所謂“價格發(fā)現(xiàn)”功能就是指市場通過公開、公正、高效、競爭的交易運行機制，形成具有真實性、預期性、連續(xù)性和權威性價格的過程。價格發(fā)現(xiàn)與套期保值，是很多市場 比如期貨、股指期貨等市場所擁有的獨特功能。以下是學習啦小編今天為大家精心準備的：基于高頻數(shù)據(jù)的股指期貨價格發(fā)現(xiàn)功能的動態(tài)研究相關論文。內容僅供參考閱讀，希望大家能夠喜歡。

　　基于高頻數(shù)據(jù)的股指期貨價格發(fā)現(xiàn)功能的動態(tài)研究全文如下：

　　一、引言

　　2010年4月16日，我國第一只股票指數(shù)期貨合約正式上市交易，作為標的的滬深300指數(shù)在最初幾個月一路走低(在不到3個月時間內，下跌了27.3%)。有一種觀點認為，股指期貨是促使股指下跌的原因，對于這一問題的回答需要我們對兩市場之間的關系及期貨市場價格發(fā)現(xiàn)功能的發(fā)揮情況進行更為深入的研究。

　　所謂的價格發(fā)現(xiàn)功能，是指相對于現(xiàn)貨市場價格，期貨市場價格能夠對于新信息能做出更快的反應，即期貨價格對于同期現(xiàn)貨價格具有引領作用。價格發(fā)現(xiàn)是期貨市場的基本功能之一，是期貨市場套期保值功能發(fā)揮的前提。金融學理論表明，由于股指期貨交易具有成本低、杠桿倍數(shù)高、執(zhí)行指令速度快等優(yōu)點，交易活躍，因此相對于現(xiàn)貨市場，股指期貨市場能更快地對市場信息做出反應，期貨價格的變化會領先于現(xiàn)貨價格的變化，具有價格發(fā)現(xiàn)功能。

　　關于這一方面的實證研究，在實證方法上主要有以下三種思路：

　　第一種思路是在協(xié)整分析的基礎上，采用誤差修正模型等方法。其中，協(xié)整分析主要是考察期現(xiàn)貨市場價格之間是否具有長期穩(wěn)定的均衡關系，而誤差修正模型主要是刻畫期貨價格與現(xiàn)貨價格對短期價格偏離的反應。這種思路主要是對價格(收益)的一階矩進行研究。

　　Ghosh(1993)[1]采用協(xié)整分析和誤差修正模型對S&P500指數(shù)期貨價格和現(xiàn)貨價格之間的關系進行了研究，研究發(fā)現(xiàn)它們之間具有長期穩(wěn)定的協(xié)整關系，且在短期關系中，期貨市場價格對于現(xiàn)貨市場價格具有較強的影響力。Booth等(1999)[2]采用了同樣的方法研究了德國DAX指數(shù)期貨和期權的價格發(fā)現(xiàn)過程，研究結果表明DAX指數(shù)期貨的價格發(fā)現(xiàn)功能優(yōu)于期權。任燕燕和李學(2006)[3]采用向量自回歸模型和誤差修正模型，對股指期貨的價格發(fā)現(xiàn)功能進行了研究，研究結果表明，股指期貨市場價格領先于現(xiàn)貨市場價格。張宗成和劉少華(2010)[4]采用Granger因果檢驗、協(xié)整檢驗及誤差修正模型對上市以來滬深300股指期貨與現(xiàn)貨之間的關系進行了研究，發(fā)現(xiàn)無論長期還是短期，期貨市場對于現(xiàn)貨市場的影響都比較大。

　　第二種思路是對價格(收益)的二階矩進行研究，即通過考察兩市場之間的波動溢出效應，來揭示其各自在價格發(fā)現(xiàn)中的地位。Hamao(1990)[5]最早提出了“波動溢出效應”模型，通過該模型可以考察價格波動和信息傳播之間的關系。通常采用GARCH類模型進行這方面的實證研究。

