股指期貨套期保值效率比較研究
——基于滬深300股指期貨與新華富時A5指數期貨

范泰奇，韓復齡

（中央財經大學金融學院，北京 100081）

股指期貨套期保值效率比較研究
——基于滬深300股指期貨與新華富時A5指數期貨

范泰奇，韓復齡

（中央財經大學金融學院，北京 100081）

文章基于我國股票型基金十大重倉股構建投資組合，并利用滬深300股指期貨與新華富時A50指數期貨的日數據對這兩種股指期貨的套期保值效率進行比較研究，以探究兩者在套期保值效率上的差異和造成差異產生的原因。在利用OLS、VECM和ECM-BGRACH等靜態和動態套期保值模型和基于風險最小化的套期保值績效指標對滬深300股指期貨與新華富時A50指數期貨的套期保值效率進行研究后發現，在靜態最優套保比、時變最優套保比和套期保值績效指標的比較中，新華富時A50指數期貨都要優于滬深300股指期貨。這種套期保值效率上的差異主要來自于兩個金融工具間的合約與交易規則的差別。建議通過設立適當時間的晚間電子盤交易，并允許金融機構在規定的份額內進行期指套利交易，以提升滬深300股指期貨在套期保值市場功能上的效率。

股指期貨；套期保值；金融工具；金融投資

一、引言

滬深300股指期貨和新華富時A50指數期貨是目前全球市場上僅有的兩只跟蹤中國A股市場的金融衍生產品。前者成立于2010年4月16日，而后者的成立時間更早，自2006年9月5日開始已經在新加坡證券交易所上市交易。在滬深300股指期貨成立之前，新華富時A50指數期貨是全球市場上僅有的可以通過套期保值的操作方式對沖A股市場系統性風險的金融工具。但由于交易規則缺陷以及后來滬深300股指期貨上市的替代效用影響，新華富時A50指數期貨便日漸遭遇冷遇，成交量不斷萎縮，作為風險對沖工具的作用也日漸式微。相反日漸成熟且具有期限價格擬合度較好、基差較小、交割日市場波動正常等良好特征的滬深300股指期貨作為套期保值工具對沖A股市場系統性風險的效果越來越好。但在交易規則上滬深300股指期貨也存在局限性，例如對于QFII的股指期貨額度限制，只允許金融機構利用股指期貨進行套期保值即賣空股指期貨而不能進行套利等買入股指期貨的操作等。這些局限性限制隨著股指期貨的不斷發展開始逐漸影響了滬深300股指期貨同滬深300指數間的擬合效果，間接影響了滬深300股指期貨作為套期保值工具的效用。而新華富時A50指數期貨確沒有這些限制，且從2010年8月23日開始改革了合約規則，新的規則顯著縮小了合約規模，延長了交易時間，降低了保證金要求。這些變革近兩年來發揮了顯著的作用，新華富時A50指數期貨的成交量迅猛增長，目前已經達到了日均成交7萬手的規模。這些新的變化使得該指數期貨重新得到了需要進行套期保值的投資者以及金融機構的青睞。

文章主要通過套期保值理論對滬深300股指期貨和新華富時A50指數期貨的套期保值效率進行研究，分析目前階段兩者間套期保值的效率哪個更好，并嘗試解釋造成這種結果的原因，為滬深300股指期貨交易規則的完善提出合理的建議。

二、文獻綜述

研究套期保值的效率落腳點在于研究套期保值中的最關鍵因素，即期貨相對于現貨的最優套期保值比。而最優套期保值比理論最早具有代表性的提出者是Johnson(1960)&Stein(1961)，這兩位學者都是以Markowitz的均值方差框架為分析基礎。他們認為交易者進行套期保值實際上是對現貨和期貨的資產進行組合投資，套期保值者需要對投資組合的方差即投資風險進行量化，在使其投資組合方差最小化來確定現貨和期貨間進行套期保值的最優套期保值比率以使其投資風險最小。而最優套期保值比的估計方法主要分為靜態估計和動態估計兩類。

