基差与成交量、波动率的不对称关系 1——基于中国期铜和期豆市场的实证研究 112宋军 赵鹰妍 吴冲锋(1复旦大学经济学院 200433；2 上海交通大学安泰经济与管理学院，200052) 摘要：套期保值压力效应是指套期保值者向投机者转让风险溢价，使得期货价格偏离无套利均衡价格。本文扩展了这一理论，指出套期保值者转让的风险溢价的增加（伴随着基差的绝对值的增加）将吸引更多的投机者进入市场，从而导致成交量和波动率增加；卖方套期保值程度高于买方，这使得成交量和波动率对正、负基差的关系呈现出不对称性。对中国期铜和期豆市场的检验在很大程度上支持了上述假设。 关键词：基差 成交量 波动率 套期保值压力 Abstract: Hedging Pressure Effect is a theory that the futures price deviates from the arbitrage free price in equilibrium due to the risk premium transferred from hedgers to speculators. In this paper, we expanded this theory. With more risk premium transferred from hedgers (that is, the absolute value of basis increases), more speculators are attracted to the market, thus inducing an increase of volume and volatility. Since short hedgers are more risk averse, the relationship of volume (volatility) and positive/negative basis are asymmetric. Empirical studies on copper and soybean futures in China basically support our theory. Keywords: basis, volume, volatility, hedging pressure 1 感谢国家自然科学基金（NO. 70701011 市场参与者的风险厌恶态度对期市定价的影响以及应用研究 ）资助。 1
背景 由于持仓成本的存在，一般而言期货价格会高于现货价格，但是现实中期货价格有时会低于现货价格。Keynes(1930)提出正常的反向市场（Normal Backwardation）理论来解释，他 指出反向市场的存在是套期保值者向投机者转移风险溢价的结果。此后Anderson et al(1983)从理论上证明了这种关系，指出市场表现为正向市场或是反向市场取决于套期保值者（生产商和消费商）的头寸。当生产商计划的产出大于消费商计划的投入时，套期保值者是净空头，此时需要投机者做多头。为了使得投机者有动力做多头，期货价格就会低于现货的期望价格，价差部分就是由卖方的套期保值者（生产者）转让的风险溢价利润，这时出现反向市场。反之，则出现正向市场。也就是说，套期保值者为规避风险向投机者转移利润的行为对基差产生了一定的影响，Hirshleifer(1990)将这种效应命名为套期保值压力（Hedging Pressure）。Benth（2008）进一步建立数学模型，用生产商P和消费商C的风险偏好来解释不同到期日商品期货的风险溢价的正负性和绝对值大小。不少学者对该理论进行了实证研究，早期的如Telser(1958, 1960)、Cootner(1983)和Carter et al(1983)；基于投资者类型的研究Chang(1985)、Wang(2001)和Roon et al(2000)。总的来说，这些实证结果大部分支持上述理论。 那么，套期保值压力效应除了对期货定价有影响外，还会如何影响期货市场的流动性和风险特征。本文将沿着这个研究思路，从套期保值者向投机者支付风险溢价的角度来研究基差、流动性和波动率的动态关系。 已有的文献从不同的角度研究了基差、成交量和波动率三者之间的关系，并给出了不同的解释。 对于基差与波动率之间的关系，Chen et al.(1995)发现S&P500股指波动率的上升导致期货市场基差的增加。Motladiile et al(2003)在Chen et al(1995)的理论模型基础上发现：基差与相应的股票指数波动率呈正相关关系。另一些涉及到期货市场波动率的研究则着重研究其与2
