上海,深圳认沽权证与其标的股票的Granger因果关系分析

上海，深圳认沽权证与其标的股票的Granger因果关系分析汪慧建南京大学工程管理学院，南京（210008）E-mail：Wanghj8862@摘要：本文利用时间序列分析中的格兰杰因果关系分析对中国证券市场权证与其标的股票之间的关系进行分析，研究表明：上海市场权证价格与标的股票价格之间存在双向因果关系，而深圳市场权证价格与其标的股票价格不存在显著的因果关系。

相对而言，沪市市场更具效率。

关键词：认沽权证；Granger因果检验；ADF检验；协整检验1.引言2005年下半年，为了配合股权分置改革，我国深沪两市正式推出权证业务。

权证是一个“权利”，即在约定的“到期日”以约定的“行使价”购买或卖出“相关资产”(如：股票、指数、商品、货币等)。

权证的推出为解决股权分置问题提供了一种有效的金融工具，那么其价格与标的股票之间到底有什么联系呢？它们之间又是怎么相互影响的？本文借助统计模型，采用定量化研究方法，对沪深两市权证及其标的股票进行研究，并做出客观评价。

2.文献综述Kumar（1998）认为衍生品的推出能提高标的资产的定价效率[1]。

Danielsen和Sorescu(2001) 认为期权上市使得卖空限制减弱，并导致标的资产价格下降[2]。

这种卖空导致的价格下降提高了价格调整的速度，增强了标的资产的定价效率。

夏涛（2006）选取了3只权证的理论价格和市场价格之间回归分析实证研究我国权证市场运行效果，虽然权证价格对理论价值明显偏离，但从一个新兴市场的角度来考虑，我国权证市场的整体运行状况是健康的，权证价格基本上能反映其内在价值的[3]。

王松涛（2006）利用Black- Scholes期权定价模型计算了香港7家主要房地产公司认股权证的隐含波动率，最后通过格兰杰因果关系检验定量考查了认股权证的隐含波动率和房地产价格历史波幅之间的因果关系，实证研究结论表明认股权证的隐含波动率是房地产价格历史波幅的领先指标[4]。

房振明（2006）已上市的六只权证及对应正股为研究对象，采用线性和非线性因果检验方法对我国股票和权证市场相互联系进行实证研究，实证结果表明刚刚启动的权证市场与股票市场之间不存在双向的联系，仅存在权证市场到股票市场较弱的的单向影响[5]。

刘洋（2006）实证研究表明从长期来看认购权证发挥了其潜在的投资杠杆的作用；短期内权证与其标的股票价格走势相互独立，市场中有可能存在对权证投机炒作，人为放大权证的投资风险，使权证背离其正常的投资价值[6]。

由于我国证券市场特殊情况，国外研究成果不一定适合国内实际情况。

国内学者对权证也进行了一定研究，但由于选择的样本不同，研究方法不一致，研究结果也不完全相同。

本文在相关文献基础上，分别从沪深两市各选取4只权证及其标的股票进行实证研究，期望能对我国权证运行效率做出客观评价。

3. 数据及研究方法本文收集了上海证券交易所茅台JCP1，雅戈QCP1，原水CTP1，招行CMP1四只认沽权证及其标的股票的2006年6月14日至200年1月5日的五分钟交易收盘数据；深圳证券交易所钢钫PGP1，华菱JTP1，五粮YGP1，中集ZYP1四只认沽权证及其标的股票的2006年6月14日至2007年1月5日的五分钟交易收盘数据。

为本文研究需要，下面对文章所采用的统计分析方法做一简单介绍。

1：增广迪基一富勒(Augmented Dickey ―Fuller ，ADF)检验 可供选择的模型可表示为：111pt t t t i y y y u −−=∆=Ψ+∆+∑检验假设为：01:0;:0H H ψψ=<运用信息准则选择使信息准则值最小的滞后阶数。

