下载文档原格式
期货最优套期保值比率估计模型探究作者：付莎谢媛来源：《现代经济信息》2016年第27期摘要：期货一般指由期货交易所统一制定、规定在未来某一特定的时间和地点交割一定数量标的物的标准化合约。
运用期货的空头和多头两种套保方式。
交易者可以通过套期保值达到锁定资产出售价格的目的。
本文从理论角度出发，对于常见的套期保值比率模型进行了探究。
关键词：期货;套期保值模型;比率模型中图分类号：F83 文献识别码：A 文章编号：1001-828X（2016）027-000-01一、引言期货，一般指期货合约，由期货交易所统一制定、规定在未来某一特定的时间和地点交割一定数量标的物的标准化合约。
它被作为一种套期保值工具广泛使用，企业使用套期保值交易锁定生产成本或销售收入以获得稳定的利润，证券投资者利用股指期货对自己的股票进行套期保值。
本文从理论角度对于可能的可用模型进行探究。
二、套期保值比率估计模型1.最小方差法确定套期保值比率套期保值比率，定义为期货头寸和现货头寸的商，表示为了进行套期保值，单位现货需要的期货合约数量，用h表示。
以下给出套期保值比率的推导过程。
首先，以多头现货和空头期货为例组成期货—现货套期保值组合。
每个时期套期保值组合的价值变化为：其中△Vt表示t时期现货和期货组成的套期保值投资组合价值的变化，△St表示t期现货价格的变化，△Ft表示t时期期货价格的变化，ht表示t期套保比率。
对h求一阶导并令其为0，得到最小方差套保比率为：2.静态套保比率认为套保比率在投资期保持不变，得到常数的套保比率，即不考虑ht小标t。
该比率称为静态套保比率。
（1）简单回归模型（OLS）运用OLS技术对期货价格的变化量和现货价格的变化量之间进行线性拟合，可以得到静态套保比率。
△St=c+h*△Ft+εt其中，△St是现货价格变化，△Ft是期货价格变化，c为常数项，εt为回归方程的残差。
在残差序列满足经典线性回归模型（CLAM）的基本假设下，方程回归结果h就是最优套保比率。
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。
最优套期保值比率确定模型研究的开题报告【摘要】套期保值是企业风险管理的一种重要工具，能够帮助企业有效地规避市场价格波动带来的风险。
但是在实践中，如何确定最优的套期保值比率一直是一个复杂而具有挑战性的问题。
本文将通过文献研究和实证分析，建立套期保值的数学模型，探讨如何确定最优套期保值比率的方法。
【关键词】套期保值；最优套期保值比率；数学模型一、研究背景随着市场竞争日趋激烈，企业面临着越来越多的风险和挑战。
套期保值作为一种有效的风险管理工具，成为越来越多企业的选择。
套期保值可以帮助企业规避市场价格波动带来的风险，降低经营成本，提高利润水平。
然而，在实践中，套期保值并不是一件容易的事情。
企业需要考虑到市场价格波动的预期、套期保值的成本、市场交易的流动性等多种因素，并在此基础上确定最优的套期保值比率。
因此，如何确定最优套期保值比率一直是一个复杂而具有挑战性的问题，也是当前套期保值研究的热点问题之一。
二、研究内容和方法本文的研究内容主要包括以下几个方面：1. 套期保值的理论基础和实践应用。
介绍套期保值的概念和基本原理，分析套期保值在实践中的应用范围和局限性。
2. 套期保值比率的确定方法。
综合运用文献研究和实证分析的方法，探讨套期保值比率的确定方法，包括基于期望收益最大化的方法、基于价值最小化的方法、基于风险最小化的方法等，并在实证分析中比较不同方法的优缺点。
3. 套期保值比率确定模型的建立。
建立数学模型，将不同的套期保值比率确定方法融合在一起，并考虑不同因素对套期保值的影响，以求得最优的套期保值比率。
三、研究意义和预期结果本研究的意义在于为企业提供一种可行的套期保值比率确定方法，并通过实证分析验证其有效性。
预期结果为建立一个完善的套期保值比率确定模型，能够帮助企业科学有效地进行套期保值，并降低市场价格波动带来的风险。
四、论文结构安排本论文共分为六个章节。
第一章为绪论，介绍研究背景、内容和方法等。
第二章为套期保值的理论基础和实践应用。
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。
