黃文彬 鄭麗娟 林銀瑞
(福州大學(xué)經(jīng)濟(jì)與管理學(xué)院, 福建福州 360116)
?
套期保值比率模型的比較選擇研究
——基于滬深300指數(shù)的分析
黃文彬鄭麗娟林銀瑞
(福州大學(xué)經(jīng)濟(jì)與管理學(xué)院, 福建福州360116)
摘要:以滬深300股指期貨4種合約的日頻率和15分鐘、10分鐘、5分鐘、1分鐘頻率的高頻數(shù)據(jù)為對象,檢驗在1種低頻數(shù)據(jù)和4種高頻數(shù)據(jù)環(huán)境下,靜態(tài)的OLS模型、B-VAR模型、ECM模型和動態(tài)的Diagnoal-BEKK模型、CCC-GARCH模型、Diagnoal-VECH模型、DCC-GARCH模型的套期保值績效,從而選擇最優(yōu)套保模型以及最優(yōu)的套期保值數(shù)據(jù)頻率類型。實證結(jié)果表明:套期保值績效隨著數(shù)據(jù)頻率的提高而降低,日數(shù)據(jù)是最優(yōu)套期保值數(shù)據(jù)頻率類型。在日數(shù)據(jù)下,當(dāng)月期貨合約的最優(yōu)套保模型為OLS模型,其他三種合約的最優(yōu)套保模型為CCC-GARCH模型。在日數(shù)據(jù)下,下月期貨合約的套期保值效果最優(yōu)。
關(guān)鍵詞:套期保值; 滬深300; 不同頻率; GARCH模型
一、引言
我國期貨市場經(jīng)歷了理論研究、試點、發(fā)展三個階段,明確了期貨市場具有分散轉(zhuǎn)移風(fēng)險、保值和預(yù)期價格等功能,期貨具有風(fēng)險大、變化快的特點。[1]相比英、美等國的成熟資本市場,我國期貨市場存在較大的系統(tǒng)風(fēng)險。有資料顯示,我國股市的平均市場性風(fēng)險高達(dá)40%。[2]
自從我國第一只股指期貨——滬深300股指期貨合約2010年4月16日在中國金融期貨交易所上市后,股指期貨市場交易十分活躍。至2014年10月,總成交5.29億手,總成交金額391.5萬億元,日均成交48.79萬手,日均成交金額3606億元。僅從單個產(chǎn)品的交易量來看,滬深300股指期貨已經(jīng)成為全球第四大股指期貨產(chǎn)品。滬深300股指期貨與現(xiàn)貨高度擬合,價格相關(guān)性高達(dá)99.9%,收益率相關(guān)性也達(dá)到94.5%。[3]隨著股指期貨的上市,我國股市波動率顯著降低,滬深300指數(shù)在股指期貨上市后波動率下降了40%,漲跌幅超過2%的天數(shù)下降了59%。滬深300股指期貨已經(jīng)成為我國各類投資者最重要的交易工具之一。投資者利用滬深300股指期貨進(jìn)行套保保值和風(fēng)險管理將是大勢所趨,以基金、保險機(jī)構(gòu)為代表的各類機(jī)構(gòu)投資者和風(fēng)險管理者更是充分利用滬深300股指期貨規(guī)避和化解股票市場的系統(tǒng)性風(fēng)險。
影響套期保值的因素很多,包括交易成本,現(xiàn)貨和期貨價格間的協(xié)整關(guān)系、兩者間的非線性關(guān)系,是否考慮套期保值后的收益情況,是否區(qū)分套期保值的買賣方向等。目前套期保值比率研究包括0LS模型、基差逐利套保模型、B-VAR模型、ECM模型等靜態(tài)模型,以及ARCH模型、GARCH模型等動態(tài)模型。除了以上模型外,研究中還運用了一些新方法,包括展期(多期)套期保值法 、下偏矩風(fēng)險法 、支持向量機(jī)(SVM)模型 、嶺回歸模型 、VecHAR-RVRCOV-J模型 ,以及Copula函數(shù)的利用、蒙特卡羅模擬、隨機(jī)Lagrange方法等。[4][5][6][7][8][9]
針對最優(yōu)套期保值比率模型,國內(nèi)外均進(jìn)行了大量的研究。套期保值比率的計算最早通常是采用靜態(tài)比率,如普通最小二乘法(OLS)、向量自回歸模型(VAR)、向量誤差修正模型(VECM)等。早期國外學(xué)者如Ederington,F(xiàn)iglewski,Lee等和Benet都證實這3種靜態(tài)套保模型具有較好的避險效率。[10][11][12][13]但是隨著時間序列理論的發(fā)展,特別是多變量的條件波動率模型——多元廣義自回歸條件異方差模型MVGARCH的出現(xiàn),靜態(tài)套保比率的方法被認(rèn)為存在許多缺點。Cecchetti等,Baillie和Myers,Myers,Kroner和Sultan,Park和Switzer以及Choudhry的研究都說明運用MVGARCH模型分析現(xiàn)貨和期貨間的條件波動率以及條件相關(guān)系數(shù),可以更好地構(gòu)建動態(tài)的避險比率獲得更好的避險效果。[14][15][16][17][18][19]Lien及付劍茹和張宗成則認(rèn)為動態(tài)套保策略仍存在異議。[20][21]
