股指期货套期保值实证分析研究

股指期货套期保值实证分析研究

姓名：阮轶申请学位级别：硕士专业：经济学指导教师：严渝军

20071001

摘要中国证券市场起步于９０年代初期，由于缺乏风险对冲工具和做空机制，市场长期以来一直处于单边市状态，即投资者只能通过买入股票并等待其上涨来获得收益，如果市场处于下跌通道之中，投资者或者被动忍受损失，或者离场观望。而２００６年中国金融期货交易所正式成立，则标志着以沪深３００为标的的股指期货推出已正式提上议程。股指期货诞生至今２５年，在国际成熟金融市场中已日渐成为规避市场风险的重要金融衍生产品之一，沪深３００股指期货的推出将使得国内证券市场格局发生重大变革：一方面，投资者可以通过卖空来获利；另一方面，投资者可以通过股指期货进行避险，即所谓的套期保值。本文的论述方向将遵循股指期货存在的基础功能——套期保值来进行，在既有理论文献的基础上，着眼于实务方面的研究：１）投资者如何进行避险操作，如何估计避险比率、衡量避险效果：２）投资组合的Ｂ值不稳定，具有时变性，这使得估计避险比率的工作非常困难，应如何来解决这样的问题，使股指期货避险更加精准有效。目前沪深３００股指期货仿真交易已开展近一年时问，因此，本论文还将采用仿真交易数据对以上问题进行实证分析和检验。按照以上研究思路，本论文论述由以下几个部分构成；第一部分，简要概述股指期货产生的背景和基本情况，对国内股指期货进程和沪深３００股指期货合约进行简单介绍；第二部分，回顾海内外股指期货避险研究的主要文献，讨论相关避险策略及避险模型，为后面套期保值策略如何有效运用的实证分析和检验提供理论基础和依据；第三部分，对套期保值的原理、关键因素及实际流程进行概述，并采用恒生指数对常用的几种避险模型进行实证分析，最后一揽子以建信优选成长股票型基金为现货标的，实际检验以沪深３００股指期货模拟交易ＩＦ０７０６产品进行对冲时的套期保值效果；第四部分，探讨国内确定避险比率的过程，包括国内股票组合Ｏ值的稳定性检验、历史Ｂ值的修正及估计历史Ｂ值的最佳数据长度等，通过数据分析，本文在寻找估计Ｂ值的最佳数据长度和考察风格、行业Ｂ值的差异上做了较为有益的尝试，并得到了有助于现实操作的结果。关键词：股指期货，套期保值，避险比率，投资组合Ｂ值ＡｂｓｔｒａｃｔＣｈｉｎｅｓｅｓｅｅｕｒｉｔｉｅｓｍａｒｋｅｔｍａｄｅｌｔｓｄｅｂｕｔｌｎｅａｒｌｙ１９９０’Ｓ．Ｈｏｗｅｖｅｒ，ｄｕｅｔｏｌａｃｋｏｆａｈｅｄｇｉｎｇｉｎｓｔｒｕｍｅｎｔｓａｎｄｓｈｏｒｔ—ｓａｌｅｍｅｃｈａｎｉｓｍ，ｔｈｅｓｅｃｕｒｉｔｉｅｓｍａｒｋｅｔｈａｓｏｎｅ—ｓｉｄｅｍａｒｋｅｔｆｏｒａｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｌｏｎｇｔｉｍｅ，ｗｈｉｃｈｍｅａｎｓｉｎｖｅｓｔｏｒｓｏｎｌｙｏｒｍａｋｅｐｒｏｆｉｔｓｗｈｅｎｓｔｏｃｋｐｒｉｃｅｓｒｉｓｅａｎｄｔｈｅｙｗｉｌｌｈａｖｅｔｏｅｎｄｕｒｅｐａｓｓｉｖｅｌｙｔｈｅｌｏｓｓｗｉｔｈｄｒａｗｆｒｏｍｔｈｅｍａｒｋｅｔｗｈｅｎｓｔｏｃｋｐｒｉｃｅｓｆａｌｌ．Ｆｏｒｔｕｎａｔｅｌｙ，ｔｈｅｆｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａＦｉｎａｎｃｉａｌＦｕｔｕｒｅｓＥｘｃｈａｎｇｅ（ＣＦＦＥ）ｉｎ２００６，ｍａｒｋｅｄｆｏｒｔｈｅｌａｕｎｃｈｏｆａｓｔｏｃｋｉｎｄｅｘｆｕｔｕｒｅｗｉｔｈａｎｕｎｄｅｒｌｙｉｎｇｉｎｄｅｘｏｆＣＳＩ３００ｉｎｄｅｘｉｎｔｏｃａｌｅｎｄａｒｆｏｒｍａｌｌｙ．Ｓｔｏｃｋｉｎｄｅｘｆｕｔｕｒｅｔｒａｃｅｓｔｏｔｗｅｎｔｙ—ｆｉｖｅｙｅａｒｓａｇｏａｎｄｉｔ’Ｓｂｅｅｎｇｒａｄｕａｌｌｙｏｎｅｏｆｖｉｔａｌｆｉｎａｎｃｉａｌｄｅｒｉｖａｔｉｖｅｓｔｏｈｅｄｇｅｒｉｓｋｉｎｉｎｔｅｒｎａｔｉｏｎａｌｔｏｔｈｅｏｎｍａｒｋｅｔ．Ｕｎｄｏｕｂｔｅｄｌｙ，ｔｈｅｌａｕｎｃｈｏｆＣＳｌ３００ｓｔｏｃｋｉｎｄｅｘｆｕｔｕｒｅｈａｓｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｌｏｃａｌｓｅｃｕｒｉｔｉｅｓｍａｒｋｅｔ．Ｏｎｏｔｈｅｒｈａｎｄ，ｉｎｖｅｓｔｏｒｓｃａｎｏｎｅｈａｎｄ，ｉｎｖｅｓｔｏｒｓＣａｎｍａｋｅｐｒｏｆｉｔｓｆｒｏｍｓｈｏｒｔ－ｓａｌｅａｎｄＳＯｔｈｅｅｖａｄｅｒｉｓｋｔｈｒｏｕｇｈｓｔｏｃｋｉｎｄｅｘｆｕｔｕｒｅ，ｔｈａｔ’Ｓｏｎｃａｌｌｅｄｈｅｄｇｅ．Ｔｈｅｌａｙｏｕｔｏｆｍｙｔｈｅｓｉｓｗｉｌｌｆｏｃｕｓｈｅｄｇｅ，ｔｈｅｆｕｎｄａｍｅｎｔａｌｆｕｎｃｔｉｏｎｏｆｓｔｏｃｋｉｎｄｅｘｆｕｔｕｒｅａｎｄｅｘｔｒｅｍｅｌｙｅｍｐｈａｓｉｚｅｔｈｅｓｔｕｄｙｏｒｉｅｎｔａｔｉｏｎｏｆｐｒａｃｔｉｃｅｂａｓｅｄｏｎａｃａｄｅｍｉｃｐａｐｅｒｓ．Ｏｎｅｋｅｙｈｅｄｇｅｆｏｒｓｕｂｊｅｃｔｉｓ，ｈｏｗｔｏｏｐｅｒａｔｅｈｅｄｇｅｐｒｏｃｅｓｓａｎｄｅｓｔｉｍａｔｅｈｅｄｇｅｒａｔｉｏａｎｄｅｖａｌｕａｔｅｏｔｈｅｒｏｎｅｅｆｆｅｃｔ．Ｔｈｅｉｓ，ｈｏｗｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｕｎ－ｓｔａｂｉｌｉｔｙａｎｄｔｉｍｅ—ｖｏｌａｔｉｌｉｔｙ１３ｉｎｉｎｖｅｓｔｍｅｎｔｐｏｒｔｆｏｌｉｏ，ｔｏｅｖａｄｅｉｔｓＳｉｄｅ—ｅｆｆｅｃｔｆｏｒｅｓｔｉｍａｔｉｏｎｏｆｈｅｄｇｅｒａｔｉｏａｎｄｉｍｐｒｏｖｅｔｈｅｅｆｆｅｃｔａｎｄａｃｃｕｒａｔｅｎｅｓｓｏｆｈｅｄｇｅ．ＳｉｎｃｅｔｈｅｓｉｍｕｌａｔｉｏｎｔｒａｄｉｎｇｏｆＣＳＩ３００ｓｔｏｃｋｉｎｄｅｘｆｕｔｕｒｅｈａｓｌａｓｔｅｄｆｏｒａｌｍｏｓｔｏｎｅｙｅａｒ，ｍｙｔｈｅｓｉｓｗｉｌｌｈａｖｅｅｍｐｉｒｉｃａｌａｎａｌｙｓｉｓａｎｄｔｅｓｔｏｎｔｈｏｓｅｋｅｙｐｏｉｎｔｓ，ｂａｓｅｄｏｎｓｉｍｕｌａｔｉｏｎｔｒａｄｉｎｇａｓｄａｔａ．Ｉｎｇｅｎｅｒａｌ，ｔｈｉｓｐａｐｅｒｉｎｃｌｕｄｅｓｓｅｖｅｒａｌｐａｒｔｓ，ｓｈｏｗｎＴｈｅｆｉｒｓｔｐａｒｔｓｕｍｍａｒｉｚｅｓｔｈｅｂａｃｋｇｒｏｕｎｄｔｈｅｆｏｌｌｏｗｉｎｇ：ａｎｄｏｕｔｌｉｎｅｏｆｓｔｏｃｋｉｎｄｅｘｆｕｔｕｒｅａｎｄｉｎｔｒｏｄｕｃｅｂｒｉｅｆｌｙｉｔｓｌｏｃａｌｓｔａｔｕｓａｎｄＣＳＩ３００ｓｔｏｃｋｉｎｄｅｘｆｕｔｕｒｅｃｏｎｔｒａｃｔ．Ｔｈｅｓｅｃｏｎｄｐａｒｔｈａｓｏｖｅｒｓｅａｓ，ａｎｄａｌｓｏａａｒｅｔｒｏｓｐｅｃｔｏｆｔｈｅｍａｉｎａｃａｄｅｍｉｃｐａｐｅｒｓｏｆｂｏｔｈｌｏｃａｌａｏｒｄｉｓｃｕｓｓｉｏｎｏｆｒｅｌｅｖａｎｔｈｅｄｇｅｓｔｒａｔｅｇｉｅｓａｎｄｍｏｄｅｌｓ，ｔｏｌａｙｓｏｌｉｄｔｈｅｏｒｅｔｉｃａｌｆｏｕｎｄａｔｉｏｎｆｏｒｔｈｅｅｍｐｉｄｃａｌａｎａｌｙｓｉｓａｎｄｔｅｓｔｆｏｒｔｈｅｏｐｅｒａｔｉｏｎｐｒｏｃｅｓｓｏｆｈｅｄｇｅｉｎｌａｔｔｅｒｐａｒｔｓ．Ｔｈｅｔｈｉｒｄｐａｒｔｏｕｔｌｉｎｅｓｔｈｅｐｒｉｎｃｉｐｌｅ，ｋｅｙｆａｃｔｏｒｓａｎｄｒｅａｌｏｐｅｒａｔｉｏｎｐｒｏｃｅｓｓｏｆｈｅｄｇｅ．ｍａｋｅｓａＭｏｒｅｏｖｅｒ，ｉｔｅｍｐｉｒｉｃａｌａｎａｌｙｓｉｓｏｎｐｏｐｕｌａｒｈｅｄｇｅｍｏｄｅｌｓｗｉｔｈＨＫＨａｎｇＳｅｎｇｏｎｉｎｄｅｘ．Ｉｎｔｈｅｅｎｄ，ｉｔｔｅｓｔｔｈｅｈｅｄｇｅｅｆｆｅｃｔｏｆｔｒａｄｉｎｇ１Ｆ０７０６，ＣＳＩ３００ｓｔｏｃｋｉｎｄｅｘｆｕｔｕｒｅｃｏｎｔｒａｃｔ，ｗｉｔｈＣＣＢｓｅｌｅｃｔ—ｇｒｏｗｔｈｓｅｃｕｒｉｔｉｅｓｆｕｎｄａｓｐｒｅｓｅｎｔｕｎｄｅｒｌｙｉｎｇ．Ｔｈｅｆｏｕｒｔｈａｎｄａｌｓｏｔｈｅｌａｓｔｐａｒｔ，ｅｘｐｌｏｒｅｓｈｏｗｔｏｄｅｆｉｎｅｈｅｄｇｅｒａｔｉｏｉｎｃｈｉｎａｍａｉｎｌａｎｄｍａｒｋｅｔ．Ｉｔｈｉｓｔｏｒｉｃａｌｉｎｃｌｕｄｅｓｔｈｅｓｔａｂｉｌｉｔｙｔｅｓｔｏｆ１３ｆｏｒｌｏｃａｌｓｅｃｕｒｉｔｉｅｓｐｏｒｔｆｏｌｉｏ，ａｄｊｕｓｔｍｅｎｔｏｆ１３ａｎｄｂｅｓｔｄａｔａｌｅｎｇｔｈｆｏｒｅｓｔｉｍａｔｉｏｎｏｆｈｉｓｔｏｒｉｃａｌｏｎ６，ｅｔｃ．Ａｌｓｏ，ｔｈｅｔｈｅｓｉｓｍａｋｅｓｓｏｍｅｂｅｎｅｆｉｃｉａｌｅｘｐｅｒｉｍｅｎｔｓｈｉｓｔｏｒｉｃａｌｔｈｅｄｅｆｉｎｉｔｉｏｎｏｆｂｅｓｔｄａｔａｌｅｎｇｔｈｆｏｒｅｓｔｉｍａｔｉｏｎｏｆ１３．ｓｕｒｖｅｙｏｆｆａｓｈｉｏｎｆｏｒ１３ａｎｄｖａｒｉａｔｉｏｎｆｏｒｉｎｄｕｓｔｒｙＢＳ．Ｆｏｒｔｕｎａｔｅｌｙ，ｉｔ’Ｓｇｏｔｓｏｍｅｍｅａｎｉｎｇｆｕｌｒｅｓｕｌｔｓ．学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文所涉及的研究工作做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律责任由本人承担。特此声明学位论文作者签名：名办张Ｗ０年，，其ＷＥｔ｛学位论文版权使用授权书本人完全了解对外经济贸易大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供１７１录检索以及提供本学位论文全文或部分的阅览服务；学校有权按照有关规定向国家有关部门或者机构送交论文；在以不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。保密的学位论文在解密后遵守此规定。学位论文作者签名：侈况似卅叼年７７月ｗ日导师签名：季７活栉加０年，，月万日第１章引言１．１论文选题的意义及研究思路２００６年９月５日，新加坡交易所推出第一只以国内Ａ股指数（新华富时Ａ５０指数）为标的的股指期货，它在新加坡交易所交易，以ＱＦＩ［为主要客户对象。随后，上海金融交易所宣布将推出沪深３００股指期货，它是国内金融市场真正的第一只股指期货品种。作为衍生品发展历史上的重要品种，股指期货的出台将深深改变目前的证券市场格局。一般来说，新兴市场的股指期货品种具有波动性大、交易活跃等显著特征，如、韩国等，指数现货的波动性和流动性等指标将会因为股指期货的推出而在短期内出现变化。无疑，如果国内推出股指期货，整个证券市场的投资策略和投资模式将发生巨大的变化。国内证券市场起步于９０年初，长期一直处于单边市过程之中，即投资者只能通过买入股票并等待其上涨来获得收益，如果市场处于下跌通道之中，投资者或者被动忍受损失，或者离场观望。股指期货出台后，国内证券市场的格局将发生重大变革。