基于计量模型沪深300股指期货最优对冲比率和效果探究.docVIP

基于计量模型沪深300股指期货最优对冲比率和效果探究 　　摘 要：股指期货是金融衍生工具中重要的一种，也是股票融投资者规避风险的重要手段。沪深300股指期货于2010年4月16日正式上市，这是中国目前唯一一只股指期货。沪深300的上市，使得股票投资者有更多的避险模式。运用计量模型（OLS模型、B-VAR模型、GARCH模型）对沪深300股指期货和中证100指数、上证基金指数、上证50指数、中小板指数的最优对冲比率进行估计和比较后，结论显示：专门针对金融数据所量体订做的GARCH模型的对冲率最好。随着沪深300股指期货在中国的推进，中国金融市场将会逐步走向成熟。 关键词：股指期货；对冲；计量模型 中图分类号：F8 文献标志码：A 文章编号：1673-291X（2013）02-0092-04 引言 股指期货全称是股票价格指数期货，也称为股价指数期货、期指。作为金融衍生工具的一种，股指期货最重要的作用就是进行风险规避，其原理就是通过在期货市场与现货市场进行相反的操作来减少现货市场风险。沪深300股指期货是目前中国国内第一只，也是唯一一只股指期货，它的出现为股票投资者提供了有效的避险工具。本文运用计量模型，研究沪深300股指期货和中证100指数、上证基金指数、上证50指数、中小板指数的最优对冲比率，为我国的股指期货市场的推进和运用股指期货进行对冲的投资者提供有效的借鉴及启示。 一、文献回顾 对冲理论的发展经历了传统对冲理论、基差逐利理论、现代对冲理论三个发展阶段，对冲比率的产生，是基于现代对冲理论。Markowitz在1952年提出了投资组合理论，Johnson（1960）、 Stein （1961）和Ederington（1979）将这种理论引入了对冲中。根据风险度量方法和效用函数选择的不同，现代对冲理论的研究可分成两种途径：一种是从风险最小化的角度研究最小风险对冲比率，另一种是从效用最大化的角度研究均值-风险对冲比率。 目前，计算对冲比率的方法，通常是在风险最小化的角度下进行的。Johnson（1960）用OLS模型计算出了最优对冲比率。Herbst（1989）及Myers和 Thompson（1989 ）发现利用OLS进行计算会受到残差项序列相关的影响，他们提出了消除残差相关的B-VAR模型。Granger于1981年提出了协整理论，Ghosh（1993）随后提出了考虑到协整关系的ECM模型，并证明了应用ECM模型可以得到一个更好的对冲比率。根据Fama（1987）的结论：期货价格波动呈现异方差的特征，即期货价格与现货价格的条件协方差将随着时间而变化，最优对冲比率不应该是固定不变的数值。20世纪80年代后期开始出现动态的对冲概念。Engle（1982）先提出ARCH模型，之后Bollerslev（1986）又推广到GARCH模型。Kroner和Sultan（1993）提出了基于市场变化的ECM-GARCH模型，Park和Switzer（1995）以及Lien（1996）将GARCH模型运用于最优对冲比率的计算，得出了动态的对冲比率。Bollerslev、Engle、Wooldridge（1988）提出了基于VECH-GARCH的对冲比率，。随着后来人们对于GARCH模型和对冲的深入的研究，出现了多种以GARCH模型为基础的对冲比率。 二、研究模型 本文所用模型都是基于风险最小化的方法，目前基于这一方法的模型分为有静态和动态的模型来估计对冲比率，其中静态模型有OLS模型和B-VAR模型，动态模型为GARCH模型。 1.OLS模型 ΔSt——现货价格的对数收益； ΔFt——期货价格的对数收益； ——截距项； β——回归系数； εt——随机误差。 最优对冲比率为： 2.B-VAR模型 ΔSt——现货价格的对数收益； ΔFt——期货价格的对数收益； αs、αF——截距项； βsi、βFi——回归系数； γsi、γFi——回归系数； εst、εFt——随机误差。 最优对冲比率为： 3.GARCH模型 上面的两种模型是静态模型，它们假定期货和现货的风险不会随时间变化，用这种模型算出的对冲比率也不会随时间变化。实际上金融时间序列存在着“波动聚类”的特性，即残差序列的方差是随时间变化而变化的，采用GARCH模型会解决金融时间序列的“波动聚类”问题。 ΔSt——现货价格的对数收益； ΔFt——期货价格的对数收益； α——截距项； β——回归系数； εt——随机误差。 最优对冲比率为： 三、实证分析 1.数据来源 样本内数据采用沪深3