在靜態估計方法中通常假定最優套期保值比率為常數不隨時間變化。Ederington(1979)將OLS方法應用到了金融期貨市場并提出了度量套期保值有效性的方法及具體的度量指標。但在OLS方法中存在大量與實際情況不相符的假設，例如期現貨的價格分布不隨時間變化，序列無自相關性、無異方差及協整關系的存在等，在許多研究中也都得到了證實。Bell&krasker (1986)的研究發現用OLS方法得到的最優套期保值比率是有偏的。Herbst(1989)&Myers(1989)等的研究發現從OLS回歸方程中得到的最優套期保值比率會受到殘差序列的自相關性影響。為此他們利用雙變量向量自回歸模型(Bivariate Vector Autoregression，BVAR)來增加模型的信息量解決估計方程殘差序列的自相關問題。但是VAR模型并不完美，同樣也存在缺陷。在VAR模型中并沒有考慮現貨價格和期貨價格中間存在的協整關系對最優套期保值比的影響，這種影響也會導致由模型得到的最優套期保值比有偏，進而導致套期保值比率過低，影響最終套期保值操作的風險控制效果。Lien(1993)&Sim(2001)[1]等的研究表明利用誤差修正模型(Error Correction Model，ECM)，Ghosh(1993)[2]等的研究發現利用向量誤差修正模型(Vector Error Correction Model，VECM)都可以很好地解決上述問題。同樣，誤差修正模型也存在問題，主要表現在不能處理平穩的時間序列數據，另外由該方法得到的最優套期保值比率仍然是靜態的，不能隨時間發生變化。而現實中現貨和期貨間的聯動關系是隨著市場環境的改變而不斷變化的，靜態最優套期保值比無法滿足長期、動態條件下套期保值的需要。

由于金融時間序列存在條件異方差，即具有時變的二階矩，因此最先由Bollerslev在Engle提出的自回歸條件異方差(ARCH)基礎上提出的廣義自回歸條件異方差模型，(GRACH)的引入為研究動態最優套期保值比奠定了基礎。隨后Bollerslev等(1988)提出的多元GARCH模型，以及后來出現的CCC-GARCH (Constant Conditional Correlation GARCH)模型、BEKK-GARCH (Baba Engle Kraft Kroner，GARCH)模型都較好地解決了條件異方差和時變的問題。此后被Park(1995)[3]&Chou等(1997)[4]眾多學者應用于期貨最優套期保值比率的計算中。另外，同時考慮套期保值比率的時變性以及期現貨價格之間的協整關系對套期保值比率的影響，Kroner&Sultan(1993)[5]將ECM與GARCH類模型結合在一起提出了ECM-BGARCH模型。

國外學者對最優套期保值比的研究大體上多認為動態模型優于靜態模型，如Allen(2005)[6]&Lee(2009)[7]等。也有部分學者，如Thomas&Brooks(2001)[8]的研究表明利用動態模型得到的最優套期保值比并沒有明顯優于靜態模型。國內學者對期現貨間最優套期保值比率的研究也有很多，就股指期貨而言，研究的對象與方法隨著時間和市場的變化而不斷演變。早期由于國內沒有股指期貨推出，研究多是利用國外股指期貨數據，如徐國祥和檀向球(2004)[9]利用香港股市和恒生指數期貨作為期現貨組合，對最優套期保值率進行了實證研究，發現系統性風險越高的樣本股，套期保值的效果越好。之后隨著國內股指期貨仿真交易系統的推出，高輝和趙進文(2007)[10]利用OLS模型、雙變量自回歸模型和誤差修正模型等方法，對滬深300股指和滬深300股指期貨仿真數據進行了最優套期保值比的實證研究。王曉琴(2007)等選出20只滬深300指數樣本股，使用滬深300股指期貨仿真數據進行了最優套期保值比的實證研究。梁斌等(2009)[11]運用多種靜態和動態模型，通過滬深300股指期貨仿真數據研究最優套期保值比，發現動態套期保值模型優于靜態套期保值模型。在滬深300股指期貨正式推出后，佟孟華(2011)[12]采用OLS、ECM-BGARCH等模型對滬深300指數和滬深300股指期貨進行了套期保值比的實證研究，結果也表明動態模型的套期保值比要優于靜態模型。

但現有研究對于在國內A股市場中運用股指期貨進行套期保值的研究并不全面，因為目前的研究只涉及滬深300股指期貨與A股現貨間的套期保值，但當前可以用來對國內A股進行套期保值的期貨工具除了滬深300股指期貨以外還有在新加坡交易所已經上市多年的新華富時A50指數期貨。而國內對于該工具套期保值效率的研究還是空白。由于該指數期貨相對于限制較多的滬深300股指期貨的諸多優點，已成為許多以QFII為代表的海外機構進行A股現貨套期保值對沖風險的首選工具。新華富時A50指數期貨套期保值的效果究竟如何？與滬深300指數期貨相比，哪個效果更好？文章運行滬深300股指期貨和新華富時A50指數期貨的真實交易數據，并利用2012年3季度基金十大重倉股構建現貨投資組合，通過套期保值比的靜態和動態模型的實證研究來比較滬深300股指期貨與新華富時A50指數期貨間的套期保值效率并試圖回答上述的問題。

