郭文旌 李思捷 朱敏

摘 要：2020年初，新冠疫情肆虐，給我國經(jīng)濟帶來了巨大影響，也對糧食的價格造成了巨大波動。糧食的生產(chǎn)、加工、運輸、銷售等環(huán)節(jié)都面臨著價格風險，如何管理疫情期間糧食價格的波動風險顯得十分必要。本文通過構(gòu)建套期保值策略來管理疫情期間糧食的價格風險（以玉米為例）。首先對疫情期間玉米（我國三大主糧之一）現(xiàn)貨的價格風險進行測度。其次通過OLS模型和誤差修正模型ECM構(gòu)建套期保值策略，以及針對策略進行績效評價。最后通過縱向?qū)Ρ忍妆？冃?，分析新冠疫情對玉米價格風險對沖策略的影響。

關(guān)鍵詞：新冠疫情;玉米現(xiàn)貨&玉米期貨;價格風險;套期保值;績效評價

本文索引：郭文旌，李思捷，朱敏.<變量 2>[J].中國商論，2021（22）：-010.

中圖分類號：F832.5 文獻標識碼：A 文章編號：2096-0298（2021）11（b）--04

新型冠狀病毒2020年被發(fā)現(xiàn)和命名以來，部分國家出于自身安全因素考慮，停止了部分主要糧食作物的出口，以此保障國內(nèi)糧食市場的穩(wěn)定和供應(yīng)。同時，在國內(nèi)糧食生產(chǎn)和流通市場中，因疫情影響妨礙了部分正常的糧食生產(chǎn)勞作，也限制了糧食作物在地區(qū)間的正常流通，造成局部市場出現(xiàn)短期的供求緊張和價格上漲現(xiàn)象，尤其在疫情期間玉米現(xiàn)貨的價格上漲中得到驗證。因此，在糧食流通環(huán)節(jié)，扮演重要角色的糧食經(jīng)銷商與深加工企業(yè)通過相關(guān)糧食衍生品進行價格風險的套期保值顯得十分必要。

套期保值，即交易者通過在期貨市場構(gòu)筑頭寸來對沖現(xiàn)貨商品的價格風險。隨著金融衍生產(chǎn)品的不斷拓展，套期保值策略也在不斷更新和完善。Ederington（1979）用最小二乘法（OLS）模型估計最小方差套期保值比率后，Engle（1983）提出自回歸條件異常差（ARCH）模型。Ghosh（1993）運用誤差修正模型（ECM）對股指期貨市場的套期保值比率進行研究，達到比OLS更好的套期保值效果。余星等（2018）分別考慮期貨機會成本和期權(quán)預(yù)算約束，建立了最優(yōu)期貨和期權(quán)套期保值模型。在針對農(nóng)產(chǎn)品的套期保值問題上，Hainaut D（2019）討論了基于溫度指數(shù)衍生品對沖農(nóng)產(chǎn)品風險的問題，并基于最小方差準則與效應(yīng)最大化準則得出最優(yōu)套期保值比。張蕾等（2020）采用最小二乘法估計和誤差修正模型測算了不同條件下交叉套期保值能夠?qū)_的風險數(shù)量。從上述文獻可見，目前，尚未有文獻對疫情下糧食價格風險的套期保值策略進行研究。因此，基于疫情下的玉米現(xiàn)貨與玉米期貨的價格數(shù)據(jù)，通過相關(guān)模型構(gòu)建套期保值策略，以及對相關(guān)套保策略進行績效評價，有著一定的應(yīng)用性與迫切性。

1 新冠疫情下玉米現(xiàn)貨價格風險特征與測度

為進一步確定新冠疫情下玉米現(xiàn)貨價格風險的存在以及套期保值策略的必要性，應(yīng)對新冠疫情下玉米現(xiàn)貨價格的風險進行必要的測度。本文選擇通過Matlab基于歷史模擬的方法（玉米現(xiàn)貨價格的歷史觀察值）計算玉米現(xiàn)貨價格在三個不同時間段（2017/12/01—2018/06/30、2018/12/01—2019/06/30以及2019/12/01—2020/06/30）的VaR與CVaR。

