论文部分内容阅读
随着金融市场波动加剧以及股指期货交易制度完善,结合股指期货建立有效的套期保值策略对于控制金融风险,维护市场稳定和保护投资者利益具有关键性作用。套期保值策略研究的重要核心是套期保值比率的估计,而引入高频数据的动态套期保值比率估计和预测是目前研究的新方向;另一方面,套期保值策略的构建属于对时间序列建模和预测的研究范畴,对于多种预测模型,采取预测结合(Forecast Combination)方法通常可以提高预测精度,弥补单一模型的不足。因此,本文采用多种低频及高频模型对期货与现货的套期保值比率进行估计,并采用丰富的预测结合方法对单一模型结合,构造基于预测结合的沪深300股指期货动态套期保值策略。本文首先采取多种模型对中国沪深300指数与期货套期保值比率进行预测。具体包括传统静态套保模型(OLS、ECM);基于低频数据的MGARCH类动态套期保值模型(CCC-GARCH、DCC-GARCH、BEKK-GARCH);以及基于已实现测度和最小方差套期保值理论构建已实现最小方差套保比率(Realized Minimum Variance Hedge Ratio,RMVHR),采用ARMA、基于t分布的ARMAGARCH、ARMA-GJR-GARCH及ARFIMA、含外部解释的ARFIMAX模型、异质自回归HAR模型及向量异质自回归VHAR模型,用于对已实现最小方差套保比率及已实现协方差矩阵的建模与预测,作为引入高频数据的动态套期保值模型。然后,本文运用多种预测结合方法将上述的低频与高频动态套期保值模型结合,其中包括核岭回归(KRR)和支持向量回归(SVR)等复杂的非线性结合方法,构造出全新的动态套期保值策略。最后,通过MCS检验及绩效评价指标从多维度对各类模型预测效果及相应的套期保值策略做出全面的评价,为套期保值策略研究、预测结合研究提供丰富的实证证据,改善传统模型下动态套期保值策略的不足。本文使用了沪深300指数以及沪深300股指期货的5分钟高频数据,样本区间为2016年1月3日至2019年12月30日,共计975个交易日;运用MCS检验及绩效评价指标对各类模型预测效果及相应的套期保值策略做出全面的评价,得到实证结论:(1)引入预测结合方法的动态套期保值策略可以优化单一策略在绩效评价指标上的表现效果,同时具有较好的预测效果,其中基于逐步回归、核岭回归的预测结合法具有最稳定、最优秀的表现。(2)在结合模型较多时,采用复杂的可变权结合方法普遍优于简单的不变权结合以及普通OLS结合。(3)在单一模型中,ARFIMAX模型同时在绩效评价与预测两个层面表现优秀,说明衡量非对称性和长记忆性有助于提高对已实现最小方差套保比率的拟合度,改善预测能力与套期保值效果。(4)在绩效评价方面,高频模型在所有评价指标中均显著优于低频模型(MGARCH类)以及传统静态套期保值模型,凸显了基于已实现最小方差套保比率建模的动态套期保值策略的优越性。(5)在预测能力方面,长记忆模型的预测能力普遍优于短记忆性模型。