我國這樣一個新興的金融市場,滬深300股指期貨在推出四年后,它的避險效果到底如何呢?是靜態(tài)套保模型有效還是動態(tài)套保模型有效呢?隨著網(wǎng)絡(luò)信息技術(shù)的快速發(fā)展、高頻交易的興起,金融機(jī)構(gòu)往往也需要在高頻環(huán)境下即時調(diào)整資產(chǎn)的頭寸,低頻環(huán)境下的股指期貨套期保值與高頻環(huán)境下的股指期貨套期保值存不存差異?這些問題的研究具有重要的現(xiàn)實意義。本文針對四種不同到期期限的滬深300指數(shù)期貨合約,利用低頻的日數(shù)據(jù)和最為常見的4種高頻數(shù)據(jù),基于3種靜態(tài)模型包括OLS模型、B-VAR模型、ECM模型和4種動態(tài)模型包括Diagnoal-BEKK模型、CCC-GARCH模型、Diagnoal-VECH模型、DCC-GARCH模型,對不同期限、不同頻率、不同模型的避險效果作較為全面的分析。
二、套保模型和方法
套期保值是指企業(yè)為規(guī)避商品價格風(fēng)險、匯率風(fēng)險、股票價格風(fēng)險、信用風(fēng)險等,指定一種或一種以上的套期工具,使套期工具的公允價值或現(xiàn)金流量變動,抵消預(yù)期的被套期保值項目全部或部分公允價值或現(xiàn)金流量變動。[22]套期保值的交易原則包括4個,具體是:品種相同或相近原則、月份相同或相近原則、方向相反原則、數(shù)量相當(dāng)原則。
套保理論的發(fā)展主要經(jīng)歷了三個階段,第一階段為傳統(tǒng)的套期保值理論,該理論認(rèn)為最優(yōu)套期保值比率為1,即1單位的現(xiàn)貨可以用1單位的期貨來規(guī)避風(fēng)險[23];第二階段為基差逐利型套期保值理論,該理論認(rèn)為套期保值的核心在于通過觀察基差、預(yù)測基差變化,而不是通過消除價格波動風(fēng)險,從而獲取最大利潤[24];第三階段是現(xiàn)代套期保值理論。[25]在現(xiàn)代套期保值理論的研究中,許多學(xué)者主要是從如何最小化組合收益風(fēng)險的角度研究期貨市場最小風(fēng)險套期保值比率,并將最優(yōu)套期保值比率分為靜態(tài)套期保值比率和動態(tài)套期保值比率。
本文采用的套期保值模型也是基于風(fēng)險最小化的角度。實證模型包括普通最小二乘法模型(OLS)、二元向量自回歸模型(B-VAR)、誤差修正模型(ECM)、Diagonal-BEKK(1,1)模型、DVECH-GARCH模型、CCC-GARCH模型、DCC-GARCH模型。
(一)套期保值比率定義
(1)
(2)
(3)
1. 靜態(tài)套期保值比率法
(1)OLS模型
采用普通最小二乘法,假設(shè)估計的模型如下:
(4)
(2)B-VAR模型
考慮普通最小二乘法可以很快得到最優(yōu)套期保值比率,但是OLS法是根據(jù)無條件分布估算的套保比率,而且若回歸方程存在殘差自相關(guān),估計的回歸方程會有偏差。利用向量自回歸模型,通過選擇合適的滯后階數(shù),可以解決殘差自相關(guān)問題。故從理論上的無偏性來說,若回歸方程存在殘差自相關(guān)現(xiàn)象,VAR模型優(yōu)于OLS模型。本文考慮期貨和現(xiàn)貨這兩個變量之間的關(guān)系,利用的是二元向量自回歸模型(B-VAR),模型如下:
(5)
在該模型下,最優(yōu)套保比率為
(6)
(3)ECM模型
B-VAR模型考慮了滯后期收益率的影響,但若期貨與現(xiàn)貨價格之間存在協(xié)整關(guān)系,忽略這種關(guān)系估計的最優(yōu)套期保值比率可能會比實際值偏小。為了進(jìn)一步提高模型的精度,考慮協(xié)整關(guān)系,利用誤差修正模型進(jìn)行估計。
為了減少波動的影響,首先對現(xiàn)貨和期貨取自然對數(shù),并對其進(jìn)行平穩(wěn)性檢驗。若現(xiàn)貨和期貨價格自然對數(shù)序列為不平穩(wěn)序列,對其取一階差分,獲得對數(shù)收益率序列,再對對數(shù)收益率序列進(jìn)行平穩(wěn)性檢驗;若其為平穩(wěn)序列則說明現(xiàn)貨和期貨自然對數(shù)序列之間存在協(xié)整關(guān)系,且為一階單整,此時,可以建立現(xiàn)貨和期貨對數(shù)收益率的誤差修正模型。
誤差修正模型的一般形式如下:
(7)
其中:Zt-1為誤差修正項,在誤差修正模型下估計的最優(yōu)套期保值比率為
(8)
2. 動態(tài)套期保值比率法
(1)Diagonal-BEKK(1,1)模型
