顧 全，雷星暉

(同濟(jì)大學(xué) 經(jīng)濟(jì)與管理學(xué)院，上海 200092)

期貨套利交易的概念最初來(lái)源于Working(1949)[1]的關(guān)于期貨倉(cāng)儲(chǔ)理論的經(jīng)典論述，期貨交易者可以從同種期貨不同交割期限的合約之間價(jià)格異常關(guān)系中獲利，套利行為正是期貨價(jià)格的復(fù)雜表現(xiàn)。Meland(1981)[2]認(rèn)為期貨套利交易獲利不僅取決于價(jià)格關(guān)系異常波動(dòng)，而且與交易成本密切相關(guān)，套利交易的本質(zhì)是一種風(fēng)險(xiǎn)較小的投機(jī)行為，但對(duì)整個(gè)市場(chǎng)而言卻增加了整體流動(dòng)性。Kanamura，Rachev 和 Fabozzi(2010)[3]認(rèn)為，期貨套利交易本質(zhì)上是一種PairsTrade(配對(duì)交易)，在買(mǎi)入一種期貨合約的同時(shí)賣(mài)出另一種期貨合約，從兩者價(jià)格相對(duì)波動(dòng)中獲利，而不是絕對(duì)價(jià)格波動(dòng)中獲利。Carmona 和 Durrleman(2003)[4]的定義比較全面，期貨套利是買(mǎi)賣(mài)頭寸相反的不同期貨合約而獲取收益的交易行為。在金融期貨市場(chǎng)，可能是買(mǎi)賣(mài)不同匯率、債券或者股票指數(shù)等期貨套利;在商品期貨市場(chǎng)，可能是買(mǎi)賣(mài)不同商品期貨跨品種套利(Inter-CommoditySpread)，也有可能是買(mǎi)賣(mài)同種交易品種不同交易所期貨跨市套利(LocationSpread或Inter-MarketSpread)，還有可能買(mǎi)賣(mài)同種交易品種不同日期合約跨期套利(CalendarSpread)①。

通過(guò)梳理現(xiàn)有文獻(xiàn)，總體印象是相對(duì)于大量套期保值行為的研究，期貨套利研究文獻(xiàn)數(shù)量有限;相對(duì)于處于熱點(diǎn)的金融期貨研究，商品期貨的研究也顯得遠(yuǎn)遠(yuǎn)不夠;在商品期貨套利研究領(lǐng)域內(nèi)部，對(duì)于跨期套利的關(guān)注也遠(yuǎn)遠(yuǎn)高于跨品種套利。因此，有必要對(duì)商品期貨跨品種期貨套利文獻(xiàn)進(jìn)行系統(tǒng)的梳理，以更加全面理解跨品種期貨套利，并提出相應(yīng)思考，為理論發(fā)展和實(shí)務(wù)應(yīng)用提供借鑒思路。

商品期貨跨品種套利按照交易標(biāo)的之間關(guān)系分為兩類(lèi):一類(lèi)是基于產(chǎn)業(yè)鏈上下游關(guān)系，例如大豆與豆粕、豆油，生豬與豆粕、玉米等，原油與取暖油、汽油，天然氣與電力等，都稱之為過(guò)程套利(ProcessingSpread)。另一類(lèi)是具有替代關(guān)系，例如小麥、玉米和大豆，北海布倫特原油(BrentOil)和西德克薩斯輕質(zhì)原油(WTIOil)，黃金與白銀等，都稱之為替代套利(SubstitutionSpread)。

