滬深300股指期貨的風險對沖實證

［摘" " 要］ “防范化解重大風險攻堅戰”作為三大攻堅戰之首，重要性不言而喻。在金融市場高度發展的當下，本文選擇滬深300股指期貨作為研究對象，以VaR-GARCH模型進行研究，發現其收益能夠顯著覆蓋VaR，能夠顯著對沖風險，表明投資者可以根據VaR進行投資決策以對沖風險，最后本文將其與一定股票池構建組合后，發現其能夠通過降低組合收益波動性以對實現對沖發揮風險效用。

［關鍵詞］ 滬深300股指期貨；風險對沖；VaR-GARCH模型

doi ： 10 . 3969 / j . issn . 1673 - 0194. 2023. 03. 035

［中圖分類號］ F830.91" " ［文獻標識碼］" A" " " ［文章編號］" 1673 - 0194（2023）03- 0126- 05

０" " " 引" "言

習近平總書記于２０１７年１０月１８日在黨的十九大報告中，首次提出三大攻堅戰概念，而防范化解重大風險攻堅戰作為三大攻堅戰之首，其重要性不言而喻。系統性金融風險的頻發，對來之不易的全面小康社會有巨大影響，還切切實實地影響居民生活水平，正如黨的十九大報告中所指出的：打好防范化解重大風險攻堅戰，要堅持結構性去杠桿的基本思路，防范金融市場異常波動和共振，穩妥處理地方政府債務問題，做到堅定、可控、有序、適度。

在金融工具方面，近年來，隨著經濟的迅猛發展，各種新型金融衍生工具層出不窮。由于金融衍生工具的高杠桿高風險性，金融衍生工具市場存在著巨大風險。股指期貨作為重要的金融衍生品，其推出結束了我國資本市場沒有做空的歷史，在完善資本市場的同時，也增加了投資者的投資選擇，但其也可能帶來巨大風險，如２０１５年股市的劇烈震蕩。衍生品市場是金融市場系統性風險的主要來源，金融衍生工具的使用一方面擴大了投資者套期保值的選擇對象，另一方面也加大了市場風險爆發的可能性，且影響范圍更大，影響程度更深。

本文從金融衍生工具的角度出發，探討如何運用金融衍生工具來應對我國金融風險，并選取金融衍生工具中較具有代表性的滬深３００股指期貨作為研究對象，運用在險價值這一風險測度工具來探討其是否能夠在金融風險頻發，市場波動性大的情境下發揮所預期的套期保值作用，減輕金融風險的影響。

１" " "文獻綜述

對重大風險進行防范的前提是有有效指標能夠對其進行測度，國內研究者借鑒國外的測量方法，運用中國經濟指標數據，建立了我國的檢測指標體系。茍文均等（２０１６）［１］以ＣＣＡ模型為基礎的研究表明，債務杠桿攀升能夠推動國民經濟各部門風險水平，并通過債務和股權兩個渠道顯著影響系統性風險的生成和傳遞。甘霖（２０１４）［２］則基于歷史模擬法，以滬深３００指數為研究對象，進行了新時期的ＶａＲ風險測量研究。

金融衍生工具不但會產生風險、受到風險沖擊，還會擴大風險影響。對衍生工具的研究目前主要集中于兩方面。一是經濟體使用金融衍生工具帶來的影響方面，鐘葉鍇等（２０２１）［３］研究了“保險＋期貨”模式在養殖成本風險管理中的重要作用，“保險＋期貨”模式的運用，能夠有效防范價格波動帶來的風險。二是運用模型分析金融衍生工具使用帶來的影響研究方面，劉文超" 等（２０２１）［４］基于滬深３００指數高頻數據極端風險溢出視角，探討了股指期貨對現貨的極端風險溢出效應和預警作用；紀廣月（２０１８）［５］基于滬深３００股指期貨日度數據，運用ＶａＲ－ＧＡＲＣＨ模型對滬深３００股指期貨市場風險進行了研究，并認為投資者可以根據ＶａＲ值預防和控制股指期貨的投資風險。

本文可能的潛在貢獻有以下幾點：本文通過計算收益率以及對收益率采用ＧARCH（１，１）模型擬合其條件方差以計算滬深３００股指期貨的ＶａＲ，將ＶａＲ擬合值與實際收益率絕對值進行比較，觀察滬深３００股指期貨是否具有套期保值、對沖風險的能力；本文通過選擇滬深市場１８家上市公司的股票與滬深３００股指期貨構建投資組合，觀察將股指期貨納入投資組合前后組合收益率特征的變化，進一步分析滬深３００股指期貨對沖風險的能力。

