期貨最優套期保值比率研究評述

蘭 鵬

(新疆財經大學 金融學院，新疆 烏魯木齊 830012)

一、引言

一般來講，套期保值就是把期貨市場當成規避價格波動風險的場所，將相應的期貨合約作為未來買賣現貨市場商品的臨時替代物，對現在買進、準備將來賣出或者將來需要購買的商品價格進行保值的交易活動。在套期保值實務中，持風險規避態度的投資者通過期貨進行風險頭寸管理，從而降低或規避不利的價格波動風險。對于這些風險，套期保值者可以通過期貨市場轉移給樂意承擔風險的投機者。從合約設計的角度來看，期貨合約應該最大限度滿足期貨市場套期保值者的交易需要。由于套期保值是期貨市場存在和發展的基礎，對于期貨市場效率的研究和探討，反映到套期保值層面上，就是套保有效性的問題。另一方面，國內外專家學者也對期貨市場套期保值問題進行了深入細致的探究，一致認為的是套期保值研究的核心問題是最優套保比率的估計和套保有效性的測度。無論在理論層面，還是在實務層面上，研究這兩個問題對期貨市場的發展和功能完善都有非常重要的意義。

研究期貨最優套保比率以及套保有效性的價值在于:第一，在套期保值實務中，套保操作策略分為靜態套保和動態套保兩種，那么，兩種操作策略下的最優套保比率的估計正是套期保值者關心的問題。本文通過深入研究靜態和動態兩種套保策略，借助多種套期保值模型對相應的套保比率進行估計，進而能夠在實踐應用中更加量化期貨合約的交易成本，實現套期保值的風險最小化和效用最大化。第二，在選用了不同的套期保值操作策略后，套保者最為關心的是這些策略能在多大程度上降低交易者面臨的價格波動風險，即套期保值有效性測度問題。本文通過套保績效測度指標對多種模型下的套期保值效果進行量化分析，為策略的最優化選擇提供重要的考量標準。

與以往的實證研究相比，近年來，較前沿的套期保值研究呈現如下特點:(1)與主流的套期保值實證模型選取相比，會在文章中引入了國內期貨套期保值研究較少涉及的常條件相關GARCH(CCCGARCH)模型、動態條件相關 GARCH(DCCGARCH)模型、基于卡爾曼濾波(Kalman filter)的狀態空間(SSPACE)模型、修正ADCC－GARCH模型和DADCC－GARCH模型以更好地捕捉金融時間序列特有的尖峰厚尾、波動集群的分布特征和期、現貨價格的動態相關性。(2)根據套期保值有效性的相關影響因子，將實證檢驗劃分為合約效應、近交割月效應檢驗，較全面地反映套保有效性的動態變化過程和內在涵義。(3)研究者對期貨價格序列拼接的方法多樣，主要有如下三種數據處理手法:一是參照國外的做法以期貨交割月份前一至兩月作為切割周期進行數據處理;二是以交易量作為參考指標，選取交易量最大的月份作為切割月份進行數據拼接;三是高盛公司被實務界廣泛認可和使用的方法，即在前一個合約臨近到期時逐步移倉的方法，有效地解決兩個相鄰合約間存在的因換月拼接價格數據引起的“價格遷躍”現象。

二、文獻回顧

(一)國外相關文獻回顧

在套期保值的理論與實務中，最優套保比率的估計及套保有效性測度一直是其最為核心的問題。國外在這方面的研究最早可以追溯到二十世紀三、四十年代。在期貨交易快速發展的大背景下，套期保值的研究也經歷了從傳統套期保值理論，到基差逐利型套期保值理論，再到現代套期保值理論的發展過程。在現代套保理論中，學者們最為關注的是套期保值比率的確定，由于切入的研究視角的差異，這方面的研究可以分為兩大類，一類是從組合收益最小化的角度研究最小風險套期保值比率，另一類則是從效用最大化角度研究均值－風險套期保值比率。

1.傳統套期保值理論

又被稱為幼稚或天真套期保值理論，是由Keynes(1923，1930)和Hicks(1946)提出的。他們認為一單位的現貨需要一單位的期貨合約來規避價格波動風險。理論根據在于現貨價格和以此現貨資產為標的的對應期貨合約價格變動方向和大小一致且呈現完全正相關關系，此時套期保值比率為1，套保比率為1的套期保值被稱為完美套期保值。

