于非线性映射的期货市场逼仓识别研究

一、引言

期货市场逼仓行为是指交易者利用资金优势，控制期货价格牟取超额利润的行为。期货市场逼仓问题由来已久，美国期货市场建立的前五十年中有记录的操纵案例就多达124次。[1]市场操纵行为极大地损害了期货市场投资者的利益，严重的还会导致市场关闭。作为一个新兴期货市场，近年来发生的期货市场操纵行为严重影响了我国期货市场的健康发展，逼仓识别问题的研究也成为我国理论和实务界越来越关注的问题。

鉴于理论模型的种种限制，偏向于通过理论指标来判定逼仓现象往往不能很好的反映市场真实状态。另一方面，具体交易者的逼仓数据又很难取得。针对这种状况，本文提出了一个新的视角来研究逼仓事件。通过将可能存在逼仓的合约与正常合约相互对比，找出两者之间市场状态上的差别，以此来判断逼仓。本文所提出的判别方法与以往研究主要有三点不同和优势：第一，指标模型结合了正常交易日数据，这样可以做到判别阀值的不断修正。第二，与Palshikar and Apte[2]不同的是，实证检验使用的是真实数据而非模拟数据，并且结合数据分析，结果更加清晰明了。第三，指标模型通过非线性映射反映到二维空间，能够在数据分析的同时结合个人经验进行图形分析。

二、期货逼仓风险判定指标体系

对于期货市场描述性指标研究，已有较多的研究成果。例如，文献Kyle中从波动性和流动性角度给出了多个指标。较全面的包括了反映市场基本信息的各项指标。但其中的市场资金占用率、多空资金占用率等若干指标并不适于实证研究。因为在期货市场中，用于计算多空资金占用率的多头可用资金、空头可用资金等变量是难以衡量和估计的。考虑以上方面，本研究以综合性、无关性、及时性和易搜集性为原则，从资金、价格、持仓量这三个方面出发，选取市场资金总量变动率、期货价格变动率、持仓量变动率等12个指标。①

三、数据选取与检验流程

（一）数据

大连商品交易所的焦炭合约J1109事件经由多家门户网站报道，而成为近年来被大家所关注的空逼多事件。大连期货交易所的焦炭期货是世界上第一个焦炭合约，由于缺乏相关经验导致期货设计的不合理，导致了第一个合约就发生逼仓事件。一般认为不合理之处在于： （1）焦炭交割涉及的质量品级太宽，交割买方无法控制。（2）采用的是厂库交割模式，交割地点买方也无法控制。

大连商品交易所的焦炭期货数据取自2011年4月15日到2012年6月4日，共275个交易日数据。其中，焦炭合约J1109交易数据取自2011年4月15日到2011年9月15日，共107个交易日数据。所有数据来源于大连商品交易所。采用的统计软件是matlab 2007a。

（二）操纵识别流程与思路

以非线性映射来识别操纵的基本思路是这样的。首先，选取能够反映操纵状况的基础指标。然后，将这些基础指标映射到二维空间，并确定中心点和阀值。最后，距离中心点距离远于阀值就可以判断为操纵。

四、识别结果分析

为说明经过非线性映射的二维数据是否能够很好的表现原多维数据结构，本研究还引入了压力方程以判别映度。

（一）非线性映射结果的图形分析

将棉花期货合约将J1109各交易日按照表取指标值，其中，进行非线性映射，被映射空间选定为二维，迭代允许误差是0.01。有映射值，详见附录B。压力方程S=9%，说明映度非常好。合约中心点为，35交易日即2011年6月3日。从图3可以看出J1109合约的成交量在交易前期较为活跃，在7月中旬开始萎缩，并持续至交割日。所以，我们这里首先考察的是7月下旬到交割日的交易日。将所有交易日分成两类进行考察。第一类是疑似逼仓交易日，从2011年7月21日到2011年9月2日的交易数据，②第二类是其他交易数据。根据映射值，如图1，可以看出，大部分的疑似逼仓交易日与其他交易日的数据点明显的分离开来，并且十分分散。所以我们有理由相信，在这段时间内该合约发生了逼仓现象。

