信息传导的跨市场行为研究——基于国债期货与现货的溢出效应

■张茂军，郭梦菲，李 昊

本文基于VAR模型的预测误差方差分解方法，构建了测量国债期货与现货收益与波动的总溢出指标和定向溢出指标，进而分析信息传导的跨市场行为。首先，通过格兰杰因果检验选择国债期货和现货在计算溢出指标时的顺序，然后从溢出效应的平均水平和动态变化两方面分析信息在国债期货市场和现货市场的传导行为。研究表明：国债期货市场是信息的传导者，国债现货市场是信息的接收者，说明国债期货市场具有价格发现功能；在大部分期限，信息在收益溢出效应中的传导强于在波动溢出效应中的传导，且滚动样本溢出指标的动态特征能够捕捉一些重大事件。

一、引言与文献综述

国债作为资本市场的重要构成部分，为中国经济发展提供了重要的融资功能，其定价和融资功能推动了中国资本市场的快速发展。在交易机制方面，国债分别在银行间债券市场和沪深交易所交易，且银行间市场的交易占90%以上，而交易所交易的比重较少。其中，银行间市场属于场外市场，其信息传导功能较弱，而交易所市场属于场内市场，具有较强的信息传导功能，这种市场分割导致国债的合理定价功能无法得到有效体现。为此，在2013年和2015年，我国分别发行了5年期国债期货和10年期国债期货。国债期货交易重启后，其价格发现功能可以有效预测国债的合理价格，减小国债市场分割造成的信息不对称。在国债期货的套利交易过程中，信息和资金在期货市场与现货市场之间相互传导，共同影响国债期货与现货的收益和风险变化，形成了市场收益溢出和波动溢出效应。

收益溢出效应本质上是研究国债期货和现货的价格发现功能。在国债期货是否具有价格发现功能方面，以美国为代表的成熟市场和以中国为代表的新兴市场表现出不同特征。国外研究看，Hung&Zhang（1995）发现美国国债期货具有价格发现功能。Brandt&Kavajecz（2007）从订单流、流动性与收益视角分析了美国国债期货市场的价格发现功能。Mizrach&Neely（2008）研究了美国国债期货与现货在不同时期的信息传导特征。国内研究看，周冰和陈杨龙（2013）研究表明中国国债期货仿真交易已初步具备规避利率风险的功能，国债期货的仿真价格暂时单方面受现货市场影响，不具备价格发现功能。吕映辉和李渊（2016）基于中国国债期货上市后的交易数据，通过分析国债期货市场与现货市场价格的互动关系，发现5年期国债期货价格能够有效引导中证中期国债指数价格变动。王苏生等（2017）利用高频数据分析了中国国债期货的价格发现能力，发现中国国债期货市场对价格发现的贡献程度占主导地位。此外，在国债期货与现货价格发现功能的影响因素方面，Man et al.（2013）研究了美国交易机制对国债期货市场价格发现功能的影响。Orlowski（2015）研究了不同交易方式对美国国债期货价格波动的影响，Park et al.（2017）分析了外资参与对韩国国债期货市场以及其价格发现功能的影响，郭彦峰等（2016）研究了交易量对中国国债期货价格发现功能的影响。

综上，目前文献大都集中于分析国债期货和现货的价格发现功能，即收益溢出效应，而并没有对它们的波动溢出效应进行分析，且尚未对国债期货和现货的收益溢出效应和波动溢出进行精确测量。Diebold&Yilmaz（2009）提出了测量溢出效应的有效方法，并已经在股票市场、能源市场等领域得到了广泛应用。基于此，本文借助该方法中的预测误差方差分解方法，运用格兰杰因果检验方法确定协方差矩阵Cholesky分解中的变量输入顺序，构建了总溢出指标和定向溢出指标，分析国债期货和现货的收益溢出和波动溢出效应，进而研究两个市场中信息的传导效应。本文的新意主要体现在以下三方面：第一，首次从定量视角研究了中国国债期货和现货市场的跨市场信息传导机理，丰富了国债期货的研究内容；第二，借助预测误差方差分解方法定义了国债期货与现货的收益溢出与波动溢出指标，包括总溢出指标、定向总溢出指标和定向净溢出指标，为研究跨市场信息传导提供了新方法；第三，发现国债期货市场是信息的传导者、国债现货市场是信息的接收者，信息在收益溢出效应中的传导强于在波动溢出效应中的传导。