OLS模型、B-VAR模型、ECM模型都是靜態(tài)模型,即最優(yōu)套保比率不隨時間變動而變動,它不符合現(xiàn)實金融市場時變的特點。因此,從理論上說,動態(tài)套期保值模型更能準(zhǔn)確估計出時變最優(yōu)套保比率。目前在動態(tài)套期保值比率研究方面,GARCH相關(guān)模型已有了較多的理論成果。本文利用Diagonal-BEKK(1,1)法來估計最優(yōu)套期保值比率。
BEKK(1,1,1)模型如下:
rt=μ+εt
(9)
其中:rt=(rs,t,rf,t)′是現(xiàn)貨收益率和期貨收益率組成的向量,C為二階上三角矩陣,A和B為二階的參數(shù)矩陣。
Ht可以展開為如下形式:
(10)
上面的矩陣方程式就是完全BEKK模型。
(2)CCC-GARCH模型
該模型假設(shè)不同資產(chǎn)收益率之間的相關(guān)關(guān)系不會隨時間改變,為一個固定的常數(shù),假定恒定條件下的相關(guān)系數(shù)矩陣如下式:
(11)
方差-協(xié)方差結(jié)構(gòu)矩陣如下:
(12)
(13)
(3)Diagonal- VECH模型
多變量向量誤差條件異方差模型VECH(p,q)的一般形式為:
(14)其中:Ai(i=0,1,…p)和B(j=1,2,…,q)均為N*N的對稱系數(shù)矩陣;算子?為Hadamard乘積,表示矩陣的對應(yīng)元素相乘。
最一般的情形是不對系數(shù)矩陣再施加任何的限制,每個矩陣都包含N(N+1)/2個參數(shù),這很難保證條件協(xié)方差陣是正定的。將A0以外的所有系數(shù)矩陣限定為對角陣,得到的模型也被稱作DVEC(p,q)模型,此時,Ai(i=0,1,…,p)和B(j=1,2,…,q)均為下三角陣。[26]
(4)DCC-GARCH模型
對于Diagonal-BEKK模型而言,由于它對不同市場之間的波動傳達(dá)效應(yīng)缺乏考慮,對于CCC-GARCH模型而言,它的假設(shè)前提是各個時間序列之間的相關(guān)系數(shù)為固定不變的一個常數(shù),這些都不符合現(xiàn)實的經(jīng)濟(jì)特征。而DCC-GARCH模型考慮了動態(tài)模型的相關(guān)系數(shù),同時又比BEKK-GARCH模型更好地描述了不同時間序列之間的波動傳遞。[27]從這些理論方面來看,DCC-GARCH模型在估計動態(tài)套期保值比率方面更有優(yōu)勢。此外,DCC-GARCH模型在計算方面具有較好的優(yōu)勢,較大規(guī)模的相關(guān)系數(shù)矩陣可以用它來進(jìn)行估計,因此,它可以對多個時間序列的波動情況進(jìn)行較好的研究。
Ht= DtRtDt
Rt= (Q*)-1Qt(Q*)-1
(15)
DCC-GARCH模型可以通過兩步驟來估計,首先估計每一資產(chǎn)的單變量GARCH過程,然后通過獲得的條件方差標(biāo)準(zhǔn)化殘差估計動態(tài)相關(guān)結(jié)構(gòu)的參數(shù),具體的模型參數(shù)估計利用R軟件進(jìn)行估計。
因為收益率存在尖峰厚尾特點,學(xué)生t分布更能反映收益率的這個特征,所以4種動態(tài)模型在模型設(shè)定上,模型的誤差項分布均采用多元學(xué)生t分布。
(二)套期保值績效的衡量指標(biāo)
本文采用的套期保值方法是在方差最小的情況下進(jìn)行的,目前針對這種方法下的套期保值效果檢驗主要是估算方差減小的程度,即進(jìn)行套期保值的組合的方差比未進(jìn)行套保的現(xiàn)貨的方差的減小程度,計算公式如下:
(16)
三、實證結(jié)果
(一)樣本數(shù)據(jù)及采用的軟件說明
本部分選取滬深300指數(shù)(hs300)、滬深300股指期貨當(dāng)月合約(ifl0)、下月合約(ifl1)、下季合約(ifl2)、隔季合約(ifl3)這5個合約的日收盤價、15分鐘收盤價、10分鐘收盤價、5分鐘收盤價、1分鐘收盤價。樣本期間為2013年1月4日至2014年12月31日,數(shù)據(jù)來源于通達(dá)信數(shù)據(jù)庫,利用Eviews 7.2和R軟件對相關(guān)模型進(jìn)行估計。
現(xiàn)貨收益率和4種不同到期期限股指期貨收益率序列在樣本內(nèi)的基本統(tǒng)計特征列于表1中。