第11期 刘庆富等：中国商品期货隔夜信息对日间交易的预测能力 -83- 易时段收益的定义不存在重叠，所有交易当晚、短 BrDN(0,1) (8) 期假日、周末假日和中长假日的收益之和也就构 =an+yir-nDi-n yari-in x 成了总隔夜收益⑦ Dn+Y⅓nDn+(h-u)+ 1.2基于不同分布的随机波动模型的建立⑧ 0m,n:~WID(0,1) (9) 1)标准随机波动模型SV。 其中=exp(h/2),r2-2和rn分别为交 为体现所建模型的拟合优度，本文设定标准 易当晚、周末假日和中长假日的收益，且{6，}⊥ 随机波动模型来作为模型的比较基础。在这一模 {n、IBa|<1、IΦ<1、1B<1和|Y:I< 型中，假定日间收益服从正态分布的 AR(1)过程 1(i=1,2,3);{D-2,D-2,D-n}分别为交易 =a+B4r+e,,e,~N(0,1) (4) 当晚、周末假日和中长假日收益的0/1变量 h=+yar(h)+ 4)以交易当晚、周末假日和中长假日收益为 cn,7:~NID(0,1) (5) 条件的非对称随机波动模型SV, 为探讨“好消息”和“坏消息”对日间交易影 其中=exp(hd/2),{e,}⊥{n},且Bal<1 响的非对称效应2，现将SV,模型的交易当晚、 和|中|<1；若ya<0,则说明负收益之后会有一 周末假日和中长假日收益分别分为非负收益和负 个高波动出现，反之亦然Ⅲ. 收益两部分，进而建立以交易当晚、周末假日和中 2)以总隔夜收益为条件的随机波动模 长假日信息为条件的非对称随机波动模型 型SV, :=a+Bari-+Bir-vDitv +Biri-v 为探索总隔夜收益对日间交易的预测能力， Diin+BirDBrD+ 在SV。模型的基础上，引入总隔夜收益项，即可建 B时r-nDn+BriDii+e,, 立以总隔夜信息为条件的随机波动模型 e~W(0,1) (10) ri=a+Bari-i +Brn+ =u+yar +yir-Diin +yir e,~N(0,1) (6) Din+rir-Dinn+riri-Di-t =+y+y()+ Yir-Diintyir-Di-n(- on,7~NID(0,1) (7) 4）+m.,n:~N7D(0,1) (11) 其中=exp(h/2),I-2为总隔夜收益，且{e,} 其中=exp(h/2),{e}1{n},Ba<1、中|<1、 ⊥{n}、IBa|<1、I中|<1和|Bn1<L. 3)以交易当晚、周末假日和中长假日收益为 |B<1和y:|<1(i=1,2,3);fD2,D2, 条件的随机波动模型SV2 D2}分别表示基于“好消息”的交易当晚、周末 为探寻不同类别的隔夜收益对日间交易的预 假日和中长假日收益的0/1变量；{Di2,D2, 测能力，在$V,模型的基础上，将总隔夜收益作更 D2}分别表示基于“坏消息”的交易当晚、周末 具体的划分，即可建立以交易当晚、周末假日和中 假日和中长假日收益的0/1变量. 长假日信息为条件的随机波动模型 由于我国期货市场收益的分布常具有较厚的 =a+Bari+Biri-vDi-v+Bari-vDi-v+ 尾部⑨，除上述条件均值的ε，服从正态分布外，本 ⑦ 与文献[10]的时段划分不同，本文的隔夜时段将划分为交易当晚、短期假日、周末假日和中长假日.并且，需要特别说明的是：虽然我 国的法定假日比较多，但许多假日往往与周未捆绑在一起，施行与法定节假日连休，致使为期一日的“短期假日”转变成了“中长假 日”（时间往往不少于三天），如(2007年11月9日假日调整后的)端午节、清明节、中秋节等.这样，在本文研究的时间跨度内，为期一 日的“短期假日”则变得非常稀疏，鉴于其代表性不足和数据样本的限制，本文将略去“短期假日”，并着力研究“交易当晚”、“周末假 日”和“中长假日”。为此，本文提及的总隔夜收益（序列），即为“交易当晚”、“周末假日”和“中长假日”的收益（序列）之和。 ⑧与只考虑收益条件分布的GARCH模型不同，随机波动模型列出了收益和波动过程的联合条件分布. ⑨这一特性请参见3.2节关于期货市场收益的统计特征分析结果 万方数据第11期 刘庆富等：中国商品期货隔夜信息对日问交易的预测能力 一83一 易时段收益的定义不存在重叠，所有交易当晚、短 期假日、周末假日和中长假日的收益之和也就构 成了总隔夜收益⑦． 1．2 基于不同分布的随机波动模型的建立⑧ 1)标准随机波动模型SV。 