一方面，投资者可以通过卖空来获利；另一方面，投资者可以通过股指期货进行避险，即所谓的套期保值。而且，因为股指期货现金交割与保证金交易的特征，投资者可以利用股指期货进行投机活动。此外，投资者还可以利用股指期货与现货的定价关系进行套利活动。因此，整个证券市场的投资策略和投资模式将发生巨大的变化。在这样的历史背景下，且考虑到今后国内参与股指期货交易方主要以机构投资者为主，本论文将研究重心放在股指期货的套期保值功能研究上，即：股指期货推出后，投资者如何进行避险操作，如何估计避险比率。由于国内即将推出股指期货产品，考虑到内地股指期货市场与港台市场的相似性，因此，本论文针对上述问题，将按照“港台市场一内地市场”的分析思路，站在港台期货市场研究的基础上，探讨内地股指期货的避险策略包括避险比率的估计、避险效果的衡量、相关性误差修正等。与本论文的研究思路与研究方法相联系，本文的资料收集工作非常重要，尤其以相关实证研究中所须用到的国内外数据的收集最为重要，本文中所有数据均来自Ｗｉｎｄ（万德资讯）、Ｂｌｏｏｍｂｅｒｇ（彭博资讯）、建信基金投资风险管理ＲＩ系统、和中信数量化投资分系统，采用的数据处理和分析软件为ＳＡＳ和Ｍａｔｌａｂ。１．２论文章节安排本论文主要包括四个部分：本论文论述由以下几个部分构成：第一部分。简要概述股指期货产生的背景和基本情况，对国内股指期货进程和沪深３００股指期货合约进行简单介绍；第二部分，回顾海内外股指期货避险研究的主要文献，讨论相关避险策略及避险模型，为后面套期保值策略如何有效运用的实证分析和检验提供理论基础和依据；第三部分，对套期保值的原理、关键因素及实际流程进行概述，并采用恒生指数对常用的几种避险模型进行实证分析，最后一揽子以建信优选成长股票型基金为现货标的，实际检验以沪深３００股指期货模拟交易［Ｆ０７０６产品进行对冲时的套期保值效果：第四部分，探讨国内确定避险比率的过程，包括国内股票组合１３值的稳定性检验、历史０值的修正及估计历史Ｂ值的最佳数据长度等，通过数据分析，本文在寻找估计１３值的最佳数据长度和考察风格、行业ｐ值的差异上做了较为有益的尝试，并得到了有助于现实操作的结果。１．３研究的目标、方法和内容本文的论述方向将遵循股指期货存在的基础功能——套期保值来进行，在既有理论文献的基础上，着眼于实务方面的研究：１）投资者如何进行避险操作，如何估计避险比率、衡量避险效果；２）投资组合的１３值不稳定，具有时变性，这使得估计避险比率的工作非常困难，应如何来解决这样的问题，使股指期货避险更加精准有效。目前沪深３００股指期货仿真交易已开展近一年时间，因此，本论文还将采用仿真交易数据对以上问题进行实证分析和检验。在分析过程中，将主要从以下方面进行论述：１、简要介绍股指期货产生的背景、特征及功能，沪深３００期货合约情况；２、通过文献总数讨论常用股指期货避险策略及模型；３、分析股指期货的运作原理及其风险对冲机制４、运用可比市场数据进行避险模型的对比性检验；５、通过实证模拟证券投资基金采用套期保值方法的过程，并检验沪深３００股指期货仿真交易产品套期保值的效果；６、研究股指期货避险在我国应用需注意的偏离项并进行修正：７、得出结论，第２章股指期货概述２．１股指期货的产生背景及概况股指期货（ＳｔｏｃｋＩｎｄｅｘＦｕｔｕｒｅｓ），是指由交易双方签订的，约定在未来某一特定时间以现金方式交割股票价格指数的标准化期货合约。与货币期货（１９７２年）和利率期货（１９７５年）一样，股指期货也是适应市场规避价格波动风险的需求而产生的金融工具。二战以后．以美国为代表的发达市场经济国家的股票市场取得飞速发展，上市股票数量不断增加，股票市值迅速膨胀，这个过程也是市场参与者结构不断发生变化的过程，以信托投资基金、养老基金、共同基金为代表的机构投资者在股票市场中占有越来越大的比例，并逐步居于主导地位。机构投资者可以通过分散的投资组合降低股票价格的非系统性风险，但对于系统性风险却为力。进入２０世纪７０年代以后，随着布雷顿森林体系的崩溃，西方国家金融市场的波动变得异常大，投资者规避系统风险的需求越来越来迫切。因为股票指数代表整个股票市场的价格走势，所以专业机构开始尝试以股票指数为基础设计可交易的期货合约。以此对股票现货投资进行套期保值，股指期货应运而生。股指期货是金融期货中产生最晚的一个类别，但是它的发展速度却非常之快。自１９８２年２月美国堪萨斯期货交易所（ＫＣＢＴ）推出第～个股指期货以来，股指期货的交易品种不断增多，交易规模不断扩大，目前已经成长为仅次于利率期货的第■大金融期货品种。据国际清算银行（ＢＩＳ）统计，２００５年全球股指期货交易量达Ｎ５５．１万亿美元。股指期货交易的特征与流程与普通商品的期货交易基本相同。它们都是订立某一标的物的未来买卖的标准化合约。但由于股指期货买卖的标的是经过统计处理的股票价格指数，因此它又与股票市场有关，投资者可将其对整个股票市场价格指数的预期风险转移至期货市场，下面我们将对股指期货的特性、功能进行简要介绍。２．１．１股指期货的特性（１）虚拟性。股指期货交易是以股票价格指数这一虚拟资产作为标的物，使股指期货市场完全脱离实物资本运动而无限扩张，远远超过现货市场规模价值。一般地，股指期货合约的价值采用指数乘以作为交易单位的一定的货币金额来表示。这样股票指数每日的点数波动就表现为价格波动，对这个虚拟的商品才可以进行期货交易。（２）现金交割性。股指期货的交割方式采用现金结算，而不是实物（股票）交割。这是股指期货与其它种类期货合约的最大区别。合约到期时，以股票市场收市时的股票指数作为结算的标准，合约持有人只须交付或收取按购买合约时的股票指数的点数与到期的实际指数的点数所计算出的点数差折合成的现金数，即可完成交收手续。（３）杠杆交易特征。股指期货引入保证金制度。投资者在帐户中存储一定的保证金，交易所和清算所根据每日股指期货的价格波动情况判断保证金是否充足，并进行相应的清算。投资者在交易股指期货的时候获得了一个杠杆，它一方面放大了投资者的参与头寸，可以提高投资者的参与热情，另一方也放大了投资者的参与风险。２．１．２股指期货的四大功能（１）风险对冲投资者在股票市场上面临两种风险：系统风险和非系统风险。通过分散化的投资组合，投资者可以较好地规避个股的非系统风险，但却不能有效地规避股市整体下跌的系统风险。成熟证券市场上如美国、英国和法国股票市场的系统性风险占总风险的比例分别为２６．８％、３４％和３２．７％，而中国股票市场系统性风险占总风险比例却高达６５．７％１，股指期货的引入，为投资者提供了风险转移的途径，通过利用股指期货和指数现货的反向操作，可以使得股指期货的收益（损失）与指数现货的损失（收益）相互对冲，从而规避市场的系统波动风险，实现资产的套期保值。（２）价格发现价格发现是指新信息透过投资者交易反映到证券市场价格的过程。理论上，期货市场和现货市场均以股票或者股票的集合为交易标的，它们反映新信息的时问应该是一致的。然而，因为交易成本低、杠杆性高、现金交割等特征，股指期货的价格往往能够领先现货市场价格的变动，因此．股指期货可以起到指数现货市场晴雨表的作用，承担指数现货的价格发现功能。（３）平抑波动按照经济学的“一价定律”，股指期货和现货具有相同的标的和信息来源，１张人骥‘股指期货：市场深化过程中的金融创新》１９９８４它们应该具有完全相同的价格。即使考虑交易成本，股指期货和现货之间的价差不应超过进行套利交易时须付出的交易成本。当股指期货和现货之间的价格偏离时，套利交易者将会迸场实施跨市场交易，迫使价格回归其内在价值，从而平抑异常波动。（４）活跃市场股指期货２０年来的发展历程证明，它和指数现货交易具有相辅相成、相互促进的关系，股指期货的设立能够显著增加证券市场的流动性。股指期货的买卖非常便利，使得机构投资者利用股指期货进行套利、套期保值等交易成为可能，从而间接引发对指数现货的需求；反过来，当活跃的指数现货市场上出现定价偏差时，也会引发套利和套期保值交易的需求。２．２我国股指期货进程及沪深３００股指期货合约介绍２００６年９月５日，新加坡交易所率先推出新华富时Ａ５０股指期货，它是全球第一个以国内Ａ股指数为标的的股指期货。在此之前，中国内地已探讨酝酿股指期货多年。２００５年４月８日，沪深证券交易所联合推出沪深３００指数，它是首只从上海和深圳两个证券市场中选取３００只Ａ股作为样本编制而成的成份股指数，用来反映Ａ股市场的整体走势。２００６年７月６日，尚处筹备中的中国金融期货交易所推出了《股指期货合约方案（征求意见稿）》，初步确定以沪深３００指数为合约的交易标的。２００６年９月８日，中国金融期货交易所在上海挂牌成立。２００６年１０月２３日，中国金融期货交易所发布《沪深３００股指期货合约》、《交易细则》、《结算细则》和《风险控制管理办法》（征求意见稿）。２００６年１０月２５日，中金所发布《中国金融期货交易所仿真交易业务规则》，随后于１０月３０日启动沪深３００股指期货的仿真交易。但是，由于投资经验不足、虚拟交易现实感不强，投机气氛浓厚，并且时有“暴仓”。为此，中国在全国举办巡回投资者教育展，并特意在２００７年１月份于三大证券报上刊登了致股指期货投资者的一封信，提醒树立正确的投资理念，提高参与股指期货的风险意识。负责人曾在多个场合表示，国内股指期货的准备工作正在有条不紊地推进，总体来看，股指期货正式推出，将取决于系统运营成熟性、投资者心理成熟和市场环境适宜等诸多因素，目前，市场普遍预期由于股指连创新高，且指数成分股明显成为领涨势力，股指期货很可能于今年１１月份出台。下表为中国金融期货交易所公布的沪深３００股指期货合约（最新征求意见稿），正式的合约内容以交易所最终公布的为准。表２，ｌ：沪深３００股指期货合约（意见稿）资料来源：中国金融交易所网站ｈｔｔｐ：／／ｗｗｗ．ｃｆｆｅｘ．ｃｏｍ．ｃｎ／合约说明：沪深３００股指期货同时挂牌四个月份合约。分别是当月、下月及随后的两个季月月份合约。如当月月份为１月，则下月合约为２月，季月合约为３月与６月。表示方式为ＩＦ０７０１、１／＝０７０２、ＩＦ０７０３、ＩＦ０７０６。其中ＩＦ为合约代码，０７表示２００７乍，Ｏｌ表示１月份合约。第３章股指期货避险研究文献回顾３．１股指期货避险策略研究从股指期货产生的背景和目前国际成熟市场运作的实际情况来看，股指期货交易存在的主要目的均着眼于对投资者资产头寸的风险进行管理，因而股指期货的套期保值功能及该功能的有效运用一直是学术界和实务界所关心的重点课题之一。６３．１．１避险策略（１）多头避险策略和空头避险策略按照持有头寸的不同可以分为多头避险策略（又称多头套期保值）和空头避险策略（空头套期保值）。