通過對玉米現(xiàn)貨的價格風險進行測度（如表1所示），對比VaR或者CVaR的計算結(jié)果可以發(fā)現(xiàn)，2019年12月1日—2020年6月30日新冠疫情爆發(fā)以來，玉米現(xiàn)貨價格的VaR和CVaR均高于往年同期數(shù)據(jù)的計算結(jié)果，可見新冠疫情給玉米現(xiàn)貨帶來了一定的價格風險。

2 玉米價格風險最優(yōu)套期保值策略模型設(shè)計

2.1 玉米現(xiàn)貨與玉米期貨最優(yōu)套期保值比率的確定

本文選取OLS模型和ECM誤差修正模型，對玉米的現(xiàn)貨與期貨最優(yōu)套期保值比率進行計算，并對套保績效進行評價。

OLS模型如下：

（1）

其中，為現(xiàn)貨價格的變化，為期貨價格的變化，為回歸函數(shù)的斜率，即最優(yōu)套期保值比率，為常數(shù)項，為隨機誤差項。

ECM模型如下：

（2）

其中，為常數(shù)項，為現(xiàn)貨價格的變化，為期貨價格的變化，為誤差修正項，為隨機誤差項，、、、均為回歸系數(shù)，為套期保值比率。

2.2 套期保值績效測度

本文采用風險降低比例指標測度套期保值績效，計算方法如下：

其中，為未參與套保時收益的方差，為參與套保后的方差，為套保績效。越大，說明規(guī)避風險越多，套期保值效率越高。

2.3 變量選取與數(shù)據(jù)來源

本文選取2017年1月1日—2020年6月30日為樣本數(shù)據(jù)分析時間段，選定2019年12月1日—2020年6月30日為疫情時間段。以玉米全國日平均價格為現(xiàn)貨價格（單位：元/噸），以玉米期貨主力合約日結(jié)算價為期貨價格（單位：元/噸），玉米現(xiàn)貨與期貨數(shù)據(jù)均剔除了相關(guān)節(jié)假日的影響。同時，在套期保值績效評價階段，為充分研究新冠疫情對玉米期貨與現(xiàn)貨價格套期保值績效的影響，并且與VaR或者CVaR測度時間段相呼應(yīng)，選取2017年12月1日—2020年6月30日為第一參照對比時間段，2018年12月1日—2019年6月30日為第二參照對比時間段，通過縱向?qū)Ρ仍u價新冠疫情下玉米期貨與現(xiàn)貨套?？冃?。最后，玉米現(xiàn)貨與期貨價格數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。

3 玉米價格風險套期保值模型實證結(jié)果

3.1 玉米期貨與現(xiàn)貨價格數(shù)據(jù)平穩(wěn)性與協(xié)整性檢驗

為了避免時間序列數(shù)據(jù)的不平穩(wěn)導(dǎo)致現(xiàn)貨與期貨關(guān)系偽回歸，先對玉米現(xiàn)貨與期貨的價格數(shù)據(jù)采取ADF方法對平穩(wěn)性進行檢驗。檢驗結(jié)果（如表2所示）顯示現(xiàn)貨與期貨數(shù)據(jù)經(jīng)一階差分后（無截距項與趨勢項），均在1%的顯著性水平上顯著。

表3 （a）顯示數(shù)據(jù)間的協(xié)整關(guān)系，將玉米現(xiàn)貨與期貨數(shù)據(jù)按交易日數(shù)據(jù)分為日數(shù)據(jù)、周數(shù)據(jù)以及疫情數(shù)據(jù)三組（注：周數(shù)據(jù)以交易當周最后一交易日數(shù)據(jù)為準，以此排除了節(jié)假日導(dǎo)致的部分交易周數(shù)據(jù)空缺），通過對三組數(shù)據(jù)進行Johansen協(xié)整檢驗，確?，F(xiàn)貨與期貨在三種不同情形下不存在偽回歸。

通過表3（a）協(xié)整檢驗結(jié)果可以發(fā)現(xiàn)，玉米現(xiàn)貨與期貨在日數(shù)據(jù)與周數(shù)據(jù)兩種情況下存在協(xié)整關(guān)系，但是，基于疫情數(shù)據(jù)的檢驗結(jié)果顯示不存在協(xié)整關(guān)系。隨后，如表3 （b）所示放寬顯著性水平，在10%顯著性水平上，疫情期間玉米現(xiàn)貨與期貨存在協(xié)整關(guān)系。