對于日數(shù)據(jù)、15分鐘數(shù)據(jù)、10分鐘數(shù)據(jù)、5分鐘數(shù)據(jù)以及1分鐘數(shù)據(jù)這五種頻率數(shù)據(jù),從平均收益率來看,樣本期間現(xiàn)貨收益率和期貨收益率的平均值差別不大;從標(biāo)準(zhǔn)差來看,現(xiàn)貨收益率的標(biāo)準(zhǔn)差最小,而期貨收益率的標(biāo)準(zhǔn)差較大;從偏度來看,偏度值基本都小于零稍微左偏;從峰度值來看,4種不同到期期限的期貨收益率的峰度值基本都等于現(xiàn)貨收益率的峰度值,期貨收益率比現(xiàn)貨收益率具有更強(qiáng)烈的尖峰肥尾特征;從J-B統(tǒng)計量來看,現(xiàn)貨收益率和4種不同到期期限的期貨收益率的J-B統(tǒng)計量在5%的顯著性水平下都顯著不為0,說明滬深300指數(shù)以及4種不同到期期限的期貨收益率均不服從正態(tài)分布,而且具有一般金融時序數(shù)據(jù)所特有的尖峰肥尾特征,4種不同到期期限的期貨收益率的J-B統(tǒng)計量也明顯大于現(xiàn)貨收益率的J-B統(tǒng)計量,說明期貨的波動性大于現(xiàn)貨,這可能是因為期貨交易成本相對較小,交易較為頻繁,從而使得其市場波動性也較大;從單位根檢驗的ADF統(tǒng)計量來看,所有收益率的ADF統(tǒng)計量在5%的顯著性水平下拒絕存在單位根的原假設(shè),說明滬深300指數(shù)以及4種不同到期期限的期貨收益率均是平穩(wěn)的時間序列。
表1 期現(xiàn)貨收益率的描述統(tǒng)計量和平穩(wěn)性檢驗
(二)最優(yōu)套期保值比率對比
匯總滬深300股指期貨在不同頻率、不同模型下的最優(yōu)套期保值比率,結(jié)果如表2所示。
根據(jù)表2 數(shù)據(jù)可知:
(1)除了ifl3在DCC-GARCH模型下的套保比率外,同一期貨合約在相同套期保值模型、不同數(shù)據(jù)頻率下,它的套期保值比率不同,并且套期保值比率隨著頻率的提高而降低。例如,ifl0在OLS模型下日數(shù)據(jù)的套期保值比率為0.898011,15分鐘數(shù)據(jù)的套期保值比率為0.786897,10分鐘數(shù)據(jù)的套期保值比率為0.776643,5分鐘數(shù)據(jù)的套期保值比率為0.647520,1分鐘數(shù)據(jù)的套期保值比率為0.274535。
表2 滬深300股指期貨在不同頻率、不同套保模型下的套期保值比率
(2)在日數(shù)據(jù)下,期貨ifl1在Diagnoal-VECH模型下的套期保值比率最大,為0.912637。期貨ifl0、ifl2、ifl3在Diagnoal-BEKK模型下的套期保值比率值最大,分別是0.949224、0.909774、0.921736。
(3)在15分鐘數(shù)據(jù)下,期貨ifl0、ifl1、ifl2均在CCC-GARCH模型下的套期保值比率最大,分別是0.851104、0.863855、0.875807,期貨ifl3在Diagnoal-BEKK模型下的套期保值比率值最大,為0.893392。
(4)在10分鐘數(shù)據(jù)和5分鐘數(shù)據(jù)下,期貨ifl0、ifl1、ifl2、ifl3均在CCC-GARCH模型下的套期保值比率最大,對應(yīng)的套期保值比率分別是0.837559、0.851649、0.861260、0.875518和0.687653、0.696298、0.703499、0.710858。
(5)在1分鐘數(shù)據(jù)下,期貨ifl0、ifl1、ifl2、ifl3均在DCC-GARCH模型下的套期保值比率最大,對應(yīng)的套期保值比率分別是0.310982、0.306182、0.305635、0.333691。
(三)套期保值績效綜合分析
匯總滬深300股指期貨不同頻率、不同模型下的套期保值效果值,結(jié)果如表3 所示。
表3 滬深300股指期貨在不同頻率、不同模型下的套期保值效果值
續(xù)表3
對比表3中的套期保值效果值,主要基于小數(shù)點后前6位數(shù)的大小,若前六位數(shù)字相同,對比第7位或第8位數(shù)字,本表主要保留6位有效數(shù)字。根據(jù)表2可作出如下分析:
1. 同一套保組合在相同頻率、不同模型下的套保效果分析
(1)組合A1即當(dāng)月期貨合約在日數(shù)據(jù)、15分鐘數(shù)據(jù)、10分鐘數(shù)據(jù)、5分鐘數(shù)據(jù)和1分鐘數(shù)據(jù)下的最優(yōu)套保模型均為OLS模型,對應(yīng)的套期保值效果值分別是0.891003、0.739301、0.698239、0.519110、0.152555。
(2)組合A2即下月期貨合約基于日數(shù)據(jù)的最優(yōu)套保模型為CCC-GARCH模型,對應(yīng)的套保效果值為0.908908。15分鐘、10分鐘、5分鐘數(shù)據(jù)下的最優(yōu)套保模型為Diagonal-BEKK模型,對應(yīng)的套保效果值分別是0.765553 、0.707751、0.531543。1分鐘數(shù)據(jù)下的最優(yōu)套保模型為B-VAR模型,對應(yīng)的套保效果值為0.152554。
