前言：中文期刊网精心挑选了关于冬至的古诗范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
关于冬至的古诗范文1
关键词：股指期货；现货市场；波动性
中图分类号：F830.91文献标识码：A文章编号：1001-6260（2008）03-0086-09
沪深300股指期货的模拟交易已经1年多，我国股指期货的正式推出也箭在弦上，股指期货推出到底会对股票市场的波动性产生什么样的影响，不仅是市场参与者、管理者关注的热点，也受到很多学者的关注。目前关于股指期货对现货市场影响的研究成果大多集中于美国和英国等成熟市场，而对新兴市场的研究还较少。由于日本、韩国与中国为邻，经济息息相关，文化上有互通性，社会心理也有相近性，本研究选取日本的N225指数期货、韩国KOSPI200指数期货和我国台湾地区证交所加权指数TWSE期货作为样本进行实证分析，以期通过发达证券市场和新兴证券市场的经验数据对股指期货推出后现货市场波动性变化进行较为全面的研究。特别是韩国KOSPI200指数期货和我国台湾地区证交所加权指数期货，是目前全球市场交易量很大或增长很快的品种，而它们当时推出股指期货时股票市场的发展状况与我们股票市场目前的实际发展状况比较接近，其实证结果对我们股指期货推出后研究现货市场波动性的变化具有一定的指导作用。
一、相关文献综述
学术界关于股指期货与现货市场波动性关系的研究常常集中于股指期货引入后对现货市场的波动性能否产生影响以及影响程度有多大等相关问题上。在诸多的研究结论中，存在着两种截然不同的观点，一种观点认为股指期货的引入使得现货市场的波动性增加，而另一种观点认为股指期货引入后现货市场的波动性不变或者减少。
Edwards（1988）、Becketti等（1990）、Baldauf等（1991）、Brorsen（1991）及Pericli等（1997）先后对股指期货推出后S&P500股票市场波动性进行了实证研究，得出的结论是股指期货并没有使得现货市场的波动性增加。Brorsen虽然发现引入指数期货后S&P500股票市场的日股价变化的方差发生了变化，但长期指数价格变化的方差没有发生显著变化，说明股指期货对现货市场波动性的影响即使存在也是非常短暂的。Baldauf等使用ARCH模型对S&P500指数的波动性进行了研究，认为指数期货上市对股票市场波动性影响并不显著。Freris（1990）对香港恒生指数期货推出前后的现货市场波动性进行了分析，认为指数期货对股票指数波动没有产生影响。Hodgson等（1991）分析了引进股指期货后澳洲所有普通股指数的波动情况发现，股指期货并没有加大澳洲股市的波动。Gerety等（1991）通过研究道琼斯工业指数期货对股价指数的影响发现，变异比率并无明显改变。Laatsch等（1988）对MMI股票指数期货和构成指数的20只成份股的关系所进行的研究认为，期货交易没有使现货市场波动变大。Lee等（1992）分别研究了美国价值线指数、香港恒生指数、澳洲所有普通股指数、新加坡交易的日经指数和英国的FT-SE100指数期货与相应的现货市场的关系，发现：美国市场中期波动上升，长期并无影响；香港市场的波动短期下降，长期上升；澳洲市场无显著变化；日本市场的波动显著上升；英国市场的波动短中期上升，长期并无影响。Charles等（1997）研究了1978年至1995年世界股票指数期货市场上12种股指期货与股指波动性后显示，推出股指期货后，股指波动性不变的近八成，只有少数股指表现为波动性增加。
Powers（1970）指出，期货市场实质上提高了金融市场的深度，扩大了信息量，现货市场的波动性会相应降低。Stroll等（1988）认为期货市场提高了现货市场的有效性并降低其波动性。Lee等（1992）研究了1984 年至1988年香港恒生指数期货与恒生指数的关系认为，股指期货不但没有增加现货市场的波动性，甚至在某种程度上减小了波动幅度。Bessembinder等（1992）分析了1978年至1989年S&P500指数期货推出前后的情况，发现期货市场的引入使现货市场波动性减小。Robinson（1993）对1980 年至1993年FT-SE100指数的期现货市场的研究表明，引入期货市场后现货市场波动性减小。Antoniou等（1995）利用日收益率数据，对FT-SE100股票指数期货的交易对基础现货市场的波动性的影响进行了研究。他们利用GARCH模型对信息与波动性之间的关系进行了检验。结果表明，期货交易导致了现货市场波动性的增加，但这种波动性并非是市场投机行为扰乱市场所致，而是源于股指期货的引入提高了现货市场信息流的速度与质量。
Cox（1976）认为，由于衍生市场中大量无信息交易者的存在，股指期货使得现货市场波动性增加。Finglewski（1984）也断定期货交易者相比于现货交易者，掌握的信息资源更少，这就会增加股市的波动性。Harris（1989）认为，由于期货市场交易成本相对较低，投资者交易频繁，引发了更多的不确定性并由此增加了现货市场的波动性。指数期货的引入使得现货市场的波动性增加。Damodaran（1990）研究了S&P500指数期货后发现，S&P500成份股的波动有增大的趋势。Lockwood等（1990）对道琼斯工业指数的研究表明，道琼斯工业指数引入后现货市场收益率变异系数上升。Antoniou等（1995） 对FT-SE100指数进行的研究表明，期货市场改善了现货市场的信息传递效率，使得现货市场的信息传递速度和所传递信息的质量增加，并使得股价的波动性增加。
国内学者对这一问题也进行了相关的研究。史美景等（2007）对香港恒生指数H股指期货引入前后现货市场的波动性变化进行了研究，结果发现，在期货和约未上市前，波动性干扰反应在时间上的持续性效果较久，而在股指期货推出之后，其波动性干扰因子的影响反应速度更快，市场波动性降低了。李华等（2006）对日经225指数对现货市场的波动性影响效应进行了研究，发现在股指期货推出之初现货市场的反应较强，波动性较大，之后其波动性逐渐减小。肖辉等（2004）运用高频数据对S＆P500股指与股指期货的日内互动关系所进行的研究发现，股指收益率与股指期货收益率之间存在着即时互动关系，三种波动率度量方法均发现股指期货已实现波动率明显大于股指已实现波动率。这说明股指期货的引入可能对现货市场波动性产生一定的影响。
综上所述，虽然关于股指期货与现货市场波动性关系的实证结论不一，但学术界还是倾向于指数期货的引入并没有导致现货市场波动性增加的观点，即使股票市场的波动性可能有所增加，也只是表现在短期，而且这种短期的波动性增加还可能是由于信息的数量增加和质量提高所致，股指期货其实发挥了稳定股票市场的功能。本文尝试着对这一问题进行实证分析。
二、波动性的检验方法
指数期货的引入与股票市场波动性关系的研究可以从定性和定量两方面来考虑，即：（1）指数期货是否对股票市场的波动性产生了影响；（2）如果存在这种影响，那么这种影响是稳定了基础现货市场，还是加剧了现货市场的不稳定性。在定性上，即指数期货是否对现货市场产生影响这一问题，在股票指数系列服从正态分布的条件下，可以直接通过F检验来进行，但事实上金融时间序列基本上都具有尖峰厚尾、时变方差特征，并不服从正态分布，所以这种方法并不实用。常常使用GARCH模型来对以上问题进行检验。而且，由于信息的基础性要素作用，信息数量和质量的变化往往会影响现货指数价格波动性的变化，使得波动性呈现出时变性特点。对这种波动时变性，可以用GARCH过程建立收益率序列的条件方差模型来处理。常用的GARCH模型如下：
（一）GARCH(p,q)
误差项服从GARCH(p,q)过程的模型如下：
这里，式（1）是条件均值方程，式（2）是条件方差方程，It-1是信息集，p是GARCH项的阶数，q是ARCH项的阶数。GARCH模型要求αi≥0以及βj≥0。
（二）TARCH（p,q）
由于股价下跌过程中的波动性比股价上涨过程中的波动性更大，股票价格对这种信息的反应具有非对称性。对于这种“非对称性”反应，通常可以采用门限ARCH（Threshold ARCH）模型来刻画。
TARCH模型的条件方差模型为：
当γ＜0时，存在杠杆效应；如果γ≠0，则影响是非负的。
正如前面所述，对于股票价格波动性的变化到底是由于期货交易冲击还是由于信息变化所致，可以从定性和定量两个方面来进行分析。定性上来看，从期货交易本身是否对股票市场的波动性产生了影响可以看出问题的本质；如果期货交易的引入确实加剧了股票市场的波动性，则这种波动性可能来源于两个方面：一是对信息的快速反应，二是期货市场对现货市场价格的扰动。因此，可以进一步从定量上来进行区分。为了剔除信息的干扰影响，我们要着重分析，引入期货交易之后信息与波动性之间所存在的关系问题。
对于股指期货是否对股票指数的波动性产生了影响这一定性的问题，我们在条件方差方程中引入了一个哑元变量，在引入期货前值为0，引入期货后值为1。因此式（2）变为：
这里，DF是哑元变量。如果哑元变量具有统计显著性，则表明期货交易的存在对现货市场的波动性产生了影响。类似地，TARCH、EGARCH模型的条件方差模型中也可加入哑元变量。
对于股指期货到底是增加了还是减少了股票市场波动性这一定量问题，我们可以把研究期间划分为引入期货前、后两个子期间。利用GARCH模型分别对两个子期间进行估计，从而可以对引入期货市场前后现货市场的波动性进行比较。
GARCH模型应用的前提是收益率序列是平稳的，因此在进行GARCH建模之前，必须首先对序列进行单位根检验，常用ADF（Agument DickeyFuller）检验。
三、模型的参数估计及分析
（一）样本和数据说明
