书书书
第１９卷 第６期
２０１１年 １２月
中国管理科学
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ Ｓｃｉｅｎｃｅ
Ｖｏｌ．１９，Ｎｏ．６
Ｄｅｃ．， ２０１１
文章编号：１００３－２０７（２０１１）０６－０００１－０９
封闭式基金价格指数波动溢出效应研究
———以深市基金指数为例
赵秀娟１，朱凯誉２，汪寿阳３
（１．北京邮电大学经济管理学院，北京 １００８７６；２．中国科学院研究生院管理学院，北京 １０００８０；
３．中国科学院数学与系统科学研究院，北京 １０００８０）
摘 要：作为在交易所折价交易的基金品种，封闭式基金吸引了众多机构投资者和个人投资者参与博弈。然而关
于封闭式基金市场波动性的研究较少，不能很好地刻画封闭式基金市场的极端风险对证券市场条件波动的影响。
为此，本文运用ＣＧＡＲＣＨ模型、Ｇｒａｎｇｅｒ因果检验分析了深市基金指数（封闭式基金价格指数）与开放式基金、Ａ
股、Ｂ股、仿真股指期货以及债券市场的主要指数在波动上的关联性。同时分析了极端风险对条件波动的溢出效
应。结果显示，深市基金指数的波动和仿真期指、Ｂ股、债券市场的关联性较大，具有引领仿真期指、Ｂ股、债券市场
波动的实力。而中证基金指数、仿真期指、股票市场、债券市场主要指数对封闭式基金市场也存在部分影响。结论
为机构投资者及时调整不同资产类别投资比例提供了参考。同时，也有利于国内监管部门以及投资者审慎地对待
封闭式基金市场的影响力并加强风险防范意识。
关键词：波动；ＣＧＡＲＣＨ模型；Ｇｒａｎｇｅｒ因果检验；极端风险
中图分类号：Ｆ８３０ 文献标识码：Ａ
收稿日期：２０１０－０４－２９；修订日期：２０１１－０９－０２
基金项目：国家自然科学基金资助项目（７０８０１００６，７１１７３０２３）；
中央高校基本科研业务费专项资金
作者简介：赵秀娟（１９８０－），女（汉族），河北人，北京邮电大学经
济管理学院，副教授，研究方向：金融管理 ．
１ 引言
金融市场间的联动性一直都是监管者、学术界
和业界十分关注的课题。首先，机构投资者在金融
市场分散投资的需要是推动该研究的主要动力。如
果各市场相关程度不高，那么分散投资策略可以有
效降低投资组合的风险。而金融市场的整合恰恰会
削弱这种组合策略带来的收益［１］。其次，金融市场
之间的联动极容易造成一些极端风险在各市场间的
扩散而威胁金融稳定［２］。市场不确定性、政策的调
整、突发的消息或冲击、投机力量的攻击均可导致市
场价格大幅波动。金融创新工具杠杆放大作用下，
误判形势有可能导致投资者严重亏损甚至破产，进
而引发金融体系的崩溃和社会的不稳定［３］。因此，
客观认识金融市场的联动性对投资者规避投资风险
和监管人从战略高度防范金融冲击有着十分重要的
意义。
１９９７年至２００２年间，沪、深两市总共发行了５４
只封闭式基金。封闭式基金以其突出的投资价值和
稀缺性成为保险、券商、ＱＦＩＩ等众多机构和个人投
资者博弈的焦点。在实践中，封闭式基金的波动常
被认为是股票市场波动的先行指标。当市场有极端
风险事件发生时，封闭式基金经常会提前有所反
应［４］。
国内外关于不同地区股票市场之间、封闭式基
金市场与股票市场间关联的文献比较丰富，已经提
供了一些值得参考的结论。Ｂａｉｌｅｙ（１９９４）［５］、Ｊｏｈｎ－
ｓｏｎ等（１９９４）［６］、Ｈｕａｎｇ等（２０００）［７］等的研究表明
中国股市在发展的早期，尤其是东南亚危机以前，与
国际股市并不存在显著的依存关系。王凯涛和胡四
修（２００３）［８］对１９９９年１月４日至２００２年６月２１
日的深证成指和深证基金指数数据的研究发现，深
圳基金市场与股票市场之间不存在长期均衡关系。
胡燕京和张方杰（２００５）［９］研究发现，基金市场和股
票市场具有同涨同跌的长期均衡关系，基金市场对
股票市场存在一定时滞效应，但其影响随着滞后期
数增加而减弱。牛方磊和卢小广（２００５）［１０］发现
ＧＡＲＣＨ（１，１）模型对上证基金指数的波动具有良
好的拟合效果。牛方磊（２００６）［１１］利用ＧＡＲＣＨ 模
型系统研究了我国封闭式基金市场的价格波动特性
和风险特征。孟祥友（２００６）［１２］采用协整理论、格兰
杰因果检验、ＶＡＲ等方法发现股票市场会引导基金
市场的波动，但基金市场的波动不能影响股票市场
的波动，封闭式基金市场与股票市场联动关系较弱。
傅东升（２００７）［１３］的研究发现基金指数与股市指数
间的长期均衡关系仅在牛市中存在，在完整的涨跌
周期内，股市指数水平波动和收益波动对封闭式基
金指数水平波动和收益波动的引导作用更显著。
这些研究因考察的样本指数和时期有所差别，
得到的结论不尽相同。封闭式基金、股指、期指、债
券市场之间的联动性如何，学界、业界和监管部门众
说不一。那么实际情况究竟是什么样的呢？值得注
意的是，一个市场的波动对其他市场的影响方式是
多样的［１４］。例如，波动的关联，极端风险的关联。
在研究方法上，上述研究只考虑了同样性质的
风险之间的传导，而并没有考虑到不同性质风险的
联动［１５］。例如，一个市场的极端风险可能并不引发
其他市场的极端风险，但却引发条件波动性的暂时
性扰动。本文从两个角度考察了国内不同资产类别
金融市场间的关联，一是波动的关联，即一个市场的
预期波动对另一个市场预期波动的影响；二是极端
风险的传递，即一个市场的极端风险对另一个市场
波动过程的影响，并试图通过实证研究给出一个可
供参考的判断，这对广大投资者和监管部门客观认
识中国证券市场的规律，以及提升合理的风险防范
意识是有帮助的。
２ 数据和模型
在研究市场关联性的技术方法上，需要解决两
个层面的问题，一是选择度量股市特征的变量，收益
率的条件方差可以研究波动溢出效应，例如，
Ｈａｍａｏ等 （１９９０）［１６］、Ｌｉｎ 等 （１９９４）［１７］、Ｋｉｎｇ 等
（１９９４）［１８］、Ｅｎｇｌｅ等（１９９０）［１９］、Ｃｈａｎ等（１９９２）［２０］就
是先后通过建立ＧＡＲＣＨ、ＳＶ模型，检验方差的波
动来研究溢出问题。Ｖａｒ可以研究极端风险的溢
出，代表性的研究有洪永淼等（２００３）［２１］。利用收益
率本身也可以研究各个指数或股票收益率之间的协
整关系，可参见吴世农和潘越（２００５）［２１］对中国大陆
和香港股市的分析。针对这第一个层面，我们选择
Ｅｎｇｌｅ和Ｌｅｅ（１９９９）［２２］提出的组合条件异方差自回
归模型（ＣＧＡＲＣＨ），这个模型的好处在于它可以给
出波动性的长短期组成成份，更加全面地反映波动
的特征。技术方法的第二个层面是选择度量这些变
量之间关系的方法，代表性的有各种回归方法，协整
检验，Ｇｒａｎｇｅｒ因果检验等，我们的目的是要检验波
动特征以及引起波动变化的行为特征在市场之间的
长短期关联，回归模型、协整检验往往不太适宜用来
