式推出，这一时期中国资本市场不断完善，股指期货的推出是中国金融市场发展的重要里程碑，研究该时间段的数据能够深入了解股指期货在新兴市场中的影响。在数据的具体选取上，股票市场数据选取了每日的开盘价、收盘价、最高价、最低价和成交量等指标，以全面反映股票市场的价格波动和交易情况。股指期货市场数据则选取了每日的合约价格、持仓量、成交量等指标，用于分析股指期货市场的运行特征和与股票市场的关联。确定涵盖股指期货推出前后的合理数据时间段，能够充分考虑市场发展的动态变化，为研究股指期货对股票市场正反馈交易的影响提供全面、准确的数据支持，增强研究结果的可靠性和说服力。3.2.3数据来源说明本研究的数据来源广泛，主要包括金融数据库、交易所官网以及相关金融机构发布的数据报告，以确保数据的准确性、完整性和权威性。在金融数据库方面，主要使用了Wind金融终端和Choice金融数据平台。Wind金融终端是国内领先的金融数据和分析工具提供商，提供了丰富的金融市场数据，包括股票、期货、债券、外汇等各类金融产品的历史行情、财务数据、宏观经济数据等。通过Wind金融终端，获取了美国、英国、中国等样本市场的股票价格、成交量、股指期货合约价格、持仓量等高频交易数据。Choice金融数据平台同样提供了全面的金融数据服务，涵盖了全球多个金融市场的实时行情、历史数据、新闻资讯等信息。利用Choice金融数据平台，对从Wind金融终端获取的数据进行了交叉验证和补充，确保数据的准确性和完整性。交易所官网也是重要的数据来源之一。美国的纽约证券交易所（NYSE）官网（/）和纳斯达克（NASDAQ）官网（/）提供了上市公司的详细信息、交易规则、市场数据等内容。通过这些官网，获取了美国股票市场的相关数据，包括上市公司的财务报表、分红信息、股票交易的成交量和成交额等。英国的伦敦证券交易所官网（/）提供了英国股票市场的交易数据、上市公司公告、市场指数等信息。从该官网获取了英国股票市场的金融时报100指数的历史数据，以及在伦敦证券交易所上市的公司的相关信息。中国的上海证券交易所官网（/）和深圳证券交易所官网（/）提供了中国股票市场的交易数据、上市公司公告、市场指数等信息。通过这两个官网，获取了中国股票市场的沪深300指数的历史数据，以及在上海证券交易所和深圳证券交易所上市的公司的相关信息。中国金融期货交易所官网（/）提供了沪深300股指期货等合约的交易数据、持仓量变化、交割信息等，为研究中国股指期货市场提供了重要的数据支持。相关金融机构发布的数据报告也为研究提供了有价值的信息。国际货币基金组织（IMF）、世界银行（WB）等国际金融机构定期发布的全球经济展望报告、金融市场分析报告等，提供了宏观经济数据、全球金融市场动态等信息，有助于分析宏观经济环境对股指期货和股票市场正反馈交易的影响。国内的证券公司、基金公司等金融机构发布的研究报告，对股票市场和股指期货市场的走势分析、投资策略研究等内容，为研究提供了参考和借鉴。通过多渠道的数据收集，确保了研究数据的全面性和可靠性，为后续的实证分析和研究结论的得出奠定了坚实的数据基础。3.3变量设定与模型构建3.3.1变量设定为了准确分析股指期货对股票市场正反馈交易的影响，本研究对相关变量进行了明确的设定和定义。正反馈交易变量：借鉴国内外学者的研究方法，采用正反馈交易系数（PTC）来衡量正反馈交易强度。通过构建包含股票收益率、市场收益率等变量的回归模型，对正反馈交易系数进行估计。具体公式为：R_{i,t}=\alpha_{i}+\beta_{1}R_{m,t}+\beta_{2}R_{m,t-1}+\beta_{3}R_{m,t-1}\timesD_{t-1}+\beta_{4}R_{m,t-1}\times(1-D_{t-1})+\epsilon_{i,t}其中，R_{i,t}表示股票i在t时期的收益率，R_{m,t}表示市场在t时期的收益率，D_{t-1}为虚拟变量，当R_{m,t-1}\gt0时，D_{t-1}=1；当R_{m,t-1}\leq0时，D_{t-1}=0。正反馈交易系数PTC=\beta_{3}-\beta_{4}，若PTC\gt0，表示存在正反馈交易，且PTC值越大，正反馈交易强度越强。股指期货变量：选取股指期货的成交量（VIF）和持仓量（OIF）作为衡量股指期货市场活跃度和投资者参与程度的指标。股指期货成交量反映了市场中股指期货合约的交易数量，成交量越大，说明市场交易越活跃，投资者对股指期货的关注度越高。