基于Copula―SV模型LPM套期保值方法及其应用.docVIP

基于Copula―SV模型LPM套期保值方法及其应用 　　摘 要：准确估计套期保值率是使用金融衍生产品对冲组合风险的核心问题。本文以沪深300指数期货和沪深300指数现货为研究对象，考虑投资者在风险真实感受和风险偏好方面存在的差异，采用下偏矩（LPM）方法度量套期保值组合风险，应用Copula-SV模型拟合股指期货和现货收益率的联合分布，并在此基础上估计最优套期保值比率。对套期保值效果的样本内和样本外模拟结果显示，与传统方法相比，基于Copula-SV模型的LPM套期保值方法更加有效。 　　关键词：套期保值；Copula-SV模型；LPM方法；股指期货 　　中图分类号：F830.9 文献标识码：A 　　文章编号：1000-176X（2015）06-0053-06 　　一、引 言 　　传统的套期保值理论认为，投资者可以通过在期货市场上买入和卖出与现货市场品种相同、数量相等、方向相反的期货合约，来有效规避现货市场的价格风险。然而，实际交易过程中客观存在的交叉保值风险和基差风险以及衍生品对风险具有的杠杆效应，使得真实套期保值的复杂程度远高于理论预期。 　　套期保值的核心问题是确定一个最优的套期保值比率，而这又涉及两个方面的问题：一是如何衡量套期保值组合的风险；二是在风险衡量方法确定后，采用何种技术计算最优套期保值比率。Patton[1]、迟国泰等[2]认为，与传统的方差和VAR方法相比，下偏矩（Lower Partial Moment， LPM）更适合度量套期保值组合风险。其优点在于：首先，LPM作为风险度量的工具，测量的是风险损失部分，迎合了投资者对风险的真实感受。其次，与同样刻画下偏风险的VAR方法不同，LPM对下偏风险的定义能够较为合理地反映尾部风险的整体特征。最后，LPM还能够依据投资者不同的投资目标和风险态度，灵活设定目标收益率和风险厌恶参数，从而更有利于反映投资者的异质特征。 　　尽管LPM具有上述优势，但受制于LPM统计量估计的复杂性，该方法在实践中并没有得到广泛的应用。LPM的复杂性主要体现在对期货和现货联合分布的估计上[3-4-5]。为了解决上述问题，Lien和Tse[6-7]尝试分别使用正态分布方法和非参数方法估计期货和现货的联合分布。然而，正态分布假设与实际情况出入较大，而非参数方法的估计结果又缺乏必要的稳定性。为了克服这些缺点，韦艳华和张世英[8]、Hsu等[9]、梁建峰等[10]采用Copula-Garch模型估计期货和现货的联合分布；戴晓凤和梁巨方[11]采用时变Copula函数刻画期货和现货的联合分布。然而，ARCH类模型的一个潜在缺点是假设现时波动率与过去波动率有关，如果某一时刻出现异常收益就可能导致模型参数的估计结果不稳定。因此，Taylor[12]尝试采用随机波动模型（SV模型）来进一步提高对金融时间序列的拟合度。尽管国内外学者在这方面进行了多种尝试，但到目前为止，学术界对如何选择最优的边缘分布模型和Copula函数形式尚未达成共识。 　　为此，本文尝试用SV模型代替ARCH类模型来估计边缘分布，并结合Copula函数解决LPM最优套期保值比率的估计问题，笔者称此种方法为基于Copula-SV模型的LPM套期保值方法，简称LPM方法。与已有研究不同，本文的创新之处主要在于使用Copula-SV模型在PLM方法下估计最优套期保值比率，发现这种估计方法比已有的估计方法更加有效。 　　二、LPM套期保值方法 　　一般情况下，套期保值按照期货市场建仓方向可分为空头套期保值和多头套期保值。为简化起见，本文只考虑空头套期保值者的交易过程，多头套期保值者的情况与之类似。 　　为了考察套期保值的实际效率，本文还需计算套期保值效率。从目前国内外的相关文献来看，对套期保值效率的研究主要围绕两个方面内容：一是在风险最小化的框架下计算套期保值策略对现货价格风险的降低程度；二是在风险―收益框架下综合考虑套期保值策略对套期保值组合风险与收益的影响。为此，本文分别选用H值避险绩效指标和风险调整收益率的R/SV指标，从上述两个方面衡量套期保值效率。 　　1.H值避险绩效指标 　　Ederington使用方差作为风险度量指标，在方差风险最小化框架下研究套期保值策略对现货价格风险的降低效果，并给出了套期保值绩效的衡量指标，即与未参与套期保值时的收益方差相比，参加套期保值后收益方差的下降程度[13]。与Ederington不同，本文使用LPM代替方差作为风险度量指标。根据Demirer和Lien[14]的定义，基于LPM的H值避险绩效指标如下： 　　c为目标收益率，n为阶数，r*p为套期保值组合的收益率；r0p为未进行套期保值时的收益率，h*为最优套期保值比率。L（c，n，r*p）、L（c，n，r0p）