三、研究方法與模型

1.最優套期保值比的確定

最早提出利用Markowitz的投資組合理論來解釋套期保值的是Johnson(1960)等。在投資組合理論中，套期保值的交易者實際上是對現貨和期貨的資產進行組合投資，期貨市場和現貨市場交易頭寸的配比取決于套期保值者對投資組合的預期收益率和方差，最優的交易頭寸配比應該能使得收益風險最小化或者投資組合的效用函數最大化。

為使投資組合的風險最小化，可對(2)式的右端關于bf求一階偏導數，由以下條件，可求得時點t投資組合風險最小化的套期保值比率h*為：

除了動態模型的時變方差與協方差以外，公式(3)的結果與由普通的OLS模型得到的套期保值比類似。因為當新息開始影響市場時，條件方差與協方差會改變并促使最優套期保值比發生改變。

2.套期保值理論模型

（1）OLS模型。假設一定階段內，投資組合現貨的收益率與期貨的收益率呈線性關系，那么通過建立二者間的線性關系就可以估計最優套期保值比，具體如下式所示：

（2）向量誤差修正模型(VECM)。由于金融時間序列大多是非平穩的，且在投資組合與股指期貨的價格序列之間通常存在長期的協整關系，另外短期兩者之間也存在動態的相互影響關系，向量誤差修正模型恰好可以滿足上述條件，投資組合與股指期貨的VECM模型具體如下式所示：

其中，Zt-1=lnGt-1-(a+blnFt-1)為代表投資組合與期貨對數價格序列間長期協整關系的誤差修正項，αβθ為常數項，α、β與θ為變量系數，εGt與εFt獨立同分布，因此最優套期保值比h*為Cov(εGt，εFt)/Var(εFt)。VECM模型的不足之處在于，由它得到的套期保值比依然是靜態的，無法反映時變的新息對最優套保比值的影響。

（3）ECM-BGRACH模型。OLS和VECM模型得到的都是靜態最優套期保值比，為了考量市場時變的新息對套期保值效率的影響，GARCH類能反映時變新息影響的動態模型越來越多地被應用。為了既考量現貨價格與期貨價格間的協整關系，又考量殘差項的時變異方差性。Kroner(1993)等提出了ECM-BGARCH模型。Lien等(2006)也提出了類似的模型，并指出基差效應對套期保值效果存在重要影響?；钤贓CM模型中體現為期現貨價格之間存在的長期協整關系，可以用誤差修正項來表示。因此，均值模型如下式所示：

其中Bt-1為反應長期均衡關系的誤差修正項，表示為：，它是來自OLS回歸方程的誤差項。殘差項服從GARCH過程，Ωt-1是在時刻t-1的信息。文章選用的條件方差模型為GARCH(1，1)-BEKK模型，模型的具體形式如下式：

假設在該模型形式中系數矩陣Ai和Bj為對角矩陣，則條件方差協方差方程簡化為：

GARCH(1，1)-BEKK模型的優點在于矩陣Ht滿足了的正定性且與普通形式相比模型具有較少參數。利用該模型估計時變套期保值比h*，需要首先估計條件方差協方差方程的參數，之后通過估計式預測每個時點的條件方差和協方差。在根據預測值，計算時變最優套期保值比率，具體的表達式如下：

在實證的過程中，為了較好的捕捉序列的非正態性，文章假定條件殘差向量服從二元t分布。

3.套期保值績效的度量

套期保值績效度度量較常用的是基于風險最小化的傳統套期保值績效指標方法，該方法由Ederington(1973)提出。具體形式如下：

其中，Var(RU)表示為進行套期保值的投資組合收益率方差，Var(RH)表示為進行套期保值后投資組合收益率方差。通過上式可知，套期保值績效指標HE越大，則套期保值效果越好。

