下载文档原格式
期货最优套期保值比率的估计1. 期货套期保值比率概述期货，一般指期货合约，作为一种套期保值工具被广泛使用。
进行期货套期保值交易过程中面临许多选择，如合约的选取，合约数量的确定。
如果定义套期保值比h 为期货头寸与现货头寸之商的话，在上面的讨论中一直假设期货头寸和现货头寸相同，即套期保值比h 为1，但这不一定是最优的套期保值策略。
如果保值者的目的是最大限度的降低风险，那么最优套期保值策略就应该是让套保者在套保期间内的头寸价值变化最小，也就是利用我们如下所说的头寸组合最小方差策略。
考虑一包含s C 单位的现货多头头寸和f C 单位的期货空头头寸的组合，记t S 和t F 分别为t 时刻现货和期货的价格，该套期保值组合的收益率h R 为：f s t s t f t s h hR R S C F C S C R -=∆-∆=（2-1） 式中： s f C C h =为套期保值比率，t t s S S R ∆=，t t f F F R ∆= 1--=∆t t t S S S ，1--=∆t t t F F F 。
收益率的方差为：),(2)()()(2f s f s h R R hCov R Var h R Var R Var -+= （2-2）（2）式对h 求一阶导数并令其等于零，可得最小方差套期保值比率为： fs f f s R Var R R Cov h σσρ==)(),(* （2-3） 其中：ρ为s R 与f R 的相关系数，s σ和f σ分别为s R 与f R 的标准差。
2. 计算期货套期保值比率的相关模型 虽然上述的介绍中的*s f h σρσ=可以求解最优套期保值比，但其操作性不强，其先要分别求三个量然后再计算*h ，显然误差较大 ，下面为几种常见的关于求解最优套期保值比率的时间序列模型。
1) 简单回归模型（OLS ）考虑现货价格的变动（△S ）和期货价格变动（△F ）的线性回归关系，即建立： t t t F h c S ε+∆+=∆* （2-4）其中C 为常数项，t ε为回归方程的残差。
利用沪深300指数期货进行套期保值的最优比率估计与绩效
研究
李蕊
【期刊名称】《新金融》
【年(卷),期】2011(000)009
【摘要】作为机构投资者的证券投资基金,可以通过股指期贷市场参与套期保值,达到管理股票组合市场风险的目的,其核心问题是最优套期保值比率的确定.本文选取沪深3 0 0指数期货和中证开放式基金指数作为研究对象,运用普通最小二乘法(OLS)、基于协整的误差修正模型(ECM)和误差修正—广义自回归条件异方差模型(EC-GAR CH Model)分别估计了最小风险套期保值比率,同时对套期保值的绩效进行分析,认为在当前市场条件下,参与套期保值比不参与能够更好地管理现货风险,动态的EC-GARCH的绩效最好,OLS和ECM次之,但总体上三者差别不大,都可以达到良好的套期保值效果.
