于 剛,趙冬斌

(東北財經(jīng)大學(xué) 金融學(xué)院，遼寧 大連 116025)

隨著時代的發(fā)展，農(nóng)業(yè)生產(chǎn)方式正在不斷進步，其生產(chǎn)量以及作物質(zhì)量也在不斷提高.農(nóng)產(chǎn)品貿(mào)易的發(fā)展順應(yīng)了這種生產(chǎn)上的進步，從先生產(chǎn)后找市場到遠期合約的產(chǎn)生，這種生產(chǎn)經(jīng)濟模式的轉(zhuǎn)變讓農(nóng)戶的風(fēng)險大大降低，可以更好地適應(yīng)市場需要，避免了盲目生產(chǎn).在這種遠期合約的基礎(chǔ)上，由期貨交易所進行合約的標(biāo)準(zhǔn)化就形成了現(xiàn)在的農(nóng)產(chǎn)品期貨合約.

遼寧圍繞糧油、蔬菜、水果、畜牧、水產(chǎn)、特色農(nóng)產(chǎn)品等產(chǎn)業(yè)優(yōu)勢，積極培育壯大農(nóng)產(chǎn)品區(qū)域公用品牌和農(nóng)產(chǎn)品品牌.截至2018年底，遼寧名牌農(nóng)產(chǎn)品達到218個，綠色產(chǎn)品企業(yè)491家.在發(fā)展農(nóng)產(chǎn)品的同時，農(nóng)戶及企業(yè)利用金融衍生工具規(guī)避風(fēng)險的意識也越來越強.我國農(nóng)產(chǎn)品期貨起步較晚，規(guī)模也較小，但隨著大眾金融意識的提高，農(nóng)產(chǎn)品期貨市場的流動性以及普及度也正逐步增大.目前，很多涉農(nóng)企業(yè)使用農(nóng)產(chǎn)品期貨進行套期保值，極大降低了其自身承受的價格波動風(fēng)險.但相較于其他發(fā)達國家的金融市場，我國期貨市場套期保值的績效偏低，即降低風(fēng)險的程度較小，這對于期貨市場的發(fā)展是不利的.所以，對農(nóng)產(chǎn)品期貨的套期保值績效進行研究并提升，是引導(dǎo)農(nóng)產(chǎn)品期貨市場發(fā)展重要的一步.

最早提出期貨最優(yōu)套期保值比率的是JOHNSON(1960年)[1].他指出最優(yōu)套期保值比率是在收益方差最小時得到的，并可以用OLS模型進行估計.隨著時間序列分析的發(fā)展，OLS模型的缺點被提出.學(xué)者指出使用OLS模型對最優(yōu)套期保值比率進行估計會受到殘差項序列相關(guān)的影響，于是MYERS等(1989年)[2]提出了雙變量向量自回歸模型進行估計，消除序列自相關(guān)的影響.由于上述兩種模型注重的均為短期波動，并未包含長期關(guān)系，于是LIEN(1996年)[3]提出包含協(xié)整關(guān)系的誤差修正模型.OLS模型的另外一個缺點是無法解決異方差問題，于是GARCH模型被PARK等(1995年)[4]在估計最優(yōu)套期保值比率時使用，用于得到時變的最優(yōu)套期保值比率.在對最優(yōu)套期保值比率的確定方法進行研究的基礎(chǔ)上，學(xué)者們開始了對套期保值績效的研究.LIEN(2006年)[5]對套期保值績效的估計偏差進行了講述，LIEN等(2002年)[6]探討了使用常數(shù)相關(guān)的GARCH模型對套期保值績效進行估計的結(jié)果.