一、過(guò)程套利

(一)大豆及其衍生品之間的套利。

大豆及其衍生品之間的套利，也稱為大豆壓榨套利(SoybeanCrushSpread或者SoybeanComplexSpread)，是大豆與其產(chǎn)業(yè)鏈下游衍生產(chǎn)品豆粕和豆油期貨之間的套利行為，買(mǎi)入大豆期貨，賣(mài)出豆粕和豆油期貨構(gòu)成正向壓榨套利(Normal CrushSpread)，反之則為反向壓榨套利(Reverse CrushSpread)。正是基于壓榨過(guò)程的投入品大豆和豆粕、豆油其商品期貨具有與生俱來(lái)的必然聯(lián)系，Tzang 和 Leuthold(1990)[5]認(rèn)為，大豆壓榨商等交易者可以通過(guò)對(duì)大豆、豆粕或者豆油同時(shí)套期保值達(dá)到降低風(fēng)險(xiǎn)的目標(biāo)，也能有效降低套保成本。也就是將大豆壓榨套利結(jié)合現(xiàn)貨因素的交易過(guò)程，理解為大豆、豆粕和豆油分別套保的交易過(guò)程。而Plato(2001)[6]從期權(quán)角度，將大豆正向(或反向)壓榨套利看做看漲(看跌)期權(quán)行權(quán)獲利的過(guò)程。

盡 管 Hieronymous(1949)[7]和 Dueringer(1972)[8]等學(xué)者對(duì)大豆壓榨套利進(jìn)行了一些探索性研究，Tzang和 Leuthold(1990)[5]也分別檢驗(yàn)了大豆及其衍生品的最優(yōu)套保比例等，但是對(duì)大豆壓榨套利進(jìn)行開(kāi)創(chuàng)性研究，還是始于Johnson等(1991)[9]一篇實(shí)證文獻(xiàn)，從大豆等期貨能否通過(guò)壓榨套利獲利的角度來(lái)驗(yàn)證期貨市場(chǎng)的有效性。套利交易過(guò)程即模擬大豆壓榨的過(guò)程，其收益情況可以用凈壓榨利潤(rùn)(NetProcessingMargin)表示，即豆油和豆粕期貨合約總值與大豆期貨合約總值及壓榨成本(CrushingCost)之差，與傳統(tǒng)的期貨價(jià)差套利不同。在考慮固定比例經(jīng)紀(jì)費(fèi)用的情況下，到期日為1．5月到3．5月的合約獲利統(tǒng)計(jì)不顯著;在5個(gè)半月以上的合約中獲利統(tǒng)計(jì)顯著，表明近期合約符合Fama有效市場(chǎng)假說(shuō)，遠(yuǎn)期合約則反之;也說(shuō)明交易利潤(rùn)存在均值回歸過(guò)程，并且價(jià)格不是隨機(jī)漫步而是由現(xiàn)實(shí)經(jīng)濟(jì)因素決定。

Rechner和 Poitras(1993)[10]為 Johnson 等人的研究?jī)H僅利用NPM的正負(fù)決定壓榨套利或反向壓榨套利，并沒(méi)有給出平倉(cāng)的具體臨界閾值。他們認(rèn)為套利交易收益應(yīng)該忽略壓榨成本，改用壓榨利潤(rùn)總值(GrossProcessingMargin)，即豆油和豆粕期貨合約總值與大豆期貨合約總值之差，更符合價(jià)差套利的定義。文中給出GPM的上下限，并且交易規(guī)則限定日內(nèi)交易平倉(cāng)，解決了交易信號(hào)引起的長(zhǎng)期持倉(cāng)的風(fēng)險(xiǎn)，但僅僅從套利交易獲利并不能證明充分市場(chǎng)處于無(wú)效率狀態(tài)。

Simon(1999)[11]歸納了 Johnson 和 Rechner等人的研究，認(rèn)為兩者的潛在假設(shè)前提“大豆壓榨套利存在均衡狀態(tài)，而暫時(shí)偏離這個(gè)狀態(tài)可以被檢驗(yàn)得到”并沒(méi)有被直接驗(yàn)證。他認(rèn)為可以用GRACH模型進(jìn)行協(xié)整分析，證明大豆壓榨套利存在長(zhǎng)期均衡，向5日均線靠攏，并且GPM存在季節(jié)性特征和總體上升趨勢(shì)為套利獲利提供可能。Mitchell等(2007)[12]重復(fù)了 Simon 的實(shí)證研究，得出平均套利交易獲利的次數(shù)明顯少于交易損失的次數(shù)相反的結(jié)論。他們認(rèn)為，除非更高的風(fēng)險(xiǎn)收益率得到驗(yàn)證，否則，大豆、豆粕和豆油期貨市場(chǎng)可以看作弱式有效。此外，Dunis等(2006)[13]還嘗試應(yīng)用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型來(lái)分析大豆壓榨套利。