考察变量之间的关联存在较多滞后期的情况，因而
选择均值Ｇｒａｎｇｅｒ因果关系检验。
２．１ 收益率数据
上证基金指数和深市基金指数分别代表沪、深
两个交易所市场的封基整体价格水平。两市各有
１３只封闭式基金产品。两市基金指数具有近似的
表现。为减少重复叙述，本文选择深市基金指数代
表封闭式基金市场进行研究。
本文考察深市基金指数（ＳＪ）与中证基金指数
（ＺＺＪ）、６个有代表性的股票价格指数（沪深３００
（ＨＳ３００）、上证５０（Ｈ５０）、深１００（Ｓ１００）、中小板综
指（ＺＸＢ）、上证Ｂ股（ＨＢ）、深证Ｂ股（ＳＢ））、４个仿
真股指期货合约（当月连续合约（ＩＦ１）、下月连续合
约（ＩＦ２）、下季连续合约 （ＩＦ３）、隔季连续合约
（ＩＦ４））、中信标普国债指数（ＧＺ）、中信标普企债指
数（ＱＺ）。
收益率数据根据各个指数从２００６年１０月３１
日（股指期货仿真交易启动的次日）起到２００９年１２
月３１日的日收盘数据计算得出。设Ｐｔ为ｔ时刻指
数值，则定义时刻ｔ的日收益率如下：
ｒｔ＝ｌｎ（Ｐｔ／Ｐｔ－１） （１）
２．２ 波动度量指标的选取
Ｅｎｇｌｅ和 Ｌｅｅ（１９９９）［２３］，Ｅｎｇｌｅ和 Ｒｏｓｅｎｂｅｒｇ
（２０００）［２４］，Ａｌｉｚａｄｅｈ 和 Ｂｒａｎｄｔ 等 （２００２）［２５］，
Ｂｏｌｌｅｒｓｌｅｖ和Ｚｈｏｕ（２００２）［２６］，Ｃｈｅｒｎｏｖ和 Ｇａｌｌａｎｔ
等（２００３）［２７］，Ｃｈａｃｋｏ和Ｖｉｃｅｉｒａ（２００３）［２８］发现双组
成成份的波动模型比单成份模型能更好地刻画收益
率波动。而对于不同的波动组份，市场要求的风险
回报也是不同的。Ｍａｌｋｉｅｌ（１９７９）［２９］，Ｐｉｎｄｙｃｋ
（１９８４）［３０］，Ｐｏｔｅｒｂａ和Ｓｕｍｍｅｒｓ（１９８６）［３１］认为只有
持久性的波动才能引起风险回报的显著变化。Ａ－
ｄｒｉａｎ和Ｒｏｓｅｎｂｅｒｇ（２００５）［３２］进一步发现长期波动
性的风险升水比短期的更大。因而，本文的实证模
型基于Ｅｎｇｌｅ和Ｌｅｅ（１９９９）［３３］发明的组合条件异方
差自回归模型（ＣＧＡＲＣＨ）。根据研究问题的需要，
本文做了一些调整。
首先看单波动成份的ＧＡＲＣＨ模型：
ｒｔ＝ｃ＋ｍσｔ＋εｔ
εｔ ＝ＡＲεｔ－１＋ｕｔ＋ＭＡｕｔ－１
ｕｔ＝σｔｖｔ
σ２ｔ ＝ω＋αｕ２ｔ－１＋γθｔ－１ｕ２ｔ－１＋βσ
２
ｔ－
烅
烄
烆 １
（２）
模型首行是收益率方程，ｒｔ 是收益率，σｔ 是收
·２· 中国管理科学 ２０１１年
益率的标准差，ｃ、ｍ 是回归系数，εｔ 是残差项。第
二、第三行是残差方程，这里设定残差εｔ 服从 ＡＲ－
ＭＡ过程，ＡＲ、ＭＡ是回归系数，ｖｔ服从标准正态分
布，ｕｔ是εｔ中与σｔ对应的残差部分。第四行是波动
方程，ω是常数项，α、β和γ是回归系数，θｔ－１是虚拟
变量，如果残差εｔ－１＜０，θｔ－１＝１；否则θｔ－１＝０。该
模型假设条件方差服围绕 ω
１－α－β－
γ
２
服从一个
均值回复的过程。而ＣＧＡＲＣＨ模型对波动方程做
了修正：
｛ｒｔ＝ｃ＋ｍσｔ＋εｔ
εｔ ＝ＡＲεｔ－１＋ｕｔ＋ＭＡｕｔ－１
ｕｔ＝σｔｖｔ
σｔ２ ＝μｔ＋（α＋γθｔ－１）（εｔ－１
２－μｔ－１）＋β（σｔ－１
２－μｔ－１）
μｔ ＝＋ρ（μｔ－１－）＋（εｔ－１
２－σｔ－１２
烅
烄
烆 ）
（３）
其中，珔ω 是 常 数 项，ρ、φ 是 回 归 系 数，
ＣＧＡＲＣＨ模型假定条件方差σｔ２ 的回归均值是一
个随时间变化的μｔ，因而不仅能像一般的ＧＡＲＣＨ
类模型那样刻画短期条件波动性，还能够捕捉长期
波动性的变化特征：当ρ非常接近１（一般０．９９到１
之间）时，说明μｔ以非常慢的速度收敛于珔ω。
从模型（３）中提取２个变量作为度量波动特征
的指 标，定 义 ｐｇａｒｃｈｔ ＝μｔ、ｔｇａｒｃｈｔ ＝σｔ
２ －μｔ。
ｐｇａｒｃｈｔ等于条件方差的回归均值，反映了波动的长
期成份，用于刻画经济周期风险。ｔｇａｒｃｈｔ 等于条件
方差与长期波动成分之间的差额，反映了波动的短
期成份，用于刻画短期内的风险。
封闭式基金市场发生暴跌后，开放式基金、股
票、期指、债券市场的波动程度不一。因而，每个市
场常规的波动和极端风险对外溢出效应可能是不同
的，也就是说极端风险不一定导致极端风险，而可能
仅仅发生有限的影响。因此，针对两个市场同等性
质波动的因果检验不一定真实反映市场之间的关
联。为此，需要考察极端风险对条件波动的影响。
我们根据波动性的长短期组分在各自样本的０．９分
位数作为判定极端风险的阈值，一旦ｔｇａｒｃｈｔ（或者
ｐｇａｒｃｈｔ）超过其阈值，则认定为极端风险事件发生。
本文在Ｅｖｉｅｗｓ６．０统计软件环境中进行数据分
析，使用取分位数函数＠ｑｕａｎｔｉｌｅ进行处理。＠
ｑｕａｎｔｉｌｅ（ｄ，ａ，ｓ）表示序列ｄ在给定样本区间ｓ上的
ａ分位数。定义ｑｐｇａｒｃｈｔ、ｑｔｇａｒｃｈｔ 为长期、短期波
动极端风险变量，
ｑｐｇａｒｃｈｔ＝１
如果 ｐｇａｒｃｈｔ ＞ ＠ｑｕａｎｔｉｌｅ（ｐｇａｒｃｈｔ，０．９０，
ｓａｍｐｌｅ ｄａｔａ），
ｑｐｇａｒｃｈｔ＝０其他。
ｑｔｇａｒｃｈｔ＝１
如果ｔｇａｒｃｈｔ＞＠ｑｕａｎｔｉｌｅ（ｔｇａｒｃｈｔ，０．９０，ｓａｍ－
ｐｌｅ ｄａｔａ），
ｑｔｇａｒｃｈｔ＝０其他。
为了区分波动指标对不同市场的归属，本文针
对不同市场对以上指标加上前缀，例如市场Ａ的波
动指标分别表示为 Ａ＿ｐｇａｒｃｈｔ、Ａ＿ｔｇａｒｃｈｔ、Ａ＿ｑｐ－
ｇａｒｃｈｔ、Ａ＿ｑｔｇａｒｃｈｔ。
２．３ Ｇｒａｎｇｅｒ因果检验
考虑一个市场 ｛Ｙ１ｔ｝波动指标的变化在一般的
Ｇｒａｎｇｅｒ（１９６９，１９８０）［３５，３６］因果关系意义下是否会
引起另一个市场 ｛Ｙ２ｔ｝发生类似的变化。根据
Ｇｒａｎｇｅｒ的定义，令Ｉｔ－１ ≡ ｛Ｉ１（ｔ－１），Ｉ２（ｔ－１），｝，其中
Ｉ１（ｔ－１）＝｛Ｙ１（ｔ－１），…Ｙ１１，｝和Ｉ２（ｔ－１）＝｛Ｙ２（ｔ－１），…Ｙ２１，｝
分别是ｔ－１时刻市场１和市场２的信息集，如果
Ｈ０：Ｐ（Ｙ１ｔ＜－Ｖ１ｔ｜Ｉ１ｔ－１）＝Ｐ（Ｙ１ｔ ＜－Ｖ１ｔ｜
Ｉｔ－１） （４）
那么时间序列 ｛Ｙ２ｔ｝关于信息集Ｉｔ－１ 并不
Ｇｒａｎｇｅｒ－引起时间序列 ｛Ｙ１ｔ｝的变化。另一方面，若
ＨＡ：Ｐ（Ｙ１ｔ ＜－Ｖ１ｔ｜Ｉ１ｔ－１）≠Ｐ（Ｙ１ｔ ＜－Ｖ１ｔ｜
Ｉｔ－１） （５）
那么时间序列 ｛Ｙ２ｔ｝关于信息集Ｉｔ－１ Ｇｒａｎｇｅｒ－
引起时间序列 ｛Ｙ１ｔ｝的变化。
在计量模型中，广泛使用的均值Ｇｒａｎｇｅｒ因果
关系［３３］是上述概念的特例，即考虑Ｅ（Ｙ１ｔ｜Ｉ１ｔ－１）和
Ｅ（Ｙ１ｔ｜Ｉｔ－１）是否相等。
具体地，检验Ｘ不是引起Ｙ变化的原因的原假
设就是对下面两个回归模型进行估计：
Ｙ＝∑
ｍ
ｉ＝１