2.基差逐利型套期保值理論

與Keynes和 Hicks持相左看法的 Working(1960)認為，只有在期貨市場價格與現貨市場完全正相關，并且不存在市場摩擦、交易費用與稅收成本時，完美套期保值才會實現。但在現實的期貨交易中，由于基差風險的存在，期貨價格的變動與現貨價格的變動并不完全一致。因此Working(1960)提出了基差逐利型套期保值理論，在這個理論中，他提出，套期保值的核心功能不在于消除價格波動風險，而在于通過觀察基差或預期基差方面的變化來謀取利潤。套期保值從某種意義上講就是投機的一種，但它不是投機于價格，而是投機于基差。

3.現代套期保值理論

(1)從組合收益風險最小化角度研究期貨市場最小風險套期保值比率

在風險最小化(MV)的研究背景下，學者們對套期保值比率的認識主要分以下兩大類:一類是認為套期保值是靜態的，因而套期保值比率是不隨時間發生變化的，即靜態的。另一類則認為套期保值是個動態調整風險頭寸的過程，因此，隨著時間的推移，套期保值比率也應作出相應的變動，即套期保值比率是時變的。

在靜態套期保值理論研究框架下，國外眾多學者對套期保值進行了卓有成效的研究:

Johnson(1960)和Stein(1961)通過引入馬科維茨組合投資理論體系，提出了基于效用最大化原則的最優套期保值策略。

Ederington(1979)認為可以在組合收益風險最小化的原則下，構造現貨收益率與期貨收益率的簡單回歸方程來測算最小方差套期保值比率，并取得了良好的結果。

Bell、Krasker(1986)驗證了假如期貨價格波動依賴于新息，則傳統的回歸模型得出的最優套保比率是有偏估計的。

Fama、French(1987)引入基差作為模型解釋變量，以增強預測現貨回報率的能力。

Park、Bera(1987)認為，在估計最優套期保值比率時，運用簡單線性回歸模型是有缺陷的，因為該模型忽略了期、現貨價格序列中的異方差性和序列自相關。

Myers、Thompson(1989)運用了雙變量向量自回歸(B－VAR)模型對最優套期保值比率進行估計，有效地解決了運用最小二乘(OLS)模型產生的序列自相關問題。

Lindah(1992)在運用OLS模型進行實證研究時，發現估計出的套期保值比率呈現時變特性，因而得出OLS回歸模型估計的套期保值比率是有偏的這一結論。

Herbst、Kare、Caples(1989)運用 ARIMA 模型對外匯期貨市場的套?？冃Ш吞灼诒Ｖ当嚷蔬M行實證研究，發現該模型的套期保值效果比傳統的OLS模型更優。

在Eagle、Granger(1987)提出協整理論后，Lien、Luo(1993)以及Chou(1996)等人先后運用向量誤差修正(VECM)模型估測最優套期保值比率，VECM模型考慮了期、現貨價格之間的協整關系對套期保值比率的影響，能夠更有效地對沖現貨頭寸的風險。

Ghosh(1993)等指出，傳統的回歸模型沒有考慮到期現貨價格的協整關系，并提出運用向量自回歸(VAR)模型，誤差修正(ECM)模型及分數協整模型估計最優套期保值比率，以充分利用歷史信息集，提升套期保值效果。

Wahab、Leshgari(1993)通過研究股指期貨與相應股票現貨的數據，發現兩者之間存在著顯著的協整關系，進而采用誤差修正(ECM)模型進行建模，并借助此模型對S＆P500和FTSE100的股指期貨進行實證分析。

Asim Ghosh、Ronnie Clayton(1996)在他們的研究中發現，誤差修正(ECM)模型可以克服傳統模型對誤差修正項和短期動態沖擊關系的忽略，糾正了價格描述的誤差，其套期保值績效更好。

Wenling Yang、David E.Allen(2004)為了對“序列自相關”進行修正，因而運用向量自回歸(VAR)模型進行最優套期保值比率的測算。

以上的相關研究都是圍繞時不變套期保值理論體系展開的，但是學者們發現期貨、現貨價格的相關性程度并非恒定不變，而是隨時間的推移發生波動的，而且金融時間序列本身呈現的尖峰厚尾、波動集聚、偏態分布等特征使得靜態套保模型對最優套期保值比率進行測算時出現價格描述的誤差和有偏的估計值。Engle(1982)提出的自回歸條件異方差(ARCH)模型，以及Bollerslev(1986)在ARCH模型基礎上拓展出的廣義自回歸條件異方差(GARCH)模型有效地解決了上面描述的套保比率的相關問題，同時也構建起了時變套期保值理論的研究框架。自此以后，相關的動態實證研究逐漸流行開來。由于ARCH/GARCH族模型可以很好地捕捉到金融時間序列的分布特征，因而受到許多研究學者的極力推崇。隨著GARCH族模型研究的深入，基于多元GARCH模型下的時變套期保值研究也層出不窮:

