期货最优套期保值比率的估计

一、实验名称：期货最优套期保值比率的估计二、理论基础1.期货套期保值比率概述期货，一般指期货合约，作为一种套期保值工具被广泛使用。进行期货套期保值交易过程中面临许多选择，如合约的选取，合约数量的确定。如果定义套期保值比h为期货头寸与现货头寸之商的话，在上面的讨论中一直假设期货头寸和现货头寸相同，即套期保值比h为1，但这不一定是最优的套期保值策略。如果保值者的目的是最大限度的降低风险，那么最优套期保值策略就应该是让套保者在套保期间内的头寸价值变化最小，也就是利用我们如下所说的头寸组合最小方差策略。考虑一包含sC单位的现货多头头寸和fC单位的期货空头头寸的组合，记tS和tF分别为t时刻现货和期货的价格，该套期保值组合的收益率hR为：fststftshhRRSCFCSCR（2-1）式中：sfCCh为套期保值比率，ttsSSR，ttfFFR,1tttSSS，1tttFFF。收益率的方差为：),(2)()()(2fsfshRRhCovRVarhRVarRVar（2-2）（2）式对h求一阶导数并令其等于零，可得最小方差套期保值比率为：fsffsRVarRRCovh)(),(*（2-3）其中：为sR与fR的相关系数，s和f分别为sR与fR的标准差。2.计算期货套期保值比率的相关模型虽然上述的介绍中的*sfh可以求解最优套期保值比，但其操作性不强，其先要分别求三个量然后再计算*h，显然误差较大，下面为几种常见的关于求解最优套期保值比率的时间序列模型。1)简单回归模型（OLS）考虑现货价格的变动（△S）和期货价格变动（△F）的线性回归关系，即建立：tttFhcS*（2-4）其中C为常数项，t为回归方程的残差。但是上述线性回归模型常常会遇到残差项序列相关和异方差性的问题，从而降低参数估计的有效性。2)误差修正模型（ECM）现实中的期货价格和现货价格序列往往是非平稳的，期货合约定价理论决定了期货价格与现货价格序列的走势之间存在着某种共同的趋势，即期货价格和现货价格序列之间可能存在协整关系。在计量分析中，若两个时间序列之间存在协整关系，那么传统的OLS的估计量将是有偏的，换句话说，得到的“最优”套期保值比率将不是最优的，存在一定的偏误。Ghosh（1993）通过实证发现：当不恰当地忽略协整关系时，计算出的套期保值比率将小于最优值。Lien&Luo（1993）、Ghosh（1993）与Chou、Fan&Lee(1996)分别提出了估计最优套期保值比率的误差修正模型，并使用两步法进行估计。ECM模型将从期货价格和现货价格序列开始分析起，得出能同时反应短期关系和长期关系相结合的模型使得估算出更精确的最优套期保值比率。考虑现货价格和期货价格的水平序列，一般情况下，通过自相关图和单位根检验现货价格和期货价格序列都不平稳，都存在一个单位根，但对两者进行回归，发现回归方程比较显著，对残差序列进行单位根检验，通常会得出拒绝其为非平稳序列的结论。说明现货价格和期货价格间可能存在协整关系，即现货价格与期货价格间可能存在长期均衡关系。Lien&Luo（1993）认为，若现货和期货价格序列之间存在协整关系，那么，最优套期保值比率可以根据以下两步来估计。第一步，对下式进行协整回归：tttbFaS（2-5）第二步，估计以下误差修正模型：njtjtjitmiitttteSFFFSS1111)(（2-6）（2-6）式中的OLS估计量ˆ即为最优套期保值比率*h。Chou、Fan&Lee(1996)将第二步的误差修正模型改为：njtjtjitmiittteSFFS111ˆ（2-7）其中：)ˆˆ(ˆ111tttFbaS为（2-5）式中估计的残差项，也称为误差修正项（ECM），运用误差修正模型对参数进行估计时，先估计方程（2-5），保留其残差项，然后利用方程（2-7）估计参数得到最优套期保值比率*h。模型建立和估计的过程将在实验过程中给出。3)ECM-BGARCH模型方程（5）中还存在一个问题：残差序列μ是否是同方差，就金融时间序列来讲，误差的方差不随时间而发生变化是不太可能的，因此，假定模型残差的方差不是常数是一种合理的考虑，它还描述残差是如何变化的。观察金融资产的收益序列往往发现其表现出“波动聚集”的特征，即波动的当期水平往往与它最近的前些时期的水平正相关关系。这将导致用资产价格收益的序列进行回归时，其残差项往往不具备同方差性，残差项方差和其前期方差存在一定的关系，常常用ARCH过程或广义ARCH过程（GARCH）来描述这种关系。需要注意的是一元GARCH模型仅能估计单一变量的条件方差，无法估计序列之间的协方差。为此我们要估计最优套期保值比率h=COV(△S,△F)/VAR(△F)，需要建立二元GARCH(B-GARCH)模型。在这里我们采用。下面我们分别采用常数二元GARCH模型和D—BEKK二元GARCH模型给出ECM-B-GARCH方法下估计最优套期保值比率的模型。两种GARCH模型运用均值方程相同都为,111,1111ˆˆ()stsSttfftftttttCzSCzFzSF(2-8)（其中即上文提到的误差修正项）1~(0,)tttNH注意此处的均值方程中包含了误差修正项，即考虑了现货价格和期货价格的长期协整关系。a)常数相关系数的二元GARCH模型常数相关系数的二元GARCH模型的条件方差方程：11()()ttttvecHCAvecBH其中：C为31的参数向量；A和B均为33的系数矩阵）同时为了简化参数估计，假定残差项,st和,ft之间的相关系数为常数sf（注意没有时间下标t）。