αｉＹｔ－ｉ＋∑
ｍ
ｉ＝１
βｉＸｔ－ｉ＋εｔ（无限制条件回
归） （６）
Ｙ ＝∑
ｍ
ｉ＝１
αｉＹｔ－ｉ＋εｔ（有限制条件回归） （７）
用各回归的残差平方和计算Ｆ统计量，检验系
数β１，β２，．．．βｍ 是否同时显著不为０。该检验在实
际应用上经常遇到的一个问题是滞后期ｍ 的选择。
通常应首先选择不同的滞后期进行观察后确定或者
根据ＡＩＣ准则筛选最优模型后确定。但由于我们
考察的变量中，长期波动性以及波动参数之间的影
响可能有一个相当长的滞后效应，并且不同市场不
·３·第６期 赵秀娟等：封闭式基金价格指数波动溢出效应研究
同指标之间的最优滞后期不同，为了方便对每个市
场和指标进行模式统一的分析，我们从１到１３０期
之间选择大量不同的滞后期进行检验。这里的一个
问题是，用什么标准判定两个市场之间有联动效应。
通常情况下，如果大于某个滞后期的Ｇｒａｎｇｅｒ因果
检验，都能够支持两者之间联动效应的存在，则可以
比较有把握地确认两者之间存在 Ｇｒａｎｇｅｒ因果关
系。
具体到本文研究的重点，我们希望了解深市基
金指数与其他指数同一层面条件波动之间的相互影
响，以及同一层面极端风险对条件波动的影响。为
了检验市场Ａ对市场Ｂ的影响，就是分别针对两个
市场在ｐｇａｒｃｈｔ、ｔｇａｒｃｈｔ、ｑｐｇａｒｃｈｔ、ｑｔｇａｒｃｈｔ 的指标
做４ 类检验：（１）是令 Ｘ＝Ａ＿ｐｇａｒｃｈｔ，Ｙ＝Ｂ＿
ｐｇａｒｃｈｔ；（２）是令Ｘ＝Ａ＿ｔｇａｒｃｈｔ，Ｙ＝Ｂ＿ｔｇａｒｃｈｔ；（３）
是令Ｘ＝Ａ＿ｑｐｇａｒｃｈｔ，Ｙ＝Ｂ＿ｐｇａｒｃｈｔ；（４）是令Ｘ＝
Ａ＿ｑｔｇａｒｃｈｔ，Ｙ＝Ｂ＿ｔｇａｒｃｈｔ。也就是说，（１）（２）检验
条件波动对条件波动的影响，而（３）（４）检验极端风
险对条件波动的影响。在给定波动的度量指标下，
讨论市场Ａ和Ｂ之间的引领关系就是要把Ａ和Ｂ
的波动指标构成一组，同时检验市场Ａ的波动指标
对市场Ｂ的波动指标影响以及市场Ｂ的波动指标
对市场Ａ的波动指标的影响。
３ 实证结果和分析
我们讨论深市基金指数和开放式基金、股票、
仿真期指、债券市场的１３个重要指数在２００６年
１０月３１日至２００９年１２月３１日的样本区间上的
引领关系。考虑到实际投资活动的时效性，指数
之间半年以内的滞后效应比较有意义。我们在表
１到表４分别从长期波动、短期波动、长期波动极
端风险、短期波动极端风险四个角度，选择了１到
１３０个交易日间不同的滞后期进行 Ｇｒａｎｇｅｒ因果
检验。因而针对每一个波动指标一共有１３组因
果检验。第一列的Ｘ＝＞Ｙ表示原假设为Ｘ不能
Ｇｒａｎｇｅｒ引起Ｙ的变化，数据表的第一行代表了检
验的不同滞后期，表中的数据是Ｇｒａｎｇｅｒ因果检验
中Ｆ统计量所对应的ｐ值。其中小于５％的结果
用黑体字突出显示。因而黑体意味着我们可以在
给定的滞后期下，以５％的概率拒绝该假设，从而
认为Ｘ能够Ｇｒａｎｇｅｒ引起Ｙ的变化。每个表最后
一行统计了黑体字的数量，其中“溢入”表示结果
认为深市基金指数显著受其它指数的影响的检验
数量，“溢出”统计了结果认为深市基金指数显著
引起其它指数变化的检验数量，以及全部关联数
量，相关＝溢入＋溢出。
从这些表中可见，很多变量之间的关联是在选
用较长滞后期的检验中稳定地被识别出来的，例如
在表１针对ｐｇａｒｃｈ指标的检验，中证基金指数波动
的长期成分对深市基金指数波动的长期成分的影响
在滞后期超过７０个交易日的检验中才被稳定地识
别。这说明波动之间的联系存在滞后效应，因而选
取较长滞后期做检验对识别问题很重要。另外，很
多对检验显示，短期内显著的引领关系而在长期消
失，例如表１中所列针对ＳＪ＝＞ＺＸＢ的检验，在滞
后期为１０和５０个交易日的检验中都显示深市基金
指数影响中小板综指，但滞后期大于７０个交易日以
后，这个引领关系消失。在考察深市基金指数对其
它指数的影响时，大量检验都发生了类似的情形。
这说明在短期看来似乎存在的深市基金指数对其它
指数的引领关系，事实上可以由该其它指数自己过
去的信息来解释。因而，只有那些在较长滞后期的
检验中一直呈显著的情况才能确认是存在引领关
系。每个表的第一列把满足这个标准的检验用
“＊＊”突出显示出来，表示这对检验确实存在引领
关系。
从表１可见，在长期波动性方面，深市基金指
数ＳＪ受到中证开放式基金指数ＺＺＪ的溢入影响，
滞后期为７０个交易日；ＳＪ与国内 Ａ股、Ｂ股市场
主要股票指数间无显著的溢入溢出关系；ＳＪ会受
到当月连续合约ＩＦ１、下月连续合约ＩＦ２的溢入影
响，滞后期分别为３０和５０个交易日，并且ＳＪ对
ＩＦ１、ＩＦ２、ＩＦ３、ＩＦ４所有月份的仿真期指有溢出影
响，滞后期分别为５０、５０、３０和９０个交易日；ＳＪ对
中信标普企业债指数 ＱＺ有溢出影响，滞后期为
１１０个交易日。
从表２的短期波动性来看，深市基金指数ＳＪ
与中证开放式基金指数ＺＺＪ无引领关系；ＳＪ与中
小板综指ＺＸＢ存在双向因果关系，溢入滞后期为
７０个交易日，溢出滞后期为５０个交易日；ＳＪ与深
证Ｂ股指数ＳＢ有双向因果效应，溢入滞后期为
１３０个交易日，溢出滞后期为５０个交易日；ＳＪ会
受到ＩＦ１、ＩＦ２、ＩＦ３的溢入影响，滞后期分别为５０、
１３０、５０个交易日，并且ＳＪ对ＩＦ１、ＩＦ２、ＩＦ３、ＩＦ４所
有的仿真期指有溢出影响，滞后期分别为９０、９０、
７０和１１０个交易日；ＳＪ对中信标普国债指数 ＧＺ、
中信标普企业债指数ＱＺ有溢出效应，滞后期均为
１１０个交易日。
·４· 中国管理科学 ２０１１年
表１ 深市基金指数与其他市场指数ｐｇａｒｃｈ溢出检验（样本期间：２００６／１０／３１－２００９／１２／３１）
１０ ３０ ５０ ７０ ９０ １１０ １３０
ＳＪ＜＝ＺＺＪ＊＊ ０．０８１４ ０．０４０９ ０．２６ ０．００４２ ０．００７２ ０．００１４ ０．０００７
ＳＪ＝＞ＺＺＪ ０．５５８９ ０．４４７３ ０．２８７１ ０．２１１９ ０．２８２１ ０．４１６７ ０．１５８４
ＳＪ＜＝ＨＳ３００ ０．０７７７ ０．０６５６ ０．３４８８ ０．００７５ ０．１１１２ ０．０９６５ ０．１８４７
ＳＪ＝＞ＨＳ３００ ０．２９６９ ０．５９８３ ０．４７３７ ０．２８６４ ０．３２３８ ０．４６７１ ０．２９１８
ＳＪ＜＝Ｈ５０ ０．１９０９ ０．２４８７ ０．４７３ ０．０３３２ ０．１２７３ ０．１２５２ ０．１６９
ＳＪ＝＞Ｈ５０ ０．３４１７ ０．８５９９ ０．５８５９ ０．５９ ０．２４６２ ０．４５２２ ０．４４９３
ＳＪ＜＝Ｓ１００ ０．１６２９ ０．０６７４ ０．２３０９ ０．０６７ ０．１１８６ ０．０９６ ０．２７０８
ＳＪ＝＞Ｓ１００ ０．３１２６ ０．４５８４ ０．５７２５ ０．６４２２ ０．４３８１ ０．３１８ ０．２３１