ａ．多头套期保值：多头套期保值是指持有现金或者打算将现金投入股市，因为预期股市上涨，为控制当期买入股票的成本，买入股指期货；ｂ．空头套期保值：空头套期保值是指已经持有股票头寸，因为预期股市下跌，为控制下跌损失，卖出股指期货。（２）积极避险策略和消极避险策略按照对套期保值目标的不同可以划分为积极避险策略和消极避险策略。ａ．积极避险策略积极套期保值以收益最大化为目标，通过对现货市场走势的预期，有选择地进行套期保值。如投资者持有股票头寸，若预期未来大盘下跌则进行套期保值：若预期未来大盘上涨则不操作，积极套期保值较为常用。ｂ．消极避险策略消极套期保值不对市场进行判断，仅仅反向操作以锁定系统风险，以获利稳定的非系统性收益。如果手中持仓很大，波动性与大盘相一致，消极套保虽然锁定了系统风险，但也只能获得无风险的低收益水平。３．１．２避险模型在股指期货避险功能的实际运用中，投资者必须考虑在现货投资组合一定的情况下，我们需要什么数量的份期指合约能够达到较好的套期保值效果，既能有效规避系统性风险又不至于过度避险。其关键问题就落到了套保比率的确定上，即如果规避一单位的现货投资风险，需要搭配多少数量的期货头寸问题。（１）天真模型天真模型假设现货价格与期货价格之间呈现同方向同幅度的变动，因此，如果投资者买入一单位现货，就必须同时卖出一单位期货，反之亦成立。此时，避险比率固定为１。若期货市场与现货市场高度相关时，运用此避险方法可以奏效，但如果期货与现货并非同方向、同幅度变动时，可能会高估避险比率、导致７过度避险，使得避险效果不佳。（２）传绕回归模型（ＯＬＳ）期货与现货的价格并非永远同方向同幅度变动，且期货与现货的价格序列非平稳，但是，经过一阶差分后，期货与现货的价格序列将会转变成平稳序列，这就是通常所说的“单位根”现象２。Ｊｏｈｎｓｏｎ（１９６０）提出ＯＬＳ避险模型，将期货与现货的价格差分以线性回归的方法进行最小平方拟合，方程式如下：ＡＳ，＝口＋∥×够＋￡其中：Ｓ和Ｆ分别为ｔ时刻的现货价格和期货价格；（３．１）ＡＳ，和△ｆ分别表示指数现货和股指期货的一阶差分；口为线性回归函数的截距项；∥为线性回归函数的斜率；￡为随机误差项。口就是避险比率，计算式子如下所示：’口：丝！ｆ坐：竺２Ｖａｒ（ＡｌＳ）当然实践中，也可以用对数收益率序列代替一阶差分序列，计算指数现货收益率与期货收益率的回归关系，此时ＯＬＳ模型就表示为：△ＩＩｌＳ＝口＋ｆｌ＊ＡｌｎＦ＋￡其中：ＡｍＳ，和ＡｌｎＦ分别表示指数现货和股指期货的对数收益率（３）０ＬＳ—ＣＩ模型（３．２）指数现货和期货的价格序列经过差分后，可能造成潜藏在序列中的长期讯息丢失。Ｇｒａｎｇｅｒ（１９８６）提出协整，认为虽然两组金融时间序列为非平稳的，但是它们的线性关系可以达到一种长期均衡关系，即存在一个均衡误差（ｑ＝ｈａｓ，一２ｘｔａＦ，），这就是所谓的“协整”。在传统的ｏＬＳ模型中加入误差修正项，以期能将差分流失的长期讯息调整回模型中，这就是ＯＬＳ－－ＣＩ模型。／，ｈａｓ，＝货＋∥＋ＡｌｎＦ＋万幸ｚ，一ｌ＋乞其中：ｓ，和Ｆ分别为ｔ时刻的现货价格和期货价格；Ａｈａｓ，和ＡＩｎＦ分别表示指数现货和股指期货的对数收益率；口为线性回归函数的截距项；∥为线性回归函数的斜率；（３．３）２靳庭良《单位根验证程序的改良研究》２００６．８ＳＺ，一．为误差修正项；￡为随机误差项；（４）误差修正模型（ＥＣＭ）ＯＬＳ模型要求残差之间相互，残差服从均值为０、方差为不变常数的正态分布，然而现实中。残差的方差随时间而改变，而且相邻期残差存在着相关性，这就是通常所说的金融时间序列的异方差性和自相关性。Ｅｎｇｌｅ（１９８２）提出ＡＲＣＨ模型，它成功地刻画了金融时间序列的异方差性和自相关性。误差修正模型将股指期货和现货价格的协整效应和ＡＲＣＨ效应考虑进来，用前期的误差项修正当期的偏离，综合考虑股指期货和现货价格的短期动态偏离和长期均衡，得到如下计算式子：■ｆａｔｕｓ，＝ａｏ＋ｏｔ，幸Ｚ，一ｌ＋∥幸ａｌｎＦ，，＋∑辞・ａｍｎＳ，一ｆ＋∑ｅ・ＡＩｎＦ，一』＋‘ｔ＝ｌｆ。Ｉ（３．４）其中：Ｓ和ｆ分别为ｔ时刻的现货价格和期货价格：ＡｌｎＳ和△ｌｎＦ分别表示指数现货和股指期货的对数收益率；碥为线性回归函数的截距项；％为误差修正系数；ｚ，一．为误差修正项；只和占，为模型参数；￡为随机误差项。服从白噪声；口为线性回归函数的斜率；（５）其它模型此外，Ｈｅｒｂｓｔ，Ｋａｒｅ、Ｍａｒｓｈａｌｌ（１９８９）和Ｍｙｅｒｓ、Ｔｈｏｍｐｓｏｎ（１９８９）发现利用ＯＬＳ模型进行最适避险比率计算时容易受到残差项序列相关的影响，提出双变量自回归模型Ｂ—ＶＡＲ。Ｐａｒｋ年ＵＳｗｉｔｚｅｒ（１９９５）提出，当现货价格与期货价格的联合概率分布随时间改变而不同时，避险比率便成为一个动态的数字。为刻画随时问改变的双变量动态波动特征，提出双变量ＧＡＲＣＨ（１，１）模型。这些模型均是对传统ＯＬＳ模型和ＧＡＲＣＨ模型的改进。３３．２股指期货避险实证研究Ｅｄｅｒｉｎｇｔｏｎ（１９７９）在追求最小估计误差情况下，以现货收益率对期货收益率３徐旭初《股指期货的国际比较研究一模型，实证及中国谍题》复旦大学博士论文２００３９之普通最小平方法（ＯｒｄｉｎａｒｙＬｅａｓｔＳｑｕａｒｅｓ，ＯＬＳ）来估算避险比率，分别对Ｔ－Ｂｉｌｌ（美国国债）、ＧＮＭＡ（美国房地产抵押贷款证券）两期货市场的避险效果作比较，结果发现，最适避险比率一般均小于１，与传统避险理论的认知不同，而且避险效果与避险期间呈现正相关关系，即避险期间越长，避险效果越好。ＦⅫｅｗｓｋｉ（１９８４）则以风险极小为追求目标，假设股利的发放为随机现象，探讨ＶａｌｕｅＬｉｎｅ、Ｓ＆Ｐ５００及ＮＹＳＥ三种股票股指期货对美国股票现货市场的避险研究，结果发现尽管以一天为避险期间的避险效果比以一周为避险期间的差，但这并不意味着可以通过无限期延长避险期间来提高避险效率：相同地，距期货合约到期日的远近也应不超过两个月，如此才能得到最佳的避险效果。ＫｒｏｎｅｒａｎｄＳｕｌｔａｎ（１９９３）在追求风险极小化下，以取自国际金融市场交易的英镑、加拿大币、德国马克、日圆及瑞士法郎等五种外汇现货与期货汇率，由１９８５年２月至１９９０年２月，以简单避险、传统ＯＬＳ模型、ＯＬＳ共整合及双变量ＧＡＲＣＨ（１，１）模型进行样本内及样本外分析，实证结果显示双变量ＧＡＲＣＨ（１，１）模型的避险绩效比其它模型佳，此外，在考虑交易成本后，双变量ＧＡＲＣＨ（１。Ｉ）模型仍能改善传统的避险策略绩效，增强投资者对外汇部位的避险管理能力。Ｌｉｎｄａｈｌ（１９９２）以ＭＭＩ及Ｓ＆Ｐ５００指数为研究对象，其研究结果发现在最小方差避险策略下，避险绩效具有随着避险期间增加而提高的趋势，因此得到随避险期间的增加避险绩效愈佳的结论。Ｂａｉｌｌｉｅ与Ｍｙｅｒｓ（１９９１）利用双变量ＧＡＲＣＨ模型估算最适避险比率，实证发现ＧＡＲＣＨ模型估算的最适避险比率具时变性，且其避险表现优于运用回归方法估计的固定避险比率模型。Ｐａｒｋ与Ｓｗｉｔｚｅｒ（１９９５）以Ｓ＆Ｐ５００指数与Ｔｏｒｏｎｔｏ３５指数两种股指现货及期货，探讨条件变异模型在股指期货避险方面能否有效改善传统ＯＬＳ的避险效益，研究期间为１９８８年６月至１９９１年１２月，提取每周三的收盘价资料，实证结果发现无论是哪一种指数，双变量ＧＡＲＣＨ的避险绩效优于天真避险、ＯＬＳ、ＯＬＳ．ＣＩ。Ｏｈｏｓｈ（１９９３）贝Ｏ利用法国的ＣＡＣ４０股票指数现货与期货、英国的伦敦金融时报指数（ＦＴＳＥｌ００）现货与期货、日本的日经２２５股票指数现货与期货以及德国ＤＡＸ股票指数现货与期货等不同的市场，试图寻求一个最适的计量模型以估计避险比率。发现各市场的现货与期货问皆存在着共整合关系，其所评估两种计量模型（ＯＬＳ＆ＥＣＭ）的避险绩效之结论与在先前所得的结论相同，即误差修正模型（ＥＣＭ）优于普通最小平方法（ＯＬＳ）。Ｇａｇｎｏｎ＆ｙｐｎｙ（１９９７）较静态避险策略及双变量ＧＡＲＣＨ（１．１）动态避险策ＩＯ略的避险有效性，结果发现动态模型的解释能力显著优于静态模型。Ｋｏｕｔｍｏｓ＆Ｐｅｒｉｃｌｉ（１９９９）以三十年固定利率之美国ＧＮＭＡ债券为现货标的，并以十年期的美国中期公债为期货避险标的，研究期间为１９９２年７月至１９９５年８月，比较动态误差修正ＧＡＲＣＨ模型（ＥＣＭ－－ＧＡＲＣＨ）与传统回归模型二者的样本内及样本外的避险绩效，结果发现动态双变量误差修正ＧＡＲＣＨ模型的避险绩效比传统静态回归模型佳。Ｌｉｅｎ＆Ｔｓｅ（１９９９）则利用传统回归式（ＯＬＳ）、加入了部分共整合关系的误差修正模型（ＦＩＥＣ）、误差修正模型（ＥＣＭ）、向量自我回归模型（ＶＡＲ），并分别再加入条件变异数异质性效果（ＧＡＲＣＨ），研究标的为在ＳＩＭＥＸ交易的日经２２５指数现货与期货，检验上述模型的避险比率及其避险组合之绩效；结果显示加入ＧＡＲＣＨ可增加避险绩效，ＯＬＳ为最差的避险策略。Ｙｅｈ＆Ｇａｎｎｏｎ（２０００），在考虑交易成本的情况下，运用动态模型估算最适避险比率（ＯＨＲ），并在投资组合损益的基础上与固定避险模型（ＣｏｎｓｔａｎｔＨｅｄｇｅＭｏｄｅｌ）进行比较：研究对象为雪梨期货交易所（ＳＦＥ）的ＳｈａｒｅＰｒｉｃｅＩｎｄｅｘ（ＳＰＩ）期货契约，发现以投资组合损益为比较基础，ＧＡＲＣＨ模型创造出最大的利润，而天真模型（ＮａｉｖｅＭｏｄｅｌ）贝Ｕ最差；相较于固定避险比率模型，ＧＡＲＣＨ避险比率会随时间的推移而变动，而固定避险比率被认为是ＧＡＲＣＨ避险比率的长期平均；ＧＡＲＣＨ模型的样本外预测绩效似乎能捕捉短期（例如周１的套利机会。Ｄａｓ（２００２）、Ｊｏｒｉｏｒｔ（１９８８）结合ＡＲＣＨ模型与跳跃一扩散模型，探讨美国债券、股票与外汇市场，结果发现此类模型的结合皆提升了模型的配适能力。Ｃｈａｎ与Ｍａｈｅｕ（２００２）贝Ｕ结合ＧＡＲＣＨ模型与跳跃一扩散模型于股票市场，并将跳跃强度０ｕｍｐＩｎｔｅｎｓｉｔｙ）设定为与ＡＲＭＡ模型相同模型，使跳跃强度会随着时间而变动，而在跳跃大ｄ、（ＪｕｍｐＳｉｚｅ）的设定上，也将其服从分配的参数，设定为具有随时间波动的特性；在此设定下，无论在样本内的配适或是样本外波动性的预测皆有较佳的结果。４第４章股指期货套期保值功能的运用在上一章中，笔者对避险策略和实证包括估计避险比率的各种模型包括天真模型、ＯＬＳ模型、ＧＡＲＣＨ模型等进行了介绍，本章中我们简要从套期保值的机理、影响因素、效果评价和流程等方面对套期保值进行简要的叙述，并以港台可比市场数据为基础，比较各种避险模型的优劣，最后以建信优选成长股票型开４胡浩《国内股指期货套利和避险实证分析》北京中信证券２００６ｌｌ放式基金为例，采用沪深３００股指期货仿真交易合约ＩＦ０７０６，按本章中介绍的套保流程，对该组合的套保过程进行具体的应用分析。