期货投资的VaR模型及实证分析——以上海期铜15年历史数据为例
基于VAR模型的GDP和M2对CPI的影响的研究
基于VAR模型的GDP和M2对CPI的影响的研究作者：宋珊来源：《商情》2016年第12期【摘要】近几年来，我国CPI不断走高，尤其是2010年以来CPI过高问题受到公众广泛关注。
本文通过建立CPI、GDP、M2的VAR模型进行脉冲响应分析并做Granger因果检验，分析GDP和M2对CPI的影响，得出结论：GDP和M2在短期内对CPI影响较大，长期的影响较小，并且滞后一期的GDP和M2的增加对CPI上涨有促进作用，滞后两期的GDP和M2的增加对CPI的上涨反而有抑制作用。
【关键词】CPI；GDP；M2；VAR模型；Granger检验一、理论基础根据传统货币数量论的费雪方程式：，M为货币的数量，V为货币流通速度（一年中每一元货币的还手次数），P为物价水平，T是各类商品的交易总量，可以得到关系式，∏是通货膨胀率，m是M2增长率，v是货币流通速度变化率，y是实际GDP增长率。
其中v是由制度因素决定的，而制度因素变化缓慢，因而可视为常数。
由上分析知，∏主要受m和y的影响，即CPI主要受GDP和M2的影响。
因此，建立模型定量分析GDP和M2对CPI的影响程度对于经济政策的运用有一定的指导意义。
二、实证分析（一）数据选择处理与分析思路本文分析使用的样本取自19862015年的年度数据，数据来源于中国统计年鉴、中国金融年鉴以及中国人民银行网站。
为了更严谨分析，将数据进行了无量纲化处理，即使用CPI、GDP、M2的增长率进行分析，以1986年数据为基础100，对19862010年数据进行分析，预留20112015五年数据作为样本外预测。
为了减弱时间序列在模型中的异方差性影响，对所有变量取对数，得到lnCPI、lnGDP、lnM2，并且取对数后不改变原序列的协整关系。
（二）数据平稳性检验（PP检验）检验发现，lnCPI、lnGDP、lnM2序列均是非平稳的，直到进行二阶差分后，才都平稳。
因此三个序列都是I（2）过程，可以建立协整关系。
基于GARCH—VaR模型对股市风险研究
基于GARCH—VaR模型对股市风险研究【摘要】本文通过介绍GARCH模型、VaR模型以及GARCH—VaR模型的原理，探讨了基于GARCH—VaR模型对股市风险的研究。
通过实证分析和模型应用实例，展示了GARCH—VaR模型在风险预测和管理中的优势。
结论部分总结了研究成果，指出了模型的局限性并展望未来的研究方向。
这项研究具有重要的理论意义和实践价值，为投资者和决策者提供了有效的风险管理工具和参考。
GARCH—VaR模型的应用将在金融领域持续发挥重要作用，为市场参与者提供更加可靠和准确的风险预测和决策支持。
【关键词】GARCH模型、VaR模型、风险研究、股市、模型应用、优势、成果总结、局限性、未来研究、引言、正文、结论。
1. 引言1.1 研究背景股市是金融市场中最具波动性的市场之一，投资者在股市中面临着巨大的风险。
有效的风险管理对于投资者来说至关重要。
在这种背景下，GARCH—VaR模型成为了研究股市风险管理的重要工具。
GARCH模型是用来描述时间序列数据中波动性的模型，具有预测股市波动性的特点。
VaR模型是用来衡量资产或投资组合在给定置信水平下可能的最大损失。
将GARCH模型与VaR模型相结合，可以更准确地估计股市风险。
当前，随着金融市场的不断发展和创新，传统的风险管理方法已经无法满足多样化的投资需求。
基于GARCH—VaR模型对股市风险进行研究具有重要意义。
通过深入研究GARCH—VaR模型的原理和应用实例，可以帮助投资者更好地理解股市风险，提高风险管理的效果。
在这样的背景下，本文旨在分析和评估GARCH—VaR模型在股市风险管理中的应用，并探讨其优势和局限性，为未来对股市风险管理的研究提供参考和借鉴。
部分到此结束。
1.2 研究意义股市风险研究在当前金融市场中具有重要的意义。
股市作为金融市场中最重要的部分之一，其波动和风险直接影响着投资者的利益和整个经济的稳定。
通过对股市风险的深入研究，可以帮助投资者更好地了解市场的风险特征，从而制定更有效的投资策略，降低投资风险，提高投资收益。
沪铜期货分析报告
沪铜期货分析报告1. 引言本文将对沪铜期货进行分析，以帮助投资者了解该品种的走势和投资机会。
首先，我们将概述沪铜期货的基本信息和交易特点。
然后，通过对沪铜期货近期走势的技术分析，提供投资建议。
2. 沪铜期货基本信息沪铜期货是中国金融期货交易所推出的一种常见的有色金属期货品种。
该品种以铜作为标的物，并以现货交割。
沪铜期货合约包括主力合约和月合约，主力合约交易量较大，流动性较高。
3. 沪铜期货交易特点沪铜期货交易具有以下特点：•杠杆交易：沪铜期货可以通过保证金进行杠杆交易，投资者只需支付一部分保证金即可控制更大的合约价值，有较高的资金利用率。
•交割方式：沪铜期货采用现货交割方式，即合约到期时，交割实物铜。
•市场参与者：沪铜期货市场参与者包括投机者、套保者和实物买卖方，投机者占据较大比例，对市场波动产生重要影响。
4. 沪铜期货技术分析为了预测沪铜期货走势，我们将进行技术分析，重点关注以下指标：•趋势线：通过绘制趋势线，我们可以观察沪铜期货价格的长期趋势和短期波动。
•移动平均线：移动平均线是一种平滑价格波动的指标，通过计算一段时间内的平均价格，可以观察价格的长期趋势。
•相对强弱指标（RSI）：RSI指标可以帮助我们判断市场的超买和超卖情况，从而预测价格的反转点。
5. 沪铜期货分析根据近期沪铜期货的走势和技术分析，我们得出以下结论：•沪铜期货价格近期呈现上涨趋势，主要受到全球经济复苏和供应紧张的影响。
•技术分析显示，沪铜期货价格已经突破了关键的趋势线，并且移动平均线呈现向上的趋势。
•RSI指标显示市场并未超买，说明沪铜期货价格仍有上涨的潜力。
基于以上分析，我们认为沪铜期货有望继续上涨，投资者可以考虑逢低买入。
6. 投资建议基于沪铜期货的分析和走势预测，我们提供以下投资建议：•长线投资者：对于长线投资者，可以考虑持有沪铜期货仓位，以赚取价格上涨所带来的收益。
•短线投资者：对于短线投资者，可以密切关注沪铜期货价格的波动，抓住短期交易机会。
我国金属铜期货市场的套期保值功能分析
改革开放以来，我国资本市场发生了深刻的变革，而期货市场的发展也使得我国金属市场发生了巨变。
以金属铜期货为例，上海期货交易所作为世界上第二大铜交易市场的同时，铜工业已经能与国际上其他发展国家相抗衡。
期货市场能为我国企业的长远发展提供保障，企业可以运用市场机制，利用期货市场的套期保值功能，规避价格风险，从而获得较高利润，还可以扩大企业相关业务，以及销售相关的渠道。
我国金属行业可以分别从风险最小和效用最大的角度对铜期货套期保值的绩效进行衡量，确定合理的套期保值率，以规避价格波动风险，从而实现金属企业利润最大化。
一、我国金属铜期货市场发展的特点就目前而言，全球经济增长普遍出现大幅下滑，通货膨胀肆虐，为防止经济下滑以及通货膨胀带来其他问题，各国积极应对，纷纷采取适合自身国情的经济政策。
由于经济增速放缓，带来的负面影响就是工业增长也出现了大幅下滑，而制造业的不景气也导致各国金属铜行业的需求下降。
此外，还因为一些主要铜产国旷工罢工的原因，2008年铜的价格波动很大，由此带来的价格风险就更加显著，因此，对于铜期货的套期保值就显得格外重要了。
期货套期保值是指把期货市场当作转移价格风险的场所，将期货合约作为将来在现货市场上买卖商品的替代物。
套期保值的主要特征是在期货市场和现货市场对同一种类的商品同时进行数量相等但方向相反的买卖活动。
期货套期的理论基础为：期货市场与现货市场价格走势在通常情况下基本一致，它们都受到相同供求关系的影响，所以涨跌方向保持一致，但由于分别是在两个不同的市场进行相反操作，盈亏自然相反，因此期货市场的盈利能够弥补现货市场的亏损。
我国铜期货市场的特点主要有以下几点：第一，期货交易难以被操纵。
我国的铜期货是一个交易量相当大的期货品种，体量之大以至游资难以操纵，从而能够保证我国铜金属行业可以按市场机制运行。
第二，国际化程度高。
我国铜期货市场与国际期货市场接轨，价格机制具有很好联动性，国内铜价在一定程度上可以代表国际价格。
基于MRS—ARCH的石油期货市场VaR风险测度