Cecchetti、Cumby、Figlewski(1988)運用自回歸條件異方差(ARCH)模型對美國國債期貨合約的時變套期保值比率進行估計，并發現套期保值比率與持有合約時限呈現正相關關系。

Myers、Thompson(1989)認為解釋變量和被解釋變量所確定的信息集是隨時間的推移發生改變的，因此，由信息集及變量所確定的套期保值比率不應是常數，而應是變量，即套期保值比率是動態的。

Bollerslev(1990)通過建立常條件相關GARCH(CCC－GARCH)模型解決了條件方差——協方差矩陣非正定的難題，但是CCC－GARCH模型的實證檢驗一直不盡如人意。

Baillie、Myers(1991)采用 EC－GARCH模型對六種不同商品的套保效率進行研究，發現時不變套期保值比率這一假設是不合適的，并且發現套期保值期限越長，相應的套期保值比率越高。

Kroner、Sultan(1993)認為在進行GARCH模型建模時，應考慮到期貨、現貨價格序列之間的協整關系，他們對此進行了模型改進，建立起含有誤差修正項的ECM－GARCH模型，并對世界上主要的貨幣期貨的最優套期保值比率進行估計，取得了良好的實證效果。

Park、Switzer(1995)將BGARCH模型用于股指期貨的套期保值研究中，發現BGARCH模型無論在樣本內還是樣本外，都改進了靜態套保策略的效果。

Lien、Tse、Tsui(1996)運用 CCC －GARCH 模型測算了外匯期貨、商品期貨等市場的最優套期保值比率，發現其估計結果與OLS模型相差不大。

Bera、Garcia、Roh(1997)采用 BEKK － GARCH模型研究期貨套期保值，發現該模型得到的套期保值比率比最小二乘(OLS)模型更差。

Gannon、Yeh(2000)認為在考慮交易成本因素時，GARCH模型的績效表現要優于其他靜態套期保值模型。

Engle(2002)考慮到CCC－GARCH模型的時變相關系數假定與實際情況有差距，提出時變動態條件相關系數GARCH模型，從而使同時估計多個市場的相關系數成為可能，同時也克服了多元GARCH模型的“維數災難”。而后，Hsu等人(2008)也將這一模型應用到套期保值的實證研究中來。

Dimitrios V.Vougas、Christos Horos(2004)在希臘期貨市場上運用OLS，ECM，VECM以及GARCH－M模型對最優套期保值比率進行估計，結果顯示，GARCH－M模型的估計結果最好。

David E.Allen、Wenling Yang(2004)在澳大利亞市場上運用多種計量模型建模并進行績效比較后發現GARCH模型測算的最優套期保值比率優于其他模型。

Yuan－Hung Hsu Ku(2007)等人運用了 OLS、ECM、GARCH、CCC－GARCH 和 DCC－GARCH 模型對英鎊和日元期貨市場的最優時變套期保值比率進行測算并進行績效測度發現，DCC－GARCH模型表現最好，而CCC－GARCH模型在所有模型中表現最差。

Gyu－Hyen Moon(2009)等人運用滾動最小二乘模型和流行的幾種多元GARCH模型研究了KOSTAR指數期貨的套期保值績效，發現在樣本外，動態套保策略優于傳統的套保策略，并且滾動最小二乘模型表現上不遜于其他多元GARCH模型。

近些年來，隨著時變套期保值理論研究的深入，更多復雜、高深的計量經濟模型被用來估計最優套期保值比率和測度套保有效性:

Alizadeh、Nomikos(2004)首次將馬爾科夫體制轉換模型引入股指期貨的套期保值中，將不同的狀態看成是影響套期保值比率的潛在變量，并對FTSE100和S＆P500指數期貨市場的套期保值比率進行了實證研究。

Hatemi－J、Roca(2006)運用基于卡爾曼濾波(Kalman filter)的狀態空間(SSPACE)模型對澳大利亞股票和股指期貨市場的最優套保比率和套保表現進行了實證研究，并與Edrington(1979)提出的回歸方程進行比較，結果顯示:就套期保值績效而言，SSPACE模型遠勝于Edringtong的回歸方程。

