引入基差影響因素的套期保值模型優化與效用對比分析
——以中國大豆加工與經營企業為例

裴勇　劉曉雪

(1. 中國人民大學商學院，100872北京；2. 北京工商大學經濟學院，100048北京)

?

引入基差影響因素的套期保值模型優化與效用對比分析
——以中國大豆加工與經營企業為例

裴勇1劉曉雪2

(1. 中國人民大學商學院，100872北京；2. 北京工商大學經濟學院，100048北京)

中國是全球最大的大豆進口國，國內大豆壓榨企業在用境外定價中心的期貨合約進行套期保值時，面臨較大的基差風險?，F有套期保值模型中，多將基差作為套期保值模型的不可觀測變量，這與大豆壓榨企業現實需求不符。為此，將基差影響因素中可解釋部分引進套期保值模型，得到基差調整后的套期保值比率和套期保值有效性。運用Copula-GARCH模型實證分析后發現，引入基差影響因素的套期保值模型效果大多數優于原有套期保值模型，這對我國壓榨企業的套期保值實踐具有重要的指導意義。

基差風險；套期保值比率；Copula-GARCH模型；基差

一、研究背景與研究意義

中國作為全球最大的大豆進口國和需求國之一，我國大豆壓榨企業多采取將國外大豆進口至國內壓榨成豆油和豆粕后再進行銷售的經營模式。 其中，進口大豆原料成本在國際市場上確定，國際市場大豆的現貨定價規則是按照芝加哥期貨交易所(CBOT)的大豆期貨價格加上升貼水來確定的；大豆加工的產品豆粕和豆油則在國內銷售。由于國際期貨價格和國內產品價格的走勢不一致，尤其是當中國買家完成采購，實現從產地向銷售地的庫存轉移，常常出現國外價格上漲而國內市場滯漲的情形，理論界經常使用“定價力缺失”來描述這樣的情況。從現實來看，CBOT期貨價格和港口現貨價格數據表明(見圖A)，CBOT期貨價格與港口大豆現貨價格走勢基本一致，其相關性達到0.87，但兩者波動都比較劇烈；有時也會出現兩者背離情形，如2014年1月至2月曾出現CBOT價格上漲而國內現貨價格下滑情形，這種背離給我國大豆加工企業帶來極大價格風險。在期貨價格和現貨價格不出現背離的情況下，進口加工企業套期保值時面臨著基差風險，盡管基差波動小于現貨價格波動，但波動幅度也比較大，均值為624元/噸，基差均值占現貨價格均值(4 054元/噸)的15.39%。這些都表明，基差波動對海外套期保值的企業帶來了較大的不確定性，嚴重時影響著大豆進口加工企業的經營績效。

圖A　國際市場期貨和中國大豆現貨價格及基差

注：CBOT為芝加哥交易所近月大豆期貨價格，港口現貨為中國國內港口進口大豆分銷價格，基差為中國現貨價格與期貨價格之間的價差。

為什么中國是世界大豆最大的買家，而在國際市場的定價勢力卻與其最大買家的地位難以相稱？在套期保值理論中，把期貨和現貨的差稱為基差，基差風險是任何參與期貨定價、套期保值都無法回避的風險。在一國之內，現貨和期貨的基差風險可以通過實物交割進行規避，因此對于美國的大豆貿易商和加工商，由于大豆交割體系在美國國內，他們所面臨的基差風險較小。但是對于中國買家，現貨市場在中國，期貨市場在美國，一旦完成物流運輸，進行逆向的期貨交割基本沒有可能，因此對于中國大豆進口商而言，他們所面臨的基差風險遠大于美國同行。套期保值的理論研究起源于美國，由于美國國內的現貨商面臨的基差風險形式和內涵較為簡單，所以現代最優套期保值的研究，并沒有考慮美國之外的海外套保者如何參與美國期貨市場的套期保值。中國作為世界上最大的大宗商品的買家，幾乎所有的原料產品定價都在海外期貨市場，而生產和銷售在中國國內，中國每年進口約8 000萬噸大豆，對外依賴度接近90%，因此對中國大豆買家參與CBOT期貨套期保值的基差風險研究，是非常重要也是具有現實意義的題目。在基差風險決定因素研究的基礎上，才能就定價力、套保策略、最佳套期保值比例等涉及企業套保實踐操作的問題，提出分析框架并予以完善。

