股指期货基差研究报告

RESEARCH DESIGN

一、研究设计与数据

推理链、变量定义、样本与文献定位。

本报告是对股指期货基差的独立探索性研究，与策略监控报告分离。核心被解释变量为净基差（公平价值残差 = 年化log持有收益 − (无风险利率 − 股息率)），即剔除分红与资金成本后的"真贴水"；原始基差（期货−现货，不年化）作对照。T3为远月代表期限，所有日频回归/GARCH/VAR样本均剔除T3引用合约切换日。

交易日对齐：期货与现货行情按交易日 inner join，协变量对齐到同一日频网格；面板统一自净基差首个可观测日（2017-10）起裁剪，保证净基差、原始基差与全部协变量在同一段日频交易日上比较。

1.1 核心结论

核心结论速览

锚与半衰期净基差存在均值回复锚：沪深300 22日、中证500 23日、上证50 23日（ADF p<0.05）；未拒绝单位根：中证1000。偏离后约一个月回复一半，为跨期阈值策略的持仓周期提供统计先验。

交割收敛收敛高度后置：T-5~T0 的日均收敛速度是 T-20~T15 的8~8 倍（按交割月聚类；16/16 个分段系数 |t|≥1.96）——支持持有至临近交割再平仓，均值收敛（套利驱动）在最后 5 日让位于强制时间收敛。

驱动因子多因子联合下显著因子：Δlog成交额(%)（上证50显著）；分红季(5-7月)（上证50显著）；指数日收益(%)（沪深300、中证500、上证50显著）。指数收益是唯一跨品种稳健的驱动（β>0，指数涨净基差收敛）；成交额与波动率的边际贡献弱于文献直觉。

反向预测剔分红贴水率滚动2年百分位反向预测成立：沪深300（斜率-0.028）、上证50（斜率-0.025）——贴水越深，未来20日指数收益越高（贴水=情绪/风险溢价反向指标）；Granger 同向支持（Δ净基差领先指数收益）。

动态相关基差与指数收益的相关性时变：中证500 高波动期 ρ=+0.31 vs 低波动期 +0.04（差 +0.27）——对冲压力集中期联动增强，基差策略在最需要分散时与权益方向相关。

稳健性前后半样本重估：4 个品种核心系数方向一致；方向不一致：中证1000；全部结论为样本内证据，用于策略参数时应打折。

1.2 样本覆盖与变量

样本覆盖

品种	研究窗口起	研究窗口止	交易日数	净基差有效天数	合约切换日数	对齐规则
沪深300（IF）	2017-10-09	2026-08-25	2158	2158	36	日频交易日；自净基差首个可观测日起（2017-10起）
中证500（IC）	2017-10-09	2026-08-25	2158	2158	36	日频交易日；自净基差首个可观测日起（2017-10起）
上证50（IH）	2017-10-09	2026-08-25	2158	2158	36	日频交易日；自净基差首个可观测日起（2017-10起）
中证1000（IM）	2022-07-22	2026-08-25	993	993	17	日频交易日；自净基差首个可观测日起（2017-10起）

变量定义

变量	定义	字段	样本
净基差（核心）	公平价值残差 = 年化log持有收益 − (无风险利率 − 股息率)	fair_value_residual_pct	2017-10起（全部品种统一对齐）
原始基差（对照）	100×(期货收盘 − 现货)/现货，不年化	basis_pct	各品种上市起
指数日收益	现货指数日收盘价变动（%）	ret	全样本
Δlog成交额	指数成分成交额对数日变动（%）	dlog_amt	全样本
已实现波动率	20日滚动close-to-close年化波动；Δ为其日变动	rv20 / d_rv20	全样本
分红季哑变量	5-7月=1（分红集中期）	div_season	全样本
合约切换标记	T3引用合约变化日，回归/GARCH/VAR样本剔除	contract_switch	—

1.3 文献定位

下表汇总与本研究直接相关的文献与实务结论，以及各条结论在本报告中的对应检验节。

文献与实务结论定位

来源	结论	本报告对应
证券时报/东证期货等实务框架	基差由无风险利率、分红率、到期时间（持有成本）与对冲压力共同决定	第5节多因子联合回归（含分红季哑变量）
光大期货《分红对期指的影响》	分红形成"虚假贴水"，实证需用剔除分红的基差	核心变量=公平价值残差（净基差），原始基差作对照
SCIRP《CSI300期指均值回复与套利》	临近到期错价率收敛，期现强制收敛机制存在	第4节交割收敛路径事件研究（聚类标准误）
华南理工大学学报 2019	不同市态下投资者情绪对基差影响非对称	第5节分位数回归（q10/q50/q90）
新浪财经研报 2025	IC/IM剔分红贴水率处两年极低百分位后，指数取得约7.7%超额收益	第6节反向预测（滚动百分位→未来收益）
Risk.net/Reuters 2024	雪球敲入迫使交易商平掉期货多头对冲，放大贴水	第3节GJR非对称项的经济解释；2024-01结构断点
北理工学报（商品期货）	负基差对波动的影响大于正基差（非对称）	第3节GJR-GARCH γ系数
VECM-DCC 类研究	期现联动相关性时变，压力期上升	第7节DCC动态条件相关