２" " " 研究原理與方法

２．１" "ＧＡＲＣＨ模型

ＧＡＲＣＨ模型包含條件均值方程和條件方差方程兩部分。條件均值方程為：

Rt=C0+et（1）

式中，Rt為ｔ時刻的資產收益率，C0為收益率均值，et為t時刻殘差。條件方差方程為：

式中，ht為t時刻方差，k為正態分布隨機項，εt-i代表t-i期收益率。

ＶａＲ－ＧＡＲＣＨ模型是通過建立模型對單個股指期貨或股價指數的歷史漲跌數據的分析和ＧＡＲＣＨ曲線擬合得到的方差方程及其預測標準差，并在一定置信水平下，采用在線價值法，準確計算出某個交易日股指期貨的ＶａＲ值，并通過置信區間檢驗其合理性。

３" " " 實證檢驗

３．１" "數據來源

本文中滬深３００股指期貨數據來自于ＲＥＳＳＥＴ數據庫，選用了２０１６年１月４日至２０２０年１２月３０日的成交數據，投資組合選用的１８家上市公司股票數據則來自于ＣＳＭＡＲ數據庫，選用時間段與滬深３００股指期貨一致，由此計算每日累計收益率，得到滬深３００股指期貨收益率時間序列。

３．２" "收益率時間序列的集聚性、平穩性和正態性檢驗

對滬深３００股指期貨的收益率時間序列建立ＧＡＲＣＨ模型前，要對該序列進行集聚性、平穩性和正態性檢驗，檢驗結果如下。

３．２．１" "集聚性檢驗

大部分情況下，滬深３００股指期貨收益率的一個小波動后面接著的都是小波動，而一個大波動后面接著的也是大波動，這表明滬深３００股指期貨收益率的波動情況具有集聚性，也表明數據受到的外部沖擊可能較少，即極端情況較少，有助于對數據進行分析，分析結果也更具有說服力。

３．２．２" "平穩性檢驗

本文應用單位根（ＡＤＦ）檢驗時間序列數據的平穩性。從表１中可以看出，ｔ統計量的值為－３８．８１６０，而顯著性水平為１％、５％和１０％的臨界值分別為－３．４３、－２．８６和－２．５７，即ｔ統計量的值都要小于三個顯著性水平下的臨界值，從而拒絕滬深３００股指期貨收益率時間序列存在單位根的原假設，即滬深３００股指期貨收益率序列是平穩的，從而排除了偽回歸問題的存在，即時間序列數據中不存在趨勢項，可以對殘差項包含的內容進行分析，為本文后面構建ＧＡＲＣＨ模型奠定基礎。

３．２．３" "正態性檢驗

滬深３００股指期貨收益率的分布特征對ＶａＲ值的計算和測度模型的選取具有重要影響。由于ＶａＲ值的計算默認是該變量經過處理后符合標準正態分布，而符合標準正態分布又要求該變量在處理前就符合正態分布，對此，不管該變量是否符合正態分布，應先進行正態性檢驗，若不符合就可以采取其他ＶａＲ計算方法，如蒙特卡洛模擬法，這種方法對變量的分布特征沒有要求，從而可以排除分析結果失真的問題。

由表２可知，滬深３００股指期貨收益率時間序列的均值為０．０８４ ９，標準差為０．１４３ ７，不符合正態分布；偏度為０．７６５，大于０，說明序列分布有右拖尾現象，峰度為３．２１０ ２，表明滬深３００股指期貨收益率有厚尾特征。

３．２．４" "模型構建

由于滬深３００股指期貨收益率序列具有集聚性、平穩性和非正態分布的特點，本文對收益率序列采用ＧＡＲＣＨ模型來進行估計。

首先對收益率進行自相關檢驗，得到表３，可以看出，收益率對滯后一階、二階、三階和四階變量都存在自相關，考慮減少模型的復雜性，此處選用收益率滯后一階建立GＡＲＣＨ模型，對擬合得到的GＡＲＣＨ模型，擬合出其殘差，對殘差平方進行自相關檢驗，結果表明殘差平方存在自相關，從而可以進行ＧＡＲＣＨ（１，１）模型的擬合。

對ＧＡＲＣＨ（１，１）模型進行回歸，再根據所得ＧＡＲＣＨ模型，擬合出其殘差，計算殘差平方，對其進行自相關檢驗，看殘差平方是否存在自相關，基于其是否存在自相關來判斷ＧＡＲＣＨ（１，１）能否良好預測條件方差，ＧＡＲＣＨ（１，１）殘差平方自相關檢驗結果見表４，可以看出殘差平方不存在自相關，即基于ＧＡＲＣＨ（１，１）擬合出的條件方差不存在自相關，該ＧＡＲＣＨ （１，１）模型能夠良好預測條件方差，擬合效果理想。進而構建的ＧＡＲＣＨ（１，１）模型能夠對在險價值ＶａＲ的值進行預測。