(二)生豬與玉米等飼料之間的套利。

與大豆壓榨套利相似，根據(jù)飼料玉米、豆粕和生豬之間投入產(chǎn)出關(guān)系，在期貨市場(chǎng)買(mǎi)入(賣(mài)出)玉米和豆粕期貨，賣(mài)出(買(mǎi)入)生豬期貨的行為，也是一種過(guò)程套利。Kenyon和 Clay(1987)[14]在早期利用期貨市場(chǎng)進(jìn)行生豬及飼料套期保值的基礎(chǔ)上進(jìn)行了探索性研究，將單獨(dú)進(jìn)行生豬套期保值，與生豬和玉米套利，生豬、玉米和豆粕套利進(jìn)行比較研究，交易模擬實(shí)證表明后兩者無(wú)論是交易平均收益還是方差都優(yōu)于前者。Liu(2005)[15]進(jìn)一步驗(yàn)證生豬與玉米、豆粕價(jià)格之間的協(xié)整關(guān)系，并且交易模擬也證實(shí)獲利的可能性，可以運(yùn)用套利交易管理敞口風(fēng)險(xiǎn)、減少利潤(rùn)波動(dòng)和增加盈利性。

(三)原油及其衍生品之間的套利。

原油及其衍生品之間的套利，也稱為原油裂解套利(OilCrackSpread)，是原油與其產(chǎn)業(yè)鏈下游衍生產(chǎn)品汽油、取暖油等期貨之間的套利行為。Girma 和 Paulson(1999)[16]認(rèn)為三者之間不合理的價(jià)格關(guān)系給期貨套利交易提供了可能性，運(yùn)用移動(dòng)平均法模擬交易統(tǒng)計(jì)獲利效果顯著。Haigh和Holt(2002)[17]則認(rèn)為進(jìn)行原油期貨裂解套利應(yīng)當(dāng)考慮現(xiàn)貨市場(chǎng)價(jià)格因素，因此建立了一個(gè)涵蓋期貨價(jià)格、現(xiàn)貨價(jià)格和交易成本的模型，依次運(yùn)用了M-GARCH、B-GARCH、普通最小二乘法和移動(dòng)平均法進(jìn)行比較分析，結(jié)果表明，M-GARCH的效果較好，盡管要進(jìn)行頻繁的期貨頭寸比例調(diào)整，但是扣除交易成本因素，M-GARCH在交易獲利和管理風(fēng)險(xiǎn)仍為最優(yōu)。

Dunis，Laws 和 Evans(2006a)[18]運(yùn)用非線性協(xié)整的方法對(duì)WTI原油和無(wú)鉛汽油套利交易進(jìn)行了相關(guān)研究。以公允價(jià)值的非線性協(xié)整模型做對(duì)照，分別應(yīng)用多層感知網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)和高階神經(jīng)網(wǎng)絡(luò)三個(gè)模型進(jìn)行數(shù)據(jù)分析及交易模擬。結(jié)果表明兩種期貨價(jià)格之間是非線性關(guān)系，高階神經(jīng)網(wǎng)絡(luò)模型無(wú)論是數(shù)據(jù)擬合還是交易獲利都效果最好。繼而，Dunis，Laws 和 Evans(2008)[19]又應(yīng)用門(mén)限濾波、相關(guān)濾波和傳遞濾波等三種方法，對(duì)神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用進(jìn)行細(xì)化比較研究。

Alizadeh 和 Nomikos(2008)[20]認(rèn)為 Girma 和Paulson(1999)運(yùn)用移動(dòng)均線法進(jìn)行模擬交易獲利的實(shí)證研究存在數(shù)據(jù)過(guò)度挖掘傾向;而Poitras和Teoh(2003)[21]提出原油裂解套利模擬交易開(kāi)倉(cāng)和平倉(cāng)的信號(hào)取決于濾波的水平，進(jìn)而影響凈交易收益也有待研究。作者運(yùn)用了定態(tài)拔靴法避免數(shù)據(jù)過(guò)度挖掘傾向，并通過(guò)設(shè)置不同的濾波的水平進(jìn)行比較分析，證實(shí)其對(duì)交易信號(hào)和盈利水平確有影響。