二、研究方法和文獻綜述

本文的研究出發點是對國外采購、國內銷售的套保者所面臨的基差風險進行分析，落腳點是最優套期保值比的改進，即在充分考慮基差風險的前提下，引入了經基差影響因素調整后的套期保值比率模型，以期企業能夠最大程度地規避價格風險和基差風險。

本文的研究對象為進口大豆的壓榨企業，大豆壓榨企業大豆原料成本在境外CBOT期貨市場來確定，現貨產品銷售在國內，主要加工產品分別為豆油和豆粕。因此在CBOT套保的壓榨企業面臨的基差風險為國內豆油豆粕現貨價格和CBOT期貨價格之間的差值。但是在實踐中，為了規避大豆進口成本和產成品銷售價格波動風險，大豆壓榨企業往往同時采取在CBOT期貨市場買入大豆期貨套期保值和大連商品交易所賣出豆油和豆粕期貨套期保值，這樣的套保方式為聯合套保。因此對于壓榨工廠的基差分為兩部分：一部分是CBOT期貨和國內豆油豆粕期貨之間的基差，這部分基差主要受到運費、匯率、升貼水、供求關系等因素的影響；第二部分是國內豆油豆粕期貨和現貨價格之間的基差，這部分基差主要受國內現貨供求和交割因素來決定。由于第二部分基差是可以通過交割來進行規避，所以對壓榨企業參與CBOT套保面臨的基差風險核心是第一部分的基差風險，這也是本文基差因素分解分析的標的。

鑒于此，本文基于中美大豆期貨的實際數據，在套期保值比率模型計算中，將第一部分的基差，由不可預測變量轉為可觀測和不可觀測變量兩部分，探討了引入基差風險的套期保值比率和套期保值有效性模型，以期最大程度地規避價格風險和基差波動風險。

關于套期保值比率的計算，經歷了“傳統套期保值——固定比率套期保值——動態比率套期保值”的發展演變。傳統套期保值認為套期保值比率為1，建立與現貨頭寸數量相同的期貨頭寸進行套期保值，認為套期保值者參與期貨交易的目的是利用期貨市場獲利彌補現貨市場可能的損失，而非通過期貨市場獲取額外收益。Markowitz(1952)[1]運用投資組合理論來解釋套期保值，套期保值比率不再局限為1。Johnson (1960)[2]和Stein(1961)[3]為了規避基差風險，將投資組合理論應用于套期保值研究，并提出以效用最大化為目標的最小方差法(Minimum-Variance，簡稱MV)模型。即認為套期保值者在期望效用最大化原則下，對現貨和期貨市場資產進行組合投資。Ederington(1979)[4]在此基礎上基于投資組合收益風險最小化、運用最小二乘法(OLS)回歸來計算套期保值比率。該方法所得到的回歸方程殘差往往具有序列相關性，套期保值比率誤差可能較大。上述投資組合套期保值方法隱含著現貨與期貨市場聯合分布不變假設，均為靜態方法。然而現實中，新信息對市場的沖擊以及預期的改變都可能改變現貨與期貨市場的聯合分布，兩者之間時變的聯合分布便會產生時變的套期保值比率。因此，具有時間依賴性的條件異方差模型(GARCH模型)可較為精確地捕捉現貨與期貨市場之間聯合分布的時變特征，逐步被用來計算動態套期保值比率。Myers(1991)[5]計算并比較了GARCH模型和傳統線性模型下的套期保值比率，結果發現，基于GARCH模型條件下的動態套期保值策略效果明顯優于傳統套期保值法。國內學者大多認為，市場穩定情況下，GARCH模型或者Copula-GARCH的動態套期保值模型策略具有較好效果(朱國華、方毅，2010；張躍軍、涂鋆,2010；戴曉鳳、梁巨方，2010；王輝、謝幽篁，2011；馬超群、王寶兵，2011；鄒慶忠、李金林、王貝貝，2011；閻石，2012；史美景、趙永淦，2012；唐韜、謝赤，2015；彭紅楓、陳奕，2015)[6-15]，然而，在環境突變期間，根據環境情況可能出現不同情形(付劍茹、張宗成，2014)[16]。此時，簡化或靜態的套期保值模型，或者將隨機沖擊、基差滯后期因素考慮進來可能改善套期保值的效果(鄭尊信 徐曉光，2009)[17]。

