前言：尋找寫作靈感？中文期刊網用心挑選的銅期貨動態套保策略，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

0引言   作為期貨的主要功能之一，套期保值一直是理論界和業界關注的熱點問題．在其理論研究中，最小方差套期保值比率的確定又是其核心問題．   早期的研究主要是利用回歸模型來估計不變的最小方差套保比率，Johnson［1］最早提出了商品期貨最佳套保比率的概念，并給出了最小二乘法計算公式．Ederington［2］將OLS方法應用到了金融期貨市場，并提出了套期保值績效的衡量指標．Witt等［3］總結了用傳統的OLS回歸模型估計最小方差套保比率的基本方法．隨著計量經濟學的發展，越來越多的學者開始批評OLS估計方法的缺點—殘差無效性問題，并提出了一些改進的估計方法，Lien和Luo［4］、Ghosh［5］、Chou等［6］考慮期貨價格序列和現貨價格序列可能存在的協整關系，分別提出了估計最優套保比率的誤差糾正模型ECM，并使用兩步法進行估計．然而金融資產的收益率序列往往表現出“波動聚集”的特征，一些學者提出了動態套期保值的概念．Cecchetti等［7］利用ARCH模型對美國國債期貨估計了最優套保比率，發現該比率隨時間有顯著的變化．Baillie和Myers［8］運用BGARCH模型計算了最佳動態套期比，并對美國期貨市場大豆、玉米、棉花等品種進行了實證研究，結果表明動態套期保值比率要優于靜態套期保值比率．Kroner和Sul-tan［9］同時考慮期貨價格序列和現貨價格序列可能存在的協整關系及方差和協方差的時變性，將誤差糾正模型與GARCH模型結合起來，發展了ECM-GARCH，并用來估計了英鎊、日元、加元等世界上主要貨幣期貨的最優套期保值比率，取得了良好的套期保值效果．國內也有大量學者對中國期貨套期保值功能進行了研究，陳曉紅和朱霞［10］從神經網絡的角度研究了期貨套期保值．王駿和張宗成［11］利用OLS、BVAR、ECM和ECM-GARCH模型對中國硬麥和大豆期貨套期保值功能進行了實證研究，結果顯示動態模型的套保效果優于靜態模型．黃瑞慶、何曉彬［12］利用OLS、BVAR、ECM和BEKK-GARCH模型對中國銅、小麥期貨的套保比率進行估計，結論是OLS模型最優，GARCH模型效果最差．汪煒和杜利輝［13］對大豆、硬麥套期保值進行了研究，結論是考慮協整關系的ECM模型優于OLS和BVAR模型．   總之，國內外研究套期保值的文獻很多，但考慮基差(即現貨與期貨價格之差)效應的期貨套保策略方面的文獻卻不是太多．最早考慮基差對套保的影響可以追溯到Working［14］的研究工作，他提出了基于基差預測的套期保值的思想．Fama和French［15］、Castelino［16］認識到基差反映了現貨和期貨價格的趨同，是一個重要的信息變量．Kro-ner和Sultan［9］提出的ECM-GARCH模型中僅僅考慮了基差對條件均值的影響，沒有考慮基差對期現貨風險結構的影響．Ng和Pirrong［17］、Hsln［18］研究表明當基差變大時，現貨和期貨價格的波動性變大，相關性變小，因此最小方差套保比率應隨著基差變化而變化．Zhong［19］等的研究發現基差對期貨收益波動性的影響不是單調的，呈一種V型結構．Lien和Yang［20－21］考慮基差的影響，對動態套保比率進行計算，研究結果表明考慮基差影響的模型比不考慮基差影響的模型效果要好．國內也有一些學者開始研究基差對套期保值效果的定量影響，張龍斌等［22］考慮基差非對稱影響研究了國際主要股指期貨的對沖策略，結論表明考慮基差效應的對沖策略能有效提高股指期貨對沖的效率．