【总页数】4页(P47-50)
【作者】李蕊
【作者单位】上海外国语大学国际金融贸易学院
【正文语种】中文
【中图分类】F830.9
【相关文献】
1.股指期货最优套期保值比率的测算与绩效评价——基于沪深300股指期货的实证研究 [J], 刘东君;李源
2.沪深300指数期货最优套期保值比率的估计 [J], 崔新琰;何春雄
3.豆粕期货最优套期保值比率估计及绩效研究 [J], 黄连蓉
4.苯乙烯期货最优套期保值比率估计及绩效研究 [J], 袁洋
5.豆粕期货最优套期保值比率估计及绩效研究 [J], 黄连蓉
因版权原因，仅展示原文概要，查看原文内容请购买。
基于Copula-GARCH模型最优套期保值比率赵蕾;文忠桥;朱家明【期刊名称】《海南师范大学学报（自然科学版）》【年(卷),期】2015(000)002【摘要】考虑了现货价格上下波动的情况，用阿基米德Copula函数的上尾及下尾相关数的平均数作为相关系数，采用GARCH-M模型预测铝现货与期货收益率的标准差，结合最小方差套期保值比率来计算最优套期保值比率，最后对比分析Copula-GARCH模型与Copula模型的套期保值效果。
实证结果表明：Copula-GARCH模型的套期保值效果相对较好。
%Considering the fluctuations of the spot price, this article quoted upper and lower tail correlation coefficient of Archimedean Copula as correlation coefficient, used GARCH-M model to predict the standard deviation of aluminum spot and futures, combined with the minimum variance hedge ratio to calculate the best hedging ratio, and finally compared the ef⁃fect of hedging Copula-GARCH model and Copula model. The empirical results showed that the hedging effect of Copu⁃la-GARCH model is relatively better.【总页数】4页(P141-144)【作者】赵蕾;文忠桥;朱家明【作者单位】安徽财经大学金融学院，安徽蚌埠 233030;安徽财经大学金融学院，安徽蚌埠 233030;安徽财经大学统计与应用数学学院，安徽蚌埠 233030【正文语种】中文【中图分类】F830.9【相关文献】1.股指期货最优套期保值比率——基于Copula-GARCH模型的实证研究 [J], 赵家敏;沈一2.中美贸易摩擦下大豆期货市场相关性的实证研究——基于Copula-GARCH模型[J], 高瑞;卢俊香3.中美贸易摩擦下大豆期货市场相关性的实证研究——基于Copula-GARCH模型[J], 高瑞;卢俊香4.基于Copula-GARCH模型的互联网金融市场风险测度 [J], 陈耀辉;马凌云5.基于Copula-GARCH模型的外汇期货最优套期保值比率研究 [J], 马超群;王宝兵因版权原因，仅展示原文概要，查看原文内容请购买。
基于ECM-GARCH模型对人民币期货套期保值的研究摘要：本文研究港交所人民币期货套期保值策略，有利于套期保值者选择合适的最优套期保值比率以达到较好的套期保值绩效，减少因人民币汇率波动可能造成的损失。
本文以港交所人民币期货每日收盘价数据及人民币现货数据即美元兑人民币即期汇率定盘价数据为研究对象，运用ECM-GARCH模型对该数据进行建模，经检验，拟合的模型取得了良好的效果。
关键词：人民币期货；套期保值；ECM-GARCH模型1.绪论1.1研究背景上世纪70年代末期，为更好地支撑国际贸易的发展，我国采取了两种汇率并存的制度。
1994年以后，为应对两种汇率并存所带来的市场混乱情况，国家开始汇率并轨，汇率从而变得单一化。
2005年“7·21汇改”以来，人民币汇率在市场供求的基础上还需要参考SDR，同时国家也会重点管控汇率水平使得其更合理、更稳定。
2015年“8·11汇改”以来，人民币对美元汇率的中间价需要参考前一个交易日的汇率，人民币的汇率更能反映市场信息。
随着人民币汇率机制的改革，人民币汇率更能反映市场信息，人民币在国际上的影响力也在大大增强，同时人民币汇率的表现也更为波动化。
近年来，随着美联储开始退出量化宽松并受制于中美贸易战，人民币的贬值预期加大，这给国际贸易企业及相关机构带来巨大挑战。
因此，人民币汇率期货产生与发展的意义也更为重大。