４．１套期保值概述４．１．１套期保值机理套期保值是指在股指期货市场上，通过阶段性的买卖与现货价值相等但交易方向相反的期货合约，来规避现货价格波动风险（系统性风险）的一种避险交易方式，其目的是对持有的现货组合进行风险对冲或锁定未来购入股票的成本。通过套期保值可实现不同市场参与者之间的风险转移。５概括地说，套期保值是指为暂时替代未来现金头寸或抵消当前现金头寸所带来的风险所采取的头寸状态。对于股指期货而言，利用与现货部位方向相反的期货部位的对冲交易，投资者可规避投资组合中的系统风险。套期保值得以实现的基础是现货市场与期货市场价格的趋同性。通常情况下，期货价格与现货价格受相同市场因素影响，＿者的变动方向理应趋同。无论市场价格变动趋势是上涨还是下跌，只要通过期货市场建立与现货市场方向相反的交易头寸，形成对冲机制，就可取得两个市场盈亏相抵的效果，将价格风险转移，以获得相对保值。套期保值并不能消灭风险，只是将风险从套期保值者方面转移到了期货投机者一方，套期保值者在规避风险的同时，也放弃了价格可能向着有利方向变动所带来的利润，而这部分利润即为对投机者的风险补偿。４．１．２影响套期保值效果的关键因素套期保值比率（ＨｅｄｇｅＲａｔｉｏ）指的是为达到理想的保值效果，套期保值者在建立交易头寸时所确定的期货合约的总值与所保值的现货合同总价值之间的比率关系。６它是影响套期保值效果的关键因素。因为在股票投资中，投资者的投资组合一般不可能囊括股票价格指数中所含有的全部种类的股票，即便种类相同，其所持有的个股在其整个投资组合中所占的比重也未必同股价指数计算时各种股票的权重一致。而股指期货的标的物正是这个不一定能代表投资者资产组合系统性风险的股价指数。由于投资者的组合价格波动会与股票指数价格波动幅度不完全一致，所以５杨丹．股指期货投资广州：暨南大学出版社。２００４６杜国春．股票指数期货交易套期保值与套利策略．北京：经济管理出版社．２００２．１２利用股指期货来对这些具体的组合实施套期保值就未必能取得预期效果。为了能够尽可能地进行有效保值，投资者应通过对组合价格波动同整个股票指数价格变化之间的相关性测算来确定套期保值比率。因而，套期保值比率的计算是整个套期保值策略的关键所在，其准确性直接关系到套期保值效果的好坏。７依据不同的假设前提和套期保值的目的，可以将套期保值比率的估计模型划分为三类：（１）传统模型传统模型以天真模型为代表，它假设现货价格与期货价格之问呈现同方向同幅度的变动，此时，套期保值比率固定为１，适用于期货市场与现货市场高度相关的情况；（２）风险最小化模型因为不同的供求关系、不同的流动性和不同的信息反应速度等，期货市场与现货市场并不是完全同方向同幅度变动，这使得投资者仅仅进行简单的１：Ｉ避险难以获得预期的效果。于是，学者们提出最小化风险的思想，即利用套保前后的标准差作为衡量风险的大小，求得风险最小化情况下的套期保值比率，在此情况下，期货与现货的相关系数、期货价格变动的标准差、现货价格变动的标准差是影响最优套期保值比率的三大关键因素。以投资者采用期货空头来进行套期保值为例，设套期保值期限为从时刻ｔ－ｌ到时刻ｔ，则在套期保值期末投资者持有的套期保值组合的收益率为：Ｒ（‘毋一ＨＲＲ（‘Ｆ，（４１）兵甲ｏＲ㈣为套保期内现货指数的收益率；Ｒ㈤为套保期内股指期货的收益率；Ｈｎ为套期保值比率；则，套期保值组合的方差为：Ｖａｒ＝暖２＋ＨＲ２仉２—２ＨＲｐ峨珥（４，２）７陈年柏股指期货套期保值模型与应用初探．期货日报．２００６．９１３其中：佤为现货指数收益率的标准差仉为股指期货收益率的标准差Ｐ为期货收益率与现货收益率的相关系数；Ｈｎ为套期保值比率对组合方差（Ｖａｒ）我们求其关于套期保值比率（Ｈｎ）的一阶和＝阶偏导数瓮圳∥却ｇ珥五ｏ）２Ｖ万ａｒ：２啡２＞０ａＨＲ２～９～由于二阶偏导大于零，我们令一阶偏导等于零，就可得到整个套期保值组合方差最小的套期保值比率为：ＨＲ＝唔（４．３）针对期货市场和现货市场的不同波动特征，学者们提出了很多估计最优套期保值比率的方法，比较著名的模型如传统回归ＯＬＳ模型、ＯＬＳ－－ＣＩ模型、ＥＣＭ模型、单变量ＧＡＲＣＨ模型等８，以上估计模型在第二章己详细介绍，这里不再赘述，将在下一节运用港台股票市场数据进行有效性验证；（３）预期效用最大化模型，Ｋａｈｌ（１９８３）利用收益与风险并重的Ｍｅ锄一Ｖａｒｉａｎｃｅ分析法，假设套期保值者的预期效应函数为■次函数且收益率呈现正态分布，套期保值的目的是追求预期效用最大化。４．１．３套期保值效率的衡量方法考察避险模型的效果，通常采用Ｊｏｈｎｓｏｎ（１９６０）提出的方法，将其定义为未避险投资组合方差与遥险投资组合方差的差占未避险投资组合方差的比值，称。中信证券系列报告．股指期货套利及避险理论研究及实务分析．２００６．１２１４作避险绩效指数（ＨＥＩ）。避险绩效指数的值越高，避险效果就越好。避险绩效指数的计算公式如下所示：ＨＥＩ：缉堕丝：ｌ～・ｏ－２（ＡＩｎＳ，－ｆｌｘＡｌｎＦ，）ｏ：ｎ㈦硼∥（ＡＩｎＳ，、（４４）、一其中，，ｘｔｎｓ，和ＡＩｎＦ分别表示股指现货和股指期货的对数收益率。４．１．４确定最优套保比率我们己列举了估计套期保值比率的几种模型。实践中，具体使用哪种模型估计的套保比率最优。在不同市场、或同一市场的不同时期可能都会不同。一般的，投资者可用这几种模型，分别计算出套保比率（ＨＲ）和套保效率（ＨＥＩ）），然后在此基础上，通过以下三种策略来确定最优套保比率：（１）选择最佳套保效率（ＨＥＩ）对应的套保比率（ＨＲ）比较几种模型计算出的套保效率，选择最佳套保效率（ＨＲ最大值）对应的套保比率。（２）选择套保比率（ＨＲ）的平均值选择几种模型分别计算出的套保比率（ＨＲ）的平均值作为最优套保比率。（３）选择套保比率（ＨＲ）的集中值选择几种模型分别计算出的套保比率（ＨＲ）数据集中值作为最优套保比率。如，几种模型计算出的ＨＲ，其中有多数模型的计算值在０．９左右，少数模型的计算值在０．８左右，我们就可以选择０．９左右的几个值中的任意一个或０．９附近几个值的平均值。４．１．５套期保值流程（１）确定是否进行套保投资者可根据自己对市场未来走势的判断及对自有投资组合的结构性分析，决定是否要进行套期保值。（２）选择套保目的如果投资者预测市场未来将上涨，为规避踏空风险，减少等待成本，同对降低冲击成本，可采取多头套期保值，即先买入期货，然后再逐步买入现货。如果投资者预测市场未来将下跌，为规避或降低系统性风险，可采取空头套期保值，即持股不动，卖空期货。（３）指定套保标的投资者通过对自有投资组合的结构分析，可选择以整个投资组合或投资组合中的部分同属性子组合为套期保值对象。例如：某基金投资组合中有１００只股票，其中８０只为股指期货标的指数样本，其余２０只为精选的产生超额收益的股票，与股指期货标的指数的相关性较低，如果预测市场末来将下跌，基金经理就可以只对组合中的８０只指数样本股进行套期保值，这样，在规避掉系统性风险的同时，由于另２０只股票组合与指数的相关性较低，可以产生额外的超额收益。（４）选择套保类型如果投资者只是想让投资组合的风险最小化，就可以选择完全套保，即以整个投资组合为套保标的。而如果投资者只是想降低投资组合的ｐ值，即降低而不是完全规避系统性风险，就可以选择部分套保，以投资组合中的某类子组合为套保对象。（５）确定套保期限可根据对市场走势的预测期来决定套保期限。例：如果预测市场未来的上涨（下跌）将持续２个月，则套保期限就为２个月。（６）选择期货合约期货合约的选择取决于套保期限。由于期货近月的交投一般较为活跃，因而投资者可选择离套保期限终止日最近的期货合约。例如：现在是５月，投资者预测市场未来将上涨并会持续到６月，现有的期货合约有５月。６月，９月，１２月四个，投资者就可以选择６月合约来进行套保。（７）确定最优套保比率投资者可采用上述几种模型，分别计算出套保比率（ＨＲ）和套保效率（ＨＥＩ），然后使用确定最优套保比率的三种方法来验证。（８）计算需交易的期货合约数量计算需交易的期货合约数量，采取如下公式：期货合约数量＝最优套保比率×磊需薯妻器；；；！ｉ！‰１６如果计算出的期货合约数量带有小数，可以简单地采取四舍五入法，但运用返算优化处理则效果更佳。即用计算出的合约数量的整数及整数＋１分别返算套保比率ＨＲ和套保效率ＨＥＩ，分别得到两个ＨＲ和ＨＥＩ，选择较佳的套保效率ＨＥ［对应的期货合约整数数量。例如：根据公式计算出的期货合约数量为１６．４，我们就可以用１６和１７返算出两个套保比率ＨＲ和两个套保效率ＨＥＩ，如果１７对应的套保效率较佳，我们就得到须交易的期货合约数量为１７份。（９）执行期货合约交易通过期货交易系统执行所需期货合约的买卖交易。如果投资者选择的是多头套保，则买入相应数量（通过返算优化后的整数数量）的期货合约。反之，则卖出相应数量（通过返算优化后的整数数量）的期货合约。（１０）实时监控套保组合在期货合约头寸建立后，还需要对整个套保组合的Ｂ值、套保效率ＨＥ［、股指期货与现货的基差变化进行实时监控，当变化后的某个值（Ｂ、ＨＥＩ、基差）超出投资者设定的阀值时，就需要做出是否继续或终止套保的决定。当要继续套保时，则返回到本流程的确定套保期限，重新开始本套保流程；当要终止套保时，则对套保组合中已有的期货合约进行平仓操作，恢复原现货组合的风险暴露。（１１）期货平仓，套保结束根据市场的变化，选择合适的时机进行期货合约的平仓操作，结束套保。４．２股票市场避险实证分析４．２．１避险效果衡量及避险实证的方法（１）避险效果衡量按照上一小节中对避险模型的效果的衡量方法，在本节实证分析中，我们将采用通常的避险绩效指数（ＨＥＩ）来衡量优劣。避险绩效指数的值越高，避险效果就越好。（２）避险实证方法——移动视窗法为验证利用股指期货进行避险的效果，以样本期内的数据估计避险比率，然后外推到样本外的一段时间，测试用此估计的避险比率进行避险的实际效果。在此设计中，如果用历史数据估计出来的避险比率为０．９，现货投资组合的市值为１０００万，一张期货合约价值为１００万，那么，就需要买入９张期货合约｛（１０００万×０．９）／１００＝９）。本文采用移动视窗的方式，每次移动一段时间的序列数据，重复操作，计算期间操作的平均避险比率和平均避险绩效指数，平均避险绩效指数越高，说明避险效果越好。