ＳＪ＜＝ＺＸＢ ０．０７４６ ０．０１６６ ０．１０３ ０．０１７５ ０．２３６１ ０．２８２９ ０．６６６
ＳＪ＝＞ＺＸＢ ０．０３２ ０．１３１２ ０．０２２３ ０．０８１５ ０．３７３５ ０．２３２９ ０．３２１２
ＳＪ＜＝ＨＢ ０．０２２ ０．００１ ０．０１２１ ０．０１１９ ０．２１６５ ０．３４５３ ０．７０７５
ＳＪ＝＞ＨＢ ０．２７６ ０．３７１ ０．２２２６ ０．１１０３ ０．４９３ ０．０３１ ０．４０３３
ＳＪ＜＝ＳＢ ０．３０２３ ０．０１９８ ０．１２７２ ０．１０１４ ０．６６５８ ０．４１６９ ０．２８２１
ＳＪ＝＞ＳＢ ０．４５０４ ０．５１３５ ０．０８１８ ０．０２８６ ０．１３０２ ０．０７９１ ０．１４８８
ＳＪ＜＝ＩＦ１＊＊ ０．８５４８ ０．０２８３ ０．０１４５ ０．００２１ ４．００Ｅ－０５ ２．００Ｅ－０５ ３．００Ｅ－０５
ＳＪ＝＞ＩＦ１＊＊ ０．８３ ０．１９３５ ０．００２ ０．０００７ ３．００Ｅ－０５ １．００Ｅ－０７ ３．００Ｅ－０６
ＳＪ＜＝ＩＦ２＊＊ ０．１３０９ ０．０６６ ０．０３７６ ０．００６５ ０．０３０８ ０．０３４２ ０．０４７４
ＳＪ＝＞ＩＦ２＊＊ ０．６８１８ ０．３３１６ ０．０１４５ ０．０１０８ ０．０００２ ３．００Ｅ－０７ ２．００Ｅ－０６
ＳＪ＜＝ＩＦ３ ０．９３８ ０．４８３２ ０．００７１ ０．０１３２ ０．０１３９ ０．０４９７ ０．０５２６
ＳＪ＝＞ＩＦ３＊＊ ０．５８４９ ０．００６５ ０．００９１ １．００Ｅ－０５ ３．００Ｅ－０５ ２．００Ｅ－０７ ２．００Ｅ－１０
ＳＪ＜＝ＩＦ４ ０．６５７８ ０．２５１３ ０．４０３７ ０．５３６２ ０．６５３ ０．７６０７ ０．７７５９
ＳＪ＝＞ＩＦ４＊＊ ０．８１１８ ０．４６６８ ０．１５６ ０．２１９４ ０．０３１８ ０．０００４ ６．００Ｅ－０５
ＳＪ＜＝ＧＺ ０．００６１ ０．１０３２ ０．１３３４ ０．５５９１ ０．４７５５ ０．７２９６ ０．９５３７
ＳＪ＝＞ＧＺ ０．０７１１ ０．９５ ０．９７５６ ０．３７４ ０．４７７３ ０．０８９７ ０．１０６５
ＳＪ＜＝ＱＺ ０．０００８ ０．００６４ ０．０１９８ ０．２０９ ０．０９１ ０．１７８９ ０．４１８５
ＳＪ＝＞ＱＺ＊＊ ０．０４３８ ０．５９１１ ０．６５３３ ０．３２６８ ０．０９６４ ０．００１９ ０．０１１４
溢入 ３ 溢出 ５ 相关 ８
注：数据加粗表示在给定的滞后期５％的显著性水平下显著，＊＊表示在较长的滞后期的检验持续显著，存在引领关系
表２ 深市基金指数与其他市场指数ｔｇａｒｃｈ溢出检验（样本期间：２００６／１０／３１－２００９／１２／３１）
１０ ３０ ５０ ７０ ９０ １１０ １３０
ＳＪ＜＝ＺＺＪ ０．６９６３ ０．９１５４ ０．８５５１ ０．７５７２ ０．７５７９ ０．６６２７ ０．５１４８
ＳＪ＝＞ＺＺＪ ０．３１４７ ０．２４３６ ０．３３５５ ０．２９１６ ０．５０５３ ０．５９２４ ０．８５２４
ＳＪ＜＝ＨＳ３００ ０．７３０３ ０．２４２４ ０．４７１９ ０．５２０５ ０．６７７３ ０．８６２７ ０．７７７３
ＳＪ＝＞ＨＳ３００ ０．３７８４ ０．９０９４ ０．９２３ ０．８７０８ ０．８０１２ ０．９１７１ ０．９６９５
ＳＪ＜＝Ｈ５０ ０．５７７８ ０．４７６３ ０．３７０９ ０．６９５２ ０．９５０２ ０．９３３６ ０．９１７３
ＳＪ＝＞Ｈ５０ ０．４１２９ ０．８７３９ ０．９５５３ ０．８６５ ０．８６６４ ０．６４５３ ０．６８８２
ＳＪ＜＝Ｓ１００ ０．０４３９ ０．４２３６ ０．１２６３ ０．０６４７ ０．０９１５ ０．０４６４ ０．０５８
ＳＪ＝＞Ｓ１００ ０．１８５８ ０．４７４８ ０．８３９５ ０．７２１１ ０．７７０３ ０．８２２１ ０．８６４８
ＳＪ＜＝ＺＸＢ＊＊ ０．３１３５ ０．４４１４ ０．６５８６ ０．００３５ ０．００８５ ０．０３７１ ０．０１５１
ＳＪ＝＞ＺＸＢ＊＊ ０．１０１３ ０．２０９６ ０．００１６ ０．００４ ０．００７４ ０．０１３ ０．００３７
ＳＪ＜＝ＨＢ ０．１２２９ ０．０２５５ ０．０２６５ ０．０１７８ ０．０７０２ ０．１３３ ０．２８７５
ＳＪ＝＞ＨＢ ０．２３５９ ０．０８５２ ０．０４８１ ０．１１０１ ０．５７９７ ０．４７５５ ０．６８１５
ＳＪ＜＝ＳＢ＊＊ ０．９５７４ ０．２８４１ ０．６９０３ ０．０１６ ０．０２６６ ０．１３６８ ０．０４０９
ＳＪ＝＞ＳＢ＊＊ ０．０４６６ ０．３４１５ ０．００３９ ０．０１９５ ０．０１４５ ０．０１１９ ０．００９７
ＳＪ＜＝ＩＦ１＊＊ ０．９９８５ ０．１０４５ ０．００５２ ０．０１７６ ０．００４３ ０．０００４ １．００Ｅ－０５
ＳＪ＝＞ＩＦ１＊＊ ０．２９６ ０．０８２１ ０．３３５２ ０．０８３ ０．００３ ０．０００４ ０．００１９
ＳＪ＜＝ＩＦ２＊＊ ０．２４２７ ０．０３０９ ０．００７２ ０．０４０４ ０．０１２２ ０．０６１１ ０．０１９６
ＳＪ＝＞ＩＦ２＊＊ ０．１５９４ ０．４３６２ ０．５７８７ ０．２０５８ ０．０４６３ ０．００２８ ０．０００７
ＳＪ＜＝ＩＦ３＊＊ ０．９６５７ ０．３１４７ ５．００Ｅ－１０ ２．００Ｅ－０８ ２．００Ｅ－０６ ０．０００２ ０．００３３
ＳＪ＝＞ＩＦ３＊＊ ０．５１４２ ０．６４８７ ０．８２５３ ６．００Ｅ－０８ ４．００Ｅ－０８ ５．００Ｅ－１０ ４．００Ｅ－０９
ＳＪ＜＝ＩＦ４ ０．７１４２ ０．２３２４ ０．１２３ ０．５１７６ ０．４６３３ ０．６５６３ ０．４９３８
ＳＪ＝＞ＩＦ４＊＊ ０．６６７８ ０．０６２ ０．００５４ ０．０９２ ０．０５２８ ０．０１４７ ０．００３２
ＳＪ＜＝ＧＺ １．００Ｅ－０８ ５．００Ｅ－０８ ２．００Ｅ－０６ ０．０００５ ０．０５１３ ０．４２７９ ０．６３７１
ＳＪ＝＞ＧＺ＊＊ ０．０００２ ０．１２１２ ０．５３６ ０．８３８ ０．９２７６ ０．０００３ ０．０００６
ＳＪ＜＝ＱＺ ５．００Ｅ－０５ ２．００Ｅ－０５ ０．００３７ ０．０００５ ０．０００６ ０．０２５５ ０．１５３５
ＳＪ＝＞ＱＺ＊＊ ０．０１３４ ０．０７９２ ０．０７４ ０．４３３２ ０．７６６９ ０．０４０６ ０．０２２
溢入 ５ 溢出 ８ 相关 １３
注：数据加粗表示在给定的滞后期５％的显著性水平下显著，＊＊表示在较长的滞后期的检验持续显著，存在引领关系
·５·第６期 赵秀娟等：封闭式基金价格指数波动溢出效应研究
表３ 深市基金指数与其他市场指数ｑｐｇａｒｃｈ溢出检验（样本期间：２００６／１０／３１－２００９／１２／３１）
１０ ３０ ５０ ７０ ９０ １１０ １３０