　　Bhar(2001)[6]采用二元EGARCH模型對澳大利亞期現(xiàn)貨市場之間的動態(tài)關系進行了實證研究。Zhong等(2004)[7]采用修正的EGARCH模型對墨西哥期現(xiàn)貨市場之間的動態(tài)關系進行了研究，發(fā)現(xiàn)股指期貨市場對于現(xiàn)貨市場存在波動溢出效應。邢精平等(2011)[8]采用多元T-GARCH模型研究了我國股指期貨上市以來期現(xiàn)貨市場之間的波動溢出效應，研究結果表明兩市之間存在顯著的雙向波動溢出，但期貨市場的波動溢出效應強于現(xiàn)貨市場的波動溢出效應。劉曉彬等(2012)[9]基于滬深300股指期貨仿真交易數(shù)據(jù)，采用BEKK-MGARCH模型對期現(xiàn)貨市場之間的波動溢出效應進行了研究，結果表明兩市場之間存在相互溢出效應，且在產(chǎn)生持久的影響。

　　第三種思路是在穩(wěn)定協(xié)整關系的基礎上，精確量化期現(xiàn)貨市場在價格發(fā)現(xiàn)過程中的貢獻度。方法是公共因子模型，主要是Hasbrouck(1995)[10]提出的信息份額模型(Information Share，簡寫為IS)和Gonzalo與Granger(1995)[11]提出的長短期模型(Permanent Transitory，簡寫為PT)。

　　Hasbrouck(2003)[12]采用IS模型研究了美國證券市場的價格發(fā)現(xiàn)過程，發(fā)現(xiàn)相對于標準普爾500指數(shù)和納斯達克100指數(shù)而言，小額的期貨市場在價格發(fā)現(xiàn)過程中的貢獻度更大。肖輝等(2006)[13]使用脈沖響應與一般因子分解模型對國際五種主要的股指期貨市場的價格發(fā)現(xiàn)功能進行了研究，發(fā)現(xiàn)期貨市場在價格發(fā)現(xiàn)過程中處于主導地位。熊熊等(2010)[14]采用PT模型分析了滬深300股指期貨IF1005合約生命周期內的價格發(fā)現(xiàn)過程，平均來看，股指期貨在價格發(fā)現(xiàn)過程中起主導作用。許自堅(2012)[15]通過IS和PT模型分析股指期貨與現(xiàn)貨指數(shù)各自在價格發(fā)現(xiàn)中的貢獻度，結果表明股指期貨在價格發(fā)現(xiàn)過程中占據(jù)主導地位。

　　從以上綜述可以看出，上述研究方法只能考察一段時期內股指期貨市場價格發(fā)現(xiàn)功能的靜態(tài)表現(xiàn)，不能考察價格發(fā)現(xiàn)功能的動態(tài)變化。而對于股指期貨市場而言，尤其是新興股指期貨市場，考察其價格發(fā)現(xiàn)功能的動態(tài)變化，對于加深我們對股指期貨市場的認識，發(fā)現(xiàn)股指期貨推出初期的運作規(guī)律，促進市場的不斷完善和發(fā)展都具有十分重要的意義。本文將創(chuàng)新性地采用Hansen和Johansen(1999)[16]所提出的遞歸協(xié)整的方法(recursive cointegration)考察滬深300股指期貨價格發(fā)現(xiàn)功能的動態(tài)表現(xiàn)，這種方法可以考察兩市場協(xié)整關系的穩(wěn)定性以及相關調整系數(shù)的動態(tài)變化，從而有助于我們發(fā)現(xiàn)新興期貨市場需要多長的時間得以實現(xiàn)其價格發(fā)現(xiàn)功能。與此同時，本文還將利用公共因子模型，對股指期貨的價格發(fā)現(xiàn)功能做更為精確的刻畫。
　　二、研究方法與模型

　　(一)遞歸協(xié)整檢驗

　　假設yt=y1 ty2 t，其中y1 t為指數(shù)現(xiàn)貨市場的自然對數(shù)價格，而y2 t為期貨市場的自然對數(shù)價格。如果兩個價格序列都是非平穩(wěn)的時間序列，且為同階單整，并具有協(xié)整關系，那么兩者之間的關系可用以下誤差修正模型表示：

　　?駐yt=?琢?茁′yt-1+■?祝i?駐yt-i+Bxt+?著t (t=1，…T)(1)