此外，为考察不同样本量和不同避险期对避险比率和避险效果的影响，本文将用于估计的样本量设为１００、３００和５００三档，用于检验的避险期设为５天、１０天和１５天三个周期。图４．１＃估计期间（３００）与避险期问（５天）的转动视窗方法…一一■估计期间（３００个交易日）避险期间４．２．２市场避险实证分析１９８６年５月，期货交易所推出恒生指数期货，其标的物恒生指数以证券交易所上市的３３只有代表性的股票为样本股，是亚洲地区广受关注的股票指数之一。经过长达２０年时间的经营，恒生指数期货的运作渐趋规范和完善，与现货市场的走势紧密关联，适合作为投资者的避险工具。（１）实证分析数据列示按照规定，恒生指数期货的到期月份采用交易月起连续二个月份，及随后的两个连续季月（和我国目前的沪深３００股指期货合同规定相同），因此，每个时点上均有４种不同到期月份的期货合约供投资者交易。通常近月合约的交易量比较大，因此，本文以近月期货合约为避险工具，探讨各种避险模型的运用，并比较它们的避险比率和避险效果。以下实证分析所用数据来自Ｂｌｏｏｍｂｅｒｇ，样本期间为２００３年５月３０日至２００６年５月３０日，期间共有７５０天发生期货和现货的交易，待实证的避险模型包括天真模型、ＯＬＳ模型、ＯＬＳ—ｃＩ模型、ＥＣＭ模型和ＧＡＲＣＨ模型等。表４．ｉ：不同模型估计的平均避险比率（恒生指数期货样本量＝１００）１５天数据来源：Ｂｌｏｏｍｂｅｒｇ０．８４１０４０．８４２６３０．８４２８３０．８４５３３表４．２：不同模型估计的’Ｐ均避险比率（恒生指数期货样本量＝３００）数据来源：Ｂｌｏｏｍｂｅｒｇ表４．３：不同模型估计的平均避险比率（恒生指数期货样本量＝５００）数据束源：Ｂｌｏｏｍｂｅｒｇ表４．４：不同模型下的避险绩效指数比较（恒生指数期货样本量＝１００）数据柬源：Ｂｌｏｏｍｂｅｒｇ表４．５：不同模型下的避险绩效指数比较（恒生指数期货样本量＝３００）数据来源：Ｂｌｏｏｍｂｅｒｇ表４．６：不同模型下的避险绩效指数比较（恒生指数斯货样本量＝５００）１９数据来源：Ｂ１００ｍｂｅｒｇ（２）避险实证结果按照前述方法，通过实证分析，我们得到以下结论：ａ．运用ＯＬＳ、０Ｌｓ—ｃＩ、ＥＣＭ、ＧＡＲＣＨ等最优避险比率模型估计的值皆小于ｉ。以样本量５００天、移动频率１０天为例，ＯＬＳ模型得到的平均避险比率为０．８４６８０，０Ｌｓ—ＣＩ模型为０．８５１４８，ＥｃＭ模型为０．８５３１４，ＧＡＲＣＨ模型为０．８５１１２，而天真模型简单地设为１。因此，采用ＯＬＳ、ＯＬｓ—ｃＩ、ＥＣＭ、ＧＡＲＣＨ等避险模型，避险成本均低于天真模型。ｂ．传统ＯＬＳ模型的避险效果最好，天真模型的避险效果最差。ＯＬＳ、０Ｌｓ—ＣＩ、ＥＣＭ、ＧＡＲＣＨ等模型均明显优于天真模型，而且，天真模型所得到的避险绩效指数的标准差远远大于其它４个模型，说明不仅天真模型的平均避险效果差，而且避险效果缺乏稳定性、波动较大。与ＯＬＳ模型相比，ＯＬＳ－－ＣＩ、ＥＣＭ、ＧＡＲＣＨ等３个模型的避险效果略低一些，但它们之间则依据选取样本期和避险期长短的不同表现各异。图４．３：不同样本量的避险绩效指数比较（避险期５天）慨萼｜唧似瞄善ｉ样本量＝１００样本量＝３００样本量＝５００口天真口ＯＬＳ日ＯＬＳ－－ＣＩ田ＥｃＭ■ＧＡＲＣＨ数据来源：Ｂ１００ｍｂｅｒｇ２０图４．４：不同样本量的避险绩效指数比较（避险期ｌＯ天）瞄螂瞄｜曼雠铫样本量＝１００样本置＝３００样本量＝５００口天真口ＯＬＳ口ＯＬＳ－－ＣＩ目ＥＣＭ■ＧＡＲＣＨ数据来源：Ｂｌｏｏｍｂｅｒｇ图４．５：不同样本量的避险绩效指数比较（避险期１５天）嗍荸｜｜砉｜耋雠黜｝四圈腰样本量＝１００样本量＝３００样本量＝５００口天真口ＯＬＳ口ＯＬＳ－－Ｃｌ圈ＥＣＭ—ＧＡＲＣＨ数据来源：Ｂｌｏｏｍｂｅｒｇｃ．估计的样本期间越长，避险绩效越好。无论移动窗口定为５、ｌＯ还是１５，用于估计避险比率的样本量越大，外推到未来的避险效果越好。例如，若以３００个样本、采用ＯＬＳ模型估计避险比率，规避未来５、１０和１５天的平均避险绩效指数分别为８３．０７７％、８７．８７１％和８９．６０２％，而将样本量扩大为５００天后，规避未来５、１０和１５天的平均避险绩效指数分别提高到８７．１０８％、８９．６５０％和９０，６７７％，提高的幅度分别达到４．０３％、Ｉ．７８％和Ｉ．０７％。这是因为，样本量越大，模型所刻画的指数现货和期货收益率之间的关系就越稳定，以此估计的历史避险比率就越加适合来来避险需求。ｄ．避险期越长，避险绩效越好。无论用于估计的样本量是ｉ００、３００还是５００，避险绩效指数均随着避险期的提高而提高，说明避险期越长，避险效果越好。例如在样本量为５００的前提下，采用ＯＬＳ模型分别规避未来５个、１０个和１５个交易日的避险绩效指数分别为８７．儿％、８９．６５％和９０．６８％，效果越来越好。２图４．６：不同避险期的避险续效指数比较（样本量ｔ００）｜｜ｎ椰皿ＩＬ册．｜｜＿ｆ鞋５天ｔＯ天Ｌ５天口天真口ＯＬＳ口０ＬＳ—ｃ１日ＥｃＭ■ＧＡＲＣＨ数据来源：Ｂｌｏｏｍｂｅｒｇｌ鳘ｌ４，７．－不同避险期的避险绩效指数比较（样本量３００）９５％９０％８５％８０％７５％７０％５天ｔ０天一皿佃１５天口天真口ＯＬＳ口ＯＬｓ—ｃＩ啊ＥＣＭ■ＧＡＲＣＨ数据来源：Ｂｌｏｏｍｂｅｒｇ图４．８：不同避险期的避险绩效指数比较（样本量５００）蓄薯啡砉墓螂噼涨矾狲墨；厂］１．广．厂隰数据来源：Ｂｌｏｏｍｂｅｒｇ４．２．３小结本节讨论利用股指期货进行避险操作的常用模型，并以恒生指数期货为例，比较各个模型的实际避险效果，发现：无论是传统的ＯＬＳ模型还是ＯＬＳ—ＣＩ、ＥＣＭ、ＧＡＲＣＨ等复杂模型，均可以改善天真模型的不足，且在基本符合正态分布的时间序列数据下，传统ＯＬＳ模型的避险效果最好。４．３沪深３００股指期货仿真交易避险效果实证研究检验４．３．１研究意义２００５年４月８日，沪深两交易所正式向市场发布了沪深３００指数，该指数是由上海和深圳证券市场中选取３００只Ａ股作为样本编制而成的成份股指数，指数样本覆盖了沪深市场六成左右的市值，具有良好的市场代表性，是沪深证券交易所第一次联合发布的反映Ａ股市场整体走势的指数。它以２００４年１２月３１日为基期，基点为１０００点，共选取了我国沪深两市Ａ股市场上的３００只规模大、流动性好的股票作为样本股。而用沪深３００指数为标的的我国第一个指数期货也即将推出，本文将采用国内一只成立时间与股指期货仿真交易推出时间相仿的一揽子投资组合——建信优选成长股票型证券投资基金中股票持仓（以一季度末数据为准，并假定组合不变）作为需要避险的投资组合，分析如何利用沪深３００股指期货对该组合进行套期保值，并检验该仿真交易是否可起到较好的避险效果。４．３．２数据采集表４．７建信优选成长股票型证券投资基金股票持仓一览表代码０００４２３６０００００６００８２０００００３９６００３２５６０１００６６００６３９证券名称东阿阿胶浦发银行隧道股份中集集团华发股份衩重（％）６．７８３．４２．７７１．９３３．６２２．８ｌ２．１代码００２０３３６００２９９０００８５８６００８１４６００４９５６００７１８６０００２２证券名称丽江旅游星新材料五粮液杭卅Ｉ解百晋西车轴东软股份济南钢铁权重（％）０．５８０７３Ｏ．６７０．４ｌＯ．４７０．４６Ｏ．７５大秦铁路浦东金桥６００４２８６００２６６０００７７８６００００５６００９７０６０００１６６０００３００００１５７０００７０９０００８２５６０００１９０００８４８６０００２８６００４１５０００７９２００２０６９６００５９６６００５８３５００１１５０００４０２６００６２８６００５１９６００６６０６００８８７６００４５６６００６９４０００９８３６００２０８０００９３５００２００８６００２１５中远航运北京城建新兴铸管武钢股份中材国际民生银行中信汪券巾联重科唐钢股份人铡不锈宝钢股份承德露露中国石化３．０４３，６９２，０１２．６２１．７１．６２３．０３２．５６３．２５１．８９２．２７１．４２２．５９１．０９２．１７０．８１．２８１．１３２．４５１．４９０００８７６６００５３３０００６１９０００５６８６００１０４６００８５８６０１６９９０００８８８６００５８５６００５９７０００００２０００９７８６００８１５６００７４８６００６０７６００１６ｌ６００６８８６００８８６６００８５９６００７９５６０１３３３００００６３００２１０５６００９６３６０１６２８００００２４６０００８６６００５２９６００２４０６０１１６６６０１３１８新希望栖霞建设海螺犁材泸州老窖上海汽车０．５０．６０．３０．８１０．７５０．５４１．２４０．３５０．７２０．３９０，４５０．３２０．３９Ｏ．６３银座股份潞安环能峨眉山Ａ海螺水泥光明乳业万科Ａ桂林旅游厦Ｉ：股份上实发展上实医药天坛生物Ｓ上石化国投电力下府井国电电力小商品城盐湖钾肥獐子岛０．２６Ｏ．３６０，４５Ｏ．２６０．２６０．３新安股份海油工程东方航空金融街新世界贵州茅台福耀玻璃伊利股份宝钛股份大商股份西山煤电新湖中宝０，９ｌ１．２８１．１８０．８８１．１ｌ广深铁路中兴通讯倍隆实业岳阳纸业中国人寿招商地产东方金钰山东药玻华业地产兴业银行中国甲安０．１６０．１７０．“０．２８０．２３０．２７０．１０．１６Ｏ．１０．１４０．１７０，９８３．３ｌ１，０２Ｏ．９６０．６６０．７２四川Ｉ双马大族激光长春经开证券名称一汽轿车通化东宝中华企业南山铝业合肥百货华夏银行续上表代码０００８００６００８６７６００６７５６００２１９０００４１７６０００１５权重伟）１．３８Ｏ．５６１．１ｌｌｔ０８０．５１０．７４代码６００６９７６００７２９００２１２２００２０８８００２０８０００２０８ｌ证券名称权重（％）０．０７Ｏ．０５０．０５０．０３０．０２Ｏ．０２欧哑集团重庆百货天马股份鲁阳股份中材科技金螳螂数据来源：建信基金管理公司本文构建的投资组合与沪深３００指数期货的走势对比如下；图４．９：建信优选成长基金股票持仓组合与沪深３００指教现货走势图Ｈｏ１５０％．∥∥；．｛００％５０％％＿广／桫泸２ｃ０邮∞８２１３瑾５１０１０２（Ｘ３６１１０３２００６１１３０Ｅ叠臣＝＝趸囡２００６１２２７２００７０１２５：３３０７０２２７２００７０３２３２００７０４１８２００７０５２１数据来源：晰ｎｄ资讯图４．１０：建信优选成长基金股票持仓组合与沪深３００指数期货走势图数据来源：Ｗｉｎｄ资讯接下来，根据前面给出的套期保值流程，我们给出本例的具体操作流程。（１）确定是否进行套保假设，基金经理在２００７年５月２５日根据自己的判断，认为市场在未来一周可能会下跌，决定要对上述投资组合进行套期保值。