由于我國期貨市場起步較晚，發(fā)達程度不高，所以國內(nèi)學(xué)者普遍采用現(xiàn)有模型進行實證研究和績效分析.彭紅楓等(2007年)[7]在研究銅期貨的最優(yōu)套期保值比率以及相應(yīng)績效時，利用了OLS模型以及二元GARCH模型，估計出銅期貨的最優(yōu)套期保值比率，并將各自的績效值進行了比較，得出了二元GARCH模型具有較好的套期保值效果的結(jié)論.楊浩(2007年)[8]在研究滬深300股指期貨的套期保值效果時，分別使用了動態(tài)策略和靜態(tài)策略兩種方法.對于滬深300股指期貨的動態(tài)策略套期保值效果，他使用了CCC-BGARCH模型和DCC-BGARCH模型進行評價；對于靜態(tài)策略套期保值效果，他使用了OLS模型和VECM模型進行評價，最終得到結(jié)論：在動態(tài)模型中，DCC-BGARCH模型套期保值效果更好，而在靜態(tài)模型中，VECM模型更好.顧京等(2013年)[9]使用滬深300股指期貨的數(shù)據(jù)計算最優(yōu)套期保值比率并評價績效，在計算最優(yōu)套期保值比率時，分別使用了OLS、VAR、VECM靜態(tài)模型和BEEK-GARCH、CCC-GARCH、DCC-GARCH動態(tài)模型，而在評價最優(yōu)套期保值比率的績效值時，他們分別使用了“風(fēng)險最小化”和“效用最大化”原則這兩種方法，最后得到結(jié)論：在“風(fēng)險最小化”原則下，BEKK-GARCH模型績效最優(yōu)；而在“效用最大化”原則下，對于樣本內(nèi)的數(shù)據(jù)來說，DCC-GARCH模型最優(yōu)，對于樣本外的數(shù)據(jù)來說，BEKK-GARCH模型最優(yōu).陳晨(2016年)[10]在對黃金期貨的最優(yōu)套期保值比率及績效的研究中，分別使用了OLS模型、ECM模型和ECM-GARCH模型，最后總結(jié)出結(jié)論：對于黃金期貨而言，使用ECM-GARCH模型得到的最優(yōu)套期保值比率的績效最優(yōu).周振南(2016年)[11]在研究小麥、玉米和棉花的最優(yōu)套期保值比率及績效時，使用GARCH模型對最優(yōu)套期保值比率進行計算，經(jīng)過對比其績效，最后得出棉花績效最好，玉米次之，小麥最差，而且得出三者均低于相同農(nóng)產(chǎn)品的國際平均水平的結(jié)論.黃連蓉(2020年)[12]研究豆粕期貨，利用誤差修正模型估計最優(yōu)套期保值比率并計算其績效.

本文以大豆、豆粕、雞蛋、玉米4種農(nóng)產(chǎn)品為例，使用了普通最小二乘法模型(OLS)、雙變量向量自回歸模型(B-VAR)、誤差修正模型(ECM)以及廣義自回歸條件異方差模型(GARCH)，分別對4種農(nóng)產(chǎn)品的最優(yōu)套期保值比率進行計算，并通過“風(fēng)險最小化”以及“效用最大化”兩種方法對最優(yōu)套期保值比率的績效進行計算，為在農(nóng)產(chǎn)品期貨市場上進行套期保值以期對沖現(xiàn)貨市場風(fēng)險的農(nóng)戶及涉農(nóng)企業(yè)提供理論和實踐參考.

1 套期保值及績效評價理論模型

1.1 套期保值相關(guān)理論分析模型

使用不同的套期保值模型都有一個共同目的，就是求解最優(yōu)套期保值比率.套期保值比率是指套期保值者所擁有的期貨合約頭寸總價值與現(xiàn)貨頭寸總價值之間的比率.當(dāng)投資者同時擁有期貨頭寸與現(xiàn)貨頭寸時，這一套期保值的資產(chǎn)組合，原理上可以實現(xiàn)資產(chǎn)標(biāo)的物、到期日以及交易金額等條件的設(shè)定，使得期貨與現(xiàn)貨完全匹配，從而達到完全消除組合的價格風(fēng)險，此時，稱這個套期保值為“完美套期保值”.

但現(xiàn)實情況下，不完美的套期保值，即期貨、現(xiàn)貨不能完全匹配才是最常見到的.一般來說，“不完美”源自兩方面，即“數(shù)量風(fēng)險”與“基差風(fēng)險”.“數(shù)量風(fēng)險”是指由于期貨是標(biāo)準(zhǔn)化的合約，可能導(dǎo)致期貨與現(xiàn)貨的數(shù)量不同，出現(xiàn)未被套期保值覆蓋的頭寸，從而帶來風(fēng)險；“基差風(fēng)險”是指期貨價格與現(xiàn)貨價格不同帶來的風(fēng)險，這種不同可能來源于期貨的標(biāo)的資產(chǎn)與現(xiàn)貨不同，或套期保值結(jié)束時期貨合約未到期，期貨價格未完全收斂至現(xiàn)貨價格.在這種不完美的情況下，才有最優(yōu)套期保值比率，這個比率一般是指套期保值的資產(chǎn)組合價格變動方差最小時的套期保值比率.

