林永綠

（安徽財(cái)經(jīng)大學(xué) 金融學(xué)院，安徽 蚌埠 233030）

基于我國白銀市場的最優(yōu)套期保值比率研究

林永綠

（安徽財(cái)經(jīng)大學(xué) 金融學(xué)院，安徽 蚌埠 233030）

本文針對(duì)我國白銀市場現(xiàn)貨和期貨的最優(yōu)套期保值比率的計(jì)算問題，選取了 2015 年 1 月 5 日至 2015 年 11 月30 日白銀期貨和現(xiàn)貨的收盤價(jià)作為樣本，利用線性回歸、雙變量向量自回歸計(jì)算靜態(tài)最優(yōu)套期保值比率；利用雙變量廣義條件異方差計(jì)算動(dòng)態(tài)最優(yōu)套期保值比率，對(duì)比顯示動(dòng)態(tài)的對(duì)沖效果打敗了靜態(tài)對(duì)沖,具有更佳的套期保值效果.

最優(yōu)套期保值比例；B-VAR；B-GARCH；套期保值質(zhì)量

1 引言

長期以來,經(jīng)典套期保值一直是交易者用以回避現(xiàn)貨價(jià)格風(fēng)險(xiǎn)的主要方式.從 20 世紀(jì) 50 年代以來，隨著期貨市場深度和廣度的拓展以及金融投資理論及其分析技術(shù)的發(fā)展，西方學(xué)者開始關(guān)注套期保值策略的運(yùn)用問題.其中，沃金（1960）率先提出了基于基差預(yù)測的選擇性（基差套利型）套期保值的思想，約翰森（1960）和斯特恩（1961）開始引入Markowitz 資產(chǎn)組合理論來解釋套期保值問題[1]，于是最優(yōu)套期保值比率以及套期保值有效性問題逐漸成為期貨市場研究的熱點(diǎn).他們認(rèn)為，交易者進(jìn)行套期保值實(shí)際上是對(duì)現(xiàn)貨市場和期貨市場的資產(chǎn)進(jìn)行組合投資，套期保值者根據(jù)資產(chǎn)組合的預(yù)期收益和預(yù)期收益方差來確定現(xiàn)貨市場和期貨市場的交易頭寸，以使收益風(fēng)險(xiǎn)最小化或效用最大化.目前,已有許多國內(nèi)外學(xué)者對(duì)股指期貨市場的套期保值問題進(jìn)行了研究,套期保值的核心問題是最優(yōu)套期保值比率的確定[2].基于套期保值模型,現(xiàn)有的研究可以分為兩大類:靜態(tài)套期保值模型和動(dòng)態(tài)套期保值模型.最常用的靜態(tài)套期保值方法是利用普通最小二乘法求出現(xiàn)貨收益對(duì)期貨收益線性回歸的斜率參數(shù)作為最優(yōu)套期保值比率.該方法操作簡單,但是常數(shù)的套期保值比率不能反映現(xiàn)貨和期貨價(jià)格的時(shí)變性.因此傳統(tǒng)的 OLS不適合最小風(fēng)險(xiǎn)套期保值比率的估計(jì)，為了消除殘差項(xiàng)的序列相關(guān)和增加模型的信息量,可以利用雙變量向量自回歸模型(B-VAR)和 GARCH 模型改進(jìn)最小風(fēng)險(xiǎn)套期保值比率的計(jì)算[3].

從現(xiàn)有文獻(xiàn)來看，目前國內(nèi)尚缺乏對(duì)中國白銀期貨市場套期保值問題深入的實(shí)證研究.本文試圖在已有研究成果的基礎(chǔ)上，選取近一年來的樣本數(shù)據(jù)，運(yùn)用國際上較為成熟的計(jì)量模型：簡單線性回歸模型（OLS），雙變量向量自回歸模型（B-VAR）和雙變量廣義條件自回歸（B-GARCH）分別對(duì)樣本數(shù)據(jù)進(jìn)行回歸，對(duì)中國白銀期貨市場套期保值功能進(jìn)行實(shí)證研究.