（２）选择套保目的和套保标的由于基金经理预测市场未来～周将下跌，因此采取空头套期保值策略，即４．３．３实证操作持股不动，卖空期货。套保目的是要完全规避投资组合的下跌风险。套保标的为表３．７给出的一季度末整个优选成长股票持仓投资组合。（３）选择套保类型根据套保目的，选择对表４．７给出的投资组合进行完全套保。（４）确定套保期限由于投资者预测市场未来一周将下跌，我们选择套保期限为５个交易日。（５）选择期货合约按照前述，离套保期限终止日最近的期货合约将逐渐受窄和现货的差异，且近月交投一般来说较为活跃，因而选择离套保期限终止日最近的期货合约，在这里，我们选择卖出沪深３００股指期货ＩＦ０７０６进行套保，并于套保期结束时买入嘉实沪深３００ＥＴＦ基金进行平仓。（６）确定最优套保比率按照上一章节所得到的结论，我们选择２００６９２８－－２００７０５２４共１５４个交易日作为样本期，运用避险效果较好的ＯＬＳ模型计算套期保值比率ＨＲ和套期保值效率ＨＥ，此处，使用对数收益率序列代替一阶差分序列，计算投资组合收益率与期货收益率的回归关系，此时ＯＬＳ模型表示为：ＡｌｎＳ，＝ａ＋ｐ’ＡｌｎＦ，十￡÷避险绩效指数的计算公式如下所示：其中：ＡｌｎＳ，和△ｌｌｌＦ分别表示建信优选成长基金股票持仓组合和沪深３００股指期货的对数收益率，原式中的随机误差项忽略不计，假设为零。表４．８：运用泸深３００仿真交易进行ＯＬＳ模型计算小的套保比率ＨＲ和套保效率ＨＥＨＥＩ：堕掣：堕型：Ｉ一一ａ２（ａｍｓ，－，ａｘａｔｎＦ，）口。盯２（△ｌｒＩＳ）方法套保比率ＨＲ避隆期（５个交易日）２００７０５２孓一２００７０５３１样本期个交易避险期方差１０．００套保效率ＨＥ—未套保０ＯＬＳ０．３１１０。日寻∞似，咖啪舍；铉扣４一０．０００９０４０．７１资料来源：建信基金研究部图４．ＩＩ：样本期与避隆期示意图……魂寨柏一一■囊跫期资料来源；中信证券研究部据此，我们确定出的最佳套保比率为ＯＬＳ模型的计算值：０．３ＩｌＯ。（７）计算需交易的期货合约数量２００７年５月２４日，该组合市值为４９．１５３３亿元。基金经理判断市场未来会下跌，以２４日股指期货收盘价４２２５卖出股指期货合约进行空头套期保值。根据套保流程给出的公式计算需交易的期货合约数量：期货合约数量＝最优套保比率×磊需籍曩薯；；：；；ｉ赫＝０．３１１０Ｘ４９．１５５３÷４２２５÷３００＝１２０６（８）执行期货合约交易，实时监控套保组合交易员按照指令执行期货合约交易，卖出１２０６份沪深３００ＩＦ０７０６股指期货合约。在期货合约头寸建立后，理应对整个套保组合的０值、套保效率ＨＥ、股指期货与现货的基差变化进行实时监控，由于套期保值期内，整个套保组合的Ｂ值、套保效率、基差均在允许范围之内，因此没有对期货头寸进行调整。（９）期货平仓，套保结束５：ｑ３０Ｅｌ市场大跌，基金经理判断其后市场将上涨，则在当日买入１２０６份沪深３００１Ｆ０７０６股指期货合约进行平仓，该套期保值过程避险期缩短至４天。（１０）本次套期保值策略的盈亏分析基金经理执行本次套期保值策略的盈亏情况见表４．９：表４．９：套期保值策略盈亏表盈亏总样本期方法套期保值期货台约比率慷份数期初组合市值（亿元）期末组合市值（亿元）期初期期末期现贷盈亏期货盈亏货价格货价格（亿元）（亿元）计（亿元）（１５４个交易【１）２００６０９２¨２００７０５２４０ＬＳ０．３＂Ｏ１２０６４９．１５３３４９．３７５８４２２５３９７９０，２２２５０．８９１．１１２５资料来源：建信基会研究部（套保期为４个交易日．２００７０５２５－－０７０５３０）４．３．４分析结果通过以上实证我们可以看到，首先，虽然我们已经采用了在市场运用有效的模型ＯＬＳ进行保值比率的测算，且选取的样本期已尽量长（从沪深３００股指期货仿真交易初始数据进行采样），但是无论从组合与股指期货走势图的趋势即波动来看，还是从保值绩效（实证中组合保值ＨＥＩ仅为０．７１，还不到０．８），直至最终的套期保值策略盈亏情况（期货对冲头寸的收益变动方向与组合同向），可以看出，沪深３００股指期货仿真交易因其虚拟性，与真实市场有较大出入，且市场参与者的投机心理较重，市场呈现出强烈的波动性，因此，目前我们尚不适于选择该仿真交易进行避险操作。第５章国内股指期货避险实践５．１研究意义２００４年１１月，上证所开始着手开发股指期货。２００５年４月８日，沪深证券交易所第一次联合发布了沪深３００指数，它是从上海和深圳两个证券市场中选取３００只Ａ股作为样本编制而成的成份股指数，用来反映Ａ股Ａ股市场的整体走势。２００６年７月６日，正在筹划之中的中国金融期货交易所推出了《股指期货合约方案（征求意见稿）》，初步确定以沪深３００指数为合约的交易标的。２００６年８月，新加坡交易所宣布在９月５日推出新华富时Ａ５０股指期货，它是全球第一个以国内Ａ股指数为标的的股指期货，由此产生的危机感在一定程度上推进了国内股指期货产品的开发进程。２００６年９月８日，中国金融期货交易所（ＣＦＦＥＸ）在上海挂牌成立。２００６年ｌＯ月２３日，中国金融期货交易所发布了“关于《沪深３００股指期货合约》、《交易细则》、《结算细则》和《风险控制管理办法》（征求意见稿）公开征求意见的通知”。２００６年１０月２５日，中金所发布《中国金融期货交易所仿真交易业务规则》，随后于ｌＯ月３０日启动沪深３００股指期货的仿真交易。仿真交易中，投资者因为虚拟交易的特征，投机气氛浓厚，“暴仓”现象（指因为帐户的保证金不足导致客户的期货合约被强行平仓）时而发生。２００７年１月份，中国在三大证券报上刊登了致股指期货投资者的一封信，希望投资者全面了解股指期货，树立正确的投资理念，提高参与股指期货的风险意识，以确保中国即将推出的第一个股指期货的顺利推出和平稳运行。此举表明，国内股指期货的准备工作正在有条不紊地推进，股指期货的推出之日已经渐渐临近。本章旨在探讨股指期货避险策略、避险比率的估计以及影响避险的一些关键因素，以给投资者运用股指期货进行套期保值提供参考，以应对国内即将推出股指期货合约的现实情况。５．２确定避险比率通常在讲到避险比率时，均用持有投资组合与股票指数收益率之间的回归关系得到的０值作为避险比率。这里面有一个假定，即假定股票指数与股指期货近乎一致变动，回归系数接近ｌ，但是，如果它们之问的回归系数偏离ｌ比较大的话，那么以这样得到的８值用做避险比率，将会出现较大风险。此时，合理的做法是直接在持有投资组合与股指期货之间进行回归分析，得到最佳的避险比率。然而，对于即将推出股指期货的国内市场来说，投资者不可避免地遭遇数据长度不足导致估计结果欠佳的难题。此外，国内市场属于新兴市场，１３值的波动比较大，不利于避险操作的连续性。对于这一系列问题，本文将进行详细的讨论，包括股指期货与现货之间是不是接近一致变动，Ｂ值是否稳定等，目的就是为了寻找最佳的避险比率，它对于指导国内的股指期货实践具有重要意义。５，２．１指数现货与期货之间的变动关系为验证指数现货与股指期货之间是不是接近一致变动，我们选取过去三年内ｓ＆Ｐ５００指数、金融时报１００指数、日经２２５指数、韩国Ｋ０ｓＰｌ２００指数、恒生指数、加权指数的指数现货和股指期货合约的交易数据（其中的期货合约指近月合约），研究指数现货与股指期货之间是否接近一致变动。我们分别计算各组指数现货日收益率与股指期货日收益率之间的相关系数，可以看到：ｓ＆Ｐ５００指数、金融时报１００指数和日经２２５指数的期货与现货收益率之间的相关系数均在０．９６以上：ＫＯＳＰ［２００指数、恒生指数和加权指数的期货与现货收益率之间的相关系数均在０．９６以下。由此可见，美国、英国和日本等国家的金融市场，指数现货与期货之间走势非常紧密，特别是英国的金融时报１００指数，现货与期货之间近乎一致变动；而韩国、、等地区的金融市场，股指期货偏离现货的程度相对大一些９。图５ｌ：指数现货与期货之问相关系数一览表加权指教恒生指教ＫＯＳＰｌ３００指数日经２２５指教■—■—■■■—●＿０．９４７３圈●■■——■■———一０ｆ９５４圜■■圈圈霸圜■■■圈圜豳０９５９６豳曩■圈霸—■圈■■圜圈墨圜豳０ｒ９２０．９３９６９３金■时报１００指数标普５００指数Ｏ豳■■■■曩曩圜圈翻■圜圈圈囊■豳豳０翻墨瞳圜曩圜瞳圈墨瞳翻圜圜强圜翻圈Ｏ９Ｏ．９ｌＯＯ．９４０９５０．９６９７４３９８１１９．９７０９８０．９９】数据来源：Ｂｌｏｏｍｂｅｒｇ进一步，考察如果以指数为现货，用相应的期货合约进行避险操作，我们所需要的用来规避现货投资风险的期货头寸为多少？这便是我们通常所说的避险比率，它表示为期货头寸与现货头寸的比值，实践投资中，一般采用指数现货的收益率与股指期货的收益率之间的回归分析获得”。本文计算避险比率的方法采用简单回归分析方法，并且在估计时采用移动视窗的方法，即每次以历史的１００（或者３００、５００）个样本计算避险比率，然后向前移动５（或者１０、１５）天，重复操作，得到一组８值，我们计算这一组１３值的平均值。这样做的好处是，我们通过回归分析得到的Ｂ值相对稳定，可以看作长期趋势下的均衡值。如表所示的结果，对于Ｓ＆Ｐ５００指数和金融时报１００指数来说，避险比率均接近于１，日经２２５指数次之，但避险比率也达到了０．９５左右，然而，和地区却非常低，平均在０．８５左右“。表５．１：不同模型估计的乎均避险比率比较（样本量＝１００）移动５天Ｓ＆ＰＳＯＯ指数金融时报１００指教Ｏ，９８７３０．９８７０移动１０天０．９８７３０．９８６８移动１５天０．９８７８Ｏ．９８７９９蔡垂君。２００３。“指数期货与现货之实证研究”．台北大学博士论文‘ｏ同归方程式为：指数现货收益率＝ａｌｐｈａ＋Ｂ・指数期货收益率“本文仅列出估计样本量为１００的估计结果．样奉量为３００和５００的结果类似，为篇幅考虑，故在此略去。３０数据来源：Ｂｌｏｏｍｂｅｒｇ回到前面的讨论，应用到美国、英国、日本、和市场，那么：对于美国和英国来说，直接采用投资组合的１３值（以相应标的指数为基准计算而得）便可以，它就是投资者寻找的避险比率；对于日本来说，虽然直接用投资组合的０值，会有一些精度上的损失，但损失并不大；对于和来说，如果直接用投资组合的Ｂ值，损失的精度将会比较大，因此，应该采取投资组合直接与相应的股指期货进行回归分析，或者采用两阶段估计法（即先估计指数现货与股指期货之间的回归系数，然后估计投资组合与指数现货之间的回归系数，将两者相乘，便是所要的目标避险比率）。考虑到国内市场与港台存在着某些共通之处，如果国内推出股指期货，估计期货与现货之问出现较大偏离的可能性也会比较大，因此，在应用股指期货进行避险时，也可以采取两阶段估计法寻找最佳避险比率，而不是简单地以持有投资组合与股票指数之间进行回归分析。