可根据变量运动趋势选择包含常数项，包含常数项和线性时间趋势相，和不包含常数项和线性时间趋势项的形式。

当接受原假设时，即序列包含有一个单位根，否则序列是平稳的。

2：协整（Cointegration ）检验设t w 是变量的k×1的向量，且（1）t w 的所有元素是()I d ；（2）至少有一个系数向量α满足'()t w I d b α− ；则t w 的元素是()d b −的积整。

在这我们用基于残差的方法检验协整。

回归模型：12233t t t k kt t y x x x u ββββ=+++++L 中；如果变量t y ，2t x ，L kt x 是协整的，则t u 应该是(0)I 的，若不是协整关系，则t u 仍然是非平稳的。

我们采用AIC 信息准则和SC 准则对ｐ值进行选择，选取当二者同时为最小值时的阶数。

3：Granger 因果检验Granger 因果检验是用于检验两个变量之间因果关系的一种常用方法。

于1969年由J.Granger 提出，给定一个信息集t A ，它至少包含()t t Y X ,，如果利用t X 的过去比不利用它时可以更好地预测t Y ，称t X 为t Y 的Granger 原因。

如果t X 、t Y 为平稳过程，对于模型11112211(1)(2)p qt j t j j t j tj j p qt j t j j t jt j j X c X Y Y c Y X αβµγδµ−−==−−==⎧=+++⎪⎪⎨⎪=+++⎪⎩∑∑∑∑2,1µµ为白噪声。

存在下列情况：⑴如果),,2,1(0q j j j L ===δβ，则t X 、t Y 互相独立； ⑵如果),,2,1(0,0q j j j L =≠=δβ，则t X 为t Y 的原因；⑶如果),,2,1(0,0q j j j L ==≠δβ，则t Y 为t X 的原因； ⑷如果),,2,1(0,0q j j j L =≠≠δβ，则t X 、t Y 互为因果。

我们利用Akaike 最终预测差（FPE ）标准为基础确定最优滞后期。

4. 实证结果1：单位根检验对所收集的权证和标的股票进行ADF 单位根检验，数据分析结果如下表所示： 表1 沪市权证及标的股票样本单位根检验 样本数t-Statistic 原假设 是否进行差分检验差分后是否平稳 贵州茅台 6096 -0.3434 接受 是 是 茅台JCP1 6096 -2.649 接受 是 是 雅戈尔 6096 1.842 接受 是 是 雅戈QCP1 6096 -3.485 拒绝 否 原水股份 6048 -1.407 接受 是 是 原水CTP1 6048 -4.067 拒绝 否 招商银行 6096 -1.444 接受 是 是 招行CMP16096 -2.21 接受是是表2 深市权证及标的股票样本单位根检验 样本数t-Statistic 原假设 是否进行差分检验差分后是否平稳 新钢钫 6096 -1.10 接受 是 是 钢钫PGP1 6096 -3.148 拒绝 否 华菱管线 6000 -0.765 接受 是 是 华菱JTP1 6000 -4.375 拒绝 否 五粮液 6096 1.103 接受 是 是 五粮YGP1 6096 -3.563 拒绝 否 中集集团 6096 -1.444 接受 是 是 中集ZYP16096 -4.354 拒绝否单位根检验标准为在5%显著性水平下，沪市中茅台及其权证和招商银行及其权证均是单位根过程；雅戈尔和原水股份股价是单位根过程，但其权证均是平稳过程。

深市中，本文所选4只权证均是平稳过程，而标的股票均是单位根过程。

2：协整检验由上述分析可知：茅台，招商银行均是单位根过程，可进行协整检验，回归后对残差序列做单位根检验，检验结果如表3所示：表3 协整检验表残差检验t-Statistic 原假设 是否平稳 茅台 招商银行-0.479 -4.108接受 拒绝否 是可知招商银行和招行CMP1之间存在长期均衡关系，茅台和茅台JCP1之间不存在长期均衡关系。