MEAN REVERSION

二、基差的锚：平稳性与半衰期

ADF/方差比/AR(1)/bootstrap半衰期，事件分段重估。

本节要回答的问题：基差水平是围绕中枢波动（有锚），还是随机游走？偏离后平均多久回复一半（半衰期）？——半衰期给出阈值策略持仓周期的统计先验。

本章结论

平稳性沪深300、中证500、上证50 净基差拒绝单位根（ADF p<0.05），均值回复的"锚"存在；中证1000（p=0.15，样本较短）未能拒绝。

半衰期AR(1) 半衰期：沪深300 22日、中证500 23日、上证50 23日（bootstrap 95%CI 见下表）——偏离中枢后约一个月回复一半，为跨期阈值策略的持仓周期提供统计先验。

方差比VR(60) 区间 0.21~0.34：全部低于1，支持均值回复而非随机游走。

净 vs 原始原始基差半衰期中位 20 日 vs 净基差 23 日——原始基差含分红与资金成本漂移，回复更慢，验证以剔分红净基差为核心变量的必要性。

分段稳健按监管/产品事件分段重估：半衰期区间 9~29 日，跨事件段数量级一致——贴水中枢漂移未推翻均值回复结论。

方法：ADF与方差比检验平稳性，Ljung-Box检验Δ自相关，AR(p)/AIC确定差分阶数，AR(1)水平方程估计均值回复速度，半衰期=ln(0.5)/ln(φ)，95%置信区间由残差bootstrap（500次）给出。净基差（年化）与原始基差分别报告；净基差另按监管/产品事件分段重估，防止贴水中枢漂移高估回复速度。

净基差均值回复半衰期（AR(1)，bootstrap 95%CI）

净基差分段半衰期（监管/产品事件切分）

平稳性与均值回复统计

品种	变量	样本起	样本止	天数	ADF统计量	ADF p值	VR(5)	VR(20)	VR(60)	LjungBox p(Δ,10)	AR阶数(AIC,Δ)	AR(1) φ	半衰期(日)	半衰期95%CI
沪深300（IF）	净基差	2017-10-09	2026-08-25	2158	-3.31	0.014	0.53	0.36	0.29	2.07e-21	5	0.970	22.4	[16, 33]
沪深300（IF）	原始基差	2017-10-09	2026-08-25	2158	-3.70	0.004	0.55	0.37	0.31	1.23e-20	3	0.969	22.2	[16, 32]
中证500（IC）	净基差	2017-10-09	2026-08-25	2158	-3.26	0.017	0.55	0.37	0.25	2.86e-25	8	0.970	23.0	[17, 35]
中证500（IC）	原始基差	2017-10-09	2026-08-25	2158	-3.85	0.002	0.58	0.41	0.22	1.14e-21	10	0.964	18.7	[14, 27]
上证50（IH）	净基差	2017-10-09	2026-08-25	2158	-3.57	0.006	0.51	0.38	0.34	4.27e-25	5	0.970	22.7	[16, 34]
上证50（IH）	原始基差	2017-10-09	2026-08-25	2158	-3.57	0.006	0.51	0.38	0.38	2.10e-25	3	0.970	22.4	[16, 34]
中证1000（IM）	净基差	2022-07-22	2026-08-25	993	-2.37	0.150	0.58	0.34	0.21	2.98e-11	10	0.964	18.9	[13, 38]
中证1000（IM）	原始基差	2022-07-22	2026-08-25	993	-2.33	0.162	0.53	0.3	0.18	1.75e-13	10	0.961	17.6	[12, 34]