我国玉米期货最优套期保值比率研究玉米期货是一种重要的农产品期货合约，在中国农业市场具有较大的影响力。
为了降低农户和农产品生产企业面临的市场风险，套期保值成为一种重要的风险管理工具，尤其是对于农产品行业更是如此。
本文将通过分析我国玉米期货的最优套期保值比率，探讨如何利用套期保值来降低市场风险。
首先，我们需要了解玉米期货合约的基本情况。
我国的玉米期货合约是由中国金融期货交易所发行的，在交易所进行标准化的交易。
合约的交易品种包括玉米期货主力合约和玉米期货连续合约。
玉米期货合约的交易单位为10吨/手，最小变动价位为1元/吨。
合约的交易时间为每个工作日的上午9:30-11:30和下午1:30-3:30，每个交易日共进行两个交易时段的交易。
在了解了玉米期货合约的基本情况后，接下来我们来考察套期保值的基本原理。
套期保值是指投资者为了规避预期损失而进行反向交易，通过同时买进或卖出对冲产品来锁定收益或减少风险。
对于农产品行业，玉米期货合约可以作为保值工具，通过卖出期货合约来锁定卖出价格或通过买入期货合约来锁定购买价格，从而规避市场波动所带来的风险。
而保值比率则是指保值合约数量与实际农产品数量之间的比率。
在进行套期保值时，保值比率的选择将直接影响到套期保值的效果和成本。
选择最优的套期保值比率需要考虑到多个因素，如预期价格波动情况、合约的交易成本、保值政策等。
不同的保值比率会对套期保值策略的效果产生不同的影响。
过低的保值比率会导致无法完全对冲市场价格波动带来的风险，过高的保值比率则会增加交易成本，并且可能损害农户或企业的盈利能力。
因此，选择最优的套期保值比率是一项关键的研究任务。
在选择最优的套期保值比率时，我们可以采用多种方法进行研究。
一种常用的方法是使用统计模型来估计市场价格的波动性，从而确定最优的保值比率。
常用的统计模型包括ARCH模型、GARCH模型等。
这些模型可以通过对历史价格数据进行拟合，预测未来价格的波动性。
一、实验名称：期货最优套期保值比率的估计二、理论基础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。
套期保值实验报告套期保值实验报告一、引言套期保值是一种金融工具，旨在帮助企业降低外汇、商品等市场价格波动所带来的风险。
本文将对套期保值实验进行报告，探讨其对企业的影响和效果。
二、实验设计本次实验我们选择了一家制造业企业作为研究对象，该企业的主要产品是电子产品。
我们通过对该企业的财务数据进行分析，确定了其主要的外汇和商品价格风险。
三、实验方法在实验中，我们采用了两种套期保值方法：远期合约和期权合约。
远期合约是指企业与金融机构签订的合约，约定了未来某一时间点的外汇或商品价格。
期权合约则是给予企业在未来某一时间点以特定价格买入或卖出外汇或商品的权利。
四、实验结果通过实验，我们发现套期保值对企业的风险管理起到了积极的作用。
在外汇市场方面，通过远期合约和期权合约的套期保值，企业成功规避了汇率波动带来的风险，保持了较稳定的成本。
在商品市场方面，套期保值同样起到了降低价格波动风险的作用，使企业能够更好地控制成本。
五、实验反思尽管套期保值在实验中取得了不错的效果，但我们也发现了一些问题。
首先，套期保值需要企业具备一定的金融知识和能力，对于一些中小型企业来说可能存在难度。
其次，套期保值并不能完全消除风险，只能降低风险的程度。
最后，套期保值需要企业与金融机构进行合作，可能存在合约履行的风险。
六、结论通过本次实验，我们可以得出结论：套期保值是一种有效的风险管理工具，能够帮助企业降低外汇和商品价格波动带来的风险。
然而，企业在实施套期保值时需要注意金融知识和能力的要求，并且要与金融机构建立良好的合作关系。
七、展望未来，我们希望能够进一步研究套期保值的方法和策略，以及其在不同行业和企业规模下的适用性。
同时，我们也希望能够提供更多的培训和指导，帮助企业更好地利用套期保值工具进行风险管理。
八、参考文献[1] Smith, J. (2010). Hedging with futures and options. Journal of Finance, 45(2), 753-768.[2] Jones, R. (2015). The effectiveness of hedging with forward contracts. Journalof Financial Economics, 30(4), 101-120.九、致谢在本次实验中，我们获得了许多人的帮助和支持。