ＳＪ＜＝ＺＺＪ＊＊ ０．１３４３ ０．２０２３ ０．１０４７ ０．１２６４ ０．０００２ ６．００Ｅ－０５ ４．００Ｅ－０５
ＳＪ＝＞ＺＺＪ ０．７６６６ ０．６８１２ ０．０３ ０．３２３３ ０．８８３１ ０．８８７９ ０．９４５９
ＳＪ＜＝ＨＳ３００＊＊ ０．３５ ０．３２６２ ０．１４８１ ０．１７８３ ０．０１０７ ０．００５７ ０．００５１
ＳＪ＝＞ＨＳ３００ ０．７６７３ ０．３５８５ ０．０６３９ ０．１７７５ ０．３０７４ ０．３４０５ ０．４３５５
ＳＪ＜＝Ｈ５０＊＊ ０．４４０８ ０．４７６２ ０．２４７５ ０．４９１ ０．００５７ ０．００１３ ０．００３１
ＳＪ＝＞Ｈ５０ ０．４８１６ ０．４６１２ ０．１１７８ ０．１８５２ ０．１６７４ ０．２２２４ ０．４０７４
ＳＪ＜＝Ｓ１００＊＊ ０．０８６７ ０．３３８９ ０．１１５１ ０．０６９１ ０．０２４２ ０．０６５４ ０．０３２６
ＳＪ＝＞Ｓ１００ ０．９１６４ ０．４４５ ０．０３２ ０．０９９３ ０．３００４ ０．３２８６ ０．５５９２
ＳＪ＜＝ＺＸＢ ０．００２４ ０．０３３５ ０．０５７ ０．０３１８ ０．０２２７ ０．１５９１ ０．１３９６
ＳＪ＝＞ＺＸＢ ０．７３９２ ０．４７０８ ０．０３３ ０．０１８６ ０．０１３６ ０．０４９７ ０．１５１５
ＳＪ＜＝ＨＢ＊＊ ０．０２１ ０．０００２ ６．００Ｅ－０６ ０．０００１ ０．０００５ ０．００２９ ０．００５９
ＳＪ＝＞ＨＢ＊＊ ０．４９４８ ０．０３６７ １．００Ｅ－０５ ３．００Ｅ－０５ ０．０００１ ０．０００２ ０．００２
ＳＪ＜＝ＳＢ＊＊ ０．００７４ ０．１０５２ ０．０７３５ ０．０９８５ ０．００７７ ０．００４１ ０．００２４
ＳＪ＝＞ＳＢ ０．４９６２ ０．２９０５ ３．００Ｅ－０５ ０．０００４ ０．０５３ ０．０２２９ ０．１１９８
ＳＪ＜＝ＩＦ１＊＊ ０．６９５６ ０．６７０４ ０．５７０９ ０．０１９２ ０．００１ ０．００３３ ０．０００１
ＳＪ＝＞ＩＦ１＊＊ ０．２８ ０．４６１９ ０．２６８５ ０．４４６１ ０．０６５９ ０．１１９１ ０．００３５
ＳＪ＜＝ＩＦ２ ０．５１５８ ０．８２９９ ０．５９１４ ０．０２７１ ０．０１７２ ０．０３０５ ０．１２７１
ＳＪ＝＞ＩＦ２＊＊ ０．２１３６ ０．１１２２ ０．００２５ ７．００Ｅ－０５ ２．００Ｅ－０６ ８．００Ｅ－０８ １．００Ｅ－０７
ＳＪ＜＝ＩＦ３＊＊ ０．９３３４ ０．９９８５ ０．３６６６ ０．０００１ ０．００３３ ０．０２４４ ０．０２０９
ＳＪ＝＞ＩＦ３＊＊ ０．００２５ ７．００Ｅ－１１ ６．００Ｅ－１４ ２．００Ｅ－１４ ６．００Ｅ－１４ ３．００Ｅ－１５ ５．００Ｅ－１８
ＳＪ＜＝ＩＦ４ ０．０５５３ ０．１５５ ０．１２１ ０．２０２ ０．４８６ ０．８３４５ ０．７５５４
ＳＪ＝＞ＩＦ４＊＊ ０．５０３６ ０．１８９７ ０．０１８８ ０．０９１２ ０．０４１１ ０．０００４ ４．００Ｅ－０５
ＳＪ＜＝ＧＺ ０．６４７５ ０．０１５６ ０．０３５ ０．６０６６ ０．９０７７ ０．９４３７ ０．９９６８
ＳＪ＝＞ＧＺ＊＊ ０．２３１６ ０．９９５６ ０．９５２ ０．０００２ ２．００Ｅ－０７ ３．００Ｅ－０６ ９．００Ｅ－０５
ＳＪ＜＝ＱＺ ０．０１３ ０．０００５ ０．００５９ ０．１５６５ ０．０１７２ ０．０５４６ ０．０５２８
ＳＪ＝＞ＱＺ＊＊ ０．０００４ ０．０６４７ ０．０５２６ ２．００Ｅ－０８ ９．００Ｅ－１４ ６．００Ｅ－１２ ６．００Ｅ－１０
溢入 ８ 溢出 ７ 相关 １５
注：数据加粗表示在给定的滞后期５％的显著性水平下显著，＊＊表示在较长的滞后期的检验持续显著，存在引领关系。
表４ 深市基金指数与其他市场指数ｑｔｇａｒｃｈ溢出检验（样本期间：２００６／１０／３１－２００９／１２／３１）
１０ ３０ ５０ ７０ ９０ １１０ １３０
ＤＳＪ＜＝ＺＺＪ ０．００１７ ０．０８ ０．００４４ ０．０１４９ ０．０３２３ ０．０５９９ ０．０９０１
ＤＷＪ＝＞ＺＺＪ ０．８２２５ ０．５４４９ ０．５９０４ ０．７６０１ ０．９３０４ ０．７９８８ ０．８３２３
ＳＪ＜＝ＨＳ３００ ０．００２３ ０．１５２８ ０．０５２ ０．１８２１ ０．１７１２ ０．１７６８ ０．１２０６
ＳＪ＝＞ＨＳ３００ ０．８９０５ ０．９７１９ ０．８８１５ ０．８９７ ０．９９２９ ０．９９２７ ０．９９７４
ＳＪ＜＝Ｈ５０ ０．０１３３ ０．１ ０．０７５２ ０．３３２３ ０．２６１１ ０．１１７７ ０．０７５２
ＳＪ＝＞Ｈ５０ ０．９９２１ ０．９６５１ ０．９７３８ ０．９４４６ ０．９９５９ ０．９９３７ ０．９９７１
ＳＪ＜＝Ｓ１００＊＊ ０．０２７４ ０．１０６５ ０．００８７ ０．０７０６ ０．０５０２ ０．０２９９ ０．００８５
ＳＪ＝＞Ｓ１００ ０．１２９８ ０．４５６ ０．７１ ０．５３９９ ０．８５０５ ０．８２６５ ０．８１０２
ＳＪ＜＝ＺＸＢ＊＊ ０．００９５ ０．１４３４ ０．０３３６ ０．０２５９ ０．００２８ ０．００１２ ０．００１８
ＳＪ＝＞ＺＸＢ ０．４５９９ ０．６１４５ ０．３６２３ ０．０４７ ０．３５３４ ０．４９０８ ０．２００４
ＳＪ＜＝ＨＢ ０．３４４１ ０．３４０８ ０．２３７７ ０．４５４９ ０．１７１１ ０．１４７８ ０．４４３６
ＳＪ＝＞ＨＢ ０．１４０５ ０．００１９ ０．０００４ ０．００１５ ０．００６１ ０．００３５ ０．４５９
ＳＪ＜＝ＳＢ＊＊ ０．０１３ ０．０６４１ ０．０２１５ ０．０１０１ ０．００２６ ０．０００３ ０．００５９
ＳＪ＝＞ＳＢ ０．４５ ０．４１４９ ０．２５１ ０．３４５３ ０．５１２９ ０．２８１２ ０．０９８５
ＳＪ＜＝ＩＦ１ ０．３０６５ ０．０６３３ ０．２１４１ ０．１７３１ ０．３０７ ０．１９２ ０．０７５９
ＳＪ＝＞ＩＦ１＊＊ ０．１２１５ ０．３９５３ ０．４０１８ ０．１３４ ０．００７１ ０．０００７ ０．０３３９
ＳＪ＜＝ＩＦ２ ０．１７７４ ０．０２９ ０．０５８４ ０．２８５８ ０．３５１４ ０．１８９２ ０．２２２３
ＳＪ＝＞ＩＦ２＊＊ ０．０３９７ ０．１３５２ ０．２８１４ ０．０７２８ ０．０６０６ ０．００９１ ０．００３３
ＳＪ＜＝ＩＦ３ ０．８９８９ ０．６２８ ０．５３６５ ０．８５１ ０．７４１４ ０．６４８３ ０．５３３１
ＳＪ＝＞ＩＦ３＊＊ ０．１０４６ ０．０４４９ ０．１９３６ ０．０３７ ０．０１３ ０．００６６ ０．００６４
ＳＪ＜＝ＩＦ４＊＊ ０．２６８１ ０．０７７３ ０．１２４２ ０．４５３２ ０．１５７９ ０．１１５ ０．０２６２