　　其中，xt是一個確定的d維的外生向量，代表趨勢項、常數(shù)項等確定性項;矩陣∏=?琢?茁′的秩決定了協(xié)整向量的個數(shù)。

　　除上述標準協(xié)整方法外，本文還將采用遞歸協(xié)整方法考察協(xié)整關系的穩(wěn)定性以及一些關鍵變量系數(shù)的遞歸變化。遞歸協(xié)整分析可在(1)式兩種VAR表述下進行，第一種是“Z表述”(Z-representation)，第二種是“R表述”(R-representation)。在第一種表述中，(1)式中長期關系系數(shù)和短期關系系數(shù)將在每一次遞歸中被重新估計，而在第二種表述中，短期關系系數(shù)?祝i將在整個樣本期內保持固定不變，只有長期關系系數(shù)將在每一次估計中被重新估計。Hansen和Johansen(1999)[16]認為從“R表述”所得到的估計結果更適用于遞歸協(xié)整分析。本文將詳細介紹基于“R表述”的主要估計過程。①

　　假設Z0t=?駐yt，Z1t=yt-1，Z2t=(?駐y′t-1，…，?駐y′t-p+1)，為方便表述，這里省略確定性項Bxt，(1)式可變?yōu)?/p>

　　Z0t=?琢?茁′Z1t+?祝Z2t+?著t(2)

　　基于樣本對(2)式采用最大似然估計法進行估計，其中包含了最低一階回歸，即X0t對于Z1t和Z2t的回歸。假設R0t(T)和R1t(T)分別表示Z0t和Z1t對于Z2t回歸的殘差，其中T表示是采用全體樣本進行回歸的結果。

　　R0t(T)=Z0t-M02(T)M22(T)-1Z2t(3)

　　R0t(T)=Z1t-M12(T)M22(T)-1Z2t(4)

　　而Mtij=■zitz′j t，(i，j=0，1，2)(5)

　　接下來的分析是基于以下回歸方程，其中方程中已無?祝系數(shù)：

　　R0t(T)=?琢?茁′R1t(T)+R?著t(T)(6)

　　(6)式被稱之為“R表述”，上述方程表明任何導致協(xié)整關系不穩(wěn)定的原因都是由于長期關系結構的變化，而不是短期關系的動態(tài)調整。定義(6)式乘積矩陣SijT(t)，協(xié)整關系的確定仍然取決于求解特征根問題。

　　?姿S11-S10S00-1S01=0(7)

　　其中特征根1>■1>…>■k>0，并且■k+1=0，構造特征值統(tǒng)計量：

　　Trace=-T■ln(1-■i)，r=0，1，…，k-1(8)

　　同樣，由于協(xié)整關系是由矩陣∏=?琢?茁′的秩決定，在遞歸協(xié)整分析中，協(xié)整向量矩陣?茁的系數(shù)在整個樣本期內保持固定不變，而調整參數(shù)矩陣?琢的系數(shù)是隨著每一次遞歸而發(fā)生變化。

　　(二)公共因子模型

　　為進一步明確期現(xiàn)貨市場價格之間的引導關系及其方向，本文將采用公共因子模型精確刻畫每個市場在價格發(fā)現(xiàn)方面的貢獻程度。當前，Hasbrouck(1995)[10]的信息份額模型和Gonzalo-Granger(1995)[11]的長短期模型是使用最多的公共因子模型。這兩個模型都是將沖擊影響分解到每個市場，分析各個市場對于沖擊所作的貢獻，但它們使用了不同的價格發(fā)現(xiàn)定義。IS模型分解的是共因子的方差，主要是測量每個市場的信息對共因子方差的貢獻程度，每個市場的貢獻比例被稱為這個市場的信息份額。而PT模型分解的是共因子，所關注的是VEC模型中的誤差修正機制，通過定義誤差修正系數(shù)函數(shù)，來測量每個市場對共因子的貢獻。

　　1. 信息份額模型

　　Hasbrouck(1995)[10]將向量誤差修正模型(1)轉換為向量移動平均形式：

　　?駐yt=?追(L)?著t(9)

　　其單整形式：

　　yt=?追(1)■?著k+?追*(L)?著t(10)

　　其中，?追(L)為矩陣多項式，L為滯后算子。?追(1)為影響矩陣，它是移動平均系數(shù)之和，?追(1)?著t為一個信息對每個市場價格的長期影響。如果影響矩陣中每一行都相同，表明信息對所有價格的長期影響都是相同的。假設?鬃=(?鬃1，?鬃2)為?追(L)中的一行，l=(1，1)′，那么方程(10)可以寫作：

　　yt=l?鬃■?著k+?追*(L)?著t(11)