沪深300 股指期货最优套期保值的实证研究作者：贾广月来源：《金融经济·学术版》2013年第06期摘要：套期保值是股指期货的功能之一，运用期货对现货进行套期保值，首要条件即期货与现货之间应该存在很强的相关性。
由于将非平稳时间序列应用到模型中会造成“虚拟回归”现象，故对沪深300指数期现货进行Johansen协整检验，结果表明：期现货间存在显著的协整关系。
运用OLS、VAR、GARCH模型对沪深300股指期货的最优套期保值比率进行估计，结果表明无论样本内还是样本外GARCH模型的套期保值比率最大；基于套期保值效果有效性方面考虑，GARCH模型的套期保值绩效最高。
因此，运用动态的GARCH模型进行套期保值可以得到最优的效果。
关键词：股指期货套期保值协整检验套期保值率绩效比较一、引言入世以来，中国的金融改革不断推进。
在资本市场方面，随着困扰中国资本市场多年的股权分置这一制度性约束逐步得到解决，资本市场的发展和金融工具的创新进一步加快。
2006年9月8日，经国务院同意，中国证监会批准，中国金融期货交易所在上海成立，这标志着中国股指期货市场建设进入了实质性阶段，也是中国资本市场发展到新的历史时期所带来的必然选择。
2006年10月30日，中国金融期货交易所启动了沪深300股指期货的仿真交易活动。
2010年4月16日国内首个股指期货沪深300股指期货在中国金融期货交易所正式挂牌上市。
二、文献综述国外有关股指期货套期保值的文献数量浩繁，在此只对一些相对较好的文献做一下评述。
Figlewski（1984）首先运用1982年6月1日到1983年9月30美国股票市场的数据进行套期保值研究，结果显示：运用最小方差套期保值模型得出的套期保值效果更好；为期一周的对冲表现优于过夜对冲，但对冲时间为4周的套期保值效果并不比1周的更优；股息的多少对套期保值的效果影响甚微；期货合约的到期时间对套期保值效果几乎没有影响。
[4]Holmes （1996）采用1984年7月至1992年6月英国股票指数得出：运用OLS估计的最小方差模型得出的套期保值效果更加优于EC和GARCH模型。
最优套期保值比率的研究报告所谓套期保值(hedge) 就是指买入(卖出)与现货市场数量相当的期(future) 合约，以期在未来某一时间通过卖出(买入)期货合约来补偿现货(spot) 市场价格变动所带来的实际价格风险，简称套保。
套期保值是期货市场产生的原因和基础，是期货交易的主要类型之一，是实现期货市场功能之一——风险转移的重要手段，因而，对套期保值问题的研究具有重要的理论意义和现实意义。
在我国，由于期货市场建立时间较短，相应的体制建设和法制建设还不完善，研究如何充分利用期货市场进行套期保值活动就显得更为重要。
其重要性不仅在于这种研究能够帮助套期保值者进行科学合理的套期保僚活动，有助于微观经济主体利用期货市场锁定成本，稳定利润；还在于能够为监管层的监管活动提供科学依据，有助于监管层更好的发挥“看得见的手”的作用，正确引导期货市场的健康发展。
虽然采用套期保值可以大体抵消现货市场中价格波动的风险，但不能使风险完全消失，因为还存在着基差风险。
为了使风险达到最小，套期保值者可以调整期货与现货数量比，即套期保值比率(亦称套头比)(hedge ratio) 。
如何确定最优套期保值比率，正是我们研究的中心问题。
一、采用不同的方法计算最优套期保值比率。
我们组以铜的套期保值为例，分别建立四种模型，目的是为了估计最优套保比率计算公式中的各组成要素，以此为依据确定最优套期保值比率。
为检验由此得到的最优套保比率是否真的达到了降低风险的目的，以及哪种估计方法更有效，我们对比了按照不同计算公式对最优套期保值比率进行套保的效果进行研究。
一般情况下，套期保值确实可以达到减小现货市场风险的目的，但基差风险的存在导致套期保值不能完全消除风险。
因此，问题就在于如何调整某商品期货合约的数目与该商品所要进行套期保值的现货合约数目的比值，即套期保值比率(hedge ratio) 使得套期保值的风险最小。
一般情况下，以未来收益的波动来测度风险，因此，风险最小化也就是未来收益的方差最小化。
由此推导出最优套保比率的计算公式为：我们小组以铜的套期保值为例，确定其最优套保比率。
