沪深300股指期货最优套期保值实证研究

摘 要:我国股市近年波动剧烈,股票市场系统性风险可见一斑。为了可以使广大投资者在沪深300股指期货推出后能迅速正确地对其利用来规避系统性风险以及最大限度地实现套期保值,本文对沪深300股指期货套期保值进行了实证研究。在分析和比较常用的几种股指期货最优套期保值比率确定模型的基础上,基于方差最小化模型框架,利用沪深300股指期货合约模拟运行以来的样本数据,通过OLS法、VAR模型、ECM模型和GARCH模型四种估计方法,对其最优套期保值比率进行了实证测算和绩效比较,提出了相应的政策建议和投资策略。

关键词:股指期货;套期保值;沪深300股指期货;最优套期保值率

中图分类号:F830.9 文献标识码:A 文章编号:1007-4392(2010)01-0008-03

一、引言

股指期货是一种基于股票指数的金融衍生产品,投资者既能够通过其对现货资产进行风险对冲,降低资本市场的系统性风险;又能够将其作为一种具有杠杆倍数的投机套利工具,丰富资产组合的结合,以期获得良好的收益。套期保值不仅是期货市场的主要功能,也是其存在和发展的原因。从国外成熟市场的经验来看,在股指期货的众多功能中,套期保值仍是多数投资者进行交易的主要目的,尤其是对大型的机构投资者来说,运用股指期货对现货资产进行套期保值已经成为风险管理中的重要手段。我国股指期货推出后,运用股指期货对投资进行套期保值将会得到广泛的应用。然而,在制定套期保值交易策略时,核心问题是确定最优套期保值比率,使投资者的资产头寸在面对基差波动风险的情况下能够获得最大化的收益或者最小化的损失。

本文试图在分析最优套期保值比率的基础上,以即将推出的沪深300股指期货为分析对象,运用协整等建模方法,研究沪深300股指期货和现货的相关性,并利用相关模型估计最小风险套期保值比率,同时对套期保值有效性进行分析,为投资者未来利用沪深300股指期货进行套期保值提供理论与实践的指导。

二、研究方法

本文的实证研究主要基于最小方差模型展开。对于基于方差最小的风险最小化套期保值比率主要有以下常用方法:

(一)最小二乘法回归模型(OLS法)

传统回归模型对套期保值比率的市计主要通过最小二乘法(OLS法)进行,Witt和Martinl在1987年概括了几个估计套期保值比率的常用公式,其中之一是代表传统方法进行套期保值比率的估计。有如下的回归方程:

rs,t=α+Hrf,t+εt(1)

其中,rs,t为t时刻现货头寸回报;rf,t为t时刻期货头寸回报,s为现货价格,f为期货价格。α为回归函数的截距项,t为白噪声。于是可通过简单的线性回归,斜率系数H就是所要估计的最优套期保值比率OHR。

(二)向量自回归模型(VAR)

最小二乘法估计会受到残差项的自相关性的影响,而向量自回归模型(VAR)能够克服这一缺点。在VAR模型中,期货价格和现货价格存在以下关系:

rs,t=αs+βsi rs,t-i+γsi rf,t-i+εst(2)

rf,t=αf+βfi rs,t-i+γfi rf,t-i+εft(3)

其中,εst和εft为误差项。在这一模型中要寻找最佳的滞后值m和n,使残差项的自相关消除。可以得到OHR为:

H=(4)

上述最小化风险套期保值比率也可以通过下面的回归模型给出,即:

rs,t=α+Hrf,t+γsi rs,t-i+θsi rf,t-i+εst(5)

(三)误差修正模型(ECM)

现货与期货价格大部分时候是协整的,它们之间具有一种长期均衡关系。相应地,市场价格会对长期均衡关系的偏离做出反应。Ghosh根据协整理论,建立了估计最小风险套期保值比率的误差修正模型。这一模型同时考虑了现货价格和期货价格的非平稳性、长期均衡关系以及短期动态关系。当存在协整关系时,我们考虑采用误差修正模型来进行模型:

rs,t=αs+βsi rs,t-i+γsi rf,t-i+ks Zt-1+εst(6)

rf,t=αf+βfi rs,t-i+γfi rf,t-i+kf Zt-1+εft(7)

