新冠疫情下玉米價(jià)格風(fēng)險(xiǎn)的對(duì)沖策略研究

郭文旌 李思捷 朱敏

摘 要：2020年初，新冠疫情肆虐，給我國(guó)經(jīng)濟(jì)帶來(lái)了巨大影響，也對(duì)糧食的價(jià)格造成了巨大波動(dòng)。糧食的生產(chǎn)、加工、運(yùn)輸、銷售等環(huán)節(jié)都面臨著價(jià)格風(fēng)險(xiǎn)，如何管理疫情期間糧食價(jià)格的波動(dòng)風(fēng)險(xiǎn)顯得十分必要。本文通過(guò)構(gòu)建套期保值策略來(lái)管理疫情期間糧食的價(jià)格風(fēng)險(xiǎn)（以玉米為例）。首先對(duì)疫情期間玉米（我國(guó)三大主糧之一）現(xiàn)貨的價(jià)格風(fēng)險(xiǎn)進(jìn)行測(cè)度。其次通過(guò)OLS模型和誤差修正模型ECM構(gòu)建套期保值策略，以及針對(duì)策略進(jìn)行績(jī)效評(píng)價(jià)。最后通過(guò)縱向?qū)Ρ忍妆？?jī)效，分析新冠疫情對(duì)玉米價(jià)格風(fēng)險(xiǎn)對(duì)沖策略的影響。

關(guān)鍵詞：新冠疫情;玉米現(xiàn)貨&玉米期貨;價(jià)格風(fēng)險(xiǎn);套期保值;績(jī)效評(píng)價(jià)

本文索引：郭文旌，李思捷，朱敏.<變量 2>[J].中國(guó)商論，2021（22）：-010.

中圖分類號(hào)：F832.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2021）11（b）--04

新型冠狀病毒2020年被發(fā)現(xiàn)和命名以來(lái)，部分國(guó)家出于自身安全因素考慮，停止了部分主要糧食作物的出口，以此保障國(guó)內(nèi)糧食市場(chǎng)的穩(wěn)定和供應(yīng)。同時(shí)，在國(guó)內(nèi)糧食生產(chǎn)和流通市場(chǎng)中，因疫情影響妨礙了部分正常的糧食生產(chǎn)勞作，也限制了糧食作物在地區(qū)間的正常流通，造成局部市場(chǎng)出現(xiàn)短期的供求緊張和價(jià)格上漲現(xiàn)象，尤其在疫情期間玉米現(xiàn)貨的價(jià)格上漲中得到驗(yàn)證。因此，在糧食流通環(huán)節(jié)，扮演重要角色的糧食經(jīng)銷商與深加工企業(yè)通過(guò)相關(guān)糧食衍生品進(jìn)行價(jià)格風(fēng)險(xiǎn)的套期保值顯得十分必要。

套期保值，即交易者通過(guò)在期貨市場(chǎng)構(gòu)筑頭寸來(lái)對(duì)沖現(xiàn)貨商品的價(jià)格風(fēng)險(xiǎn)。隨著金融衍生產(chǎn)品的不斷拓展，套期保值策略也在不斷更新和完善。Ederington（1979）用最小二乘法（OLS）模型估計(jì)最小方差套期保值比率后，Engle（1983）提出自回歸條件異常差（ARCH）模型。Ghosh（1993）運(yùn)用誤差修正模型（ECM）對(duì)股指期貨市場(chǎng)的套期保值比率進(jìn)行研究，達(dá)到比OLS更好的套期保值效果。余星等（2018）分別考慮期貨機(jī)會(huì)成本和期權(quán)預(yù)算約束，建立了最優(yōu)期貨和期權(quán)套期保值模型。在針對(duì)農(nóng)產(chǎn)品的套期保值問(wèn)題上，Hainaut D（2019）討論了基于溫度指數(shù)衍生品對(duì)沖農(nóng)產(chǎn)品風(fēng)險(xiǎn)的問(wèn)題，并基于最小方差準(zhǔn)則與效應(yīng)最大化準(zhǔn)則得出最優(yōu)套期保值比。張蕾等（2020）采用最小二乘法估計(jì)和誤差修正模型測(cè)算了不同條件下交叉套期保值能夠?qū)_的風(fēng)險(xiǎn)數(shù)量。從上述文獻(xiàn)可見(jiàn)，目前，尚未有文獻(xiàn)對(duì)疫情下糧食價(jià)格風(fēng)險(xiǎn)的套期保值策略進(jìn)行研究。因此，基于疫情下的玉米現(xiàn)貨與玉米期貨的價(jià)格數(shù)據(jù)，通過(guò)相關(guān)模型構(gòu)建套期保值策略，以及對(duì)相關(guān)套保策略進(jìn)行績(jī)效評(píng)價(jià)，有著一定的應(yīng)用性與迫切性。