上述研究均通過套期保值將較高的價格風險轉化為相對較小的基差風險。此時，基差通常被視為不可預測項，在計算套期保值比率的過程中被視為外生變量。而在實際套期保值中，一方面，在大豆壓榨企業國內外多市場的聯合套期保值中，基差的波動往往是不容忽視的風險，有時基差波動甚至可能超越價格波動；另一方面，基差并非完全不可預測項，該差值可進一步拆分為運費、匯率、升貼水等確定性成分，對于非確定性成分，也可通過供需狀況進行分析。因此，通過期、現貨價格分析套期保值比率時，將基差各種可觀測影響因素引入套期保值模型中，以期實現在規避價格風險的同時，最大程度地規避基差風險，該做法既貼合企業實踐，不是將套期保值停留在理論模型的探討上，對于指導大豆壓榨企業更好進行套期保值交易又具有重要現實意義。

三、引入基差風險的套期保值比率模型的構建

假設期貨價格序列為Ft，現貨價格序列為St，基差為Bt，則有

Bt=St-Ft

對于不同市場，基差Bt可進一步細分為運費、升貼水等項目，同時也嘗試尋找對基差Bt影響較顯著的基本面因素，這意味著可以通過運費、升貼水、可獲得的基本面數據等，更好地刻畫基差，縮小基差中不可捕捉或不可觀測的成分。將影響基差的因素分為兩類，可解釋因素Ct和εt不可解釋因素，則有

Bt=εt+Ct=St-Ft

(1)

εt=St-Ft-Ct

(2)

St、Ft、Ct均是可觀察部分，通過給予Ft和Ct中可套期保值部分(如海運費、升貼水、匯率等)一定權重，同時結合其他可觀察的基本面數據，我們可以得到新的套期保值比例。海運費、升貼水、匯率、基本面因素等對基差波動的貢獻率并不相等。我們進一步將可解釋因素Ct細分為C0、C1、…、Cn等各種因素，則

Bt=α0C0+α1C1+α2C2+…+αnCn+εt

(3)

其中α0、α1、…、αn分別為C0、C1、…、Cn對基差Bt的影響程度。將基差中的可解釋成分與期貨價格序列合并，得到新的合成期貨價格序列F1t，即

F1t=Ft+α0C0+α1C1+α2C2+…+αnCn

(4)

將合成的期貨價格與現貨價格序列進行分析，計算相應套期保值比例，假設套期保值比例為h，則意味著最終期貨套期保值比例為h；若基差影響因素C0為可套期保值因素(即為升貼水、海運費、匯率等，而非基本面因素)，則C0套期保值比例為α0×h。

在具體的模型形式上，本文選取Copula-GARCH模型。Copula函數主要用來描述隨機變量之間的相關性。運用Copula理論，可以將變量的邊緣分布和變量間的相關結構分開研究。

在運用Copula函數進行建模分析金融序列時，一般分兩步進行：首先，確定單變量金融序列的邊緣分布，實際應用中，常采用GARCH族模型計算擬合邊際分布，得到標準差和標準殘差序列。其次，計算出標準差和標準殘差序列后，選取合適的Copula函數來描述各變量之間的相關結構，計算出各變量之間的動態相關系數。在計算期貨套期保值比例時，常采用靜態和動態的Copula研究，其中基于靜態的Copula函數研究方法計算出來的是序列之間的靜態相關系數，基于動態的Cpoula函數計算出來的是序列之間的動態相關系數。在選取Copula函數時可根據序列的尾部分布選取正態Copula與tCopula函數，當序列的邊際分布是正態函數時選取基于正態Copula函數的分析，當邊際分布存在肥尾特征時，選取基于t分布的動態分析。各基于Copula函數的套期保值模型如下。

(一)靜態相關正態Copula模型

(5)

其中，δ是隨機變量之間的線性相關系數。

(二)靜態相關t-Copula模型

(6)

(7)

其中，R12是隨機變量之間的靜態相關系數。T-copula的密度函數存在對稱的尾部相關性，這是它與正態Copula函數的不同之處。

(三)動態相關正態Copula模型

(8)