Kanamura，Rachev 和 Fabozzi(2010)[3]認(rèn)為跨品種套利的期貨品種首先要進(jìn)行價(jià)格關(guān)系分析，套利模型也有必要考慮期貨價(jià)格季節(jié)性特征、均值回復(fù)和高波動(dòng)率等特點(diǎn)，并且季節(jié)性效應(yīng)對(duì)取暖油和天然氣之間套利獲利情況有正相關(guān)的影響。Cummins和 Bucca(2011)[22]則認(rèn)為價(jià)差是決定套利交易機(jī)會(huì)的關(guān)鍵因素，而交易成本決定套利的可行性，可靠的套利模型要能夠預(yù)測(cè)套利期貨價(jià)格之間的基差變動(dòng)，并預(yù)測(cè)交易機(jī)會(huì)，根據(jù)交易成本的變化做出及時(shí)調(diào)整。

(四)天然氣及電力期貨之間的套利。

天然氣和電力期貨之間的套利，是基于燃燒發(fā)電的上下游關(guān)系，也被稱為電火花套利(Spark Spread)。Emery 和 Liu(2002)[23]對(duì)此進(jìn)行全面研究?；诎l(fā)電燃燒值(GeneratorHeatRate)合約的買(mǎi)賣(mài)比例是5∶3，在進(jìn)行穩(wěn)定性、協(xié)整等檢驗(yàn)后，對(duì)模型在樣本內(nèi)外的獲利能力進(jìn)行交易模擬實(shí)證。結(jié)果表明，電力期貨和天然氣期貨之間套利交易獲利效果明顯，并且獲利情況都在電力期貨變動(dòng)中獲得。因而認(rèn)為電火花套利既沒(méi)有增加利潤(rùn)也沒(méi)有減少風(fēng)險(xiǎn)。

二、替代套利

(一)不同原油品種之間套利。

盡管WTI原油期貨和Brent原油期貨都是一類(lèi)品種，但是根據(jù) Dunis，Laws和 Evans(2006b)[24]觀察分析，基于含硫量和汽油提煉率差別形成的價(jià)格差異給兩者套利提供了機(jī)會(huì)。作者分別應(yīng)用傳統(tǒng)回歸法、移動(dòng)平均法、神經(jīng)網(wǎng)絡(luò)分析法、自回歸移動(dòng)平均法進(jìn)行比較研究。移動(dòng)平均法和自回歸移動(dòng)平均法模擬交易年收益達(dá)到26%以上，而傳統(tǒng)回歸法由于對(duì)價(jià)格趨勢(shì)的判斷相對(duì)靜止滯后，神經(jīng)網(wǎng)絡(luò)分析法則引起交易頻次過(guò)高、成本上升，都未獲得理想效果。

(二)黃金與白銀之間套利。

黃金和白銀在現(xiàn)貨領(lǐng)域作為具有貨幣屬性的貴金屬相互替代功能不言而喻，而Ma和Soenen(1988)[25]則首次全面研究了黃金和白銀期貨的套利交易。作者認(rèn)為價(jià)格關(guān)系頻繁偏離長(zhǎng)期均衡的平價(jià)給套利交易提供了機(jī)會(huì)，但是交易成本原因限制了套利交易的可行性。運(yùn)用移動(dòng)平均法，考察28日、30日和44日等均線，均可以模擬交易獲利。Wahab，Cohn 和 Lashgari(1994)[26]在對(duì)黃金和白銀每日結(jié)算價(jià)格進(jìn)行協(xié)整檢驗(yàn)后，通過(guò)誤差修正模型、自回歸移動(dòng)平均法和ARCH模型進(jìn)一步分析兩者價(jià)格關(guān)系，在此基礎(chǔ)上運(yùn)用移動(dòng)平均法進(jìn)行模擬交易獲利。Liu和Chou(2003)[27]通過(guò)誤差修正模型研究發(fā)現(xiàn)黃金和白銀的價(jià)格具有慢速調(diào)節(jié)和長(zhǎng)記憶效應(yīng)，套利交易獲利正是由于存在隨時(shí)間變化的風(fēng)險(xiǎn)溢價(jià)。