基差的不对称关系。比如，Lien et al(2008) 发现正负基差对期货收益方差存在不对称关系。Wang et al (2007) 对台湾期货交易市场的研究也显示，正基差比负基差对期货市场收益方差产生更显著的影响。 对于成交量和波动率之间的关系，从已有的文献资料来看，大多数研究支持成交量同市场波动显著正关联。Clark(1973) 采用日频数据发现在棉花期货市场上成交量与波动率成正相关。Cornell(1981)考察了17个期货市场中波动率与成交量的关系同样发现这种正相关。Tauchen et al(1983)发现在美国国债期货市场上期货价格的波动率与成交量正相关。Karpoff（1987）就成交量与波动率之间的关系回顾了之前的19篇实证研究，基本上证实了成交量与波动率之间的正相关。华仁海等（2003）、徐剑刚等（2006）实证发现我国期铜市场的成交量对波动率有正相关关系，并从信息角度进行了解释；对于投机者与市场波动的正相关关系，有一些学者给出了理论解释。其中主要有Copeland(1976, 1977)的信息序列到达模型（sequential arrival of information）、Epps and Epps(1975，1977)的混合分布假设MDH（mixture of distributions hypothesis)。前者是说，在一个信息以序列方式到达的市场中，乐观（悲观）投资者的交易推动价格上涨（下跌），当交易量越大，价格的波动也就越大。MDH则指出，每天的资产价格变化是m次随机日内价格变动之和。如果m是固定的，根据中心极限定理可得，日价格变化服从正态分布，该正态分布的方差和m成正比。但如果m是变动的，则价格2变化的分布受到m的分布的影响。总的来看，过去对期货市场上基差、成交量和波动率关系的研究比较零散，特别是目前还没有研究将这三者置于一个统一的框架进行讨论。在上述的研究背景下，本文沿着Keynes(1930)、Anderson et al(1983)、Benth(2008)、宋军等（2009）从套期保值者向投机者 2 当然，也有部分研究否定了投机者加剧市场不稳定这一结论。Robert J. Weiner (2002) 在石油期货市场中的研究，以及 Bryant et al. (2006) 对8个期货市场（玉米、原油、欧元定期存款、黄金、日元、咖啡、活牛、S&P500）的考查均否定了投机者对价格波动产生影响的结论。不过对投机者与市场波动无关的结论，给出的理论解释比较有限。 3
支付风险溢价的角度解释正向市场和反向市场这个思路，进一步来研究基差、流动性、波动率三者动态计量关系。当期货市场上的套期保值者愿意向投机者支付更多的风险溢价，期货市场上表现为基差的绝对值增加，这部分风险溢价将吸引更多的投机者参与期货市场。由于期货市场中绝大部分的成交量都来自于投机者，因此总成交量也会随之而增加，并带来波动率的增加。此外，根据Hirshleifer(1990)，卖方套期保值者的风险厌恶程度更高，因此正基差对流动性、波动性的影响将大于负基差，将表现出不对称性。本文用中国期铜和期豆的数据检验了上述假设，结果发现成交量和波动率与基差（尤其是正基差）正相关，且正、负基差与成交量和波动率的关系表现出非对称性，结论很大程度上支持了本文的理论假设。 本文的贡献在于：（1）进一步发展了Keynes（1930）和Hieshleifer（1990）的理论，从一个新视角去研究基差、流动性、波动性之间的关系，并将三者的关系至于一个统一框架下。（2）过去大量研究显示，经典期货定价理论存在局限性，期货价格通常偏离无套利定价理论所预测的均衡价格，原因是期货市场的参与者并非模型所假定的风险中性。因此，本文对基差与投机者参与度的关系研究，能够为风险非中性参与者环境下的期货市场理论研究提供一定的实证基础。（3）考查和分析期货市场上基差、投机者参与和波动率的动态关系，对资产定价和金融市场稳定性的研究具有重要意义，同时对于期货市场流动性及风险的管理提供了一个新思路，有着重要的政策含义。 文章结构安排如下：第一部分介绍本文的研究背景，包括相关文献的综述；第二部分提出假设与模型；第三部分介绍数据；第四部分是实证检验及对实证结果及分析；第五部分总结。 假设与模型 根据套期保值压力效应理论，期货市场上的套期保值者为转移风险愿意转让一定的风险溢价给投机者。可以推断，当转移的风险溢价越大时，越多的投机者将被吸引到期货市场中4
来分享这块“蛋糕”，更多投机者参与的市场将导致更大的持仓量和成交量，而根据已有的研究，更大的交易量将伴随更大的波动率。 持仓量和成交量在一定程度上都可以反映投机者的参与程度。但本文将只考虑成交量。由于在实无法从总持仓量（总成交量）中分离出投机者的持仓量（成交量），因此只能使用总持仓量（总成交量）来代替投机者持仓量（成交量）。在期货市场持仓量中，相当一部分来自套期保值者，这种替代可能导致比较大的偏差；而从成交量看，投机者的交易频率远远高于其他类型的市场参与者，且还有相当部分的日内交易者，因此期货市场的成交量大部分来自于投机者，成交量比持仓量更能反映投机者的市场参与度。因此，提出如下假设： 假设1：成交量与基差的绝对值成正比。 假设2：波动率与基差的绝对值成正比。 根据Hirshleifer(1990)，在商品期货市场中，由于生产商（卖方套期保值者）的规模一般高于消费者，生产商更偏好使用期货来规避风险，消费者存在一定程度的“不参与行为”（nonparticipation）。由于卖方套期保值效应比买方的更明显，因此成交量、波动率与正负基差的关系将很可能呈现出不对称性。