梁春早［23］考慮基差對稱效應研究了我國銅期貨的對沖策略，結果表明考慮基差影響的對沖策略能有效提高股指期貨對沖的效率．   綜合以上分析，在估計商品期貨動態最小方差套保比率時，都沒有同時考慮基差對期現貨條件均值及條件方差－協方差風險結構的非對稱影響．因此，考慮基差對條件均值和條件方差－協方差結構的非對稱效應，來研究基差對套期保值效果的影響，以期為套保者提供理論和實踐指導．   1方法與模型②   期貨協整理論認為期貨和現貨價格是協整的，它們之間存在一種長期的均衡關系．然而期貨或現貨價格的錯誤定價會造成這兩者價格關系與長期均衡的短期偏離，這種短期偏離有向長期均衡回復的趨勢，其中，引入的誤差糾正機制(即滯后基差項)則決定著期現貨價格的一起運動，調整著期現貨價格的短期偏離［10，17，20，21，24］．為了描述期現貨價格可能存在的長期均衡關系，現貨和期貨收益率的條件均值方程設定為其中，St，Ft分別表示t時刻現貨和期貨的價格，Rs，t=ln(St)－ln(St－1)，Rf，t=ln(Ft)－ln(Ft－1)，分別表示現貨和期貨價格的收益率;Bt－1為滯后基差(即模型的誤差糾正項)，Bt－1=ln(St－1)－ln(Ft－1);系數γs和γf為調整速度，測度每個市場對于長期均衡關系的偏離以多快的速度作出反應．為了捕捉期現貨收益率的時變相關特征，修訂了Engel［25］提出的動態條件相關DCC模型來進行刻畫．方程(1)和(2)中殘差項Et=(εs，t，εf，t)'的條件方差—[協方差矩陣可以表示為其中，Ωt－1是t－1時刻可以獲得的信息集，Ht表示t時刻的條件方差矩陣，hs，t，hf，t分別表示現貨和期貨收益率的條件方差．hs，t，hf，t，ρsf，t的具體形式設定為上述構建的模型中僅僅考慮了基差對條件均值的影響，但是沒有考慮基差對條件方差—協方差結構的影響，因此把方程(1)—(9)稱之為DCC-BGARCH模型．考慮基差對期現貨收益風險結構的對稱影響，Sim和Zurbreugg［26］采用在條件方差—協方差結構中加入|Bt－1|來驗證基差對KOSPI200期貨合約套保績效的對稱影響，Lien和Yang［21］則是采用基差的平方項來研究基差對條件方差—協方差結構的對稱效應．從基差風險的角度考慮，采用Sim和Zurbreugg給出的模型，具體形式為方程(1)—(2)和(10)—(12)僅考慮了基差的對稱影響，因此記為BSEDCC-BGARCH(basis-symmetric-effectDCC-BGARCH)模型．   進一步考慮基差對期現貨收益條件均值和條件方差的非對稱影響，參考Lien和Yang［20－21］的建模思想，首先將基差項分解為正負兩項:Bt－1=B+t－1+B－t－1，B+t－1=max(Bt－1，0)和B－t－1=min(Bt－1，0)，把正負基差項作為解釋變量引入期現貨收益率的條件均值方程中，得到進一步考慮基差對條件方差—協方差結構的非對稱影響，Lien和Yang［20］采用正負基差項來研究基差對條件方差—協方差結構的非對稱效應，Lien和Yang［21］采用正負基差的平方項來研究基差對條件方差—協方差結構的非對稱效應．為保證條件方差—協方差矩陣的正定性，將正基差B+t－1和負基差的絕對項|B－t－1|引到條件方差—相關系數方程中，即為方程(13)—(17)均考慮了基差對條件均值和條件方差—相關系數的非對稱影響，因此把這種模型設定稱之為BAEDCC-BGARCH(basis-asymmetric-effectDCC-BGARCH)模型．當限定條件γsp=γsn和γfp=γfn時，條件均值方程(1)和(2)是方程(13)和(14)的特例．