其中?-1(·)是標準正態分布的分分位函數，δ是動態相關系數。根據假設，參數δ的變動服從一個類似于ARMA(1，10)的動態過程

(Vt-j))

(9)

(四)動態相關t-Copula模型

t-Copula相關系數的動態演化方程類似于正態Copula，即

(10)

通過上面兩步計算出來的序列之間的相關性以及各序列的標準差序列，運用傳統的計算套期保值比例方法估算動態套期保值比率。套期保值比率計算公式如下

(11)

其中ρ是變量之間相關系數，Var(ΔSt),Var(ΔFt)是現貨和期貨序列的方差。

套期保值有效性是通過衡量套期保值后組合的方差相對于未進行套期保值組合的方差降低的百分比。未進行套期保值組合的方差即現貨收益的方差，則套期保值有效性的測度公式為

(12)

其中Var(Rst)為現貨收益的方差。由公式可知，套期保值有效性越大，Var(Rt)越小，套期保值效果越好。

四、考慮基差影響因素的套期保值模型效果的效用對比分析

(一) 數據選取和處理

國內大豆壓榨企業在進口大豆時，通過采購升貼水和運費等、并在芝加哥商品交易所(下稱CBOT)點價后完成采購，并在大連商品交易所(下稱DCE)按照大豆壓榨的出油率和出粕率賣空相應的豆油豆粕實現套期保值。因此本文將選取CBOT大豆價格作為大豆現貨價格的估算值，DCE豆油豆粕價格作為期貨價格，并將DCE豆油豆粕價格，按照出油率和出粕率折算成大豆價格。國內豆油豆粕期貨的活躍合約是DCE的1月、5月、9月合約，導致壓榨企業在進行套期保值時只能選擇上述3個月份的合約，因此用國內期貨合約的連續合約與國外期貨合約的連續合約進行分析時，會導致跳躍點較多，不能較好地反映各影響因素對價差的影響?？紤]到美豆一般在10月上市，國內企業在采購美豆時一般會選擇買入CBOT的11月合約，同時賣出DCE豆油豆粕1月合約進行套期保值。而南美一般是在2月份上市，國內企業一般會選擇買入CBOT的3月合約，同時賣出DCE豆油豆粕5月合約進行套期保值。因此本文將分別分析南美作物上市和美國作物上市期間國內壓榨企業的套期保值選擇，即CBOT大豆11月期貨合約對DCE豆油豆粕1月份期貨合約、CBOT大豆3月合約對DCE豆油豆粕5月份期貨合約。

在對CBOT大豆11月期貨合約對DCE豆油豆粕1月份期貨合約進行分析時，選取2011年至2014年每年6月份至10月底的期貨數據，這是由于6月份開始國外期貨市場上的活躍合約逐漸從7月轉到11月上，而國內5月期貨合約剛剛結束，1月期貨合約逐步活躍。這樣我們就獲得了4段數據(2011、2012、2013、2014)，然后以年份作為截面，各年份序列作為時間序列進行固定效應模型的面板數據回歸；CBOT大豆3月合約對DCE豆油豆粕5月份期貨合約的樣本區間為2012年至2015年每年10月份到次年2月底的期貨數據，共四段數據。期貨數據均來源于Wind。

匯率分別選取每年11月份、3月的遠期匯率報價，數據來源于CME；升貼水采用美灣11月的報價，數據來源于GCD；海運費選取美灣11月的海運費報價，數據來源于貿易商報價；美豆盤面壓榨利潤為CBOT11月大豆相對于CBOT12月豆油豆粕的壓榨利潤；豬糧比、港口大豆庫存數據來源于JCI，美豆基金凈持倉來源于CFTC，國內期貨成交持倉比是由豆油和豆粕期貨合約的成交量/持倉量，數據來源于Wind。