　　Hasbrouck(1995)[10]將方程(11)中的?鬃?著t定義為兩個市場價格的共因子，其方差為：var(?鬃?著t)=?鬃?贅?鬃′。

　　當信息之間無相關時，即?贅為對角矩陣，那么?鬃?贅?鬃′只包含對角線上的兩個元素。第一(二)個元素代表第一(二)個的市場對共因子的沖擊貢獻。每個市場的信息份額，即對價格發(fā)現(xiàn)的貢獻度可用(12)式表示。

　　第j個市場的信息份額(價格發(fā)現(xiàn)貢獻度)為：

　　Sj=■(12)

　　如果信息項之間存在相關性時，此時方程(12)不再成立，這時需采用Cholesky分解方法消除信息間的當期相關性。但這種方法存在一個弊端，即Cholesky分解與誤差修正模型中變量的排序有關。如果市場信息之間正相關，那么第一個變量的信息份額最大，而最后一個變量的信息份額最小。第j個市場的信息份額(價格發(fā)現(xiàn)貢獻度)為：

　　Sj=■(13)

　　其中，[?鬃M]j為行向量?鬃M的第j個元素;

　　M=m11 0m12 m22=?滓1 0?籽?滓2 ?滓2(1-?籽2)1/2(14)

　　Cholesky分解會對第一個市場價格施加比較大的信息份額。我們可以通過改變模型中變量的排序來得到變量的兩個信息份額，即價格發(fā)現(xiàn)的上下限。當市場j處于第一個變量時，得到的信息份額為其上限;當處于最后一個變量時，得到的信息份額為其下限。Baillie(2002)[17]推算出期貨市場的信息份額的上、下限為：

　　SjU =■

　　SjL =■(15)

　　Tatyana Zabotina(2002)認為，上下限信息份額的均值可作為價格發(fā)現(xiàn)貢獻程度的解釋。如果一個市場的信息份額均值相對較大，則表明這個市場吸收了更多的信息，在價格發(fā)現(xiàn)功能中發(fā)揮更重要的作用。

　　2. 長短期模型

　　Gonzalo和Granger(1995)[11]將共因子定義為yt的一個組合，滿足?祝=?琢⊥=(?酌1，?酌2)′為共因子系數(shù)向量。通過對誤差修正項施加約束，可以識別共因子的系數(shù)。他們證明，?祝同誤差修正系數(shù)向量?琢正交，表示為?琢⊥=(?酌1，?酌2)′。共因子的設定等價于一種資產(chǎn)組合，?祝為資產(chǎn)組合的權重。因此，每個市場對價格發(fā)現(xiàn)的貢獻就是其在共因子中的系數(shù)。

　　第j個市場的價格發(fā)現(xiàn)貢獻度為：

　　■(16)

　　三、數(shù)據(jù)及實證結果

　　(一)數(shù)據(jù)及描述性統(tǒng)計量

　　本文選擇滬深300股指期貨作為研究對象，該品種于2010年4月16日上市交易，是中國大陸市場上唯一上市交易的股指期貨品種。研究數(shù)據(jù)為滬深300指數(shù)和滬深300股指期貨主力合約的5分鐘收盤價。① 選擇5分鐘高頻數(shù)據(jù)，是因為高頻數(shù)據(jù)若頻率過低則無法很好地體現(xiàn)信息的連續(xù)性，若頻率過高則微觀結構誤差較大。經(jīng)國外學者研究，5分鐘是不造成過大微觀結構誤差的最小頻率。而之所以選擇收盤價數(shù)據(jù)是因為道氏理論認為收盤價是最重要的價格，這一價格反映了市場的大部分行為。

　　鑒于股指期貨在運行初期易受市場各種因素的影響，為考察其價格發(fā)現(xiàn)功能的動態(tài)變化，本文選擇的樣本期為2010年5月4日―2010年9月3日，共86個交易日。上海交易所和深圳交易所每天的交易時間為北京時間上午9：30―11：30，下午1：00―3：00。而滬深300股指期貨的交易時間為北京時間上午9：15―11：30，下午1：00―3：15。由于數(shù)據(jù)可獲得性原因，每日數(shù)據(jù)的選取為9：35―11：30和13：05―15：00兩個時間段，共48個數(shù)據(jù)，總共4 128個5分鐘交易數(shù)據(jù)。數(shù)據(jù)來源于彭博數(shù)據(jù)庫，所采用的計量分析軟件為RATS7.1。