二、溢出效应的测量方法

本文参照Diebold&Yilmaz（2009）的预测误差方差分解方法，对国债期货与现货的收益溢出与波动溢出进行了精确测量，包括总溢出指标、定向总溢出指标和定向净溢出指标。为了描述国债期货和现货的溢出指标，考虑二元时间序列Xt的p阶VAR模型，其形式为：

其中，Xt=（X1t，X2t）′，Φ是 2×2 的常系数矩阵。εt：（0，∑ε）是新息向量，其协方差矩阵∑ε正定。

为了使新息正交化，对协方差矩阵进行Cholesky分解，得到：

其中，G是一个主对角元素为正的对角矩阵，Q是一个对角线元素全为1的下三角矩阵，P是下三角矩阵。令，则有∑u=E（）=I2。ut是协方差为单位矩阵的白噪声向量，且是正交化新息。

在分析预测误差方差时，需将序列Xt表示为VMA模型，其形式为：

定义序列Xt的向前H步预测值为：

其中，E（·│Ft）表示在信息流Ft下的条件数学期望。对应序列Xt的向前H步预测误差向量为：

基于式（5）可计算出Xt的向前H步预测误差方差为：

本文利用上述向前H步预测误差方差分析方法，分析变量X1t的新息和X2t的新息相对向量Xt的向前H步预测误差方差的贡献度，定义变量X1t与X2t向前H步的总溢出指标为：

为了分析单个变量的新息对其他变量的影响，本文分析了定向溢出指标，将X1t的新息相对X2t的向前H步预测误差方差的贡献度定义为X1t对X2t的向前H步定向总溢出指标：

相应地，将X2t的新息相对X1t的向前H步预测误差方差的贡献度定义为X2t对X1t的向前H步的定向总溢出指标：

为了研究X1t与X2t之间信息的定向传导程度，定义X1t对X2t向前H步的定向净溢出指标为：

相应地，X2t对X1t向前H步的定向净溢出指标为：

本文利用上述定义的五个溢出指标测量国债期货市场和现货市场之间的信息传导效应，即收益溢出效应和波动溢出效应。

三、数据选取与统计检验

2013年5年期国债期货合约上市，合约标的是面值为100万元人民币、票面利率为3%的5年期国债。考虑到市场流动性和存续性因素，本文以5年期国债期货代表国债期货市场。另外，参考王苏生等（2017）的做法，选取与国债期货联系最为紧密且交易流动性最好的国泰上证5年期国债ETF代表国债现货市场。该基金属于债券型基金，其业绩比较基准为上证5年期国债指数收益率，紧密跟踪标的指数，追求跟踪偏离度和跟踪误差最小化，主要投资于标的指数成分国债和备选成分国债，且投资比例不低于基金资产净值的90%。同时，选取二者从2013年9月6日～2017年5月25日的日收盘价作为统计样本，共计872个数据，数据来自东方财富Choice数据库。

采用对数收益率计算国债期货和现货的收益率，其计算公式为：

其中，i=f或s，f表示国债期货，s表示国债现货，Pf，t表示国债期货日收盘价，Ps，t表示国债现货日收盘价，rf，t表示国债期货日收益率，rs，t表示国债现货日收益率。

利用GARCH模型计算国债期货和现货的收益率的波动率，其计算公式为：

其中，i=f或s，σf,t表示国债期货收益率的波动率，σs,t表示国债现货收益率的波动率，收益率方程（12）刻画国债期货与现货的收益率序列，其波动率用方程（13）描述的ARMA（p，q）-GARCH（1，1）进行建模拟合。

按照收益率方程（12）绘制国债期货与现货收益率时序图，如图1所示。其中，图1（a）为国债期货日收益率，图1（b）为国债现货日收益率。通过观察可以发现，国债期货与现货的收益率均在0值附近波动，国债期货与现货收益率时序图均呈现波动聚集效应。

图1 国债期货与现货日收益率

图2 国债期货与现货波动率

根据方程（13），本文绘制了国债期货与现货的波动率时序图，如图2所示。其中，图2（a）为国债期货波动率，图2（b）为国债现货波动率。通过观察可以发现，国债期货市场的波动最大，国债现货市场的波动最小，且国债期货市场与现货市场的波动均具有很高的持久性。