利用Pagan和Schwert［27］和Engle和Ng［28］提出的兩階段估計法進行參數估計．首先利用最小二乘法(OLS)估計條件均值得到殘差εs，t和εf，t，然后把計算得到的殘差εs，t和εf，t作為觀察數據利用極大似然方法(MLE)估計條件方差—協方差矩陣中的參數．利用MLE方法估計參數時，對數似然函數可表示為。#p#分頁標題#e#   2數據選取和統計特征分析   由于銅的現貨價格數據較易獲得，而國內其他期貨品種的現貨價格數據的獲取較為困難，另外，期銅是比較成熟的交易品種，而且也是目前國內交易最為活躍的品種，價格和國際充分接軌，套期保值者參與程度高．因此，分析采用日價格，期貨數據來自于上海期貨交易所銅期貨合約價格，現貨數據來自于上海金屬網披露的長江1#銅均價．樣本數據區間統一為2004年1月4日至2010年1月29日，扣除掉節假日，共1478個樣本觀察值;并將前1278個觀察值作為樣本內數據來估計銅期貨的最優套期保值比率，而將剩余的200個觀察值作為樣本外數據用來評價套期保值的效果．   由于各合約期貨價格是不連續的，每個期貨合約都有到期日．因此，為了得到連續、真實的期貨價格，通常的做法是采用最近期月份合約連結而成連續期貨合約(即在最近期月份期貨合約進入交割月后，選取下一個最近期月份的期貨合約)Kroner和Sultan［9］．然而，Peck［29］研究發現上海銅期貨合約在距交割月4到5個月時，成為主力合約，交易最活躍，成交量最大．Lien和Yang［21］利用距交割月1個月到7個月的合約平均交易量研究了連續數據生成問題，發現上海銅期貨合約在距交割月3個月時，交易量最大．陳銳剛和周慧娟［30］從市場流動性角度研究了連續數據的生成問題，實證結果表明2004年10月份之前銅期貨各合約大多在距離交割月5個月以上時成為主力合約，之后銅期貨各合約多在距交割月3個月時成為主力合約;綜合來看，金屬期貨主力合約的流動性格局分布特征比較明顯，銅期貨合約在距交割月3個月左右時成為主力合約，呈現近期合約活躍的特點．因此，滬銅連3數據基本包含了市場波動信息，交易十分活躍，并且為了保持數據的一致性，選用最具代表性的滬銅連3數據作為期貨價格序列．   對期貨和現貨價格序列均做自然對數化處理，將基差定義為t時刻對數化后的現貨價格與對應的對數化后的期貨價格的差，即Bt=ln(St)－ln(Ft)，其中，St為t時刻的現貨價格，Ft為t時刻的期貨價格．圖1為滬銅期現貨價格對數序列的走勢圖．可以看出，銅期貨價格和現貨價格存在顯著的相關關系，相關程度高達90%以上，這也保證了通過銅期貨市場來對現貨進行套期保值的有效性．圖2顯示了銅的期貨價格與現貨價格的基差變化．基差圍繞0上下波動，且波動劇烈．基差大多表現為正值，表明期銅市場主要呈現反向市場④，并且反向基差持續時間長，幅度不斷擴大．以零基差為分界線，還可以觀察到基差的分布存在不對稱性．   表1為期現貨收益率和基差序列的描述性統計量．可以發現，期貨收益率的波動略高于現貨收益率，二者標準差的不一致反映了基差的變化;基差的波動小于期貨和現貨價格的波動，因此套期保值實質上是以較小的基差風險代替較大的價格風險，而大于期現貨收益率的波動，因此按1∶1的套保比率進行套期保值可能不是最優的;期貨和現貨收益率序列的偏度都為負，峰度大于3，說明與正態分布相比，價格變動序列均呈左偏趨勢，呈現出比較明顯的尖峰厚尾特征．而基差序列呈右偏趨勢，有明顯的尖峰厚尾特征;J-B統計量表明各價格序列拒絕正態分布的原假設，均呈非正態分布性質;ADF檢驗表明期現貨的對數價格均為非平穩的，而期現貨價格收益率序列是平穩的．基差序列在5%的置信水平下是平穩的，說明期貨價格和現貨價格之間可能存在協整關系．   