基于MRS—ARCH的石油期货市场VaR风险测度作者：徐凯陈粘张少奎来源：《商业会计》2015年第13期摘要：针对我国期货市场呈现出多波动状态等典型事实特征，本文以我国石油期货市场为研究对象，使用MRS-ARCH模型对其波动率进行建模分析，并对石油期货市场进行VaR风险测度，最后运用Back-testing方法检验了风险测度模型的可靠性。
研究结果表明：我国石油期货市场表现出了模型的三种波动状态;MRS（3）-ARCH模型能够准确描述石油期货市场收益波动率;基于MRS（3）-ARCH模型下的石油期货市场VaR风险测度更加有效。
关键词：石油期货市场 MRS-ARCH模型 VaR风险测度一、引言能源作为最重要的战略物资，对经济发展具有决定性作用，因而备受各方关注。
石油被人们誉为“工业的血液”，是人类生产与生活最重要的能源之一。
随着工业革命的兴起，石油被广泛地用作工业生产的原料和燃料等，在能源工业、化学工业、机械工业以及交通运输业等方面，都发挥着举足轻重的作用，各工业部门都要在一定程度上消耗一定量的石油。
石油期货市场作为能源市场的一个重要组成部分，投资者可以利用它来规避能源现货市场价格波动所带来的风险。
倘若不能对石油期货市场进行有效的风险管理，就可能加剧能源市场的风险危机。
因此，强化石油期货市场风险管理，对于维护市场稳定以及促进经济发展具有极其重要的意义。
在石油期货市场风险管理中，风险测度方法尤为重要。
目前常用的方法是VaR（Value at Risk），该方法不仅能够直观地表达出金融市场风险值的大小，同时又以统计学原理作为支撑，因而受到各大金融机构以及学者的高度关注。
因此，本文采用VaR模型对石油期货市场进行风险测度。
对石油期货市场进行风险测度的关键是波动模型的选取。
长期以来，对波动率的分析都是基于Engle（1982）提出的ARCH模型，ARCH模型具有参数简单易求以及能够较好地描述波动率的聚集性和时变性的优点，但ARCH模型属于单机制模型，仅能够刻画单一状态的波动率。
基于FCVAR模型的中国沪铝期货市场价格发现功能实证分析
基于FCVAR模型的中国沪铝期货市场价格发现功能实证分析屈军;刘凡毅【摘要】Based on fractional cointegration equilibrium pricing theory, combining with the latest development fractional cointegration vector autoregression model ( FCVAR) , the paper empirically analyses the difference in price discovery ef-ficiency between Shanghai aluminum futures and the spot market in the different delivery periods.The results show that the futures market dominates the price discovery process with the delivery period within five months, while price discover-y efficiency decreases and the ratio of information contribution declines from the highest value 66.7%to 52.9%; the price influence of spot market gradually increases with the delivery period between five and nine months, and the ratio of information contribution increases from the lowest value 33.3%to 71.7%;however, the future contract with delivery pe-riod of ten months doesn′t exist statistically significant cointegration equilibrium relationship with the spot market.The re-sults show that price discovery efficiency has significant differences between the spot market and futures market in the dif-ferent delivery periods, and the realization of price discovery function in Shanghai aluminum futures market primarily fo-cuses on the short and medium term.So we should build the forward market in order to construct the multi-level deriva-tives risk management system.%基于分形协整均衡定价理论，结合最新发展的分形协整向量自回归模型（ FCVAR），本文实证分析了不同交割期限的沪铝期货合约对现货市场的价格发现效率差异性。
期权中国铜期权的“前世今生”（基础篇）
期权中国铜期权的“前世今生”（基础篇）2017年豆粕期权与白糖期权上市至今，市场平稳运行均已超过一年，这两个商品期权的推出，为服务实体经济提供了新工具，对进行财富管理与资产管理的机构投资者同样增加了一个重要标的。
对此2017年11月19日上海期货交易所铜期货期权的立项申请已获得证监会批复。
2018年5月21日上期所正式公布开展铜期货期权仿真交易。
本文采用横纵比较的方法深入对铜期货期权进行分析。
1、铜期货简介自从1877年伦敦金属交易所（LME）的雏形形成至今，铜就是LME最早进行交易的品种之一了。
目前国外从事铜期货交易的主要有伦敦金属交易所（LME）和纽约商品交易所（NYMEX-COMEX）。
LME的铜的报价是行业内最具权威性的报价，其价格倾向于对贸易方面进行客观的反映，而COMEX的价格则更具投机性。
国内铜的期货交易自91年推出以来，有数十年的历史。
上交所沪铜期货，现货与伦敦金属交易所的伦铜期货三者价格趋于一致。
铜的期货价格已经成为国内行业的权威报价，受到企业和投资者的日益重视。
上期所铜期权推出的意义：目前，国内场内期权品种包括上证50ETF期权、豆粕期货期权、白糖期货期权，伴随着铜期权的即将上市，市场将迎来第4个期权品种，同时也是国内诞生的首个工业品期权。
众所周知，上海期货交易所推出的铜期货合约作为一种较为成熟的风险管理工具，近年来大量铜产业链相关企业参与期货市场进行套期保值操作，但由于铜期货市场价格波动大、有一定保证金要求，同时期货交易将风险与收益完全捆绑，无法满足部分投资者客户的需求。
相较于传统的铜期货市场，铜期货期权是一种成本更低、操作更简便、风险易控的金融工具，铜期货期权的推出不但为铜相关企业提供更多元化、精细化的避险工具，同时也将有利于提升我国在世界金融市场中铜的定价权。
2、沪铜期货合约介绍大商所的豆粕期货和郑商所的白糖期货，均属于典型的农产品期货，因此受其播种收获的季节性影响，一年的主力合约仅集中在1、5、9三个月份，而沪铜期货的主力合约涵盖了一年12个月份，因此其对应的期权主力月份也将涵盖全年12个月份。
基于VAR模型的股指期货定价研究
Standard errors in ( ) & t-statistics in [ ]FUTRESSPOT_GOODS
FUTURES(-1)
0.818778
0.116743
(0.22035)
(0.19201)
Log likelihood
-876.5744
-854.4130
Akaike AIC
10.95123
10.67594
Schwarz SC
11.04693
10.77163
Mean dependent
3056.268
2975.816
S.D. dependent
259.3334
253.0031
Determinant resid covariance (dof adj.)