　　為消除可能存在的異方差，本文對現(xiàn)貨價格序列和期貨價格序列取自然對數(shù)，分別記為LNHS和LNEP，現(xiàn)貨市場和期貨市場的對數(shù)價格收益率分別記為RS和RF，兩市場之間的對數(shù)基差記為RB。現(xiàn)貨、期貨對數(shù)價格序列、收益率序列及對數(shù)基差序列的統(tǒng)計特征如表1所示。從標準差可以看出，期貨價格收益率波動相對更為劇烈。現(xiàn)貨和期貨對數(shù)價格收益率序列以及對數(shù)基差序列的偏度都左偏，峰度都超過3。結合J-B統(tǒng)計量可知，它們均不服從正態(tài)分布，具有尖峰厚尾特征。ADF和PP單位根檢驗結果表明，在5%的顯著性水平上，現(xiàn)貨和期貨對數(shù)價格序列都為非平穩(wěn)序列，但一階差分后所對應的對數(shù)收益率序列均為平穩(wěn)序列。因此，現(xiàn)貨和期貨的對數(shù)價格序列都是一階單整序列，即LNHS?薺I(1)、LNFP?薺I(1)。對數(shù)基差序列的ADF和PP單位根檢驗表明，在1%的顯著性水平上序列是平穩(wěn)的。

　　(二)實證結果及分析

　　1. Johansen協(xié)整檢驗

　　我們知道LNHS和LNEP都是一階單整時間序列，可對兩者進行協(xié)整分析。Johansen協(xié)整檢驗的關鍵是判斷(1)式中的Bxt在誤差修正模型中是以何種形式出現(xiàn)，是以常數(shù)項還是以帶有時間趨勢的趨勢項出現(xiàn)。Johansen(1992)[18]給出的判斷方法是對于兩種情況都進行檢驗。從表2的檢驗結果可以看出，滬深300指數(shù)現(xiàn)貨價格與指數(shù)期貨價格之間存在一個協(xié)整關系。

　　2. 遞歸協(xié)整(Recursive Cointegration)

　　為考察滬深300股指期貨與現(xiàn)貨長期協(xié)整關系的穩(wěn)定性，本文采用遞歸協(xié)整的(Recursive Cointegration)方法對兩者之間的長期關系做深入分析。遞歸估計的初始估計樣本期為前10個交易日，共480個交易數(shù)據(jù)。圖1為標準化的跡檢驗統(tǒng)計量的遞歸變化過程，這個統(tǒng)計量將在每一個數(shù)據(jù)點上被重新估計。由于圖1中的跡統(tǒng)計量都是以5%顯著性水平的臨界值進行標準化的，因此當圖1中的跡統(tǒng)計量的值超過1.0時，我們可以合理地拒絕原假設。我們在圖1中可以看到，在大約第1100個觀察值以前，即大約2010年6月3日之前，兩個市場之間不存在協(xié)整關系，而在此之后，兩個市場之間開始存在穩(wěn)定的協(xié)整關系。說明在股指期貨運行初期其走勢與現(xiàn)貨市場的關系并不緊密，不具有價格發(fā)現(xiàn)功能。

　　Brenner和Kroner(1995)[19]、Yang等(2001)[20]等學者認為，對協(xié)整關系內相關變量進行統(tǒng)計檢驗，如需滿足無偏性假設必須具備兩個條件：一是期貨市場價格和現(xiàn)貨市場價格具有協(xié)整關系;二是協(xié)整向量?茁必須滿足約束條件?茁=(?茁1，?茁2)=(1，-1)。本文將對此約束采用對數(shù)似然比檢驗(LR檢驗)。表3中的檢驗結果表明，?茁1+?茁2=0的原假設在5%的置信水平上并不能夠被拒絕。表明此模型滿足無偏性假設條件。

　　Yang等(2001)[20]和Zhong等(2004)[7]等學者指出，通過考察調整系數(shù)可以判斷兩個市場之間的領先滯后及信息傳遞關系。如果原假設?琢1=0(?琢2=0)不能夠被拒絕的話，則說明長期中現(xiàn)貨市場(期貨市場)價格領先期貨市場(現(xiàn)貨市場)，但是如果原假設?琢1≠0和?琢2≠0不能夠被拒絕的話，那說明兩個市場存在雙向引導關系。根據(jù)Zapata和Rambaldi(1997)[21]建議，本文對調整系數(shù)的檢驗也是基于無偏性假設的基礎上。表3的檢驗結果表明，在5%的顯著性水平上，?琢1=0的原假設是不能夠被拒絕的，說明現(xiàn)貨市場價格具有弱外生性，而?琢2=0的原假設在5%的顯著性水平上是能夠被拒絕的。檢驗結果表明在股指期貨運行之初，在長期協(xié)整關系中，現(xiàn)貨市場引導期貨市場，期貨市場的價格發(fā)現(xiàn)功能并沒有得到很好的發(fā)揮。