2 數(shù)據(jù)處理和研究方法

2.1 數(shù)據(jù)的處理

2.1.1 數(shù)據(jù)的來源

本文的實(shí)證數(shù)據(jù)樣本區(qū)間為 2015 年 1 月 5 日至 2015年 11 月 30 日. 白銀期貨價(jià)格的數(shù)據(jù)源于上海期貨交易所，白銀的現(xiàn)貨價(jià)格來源于上海黃金交易所 Ag9999 交易價(jià)格.為克服單個(gè)合約期貨價(jià)格不連續(xù)的缺點(diǎn)，白銀期貨選取年初第一份開始直到到期，然后下一份合約從第一份合約的截止日開始選取數(shù)據(jù)，直到第二份合約截止再接下一份合約，直到選取到最近期的期貨合約，利用連續(xù)期貨合約序列每日的收價(jià)格數(shù)據(jù)為依據(jù)，產(chǎn)生一個(gè)連續(xù)的期貨數(shù)據(jù).這樣選取數(shù)據(jù)的優(yōu)點(diǎn)在于產(chǎn)生一個(gè)連續(xù)期貨數(shù)據(jù)，并且由于距離最后交易日比較接近，期貨價(jià)格與現(xiàn)貨價(jià)格比較貼近，同時(shí)還可以克服交割月交易量較小，數(shù)據(jù)不穩(wěn)定的缺點(diǎn).

2.1.2 數(shù)據(jù)的處理

圖1 白銀現(xiàn)貨價(jià)格和期貨價(jià)格的走勢圖

我們可以觀察到，白銀的現(xiàn)貨價(jià)格和期貨價(jià)格的走勢在大體上還是相似的，為了讓數(shù)據(jù)能夠更加平穩(wěn)，并且讓數(shù)據(jù)能夠滿足計(jì)量模型的假設(shè)需要，我們對(duì)白銀的現(xiàn)貨價(jià)格和期貨價(jià)格這兩列數(shù)據(jù)分別先取對(duì)數(shù)，然后差分，得到白銀的現(xiàn)貨價(jià)格和期貨價(jià)格的對(duì)數(shù)收益率序列.

2.2 研究方法

本文中的期貨套期保值比率研究都是在方差最小化的框架下進(jìn)行,假設(shè)我們進(jìn)行多頭套期保值,現(xiàn)貨持有數(shù)量為1，在 t 期的收盤價(jià)為 Ht，收益率為 rH,t，我們需要賣空 n 比例的期貨來進(jìn)行套期保值，期貨在 t期的收盤價(jià)為 Gt，收益率為 rG,t，那么整個(gè)的套期保值組合的收益率為：rP,t=rH,t-nrG,t那么，我們就可以得到：σ2P=σ2H+n2σ2G-2nσHG，為了使組合方差最小，一階條件為.二階條件為=2σ2G＞0，可以得到

2.2.1 傳統(tǒng) OLS 估計(jì)法

結(jié)合最小方差法，我們可以利用最小二乘法對(duì)模型進(jìn)行估計(jì)，模型如下：

其中，rH,t和 rG,t分別為現(xiàn)在 t期的現(xiàn)貨和期貨的收益率，這樣我們就可以得到在最小二乘法下的最優(yōu)靜態(tài)套期保值率 n*=β.

2.2.2 向量自回歸（VAR）模型

雖然 OLS法可以快速的得到最優(yōu)套期保值率的估計(jì),但 OLS方法得到的最優(yōu)套期保值率是根據(jù)無條件分布得到的套期保值比率.VAR 模型主要用于預(yù)測和分析隨機(jī)擾動(dòng)項(xiàng)對(duì)系統(tǒng)的動(dòng)態(tài)沖擊，沖擊的大小、正負(fù)以及持續(xù)時(shí)間.考慮到過去的收益率可能對(duì)現(xiàn)在的收益率產(chǎn)生影響,可以利用下面的向量自回歸模型來進(jìn)行估計(jì)[4]：

VAR模型的優(yōu)勢就是考慮了現(xiàn)貨和期貨的前期的收益率可能會(huì)對(duì)當(dāng)期收益率造成影響，其中 εHt和 εGt為誤差項(xiàng).

2.2.3 動(dòng)態(tài) B-GARCH 模型

與最小方差(MV)模型類似,考慮一包含 CH單位的現(xiàn)貨多頭頭寸和 CG單位的期貨空頭頭寸的組合, 記 rH,t和 rG,t分別為 t時(shí)刻現(xiàn)貨和期貨的對(duì)數(shù)收益率,該套期保值組合在時(shí)期 (t-1,t)內(nèi) 的 收 益 率 rP,t為 :rP,t=rH,t-nrG,t建 立 對(duì) rG,t的 GARCH模型：Covn= ?+αXnYn-1+βCovn-1其中，當(dāng) Xn=Yn時(shí)，Covn為序列 Xn或者 Yn的方差[5].

2.3 套期保值效果的檢驗(yàn)

本文采取的套期保值比率的計(jì)算方法是在方差最小的框架下進(jìn)行的,在套期保值效果的檢驗(yàn)中,主要比較進(jìn)行套期保值的組合的收益率的方差比未進(jìn)行套期保值的組合的方差降低的比例[6].

其中，r1,t和 r2,t分別為未進(jìn)行套期保值和運(yùn)用了白銀期貨進(jìn)行套期保值的投資組合收益率.