四、實證檢驗

1.數據說明與變量定義

文章選擇2012年第三季度披露的偏股型基金10大重倉股作為構建投資組合的成分股，假設投資組合的規模為5000萬元，每只成分股日均投資500萬元。并以各成分股的日收盤價格按上述假設構造投資組合的收盤價格，各成分股的具體信息詳見表1。選擇滬深300股指期貨當月連續合約的日收盤價數據，新華富時A50指數期貨交易所交易（非電子盤交易）當月連續合約的日收盤價格。數據選擇期間為2012年8月1日至2012年11月30日，共83個觀測值。數據來源為Wind& Bloomberg金融數據終端。各數據定義變量為，以GPt代表構建的投資組合在第t日的收盤價，FPt代表滬深300股指期貨在第t日的收盤價，APt代表新華富時A50指數期貨在第t日的收盤價。因此投資組合的日收益率、滬深300股指期貨的日收益率和新華富時A50指數期貨的日收益率分表表示為：

表1 2012年3季度A股市場基金十大重倉股

2.數據的基本統計分析

現貨投資組合價格與期貨價格序列的走勢越趨于一致、相關性越高則套期保值的效果越好。因此首先利用EViews軟件分析現貨投資組合與滬深300股指期貨和新華富時A50指數期貨的對數價格序列走勢圖，如圖1所示。

圖1 投資組合、滬深300股指期貨、新華富時A50指數期貨對數價格序列走勢圖

從圖1可以看出，現貨投資組合與滬深300股指期貨和新華富時A50指數期貨的對數價格走勢基本趨同，相關程度非常高，符合構建套期保值組合的基本要求。在計算現貨投資組合與滬深300股指期貨對數價格序列的相關系數和現貨投資組合與新華富時A50指數期貨對數價格序列的相關系數后，可以知道投資組合與滬深300股指期貨和新華富時A50指數期貨的相關系數都較高，均超過0.86。且投資組合與新華富時A50指數期貨的相關系數要略高于與滬深300股指期貨的相關系數。在對投資組合、滬深300股指期貨與新華富時A50指數期貨收益率序列進行基本統計性分析后可以發現，三個收益率序列的峰度都大于3，偏度均小于0，三個收益率序列均有尖峰、左偏的特征。三個收益率序列的JB統計量均大于20，因此顯著拒絕三個收益率序列符合正態分布。三個序列的自相關滯后36期的Q統計量均超過40，這表明這三個數據序列都存在自相關且有顯著的條件異方差。

為保證建立數據模型的有效性，需要對數據序列進行平穩性檢驗，并對由投資組合分別與滬深300股指期貨和新華富時A50指數期貨組成的數據序列組進行協整檢驗。文章采用ADF單位根檢驗，檢驗數據序列的平穩性，使用Johansen協整檢驗，檢驗數據序列組之間是否存在長期的協整關系。檢驗結果如表2所示。由表2的ADF單位根檢驗結果可知，投資組合、滬深300股指期貨和新華富時A50股指期貨的對數價格序列在5%的顯著性水平下不能拒絕有一個單位根的原假設，因此均為不平穩的數據序列。而三者經過一階差分后的收益率序列則在5%的顯著性水平下可以拒絕有一個單位根的原假設，均為平穩的數據序列，可以利用Johansen協整檢驗來分別檢驗投資組合與滬深300股指期貨和新華富時A50指數期貨對數價格序列間的協整關系。

表2 投資組合與兩種期貨對數價格和收益率序列ADF單位根檢驗

再對兩組對數價格序列組合進行Johansen協整檢驗，并同時采用特征根和最大特征值方法進行協整檢驗后，結果如表3所示。由表3可以看出，在5%的顯著性水平下，兩組組合的特征根跡檢驗和最大特征跟檢驗都拒絕了沒有協整向量的原假設而沒有拒絕至少有一個協整向量的原假設。因此該結果表明在投資組合與滬深300股指期貨和新華富時A50指數期貨的對數價格序列間存在協整關系。

3.利用模型估計最優套保比

（1）利用OLS估計最優套保比。以投資組合現貨的收益率作為被解釋變量，分別以滬深300股指期貨收益率和新華富時A50指數期貨收益率作為解釋變量，利用回歸方程分別得到兩組不同的結果。結果顯示兩組的解釋變量的估計系數均顯著，投資組合與滬深300股指期貨間的最優套保比為0.8802，而投資組合與新華富時A50指數期貨間的最優套保比為0.9093。

表3 投資組合與兩種期貨收益率序列JJ協整關系檢驗

（2）利用向量誤差修正模型(VECM)估計最優套期保值比。表3的Johansen協整檢驗表明投資組合對數價格序列分別與滬深300股指期貨價格序列和新華富時A50指數期貨價格序列間存在協整關系。因此文章分別對三個對數價格序列的一階差分和建立向量誤差修正模型。根據AIC和SC信息準則，確定由兩組分別建立的滯后一期的VECM模型，從估計結果中分別求出殘差的相關系數矩陣，表4分別給出了兩組模型的估計結果，其中包括第一組模型中的的方差的方差以及兩者的協方差和最優套保比，第二組模型中的方差的方差以及兩者的協方差和最優套保比