SPOT_GOODS(-2)
0.115840
0.303134
(0.25827)
(0.22505)
[ 0.44853]
[ 1.34694]
C
63.86783
73.19664
(53.8356)
(46.9126)
[ 1.18635]
[ 1.56028]
通过此表可以得到VAR模型如下：
同时得到VAR模型的回归统计量，如表3所示。
三、
（
本文所用到的数据如下：股指期货（IF2012）点数的日数据，来源于中国金融期货交易所（）；利率的日数据，来源于上海证券交易所（/）；沪深300指数日数据，来源于大智慧（/）。数据区间为2010年4月19日至2010年12月17日。部分数据如下：
铜价与PPI对中国股票市场的预警作用研究
铜价与PPI对中国股票市场的预警作用研究崔代莲;李燃【摘要】以沪深300指数、PPI和LME-CU作为研究对象,选取2006至2018年的月数据,建立VAR模型,运用Johansen协整检验、格兰杰因果检验和脉冲响应分析探讨铜价、PPI与股市之间的关系.研究发现,铜价、PPI与股市之间存在长期的均衡关系,有着共同的变化趋势;格兰杰因果检验表明铜价的变动影响股市的变动;股市在受到铜价和PPI的冲击时,其变动有一定滞后期.即在铜价与PPI大幅下降时,股价也会大幅下降,当降幅超过一定程度,就会造成股灾.投资者可以在股灾未发生时,判断股市情况,从而降低自身风险.【期刊名称】《湖北文理学院学报》【年(卷),期】2019(040)002【总页数】6页(P48-52,58)【关键词】中国股票市场;预警;铜价;PPI;VAR模型【作者】崔代莲;李燃【作者单位】安徽建筑大学经济与管理学院,安徽合肥 230601;安徽建筑大学经济与管理学院,安徽合肥 230601【正文语种】中文【中图分类】F830.9股票市场是与人们生活、社会稳定和经济发展密切相关的资本市场，国民经济的晴雨表. 又同国民经济一样，存在着明显的周期性波动，但运行状态不稳定，时刻处于高起低落的循环之中，也给国民经济稳定和投资者带来风险. 如何科学有效地分析和预测其走势，一直是人们研究的热点问题[1]. 自20世纪以来，全球已经发生过很多次的金融危机，导致股灾的发生频率越来越高，意味着股市风险也逐渐变高，因此必须加强对股市风险预测.国内外关于股市的研究很多，但研究国际期铜和PPI的变动对股市影响的比较少. 由于资源产品价格的变动对于该类企业的经济效益有直接影响，并且通过投资者对企业业绩变动的预期直接传导至证券市场，影响上市公司的股票价格[2]. 我国铜期货市场经过多年发展已经逐渐成熟，与股票市场的联动关系也越来越紧密. 期铜价格波动的增加，不仅对实体经济产生很大影响，同时还影响投资者的投资策略，而且像铜这样的大宗商品是全球经济发展的重要资源之一，其价格波动对资源配置和经济发展具有重大影响. PPI是生产者物价指数，作为宏观经济指标之一，其变动影响企业盈利和宏观经济运行的稳定，表现在对上市公司的股价波动影响上. 因此研究铜价、PPI与股市的关系，对于观察股市的变化十分重要.本文选取了2006年1月至2018年6月的沪深300指数、PPI以及LME-CU价格的月数据，通过建立VAR模型，运用Johansen协整检验、格兰杰因果检验以及脉冲响应函数分析了铜价、PPI与股市之间的关系.1 文献回顾国内外关于期铜与股票市场之间关系的研究有很多. Basher和Sadorsky研究发现，金融化背景下大宗商品价格波动已成为股票市场的系统性风险来源之一，可以直接对股市造成影响. [3]唐英等选取2004至2007年沪铜期货和沪深股市铜业上市公司的数据，基于有效市场假设，建立基于VAR模型的向量误差修正模型，实证研究了股票价格和期货价格的关联性，结果表明我国铜期货市场与股票市场存在长期均衡关系，铜期货市场具备价格发现功能，期铜价格的变化对上市公司业绩一定程度上具有超前指示作用. [2]Jahan研究发现铜价波动可以对整个金属行业的股票收益率产生影响. [4]Sadorsky利用VAR- AGARCH模型和DCC-AGARCH模型对新兴市场股票价格和铜价之间的波动性和条件相关性进行建模，研究发现铜为新兴市场股票价格提供了比较昂贵的对冲. [5]蒲遗天从均值溢出效应及波动溢出效应角度考察期货市场与股票市场之间的相互关系，研究发现铜期货市场与铜业类股票市场之间互无均值溢出效应，但是铜期货市场与铜业类股票市场之间互有波动溢出效应. [6]Ndlovu研究了国际大宗商品市场外部冲击对赞比亚经济的影响，研究发现铜价格和金融市场具有长期均衡关系. [7]饶育蕾研究了期铜价格对相关股价传导机制，研究发现实体效应与行业效应均可解释相关股价随期铜价变动的现象. [8]由此可见，铜的宏观金融属性已对相关行业以及整个股市产生了深远的影响.经济与股市之间关系的研究文献也较多. KY等研究了四十个国家地区，对其股市波动和经济发展情况进行分析，研究得出股市波动与经济波动两者之间存在很强的相关性. [9]徐晶与韩伟以上证综指作为研究对象，选择生产者价格指数PPI作为宏观经济因素的解释变量之一，利用月度数据开展协整分析，结果表明上证综指跟生产者价格指数 PPI 表现出负向联系，体现出中国股市跟宏观经济之间的联系. [10]Gay利用Box-Jenkins ARIMA模型研究巴西、俄罗斯、印度、中国(BRIC)的股票市场指数价格与汇率、油价等宏观经济变量之间的时间序列关系，研究发现四国各自的汇率与油价对股市指数价格的影响并不显著，但这可能是由于国内外宏观经济因素对股市回报的影响. [11]Cheng研究了中国宏观经济变量、工业生产增长率、生产者价格指数、3个月短期上海银行同业拆息和消费者价格指数对沪港股市波动的影响，采用广义自回归条件异塑性混合数据抽样模型进行实证，结果表明中国宏观经济变量对香港市场波动的解释力度大于上海，也大大加剧了香港市场的波动. [12]综上所述，以往文献主要研究期货市场与股票市场以及经济与股票市场两者之间的关系，很少有研究期铜价格、经济以及股市三者之间的关系. 因此，本文将期铜价格、PPI与股市三者联系起来研究期铜价格和PPI的变动对股市造成的影响.2 模型选择2.1 变量选取被解释变量选取沪深300指数为被解释变量，原因在于沪深300指数是由上海和深圳证券市场中规模较大、流动性较好的300支A股作为样本，在某种程度上，代表了股票市场的发展趋势，因此用来衡量股市的变动较为合适.解释变量选取LME-CU价格也就是伦敦三月场铜收盘价作为解释变量，是由于商品期货市场与股票市场联系越来越紧密，目前有色金属资源需求在逐渐增大，并且在有色金属进出口贸易中铜占的比重最大，因此选择铜期货市场研究较为合适；选取PPI作为解释变量，因为PPI 是工业品出厂价格指数，通常用于度量工业原料和工业生产物资的价格波动.2.2 数据选择选取2006年1月至2018年6月的沪深300指数、LME-CU价格及PPI的月数据作为研究对象，数据来源国家统计局和大智慧软件. 由于时间序列中可能存在异方差现象，所以对LME-CU价格、PPI及沪深300指数进行自然对数变换处理，分别记作LNLME、LNPPI和LNHS300，各组变量分析样本数量均为148个. 2.3 计量模型运用计量分析软件Eviews 10.0，对数据进行处理，并建立VAR 模型进行实证分析铜价、PPI与股市的动态关系. 基于数据的统计性质建立模型，VAR模型把系统中每一个内生变量作为所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型. 构建VAR 模型后，需要考虑模型的稳定性，如果AR根都在单位元之内，说明该模型是稳定的.3 变量平稳性分析3.1 数据的描述性统计表1 PPI、伦敦3月铜价与沪深300指数的基本统计量变量均值最大值最小值标准差偏度峰度JBPLNPPI4.6163804.7013894.5196120.046014-0.1831711.9064111.9064110.015659LNLME8.7993009.1976608.0326850.22 5193-0.9123143.89169225.777410.000003LNHS3007.9534328.6462096.9173000. 330220-0.7808334.05251522.166180.000015由表1可以看出，PPI的标准差比LME-CU和沪深300指数的要小，说明PPI的波动要更为缓和，而股市的波动较大，也说明股市的风险更大.3.2 数据的平稳性检验时间序列一般情况下是非平稳的，直接对原始数据序列进行回归分析，可能会造成一个随机变量对另一个随机变量的伪回归. 为了避免产生伪回归，本文采用了ADF 单位根检验对LNLME、LNPPI 和LNHS300 三个时间序列进行平稳性检验，其中DLNLME、DLNPPI 和DLNHS300 分别表示LNLME、LNPPI 和LNHS300 序列的一阶差分.