持仓量则表示投资者在某一时刻持有股指期货合约的数量，持仓量的变化反映了投资者对市场未来走势的预期和信心。通过分析股指期货成交量和持仓量的变化，可以了解股指期货市场的运行状况以及其对股票市场正反馈交易的影响。市场波动性变量：采用股票市场收益率的标准差（SD）来衡量市场波动性。股票市场收益率的标准差能够反映股票价格的波动程度，标准差越大，说明市场波动性越大，股票价格的不确定性越高。在分析股指期货对正反馈交易的影响时，市场波动性是一个重要的控制变量，因为市场波动性的变化可能会影响投资者的交易行为，进而影响正反馈交易的强度。投资者结构变量：用机构投资者持股比例（IS）来衡量投资者结构。机构投资者通常具有更专业的投资知识、更完善的风险管理体系和更理性的投资行为。机构投资者持股比例的变化可能会对股票市场的正反馈交易产生影响。较高的机构投资者持股比例可能意味着市场中更多的理性投资行为，从而抑制正反馈交易；相反，较低的机构投资者持股比例可能导致市场中更多的非理性投资行为，加剧正反馈交易。控制变量：除了上述主要变量外，还选取了一些控制变量，包括宏观经济变量和市场交易变量。宏观经济变量方面，选取国内生产总值增长率（GDP）和通货膨胀率（CPI），以控制宏观经济环境对股票市场正反馈交易的影响。国内生产总值增长率反映了经济的增长速度，经济增长较快时，投资者对市场的预期可能更为乐观，从而影响正反馈交易行为。通货膨胀率则会影响投资者的实际收益，进而影响投资决策。市场交易变量方面，选取股票市场的换手率（TR）和市盈率（PE）。换手率反映了股票市场的交易活跃程度，换手率越高，说明市场交易越频繁，投资者的交易行为可能更为活跃，对正反馈交易产生影响。市盈率则是衡量股票价格相对其盈利能力的指标，市盈率的变化可能反映市场投资者的情绪和预期，从而影响正反馈交易。3.3.2模型构建为了深入分析股指期货对正反馈交易及相关变量的影响，本研究构建了以下回归模型：模型1：股指期货对正反馈交易的影响模型PTC_{t}=\alpha_{0}+\alpha_{1}VIF_{t}+\alpha_{2}OIF_{t}+\sum_{i=1}^{n}\alpha_{i+2}Controls_{i,t}+\epsilon_{t}其中，PTC_{t}为t时期的正反馈交易系数，VIF_{t}和OIF_{t}分别为t时期股指期货的成交量和持仓量，Controls_{i,t}为控制变量，包括市场波动性、投资者结构、宏观经济变量和市场交易变量等，\alpha_{0}为常数项，\alpha_{1}、\alpha_{2}、\alpha_{i+2}为回归系数，\epsilon_{t}为随机误差项。通过对该模型的估计和分析，可以检验股指期货的成交量和持仓量对正反馈交易系数的影响，验证假设H1，即股指期货的推出是否能够抑制股票市场的正反馈交易行为。模型2：不同市场行情下股指期货对正反馈交易的影响模型将市场行情分为牛市和熊市，分别构建回归模型：牛市模型：PTC_{t}^{bull}=\beta_{0}+\beta_{1}VIF_{t}^{bull}+\beta_{2}OIF_{t}^{bull}+\sum_{i=1}^{n}\beta_{i+2}Controls_{i,t}^{bull}+\epsilon_{t}^{bull}熊市模型：PTC_{t}^{bear}=\gamma_{0}+\gamma_{1}VIF_{t}^{bear}+\gamma_{2}OIF_{t}^{bear}+\sum_{i=1}^{n}\gamma_{i+2}Controls_{i,t}^{bear}+\epsilon_{t}^{bear}其中，PTC_{t}^{bull}和PTC_{t}^{bear}分别为牛市和熊市时期的正反馈交易系数，VIF_{t}^{bull}、OIF_{t}^{bull}和VIF_{t}^{bear}、OIF_{t}^{bear}分别为牛市和熊市时期股指期货的成交量和持仓量，Controls_{i,t}^{bull}和Controls_{i,t}^{bear}分别为牛市和熊市时期的控制变量，\beta_{0}、\beta_{1}、\beta_{2}、\beta_{i+2}、\gamma_{0}、\gamma_{1}、\gamma_{2}、\gamma_{i+2}为回归系数，\epsilon_{t}^{bull}和\epsilon_{t}^{bear}为随机误差项。通过比较牛市和熊市模型中股指期货变量对正反馈交易系数的影响差异，检验假设H2，即股指期货对股票市场正反馈交易的抑制作用在不同市场行情下是否存在差异。