提出如下假设： 假设3：成交量对正基差的斜率大于成交量对负基差绝对值的斜率。 假设4：波动率对正基差的斜率大于波动率对负基差绝对值的斜率。 参考Lien et al. (2008) 的方法，将基差分为正基差和负基差，并对负基差取绝对值。为了检验上诉假设，建立如下基本模型： V=α+αmaB+αmiB+controls+ε （1） t1011t12t1tσ=α+αmaB+αmiB+controls+ε （2） t2021t22t2t其中，下标表示交易日，第t表示交易日，maB=max{0,B}，miB=−min{0,B}，tttt分别表示基差为正和为负时的绝对值。当基差为正（现货价格高于期货价格），为反向市场，此时卖方套期保值者占主导，而基差的大小反映了卖方套期保值者的风险溢价转移效应的程度；当基差为负，买方套期保值者占主导，此时负基差绝对值的大小反映买方套期保值者的风险溢价转移效应的程度。被解释变量为成交量V或波动率σ，controls表示控制变量，包括Y的滞后项以及总套期保值量等。因此实证的目的是检验在控制了期货市场的总套期保5
值量后，成交量和波动率与基差的关系怎样？ 因此，如α>0,α>0，则假设1成立。若α>0,α>0则假设2成立。若α>α，112112221112则假设3成立，若α>α，则假设4成立。 2122 数据 本文选取中国铜、大豆期货合约作为研究对象。一方面，在国内期货市场中，期铜、期豆市场相对成熟：套期保值者的参与度相当高，在国内期货市场中具有相当高的代表性。另一方面，期铜、期豆市场分别代表了工业市场和农业市场，具有一定的差异性，从这个意义上来讲，选择这两个市场可提高结论的一般性和可信性。 1、数据来源 本文数据来自锐思数据公司（）中上海期货交易所的期铜品种（铜）和大连期货交易所的大豆品种（黄大豆1号）。其中，期铜原始数据跨度为1997年1月16日到2008年6月16日，采用日频数据，共计2728天。期豆原始数据跨度为2002年3月15日到2008年6月16日，采用日频数据，共计1300天。 2、数据处理和变量的获得 实证研究中的各个变量通过以下方法得到： 3（1）基差采用调整基差。由于除了套期保值的因素，基差还受到持有成本、季节因素4等的影响，因此研究基差与套期保值行为关系时，必须先去除持有成本、季节等因素的影响。 期铜合约共有12个合约，除去一个现货合约，11个合约的基差都不同，因此采取加权值，以持仓量作权重。对基差作持有成本调整，调整公式如下： 3 根据无套利定价理论而来，期货均衡价格等于现货价格加储存成本、利息费用并扣除可能的现货分红（Helmer et al, 1991）。 4 季节效应体现于在现货集中上市的季节，现货价格降低导致基差缩小。 6
11−rL/12AB=S−w×F×e （3） ∑ttt,Lt,LL=1其中AB为现货价格和各合约的加权期货价格之差。r为无风险利率与存储成本率之t和。在期铜市场上，r取。S为第t日的现货价格，使用当月到期的合约（即期合约价t格代替）。F为第t日L月后到期的期货合约的价格。权重w为第t日L月后到期的合约t,Lt,L的持仓量占总持仓量的比重。 期豆合约情况稍许复杂，期豆的最长期限位18个月，且都是奇数月份到期，期调整基差公式为： −r×2/18−r×4/18−r×16/18 （4） AB=S−w×F×e−w×F×e−"−w×F×ettt,2t,2t,4t,4t,16t,16由于大豆的持仓成本相对铜来说更高，因此在计算加权期货价格和加权基差时，需适当提高r的取值，这里取r=。 检验季节效应的方法是先使用月份哑变量对基差进行回归，然后使用残差项进行检验。季节调整的原理是在回归中加入季节性虚拟变量，除去数据所含有的季节特征（de-seasonalizing）(Wooldridge, 2002)。经检验，期铜的季节性不显著，所以只对基差作持有成本的调整；但是大豆作为农产品，具有一定的季节效应，因此在持有成本调整的基础上需要进行季节性调整。 （2）成交量V为第t日不同到期日的合约的成交量的加总。 t（3）期货波动率σ使用GARCH（1，q）模型进行估计而得到。本文使用的波动率是期货日收益率的波动率。 （4）外生控制变量交割量D使用即期合约的持仓量。 考虑到风险溢价（对应实证中的基差）和总套期保值量（对应实证中的总交割量）之间 有相乘的关系，而实证中为相加的关系，因此对基差和交割量取对数比较合适，而持仓量、成交量的数值单位较大，也应取对数来进行回归以提高检验的准确性，因此对上述各变量取对数后再进行检验。 7