Hsu、Tseng、Wang(2008)通過引入 Copula 理論，運用Gaussian Copula、Gumbel Copula和Clayton Copula三種具有時變相關系數的函數估計最優時變套期保值比率。發現其比傳統的GARCH族模型有明顯的效果改善。

Ming Jing－Yang、Yi－Chuan Lai(2009)通過研究世界上各大股指期貨市場的樣本外套期保值績效后發現無論采取的是靜態套保還是動態套保策略，套期保值都在不同程度上提升了投資者的期望效用和降低了組合收益的風險。同時指出，無論是否考慮交易成本費用，GJR－EC－GARCH模型和ECOLS模型都有很好的套期保值效果。

(2)從效用最大化的角度研究期貨市場最優套期保值比率

大多數學者關于套期保值比率的研究都是從組合風險最小化視角切入的，但是這種研究方法僅僅考慮了收益風險的最小化，卻忽略了收益的最優化，而在效用最大化的視角下研究期貨市場的最優套期保值比率，就同時考慮了收益和風險的兩方面問題達到最優化決策，而且該方法也更加貼近實際情況。由于效用最大化方面的套期保值文獻相對較少，本文就將代表性的相關研究陳述如下:

D’Antonio、Howard(1984)類比夏普證券市場線的做法，在效用函數最大化的條件下，給出了最優套保比率的計算公式以及測度套期保值有效性的量化指標。

Okunev、Kolb(1993)運用增光基尼系數這一風險度量方法，給出了在效用函數最大化的條件下最優套保比率的計算方法。

Kuo、Hsin、Lee(1994)在效用函數最大化的條件下研究了最優套期保值比率的測度方法(即HKL測度)。

Lee、Chen、Shrestha(2001)在 De Jong(1997)等人的研究基礎上，測算出借助效用函數確定的最優套期保值比率，并運用S＆P500指數期貨價格和現貨數據進行研究，結論顯示，風險厭惡系數的差異影響著套期保值比率的取值。

(二)國內相關文獻回顧

我國在套期保值方面的研究起步較晚，早期的相關文獻也多停留在理論闡述、定性分析層面上。近年來，隨著國外套期保值實證研究的不斷深入，我國這方面的實證文章也有所增加，并且受到越來越多學者的關注和探究。華仁海和仲偉俊(2002)通過對套期保值文獻的相關梳理、歸類，對套期保值理論的發展歷程進行了簡要的述評。

1.引入OLS、VAR、VECM等靜態套期保值模型研究套期保值比率

史晉川、陳向明、汪煒(2006)運用誤差修正(ECM)模型和簡化誤差修正(S－ECM)模型測度我國期銅的套保比率和績效，研究發現當忽略期現貨價格的協整關系時，套期保值有效性會有所降低，考慮到此關系時，會提高我國銅期貨合約的套期保值效果。

高勇、黃登仕、魏宇(2008)在研究中國鋁期貨較長期限合約時，為克服數據量小的難題，采用了協整序列分解模型進行數據分析，發現選用的數據時間單位越長，所得到的套期保值比率就越大，相應的套期保值績效就越好。

2.借助GARCH族模型、馬爾科夫體制轉換模型等動態套期保值模型測度套保比率

馮春山、吳家春、蔣馥(2004)運用帶GARCH誤差修正項的向量誤差修正(VECM)模型估計套保比率時發現該方法的套保績效要好于靜態套保模型。

彭紅楓、葉永剛(2007)在 Kroner和 Sultan(1993)建立的ECM－GARCH模型基礎上，提出了修正的 ECM－GARCH模型，并用此模型與 BGARCH模型以及ECM－GARCH模型對中國銅期貨市場的套期保值比率進行比較研究，并分析了三種模型相應的套期保值效果。

陳蓉(2009)等人提出了一種新的研究思路——運用基于混合Copula函數的最小下偏矩估計套期保值比率，并在S＆P500指數期、現貨數據的實證研究中，很好地捕捉和反映了S＆P500期、現貨收益率的尾部相關性，同時在樣本外獲得了較好的預測結果。

鄭尊信、徐曉光(2009)引入Copula－GARCH模型框架，探討了基差、隨機沖擊等因素對于套期保值的影響以及非對稱相關結構的形成機制。實證研究發現，基差和隨機沖擊會影響期、現貨價格的相關性，并且套期保值效果在非對稱相關明顯的市場上，得到顯著提升。

王玉剛、遲國泰、楊萬武(2009)借助Copula理論中的非線性相關系數，運用GARCH和EWMA模型對期銅合約的最小方差套期保值比率進行估計，實證結果顯示，該模型的有效性優于現有實證方法測算的套期保值比率。運用該模型，進行套期保值可以更好地規避價格波動風險。

