考虑基差非对称效应期货波动性预测模型研究.docVIP

考虑基差非对称效应期货波动性预测模型研究 　　〔摘要〕文章研究了基差对期货回报率波动性影响的非对称效应及其在期货波动率预测中的应用。以郑州强麦期货为例的实证结果表明，基差对期货的回报的波动性的影响存在显著的非对称效应，其中负基差对波动性的影响要明显大于正基差。通过与GARCH模型和未考虑非对称效应的SE-GARCH模型对期货波动性预测能力的样本外比较表明，考虑基差非对称效应的AE-GARCH模型能更准确地预测期货的波动性。 　　〔关键词〕波动性；基差；非对称效应；预测 　　〔中图分类号〕 F0 〔文献标识码〕 A〔文章编号〕1008-2689（2008）04-0017-04 　　 　　一 　　 　　近几年来，我国的期货市场规模逐渐扩大，风险日益加剧。对于期货市场风险的预测和管理变得日益迫切，因此研究我国期货市场波动性的预测对于期货交易的风险管理和控制有着重大的意义。然而，目前国内对于波动性预测的研究主要集中于股票市场。例如，李亚静、朱宏泉（2003）[1]，郑梅、苗佳（2005）[2]分别实证比较了不同类型的GARCH模型对我国股市波动性的预测能力，庞素琳、徐建敏（2006）[3]则实证比较了BP神经网络和ARCH模型对我国股市波动性的预测能力进行了实证研究。然而，针对期货市场波动性的预测方法的研究还不多见。 　　最近研究表明基差和期货收益的波动性有一定的关系，Lee（1994）[4]研究了基差对7种外汇期货的波动性的影响，研究表明对所有研究的市场都存在当基差变大时，外汇期货的波动性增大的趋势。Zhong, M., Darrat, A. F（2004）[5]的研究表明基差对期货收益波动性的影响不是单调的，而是呈一种V型结构。最近，Lien（2007）[6]在研究基差对商品期货和现货的波动性的影响时发现，基差对商品期货的波动性存在非对称的影响。然而，如何利用这种关系来对期货收益的波动性进行预测，目前还没有相关的研究。因此，本文上述文献的研究基础上，对如何利用基差和期货收益波动性的关系进行期货波动性的预测进行了研究。 　　 　　二 　　 　　研究模型记st和ft为现货和期货的对数价格，rft=ft-ft-1为期货的回报率，rst=st-st-1为现货的收益率，bt=st-ft为基差，则期货的条件回报均值可以用方程（1）表示： 　　rft=+r+r+（1） 　　对于条件方差的时变特性则采用GARCH模型来刻画。方程（1）中残差的条件方差可以表示为： 　　VarI≡（2） 　　其中I是t时刻可以获得的信息集。的具体形式如下： 　　=f +f 2f,t-1+f2f,t-1 （3） 　　Kroner, Sultan（1993）的协整理论认为，期货和现货价格之间存在一种长期均衡关系，然而期货或现货的错误定价可以造成两者价格关系与长期均衡的短期偏离，这种短期偏离有向长期均衡回复的趋势[7]。 　　rft=+r+r+fbt-1+（4） 　　最简单考虑基差对期货收益率条件方差影响的方法是在上面的GARCH方程中加入基差的平方项模型的具体形式下： 　　=f +f 2f,t-1+f2f,t-1 +f b2t-1（5） 　　由于模型仅仅考虑了基差对期货收益的条件均值和方差的对称影响，所以记模型（4）（5）为SE-GARCH（Symmetric-Effect GARCH）模型。 　　为了进一步考虑基差对期货收益条件均值和方差的非对称影响，可以将基差项分解为和两项加入GARCH模型中回报的条件均值方程以及方差方程，来研究基差对均值回报和方差的非对称影响，模型具体形式如方程（6）、（7）所示： 　　rft=+r+r+fp max（bt-1,0）+fn min（bt-1,0）+（6） 　　=f +f 2f,t-1+f2f,t-1 +f max（bt-1,0）+f min（bt-1,0）（7） 　　模型（6）、（7）称为AE-GARCH（Asymmetric-Effect GARCH）模型。 　　本文下面使用AE-GARCH模型对基差对期货波动性的非对称影响进行实证研究，并通过将AE-GARCH模型与SE-GARCH和GARCH模型的波动性预测能力进行比较来验证基差的非对称效应对期货波动性的预测作用。 　　 　　三 　　 　　研究数据及统计描述 　　本文实证研究选用的期货交易数据为郑州期货交易所2003年3月28日至2007年11月16日的强麦近月期货合约的日收盘价，现货数据为郑州粮食批发市场豫麦34的日报价，样本总数为974。其中2003年3月28日至2006年2月7日计600个数据作为样本内建模数据，而余下的374个数据则用于样本外预测，所有的数据均取自于Bloomberg。图1给出了郑强麦近