3：Granger 因果关系检验在因果检验中，对剩下的6组权证及其标的股票进行检验，首先对单位根过程进行差分，然后回归，回归结果如表4，表5所示：表4 沪市权证及标的股票Granger 因果检验表表5 深市权证及标的股票Granger 因果检验表滞后期 Prob0.05844 钢钫不是钢钫PGP1Granger 原因 接受 Prob0.01783 钢钫PGP1不是钢钫Granger 原因 拒绝 Prob0.40794 华菱管线不是华菱JTP1原因 接受 Prob3.9E-22 华菱JTP1不是华菱管线Granger 原因 拒绝 Prob0.02996 五粮液不是五粮YGP1原因 拒绝 Prob0.03654 五粮YGP1不是五粮液Granger 原因 拒绝 Prob0.22221 中集集团不是中集ZYP1Granger 原因 接受 Prob0.0001 中集ZYP1不是中集集团Granger 原因拒绝由表4可知：沪市2只认沽权证与其标的股票之间存在着双向Granger 关系：即沪市认沽权证价格走势影响其标的股票的价格走势，同时标的股票价格的走势也影响着认沽权证的价格走势。

滞后期 4 Prob1.7E-11 雅戈尔不是雅戈QCP1Granger 原因 拒绝 Prob1.7E-15 雅戈QCP1不是雅戈尔Granger 原因 拒绝 Prob0.00124 原水股份不是原水CTP1Granger 原因 拒绝 Prob7.8E-08 原水CTP1不是原水股份Granger 原因拒绝由表5可知：深市4只认沽权证与其标的股票之间关系不尽相同：只有五粮液与其权证之间呈双向Granger关系；其余只存在认沽权证价格走势影响标的股票价格走势，而反之不成立。

5.结论通过对沪市和深市各4只认沽权证及其标的股票价格走势的分析，本文得到如下结论：（1） 沪市权证中只有雅戈QCP1和原水CTP1是平稳过程，茅台JCP1和招行CMP1是单位根过程；4只股票都是不平稳的单位根过程。

而深市4只认沽权证均是平稳过程，4只股票均是单位根过程。

（2） 沪深市权证价格波动都能帮助我们预测相应标的股票价格波动，权证发挥了他们的作用。

沪市股票价格波动能帮助预测相应权证的价格波动趋势，而深市股票价格波动预测相应标的权证价格波动的效率低。

（3） 在沪深市信息传递方面，沪市市场更具效率，而深市市场更为复杂。

参考文献[1]Kumar, R., Sarin, A., and Shastri, K. The Impact of Options Trading on the Market Quality of the Underlying Security: An empirical Analysis. Journal of Finance, 1998, 2[2]Danielsen, Bartlen, and Sorescu, Sorin. Why Do Option Introductions Depress Stock Prices? A Study of Diminishing Short Sale Constraints. Journal of Financial and Quantitative Analysis, 2001, 36[3]夏涛；中国权证市场运作效果实证分析；中南财经政法大学研究生学报；2006年第4期[4]王松涛，李娜；香港认股权证市场与房地产市场互动关系研究；财经问题研究；2006年第11期[5]房证明，王春峰，李晔，卢涛；我国股票与权证市场之间的线性及非线性因果关系；系统工程；2006年7月[6]刘洋，庄新田；沪市认购权证与其标的股票价格走势的Granger因果检验；管理学报；2006年第11期[7]秦浩；权证产品理论定价与市场定价偏离度分析；金融教学与研究；2006年第5期[8]杨渺，杨代若；A、B股指数波动的Granger因果关系分析；数理统计与管理；2003年第1期[9]朱宏泉，卢祖帝，汪寿阳；中国股市的Granger因果关系分析；管理科学学报；2001年第5期Granger-causality test of the price trend between putwarrant of the security and their underlying stocks inshanghai and shenzhenWang HuijianSchool of Management and engineering Nanjing University, Nanjing (210008)AbstractThis paper tests the causality relationship between warrant and its underlying stocks in shanghai and Shenzhen by using the approach of Granger causality.The results shows that there is a bidirectional relationship of Granger causality between put warrant and their underlying stocks in shanghai.But there is no remarkable relationship of Granger causality between put warrant and their underlying stocks in Shenzhen. Comparatively,shanghai is more efficient.Keywords: Put warrant; Granger causality test;ADF test; Cointegration test。