有色金属国际期货市场价格联动效应演化分析-以铜、铝、锌为例.docx

? ? 有色金属国际期货市场价格联动效应演化分析 以铜、铝、锌为例 ? ? 董晓娟，安海岗，董志良 (河北地质大学管理科学与工程学院，石家庄 050031) 0 引言 从全球来看，中国是有色金属的最大生产国和消费国。在中国，铜、铝、锌等有色金属应用十分广泛，尤其是涉及交通运输、电力、建筑等基础行业，也是期货投资的一大热点。而近几年有色金属价格的强烈波动给有色金属的投资带来了巨大的影响，加大了其交易风险。为了降低有色金属投资风险，有必要进行分散投资。而降低风险的成效如何，与分散投资的期货品种组合选择有很大关系。期货品种组合不同，其价格联动关系的差异会直接导致其对风险降低的效果的不同。因此，本文以铜、铝、锌3种最主要的有色金属为例，分析3种有色金属两两之间的关系，通过引入复杂网络建模方法，对时间序列上3种有色金属价格两两关联的联动效应随时间演化的特征进行分析，最终提出铜、铝、锌3种有色金属价格联动效应的演化规律，并对有色金属的期货投资提出了建议。 1 相关研究综述 以往多个学者虽然提出了各种建网方法，但在基于两个以上时间序列变量建网的过程中为了建网的方便，大多忽略了时间序列之间关系的部分细节，如可视图方法、粗粒化方法。而基于回归模型建网的方法对于从细节上分析时间序列之间的关系模式有很大帮助。因此，本文拟基于回归模型建立复杂网络，进而分析时间序列之间波动相关关系细节。 2 数据和方法 2.1 数据 本文选取的数据来自Wind数据库，选取2008年1月3日至2018年9月18日的伦敦金属交易所(LME)的铜、铝、锌3个月期货收盘价作为样本数据，获取2 707组数据作为样本。通过相关性分析发现，铜、铝的Pearson相关系数为0.777，在0.01水平上显著相关；铜、锌的Pearson相关系数为0.340，在0.01水平上显著相关；铝、锌的Pearson相关系数为0.366，在0.01水平上显著相关。 2.2 数据处理 2.2.1 平稳性检验 首先，对铜、铝、锌3个月期货价格时间序列数据取对数后进行平稳性检验。设变量x、y、z分别为对铜、铝、锌3个月期货收盘价取其自然对数的时间序列变量。 分别对x、y、z使用ADF(Augmented Dickey-Fuller)检验进行平稳性检验，结果如表1所示。其中，x1、y1、z1分别表示x、y、z的一阶差分变量。x、y、z为不平稳时间序列，而其一阶差分时间序列为平稳时间序列。 表1 时间序列x, y, z的ADF检验结果 接下来对x、y、z使用PP(Phillips-Perron)检验再次进行平稳性检验，结果如表2所示。 表2 时间序列变量x, y, z 的PP检验结果 对比ADF检验结果和PP检验结果，x、y、z均为一阶单整时间序列。 2.2.2 协整检验 运用Johansen Cointegration Test进行协整检验。检验结果如下：x和y“不存在协整关系”的假设P值为0.011 6，小于0.05的显著性水平，说明x和y两个时间序列存在协整关系；x和z“不存在协整关系”的假设P值为0.131 3，大于0.1的显著性水平，说明两个时间序列x和z不存在协整关系；y和z“不存在协整关系”的假设P值为0.000 6，小于0.05的显著性水平，说明时间序列y和z存在协整关系。这说明铜和铝、铝和锌期货价格之间存在长期稳定的均衡关系和相互影响。 2.2.3 格兰杰因果检验。 建立x和y的VAR(向量自回归)模型，确定最优滞后阶数为7。然后进行格兰杰因果检验，对于原假设“y不是x的格兰杰原因”，P值为0.005 5，在0.05的显著性水平上，拒绝原假设；对于原假设“x不是y的格兰杰原因”，P值为0.005 3，在0.05显著性水平上拒绝原假设，因此x和y互为格兰杰因果。 建立y和z的VAR(向量自回归)模型，确定最优滞后阶数为7。然后进行格兰杰因果检验，对于原假设“z不是y的格兰杰原因”，P值为0.083 6，在0.05的显著性水平上，接受原假设；对于原假设“y不是z的格兰杰原因”，P值为9×10-7，在0.05显著性水平上拒绝原假设，因此选择y作为解释变量，z为被解释变量。为测算方便，在后面建立回归模型时，都选择y作为解释变量。 2.2.4 建立回归模型 首先，分别建立铜和铝、铝和锌价格对数的差分时间序列x1、y1、z1的回归模型。模型方程为 xt=cx+αyt+μt (1) zt=cz+βyt+εt (2) 其中，xt为铜价格对数的差分时间序列，yt为铝价格对数的差分时间序列，zt为锌价格对数的差分时间序列。α、β为回归系数，cx、cz为常数项，其中回归系数更能代表两个时间序列之间的关系，因此选择回归系数作为关系模式的标志。 (3) (4) 因为选择的是3个月期货收盘价，因此设滑动时间窗长