1.2 套期保值模型

根據(jù)上述對最優(yōu)套期保值比率的分析，可以推導(dǎo)出最優(yōu)套期保值比率的計算方法.使用St表示現(xiàn)貨價格，F(xiàn)t表示期貨價格，h表示使用的套期保值比率，則當(dāng)套期保值者買入套期保值時，需要買入期貨合約并持有現(xiàn)貨的空頭頭寸，在套期保值期間，資產(chǎn)組合的價值變化為ΔSt-hΔFt；當(dāng)套期保值者賣出套期保值時，需要賣出期貨合約并持有現(xiàn)貨的多頭頭寸，在套期保值期間，資產(chǎn)組合的價值變化為hΔFt-ΔSt.用σS表示現(xiàn)貨收益的標(biāo)準(zhǔn)差，σF表示期貨收益的標(biāo)準(zhǔn)差，ρSF表示現(xiàn)貨收益與期貨收益之間的相關(guān)系數(shù)，則使用上述兩種套期保值策略，在套期保值期間，資產(chǎn)組合的價格變化方差為

最優(yōu)套期保值比率可以表示為

1.2.1 普通最小二乘法模型(OLS) 當(dāng)進行估計時，可以采用OLS模型，自變量為期貨價格變動，因變量為現(xiàn)貨價格變動，根據(jù)最小二乘法的計算方法，自變量的系數(shù)估計值恰好為上述的最優(yōu)套期保值比率.

可以采用

ΔSt=c+h*ΔFt+εt，

(1)

對最優(yōu)套期保值比率進行估計，其中，εt為殘差.

1.2.2 雙變量向量自回歸模型(B-VAR) 通過上述OLS模型得到的最優(yōu)套期保值比率，常常會受到回歸方程殘差項自相關(guān)的影響.為了消除這種自相關(guān)性對結(jié)果的影響，可以使用向量自回歸的方法.這種方法是將模型中的每一個內(nèi)生變量當(dāng)作所有變量若干滯后變量的因變量進行回歸.對于期貨套期保值，可以對現(xiàn)貨價格變動與期貨價格變動進行雙變量的向量自回歸.現(xiàn)貨價格變動做回歸，表示為

期貨價格變動為

其中，Cs、Cf為截距項，αsi、αfi、βsj、βfj為回歸系數(shù)，εst、εft均為獨立同分布的隨機誤差項.為了完全消除殘差項的自相關(guān)，需要找到合適的k值.由于ΔSt與ΔFt的滯后項是為了消除殘差項自相關(guān)而引入的，所以計算最優(yōu)套期保值比率時也應(yīng)該將滯后項給方差帶來的影響考慮進去，設(shè)Ht表示第t期時的信息集，包含著從第t-k期到t-1期現(xiàn)貨與期貨價格變動的共同影響，最優(yōu)套期保值比率表示為

同理，根據(jù)最小二乘法的計算方法，h*也可以使用方程εst=c+h*εft+γt進行估計.將εst與εft使用向量自回歸的方程替換并化簡，最終可以得到B-VAR模型：

(2)

1.2.3 誤差修正模型(ECM) 向量自回歸模型雖然在OLS模型的基礎(chǔ)上解決了殘差序列可能產(chǎn)生的自相關(guān)性對模型造成的影響，但還有其他不足：由于上述一直使用的是現(xiàn)貨價格與期貨價格的差分項，即現(xiàn)貨、期貨價格變動量并建立相關(guān)關(guān)系，這種相關(guān)關(guān)系只能表達現(xiàn)貨價格和期貨價格二者之間的短期均衡關(guān)系，而忽略了兩者的水平值，即不能反映兩者的長期均衡關(guān)系.另外，我們知道期貨價格與現(xiàn)貨價格存在靜態(tài)均衡，即期貨價格不變時，現(xiàn)貨價格也會保持其長期均衡值不變.有一種情況是：期貨價格變動與現(xiàn)貨價格變動之間符合ΔSt=α+βΔFt+εt的關(guān)系，且α>0，若期貨價格變動為零時，則現(xiàn)貨價格變動大于零，于是期貨價格沒變，而現(xiàn)貨價格增加，這與二者的靜態(tài)均衡相違背.