2.3 分段重估明细（净基差）

分段半衰期明细

品种	时间段	触发事件	天数	AR(1) φ	半衰期(日)
沪深300（IF）	2017-10-09~2022-07-22	样本起	1165	0.955	15.0
沪深300（IF）	2022-07-22~2024-01-22	IM（中证1000期货）上市	366	0.976	28.6
沪深300（IF）	2024-01-22~2026-08-25	雪球集中敲入（IC跌4.7%当日）	626	0.96	16.9
中证500（IC）	2017-10-09~2022-07-22	样本起	1165	0.957	15.7
中证500（IC）	2022-07-22~2024-01-22	IM（中证1000期货）上市	366	0.974	26.1
中证500（IC）	2024-01-22~2026-08-25	雪球集中敲入（IC跌4.7%当日）	626	0.941	11.5
上证50（IH）	2017-10-09~2022-07-22	样本起	1165	0.965	19.5
上证50（IH）	2022-07-22~2024-01-22	IM（中证1000期货）上市	366	0.97	22.7
上证50（IH）	2024-01-22~2026-08-25	雪球集中敲入（IC跌4.7%当日）	626	0.943	11.9
中证1000（IM）	2022-07-22~2024-01-22	IM（中证1000期货）上市	366	0.972	24.4
中证1000（IM）	2024-01-22~2026-08-25	雪球集中敲入（IC跌4.7%当日）	626	0.924	8.8

解读提示：φ<1且显著 → 均值回复存在；半衰期与第4节交割收敛速度对照，区分"均值收敛"（套利驱动，任意时点发生）与"时间收敛"（持有成本随到期日缩短机械收敛，仅临近交割发生）。

VOLATILITY

三、风险结构：AR-GJR-GARCH

波动聚集、非对称与条件波动率。

本节要回答的问题：基差变动是否有波动聚集？条件波动率多大？涨跌两个方向是否不对称？——不对称性提供与对冲压力（雪球/中性策略空头套保）机制一致的证据，条件波动率为止损宽度提供标定。

本章结论

波动聚集ARCH-LM(5)：4/4 个品种 p<0.05（p值范围 0.000~0.000）。基差变动的波动聚集具有跨品种一致性。

记忆强度GARCH 持续性 α+β+γ/2 = 0.72~0.91（<1）：冲击以周级别衰减而非瞬时，条件波动率可预测、可用于动态风险标定。

非对称GJR γ = 0.000~0.041，2/4 个品种为正。正值与贴水走扩方向冲击放大波动的机制相符，但该相关性不能单独识别对冲压力的因果来源。

当前状态当前年化条件波动率相对各自历史中位 0.9~1.2 倍（0 个品种>1.2倍）——为当下止损宽度提供即时标定。

方法：Δ净基差（年化%）先做AR(1)均值过滤，残差拟合GJR-GARCH(1,1)（自研实现）。ARCH-LM(5)检验波动聚集；γ>0表示负冲击（贴水走扩方向）放大波动的非对称效应。

AR(1)-GJR-GARCH 估计

品种	样本天数	α(冲击)	γ(非对称)	β(记忆)	持续性	年化条件波动率(当前)	年化条件波动率(中位)
沪深300（IF）	2121	0.109	0.0	0.686	0.795	6.2	5.6
中证500（IC）	2121	0.088	0.016	0.815	0.91	10.0	8.7
上证50（IH）	2121	0.141	0.0	0.577	0.718	4.7	5.2
中证1000（IM）	976	0.107	0.041	0.714	0.841	10.4	8.9

条件波动率：当前 vs 历史中位（GJR-GARCH）

Δ净基差条件波动率（AR(1)-GJR-GARCH，年化%）

经济解释：γ显著为正与雪球对冲机制一致，但不构成因果识别——指数下跌时交易商减仓期货多头、中性策略加空头套保，贴水单向走扩；涨市收敛则由套利资金缓慢完成。

CONVERGENCE

四、交割收敛路径（T-20事件时间）

分段收敛速度、聚类标准误、深度分组。

本节要回答的问题：交割前20个交易日，基差哪段收敛最快？初始贴水深度是否影响收敛速度？——回答"到期平仓 vs 提前平仓"，并标定时间收敛的边界。

本章结论

收敛后置T-5~T0 的日均收敛速度是 T-20~T-15 的 8~8 倍（按交割月聚类，16/16 个分段系数 |t|≥1.96）——强制时间收敛集中在最后 5 个交易日，支持跨期策略将近月腿持有至临近交割。

统计强度分段系数聚类 |t| 中位 14.7、最小 9.3；显著性应按上面的逐系数计数判断。

终点收敛T0 当日原始基差中位数距 0 不超过 0.1pp——期现强制收敛机制有效，事件窗口不含极端错价/违约样本。

深度效应初始深贴水合约全窗口日均收敛 10.77pp/日 vs 浅贴水 8.88pp/日——初始偏离越大、收敛越快，均值收敛（套利驱动）与时间收敛（到期驱动）叠加。