表2 LME3月期铜价格、PPI与沪深300指数序列的平稳性检验结果检验对象t-统计值1%水平临界值P-值是否平稳LNLME-3.465512-4.0216910.0470否LNPPI-2.998099-4.0216910.1363否LNHS300-3.835742-4.0225860.0174否DLNLME-9.579731-4.0212540.0000是DLNPPI-5.168875-4.0216910.0002是DLNHS300-10.49897-4.0212540.0000是从表2可以看出，在1%显著性水平下，LNLME、LNPPI 、LNHS300的t-统计值大于临值，说明这个时间序列在正常水平是不平稳的，存在单位根；而一阶差分后DLNLME、DLNPPI 、DLNHS300 的t-统计值均小于临界值，序列是平稳的，不存在单位根. 由于变量都是一阶单整，所以伦敦铜的价格、PPI和沪深300指数之间可能存在协整关系.3.3 Johansen协整检验协整检验的目的在于检验回归方程所描述的因果关系是否伪回归，即检验变量之间是否具有稳定关系. 从表3采用Johansen 检验结果可以看出，在5%显著性水平的条件下，伦敦铜铜价、PPI和沪深300指数之间存在一个协整方程，即PPI、铜价与股市之间存在长期均衡关系，有共同的变化趋势.表3 LME3月期铜价格、PPI与沪深300指数序列的协整分析结果原假设特征值临界值0.05临界值P值None 0.13967636.6096229.797070.0070At most 1 0.05645914.7949015.494710.0636At most 20.0429686.3682013.8414660.0116注：表示在5%的显著性水平上拒绝原假设.3.4 格兰杰因果关系检验在滞后期数为2期，10%的置信水平下，进行格兰杰因果关系检验. 由表4可知，伦敦期铜价格和PPI是沪深300指数的格兰杰原因，伦敦期铜价格是PPI的格兰杰原因，沪深300指数是PPI的格兰杰原因，表明铜价和PPI发生变动会影响股市；铜价的变化影响PPI；PPI和股市之间相互影响. 因此伦敦期铜价格、PPI与沪深300指数三者相互关联.表4 LME-CU、PPI与沪深300指数的格兰杰因果检验结果原假设ObsF-StatisticProb.对原假设的判断LME不是HS300的Granger 原因HS300不是LME的Granger 原因PPI不是HS300的Granger 原因HS300不是PPI的Granger 原因PPI不是LME的Granger 原因LME不是PPI的Granger 原因1481481483.996790.0474拒绝原假设0.039100.8435接受原假设3.339620.0697拒绝原假设13.53560.0003拒绝原假设0.639180.4253接受原假设12.30920.0006拒绝原假设4 VAR模型建立与分析选取2006 年1月到2018 年6月的沪深300指数、PPI、LME-CU收盘价格的数据样本作为研究对象，建立VAR模型分析三者之间的关联关系.4.1 VAR 模型滞后期的确定将LNHS300 和LNLME、LNPPI 三个变量作为内生变量，将常数项C作为外生变量建立模型. 根据AIC、SC、LR等指标确定模型的最优滞后期，结果如表5所示，应选择滞后2期.表5 VAR 模型滞后期的确定标准LagLogLLRFPEAICSCHQ0-2784.595NA2.26e+1339.2619039.3243439.287271-2270.118999.96901.83e+1032.1425132.3922932.244012-2185.985159.97106.34e+0931.0843031.5214331.26193注：表示由标准选择的延迟顺序.4.2 VAR模型平稳性检验在建立VAR模型前需要对该模型的平稳性进行检验，本文通过AR根表来判断. 从表6可以看出，此模型中不存在大于1 的根，说明该模型稳定.表6 VAR(2)模型的AR 根表RootModulusRootModulus0.9310290.9310290.8569480.8569480.873526 - 0.152356i0.8867130.1485380.1485380.873526 +0.152356i0.8867130.0938310.0938314.3 VAR模型构建本文应建立VAR(2)模型，VAR模型估计结果如下：HS300=0.864123123911 HS300(-2)-0.0481969929283 LME(-2)-8.22869160521 PPI(-2)+1600.55887414LME=-0.00391418574712 HS300(-2)+0.835123300343 LME(-2)-4.01710015491 PPI(-2)+563.29041314PPI=0.000659304638847 HS300(-2)+0.00031500552346 LME(-2)+0.858544942106 PPI(-2)+10.22747400024.4 脉冲响应分析与协整检验不同，脉冲响应一般用于解释短期关系. 本文已经通过AR 根的图表结果确定 VAR 系统是稳定的，可以对序列进行脉冲响应分析.如图1至图9所示，横轴代表冲击作用的滞后期阶数，纵轴代表冲击后的波动水平. 从图1、图2和图3可以看出，沪深300指数、伦敦铜价格和PPI对于自身的冲击，快速下降，在第十期后趋于稳定. 图4和图5表明，沪深300指数受到LME铜价和PPI的冲击后，在第1期内没有发生变化，主要原因是股市的变动存在滞后期. 在第2期逐渐上升后下降，最后趋于平衡，表明铜价和PPI对股市的影响是正向的，会呈现一种上升、下降、平衡的基本状态. 图6可以看出，LME铜价格在受到沪深300指数的冲击后，快速下降后上升，再下降趋于稳定；从图7可以得到，LME铜价受到PPI的冲击后，在第1期内没有反应，后逐渐上升再下降趋于稳定. 图8和图9表明，PPI受到沪深300指数和伦敦铜价格的冲击后，都呈现一种上升、下降、平衡的基本状态. 从脉冲响应的结果来看，沪深300指数、伦敦铜价格和PPI之间的影响是正向的，也就是三者的变化趋势是一致的.5 结语由本文实证研究可知，伦敦期铜的价格、PPI和沪深300指数主要受自身变化影响最大，三者之间的相互影响关系是正向的. 股市在受到冲击后，其变动有一定滞后期. 由格兰杰因果检验可知，伦敦期铜价格和PPI是沪深300指数的格兰杰原因，伦敦期铜价格是PPI的格兰杰原因，沪深300指数是PPI的格兰杰原因，即在伦敦铜的价格变动时，由于期铜的价格发现功能导致现货价格发生变化，从而影响到公司的经营业绩. 最终，公司经营业绩导致投资者对上市公司未来股价的预期发生变化，股票的供求关系发生变化，进而股市受到影响. 同时在伦敦铜价格发生变化时，PPI也随之变动. 而PPI的变动同时影响到股市的变动，股市的变动也影响到PPI的变化，两者相互影响. 由于铜价、PPI与股票市场有着长期均衡关系，有共同的变化趋势，因此伦敦期铜价格和PPI的变动会对股票市场产生影响，而股市的变化相对于铜价和PPI而言，有一定的滞后性，因此，在铜价与PPI大幅下降时，可预测股价会大幅下降，对于投资者来说可以利用这一结论预测股市的变动，选择合适的投资方式.目前，相关文献更侧重于研究期货市场与股票市场的内在联系，以及经济波动对铜价的影响，选取的指标也都不同. 大多数研究发现铜期货市场与股票市场存在长期动态均衡关系，铜期货市场具有价格发现功能. 同时经济的波动也会对铜的价格造成较大影响，在经济萧条的时候，需求下降导致铜的价格下跌. 本文研究了期货价格、经济与股市三者之间的联系，发现了铜价与PPI的变动对股市的超前指示作用，但是只选取了期货市场的铜作为研究对象，是否整个期货市场都有这样的预示作用暂时未能研究.股票市场是国民经济重要一部分，稳定的股票市场对经济发展有重要影响，因此本文的研究具有重要的预警作用. 对于投资者来说，从事证券投资是为了获得回报，但是在股票市场中，剧烈的股市波动会给投资者带来很大风险. 如何规避风险，对投资者来说十分重要. 而铜价与PPI对于股票市场有一定的预测作用，投资者可以利用这一结论，在股灾来临前采取一定措施，减少自身损失. 对股市自身的发展来说，通过对市场的分析研究，在发现铜价与PPI下降时，保持警醒，在危机初露端倪时，采取有效措施减轻自身损失，以促进股市稳定健康、协调地发展.【相关文献】[1] 肖朝胜.股市危机预警系统研究[D].成都：西南交通大学，2008.[2] 唐英，温涛.我国铜业上市公司股票价格与铜期货价格关系的实证研究[J].金融纵横，2008(3)：57-59.[3] BASHER S A， SADORSKY P. Oil price risk and emerging stock markets[J]. Global Finance Journal，2006，17(2)：224-251.