印度股票市场与期货市场信息传递性讨论 本文将以印度作为新兴市场的代表进行讨论，希望运用印度市场上的实证数据，通过对其股票市场和股指期货市场先行—滞后关系的分析，找到与发达市场具有不同微观市场结构的新兴市场国家中现货与期货市场之间的相互作用关系。当然，中国和印度在市场微观机构和交易机制方面还存在的一些差别。这些差别对讨论的结果会有一些影响，但与在发达金融市场上的相关结论相比，对作为新兴市场的印度进行分析对我国推出金融衍生品仍然具有很好的价值。 一、讨论方法 进行股票指数现货市场与期货市场的信息传播检验，通常采纳 Granger 因果检验以及 VAR 方法。肖辉(2025)应用 Granger的检验方法检验了美国、日本、香港、英国现货市场和期货市场波动率之间的先行—滞后关系：张宗成、王骏(2025)通过单位根检验，确定硬麦期货与现货价格序列具有一阶差分平稳性，在此基础上建立 VAR模型并进行协整检验，然后建立误差修正模型并进行 Granger 因果检验，最后对期货与现货价格序列进行方差分解和脉冲响应函数分析。假如收益率序列是平稳的，则可以直接对序列进行 Granger 因果检验、建立 VAR 模型；假如序列非平稳，则需进行协整检验。本文将根据上述的讨论方法进行实证分析。下面对 Granger 因果检验以及 VAR 方法进行简要说明。 因果检验。 格兰杰因果关系检验(Granger Causality Test)是检验经济变量间因果关系常用的一种计量经济学方法，其本质是用一种条件概率定义因果关系。Granger 因果检验依赖于二元同归形式： yt=α10+α11yt-1+…+α1lyt-l+β11ft-1+…+β1lft-l+ε1t ft=α20+α21yt-1+…+α2lft-1+β21yt-l+…+β2lyt-l+ε2t(1) 式中，αij 和 βij 是常数，｛εit｝是白噪声。对所有组内可能的(yt,ft)，F统计量为具有联合假设的 Wald 统计量，联合假设为 βi1=βi2=…=βil=0。上述两个方程的原假设分别为 f(y)对 y(f)没有Granger 影响。格兰杰方法对模型中变量所取的滞后期长短异常敏感。Granger 因果检验的前提，要求两个序列为平稳序列，或者他们之间存在协整关系。对非平稳时间序列变量要先作适当变换，用 ADF 检验推断为平稳序列后才能进行因果关系检验。本文利用 AIC 和 BIC 准则进行推断滞后项的阶数。 VAR(向量自回归)。 向量自回归(VAR)模型的预测方差分解是一种推断经济序列变量间动态相关性的重要方法。它实质上是一个新息计算过程，是将系统的预测均方误...
