黃思婕

【摘? 要】鋼材期貨市場作為全球第二大大宗商品市場，其特點(diǎn)是交易活躍但不穩(wěn)定，存在流動性風(fēng)險。論文利用2020年螺紋鋼期貨市場交易日內(nèi)10分鐘的高頻數(shù)據(jù)，分析了買賣價差與收益率的動態(tài)相關(guān)性，并專注于化解高頻流動性風(fēng)險。論文借助ACD模型和GARCH模型刻畫了買賣價差和收益率的波動，通過DCC模型揭示了二者間的動態(tài)相關(guān)性。經(jīng)流動性調(diào)整的L-IVaR模型旨在更準(zhǔn)確地評估流動性風(fēng)險，為應(yīng)對市場不穩(wěn)定性提供了新視角。

【關(guān)鍵詞】螺紋鋼期貨；動態(tài)相關(guān)性；高頻流動性風(fēng)險

【中圖分類號】F724.5；F764.2? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻(xiàn)標(biāo)志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2023）12-0031-03

1 引言

鋼材作為生產(chǎn)建設(shè)中的關(guān)鍵原材料，在各領(lǐng)域廣泛應(yīng)用，螺紋鋼是其中最具代表性的一個品種。上海期貨交易所于2009年推出的螺紋鋼期貨為鋼鐵產(chǎn)業(yè)提供了抵御價格風(fēng)險的機(jī)遇。盡管螺紋鋼期貨市場交易活躍，但受國內(nèi)外多重因素影響，其不穩(wěn)定性帶來的流動性風(fēng)險會誘發(fā)較大的市場風(fēng)險。流動性風(fēng)險對投資者和資產(chǎn)組合管理者至關(guān)重要，尤其是在市場動蕩時期。傳統(tǒng)的VaR方法雖被廣泛應(yīng)用，卻忽略了流動性風(fēng)險的影響，因此，有必要整合流動性風(fēng)險因素，構(gòu)建經(jīng)流動性調(diào)整的VaR模型（L-VaR）來更準(zhǔn)確地評估資產(chǎn)所面臨的市場風(fēng)險。初期的L-VaR模型多基于低頻數(shù)據(jù)（每日），隨著市場交易速度的提升和高頻數(shù)據(jù)的普及，日內(nèi)風(fēng)險分析的重要性日益凸顯，從而產(chǎn)生了經(jīng)流動性調(diào)整的日內(nèi)VaR模型（L-IVaR），利用高頻數(shù)據(jù)能夠更全面、更及時地反映市場信息。本文對螺紋鋼期貨市場高頻流動性風(fēng)險的研究，對鋼鐵企業(yè)、市場投資者及期貨市場監(jiān)管部門均具有重要意義。

2 研究設(shè)計(jì)

本文使用Log-WACD（1，1）模型和GARCH（1，1）模型分別刻畫螺紋鋼期貨買賣價差和日內(nèi)收益的波動動態(tài)過程，使用DCC模型捕捉二者的動態(tài)相關(guān)性，使用L-IVaR模型度量螺紋鋼期貨市場的高頻流動性風(fēng)險。

式（1）為Log-WACD（1，1）模型，假定隨機(jī)誤差項(xiàng)εt服從形狀參數(shù)為η的威布爾分布，該模型對ACD模型進(jìn)行了對數(shù)轉(zhuǎn)換，不僅可以保證被解釋變量非負(fù)，還可以在公式中加入其他解釋變量，并且不需要再對系數(shù)施以任何約束。式（2）為GARCH（1，1）模型，當(dāng)GARCH模型被用于預(yù)測市場收益波動性時，多數(shù)實(shí)證研究均表明GARCH（1，1）模型能很好地度量大部分金融市場中的時間序列數(shù)據(jù)[1]。式（3）為DCC模型，可以很好地刻畫動態(tài)相關(guān)關(guān)系，該模型是對常數(shù)條件相關(guān)系數(shù)模型的進(jìn)一步拓展，因?yàn)樵诮鹑谑袌鲋?，變量之間的相關(guān)系數(shù)是動態(tài)變化的[2]。式（4）為L-IVaR模型，本文參照Weiss et al.[3]的方法，基于BDSS模型對收益率進(jìn)行了調(diào)整，將收益率減去流動性成本，再將調(diào)整后的收益率嵌入Var模型中，從而更準(zhǔn)確地度量了螺紋鋼期貨市場的高頻流動性風(fēng)險。