[4] JAHANPARVAR M R， VIVIAN A， WOHAR M E. Predictability and underreaction in industry-level returns： Evidence from commodity markets[J]. Journal of Commodity Markets，2012(6)：1-15.[5] SADORSKY P. Modeling volatility and correlations between emerging market stock prices and the prices of copper， oil and wheat[J]. Energy Economics，2014，43(2)：72-81.[6] 蒲遗天.中国有色金属期货市场与同行业A股股票市场相关性研究[D].兰州：兰州大学，2016.[7] NDLOVU X， SCHALING E. African review of economics and finance-copper prices and financial markets in Zambia[J]. African Review of Economics and Finance，2017，9(2)：201-232.[8] 饶育蕾，袁玫，鲍玮.期铜价格对相关股价传导机制研究——基于实体效应与行业效应的分析[J].价格理论与实践，2017(9)：76-79.[9] DIEBOLD F X， YILMAZ K. Measuring financial asset return and volatility spillovers，with application to global equity markets[J]. Economic Journal，2009，119(534)：158-171.[10] 徐晶，韩伟.影响我国股价指数的宏观经济因素分析[J].中国外资，2011(22)：176.[11] GAY R D . Effect of macroeconomic variables on stock market returns for four emerging economies： A vector regression model for Brazil， Russia， India， andChina[J]. International Journal of Economics and Business Research，2008，7(3)：1-8. [12] CHENG A W W ，YIP I W H . China’s macroeconomic fundamentals on stock market volatility： Evidence from Shanghai and Hong Kong[J]. Review of Pacific Basin Financial Markets and Policies，2017，20(2)：1-57.。
沪深300股指期货VaR-GARCH模型风险管理研究——基于恒指期货的比较视角
Ｍａｋ ｗ ｔ 就 推导 出均 值 一方 差模 型 ．以收益 的波 动 ｒｏ ｉ ｚ 来 描 述 风 险 。 与该 思 想 类 似 的 还 有 Ｗｉｉｍ Ｓ ａｐ ｌａ ｈ ｒｅ ｌ 和 Ｊｈ ｉｔｅ 出 的 资 本 资 产 定 价 模 型 （ Ａ Ｍ） ｏ ｎ Ｌｎｎｒ提 ＣＰ
以 及 Ｒ ｓ １６ ） 提 出 的 套 利 定 价 模 型 （ ） ｏｓ（ ９ ６ Ａ 。
一
４１—
《 区域 金 融研 究＞ Ｏ ８期 ＞ ｌ ２ １第
时 间序 列 变量 的波 动性 的变 化 ，它 在 金 融 工 程 学 的 实证 研 究 中应 用 广 泛 ，使 人 们 能更 加 准 确 地 把 握 风 险 （ 波动 性 ） ９ ４年 ，Ｊ ． ｒａ 。１ ９ ．Ｐ Ｍｏｇｎ投 资银 行 推 出
未 来 特 定 的一 段 时 间 内 可 能 遭 受 的 最 大 损 失 。 在 ２０ ０ ４年 实 施 的 新 巴塞 尔 协 议 中 ，也 进 一 步 主 张 用
信 水平 ｅ下 ，投资 组 合 的最低 价 值 为 Ｐ＝ ０（＋ ， Ｐ Ｉ Ｒ ）
则 根 据 Ｖ Ｒ 定 义 ，可 定 义 相 对 Ｖ Ｒ 为 ：Ｖ Ｒ ＝ ａ ａ ａ Ｅ
Ｐ ，有 Ｃ Ｊ ＝ ｆ（ ）ｄ Ｐ ｐ
计 算 Ｖ Ｒ的 关键 在 于确 定证 券 组 合 未来 损 益 的 ａ 统 计 分 布 或概 率 密度 函数 。根 据 市场 因子 不 同的 波 动性 模 型 ，Ｖ Ｒ 大致 有 三 类 计 算 方法 ：方 差— — 协 ａ 方差 法 、历史模 拟法 和 蒙特 卡罗模 拟法 。 由于金 融 资 产价 格 的变 化 往 往呈 现 聚集 性 的 特 征 ，对 参数 估 计 造 成 了干 扰 ，而 Ｇ Ｃ 族模 型 能 ＡＲ Ｈ 够更 好 的刻 画金 融 资产 的波 动 性 ，可 以更 好 的来 估 计 ＶＲ 的 参 数 。 因 此 ，本 文 主 要 运 用 Ｖ Ｒ ａ Ａ —
VAR模型下中国沪铜期货价格发现实证研究
＋Ｂ１ １×
＝
一
ｌ ｌＸｉ一 ＋… ＋ 一 ＋Ｂ２ ， ｆ２ Ｂ１Ｘ ＋Ｅ１ （ ） ｌ １ ．
一
关系问题 ， 田志朋 Ｖ Ｒ模型 、 Ａ 协整检验等方法检验 了中国黄金期货与现货市场间存在长期协整关系， 期 货市 场具 有较 好的价 格发现 功能 。
Ｃ２ ０＋Ａ２ ｌ×
—
ｌ＋ Ａ２ ２Ｘ
一
一
２ ＋… ＋Ａ Ｘｚ ＋ ２ ，ｌ ｆ
Ｂ２ ＸＺｐＩ ｌ＋ Ｂ２ ｐ ２ ｌ ｓ ２Ｘ ｌ ＋…
＋ ２× ｐ ｈ Ｅ ‘ ２ Ｂ， Ｕ 【 － ＋ ２ ．（ ）
式 中 ： 代表 铜 现货 价格对 数 序列 ， 简称 现货 价 格 ； 代 表铜期 货价 格 对数 序 列 ， 简称 期 货 价 格 。基 于
货价格 为基准进行调整的。结果表 明 ， 铜现货市场在价格发现 中占有主导地位 。 关键词 ： 沪铜期货 ； ｒ ｇｒ Ｇａ ｅ 检验 ； Ａ ｎ Ｖ Ｒ模型 ； 协整分析 ； 方差分解
中 图 分类 号 ：８ ２６ Ｆ３ ．
期货市场的发展促进了期货市场研究深人 ， 而
期 货市 场 的价格 发现功 能是期货 市 场存在 和发 展 的 基础 ， 特别是 铜期 货 ， 海期货铜 已经在全 球排名 第 上
ｔ ＝Ｃ１ ｓ ｐＩ ｏ＋Ａ１×Ｕ ｐｃ 】＋Ａｌ × 厶 ２＋… ＋Ａｌ ２ Ｐｆ ｐ×／ ｓ ｐ ｐｆ
一 一 —
格， Ｌ 与 ＭＥ、 Ｏ ｘ 一 道 构 成 了 “ 停 市 的 交 易 Ｃ ＭＥ 不 所” 。市 场 风 险 无 法 避 免 ， 因此 综 合 更 多 的 因素 来
对沪铜期 货 的走 势的进行 深入 的研究 ， 对投 资者 （ 包括机构投资者和个人投资者 ） 的投资决策 、 风险
我国有色金属期货价格与现货价格传导关系的实证研究
我国有色金属期货价格与现货价格传导关系的实证研究摘要：本文利用了Johansen协整检验、ECM模型、建立在V AR和VEC 模型基础上的Granger因果检验、脉冲响应函数及方差分解技术等方法，研究我国铜、铝、锌3种主要有色金属的期货价格与现货价格的关系。
关键词：有色金属；期货价格；现货价格；传导关系；实证研究一、文献回顾20世纪60年代末开始，国外的学者对期货市场价格和现货市场价格的关系开始了广泛研究。
Garbade和Silber（1983）[1]最早对期货价格引导现货市场进行实证检验，因此称之为GS模型。
他们建立了期货和现货价格之间相互联系的动态模型，通过考察前一期的基差变动对后一期期货价格和现货价格变动的影响，来刻画期货和现货在价格发现功能中的作用大小。
然而他们忽视了序列的非平稳性，在实际中大多金融时间序列是非平稳的，这将导致模型估计的伪回归。
Engle和Granger(1987)[2]提出了协整理论及方法，认为虽然一些经济变量的本身是非平稳序列，但是它们的线性组合却有可能是平稳序列，从而为非平稳序列的建模提供了另一种途径。
Johansen和Katarina(1990)[3]提出基于回归系数的协整检验，即Johansen-Juselius检验，较适合用于来检验金融时间序列的协整关系。
之后，更多新的检验和估计方法引用到金融研究中。
对国内来说，国内学者对期货与现货价格的关系也有一定的研究，基本都是采用国外较为成熟的方法进行的。
严太华和孟卫东等(2000)[4]利用协整检验了上海期货交易所的铜期货与重庆市场上的铜现货之间、郑州商品交易所的绿豆期货与郑州粮食批发市场上的绿豆现货之间的关系，结果表明，它们之间均存在长期的均衡关系。
黄晟(2002)[5]利用GARCH模型的动态调整方法，就期铜和期铝交易保证金水平的合理设置问题进行了实证研究。
周志明、唐元虎(2004)[6]利用ADF检验，Granger因果关系检验，对伦敦金属交易所（LME）3个月期铜和上海期货交易所（SHFE）5个月期铜进行了价格引导关系检验。
VAR模型关于我国通货膨胀的实证研究