(二)基差影響因素分析

國內大豆期貨價格反映了國內現貨的供需狀況，因此與國內現貨關系較為緊密，但是期貨與現貨市場還存在一定的基差，主要受持倉成本、遠期供需以及期貨市場投資者結構等因素影響。本文主要從大豆采購成本、兩區域的現貨供需狀況以及期貨市場上的投機因素這三個角度分析兩市場基差的波動，其中影響大豆采購成本的選取匯率、升貼水和海運費三個因素，影響國內現貨供需的因素選取國內港口的大豆庫存和豬糧比兩個因素，影響美國市場現貨供需的因素選取美豆盤面的壓榨利潤，影響CBOT期貨市場的投機因素選取CBOT美豆基金凈持倉，影響國內期貨市場的投機因素選取國內期貨合約的成交持倉比。

1. 價差影響因素的分析

通過分別對美國新作上市和巴西新作上市時國外期貨與國內期貨間價差的分析對比，能夠更好的體現出影響價差波動的主要因素。在對價差進行建模時，由于影響價差因素較多，需要構建一個多元線性回歸模型對其影響因素進行分析。國內大豆與CBOT大豆之間的價差存在一階自回歸，因此在建模時需要加入價差的一階滯后項，加上價差影響因素，價差影響因素模型構建如下

αt=c+?αt-1+φexchange+φ2fob+φ3freight+αprofit+βratio+λstock+δfund+μvom/int+εt

(12)

bt=c+?bt-1+φ1exchange+φ2fob+φ3freight+αprofit+βratio+λstock+δfund+μvom/int+εt

(13)

其中a,b分別表示美豆3月、11月期貨合約與國內大豆期貨合約的價差，c是常數項，exchange，fob，freight分別表示匯率，升貼水和海運費，profit表示美豆盤面壓榨利潤，ratio表示豬糧比，stock表示港口大豆庫存，fund表示指數基金持倉凈頭寸，vom/int表示大連盤期貨成交持倉比。φ1，φ2，φ3，?，α，β，λ，δ表示系數，ε表示隨機誤差項。

分別對DCE豆油豆粕1月合約與CBOT11月期貨價格間價差、DCE豆油豆粕5月合約與CBOT3月期貨價格間價差影響因素進行對比分析，結果表明：第一，價差的1階滯后項在1%的置信水平下對價差影響顯著；第二，匯率和升貼水在10%的顯著性水平下對價差影響不顯著，但在15%的置信水平下顯著，且兩者的影響系數皆為正，與實際相符，具有一定的參考意義；第三，海運費在1%的置信水平下對價差影響顯著，且影響為正，表明海運費確實會增加國內采購企業的成本，從而使得國內期貨相對于CBOT期貨價格走強；第四，美盤壓榨利潤在5%的置信水平下對價差影響顯著，且影響系數為負，表明美盤壓榨利潤的高企會對CBOT價格提供支撐；第五，豬糧比在5%的置信水平下對價差影響顯著，且系數為正，表明豬糧比的提高對國內大豆需求有益，進而對國內期貨價格提供支撐；第六，國內港口大豆庫存在5%的置信水平下對價差影響顯著，且系數為負，表明庫存的增加確實會增加現貨的壓力，對國內期貨價格施壓；第七，基金凈持倉在1%的置信水平下對價差影響顯著，且系數為負，表明基金凈持倉的變化確實會對CBOT期貨價格帶來較大影響，當基金凈持倉變大時，CBOT期貨價格會走強，反之走弱；第八，連盤成交持倉比在10%的置信水平下對價差影響不顯著。

表1　DCE-CBOT價差影響因素分析結果

總體來看，價差一階滯后項、海運費、美豆盤面壓榨利潤、豬糧比、港口大豆庫存和美豆基金凈持倉對DCE和CBOT間價差影響顯著，因此在計算套期保值比率時，將這些顯著影響因素引入進來考慮。

2. 考慮基差影響因素的套期保值比率的對比分析

考慮到南美大豆和美國大豆的差異性，本文采用面板數據分析方法，分別對CBOT大豆11月期貨合約和DCE豆油豆粕1月期貨合約、CBOT大豆3月期貨合約和DCE豆油豆粕5月期貨合約的套期保值比率進行分析，并對比了不考慮基差的影響因素以及考慮基差影響因素下套期保值模型的效果。下文以2011年為例對照了為考慮率基差影響因素和考慮基差影響因素的套期保值比率，其他各年份計算過程和處理方法類似，限于篇幅，僅附上計算結果。