选取日本、韩国和台湾地区的股指分别为日经平均股价指数N225、汉城加权指数KOSPI200和台湾加权指数TWSE，其股指期货的推出日期分别为1988.7.3、1996.5.3、1998.7.21。
考虑到各指数的上市时间及考察期间的适当性，日本、韩国和台湾地区的样本区间分别设定为1984.1.4―2007.12.28、1990.1.4―2007.12.28和1990.1.3―2007.12.31。利用各股价指数的日收盘数据，通过Rt=log(pt[JB（/]pt-1[JB）])来计算对数收益率。为了检验期货市场的引入对现货市场波动性的影响，针对三种指数收益率序列，我们设置一个哑元变量序列，将引入指数期货前该变量值设为0，引入期货后该值设为1。
交易量的变化能反映市场投资者的参与程度和市场规模的发展变化，因此，我们将期货市场交易量的变化作为期货市场发展阶段划分的依据。按照这三个市场股指期货上市后交易量的变化情况，将三个期货市场划分为初期、发展期、成熟期3个子区间。日本总样本区间划分为：初期1988.7.3―2002.6.7，发展期2002.6.10―2003.3.14，成熟期2003.3.17―2007.12.28。韩国总样本区间划分为：初期1996.5.3―1998.4.27，发展期1998.4.28―2001.6.27，成熟期2001.6.28―2007.12.28。台湾地区总样本区间划分为：初期1998.7.21―2002.12.31，发展期2003.1.2―2004.3.23，成熟期2004.3.24―2007.12.31。
由于期货市场的发展存在阶段性变化，因此为了进一步分析期货市场开设以后，期货市场对现货市场波动性的影响，我们将期货市场的发展划分为起步期、发展期、成熟期三个阶段，通过对不同阶段设置（0,1）哑元变量，检验期货市场的不同发展阶段对现货市场波动性的影响是否发生变化。具体地，针对每一个国家和地区，在期货市场发展的三个阶段，进行两次检验，即期货市场从起步期到发展期的检验（起步期，哑元变量值为0；发展期，值为1），从发展期到成熟期的检验（发展期，哑元变量值为0；成熟期，值为1）。
由于N255、KOSPI200和TWSE指数收益率序列均不服从正态分布，无法直接运用F检验通过正态分布的统计方法检验引入期货后股价指数收益率序列的波动性，只能通过GARCH模型来进行检验。
（二）期货市场的引入对股票市场波动性总体影响的计量检验
1．股价指数收益率序列的单位根检验
表1给出了N255、KOSPI200和TWSE指数收益率序列全样本的单位根检验。从ADF的检验结果可以看出，各时期N255、KOSPI200和TWSE指数收益率序列是平稳的，即服从I(0)过程，从而可对其进行建模。此外，出于后文计量检验的需要，表1也分别给出了引入期货市场前后日本N225指数收益率序列、韩国KOSPI200指数收益率序列和台湾加权指数TWSE收益率序列子样本的单位根检验结果。
2．TARCH检验和EGARCH检验
正如前面所述，由于股价对不同信息通常具有非对称反应，因此利用非对称GARCH模型对股价指数收益率数据进行检验更为合理。以下分别给出了N255、KOSPI200和TWSE指数收益率序列的TARCH、EGARCH模型的检验结果。
为了检验日本股市波动性的加剧是由于期货市场的引入加速了信息的流动而导致的，还是确实是由于期货市场加剧了现货市场的不稳定性而导致的，我们分别研究了在引入期货市场前后日本股市收益率序列波动性的变化。无论是TARCH模型，还是EGARCH模型，引入期货市场后，α1值都减小，而β1值增加。α1与昨日市场有关的价格变化对今日指数价格变化的影响相关，从而α1被视为“信息”系数，本文实证检验中α1的减小说明，在引入期货市场后，新信息对股价变化的影响速度在减慢。β1反映“旧信息”对股价的影响。引入期货市场后，信息流速的减慢将导致β1的增加，“旧信息”将对近日的股价产生较大的影响。
综合α1、β1可以看出，期货市场的引入确实扰乱了现货市场的稳定性。股指期货的引入的确使得现货市场波动性增加，而且这种增加并不是由于信息流动速度的加快而产生的。
（2）韩国股票市场波动性检验
韩国股票市场波动性检验结果如表3所示。从检验结果来看，韩国KOSPI200指数收益率序列服从AR(2)[CD1]TARCH(1,1)、AR(2)[CD1]EGARCH(1,1)过程。哑元变量DF的系数δ显著为正，表明指数期货的引入，确实加剧了韩国股票市场的波动性。显著的γ值表明股市具有杠杆效应。
为了检验引入期货市场前后韩国股市收益率序列波动性的变化情况，分别通过TARCH模型和EGARCH模型进行了检验。从其检验结果来看，无论是TARCH模型，还是EGARCH模型，期货市场的引入确实扰乱了现货市场的稳定性。期货市场的引入确实引起了现货市场波动性的增强，而且这种增强并不是由于信息流动速度的加快而产生的。
表4列出了对台湾地区TWSE指数收益率序列波动性关于TARCH和EGARCH的实证研究。从其结果来看，该收益率序列服从AR(3)[CD1]TARCH(1,1)、AR(3)[CD1]EGARCH(1,1)过程，引入期货市场因素的哑元变量的系数δ并不具有统计显著性，表明台湾地区引入指数期货后，现货市场的波动性并未发生显著变化。γ具有统计显著性，表明股价对利空消息的反应确实大于对利好消息的反应，股市具有杠杆效应。由于全样本的检验结果反映出现货市场波动性并未受到任何的影响，因此，进一步进行引入子样本的检验就没有了实质性的意义。
[HT5"H]表4 TWSE指数收益率序列的TARCH、EGARCH检验（全样本）
（三）不同发展阶段股指期货对股票市场波动性的影响
为了进一步从定量上分析股指期货引入对现货市场波动性的影响，本部分通过TARCH模型分别对N255、KOSPI200和TWSE指数收益率序列就不同发展阶段（初期、发展期和成熟期）的子样本进行实证检验。从表1股价指数收益率序列的单位根检验结果可以看出，在期货市场处于初期―发展期、发展期―成熟期间，日本、韩国和台湾地区指数收益率序列分别是平稳的，即各自服从I(0)过程，从而可对其进行TARCH检验。以下是这三个国家和地区子样本的检验结果。
1．日本期货市场不同发展阶段股票市场的波动性检验
从表5对N225指数收益率序列的实证检验结果来看，当期货市场从初期过渡到发展期，表示期货市场阶段性变化的系数δ显著为正，这说明当期货市场进入发展期以后，期货市场引起了现货市场波动性的加剧。当期货市场从发展期过渡到成熟期时，表示期货市场阶段性变化的系数δ为负，但不显著，表示进入成熟期的期货市场对现货市场波动性没有显著影响。
2．韩国期货市场不同发展阶段股票市场的波动性检验
KOSPI200指数收益率序列不同发展阶段波动性检验结果如表6所示。其指数收益率序列的检验结果表明，当期货市场从初期过渡到发展期，表示期货市场阶段性变化的系数δ显著为正，表明当期货市场进入发展期以后，期货市场引起了现货市场波动性的加剧。但当期货市场从发展期过渡到成熟期时，表示期货市场阶段性变化的δ系数为负，而且不显著，表示进入成熟期的期货市场对现货市场波动性没有显著影响。
3．台湾地区期货市场不同发展阶段股票市场的波动性检验
台湾地区TWSE指数收益率序列的检验结果表明(见表7)，当期货市场从初期过渡到发展期，表示期货市场阶段性变化的系数δ并不显著，表明当期货市场由初期进入发展期后，期货市场对现货市场波动性没有显著影响；当期货市场从发展期过渡到成熟期时，表示期货市场阶段性变化的系数δ显著为负，表明进入成熟期的期货市场显著降低了现货市场的波动性。这一点与表4所示的总样本检验结果是一致的。
四、研究结论及启示
（一）研究结论
本文以N255、KOSPI200和TWSE指数为样本，通过TARCH和EGARCH建模，从样本总体和分阶段子样本分别对其股指期货推出与股票市场波动性的关系进行了实证检验。其结果归结如下：
从全样本的检验结果来看，在日本和韩国，指数期货的引入确实加剧了股票市场的波动性，而且这种波动性的加剧是由于期货市场扰乱了现货市场的稳定性所致。而在台湾地区，引入指数期货后，现货市场的波动性并未发生显著变化。
从分阶段子样本的检验结果来看，在日本，当股指期货刚开始引入到发展期，股指期货的确加剧了股票市场波动性的变化，但当进入成熟期时，期货市场对现货市场波动性的影响并不显著；在韩国，当期货市场进入发展期以后，期货市场也引起了现货市场波动性的加剧，当期货市场从发展期进入成熟期以后，期货市场对现货市场的波动性没有显著影响；但在台湾地区，在期货市场进入发展期以后，期货市场对现货市场波动性没有显著影响，而进入成熟期的期货市场显著降低了现货市场的波动性。这充分说明，在日本和韩国，股指期货的引入对现货市场波动的影响仅仅表现在短期，长期并无影响。
从实证检验结果来看，日本和韩国股票市场中股指期货对现货市场波动性的短期影响并不是由于信息因素所引致的，的确是由于期货市场交易的高杠杆性所致。
（二）启示
股指期货的引入对现货市场波动性的影响因国家或地区的不同而不同，而且这种影响在期货市场引入及以后发展的不同阶段也有所不同。正如学术界的主流观点一样，总体上，股指期货的引入不会增加现货市场的波动性。即使在一些国家和地区，这种波动性增加的迹象存在，也只是短期的。在长期中，股指期货并不会增加现货市场的波动性，甚至还会减少现货市场的波动性，发挥期货市场稳定现货市场波动性的基本功能。而且从本文的研究结论来看，股指期货推出前后，成熟股票市场与新兴股票市场具有大致相同的特征。这一实证结论，对于即将推出的我国股指期货具有现实的指导意义。
参考文献：
李华，陈婧. 2006. 股指期货推出对股票市场波动性的影响研究：来自日本的证据［J］. 金融与经济(2).