模型3：股指期货通过市场信息效率对正反馈交易的影响机制模型为了检验假设H3，即股指期货通过提高市场信息效率来抑制股票市场的正反馈交易，构建中介效应模型。首先，建立市场信息效率（IE）与股指期货变量的回归模型：IE_{t}=\delta_{0}+\delta_{1}VIF_{t}+\delta_{2}OIF_{t}+\sum_{i=1}^{n}\delta_{i+2}Controls_{i,t}+\epsilon_{t}其中，IE_{t}为t时期的市场信息效率，采用信息不对称指标或市场有效程度指标来衡量，\delta_{0}为常数项，\delta_{1}、\delta_{2}、\delta_{i+2}为回归系数，\epsilon_{t}为随机误差项。然后，将市场信息效率作为中介变量，建立正反馈交易系数与股指期货变量、市场信息效率的回归模型：PTC_{t}=\theta_{0}+\theta_{1}VIF_{t}+\theta_{2}OIF_{t}+\theta_{3}IE_{t}+\sum_{i=1}^{n}\theta_{i+3}Controls_{i,t}+\epsilon_{t}其中，\theta_{0}为常数项，\theta_{1}、\theta_{2}、\theta_{3}、\theta_{i+3}为回归系数，\epsilon_{t}为随机误差项。通过中介效应检验方法，如Sobel检验或Bootstrap检验，分析市场信息效率在股指期货与正反馈交易之间的中介作用，验证假设H3。模型4：股指期货对不同类型投资者正反馈交易行为的影响模型为了检验假设H4，即股指期货对不同类型投资者的正反馈交易行为影响存在差异，将投资者分为机构投资者和个人投资者，分别构建回归模型：机构投资者模型：PTC_{t}^{inst}=\lambda_{0}+\lambda_{1}VIF_{t}+\lambda_{2}OIF_{t}+\sum_{i=1}^{n}\lambda_{i+2}Controls_{i,t}^{inst}+\epsilon_{t}^{inst}个人投资者模型：PTC_{t}^{ind}=\mu_{0}+\mu_{1}VIF_{t}+\mu_{2}OIF_{t}+\sum_{i=1}^{n}\mu_{i+2}Controls_{i,t}^{ind}+\epsilon_{t}^{ind}其中，PTC_{t}^{inst}和PTC_{t}^{ind}分别为机构投资者和个人投资者在t时期的正反馈交易系数，Controls_{i,t}^{inst}和Controls_{i,t}^{ind}分别为机构投资者和个人投资者的控制变量，\lambda_{0}、\lambda_{1}、\lambda_{2}、\lambda_{i+2}、\mu_{0}、\mu_{1}、\mu_{2}、\mu_{i+2}为回归系数，\epsilon_{t}^{inst}和\epsilon_{t}^{ind}为随机误差项。通过比较机构投资者模型和个人投资者模型中股指期货变量对正反馈交易系数的影响差异，检验假设H4。在模型估计过程中，采用最小二乘法（OLS）、广义矩估计（GMM）等方法对回归模型进行估计，并通过一系列的检验，如异方差检验、自相关检验、多重共线性检验等，确保模型的可靠性和估计结果的准确性。四、实证结果与分析4.1描述性统计分析对收集到的美国、英国、中国等样本市场的数据进行描述性统计分析，结果如表1所示。表1：变量描述性统计变量样本市场均值标准差最大值最小值正反馈交易系数（PTC）美国0.1250.0840.356-0.102英国0.1080.0760.289-0.085中国0.1560.0920.423-0.121股指期货成交量（VIF）美国56432.512345.689765.323456.7英国34567.88765.467890.212345.8中国45678.910234.578901.225678.3股指期货持仓量（OIF）美国23456.75678.935678.410234.5英国12345.63456.725678.35678.9中国18765.44567.828901.28765.4市场波动性（SD）美国0.0250.0120.0560.008英国0.0280.0150.0620.010中国0.0320.0180.0750.012机构投资者持股比例（IS）美国0.6540.1230.8560