3 描述性统计 表1 各变量的描述性统计 N 均值 标准差 偏度 峰度 Log(V )2728 期铜σ2728 -2 -3 FLog(maB) 1583 Log(miB) 1145 Log(D) 2728 Log(V ) 1300 σ1299 -2 E-3 期豆FLog(maB) 613 Log(miB) 686 Log(D) 1300 表1给出了期铜与期豆的各变量的描述性统计。值得注意的是，正基差的值均大于负基差，基差大小本身表现出一定的不对称性。 表2 相关系数矩阵 期铜 Log(V ) σLog(maB) Log(miB)Log(D)F *********Log(V ) ******σ ***Log(maB) /***Log(miB) (D) 期豆 Log(V ) σLog(maB) Log(miB)Log(D)F *********Log(V ) *********σ ***Log(maB) / ***Log(miB) (D) 注：***表示1%的显著水平，**表示5%的显著水平，*表示10%的显著水平。 从表2可以看到，成交量、期货波动率和基差之间大致呈正相关关系，其中成交量、波动率与正基差显著正向关，但和负基差的绝对值关系不显著。 4 平稳性检验 8
对成交量、正负基差和交割量各时间序列进行平稳性检验，表3给出了带趋势项的ADF检验结果。从表3可看出期铜各变量均平稳。 表3 各变量ADF单位根检验结果（lag=3） Rho Pr < RhoTau Pr < TauF Pr > F Log(V) <. (maB) <. 期铜 Log(miB) <. (D) <. (V) Log(maB) 期豆 Log(miB) Log(D) 5期豆的数据显示除了正基差非平稳，其他变量均平稳。 图1和图2为期铜成交量、波动率和调整基差的散点图，以调整基差等于0为分界，从图1上可以看到，尽管左右两边基差同成交量的关系呈现不对称性，但左右两边基差的绝对值分别与成交量呈一定的正相关关系。图2左侧的关系不甚明显，但右侧还是呈现一定的正相关。 图1 期铜成交量logV和基差AB的散点图 图2 期铜波动率sigma_f和基差AB的散点图 图3和图4为期豆成交量、波动率与调整基差的散点图。可以看出，期豆与期铜也具有 5 经过下文的季节调整，对数正基差序列也显示平稳。 9
类似的不对称性。 图3 期豆成交量logV和基差AB的散点图 图4 期豆波动率sigma_f和基差AB的散点图 实证结果 1. 期铜 经过平稳性检验，各时间序列平稳。建立以下模型来检验成交量和基差的关系： klog(V)=α+log(maB)+αlog(miB)+βlog(V)+γlog(D)+ε （4） ∑t01t2tjt−jtj=1得到回归结果如表4所示： 表4 模型（4）的期铜回归结果 H:02γ α α α ββFAdj-R 0111212α=α1112************=0 [] [] [] []<.0001<.0001***************=1 [] [] [] [][]<.0001<.0001****************=2 [] [] [] [][][]<.0001<.0001注：最后一列为对H:α=α的F检验。检验结果表明F值均在1%的显著水平上拒绝原假设。***表0111210
示1%的显著水平，**表示5%的显著水平，*表示10%的显著水平。 从回归结果中可以清楚地看到，α与α均显著大于0，表明在控制了自身的滞后项1112和总套期保值量的影响后，成交量均与基差绝对值均显著正相关。 此外，可以看到α的数值几乎为α的两倍，例如k=1时，α=，α=。11121112这表明成交量与正基差的关系强于成交量与负基差绝对值的关系。对H：α=α的检验01112均被拒绝，表明α>α假设成立。因此可以说，在期铜市场上，反向市场上的风险溢价1112转移效应带来的投机参与的增加大于正向市场。这个结果支持了印证了Hirshleifer(1990) 关于正反向市场不对称性的论述。 此外，我国精铜加工行业的特殊性使期铜卖方套期保值者比买方更加风险厌恶。期铜市场主要表现为反向市场、卖方套期保值者更加风险厌恶的重要原因可能还受到我国期铜行业的特殊性的影响：我国是铜矿进口国，除了少数有自给矿者，大部分铜冶炼企业所获取的只是非常有限的加工费。国内铜冶炼企业一年和国际精矿供应商（如必合必拓）签订一次铜精矿进口合约，其基准是伦敦金属交易所三月期货价格减去加工费。由于国际铜矿供应商在谈判中具有垄断地位，国内冶炼企业所得到的加工费空间一般较小 。这些企业为了规避价格风险，一定会进行套期保值。而买方套期保值者多少可将成本上升风险转移到下游，因此套期保值的参与度比卖方低。 对于波动率和基差的关系，采用带外生变量的GARCH(1，q) 模型，在条件方差中加入正基差、负基差和交割量作为外生变量。模型结构可以表示为： 'r=Xβ+εtttε=he （5） ttq2=α+θε+μh+αmaB+αmiB+γD∑t0it−1t−21t2tti=111