1.2研究意义人民币期货的发展为利用人民币期货进行套期保值提供了坚实的基础，人民币期货的套期保值对国际贸易相关的企业、人民币外汇市场以及人民币汇率本身都有着重要意义。
第一，研究如何利用人民币期货进行套期保值，能为相关企业的经营提供重要的风险对冲工具。
以期货交易的历史数据为研究素材，我们能确定一条实时的、高效的途径，它为企业规避外汇风险提供了实用的对冲策略。
第二，研究人民币期货套期保值有利于促进人民币外汇市场上套期保值活动的发展，套期保值作为一项重要工具的使用有利于活跃人民币的交易。
期货套期保值比率绩效的评估金融工程一班 2012312570014 毛钰婷一、实验目的利用简单回归模型（OLS）模型、误差修正模型（ECM）模型和ECM-BGARCH 模型估计中国期货交易所交易的期货合约的最优套期保值比率并对保值效果进行绩效评估，说明期货套期保值在经济生活中的重要作用，并找出绩效评估最佳的套期保值比率模型。
二、实验内容在实验过程中使用时间序列分析的方法对整理后的价格时间序列按照上面的理论基础模型进行建立模型以得到最优套期保值比率系数，其中涉及时间序列分析中的方法有：模型参数估计，参数的显著性检验，变量平稳性检验（含单位根检验），回归残差项的ARCH效应检验等，这些过程都将在EVIEWS软件中进行。
三、实验步骤（一）数据的搜集由于期货合约在交割前两个月最活跃，使得其价格信息释放较为充分，更能反映期货合约的真实价值，所以中国企业多用距离交割月份较近的期货合约进行保值，因此我们选择了在任何一个时点的后一个月进入交割月的期货合约的中间价格作为分析对象。
所以每次取期货合约时都只用它到期前倒数第二个月的数据，现货数据与期货数据按时间对应。
若哪一天现货或期货有其中一数据缺失，则去掉该数据以达到一一对应。
本实验从上海金属网上把AL的11年4月18号到13年4月18号的现货数据截取下来，按上段的方法在同花顺平台上得到相应的期货数据并在EXCEL中进行整理，整理后我们得到含有488对期货（f）、现货（s）数据的EXCEL文件，并命名为FS. 由于数据量较多，具体数据见附录1。
（二）用OLS模型估计最优套期保值比率先调整样本期以便建立F和S的差分序列，再建立F和S的差分序列的回归方程。
结果显示该方程整体上显著的且解释变量系数很显著（p值为0），故基本认可该回归模型。
回归结果表明每一单位的现货头寸要用0.931627位相反的期货头寸进行对冲，即最优套期保值比为0.931627。
（三）用ECM模型估计最优套期保值比率1、期货价格序列即f序列的平稳性检验从序列的自相关系数没有很快的趋近与0，说明原序列是非平稳的序列。
沪深300股指期货动态套期保值比率模型估计及比较①———基于修正的ECM2B GA RC H(1,1)模型的实证研究佟孟华(东北财经大学经济计量分析与预测研究中心)【摘要】本文以沪深300股指期货的真实交易数据及沪深300指数为研究对象,在最小方差套期保值的基础上,建立了ECM2B GA RCH(1,1)的沪深300股指期货对沪深300指数的动态套期保值模型。
其具体特色是:与利用沪深300股指期货仿真交易数据相比,通过利用沪深300股指期货的真实数据得到的最优套期保值比率更具真实性;通过建立具有时变特征、含有自相关和条件异方差的动态B GARC H (1,1)模型,不但考虑了实证所用数据的实际特点,而且保证了套期保值比率预测的准确性;实证研究结果表明,该模型优于现有的套期保值模型。
关键词 沪深300股指期货 动态套期保值 ECM2B GA RCH(1,1)模型中图分类号 F830 文献标识码 AShanghai2Shenzhen300Stock Index Futures DynamicH edge R atios Model Estim ation and Its Comparison Abstract:We develop an dynamic hedging model based on t he ECM2B GARC H (1,1)model between Shanghai2Shenzhen300Stock Index Fut ures and it s Index according to t he minimum variance hedge ratio using act ual t ransaction data of Shanghai2Shenzhen300Stock Index Fut ures and it s index in t his paper1The charac2 teristics lie on t hree aspect s1Firstly,we get really optimal hedge ratio s by using ac2 t ual t ransaction data of Shanghai2Shenzhen300Stock Index Fut ures rat her t han