(3)組合A3即下季期貨合約在日數(shù)據(jù)下的最優(yōu)套保模型為CCC-GARCH模型,對應(yīng)的套保效果值為0.898563。15分鐘數(shù)據(jù)下的最優(yōu)套保模型為DCC-GARCH模型,對應(yīng)的套保效果值為0.767304。10分鐘和1分鐘數(shù)據(jù)的最優(yōu)套保模型為OLS模型,對應(yīng)的套保效果值分別為0.701329、0.151505。5分鐘數(shù)據(jù)下的最優(yōu)套保模型為Diagonal-BEKK模型,對應(yīng)的套保效果值為0.531508。
(4)組合A4即隔季期貨合約在日數(shù)據(jù)下的最優(yōu)套保模型為CCC-GARCH模型,對應(yīng)的套期保值效果值為0.892099。15分鐘數(shù)據(jù)下的最優(yōu)套保模型為DCC-GARCH模型,對應(yīng)的套期保值效果值為0.765336。10分鐘和5分鐘數(shù)據(jù)下的最優(yōu)套保模型為Diagonal-BEKK模型,對應(yīng)的套保效果值分別是0.704853、0.534345。1分鐘數(shù)據(jù)下的最優(yōu)套期保值模型為OLS模型,對應(yīng)的套保效果值為0.179049。
(5)通過對同一期貨合約在相同模型、不同頻率數(shù)據(jù)的套保效果進(jìn)行對比,可以發(fā)現(xiàn),同一期貨合約在相同模型下,套保效果隨頻率的增大而降低。例如,當(dāng)月期貨合約在OLS模型下,日數(shù)據(jù)的套期保值效果值為0.891003,15分鐘數(shù)據(jù)的套保效果值為0.739301,10分鐘數(shù)據(jù)的套保效果值為0.698239,5分鐘數(shù)據(jù)的套保效果值為0.519110,1分鐘數(shù)據(jù)的套保效果值為0.152555。再如,期貨ifl2在CCC-GARCH模型下,日數(shù)據(jù)的套期保值效果值為0.898563,15分鐘數(shù)據(jù)的套保效果值為0.766015,10分鐘的套保效果值為0.698137,5分鐘數(shù)據(jù)的套保效果值為0.529478,1分鐘數(shù)據(jù)的套保效果值為0.115623。
2. 不同期貨合約在相同頻率、相同模型下的套保效果分析
(1)在日數(shù)據(jù)下,4種期貨合約中,下月期貨合約ifl1在7個模型下的套期保值效果值均是最好的。
(2)在15分鐘數(shù)據(jù)下,4種期貨合約中,除了下月合約ifl1在Diagonal-VECH模型下的套保效果值,隔季期貨合約ifl2在其他6種模型下的套期保值效果值均是最好的。
(3)在10分鐘數(shù)據(jù)下,4種期貨合約中,除了隔季期貨合約ifl3在CCC-GARCH模型和DCC-GARCH模型下的套期保效果值外,下月期貨ifl1合約在其他5種模型下的套期保值效果值均為最好的。
(4)在5分鐘數(shù)據(jù)下,4種期貨合約中,隔季期貨合約ifl3在7種模型下的套期保值效果值均為最好的。
(5)在1分鐘數(shù)據(jù)下,除了下月期貨合約ifl1在Diagonal-BEKK模型下的套期保值效果值外,隔季期貨合約ifl3在其他6種模型下的套期保值效果值最好。
(6)根據(jù)以上5點分析可知,與其他三種合約相比,當(dāng)月期貨合約ifl0在5種數(shù)據(jù)頻率類型和7個套期保值模型下的套期保值效果值均不是最好的。這與市場的一般現(xiàn)象存在差異。一般情況下,當(dāng)月期貨合約與現(xiàn)貨的價格較為接近,價格波動風(fēng)險相對較小,它的套期保值效果應(yīng)該優(yōu)于下月、下季、隔季的期貨合約。
(7)基于1分鐘的數(shù)據(jù),利用Diagonal-BEKK模型進(jìn)行套期保值,期貨ifl0、ifl2、ifl3的套期保值績效均為負(fù)值,即套保組合的風(fēng)險比未進(jìn)行套保的現(xiàn)貨風(fēng)險更大,說明若采用不合適的套期保值模型和不合適的套保比率,期貨不僅沒有取得有效的保值效果,反而可能增大現(xiàn)貨投資的風(fēng)險。
3. 同一模型下相同期貨合約在不同頻率下的套保效果分析
(1)在同一模型下,相同期貨合約的最優(yōu)套期保值效果對應(yīng)的數(shù)據(jù)頻率均為日。例如,在靜態(tài)模型OLS模型下,ifl0的日、15分鐘、10分鐘、5分鐘、1分鐘數(shù)據(jù)對應(yīng)的套??冃е禐榻敌蚺帕?,依次分別是0.891003、0.739301、0.698239、0.519110、0.152555。在OLS模型下,ifl1、ifl2、ifl3合約也均為日數(shù)據(jù)下的套保效果最好。在其他模型下,上述結(jié)論不變。
(2)在日數(shù)據(jù)頻率類型下,同一模型下的4種期貨合約中,組合A2即下月期貨合約的套期保值效果值最好。