这是因为铜是与人类关系非常密切的有色金属，被广泛应用于电气、轻工、机械制造、建筑工业、通讯行业、国防工业等领域，在我国有色金属材料的消费中仅次于铝。
而且我国的期货铜交易自t991 年推出，至今已有十几年历史，是国内唯一的历经风雨而交易规模稳步扩大的期货品种；未曾发生重大风险，履约率100 ％，充分发挥了期货市场的功能；铜的期货价格成为国内有色行业的权威报价，成为企业销售产品、采购原料及签订进出口贸易合同的定价依据。
现货铜的价格q 采用上海地区现货电解铜的每日最高报价。
期货铜的价格采用上海期货交易所的期货铜每日收盘价。
但由于商品期货合约在到期前，通常仅有约不到一年半的交易寿命，并且最活跃期一般在半年左右，因此要想办法构造期货连续价格。
最简单的方法是始终采用最近到期合约的价格资料，即现货月报价。
数据源于上海有色金属网历史数据。
数据样本区间为2000年7月10日至2004 年9月17日。
表3. 1列示了期货铜与现货铜价格的主要描述统计量以及二者的相关系数，图3.1则是期货铜与现货铜的价格走势图图表均显示现货铜价格平均高于期货镉价格，表明我国期货铜市场曾有很长一段时间是倒挂市场，即出现基差为正的情况；而且二者相关系数非常高，现货价格与期货价格走势高度一致，这为套期保值提供了可能。
期货价格与现货价格序列的偏度和峰度均显示出非正态性，并存在厚尾特征，这些特点都提示我们可能需要建立ARCH类模型。
许多的金融时间序列都存在ARCH效应，即序列的条件方筹不是常数，而是存在较大波动，会随着时问的变化而出现较大变动。
具体表现为波动聚集性。
在这种情况下．，如果仍然假设同方差则是不合适的，而且研究者可能会对条件方差有很大的兴趣，因为条件方差可以用来度量风险的大小。
所以当ARCH效应被证实客观存在，则可以考虑建立ARCH模型。
用现货价格的一阶差分序列对期货价格的一阶差分序列进行简单的线性回归，得到其残差序列，如图3—2所示，可见残差序列表现出明显的波动聚集性。
采用拉格朗日乘子检验进一步验证残差序列的ARCH 效应，即检验残差平方序列是否存在自相关，用数学表达式表示为：检验各参数是否显著，得到检验统计量的值为96. 08 , P值接近予0，有充分的把握拒绝原假设，即残差平方序列存在自相关，上期的剧烈波动可能会导致当期波动较大，可以考虑建立ARCH模型。
各种估计方法都可以确定最优套保比率，且都能够达到降低风险的目的。
但是在对比分析中，我们可以看出，有些估计方法的假设条件与实际情况差距较大，有些估计方法在前期的实证研究中已经体现出较差的套保效果。
因此，作者没有也没必要对所有的估计方法进行实证研究，而jl是选择了这四种有代表性的、相对合理的模型进行分析。
变量均以差分形式出现，即以收益作为变量：第一种，简单线性回归模型：第二种，考虑长期协整关系的线性回归模型：第三种，滚动回归方法估计简单线性回归模型，是对第一种回归模型的扩展，分别选取窗宽20 、30 、50 、100 和150 ，模型形式仍然为：但与第一种模型相比，得到的是动态套保比率。
第四种，向量GARCH 模型：其中,在向量 GARCHP 为条件相关系数，是随着时间不断变化的序列。
使用统计软件EVIEWS 对第一、二、三种模型进行估计，尤其是第三种模型 需要编程实现，而第四种模型的估计则是使用统计软件 S-PLUS 中的S . Gv6曝 CH 软件包实现的。
表3-4列示了估计结果，由于滚动回归方法估计出来的是关于 常数项与斜率系数的时间序列，表中未直接列出它的回归结果。
参数入1疋的显著性再一次证实了期货铜与现货铜的价格之间存在长期稳定关 系，即协整关系。
但是 模型中的显著性并不是很突出， 这似乎又是对协整关系的否定。
其实不然， 而是 从一个侧面反映了我国期货铜市场的弱有效性。
因为在向量 GARCH 模型中包含 了另一个重要变量，即被解释变量的滞后一期。
我们知道，在弱有效市场中，历史价格包含了一切历史信息，包括两个市场间的长期稳定关系，即协整关系，因此，只能说被解释变量的滞后一期对被解释变量的影响更显著，而不能说明铜的期货价格与现货价格之间不存在协整关系。
说明铜的期货收益条件方差与现货收益条件方差，以及二者之间的条件协方差均具有时变性，会随着时间和条件的变化而变动，而且也从一个侧面反映出二者之间的条件相关系数亦不是一个常数，而是不断变化的时间序列。