由表4可以看出，兩組從兩組VECM估計模型計算出的最優套保比分別為0.8953和0.9103，均大于由OLS估計模型計算出的最優套保比。這是由于VECM模型相比OLS模型考慮了變量間滯后項的相互影響和變量間的協整長期均衡關系。且由投資組合與新華富時A50指數期貨計算出的最優套保比也略大于由投資組合與滬深300股指期貨計算出的最優套保比。

（3）利用ECM-BGARCH(1,1)模型估計最優套保比。由于從投資組合、滬深300股指期貨和新華富時A50指數期貨的收益率序列存在“尖峰”和左偏的非正態特征，因此文章以VECM(1)構建兩組不同組合的均值方程，以BGARCH(1，1)針對兩組不同的殘差組合構建條件方差方程。通過最大似然估計估計模型參數，并利用估計的結果分別計算兩組不同的時變條件方差與時變條件協方差。再利用時變條件方差和時變條件協方差分別計算出兩組不同的動態時變最優套保比。時變條件方差方程的估價結果如表5所示。

表4 VECM模型估計結果

表5 ECM-BGARCH模型估計結果

圖2 投資組合與滬深300股指期貨不同模型最優套保比率比較

圖3 投資組合與新華富時A50指數期貨不同模型最優套保比率比較

由于時變條件方差和時變條件協方差是動態變化的，因此根據以上估計結果計算得到的最優套期保值比也是動態的變化的，且具有一定的波動性。按照最優套保比計算公式經計算后得到投資組合與滬深300股指期貨間的動態最優套保比均值為0.9116。投資組合與新華富時A50指數期貨間的動態最優套保比均值為0.9142。

4.不同模型的套期保值比與套期保值績效比較

利用上述計算結果，針對OLS模型和VECM模型的靜態最優套保率和ECM-BGARCH模型的時變動態最優套保率分別對投資組合與滬深300股指期貨和投資組合與新華富時A50指數期貨建立走勢圖如圖2、3所示。

從圖中可看出，在兩組數據構成的圖中由ECM-BGARCH模型得到的動態最優套期保值比時變序列在大多數時候都大于由OLS和VECM模型得到的靜態套期保值比常數序列。因此可以表明靜態模型普遍會低估套期保值中投資組合價格所需對應的期貨合約數量，而如ECM-BGARCH這樣的動態模型在套期保值操作中可以更有效的降低投資組合風險。另外從兩組圖形的對比中可以看到，無論是OLS和VECM等靜態模型還是ECM-BGARCH這樣的動態模型，新華富時A50指數期貨對應的最優套保比均大于滬深300股指期貨對應的最優套保比。

最后，按照“風險最小化”原則和式(14)對投資組合與滬深300股指期貨和投資組合與新華富時A50指數期貨利用三種不同估計模型計算得到的套期保值績效指標進行比較分析，結果如表6所示。針對兩個組合分別對比三種不同模型的套期保值績效，投資組合與新華富時A50指數期貨的套期保值績效均略大于投資組合與滬深300股指期貨的套期保值績效?？梢?，從套期保值績效上看，新華富時A50指數期貨要好于滬深300股指期貨。即通過新華富時A50指數期貨進行套期保值相比于滬深300股指期貨能更有效地規避市場的系統性風險。