表5 模型（5）期铜的回归结果 αα αθθθμγ021221231 *********q=1 -04 -9[] [] [][][] []********q=2 *** -10 [] [] [][][][] [] ************q=3 E-04 -10[] [] [][][][][] []注：***表示1%的显著水平，**表示5%的显著水平，*表示10%的显著水平。 回归结果显示，不论GARCH(1,1)，GARCH(1,2) 还是GARCH(1,3) 均得到相似的结论：α均大于0，表明波动率与正基差存在显著的正相关关系。但不能拒绝α=0的假设，表2122明正向市场中，套期保值者转让的风险溢价虽可带来一定程度的投机者交易量增加，但对市场波动率并无明显影响。显然α>α，表明正负基差和期货市场波动率的关系是不对称2122的。如前所述，反向市场的风险溢价转移效应所带来的市场波动增加更加强烈。另外，表5和表4的区别在于前者的γ显著而后者的γ不显著，表明交割量对成交量的影响显著而对波动率的影响并不显著。 此外，我们发现，期货、现货价格波动率之比显著大于1。由图4所示，sigma_f表示期货市场波动率，sigma_s表示现货市场波动率，使用即期合约价格代替现货价格，lamda为期货现货波动率之比。在整个样本时段中，期货市场与现货市场的价格波动走势基本一致，不过在同一时点上，期货波动率基本上大于现货波动率。经过检验，lamda均值为，显著大于1。由于近月合约主要是套期保值者参与，远月合约主要是投机者参与，投机者积极参与的市场波动大于主要由现货商参与的市场的波动，这在一定程度上支持了投机者的参与增加了市场的波动的观点。 12
图4 期货波动率sigma_f、现货波动率sigma_s和两者比例lamda的时间序列图（月频） 2、 期豆 由于期豆市场可能具有季节效应，首先对模型中涉及到的变量进行季节调整。将成交量、正负基差绝对值以及交割量分别对月份哑元变量进行回归，发现成交量、正基差、负基差以及交割量均存在季节效应。故按照季节效应调整方法，使用经季节调整后的数据再一次根据模型（4）进行回归，结果见表6。 表6 模型（4）的期豆回归结果 2γ α α αββF Adj-R0111212*********-15 k=0 [] [] [][]< * ***-04 k=1 [] [] [][][]< ******-04 k=2 [] [] [][][][]< 13
注：检验结果表明F值均在1%的显著水平上拒绝原假设。 ***表示1%的显著水平，**表示5%的显著水平，*表示10%的显著水平。 模型结果显示，各变量经季节调整后，三组检验中成交量均与正基差显著正相关。除了k=0，成交量与负基差不相关。注意到k=1、k=2时，β和β均为显著，表明模型中将成交12量的滞后项考虑进来是合理的，因此k=1、k=2的模型结果比k=0更有说服力。 在期豆市场上同样用模型（5）来检验波动率和调整基差的关系。回归结果见表7： 表7 模型（5）的期豆回归结果 α α αθθθμ γ021221231*** ****** q=1 -23[] [] [][][] []*** *** ***q=2 -10 [] [] [][][][] []*** *** ***q=3 -10[] [] [][][][][] []注：检验结果表明F值均在1%的显著水平上拒绝原假设。***表示1%的显著水平，**表示5%的显著水平，*表示10%的显著水平。 期豆市场的实证结果与期铜市场基本一致。使用GARCH(1,2) 和GARCH(1,3) 检验时，波动率与正基差呈显著的正相关关系，与期铜市场一致；且波动率与负基差的关系不显著。这表明，当大豆期货市场处于反向市场时，套期保值者转移风险溢价吸引更多投机者参与，投机者的参与又增加了市场波动；而这个结论在正向市场，风险溢价增加带来更大的市场波动的结论没有得到验证，这进一步反映了，反向市场中卖方套期保值者具有更高的风险厌恶系数，带来显著的风险溢价转移效应，这与期铜市场的结论一致。 图5为期货波动率、现货波动率和两者比例的时间序列图。其中sigma_f表示期货收益14
波动率，sigma_s表示现货收益波动率，lamda为期货现货波动率之比。与期铜市场结果相似，期货波动率总体高于现货波动率。期货现货波动率之比lamda均值为，显著异于1，表明期豆市场上期货波动率也显著大于现货波动率。 图5 期货波动率sigma_f、现货波动率sigma_s和两者比例akm的时间序列图 结论与扩展 本文使用中国期铜和期豆市场的数据，在过去对期货市场上基差、投机者参与度、波动率关系的研究基础上，整体考查了期货市场上基差、投机者参与和波动率三者之间的动态关系。 实证结果显示，三对变量关系在期铜市场和期豆市场有大体相同的表现。在期铜市场上，基差和投机者参与以及波动率总体正相关，并且反向市场上的相关关系强于正向市场。对此可以解释为，套期保值者不断转移风险溢价使得投机者参与到市场中去，进而加剧了市场波动。而期铜市场上卖方套期保值者更高的风险厌恶水平也决定了在反向市场上风险溢价转移能够吸引到更多投机者从而表现为更大的市场波动。在期豆市场上，正基差和总交易量以及15