三、總結(jié)與展望

(一)研究范式的幾點(diǎn)總結(jié)。

根據(jù)現(xiàn)有的文獻(xiàn)研究，筆者認(rèn)為商品期貨跨品種套利可以歸納為統(tǒng)計(jì)套利(StatisticalArbitrage)在商品期貨領(lǐng)域的運(yùn)用，這一點(diǎn)與Kanamura等(2011)所認(rèn)同的配對(duì)交易觀點(diǎn)本質(zhì)相同，因?yàn)榕鋵?duì)交易本身就是最初始的和最常用的統(tǒng)計(jì)套利策略。商品期貨跨品種套利就是基于統(tǒng)計(jì)方法挖掘套利機(jī)會(huì)，通過(guò)建立期貨合約價(jià)格時(shí)間序列模型，擬合價(jià)格變化規(guī)律，識(shí)別套利組合內(nèi)部統(tǒng)計(jì)錯(cuò)誤定價(jià)關(guān)系，發(fā)現(xiàn)兩個(gè)或者兩個(gè)以上資產(chǎn)之間存在的套利機(jī)會(huì)，設(shè)定交易閾值，發(fā)出交易信號(hào)并執(zhí)行的投資過(guò)程。因此，選擇套利對(duì)象、確定套利信號(hào)機(jī)制、建立交易組合構(gòu)成套利交易的基本過(guò)程。

1．套利對(duì)象的選擇。

無(wú)論是過(guò)程套利還是替代套利，對(duì)交易對(duì)象必然存在相關(guān)性、平穩(wěn)性和流動(dòng)性三個(gè)方面的要求。上下游關(guān)系和某種替代關(guān)系僅僅表現(xiàn)為在經(jīng)濟(jì)意義上的趨同性，因而有必要對(duì)研究的期貨合約價(jià)格歷史數(shù)據(jù)進(jìn)行相關(guān)性分析，通過(guò)相關(guān)系數(shù)反映了價(jià)格變量之間變化的程度。Kanamura等(2010)[3]也認(rèn)為，相對(duì)于跨期套利是天然的配對(duì)交易(NaturalPairTrade)，跨品種套利更有必要在進(jìn)行交易模擬前設(shè)定形成期(FormationPeriod)進(jìn)行價(jià)格關(guān)系分析。

平穩(wěn)性則要求期貨合約的價(jià)格差值成為平穩(wěn)性檢驗(yàn)的考察對(duì)象。如果價(jià)格差值序列是平穩(wěn)時(shí)間序列，那么，說(shuō)明合約之間的統(tǒng)計(jì)趨勢(shì)關(guān)系將是穩(wěn)定的，不會(huì)隨著時(shí)間測(cè)度的變化而變化，因而多數(shù)文獻(xiàn)采用ADF檢驗(yàn)等單位根檢驗(yàn)方法驗(yàn)證價(jià)格數(shù)據(jù)序列同階差分后的序列是平穩(wěn)的。

流動(dòng)性要求盡量降低交易的流動(dòng)性成本，使得套利交易能夠在最優(yōu)價(jià)格上進(jìn)行。多數(shù)研究文獻(xiàn)選擇近交割期1至2個(gè)月的期貨合約作為研究對(duì)象，也避免了到期日效應(yīng);并且采取進(jìn)入約定特定時(shí)間諸如進(jìn)入交割月首日或者近交割月前15日等方式，替換合約向前展期(RollOver)的方式，保持期貨合約價(jià)格數(shù)據(jù)的連續(xù)性。