simulation of t ransaction data1Secondly,we establish a dynamic ECM2B GARC H (1,1)model wit h time2vary characteristics,autocorrelation and conditional het2 ero skedasticity1The model consider t he characteristics of empirical data and get more p recise of optimal hedge ratio s1Thirdly,t he empirical result s show t hat t his model has advantage of existing hedge ratio s models1K ey w ords:Shanghai2Shenzhen300Stock Index Fut ures;Dynamic Hedging; ECM2B GARC H(1,1)Model①本文得到国家社会科学基金项目(项目号:2007JB Y159)和辽宁省创新团队项目(项目号:2009T028)的资助。
基于ECM—GARCH模型的
作者：朱景娜
来源：《中国集体经济》2016年第26期
摘要：华夏基金是通过复制的办法来获取利益.投资者经由沪深300股指期货对华夏基金举行套期保值.为了探索这种的效果如何.采用一模子对最好的率举行求解.经由实力举行剖析。
跟着愈发多的投资人参加到指数基金投资中.探索怎样客观公道的对我国指数基金举行危机治理拥有非常重要的意义。
关键词：华夏沪深300指数；基金；股指期货：套期保值：ECM-GAKCH
一、引言
指数基金指的是跟随对象指数的利益作为目的的基金.也就是说其以目的指标成分股作为构造理财拼凑的基金.进而得到与所追踪的指标类似的得益率。
在投资计策的选取上.指数基金选用的是非主动的计策.因为其投资拼凑是采用追踪指数的.因为其创建的为充实散布式的投资拼凑.因而有用的防范个股的非体系危机.然而其还是面对着体系性的危机.所以其并无法有用的规避体系性的危机.但是跟着的推出.运用举行套期保值来规避指数基金中体系性危机成为可能。
本文以对华夏基金套期保值为例举行探究分析其效果.对分析的关键是最佳比值的求解.也就是针对持有的现货头寸.需要购买多少张期货合约来对冲拥有现货头寸的危机。
最佳套期保值概率的估计的最初研究是1970年左右.Edefigton（1979）使用最小方差模子探究了投资人。
期货最优套期保值比率的估计一、理论基础（一）简单回归模型(OLS)：考虑现货价格的变动（△S ）和期货价格变动（△F ）的线性回归关系，即建立：t t t F h c S ε+∆+=∆*其中C 为常数项，t ε为回归方程的残差。
上述线性回归模型常常会遇到残差项序列相关和异方差性的问题，从而降低参数估计的有效性。
（二）误差修正模型(ECM)：Lien & Luo （1993）认为，若现货和期货价格序列之间存在协整关系，那么，最优套期保值比率可以根据以下两步来估计。
第一步，对下式进行协整回归：t t t bF a S ε++=第二步，估计以下误差修正模型：∑∑=--=--+∆+∆+∆+-=∆nj t j t j i t m i i t t t t e S F F F S S 1111)(θδβα式中β的OLS 估计量βˆ即为最优套期保值比率*h 。
（三）ECM-BGARCH 模型：分为常数二元GARCH 模型和D-BEKKGARCH 模型。
其均值方程相同，为,111,1111ˆˆ()s t s S t t f f t f t t t t t C z S C z F z S F εδδεαβ-------⎡⎤∆⎡⎤⎡⎤⎡⎤=++⎢⎥⎢⎥⎢⎥⎢⎥∆⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦=-+(2-8)（其中即上文提到的误差修正项）1~(0,)t t t N H ε-Ω（四）期货套期保值比率绩效的估计我们考虑一包含1 单位的现货多头头寸和h 单位的期货空头头寸的组合。
组合的利润H V ∆为：t f t s H F C S C V ∆-∆=∆ (2-10)套期保值组合的风险为：),(2)()()(22F S Cov C C F Var C S Var C V Var f s f s H ∆∆-∆+∆=∆ (2-11)由于现货的持有头寸在期初即为已知，因此，可以视之为常数，等式两边同除2s C ，得：),(2)()()()(*2*2F S Cov h F Var h S Var C V Var sH ∆∆-∆+∆=∆ (2-12) 对于不同方法计算出的最优套期保值比率*h ，我们可以通过比较（2-12）来对它们各自套期保值的保值效果进行分析。