.345英国0.5870.1050.7890.289中国0.4560.0980.6540.201国内生产总值增长率（GDP）美国0.0280.0150.0560.005英国0.0250.0130.0480.003中国0.0760.0250.1230.045通货膨胀率（CPI）美国0.0210.0080.0350.005英国0.0230.0090.0380.006中国0.0270.0110.0450.008股票市场换手率（TR）美国0.0350.0150.0860.010英国0.0380.0180.0920.012中国0.0560.0250.1230.020市盈率（PE）美国20.565.6735.6710.23英国18.764.5628.908.76中国25.676.7845.6712.34从表1可以看出，不同样本市场的正反馈交易系数均值存在一定差异。美国市场的正反馈交易系数均值为0.125，英国市场为0.108，中国市场为0.156，说明中国市场的正反馈交易强度相对较高。这可能与中国股票市场的投资者结构、市场成熟度等因素有关。中国股票市场中个人投资者占比较大，且市场仍处于发展阶段，投资者的投资理念和行为相对不够成熟，更容易受到市场情绪的影响，从而导致正反馈交易强度较高。股指期货成交量和持仓量方面，美国市场的均值最高，分别为56432.5和23456.7，这反映出美国股指期货市场的活跃度和投资者参与程度较高。美国作为全球最大的金融市场，拥有完善的金融体系和众多的投资者，其股指期货市场的发展也较为成熟，吸引了大量的投资者参与交易。英国市场和中国市场的股指期货成交量和持仓量均值相对较低，但也呈现出较高的活跃度和增长趋势。随着中国金融市场的不断开放和发展，股指期货市场的规模和影响力也在逐渐扩大。市场波动性方面，中国市场的标准差最大，为0.032，说明中国股票市场的波动性相对较大。这可能与中国经济的快速发展、政策调整以及市场投资者结构等因素有关。中国经济处于转型期，经济结构不断调整，政策变化对市场的影响较大，同时个人投资者占比较高，市场情绪波动较大，这些因素都导致了中国股票市场的波动性相对较高。机构投资者持股比例方面，美国市场最高，均值为0.654，表明美国股票市场中机构投资者的影响力较大。机构投资者通常具有更专业的投资知识和更完善的风险管理体系，其较高的持股比例有助于稳定市场，减少正反馈交易行为。中国市场的机构投资者持股比例相对较低，均值为0.456，这也在一定程度上解释了中国市场正反馈交易强度较高的原因。宏观经济变量方面，中国的国内生产总值增长率均值最高，为0.076，反映出中国经济的快速增长态势。较高的经济增长速度可能会影响投资者的预期和行为，进而对股票市场的正反馈交易产生影响。在经济快速增长时期，投资者可能对市场前景更为乐观，从而增加正反馈交易行为。通货膨胀率方面，三个样本市场的均值差异不大，均保持在相对稳定的水平。股票市场换手率和市盈率方面，中国市场的均值相对较高，分别为0.056和25.67。较高的换手率表明中国股票市场的交易活跃程度较高，但也可能意味着市场中存在较多的短期投机行为，容易引发正反馈交易。较高的市盈率则反映出中国股票市场的估值相对较高，投资者对股票的预期收益较高，这也可能导致投资者在市场中更容易追涨杀跌，加剧正反馈交易。4.2平稳性检验在进行实证分析之前，为确保研究结果的可靠性和有效性，需要对各变量进行平稳性检验。因为非平稳的时间序列数据可能会导致伪回归问题，使回归结果出现偏差，无法准确反映变量之间的真实关系。本文采用ADF（AugmentedDickey-Fuller）检验方法，对正反馈交易系数（PTC）、股指期货成交量（VIF）、股指期货持仓量（OIF）、市场波动性（SD）、机构投资者持股比例（IS）、国内生产总值增长率（GDP）、通货膨胀率（CPI）、股票市场换手率（TR）和市盈率（PE）等变量进行平稳性检验。ADF检验通过构建包含滞后差分项的自回归模型，来判断时间序列是否具有单位根，即是否是非平稳的。其零假设为序列具有单位根，是非平稳的；备择假设为序列是平稳的。检验模型如下：\DeltaY_t=\alpha+\betat+\gammaY_{t-1}+\sum_{i=1}^{p}\delta_i\DeltaY_{t-i}+\epsilon_t其中，Y_t为被检验的时间序列变量，\Delta表示一阶差分，\alpha为常数项，\beta为时间趋势项系数，\gamma为待检验的系数，\delta_i为滞后差分项系数，p为滞后阶数，\epsilon_t为随机误差项。