股指期货交易所保证金设置模型比较与评价.docVIP

股指期货交易所保证金设置模型比较与评价 　　◆ 中图分类号:F222.3 文献标识码:A 　　内容摘要:本文以香港恒生指数期货为研究对象,采用EWMA、EGARCH-GED、EVT-VaR和BPNN-GARCH四种模型在分级结算制度下分别计算交易所交易保证金水平,并选取谨慎性指数(CP)和机会成本指数(AOC),结合使用TOPSIS最优化决策方法,对四种保证金设置方法进行比较和评价,以期为我国沪深300股指期货保证金水平设置提供更科学合理的理论参考和实证依据。 　　关键词:股指期货 分级结算制度 保证金 TOPSIS 　　 　　我国商品期货市场上采用一种静态的保证金制度,以最大化控制风险为原则,对具体交易成本考虑较少。这种制度对于控制期货市场整体风险起到积极作用,但由于没有根据市场实际风险进行计算与调整,不利于提高交易者保证金的使用效率,也不利于我国的金融产品和国外同行竞争,因此,期货交易所有必要对现有保证金制度进行改革。本文在介绍国内外流行的四种保证金设置模型基础上,以香港恒生指数期货作为研究样本,在分级结算制度下,比较和评价不同保证金计算方法的有效性。以期本研究为我国沪深300股指期货保证金水平设置提供更科学合理的理论参考和实证依据。 　　 　　保证金设置模型 　　 　　(一)基于EWMA的保证金设置模型 　　香港期货交易所(HKFE)于2000年1月将确定保证金水平方法由基于价格回报率的简单移动平均方法改为指数加权移动平均法(EWMA)。该方法基于变动率指标的保证金模型来确定基准保证金,以历史数据为基础对每一期货合约市场变动率进行估计。计算方法如下: 　　其中,μt为期货合约价格变动幅度的预测值;σt为期货合约价格变动幅度波动率的预测值;ht为第t日与第t-1日收盘价的变动量;λ为衰减因子,取值0.96;n为迭代天数,香港期货交易所设为90天。在将下一日的合约价格变动幅度及合约价格变动幅度的波动率预测出来后,以这两个值为基础来计算保证金:交易所的保证金水平确定为:|μt|+3*σt;客户的保证金水平确定为|μt|+4*σt。 　　(二)基于EGARCH-GED方法的保证金设置模型 　　为了对风险进行建模分析,描述金融时间序列的波动性,Engle(1982)提出了自回归条件异方差(ARCH)模型;在此基础上,Bollerslev(1986)??出了GARCH模型,它在一定程度上克服了ARCH模型参数过多和不易估计的缺点,同时可描述波动的集聚性,并部分解释分布的尖峰厚尾性。在期货市场中如果市场上向上或向下变化相同幅度,那么它向下滑动过程中的波动性要高于向上运动过程中的波动性,而EGARCH模型可以用来描述这种非对称性。根据Nelson(1992)构建的EGARCH(p,q)模型,本文选取的方法为EGARCH(p,q)-GED模型如下:,, 　　其中,μ为收益的无条件期望值,γi为滞后参数,λi为方差参数,条件方差σt2为时变正定的,t-1时刻信息集It-1的可测函数;残差εt由独立同分布的随机变量yt和σt组成,且yt和σt相互独立,εt的条件方差就等于σt2;αi为信息冲击不对称效应的参数,当α=0时,正负冲击对称;当α0时,负冲击对波动的增加小于正冲击。 　　(三)基于EVT-VaR的保证金设置模型 　　将极值理论应用于风险测量,离不开样本极值,通常选取金融收益的极值有以下两种方法:第一种是区间选取方法,即BMM(Block Maximum method)模型;第二种是超越阈值的方法,即POT(peak over threshold)模型。应用POT模型时,要解决两个关键问题: 　　第一是阈值的选取,通常采用广义Pareto分布的超额均值函数(Mean Excess Function, MEF)进行计算。若随机变量X服从Gξ,β(y),则其超额均值函数(MEF)为: 　　第二是参数估计的问题。Hosking和Wallis (1987)指出样本量的大小以及ξ的取值范围对PWM估计效果的影响非常大,极大似然估计则是相合估计。采用广义Pareto的极大似然估计步骤如下: 　　求得广义Pareto分布的概率密度函数为:,得到极大似然估计的表达式: 　　上式中函数值最大的ξ,σ即为所求估计量。 　　采用VaR方法计算保证金水平。将由Pareto分布(GPD)的尾部估计公式求反函数(分位数函数),再把VaR=F-1(1-p)代入,得到VaR,即 　　则保证金水平为M=Pt-1*VaRp 　　(四)基于BPNN-GARCH技术的保证金设置模型 　　神经网络是一种自我学习工具,应用十分广泛(闻新等,2003)。神经网络可以很好的拟合金融事件序列的非线性特征。BP神经网络采用的是误差反向传