上海铝期货套期保值比实证探究

上海铝期货套期保值比实证探究

ID:31640618

大小:57.92 KB

页数:7页

时间:2019-01-16

上海铝期货套期保值比实证探究_第1页
上海铝期货套期保值比实证探究_第2页
上海铝期货套期保值比实证探究_第3页
上海铝期货套期保值比实证探究_第4页
上海铝期货套期保值比实证探究_第5页
资源描述:

《上海铝期货套期保值比实证探究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、上海铝期货套期保值比实证探究【摘要】期货市场的风险转移功能主要通过套期保值策略实现,而套期保值理论的核心是套期保值比率的确定。本文采用GARCH类模型族对沪深300股指期货和现货的套期保值比率进行了估计,得出了EGARCH模型的套期保值比最小,而GARCH模型的套期保值的标准差最小的结论。【关键词】股指期货;套期保值比;GARCH族1.引言期货市场的风险转移功能主要通过套期保值策略实现,而套期保值理论的核心是套期保值比率的确定。期货和其对应的现货市场指数受相同经济因素影响,通常具有一致的走势,故利用期货与证券投资组合能够盈亏冲抵,抵御价格波动风险。沪深300指数是以在上交所和深交所所有上

2、市的股票中选取规模大和流动性强的最具代表性的300家成分股作为编制对象,并以这些成分股的自由流通量为权数,以2004年12月31日为基准日、基准点数1000点的股价指数。2005年4月8日,沪深300指数正式发布,成为沪深证券交易所联合开发的第一个反映A股市场整体走势的指数。在2010年4月16日推出以沪深300指数为标的的第一个股指期货合约,它的推出开启了中国金融市场的新时代。总体而言,研究期货的套期保值比可以分为静态和动态两种方法体系。静态方法为OLS、VAR、ECM等方法,动态套期保值研究方法为GARCH类模型组。与静态研究方法相比,动态GARCH类模型族克服了金融时间序列的异方差

3、性影响,使得估计结果更加符合现实。DavidE.Allen对OLS、VAR、ECM、GARCH等模型在澳大利亚期货市场上估计最优套期保值率的效果进行比较,认为GARCH模型得到的时变的最优套期保值率优于其他模型的静态值[1]。本文拟采用GARCH类模型族对上海铝期货和现货的套期保值比率进行计算,并将各个计算结果进行比较。1.研究方法一般而言,金融资产价格呈现显著的波动性、聚集性和持续性。这种波动性不仅随时间变化,在某一时间段内出现偏高或者偏低的趋势,而且还会表现出持续性和长记忆性特点。恩格尔(Enger)使用ARCH模型[2]描述了波动性、聚集性和持续性。波勒斯列夫(Bollerslev

4、)提出了改进的ARCH模型,即GARCH模型[3]。此后学者在此研究基础上进一步扩展,形成GARCH类模型族。2.1GARCH模型(2-1)中给出的均值方程是一个带有误差项的外生变量函数。由于是以前一期的信息为基础的预测方差,所以它被叫做条件方差。(2-2)中给出的条件方差方程是一个下面三项的函数:①均值:;①用均值方程的残差平方的滞后来度量从前期得到的波动性的信息:(ARCH项);②上一期的预测方差:(GARCH项)。GARC1I(1,1)中的(1,1)是指阶数为1的GARCH项(括号中的第一项)和阶数为1的ARCH项(括号中的第二项)。普通的ARCH模型是GARCH模型的特例,即在条

5、件方差方程中不存在滞后预测方差的说明[4]。2.2EGARCH模型EGARC1I模型由Nelson提出oNelson敏锐地发现对称的条件方差函数并不能够准确地描述资产收益率的波动,特别是它不能表现负债情况下前期收益与市场波动的负相关关系的影响。为避免对参数的非负性假设,他在GARCH模型基础上将条件方差被指定为:等式左边是条件方差的对数,这意味着杠杆影响是指数的,而不是二次的,所以条件方差的预测值一定是非负的。杠杆效应的存在能够通过的假设得到检验。如果,则影响是非负的。2.3TGARCH模型TGARCII模型能较好地捕捉金融市场回报变动而引起的“杠杆效应”,它具有如下形式的条件方差:在这

6、个模型中,好消息()和坏消息()对条件方差有不同的影响:好消息有一个的冲击;坏消息有一个对的冲击。如果,我们说存在杠杆效应;如果,则信息是非对称的。模型中的TARCH项,即杠杆效应项()是由输出结果中的(RESID2.3ARCH效应检验3.3.1LM检验。采用最常用的LM检验法对的残差进行ARCH效应检验,我们得到滞后阶为1时的检验结果如表所示。其中,F统计量是对所有滞后平方残差联合显著性所作的检验。Obs*R2统计量是LM检验统计量,它是观测值数T乘以检验回归R2。给定显著性水平和自由度10,LM的值为58.11494大于给定的值18.307,伴随概率P为0.000000,小于0.05

7、,拒绝原假设,说明收益率序列存在明显的异方差现象,残差中ARCH效应是很显著的,因此用GARCH模型来拟合数据是合理。1.3.2残差平方的自相关性检验。利用残差平方相关图检验计算残差平方的自相关系数AC和偏自相关系数PAC,结果如图所示。自相关系数和偏自相关系数都显著不为0且Q统计量很显著,表明残差序列存在ARCH效应。分别运用GARCH、EGARCH、TGARCH方法,得出三个估计结果,比较发现,GARCH(1,1)的系数通过检验

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。