(1)未考慮基差影響因素套期保值比率研究。首先用GARCH模型來擬合國內期貨價格和國外期貨價格收益率序列的邊際分布，其中國內和國外期貨序列分別采用GARCH(1，1)模型和GARCH(1，2)模型擬合(見表2和表3)。結果表明：在5%的置信水平下，國內期貨價格殘差項和波動項均影響顯著，在1%的置信水平下國外期貨價格殘差項和波動項均影響顯著。對各模型的殘差進行異方差檢驗，并沒有顯著的異方差現象，表明模型能夠較好的反映序列的波動特征。

表2　國內大豆期貨價格收益率波動分析

表3　國外大豆期貨價格收益率波動分析

由上述模型得到的期貨與現貨收益率的條件標準差序列如下圖1所示。

圖1　國內期貨與國外期貨收益率的條件標準差序列

選取二元N-Copula函數描述原始數據的相關結構。通過運行Matlab軟件程序，得到兩組序列的動態相關系數(見圖2)，兩組序列相關性主要在0.5-1之間波動，由式(11)計算得到動態套期保值比率(圖2)，套期保值比率在0.3到0.9之間波動。

圖2　國內期貨與國外期貨動態相關系數及套期保值比例

運用計算出的動態套期保值比率，通過式(12)計算出考慮基差影響因素的動態套期保值效果，得出該階段樣本區間內套期保值有效性均值為0.551。

(2)考慮基差因素的套期保值比率研究。 運用式(4)對CBOT期貨價格序列進行調整，可獲得經過價差影響因素調整后的序列。用GARCH(0,2)模型來擬合調整后期貨價格序列收益率的邊際分布(表3)。結果表明：模型能夠較好的擬合，各系數均影響顯著，而且對模型的殘差進行異方差檢驗時，并沒有顯著的異方差現象，表明模型能夠較好地反映序列的波動特征。由上述模型得到的調整后的期貨序列收益率的條件標準差序列如圖3。

圖3　修正國外期貨收益率的條件標準差

接下來對現貨收益率和修正后的期貨收益率序列進行動態套期保值分析，選取二元N-Copula函數描述原始數據的相關結構。通過運行Matlab軟件程序，得到了兩組序列的動態相關系數(圖4左側)，兩組序列相關性基本在0.3～0.8范圍內波動。進而測算動態套期保值比率，套期保值比率見圖4右側。套期保值比率在0.3到0.8之間波動，較未通過基差影響因素修正的套期保值比率波動幅度略有降低。

運用計算出的動態套期保值比率，通過式(12)計算出考慮基差影響因素的動態套期保值效果，結果表明：該樣本區間內套期保值效果均值為0.811，較未修正的套期保值效果有顯著提高。

我們用相同的計算方法對CBOT大豆3月期貨合約和DCE豆油豆粕5月期貨合約的套期保值比率以及套期保值有效性進行計算，本節實證結果匯總見下表。

圖4　國內期貨與修正國外期貨動態相關系數及套期保值比例

套期保值效果樣本分段未考慮基差因素套期保值效果考慮基差因素套期保值效果是否變好國內期貨對國外期貨(11V1)20110.5510.811是20120.6910.827是20130.680.815是20140.8370.664否國內期貨對國外期貨(3V5)20120.7710.753否20130.7470.781是20140.4750.547是20150.4530.621是

注：根據本文計算結果整理而成。

上表結果表明，8組國內期貨與國外期貨之間的價格序列進行套期保值分析后，有6組考慮基差影響因素后的套期保值效果好于未考慮基差影響因素的套期保值效果。

研究結果表明：

第一，總體來看，在套期保值模型中考慮基差影響因素后，企業套期保值效果多數情況下優于不考慮基差影響因素的套期保值模型。

第二，國內期貨與國外期貨之間的套期保值效果不甚理想，即使考慮基差影響因素后，國內期貨和國外期貨之間的套期保值組合效果整體上在0.547～0.827之間波動，這是因為，國內期貨市場沒有能夠直接對應美國大豆的標的，因此使用豆油豆粕折算的大豆價格作為國內期貨價格，因此，在國外期貨與國內期貨間基差還包含了壓榨利潤影響，基差波動相對更為頻繁，這在一定程度會影響套期保值效果。