ＳＪ＝＞ＩＦ４ ０．１５６ ０．３２１４ ０．２６４ ０．４９１３ ０．０７４ ０．０７１８ ０．０６５９
ＳＪ＜＝ＧＺ ０．３６７３ ０．５０９８ ０．５５５９ ０．７２２２ ０．７７１７ ０．６２８５ ０．５２８９
ＳＪ＝＞ＧＺ ０．８９５４ ０．８３８４ ０．９４１９ ０．９１１ ０．９４１６ ０．７５５９ ０．６０２６
ＳＪ＜＝ＱＺ ０．８０２６ ０．７９４２ ０．９４９８ ０．８４６２ ０．５７９４ ０．５９５６ ０．８０８３
ＳＪ＝＞ＱＺ ０．９２３４ ０．９９１７ ０．９７７５ ０．９７５８ ０．９９４８ ０．９６１３ ０．８５８６
溢入 ４ 溢出 ３ 相关 ７
注：数据加粗表示在给定的滞后期５％的显著性水平下显著，＊＊表示在较长的滞后期的检验持续显著，存在引领关系
·６· 中国管理科学 ２０１１年
从表３来看，深市基金指数ＳＪ的长期极端风险
对中证开放式基金指数ＺＺＪ的条件波动的长期成
分无溢出影响；ＳＪ的长期极端风险对Ａ股主要指数
的长期波动成分无溢出影响；ＳＪ的长期极端风险对
上证Ｂ股指数 ＨＢ长期波动成分有溢出效应，滞后
期为３０个交易日；ＳＪ的长期极端风险对ＩＦ１、ＩＦ２、
ＩＦ３、ＩＦ４所有的仿真期指长期波动成分均有溢
出效应，滞后期分别为１３０、５０、１０和９０个交易日；
ＳＪ的长期极端风险对中信标普国债指数 ＧＺ、中信
标普企业债指数 ＱＺ的长期波动成分有溢出效应，
滞后期均为７０个交易日。
从表４来看，深市基金指数ＳＪ的短期极端风险
对中证开放式基金指数ＺＺＪ、国内股票市场主要指
数、中信国债指数ＧＺ、中信企债指数 ＱＺ的短期波
动成分的溢出效应不显著；ＳＪ的短期极端风险对
ＩＦ１、ＩＦ２、ＩＦ３仿真期指的短期波动成分有溢出效
应，滞后期分别为９０、１１０、７０个交易日。
根据以上实证结果，我们认为：
（１）对于开放式基金市场，深市基金指数ＳＪ对
中证开放式基金指数ＺＺＪ无溢出影响；
（２）对于Ａ股市场，深市基金指数ＳＪ对多数指
数无溢出影响，仅存在ＳＪ的短期波动性对中小板综
指ＺＸＢ滞后５０个交易日的溢出效应；
（３）对于Ｂ股市场，深市基金指数ＳＪ的短期波动
性对深证Ｂ股指数ＳＢ存在滞后５０个交易日的溢出
效应；ＳＪ的长期极端风险会对上证Ｂ股指数ＨＢ的长
期波动成分产生滞后３０个交易日的溢出影响；
（４）对于仿真期指，除了ＳＪ的短期极端风险对
隔季连续合约ＩＦ４溢出效应不显著以外，深市基金
指数ＳＪ对各月份仿真期指合约存在全面的溢出效
应。ＳＪ的长期波动成分对ＩＦ１、ＩＦ２、ＩＦ３、ＩＦ４的长
期波动成分的溢出滞后期分别为５０、５０、３０和９０个
交易日，ＳＪ的短期波动成分对ＩＦ１、ＩＦ２、ＩＦ３、ＩＦ４的
短期波动成分的溢出滞后期分别为９０、９０、７０和
１１０个交易日，ＳＪ的长期极端风险对ＩＦ１、ＩＦ２、ＩＦ３、
ＩＦ４的长期波动成分的溢出滞后期分别为１３０、５０、
１０和９０个交易日，ＳＪ的短期极端风险对ＩＦ１、ＩＦ２、
ＩＦ３的短期波动成分的溢出滞后期分别为９０、１１０
和７０个交易日；
（５）对于债券市场，深市基金指数ＳＪ的长期波
动性对中信标普企业债指数ＱＺ存在滞后１１０个交
易日的溢出影响；ＳＪ的短期波动性对与中信标普国
债指数ＧＺ、中信标普企业债指数ＱＺ存在滞后１１０
个交易日的溢出影响；ＳＪ的长期极端风险对 ＧＺ、
ＱＺ条件方差的长期波动成分均有滞后７０个交易
日的溢出影响。
在实际的投资管理过程中，投资者可以将深市
基金指数作为一个重要的风向标，定期监测其波动
性，如果发生了异常波动，机构投资者有必要考虑该
异常波动对所持有的其他资产配置头寸的溢出影
响，及时调整资产配置的比例，从而有较大的把握获
得更高的超额收益，规避较多的风险。
４ 结语
本文运用ＣＧＡＲＣＨ模型和Ｇｒａｎｇｅｒ因果检验
分析了深市基金指数和国内股市、仿真期指、债券、
基金市场主要的１３个指数之间的联动关系。我们
认为，市场之间波动的关联不仅仅会体现在条件波
动性的相互影响，也会体现在极端风险对条件波动
分布的影响。因而，我们提取了指数收益率波动的
长短期成份以及对应的极端风险事件，并检验了深
市基金指数与１３个主要指数在波动上的关联性，以
及极端风险对条件方差长短期波动成分的溢出
效应。
我们发现，深市基金指数显著地受到中证基金
指数长期波动成分的溢入影响。这说明尽管封闭式
基金在二级市场交易，但基金净值是其价格的基础，
投资封闭式基金需重点考察其净值增长能力。深市
基金指数对Ａ股市场整体上的溢出效应不明显，仅
在短期波动性和短期极端风险方面对中小板综指有
溢出影响；深市基金指数的长短期极端风险，对Ｂ
股市场指数存在显著的溢出效应；深市基金指数的
四种风险对各月份仿真期指市场的溢出影响很显
著；深市基金指数的风险波动对债券市场也存在显
著的溢出影响。投资者可以将深市基金指数作为一
个重要的风向标，跟踪其波动变化情况，适时调整所
持有的资产配置比例，以求获得更高的收益，规避较
多的风险。
和我们的研究相关的另一个实际问题是对股指
期货的监管。中国金融期货交易所于２００６年１０月
３０日启动沪深３００股指期货的仿真交易以来，在完
善股指期货合约、规则与系统测试、深化投资者教育
活动等方面成效显著。２０１０年４月１６日股指期货
正式推出，这将为市场提供更宽泛的投机和风险管
理工具。然而，股指期货的波动除了投机性买卖因
素以外，更重要的来源是标的股指本身的波动和市
场预期变化导致的投机套利行为。我们的研究发
现，封闭式基金作为沪深３００指数的重要替代品，其
·７·第６期 赵秀娟等：封闭式基金价格指数波动溢出效应研究
波动性与仿真期指紧密相关。因此，我们的结论也
有利于国内监管当局以及投资者审慎的对待目前封
闭式基金市场的影响力并端正风险防范的观念。
参考文献：
［１］李凌波，史敏，徐山鹰，汪寿阳，赵秀娟．中国证券投资基
金业绩效评价与风险管理［Ｍ］．湖南大学出版社，２００６．
［２］范奎，赵秀娟，汪寿阳 ．全球主要股市间信息溢出的变
异性研究［Ｊ］．管理科学学报，２０１０，１３（９）：８７－９７．
［３］赵秀娟，汪寿阳 ．中国证券投资基金评价研究［Ｍ］．科
学出版社，２００７．
［４］赵秀娟，张洪水 ．Ｍａｌｍｑｕｉｓｔ指数在中国证券投资基金
业评价中的应用［Ｊ］．系统工程理论与实践，２０１０，３０
（４）：６４６－６５３．
［５］Ｂａｉｌｅｙ，Ｗ．．Ｒｉｓｋ ａｎｄ ｒｅｔｕｒｎ ｏｎ Ｃｈｉｎａ ｎｅｗ ｓｔｏｃｋ ｍａｒ－
ｋｅｔ：Ｓｏｍｅ ｐｒｅｌｉｍｉｎａｒｙ ｅｖｉｄｅｎｃｅ［Ｊ］．Ｐａｃｉｆｉｃ Ｂａｓｉｎ Ｆｉ－
ｎａｎｃｅ Ｊｏｕｒｎａｌ，１９９４，２（２－３）：２４３－２６０．
［６］Ｊｏｈｎｓｏｎ，Ｒ．，Ｓｕｎ，Ｍ．，Ｓｏｅｎｅｎ，Ｌ．．Ｔｈｅ Ｓｈｅｎｚｈｅｎ