进一步，用JB统计量检验正态性，用ADF单位根检验平稳性，用Ljung-Box Q（m）统计量检验自相关性，用Ljung-Box统计量Q2（m）检验序列的波动集聚效应（又称为ARCH效应），用多元Ljung-Box Q（m）统计量检验交叉相关性，其结果见表1。其中，JB正态性检验结果表明两市场的收益率序列与波动率序列均为非正态分布，ADF单位根检验结果表明两市场收益率序列与波动率序列均平稳。Ljung-Box Q（12）统计量表明两市场收益率序列与波动率序列均存在自相关性，且收益率序列平方的Ljung-Box Q2（12）统计量表明，在1%的显著性水平下国债期货与现货的收益率均具有较强的ARCH效应。

表1 国债期货与现货收益率序列及波动率序列的统计描述

用Cholesky分解得到的正交化新息使得预测误差方差分解依赖于变量的输入顺序，故而需要确定变量的输入顺序。Granger因果检验是判断变量顺序的有效方法，故而本文用该方法分析X1t和X2t的顺序。由国债期货与现货的格兰杰因果检验结果可知，VAR模型阶数p从1～5时，无论是收益率还是波动率，国债期货是现货的Granger原因，国债现货不是期货的Granger原因。因此，在收益溢出效应和波动溢出效应的研究中，Xt=（X1t，X2t）′的分量 X1t表示国债期货变量，X2t表示国债现货变量。

用方程（1）中的VAR模型分析收益溢出效应与波动溢出效应时，需分别考察国债期货和现货收益率序列、波动率序列的交叉相关性。为此，本文用多元Ljung-Box统计量分别对两市场的收益率序列的交叉相关性与波动率序列的交叉相关性进行检验，由检验结果可知，滞后六阶的多元Ljung-Box Q统计量在5%的显著性水平下显著，表明国债期货与现货的收益率序列存在交叉相关性，且国债期货与现货的波动率序列也存在交叉相关性。因此，可以建立VAR模型，并借助预测误差方差分析收益溢出效应和波动溢出效应。

四、计算收益溢出效应和波动溢出效应

本文在计算国债期货和现货的收益溢出和波动溢出效应中，采用总样本计算溢出指标，从而可以刻画这些溢出效应的平均水平。同时，用滚动样本计算溢出指标既可以刻画这些溢出效应的动态特征，也可以反映特定时期特定事件的溢出效应。因此，本文从两方面分别计算国债期货和现货的定向总溢出、定向净溢出和总溢出。

（一）溢出效应的平均水平

首先，根据AIC、BIC、HQ信息准则，选取收益率序列的VAR模型的相对最优滞后阶数为3，根据方程（6）计算国债期货和现货收益率的向前1～4步预测误差方差，如表2所示。表2中，第2～5行的第3列表示国债期货收益率的新息对国债期货收益率的预测误差方差的贡献值，对应溢出指标公式中的（h=0，1，2，3）；第2～5行的第4列表示国债现货收益率的新息对国债期货收益率的预测误差方差的贡献值，对应溢出指标公式中的（h=0，1，2，3）；第6～9行的第3列表示国债期货收益率的新息对国债现货收益率的预测误差方差的贡献，对应溢出指标公式中的（h=0，1，2，3）；第6～9行的第4列表示国债现货收益率的新息对国债现货收益率的预测误差方差的贡献值，对应溢出指标公式中的（h=0，1，2，3）。

表2 国债期货与现货收益率的预测误差方差分解

由表2的相应数据代入溢出指标公式（7）～（11），计算国债期货与现货收益率的定向总溢出、定向净溢出和总溢出，如表3所示。由表3可知，国债期货与现货收益率的总溢出指标为17.41%，说明在国债期货市场和现货市场收益率预测中，彼此之间信息传导的贡献率为17.41%。国债期货对现货收益率的定向总溢出指标为34.62%，表明国债期货收益率的信息对国债现货收益率预测的贡献率为34.62%。然而，国债现货对期货收益率的定向总溢出指标为0.20%，意味着国债现货收益率的信息对国债期货收益率预测的贡献率为0.20%。国债期货对国债现货收益率的定向净溢出指标为34.42%，国债现货对国债期货收益率的定向净溢出指标为-34.42%，说明在抵消了国债现货对国债期货的信息传导后，国债期货市场是信息的传导者，国债现货市场是信息的接收者，进一步说明国债期货市场已经具有价格发现功能，能够显著引导国债现货市场。

