中國股指期貨套期保值效果的實證研究

葉文博 南京財經大學

中國股指期貨套期保值效果的實證研究

葉文博 南京財經大學

以滬深300股指期貨及滬深300指數的日收盤價格數據為研究對象，分別運用OLS模型、ECM模型以及GARCH模型等三種常用的套期保值模型計算最優套期保值比率，并對各模型的套期保值效果進行了比較分析。

股指期貨 套期保值 最優套期保值比率

一、引言

多元化的投資可以降低非系統性風險，而系統性風險無法通過資產組合的多元化而消除，所以為了對沖系統性風險，套期保值在投資實踐中廣為應用。在實務中，套期保值比率的確定是一個重要問題，一個有效的套期保值比率可以使投資者規避較大比例的風險。為了更好地實現投資者追求風險最小化的目標，國外很多學者對最優套期保值比率進行了很多研究。但其研究的期貨合約的類別以及相應的市場狀況與國內的情況有所差別，所以研究的結論未必適合我國的情況。

二、最優套期保值比率的實證模型

（一）靜態套期保值模型

1.OLS 模型。OLS模型假定期貨現貨的價格存在線性關系，可以利用回歸分析，估計出最優套保比率。其中回歸方程的斜率就是所求的套期保值比率。由于金融資產價格時間序列并非平穩序列，所以用現貨和期貨的對數收益率進行回歸。回歸方程如下：

其中，ΔlnSt 和 ΔlnFt 分別表示t時刻現貨價格和期貨價格的對數收益率，εt 是隨機誤差項，β是回歸方程的斜率，即最優套期保值比率。

但OLS沒有考慮數據序列的相關性和異方差性，并且假設誤差項獨立同分布于均值為零，方差為固定常數的正態分布，而這些條件對于一般的金融時間序列數據過于苛刻。

2.最小二乘回歸誤差修正模型。運用 OLS模型研究時， 沒有考慮期貨和現貨之間可能存在的協整關系，使得得到的套期保值率是有偏的，所以本文在 OLS模型中加入誤差修正項，得到：

（二）動態套期保值模型

廣義自回歸條件異方差（ GARCH ）模型：

Bollerslev 將 Engle 提出的自回歸條件異方差（ ARCH ）模型發展成為廣義自回歸條件異方差（GARCH ）模型。GARCH（1，1）模型具體表示如下：

殘差項：

方差方程：

三、實證研究

（一）數據來源

本文采用的樣本數據為滬深300股票指數和滬深300股票指數期貨的日收盤價，樣本期為2013年1月2號至2014年5月9號，共316個數據。數據來源于東方財富通交易軟件數據庫。

（二）實證結果

1.單位根檢驗和協整檢驗。下面我們通過Eviews7.2統計軟件對現貨對數價格和期貨對數價格序列進行平穩性檢驗。

股指現貨期貨原序列的ADF檢驗中，統計量的值大于臨界值，不能拒絕原假設，序列是不平穩的，而一階差分序列是平穩的，說明股指現貨序列和期貨序列都存在單位根，所以股指現貨和期貨之間可能存在長期均衡關系，進而對其進行協整檢驗。

由于EG=-7.112，查協整檢驗臨界值表，N=2，a=0.05，T=83的臨界值為-3.92，而AEG=-7.112＜-3.92，所以股指現貨與股指期貨存在協整關系。

2.OLS模型實證結果

3.誤差修正模型實證結果

誤差修正模型：

誤差修正模型的估計

估計方程為：D（R S） = 0.9 9 2 1 4 6 5 7 2 8 7*D（R F） -1.32090298951*E1（-1）

模型擬合優度為0.9596，擬合優度好，其系數都能通過顯著性檢驗，DW=2.108，接近2，可以認為不存在自相關性，最佳套期保值比率為0.992。

4.GARCH模型實證結果。ARCH-LM檢驗統計不顯著，拒絕原假設，認為模型存在ARCH效應，因此可以建立GARCH模型

GARCH模型：

GARCH模型的估計

模型擬合優度為0.914，擬合優度較好，其系數都能通過顯著性檢驗，由此得到的最佳套期保值比率為0.987.

四、結論

本文基于風險最小化原則，利用OLS，ECM，GARCH模型分別對最佳套期保值比率進行了估計，從估計結果來看，其最佳套期保值比率分別為1.006，0.992，和0.987.就模型估計效果來看，誤差修正模型擬合效果最好，OLS和GARCH模型擬合效果接近。OLS模型沒有考慮到異方差，因而得到的估計結果是有偏的，ECM模型揭示了股指現貨與期貨的長期均衡關系，GARCH模型考慮了股指現貨與期貨的波動性。從本文研究結論來看，用ECM模型得出的最佳套期保值比率是最優的。