(3)在3種靜態(tài)模型和4種動態(tài)模型中,對現(xiàn)貨和期貨對數(shù)收益率進(jìn)行套期保值,同一期貨合約均是日數(shù)據(jù)的套保效果最好;其次是15分鐘數(shù)據(jù);第三是10分鐘數(shù)據(jù);第四是5分鐘數(shù)據(jù);第五是1分鐘數(shù)據(jù)。因此,模型的套保效果隨著套保數(shù)據(jù)頻率的提高而降低,即日數(shù)據(jù)套保效果最好,而1分鐘數(shù)據(jù)套保效果最差。故對現(xiàn)貨和期貨對數(shù)收益率進(jìn)行套期保值應(yīng)該采用低頻數(shù)據(jù)下的日數(shù)據(jù)為宜。
(四)研究結(jié)論與不足
本文對滬深300股指期貨的套保模型作了較為全面的分析,采用靜態(tài)和動態(tài)共7種模型,研究了在低頻日數(shù)據(jù)和4種高頻數(shù)據(jù)環(huán)境下,4種不同到期期限期貨合約的最優(yōu)套保比率和套保效果,判斷哪種套保模型是最優(yōu)的套保模型。
本文與已有文獻(xiàn)研究的主要區(qū)別:目前國內(nèi)學(xué)者關(guān)于滬深300股指期貨套期保值研究大多采用日數(shù)據(jù)作為研究對象,如魏宇等的研究只采用15分鐘數(shù)據(jù)[28],未就高頻數(shù)據(jù)和低頻數(shù)據(jù)的差異性作出分析。本文同時探討了低頻日數(shù)據(jù)和4種日內(nèi)高頻數(shù)據(jù)下的滬深300股指期貨套期保值情況。通過實證分析發(fā)現(xiàn):
(1)不論是使用靜態(tài)模型還是動態(tài)模型,7種模型下的套期保值基本都可以降低套保組合的風(fēng)險,套保效果隨頻率的增大而降低。即最優(yōu)數(shù)據(jù)頻率類型為日數(shù)據(jù),日數(shù)據(jù)下套保組合收益率的方差相比現(xiàn)貨收益率的方差降低了90%左右;其次是15分鐘數(shù)據(jù),15分鐘數(shù)據(jù)下套保組合收益率的方差相比現(xiàn)貨收益率的方差降低了75%左右;第三是10分鐘數(shù)據(jù),10分鐘數(shù)據(jù)下套保組合收益率的方差相比現(xiàn)貨收益率的方差降低了70%左右;第四是5分鐘數(shù)據(jù),5分鐘數(shù)據(jù)下套保組合收益率的方差相比現(xiàn)貨收益率的方差降低了53%左右;第五是1分鐘數(shù)據(jù),1分鐘數(shù)據(jù)下套保組合收益率的方差相比現(xiàn)貨收益率的方差降低了15%左右。
由于模型的套保效果隨著套保數(shù)據(jù)頻率的提高而降低,即日數(shù)據(jù)套保效果最好,而1分鐘數(shù)據(jù)套保效果最差。故對現(xiàn)貨和期貨對數(shù)收益率進(jìn)行套期保值應(yīng)該采用低頻數(shù)據(jù)下的日數(shù)據(jù)為宜。在最優(yōu)數(shù)據(jù)頻率類型即日數(shù)據(jù)下,當(dāng)月期貨合約的最優(yōu)套期保值模型為OLS模型,最優(yōu)套期保值比率為0.898011,套期保值效果值為0.891003;下月期貨合約、下季期貨合約、隔季期貨合約的最優(yōu)套期套期保值模型均為CCC-GARCH模型,對應(yīng)的最優(yōu)套期保值比率分別是0.907677、0.907221、0.919588,相應(yīng)的最優(yōu)套期保值效果值分別是0.908908、0.898563、0.892099。
(2)以往基于日頻率數(shù)據(jù)研究期貨套保問題的文獻(xiàn)較多。Laws和Thompson針對英國股票市場的研究結(jié)果表明倫敦國際金融期貨交易所的英國富時100指數(shù)(FTSE100)期貨和英國富時250指數(shù)(FTSE250)期貨可以為現(xiàn)貨提供87%到98%的套保效率[29];Kenourgios等對美國股指期貨套保的研究證實標(biāo)準(zhǔn)普爾500指數(shù)(S&P500)期貨的套保效果可以達(dá)到97%[30]; Wang和Hsu的研究發(fā)現(xiàn)亞洲市場的日經(jīng)225指數(shù)(Nikkei225)期貨、香港恒生股指期貨和韓國KOSPI200指數(shù)期貨的套保效率都達(dá)到90%以上。[31]本文的分析也證實了在日頻率數(shù)據(jù)下,不論是哪種合約、哪種套保模型,得到的套保效率都高過89%,與上述三個文獻(xiàn)的研究結(jié)果相同。魏宇等基于15分鐘高頻環(huán)境下的研究發(fā)現(xiàn),滬深300股指期貨的避險效率最高僅為70%左右。[32]本文則發(fā)現(xiàn),當(dāng)使用更高頻率5分鐘數(shù)據(jù)時,滬深300股指期貨的套保效率又變得更差了,最高僅為56%左右。因此我們認(rèn)為,當(dāng)用股指期貨對沖現(xiàn)貨風(fēng)險時,日數(shù)據(jù)下的套保效果反而要比日內(nèi)高頻數(shù)據(jù)下的套保效果好。
