一、研究方法
進行股票指數現貨市場與期貨市場的資訊傳播檢驗，通常採用Granger因果檢驗以及VAR方法。肖輝(2004)應用Granger的檢驗方法檢驗了美國、日本、香港、英國現貨市場和期貨市場波動率之間的先行—滯後關係：張宗成、王駿(2004)通過單位根檢驗，確定硬麥期貨與現貨價格序列具有一階差分平穩性，在此基礎上建立VAR模型並進行協整檢驗，然後建立誤差修正模型並進行Granger因果檢驗，最後對期貨與現貨價格序列進行方差分解和脈衝響應函式分析。如果收益率序列是平穩的，則可以直接對序列進行Granger因果檢驗、建立VAR模型；如果序列非平穩，則需進行協整檢驗。本文將根據上述文獻的研究方法進行實證分析。下面對Granger因果檢驗以及VAR方法進行簡要說明。
ger因果檢驗。
格蘭傑因果關係檢驗(Granger Causality Test)是檢驗經濟變數間因果關係常用的一種計量經濟學方法，其本質是用一種條件概率定義因果關係。Granger因果檢驗依賴於二元同歸形式：
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是常數，｛εit｝是白噪聲。對所有組內可能的(yt,ft)，F統計量為具有聯合假設的Wald統計量，聯合假設為βi1=βi2=…=βil=0。上述兩個方程的原假設分別為f(y)對y(f)沒有Granger影響。格蘭傑方法對模型中變數所取的滯後期長短異常敏感。Granger因果檢驗的前提，要求兩個序列為平穩序列，或者他們之間存在協整關係。對非平穩時間序列變數要先作適當變換，用ADF檢驗判斷為平穩序列後才能進行因果關係檢驗。本文利用AIC和BIC準則進行判斷滯後項的階數。
(向量自迴歸)。
向量自迴歸(VAR)模型的預測方差分解是一種判斷經濟序列變數間動態相關性的重要方法。它實質上是一個新息計算過程，是將系統的預測均方誤差分解為系統中各變數衝擊所作的貢獻。VAR應用的前提要求作為內生變數的序列為平穩序列，或者他們之間存在協整關係。由兩個變數構成的VAR(p)模型的形式如下：
yt=α10 α11yt-1 … α1lyt-l ε1t
ft=α20 α21yt-1 … α2lyt-l ε2t(2)
其中，αij為係數矩陣，{εit}是白噪聲，ε1t，ε2t之間可以同期相關，但不與自己的滯後值相關及不與等式右邊的變數相關。
VAR常用於預測相互聯絡的時間序列變數系統。在VAR模型的基礎上，還可以利用脈衝響應函式和方差分解分析隨機擾動對變數系統的動態影響。脈衝響應函式描述VAR中的一個內生變數的衝擊給其他內生變數所帶來的影響。而方差分解是把內生變數中的變化分解為對VAR的分量衝擊。從而給出對VAR中的變數產生影響的每個隨機擾動的相對重要性的資訊。
3.資料說明。
一般地，期貨與現貨市場價格序列並不具有同時性。由於本文研究的目的是基於市場價格資料來考察兩個市場的先行滯後關係，因此需要定義一個標準的比較時間段。我們選擇期貨與現貨價格均具有交易資料的時間段，並計算對數收益率，近似的得到具有同時性的價格序列資料。我們對印度市場進行日資料的分析，實證資料(包括現貨市場與期貨市場)的起始期間為指數期貨的上市之初(即2000.8.14)，終止時間為本研究開始取樣的時刻(即2005.12.7)；共包含了1315個日交易資料。本文的資料來源於國泰君安證券研究所。