方法：每个真实合约按其最后交易日对齐到事件时间T-20..T0（同一合约内部基差，无换月拼接污染）；汇总中位数与四分位带。分段收敛速度为各区间日均|Δ净基差|，标准误按交割月聚类（同月四品种共享市场状态，不聚类会虚增显著性）。

交割前20个交易日基差路径（中位数与四分位带，品种下拉）

品种：

交割前分段收敛速度（标准误按交割月聚类）

分段收敛速度明细（聚类标准误）

品种	区间	日均\|Δ净基差\|(pp/日)	聚类t值	样本数
上证50（IH）	T-20~T-15	2.29	15.88	535
上证50（IH）	T-15~T-10	3.44	11.3	535
上证50（IH）	T-10~T-5	6.009	11.62	539
上证50（IH）	T-5~T-0	19.439	16.04	433
中证1000（IM）	T-20~T-15	3.305	13.5	250
中证1000（IM）	T-15~T-10	4.805	9.33	250
中证1000（IM）	T-10~T-5	8.54	12.69	250
中证1000（IM）	T-5~T-0	25.896	11.55	201
中证500（IC）	T-20~T-15	3.109	17.81	535
中证500（IC）	T-15~T-10	5.019	17.42	535
中证500（IC）	T-10~T-5	8.481	15.84	539
中证500（IC）	T-5~T-0	26.047	17.74	433
沪深300（IF）	T-20~T-15	2.406	16.31	535
沪深300（IF）	T-15~T-10	3.778	13.65	535
沪深300（IF）	T-10~T-5	6.508	13.08	539
沪深300（IF）	T-5~T-0	19.852	16.9	433

4.3 按初始贴水深度分组

按初始贴水深度的分段收敛速度（品种下拉）

品种：

DRIVERS

五、驱动因子：多因子与分位数回归

指数收益/成交额/波动率/分红季的边际贡献。

本节要回答的问题：指数涨跌、成交额、波动率、分红季，谁在边际上推动基差？不同市态（分位数）下系数是否不对称？

本章结论

核心驱动指数日收益是唯一跨品种显著的驱动：沪深300、中证500、上证50 β=+0.093~+0.117（指数涨、净基差收敛）——基差变动首先是方向性风险暴露，其次才是套利价差。

次要因子仅个别品种显著：上证50·Δlog成交额(%)（β=-0.003）；上证50·分红季(5-7月)（β=+0.058）；中证1000·Δ已实现波动率(pp)（β=+0.068）——成交额/波动率的边际贡献弱于文献直觉；分红季显著性集中在 IH，对应上证50分红节奏。

市态非对称分位数回归：0/4 个品种 |β(q10)|>|β(q90)|——基差分布左尾（深贴水状态）对指数收益的联动更强。

方法：多因子联合回归 Δ基差 ~ 指数收益+Δlog成交额+Δ波动率+分红季，Newey-West(5)标准误；单因子对照表识别共线性导致的误判；分位数回归（q10/q50/q90）检验市态非对称。净基差与原始基差分别作为被解释变量。