如果在向量自回歸模型的期貨與現(xiàn)貨之間的短期關(guān)系之中加入對長期均衡關(guān)系(也稱協(xié)整關(guān)系)的表示，將其作為誤差修正項，就成了誤差修正模型，公式表示為

(3)

其中，Zt-1表示的是誤差修正項，求法是：先做出St與Ft之間的協(xié)整方程St=α+βFt+Zt，方程中的隨機誤差項即為Zt.

1.2.4 廣義自回歸條件異方差模型(GARCH) 上述B-VAR與ECM模型解決的問題是OLS模型的殘差自相關(guān)性，而考慮期貨價格與現(xiàn)貨價格之間的模型，除了兩種價格，其余的影響價格變動的因素全部被歸入了隨機誤差項，則可能導(dǎo)致隨機誤差項產(chǎn)生異方差性，即隨機誤差項的方差不是常數(shù)，而是隨時間變動的量；另外，期貨價格與現(xiàn)貨價格這種經(jīng)濟變量，本身會受很多隨機因素的影響，比如政策變動、自然災(zāi)害或金融危機等，也會帶來異方差性.為了解決這種異方差問題，可以使用廣義自回歸條件異方差模型，用隨機誤差項時變的方差，即條件方差來代替固定的方差.GARCH模型的階數(shù)一般選擇(1,1)就能滿足要求，如果滯后階數(shù)過多會導(dǎo)致模型不穩(wěn)定，本文對期貨與現(xiàn)貨的價格變動，使用二元GARCH(1,1)模型，公式表示為

(4)

(5)

(6)

其中，

式(4)和式(5)為模型的條件均值方程，與ECM模型的表達式均是在B-VAR模型的基礎(chǔ)上增加了誤差修正項，這表明GARCH模型是在上述靜態(tài)模型的基礎(chǔ)上，為了解決異方差問題構(gòu)建的模型，其中，兩個式子等號右側(cè)除去隨機誤差項的部分即為等號左側(cè)變量的條件均值.

式(6)為GARCH(1,1)模型的條件方差及條件協(xié)方差矩陣方程，表示t期現(xiàn)貨價格變動的條件方差h11t、期貨價格變動的條件方差h22t以及二者之間的條件協(xié)方差h12t，這也是GARCH 模型主要想表達的內(nèi)容，即隨機誤差項的方差是時變的.

而最優(yōu)套期保值比率按照上文的方法可以表示為

(7)

這個最優(yōu)套期保值比率是有下角標(biāo)t的，表示它是時變的值.這種動態(tài)的套期保值比率表示投資者根據(jù)前期已知信息集，時刻調(diào)整自己的套期保值比率，即不斷調(diào)整所持有的期貨合約的數(shù)量，從而增強套期保值的效果.為了研究方便，本文在計算套期保值績效時，選擇此最優(yōu)套期保值比率的平均值來計算.

1.3 套期保值績效評價

經(jīng)過上述各模型對最優(yōu)套期保值比率進行估計之后，得到投資組合中現(xiàn)貨期貨的投資比例，那么對使用這些套期保值比率時套期保值的實現(xiàn)程度進行評價，就需要估計其套期保值績效.學(xué)術(shù)界對于套期保值績效評價有兩種方法:

1.3.1 “風(fēng)險最小化” 選取最優(yōu)套期保值比率時，使用使現(xiàn)貨與期貨的資產(chǎn)組合價格變動方差最小的套期保值比率，即風(fēng)險最小，于是將套期保值前后的價格變動方差做比較，方差減少程度越大的，套期保值績效越好.具體的計算方法為：以Ut表示現(xiàn)貨價格的變動，即不進行套期保值時現(xiàn)貨價格波動導(dǎo)致的每日收益或虧損；以Qt表示用h*作為套期保值比率進行套期保值，現(xiàn)貨與期貨的資產(chǎn)組合的價格波動導(dǎo)致的每日收益或虧損.用套期保值前的價格變動方差減去套期保值之后的價格變動方差，再除以套期保值前的價格變動方差，表示方差減少程度.則套期保值前的方差可以表示為