表3 国债期货与现货收益率的向前4步预测的溢出指标

类似地，根据AIC、BIC、HQ信息准则，选取波动率序列的VAR模型的相对最优滞后阶数为4。利用式（13）计算国债期货和现货收益率的波动率，然后用式（6）计算国债期货和现货波动率的向前1～4步预测误差方差，如表4所示。由表4可知，第2～5行的第3列表示国债期货波动率的新息对国债期货波动率的预测误差方差的贡献值，对应溢出指标公式中的（h=0，1，2，3）；第2～5行的第4列表示国债现货波动率的新息对国债期货波动率的预测误差方差的贡献值，对应溢出指标公式中的（h=0，1，2，3）；第6～9行的第3列表示国债期货波动率的新息对国债现货波动率的预测误差方差的贡献，对应溢出指标公式中的（h=0，1，2，3）；第6～9行的第4列表示国债现货波动率的新息对国债现货波动率的预测误差方差的贡献值，对应溢出指标公式中的（h=0，1，2，3）。

表4 国债期货与现货波动率的预测误差方差分解

由表4的相应数据代入溢出指标公式（7）～（11），计算国债期货与现货波动率的定向总溢出指标、定向净溢出指标和总溢出指标，如表5所示。从中可知，国债期货与现货波动率的总溢出指标为9.35%，表明在两市场波动率预测中，彼此之间信息传导的贡献率为9.35%。国债期货对现货波动率的定向总溢出指标为18.58%，意味着国债期货波动率的信息对国债现货波动率预测的贡献率为18.58%。然而，国债现货对期货波动率的定向总溢出指标为0.12%，说明国债现货波动率的信息对国债期货波动率预测的贡献率仅为0.12%。国债期货对现货波动率的定向净溢出指标为18.46%，国债现货对期货波动率的定向净溢出指标为-18.46%，说明在抵消了国债现货对期货的信息传导后，国债期货市场是信息的传导者，国债现货市场是信息的接收者。

表5 国债期货与现货波动率的向前4步预测的溢出指标

通过比较表3与表5，发现国债期货与现货市场收益率的跨市场信息传导占全部信息传导的17.41%，国债期货与现货市场波动率的跨市场信息传导占9.35%，意味着国债期货和现货的收益溢出效应强于波动溢出效应，且国债期货市场对国债现货市场呈现单向信息传导，即主要存在国债期货对现货的信息传导。

（二）溢出效应的动态特征

总样本溢出测量能很好反映收益溢出与波动溢出的平均水平，但可能会忽略一些重要时刻的溢出情况。为了解决这一问题，本文引进滚动样本来刻画动态溢出效应，即基于240天的滚动样本（大概为1年的工作周期），通过溢出指标的时序图来刻画收益溢出与波动溢出的动态特征。

图3 国债期货与现货的总溢出

图3 描述了国债期货与现货的总溢出指标时序图，横轴表示每个滚动窗口的最后一天的日期，纵轴表示国债期货与现货的总溢出指标，实线表示收益总溢出指标，虚线表示波动总溢出指标。从中可以发现，收益总溢出与波动总溢出的总体走势几乎一致，在2014年9月～2016年12月期间，收益总溢出指标高于波动总溢出指标，意味着国债期货与现货在收益中的信息传导强于在波动中的信息传导。在2016年12月中旬～2017年3月期间，波动总溢出指标略高于收益总溢出指标，表明国债期货与现货在波动中的信息传导略强于在收益中的信息传导。在2017年3月后，收益总溢出指标再次高于波动总溢出指标，也表明国债期货与现货在收益中的信息传导再次强于在波动中的信息传导。图3中，从2016年11月25日～2016年12月14日，国债期货和现货的收益总溢出和波动总溢出急剧上升，预示着信息传播速度增大，该时期经济环境发生了诸多事件，如PMI创新高显示经济复苏能力较强，市场资金面大幅紧张，大连机床的公司债、冀物流的公司债和中城建的公司债都发生违约和同业CD资金链断裂等。

