沪深300股指期货风险管理实证分析.docVIP

沪深300股指期货风险管理实证分析 　　【摘要】通过对沪深300股指期货收益率进行实证分析，采用可以更好刻画收益率序列特征的t分布和GED分布，基于GARCH模型族对收益率序列进行波动性建模。根据GARCH模型族的估计结果计算出CVaR值，并对CVaR的准确性进行了检验。由结果可知，GED分布下的TGARCH(1,1)模型是测算CVaR值的最佳模型。 　　【关键词】沪深300股指期货；GARCH模型族；CVaR方法；风险管理 　　 　　一、引言 　　股指期货是资本市场上重要的金融衍生品之一，是针对股票市场收益的不确定性而设计出的一种风险控制工具，其在风险管理过程中发挥着越来越重要的作用。我国沪深300股指期货于2010年4月16日正式推出，并以市场覆盖率高、代表性强的特点得到了市场的高度认可，其在稳定我国股票市场、提高流动性等方面起到了积极作用。但是，股指期货具有控制风险功能的同时，也与其他金融衍生工具一样，具???高杠杆性、投机性和交易策略复杂性等特点，其本身也会给资本市场带来一定的风险。近年来，关于股指期货风险管理的研究已成为学术界关注的焦点。 　　1952年，美国经济学家Markowitz提出均值-方差模型来描述收益率的波动性，使得人们对金融市场风险测度的研究不再仅停留在定性分析上，这为运用计量经济方法来研究收益率的波动提供了理论基础。早在20世纪60年代，Mandelbrot就提到了时间序列方差的时变性，但直到1982年，随着Engle推倒出自回归条件异方差模型（ARCH模型），才在真正意义上提高了波动性建模的准确性。经过诸多学者的努力，ARCH模型得到了创新与完善，并扩展出GARCH模型族。1993年，G20开始建议用风险价值(VaR)方法来衡量衍生工具的价格风险，并视其为风险测量和控制的最佳方法。如今，VaR在价格风险管理方面已得到了广泛的应用。但随着学者们的进一步研究，发现VaR方法存在着一定的局限性与不足，为此，Rockafeller和Uryasev于2000年提出了条件风险价值(CVaR)方法，有效地降低了风险估计的误差，并将股票市场风险测度的研究带入到更新的领域[1]。 　　股指期货市场的风险规模大、涉及面广，具有放大性、复杂性与连锁性等特征，从投资者的角度可以分为市场风险、信用风险、流动性风险、操作风险与法律风险。股指期货的风险主要体现在市场风险上，即价格风险。由于股指期货的杠杆性，微小的价格变动可能给投资者带来重大的损失，在价格波动很大时甚至有爆仓的危险，也就是损失会超过投资本金。因此，我们必须采取积极的风险管理策略，加强对股指期货价格风险的防范意识。 　　二、文献综述 　　在股指期货风险管理的实证研究方面，国内外许多学者采用的是VaR方法。David(2003)基于ARCH模型计算出了VaR值，并认为这是描述收益率波动的最佳模型[2]。Wagner、Luiz和Oliver(2008)则将分量回归模型应用到VaR值的计算中，研究了标准普尔500指数期货的风险管理[3]。蒋虹、曲丹丹(2008)在GARCH模型的基础上，采用VaR方法对我国沪深300股指期货仿真交易进行了定量分析，并将计算出的VaR值与期望值进行了比较[4]。李基梅、刘青青(2009)以恒生股指期货为研究对象运用VaR-GARCH模型对其风险进行了预测[5]。徐伟浩(2011)也同样采用VaR-GARCH模型对沪深300股指期货与恒指期货的风险进行了实证分析，得出沪深300股指期货的风险管理水平要低于恒指期货的结论[6]。以上学者都是以VaR方法为出发点，来衡量股指期货价格波动的风险。 　　近年来，也有一批国内学者采用更合理的CVaR方法对股指期货的风险进行实证研究。王树娟、黄渝祥(2005)是较早采用GARCH-CVaR模型测算我国股市风险特征的学者。他们认为，由于我国股市有着较明显的波动聚集性及持续性，股票市场的CVaR值始终要比同期的VaR值大，特别是在市场剧烈波动时[7]。王丽娜、张丽娟(2010)以沪深300股指期货IF1012合约的日收益率为研究对象，并以GARCH-GED模型为基础对CVaR值进行了较准确的预测[8]。王菲、方卫东(2011)对我国上证180指数收益率进行了波动性建模，并认为EGARCH-GED模型可以更好地刻画我国股票市场的价格风险[9]。段军山、龚志勇(2011)对恒生指数期货收益率序列与基差序列的风险进行了度量，采用GARCH族模型预测出了未来一日的CVaR值，并得出了PARCH模型是计算CVaR值的较佳模型的结论[10]。 　　总结而言，CVaR方法作为VaR方法的改进，已经吸引了越来越多的学者的注意力。本文将采用CVaR风险测度技术对我国沪深300股指期货进行风险管理的实证研