V AR模型关于我国通货膨胀的实证研究摘要：通货膨胀是衡量宏观经济运行是否稳定和健康的重要指标，通货膨胀与经济之间的关系，是当前理论界密切关注的重大经济问题。
计量经济分析结果表明，经济增长是通货膨胀的格兰杰因，通货膨胀受自身波动的影响较大，货币供应量较快增长会对通货膨胀产生一定的影响。
关键词：VAR模型，通货膨胀，经济增长改革开放以来，我国出现了几次较为严重的通货膨胀，对经济增长和社会稳定产生了十分不利的影响。
2003年以来，我国逐步摆脱了持续几年的通货紧缩，进入新一轮经济增长周期，呈现出“高增长、低通胀”的运行态势。
但是，2007年5月以来，居民消费价格指数逐月攀升，尤其是2008年2月居民消费价格同比涨幅达8.7％，为近10年来的新高点，通货膨胀压力加大。
当前，国内外经济形势复杂严峻，我国宏观调控取向经历了“防过热、防通胀”向“保增长、扩内需、调结构”的重要转变。
因此，如何深入研究通货膨胀与经济增长的关系，把握好经济增长与通货膨胀的平衡点，对于今后加强和改善宏观调控、实现国民经济又好又快发展具有十分重要的意义。
1、基于VAR模型的实证分析1.1模型解释与变量说明众所周知，影响通货膨胀的因素很多，如经济增长率、货币供应量增长率、原材料、动力购进价格、工业品出厂价格、职工平均工资实际增长率、价格体制改革、人民币汇率体制改革、通货膨胀预期、国际市场、严重自然灾害或重大突发性事件等。
本文选取通货膨胀率(CPI)、经济增长率(GDP)、广义货币供应量(M2)作为内生变量，建立向量自回归(VAR)模型。
1.2滞后阶数的选择及单位根检验如上表可以看出，我们应该选择滞后2阶。
这样可以使模型具有较强的解释能力，并消除误差项的自相关。
由于向量自回归模型要求系统中的变量具有平稳性，因此本文首先要对CPI，GDP，M2时间序列进行单位根检验，为了消除样本数据的右偏性，对GDP、M2取自然对数。
通过Eviews6.0计量经济分析软件，CPI单位根检验的输出结果如下：GDP单位根检验的输出结果如下：M2单位根检验的输出结果如下：CPI，GDP，M2的ADF检验统计量均大于显著性水平1％，5％，10％的临界值，不能拒绝原假设，上述3个序列均存在单位根，为非平稳时间序列。
基金持仓对国际期铜价格影响实证研究
基金持仓对国际期铜价格影响实证研究摘要：通过基于var模型的脉冲响应函数研究发现：投机基金的参与并未引起国际期铜价格波动，它不是推动国际期铜价格上涨的主要因素；商业交易者参与期货套期保值对期铜价格的回归具有积极意义，扩大商业交易者的期货市场参与程度有利于稳定期铜价格。
关键词：基金持仓期铜价格套期保值一、引言近年来，国际期铜货市场波动率显著增加，暴涨暴跌频繁发生。
期铜价格背离供求关系基本面的剧烈波动产生了巨大的市场交易风险，扭曲的期铜市场价格也对铜工业企业的发展产生了破坏性的影响。
越来越多的证据表明，期货投机基金的参与对市场价格形成的影响是复杂的。
研究投资基金在期货价格波动中的作用，对充分发挥期货市场功能，指导我国期货市场建设具有积极的参考意义。
目前国内关于投机基金对商品期货价格影响的研究还比较少。
宋玉华、林治乾、孙泽生（2008）研究发现对冲基金的投机活动既不是国际原油价格长期上涨的原因，也没有放大国际油价的短期波动。
邱雁（2010）在研究了国际投机基金对cbot大豆期货价格的影响后认为，投机基金的参与使得期货价格的波动率和市场风险明显增大，投机者损害了其他交易者的利益。
华仁海、仲伟俊（2002，2003，,2004）研究了上海铜期货市场的价格波动、成交量和空盘量之间的关系，发现空盘量对期铜价格波动具有显著影响，而成交量和期铜价格之间不存在相关关系。
国际上，scott h. irwin（2009）等认为期货市场价格形成的机理被误解了，投机基金的参与并没有推高期货市场价格。
pindyck（1994）对资源性商品价格波动进行研究后得出了短期内投机因素是解释价格波动的重要变量的结论。
总之，目前关于基金对期货价格影响的研究并未形成统一结论。
二、实证分析根据研究需要，本文选取投机基金净持仓量（f_long_net）、基金套利持仓量（f_arbitrage）、商业交易者净持仓量（com_long_net），lme三月期铜价格（future_cu_price）四个变量来构建计量模型。
国际铜价波动对铜陵铜产业的影响研究
国际铜价波动对铜陵铜产业的影响研究
王小娜;张三宝;刘琼;代金宏
【期刊名称】《铜陵学院学报》
【年(卷),期】2024(23)1
【摘要】文章基于LME期铜价格和铜产业链数据,利用VAR模型探究国际铜价波动对铜陵铜产业的影响。
结果表明:国际铜价波动与铜陵市铜产业上游电解铜产量、下游电子元件数量之间存在双向因果关系,与中游铜材产量之间存在单向因果关系;
国际铜价波动对铜陵市上游电解铜产量有强度不高但较为长期的正向影响,对下游
电子元件数量的影响虽有滞后但影响最大。
为降低国际铜价波动带来的冲击,铜陵
市需要联合上市公司形成国际铜价监测体系降低波动率风险,依托已有的基础骨干
企业完成铜产业链上中下游的有效衔接和整合,从自身资源禀赋出发构建良好的科
技创新融资环境。
【总页数】6页(P7-11)
【作者】王小娜;张三宝;刘琼;代金宏
【作者单位】铜陵学院金融学院
【正文语种】中文
【中图分类】F830.9
【相关文献】
1.我国铜产业现状及铜价影响因素分析
2.铜陵市承接铜产业转移障碍因素及其对策研究——基于铜产业生产要素视角
3.铜文化产业集群网络中的核心企业与创新—
—以铜陵铜基新材料产业集群为例4.铜价波动的影响因素研究5.铜陵成立铜产业产学研合作联盟产学研携手合作共同打造“千亿铜产业”
因版权原因，仅展示原文概要，查看原文内容请购买。
我国股指期货与上证指数关系动态分析——基于VAR模型的实证研究
上证收盘综合指数 ，上证 收盘综合指数指 的是上海证券交易所编
制 的 以上 海 证 券交 易所 挂 牌 上 市 的全 部 股 票 为 计 算 范 围 ，以 发 行 量 为 权 数 的 加 权 综 合 股 价 指 数 ， ｓｉ 示 。 文 的 股 指 期 货 指 数 用 已于２ １年０ 月 １ ００ ４ ６日上市 ， 已运行一年 有余 。 那么 ， 在这 一年的时 间里 ， 股指期货 对上证指数有 什么影响 呢？ 在探讨它们之 间的关 系之前 ， 我们先 了解 一下股指期货 。 股指 期货是指买人或卖出相应股票指数面值的合 约，而股票指数面值
是 样 本个 数 。
货交易者众多 ， 价格形成 中包含的对价格预期的信息较多 ， 另一方 面是因为股指期货的投资者在收到价格预期 的信息后会更快 的在
股指期货市场调整仓 位。 三 ， 第 资产 配置功能 。 此功能指 的是投资 者可以把股指期货作为资产配置的形 态之一 。 由股指期货的功能可以看出 ，股指期货与股票指数之间 的联
投资理财 Ｉｎ ｅｔ ｅ ｔ ｉ ｎ ｉ ｖ ｓｍ ｎ Ｆｎ ｃ ｇ Ｉ ａ ｎ
我 国股 指 期 货 与上 证 指 数 关 系动 态 分 析
基于Ｖ ＡＲ 模 型 的 实证 研 究
新疆财经 大学 王 帅林
一
、
引 言
的ｙ 能够在多大程 度上被过 去的ｘ解释 ，加入ｘ 的滞后值后是否使
０ １
２ ３ ４ ５
－５ ８ １ ５ ８ ．０ ５
６ ２ ７ ４ ２ ０ ２ ２ ６ ０ ０ １ ７ ８ ３６ ４ ２ １ ３．８ ７ ２ ． ３ ３ ３６ ３ ４
７０ ０ ９ ６４ ２ ８６ ３ ３ ４６ ０ ８ ｌ６ ８ ６ ８８ ８ １２ ３ ３４ ７ ２ ． ８ ０ １５１ ６ ２ ．２ ６ １６ ３ ６ ２ ．３ ２ １６ ７ ７ ２ ９ ６１ １５ ４ ２１９ ０ ．０１ １ ２ １９ ２ ２ ５ ０ ’ ｔ５ ｎ ’ ２ ６ ’ ３ ９ ，４ ５ ｎ ２１６ ４ ２ ．６ ２ ２１８ ７ ３ ．２ ５ ２ ．９ ３ １８ ９ ９ ２１９ ４ ８ ．１ ９
宏观经济对有色金属价格的影响——基于VAR模型的实证研究
应， 在 此基础 上 提 出相 关政 策启 示 。
【 基金项 目】 广 东省科技 计划项 目： 基于金 融支持视 角的科技 中介服务机构发展研究 （ 项 目编号 ２ ０ １ １ Ｂ ０ ４ ０ ４ ０ ０ ０ １ ４ ）
１ ３ ０
移到“ 中国因素 ” 上。Ｇ ａ ｒ ｎ ａ ｕ ｔ （ ２ ０ ０ ６ ） 用投资 占 Ｇ Ｄ Ｐ
的制 定具有 启 示作 用。
【 关 键词】 有 色金 属 ； 价格 ； 宏 观 经济 因素 ； Ｖ Ａ Ｋ 模 型
【 作者简介】 姜凌 ， 广东外语外贸大学财经学院副教授 ， 博士， 广 东 广州 ５ １ ０ ０ ０ ６ ； 何俊杰， 中国人民银行
郴 州 中心支行 经 济师 。 硕士 。 湖南 郴 州 ４ ３ １ ０ ０ ０
２ ０１ ３ 年第
．
期 （ 总第 ２ ６ ９期 ）
．
学 术 论 坛 Ａ Ｃ Ａ Ｄ Ｅ ＭＩ Ｃ Ｆ Ｏ Ｒ Ｕ Ｍ
ＮＯ． ６， ２ ０１ ３
（ Ｃ ｕ ｍ ｕ ｌ ａ ｔ ｉ ｖ ｅ ｌ ｙ Ｎ Ｏ． ２ ６ ９ ）