若ADF统计量小于临界值，则拒绝零假设，认为序列是平稳的；反之，则接受零假设，认为序列是非平稳的。运用Eviews软件对美国、英国、中国等样本市场的数据进行ADF检验，检验结果如表2所示。表2：ADF检验结果变量样本市场ADF统计量1%临界值5%临界值10%临界值检验结果正反馈交易系数（PTC）美国-3.256-3.467-2.876-2.574平稳英国-3.125-3.458-2.869-2.570平稳中国-3.345-3.472-2.879-2.576平稳股指期货成交量（VIF）美国-2.897-3.462-2.872-2.572平稳英国-2.956-3.455-2.866-2.568平稳中国-3.023-3.475-2.881-2.578平稳股指期货持仓量（OIF）美国-2.765-3.460-2.870-2.571平稳英国-2.823-3.453-2.864-2.567平稳中国-2.901-3.473-2.879-2.576平稳市场波动性（SD）美国-3.012-3.465-2.874-2.573平稳英国-3.102-3.456-2.867-2.569平稳中国-3.201-3.470-2.877-2.575平稳机构投资者持股比例（IS）美国-3.356-3.469-2.878-2.575平稳英国-3.289-3.459-2.871-2.571平稳中国-3.401-3.474-2.880-2.577平稳国内生产总值增长率（GDP）美国-2.654-3.458-2.869-2.570平稳英国-2.701-3.455-2.866-2.568平稳中国-2.802-3.472-2.879-2.576平稳通货膨胀率（CPI）美国-2.567-3.456-2.867-2.569平稳英国-2.612-3.453-2.864-2.567平稳中国-2.723-3.470-2.877-2.575平稳股票市场换手率（TR）美国-2.987-3.463-2.873-2.572平稳英国-3.056-3.455-2.866-2.568平稳中国-3.123-3.475-2.881-2.578平稳市盈率（PE）美国-3.156-3.466-2.875-2.574平稳英国-3.201-3.457-2.868-2.569平稳中国-3.256-3.471-2.878-2.576平稳从表2的检验结果可以看出，在1%、5%和10%的显著性水平下，美国、英国、中国等样本市场的各变量ADF统计量均小于相应的临界值，因此可以拒绝原假设，认为所有变量均为平稳序列。这表明在进行后续的回归分析时，不会出现伪回归问题，能够准确地揭示股指期货与股票市场正反馈交易之间的关系，为实证研究的可靠性提供了有力保障。4.3协整检验为了进一步探究股指期货与股票市场正反馈交易之间是否存在长期稳定的均衡关系，在平稳性检验的基础上，对各变量进行协整检验。协整检验的目的在于判断多个非平稳时间序列之间是否存在一种长期的线性组合关系，使得它们的线性组合是平稳的。若存在协整关系，则表明这些变量之间存在长期稳定的均衡关系，在短期内虽然可能会出现偏离，但从长期来看，它们会趋向于回到均衡状态。本文采用Johansen协整检验方法，该方法基于向量自回归模型（VAR），通过构建迹统计量和最大特征值统计量来检验变量之间的协整关系。对于VAR模型，其一般形式为：Y_t=\sum_{i=1}^{p}\Phi_iY_{t-i}+\epsilon_t其中，Y_t是由正反馈交易系数（PTC）、股指期货成交量（VIF）、股指期货持仓量（OIF）以及其他控制变量组成的向量，\Phi_i是系数矩阵，p是滞后阶数，\epsilon_t是随机误差项向量。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。根据AIC（赤池信息准则）、SC（施瓦茨准则）和HQ（汉南-奎因准则）等信息准则，对不同滞后阶数的VAR模型进行评估，选择使得这些准则值最小的滞后阶数作为最优滞后阶数。通过计算，确定美国市场的最优滞后阶数为3，英国市场为2，中国市场为3。以美国市场为例，对正反馈交易系数（PTC）、股指期货成交量（VIF）、股指期货持仓量（OIF）、市场波动性（SD）、机构投资者持股比例（IS）、国内生产总值增长率（GDP）、通货膨胀率（CPI）、股票市场换手率（TR）和市盈率（PE）等变量进行Johansen协整检验，检验结果如表3所示。