其中，就收益总溢出而言，在第1个窗口，其总溢出指标低于15%，在2014年9月～2016年12月期间，总溢出指标在10%～20%范围内浮动，但在2016年末，总溢出指标发生了重大变化，即总溢出指标超过了20%，并且之后一直在20%～30%范围内浮动。从总溢出效应图也可以发现，2014年末，总溢出从不到15%突然增加到18%，此后整体向下轻微浮动，直到2016年7月中旬，总溢出指标达到最低值，2016年末急剧大约增加到25%。就波动总溢出图而言，在第1个窗口，其总溢出指标低于5%，在2014年9月～2016年10月期间，总溢出指标在0～10%范围内浮动，但在2016年10月～11月期间，其总溢出指标略高于10%，尤其在2016年末急剧增长到25%，甚至略高于收益总溢出指标，此后维持在20%～30%范围内浮动。在总溢出效应图中，2014年末总溢出指标从大约4%增加到8%，此后便整体向下轻微浮动，直到2016年1月达到最低值，此后又整体向上浮动，2016年末，总溢出指标急剧增到25%。

图4 国债期货与现货之间的定向总溢出指标

图4 呈现了国债期货与现货之间的定向总溢出。其中，图4（a）为国债期货对现货的定向总溢出指标，图4（b）为国债现货对期货的定向总溢出指标。通过比较可以发现，无论是收益还是波动，主要存在国债期货对现货的溢出效应。在2014年9月～2016年12月期间，国债期货对现货的定向总溢出主要体现为收益溢出，意味着国债期货对现货的信息传导情况主要体现在收益方面，但在2016年12月～2017年3月期间，国债期货对现货在波动中的信息传导略高于在收益中的信息传导。由图4（a）可知，在2014年9月～2016年12月期间，国债期货对现货收益的定向溢出在20%～40%范围内浮动，但也经历了一些小浮动，在第1个窗口低于30%，在2014年末增加到38%，此后便整体向下浮动，直到2016年7月中旬，溢出指标达到最低值。2016年末，溢出指标急剧增加到45%，表明国债期货对现货在收益中的信息传导指标达到了45%，此后便在40%～50%区间浮动。在2014年9月～2016年12月期间，国债期货对现货波动的定向溢出在0～20%范围内浮动，但也经历了一些小浮动，在第1个窗口中其溢出指标低于10%，2014年末增加到18%，此后便整体向下浮动，直到2016年1月达到最低值，此后又整体向上浮动，2016年末急剧增加到50%左右，即国债期货对现货在波动中的信息传导指标达到了50%，此后便在40%～60%间浮动。由图4（b），在2014年9月～2016年12月期间，国债现货对期货收益的定向溢出，大约在0～1%范围内浮动，但在2016年12月后急剧增加，最高时达到5.5%。同时，国债现货对期货波动的定向溢出在0～1%范围内浮动。这表明国债现货对期货的信息传导比较小。

图5 国债期货对现货及现货对期货的定向净溢出指标

图5 为国债期货与现货的定向净溢出图。其中，图5（a）为国债期货对现货的定向净溢出指标，表明国债期货对现货的定向净溢出指标大于0，意味着在抵消了国债现货对期货的信息传导后，国债期货市场是信息的传导者。相反，图5（b）为国债现货对期货的定向净溢出指标，表明国债现货市场是信息的接收者。

（三）稳健性检验

为了考察不同的预测步数、VAR模型阶数、滚动样本宽度是否会影响国债期货与现货溢出效应的动态特征变化的一致性，本文分析收益总溢出指标、波动总溢出指标、国债期货对现货收益和波动的定向总溢出指标对这三类参数影响的稳健性。首先，选取预测步数为3～6步，考察滚动样本溢出指标对预测步数选取的敏感度。结果表明，当选取的预测步数为3～6步时，滚动样本溢出指标的整体走势并不随预测步数的变化而变化，说明国债期货与现货的溢出指标对预测步数选取的敏感度并不强。其次，选取VAR模型阶数为1～5，考察滚动样本溢出指标对VAR模型阶数选取的敏感度。结果表明，滚动样本溢出指标的整体走势并不随VAR模型阶数的变化而变化，说明国债期货与现货的溢出指标对VAR模型阶数选取的敏感度并不强。最后，选取滚动样本为200天与240天，分析滚动样本溢出指标对滚动样本宽度选取的敏感度，观察国债期货与现货总溢出指标（收益或波动）以及国债期货对现货的定向总溢出指标（收益或波动）。结果发现滚动样本溢出指标的整体走势并不随滚动样本的宽度的变化而变化，说明国债期货与现货的溢出指标对滚动样本宽度的选取并不敏感。综上可知，国债期货与现货的收益和波动的总溢出指标、国债期货对现货收益和波动的定向总溢出指标对预测步数、VAR模型阶数以及滚动样本宽度的敏感度并不强，说明国债期货与现货的滚动样本的溢出指标具有稳健性。