肖辉，吴冲锋. 2004. 股指与股指期货日内互动关系研究［J］. 系统工程理论与实践(5).
史美景，邱长溶. 2007. 股指期货对现货市场的信息传递效应分析［J］. 当代经济科学(7).
ANDERSON R W, DANTHINE J P. 1983. The time pattern of hedging and the volatility of futures prices ［J］. The Review of Economic Studies, 50(2): 249-266.
ANTONIOU A, HOLMES P. 1995. Futures trading, information and spot price volatility: evidence for the FT-SE100 stock index futures contract using GARCH ［J］. Journal of Banking & Finance, 19: 117-129.
BALDAUF B, SANTONI G J. 1991. Stock price volatility: some evidence from an ARCH Model ［J］. Journal of Futures Markets, 11(2):191-200.
BECKETTI S, ROBERTS D J. 1990. Will increased regulation of stock index futures reduce stock market volatility ［J］. Federal Reserve Bank of Kansas City Economic Review, 11: 33-46.
BESSEMBINDER H, SEGUIN P J. 1992. Future trading activity and stock price volatility ［J］. The Journal of Finance, 47(5): 2015-2034.
BRORSEN B W. 1991. Future trading, transaction cost and stock market volatility ［J］. The Journal of Future Markets, 11(2): 153-163.
CHARLES M S, SUTCLIFF E. 1997. Index futures: theories and international evidence ［M］. ［S.l］:International Thomson Business Press.
COX C C. 1976. Futures trading and market information ［J］. Journal of Political Economy, 84(6): 1215-1237.
DAMODARAN A. 1990. Index futures and stock market volatility ［J］. Review of Futures Markets, 9: 442-457.
EDWARDS F. 1988. Does futures trading increase stock market volatility ［J］. Financial Analysts Journal, 23(5): 727-753.
FRERIS A F. 1990. The Effect of the introduction of stock index futures on stock prices: the experience of Hong Kong 1984―1987［R］. Pacific Basin Capital Markets Research, North Holland, Amsterdam： 409-416.
FINGLEWSKI S. 1984. Hedging performance and basis risk in stock index future ［J］. Journal of Finance, 39: 657-669.
GERETY M S, MULTHERIN J H. 1991. Patterns in intraday stock market volatility, past and present ［J］. Financial Analysts Journal, 47: 71-79.
HARRIS L. 1989. S&P500 cash stock price volatilities ［J］. The Journal of Finance, 46(5): 1155-1175.
HODGSON A, NICHOLLS D. 1991. The impact of index futures markets on Australian share market volatility［J］. Journal of Business Finance & Accounting, 18(2): 267-280.
LAATSCH F, SCHWARTZ T. 1988. Price discovery and risk transfer in stock index and cash and futures markets ［J］. Review of Futures Markets, 7: 272-289.
LEE S B， OHK K Y. 1992. Stock and index futures listing and structure change in time-varying volatility ［J］. Journal of Futures Markets,12: 293-310.
LOCKWOOD L J, LINN S C. 1990. An examination of stock market return volatility during overnight and intraday periods 1964―1989［J］. Journal of Finance, 45: 91-601.
PERICLI A，KOUTMOS G. 1997. Index futures and options and stock market volatility ［J］. Journal of Futures Markets, 17(8): 957-974.
POWERS M J. 1970. Does futures trading reduce price fluctuations in the cash markets ［J］. The American Economic Review, 60(3): 460-464.
ROBINSON G. 1993. The effect of future trading on cash market volatility: evidence from London stock exchange ［R］. Bank of England Working Paper 19, Bank of England.
STROLL H R, WHALEY R E. 1990. The dynamics of stock index and stock index futures returns ［J］. Journal of Financial and Quantitative Analysis,25: 441-468.
The Relationship Between Stock Index Futures
and the Volatility of Stock Market
LIU Fenggen1，2WANG Xiaofang1
(1.School of Economics and Finance, Xi′an Jiao Tong University,Xi′an 710061;
2.School of Finance, Hunan University of Commerce, Changsha 410205)
Abstract: Based on the sample of the N225 from Japan, KOSPI200 from Korea and TWSE from Taiwan, and the modeling of GARCH, this paper carries on the empirical research on the relationship of stock index futures and volatility of stock market through the sample and subsample respectively. The results indicate that introduction of the stock index futures has no impacts on the volatility of Taiwan stock market, whereas it magnifies the volatility of Japan stock market and Korea stock market in short run only, it also has no impacts in long run.