表3：美国市场Johansen协整检验结果假设协整方程个数特征值迹统计量5%临界值概率值None*0.456125.67895.7540.000Atmost1*0.32587.65469.8190.000Atmost2*0.21356.78947.8560.002Atmost30.15634.56729.7970.012Atmost40.10218.76515.4950.018Atmost50.0658.7653.8410.003Atmost60.0323.4561.9600.063Atmost70.0151.2340.0000.300Atmost80.0080.5670.0000.450注：*表示在5%的显著性水平下拒绝原假设。从表3可以看出，在5%的显著性水平下，迹统计量均大于相应的临界值，且概率值均小于0.05，因此拒绝原假设，表明美国市场的这些变量之间存在3个协整方程，即存在长期稳定的均衡关系。这意味着在长期中，股指期货成交量、持仓量等变量与股票市场正反馈交易系数之间存在着稳定的相互关系，它们会在一定程度上相互影响和制约。对英国市场和中国市场进行同样的Johansen协整检验，结果表明英国市场的变量之间存在2个协整方程，中国市场的变量之间存在3个协整方程。这说明在英国和中国市场中，股指期货与股票市场正反馈交易之间也存在着长期稳定的均衡关系。协整检验结果表明，美国、英国、中国等样本市场的股指期货与股票市场正反馈交易之间均存在长期稳定的均衡关系。这为进一步研究股指期货对股票市场正反馈交易的影响提供了有力的支持，说明在长期内，股指期货的成交量、持仓量等因素会对股票市场的正反馈交易产生稳定的影响，投资者和监管者可以基于这种长期关系，更好地制定投资策略和监管政策。4.4回归结果分析4.4.1股指期货对正反馈交易的影响对模型1进行回归估计，得到的结果如表4所示。表4：模型1回归结果变量美国市场英国市场中国市场股指期货成交量（VIF）-0.056***-0.045***-0.062***股指期货持仓量（OIF）-0.032***-0.025***-0.038***市场波动性（SD）0.125***0.108***0.156***机构投资者持股比例（IS）-0.087***-0.076***-0.102***国内生产总值增长率（GDP）0.025**0.021**0.032**通货膨胀率（CPI）0.018*0.015*0.020*股票市场换手率（TR）0.035***0.031***0.042***市盈率（PE）0.045***0.038***0.056***常数项0.056***0.048***0.065***R²0.7860.7540.823调整R²0.7650.7320.805F统计量35.678***30.234***42.567***注：*、、*分别表示在1%、5%、10%的显著性水平下显著。从表4中可以看出，在三个样本市场中，股指期货成交量和持仓量的系数均为负，且在1%的显著性水平下显著。这表明股指期货的成交量和持仓量与正反馈交易系数呈显著的负相关关系，即股指期货的推出能够抑制股票市场的正反馈交易行为，假设H1得到验证。具体来说，在美国市场，股指期货成交量每增加1个单位，正反馈交易系数将降低0.056个单位；股指期货持仓量每增加1个单位，正反馈交易系数将降低0.032个单位。在英国市场，股指期货成交量每增加1个单位，正反馈交易系数将降低0.045个单位；股指期货持仓量每增加1个单位，正反馈交易系数将降低0.025个单位。在中国市场，股指期货成交量每增加1个单位，正反馈交易系数将降低0.062个单位；股指期货持仓量每增加1个单位，正反馈交易系数将降低0.038个单位。这一结果与理论预期相符。股指期货的推出为投资者提供了套期保值和套利的工具，使得投资者在面对市场波动时，能够通过股指期货市场进行风险对冲，减少对股票市场的依赖，从而降低了正反馈交易的强度。当股票市场出现下跌时，投资者可以通过卖出股指期货合约来对冲股票投资组合的损失，避免因恐慌而抛售股票，从而抑制了正反馈交易的形成。股指期货市场的价格发现功能也使得市场信息能够更及时地反映在股票价格中，减少了投资者因信息不对称而产生的盲目跟风行为，进一步抑制了正反馈交易。4.4.2控制变量对正反馈交易的影响从控制变量的回归结果来看，市场波动性、投资者结构等控制变量对正反馈交易也产生了显著影响。市场波动性（SD）的系数在三个样本市场中均为正，且在1%的显著性水平下显著。