Var(Ut)=Var(ΔSt)，

套期保值后的方差可以表示為

Var(Qt)=Var(ΔSt-h*ΔFt)=Var(ΔSt)+h*2Var(ΔFt)-2h*Cov(ΔSt,ΔFt),

套期保值績效為

(8)

由于方差減少程度越大，風(fēng)險越小，所以E1越大套期保值績效越好，又因為方差非負，套期保值之后的方差最小值為零，此時E1值最大為100%，套期保值績效最好.

1.3.2 “效用最大化” 投資者在追求風(fēng)險更低的同時，還會追求較高的收益率.因此，將收益率、風(fēng)險以及投資者的風(fēng)險厭惡程度結(jié)合在一起，考慮整個投資組合對于投資者的效用，相較于未套期保值前的效用值，套期保值后效用值增長率越高的投資組合，套期保值績效越好.通常使用的效用函數(shù)為

其中，Φ為風(fēng)險厭惡系數(shù)，根據(jù)投資者的不同而有所變化.套期保值績效為

(9)

其中，U1表示未套期保值前的效用，U2表示套期保值后的效用，分母的絕對值符號是防止效用值為負使績效的表示失去意義.由于效用越大越好，E2值越大表示套期保值后的效用增長率越大，套期保值績效越好.

2 實證分析

2.1 數(shù)據(jù)樣本

本文對遼寧農(nóng)產(chǎn)品期貨套期保值績效進行分析，選擇在大連商品交易所上市的大豆、豆粕、雞蛋、玉米4種農(nóng)產(chǎn)品，樣本數(shù)據(jù)為農(nóng)產(chǎn)品現(xiàn)貨與期貨的每日價格，分別為來自Wind金融終端的現(xiàn)貨報價和大商所歷史期貨合約的每日收盤價；數(shù)據(jù)區(qū)間為2013年11月8日至2019年10月30日，每種農(nóng)產(chǎn)品期貨、現(xiàn)貨價格分別包含1 429個數(shù)據(jù).數(shù)據(jù)的選擇方面：首先，期貨合約是有多個同時在市場上交易的，我們選取的是對應(yīng)時期活躍合約的價格；其次，由于現(xiàn)貨市場每天都在交易，而期貨市場則是根據(jù)交易所的交易時間進行交易，所以為了研究方便，在選取數(shù)據(jù)時剔除了期貨價格與現(xiàn)貨價格不能對應(yīng)的數(shù)據(jù).使用Eviews 10軟件進行數(shù)據(jù)處理及分析.

2.2 單位根檢驗與協(xié)整檢驗

2.2.1 單位根檢驗 單位根檢驗的目的是檢驗序列是否為平穩(wěn)序列，如果序列不平穩(wěn)的話，進行回歸分析時可能會存在偽回歸.同時，單位根檢驗又是協(xié)整檢驗的前提，即兩個序列為同階單整序列時才可以繼續(xù)分析協(xié)整關(guān)系.對8組數(shù)據(jù)的單位根檢驗結(jié)果如表1所示.

從表1可以看出，雞蛋現(xiàn)貨價格的原始序列的ADF檢驗統(tǒng)計量大于1%臨界值小于5%臨界值，所以此變量在5%的水平拒絕存在單位根的假設(shè)，但在1%的水平不能拒絕存在單位根的假設(shè).雞蛋期貨價格的原始序列的ADF檢驗統(tǒng)計量大于5%臨界值，小于10%臨界值，所以在10%的水平拒絕其存在單位根的假設(shè)，但在5%的水平不能拒絕存在單位根的假設(shè).剩余變量的原始序列ADF檢測統(tǒng)計量均大于10%的臨界值，所以均在10%的水平不能拒絕存在單位根的假設(shè).而每一個變量的一階差分序列的ADF檢測統(tǒng)計量均小于1%臨界值，即均在1%的水平拒絕存在單位根的假設(shè).于是，在1%的顯著性水平下，所有變量的原始序列均為非平穩(wěn)序列，而經(jīng)過一次差分之后均能達到平穩(wěn)，所以各個變量均為1階單整序列，記為I(1).