宏观 经济对有色金属价格 的影响
基于 Ｖ Ａ Ｒ 模 型 的 实 证 研 究
性 等 多重 特 征 。从商 品属性看 ， 供 给和需 求 状况 是 推 动 商 品价 格 变 动 的两 大 基 本 要 素 。世 界 银 行 （ ２ ０ ０ ８ ） 认为， ２ ０世 纪 ９ Ｏ年 代大 宗 商 品价格 低 迷 使
得 勘探 及 开采 投 资大 幅 缩减 ，近 年 大宗 商 品价 格
１ ２ ９ ％。
国际 商 品定 价 和结算 货 币 。当其 它 条 件不 变 时 美 元 汇 率变 动使 大 宗商 品价 格在 国 内贸 易对 象 标 价
基于VAR模型的我国期货市场经济增长效应分析
“ 票市场 的发展 ”指标的设计 思路 ， 股 期货 市场 的发展指 标用期货市场成交额 的季度
数据与未季节调整的ＧＤＰ 季度数据之间的
比值来表示 ， 作 “ Ｕ Ｕ Ｅ 。 本文主要 计 ＦＴ Ｒ ” Ｅ ｉ ３１ ｖｅ ｗｓ ． 软件对相关问题进行分析。
计 量 模 型 和 实 证 结 果 检 验
投资者 、消费者 、生产 者在制定相关决策
时 的重 要 依 据 。 这所 产 生 的 相 应 结 果 是 优
化资源配置 ， 从而导致更高 的经济增长 。 因
此 如 图 １ 示 ，期 货 市 场 可 以 通过 优 化 资 所 源 配 置和 风 险 配置 两种 渠 道 来提 高 生 产 力 ，
关键 词 ：期 货 市场 经 济 增 长 Ｖ ＡＲ 模 型 时 间序 列
＝ ＋ ｆ 。∑ Ｔ ＋ （ ） ｃ ＋ ＋ ２
其 中 是待检验的时 间序列 ， 是 常数 ． ｃ 项 ， 为时间趋势 ， 是 滞后 期 ， ． ｔ 七 “是随机误
差项 。原 假 设 是 ： ＝ ，各 选 假 设 是 ： Ｐ ０
《 ｉａ ｃａ ｄ ｖ ｌｐ ｎ ｎ ｃ ｎ ｍｉ Ｆｎ ｎ ｉｌ ｅ ｅｏ ｍｅ ｔ ｄｅ ｏ ｏ ｃ ａ
ｇｏ ｈｔｅｒｌ ｏ ｔｃ ｒｅｓ ｒｗｔ： ｅ ｆ ｏ ｋｍａｋ ｔ》一 文 中 ｈ ｏ ｓ
基 模 的 于Ｖ 型 Ａ Ｒ 我 期 市 经 增 效 分 国货场济长应析
■ 杨丽琳 博 士 （ 江西财经大 学国际经济 贸易学院 南 昌 ３ ０ １ ３ ０ ３）
◆ 中 图 分 类 号 ：Ｆ ３ 文 献 标 识 码 ：Ａ ８０
其 中 ， 表 示经 济增长效 率 ， Ｒ 表示资
内容 摘要 ：本 文 以 １ ９ － ０ ７ 的 统计 ９ ８ ２０ 年 数 据 为 基 础 ，采 用 Ｖ ＡＲ 模 型揭 示 了我 国期 货 市场 发 展 与 经 济 增 长 之 间 的 内
股指期货与现货指数的关联性分析——基于VAR模型
股指期货与现货指数的关联性分析——基于VAR模型张晓芳【摘要】以沪深300现货指数与沪深300股指指数作为研究对象,基于协整检验、Granger因果关系检验、向量自回归动态系统模型等方法研究了两者的关联性问题与相互影响等问题.结果表明沪深300股指期货与沪深300现货指数之间存在长期的均衡关系,存在着内生的关联性,并且期现货市场有着较强的价格发现功能.【期刊名称】《怀化学院学报》【年(卷),期】2015(034)011【总页数】4页(P31-34)【关键词】现货指数;股指期货;VAR模型【作者】张晓芳【作者单位】安徽财经大学数量经济研究所, 安徽蚌埠233030【正文语种】中文【中图分类】F08西方社会在20世纪30年代出现经济危机，各国股票市场遭受了很大的冲击，频频暴跌，一片惨淡.在这种背景下，人们开始寻求股指期货这一金融衍生品.1982年2月24日，世界上第一个股指期货合约——价值线指数由美国堪萨斯交易所（KCBT）推出，从此股票指数期货正式问世.随后，许多国家推出了股指期货，其交易在世界迅速发展起来.而我国的股指期货发展较晚，中金交易所于2006年10月30日正式发布了沪深300股指期货模拟交易价格指数数据，2010年4月16日正式推出沪深300股指期货，它可以规避现货市场的系统风险，从而保护广大投资者的利益，并能增加股票现货市场的流动性，提高我国证券市场的竞争力.它的推出代表了以股指期货交易为开端的中国证券业的一个新格局，有利于完善我国股票市场功能与机制，推动了我国股票现货市场的发展.股指期货在我国是一种创新的金融衍生工具，它的推出对于我国证券市场的发展具有重要的影响.通过研究分析期货市场与现货市场之间的关系，使投资者能够预测现货市场或期货市场的价格变化趋势，进而采取相应的措施，因而本文的研究对股指期货市场与股票现货市场之间的关系有着较为重要的现实意义.Zhong M，Darrat A F.和Otero R［1］（2004）采用EGARCH模型和协整检验研究了墨西哥股票指数与期货市场的价格发现功能及其相互作用；肖辉等［2］（2004）运用高频数据对S＆P500指数与股指期货的关系进行研究，表明股票指数和股指期货之间存在即时互动的关系，股指期货波动明显大于股指波动率；李华等［3］（2006）对日经指数对股票的现货市场的波动性进行了分析，研究发现在股指期货推出初期现货市场的反应较大，波动率较大，之后波动性逐渐减小；华仁海、刘庆富［4］（2010）利用沪深300仿真高频数据进行了实证分析，研究发现：股指期货和股指现货之间存在协整关系和双向价格引导关系，但是股指期货对股指现货的引导力度相对较大；史美景等（2007）［5］对香港恒生指数在股指期货推出前后现货市场的波动性进行了研究，发现在股指期货引入之前，波动性干扰在时间上的持续得比较长，而在股指期货引入之后，干扰因素对现货市场的波动性影响反应速度加快，市场的波动性降低；屈晶［6］（2015）运用协整检验、Granger因果检验以及误差修正模型等方法，研究了H沪深300股指期货价格与现货价格之间的影响关系，得到二者之间存在的长期均衡关系.本文以沪深300现货指数与沪深300股指指数作为研究对象，基于协整检验、Granger因果关系检验、向量自回归动态系统模型等方法研究了两者关联性问题与相互影响关系等问题.由于沪深300现货指数与其股指期货的价格之间可能存在互为因果关系，故需要进行Granger因果关系检验［6］.Granger在1969年提出因果关系检验，Sims于1972年将其推广.Granger因果关系是一种统计上的因果关系，两个变量X、Y 之间的格Granger因果关系定义为：在对X进行预测时，如果加入Y的信息能够降低X的预测误差，则称Y是X的因；反之，则称X是Y的因.现货指数和股指期货之间可能存在互动关系，利用向量自回归模型（VAR）可以分析它们之间的关系.VAR模型由Sims提出，在该模型中，每个被解释变量都对自身和其他被解释变量的滞后期的值进行回归，如果滞后阶数为k，则VAR模型的一般形式表示为：对某一个变量的全部滞后期系数的检验能判断该变量是否对被解释变量有显著影响，但它不能计算出这种影响发生作用所需要的时间以及这种影响的方向问题.针对该问题，本文采用脉冲响应分别分析股指期货和现货指数对单位冲击的响应.2.1 数据说明本文选取沪深300股指期货当月连续合约的日收盘价，因为在当月、下月、当季、下季四种合约中，当月合约成交量最大、最具有代表性；现货指数选取的是沪深300指数的日收盘价，样本区间为2010年4月16日到2015年6月18日共1256个数据，来源于大智慧软件.本文用GZ表示沪深300股指期货交易数据，用XH表示沪深300指数，为消除时间序列的异方差问题，对原始数据取对数，分别记为ln GZ和ln XH.2.2 实证分析过程2.2.1 平稳性检验如图1所示，沪深300指数股指期货（ln GZ）和现货指数（ln XH）价格无论是短期还是长期走势总体趋于一致，这说明股指期货和现货指数有可能存在相互依存关系.在用时间序列数据进行建模时，如果所用的数据不是平稳的，就容易出现“伪回归”现象，这样回归方程就没有实际意义了.使用VAR模型的一个重要前提是变量数据序列必须是平稳，因此本文首先对沪深300指数股指期货和现货指数价格序列进行平稳性检验.本文采用ADF检验时间序列的平稳性.对股指期货指数变量ln GZ进行ADF单位根检验，分别进行零阶和一阶的平稳性检验后，得出ln GZ是一阶平稳时间序列.同样，对现货指数变量ln XH进行单位根检验，发现ln XH也是一阶平稳序列，检验结果如表1所示.结果表明ln GZ和ln XH均为一阶单整，从而可以考虑它们之间是否存在协整关系.2.2.2 EG协整检验采用Engle和Granger在1978年的提出的协整检验方法，对回归方程的残差进行单位根检验.如果自变量和因变量之间存在协整关系，则因变量能被自变量线性表示，两者之间存在长期的均衡关系；而不能被自变量解释的部分表示成残差序列，且该序列应该是白噪声序列.首先建立如下回归方程：用OLS估计后得到（括号内为估计标准误）：提取残差序列t，进行单位根检验，发现在三种模型形式下，序列t均在1%的显著性水平拒绝原假设，因此可确定t为平稳序列，故可以得出：ln GZ和ln XH之间存在协整关系，表明ln GZ和ln XH存在着长期稳定的关系，也就是说股指期货和现货指数这两个一阶单整的序列存在长期的均衡关系.2.2.3 Granger因果关系检验Granger因果关系检验的前提条件是：数据一阶平稳，且变量之间应存在协整关系.