由简单线性回归模型所确定的最优套保比率为斜率 b 的估计值的负数，约等于0. 5,表示对〜个单位的现货铜进行套保时，应对0 • 5 个单位的期货铜进行反向操作；而考虑协整关系后的线性回归模型所确定的最优套保比率为变量前的参数的估计值的负数，约等于O. 62，表示应对0. 62个单位的期货铜进行反向操作；由滚动回归方法确定的最优套保比率为一系列线性回归模型的斜率 b 的估计值的负数组成，是一个时间序列，而且窗宽不同，得出的套保比率估计值也有所不同（图3-3）；由向量GARCH 模型确定最优套保比率的过程则更为复杂，首先利用估计出来的参数计算条件方差与协方差（图3-4），以及条件相关系数（图3. 5），再根据公式计算最优套保比率（图3. 6），此时估计出来的最优套保比率不再是常数，而是一个随时间不断变化的变量。
图3。
3显示，使用滚动回归方法确定套保0E率时，选择不同的窗宽会得到不同的套保比率序列，而且窗宽越小波动最剧烈。
图3-4 显示，条件方差与条件协方差不是固定不变的，而是随着时间和条件的变化而不断波动的序列，而且最近一两年的数值远远高于前几年，这说明最近一两年，铜作为期货交易品种之一，交易较以前更为活跃，与之相伴的则是剧烈的波动，即风险的提高。
从图3—5可以看出，期货价格与现货价格之间的条件相关系数是不断变化的，如果假设相关系数不变，通过现货与期货价格的方差来计算最优套保比率则会导致很大的偏差。
图3-6与图3-3的折线形态颇为相似，说明用两种估计方法都是合适的，而且最优套保比率也确实是一个动态的时间序列。
在动态套保比率中，作者发现，在2004 年9月17号的最优套保比率估计值为正数0．2，即在套保过程中，应当进行同向操作，而不是象传统理论或习惯认为的那样，套保活动必须在期货市场与现货市场进行反向操作。
由于相关系数为正，最优套保比率通常为负数，即进行反向操作；但不排除相关系数为负的情况，即最优套保比率为正，此时，从事套期保值应当进行同向操作，两不是像传统习惯那样，或者说众多套期保值者所认识的那样——保值时总是应当进行反向操作。
如果在期货价格与现货价格的相关系数为负时，仍然进行反向操作，则可能承担更大的风险，遭受双倍的损失。
二、比较套期保值的效率。
所谓套保效率是指套期保值活动是否达到预先制定的目标以及实现的程度。
由于我们假设套保的目的是风险最小化，因而此处的套保效率是指风险是否减小以及减小的程度，即按照某种套保比率估计值进行套保所实现的收益方差是否减小以及减小多少。
即对比计算：可见，不同的套保比率会得到不同的方差，也就是说，按不同的套保值比率进行套保，所要承担的风险是不同的。
任何能够使得风险降低的套保比率都应当被认为是有效的，但是只有能够使得风险最小的套保比率才是最优的。
我们小组采用事前套保效果来评价套保比率的估计方法。
所谓事前套保是指根据在历史价格基础上确定的套保比率进行套保，比如，要在t —I时刻确定套保比率，则采用t-I时刻及以前的价格变化建立模型，估计套保比率，并将其作为t-i 时刻到t时刻的套保比率。
如果将滚动回归估计方法确定套保比率的过程改为先用_，个样本数据进行回归，以回归系数的负数作为，时刻到j+l时刻的套保比率，再将先前j个样本数据中的第一个数据替换为第j+1个样本，作为下个回归方程的样本数据，得到的回归系数的负数作为j+1时刻到j+2时刻的套保比率估计，如此滚动回归将得到，时刻及其以后各时期的动态套保比率，这种根据动态套保比率进行套保的活动则为事前套保。
这种做法更符合实际情况，因为我们无法预知未来。
虽然从过去外推未来很危险，但它至少是推测未来的起点。
为了量化套保效果，作者选择指标日乍为比较各种最优套保比率确定方法的基础，实质上就是比较未进行套保相对于各种套保活动所增加的风险比率。
E越大，也就表示由该种方法确定的最优套保比率更能达到风险最小化的目标其中，S h表示用某种套保比率进行套保所得到的收益方差，S u表示未进行套保所得到的收益方差。
表3—5列示了根据四种模型所确定的套保比率进行事前套保的效果。
如果依据传统定义进行套保，则期货数量与现货数量应当相等，即最优套保比率为一I，然而表3 —5的实证结果显示，此种作法完全不能达到降低风险的目的，要承担的风险与不进行套保相似，甚至大于后者。