五、結論

針對國內A股市場同時存在的兩種不同套期保值金融工具滬深300股指期貨和新華富時A50指數期貨，文章通過基金十大重倉股構建投資組合，并分別與上述兩種不同的套期保值工具配對進行套期保值效率的研究，實證檢驗的結論主要有，從收益率序列的相關程度來看，新華富時A50指數期貨與投資組合的相關系數要高于滬深300股指期貨。從利用包括OLS和VECM在內的靜態套期保值模型的估計結果計算得到的靜態最優套期保值比上看，新華富時A50指數期貨與投資組合件的最優套保比要高于滬深300股指期貨。同樣從利用ECM-BGARCH (1，1)這樣的具有時變條件方差和協方差的動態套保模型得到的時變最優套保比上看，新華富時A50指數期貨也要好于滬深300股指期貨。最后，在基于最小風險原則的套期保值績效指標的比較中，無論是靜態模型或是動態模型得到的結果也都顯示新華富時A50指數期貨要優于滬深300股指期貨。因此現階段新華富時A50指數期貨的套期保值效率要優于滬深300股指期貨。之所以會有上述結果，可能的原因主要有以下兩點：首先，超出滬深300股指期貨9個小時，使其可以充分提前反映A股收盤后下午和晚間出現的新息對市場的影響；其次，新華富時A50的合約交易規則中并沒有向滬深300股指期貨一樣限制如公募基金和QFII等金融機構只能利用期指進行套期保值而不能進行套期。這樣在有“壞”的新息使市場出現超跌后，新華富時A50指數期貨就會立刻有金融機構的大量買盤糾正市場的非理性行為。綜上可知，文章建議滬深300股指期貨可以進行適當的改革，包括設立適當時間的晚間電子盤交易并允許金融機構在一定份額內進行期指套利交易以提升其市場功能發揮的效率。

表6 滬深300與新華富時A50套期保值績效比較

[1]Sim A B，Zurbruegg R.Optimal hedge ratios and alternative hedging strategies in the presence ofcointegrated time-varyingrisks[J].The European Journal ofFinance，2001，7(3):269-283.

[2]Ghosh A.Hedgingwith stock indexfutures:Estimation and forecastingwith errorcorrectionmodel[J].JournalofFuturesMarkets，1993，13(7):743-752.

[3]Chou W L，Denis K K，Lee C F.Hedging with the Nikkei index futures: The convential model versus the error correction model [J].The Quarterly ReviewofEconomics and Finance，1997，36(4):495-505.

[4]Park，T.H，L.NSwitzer.Bivariate GARCH Estimation of the Optimal Hed -ge Ratios for Stock IndexFutures：ANote[J].Journal ofFutures Markets，1995.

[5]Kroner KF，Sultan J.Time-varyingdistributions and dynamic hedgingwith foreign currencyfutures[J].Journal of Financial and Quantitative Analysis，1993，28(4).

[6]Yang W，Allen D E.Multivariate GARCH hedge ratios and hedging effectiveness in Australian futures markets[J].Accounting&Finance，2005，45(2):301-321.

[7]Lee H T.Acopula based regime switchingGARCH model for optimal futures hedging[J].Journal offutures markets，2009，29(10):946-972.

[8]Thomas S，Brooks R.GARCH based hedge ratios for Australian share price index futures:does asymmetry matter[J].Accounting，Accountability and Performance，2001，7(1):61-76.

[9]徐國祥，檀向球.指數期貨套期保值實證研究—以香港恒生指數期貨為例 [J].統計研究，2004(4):49-52.

[10]高輝，趙進文.滬深300股指套期保值及投資組合實證研究 [J].管理科學，2007，20(2):80-90.

[11]梁斌，陳敏，繆柏其，吳武清.我國股指期貨的套期保值比率研究 [J].數理統計與管理，2009(1):143-151.

[12]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(04).

（責任編輯：HLT）

The Comparative Study of Stock Index Future Hedging Efficiency——Based on CSI 300 Stock Index Futures and FTES Xinhua A50 Index Futures

FAN Tai-qi，HAN Fu-ling
（School of Management and Economics，Beijing Institute of Technology，Beijing 100081，China）

Through constructing portfolio with the ten great overweight held stocks by funds，the paper makes comparative research for the CSI 300 stock index futures and the FTES Xinhua A50 index futures by using daily data of them to find the hedging efficiency difference between them and the reasons that cause the difference.Based on OLS，VECM and ECM-GRACH static and dynamic hedging model and the minimum risk hedging performance indicators，the author finds that the FTES Xinhua A50 index futures are better than the CSI 300 index futures in the static optimal hedge ratio，time-varying optimal hedge ratio and hedging performance indicators.According to the results，it can be found that the difference results from the different contract and trading rules between the two financial instruments The author suggests that building up the evening electronic trading market in appropriate time and allow financial institutions to arbitrage by using stipulated quota for enhancing hedging efficiency of market function of CSI 300 stock index futures.

Stock index futures；Hedging；Financial instruments；Financial investment

F724.5

A

1004-292X（2014）10-0096-06

2014-05-29

范泰奇（1980-），男，江西瑞昌人，博士研究生，研究方向：金融機構與金融市場；韓復齡（1964-），男，河北正定人，教授，博士生導師，主要從事金融機構與金融市場研究。