这就是我们通过实证分析得到的第一个有用的结果。所谓的两阶段估计法如下所示：第一阶段：进行指数现货与股指期货收益率之间的回归分析，得到岛；第二阶段：进行投资组合与股票指数收益率之间的回归分析，得到∥ｚ；。然后，将两个１３值相乘后，便得到最终所要的避险比率值。５．２．２国内Ｂ值的稳定性检验如同在第４章中对于建信优选成长基金股票投资组合进行的套期保值实践，我们可以发现运用历史估计时的Ｂ值不一定能有好的避险效果，另一个问题是，将投资组合的Ｂ值应用于避险实践时，只有当投资组合在避险期间的Ｂ值与历史估计的Ｂ值完全一致时，避险效果才会达到最佳，然而实际中，投资组合的Ｂ值并不是稳定不变的，即历史估计的１３值可能会在避险期出现较大的变动。下面，我们将重点考察国内投资组合１３值的稳定性，并随之提出如何修正１３值的方法。（１）稳定性检验的方法介绍ａ．相关分析法Ｂｌｕｍｅ（１９７１）应用相关分析研究１３值的稳定性。相关分析法假定用前期数据估计的Ｂ值可以用作后期Ｂ值的估计值，因此，相关系数的大小可以衡量Ｂ值Ｎ（／，ＥＳＳ＋，）的稳定性。它的基本原理如下：首先，将样本期间划分为两部分（前期和后期），分别估计两个期间不同股票的１３值，得到两组Ｂ值；然后，计算这两组Ｂ值的相关系数，并按照股票名称一一对应；最后，根据相关系数的大小判断所选样本母值的稳定程度。ｂ．Ｃｈｏｗ检验法Ｃｈｏｗ检验法是华裔经济学家、美国宾夕法尼亚大学教授邹至庄于１９６０年提出的一种统计检验方法。该检验法是方差分析的方法之一，可用于检验不同时期的样本是否发生了结构性变化，即是否存在同构性。国内学者沈艺峰最早把Ｃｈｏｗ检验法用于１３值估计的稳定性检验。它的基本原理如下：第一步：以全部数据为基础进行回归分析，得到整个区间内的１３值，然后根据研究需要把样本期间划分为前后两部分（前期和后期），分别进行前期和后期的回归分析，回归方程式如下所示：弓．帅。＝％＋芦０×弓．。——整个期间的回归方程气，俐。＝吒＋层×Ｒ。。——前期的回归方程震Ｉ，，脚№＝瓯＋最ｘＲ，：．Ｍ——后期的回归方程其中，弓．。胁代表投资组合的收益率；（５．１）（５．２）（５。３）Ｒ．。。代表市场指数的收益率；ｔ代表整个样本期间，它是ｔ．和厶的总和。第二步：设立原假设（Ｈｏ：届＝孱）和备择假设（Ｈｔ：届≠屈），计算如下的检验统计量：Ｆ：—（ＳＥ，ｎ－ＳＥ，—，－ＳＥ，）／Ｋ（ＳＳＥ，，）一Ｆ服从自由度为Ｋ和（Ｎ一２Ｋ）的Ｆ分布，其中ｓｓ＆。代表整个期间回归模型的残差平方和，ＳＳＥｌ代表前期的回归残差平方和，ＳＳＥｚ代表后期的回归残差平方和。，＝：一２Ｋｑ－Ｊ（５．４）ｌａ第三步：设ａ为显著水平，如果Ｆ＞只似，Ｎ一２Ｋ），拒绝原假设，即拒绝１３值是稳定的假设；如果Ｆ＜Ｃ（Ｋ，Ｎ一２Ｋ），接受原假设，即Ｂ值是稳定的”。ｃ．虚拟变量法除了Ｃｈｏｗ检验法外，我们还可以利用虚拟变量进行§值的稳定性检验，检验模型如下：足．舭＝ｑ＋砚×Ｄｆ＋属ｘＲ；．棚＋屈×ＤｆｘＲ，砌其中，碍．蝴与冠，一的含义同前：Ｄ，是一个虚拟变量，当Ｄ｜＝Ｏ时，表（５．５）圮娄静金融衍生实务系列申银万国研究部２００５示观测值属于前期；当口＝１时，表示观测值属于后期。巩表示级差截距，展表示级差斜率系数。如果弼＝啦且属＝厦，表示两个回归方程完全相同；如果ｑ≠啦且届＝厦，表示两个回归的差异仅在于其位置；如果ｑ＝％且属≠屈，表示两个回归的截距相同但斜率相异；如果ｑ≠∞且属≠屈，表示两个回归完全不同。１３（２）实证分析及结论国内第一只股指期货将以沪深３００指数为合约标的。所以，本文以沪深３００指数作为实证研究的对象，本文所指的投资组合系指以基金投资的６５８只重仓股为基础，采取随机抽样的方法，重复抽样１００次，组成样本数量为１０、３０、５０和１００的样本投资组合各１００个，投资组合的构建采取流通股本加权法。本文研究的时期为２００２年１月１日至２００５年６月３０日，一是因为中证指数公司提供的沪深３００指数的数据最早到２００２年，二是因为自２００５年下半年开始，国内证券市场进入股权分置改革时段，Ｂ值容易发生突变。本文以半年为基本期间，将样本期间划分为７个半年。针对前后相邻的两个半年期，对于抽取的１００组样本投资组合，分别计算Ｂ值（采用０ＬＳ法），然后采用相关分析法、Ｃｈｏｗ检验法和虚拟变量法考察投资组合的Ｂ值是否发生改变。表５．２是相关分析的结果，可以看到：０２上半年与０２下半年之间的相关性比较高，相关系数达到０．７以上，０３下半年与０４上半年之间的相关性也比较高，相关系数在Ｏ．６左右，说明这些时期Ｂ值的稳定性比较高。然而，０２下半年与０３上半年之间、０４上半年与０４下半年之间的相关系数大都低于０．４，说明这些时期Ｂ值的稳定性比较差。袁５．２：不同规模投资组合连续期甸Ｂ值之间的相关系数数据来源：中信数量化投资分析系统中证指数公司附注；“０２上ｖｓ．０２下”代表０２年上半年和０２年下半年１００组样本ｐ值之问的相关系数表５．３是Ｃｈｏｗ检验的结果，可以看到：在大部分情况下，所抽取的１００组样本投资组合中，平均８５％以上的投资组合的Ｂ值表现出稳定性，即前后期的Ｂ值没有明显的差异；但是某些时候，Ｂ值的稳定性并不尽如人意，如０２下与０３３该部分分析方法取自张哲宇“指数期货避险比率之研究”，国立科技大学硕士论文，１９９５３３上期间，不稳定的投资组合的比例占到３０％以上。表５．３：不同规模投资组合Ｂ值的Ｃｈｏｗ检验法结果数据来源：中信数量化投资分析系统中证指数公司附注：“０２．ｉ＿＇０．０２下”代表检验区间为“０２年上半年＋０２年下半年”共～年的时间。表５．４是虚拟变量法的检验结果，可以看到，虚拟变量法与Ｃｈｏｗ检验法得到的结果几乎是一模一样的，即乎均８５％以上的投资组合的Ｂ值表现出稳定性，但是某些时候，Ｂ值的稳定性并不尽如人意。表５４：不｜司规模投资组合１３值的虚拟变量法结果数据来源：中信数量化投资分析系统中证指数公司附注：“０２上＆０２下”代表检验区间为“０２年上半年＋０２年下半年”共一年的时阃。（３）小结可以看到，国内证券市场的Ｂ值具有不稳定性的特征，它值得我们加以注意，如果用历史数据估计出来的８值与现期相比发生了较大的变化，那它将大大降低我们的避险效果。本文在检验Ｂ值的稳定性时，引入三种不同的方法：相关系数法、Ｃｈｏｗ检验法、虚拟变量法。从结果来看，相关系数检验法结果较为粗略，只能得到一个相关系数的值，需要在相关系数值的基础上判断Ｂ值是否稳定；Ｃｈｏｗ检验法和虚拟变量法则相对精确一些，检验结果可以直接告诉我们１３值的不稳定性情况是怎样的。Ｃｈｏｗ检验法与虚拟变量法两者之间，虚拟变量法更优一些，表现在以下三个方面：１）虚拟变量法仅需要做一个回归，就可以识别前后Ｂ值的稳定性；２）虚拟变量法可以同时检验回归方程的截距和斜率是否相同，就是说，它可以告诉研究者截距、斜率是否都相同；３）由于合并两组回归方程，虚拟变量法提高了自由度，因而可以提高参数估计的精度。因此，如果我们需要对国内Ａ股市场的ｐ值的稳定性进行更加详细的研究，那么我们可以考虑采取虚拟变量法，但我们的目的仅仅在于揭示前后两期估计出的Ｂ值具有时变性，所以说，Ｃｈｏｗ检验法就足够了。５．２．３修正历史估计的母值考虑到Ｂ值在某些时间内不稳定，因此，当投资者预期未来历史环境发生较大变化时。投资者需要适时地修正历史Ｂ值，以更好地应用到来来时期内的避险操作。修正的理论基础是布鲁姆１９７１年提出的且值的均值回复趋势。在１９７１发表的论文《ＯｎｔｈｅＡｓｓｅｓｓｍｅｎｔｏｆＲｉｓｋ》中，布鲁姆以１００只股票的投资组合为例，比较相邻两期同一组合Ｂ值的大小，发现高Ｂ值的股票在下一期的Ｂ值会变得相对较低，低Ｂ值的股票在下一期的Ｂ值会变得相对较高，即Ｂ值有朝着平均值回复的趋势。布鲁姆认为，如果Ｂ估计值向其均值回复的趋势稳定时，可以根据该趋势对历史Ｂ估计值进行修正，首先用相邻两期中后一期的Ｂ估计值对前一期的Ｂ估计值进行回归分析，然后用回归分析所得到的关系式来修正历史§值，回归方程如下所示孱＝ａ＋ｂｘ孱一ｌ其中，虞，为第ｉ种证券ｔ期的Ｂ估计值；屈。为第ｉ种证券第ｔ一１期的Ｂ估计值；ａ和ｂ为待估参数。（５．６）那么，修正后的８值等于：磊＝ａ＋ｂｘ愿，其中孱表示修正的ｐ值。此外，我们还可以利用单指数平滑模型对历史估计的１３值进行修正，调整公式如下所示：ｐ。＝硝ｌ＋Ｑ—ｏＯｐ。ｔ其中，盯表示平滑因子，它～般位于０与１之间。当投资者预期历史Ｂ值将会在未来发生较大变动时，可以应用布鲁姆模型或者单指数模型修正原Ｓ值，以得到一个更稳定的Ｂ值。但无论如何修正，８值本身的时变特征使得避险效果总会受到一定的影响，这是投资者需要注意的地方。５．２．４启示（１）与美国、英国、日本等成熟金融市场相比，韩国、和等亚洲国家或地区的金融市场中，股指期货偏离现货的程度比较大（如市场上，指数现货与股指期货收益率的回归关系约为０．８５）。因此，在这些地区里，如果要对特定的投资组合进行避险，如一般参考书所言，直接应用投资组合的１３值（投资组合与股指期货的标的指数的回归分析所得）进行避险，将会出现避险偏差。（２）考虑到国内市场与港台存在着某些共通之处，如果国内推出股指期货，预期期货与现货之间出现较大偏离的可能性也会比较大，而且，股指期货的数据期限将会比较短，因此，在应用股指期货对特定投资组合进行避险时，应该采取两阶段估计法寻找最佳避险比率——首先进行指数现货与股指期货之间的回归分析，得到岛；然后，进行投资组合与股票指数之间的回归分析，得到段；最后，将两个Ｂ值相乘后便得到最终所要的避险比率值。（３）对于国内资本市场来说，投资组合的Ｂ值在大部分时间内表现出良好的稳定性，但仍然会在某些时间内出现较大的变动。如果历史Ｂ值在后期用于避险操作时出现较大变动，那么它将损害最终的避险效果，因此，应该采用相关修正模型调整历史Ｂ值（如布鲁姆修正模型）。但是，无论如何修正，Ｂ值本身具有的时变特征使得投资者在实践中注定无法做到完全的规避风险。５．３估计Ｂ值的最佳数据长度和风格、行业Ｂ值考察５．３．１研究方法（１）数据来源及整理本文所用数据，包括沪深３００指数、沪深３００指数样本股、中信一级行业指数和中信风格指数的收盘价数据。因为中证指数公司仅能提供自２００２年１月４日起的沪深３００指数数据，因此，本文研究的历史期间为——２００２年１月４日至２００６年９月１９日。沪深３００指数数据来自于中证指数公司，而其它数据则来自中信数量化投资分析系统。