3 模型參數(shù)的估計(jì)

3.1 最小二乘（OLS）估計(jì)法

在回歸之前，對(duì)白銀現(xiàn)貨和期貨的對(duì)數(shù)收益率 rH,t和 rG,t做單位根檢驗(yàn)，驗(yàn)證 rH,t和 rG,t是平穩(wěn)序列，從檢驗(yàn)結(jié)果可以看出，rH,t和 rG,t都是平穩(wěn)序列，得到回歸結(jié)果為：

在顯著性 α=0.05 的水平下，斜率 β 在統(tǒng)計(jì)意義上顯著，說明期貨對(duì)數(shù)價(jià)格的變化量對(duì)現(xiàn)貨對(duì)數(shù)價(jià)格的變化量影響顯著. 而系數(shù) 0.493711 表示對(duì)白銀現(xiàn)貨在白銀期貨市場進(jìn)行套期保值時(shí)，每一份現(xiàn)貨合約需要 0.493711 份期貨合約.但是，利用 OLS 模型假設(shè)的前提條件是殘差序列服從白噪聲分布，根據(jù) J-B 統(tǒng)計(jì)量大于 5.99 拒絕了正態(tài)性檢驗(yàn)（J-B 統(tǒng)計(jì)量服從自由度為 2 的卡方分布），因此殘差序列不服從正態(tài)分布.

表1 VAR模型估計(jì)結(jié)果

3.2 二元向量自回歸（B-VAR）模型

建立 B-VAR 模型之間，先對(duì) rH,t和 rG,t兩列對(duì)數(shù)收益率做格蘭杰因果檢驗(yàn). 格蘭杰因果檢驗(yàn)的結(jié)果顯示 α=0.05 的顯著水平上拒絕了 rG,t不是 rH,t的格蘭杰因果關(guān)系，說明了在統(tǒng)計(jì)意義上，rG,t的變化導(dǎo)致了 rH,t的變化.這與我們最初的設(shè)想是一樣的.

接下來建立 VAR 模型，根據(jù) AIC 和 SC 準(zhǔn)則，選擇了白銀期貨和現(xiàn)貨的滯后階數(shù)，得到 VAR 的估計(jì)結(jié)果（見表 1）.

為了驗(yàn)證我們建立的 B-VAR 模型是平穩(wěn)的，我們對(duì)其進(jìn)行單位根檢驗(yàn).從圖6的單位根檢驗(yàn)結(jié)果可以看出，B-VAR 模型存在 4 個(gè)單位根，都在單位圓之內(nèi)，數(shù)值都小于 1.可以看出該 VAR 模型是平穩(wěn)的，參數(shù)的估計(jì)是正確的.在對(duì)模型進(jìn)行殘差分析，從圖7的結(jié)果可以看出殘差不存在自相關(guān)性，滿足獨(dú)立性假設(shè).

圖2 脈沖響應(yīng)分析

為了分析 RG 的單位變動(dòng)對(duì) RH 的沖擊響應(yīng)，我們對(duì)該VAR 模型做脈沖響應(yīng)函數(shù)分析，結(jié)果如圖 2 所示.我們可以看到該 VAR 模型的脈沖響應(yīng)函數(shù)都是收斂于 0的，說明經(jīng)過單位變動(dòng)的沖擊都能回歸于 0，所以該 VAR 模型是有效的.特別的，當(dāng) RG 產(chǎn)生一個(gè)單位變動(dòng)時(shí)，對(duì) RH 的沖擊大概在 4期之后回歸于0.

在 VAR 模型中提取兩列殘差序列，求出協(xié)方差矩陣（見表 7）則白銀期貨的最優(yōu)套期保值率為：0.5055.

3.3 動(dòng)態(tài) B-GARCH 模型

對(duì)白銀期貨對(duì)數(shù)收益率序列 rG,t所建立 GARCH 模型進(jìn)行估計(jì)結(jié)果如下；

對(duì)白銀期貨對(duì)數(shù)收益率序列 rG,t和白銀現(xiàn)貨對(duì)數(shù)收益率序列 rH,t二元 GARCH 模型估計(jì)結(jié)果如下：

然后提取出白銀期貨對(duì)數(shù)收益率序列 rG,t和 GARCH 模型的方差序列和二元 GARCH 模型的協(xié)方差序列，根據(jù) 3.2中公式得到全年的動(dòng)態(tài)最優(yōu)套期保值序列.

3.4 三種模型套期保值的比較

最后，根據(jù) OLS、B-VAR 模型和 B-GARCH 求出的最優(yōu)套期保值比率，經(jīng)行套期保值的效果檢驗(yàn)，結(jié)果見表 9，做出三個(gè)模型的套期保值最優(yōu)比率的對(duì)比圖觀察其不同（見圖10）.