付劍茹(2010)跳出“選用不同計量經濟模型，反映期貨現貨價格聯動方式”的主流思維框架，基于伊藤過程和持有成本理論描述了期貨與現貨聯動關系，同時運用蒙特卡洛(Monte Carlo)方法模擬出中國銅期貨的期、現貨價格序列。結論顯示，中國銅期貨市場有投機者主導的，套期保值者處于被支配的地位。

戴曉鳳、梁巨方(2010)運用時變Copula函數構建期貨與現貨收益率的聯合密度函數，進而借助數值方法計算最小下偏矩套期保值比率。通過采用中國銅期貨、現貨價格數據進行實證檢驗，得到優于最小方差測量方法的測度結果。

王輝、謝幽篁(2011)通過引入修正 ADCCGARCH和DADCC－GARCH模型對時間窗口為2009年－2011年的大豆、棉花、銅、鋁和燃料油這5種商品期貨及其對應的現貨數據進行實證研究:分析結果顯示:(1)5種期貨品種與對應的現貨之間均有長期均衡關系(2)基差與消息均存在非對稱效應，因此在進行最優套期保值比率估計需考慮基差因子、新息因子的影響，(3)農產品期貨、能源期貨的套保比率均低于金屬期貨，(4)樣本內的估計結果表明，修正ADCC－GARCH和DADCC－GARCH模型均比其他模型更能降低組合所面臨的風險，(5)對于農產品期貨來說，樣本外結果是靜態模型的表現更優，而金屬期貨、能源期貨的樣本內外估計結果差距不大。

傅俊輝、張衛國、杜倩、孔文濤(2011)通過引入規避逐日盯市風險這一考量因子，并給出該因子的約束條件，構建自有資金情況下的基于現貨價格風險、逐日盯市風險的期貨套期保值模型，并采用圖示法給出最優套期保值比率的解析方程式，研究自有資金不足、需要借入資金情況下應該如何選擇最優的套期保值比率，以獲得最佳的套期保值效果，并以上海期貨交易所期銅為研究對象，闡釋逐日盯市風險對于套期保值研究的重要性以及該模型的適用性。

3.結合靜態和動態套期保值模型進行套期保值比率的比較研究

馮春山、王駿、張宗成(2005)借助 OLS、BVAR、ECM、EC－GARCH4種模型探究了中國硬麥和大豆期貨市場的套保比率和相關套期保值效果，了解到ECM和EC－GARCH模型的套保比率和套保效果都要優于OLS和B－VAR模型。

王駿、張宗成(2006)在研究有色金屬市場時，采取了同樣的方法對套保比率進行實證研究，得到了與此前一致的結論。

彭紅楓、葉永剛(2007)對動態套保模型和靜態套保模型的優劣對比進行了探究，并通過期銅市場的實證分析，發現基于B－GARCH模型動態套保效果優于基于OLS模型的靜態套保效果。

方虹、陳勇(2008)運用 OLS、B －VAR、ECM、ECM－GARCH4種模型研究了石油期貨套保比率及績效。實證結果表明，ECM－GARCH模型在套期保值效果上有著優異的表現。

潘慧峰、吳衛星(2008)運用 OLS、B－VAR、ECM、ECM－GARCH4種模型對香港恒生國企指數期貨的套期保值比率和績效進行實證研究，發現采用的模型所得的估計結果都優于“幼稚法”。

馬超群、袁夢(2008)等人在最小風險理論框架下，選取恒生指數期貨和對應股票現貨數據，采用OLS、OLS － CI、B － VAR、ECM、GARCH、ECM －GARCH等模型進行套期保值比率的測算，并檢驗了不同計量方法在香港市場上的應用效果。

方世建、桂玲、吳博(2008)從理論評述的視角上對期貨套期保值模型的發展歷程進行了系統性的闡述，在總結靜態模型的基礎上，著重介紹了馬爾科夫體制轉換(MRS)模型以及卡爾曼濾波(Kalman filter)等模型在套期保值中的應用。從理論上解釋了動態模型改進套期保值效果的原因，為投資者進行股指期貨套期保值提供相應的建議。

彭紅楓、胡聰慧(2009)在綜述國際上主流的最優套保比率方法的基礎上，運用靜態模型OLS、BVAR、B－ECM 和動態模型 BGARCH、EC－GARCH對中國大豆期貨市場的套期保值比率及績效進行實證研究。結果發現、無論在樣本內、還是樣本外，靜態套保模型績效要優于動態套保模型的，而這一點與國外實證研究結論相悖。