多因子联合回归 t 值（Δ净基差，|t|≥2 显著）

多因子联合回归明细（NW）

品种	被解释变量	因子	β	t值	p值	显著性	R²	样本数
沪深300（IF）	Δ净基差	指数日收益(%)	+0.1170	+3.74	0.0002	***	0.044	2121
沪深300（IF）	Δ净基差	Δlog成交额(%)	-0.0017	-1.24	0.2139	—	0.044	2121
沪深300（IF）	Δ净基差	Δ已实现波动率(pp)	-0.0061	-0.22	0.8248	—	0.044	2121
沪深300（IF）	Δ净基差	分红季(5-7月)	+0.0201	+0.89	0.3734	—	0.044	2121
沪深300（IF）	Δ原始基差	指数日收益(%)	+0.0727	+4.65	0.0	***	0.066	2121
沪深300（IF）	Δ原始基差	Δlog成交额(%)	-0.0007	-1.06	0.2888	—	0.066	2121
沪深300（IF）	Δ原始基差	Δ已实现波动率(pp)	-0.0040	-0.30	0.7642	—	0.066	2121
沪深300（IF）	Δ原始基差	分红季(5-7月)	+0.0154	+1.38	0.1671	—	0.066	2121
中证500（IC）	Δ净基差	指数日收益(%)	+0.0927	+2.23	0.0259	**	0.027	2121
中证500（IC）	Δ净基差	Δlog成交额(%)	+0.0016	+0.82	0.4119	—	0.027	2121
中证500（IC）	Δ净基差	Δ已实现波动率(pp)	+0.0296	+1.17	0.2405	—	0.027	2121
中证500（IC）	Δ净基差	分红季(5-7月)	-0.0105	-0.33	0.7382	—	0.027	2121
中证500（IC）	Δ原始基差	指数日收益(%)	+0.0592	+2.72	0.0065	***	0.042	2121
中证500（IC）	Δ原始基差	Δlog成交额(%)	+0.0010	+1.02	0.3064	—	0.042	2121
中证500（IC）	Δ原始基差	Δ已实现波动率(pp)	+0.0171	+1.20	0.2283	—	0.042	2121
中证500（IC）	Δ原始基差	分红季(5-7月)	-0.0042	-0.27	0.7852	—	0.042	2121
上证50（IH）	Δ净基差	指数日收益(%)	+0.1082	+3.39	0.0007	***	0.039	2121
上证50（IH）	Δ净基差	Δlog成交额(%)	-0.0032	-3.01	0.0026	***	0.039	2121
上证50（IH）	Δ净基差	Δ已实现波动率(pp)	-0.0033	-0.13	0.8967	—	0.039	2121
上证50（IH）	Δ净基差	分红季(5-7月)	+0.0583	+2.52	0.0118	**	0.039	2121
上证50（IH）	Δ原始基差	指数日收益(%)	+0.0717	+4.36	0.0	***	0.062	2121
上证50（IH）	Δ原始基差	Δlog成交额(%)	-0.0016	-3.10	0.0019	***	0.062	2121
上证50（IH）	Δ原始基差	Δ已实现波动率(pp)	-0.0042	-0.32	0.7513	—	0.062	2121
上证50（IH）	Δ原始基差	分红季(5-7月)	+0.0340	+3.11	0.0019	***	0.062	2121
中证1000（IM）	Δ净基差	指数日收益(%)	+0.0733	+1.24	0.2148	—	0.036	976
中证1000（IM）	Δ净基差	Δlog成交额(%)	+0.0009	+0.24	0.8119	—	0.036	976
中证1000（IM）	Δ净基差	Δ已实现波动率(pp)	+0.0682	+1.66	0.0962	*	0.036	976
中证1000（IM）	Δ净基差	分红季(5-7月)	+0.0319	+0.71	0.4783	—	0.036	976
中证1000（IM）	Δ原始基差	指数日收益(%)	+0.0509	+1.56	0.1194	—	0.05	976
中证1000（IM）	Δ原始基差	Δlog成交额(%)	+0.0005	+0.26	0.7987	—	0.05	976
中证1000（IM）	Δ原始基差	Δ已实现波动率(pp)	+0.0361	+1.66	0.0963	*	0.05	976
中证1000（IM）	Δ原始基差	分红季(5-7月)	+0.0173	+0.76	0.4474	—	0.05	976

单因子对照（Δ净基差）

品种	因子	β	t值	p值	显著性
沪深300（IF）	指数日收益(%)	0.1114	3.77	0.0002	***
沪深300（IF）	Δlog成交额(%)	0.0004	0.24	0.8098	—
沪深300（IF）	Δ已实现波动率(pp)	-0.0177	-0.53	0.5959	—
沪深300（IF）	分红季(5-7月)	0.0191	0.8	0.4226	—
中证500（IC）	指数日收益(%)	0.0907	2.4	0.0165	**
中证500（IC）	Δlog成交额(%)	0.0045	2.22	0.0261	**
中证500（IC）	Δ已实现波动率(pp)	0.0217	0.86	0.3897	—
中证500（IC）	分红季(5-7月)	-0.0116	-0.36	0.7219	—
上证50（IH）	指数日收益(%)	0.0935	3.1	0.0019	***
上证50（IH）	Δlog成交额(%)	-0.0017	-1.54	0.1232	—
上证50（IH）	Δ已实现波动率(pp)	-0.0155	-0.5	0.618	—
上证50（IH）	分红季(5-7月)	0.0539	2.3	0.0214	**
中证1000（IM）	指数日收益(%)	0.065	1.19	0.2325	—
中证1000（IM）	Δlog成交额(%)	0.0058	1.78	0.0743	*
中证1000（IM）	Δ已实现波动率(pp)	0.063	1.9	0.0575	*
中证1000（IM）	分红季(5-7月)	0.0161	0.36	0.7204	—

分位数回归：市态非对称（因子下拉）

因子：

5.4 变量相关矩阵

变量相关矩阵（品种下拉）

品种：

LEAD-LAG

六、VAR传导与反向预测

Granger因果、IRF、FEVD、贴水百分位预测指数。

本节要回答的问题：市场变量是否Granger领先基差变动？反过来，深贴水是否预测指数反弹（贴水=情绪/风险溢价反向指标）？

本章结论

Granger市场变量联合导致 Δ净基差：1/4 个品种显著；Δ净基差 → 指数收益：3/4 个品种显著——双向传导，基差既被市场驱动也领先市场（GARCH 误差下 Wald 或高估显著性，结论以方向为主）。

