不同估计模型最优套期保值比率绩效的研究.docVIP

不同估计模型最优套期保值比率绩效研究 　　摘要:本文主要介绍了在最小方差思想下最优套期保值比率的估算方法,分别用OLS、双变量自回归模型、误差修正模型,以及ECM-GARCH模型4种方法对最优套期保值比率进行了估计。结果显示,由于数据没有集群效应,故ECM-GARCH模型不合适,在前3个模型中用误差修正模型得到的套期保值效果最好。 　　关键词:最优套期保值率;误差修正模型;双变量自回归模型 　　中图分类号:F830.9文献标识码:A文章编号:1672-3309(2010)01-0073-03 　　 　　 一、引言 　　随着中国股票市场的不断发展和活跃,经历了2007年和2008年股票市场的大起大落,套期保值作为股指期货最重要的功能越来越受到专业人士和机构投资者的青睐。在进行套期保值过程中最关键的一个问题是最优套期保值比率的确定。本文首先回顾了在最小方差思想下的最优套期保值比率的理论推导,然后分析了4种理论模型在估算最优套期保值比率的优劣,并通过实证对4种方法进行了检验。 　　 二、理论推导 　　 考虑一个包含CS单位的现货多头头寸和Cf单位的期货空头头寸的组合,记St和Ft分别为t时刻现货和期货的价格,该套期保值组合的收益Rh为: 　　 其中:?籽为Rs和Rf的相关系数,?滓S和?滓f分别为Rs与Rf的标准差。 　　 三、4种估值模型 　　 (一)简单回归模型(OLS) 　　 考虑到现货价格的变动(?驻S)和期货价格变动(?驻F)的线性回归关系,即建立回归方程: 　　 ?驻St=c+h*?驻Ft+?着t (4) 　　 其中,c为常数项,?着t为回归方程的残差。在残差项同方差性的假定下,上述回归方程中期货价格变动(?驻F)的系数即为要求的最小方差最优套期保值比。 　　 (二) 双变量向量自回归模型( B-VAR) 　　 由于OLS模型的一个重要缺陷是它忽略了残差项的自相关,为了消除残差项的序列相关,可以用双变量向量自回归模型(B-VAR)进行最小风险套期保值比率的计算。在B-VAR模型中,期货价格和现货价格存在如下关系式: 　　 其中,Cs,Cf截距项;?琢si,?琢fi,?茁si,?茁fi为回归系数;?着st,,?着ft为服从独立同分布的随机误差项。在这一模型中,我们要寻找最佳的滞后值L,可使残差项的自相关消除。令Var(?着st,)=?滓ss,Var(?着fi,)=?滓ff,Covr(?着st,?着ft)=?滓sf,可以得到最小风险套期保值比率: 　　 上述最佳套期保值比率可以通过下面的回归模型给出: 　　 ?驻Ft的回归系数?茁2就是所要估计的最佳套期保值比率。 　　 (三)误差修正模型 (ECM) 　　Granger等学者认为,B-VAR模型虽然解决了OLS模型中的残差项自相关问题,但它忽略了期货价格与现货价格之间的协整关系对套期保值比率的影响。Engle和Granger(1987)证明了如果两个时间序列是协整的,那么,一定存在一个误差修正表达式,如果存在一个误差修正表达式,那么,这两个时间序列是协整的。Ghosh(1993)根据Granger、Engle的协整理论,提出了估计套期保值比率的误差修正模型ECM,这一模型同时考虑了现货价格和期货价格的非平稳性、长期均衡关系以及短期动态关系。LienLuo(1993)认为,若现货和期货价格序列之间存在协整关系,那么,最优套期保值比率可以根据以下两步来估计。第一步,对下式进行协整回归: 　　St=a+bFt+?着t(9) 　　 第二步,估计以下误差修正模型: 　　 (四)ECM-BGARCH模型 　　在ECM模型中,我们考虑到了期货价格和现货价格存在着长期的均衡关系,即协整关系,这对OLS模型是极大的改进。但我们的回归方程(10)中还存在一个有疑问的地方,残差序列是否是同方差。观察金融资产的收益序列往往发现其表现出“波动聚集”的特征,在对其进行回归时,其残差项往往不具备同方差性,残差项方差与其前期方差存在一定的关系,我们常用ARCH或GARCH来描述这种过程。需要注意的是,一元GARCH模型仅能估计单一变量的条件方差,无法估计序列之间的协方差。为此,我们要估计最优套期保值比率h=Cov(?驻S,?驻F)/Var(?驻F),需要建立二元GARCH模型。其形式如下: 　　 其中,zt-1=St-1-(?琢+?茁Ft-1),即上文提到的误差修正项。注意此处的均值方程包含了误差修正项,即考虑了现货价格和期货价格的长期协整关系。 　　最优套期保值比率用B*t表示,多了个下标t,表明运用ECM-GARCH法得到的最优套期保值比率是随时间变化的一个序列,我们要随着时间的变化不断调整套期保值的头寸,这样便实现了所谓的动态套期保值。