期货交易保证金的设定

Frequency
0
20
40
60
80
收益率的自相关检验
自相关系数基本为0
Series dlindex
1.0
偏相关系数基本为0
Series dlindex
0.8
0.6
Partial ACF
0 5 10 Lag 15 20
ACF
0.4
-0.10
0.0-0.05来自0.20.00
0.05
0.10
5
10 Lag
基于GARCH模型的VAR方法
• VaR模型通常假设如下： • ⒈市场有效性假设； • ⒉市场波动是随机的，不存在自相关。 • 对于中国金融业来说，由于市场尚需规范， 政府干预行为较为严重，不能完全满足强 有效性和市场波动的随机性，在利用VaR模 型时，只能近似地正态处理。
基于GARCH模型的VAR方法
数据正态性检验
Histogram of return
-0.04
-0.02
0.00 return
0.02
0.04
• 从中可以看出，日收 益率有一定的正态性 特征，但并不服从标 准的正态分布。其平 均每日的收益率为0.0004958 ，偏度为0.2665437 ，峰度为 1.23031小于标准正态 分布的3
影响保证金的其他因素
• 期末净未平仓合约数目水平,市场风险一般会 随着净未平仓合约数目增加而上升，在净未平 仓合约数目异常高的时候，期货合约的保证金 水平应该提高
• 未平仓合约价格相对现货市场市价的比值，虽 然未平仓合约价格相对现货市场价格并不具有 较强的相关性，但当前者相对后者价值差额较 高时，就会对期货合约的价格变动造成较大影 响，此时设定保证金需要特别谨慎
15
20
GARCH模型
• 均值方程：rt=-0.00052468+et • 方差方程: σt2 =-0.000000043087-0.00000001et-12 + σt• 由于VaR =Pt-1 *Z α * σt*sqrt(t) • 而我们得出的σt主要在1.055%~1.102% • 通过对下一交易日的预测，收益率的均值为-0.052%， 收益率的标准差为1.102% • 在95%的置信度下，VaR= Pt-1 *1.96*1.102*sqrt(2) = Pt-1 *3.05% • 因此5％的最低交易保证金标准能够覆盖正常情况 下连续两个交易日的价格波动风险
基于GARCH模型的VAR方法
• 目前国内期货保证金的设置主要强调了控 制风险，没有实现科学、定量的设置，且 没有根据市场风险的变化情况进行动态管 理，所以国际上常用的SPAN、TIMS保证金 系统并不适用于我国期货市场 • VaR（Value at Risk）是指在一定的置信水平 下，某一金融资产（或证券组合）在未来 特定的一段时间内的最大可能损失。 • Prob(ΔP> VaR) = 1 － α
• 以GARCH模型中的条件方差来度量期货市场 VaR其计算公式为： • VaR =Pt-1 *Z α * σt*sqrt(t) • 式中σt由GARCH模型估计得到的条件标准差； Z α为显著水平为α 下对应分布的分位数； Pt-1为前日结算价。
期市保证金设定的VaR模型实证分析
• 采用豆粕指数合约从2012年9月19日到2013 年9月23日每天的结算价样本数据 • 由于期货价格波动较大，不适合用于GARCH 模型，所以我们选择运用收益率进行拟合 • 收益率=Pt-Pt-1/Pt-1≈ lnPt-lnPt-1 • 运用R软件拟合GARCH（1,1）模型
期货交易保证金的设定
保证金设置原则
• 理想的保证金额度，一方面可以达到控制 违约风险的目的，另一方面仍然可以提供 具有吸引力的杠杆倍数，使市场参与者有 较高的资金使用效率。 • 国内期货公司一般在交易所收取保证金的 基础上再上浮一定的比例作为收取投资者 保证金的标准，并在此基础上根据持仓量 的大小、交易目的以及到期时间长短、节 假日因素等不同情况调整保证金水平
2 1
GARCH模型结果检验
• 两日间最大波动率=Max(abs(后一日最高价前一日结算价)，abs(后一日最低价-前一日 结算价))/前一日结算价 • 在238个数据中，击穿5%最低保证金的次数 仅为2次，概率为0.84%，对控制市场风险 有较好的效果
• 所以期货公司所设保证金应该在交易所基 础上再提高3%左右
影响保证金的其他因素
• 最低交易保证金标准应高于每日涨跌停板 幅度，能够在期、现货市场出现极端价格 波动时，为交易所采取各项风控措施预留 一定空间，有效防范跨市场的系统性风险