(完整版)期货套期保值比率绩效评估

期货套期保值比率绩效的评估

金融工程一班 2012312570014 毛钰婷

一、实验目的

利用简单回归模型（OLS）模型、误差修正模型（ECM）模型和ECM-BGARCH 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。

二、实验内容

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。

三、实验步骤

（一）数据的搜集

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，因此我们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。所以

每次取期货合约时都只用它到期前倒数第二个月的数据，现货数据

与期货数据按时间对应。若哪一天现货或期货有其中一数据缺失，

则去掉该数据以达到一一对应。本实验从上海金属网上把AL的11

年4月18号到13年4月18号的现货数据截取下来，按上段的方

法在同花顺平台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488对期货（f）、现货（s）数据的EXCEL文件，

并命名为FS. 由于数据量较多，具体数据见附录1。

（二）用OLS模型估计最优套期保值比率

先调整样本期以便建立F和S的差分序列，再建立F和S的差分序列的回归方程。

结果显示该方程整体上显著的且解释变量系数很显著（p值为0），

故基本认可该回归模型。回归结果表明每一单位的现货头寸要用

0.931627位相反的期货头寸进行对冲，即最优套期保值比为

0.931627。

（三）用ECM模型估计最优套期保值比率

1、期货价格序列即f序列的平稳性检验

从序列的自相关系数没有很快的趋近与0，说明原序列是非平稳的序列。下面对其进行进一步的单位根检验。由于资产价格序列往往具有一定的趋势和截距，因此在include in test equation中我们选择同时具有趋势项和常数项，即Trend and intercept，得：

从结果可以看出ADF检验值大于各显著水平临界值，且犯第一类错误的概率大于0.1，说明我们不能拒绝原序列存在一个单位根的假设。接着我们对其一阶差分序列进行检验：

从结果中可以看出ADF统计量小于临界值，犯第一类错误概率接近为0，说明一阶差分序列不存在单位根。综上两次检验我们可以肯定期货序列f是一阶单整的。

2、现货价格序列即s序列的平稳性检验

从序列的自相关系数没有很快的趋近与0，说明原序列是非平稳的序列。下面对其进行进一步的单位根检验。由于资产价格序列往往具有一定的趋势和截距，因此在include in test equation中我们选择同时具有趋势项和常数项，即Trend and intercept，得：

从结果可以看出ADF检验值大于各显著水平临界值，且犯第一类错误的概率大于0.1，说明我们不能拒绝原序列存在一个单位根的假设。接着我们对其一阶差分序列进行检验：

从结果中可以看出ADF统计量小于临界值，犯第一类错误概率接近为0，说明一阶差分序列不存在单位根。综上两次检验我们可以肯定现货价格序列s也不平稳，它与期货价格一样也是一阶单整的。

3、对现货价格序列s和期货价格序列f的协整检验

由于期货价格序列与现货价格序列是同阶单整的，故满足协整检验前提。接下来我们用现价格对期货价格做回归，用其残差来检验期货价格序列与现货价格序列是否存在协整关系。现货价格对期货价格的回归结果：

再对残差e序列进行单位根检验：

结果显示在5%的置信区间内可以接受残差序列 e不含单位根的假设。这说明两序列协整关系存在，因此这里的残差项e可以当作误差修正项用作建立误差修正模型。

4、建立含有误差修正项的△F 和△S 间的误差修正模型

从F统计量看出该方程整体上是系数显著的，自变量系数和误差修正项系数的 t 统计量都很显著，故该回归模型拟合的较好。回归结果表明每一单位的现货头寸要用0.924849单位相反的期货头寸进行对冲，即最优套期保值比为0.924849。

（四）用ECM-BGARCH模型估计最优套期保值比率

1、A RCH效应检验

从图中可以看出，F统计量和LM统计量都是显著的，说明方程残差项具有ARCH 效应。

2、对△S做单方程的GARCH估计

3、对△F做单方程的GARCH估计

4、计算动态最优套期保值比率

对两个GARCH模型的残差进行比较

得到动态最优套期保值比率，具体数据见附录2

还可得最优套期保值序列的均值和标准差

（五）对利用最小方差套期比的套保组合进行绩效评估

通过OLS ，ECM模型估计出的最优套期保值比分别为0.931627 ，0.924849，ECM-BGARCH模型计算出的最优套期保值比率均值为0.912039。现在我们用上述三个套期保值比套期保值的组合和没有经过套期保值的现货收益率进行方差比较，这里收益用价格相对变化表示。

OLS下套期保值效果的统计性描述：

由Std.Dev.后面的数据0.039302，说明序列P1标准差=0.039302 ECM下套期保值效果的统计性描述：

由Std.Dev.后面的数据0.088666，说明序列P2标准差=0.088666 无保值组合的统计性描述：