关于冬至的古诗范文2
文章编号：1005-913X（2015）12-0116-02
一、引言
我国自改革开放之后，利用廉价的劳动力资源，大力发展劳动密集型产业，成为了全球制造业大国之一。然而近年来一些制造业工厂的发展却不如人意，诺基亚在北京和东莞的工厂面临倒闭，东莞和苏州两地数家制造企业宣布破产。针对这种现象，不久前我国工信部了“工业4.0”规划《中国制造2025》，这是我国实施制造强国战略第一个十年的行动纲领。此规划将“智能制造”作为重点扶持领域，强调将信息技术与我国制造业进行深度融合，实现机器人等智能产品进入智能化生产。对于制造业上市公司来说，实现这种智能化需要投入大量资金，这些资金的来源主要还要依靠投资者。而投资者则是通过观察分析该上市公司的股票价格，来决定是否投资该公司。因此，本文以制造业为突破口，结合相关的财务数据，对股价波动与财务业绩的相关性展开研究，以期为提升制造业财务业绩提供政策建议与理论支撑。
二、实证研究设计
（一）研究假设
偿债能力主要是指企业偿还长期与短期债务的能力，是反映企业的财务状况和经营能力的重要标志。企业偿还债务能力的大小，与企业能否健康的生存和发展息息相关。企业的偿债能力越强，说明公司有较低的经营风险，反映出公司的发展具有较高的稳定性，即偿债能力越强股价越高，所以偿债能力与股价波动应该呈正相关关系。因此提出假设1。
假设1：制造业上市公司的偿债能力与股价波动呈正相关
营运能力大小对于企业而言，就是企业在资产管理方面效率高低的体现，这也就说明营运能力与偿债能力和盈利能力是息息相关的。为了让企业创造更多的价值，投资者得到更多的回报，要不断提高企业资产利用效率，加速企业各项资产的周转。企业营运能力越强，企业对各项资产管理的效率越高，企业的经营效益就越好，即营运能力越高股价越高，所以营运能力与股价波动应该呈正相关关系。因此提出假设2。
假设2：制造业上市公司的营运能力与股价波动呈正相关
无论是企业的管理者还是投资者，都十分关注企业的获利能力。然而在企业运行管理的过程中，任何一项资金都存在使用成本，资金使用成本的大小关系着投资者投入资金的高低，上市公司获取利润的能力就指的是盈利能力，公司获取利润的能力越强，说明投资者可能获取的投资收益就越高，所以盈利能力的大小对制造业上市公司股票价格变动的影响起着积极的作用，所以企业盈利能力越强股价就越高。因此提出假设3。
假设3：制造业上市公司的盈利能力与股价波动呈正相关
上市公司获得资金的主要方式就是发行股票，企业如果想拥有较好的发展前景，只有通过不断增长净利润，企业的竞争力才能不断增强，这样就能保证投资者拥有更好的投资回报，所以成长能力越强股价越高。因此提出假设4。
假设4：制造业上市公司的成长能力与股价波动呈正相关
现金流量就是企业在日常经营活动中现金的流动情况，从中可以直观地看出企业一段时期内的资金流动情况。企业控制现金流动的能力越强，公司应对经营、投资及筹资活动中突发状况能力就越高，就可以抓住好的投资机遇，所以现金流量能力越强股价越高。因此提出假设5。
假设5：制造业上市公司的现金流量能力与股价波动呈正相关
（二）研究方法
本文首先经过将搜集的理论进行分析，然后提出研究假设。并依据提出的假设，将搜集到的数据进行描述性分析，利用回归性分析的方法，通过Pearson相关性检验分析变量之间的相关性，同时建立多元线性回归方程进行实证检验，找到对上市公司股价波动影响的主要因素，总结出财务业绩与股价波动的相关性。
（三）数据来源与变量设计
1.数据来源
本文选取了20家制造业上市公司数据，以2014年年报数据为基础，利用回归性分析进行实证研究。年报中的财务指标及数据来自于新浪财经网，数据处理采用SPSS19.0和Excel软件完成。
2.变量设计
依据对影响股价波动因素的分析，我国上市公司股价的影响因素众多，比如国内外经济市场、居民收入水平等。但从财务业绩的相关角度来分析，可以从偿债能力、盈利能力、营运能力、成长能力、现金流量这五个角度进行分析，并且都可以找出具体数据。本实证研究对指标变量的设定和预期符号见表所示。
三、实证分析
（一）相关性检验
在本文进行股价波动与财务指标回归性分析之前，首先对各指标进行相关性检验，具体分析如表所示。
从上表可以看出，净利润增长率X8和总资产增长率X9的相关系数在0.5以上，说明这两个指标与股价波动是完全正相关的，所以假设4成立。而流动比率X1、速动比率X2和应收账款周转率X4的相关关系系数在0.2以上，关联程度不是很高，只能说明与股价波动可能是正相关。而资产负债率X3、总资产周转率X5、总资产收益率X6、净资产报酬率X7、现金流量比率X10这五个指标都为负数，说明这些指标与股价波动呈负相关性。为了进一步验证，所以接下来进行回归性分析。
（二）回归性分析
为了进一步研究本文假设的各个财务指标与股价波动的相关性，将股价Y命名为因变量，将本文所选取的10个财务指标作为自变量，构建下面多元线性回归模型：Y=β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+β8X8+β9X9+β10X10+ε
其中：βi为回归系数，ε为误项差。
对2014年20家上市公司股价及相关财务数据运用SPSS19.0软件进行回归性分析，计算结果如以下相关表格所示。
从上表可以看出，回归方程的R值为0.872，均方为7.281，模型的f值为0.00，说明模型整体通过检验，线性关系是成立的。由表7可以看出，本文选取的10项财务指标的标准系数全部大于0，说明本文的回归性假设是成立的。
在本文选取的偿债能力的三个指标中，流动比率X1，其Sig值为0，说明该指标与股价波动呈完全正相关。流动比率的高低，直接反映了企业的短期偿债能力的强弱。速动比率X2的Sig值为0.092，大于0.05，不符合要求，所以不通过检验。资产负债率X3的Sig值为0.012，说明资产负债率与股价波动也是呈现正相关的。通过这两个指标的回归验证，与股价波动都是呈现正相关性，由此可得假设1成立。从中我们可以看出，投资者在分析上市公司的股票价值时，首先都会关注该企业的负债状况及资产状况，对流动资产和流动负债的值也尤为关注。
在本文选取的表示营运能力的应收账款周转率和总资产周转率两个指标中，进行回归性分析后，发现总资产周转率X5的Sig值高于0.05，不通过检验，所以应该要剔除。应收账款周转率X4的Sig值为0.024，低于0.05，所以该指标与股价波动是呈现正相关的。应收账款周转率的高低，也是企业应收账款的周转速度的快慢，企业的应收账款周转率越高，说明该公司的平均收账期就越短，也反应出企业有较高的资金回笼率。投资者可以通过分析企业营运能力的大小，得出企业财务安全性的高低，也可以分辨企业是否拥有较高的资产收益能力，决定是否购买该企业股票，由此可以验证假设二也成立。
在本文选取的表示盈利能力的两个指标中，总资产收益率X6的Sig值为0.034，小于0.05，所以通过检验，即总资产收益率与股价波动为正相关。总资产收益率是反映企业综合利用效果的指标，可以从整体上反映企业资产的利用效果。净资产报酬率X7的Sig值为0.003，小于0.05，所以通过检验。净资产报酬率越高，说明企业的资产利用率也越好，也能反应出企业的盈利能力越来越强，经营管理水平越来越高。综上所述，假设三也成立。
在本文选取的表示成长能力的两个指标中，净利润增长率X8的Sig值为0.023，小于0.05，所以与股价波动为正相关。净利润是一个企业经营的最终成果，与企业经营效益直接相关。投资者可以直接通过观察企业的净利润，来分辨企业经营效益是否良好。总资产增长率X9的Sig值为0.541.大于0.05，不通过检验，所以应该剔除。综上所述，可以验证假设四成立。
本文选取了现金流量比率X10来表示现金流量能力，它的Sig值为0.023，小于0.05，所以与股价波动为正相关。现金流量比传统的利润指标更能说明企业的盈利质量，现金流量表示的是公司实际上发生的现金流，不存在弄虚作假的风险。投资者可以通过分析现金流量以直观地了解企业资金的实际去向，所以假设五也成立。
四、结论与对策
本文通过对我国20家制造业上市公司影响股价波动因素的相关性检验和回归分析，得出制造业上市公司的股价波动与本企业的偿债能力、营运能力、盈利能力、成长能力和现金流量能力都是正相关的。实际工作中可以从以下两个方面着手提升财务绩效。
（一）合理进行财务分析，促进企业全面发展
企业定期进行财务分析，可以及时发现经营中的漏洞，并针对这些漏洞提出策略进行有效改正。对于投资者而言，最快最有效地了解该公司的方法就是分析该企业的财务分析报告，通过报告可以直观地获取企业各能力的水平。对于企业内部管理人员而言，经过专业的财务分析，可以准确地判断出企业在日常工作中经济活动是否正常，运营资金是否充足，是否存在财务风险。及时分析了解经营情况，促进公司全面发展，以吸引更多的投资者。
关于冬至的古诗范文3
关键词： 时滞系统 故障诊断 状态观测器 无时滞变换
1.引言
在现代实际的工业生产过程中，由于受信息传输技术和测量技术的影响，时滞现象普遍存在。时滞通常会导致系统不稳定、性能恶化，甚至可能造成整个系统的瘫痪。因此，对于时滞系统的研究已引起人们的广泛关注。同时，随着科学技术的快速发展，工程设备变得越来越复杂，这样使得故障诊断问题的研究显得尤为重要。所以，研究时滞系统的故障诊断问题，提高系统的可靠性及稳定性，具有十分重要的理论和现实意义。近些年来，有关时滞系统的故障诊断问题的研究已成为控制领域的研究热点，并取得了一定的成果［1－8］，但相对于无时滞系统［9－10］来说还是较少。文献［3］针对状态时滞系统，设计了一种故障检测的未知输入观测器，依据Razumikhin定理，给出了该观测器的存在条件及稳定性和收敛性的证明；文献［7］针对状态时滞线性系统提出了一种基于观测器的故障诊断器以及自修复容错控制律的设计方法；文献［8］研究了同时含有状态时滞和测量时滞的线性时滞系统的故障诊断器的设计问题。以上文献大都利用残差诊断时滞系统的故障，残差的存在会导致由于阈值选择不当而产生的漏报和误报的情况。为了避免此类不利情况的发生，本文综合考虑了系统发生执行器故障和/或传感器故障的情况，针对含有状态时滞的线性系统，研究了其基于观测器而不利用残差体现故障的故障诊断方法及其基于观测器的故障诊断方法的故障可诊断性问题，从而避免了故障误报和漏报情况的发生，同时具有响应速度快的优点。
2.系统描述和无时滞转换
2.1系统描述
考虑如下带有故障的线性时滞控制系统：
（t）=Ax（t）+Ax（t-d）+Bu（t）+Df（t），t＞0，
x（t）=x（t），t∈［-d，0］，（1）
y（t）=Cx（t）+Df（t）.