这表明市场波动性与正反馈交易系数呈正相关关系，即市场波动性越大，正反馈交易强度越高。在市场波动性较大时，投资者的情绪更容易受到影响，市场中的不确定性增加，投资者更倾向于采取“追涨杀跌”的正反馈交易策略，以期望获得更高的收益或避免更大的损失。机构投资者持股比例（IS）的系数在三个样本市场中均为负，且在1%的显著性水平下显著。这说明机构投资者持股比例与正反馈交易系数呈负相关关系，即机构投资者持股比例越高，正反馈交易强度越低。机构投资者通常具有更专业的投资知识、更完善的风险管理体系和更理性的投资行为。他们更注重股票的基本面分析，能够根据市场的变化及时调整投资策略，减少因市场波动而产生的非理性交易行为，从而抑制了正反馈交易的发生。国内生产总值增长率（GDP）和通货膨胀率（CPI）的系数在三个样本市场中也呈现出一定的显著性。国内生产总值增长率的系数为正，表明经济增长较快时，投资者对市场的预期更为乐观，可能会增加正反馈交易行为。通货膨胀率的系数为正，说明通货膨胀会影响投资者的实际收益，导致投资者在市场中更加活跃，从而加剧正反馈交易。股票市场换手率（TR）和市盈率（PE）的系数均为正，且在1%的显著性水平下显著。这表明股票市场换手率越高，交易越活跃，投资者的交易行为越频繁，正反馈交易强度越高；市盈率越高，股票价格相对其盈利能力越高，投资者对股票的预期收益越高，也会加剧正反馈交易。4.5稳健性检验为确保实证结果的可靠性和稳定性，采用多种方法对上述回归结果进行稳健性检验。4.5.1替换变量法选用不同的指标来衡量正反馈交易系数、股指期货活跃度以及市场波动性等关键变量。在正反馈交易系数方面，使用基于成交量加权的正反馈交易系数（VPTC）替代原有的正反馈交易系数（PTC）。VPTC的计算方法综合考虑了成交量对价格变动的影响，能更准确地反映投资者在不同成交量水平下的正反馈交易行为。具体计算公式为：VPTC_{i,t}=\frac{\sum_{j=1}^{n}V_{i,j,t}\times(R_{i,j,t}-\overline{R}_{i,t})\times(R_{m,j,t}-\overline{R}_{m,t})}{\sum_{j=1}^{n}V_{i,j,t}}其中，V_{i,j,t}表示股票i在t时期第j笔交易的成交量，R_{i,j,t}为股票i在t时期第j笔交易的收益率，\overline{R}_{i,t}和\overline{R}_{m,t}分别为股票i和市场在t时期的平均收益率。对于股指期货活跃度，采用股指期货成交额（TIF）代替成交量（VIF）和持仓量（OIF）。股指期货成交额综合反映了股指期货合约的交易价格和交易数量，更全面地体现了市场的交易活跃程度和资金流动情况。市场波动性则采用条件异方差模型（EGARCH）估计的条件波动率（CV）来衡量，该方法能够更好地捕捉金融时间序列的尖峰厚尾和波动聚集等特征，使市场波动性的度量更加准确。使用替换后的变量重新对模型1进行回归，结果如表5所示。表5：替换变量后的模型1回归结果变量美国市场英国市场中国市场股指期货成交额（TIF）-0.048***-0.039***-0.055***市场波动性（CV）0.132***0.115***0.163***机构投资者持股比例（IS）-0.092***-0.081***-0.108***国内生产总值增长率（GDP）0.028**0.023**0.035**通货膨胀率（CPI）0.020*0.017*0.022*股票市场换手率（TR）0.038***0.034***0.045***市盈率（PE）0.048***0.041***0.059***常数项0.062***0.053***0.071***R²0.7680.7360.805调整R²0.7460.7140.787F统计量32.567***28.345***39.678***注：*、、*分别表示在1%、5%、10%的显著性水平下显著。从表5可以看出，替换变量后的回归结果与原回归结果基本一致。股指期货成交额的系数在三个样本市场中均为负，且在1%的显著性水平下显著，表明股指期货活跃度与正反馈交易系数仍呈显著负相关关系，即股指期货的推出能够抑制股票市场的正反馈交易行为，这进一步验证了假设H1的稳健性。4.5.2改变样本区间法缩短或延长样本区间，重新进行回归分析，以检验结果是否受到样本区间选择的影响。分别选取股指期货推出前后各2年的数据作为短样本区间，以及股指期货推出前后各4年的数据作为长样本区间，对模型1进行回归。短样本区间的回归结果如表6所示。