其中Zt为误差和正项,一般采用Zt=st-αft。实证发现,Zt可用Zt=st-ft来近似。从而得出OHR为:

H=(8)

上述OHR也可以通过下面的回归模型给出,即:

rs,t=α+Hrf,t+γsi rs,t-i+θsi rf,t-i+ωZt-1+εst(9)

(四)广义自回归条件异方差模型(GARCH)

Engle(1982)提出了自回归条件异方差模型(ARCH),而Bollerslev(1986)发展成为广义自回归条件异方模型(GARCH)。他们认为这种变化很可能是由于金融市场的波动性易受谣言、政局变动、货币政策与财政政策变化等影响,因此有理由相信误差项的条件方差不是某个自变量的函数,而是随时间变化且依赖于过去误差的大小。GARCH(1,1)模型中的套期保值比率可以通过下面的回归方程得出:

rs,t=c+Hrf,t+εst(10)

σ=ω+αε+βσ(11)

(五)套期保值效果的衡量指标

本文采用的套期保值比率的计算方法是在方差最小化的框架下进行的,在套期保值效果的检验中,主要比较进行套期保值组合回报的方差比未进行套期保值组合的方差降低的比例,得出套期保值有效性E:

E=(12)

式中,ru,t和rh,t分别是未进行套期保值和运用股指期货进行套期保值的投资组合回报。

三、基于沪深300股指期货的实证分析

1.样本数据的说明。

沪深300指数期货合约于2006年10月30日开始在中国金融期货交易所进行仿真交易,一般推出当月、次月和随后两个季月的合约。和股票不同,每个期货合约都有到期日,因此期货价格是不连续的时候序列。为了克服期货价格的不连续性,本文把每一天离到期日最近的合约品种的收盘价格连接起来,用这个新的价格数据序列进行回归分析。我们选取了2006年10月30日到2009年9月30日期间沪深300指数现货和期货收盘价作为分析对象,其中排除周末和节假日,共716组数据。

图1是2006年10月30日到2009年9月30日沪深300指数现货和期货的走势图。从图中可以看出,沪深300指数现货和期货除2007年第四季度至2008年1月的波动期外,走势基本一致,显示出了较好的相关性,符合套期保值策略的基本要求。此波动期期货指数出现大幅偏离,平均偏离437点,最大差距达到了1307点。这其中的主要原因是:一方面,在连续月份期货价格数据的连接点,也就是每一个当月月份到期时,期货价格会出现较大的波动,也就是会出现所谓的“到期日效应”,而且在远期合约的转换过程中也会存在价格的迁跃现象;另一方面,沪深300指数在2007年第四季度内因为有较多大盘股相继上市,且波动幅度较大,也对期货指数造成了较大的波动。图2是沪深300指数现货和期货的基差走势图,能够直观地表示出期、现货指数波动的情况。从2007年第4季度至08年1月开始,两者表现出较大的基差风险。

2.数据的平稳性检验和协整检验。

(1)单位根检验(ADF检验):由于非平稳时间序列会造成“伪回归”现象,所以在对沪深300指数期货收盘价与现货收盘价之间的协整关系进行检验之前,首先对期货收盘价和现货收盘价序列的平稳性进行检验。表1列出了对沪深300期、现货指数及相应一阶差分序列的ADF检验结果。

从表1可以看出,沪深300指数期、现货序列的ADF统计量都大于1%的临界值,说明在1%的置信度水平下不能拒绝原假设,指数序列是非平稳的。再对其相应的一阶差分进行检验,其ADF统计量小于1%的临界值,说明现货指数和期货指数的一阶差分均是一阶平稳过程。