3.2 新冠疫情下玉米現(xiàn)貨&期貨最優(yōu)套期保值比率確定與績效評價

通過協(xié)整檢驗后，將上述數(shù)據(jù)按日數(shù)據(jù)、周數(shù)據(jù)以及疫情數(shù)據(jù)分組，將每組數(shù)據(jù)通過OLS模型和ECM模型分別計算最優(yōu)套期保值比率，結(jié)果如表4所示。

從最優(yōu)套期保值比率結(jié)果顯示，在模型選擇方面，無論日數(shù)據(jù)、周數(shù)據(jù)還是疫情數(shù)據(jù)，ECM模型測算出的最優(yōu)套期保值比率結(jié)果均高于傳統(tǒng)OLS模型，且基于周數(shù)據(jù)ECM模型結(jié)果與OLS模型結(jié)果有明顯距離。在不同數(shù)據(jù)組之間，周數(shù)據(jù)結(jié)果大于疫情數(shù)據(jù)結(jié)果，而疫情數(shù)據(jù)結(jié)果大于日數(shù)據(jù)結(jié)果，此部分與樣本數(shù)據(jù)量個數(shù)有關(guān)。但是，疫情下玉米現(xiàn)貨&期貨最優(yōu)套期保值比率高于日數(shù)據(jù)計算下最優(yōu)套期保值比率。

經(jīng)過上一部分關(guān)于OLS模型以及ECM誤差修正模型的計算，基于表4最優(yōu)套期保值比率數(shù)據(jù)，通過指標測算三組數(shù)據(jù)套?？冃?，可以得到表5。

如表5所示，在對應(yīng)的日數(shù)據(jù)、周數(shù)據(jù)和疫情數(shù)據(jù)三個分組中，ECM誤差修正模型確定的最優(yōu)套期保值策略績效均高于傳統(tǒng)OLS模型的最優(yōu)套期保值策略，并且通過仔細分析可以得出，雖然新冠疫情對于玉米生產(chǎn)與流通產(chǎn)生影響，但是套期保值的績效高于日數(shù)據(jù)的績效。

4 新冠疫情下玉米現(xiàn)貨&期貨最優(yōu)套期保值策略及其績效縱向?qū)Ρ确治?/p>

基于第4部分實證檢驗的結(jié)果，可以發(fā)現(xiàn)新冠疫情對于套期保值策略執(zhí)行的績效有著顯著影響。因此，通過選定兩個參照對比時間段，即對比時間段一（2017年12月1日—2018年6月30日）和對比時間段二（2018年12月1日—2018年6月30日），將疫情對于玉米期貨和現(xiàn)貨套期保值影響進一步縱向?qū)Ρ确治觥?/p>

如表6所示，通過OLS模型和ECM模型，先算出對于三個時間段最優(yōu)套期保值比率。

據(jù)表6數(shù)據(jù)，疫情數(shù)據(jù)計算出的最優(yōu)套期保值比率相較于對比時間段一有顯著上升，但是與對比時間段二的計算結(jié)果相比有略微下降。從三個時間段的計算結(jié)果可以看出，ECM模型計算的最優(yōu)套期保值比率基本高于傳統(tǒng)OLS模型，這一觀點與第4部分模型計算的結(jié)果相吻合。

同時，本文意外發(fā)現(xiàn)對比時間段二的兩種最優(yōu)套期保值比率的數(shù)值更高。由于時間段二選取的數(shù)據(jù)是2018年12月1日—2019年6月30日，在此期間由于部分農(nóng)產(chǎn)品價格受到中美貿(mào)易摩擦以及非洲豬瘟疫情的影響（飼料用途），使得玉米現(xiàn)貨與期貨短期內(nèi)價格波動較大，可以部分解釋套期保值比率升高的原因。

最后基于表6數(shù)據(jù)，再次對上述三個時間段套保策略績效進行評估。如表7所示，三個時間段內(nèi)，疫情期間套期保值的績效最佳，套期保值績效的計算結(jié)果（無論基于OLS模型或者ECM模型）均高于對比時間段一和對比時間段二。

由此可以看出，新冠疫情下，玉米套保績效并未像公眾預(yù)期的那樣糟糕，適度的價格波動有助于套期保值策略的執(zhí)行。但是，如果期貨與現(xiàn)貨價格波動超過一定幅度，那么對套期保值的執(zhí)行就會產(chǎn)生負面影響。