表1 4種農(nóng)產(chǎn)品現(xiàn)貨價格與期貨價格單位根檢驗結(jié)果

2.2.2 協(xié)整檢驗 對于非平穩(wěn)序列之間的關(guān)系，如果盲目回歸，可能會出現(xiàn)偽回歸.協(xié)整理論說明，即使兩個變量是非平穩(wěn)的，他們之間的線性組合也可能是平穩(wěn)的，這為非平穩(wěn)序列的建模提供了途徑.為了檢驗各個品種的現(xiàn)貨價格與期貨價格之間的協(xié)整關(guān)系，采用EG兩步法：第一步，判斷兩個變量是否為同階單整；第二步，判斷兩個變量之間進行普通最小二乘回歸后的殘差序列是否平穩(wěn)，若平穩(wěn)，則兩個變量具有協(xié)整關(guān)系.通過上文對單位根的檢驗，各品種的現(xiàn)貨價格與期貨價格均為一階單整序列，則EG兩步法的第一步通過.下面，對各品種期貨價格與現(xiàn)貨價格進行回歸分析，并將殘差序列進行單位根檢驗，結(jié)果如表2所示.

表2 4種農(nóng)產(chǎn)品殘差序列單位根檢驗結(jié)果

從表2可以看出，大豆、豆粕、雞蛋3個品種，殘差序列在1%的水平拒絕有單位根的假設(shè)，玉米的殘差序列在10%的水平拒絕有單位根的假設(shè).可以得出結(jié)論，這4個品種的殘差序列在10%的水平是平穩(wěn)的，說明他們的期貨價格與現(xiàn)貨價格是有協(xié)整關(guān)系的.

2.3 最優(yōu)套期保值比率計算結(jié)果

利用Eviews統(tǒng)計軟件對4種農(nóng)產(chǎn)品按照上文所述的公式(1)～(7)分別進行回歸分析，得到了各個模型下每種農(nóng)產(chǎn)品的最優(yōu)套期保值比率，如表3所示.

表3 4種農(nóng)產(chǎn)品最優(yōu)套期保值比率

從表3可以看出，整體上，豆粕的最優(yōu)套期保值比率最高，其次為雞蛋，然后是大豆，玉米的最優(yōu)套期保值比率為負，這意味著一單位的豆粕現(xiàn)貨進行套期保值，如果想要達到最優(yōu)套期保值效果，需要的豆粕期貨數(shù)量比雞蛋和大豆都要多；而對于負的最優(yōu)套期保值比率意味著如果想達到最優(yōu)的套期保值效果，需要和上文中的買入套期保值策略和賣出套期保值策略相反才可以實現(xiàn).極端地講，如果最優(yōu)套期保值比率為零，意味著只需要現(xiàn)貨，就可以實現(xiàn)價格變動的方差最小，此時，向投資組合中加入任意數(shù)量的期貨合約，都會增加組合的風(fēng)險，意味著期貨市場的規(guī)避價格風(fēng)險作用為零，即不能給現(xiàn)貨市場提供風(fēng)險對沖功能；而負值的最優(yōu)套期保值比率，則可以采用反向操作的方式來規(guī)避價格風(fēng)險，所以期貨市場的價格風(fēng)險規(guī)避功能是按照最優(yōu)套期保值比率的絕對值大小判斷的.于是，按照豆粕、雞蛋、玉米、大豆的順序，這4種農(nóng)產(chǎn)品的期貨市場在回避價格風(fēng)險的功能上是逐漸變差的.

2.4 套期保值績效計算結(jié)果

2.4.1 “風(fēng)險最小化” 根據(jù)上文中提到的方法，建立Ut和Qt兩個序列，分別對其求方差，使用公式(8)分別對各個品種的套期保值績效進行計算，得到結(jié)果如表4所示.