式（1）中，St為買賣價差，φ為St的期望值；式（2）中，Rt為收益率，It-1為t-1時刻的可靠信息集，ht為ut的條件方差；式（3）中，diag{Ht}為對角陣，對角線元素為Ht，即每個uit變量對應(yīng)的條件方差hit，Rt={ρij}t（i，j=1，2）為動態(tài)條件相關(guān)系數(shù)矩陣，Qt確保了動態(tài)條件相關(guān)系數(shù)矩陣始終為正定陣；式（4）中，μadj、adjσ分別為經(jīng)買賣價差調(diào)整后的收益率的期望和方差，adjq1-α為分布對應(yīng)的1-c分位數(shù)。

3 實(shí)證分析

本文根據(jù)前一節(jié)提及的計(jì)量模型，實(shí)證分析并度量螺紋鋼期貨市場的高頻流動性風(fēng)險。

3.1 數(shù)據(jù)選取

本文選取了我國螺紋鋼期貨市場主力連續(xù)合約2020年1月2日至2020年12月31日交易日內(nèi)每隔10分鐘的高頻數(shù)據(jù)，在剔除缺失數(shù)據(jù)后，共有8 324個觀測值作為研究對象。本文將螺紋鋼記為RB，其每隔10分鐘的最新價格記為Pt，則其收益率的計(jì)算公式為：Rt=100×（lnPt-lnPt-1）。國內(nèi)外有關(guān)市場流動性的研究大多是通過寬度、深度、即時性和彈性4個角度來衡量，本文從寬度這一角度來衡量市場流動性，即買賣價差。在衡量買賣價差時，本文采取的是絕對買賣價差法，將St記為買賣價差，At記為最低賣出價（賣一），Bt記為最高買入價（買一），則買賣價差的計(jì)算公式為：St=At-Bt。通過對螺紋鋼期貨買賣價差和收益率進(jìn)行ADF檢驗(yàn)，二者ADF檢驗(yàn)的P值均為0.000 1，拒絕了存在單位根的原假設(shè)，即表明這兩個時間序列數(shù)據(jù)是平穩(wěn)的，可進(jìn)行后續(xù)模型的擬合構(gòu)建。

3.2 買賣價差和收益率的波動研究

通過構(gòu)建Log-WACD模型和GARCH模型，本文得出了參數(shù)估計(jì)結(jié)果（見表1）。Log-WACD模型的參數(shù)估計(jì)值都很顯著。威布爾分布的形狀參數(shù)η為0.956 3；系數(shù)γ和λ的值較小，分別為0.011 2和0.084 2，且γ+λ的值遠(yuǎn)小于1，這說明在螺紋鋼期貨市場中，在買賣價差經(jīng)歷了大幅度變化之后并沒有伴隨著后續(xù)的大幅度變化，即當(dāng)前的買賣價差與前期的買賣價差間不存在很強(qiáng)的自相關(guān)關(guān)系。因此，在分析ACD模型的參數(shù)估計(jì)結(jié)果后，本文得出的主要結(jié)論是螺紋鋼期貨的買賣價差序列的波動沒有明顯的集聚現(xiàn)象。這與朱世杰[4]的結(jié)論一致，他對上海期貨市場的6種期貨（包括螺紋鋼）進(jìn)行了研究，他發(fā)現(xiàn)螺紋鋼期貨的買賣價差沒有明顯的波動變化特征，并指出期貨市場中的買賣價差波動情況與股票市場中的不同。

根據(jù)GARCH模型的參數(shù)估計(jì)結(jié)果，本文發(fā)現(xiàn)參數(shù)的估計(jì)值都很顯著。系數(shù)α1和β1的值分別為0.411 2和0.544 4，且系數(shù)α1+β1的值接近于1，這說明在螺紋鋼期貨市場中，收益率的波動呈現(xiàn)出明顯的集聚現(xiàn)象，在螺紋鋼期貨的收益率經(jīng)歷了大幅度變化之后也會伴隨著后續(xù)的大幅度變化。因此，在分析GARCH模型的參數(shù)估計(jì)結(jié)果后，本文得出的主要結(jié)論是螺紋鋼期貨的收益率序列有很強(qiáng)的自相關(guān)性。這一結(jié)論與李云紅等[5]的研究結(jié)論一致，他們分別使用8類GARCH族模型對螺紋鋼期貨2009年的15分鐘高頻數(shù)據(jù)進(jìn)行了實(shí)證分析，得出了與本文一致的結(jié)論。此外，他們的實(shí)證結(jié)果表明，8種不同形式的GARCH族模型在對螺紋鋼期貨收益率的擬合精度方面并沒有表現(xiàn)出明顯的差異性，因此，本文使用GARCH（1，1）模型是合理的。