圖3 OLS、B-VAR 和 B-GARCH 模型最優(yōu)套期保值比率圖

如圖 3 所示，我們可以看出，基于 B-GARCH 模型的動(dòng)態(tài)套期保值比率還是具有非常強(qiáng)的靈活性的，投資者需要在短期內(nèi)經(jīng)常改變期貨和現(xiàn)貨的持倉比率，以保持最優(yōu)的套期保值比率.但是在現(xiàn)實(shí)生活中，動(dòng)態(tài)的最優(yōu)套期保值比率往往由于各種原因難以預(yù)測，相比較靜態(tài)的套期保值能夠更準(zhǔn)確的保證投資者的風(fēng)險(xiǎn)在一個(gè)較小的范圍內(nèi)變動(dòng).下面根據(jù) 3.3 中公式計(jì)算出三種方法的對(duì)沖比率質(zhì)量如圖 4.

圖4 三種對(duì)沖方法質(zhì)量比較

如圖 4 所示，B-GARCH 模型計(jì)算出來的對(duì)沖比率質(zhì)量指標(biāo)最大，說明了 B-GARCH 對(duì)于對(duì)沖比率的計(jì)算值更精確，這是因?yàn)樵?B-GARCH 中考慮了期貨和現(xiàn)貨之間相關(guān)性的動(dòng)態(tài)變化關(guān)系，尤其是在金融危機(jī)的時(shí)候考慮時(shí)變性顯得十分重要.

4 結(jié)束語

本文利用簡單線性回歸模型（OLS）、雙變量向量自回歸模型 （B-VAR） 和雙變量廣義自回歸條件異方差模型（B-GARCH)對(duì)我國白銀期貨的基于最小方差角度的最優(yōu)套期保值比率進(jìn)行了估計(jì).并對(duì)這三種模型的套期保值的效果進(jìn)行了比較，基于本文的研究，我們得到如下結(jié)論：

我國白銀期貨市場和白銀現(xiàn)貨市場上的走勢相關(guān)度較高，這說明利用白銀期貨對(duì)白銀現(xiàn)貨進(jìn)行套期保值是完全有可能的.

對(duì)于在研究的時(shí)間范圍內(nèi)的我國白銀期貨的基于風(fēng)險(xiǎn)最小化的套期保值效果的比較，我們發(fā)現(xiàn)，簡單線性回歸模型、雙變量向量自回歸模型和雙變量廣義自回歸條件異方差模型的套期保值效果逐漸越來越好，基于 B-GARCH 模型得到的時(shí)變最優(yōu)套期保值比率具有較優(yōu)的質(zhì)量.

通過本文得出的結(jié)論，從我國白銀期貨上市以來，但是其套期保值功能已開始發(fā)揮其應(yīng)有的作用.說明我國期貨市場接受新期貨品種具有較好的適應(yīng)性，這對(duì)我國迫切需要進(jìn)行白銀期貨套期保值來規(guī)避現(xiàn)貨市場價(jià)格波動(dòng)風(fēng)險(xiǎn)的加工、銷售等企業(yè)具有重大的戰(zhàn)略意義，并且促使這些企業(yè)能夠及時(shí)、全面的了解白銀期貨方面的知識(shí)和信息.除此之外企業(yè)在進(jìn)行相應(yīng)套期保值操作時(shí)，應(yīng)根據(jù)自己偏好和實(shí)際情況的，選擇不同的模型從而達(dá)到效用及期望最優(yōu)化.

〔1〕H.Working.New Concepts Concerning Futures Markets and Prices.AmericanEconomic Review,1960(52)：431-459.

〔2〕徐雪.期貨市場—理論與實(shí)務(wù)[M].北京：中國 金融出 版社, 2010.

〔3〕馬超 群,王 寶 兵.基 于 Copula-GARCH 模 型 的 外 匯 期 貨最 優(yōu) 套 期 保 值 比 率 研 究 [J].統(tǒng) 計(jì) 與 決 策 ,2011（12）：124-128.

〔4〕張世英,樊智.協(xié)整理論與波動(dòng)模型：金 融時(shí)間序列 分析及應(yīng)用[M].北京：清華大學(xué)出版社有限公司,2004.

〔5〕王超.基于 ECM-BGARCH 模型對(duì)中國黃金期貨套期保值比率的研究[D].西南財(cái)經(jīng)大學(xué),2011.

〔6〕Ederington L H.The Hedging Performance and Basis Risk in Stock Index Futures[J].The Journal of Futures Markets,1979(34)：157-170.

F832.54；F224

：A

：1673-260X（2016）02-0147-03

2015 年 10 月 15 日