方差分解Δ净基差 h=10 方差中自身占比 92%~95%，最大外部贡献为指数收益（均值 4%）——基差动态主要由自身惯性主导，市场变量的即时溢出有限。

反向预测贴水越深、未来20日指数收益越高：沪深300（-0.028）、上证50（-0.025）；分年斜率 10/27 个品种-年份为负——剔分红贴水率滚动百分位是可用的反向情绪/风险溢价指标（样本内证据）。

方法：VAR（BIC定阶≤10）系统 [指数收益, Δlog成交额, Δ波动率, Δ净基差]；Wald因果检验注意GARCH误差下可能高估显著性（局限）；正交化IRF看10日传导；反向预测用净基差的滚动2年百分位分箱与回归预测未来5/20日指数收益，分年样本内稳定性检验。

Granger因果检验

品种	原假设	因果方向	滞后阶(BIC)	Wald统计量	p值	结论
沪深300（IF）	不 Granger 导致	指数收益/Δlog成交额/Δ已实现波动率 → Δ净基差	2	12.4	0.0533	不能拒绝
沪深300（IF）	不 Granger 导致	Δ净基差 → 指数收益	2	15.9	0.0004	拒绝（存在领先滞后关系）
沪深300（IF）	不 Granger 导致	Δ净基差 → Δlog成交额	2	4.6	0.0983	不能拒绝
中证500（IC）	不 Granger 导致	指数收益/Δlog成交额/Δ已实现波动率 → Δ净基差	2	10.9	0.0921	不能拒绝
中证500（IC）	不 Granger 导致	Δ净基差 → 指数收益	2	22.0	0.0	拒绝（存在领先滞后关系）
中证500（IC）	不 Granger 导致	Δ净基差 → Δlog成交额	2	3.2	0.2053	不能拒绝
上证50（IH）	不 Granger 导致	指数收益/Δlog成交额/Δ已实现波动率 → Δ净基差	3	12.4	0.1913	不能拒绝
上证50（IH）	不 Granger 导致	Δ净基差 → 指数收益	3	23.3	0.0	拒绝（存在领先滞后关系）
上证50（IH）	不 Granger 导致	Δ净基差 → Δlog成交额	3	9.5	0.0238	拒绝（存在领先滞后关系）
中证1000（IM）	不 Granger 导致	指数收益/Δlog成交额/Δ已实现波动率 → Δ净基差	1	13.7	0.0033	拒绝（存在领先滞后关系）
中证1000（IM）	不 Granger 导致	Δ净基差 → 指数收益	1	3.1	0.0766	不能拒绝
中证1000（IM）	不 Granger 导致	Δ净基差 → Δlog成交额	1	1.7	0.1939	不能拒绝

VAR正交化脉冲响应（Δ净基差对市场冲击，10日，品种下拉）

品种：

Δ净基差方差分解（FEVD，h=10，堆叠占比）

6.3 反向预测：贴水百分位 → 指数未来收益

贴水百分位分箱 → 未来20日指数收益（左端=最深贴水）

反向预测分年斜率（20日，蓝=反向指标成立）

反向预测回归（NW）

品种	被解释变量	斜率(每1百分位,pp)	t值	p值	显著性	样本数
沪深300（IF）	未来5日指数收益(%)	-0.0061	-1.78	0.0747	*	1870
沪深300（IF）	未来20日指数收益(%)	-0.0277	-2.23	0.0258	**	1855
中证500（IC）	未来5日指数收益(%)	+0.0013	+0.34	0.7303	—	1870
中证500（IC）	未来20日指数收益(%)	-0.0149	-1.00	0.3157	—	1855
上证50（IH）	未来5日指数收益(%)	-0.0063	-1.75	0.0806	*	1870
上证50（IH）	未来20日指数收益(%)	-0.0252	-2.19	0.0289	**	1855
中证1000（IM）	未来5日指数收益(%)	+0.0026	+0.30	0.7643	—	725
中证1000（IM）	未来20日指数收益(%)	-0.0042	-0.18	0.8599	—	710