3.3 買賣價差和收益率的動態(tài)相關(guān)性研究

通過構(gòu)建DCC模型，本文得出了如表1所示的DCC模型的回歸結(jié)果。根據(jù)表1中DCC模型參數(shù)的估計(jì)值，本文發(fā)現(xiàn)螺紋鋼期貨的買賣價差和收益率之間的相關(guān)系數(shù)具有高度的自相關(guān)性。=0.028 9，=0.968 8，均不等于0，且的取值顯著接近于1，這說明螺紋鋼期貨的買賣價差和收益率之間的相關(guān)性很強(qiáng)，也反映出二者之間的相關(guān)性有很強(qiáng)的持續(xù)性。此外，根據(jù)DCC模型的估計(jì)結(jié)果，可以計(jì)算得出螺紋鋼期貨買賣價差和收益率之間的相關(guān)系數(shù)，結(jié)果如圖1所示。通過圖1可以清晰地發(fā)現(xiàn)，螺紋鋼期貨的買賣價差和收益率間的相關(guān)系數(shù)大多為正數(shù)，波動區(qū)間為0～0.1，即螺紋鋼期貨的買賣價差和收益率之間存在正相關(guān)關(guān)系。

在分析DCC模型的回歸結(jié)果并結(jié)合圖1的相關(guān)系數(shù)序列走勢圖后，本文得出了兩點(diǎn)主要結(jié)論：第一，螺紋鋼期貨的買賣價差和收益率之間有很強(qiáng)的自相關(guān)性，且二者之間的相關(guān)性有很強(qiáng)的持續(xù)性；第二，螺紋鋼期貨買賣價差和收益率之間的相關(guān)關(guān)系為正相關(guān)，即買賣價差越大，收益率越高。這一結(jié)論與張崢等[6]的研究結(jié)果一致，他們對中國股市的流動性進(jìn)行研究后發(fā)現(xiàn)，流動性與收益率之間存在正相關(guān)關(guān)系，且流動性可以對收益率起到解釋作用。他們的實(shí)證結(jié)果證明，流動性水平越低，收益率就會越高。因此，在后續(xù)度量高頻流動性風(fēng)險時，應(yīng)將螺紋鋼期貨買賣價差和收益率之間的相關(guān)性考慮進(jìn)去，即對收益率進(jìn)行流動性的調(diào)整，從而更準(zhǔn)確地預(yù)測出螺紋鋼期貨市場的高頻流動性風(fēng)險，這對鋼鐵企業(yè)及市場投資者均有重要意義。

3.4 高頻流動性風(fēng)險的度量

本文通過經(jīng)流動性調(diào)整的日內(nèi)VaR（L-IVaR）模型來度量螺紋鋼期貨市場的高頻流動性風(fēng)險。本文首先通過螺紋鋼期貨市場交易日內(nèi)每隔10分鐘的高頻數(shù)據(jù)計(jì)算出每天的波動率；其次使用經(jīng)流動性調(diào)整的收益率，通過L-IVaR模型對流動性風(fēng)險進(jìn)行模擬，每天的模擬次數(shù)為300次，且選擇了95%的置信水平，度量出2020年螺紋鋼期貨市場中每個交易日的高頻流動性風(fēng)險，結(jié)果如表2和圖2所示。

表2是對螺紋鋼期貨市場高頻流動性風(fēng)險分別在4個季度的描述性統(tǒng)計(jì)，可以發(fā)現(xiàn)螺紋鋼期貨市場高頻流動性風(fēng)險的最大值為345.175 7，最小值為21.167 2，分別出現(xiàn)在第一季度和第三季度。第一季度的標(biāo)準(zhǔn)差最大，為49.069 2，遠(yuǎn)超年度標(biāo)準(zhǔn)差30.722 1，而第二季度和第三季度的標(biāo)準(zhǔn)差較小，分別為16.685 5和12.933 1，遠(yuǎn)小于年度標(biāo)準(zhǔn)差。因此，螺紋鋼期貨市場高頻流動性風(fēng)險的波動情況是分階段性的。圖2是在95%置信水平下螺紋鋼期貨市場高頻流動性風(fēng)險的走勢圖，由此可以直觀、清晰地發(fā)現(xiàn)2020年螺紋鋼期貨市場的高頻流動性風(fēng)險波動是較為劇烈的，且呈現(xiàn)出階段性的特征。在第一季度中，于2020年2月3日出現(xiàn)流動性風(fēng)險的峰值后，流動性風(fēng)險呈現(xiàn)出劇烈波動的態(tài)勢且一直持續(xù)到了第二季度初。隨后在第二季度和第三季度中，螺紋鋼期貨市場中的流動性風(fēng)險出現(xiàn)明顯下降，雖仍呈現(xiàn)出波動的動態(tài)過程，但較前期更為平緩，均在年度均值附近波動。而在第四季度末，螺紋鋼期貨市場的流動性風(fēng)險又再次呈現(xiàn)出明顯的上升趨勢，并出現(xiàn)了大幅波動。