(2)协整检验。由于现货和期货指数一阶差分满足一阶平稳过程,可以用协整检验来测试现货指数和期货指数两个变量之间是否存在长期均衡的关系。因为只涉及期货价格和现货价格两个变量,本文采用Granger两步法进行协整检验,其主要思路是:首先对现货指数和期货指数进行回归分析,然后检验回归方程的残差序列是否平稳。如果残差序列能够通过平稳检验,则说明现货指数和期货指数存在长期均衡关系,并且期货价格是现货价格的无偏估计量。我们对残差序列的平稳性检验如表2所示,结果显示残示差序列是平稳的,可以认为现货指数和期货指数是协整的。

3.最优套期保值比率的估计结果与比较。

我们就716个样本数据利用EVIEWS软件对上文所述的四种不同估计模型的进行回归结果如下:

从表3看,四种模型的拟合优度较好,调整后的R2都在0.98以上,其中VAR模型估计出的R2最高,达到0.997517,而GARCH的R2最低,为0.988444,不同估计方法得出的最优套期保值比率都在1以下,但保持在0.5以上,最小的VAR模型估计结果0.549073,最大的为GARCH模型估计结果0.948516,显示出目前现货指数和期货反映数的整体走势还是具有较高相关的,套期保值策略面临的基差风险还是比较大的。

4.不同模型的套期保值绩效比较。

我们在风险最小的模型框架内,将按照不同估计方法计算所得的套期保值比率代入到所在样本区间进行检验后,得到以下效果指标。从表4中的结果来看,总体上各模型的套期保值效果较好,E均在0.98以上。其中,运用VAR和ECM模型估计的最优套保比率的效果最好,E达到0.997539,GARCH模型的效果相对较差,但差距并不很大。所以笔者认为,就目前沪深300股指期货的运行情况来看,基于风险最小化套期保值策略计算出的最优套保比率效果比较明显,能够有效达到规避系统性风险的目的。

四、结论与建议

(一)实证分析的结论

(上接第10页)研究结果表明,现阶段沪深300指数现货和期货的走势相关性较强,为套期保值策略的实施提供了良好的基础。就最优套期保值比率的确定来看,四种不同估计模型存在较大差异,稳定在0.54-0.95之间。也就是说,目前沪深300股指期货的基差风险还是比较大,整个市场的系统性风险程度也比较高。在不同模型的套保绩效方面,四种估计方法的绩效衡量指标相差不大,而VAR和ECM模型分别考虑了自相关性和协整性,显示出了相对于其他两种方法更为有效的结果。

(二)股指期货套期保值的策略建议

目前,沪深300股指期货作为我国即将推出的第一个股指期货合约品种,还处在仿真模拟阶段,因此实际操作的建议还只是一种理性探讨。就套期保值策略的投资者来看,股指期货推出后还是以机构投资者为主。比如跟踪上证50、上证180和沪深300等指数的ETF和LOF基金。这些投资机构的标的资产与沪深300指数的相关性较好,运用沪深300股指期货的套期保值效果也会比较理想。而对于一些采取积极配置和具有偏向性的投资者来说,套期保值策略的重点在于考察自由资产组合和股指期货的相关性。这些投资者的资产组合和标的指数可能存在偏差,在确定投资策略和计算最优套保比率时,要进行个性化的调整。

参考文献:

[1]梁翰晖,张维等.《套期保值计算模型在中国市场的有效性》[J].《天津大学学报》,2006年6月第39卷。

[2]高辉,赵进文.《沪深300股指套期保值及投资组合实证研究》[J].《管理科学》,2007。

[3]王春发,李达.《沪深300股沪指期货套期保值实证研究》[J].《金融发展研究》,2008第7期。

[4]梁斌,陈敏等.《我国股指期保值比率研究》[J].《数理统讦与管理》,2009年1月第28卷第1期。

[5]Johnson L L. The theory of hedging and speculation in commodity futures[J]. Reciew of Economic Studies, 1986, 27(3): 139-151.

[6]Seelajaroen, R. (2000) Hedge ratios and hedging effectiveness of the SOI futures contract, Accounting Research Journal, 13(2).

[7]Choudhry, T.(2003) Shot?鄄run deviations and optimal hedge ratio: evidence from stock futures, Journal of Multinational Financial Management, 13(2), pp.171-192.