ｓｔｏｃｋ ｅｘｃｈａｎｇｅ：Ａｎ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｔｈｅ ｒｉｓｋ ａｎｄ ｒｅｔｕｒｎ
［Ｊ］．Ａｓｉａｎ Ｂｕｓｉｎｅｓｓ，１９９４，１０：１－１６．
［７］Ｈｕａｎｇ，Ｂ．Ｎ．，Ｙａｎｇ，Ｃ．Ｗ．．Ｃａｕｓａｌｉｔｙ ａｎｄ ｃｏｉｎｔｅｇｒａ－
ｔｉｏｎ ｏｆ ｓｔｏｃｋ ｍａｒｋｅｔｓ ａｍｏｎｇ ｔｈｅ Ｕｎｉｔｅｄ Ｓｔａｔｅｓ，Ｊａｐａｎ，
ａｎｄ ｔｈｅ Ｓｏｕｔｈ Ｃｈｉｎａ Ｇｒｏｗｔｈ Ｔｒｉａｎｇｌｅ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ
Ｒｅｖｉｅｗ ｏｆ Ｆｉｎａｎｃｉａｌ Ａｎａｌｙｓｉｓ，２０００，９：２８１－２９７．
［８］王凯涛，胡四修 ．深圳股票市场与基金市场互动关系的
计量分析［Ｊ］．湖北大学学报（自然科学版），２００３，２５
（１）：１９－２３．
［９］胡燕京，张方杰 ．中国股票市场、基金市场及国债市场
间的协整关系研究［Ｊ］．华东经济管理，２００５，１９（２）：１２２
－１２４．
［１０］牛方磊，卢小广 ．基于ＡＲＣＨ类模型的基金市场波动
性研究［Ｊ］．统计与决策，２００５，２４：１０９－１１０．
［１１］牛方磊 ．我国封闭式基金市场关联性与价格波动研究
［Ｄ］．河海大学，２００６．
［１２］孟祥友 ．封闭式基金市场波动特征研究［Ｄ］．西南财
经大学，２００６．
［１３］傅东升 ．我国封闭式基金波动的实证研究［Ｄ］．复旦
大学，２００７．
［１４］崔婧，赵秀娟，宋吟秋 ．中日股价序列相似性的比较分
析［Ｊ］．系统工程理论与实践，金融系统工程专辑，
２００９，２９（１２）：１２５－１３３．
［１５］Ｚｈａｏ，Ｘ．，Ｓｈｉ，Ｊ．．Ｅｖａｌｕａｔｉｏｎ ｏｆ ｍｕｔｕａｌ ｆｕｎｄｓ ｕｓｉｎｇ
ｍｕｌｔｉ－ｄｉｍｅｎｓｉｏｎａｌ ｉｎｆｏｒｍａｔｉｏｎ［Ｊ］．Ａｃｃｅｐｔｅｄ ｂｙ Ｆｒｏｎ－
ｔｉｅｒｓ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ｉｎ Ｃｈｉｎａ，ｔｏ ａｐｐｅａｒ ｉｎ ２０１０．
［１６］Ｈａｍａｏ，Ｙ．，Ｍａｓｕｌｉｓ，Ｒ．Ｗ．，Ｎｇ，Ｖ．．Ｃｏｒｒｅｌａｔｉｏｎｓ ｉｎ
Ｐｒｉｃｅ Ｃｈａｎｇｅｓ ａｎｄ Ｖｏｌａｔｉｌｉｔｙ ａｃｒｏｓｓ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｔｏｃｋ
Ｍａｒｋｅｔｓ Ｒｅｖｉｅｗ ｏｆ Ｆｉｎａｎｃｉａｌ Ｓｔｕｄｉｅｓ，１９９０，３：２８１－３０７．
［１７］Ｌｉｎ，Ｗ．，Ｅｎｇｌｅ，Ｒ．Ｆ．，Ｉｔｏ，Ｔ．．Ｄｏ ｂｕｌｌｓ ａｎｄ ｂｅａｒｓ
ｍｏｖｅ ａｃｒｏｓｓ ｂｏｒｄｅｒｓ？Ｉｎｔｅｒｎａｔｉｏｎａｌ ｔｒａｎｓｍｉｓｓｉｏｎ ｏｆ
ｓｔｏｃｋ ｒｅｔｕｒｎｓ ａｎｄ ｖｏｌａｔｉｌｉｔｙ［Ｊ］．Ｒｅｖｉｅｗ ｏｆ Ｆｉｎａｎｃｉａｌ
Ｓｔｕｄｉｅｓ，１９９４，７：５０７－５３８．
［１８］Ｋｉｎｇ，Ｍ．，Ｓｅｎｔａｎａ，Ｅ．，Ｗａｄｈｗａｎｉ，Ｓ．．Ｖｏｌａｔｉｌｉｔｙ ａｎｄ
ｌｉｎｋｓ ｂｅｔｗｅｅｎ ｎａｔｉｏｎａｌ ｓｔｏｃｋ ｍａｒｋｅｔｓ［Ｊ］．Ｅｃｏｎｏｍｅｔｒｉ－
ｃａ，１９９４，６２：９０１－９３３１．
［１９］Ｅｎｇｌｅ，Ｒ．Ｆ．，Ｉｔｏ，Ｔ．，Ｌｉｎ，Ｗ．Ｌ．．Ｍｅｔｅｏｒ ｓｈｏｗｅｒｓ ｏｒ
ｈｅａｔ ｗａｖｅｓ？Ｈｅｔｅｒｏｓｋｅｄａｓｔｉｃ ｉｎｔｒａｄａｉｌｙ ｖｏｌａｔｉｌｉｔｙ ｉｎ ｔｈｅ
ｆｏｒｅｉｇｎ ｅｘｃｈａｎｇｅ ｍａｒｋｅｔ［Ｊ］．Ｅｃｏｎｏｍａｔｒｉｃａ，１９９０，５８：
５２５－５４２．
［２０］洪永淼，成思危，刘艳辉，汪寿阳 ．中国股市与世界其
它股市之间的大风险溢出效应［Ｊ］．经济学季刊，２００４，
３（３）：７０３－７２４．
［２１］吴世农，潘越，香港红筹股、Ｈ股与内地股市的协整关
系和引导关系研究［Ｊ］．管理学报，２００５，２：１９０－１９９．
［２２］Ｅｎｇｌｅ，Ｒ．Ｆ，Ｌｅｅ，Ｇ．．Ａ Ｐｅｒｍａｎｅｎｔ ａｎｄ Ｔｒａｎｓｉｔｏｒｙ
Ｍｏｄｅｌ ｏｆ Ｓｔｏｃｋ Ｒｅｔｕｒｎ Ｖｏｌａｔｉｌｉｔｙ，ｉｎ Ｒ．Ｅｎｇｌｅ ａｎｄ Ｈ．
Ｗｈｉｔｅ，ｅｄｓ，Ｃｏｉｎｔｅｇｒａｔｉｏｎ，Ｃａｕｓａｌｉｔｙ，ａｎｄ Ｆｏｒｅｃａｓ－
ｔｉｎｇ：Ａ Ｆｅｓｔｓｃｈｒｉｆｔ ｉｎ Ｈｏｎｏｒ ｏｆ Ｃｌｉｖｅ Ｗ．Ｊ．Ｇｒａｎｇｅｒ
［Ｍ］．Ｏｘｆｏｒｄ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ：Ｏｘｆｏｒｄ，ＵＫ．１９９９．
［２３］Ｅｎｇｌｅ，Ｒ．，Ｒｏｓｅｎｂｅｒｇ，Ｊ．．Ｔｅｓｔｉｎｇ ｔｈｅ ｖｏｌａｔｉｌｉｔｙ ｔｅｒｍ
ｓｔｒｕｃｔｕｒｅ ｕｓｉｎｇ ｏｐｔｉｏｎ ｈｅｄｇｉｎｇ ｃｒｉｔｅｒｉａ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ
Ｄｅｒｉｖａｔｉｖｅｓ，２０００，８：１０－２８．
［２４］Ａｌｉｚａｄｅｈ，Ｓ．，Ｂｒａｎｄｔ，Ｍ．，Ｄｉｅｂｏｌｄ，Ｆ．．Ｒａｎｇｅ－ｂａｓｅｄ
ｅｓｔｉｍａｔｉｏｎ ｏｆ ｓｔｏｃｈａｓｔｉｃ ｖｏｌａｔｉｌｉｔｙ ｍｏｄｅｌｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ
Ｆｉｎａｎｃｅ，２００２，５７：１０４７－１０９１．
［２５］Ｂｏｌｌｅｒｓｌｅｖ，Ｔ．，Ｚｈｏｕ，Ｈ．．Ｅｓｔｉｍａｔｉｎｇ ｓｔｏｃｈａｓｔｉｃ ｖｏｌａ－
ｔｉｌｉｔｙ ｄｉｆｆｕｓｉｏｎ ｕｓｉｎｇ ｃｏｎｄｉｔｉｏｎａｌ ｍｏｍｅｎｔｓ ｏｆ Ｉｎｔｅｇｒａｔｅｄ
ｖｏｌａｔｉｌｉｔｙ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｅｔｒｉｃｓ，２００２，１０９：３３－
６５．
［２６］Ｃｈｅｒｎｏｖ，Ｍ．，Ｇａｌｌａｎｔ，Ｒ．，Ｇｈｙｓｅｌｓ，Ｅ．，Ｔａｕｃｈｅｎ，Ｇ．．
Ａｌｔｅｒｎａｔｉｖｅ ｍｏｄｅｌｓ ｆｏｒ ｓｔｏｃｋ ｐｒｉｃｅ ｄｙｎａｍｉｃｓ［Ｊ］．Ｊｏｕｒ－
ｎａｌ ｏｆ Ｅｃｏｎｏｍｅｔｒｉｃｓ，２００３，１１６：２２５－２５７．
［２７］Ｃｈａｃｋｏ，Ｇ．，Ｖｉｃｅｉｒａ，Ｌ．．Ｓｐｅｃｔｒａｌ ＧＭＭ ｅｓｔｉｍａｔｉｏｎ ｏｆ
Ｃｏｎｔｉｎｕｏｕｓ－Ｔｉｍｅ Ｐｒｏｃｅｓｓｅｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｅｔ－
ｒｉｃｓ ２００３，１１６：２５９－２９２．