第三，從分月份套期保值來看，11月外盤對國內1月合約的套期保值效果，整體高于3月外盤對國內5月內盤套期保值效果，這可以通過基差進一步解釋。CBOT的大豆期貨價格，更多代表了美國國內的供需狀況，因此與美國供需聯系更為緊密。而11月所代表的，是美國新季大豆，因此其基差波動相對較??；3月合約所處時期是南美新豆上市時段，而3月合約價格仍更多的是反映3月時美國國內的大豆供需情況，南美豐收壓力也體現在南美當地基差上，這意味著以CBOT大豆期貨與大連商品交易所豆油豆粕期貨所折算的基差波動將更為劇烈?？偠灾Q易流的改變，進而導致基差波動的改變，是造成11月合約套期保值效率高于3月的原因。

五、主要結論和相關啟示

國內大豆壓榨企業在進口大豆、銷售豆油和豆粕的這種模式下，在海外套期保值時經常面臨著基差波動風險，為此，使用國內外期貨市場的價格數據，運用Copul-GARCH模型建立了經基差影響因素調整后的套期保值比率模型。即在套期保值比率計算時，不再將基差作為不可解釋的變量，而是充分考慮了各因素對基差的影響程度，形成引入基差影響因素的套期保值的模型。將該模型與未經基差影響因素調整的套期保值比率模型運行效果進行比較分析，結果表明：

第一，本文提出的引入基差影響因素的套期保值模型對于大豆壓榨企業具有重要的現實意義，套期保值比率和套期保值效果的計算結果表明，經基差影響因素調整的套期保值效果在0.547～0.827之間，未經基差影響因素調整的套期保值效果約在0.453～0.837之間，經基差影響因素調整的套期保值模型的效果多數情況下優于未經基差影響因素調整的套期保值效果，穩定性也高于未經基差影響因素調整的情況。這也意味著，不僅基差的波動會影響套期保值效率，企業在進行套期保值時也需要關注基本面因素對基差的影響，甚至通過一定手段對基差中可套期保值的部分進行套期保值。

第二，基差影響因素的實證分析表明，基差一階滯后項、海運費、美豆盤面壓榨利潤、豬糧比、港口大豆庫存和美豆基金凈持倉對DCE和CBOT之間價差影響顯著，能夠有效解釋價差的部分波動，也成為套期保值比率中價差影響因素的重要可解釋變量。

第三，盡管引入基差影響因素的套期保值模型的效果優化了原來的套期保值模型，但是國內期貨與國外期貨市場之間的套期保值效果仍不夠理想，主要因為國內期貨市場沒有直接對應美國大豆的標的，使用豆油豆粕折算的大豆價格時包含了壓榨利潤的影響，在一定程度上影響了套期保值效果。

第四，從分月份套期保值來看，11月外盤對國內1月合約的套期保值效果，整體高于3月外盤對國內5月內盤套期保值效果。

第五，在套期保值比率模型的計算中，可得到影響基差的各因素的最優套期保值比率。企業使用得到的最優套期保值比率h在期貨上進行套期保值時，也可得到對基差中可套期保值部分的套期保值比例，例如對于可套期保值影響因素(如運費)，動態套期保值比例為×h。

第六，基于基差影響因素來改進最優套保比例，對于企業套保實踐的指導意義在于如下兩個層面：

一是對于微觀層面而言，大豆壓榨企業如果使用CBOT期貨市場進行套期保值，必須要考慮海運費、美豆盤面壓榨利潤、豬糧比、港口大豆庫存和美豆基金凈持倉等因素。企業套期保值，不僅要對沖期貨價格的風險，還要對上述因素帶來的風險進行對沖管理。上述因素中，海運費、美豆盤面壓榨利潤均有相應的的期貨合約來進行風險管理。對于豬糧比、港口大豆庫存和基金持倉的因素，構成企業套保實踐中需要密切關注的因素，上訴因素發生變化，企業的套保比例可能就要相應進行調整。