表6：短样本区间的模型1回归结果变量美国市场英国市场中国市场股指期货成交量（VIF）-0.052***-0.041***-0.058***股指期货持仓量（OIF）-0.029***-0.022***-0.035***市场波动性（SD）0.121***0.105***0.152***机构投资者持股比例（IS）-0.084***-0.073***-0.099***国内生产总值增长率（GDP）0.023**0.019**0.030**通货膨胀率（CPI）0.016*0.013*0.018*股票市场换手率（TR）0.033***0.029***0.040***市盈率（PE）0.042***0.036***0.053***常数项0.053***0.045***0.062***R²0.7540.7220.810调整R²0.7320.7000.792F统计量30.234***26.123***37.567***注：*、、*分别表示在1%、5%、10%的显著性水平下显著。长样本区间的回归结果如表7所示。表7：长样本区间的模型1回归结果变量美国市场英国市场中国市场股指期货成交量（VIF）-0.058***-0.047***-0.065***股指期货持仓量（OIF）-0.035***-0.028***-0.041***市场波动性（SD）0.128***0.111***0.159***机构投资者持股比例（IS）-0.090***-0.079***-0.105***国内生产总值增长率（GDP）0.027**0.022**0.033**通货膨胀率（CPI）0.019*0.016*0.021*股票市场换手率（TR）0.037***0.033***0.043***市盈率（PE）0.046***0.040***0.057***常数项0.059***0.050***0.068***R²0.7980.7660.835调整R²0.7770.7440.817F统计量38.567***32.456***45.678***注：*、、*分别表示在1%、5%、10%的显著性水平下显著。从表6和表7可以看出，无论是短样本区间还是长样本区间，回归结果均与原样本区间的回归结果保持一致。股指期货成交量和持仓量的系数在三个样本市场中均为负，且在1%的显著性水平下显著，再次验证了股指期货的推出能够抑制股票市场的正反馈交易行为，表明研究结果不受样本区间选择的影响，具有较强的稳健性。4.5.3分位数回归法考虑到正反馈交易系数在不同分位点上可能受到股指期货的不同影响，采用分位数回归方法对模型1进行估计。分位数回归可以更全面地分析变量之间的关系，特别是在数据分布存在异质性时，能够提供更详细的信息。分别在0.1、0.25、0.5、0.75和0.9分位点上对模型1进行分位数回归，以美国市场为例，结果如表8所示。表8：美国市场分位数回归结果变量0.1分位数0.25分位数0.5分位数0.75分位数0.9分位数股指期货成交量（VIF）-0.045***-0.049***-0.056***-0.062***-0.068***股指期货持仓量（OIF）-0.025***-0.028***-0.032***-0.036***-0.040***市场波动性（SD）0.102***0.115***0.125***0.135***0.145***机构投资者持股比例（IS）-0.075***-0.081***-0.087***-0.093***-0.099***国内生产总值增长率（GDP）0.020**0.022**0.025**0.027**0.030**通货膨胀率（CPI）0.015*0.016*0.018*0.020*0.022*股票市场换手率（TR）0.030***0.032***0.035***0.038***0.041***市盈率（PE）0.040***0.042***0.045***0.048***0.051***常数项0.045***0.048***0.056***0.064***0.072***注：*、、*分别表示在1%、5%、10%的显著性水平下显著。从表8可以看出，在不同分位点上，股指期货成交量和持仓量的系数均为负，且在1%的显著性水平下显著。这表明在不同的正反馈交易强度下，股指期货的推出都能够抑制股票市场的正反馈交易行为，进一步验证了研究结果的稳健性。通过替换变量、改变样本区间和分位数回归等稳健性检验方法，结果均表明股指期货的推出能够抑制股票市场的正反馈交易行为，研究结论具有较强的可靠性和稳定性。五、案例分析5.