３．２．５" "計算ＶａＲ預測值

根據ＧＡＲＣＨ（１，１）模型擬合得出的條件方差，通過公式（２）計算在９５％置信水平下的ＶａＲ，將滬深３００股指期貨收益絕對值與計算得出的ＶａＲ預測值置于一張圖表中，得到圖１，若使股指期貨的風險可控，則利用ＶａＲ－ＧＡＲＣＨ模型得到的ＶａＲ預測值需要大于等于每個交易日收益率的絕對值，即ＶａＲ預測值需要能夠覆蓋實際收益率，從圖1可以看出，ＶａＲ預測值幾乎都要比實際收益率的絕對值要大，表明ＧＡＲＣＨ（１，１）具有合理性、可操作性和適用性。

４" " " 投資組合檢驗

本部分采用１８家上市公司的股票構建投資組合，借鑒張瑞穩和趙沁怡（２０１９）［６］組合權重設置方法，以各上市公司流通股數作為權重構建投資組合，并計算自２０１６年１月４日至２０２０年１２月３０日的收益率。

設置兩個投資組合，對兩組合的收益率特征進行比較分析。一個投資組合是由１８家上市公司的股票構成的投資組合，另一個投資組合是由１８家上市公司的股票與滬深３００股指期貨共同構建的投資組合，其中滬深３００股指期貨的權重為０．５，１８家上市公司的股票的總權重為０．５，通過比較分析本文所選時間區段內兩組合收益率的特征差異，分析衍生工具的引入能否在一定程度上降低風險，降低收益率的波動性，比較結果如表5所示。

分析表５可以看出，股票組合在加入滬深３００股指期貨前的均值為０．２２８ ９，標準差為０．２５７ ３，而在組合中引入滬深３００股指期貨后，組合收益率均值變為０．１５６ ９，標準差為０．１９７ ４，盡管引入股指期貨后組合收益率均值有所下降，但組合收益率的整體標準差下降了，即組合收益率的波動性降低了，其所面臨的意外風險減少了，說明衍生工具的引入在一定程度上降低了股票組合的風險，即起到了對沖風險的作用。

５" " " 結" " 論

本文先對滬深３００股指期貨日收益率數據進行了集聚性、平穩性和正態性檢驗，集聚性檢驗結果表明，收益率的大波動后面通常也接著大波動，而小波動后面也接著小波動。本文通過單位根檢驗來進行平穩性檢驗，檢驗結果表明收益率序列不存在單位根，可以運用這一序列進行序列分析。正態性檢驗結果表明，收益率序列具有右偏特征，不符合正態分布，從而在計算ＶａＲ時不能使用傳統的計算方法。根據ＶａＲ－ＧＡＲＣＨ模型計算股指期貨的ＶａＲ，將ＶａＲ預測值與股指期貨收益率絕對值進行對比，發現ＶａＲ預測值在很大程度上能夠覆蓋股指期貨收益率絕對值，表明滬深３００股指期貨具有對沖風險的作用，投資者可以根據ＶａＲ進行投資決策。最后，通過選擇１８家上市公司的股票與股指期貨構建投資組合，觀察收益率特征發現，在將滬深300股指期貨納入投資組合后，組合收益率的波動性降低了，這也進一步表明其起到了對沖風險的作用。

主要參考文獻

［1］茍文均，袁鷹，漆鑫．債務杠桿與系統性風險傳染機制——基于ＣＣＡ模型的分析［Ｊ］．金融研究，２０１６（３）：74-91．

［2］甘霖．基于新時期滬深３００指數的歷史模擬法ＶａＲ風險度量［Ｊ］．區域金融研究，２０１４（３）：13-16．

［3］鐘葉鍇，歐陽若瀾，張晉華．“保險＋期貨”模式在養殖成本風險管理中的應用——以?？陴B殖類價格險為例［Ｊ］．金融理論實踐，2021（8）：110-118．

［4］劉文超，安毅，方蕊．股指期貨對股票市場的極端風險溢出效應與預警作用——基于滬深３００指數高頻數據的經驗證據［Ｊ］．中國證券期貨，２０２１（１）：4-19．

［5］紀廣月．基于ＶａＲ－ＧＡＲＣＨ模型的金融衍生工具市場風險研究——以滬深３００股指期貨為例［Ｊ］．山東師范大學學報：自然科學版，２０１８（３）：17-20．

［６］張瑞穩，趙沁怡.基于ＧＡＲＣＨ－ＣＶａＲ的股指期貨套期保值模型的實證分析［Ｊ］．統計與決策，２０１９（４）：170-172．