2．確定套利信號(hào)機(jī)制。

當(dāng)期貨合約的價(jià)格差價(jià)背離了長(zhǎng)期的均衡，而這種背離在未來(lái)將會(huì)得到糾正，因而可以產(chǎn)生套利的機(jī)會(huì)。隱含的前提就是均值回復(fù)，即存在均值區(qū)間，表現(xiàn)為價(jià)格時(shí)間序列是平穩(wěn)的，并且在一定的范圍之內(nèi)波動(dòng)，價(jià)格的背離是短期的，隨著時(shí)間的推移，將會(huì)回復(fù)到它的均值區(qū)間。因此，協(xié)整分析正是揭示滿足價(jià)格時(shí)間序列之間存在這種穩(wěn)定的相互制約的均衡關(guān)系，數(shù)據(jù)之間在多數(shù)情形下保持均衡的關(guān)系，短期出現(xiàn)的非均衡會(huì)在較短的時(shí)間內(nèi)向均衡回歸。絕大多數(shù)文獻(xiàn)采用的方法是 Engle和 Granger(1987)[28]提出的 EG 兩步法，首先對(duì)需要檢驗(yàn)的變量進(jìn)行普通的線性回歸，得到一階殘差，再對(duì)殘差序列進(jìn)行單位根檢驗(yàn)，如果不存在單位根，則序列是平穩(wěn)的。根據(jù)協(xié)整分析的結(jié)果，得到價(jià)格差值往往圍繞著某一固定值進(jìn)行波動(dòng)，選擇不同倍數(shù)標(biāo)準(zhǔn)差構(gòu)成閾值的不同取值，即為套利交易的信號(hào)，也因此構(gòu)建了交易區(qū)間和止損區(qū)間。

3．建立交易組合。

構(gòu)建不同的期貨合約組合的核心問(wèn)題是多空期貨合約的頭寸比例。大部分期貨套利合約按照現(xiàn)實(shí)的投入產(chǎn)出比，以大豆和豆粕、豆油為例，按照美國(guó)農(nóng)業(yè)部(USDA)研究歸納的60∶48∶11(以重量計(jì))，結(jié)合合約的規(guī)格進(jìn)行折算;生豬與玉米期貨套利是按照行業(yè)飼養(yǎng)經(jīng)驗(yàn)歸納得出的合約比例;天然氣及電力期貨也是基于發(fā)電燃燒值確定的合約買(mǎi)賣(mài)比例;而原油裂解套利則按照3∶2∶1，1∶0∶1或 1∶1∶0 簡(jiǎn)單的等量合約比買(mǎi)賣(mài)頭寸交易組合。

(二)未來(lái)研究的展望。

關(guān)于商品期貨跨品種套利的研究，未來(lái)應(yīng)當(dāng)更加立足于服務(wù)實(shí)體經(jīng)濟(jì)的產(chǎn)業(yè)發(fā)展，發(fā)揮利用期貨套利管理風(fēng)險(xiǎn)的作用;在研究方法方面可以嘗試諸如神經(jīng)網(wǎng)絡(luò)、門(mén)限協(xié)整等非線性模型完善套利機(jī)會(huì)偵察，同時(shí)利用日內(nèi)高頻數(shù)據(jù)更加準(zhǔn)確把握套利機(jī)會(huì)，減少套利交易引起的不必要長(zhǎng)期持倉(cāng)風(fēng)險(xiǎn)。

1．研究角度的更新。

從現(xiàn)有研究文獻(xiàn)來(lái)看，研究角度的選擇往往站在對(duì)沖基金等機(jī)構(gòu)投資者等角度，立足于研究利用價(jià)差交易純粹獲利;然而從商業(yè)持倉(cāng)的交易者(即與期貨品種相關(guān)的各原料生產(chǎn)商、加工商和經(jīng)銷(xiāo)商等)角度研究套利交易，結(jié)合現(xiàn)貨持有頭寸，利用套利交易管理敞口風(fēng)險(xiǎn)的研究還在少數(shù)。結(jié)合現(xiàn)貨因素的期貨跨品種套利，是對(duì)現(xiàn)有產(chǎn)業(yè)鏈各品種期貨分別期現(xiàn)套期保值行為的期貨另一角度闡釋，其研究核心必然涉及到交易頭寸問(wèn)題，因此借鑒套期保值領(lǐng)域最優(yōu)頭寸的研究，如何計(jì)算推導(dǎo)出套利的最優(yōu)頭寸值得研究探索。