五、主要结论

本文基于VAR模型的预测误差方差分解方法，对国债期货与现货的收益溢出与波动溢出进行了精确测量，包括总溢出指标，定向总溢出指标，定向净溢出指标。由于Cholesky分解得到的正交化新息使得预测误差方差分解依赖于变量的输入顺序，故而通过格兰杰因果检验对输入变量的顺序进行选择，最终确定国债期货的收益率和波动率为第一个分量，国债现货收益率和波动率为第二个分量。另外，通过总样本溢出测量结果来反映国债期货和现货溢出的平均水平，并运用滚动样本溢出刻画动态溢出特征。其中，总样本溢出测量结果表明，国债期货和现货市场收益的信息传导占17.41%，国债期货和现货市场波动的信息传导占9.35%，意味着国债期货市场与现货市场之间的收益溢出效应强于波动溢出效应，而且国债期货对现货呈现单向信息传导。滚动样本溢出测量结果表明，收益总溢出与波动总溢出的总体走势几乎一致，在2014年9月～2016年12月期间，收益总溢出指标高于波动总溢出指标，即国债期货和现货在收益中的信息传导强于在波动中的信息传导，在2016年12月～2017年3月期间，波动总溢出指标略高于收益总溢出指标，即国债期货和现货在波动中的信息传导略强于在收益中的信息传导，在2017年3月后收益总溢出指标再次高于波动总溢出指标，即国债期货和现货在收益间的信息传导再次强于在波动间的信息传导。无论是收益溢出和波动溢出，主要体现在国债期货对现货的溢出，即主要存在国债期货对现货的信息传导。最后，本文还从预测步数、VAR模型阶数、滚动样本宽度三个方面对滚动样本溢出效应测量的稳健性进行了检验，结果表明滚动样本的溢出指标对这三方面的敏感度并不强，说明在滚动样本情况下，国债期货与现货的溢出指标具有稳健性。

综上，本文的研究结论具有重要的理论意义和应用价值。其一，从定量视角研究了中国国债期货和现货市场的跨市场信息传导机理，丰富了国债期货的研究内容。其二，借助预测误差方差分解方法定义了国债期货与现货的收益溢出与波动溢出指标，包括总溢出指标、定向总溢出指标和定向净溢出指标，并且对国债期货与现货的总体水平与动态水平的溢出效应进行了精确测量，为研究跨市场信息传导提供了新方法，有助于根据溢出指标构建投资策略并制定相关的政策法规。其三，国债期货与现货之间的两种溢出效应对投资者进行套期保值、投机、资产组合具有重要的应用价值。其中，国债期货对现货的收益溢出效应体现了国债期货的价格发现功能，可以有效预测国债的合理定价，为投资者提供决策依据。其四，滚动样本溢出指标的动态特征能够捕捉并预测重大事件发生的可能性，从而给投资者和监管者做出有效预防措施提供依据。

为此，依据本文对国债期货与现货溢出效应的传导机制研究，从监管和投资两个方面，提出几点政策建议作为参考。第一，完善国债期货市场和现货市场的信息披露制度。依据本文的研究可知，国债期货市场和现货市场之间的信息传导比较弱，通过价格和波动传导途径仅仅能体现总信息的17.41%和9.35%。这表明目前国债期货和现货市场信息披露不够充分，存在信息发布不及时、发布途径简单等诸多不健全的情况。因此，沪深证券交易所和中国银行间市场交易商协会应该加强发布国债发行、交易、政策变化等能体现国债价格变化方面的信息，中国金融期货交易所也要加大发布国债期货转现货交易信息等方面的信息，逐渐形成国债期货可以引领和发现国债现货价格的信息披露制度。第二，加强量化投资交易策略研发。量化投资是一种非常有效的投资策略，可以规避投资者的非理性行为，非常符合市场变化规律。投资者可以依据本文的研究成果构建国债期货和现货量化投资交易策略，有效对冲二者的市场风险。