金融工程课程设计论文

铝期货套期保值最佳比例的实证分析

1 引言

套期保值是指以回避现货价格风险为目的的期货交易行为。企业为了回避价格波动所带来的不利影响而参与期货交易，在期货市场上买进（卖出）与其将要在现货市场上买进（卖出）的现货商品数量相当，期限相近的同种商品的期货合约。希望在未来某一时间内，在现货市场上卖出（买进）原来买进（卖出）的期货合约，从而将价格波动的风险降到最小，是交易者将现货与期货结合运作的一种经营管理模式。套期保值表明企业参与交易的目的和途径，保值是目的，即保住目前认为合理的价格和利润，回避以后价格不利带来的风险，套期是实现保值的途径，即套用期货合约，参与期货交易。

因此，我国铝期货套期保值绩效进行验证检验，分别采用OLS模型、ECM模型和B-VAM模型估计铝期货套期保值比率，并比较各种模型的优劣。

2 实证研究

2.1数据搜集与整理

由于每个期货合约都将在一定时间到期，因此，期货价格具有不连续的特点，即对每一个期货合约，合约的时间跨度是有限，任一交割月份合约在合约到期以后，该合约将不复存在。另外，在同一个交易日，同时有若干不同交割月份的期货合约在进行交易，因此，同一期货品种在同一交易日会有若干不同交割月份的期货数据存在。为研究需要，克服期货价格不连续的缺点，必须产生连续的期货价格序列，为此，我们选取铝期货价格和现货价格（有色金属现货每日最高价格与最低价格的平均价）。

表一铝现货期货价2010年01月04日至2010年12月31日数据

序

号现货 S 期货 F 序

号现货 S 期货 F 序号现货 S 期货 F

2.2运用单方程时间序列模型估计最优套期比

2.2.1用OLS 模型估计最优套期比 建立S 关于F 的回归方程：

Dependent Variable: S Method: Least Squares Date: 06/14/12 Time: 20:36 Sample: 1 242

Included observations: 242

Variable

Coefficient Std. Error t-Statistic Prob. F 0.652882 0.043810 14.90241 0.0000 C

5358.104

695.8423

7.700170

0.0000 R-squared

0.480612 Mean dependent var 15715.37 Adjusted R-squared 0.478448 S.D. dependent var 734.6375 S.E. of regression 530.5448 Akaike info criterion

15.39392 Sum squared resid Schwarz criterion

15.42275 Log likelihood -1860.664 F-statistic 222.0820 Durbin-Watson stat

0.115910 Prob(F-statistic)

0.000000

图1 S 关于F 回归方程

得回归方程：

5358.1040.652882(7.700170)(14.90241)(0.0004)(0.0000)

t t t

s f p ε=++=

t f 系数的p 值接近0，回归系数是显著的。回归结果得到每单位现货用

0.652882单位期货进行空头保值，即最优套期比是0.652882。

结论1：由现货价S 关于期货价F 回归模型得到的套期比是0.652882。

评价：1）虽然模型系数显著，但是模型精度20.480612R =离1较远，精度不太高。所以不能排除此模型是伪回归。

2）这一结论只能保证在保值策略实施前（建模的样本内），模型在一定程度上是有效的，不能保证在策略实施期（样本外）模型同样有效，所以使用这一结论进行套期保值需要注意到这些情况。

建立t s ∆关于t f ∆的回归方程：

Dependent Variable: DS Method: Least Squares Date: 06/14/12 Time: 21:02 Sample(adjusted): 2 242

Included observations: 241 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob. DF -0.053788 0.043371 -1.240160 0.2161 C

1.199265

8.024898

0.149443

0.8813 R-squared

0.006394 Mean dependent var 1.286307 Adjusted R-squared 0.002237 S.D. dependent var 124.7147 S.E. of regression 124.5751 Akaike info criterion 12.49596 Sum squared resid 3709033. Schwarz criterion 12.52488 Log likelihood -1503.763 F-statistic 1.537998 Durbin-Watson stat

1.683643 Prob(F-statistic)

0.216132

图2 t 关于t 的回归方程（含常数项）

常数项概率很大，接受常数为0的假设，重新定义回归方程：

Dependent Variable: DS Method: Least Squares Date: 06/14/12 Time: 21:04 Sample(adjusted): 2 242

Included observations: 241 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob. DF

-0.053844

0.043281

-1.244051

0.2147 R-squared

0.006301 Mean dependent var 1.286307 Adjusted R-squared 0.006301 S.D. dependent var 124.7147 S.E. of regression 124.3212 Akaike info criterion 12.48775 Sum squared resid

3709380. Schwarz criterion

12.50221