在分析L-IVaR模型的結(jié)果后，本文得出的主要結(jié)論是2020年螺紋鋼期貨市場的高頻流動性風(fēng)險波動較為劇烈且具有季節(jié)性的特征，在第一季度和第四季度末，市場的高頻流動性風(fēng)險很大且波動劇烈，其余時間流動性風(fēng)險相對較低，均在年度均值附近波動。本文認(rèn)為可以從兩個方面來解釋：一方面，這可能是受新冠疫情影響，導(dǎo)致全球商品期貨市場大幅波動。疫情爆發(fā)初期市場恐慌，隨后政策刺激預(yù)期提振市場，但隨著海外疫情再次爆發(fā)，市場再度動蕩，螺紋鋼期貨市場的流動性風(fēng)險大幅增加。另一方面，螺紋鋼作為建筑材料其需求受季節(jié)影響，冬季需求減少，市場供大于求，流動性較差。螺紋鋼的庫存數(shù)據(jù)也表明其需求存在季節(jié)性特征，在年末和春節(jié)前后市場需求下降，積壓庫存增加，導(dǎo)致市場流動性降低[7]。因此，當(dāng)供大于求時，會使得螺紋鋼期貨市場的流動性風(fēng)險波動加劇。

4 建議

本研究對螺紋鋼期貨市場的高頻流動性風(fēng)險進(jìn)行了實(shí)證分析，結(jié)果顯示，其波動劇烈且呈現(xiàn)季節(jié)性特征。良好的流動性有助于期貨市場穩(wěn)定發(fā)展，為提升螺紋鋼期貨市場的流動性，本文提出以下3點(diǎn)建議：第一，鋼鐵企業(yè)應(yīng)提高產(chǎn)業(yè)集中度，改革傳統(tǒng)管理模式，優(yōu)化生產(chǎn)計(jì)劃。高頻流動性風(fēng)險在年末和年初尤為明顯，可能由積壓庫存引起，因此，實(shí)現(xiàn)供需平衡可避免價格波動導(dǎo)致的流動性風(fēng)險。此外，鋼鐵企業(yè)可以通過調(diào)整銷售模式，增加直銷比例，降低因中間商導(dǎo)致的價格波動的可能性，規(guī)避流動性風(fēng)險。第二，市場投資者應(yīng)根據(jù)市場流動性風(fēng)險情況及特征，及時調(diào)整資產(chǎn)配置，實(shí)現(xiàn)保值增值并有效控制風(fēng)險。第三，監(jiān)管部門需加強(qiáng)對螺紋鋼期貨市場的監(jiān)管。流動性風(fēng)險是長期存在的，對于螺紋鋼期貨這個目前成交量大、參與者眾多的商品期貨，應(yīng)給予更高的關(guān)注度。此外，通過加強(qiáng)監(jiān)管，優(yōu)化交易規(guī)則和機(jī)制，可以避免游資炒作引起的價格波動，降低流動性風(fēng)險。這些建議旨在促進(jìn)鋼鐵企業(yè)調(diào)整生產(chǎn)計(jì)劃、市場投資者合理配置資產(chǎn)、監(jiān)管部門加強(qiáng)市場監(jiān)管，降低螺紋鋼期貨市場的流動性風(fēng)險，提升市場的穩(wěn)定性和發(fā)展水平。

【參考文獻(xiàn)】

【1】R. Harona，Monsurat Ayojimi Salami.Malaysian crude palm oil market volatility： A GARCH approach[J].International Journal of Economics and Management，2015，9（1）：103-120.

【2】Robert F. Engle.Dynamic Conditional Correlation： A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models[J].Journal of Business and Economic Statistics，2002，20（3）：339-350.

【3】Gregor N. F. Weiss，Hendrik Supper.Forecasting liquidity-adjusted intraday Value-at-Risk with vine copulas[J].Journal of Banking & Finance，2013，37（9）：3334-3350.

【4】朱世杰.基于買賣價差的上海期貨市場流動性實(shí)證研究[D].烏魯木齊：新疆財經(jīng)大學(xué)，2013.

【5】李云紅，魏宇.我國鋼材期貨市場波動率的GARCH族模型研究[J].數(shù)理統(tǒng)計(jì)與管理，2013，32（2）：191-201.

【6】張崢，李怡宗，張玉龍，等.中國股市流動性間接指標(biāo)的檢驗(yàn)——基于買賣價差的實(shí)證分析[J].經(jīng)濟(jì)學(xué)（季刊），2014，13（1）：233-262.

【7】薛楠.我國螺紋鋼期貨價格與現(xiàn)貨價格關(guān)系實(shí)證研究[D].北京：對外經(jīng)濟(jì)貿(mào)易大學(xué)，2020.