為進一步驗證期現貨價格之間可能存在的協整關系，選擇含常數項而不含趨勢項的Johansen協整檢驗進行檢驗，由表2的檢驗結果可知，在5%的置信水平下，拒絕不存在協整關系的假設，但不能拒絕至多存在一個協整關系的假設，說明期貨和現貨價格之間存在協整關系，即在短期內期貨與現貨價格可能偏離長期均衡關系，但從長期看，期貨與現貨價格之間保持著長期的均衡關系．為了驗證銅期現貨收益率序列是否存在波動聚集現象和異方差效應，利用Engle提出的ARCH-LM檢驗方法．首先建立現貨收益率和期貨收益率的誤差糾正模型，作OLS估計，得到Δln(St)=0．0019+0．6702Δln(Ft)－0．0473×Bt－1+μt，然后對得到的殘差μt序列進行ARCH-LM檢驗．表3給出了OLS殘差的ARCH效應檢驗結果．可以看出，F統計量和LM統計量都是顯著的(概率P均為0)，說明對銅期貨OLS回歸得到的殘差項存在ARCH效應．   3實證結果   3．1參數估計及分析   采用RATS7．0軟件對極大似然估計方法進行編程，在模型估計中，根據AIC和BIC準則，期現貨收益率的滯后階數p和q統一取2．表4和表5分別為期現貨收益率條件均值估計結果及期現貨收益率條件方差和相關系數的估計結果，可得出如下結論．   1)基差對期貨收益的影響比對現貨收益的影響顯著，這表明現貨與期貨價格短期偏離擴大，主要是通過期貨市場發揮調整作用，進而維持兩市場間的長期均衡關系．這可能是因為期貨合約交易成本低，當市場存在套利機會時，投資者一般會進入期貨市場進行套利，而不會選擇現貨市場;基差與期貨收益呈現正相關，當現貨價格低于期貨價格(負基差)，受長期均衡關系的制約，現貨價格將趨于增大，期貨價格將趨于減少;基差對期貨收益的影響存在非對稱效應，負基差對期貨收益的影響顯著性水平大于正基差的影響，并且負基差對期貨收益為正的影響;考慮基差非對稱影響的DCC-BGARCH模型的對數極大似然值大于SEDCC-BGARCH模型和DCC-BGARCH模型，說明AEDCC-BGARCH模型擬合地更好．   2)參數ξs和ξf都顯著為正，表明滯后基差項對現貨收益波動和期貨收益波動都是正影響，即隨著基差的增大，現貨和期貨的波動性變大;參數ξsp和ξfp都顯著為正，表明正基差對期現貨波動性的影響都為正，當正基差變大時，現貨和期貨價格的波動性變大;參數φsn和φfn都顯著為正，意味著負基差的絕對項|B－t－1|對期現貨價格波動是正的效應，也就是負基差對期現貨價格波動是負的效應，即隨著負基差的增大，現貨價格和期貨價格的波動性變小;比較上述四個參數的估計值，發現|φsn|＞|ξsp|和|φfn|＞|ξfp|，這表明基差對期現貨價格波動性的影響具有非對稱效應，其中負基差對期現貨波動性的影響要大于正基差，這也證實了基差對期現貨價格波動性的影響是一個不對稱的V型效應，這和Kogan、Zhong等人的研究結論是一致的．這是因為期貨市場存在異質投資者，其中套期保值者是風險厭惡的，套期保值者向投機者轉讓風險溢價．套保者風險厭惡程度越高，其轉讓的風險溢價利潤越多，市場風險溢價和基差的絕對值就會增加，也就吸引更多的投機者參與期貨市場，使得持倉量、交易量和波動率更大．#p#分頁標題#e#   3)參數κ1表示上一期的相關系數對本期相關系數的影響程度，描述動態條件相關系數的持續性．κ1系數統計上顯著，并且值在0．94以上，表示當期的條件相關系數受前期相關系數的影響非常大;參數μ顯著為負，表示基差對期現貨相關性的影響為負，即當基差變大時，現貨和期貨的相關系數變小;μp顯著為負和μn顯著為正，并且|μn|＞|μp|，表明當基差增大時(即正基差變大，負基差變小)，現貨價格和期貨價格之間的相關性變小，而且負基差對條件相關系數的影響要比正基差大．