其中，x（t）∈R，u（t）∈R，y（t）∈R分别为系统的状态向量，控制输入向量和输出向量；f（t）∈R为故障信号向量且可以是不可测量的。A，A，B，C，D和D是具有适当维数的常量矩阵。d＞0为状态滞后时间常数。
假定故障f（t）的动态特性是已知的且可由下列外系统来描述：
（t）=Gφ（t），t≥t=min{t，t}，
φ（t）=φ，（2）
φ（t）=0，t∈［0，t），
f（t）=Fφ（t）.
其中，
φ（t）=φ（t）φ（t），f（t）=f（t）f（t），
G=G 0 0 G，F=F 0 0 F.
φ∈R（m≤r）为外系统（2）的状态向量，故障的初始时刻t和初始状态φ是未知的。G∈R和F∈R为常量矩阵。φ∈R和f∈R分别代表执行器故障状态向量和执行器故障向量，执行器故障的初始时刻为t；φ∈R和f∈R分别代表传感器故障状态向量和传感器故障向量，传感器故障的初始时刻为t。当t＜t时有φ（t）=0，当t＜t时有φ（t）=0。G，G，F和F是适当维数的常量矩阵。
注1：外系统（2）是阶跃故障、周期故障、衰减故障、发散故障等常见的连续变化故障的通用表达式。
2.2无时滞转换
时滞项的存在使系统的故障诊断和容错控制律的设计变得较为困难，为此，我们引入线性变换把时滞系统转化成无时滞系统。考虑依赖于矩阵A的线性变换:
z（t）=x（t）+?蘩eAx（θ）dθ（3）
A∈R是一个待定义矩阵，对（3）式微分并结合（1）可得
（t）=Az（t）+Bu（t）-（A-A-eA）x（t）+Df（t）.（4）
令
A=A+eA，（5）
则（4）式变为
（t）=Az（t）+Bu（t）+Df（t）.（6）
故可将时滞系统（1）转化为如下无时滞等价系统：
（t）=Az（t）+Bu（t）+Df（t），t＞0，
z（0）=z，（7）
η（t）=Cz（t）+Df（t）.
其中z（t）∈R为转化后无时滞系统的状态变量。
假设1（C，A）能观测，且式（5）有解。
系统（1）和系统（7）的变量关系为：
x（t）=z（t）-?蘩eAx（θ）dθ，y（t）=η（t）-C?蘩eAx（θ）dθ.（8）
3.故障的可诊断性
为了能利用成熟的观测器理论进行故障诊断，我们把原系统和故障构成一个不显含故障的增广系统。令
ψ（t）=z（t）φ（t），
结合（2）和（7），则有
（t）=Aψ（t）+Bu（t），η（t）=Cψ（t）.（9）
其中
A=A DF0 G，B=B0，C=［C DF］.（10）
如果能观测出故障的状态，也就诊断出了故障，故对故障的诊断就转化为对系统中故障状态进行观测。
至此，我们已将含状态时滞系统的故障诊断问题转变为无时滞系统（9）的可观测性问题，只要观测出系统（9）的状态即可诊断出系统中的故障。
关于冬至的古诗范文4
【关键词】CPI：PPI：股市价格波动；VAR模型
一、研究模型与数据处理
（一）VAR模型
本文选用向量自回归模型（VAR）来进行实证检验。VAR模型一般表示为：yt=Ayt-1+APyt-p+B1x1+…+Btxt-r+εt，t=l，2，...T （1）其中yt是K维内生变量，k为滞后阶数，T为样本个数，εt为K维随机扰动项。
（二）数据处理
1.通货膨胀
本文认为鉴于PPI是CPI的先行指标且两者存在一定的传导关系，因此也应将其作为代表通货膨胀的指标，分别进行相关性研究。
2.股市价格变动
本文选用上证综合指数作为代表中国股市的股票价格指标，并选择能源等权指数，材料等权指数以及消费等权指数。
二、实证检验
（一）序列平稳检验
本文利用ADF （Augmented Dickey-Fuller）检验时间序列的平稳性。见表1。根据sc准则确定的最佳滞后阶数，发现在5%的临界水平上CPI和上证综指Index以及各行业指数为I（1），而PPI，CPI-PPI为I （0）。所以CPI和Index可以进行进一步的协整检验，从而分析CPI与Index的长期关系。
（二）CPI与上证综指的VAR模型检验
1.协整检验
因为In （CPI）与In（Index）同为I（1）.所以需进行进一步的协整检验。本文选用Jonhan sen协整检验法。建立VAR模型过程中通过选择不同的滞后期，直到AIC，SC等指标达到最小，此时的滞后期为VAR模型的最优滞后期，而协整的最优滞后期为VAR模型最优滞后期减1。因此可得In（CPI）与In （Index）最优滞后期为3。Jonhans en检验结果见表2。结果显示，在5%显著水平下，In （CPI）和In （Index）之间存在协整关系，说明CPI和股价波动之间存在长期稳定关系。
2.建立VAR模型
鉴于已知VAR模型的最优滞后期为4.所以建立VAR （4），见表3。建立VAR模型后必须对模型整体稳定性进行检验，见表4。表4说明建立的VAR模型整体是稳定的，因此表3的系数反映了数据间的关系。
三、实证结果小结与投资策略建议
（一）实证结果小结
通过协整检验可知CPI与股价波动之间存在长期稳定关系。在此基础上建立的VAR模型更进一步揭示了两者的变化关系。CPI的滞后第一、三、四期均与股价波动呈现负相关性，说明投资者对CPI的预期会提前在股市中反映出来。总体说明CPI对股市的短期影响是正面的，但影响程度较小，然而长期影响是负面的，且影响程度逐步增强。
（二）投资策略建议
1.当CPI处于较低水平时期，如果PPI提前对原料价格变化做出反应，出现持续稳步上涨的趋势，即CPI与PPI的差值减小，则短期内股市收益也会逐步减小。此时投资者应引起重视，采取观望或谨慎投资的态度。
2.当PPI上涨的影响传导至CPI时，CPI的上涨幅度会渐渐超过PPI的上涨幅度，此时CPI与PPI的差值就会增加，股市会在短期内迎来反弹，投资者可以选择抗通货膨胀类股票进行投资。
3.当CPI因政府的货币政策调控等原因出现滞涨或是开始下跌，而PPI继续上涨或是保持平稳波动则股市的反弹结束，短期内会进入下跌通。投资者应通过CPI与PPI差值的减小趋势，保持谨慎态度。
关于冬至的古诗范文5
关键词：沪深300股指期货；动态相关系数；DCC-MVGARCH模型
中图分类号：F830.9文献标志码：A文章编号：1673-291X（2011）13-0075-04
一、文献综述
沪深300股指期货在经历了近四年的准备时间后，终于在2010年4月16日在中国金融期货交易所正式挂牌交易。这是中国内地首个股指期货产品，中国资本市场因此实现由“单边市”向“双边市”迈进，开启了中国资本市场的新纪元。股指期货的推出也引起学术界的广泛重视，尤其是股指期货与现货市场的联动关系一直受到学者们的关注，其重要性日益彰显。
由于美国在1982年就已经推出了股指期货，相关研究更是频繁出现于国外大量的文献中。股指期货的推出是加剧了现货市场的波动还是熨平了现货市场的风险，国内外的研究学者持有不同的观点。W.Paul（1987）等研究发现，股指期货对现货市场的影响与期货投资者的风险偏好有很大的关联性，当市场上的投资者是以风险偏好者为主时，股指期货就会增大现货市场的波动性，反之亦然。而H.Lawrence（1989）则在考虑外部随机扰动的情况下，研究了股指期货对现货市场的影响，结果表明金融危机爆发时，股指期货与现货市场不存在关联性，成为两个独立的市。K.Froot（1991）等则从信息市场有效性角度研究股指期货对现货市场的影响，其研究结果表明股指期货的引入加速了信息的传播速度，使市场对信息的反应更为灵敏，从而引起现货市场的波动性。H.Phil（1995）利用GARCH模型对股指期货进行模拟发现GARCH（1，1）比GARCH（p，q）以和GARCH―M（p，q）模型更好，同时其研究结果也表明股指期货的推出使得信息流动加快，从而加大了对现货市场的影响。A.Pericli 和G.Koutmos （1997）认为股指期货交易使得更多的知情交易者进入现货市场，不仅增加了现货市场的流动性，同时还减少了现货市场的波动性。