二是中觀層面而言，關于提高定價力的啟示，要增加中國大豆買家在國際市場的定價力，完善不同層次的基差市場建設對于期貨定價和套期保值的意義重大。由于基差對于套期保值效果影響較大，因此，完善基差市場，將整個現貨市場定價置于期貨市場，會增強期貨和現貨市場的聯系。對于中國現存的商品期貨市場(大連、鄭州和上海)，應重點推進以本市場期貨合約為定價基準的、可標準化基差的市場建設；而各類的遠期交易市場或者專業化的交易市場，應重點推進非標準化基差的市場建設，比如上海航運運價交易所目前設計上市交易的非標準化基差合約，就在試圖將中國進口商面臨的基差中控制的諸多因素，比如運費、匯率等設計為一份可交易的合約，通過參與這個合約的交易，中國進口商就可以控制和對沖基差上述的影響因素影響，從而為控制基差因素、優化最優動態套期保值比例，提供了交易工具，使得理論研究真正能落實在實踐中。

[1]Harry M Portfolio Selection. The Journal of Finance, 1952,7(1):77-91

[2]Johnson LL. The Theory of Hedging and Speculation in Commodity Futures[J].Risk Uncertainty &Profit, 1960, 27(2):297-298.

[3]Stein J. The Simultaneous Determination of Spot and Futures Prices[J].American Economic Review,1961,(5):1012-1025.

[4]Ederington L H. The Hedging Performance of The New Futures Markets[J].Journal of Finance, 1979,34(1):157-170.

[5]Myer S R J. Estmating Time-varying Optimal Dynamic Hedging Ratios on Futures Markets[J].Journal of Futures Markets,1991,11:39-53.

[6]朱國華, 方毅. 套期保值的有效性及其評價[J].證券市場導報,2010(11):55-60.

[7]張躍軍, 涂鋆.中國燃料油期貨市場動態套期保值研究——基于Copula-GARCH模型的實證分析[J].北京理工大學學報,2010(11):55-60.

[8]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(12)：26-32.

[9]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.

[10]鄒慶忠, 李金林, 王貝貝.基于時變相關copula的最小方差套期保值研究[J].北京理工大學學報，2011(11)：1383-1386.

[11]馬超群, 王寶兵. 基于Copula-GARCH模型的外匯期貨最優套期保值比率研究[J].統計與決策,2011(12):124-128.

[12]閻石, 鄒爾康. 我國大豆期貨套期保值比率及策略的有效性檢驗[J].宏觀經濟研究，2012(5)：88-104.

[13]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(3)：354-362.

[14]唐韜, 謝赤. 基于狀態轉換動態 Copula 模型的外匯套期保值研究[J].中南大學學報(社會科學版)，2015(2)：104-110.

[15]彭紅楓, 陳奕. 中國銅期貨市場最優套期保值比率估計——基于馬爾科夫區制轉移GARCH模型[J].中國管理科學，2015(5)：14-22.

[16]付劍茹, 張宗成.模型的復雜性與期貨套期保值效率：基于環境突變樣本區間的檢驗[J].管理工程學報，2014(4)：146-151.

[17]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)：91-104.Empirical Study on Hedging Model Considering the Impact of Basis——Based on the Example of Chinese Soybean Crushers

責任編輯廖筠

PEI Yong1, LIU Xiao-xue2

(1. School of Business, Renmin University of China, Beijing 100872, China; 2. School of Economics, Beijing Technology and Business University, Beijing 100048, China)

China is the largest soybean importer in the whole world, and most of the Chinese soybean crushers are faced with huge basis risk when they hedge in oversea pricing futures market. However, basis is always treated as an unobservable variable in the existing research of hedging models, which cannot satisfy the practical need of soybean crusher. Therefore, it attaches such practical significance to the academic research and soybean transactions that the explicable part of the basis variable is applied to hedging model to obtain the adjusted hedging ratio and hedging effectiveness. Five main conclusions are carried out through the empirical study based on the Copula-GARCH model. Specially, we found the hedging models considering the impact of basis in most cases behave better than the original ones. This conclusion might be helpful for Chinese crusher to reconsider their hedge strategy on oversea futures market.

basis risk; hedging ratio; Copula-GARCH model; basis

2016-02-06

北京市屬高等學校創新團隊建設與教師職業發展計劃項目(IDHT20130505);國家社會科學基金重大項目(14ZDA034)。

裴勇，男，中國人民大學商學院博士生，主要從事期貨市場、大宗農產品貿易研究；劉曉雪，女，北京工商大學經濟學院副教授，主要從事衍生品市場與農產品市場研究。

F830.9

A

1005-1007(2016)04-0054-11