1 新冠疫情下玉米現(xiàn)貨價(jià)格風(fēng)險(xiǎn)特征與測(cè)度

為進(jìn)一步確定新冠疫情下玉米現(xiàn)貨價(jià)格風(fēng)險(xiǎn)的存在以及套期保值策略的必要性，應(yīng)對(duì)新冠疫情下玉米現(xiàn)貨價(jià)格的風(fēng)險(xiǎn)進(jìn)行必要的測(cè)度。本文選擇通過(guò)Matlab基于歷史模擬的方法（玉米現(xiàn)貨價(jià)格的歷史觀察值）計(jì)算玉米現(xiàn)貨價(jià)格在三個(gè)不同時(shí)間段（2017/12/01—2018/06/30、2018/12/01—2019/06/30以及2019/12/01—2020/06/30）的VaR與CVaR。

通過(guò)對(duì)玉米現(xiàn)貨的價(jià)格風(fēng)險(xiǎn)進(jìn)行測(cè)度（如表1所示），對(duì)比VaR或者CVaR的計(jì)算結(jié)果可以發(fā)現(xiàn)，2019年12月1日—2020年6月30日新冠疫情爆發(fā)以來(lái)，玉米現(xiàn)貨價(jià)格的VaR和CVaR均高于往年同期數(shù)據(jù)的計(jì)算結(jié)果，可見(jiàn)新冠疫情給玉米現(xiàn)貨帶來(lái)了一定的價(jià)格風(fēng)險(xiǎn)。

2 玉米價(jià)格風(fēng)險(xiǎn)最優(yōu)套期保值策略模型設(shè)計(jì)

2.1 玉米現(xiàn)貨與玉米期貨最優(yōu)套期保值比率的確定

本文選取OLS模型和ECM誤差修正模型，對(duì)玉米的現(xiàn)貨與期貨最優(yōu)套期保值比率進(jìn)行計(jì)算，并對(duì)套保績(jī)效進(jìn)行評(píng)價(jià)。

OLS模型如下：

（1）

其中，為現(xiàn)貨價(jià)格的變化，為期貨價(jià)格的變化，為回歸函數(shù)的斜率，即最優(yōu)套期保值比率，為常數(shù)項(xiàng)，為隨機(jī)誤差項(xiàng)。

ECM模型如下：

（2）

其中，為常數(shù)項(xiàng)，為現(xiàn)貨價(jià)格的變化，為期貨價(jià)格的變化，為誤差修正項(xiàng)，為隨機(jī)誤差項(xiàng)，、、、均為回歸系數(shù)，為套期保值比率。

2.2 套期保值績(jī)效測(cè)度

本文采用風(fēng)險(xiǎn)降低比例指標(biāo)測(cè)度套期保值績(jī)效，計(jì)算方法如下：

其中，為未參與套保時(shí)收益的方差，為參與套保后的方差，為套保績(jī)效。越大，說(shuō)明規(guī)避風(fēng)險(xiǎn)越多，套期保值效率越高。

2.3 變量選取與數(shù)據(jù)來(lái)源

本文選取2017年1月1日—2020年6月30日為樣本數(shù)據(jù)分析時(shí)間段，選定2019年12月1日—2020年6月30日為疫情時(shí)間段。以玉米全國(guó)日平均價(jià)格為現(xiàn)貨價(jià)格（單位：元/噸），以玉米期貨主力合約日結(jié)算價(jià)為期貨價(jià)格（單位：元/噸），玉米現(xiàn)貨與期貨數(shù)據(jù)均剔除了相關(guān)節(jié)假日的影響。同時(shí)，在套期保值績(jī)效評(píng)價(jià)階段，為充分研究新冠疫情對(duì)玉米期貨與現(xiàn)貨價(jià)格套期保值績(jī)效的影響，并且與VaR或者CVaR測(cè)度時(shí)間段相呼應(yīng)，選取2017年12月1日—2020年6月30日為第一參照對(duì)比時(shí)間段，2018年12月1日—2019年6月30日為第二參照對(duì)比時(shí)間段，通過(guò)縱向?qū)Ρ仍u(píng)價(jià)新冠疫情下玉米期貨與現(xiàn)貨套保績(jī)效。最后，玉米現(xiàn)貨與期貨價(jià)格數(shù)據(jù)均來(lái)源于Wind數(shù)據(jù)庫(kù)。