2．研究方法的改進(jìn)。

對(duì)于跨品種期貨套利的研究，我們目前主要依賴線性協(xié)整方法理論，但是協(xié)整模型估計(jì)參數(shù)是不變的，這與金融序列模型參數(shù)的時(shí)變性是不相符的，許多不斷出現(xiàn)的套利機(jī)會(huì)因?yàn)槟Ｐ蛥?shù)的設(shè)定誤差而被忽略。諸如Dunis，Laws和Evans(2006a，2008)等學(xué)者應(yīng)用多種非線性神經(jīng)網(wǎng)絡(luò)方法來(lái)發(fā)掘套利交易機(jī)會(huì)，但模型判定套利機(jī)會(huì)增多，多數(shù)由于微小價(jià)差而頻繁發(fā)出交易信號(hào)，帶來(lái)交易成本消耗掉大部分利潤(rùn)，甚至造成虧損等問(wèn)題。而門(mén)限協(xié)整解決了神經(jīng)網(wǎng)絡(luò)方法過(guò)頻發(fā)出交易信號(hào)的問(wèn)題，通過(guò)門(mén)限劃定可行交易區(qū)間，區(qū)間之外由于套利收益被交易成本等因素抵消，因此不存在套利交易基礎(chǔ)，價(jià)格傾向于服從隨機(jī)游走;區(qū)間之內(nèi)，價(jià)格迅速收斂于均衡，具有協(xié)整特征，套利交易信號(hào)時(shí)常出現(xiàn)。問(wèn)題在于如何確定套利交易模型的門(mén)限恰恰是研究中的難點(diǎn)。

3．?dāng)?shù)據(jù)質(zhì)量的提高。

本文歸納的研究文獻(xiàn)所選取的價(jià)格數(shù)據(jù)均為每日結(jié)算價(jià)，由此帶來(lái)兩類(lèi)問(wèn)題，一方面由于是每日價(jià)格的特征，必然不能準(zhǔn)確詳細(xì)反映價(jià)格波動(dòng)的完整過(guò)程，由于研究?jī)r(jià)格數(shù)據(jù)的不充分和不精確，模型無(wú)法發(fā)現(xiàn)許多套利機(jī)會(huì)。另一方面，基于每日結(jié)算價(jià)分析得出的套利機(jī)會(huì)必然造成套利交易開(kāi)倉(cāng)和平倉(cāng)至少1天以上，因而必然面臨長(zhǎng)期單方持倉(cāng)的敞口風(fēng)險(xiǎn)。有必要引入日內(nèi)高頻數(shù)據(jù)進(jìn)行分析研究，既能更加準(zhǔn)確地偵察套利機(jī)會(huì)，又能有效減少長(zhǎng)期持倉(cāng)風(fēng)險(xiǎn)。

注釋:

①本文未特別注明，所提及的大豆、豆粕、豆油、玉米、小麥、生豬期貨均為芝加哥期貨交易所(ChicagoBoardofTrade)上市品種;WTI原油、Brent原油、取暖油、無(wú)鉛汽油、電力、天然氣、黃金、白銀均為紐約商品交易所(NewYorkCommodity Exchange)上市品種，兩者均屬于芝加哥商品交易所集團(tuán)(CMEGroupInc．)。

[1]WorkingH．TheTheoryofPriceofStorage[J]．TheA-mericanEconomicReview，1949，39(6):1254-1262．

[2]MelandL．Futuresmarketliquidityandthetechniqueof spreading[J]．JournalofFuturesMarkets，1981，1:405 – 411．

[3]KanamuraT，RachevST，F(xiàn)abozziFJ．Aprofitmodel forspreadtradingwithanapplicationtoenergyfutures[J]．The JournalofTrading，2010，5(1):48-62．

[4]CarmonaR，DurrlemanV．PricingandHedgingSpread Options[J]．SIAMReview，2006，45(4):627 – 685．

[5]TzangDN，LeutholdRM．Hedgeratiosunderinherent riskreductioninacommoditycomplex[J]．JournalofFutures Markets，1990，10:497 – 504．

[6]PlatoGE．Thesoybeanprocessingdecision:Exercising arealoptiononprocessingmargins[R]．UnitedStatesDepartmentofAgriculture，EconomicResearchService，2001．