表4 “風(fēng)險最小化”下套期保值績效

從上文分析得到結(jié)論：此績效值越大證明套期保值績效越好.現(xiàn)使用表4中的數(shù)據(jù)，首先，對4種農(nóng)產(chǎn)品分別進行分析：4種農(nóng)產(chǎn)品得到的績效值均為正，說明對于這4種農(nóng)產(chǎn)品來說，4種模型計算出的最優(yōu)套期保值比率均可以起到降低投資風(fēng)險的作用.其次，4種農(nóng)產(chǎn)品均是采用OLS模型時得到的套期保值績效值最大；而績效值最小的沒有共性，大豆的是ECM模型，豆粕和雞蛋是GARCH模型，而玉米則是B-VAR模型.但除了大豆外，其他每一個品種的ECM模型的績效值均優(yōu)于GARCH模型的績效值.以上結(jié)果說明，OLS模型在對期貨最優(yōu)套期保值比率的估計上是最優(yōu)的模型.最后，若將4種農(nóng)產(chǎn)品的績效最好的模型績效值放在一起比較，可以排出從大到小的順序為：豆粕、雞蛋、玉米、大豆，這也證明了這4種農(nóng)產(chǎn)品期貨合約的回避價格風(fēng)險功能是按照這個順序逐漸變差的.

2.4.2 “效用最大化” 根據(jù)上文提到的方法，建立Ut和Qt兩個序列，使用公式(9)分別對4個品種的套期保值績效進行計算，得到結(jié)果如表5所示.

表5 “效用最大化”下套期保值績效

對于投資者而言，為了套期保值而建立的資產(chǎn)組合的效用值越大越好.使用表5的數(shù)據(jù)進行分析：對每一個品種來說，每一種模型在每一個風(fēng)險厭惡系數(shù)下得到的績效值均為正；對每一個品種的每一個風(fēng)險厭惡系數(shù)而言，OLS模型的績效值均為最大值；除了大豆以外，其他3個品種的各個風(fēng)險厭惡系數(shù)下，ECM模型的效用都比GARCH模型的效用大.上述結(jié)果說明套期保值在每一種情況下都是有效的，且使用OLS模型對最優(yōu)套期保值比率的估計是最優(yōu)的.對4個品種進行綜合分析發(fā)現(xiàn)，將每一個品種的各個風(fēng)險值下的最大績效值放在一起比較，可以看出對每一個風(fēng)險厭惡系數(shù)，績效值大小均按照豆粕、雞蛋、大豆、玉米的順序遞減，說明按照這個順序，各個品種的期貨合約對價格風(fēng)險的回避能力逐漸變差.

3 結(jié)論與建議

3.1 研究結(jié)論

本文對大豆、豆粕、雞蛋、玉米4種農(nóng)產(chǎn)品的期貨、現(xiàn)貨價格變動使用了OLS、B-VAR、ECM、GARCH模型進行回歸，估計出最優(yōu)的套期保值比率，并對不同品種、不同模型所得到的套期保值比率使用了兩種績效評價方法進行計算，分別為“風(fēng)險最小化”方法和“效用最大化”方法，得出以下結(jié)論：

第一，通過對4種農(nóng)產(chǎn)品的現(xiàn)貨價格和期貨價格進行單位根檢驗，在1%的顯著性水平，現(xiàn)貨價格、期貨價格序列均為非平穩(wěn)序列，而一階差分序列均為平穩(wěn)序列.由此可知，4種農(nóng)產(chǎn)品的現(xiàn)貨價格與期貨價格均為一階單整序列，并不能簡單地進行回歸分析.價格序列不平穩(wěn)的原因在于農(nóng)產(chǎn)品的現(xiàn)貨市場與期貨市場都存在季節(jié)性、周期性或政策上、氣候上的隨機突變，這些因素會使價格進行非對稱調(diào)整.

第二，在4種農(nóng)產(chǎn)品的現(xiàn)貨價格序列與期貨價格序列均為一階單整的條件下進行協(xié)整檢驗，可以得到4種農(nóng)產(chǎn)品的現(xiàn)貨價格與期貨價格均存在著協(xié)整關(guān)系，表明存在著長期穩(wěn)定的均衡關(guān)系.在期貨市場上進行套期保值的農(nóng)戶及涉農(nóng)企業(yè)可以關(guān)注現(xiàn)貨市場與期貨市場上的價格水平以及變動情況，對價格的未來走勢有一個基本的把控.