3 玉米價(jià)格風(fēng)險(xiǎn)套期保值模型實(shí)證結(jié)果

3.1 玉米期貨與現(xiàn)貨價(jià)格數(shù)據(jù)平穩(wěn)性與協(xié)整性檢驗(yàn)

為了避免時(shí)間序列數(shù)據(jù)的不平穩(wěn)導(dǎo)致現(xiàn)貨與期貨關(guān)系偽回歸，先對(duì)玉米現(xiàn)貨與期貨的價(jià)格數(shù)據(jù)采取ADF方法對(duì)平穩(wěn)性進(jìn)行檢驗(yàn)。檢驗(yàn)結(jié)果（如表2所示）顯示現(xiàn)貨與期貨數(shù)據(jù)經(jīng)一階差分后（無(wú)截距項(xiàng)與趨勢(shì)項(xiàng)），均在1%的顯著性水平上顯著。

表3 （a）顯示數(shù)據(jù)間的協(xié)整關(guān)系，將玉米現(xiàn)貨與期貨數(shù)據(jù)按交易日數(shù)據(jù)分為日數(shù)據(jù)、周數(shù)據(jù)以及疫情數(shù)據(jù)三組（注：周數(shù)據(jù)以交易當(dāng)周最后一交易日數(shù)據(jù)為準(zhǔn)，以此排除了節(jié)假日導(dǎo)致的部分交易周數(shù)據(jù)空缺），通過(guò)對(duì)三組數(shù)據(jù)進(jìn)行Johansen協(xié)整檢驗(yàn)，確保現(xiàn)貨與期貨在三種不同情形下不存在偽回歸。

通過(guò)表3（a）協(xié)整檢驗(yàn)結(jié)果可以發(fā)現(xiàn)，玉米現(xiàn)貨與期貨在日數(shù)據(jù)與周數(shù)據(jù)兩種情況下存在協(xié)整關(guān)系，但是，基于疫情數(shù)據(jù)的檢驗(yàn)結(jié)果顯示不存在協(xié)整關(guān)系。隨后，如表3 （b）所示放寬顯著性水平，在10%顯著性水平上，疫情期間玉米現(xiàn)貨與期貨存在協(xié)整關(guān)系。

3.2 新冠疫情下玉米現(xiàn)貨&期貨最優(yōu)套期保值比率確定與績(jī)效評(píng)價(jià)

通過(guò)協(xié)整檢驗(yàn)后，將上述數(shù)據(jù)按日數(shù)據(jù)、周數(shù)據(jù)以及疫情數(shù)據(jù)分組，將每組數(shù)據(jù)通過(guò)OLS模型和ECM模型分別計(jì)算最優(yōu)套期保值比率，結(jié)果如表4所示。

從最優(yōu)套期保值比率結(jié)果顯示，在模型選擇方面，無(wú)論日數(shù)據(jù)、周數(shù)據(jù)還是疫情數(shù)據(jù)，ECM模型測(cè)算出的最優(yōu)套期保值比率結(jié)果均高于傳統(tǒng)OLS模型，且基于周數(shù)據(jù)ECM模型結(jié)果與OLS模型結(jié)果有明顯距離。在不同數(shù)據(jù)組之間，周數(shù)據(jù)結(jié)果大于疫情數(shù)據(jù)結(jié)果，而疫情數(shù)據(jù)結(jié)果大于日數(shù)據(jù)結(jié)果，此部分與樣本數(shù)據(jù)量個(gè)數(shù)有關(guān)。但是，疫情下玉米現(xiàn)貨&期貨最優(yōu)套期保值比率高于日數(shù)據(jù)計(jì)算下最優(yōu)套期保值比率。

