论文部分内容阅读
【摘 要】用期货合约对冲现货的价格风险是许多企业常用的套期保值方法,其中最优套期保值比率的确定又是套期保值理论的核心问题。为了评估套期保值的效果,最小二乘方法(OLS)及二元GARCH(BGARCH)模型常被用于最优套期保值比率的估计。本文最后对不进行套期保值的情形和基于OLS模型和BGARCH模型的套期保值效果进行衡量,先从风险最小的角度进行了比较,接着就提出新的比较方法——从效用最大化的角度进行比较,这也是本文的创新点。实证结果表明,基于OLS模型的套期保值及基于BGARCH模型的套期保值均能有效地对冲现货的价格风险, 从风险最小化的角度来衡量,BGARCH模型的套期保值效果最好。而从效用最大化的角度来衡量,OLS模型的套期保值效果最好。
【关键词】 铜期货;套期保值;效果;OLS;BGARCH
中图分类号:F731.35 文献标识码:A 文章编号:1009-8283(2010)09-0089-01
1 引言
期货市场最基本的一个功能就是套期保值。利用期货和现货的同向变动关系,在期货市场上建立与现货相反的头寸,用期货头寸的盈利或者亏损来对冲现货头寸的亏损或者盈利,从而规避现货市场价格波动带来的风险。而在套期保值的操作过程中,最核心的问题是套期保值比率的确定。所谓套期保值比率就是套期保值者持有期货合约头寸大小与相应风险暴露现货资产大小间的比率,如何确定最优套期保值比率是一个现实问题。
本文运用Ederington(1979)的OLS模型、Baillie & Myers ( 1991 )的Bivariate GARCH对中国期货市场中铜期货的动态最优套期保值比率进行了研究,并对不同方法的绩效进行了比较,以寻找最适合我国国情的套期保值的方法,这不仅对于铜期货套期保值操作具有重要的指导意义,同时还可以反映我国铜期货市场套期保值功能的发挥程度,从而为期货市场的政策制订者提供依据。
2 铜期货最优套期保值比率的实证研究
本文采用日数据进行分析,铜期货价格数据来自wind金融数据库,现货数据来源于上海金属网,数据区间从2004年8月20日至2010年5月20日。
首先对△St、△Ft、Rst及Rft等四个序列分别进行单位根检验,结果表明,四个序列在显著性水平为0.01的水平上均可拒绝原假设,从而认为四个序列均不存在单位根,为平稳时间序列。
2.1 OLS模型估计结果
根据OLS模型得出:
[JZ(]△St=0.154384+0.725434×△Ft[JZ)][JY,2](1)
从(1)式可知,基于OLS的最优套期保值比率为0.725434,该值在显著性水平为0.01的水平上是显著的。
2.2BGARCH模型估计结果
我们分别对现货价格与期货价格序列进行自回归分析,并对残差进行ARCH效应检验,发现回归的残差序列均存在高阶ARCH效应,即GARCH效应,因此,可以使用GARCH(p,q)类模型来估计。结果得出BGARCH模型的最优套期保值比率为0.904705829。
2.3 套期保值效率比较分析
2.3.1 从风险最小的角度分析
不进行套期保值的收益为9.83E-06,风险值为3.37522E-04;基于OLS的套期保值的收益为9.75E-06,风险值为3.3361E-04;及基于BGARCH模型的套期保值的收益为7.56E-06,风险值为3.2932E-04;所以,基于OLS的套期保值及基于BGARCH模型的套期保值均能有效地对冲现货的价格风险,而其中基于BGARCH的动态套期保值比基于OLS的静态套期保值有更好的保值效果。
2.3.2 从效用最大的角度分析
得出以下结果:
从表4可以看出在相同的风险厌恶水平下,OLS模型都能比BGARCH模型给出更大的效用。因此,从效用最大化的角度来看,OLS模型比BGARCH模型更好。
3 结论
中国与铜相关的现货企业,在对铜现货价格进行风险管理时,可优先考虑使用BGARCH模型计算动态套期保值比率,并据此设计套期保值策略。在要求铜现货价格效用最大化时,则可先考虑OLS模型,并据此设计套期保值策略。
参考文献:
[1] Ederington L H. The Hedging Performance of the New Futures Markets[J ] . Journal of Finance ,1979,(34):157-170.
[2] Lien, D•, & Luo, Estimating multiperiod hedge ratios in cointegrated markets[J]•Journal of Futures Mar-
kets,1993,(13): 909-9201987 ,(55) :251-276.