梁斌、繆柏其(2009)等人在套期保值比率實證模型的選擇上，引入三種參數化形式的BEKK模型進行參數估計，同時與主流的靜態套保模型比較相應的套保效果，同時他們研究了不同參數化形式對動態套保模型的影響，而且總體的結論與主流研究具有一致性。

付勝華、檀向球(2009)通過 OLS模型和GARCH模型對基金十大重倉股股票進行套期保值實證分析，并設計了套期保值操作流程，詳細描述了每步的操作要點。

吳博(2010)選取滬深300股指期貨仿真交易行情和華安上證180ETF分別作為相應的期、現貨的研究對象，采用主流的 OLS、VAR、VECM、GARCH 4種模型進行套期保值的實證研究，并且基于“風險最小化”和“效用最大化”視角比較4種套保模型的套保績效。結果顯示，在樣本內，GARCH模型降低風險的效果最明顯，而OLS模型則可使得投資者的效用函數最大化，而在樣本外，兩種視角都一致認為VECM模型套期保值績效最優。

付劍茹、張宗成(2010)借助基于卡爾曼濾波(Kalman filter)法的狀態空間(SSPACE)模型對中國銅期貨市場的時變最優套期保值比率進行估計，并與OLS、VAR、VECM、CCC －GARCH 模型的套期保值效果進行了比較，方差改善率指標和夏普比率指標的測度結果顯示，基于卡爾曼濾波(Kalman filter)的狀態空間(SSPACE)模型的套?？冃嬲純?。

華仁海、譚之科(2010)則以大豆期貨市場為研究標的，檢驗考慮基差非對稱效應的動態期貨套期保值策略，結果表明忽略基差非對稱效應會影響套期保值的效果。

邵永同(2011)運用 OLS、B －VAR、ECM、BGARCH 4種模型對于中國棉花期貨市場套期保值比率進行實證研究。結論顯示，考慮了期、現貨價格協整關系的ECM和BGARCH模型套保效果遠勝于傳統的套期保值模型，而且套期保值功能的發揮與套期保值期限呈現高度正相關。

佟孟華(2011)以滬深300股指期貨的真實交易數據及滬深300指數為研究對象，建立了ECMBGARCH(1，1)的滬深300股指期貨對滬深300指數的動態套期保值模型。通過實證分析發現，該模型優于傳統的套期保值模型。

高揚、郭晨凱(2011)以滬深300股指期貨上市后的日數據為研究對象，分別運用靜態模型(選用的是OLS模型)和動態模型(選用的是ECM－GRACH模型)對股指期貨的套期保值比率進行估計，并選用三種套保策略(幼稚型策略、OLS套保法、ECMGARCH套保法三類)進行套期保值有效性的比較分析，結果發現，采用后兩種操作策略的套?？冃黠@優于幼稚型策略，且最高值可達76%。

張健、方兆本(2012)選取滬深300股指期貨、構建的滬深 300ETF組合、S＆P500股指期貨以及S＆P500指數四種時間序列日數據，運用 OLS、VECM、copula－VaR、修正ECM－GARCH模型進行股指期貨套期保值比率的實證分析，通過引入風險最小化原則比較兩種股指期貨的套保效率，實證結果顯示:無論使用哪種估計方法，滬深300股指期貨的套?？冃Ф純炗赟＆P500股指期貨。而且無論在樣本內還是樣本外，修正ECM－GARCH模型的估計結果都為最優。

陳海波、鄭瑋(2012)通過引入時變參數模型，并選取滬深300股指期貨作為研究標的，運用各期主力合約構建出完整期貨收益率序列，使用基于卡爾曼濾波迭代算法的狀態空間模型模擬出動態套期保值比率，并與OLS模型的套保績效進行比較，結果發現，動態的套保效果遠優于靜態的模型估計法。

馬鋒、張凌云、黃顯濤、鄒康林(2012)對滬深300股指期貨的套期保值比率及有效性進行具有現實意義的探討。他們運用靜態套期保值模型(OLS、VAR、VECM三種)以及動態套期保值模型(VARMGARCH、VECM－MGARCH兩種)對滬深300股指期貨的最優套期保值比率及其套保有效性進行研究，實證結果顯示:無論是樣本內還是樣本外，動態模型的套保效果都比靜態模型更優，其中VECMMGARCH模型估計的套期保值比率是所有模型中最高的;此外，靜態模型估計中VECM要優于OLS、VAR模型。