經(jīng)過(guò)上一部分關(guān)于OLS模型以及ECM誤差修正模型的計(jì)算，基于表4最優(yōu)套期保值比率數(shù)據(jù)，通過(guò)指標(biāo)測(cè)算三組數(shù)據(jù)套保績(jī)效，可以得到表5。

如表5所示，在對(duì)應(yīng)的日數(shù)據(jù)、周數(shù)據(jù)和疫情數(shù)據(jù)三個(gè)分組中，ECM誤差修正模型確定的最優(yōu)套期保值策略績(jī)效均高于傳統(tǒng)OLS模型的最優(yōu)套期保值策略，并且通過(guò)仔細(xì)分析可以得出，雖然新冠疫情對(duì)于玉米生產(chǎn)與流通產(chǎn)生影響，但是套期保值的績(jī)效高于日數(shù)據(jù)的績(jī)效。

4 新冠疫情下玉米現(xiàn)貨&期貨最優(yōu)套期保值策略及其績(jī)效縱向?qū)Ρ确治?/p>

基于第4部分實(shí)證檢驗(yàn)的結(jié)果，可以發(fā)現(xiàn)新冠疫情對(duì)于套期保值策略執(zhí)行的績(jī)效有著顯著影響。因此，通過(guò)選定兩個(gè)參照對(duì)比時(shí)間段，即對(duì)比時(shí)間段一（2017年12月1日—2018年6月30日）和對(duì)比時(shí)間段二（2018年12月1日—2018年6月30日），將疫情對(duì)于玉米期貨和現(xiàn)貨套期保值影響進(jìn)一步縱向?qū)Ρ确治觥?/p>

如表6所示，通過(guò)OLS模型和ECM模型，先算出對(duì)于三個(gè)時(shí)間段最優(yōu)套期保值比率。

據(jù)表6數(shù)據(jù)，疫情數(shù)據(jù)計(jì)算出的最優(yōu)套期保值比率相較于對(duì)比時(shí)間段一有顯著上升，但是與對(duì)比時(shí)間段二的計(jì)算結(jié)果相比有略微下降。從三個(gè)時(shí)間段的計(jì)算結(jié)果可以看出，ECM模型計(jì)算的最優(yōu)套期保值比率基本高于傳統(tǒng)OLS模型，這一觀點(diǎn)與第4部分模型計(jì)算的結(jié)果相吻合。

同時(shí)，本文意外發(fā)現(xiàn)對(duì)比時(shí)間段二的兩種最優(yōu)套期保值比率的數(shù)值更高。由于時(shí)間段二選取的數(shù)據(jù)是2018年12月1日—2019年6月30日，在此期間由于部分農(nóng)產(chǎn)品價(jià)格受到中美貿(mào)易摩擦以及非洲豬瘟疫情的影響（飼料用途），使得玉米現(xiàn)貨與期貨短期內(nèi)價(jià)格波動(dòng)較大，可以部分解釋套期保值比率升高的原因。

最后基于表6數(shù)據(jù)，再次對(duì)上述三個(gè)時(shí)間段套保策略績(jī)效進(jìn)行評(píng)估。如表7所示，三個(gè)時(shí)間段內(nèi)，疫情期間套期保值的績(jī)效最佳，套期保值績(jī)效的計(jì)算結(jié)果（無(wú)論基于OLS模型或者ECM模型）均高于對(duì)比時(shí)間段一和對(duì)比時(shí)間段二。

由此可以看出，新冠疫情下，玉米套保績(jī)效并未像公眾預(yù)期的那樣糟糕，適度的價(jià)格波動(dòng)有助于套期保值策略的執(zhí)行。但是，如果期貨與現(xiàn)貨價(jià)格波動(dòng)超過(guò)一定幅度，那么對(duì)套期保值的執(zhí)行就會(huì)產(chǎn)生負(fù)面影響。

5 結(jié)語(yǔ)