此时,,,,,,,,001100sstsstsstsftsfsftfftsffftffthhhhhhhhtHVec算子取矩阵的“上三角形”部分，把每一元素排成一个单列的向量。例如：,,,ssttfftsfthvecHhh（）=。这样我们把上述矩阵形式表示的条件方差方程可展开得到：2,,1,12,,1,1,,1,1sstSSSSstsssstfftffffftfffftsftsfsstffthChhChhhhb)D—BEKK模型D—BEKK模型的条件方差方程为：'111,,11121111,,222222()()()(29)00()000ttttsstsfttsftfftvecHvecCCvecAAvecBHBhhCCHCAhhC（）、、B=Vec算子取矩阵的“上三角形”部分，把每一元素排成一个单列的向量。例如：,,,ssttfftsfthvecHhh（）=。这样我们把上述矩阵形式表示的条件方差方程可展开得到：2222,1111,111,122222,221222,122,1,11222211,1122,1,1=++++++sstsststfftfftftsftsftstfthChhCChhCCh得到最优套期保值比率,*,(,)()stftsfttftfftCovhBVarh。为了不与条件方差项混淆，此处最优套期保值比率用*tB表示，表明运用ECM-B-GARCH法得到的最优套期保值比率是随时间变化的一个序列，表明我们要随着时间的变化不断调整套期保值的头寸。3.期货套期保值比率绩效的评估为了对利用最小方差套期比的绩效进行评估，我们考虑一包含1单位的现货多头头寸和h单位的期货空头头寸的组合。组合的利润HV为：tftsHFCSCV(2-10)套期保值组合的风险为：),(2)()()(22FSCovCCFVarCSVarCVVarfsfsH(2-11)由于现货的持有头寸在期初即为已知，因此，可以视之为常数，等式两边同除2sC，得：),(2)()()()(*2*2FSCovhFVarhSVarCVVarsH(2-12)对于不同方法计算出的最优套期保值比率*h，我们可以通过比较（2-12）来对它们各自套期保值的保值效果进行分析。三、实验目的利用上述理论模型估计中国期货交易所交易的期货合约的最优套期保值比率并对保值效果进行绩效评估，说明期货套期保值在经济生活中的重要作用，并找出绩效评估最佳的套期保值比率模型。同时帮助读者熟悉EVIEWS软件的操作，使读者能用互联网上的数据分析解决实际的金融问题。四、实验方法在实验过程中使用时间序列分析的方法对整理后的价格时间序列按照上面的理论基础模型进行建立模型以得到最优套期保值比率系数，其中涉及时间序列分析中的方法有：模型参数估计，参数的显著性检验，变量平稳性检验（含单位根检验），回归残差项的ARCH效应检验等。这些过程都将在EVIEWS软件中进行，因此EVIEWS软件的使用方法也是我们重要的实验方法。五、实验过程（一）数据的搜集和整理1、数据的搜集本报告以上海期货交易所中铝的期货合约为例，利用上面介绍的方法通过EVIEWS的操作估计中国期货交易所交易的期货合约的最优套期保值比率并对其绩效进行简单评估。由于期货合约在交割前两个月最活跃，使得其价格信息释放较为充分，更能反映期货合约的真实价值，所以中国企业多用距离交割月份较近的期货合约进行保值，故选择了在任何一个时点的后一个月进入交割月的期货合约的中间价格作为分析对象。从国泰君安数据库上下载了AL的2013年1月4号到2013年12月31号的现货价格数据，按上段的方法在上海期货交易所网站上得到相应的期货数据并在EXCEL中进行整理，整理后我们得到含有238对期货现货数据的EXCEL文件。2、EVIEWS工作文件的建立打开EVIEWS，选择FILE下拉菜单中NEW项在NEW项下的下拉菜单中选择WORKFILE项，弹出如图2.1所示workfilecreat菜单窗口：（1）在datespecification中的Frequency的下拉复选框中选择intergerdate；（2）在start和end中分别输入1和238；（3）在WF项后面的框中输入工作文件名称HR，点击OK项弹出如图1所示的工作文件窗口，这样就建立了样本期从1到238的整数频率工作文件HR。图1工作文件HR对话框3、数据的导入在HR工作文件的菜单项中选择Proc，在弹出的下拉菜单中选择Import，然后在二级下拉菜单中选择ReadText-lotus-Excel，找到数据EXCEL文件存储路径后双击文件名。选定数据的排列顺序：Byobservations，选项右边Upper-leftdatacell下的空格填写Excel工作文件左上方第一个有效数据单元格地址，系统默认的为B2，在中输入序列的名称，这里命名为f及s分别为期货和现货价格序列。同时还可以输入数据截取范围，一般不须改变EVIEWS的默认值。点击OK按钮，数据序列即被导入，在工作文件中以图标形式显示，见下图2。图2数据导入后的工作文件4、数据的验证和保存点击导入的序列f，查看导入序列是否正确合理。接着保存工作文件，选File\Save打开保存对话框，输入工作文件名和保存的位置。这里将保存的工作文件命名为FS，点击OK按钮即可，EVIEWS将在指定的目录位置，以FS.WF1的名称保存工作文件。（二）利用Eviews估计最优套期保值比率1、用OLS模型估计最优套期保值比率1)调整样本期在EVIEWS命令窗口中输入“smpl2238”并按回车键执行命令将样本期调整到2到238。这里调整样本期的目的是为了对价格序列进行差分。2)建立F和S的差分序列在EVI