(3)從表3中,我們還可以看出,不管是日頻率的低頻數(shù)據(jù)還是4種高頻數(shù)據(jù),股指期貨遠(yuǎn)期連續(xù)合約的套保效果要比近期合約的套保效果好。但傳統(tǒng)的期貨套保理論卻是認(rèn)為期貨的近期合約交易相比遠(yuǎn)期合約而言應(yīng)該更加活躍,越能反映現(xiàn)貨價格的波動情況,因此期貨近期合約的套保效率應(yīng)該要高于遠(yuǎn)期合約。表3中的結(jié)論卻與傳統(tǒng)理論有較大差異。魏宇等研究認(rèn)為:“其原因可能在于股指期貨對于我國資本市場的各方參與者而言是新興的交易工具。早期,由于規(guī)則的不熟悉和證監(jiān)會的風(fēng)險警示效應(yīng)等原因,使得在滬深300 股指期貨的交易中,更多存在的是投機(jī)者而非大量持有股票現(xiàn)貨的券商等機(jī)構(gòu)避險者。由于近期合約的成交量大,流動性更好,因此投機(jī)者更愿意參與其中,從而造成近期合約的價格信息失真,價格發(fā)現(xiàn)能力減弱。 對于券商等機(jī)構(gòu)避險者來講,由于其持有的股票現(xiàn)貨頭寸都有相對較長的持有期限,因此,遠(yuǎn)期合約更能滿足其避險期間的需要。由于機(jī)構(gòu)避險者更多地參與,從而可能導(dǎo)致遠(yuǎn)期合約的價格發(fā)現(xiàn)能力更強(qiáng),其避險效率更高。”[33]
(4)實證表明,理論上較優(yōu)的套期保值模型在實際表現(xiàn)中并不一定更優(yōu),動態(tài)模型不一定優(yōu)于靜態(tài)模型,如GARCH系列模型不一定優(yōu)于OLS模型。投資者在做套期保值決策時,可以借鑒本文的實證研究結(jié)果,選擇低頻數(shù)據(jù)進(jìn)行套期保值比率研究,同時結(jié)合自身的實際需要,選擇對應(yīng)的期貨合約品種和套期保值模型,最后確定對應(yīng)的套期保值比率。
本文通過實證研究發(fā)現(xiàn),樣本數(shù)據(jù)的頻率類型對套期保值效果存在較大的影響,但還未分析數(shù)據(jù)頻率類型對套期保值效果產(chǎn)生影響的深層次原因。此外,滬深300指數(shù)及其期貨的套期保值效果受到諸多因素的影響,如市場摩擦,期貨交易保證金、期貨與現(xiàn)貨價格間的波動關(guān)系和引導(dǎo)關(guān)系,資產(chǎn)收益的跳躍行為,高頻數(shù)據(jù)的跳躍信息,期貨套期保值的資金約束等等,而本文關(guān)于滬深300指數(shù)的套期保值模型的比較選擇研究更多的是基于理想狀態(tài),即不考慮上述因素的影響,這與現(xiàn)實的金融市場情況還存在一定的距離。事實上有些因素的定量分析存在較大的難度,如市場摩擦因素,定量刻畫市場摩擦因素的影響需要深厚的數(shù)學(xué)和計量的理論基礎(chǔ)作為支撐,目前從市場摩擦的角度,定量研究市場模型下滬深300指數(shù)的套期保值模型的選擇研究甚少,這可以成為學(xué)者以后研究的一個參考方向。
注釋:
[1] 常 遠(yuǎn):《中國期貨市場的發(fā)展歷程與背景分析》,《中國經(jīng)濟(jì)史研究》2007年第4期。
[2] 鄭義彬:《中國股市系統(tǒng)風(fēng)險估值研究》,《武漢理工大學(xué)學(xué)報》(信息與管理工程版)2007年第1期。
[3] 謝衛(wèi)群:《股指期貨不是“壞孩子”》,《人民日報》 2014年10月30日。
[4] 陽曉暉、伍海軍:《多階段系列展期套期保值研究》,《決策與統(tǒng)計》2007年第8期。
[5] 高 揚、郭晨凱:《我國股指期貨套期保值效果的實證分析——基于下側(cè)風(fēng)險框架的分析》,《價格理論與實務(wù)》2011年第7期。
[6] 徐永春:《基于SVM技術(shù)的套期保值模型的實證分析》,《統(tǒng)計與決策》2013年第16期。
[7] 薛宏剛、張瑞敏、胡春萍等:《基于嶺回歸的套期保值方法》,《統(tǒng)計與決策》2012年第5期。
[8] 韓立巖:《基于已實現(xiàn)二階矩預(yù)測的期貨套期保值策略及對股指期貨的應(yīng)用》,《系統(tǒng)工程理論與實踐》2012年第12期。
[9] 王繼瑩、鄭耀威:《滬深300股指期貨模型套期保值效率度量研究——基于滬深300ETF的實證分析》,《成都理工大學(xué)學(xué)報》2014年第6期。
[10] Ederington L. H.,“The hedging performance of the new futures markets”,TheJournalofFinance, vol.34,no.1(1979),pp. 157-170.