DCC

七、DCC动态条件相关

基差×市场变量的时变相关性。

本节要回答的问题：基差与市场变量的相关性是否时变？高波动期相关性是否上升？——基差策略在最需要分散的时点与权益方向联动，风险预算含义。

本章结论

时变相关中证500 高波动期 ρ=+0.31 vs 低波动期 +0.04（差 +0.27）——对冲压力集中期，基差与权益方向的联动显著增强。

共同模式4/4 个品种高波动期相关高于低波动期——这与高波动期分散化价值下降的机制一致，但 DCC 仅刻画相关性，不识别因果。

与波动率Δ净基差 × Δ已实现波动率全样本 ρ=-0.01~+0.16——波动放大伴随基差变动放大，佐证第3节条件波动率标定的必要性。

方法：Δ净基差与各协变量两两bivariate DCC-GARCH(1,1)（自研实现，输入标准化去均值），输出动态条件相关系数ρ序列；高波动期定义为rv20≥其80%分位。

DCC动态条件相关（品种×协变量下拉）

品种：

协变量：

DCC相关：高/低波动期对比（协变量下拉）

协变量：

DCC相关性汇总

品种	与Δ净基差的相关	样本天数	全样本均值ρ	高波动期均值ρ	低波动期均值ρ	ρ标准差
沪深300（IF）	指数收益	2121	0.145	0.18	0.137	0.092
沪深300（IF）	Δlog成交额	2121	0.064	0.063	0.064	0.048
沪深300（IF）	Δ已实现波动率	2121	0.028	0.028	0.028	0.025
中证500（IC）	指数收益	2121	0.093	0.306	0.039	0.276
中证500（IC）	Δlog成交额	2121	0.087	0.084	0.087	0.059
中证500（IC）	Δ已实现波动率	2121	0.061	0.052	0.064	0.048
上证50（IH）	指数收益	2121	0.091	0.135	0.081	0.088
上证50（IH）	Δlog成交额	2121	-0.01	-0.014	-0.01	0.05
上证50（IH）	Δ已实现波动率	2121	-0.011	-0.011	-0.01	0.012
中证1000（IM）	指数收益	976	0.044	0.094	0.031	0.199
中证1000（IM）	Δlog成交额	976	0.1	0.099	0.101	0.021
中证1000（IM）	Δ已实现波动率	976	0.157	0.157	0.156	0.004

SUMMARY

八、结论与稳健性

策略含义、前后半样本一致性、局限。

本节要回答的问题：以上统计性质如何反哺策略？核心结论在前后半样本中是否方向一致？

8.1 前后半样本方向一致性

前后半样本方向一致性

品种	检验	前半样本	后半样本	方向一致
沪深300（IF）	半衰期（净基差）	16.5	27.2	是
沪深300（IF）	β(指数收益→Δ净基差)	0.131	0.087	是
中证500（IC）	半衰期（净基差）	16.2	18.4	是
中证500（IC）	β(指数收益→Δ净基差)	0.104	0.078	是
上证50（IH）	半衰期（净基差）	21.2	19.7	是
上证50（IH）	β(指数收益→Δ净基差)	0.105	0.077	是
中证1000（IM）	半衰期（净基差）	13.0	11.7	是
中证1000（IM）	β(指数收益→Δ净基差)	0.228	-0.028	否

8.2 局限

GARCH误差下的Granger Wald检验可能高估显著性，结论以方向与稳健性为主；
研究面板自净基差首个可观测日起按日频交易日对齐（2017-10起），更早年份仅原始基差可用；
DCC刻画相关不刻画因果；反向预测为样本内证据，未做样本外滚动验证。

8.3 六条核心结论的完整解读

以下逐条按"数字怎么算 → 怎么读 → 对策略意味着什么 → 信用边界"四层展开；关键数字均由本报告 artifact 动态提取，随样本更新自动刷新。

1 ·锚与半衰期：净基差一个月尺度回复一半

数字怎么算：净基差（年化log持有收益 − (无风险利率−股息率)，即剔除分红与资金成本后的"真贴水"）ADF 检验拒绝单位根：沪深300 22日（p=0.014）、中证500 23日（p=0.017）、上证50 23日（p=0.006）——序列围绕中枢波动而非随机游走，"锚"在统计上存在。

怎么读：AR(1) φ≈0.97，每天偏离中枢的缺口平均衰减 3%，半衰期 = ln(0.5)/ln(φ) ≈ 22~23 个交易日（约一个自然月）。中证1000未拒绝单位根，应读作"证据不足（样本较短）"而非"没有锚"。

对策略的含义：跨期套利在价差偏离阈值进场后，不要预期数日内回归——统计上需预留约一个月等待一半偏离收敛，直接约束持仓周期预期与资金占用测算。

信用边界：半衰期假设中枢不变；监管与产品事件（2015限制、2022 IM上市、2024雪球敲入）会移动中枢。2.3节分段重估显示半衰期数量级跨事件段一致，是该假设的补丁。