波动率呈现显著的正相关关系，而负基差与后两者的关系始终不显著，从一个侧面反映了期铜市场得到的结论：卖方套期保值者具有更高的风险厌恶水平。 由于市场投机者的净交易量不可得，本文使用总成交量来代理投机者的参与程度，但这一近似代替可能存在缺陷，因为套期保值本身也可能含有操纵成分，难以与纯粹的投机行为区分开来。分离参与者类型是涉及市场行为的研究中常常遇到的困难，到目前为止还没有一个完美的解决方案。 参考文献 A. G. Malliaris (1998). “Volume and price relationships: hypotheses and testing for agricultural futures”, The Journal of Futures Markets, Vol. 18, No. 1, 53-72. Alex Frino, et al. (2008). “Large Trades and Intraday Futures Price Behavior”， The Journal of Futures Markets, Vol. 28, No. 12, 1147-1181. Andrew J. Foster (1995). “Volume-volatility relationships for crude oil futures markets”, The Journal of Futures Markets, Vol. 15, No. 8, 929-951. Avanidhar Subrahmanyam (1996). “On Speculation, Index Futures Markets, and the Link Between Market Volatility and Investor Welfare”, The Financial Review, Vol. 31, No. 2, 227-263. B. Motladiile and . Smit (2003), “Relationship between share index volatility, basis and open interest in futures contracts: The South African experience”，The South Africa Journal of Business Management, vol34 (3), 41-50. Bradford Cornell (1981). “The relationship between volume and price variability in futures markets”, The Journal of Futures Markets, Vol. 1, No. 3, 303-316. Clark. P. K. (1973). “A Subordinated Stochastic Process Model with Finite Variance for Speculative Prices.” Econometrica. Vol. 41, 135-15 Copeland. T. E. (1976). “A Model of Asset Trading under the Assumption of Sequential Information Arrival.” Journal of Finance. Vol. 31, 1149-1168. Copeland. T. E. (1977). “A Probability Model of Asset Trading.” Journal of Financial and Quantitative Analysis, Vol. 12, 563-578. 16
Cornell, B. (1981). “The Relationship between Volume and Price Variability in Futures Markets.” The Journal of Future, , 303-316. Donald Lien and Li Yang(2008). “Asymmetric Effect of Basis on Dynamic Futures Hedging: Empirical Evidence from Commodity Markets”, Journal of Banking and Finance, Vol. 32, No. 2, 187-198. Epps. T- W. (1975) “Security Price Changes and Transaction Volumes: Theory and Evidence.” American Economic Review, Vol. 65. 586-597. Epps. T- W. (1977) “Security Price Changes and Transaction Volumes: Some Additional Evidence.” Journal of Financial and Quantitative Analysis. Vol. 12, 141-146. George E. Tauchen and Mark Pitts (1983). “The Price Variability-Volume Relationship on Speculative Markets”, Econometrica, , , 485-505. Henry L. Bryant, David