[11] Figlewski S., “Hedging with stock index futures: theory and application in a new market”,JournalofFuturesMarkets, vol.5,no.2(1985), pp. 183-199.
[12] Lee C. F., Bubnys E. L., Lin Y., “Stock index futures hedge ratios: Test on horizon effects and functional form”,AdvancesinFuturesandOptionsResearch,vol.2,no.3( 1987),pp. 291-311.
[13] Benet B. A., “Hedge period length and Ex‐ante futures hedging effectiveness: The case of foreign-exchange risk cross hedges”,JournalofFuturesMarkets, vol.12,no.2(1992), pp. 163-175.
[14] Cecchetti S. G., Cumby R. E., Figlewski S., “Estimation of the optimal futures hedge”,ReviewofEconomicsandStatistics, vol.70(1988),pp. 623-630.
[15] Baillie R. T., Myers R .J., “Bivariate GARCH estimation of the optimal commodity futures hedge”,JournalofAppliedEconometrics, vol.6,no.1(1991),pp. 109-124.
[16] Myers R. J. ,“Estimating time‐varying optimal hedge ratios on futures markets”,JournalofFuturesMarkets, vol.11,no.1(1991),pp. 39-53.
[17] Kroner K. F., Sultan J. ,“Time-varying distributions and dynamic hedging with foreign currency futures”,JournalofFinancialandQuantitativeAnalysis, vol.28,no.4(1993),pp. 535-551.
[18] Park T. H., Switzer L. N. ,“Bivariate GARCH estimation of the optimal hedge ratios for stock index futures: A note”,JournalofFuturesMarkets, vol.15,no.1(1995),pp. 61-67.
[19] Choudhry T. ,“Short-run deviations and optimal hedge ratio: evidence from stock futures”,JournalofMultinationalFinancialManagement, vol.13,no.2(2003),pp. 171-192.
[20] Lien D. ,“A note on the hedging effectiveness of GARCH models”,InternationalReviewofEconomics&Finance, vol.18,no.1(2009),pp. 110-112.
[21] 付劍茹、張宗成:《時變最優(yōu)套期保值比估計及比較研究——基于卡爾曼濾波在狀態(tài)空間模型中的應(yīng)用》,《管理科學(xué)學(xué)報》 2011年第12期。
[22] 趙 瑩:《套期保值應(yīng)用淺析》,《商業(yè)會計》2013年第4期。
[23] Keynes J. M.,ATractonMonetaryReform,C.W,Macmillan, London,1923.
[24] Holdbrook Working,“New concepts concerning futures markets and prices”,AmericanEconomicReview,vol.52(1962),pp.431-459.
[25] 蘭 鵬:《期貨最優(yōu)套期保值比率研究評述》,《財經(jīng)理論研究》2013年第 1期。
[26] 易丹輝:《數(shù)據(jù)分析與EViews 應(yīng)用》,北京:中國人民大學(xué)出版社,2012年,第263-269頁。
[27] 崔百勝、伏開寶、萬里歡:《中國股指期貨動態(tài)保值率估計與套期保值績效評價研究—基于非對稱DCC MVGARCH模型的實證分析》,《金融管理研究》2013年第1期。
[28][32][33]魏 宇、賴曉東、余 江:《滬深300股指期貨日內(nèi)避險模型及效率研究》,《管理科學(xué)研究》2013年第3期。
[29] Laws J., Thompson J., “Hedging effectiveness of stock index futures”,EuropeanJournalofOperationalResearch, vol.163,no.1( 2005), pp. 177-191.
[30] Kenourgios D., Samitas A., Drosos P. ,“Hedge ratio estimation and hedging effectiveness: the case of the S&P 500 stock index futures contract”,InternationalJournalofRiskAssessmentandManagement, vol.9,no.1(2008),pp. 121-134.
[31] Wang J., Hsu H. ,“Hedge Ratio Stability and Hedging Effectiveness of Time‐Varying Hedge Ratios in Volatile Index Futures Markets: Evidence from the Asian Financial Crisis”,Asia-PacificJournalofFinancialStudies, vol.39,no.5(2010), pp. 659-686.
[責(zé)任編輯:黃艷林]
收稿日期:2015-11-26
基金項目:國家自然科學(xué)基金項目“基于已實現(xiàn)測量非參數(shù)方法的金融資產(chǎn)跳躍行為研究”(71171056); 福州大學(xué)??萍紗踊稹敖鹑谑袌鲲L(fēng)險傳染檢驗、傳染效應(yīng)分析及其傳染渠道研究”(13SKQ02)。
作者簡介:黃文彬, 女, 福建閩清人, 福州大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授,碩士生導(dǎo)師,博士; 鄭麗娟, 女, 福建漳平人, 福州大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生;林銀瑞, 女, 福建莆田人, 福州大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生。
中圖分類號:F830
文獻(xiàn)標(biāo)識碼:A
文章編號:1002-3321(2016)03-0038-10