而中国的股指期货直到2010年4月16日才正式在中国金融期货交易所挂牌交易，国内研究股指期货的文献比较少，国内学者更多的是研究其他经济体股指期货对现货的影响，继而为中国股指期货的推出提供相应的政策建议。黄玮等（2008）通过在GARCH模型中加入虚拟变量实证分析了印度推出股指期货后对证券市场的影响，结果发现印度股指期货的推出有效地降低了证券市场波动性。股指期货对现货市场的影响又可以分为长期和短期两类，刘考场等（2008）运用改进的GARCH模型研究了韩国和台湾两个新兴市场经济体推出股指期货对现货市场的影响，研究结果表明短时期内股指期货的上市略微增大了现货市场的波动性；但长期而言，伴随股指期货市场的日趋成熟，股市和期市的波动性将逐步减小。张宗成等（2009）重点研究香港市场推出恒生股指期货后两种市场之间存在的相互引导关系，研究发现两市各自的波动性对消息的反应存在不对称性，并且两市存在不对称的溢出效应即期货交易产生的信息会加剧恒生指数的波动，而恒生指数的波动并不能对期货价格的波动产生显著的影响。
邢天才等（2009）通过GARCH模型分析了新加坡证券交易所推出的新华富时A50股指期货对沪深300指数的影响，实证研究表明新华富时A50股指期货的推出轻微地增大了现货市场的波动性，同时信息对现货市场的冲击更强；并且股指期货的推出增大了现货市场的非对称效应。
谢磊等（2010）通过建立了GARCH模型与EGARCH模型,实证分析了香港恒生股指期货对证券市场波动性的影响，研究发现香港恒生股指期货的引入在一定程度上降低了香港股票现货市场的波动性。陈国进等（2010）分别采用EGARCH、TGARCH和DCC―GARCH三种模型研究日经225指数期货推出对日本股票市场指数波动性的影响，结果表明股指期货的推出加剧了股票现货市场的波动性，同时日经225股指期货与标的指数之间的波动性具有较强的联动性和传递性，且2007年次贷危机的爆发使得二者之间的联动关系更加紧密。
从现有的研究成果看，多数实证研究得出股指期货的推出会降低现货市场的波动性，同时减少现货市场的非对称效应，部分研究发现股指期货对现货市场影响微弱，也有部分研究表明股指期货的上市加大了证券市场的波动性。国外和国内的研究主要集中在发达国家成熟的资本市场，而对中国股指期货推出的影响却鲜有报道。本文将通过DCC-GARCH模型研究沪深300股指期货与现货市场之间存在的联动关系，旨在获得具有一致性的研究结论。
二、模型设定
Engle和Sheppard在2002年时引入DCC-MVGARCH模型，该模型待估参数较少，具有良好的计算优势，由各个金融资产变量的GARCH模型（波动方程）和具有简洁参数的相关系数模型（相关方程）两部分构成，大大简化了以往估计方差协方差矩阵的复杂技术，可以用来估计大规模的相关系数矩阵，便于研究变量之间非线性的时变相关关系。Engle和Sheppard针对该模型提出了新的参数估计方法：在进行模型估计的时候将似然函数分解为两部分，一部分用来估计一元GARCH的参数，一部分用来估计条件相关系数的参数，即所谓的DCC两阶段估计法。这种方法的优点在于它不仅保留了标准GARCH模型的主要特征，克服了传统多元GARCH模型估计的复杂性，而且可以捕捉方差、协方差和相关系数的动态性。
设ri，t是均值为零的收益率序列，其满足：
rt=（r1，t，……，rn，t）′|Ωt-1~N（0，Ht）（1）
其中Ωt-1表示在t-1时刻的信息集合；Ht为条件协方差矩阵。动态相关结构设定如下：
Ht=DtRtDt，Rt=（diagQt）-1/2Qt（diagQt）-1/2，Dt=h1，t 0 …0 0 h2，t…0…… … … 00… hn，t，Qt=（1-α-β）+αμt-1μ′ t-1+βQt-1，（2）
在模型（2）中，Rt为时变相关系数矩阵，hi，t为第i个收益率变量GARCH模型的条件方差，Q是标准化残差的无条件方差矩阵；Rt中的元素为：ρi，j，t=qij，t/，在这里相关系数矩阵Rt被分解，于是Q*t=diag（，，…，）Q，Qt里面的元素为qij，t、qii，t、qjj，t，α和β被称为DCC-GARCH模型的系数。α度量的是滞后一期扰动项对当期波动的影响，β度量的是滞后一期波动对自身当期波动的影响 。且待估参数α、β应满足约束条件：α≥0、β≥0、α+β≤1。
DCC-MVGARCH模型通常采用两阶段法来估计，第一阶段对每资产进行单变量GARCH模型估计，获得模型的标准化残差；第二阶段使用第一阶段估计获得的标准化残差来估计Qt，最后估计出相关矩阵。
为采用最大似然估计法来估计参数向量，可以用对数似然函数表示如下：
Lt（θ|ψt-1）=-（nln2π+ln|Ht|+ε′tH-1tεt ）
=-（nln2π+2ln|Dt|+ε′tD-1tD-1tεt+ln|Rt|+ε′tR-1tεt ） （3）
对以上似然函数求极大值，即可求解相关参数向量：将Dt中的参数表示成θ，将Rt中的参数表示成φ。对数似然函数可以看成是由波动部分Lv（θ）和Lc（θ，φ）相关部分组成，可表示成Lt（θ|ψt-1）=Lv（θ）+Lc（θ，φ），其中Lv（θ）=（nln2π+2lnDt+μ′tμt）；Lc（θ，φ）=-（ln|Rt|+μ′tR-1tμt-μ′tμt）。
在上述对数最大似然估计过程中，首先运用单变量GARCH模型估计波动方程Lv（θ）得到参数的估计值；然后将参数视为给定的,再通过最大化相关系数方程Lc（θ），求解最大似然值得到待估参数φ。
三、变量统计描述
沪深300指数在同一时间会有四份合约进行交易，分别是当月合约、下月合约以及最近两个季度月份合约；对应的会有“当月连续”、“下月连续”、“下季连续”和“隔季连续”四个连续的价格指数。由于股指期货合约到期交割清算完成后就退出交易市场，而“当月连续”时间序列采用正在交易的现货月合约每天的价格数据，随着当月合约交割下市，下一合约成为当月合约时，其价格数据自动进入“当月连续”时间序列，从而解决了合约下市后造成的缺失问题。所以本文研究的所选取的数据样本为中国金融期货交易所沪深300股指期货的“当月连续”时间序列的5分钟高频数据，时间从股指期货正式挂牌交易日2010年4月16日起至2010年12月17日止，共八个月的合约164个交易日。由于交易时间存在的非一致性，本文尽可能选取股指期货与沪深300指数同一交易时间的股票价格数据，以保持数据的一致性，经过处理之后共获得7 872个交易数据。本文数均来源于Wind资讯。
与日度数据计算收益率的方法类似，本文5分钟高频数据同样采取对数收益率计算方法，假定第天的（每5分钟）高频收益率Rt，d=100*（lnPt，d-lnPt，d-1）。