2 ·交割收敛：收敛高度后置，最后5日速度是20日前的倍数级

数字怎么算：事件时间研究——每个真实合约按其最后交易日对齐到T-20…T0，同一合约内部看基差，无换月拼接的假跳变；分段速度为日均|Δ净基差|，标准误按交割月聚类（同月四品种共享市场状态，不聚类会虚增t值）。

怎么读：T-5~T0 的收敛速度是 T-20~T-15 的 8~8 倍，16/16 个分段系数 |t|≥1.96。

对策略的含义：区分两种收敛——均值收敛（套利驱动，任意时点可发生）与时间收敛（到期机械收缩，交割日强制归零）。近月腿应持有至临近交割再平仓，提前平仓等于让出最大一段收敛。

信用边界：速度按年化净基差计，年化因子在临期时放大变动（同一原始价差变化 × 365/dte），倍数中含年化数学的放大效应；4.1节原始基差路径是去掉该放大后的对照。

3 ·驱动因子：指数收益是唯一跨品种显著的驱动

数字怎么算：多因子联合回归 Δ净基差 ~ 指数收益+Δlog成交额+Δ波动率+分红季哑变量，Newey-West 标准误。

怎么读：指数日收益沪深300 β=+0.117、中证500 β=+0.093、上证50 β=+0.108，显著为正——指数涨、净基差收敛。其余仅个别品种显著：上证50·Δlog成交额(%)（β=-0.003）；上证50·分红季(5-7月)（β=+0.058）；中证1000·Δ已实现波动率(pp)（β=+0.068）。

对策略的含义：基差变动首先是方向性风险暴露，其次才是套利价差——远月腿对现货变动的反应是系统性的。IH的分红季哑变量对应其分红最集中的节奏：核心变量已剔分红仍显著，说明分红季存在超出分红本身的季节性对冲压力。

信用边界：同日回归刻画相关而非因果；控制指数收益后，成交额/波动率基本无独立信息，弱于"成交额推基差"的文献直觉。

4 ·反向预测：贴水越深，未来20日指数收益越高

数字怎么算：把剔分红贴水率换成滚动2年百分位（消除中枢漂移，只看"当前贴水在近两年排多深"），回归未来20日指数收益：沪深300（斜率-0.028）、上证50（斜率-0.025）。

怎么读：百分位每低1档（贴水更深），未来20日收益约高0.03pp；分箱图中最深档（0-10%）的未来收益显著高于最浅档。深贴水本质是风险溢价/情绪定价——雪球对冲盘与中性策略空头的卖出压力压低期货价格；溢价极端时，其压缩（回复）本身贡献指数收益。Granger 同向支持（Δ净基差领先指数收益）。

对策略的含义：深贴水百分位可作反向情绪信号使用；但它是择时增强，不是主力策略依据。

信用边界：①样本内证据，未做样本外滚动验证；②未来20日收益按日采样存在窗口重叠，NW(5)滞后偏低，t值可能被高估（严格应NW(20)）；③分年看 10/27 个品种-年份斜率为负——效应集中在深贴水时段，不是年年稳定。

5 ·动态相关：基差策略在最需要分散的时点与权益同向

数字怎么算：DCC-GARCH 刻画Δ净基差与指数收益相关性的时变；高波动期=rv20≥其80%分位。

怎么读：中证500 低波动期 ρ≈+0.04（基本无关），高波动期跳至 +0.31——压力期对冲盘集中行动，基差与指数方向联动增强。

对策略的含义：基差类策略平时与权益几乎无关，恰在组合最需要分散的时点与权益同向。若用平均ρ做组合风险预算，会在压力期低估回撤；压力测试应代入高波动期ρ而非全样本均值。

信用边界：DCC刻画相关不刻画因果，这是方法本身的天花板。

6 ·稳健性：方向一致，但全部是样本内证据

数字怎么算：样本对半切开重估核心系数（半衰期、β(指数收益)），比较前后半样本的方向。

怎么读：4 个品种方向一致；中证1000因样本较短出现不一致。

对策略的含义：显著、分段稳定、分半方向一致是三条互相独立的证据线；但整个研究在同一段历史上完成（2017-10起，仅一个完整利率周期，含2024雪球等结构性事件），用于实盘参数时应视为先验而非定论——尤其是持仓周期（结论1）与反向信号（结论4）。

一句话串联：基差有一个月尺度的锚（结论1），收敛主要靠交割日临近的机械收缩（结论2），日常波动由指数方向驱动（结论3）；极端贴水是可反向利用的情绪溢价（结论4），但它恰在压力期与权益同向（结论5）——上述结论方向稳健，但均为样本内证据（结论6），用于实盘参数时应打折。