第三，通過比較4種農(nóng)產(chǎn)品的套期保值前績效與使用各個方法進行套保后的績效，可以發(fā)現(xiàn)每一個套保后績效都優(yōu)于未套期保值的績效.說明使用遼寧農(nóng)產(chǎn)品期貨進行套期保值是有規(guī)避價格風(fēng)險作用的.

第四，根據(jù)4種農(nóng)產(chǎn)品的4種模型分別計算出來的最優(yōu)套期保值比率以及績效可以得知，OLS模型比起其他3種模型，套期保值績效更好.因此，在期貨市場上進行套期保值的農(nóng)戶及涉農(nóng)企業(yè)可以按照OLS模型的方法計算最優(yōu)套期保值比率，從而進行套期保值操作.

第五，雖然使用GARCH模型進行套期保值比率在實證分析中表現(xiàn)不好，但是根據(jù)其原理可知，GARCH模型適合波動較大的市場環(huán)境，可以根據(jù)市場情況計算出時變的最優(yōu)套期保值比率，從而不斷進行倉位調(diào)整，適應(yīng)市場的波動.

第六，通過比較4種農(nóng)產(chǎn)品的套期保值績效可以看出，4種農(nóng)產(chǎn)品的期貨合約，回避價格風(fēng)險能力排名靠前的按強弱順序分別是：豆粕和雞蛋，而大豆與玉米使用兩種評價方法得到的排序不同，但均為后兩名.在使用“風(fēng)險最小化”方法時，得到的績效值即為套期保值可以降低的風(fēng)險大小，最多的豆粕約為24%，排名第二的雞蛋約為10%，其他2種農(nóng)產(chǎn)品均不超過5%.所以在期貨市場上進行套期保值交易時，對于交易品種可以有所選擇的投機者來說，盡量選擇豆粕或雞蛋，這樣可以提高套期保值的風(fēng)險規(guī)避能力.

3.2 政策性建議

通過實證研究可以發(fā)現(xiàn)，遼寧農(nóng)產(chǎn)品期貨市場的規(guī)避價格風(fēng)險功能并未得到充分發(fā)揮，所選農(nóng)產(chǎn)品中最優(yōu)的也僅能規(guī)避24%左右的風(fēng)險，其余大部分還在5%以下的水平.期貨工具套期保值績效過低，對于農(nóng)戶及涉農(nóng)企業(yè)進行規(guī)避風(fēng)險產(chǎn)生的意義并不大.就此，本文提出如下建議：

第一，對農(nóng)戶及涉農(nóng)企業(yè)來說，雖然目前的期貨市場活躍度不足導(dǎo)致使用期貨套期保值規(guī)避價格風(fēng)險的效果不好，但使用期貨套保優(yōu)于不使用期貨.在選擇模型進行估計套期保值比率時，選擇OLS模型能使套期保值績效最大化.

第二，應(yīng)當(dāng)加大對期貨產(chǎn)品的宣傳，使農(nóng)戶及涉農(nóng)企業(yè)了解更多的期貨知識，進而提高其參與期貨市場的積極性.農(nóng)產(chǎn)品期貨市場，農(nóng)戶是主要的參與主體之一，在農(nóng)戶受教育程度普遍偏低的背景下，其參與期貨市場進行套期保值的意識必然相應(yīng)偏低.如果充分進行期貨知識的宣傳，增加參與期貨交易的農(nóng)戶數(shù)量，不僅農(nóng)戶本身可以通過套期保值降低風(fēng)險，而且會使整個期貨市場的活力增加，進而增強期貨市場整體規(guī)避風(fēng)險的能力，使套期保值績效提升，形成良性循環(huán).

第三，適量增加農(nóng)產(chǎn)品期貨品種，擴大市場規(guī)模.由于期貨具有保證金制度，所以在投資時相當(dāng)于有一定的杠桿率，這在金融市場中是十分具有吸引力的特征.如果增加農(nóng)產(chǎn)品期貨品種，則可以使投資者在期貨市場中的選擇面變廣，擴大了市場的規(guī)模，進而增強期貨市場的流動性，加強期貨規(guī)避價值風(fēng)險的功能，提升套期保值績效.