为体现所建模型的拟合优度，本文设定标准 随机波动模型来作为模型的比较基础．在这一模 型中，假定日间收益r?服从正态分布的 AR(1)过程 r?=Ol+口d‘d一1+s。口?，占。～N(O，1) (4) h?=肛+yd‘d一1+咖(^d-1一p)+ 盯叼；，叼。～NID(O，1) (5) 其中秽?=exp(^?／2)，{￡}上{叼。}，且l危I<1 和l咖I<1；若y。<0，则说明负收益之后会有一 个高波动出现，反之亦然¨1|． 2)以总隔夜收益为条件的随机波动模 型SVl 为探索总隔夜收益对日问交易的预测能力， 在SV。模型的基础上，引入总隔夜收益项，即可建 立以总隔夜信息为条件的随机波动模型 r?=d+pdrLl十卢。‘一1／2十占￡口；， s。～N(O，1) (6) h；=p+7drll+y。‘一1／2+咖(^d_1-J∞)+ o-rI；，叼；一NID(O，1) (7) 其中秽；=exp(^?／2)，o一，尼为总隔夜收益，且{s。} 上{叼。}、l卢d l<1、I币I<l和I卢。l<1． 3)以交易当晚、周末假日和中长假日收益为 条件的随机波动模型SV： 为探寻不同类别的隔夜收益对日间交易的预 测能力，在SV，模型的基础上，将总隔夜收益作更 具体的划分，即可建立以交易当晚、周末假I=1和中 长假日信息为条件的随机波动模型 0d=Ol+疡rd-1+卢1‘1—1／2D；一1／2+&r2-1／2D己1／2+ 岛#一1／2Dtl／2+F。勘；，s；～N(O，1) (8) h?=肛+yd‘d一1+ylr；一1／2D；一1／2+72‘2—1／2× D11／2+y313—1／2D11／2+咖(^d_1一p)+ 矿77。，仇一NID(O，1) (9) 其中”?=exp(h?／2)，11一。尼、‘2一，儿和r；刖：分别为交 易当晚、周末假日和中长假日的收益，且{s。}上 {叼。}、I卢。l<1、l咖I<1、I卢。l<1和l 7。I< 1(i=1，2，3)；{D；一。以，D；一。彪，Dl。儿}分别为交易 当晚、周末假日和中长假日收益的0／1变量． 4)以交易当晚、周末假日和中长假日收益为 条件的非对称随机波动模型SV， 为探讨“好消息”和“坏消息”对日间交易影 响的非对称效应u2|，现将SV：模型的交易当晚、 周末假日和中长假日收益分别分为非负收益和负 收益两部分，进而建立以交易当晚、周末假日和中 长假日信息为条件的非对称随机波动模型 ‘d=Ol+岛rd-1十卢÷一一1／2D；二／2+卢ir}一1／2 D：二／2+隧‘2一，／2D三／2+历r2-。／2D三，：+ 硝‘3一。／2D；二／2+f13r；一。／2D三／2+s。口?， 幺一N(0，1) (10) h?=肛+7d‘d一1+y÷一一1／2D；二／2+71-‘1—1／2 D；二1／2+y；r五1／2D21／2+垅rf2—1／2z圪／2+ y；一一，／2赡／2+73-rf3一，／2D；二1／2+咖(^生，一 肛)+o-r／。，77。一NID(O，1) (11) 其中勘?=exp(h?／2)，旧}j-{仇}，I成I<1、l咖l<1、 I卢i|<1和l yi l<1(i=1，2，3)；{D：二以，DZ以， D∑广：}分别表示基于“好消息”的交易当晚、周末 假日和中长假日收益的0／1变量；{DI_ImD三彪， D三胞}分别表示基于“坏消息”的交易当晚、周末 假日和中长假日收益的0／1变量． 由于我国期货市场收益的分布常具有较厚的 尾部⑨，除上述条件均值的占：服从正态分布外，本 ⑦ 与文献[10]的时段划分不同，本文的隔夜时段将划分为交易当晚、短期假Ef、周末假日和中长假日．并且，需要特别说明的是：虽然我 国的法定假日比较多，但许多假日往往与周末捆绑在一起，施行与法定节假日连休，致使为期一日的“短期假日”转变成了“中长假 日”(时间往往不少于三天)，如(2007年11月9日假日调整后的)端午节、清明节、中秋节等．这样，在本文研究的时间跨度内，为期一 日的“短期假日”则变得非常稀疏，鉴于其代表性不足和数据样本的限制，本文将略去“短期假日”，并着力研究“交易当晚”、“周末假 日”和“中长假日”．为此，本文提及的总隔夜收益(序列)，即为“交易当晚”’、“周末假日”和“中长假日”的收益(序列)之和． ⑧ 与只考虑收益条件分布的GARCH模型不同，随机波动模型列出了收益和波动过程的联合条件分布． ⑨ 这一特性请参见3．2节关于期货市场收益的统计特征分析结果． 万方数据