[7]HieronymusTA．TheEconomicsofRiskintheMarketingofSoybeansandSoybeanProducts[D]．UniversityofIllinois，Dept．ofAgriculturalEconomics，1949．

[8]DueringerHH．VariationsintheSoybeanCrushingMargin[D]．UniversityofIllinoisatUrbana-Champaign，1972．

[9]JohnsonRL，ZulaufCR，IrwinSH，etal．Thesoybeancomplexspread:Anexaminationofmarketefficiencyfrom theviewpointofaproductionprocess[J]．JournalofFutures Markets，1991，11(1):25-37．

[10]RechnerD，PoitrasG．Puttingonthecrush:Day tradingthesoybeancomplexspread[J]．JournalofFuturesMarkets，1993，13(1):61-75．

[11]SimonDP．Thesoybeancrushspread:Empiricalevidenceandtradingstrategies[J]．JournalofFuturesMarkets，1999，19(3):271-289．

[12]MitchellJ．SoybeanCrushSpreadArbitrage:Trading StrategiesandMarketEfficiency[J]．AvailableatSSRN987507，2007．

[13]DunisCL，LawsJ，EvansB．Modellingandtrading thesoybean-oilcrushspreadwithrecurrentandhigherorder networks:Acomparativeanalysis[J]．NeuralNetworkWorld，2006，16(3):193-213．

[14]KenyonD，ClayJ．Analysisofprofitmarginhedging strategiesforhogproducers[J]．JournalofFuturesMarkets，1987，7(2):183-202．

[15]LiuQ．Pricerelationsamonghog，corn，andsoybean mealfutures[J]．JournalofFuturesMarkets，2005，25(5):491-514．

[16]GirmaPB，PaulsonAS．Riskarbitrageopportunities inpetroleumfuturesspreads[J]．JournalofFuturesMarkets，1999，19(8):931-955．

[17]HaighMS，HoltMT．Crackspreadhedging:accountingfortime‐varyingvolatilityspilloversintheenergyfuturesmarkets[J]．JournalofAppliedEconometrics，2002，17(3):269-289．

[18]DunisCL，LawsJ，EvansB．Modellingandtrading thegasolinecrackspread:Anon-linearstory[J]．Derivatives Use，TradingRegulation，2006a，12(1):126-145．

[19]DunisCL，LawsJ，EvansB．Tradingfuturesspread portfolios:applicationsofhigherorderandrecurrentnetworks[J]．TheEuropeanJournalofFinance，2008，14(6):503-521．

[20]AlizadehAH，NomikosNK．Performanceofstatisticalarbitrageinpetroleumfuturesmarkets[J]．JournalofEnergy Markets，2008，1(2):3-33．

[21]PoitrasG，TeohA．Thecrackspread:Daytradingthe oilfuturescomplex[J]．DerivativesUse，Trading ＆ Regulation，2003，9(2):102-110．

[22]CumminsM，BuccaA．Quantitativespreadtradingon crudeoilandrefinedproductsmarkets[J]．QuantitativeFinance，2012，12(12):1857-1875．

[23]EmeryGW，LiuQW．Ananalysisoftherelationship betweenelectricityandnatural‐ gasfuturesprices[J]．Journal ofFuturesMarkets，2002，22(2):95-122．

[24]DunisCL，LawsJ，EvansB．Tradingfutures spreads:anapplicationofcorrelationandthresholdfilters[J]．AppliedFinancialEconomics，2006b，16(12):903-914．

[25]MaCK，SoenenLA．Arbitrageopportunitiesinmetal futuresmarkets[J]．JournalofFuturesMarkets，1988，8(2):199-209．

[26]WahabM，CohnR，LashgariM．Thegold‐ silver spread:Integration，cointegration，predictability，andex‐ante arbitrage[J]．JournalofFuturesMarkets，1994，14(6):709-756．

[27]LiuSM，ChouCH．Paritiesandspreadtradingin goldandsilvermarkets:afractionalcointegrationanalysis[J]．AppliedFinancialEconomics，2003，13(12):899-911．

[28]EngleRF，GrangerCWJ．Co-integrationanderror correction:representation，estimation，andtesting[J]．Econometrica:journaloftheEconometricSociety，1987:251-276．