5 結(jié)語

綜上所述，新冠疫情爆發(fā)后，對玉米期貨與現(xiàn)貨的套期保持產(chǎn)生顯著影響，但是與公眾預(yù)期的價格恐慌相反，疫情爆發(fā)以來套期保值策略執(zhí)行的績效優(yōu)于過往同期水平。部分原因歸咎于，國家對于糧食生產(chǎn)和流通市場安全的重視，通過調(diào)節(jié)相關(guān)倉儲量，使得國內(nèi)部分糧食價格未出現(xiàn)劇烈波動。但是，隨著疫情后期的延續(xù)以及如何有效進行以后糧食恢復(fù)性生產(chǎn)等因素，也會對后續(xù)玉米現(xiàn)貨與期貨價格產(chǎn)生一定影響。另外，在宏觀方面，盡量穩(wěn)定玉米的對外貿(mào)易，有助于玉米現(xiàn)貨與期貨價格的穩(wěn)定。

2020年，中央一號文件明確提出“抓好農(nóng)業(yè)保險保費補貼政策落實，督促保險機構(gòu)及時足額理賠，優(yōu)化‘保險+期貨試點模式，繼續(xù)推進農(nóng)產(chǎn)品期貨期權(quán)品種上市”。更加突出了國家對于糧食安全以及生產(chǎn)、流通環(huán)節(jié)價格風險管理的重視。隨著疫情的延續(xù)、價格數(shù)據(jù)（現(xiàn)貨與期貨）的增多和套期保值模型的優(yōu)化，將對疫情期間以及疫情結(jié)束后糧食套期保值策略的發(fā)展產(chǎn)生更為深遠的影響。

參考文獻

Ederington L H. The hedging performance of the new futures market[J]. Journal of Finance，1979，34（1）：157-170.

Ghosh A. Hedging with Stock Index Futures： Estimation and Forecasting with Error Correction Model[J]. Journal of Futures Markets，，1993，13（7）：743-752.

Engle R.Autoregressive conditional heteroscedasticity with estimates of variance of United Kingdom inflation[J]. Econometrica，1983，50（4）：987-1007.

Zhou J. Hedging performance of REIT index futures： A comparison of alternative ratio estimation methods[J]. Economic Modelling， 2016，52（1）：690-698.

Dark J. Futures hedging with Markov switching vector error correction FIEGARCH and FIAPARCH[J]. Journal of Banking and finance， 2015，61（2）：269-295.

Fishe R P H ， Janzen J P ， Smith A， Hedging and Speculative Trading in Agricultural Futures Markets. American Journal of Agricultural Economics，2014，96（2）：542-556.

Hainaut D， Hedging of crop harvest with derivatives on temperature. Insurance Mathematics & Economics，2019（84）：98-114.

張蕾，曹淵，王琦.交叉套期保值能夠降低農(nóng)業(yè)市場風險嗎？[J].西安交通大學學報（社會科學版），2020，40（2）：66-72.

余星，張衛(wèi)國，劉勇軍.期權(quán)組合最優(yōu)套期保值模型及實證研究[J].運籌與管理，2018（2）：138-146+151.

劉晨，張銳，王寶森.中美玉米期貨市場功能效率比較[J].中國流通經(jīng)濟，2020，34（4）：56-66.

Research on the Hedging Strategy of Corn Price Risk Under the COVID-19

Nanjing University of Finance & Economics

GUO Wenjing? LI Sijie? ZHU Min

Abstract： At the beginning of 2020， the epidemic was rampant， which not only had a great impact on Chinas economy， but also caused great fluctuations in the price of grain. The production， processing， transportation and sale of grain are faced with price risk， so how to manage the risk of grain price fluctuation during the epidemic is very necessary. In this paper， it constructs a hedging strategy to manage the price risk of grain during the epidemic （taking corn as an example）. First of all， the spot price risk of corn （one of the three staple grains in China） during the epidemic period was measured. Secondly， the hedging strategy is constructed by OLS model and error correction model ECM， and the performance of the strategy is evaluated. Finally， through the vertical comparison of hedging performance， the impact of the COVID-19 epidemic on corn price risk hedging strategy is analyzed.

Keywords： the COVID-19; corn spot and corn futures; price risk; hedging; performance assessment