　　從圖2調整系數(shù)遞歸變化圖中，同樣能得到上述結論。圖2中指數(shù)現(xiàn)貨收益率的調整系數(shù)幾乎為0，而股指期貨的調整系數(shù)顯著大于0，說明對于兩市場長期均衡關系的偏離，主要由股指期貨市場進行調整，而非現(xiàn)貨市場，從而表明在長期均衡關系中，現(xiàn)貨市場價格領先股指期貨市場價格。

　　總的來說，從遞歸協(xié)整分析中我們可以得出的結論為，在股指期貨運行之初，股指期貨市場與現(xiàn)貨市場不具有協(xié)整關系。隨著股指期貨市場的不斷完善，兩者開始具有穩(wěn)定的協(xié)整關系，但在長期穩(wěn)定的協(xié)整關系中，現(xiàn)貨市場價格領先期貨市場價格，現(xiàn)貨市場在價格發(fā)現(xiàn)過程中起主要作用。

　　3. 價格發(fā)現(xiàn)貢獻度

　　為進一步證實上述結論，本文采用公共因子模型精確刻畫兩市場在價格發(fā)現(xiàn)過程中的貢獻程度，計算結果見表4。從表4我們可以看出由IS模型所得出的滬深300指數(shù)現(xiàn)貨市場的信息份額上限為99.9%，下限為33.8%，平均信息份額為66.9%;而股指期貨市場的信息份額上限為66.2%，下限為0.01%，平均信息份額為33.1%。表明現(xiàn)貨市場在價格發(fā)現(xiàn)過程中的貢獻程度要大于期貨市場，現(xiàn)貨市場在價格發(fā)現(xiàn)過程中起主要作用。PT模型計算所得結果同樣支持上述結論。

　　四、結論

　　本文利用日內5分鐘高頻數(shù)據(jù)，采用遞歸協(xié)整和公共因子模型方法深入分析了滬深300股指期貨運行初期價格發(fā)現(xiàn)功能的動態(tài)變化過程，所得出的結論有：

　　1. 大約2010年6月3日之前，滬深300股指期貨的走勢與指數(shù)現(xiàn)貨的走勢的聯(lián)系并不緊密，兩者并不具有穩(wěn)定的協(xié)整關系，說明在股指期貨運行之初并不具有價格發(fā)現(xiàn)功能。

　　2. 隨著期貨市場的發(fā)展，大致從2010年6月3日起，滬深300股指期貨與指數(shù)現(xiàn)貨市場開始具有穩(wěn)定的協(xié)整關系，股指期貨的價格發(fā)現(xiàn)功能開始發(fā)揮作用，但價格發(fā)現(xiàn)功能表現(xiàn)并不理想，因為我們發(fā)現(xiàn)，在價格發(fā)現(xiàn)過程中，起主要作用的是現(xiàn)貨市場，而并非期貨市場。

　　本文所得出的結論不同于以往對于成熟期貨市場研究所得出的結論，但與一些學者對于新興期貨市場研究所得出的結論較為一致。即對于新興的期貨市場而言，在股指期貨運行初期，在價格發(fā)現(xiàn)過程中起主要作用的是現(xiàn)貨市場，股指期貨市場的價格發(fā)現(xiàn)功能表現(xiàn)并不理想，如Cabrera等(2009)[22]、Chen和Cau(2009)[23]等學者的研究。

　　注釋：

　?、僭诠芍钙谪浐霞s方面，中金所同時上市的有當月，下月，當前季度和下一個季度四個合約。而所謂的主力合約是指在這四個合約中交易量最大的合約。選取的規(guī)則為選取股指期貨合約中交易量最大合約的交易數(shù)據(jù)作為研究對象，一般近月合約的交易量最大，但在到期日之前，近月合約的交易量逐漸減小，而緊接著的下一個月的合約的交易量開始不斷增大，當下一個合約的交易量超過近月合約的交易量時，選擇下一個合約的交易數(shù)據(jù)為研究對象。