表 1 HS300指数与股指期货“当月连续”（IFLX）的统计特征
表1给出了HS300指数与股指期货“当月连续”（IFLX）的描述性统计特征。JB（Jarque-Bera）统计量表明, HS300指数与IFLX指数均不服从正态分布假设；从峰度值来看，说明样本数据都具有明显的尖峰厚尾特性。表中，统计量Q（25）和Q2（25） 分别是对序列、平方序列滞后25阶的Ljung-Box 统计量, 用于判断序列是否存在自相关和异方差性。常用的单位根检验方法是 ADF（Augmented Dickey Fuller）统计量, 可用于判断序列是否平稳。 LM检验显示所有收益率序列在 1％的显著性水平下存在明显的异方差性，采用GARCH模型是合理的。同时ADF的单位根检验显示，HS300指数与IFLX指数均不存在单位根，两个收益率序列都是平稳的，因此可采用自回归时间序列模型对波动率进行估计和建模。
四、实证研究
本文通过对沪深300指数收益率以及IFLX指数收益率分别构建GARCH（p,q）模型来刻画证券市场与股指期货市场的波动性风险。从上页表1中的ADF 值可知，HS300指数与IFLX指数收益率均不存在单位根,表明这两个指数收益率都是平稳的，可以直接对这两个金融时间序列构建GARCH（p，q）模型。利用偏自相关函数（Part ial Autocorrelation Funct ion，PACF）决定均值方程中ARMA 过程的阶数，其中HS300指数收益率的均值方程为ARMA（ 5，5）过程，而IFLX指数收益的均值方程符合ARMA（ 3，3）过程；然后，根据残差序列的特性，确定波动方程中ARCH 项与GARCH 项的阶数。通过模型拟合效果的比较，HS300指数收益率与IFLX指数收益率的方差方程均为 GARCH（ 1，1）。估计结果（如表2、表3所示）。
表2、表3实证分析结果表明，在条件方差方程中，GARCH 项和ARCH 项系数显著，且参数估计结果符合约束条件，即 GARCH 项和ARCH 项系数和小于 1，表明HS300指数与IFLX指数收益率的 GARCH（1，1）模型是平稳的。
在对HS300指数与IFLX指数收益率构建 GARCH（1，1）模型的基础上，根据估计结果可以得到标准化的残差序列，对其进行滞后1阶的DCC检验，得到零假设H0成立的检验统计量SQDCC的χ2值为5.0382，其对应的P值为0.9293，即沪深300股指期货与相应的标的指数92.93%的概率是稳定不变，表明沪深300股指期货与股票市场的动态相关关系在5%的置信水平上是高度显著的。
基于DCC-MVGARCH（1，1）模型，得到的沪深300股指期货与现货指数的动态异方差关系式为：
Qt=0.020Q+0.012εtε′t-1+0.968Qt-1（4）
由式（4）可知，α+β
由于股指期货与沪深300指数收益率方差的时变性，基于DCC -MVGARCH （1，1）模型得到沪深股市的动态相关关系数图（如图1 所示）。
图1股指期货与沪深300指数动态相关关系图
由图1可知, HS300指数与IFLX指数之间的相关关系并不是常数，期现两市不仅存在明显的正相关关系 ,而且这种相关关系还随时间而不断变化着。从动态相关系数的统计特征来看，股指期货与沪深300指数现货收益率动态相关系数最小值为0.06021,均值为0.5501,最大值为0.7534,标准差为0.04878,表明相关系数的波动性较大,中位数为0.5498表示相关系数聚集于0.5498附近。在股指期货推出的前几个月份，期货市场与现货市场之间的动态相关系数总体上比较稳定，大部分在0.5～0.6区间运行，在2010年11月份的时候出现一个下移的极值跳跃点，之后两市的动态相关关系太又恢复到前期的运行状态，从总体上而言，动态相关系数相对较平稳。以上分析表明，HS300股指期货与现货指数间的波动具有较强的联动性和传递性。
五、结论
本文通过对HS300股指期货连续指数（IFLX）与HS300指数收益率构建DCC-MVGARCH模型来考察股指期货市场与证券市场之间的动态相关关系。研究结果表明在整个样本区间上, 中国股指期货连续指数（IFLX）与对应的HS300指数收益率之间表现出一定的正动态相关性，且期现两市之间的动态相关关系除个别期间出现跳跃外，总体上稳定在0.5～0.6之间。
HS300股指期货与现货指数间波动较强的联动性，一方面使得投资者可以利用股指期货这一金融衍生工具进行套期保值，降低系统性风险，有效规避金融市场的风险；另一方面要求政府和监管当局提高对市场风险的判断能力，在必要的时刻可以采取强有力的监管措施。
参考文献：
[1]A.Antoniou and P.Holmes,1995,“Futures Trading,Information and Spot Price Volatility：evidence for the FTSE-100 Stock Index Futures contract using GARCH” Journal of Banking & Finance,Vol.19, pp：117-129.
[2]A.Pericli andG.Koutmos,1997,“Index Futures and Options and Stock Market Volatility”,The Journal of Futures Markets, Vol.17, pp：957-974.
[3]H.Lawrence,1989,“S &P500 Cash Stock Price Volatilities”,The Journal of Finance,Vol.44, pp：1155-1175.
[4]K.Froot and A.perold,1995,“New Trading Practices and Short Run Market Efficiency”,The Journal of Futures Markets,Vol.15, pp： 731-765.
[5]W.Paul and Y. Makoto,1987,“Forward Exchange, Futures Trading, and Spot Price Variability：A General Equilibrium Approach”,Econometrica ,Vol.55, pp：1433-1450.
[6]陈国进,陈巧巧,陈创练.日经指数期货与现货市场波动关联性研究[J].现代日本经济,2010,(3).
[7]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,(10).
[8]刘考场,李树丞,舒杨.股指期货对于市场波动性影响的分析――基于KOSPI200和TAIEX股指期货的实证分析[J].河北大学学报： 哲学社会科学版,2008,(3).
[9]谢磊,王业成.股指期货对股票现货市场波动性影响的实证研究[J].技术经济,2010,(3).
[10]邢天才,张阁.股指期货的推出对现货市场影响的实证研究――基于新华富时A50的分析[J].财经问题研究,2009,(7).