史美景、趙永淦(2012)構建一種新的Copula－TGARCH模型對股指期貨的最佳套期保值比率進行估計，根據期、現貨收益率序列不同的尾部相依性，用不同的 Copula函數形式(包括 Gumbel－copula，Clayton－copula，Gaussian－copula三種)擬合兩序列的相關性，并與其他的動態套期保值模型(包括ECM－CCC－GARCH和ECM－DVEC－GARCH兩種)對比其套期保值的效果。對香港恒生指數和恒生股指期貨的實證分析，結果顯示:無論樣本期內、外，Copula－TGARCH模型的套期保值效果均為最優，而基于非對稱Gumbel Copula的套期保值比率是最理想的。

孫艷、何建敏(2012)首先引入小波方法將股指期、現貨收益率序列分解到不同時間尺度上，并使用核密度法估計期、現貨的聯合密度函數，然后在最小下偏矩框架中得到多尺度的最優套期保值比率。運用香港恒生指數期貨、恒生指數日數據進行數量分析，結果表明:伴隨時間尺度的延長，最優套期保值比率以遞減的速度遞增，且套期保值效果保持遞增，直至接近于1。

李紅霞、傅強、袁晨(2012)通過構建 VARDCC－MVGARCH模型，檢驗時間窗口為2008－2011年的中國黃金期貨與現貨市場的動態相關性，并從組合收益風險最小化角度研究期貨市場最小風險套期保值比率及套保有效性，結果表明:黃金市場僅存在著現貨收益率對期貨收益率的單向波動溢出;收益率的波動呈現動態正相關性;相應的套期保值組合能夠有效地規避黃金現貨的投資風險。

三、總結與評論

綜上所述，國外對套期保值理論與套期保值比率的研究已經比較成熟，套期保值理論與套期保值比率的研究形成了一種良好的互動關系，共同推動了期貨市場套期保值業務的發展。而國內對于套期保值比率的研究大多針對金屬期貨市場。同時，由于股指期貨處于上市時間較短，形成的日數據時間窗口較窄，針對股指期貨套期保值的研究成果還較為少見，主要是以股指期貨的高頻數據研究為主。并且在套期保值的模型設計上，大多數估計套期保值比率文獻中沒有過多地考慮交易成本、套保期限、國內外市場風險傳染效應等因素，這些研究視角都可以作為未來學者研究的方向。

正確計算期貨套期保值比率，對投資者正確認識和運用期貨的套期保值功能、各套期保值交易主體的操作策略選擇以及促進我國資本市場體系進一步發展和完善都具有非常重要的現實意義。

[1]Keynes，J.M.A Tract on Monetary Reform[M].C.W，Macmillan，London，1923.

[2]Keynes，J.M.A Treatise on Money[M].C.W，Macmillan，London，1930.

[3]Johnson，L.The Theory of Hedging and Speculation in Commodity Futures[J].Review of Economic Studies，1960，(27):139 －151.

[4]Stein，J.The Simultaneous Determination of Spot and Futures Prices[J].American Economic Review，1961，(51):1012－1025.

[5]Ederington，L.H.The Hedging Performance of the New of Finance Markets[J].Journal of Finance，1979，(34):157－170.

[6]Fama，E.F.，French，K..Commodity futures prices:Some evidence on forecast power，premiums and the theory of storage[J].The Journal of Business，1987，(60):55 －73.

[7]Myers，R.J.，S.R.Thompson.Generalized optimal hedge ratio estimation[J].American Journal of Agricultural Economics，1989，(71):858 －868.

[8]Herbst，A.F.，D.Kare，J.F.Marshall.A time varying，convergence adjusted，minimum risk futures hedge ratio[J].Advances in Futures and Options Research，1989，(6):137－155.

[9]Engle，R.F.and Granger，C.W..Cointegration and error correction:Representation，estimation，and testing[J].Econometrica，1987，(55):251 －276.

[10]Lien，D.，and X.Luo，Estimating Extended Mean － Gini Coefficient for Futures Hedging[J].Journal of Futures Markets，1993，(13):665 －676.

[11]Chou，W.L.，Denis，K.K.F.and Lee，The Conventional versus the Error C.F.，Hedging with the Nikkei Index Futures:Correction Model[J].Quarterly Review of Economics and Finance，1996，(36):495 －505.

[12]Ghosh，A.，Conintegration and error correction models:intertemporal causality between index and futures prices[J].Journal of Futures Markets，1993，(13):193 －198.