［２８］Ｍａｌｋｉｅｌ，Ｂ．．Ｔｈｅ ｃａｐｉｔａｌ ｆｏｒｍａｔｉｏｎ ｐｒｏｂｌｅｍ ｉｎ ｔｈｅ Ｕ－
ｎｉｔｅｄ Ｓｔａｔｅｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｆｉｎａｎｃｅ，１９７９，３４：２９１－
３０６．
［２９］Ｐｉｎｄｙｃｋ，Ｒ．Ｓ．．Ｒｉｓｋ，ｉｎｆｌａｔｉｏｎ，ａｎｄ ｔｈｅ ｓｔｏｃｋ ｍａｒｋｅｔ［Ｊ］．
Ｔｈｅ Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗ，１９８４，７４（３）：３３５－３５１．
［３０］Ｐｏｔｅｒｂａ，Ｊ．Ｍ．，Ｓｕｍｍｅｒｓ，Ｌ．Ｈ．．Ｔｈｅ ｐｅｒｓｉｓｔｅｎｃｅ ｏｆ
ｖｏｌａｔｉｌｉｔｙ ａｎｄ ｓｔｏｃｋ ｍａｒｋｅｔ ｆｌｕｃｔｕａｔｉｏｎｓ［Ｊ］．Ｔｈｅ Ａｍｅｒ－
ｉｃａｎ Ｅｃｏｎｏｍｉｃ ｒｅｖｉｅｗ，１９８６，７６（５）：１１４２－１１５１．
［３１］Ａｄｒｉａｎ，Ｔ．，Ｒｏｓｅｎｂｅｒｇ，Ｊ．Ｖ．．Ｓｔｏｃｋ ｒｅｔｕｒｎｓ ａｎｄ ｖｏｌａ－
ｔｉｌｉｔｙ：Ｐｒｉｃｉｎｇ ｔｈｅ ｌｏｎｇ－ｒｕｎ ａｎｄ ｓｈｏｒｔ－ｒｕｎ ｃｏｍｐｏｎｅｎｔｓ
ｏｆ ｍａｒｋｅｔ ｒｉｓｋ［Ｒ］．ｗｏｒｋｉｎｇ ｐａｐｅｒ，２００５．
［３２］Ｇｒａｎｇｅｒ，Ｃ．Ｗ．Ｊ．．Ｉｎｖｅｓｔｉｇａｔｉｎｇ ｃａｕｓａｌ ｒｅｌａｔｉｏｎｓ ｂｙ ｅ－
ｃｏｎｏｍｅｔｒｉｃ ｍｏｄｅｌｓ ａｎｄ ｃｒｏｓｓ－ｓｐｅｃｔｒａｌ ｍｅｔｈｏｄｓ［Ｊ］．
Ｅｃｏｎｏｍｅｔｒｉｃａ，１９６９，３７：４２４－４３８．
［３３］Ｇｒａｎｇｅｒ，Ｃ．Ｗ．Ｊ．．Ｔｅｓｔｉｎｇ ｆｏｒ ｃａｕｓａｌｉｔｙ：Ａ ｐｅｒｓｏｎａｌ
ｖｉｅｗ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃ Ｄｙｎａｍｉｃｓ ａｎｄ Ｃｏｎｔｒｏｌ，
１９８０，２：３２９－３５２．
·８· 中国管理科学 ２０１１年
Ｓｔｕｄｙ ｏｎ ｔｈｅ Ｓｐｉｌｌｏｖｅｒ Ｅｆｆｅｃｔ ｏｆ ｔｈｅ Ｖｏｌａｔｉｌｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ Ｃｌｏｓｅｄ－ｅｎｄ Ｆｕｎｄ Ｐｒｉｃｅ Ｉｎｄｉｃｅｓ
———Ｃａｓｅ ｏｆ Ｓｈｅｎｚｈｅｎ Ｃｌｏｓｅｄ－ｅｎｄ Ｆｕｎｄ Ｉｎｄｅｘ
ＺＨＡＯ Ｘｉｕ－ｊｕａｎ１，ＺＨＵ Ｋａｉ－ｙｕ２，ＷＡＮＧ Ｓｈｏｕ－ｙａｎｇ３
（１．Ｓｃｈｏｏｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｍａｎａｇｅｍｅｎｔ，Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｂｅｉｊｉｎｇ １００８７６，Ｃｈｉｎａ；
２．Ｍａｎａｇｅｍｅｎｔ Ｓｃｈｏｏｌ，Ｇｒａｄｕａｔｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ １０００８０，Ｃｈｉｎａ；
３．Ａｃａｄｅｍｙ ｏｆ Ｍａｔｈｅｍａｔｉｃｓ ａｎｄ Ｓｙｓｔｅｍｓ Ｓｃｉｅｎｃｅ，Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ １０００８０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｓ ａ ｋｉｎｄ ｏｆ ｄｉｓｃｏｕｎｔｅｄ ｆｕｎｄ ｔｒａｄｅｄ ｉｎ ｅｘｃｈａｎｇｅｓ，ｃｌｏｓｅｄ－ｅｎｄ ｆｕｎｄｓ ａｔｔｒａｃｔ ｍａｎｙ ｉｎｓｔｉｔｕｔｉｏｎａｌ ｉｎ－
ｖｅｓｔｏｒｓ ａｎｄ ｉｎｄｉｖｉｄｕａｌ ｉｎｖｅｓｔｏｒｓ．Ｈｏｗｅｖｅｒ，ｔｈｅ ｓｔｕｄｙ ｏｎ ｃｌｏｓｅｄ－ｅｎｄ ｆｕｎｄｓ ｍａｒｋｅｔ ｖｏｌａｔｉｌｉｔｙ ｉｓ ｌｉｍｉｔｅｄ．Ｆｅｗ
ｓｔｕｄｉｅｓ ａｌｗａｙｓ ｈａｒｄｌｙ ｃａｐｔｕｒｅ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｅｘｔｒｅｍｅ ｒｉｓｋ ｏｆ ｔｈｅ ｃｌｏｓｅｄ－ｅｎｄ ｆｕｎｄｓ ｍａｒｋｅｔ ｏｎ ｔｈｅ ｃｏｎｄｉｔｉｏｎａｌ
ｖｏｌａｔｉｌｉｔｙ ｏｆ ｏｔｈｅｒ ｍａｒｋｅｔ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ＣＧＡＲＣＨ ｍｏｄｅｌ ａｎｄ Ｇｒａｎｇｅｒ Ｃａｕｓａｌｉｔｙ Ｔｅｓｔ ａｒｅ ａｐｐｌｉｅｄ ｔｏ ｅｘａｍ－
ｉｎｅ ｔｈｅ ｒｅｌａｔｉｏｎｓ ｂｅｔｗｅｅｎ Ｓｈｅｎｚｈｅｎ ｃｌｏｓｅｄ－ｅｎｄ ｆｕｎｄ ｉｎｄｅｘ ａｎｄ ｏｔｈｅｒ １３ｉｎｄｉｃｅｓ ｏｆ ｆｕｎｄ，Ａ ｓｈａｒｅ ｍａｒｋｅｔ，Ｂ
ｓｈａｒｅ ｍａｒｋｅｔ，ｓｉｍｕｌａｔｅｄ ｓｔｏｃｋ ｉｎｄｅｘ ｆｕｔｕｒｅｓ ａｎｄ ｂｏｎｄ ｍａｒｋｅｔｓ ｗｉｔｈ ｒｅｓｐｅｃｔ ｔｏ ｂｏｔｈ ｔｈｅ ｃｏｎｄｉｔｉｏｎａｌ ｖｏｌａｔｉｌｉ－
ｔｙ ａｎｄ ｅｘｔｒｅｍｅ ｒｉｓｋ ｓｐｉｌｌｏｖｅｒ ｅｆｆｅｃｔ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｃｌｏｓｅｄ－ｅｎｄ ｆｕｎｄｓ ｉｎｄｅｘ ｉｓ ｃｏｒｒｅｌａｔｅｄ ｗｉｔｈ Ｂ
ｓｈａｒｅ ｍａｒｋｅｔ，ｓｉｍｕｌａｔｅｄ ｉｎｄｅｘ ｆｕｔｕｒｅｓ ａｎｄ ｂｏｎｄ ｍａｒｋｅｔｓ ｇｒｅａｔｌｙ，ａｎｄ ｉｔ ｉｓ ｃａｐａｂｌｅ ｏｆ ｌｅａｄｉｎｇ ｔｈｅ ｆｌｕｃｔｕａｔｉｏｎ
ｏｆ Ｂ ｓｈａｒｅ ｍａｒｋｅｔ，ｓｉｍｕｌａｔｅｄ ｉｎｄｅｘ ｆｕｔｕｒｅｓ ａｎｄ ｂｏｎｄ’ｓ ｍａｒｋｅｔｓ．Ｏｎ ｔｈｅ ｏｔｈｅｒ ｈａｎｄ，ｉｔ ｉｓ ｓｏｍｅｗｈａｔ ｖｕｌｎｅｒ－
ａｂｌｅ ｔｏ ｔｈｅ ｒｉｓｋｓ ｆｒｏｍ ｆｕｎｄ，ｓｉｍｕｌａｔｅｄ ｓｔｏｃｋ ｉｎｄｅｘ ｆｕｔｕｒｅｓ，ｓｈａｒｅ ａｎｄ ｂｏｎｄ ｍａｒｋｅｔｓ．Ｏｕｒ ｃｏｎｃｌｕｓｉｏｎ ｈｅｌｐｓ
ｔｏ ｇｕｉｄｅ ｔｈｅ ｒｅｇｕｌａｔｏｒｓ ａｎｄ ｉｎｖｅｓｔｏｒｓ ｔｏ ｒｅｃｏｇｎｉｚｅ ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｆ ｃｌｏｓｅｄ－ｅｎｄ ｆｕｎｄ ｍａｒｋｅｔ ｐｒｏｐｅｒｌｙ ａｎｄ ｂｅ
ｃｏｎｓｃｉｏｕｓ ｏｆ ｒｉｓｋ ｃｏｎｔｒｏｌ．
Ｋｅｙ ｗｏｒｄｓ：ｖｏｌａｔｉｌｉｔｙ；ＣＧＡＲＣＨ；Ｇｒａｎｇｅｒ Ｃａｕｓａｌｉｔｙ Ｔｅｓｔ；ｅｘｔｒｅｍｅ ｒｉｓｋ
·９·第６期 赵秀娟等：封闭式基金价格指数波动溢出效应研究