A. Bessler, Michael S. Haigh (2006). “Causality in Futures Markets”, The Journal of Futures Markets, Vol. 26, , 1039-1057. Hirshleifer D. (1990), “Determinants of Hedging and Risk Premia in Commodity Futures Markets”, Journal of Financial and Quantitative Analysis,24(3), 313-331. Jeffrey M Wooldridge. (2002)《Introductory Econometrics: A Modern Approach》Chapter10 ”Basic Regression Analysis with Time Series Data” P354. Kai-Li Wang and Mei-Ling Chen (2007). “The dynamics in the spot, futures, and call options with basis asymmetries: an intraday analysis in a generalized multivariate GARCH-M MSKST framework”, Rev Quant Finan Acc, 29, 371–394. Karpoff, J. M. (1987). “The Relation between Price Changes and Trading Volume: A Survey.” Journal of Financial & Quantitative Analysis Vol. 22, , 109-126. Keynes J. M. (1930) “A Treatise on Money”, Vol. 2, London, Macmillan. Marilyn K. Wiley and Robert T. Daigler (1998). “Volume relationships among types of traders in the financial futures markets”, The Journal of Futures Markets, Vol. 18, No. 1, 92-113. Ming-Shiun Pan (2003). “Volatility and trading demands in stock index futures”, The Journal of Futures Markets, Vol. 23, No. 4, 399-414. Nai-fu Chen, Charles J. Cuny, Robert A. Haugen (1995) , “Stock Volatility and the Levels of the Basis and Open Interest in Futures Contracts”, The Journal of Finance, 50(1), 281-300. Robert J. Weiner (2002). “Speculators and price volatility in petroleum futures”, The Quarterly Review of Economics and Finance, 42, 391-400. 17
Robert T. Daigler and Marilyn K. Wiley (1999). “the impact of trader type on the futures volatility-volume relation”, The Journal of Finance, Vol. Liv, No. 6, 2297-2316. Tauchen. G.. and M. Pitts (1983). “The Price Variability-Volume Relationship on Speculative Markets.” Econometrica, , 485-505. W. Bruce Canoles, et al. (1998). “An analysis of the profiles and motivations of habitual commodity speculators”, The Journal of Futures Markets, Vol. 18, No. 7, 765-801. 华仁海，仲伟俊 (2003). “我国期货市场期货价格收益、交易量、波动性关系的动态分析”， 统计研究，第7期，25-30. 宋军、吴冲锋、姜承操、赵鹰妍 (2009). “期货定价、投机者参与度与套保者的风险厌恶”，2009中国金融国际年会. 徐剑刚，唐国兴 (2006). “期货波动与交易量和市场深度关系的实证研究”， 管理科学学报，第9卷第2期. 18