[3] Lien, D•H•D•and X•Luo,•Multi-period Hedging in the Presence of Conditional Heteroscedasticity[J] The Journal of Futures Markets, 1994,(8): 927-955
[4] Park, T H and L N Switzer, Bivariante GARCH Estimation of The Optimal Hedge Ratios For Stock In-dex Futures: A Note[J] Journal of Futures Markets 1995,(15): 61-67
[5] Donald Lien Yiu Kuen Tse and Albert Tsui,. Evalua-ting Hedging Performance of the Constant-CorrelationGARCH Model [ J]. Applied Financial Economics,2002,(12): 791-798
[6] [美]滋维•博迪,亚历克斯•凯恩.投资学[M].朱宝宪,楼远,吴洪译.北京:机械工业出版社,2005
【关键词】 铜期货;套期保值;效果;OLS;BGARCH
中图分类号:F731.35 文献标识码:A 文章编号:1009-8283(2010)09-0089-01
1 引言
期货市场最基本的一个功能就是套期保值。利用期货和现货的同向变动关系,在期货市场上建立与现货相反的头寸,用期货头寸的盈利或者亏损来对冲现货头寸的亏损或者盈利,从而规避现货市场价格波动带来的风险。而在套期保值的操作过程中,最核心的问题是套期保值比率的确定。所谓套期保值比率就是套期保值者持有期货合约头寸大小与相应风险暴露现货资产大小间的比率,如何确定最优套期保值比率是一个现实问题。
本文运用Ederington(1979)的OLS模型、Baillie & Myers ( 1991 )的Bivariate GARCH对中国期货市场中铜期货的动态最优套期保值比率进行了研究,并对不同方法的绩效进行了比较,以寻找最适合我国国情的套期保值的方法,这不仅对于铜期货套期保值操作具有重要的指导意义,同时还可以反映我国铜期货市场套期保值功能的发挥程度,从而为期货市场的政策制订者提供依据。
2 铜期货最优套期保值比率的实证研究
本文采用日数据进行分析,铜期货价格数据来自wind金融数据库,现货数据来源于上海金属网,数据区间从2004年8月20日至2010年5月20日。
首先对△St、△Ft、Rst及Rft等四个序列分别进行单位根检验,结果表明,四个序列在显著性水平为0.01的水平上均可拒绝原假设,从而认为四个序列均不存在单位根,为平稳时间序列。
2.1 OLS模型估计结果
根据OLS模型得出:
[JZ(]△St=0.154384+0.725434×△Ft[JZ)][JY,2](1)
从(1)式可知,基于OLS的最优套期保值比率为0.725434,该值在显著性水平为0.01的水平上是显著的。
2.2BGARCH模型估计结果
我们分别对现货价格与期货价格序列进行自回归分析,并对残差进行ARCH效应检验,发现回归的残差序列均存在高阶ARCH效应,即GARCH效应,因此,可以使用GARCH(p,q)类模型来估计。结果得出BGARCH模型的最优套期保值比率为0.904705829。
2.3 套期保值效率比较分析
2.3.1 从风险最小的角度分析
不进行套期保值的收益为9.83E-06,风险值为3.37522E-04;基于OLS的套期保值的收益为9.75E-06,风险值为3.3361E-04;及基于BGARCH模型的套期保值的收益为7.56E-06,风险值为3.2932E-04;所以,基于OLS的套期保值及基于BGARCH模型的套期保值均能有效地对冲现货的价格风险,而其中基于BGARCH的动态套期保值比基于OLS的静态套期保值有更好的保值效果。
2.3.2 从效用最大的角度分析
得出以下结果:
从表4可以看出在相同的风险厌恶水平下,OLS模型都能比BGARCH模型给出更大的效用。因此,从效用最大化的角度来看,OLS模型比BGARCH模型更好。
3 结论
中国与铜相关的现货企业,在对铜现货价格进行风险管理时,可优先考虑使用BGARCH模型计算动态套期保值比率,并据此设计套期保值策略。在要求铜现货价格效用最大化时,则可先考虑OLS模型,并据此设计套期保值策略。
参考文献:
[1] Ederington L H. The Hedging Performance of the New Futures Markets[J ] . Journal of Finance ,1979,(34):157-170.
[2] Lien, D•, & Luo, Estimating multiperiod hedge ratios in cointegrated markets[J]•Journal of Futures Mar-
kets,1993,(13): 909-9201987 ,(55) :251-276.
[3] Lien, D•H•D•and X•Luo,•Multi-period Hedging in the Presence of Conditional Heteroscedasticity[J] The Journal of Futures Markets, 1994,(8): 927-955
[4] Park, T H and L N Switzer, Bivariante GARCH Estimation of The Optimal Hedge Ratios For Stock In-dex Futures: A Note[J] Journal of Futures Markets 1995,(15): 61-67
[5] Donald Lien Yiu Kuen Tse and Albert Tsui,. Evalua-ting Hedging Performance of the Constant-CorrelationGARCH Model [ J]. Applied Financial Economics,2002,(12): 791-798
[6] [美]滋维•博迪,亚历克斯•凯恩.投资学[M].朱宝宪,楼远,吴洪译.北京:机械工业出版社,2005