关于冬至的古诗范文6
为了贯彻执行市政府的《北京市个体工商户、私营企业雇工劳动管理暂行办法》（市政府令1989年第6号），建立和完善雇工登记管理制度，现将《北京市个体工商户、私营企业雇工登记管理暂行规定》发给你们，请根据本区、县的实际情况，结合实施《北京市个体工商户、私营企业雇工劳动管理暂行办法》，一并贯彻执行。
附：北京市个体工商户、私营企业雇工登记管理暂行规定第一条 为建立和完善个体工商户、私营企业雇工登记管理制度，加强雇工管理，根据市政府的《北京市个体工商户、私营企业雇工劳动管理暂行办法》（以下简称《办法》），制定本规定。
第二条 本市行政区域内的个体工商户、私营企业雇工登记管理，均适用本规定。
第三条 市劳动局主管全市个体工商户、私营企业雇工登记工作，区、县劳动局主管本区、县个体工商户、私营企业雇工登记工作。
街道办事处、乡镇人民政府的劳动行政管理机关负责个体工商户、私营企业雇工登记项目的填写、变更以及核发《用工簿》等日常工作。
第四条 雇主雇工，必须持本市工商行政管理机关颁发的营业执照，到其经营场所所在地的街道办事处、乡镇人民政府的劳动行政管理机关，填写雇主登记表（表样附后），申领《用工簿》。
营业执照注明经济性质为家庭经营或合伙经营的个体工商户，以及私营企业中的合伙企业，其家庭经营成员和合伙人分别填写家庭经营成员登记表（表样附后）和合伙人登记表（表样附后）。
受雇职工持《办法》第七条规定的有关证明，填写受雇职工登记表（表样附后）。
第五条 雇主雇工前，雇佣双方当事人必须签订劳动合同书，雇主按有关规定为受雇职工办理人身意外伤害保险。
第六条 根据《办法》第七条的规定，受雇人员办理雇工登记，应当持有相应的求职证明：
（一）本市城镇待业人员持《北京市城镇待业人员求职证》；
（二）本市城镇社会闲散人员、退休人员和农村村民持本人户籍所在地的街道办事处、乡镇人民政府劳动行政管理机关开据的求职证明；
（三）外省市人员持雇主经营场所所在地的区、县劳动局开据的求职证明（样式附后）。
第七条 受雇人员办理雇工登记后，其求职证明由登记机关做如下处理：
（一）本市城镇待业人员的求职证明，由登记机关予以保存，待雇佣关系解除后发还本人；
（二）本市城镇社会闲散人员、退休人员和农村村民的求职证明，由登记机关予以注销；
（三）外省市人员的求职证明，由登记机关返还本区、县劳动局注销。
第八条 区、县劳动局负责调剂本区、县个体工商户、私营企业受雇职工中，本市与外地劳动力的比重。优先推荐本市城镇待业青年和待业职工受雇，本市劳动力资源不能满足个体工商户、私营企业用工需要，可为已在本市公安机关申领在京《暂住证》的外省市人员开据求职证明。对已经受雇，但未依法解除劳动合同，准备到其他企业（户）受雇的外省市人员，区、县劳动局不予开据求职证明。
第九条 依法解除劳动合同后，受雇职工需要转户受雇的，要持受雇职工登记卡由原登记机关办理迁出手续，迁入地的登记机关办理迁入手续。办理迁入手续时，受雇职工不再向登记机关出示求职证明。受雇职工持受雇职工登记卡办理迁出、迁入手续的间歇时间不得超过3个月。
第十条 雇主申领《用工簿》以后增加或减少受雇职工，雇佣双方当事人持《用工簿》到登记机关办理相应的登记手续：
（一）增加受雇职工，雇主按本规定第五条，受雇职工按本规定第四条、第六条或第九条的有关规定，办理雇工登记手续；
（二）减少受雇职工，雇佣双方当事人到登记机关办理解除劳动合同手续。受雇职工除需要转户受雇的以外，其受雇职工登记卡由登记机关予以注销。
第十一条 《用工簿》是个体工商户、私营企业雇主与受雇职工的劳动关系证明，包括雇主登记卡、受雇职工登记卡以及家庭经营成员登记卡和合伙人登记卡。
《用工簿》登记事项变更时，雇佣双方当事人要及时到登记机关申报，办理变更登记。
第十二条 个体工商户、私营企业缴销、被收缴或者吊销营业执照，街道办事处、乡镇人民政府劳动行政管理机关收缴《用工簿》。
全市每年统一核验《用工簿》（具体时间验簿前通知），雇主无正当理由，逾期未办理验簿手续的，由登记机关收缴《用工簿》。
第十三条 《用工簿》由个体工商户、私营企业雇主保存，不得涂改、转借。如有遗失，要及时向登记机关报失，经核实后可予补发。
个体工商户、私营企业凡有较固定的生产、经营场所，雇主都要做到亮簿用工。
第十四条 劳动行政管理机关办理雇工登记手续，按规定向雇主和受雇职工收取如下费用：
（一）区、县劳动局为外省市人员开据求职证明，向求职人员收取求职登记费3元；
（二）街道办事处、乡镇 人民政府的劳动行政管理机关每办理1人次雇工登记，向雇主收取雇工登记费3元；
（三）街道办事处、乡镇人民政府的劳动行政管理机关向雇主收取《用工簿》塑料皮（每副）成本费2元；劳动合同书（每本）成本费1元；《用工簿》登记卡（每张）成本费0.50元。
第十五条 本规定具体执行中的问题，由市劳动局负责解释。
第十六条 本规定自1989年5月1日起施行，过去办法有与本规定不一致的，按本规定执行。
附表一：雇主登记表
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
｜姓｜ ｜ 性 ｜ ｜婚姻｜ ｜文化｜ ｜
｜ ｜ ｜ ｜ ｜ ｜ ｜ ｜ ｜
｜名｜ ｜ 别 ｜ ｜状况｜ ｜程度｜ ｜
｜－｜－－－｜－－－｜－－－｜－－｜－－－－－－－－－－－－｜
｜原｜ ｜户 口｜ ｜出生｜ ｜
｜身｜ ｜ ｜ ｜ ｜ 年 月 日 ｜
｜份｜ ｜类 别｜ ｜日期｜ ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜常住户口所在地｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜ 现在京住址 ｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜经营场所所在地｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜企业（户）名称｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜ 从事行业 ｜ ｜经济性质｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜申请雇工人数 ｜ ｜登记日期｜ 年 月 日｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜ ｜ ｜
｜ 备 注 ｜ ｜
｜ ｜ ｜
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
附表二：家庭经营成员登记表
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
｜姓名｜ ｜性别｜ ｜婚姻状况｜ ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜文化程度｜ ｜户口类别｜ ｜原身份｜ ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜与雇主亲属关系｜ ｜出生日期｜ 年 月 日｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜常住户口所在地｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜ 现在京住址 ｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜经营场所所在地｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜企业（户）名称｜ ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜登记日期 年 月 日 ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜ ｜ ｜
｜ 备 注 ｜ ｜
｜ ｜ ｜
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
附表三：合伙人登记表
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
｜姓名｜ ｜性别｜ ｜婚姻状况｜ ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜文化程度｜ ｜户口类别｜ ｜原身份｜ ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜与雇主亲属关系｜ ｜出生日期｜ 年 月 日｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜常住户口所在地｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜ 现在京住址 ｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜经营场所所在地｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜企业（户）名称｜ ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜合伙期限 自 年 月 日起至 年 月 日止 ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜登记日期 年 月 日 ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜ ｜ ｜
｜ 备 注 ｜ ｜
｜ ｜ ｜
－－－－－－－－－－－－－－－－－－ －－－－－－－－－－－－－
附表四：受雇职工登记表
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
｜姓名｜ ｜性别｜ ｜婚姻状况｜ ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜文化程度｜ ｜户口类别｜ ｜原身份｜ ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜与雇主亲属关系｜ ｜出生日期｜ 年 月 日｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜常住户口所在地｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜ 现在京住址 ｜ ｜
｜－－－－－－－｜－－－－－－－－－－－－－－－－－－－－－｜
｜ 受雇单位 ｜ ｜
｜－－－－－－－－－－－－－－－－－－－－－－－－－－－－－｜
｜从事工种｜ ｜登记日期｜ 年 月 日｜
｜－－－－｜－－－－－－－－－－－－－－－－－－－－－－－－｜
｜ ｜ ｜
｜ 备 ｜ ｜
｜ ｜ ｜
｜ 注 ｜ ｜
｜ ｜ ｜
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
附：
存 根
编号：
－－－－－－－－－－－－－－－－－－－－－－－－－－
现同意 同志，性别 ，年龄 ，来
自 省（市） 县（区） 乡（镇）到你
街道（乡、镇） 个体工商户（私营企业）求职。此
证明7日内有效。
区（县）劳动局
《暂住证》号码： 年 月 日
求 职 证 明
编号：
现同意 同志，性别 ，年龄 ，来
自 省（市） 县（区） 乡（镇）到你
街道（乡、镇） 个体工商户（私营企业）求职。此
证明7日内有效。