這也說明了基差對期現貨收益的相關系數呈不對稱的倒V型影響．圖3為考慮基差非對稱影響的動態條件相關系數．可以看出，現貨價格和期貨價格的動態條件相關系數不是常數，而是時變的，在0．5—0．9區間內波動．   3．2套期保值績效比較   基于上述三種模型估計的參數，構建了三種動態套保策略(即三種動態模型計算得到的最優套保比率)和計算了套保組合收益的方差及方差變化．若構造現貨和期貨的投資組合進行套期保值，組合的收益為Rp，t=Rs，t－h*tRf，t，其中Rs，t為現貨收益率，Rf，t為期貨收益率，h*t為估計得到的最佳套保比率．為了比較不同套保策略的效果，可以通過計算套保組合收益的方差Var(Rp，t)=Var(Rs，t－h*tRf，t)來實現，套保組合收益的方差越小，說明套保效果越好．同時還采用Ederington提出的套保績效的衡量指標進行比較，即與未參與套保時的收益方差相比參與套保后收益方差的減少程度．其度量指標為He=(Var(Ut)－Var(Rp，t))/Var(Ut)，其中Var(Ut)=Var(Rs，t)，表示未進行套保時收益的方差，即現貨收益率的方差．相對不進行套保時，方差減少程度He越大，套保的效果越好．表6給出了樣本內和樣本外三種套保投資組合的方差及相對于不進行套保時三種策略的風險減少程度．首先進行樣本內比較，從表6可知，考慮基差非對稱效應的DCC-BGARCH模型套保的組合方差明顯小于其他兩種模型套保的組合方差;相對于不進行套保時，這三種模型均能有效降低現貨市場價格變動的方差60%左右，其中考慮基差不對稱影響的模型風險降低的程度最大．這就說明考慮基差非對稱效應的套保策略能更好地減少組合收益的方差，提高動態套期保值的效率．再從樣本外進行比較，發現樣本外套保績效弱于樣本內套保績效，說明2009年4月到2010年1月我國滬銅期貨市場投機氛圍濃厚，不利于套期保值功能的發揮．樣本內和樣本外的結果表明采用動態套保策略均能有效降低現貨價格的風險，考慮基差非對稱效應的動態模型提供的套保效果最好.   4結束語   隨著我國期貨市場的不斷成熟和完善，基差變化對套期保值的影響日益重要，因此對基差波動規律的研究及基差的預測也成為學術界和業界研究的熱點問題．基于DCC-BGARCH模型框架，將基差分解成正、負基差項引入到條件均值及條件方差—動態相關系數中，分析基差對期現貨收益、波動及相關性的非對稱影響，最后從樣本內和樣本外進行了套保績效比較．   選用交易最為活躍、套期保值參與程度高的滬銅期貨市場作為對象，通過實證研究發現:1)基差對期貨收益的影響比對現貨收益的影響顯著;基差對期貨收益的影響存在非對稱效應，負基差對期貨收益的影響顯著性水平大于正基差的影響，并且負基差對期貨收益為正的影響．2)基差對期現貨價格波動性的影響具有非對稱效應，其中負基差對期現貨波動性的影響要大于正基差，基差對期現貨價格波動性的影響是一個不對稱的V型結構;同樣地，基差對期現貨價格間的相關性具有非對稱影響，其中負基差對條件相關系數的影響要比正基差大．這也說明了基差對期現貨收益的相關系數呈不對稱的倒V型影響．3)無論是樣本內比較還是樣本外比較，考慮基差非對稱效應的套保策略比其他模型有更好的套保效果;樣本內的套保績效要優于樣本外的套保績效，說明在樣本外期銅市場投機氣氛濃厚．   研究結論對于套期保值者具有重要的參考意義．對以金屬銅為主要原料進行生產和經營的企業來說，在套期保值前應認真分析基差的變化規律，充分考慮基差的非對稱效應，合理選取動態套期保值策略;套期保值過程中應該密切跟蹤基差變化，測算基差風險，并在基差出現重大不利變化時及時調整套期保值操作，以控制基差風險．