綜上所述，新冠疫情爆發(fā)后，對(duì)玉米期貨與現(xiàn)貨的套期保持產(chǎn)生顯著影響，但是與公眾預(yù)期的價(jià)格恐慌相反，疫情爆發(fā)以來(lái)套期保值策略執(zhí)行的績(jī)效優(yōu)于過(guò)往同期水平。部分原因歸咎于，國(guó)家對(duì)于糧食生產(chǎn)和流通市場(chǎng)安全的重視，通過(guò)調(diào)節(jié)相關(guān)倉(cāng)儲(chǔ)量，使得國(guó)內(nèi)部分糧食價(jià)格未出現(xiàn)劇烈波動(dòng)。但是，隨著疫情后期的延續(xù)以及如何有效進(jìn)行以后糧食恢復(fù)性生產(chǎn)等因素，也會(huì)對(duì)后續(xù)玉米現(xiàn)貨與期貨價(jià)格產(chǎn)生一定影響。另外，在宏觀方面，盡量穩(wěn)定玉米的對(duì)外貿(mào)易，有助于玉米現(xiàn)貨與期貨價(jià)格的穩(wěn)定。

2020年，中央一號(hào)文件明確提出“抓好農(nóng)業(yè)保險(xiǎn)保費(fèi)補(bǔ)貼政策落實(shí)，督促保險(xiǎn)機(jī)構(gòu)及時(shí)足額理賠，優(yōu)化‘保險(xiǎn)+期貨試點(diǎn)模式，繼續(xù)推進(jìn)農(nóng)產(chǎn)品期貨期權(quán)品種上市”。更加突出了國(guó)家對(duì)于糧食安全以及生產(chǎn)、流通環(huán)節(jié)價(jià)格風(fēng)險(xiǎn)管理的重視。隨著疫情的延續(xù)、價(jià)格數(shù)據(jù)（現(xiàn)貨與期貨）的增多和套期保值模型的優(yōu)化，將對(duì)疫情期間以及疫情結(jié)束后糧食套期保值策略的發(fā)展產(chǎn)生更為深遠(yuǎn)的影響。

參考文獻(xiàn)

Ederington L H. The hedging performance of the new futures market[J]. Journal of Finance，1979，34（1）：157-170.

Ghosh A. Hedging with Stock Index Futures： Estimation and Forecasting with Error Correction Model[J]. Journal of Futures Markets，，1993，13（7）：743-752.

Engle R.Autoregressive conditional heteroscedasticity with estimates of variance of United Kingdom inflation[J]. Econometrica，1983，50（4）：987-1007.

Zhou J. Hedging performance of REIT index futures： A comparison of alternative ratio estimation methods[J]. Economic Modelling， 2016，52（1）：690-698.

Dark J. Futures hedging with Markov switching vector error correction FIEGARCH and FIAPARCH[J]. Journal of Banking and finance， 2015，61（2）：269-295.

Fishe R P H ， Janzen J P ， Smith A， Hedging and Speculative Trading in Agricultural Futures Markets. American Journal of Agricultural Economics，2014，96（2）：542-556.

Hainaut D， Hedging of crop harvest with derivatives on temperature. Insurance Mathematics & Economics，2019（84）：98-114.

張蕾，曹淵，王琦.交叉套期保值能夠降低農(nóng)業(yè)市場(chǎng)風(fēng)險(xiǎn)嗎？[J].西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020，40（2）：66-72.

余星，張衛(wèi)國(guó)，劉勇軍.期權(quán)組合最優(yōu)套期保值模型及實(shí)證研究[J].運(yùn)籌與管理，2018（2）：138-146+151.

劉晨，張銳，王寶森.中美玉米期貨市場(chǎng)功能效率比較[J].中國(guó)流通經(jīng)濟(jì)，2020，34（4）：56-66.

Research on the Hedging Strategy of Corn Price Risk Under the COVID-19

Nanjing University of Finance & Economics

GUO Wenjing? LI Sijie? ZHU Min

Abstract： At the beginning of 2020， the epidemic was rampant， which not only had a great impact on Chinas economy， but also caused great fluctuations in the price of grain. The production， processing， transportation and sale of grain are faced with price risk， so how to manage the risk of grain price fluctuation during the epidemic is very necessary. In this paper， it constructs a hedging strategy to manage the price risk of grain during the epidemic （taking corn as an example）. First of all， the spot price risk of corn （one of the three staple grains in China） during the epidemic period was measured. Secondly， the hedging strategy is constructed by OLS model and error correction model ECM， and the performance of the strategy is evaluated. Finally， through the vertical comparison of hedging performance， the impact of the COVID-19 epidemic on corn price risk hedging strategy is analyzed.

Keywords： the COVID-19; corn spot and corn futures; price risk; hedging; performance assessment