由协整检验知，股指期货价格和股票指数满足这两个条件，故可以直接对他们进行Granger非因果关系检验.通过检验可以得到股指期货价格与现货指数之间的因果关系，检验结果见表2.由表2可知，两个原假设概率分别为0.0226和0.0072，均小于0.05，故可以说：ln GZ是ln XH的Granger原因，同时ln XH也是ln GZ的Granger原因，即在5%的显著水平下，沪深300指数和沪深300股指期货具有双向的Granger因果关系，表明股指期货和现货指数都具有价格发现功能，但是股指期货的价格发现功能更为显著.2.2.4 VAR模型及脉冲响应分析在建立向量自回归模型，选取滞后阶数p时，p足够大能够完整地反映所建立的模型的特征和更全面的信息；但是p越大，模型的参数越多，自由度减小，影响模型参数估计量的精确性.模型的最优滞后期的选择准则为：对不同的滞后期进行检验，直到AIC或SC取得最小值，这时的滞后期为最优的滞后期，所构建的VAR模型也就是最优的.本文通过检验，发现滞后两期得出的模型是最优的.利用Eviews求出（4）式表示的VAR模型：脉冲响应分析［6］是用来研究一个静态模型的某个变量受到某种冲击后，对整个系统的动态影响，其原理是反映随机干扰项的一个单位的冲击对内生变量当期和未来的取值的影响，展现了一个内生变量对来自另一个内生变量的一个单位冲击产生的响应，提供系统受冲击所产生响应的正负方向、稳定过程等信息.本文分别对当期的ln GZ、ln XH加一个单位的冲击，观察ln GZ、ln XH对所受的冲击产生的响应.由图2可知，沪深300股指期指的价格受到现货指数一个标准差的冲击后，滞后1期产生的价格变动幅度为0.0148，随后的变动幅度一直维持在0.0145左右；对ln XH分析可知，现货指数的价格受到期指价格一个标准差的新息冲击后，滞后1期产生的价格变动幅度约为0.0041，后期波动幅度不大，并渐渐趋于稳定.由此可以看出，期货价格对现货价格带来的冲击反映更为灵敏，冲击作用也更为持久和强烈；同时，股指期货对现货指数价格的冲击作用较弱，侧面体现了现货指数的价格发现能力较弱.本文以沪深300现货指数与沪深300股指期货指数作为研究对象，基于协整检验、Granger非因果关系检验、向量自回归模型等方法研究了两者的联动关系和相互影响问题，研究表明沪深300股指期货指数和沪深300现货指数的时间序列数据具有协整关系，也就是说这两者之间存在着长期的均衡关系，意味着股指期货被引入我国证券市场，有充分的条件实现它的价格发现功能，是一种重要的投资工具.沪深300股指期货指数的价格波动和沪深300指数的价格波动之间具有较强的相关关系，上涨和下跌趋势基本保持一致，这表明沪深300股指期货和现货指数价格之间存在内生的关联性.通过Granger因果关系分析检验，可以得出期、现货市场存在明显的价格引导关系.股指期货是在现货市场的基础上发展起来的，是金融工具的一种创新，也是风险管理的有效工具.股指期货市场和现货市场有着较强的联动性，因此促进二者的良性互动发展对我国资本市场的进一步发展有着重大意义.【相关文献】［1］ZhongM.Darrat A F.和Otero R price discovery and volatility spillovers.In index futures markets：Some evidence from Mexico［J］.Journal of Banking＆Finance 2004，28（12）：3037－3054.［2］肖辉，昊冲锋.股指与股指期货日内互动关系研究［J］.系统工程理论与实践，2004（5）：15－21.［3］李华，程婧.股指期货推出对股票市场波动性的影响研究——来自日本的实证分析［J］.金融与经济，2006（2）：81－83.［4］史美景，邱长溶.股指期货对现货市场的信息传递效应分析［J］.当代经济科学，2007（4）：27－31.［5］华仁海，刘庆富.股指期货与股指现货市场间的价格发现能力探究［J］.数量经济技术经济研究，2010（10）：90－100.［6］高铁梅.计量经济分析方法与建模［M］.北京：清华大学出版社，2006.。
var计量模型
铜的日期货（qcu）和现货（xcu）价格的协整关系分析【案例file:6copper-dayly】上海金属网和上海期货交易所的铜的期货和现货价格的关系研究，选取2001:6-2007:3间1297个铜的期货和现货价格观测值。
qcu表示铜的期货价格（千元），xcu表示铜的现货价格（千元）。
对铜的日期货（qcu）和现货（xcu）价格取对数，做序列图和散点图如下：不存在异方差，可以直接用qcu和xcu建V AR。
V AR模型估计的EViews操作：打开工作文件，点击Quick键, 选Estimate VAR功能。
作相应选项后（k=2），即可得到V AR的表格式输出方式。
在VAR模型估计结果窗口点击View 选representation功能可得到V AR的代数式输出结果。
V AR模型的特点是：（1）不以严格的经济理论为依据。
在建模过程中只需明确两件事：①共有哪些变量是相互有关系的，把有关系的变量包括在V AR模型中；②确定滞后期k。
使模型能反映出变量间相互影响的绝大部分。
（2）V AR模型对参数不施加零约束。
（对无显着性的参数估计值并不从模型中剔除，不分析回归参数的经济意义。
）（3）V AR模型的解释变量中不包括任何当期变量，所有与联立方程模型有关的问题在V AR模型中都不存在（主要是参数估计量的非一致性问题）。
（4）V AR模型的另一个特点是有相当多的参数需要估计。
比如一个V AR模型含有三个变量，最大滞后期k = 3，则有k N2 = 3 × 32 = 27个参数需要估计。
当样本容量较小时，多数参数的估计量误差较大。
（5）无约束V AR模型的应用之一是预测。
由于在V AR模型中每个方程的右侧都不含有当期变量，这种模型用于样本外一期预测的优点是不必对解释变量在预测期内的取值做任何预测。
（6）用V AR模型做样本外近期预测非常准确。
做样本外长期预测时，则只能预测出变动的趋势，而对短期波动预测不理想。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
期货投资的VaR模型及实证分析——以上海期铜15年历史数据
为例
作者：丁韶华， 王晓红， DING Shao-hua， WANG Xiao-hong
作者单位：丁韶华,DING Shao-hua(南京大学工程管理学院,210093)， 王晓红,WANG Xiao-hong(江苏省委党校经济学教研部,210004)
刊名：
南京师大学报（社会科学版）
英文刊名：JOURNAL OF NANJING NORMAL UNIVERSITY(SOCIAL SCIENCE EDITION）
年，卷(期)：2009(4)
1.Bollerslev T Generalized Autoregressive Conditional Heteroscedasticity 1986(31)
2.Hull J C Risk Management and Financial Institutions 2006
3.Jorion P The Value at Risk Fieldbook:The Complete Guide to Implementing Vat 2000
4.Herlemont D Risk Management Study for Managed Futures 2005
5.Fuss R;D G Kaiser;Z Adams Value at Risk,GARCH Modeling and the Forecasting of Hedge Fund Return Volatility 2007(01)
6.Hendricks D Evaluation of Value-at-Risk Models Using Historical Data 1995
7.Schneeweis T Dealing with Myths of Managed Futures 1998(02)
8.Duffle D;J Pan An Overview of Value-at-Risk 1997(04)
1.郭晓亭.蒲勇健.杨秀苔.GUO Xiao-ting.PU Yong-jian.YANG Xiu-tai VaR模型及其在证券投资管理中的应用[期刊论文]-重庆大学学报（自然科学版）2006,29(3)
2.张宗成.王骏.Zhang Zongcheng.Wang Jun基于VAR模型的硬麦期货价格发现研究[期刊论文]-华中科技大学学报（自然科学版）2005,33(7)
本文链接：/Periodical_njsdxb-shkxb200904010.aspx。