在图2基础上，考察更多交易日。将所有的交易日划分成五类，第一类为8月8日到9月2日，第二类是7月4日到7月20日，第三类是7月21日到8月5日，第四类是9月5日到9月15日，第五类是7月1日之前所有交易日，如图5所示。从图中我们得出如下结论：

一是第一类（8月8日到9月2日）的交易日集中，并且远离中心点。这说明，在此阶段逼仓已经形成，并且市场完全被空方操纵。二是第二类（7月4日到7月20日）的交易点集中，且靠近中心点。这说明，在此阶段逼仓并未发生，仍然属于正常交易。三是第三类（7月21日到8月5日）的交易点非常分散，且远离中心点。所以，在此阶段空方获得了市场操纵的地位。对比之前的多逼空实证研究，合约CF009的操纵者通过近两个月的时间才获得市场操纵的能力，而J1109的操纵者在短短的一周时间内就获得了操纵市场的能力。这是因为，棉花期货是一个成熟市场，参与者要远多于焦炭期货的参与者，各时期的持仓量更是十数倍于焦炭期货。四是第四类（9月5日到9月15日）的交易点较为集中，与中心点的位置也教近。在此阶段由于空逼多的发生，甚至出现了“期现倒挂”的现象，大量的中间商涌入现货市场，缓解了逼仓。所以，此阶段数据图像没有十分明显的表现出逼仓，如果没有数据分析无法判断此阶段是否有逼仓发生。

（二）非线性映射结果的数据分析

如前文所述，对焦炭合约J1109进行非线性映射后，有中心点。如果某一点到的距离大于2.2137认为存在逼仓，如果小于等于2.2137认为不存在逼仓，合约J1109映射数据详见附录。数据分析结果如表1所示，从该表中我们能得出如下结论：一是7月4日到7月20日的映射数据中，只识别出7月15日存在逼仓。所以，我们判断该点应当是误判，即该段时间内没有发生逼仓。二是7月20日到8月5日的映射数据中，5个交易日识别没有逼仓，7个交易日识别出发生了逼仓。识别出逼仓的交易日距中心点非常远，且集中于7月26日之后。说明，逼仓发生于7月26日之后。三是8月8日到9月2日的映射数据点中，18个被识别出存在逼仓，仅有两个点没有识别出。8月下旬数据在逐步向中间点靠拢，说明在发生了“期现倒挂”之后，中间商的涌入缓解了逼仓。四是9月5日到9月15日的映射数据中，8个点均被识别出存在逼仓，距中心点距离都非常接近2.2137。说明逼仓一直持续到交割，并且市场波动非常小。五是在其他交易日中，识别出了12个交易日存在逼仓，但并不连续。说明在此阶段并无逼仓发生，识别出的逼仓仅仅由于交易波动所引起。

五、结论

本研究借助非线性映射，建立了一个基于多指标的逼仓检验模型。首先，通过本模型的方法，能够从图形中清楚看出逼仓时期和非逼仓时期的区别。可以方便监管者和参与者在凭借模型识别的同时，利用经验认知对逼仓情况进行判断。其次，本模型能够通过数据分析得出逼仓发生各个阶段的情形，从而推断逼仓的具体发生时间，这将Palshikar and Apte[2]的研究向前又推进了一步。遗憾的是，所选取的逼仓事件没有经过司法程序的审查，所以无法明确知道操纵者究竟是何时入场开始逼仓的。因而，模型的结论与经验结论完全吻合，但与事件的确切发生时间的误差无法确定。

注释：①后文实证检验中，关联市场相关指标只应用于郑棉CF009。中国的焦炭期货是世界首创，没有相关市场。

②之所以这样选取是因为，在8月末到9月初J1109发生了“期现倒挂”的现象，导致现货市场涌入了大量的中间商，打破了原本的市场形态。所以，在这里没有将9月2日之后的交易日划入到疑似意思逼仓交易日的范畴内。

（闫美凝，马锦华单位为上海大学悉尼工商学院；蒋云鹤单位为上海交通大学安泰经济与管理学院）

参考文献

[1] Pirrong S C.The Self-Regulation of Commodity Exchanges：The Case ofMarket Manipulation[J]. JL＼&Econ，1995（38）：141.

[2] Palshikar G K，Apte M M.Collusion set detection using graphclustering [J]. Data Mining and Knowledge Discovery，2008，16（2）：135-164.