[13]Wahab，M.，Lashgari，M..Price Dynamics and Error Correction in Stock Index and Stock Index Future Markets:A Cointegration Approach[J].Journal of Futures Markets，1993，(13):711 －742.

[14]Cecchetti S G，R E Cumby，S Figlewski.Estimation of the Optimal Futures Hedge [J]. Review of Economics＆Statistics，1988，(70):623 －630.

[15]Wenling Yang，David E.Allen，Multivariate GARCH hedge ratios and hedging effectiveness in Australian futures markets[J].Accounting and Finance，2004，(45):301－321.

[16]Bollerslev，T..Modeling the Coherence in Short－ Run Nominal Exchange Rate:A Multivariate GeneralizedARCH Model[J].Review of Economics and Statistics，1990，(52):5 －59.

[17]Baillie，R.T.，Myers，R.J Bivariate GARCH Estimation of the Optimal Commodity Futures Hedge[J].Journal of Applied Econometrics，1991，(6):109 －124.

[18]Kroner，K.F.，＆ Sultan，Time － varying Distributions and Dynamic Hedging with Foreign currency Futures[J].Journal of Financial and Quantitative Analysis，1993，(28).

[19]Park T H，L N Switzer.Bivariate GARCH Estimation of the Optimal Hedge Ratios for Stock Index Future;A Note[J].Journal of Futures Markets，1995，(15):61 －67.

[20]Eng1e，R.Dynamic Conditional Correlation:A Simple class of Multivariate Generalised Autoregressive Conditional Heteroskedasticity Models[J].Jonrnal of Business and Economic Statistic，2002，(20).

[21]史晉川，陳向明，汪煒.基于協整關系的中國銅期貨合約套期保值策略[J].財貿經濟，2006，(11):37 －40.

[22]高勇，黃登仕，魏宇.中國鋁期貨的長期限合約套期保值比率與績效研究[J].軟科學，2008，(3):45 －48.

[23]馮春山，吳家春，蔣馥.石油期貨套期保值時變套期比研究[J].上海理工大學學報，2004，(4):328－332.

[24]彭紅楓，葉永剛.基于修正ECM－GARCH模型的動態最優套期保值比率估計及比較研究[J].中國管理科學，2007，(10):29 －35.

[25]陳蓉，蔡宗武，陳妙瓊.最小下偏矩套期保值比率估計研究——基于copula方法[J].廈門大學學報(哲學社會科學版)，2009，(3):34 －53.

[26]鄭尊信，徐曉光.基差、隨機沖擊與不對稱相關結構下的期貨套期保值——來自于亞洲股指期貨市場的證據[J].數量經濟技術經濟研究，2009，(3):91 －105.

[27]王玉剛，遲國泰，楊萬武.基于copula的最小方差套期保值比率[J].系統工程理論與實踐，2009，(8):1－10.

[28]戴曉鳳，梁巨方.基于時變Copula函數的下偏矩最優套期保值效率測度方法研究[J].中國管理科學，2010，(6):26 －32.

[29]王輝，謝幽篁.中國商品期貨動態套期保值研究:基于修正ADCC和DADCC－GARCH模型的分析[J].世界經濟，2011，(12):120 －139.

[30]傅俊輝，張衛國，杜倩，孔文濤.規避逐日盯市風險的期貨套期保值模型[J].管理科學，2011，(6):86－93.

[31]彭紅楓，葉永剛.中國銅期貨最優套期保值比率估計及其比較研究[J].武漢大學學報(哲學社會科學版)，2007，(11):863 －868.

[32]方虹，陳勇.石油期貨最優套期保值比率及套期保值績效的實證研究[J].中國軟科學，2008，(1):125－130.

[33]付勝華，檀向球.股指期貨套期保值研究及其實證分析[J].金融研究，2009，(4):113 －119.

[34]佟孟華.滬深300股指期貨動態套期保值比率模型估計及比較——基于修正的ECM－BGARCH(1，1)模型的實證研究[J].數量經濟技術經濟研究，2011，(4):137－149.

[35]高揚，郭晨凱.不同策略下滬深300股指期貨套期保值有效性研究[J].證券市場導報，2011，(8):31－35.

[36]張健，方兆本.股指期貨套期保值模型選擇[J].中國科學技術大學學報，2012，(3):191 －196.

[37]史美景，趙永淦.基于Copula－TGARCH模型的股指期貨最佳套期保值比研究[J].數理統計與管理，2012，(2):354 －362.