本次研究的目的有以下几个：Ｉ）考察１３值计算的最佳数据长度；２）考察行业类１３值的差异；３）考察风格类１３值的差异；为全面考察不同数据长度估计的１３值的差异，本研究将全部历史数据按照５０个交易日、１００个交易日、１５０个交易日、２００个交易日、３００个交易日、５００个交易日等长度分组，例如：在交易日为５０、使用日收益率的前提下，实际可以得到大概１１３６／５０＝２２个８值；在交易日为３００的前提下，则只能得到近似４个Ｂ值。（２）投资组合抽取的方法及８值的计算方法本文以沪深３００指数样本股为样本库，采用随机抽样的方法，分别抽取样本个数为１５、３０、５０、８０和１００的投资组合各１００个，然后计算投资组合的ｐ值。）Ｋ２－Ｎ（／，。投资组合Ｂ值的计算方法是，先计算投资组合的收益率，然后与沪深３００指数收益率进行回归分析等计算８值。（３）行业Ｂ值和风格资产Ｂ值的计算方法本文以中信一级行业指数为基础，计算行业的Ｂ值；中信一级行业指数包括房地产、公用事业、金融业、经常消费、贸易零售、耐用消费、能源、社会服务、投资品、信息技术、医药卫生、原材料、运输仓储和综合类等１４个行业。本文以中信风格指数为基础，计算风格类资产的Ｂ值；中信风格指数包括中信大盘价值、中信大盘成长、中信中盘价值、中信中盘成长、中信小盘价值、中信小盘成长。（４）Ｂ值稳定性的检验方法——Ｃｈｏｗ检验以全部数据为基础进行回归分析，得到整个区间内的Ｂ值，然后根据研究需要把样本期间划分为前后两部分（前期和后期），分别进行前期和后期的回归分析，回归方程式如下所示：足。咖。＝ａ锄＋∥Ｉ毛，舭＝％＋届×Ｒ，．，。——前期的回归方程足，．。咖。。＝屹＋屈×Ｒ，．。——后期的回归方程其中，ｔ代表整个样本期间，它是‘和厶的总和。ｘ８，。——整个期间的回归方程设立原假设（Ｈｏ：届＝屈）和备择假设（ＨＩ：届≠屈），计算如下的检验统计量：。（ＳＳＥｄ—ＳｓＥ～一ＳＳＥ，：）／Ｋ（ＳＳＥ，＋ＳＳＥ，）Ｆ服从自由度为Ｋ和（Ｎ一２Ｋ）的Ｆ分布，其中船Ｅ。代表整个期间回归模型的残差平方和，ＳＳＥｔ代表前期的回归残差平方和，ＳＳＥ２代表后期的回归残差平方和。设ｄ为显著水平，如果Ｆ＞只（足，Ｎ一２Ｋ），拒绝原假设，即拒绝Ｂ值是稳定的假设：如果Ｆ＜￡（Ｋ，Ｎ一２Ｋ），接受原假设，即Ｂ值是稳定的。例如。本文共有１１３６个交易日，按照６０估计长度分组，可以得到２２组，我们检验这２２组中，前后两期的１３值是否具有明显差异。我们计算出现所有考察样本中出现不稳定的比率，以此作为衡量数据估计长度是否合适的标准。５，３．２研究结果（１）１３值的稳定性考察ａ．个股Ｂ值稳定性考察一般意义来说，Ｂ值是一个时变的金融变量，用来估计Ｂ值的样本量越小，前后两期的Ｂ值差异越小，如图５．２所示，当样本量为３００时，不稳定率达到顶峰，此后当样本量从３００跳到５００时，不稳定率有所降低。图５．２：１３值的不稳定性比较２０簟１５ＹｏｔＯ％５生ＯｔＣｎｏｃ，１＿ｐ＿“∞＂…ｃｎｏｏｏ。＇舟ｎｏｏｒ∽∞ｏ。》匀ｎｃｒ＿ｏ。ｒ∽ｏｏｏｏ。Ｆ－拿ｏｏｏ坌ｒ－２省ｎ宴∽’。。》矧ｏＺ∽ｏ》罾ｎ∽ｏｏｏ＇加ｎｏｏ。广＿∞备注：此处的纵轴代表，用固定样本量计算Ｂ值前后出现较大变化的比率，例如５０－ＧＡＲＣＨ代表，取历史的５０个交易｜Ｊ数据计算Ｂ值，并检查前后两个Ｂ值的差异，如果所有１００组两两相邻的Ｂ值组中出现变异的有１２组，那么不稳定率就是１２％。如何解释这样的现象呢？当数据长度比较短时，前后两期的１３值虽然有变化，但不剧烈，此时，Ｃｈｏｗ检验通过的概率比较高，即前后两期Ｂ值没有显著差异。当数据长度逐渐增加时，Ｂ值的变化开始加剧，尤其是当样本量增加到３００时达到顶峰。但是，在一个较长的时间内，一家上市公司不可能无限提升它的１３值，也不能无限降低它的Ｂ值，它具有一个均值回复趋势，即从长期来看，１３值具有趋近于某个均值（大多数时候下为１）的趋势，因此，当样本量足够大时（达到５００时），回归分析将保留ｐ值的长期平均值，而过滤掉短期因素造成的影响，此时，前后两期１３值的差异性有所降低。受数据所限，本文没有计算更长时间长度的Ｂ值。ｂ．投资组合１３值的稳定性考察本文中的投资组合是采取简单随机抽样的方法，从沪深３００指数样本股中抽取１５、３０、５０、８０和１００只股票组成的。因为通常规避的需求都来自投资组合而非单只股票，因此，本节将考察投资组合１３值的差异，以补充前面关于个股Ｂ值差异的讨论。首先，图５．３和图５，４可以帮助我们判断多长的历史数据估计１３值比较合适，可以看到，与个股不同，投资组合６值的不稳定率在样本量达到２００时处于最高水平，此后显著降低。而且，投资组合Ｂ值的不稳定率具有明显的钟形特征，样本量为２００时不稳定率最高，两边依次降低。因为图５．３和图５．４无法帮助判断０ＬＳ和ＧＡＲＣＨ模型的好坏，本文进一步做出了图５．５至图５．１０。其次，如图５．５至图５．１０所示，当历史数据的长度等于５０时，ＯＬＳ模型估计Ｂ值的不稳定率低于ＧＡＲＣＨ模型，而当历史数据的长度提高到１００甚至更长时，ＧＡＲＣＨ模型估计Ｂ值的稳定性明显高于０ＬＳ模型。此外，当投资组合中包含的股票数量超过３０时，０ＬＳ模型和ＧＡＲＣＨ模型之间的差距就更加明显。综合前面的分析结果，我们判断：以过去５０的历史数据为基础，采用０ＬＳ模型估计的Ｂ值具有最佳的稳定性；或者，以过去１００—１５０左右的历史数据为基础，采用ＧＡＲＣＨ模型，估计的Ｂ值具有最佳的稳定性。图５．３；ＧＡＲＣＨ模型下不同样奉堂估计Ｂ值的不稳定率数据来源：中信数量化投资分析系统图５，４：ＯＬＳ模型下不同样本量估计Ｂ值的小稳定率数据来源：中信数量化投资分析系统图５５；样本量为５０时Ｂ值的不稳定率—◆－ＧＡＲＣＨ—－＿ＯＬＳ骗蛳｛焉揣怫嘛蛳跚组合１５数据来源：中信数量化投资分析系统图５．６：样本量为１００时Ｂ值的不稳定率组合３０组合５０组合８０组合１００—◆＿ＧＡＲＣＩＩ—－＿ＯＬＳｒ端蛾砉言螂慨Ⅲ协㈣恚暑组合１５数据来源：中信数量化投资分析系统图５．７：样本量为１５０时Ｂ值的不稳定率组合３０组合５０组合８０组合１００ｌ荟喜§差§瑚懈麟组合１５组合３０组合５０组合８０组合１００数据来源：中信数量化投资分析系统４０图５．８：样本量为２００时Ｂ值的不稳定率僻狲鸯雠喜§莩§慨眺｝１——一——Ｌ————————————————Ｌ————————————————————』—————————————————＿Ｌ————Ｊ组合１５组合３０组合５０组合８０组合１００数据来源：中信数量化投资分析系统图５．９：样本量为３００时０值的不稳定率螂ｌ曩耄罨娜猫懈㈣组合１５组合３０组合５０组合８０组合１００数据来源：中信数量化投资分析系统图５．１０；样本量为５００时Ｂ值的不稳定率ｌ萎ｌ！｜砉§珊ｍｍ跚组合１５组合３０组合５０组合８０组合１００数据来源：中信数量化投资分析系统（２）不同行业和风格资产类的Ｂ值ａ．不同行业的１３值比较不同行业的０值表现出较为明显的差异，其中房地产、信息技术、综合类等４ｌ行业的Ｂ值最高，均在１．０９以上：经常消费和运输仓储等行业的Ｂ值最低，平均在０．９５以下。大多数行业的§值位于０。９５～Ｌ０５之间，Ｂ值最接近ｌ的行业为耐用消费行业。图５．１Ｉ：不同行业Ｂ值比较１．１５Ｌ１０１．０５１．０００９５０．９０数据来源数据来源：中信数量化投资分析系统比较不同行业的Ｂ值有助于我们判断股指期货合约的头寸，一般来说，假设投资组合市场为１００万，投资者希望进行完全避险操作，那么：・如果投资组合主要由能源、贸易零售、耐用消费等行业组成，买入相反数量的股指期货就可以达到避险效果了，即期货合约的头寸也是１００万；・如果投资组合主要由Ｂ较大也就是风险系数较高的行业组成，那么买入的股指期货合约的头寸就应该大于１００万；・如果投资组合主要由Ｂ值较小或者风险系数较低的行业组成，那么情况４２正好相反，股指期货合约的头寸就应该小于１００万。ｂ．不同风格资产类§值的比较不同风格资产的１３值也表现为较为明显的差异，其中大盘成长类的１３值最小，小盘价值类的１３值最大，大盘价值、中盘成长、小盘成长、中盘价值等介于之间。图５．１２：不同风格资产类Ｂ值比较１㈡引０９－０８５‘—一”大盘成长大盘价值中盘成长小盘成长中盘价值小盘价值数据来源：中信数量化投资分析系统（３）不同资产类避险效果的比较这里，我们不比较具体个股的避险效果的差别，而是在行业指数和风格指数的基础上，分析不同行业和不同风格资产类，利用沪深３００股指期货进行避险效果的情况。我们以沪深３００指数代替即将推出的沪深３００股指期货，作为避险的工具。ａ．不同行业资产利用沪深３００股指期货进行避险的效果比较实证分析中，我们以各类行业资产为避险对象，以沪深３００股指期货合约进行避险操作，得到避险效果图，其中：避险效果指进行避险操作后规避掉的风险的比例，避险效率等于避险效果／避险成本。图５１３：不同行业资产利用沪深３００股指期货进行避险的效果比较数据来源：中信数量化投资分析系统附注：避险效率＝避险效果／避险Ｊ茂本利用沪深３００股指期货进行避险操作，避险效果和避险效率最高的行业是原材料，其次为耐用消费品和经常消费品。避险效果和避险效率最低的行业是金融业，其次为信息技术业、综合类行业等。ｂ．不同风格资产利用沪深３００股指期货进行避险的效果比较大盘股和中盘股的避险效果最好，小盘股的避险效果比较差，平均低于８０％，这是什么原因造成的呢？按照沪深３００指数的编制原则“对样本空间股票在最近一年（新股为上市以来）的日均成交金额由高到低排名，剔除排名后５０％的股票，然后对剩余股票按照日均总市值由高到低进行排名，选取排名在前３００名的股票作为样本股”，因此，如果以沪深３００股指期货进行避险，它其实更加适合大中盘类股票。如果中国未来推出其它股指期货品种，我们应该根据持有资产的属性选择相应的期货品种，这样才能达到用最少的成本实现最大的避险效果。图５１４：不同风险资产利用沪深３００股指期货进行避险的效果比较备注：避险效率＝避险效果／避险成本数据来源：中信数量化投资分析系统第６章结论本论文的主题为“股指期货套期保值实证分析研究”，通过系统阐述相关既有研究文献，梳理有关脉络，并采用周边相类市场及国内既有数据对股指期货套期保值理论和策略及避险比率的确定方法进行了多角度的实证分析。在文章写作过程中得到了一些启示，对于本人日后的进一步学习研究和工作时间都大有裨益。在论文中，本文简要介绍了股指期货产生背景、功能及特征，在全面回顾股指期货策略、模型及历史实证检验方面的经典研究文献之后，本文将重点放在对于股指期货套期保值功能的运用上。在这部分中，本文通过对股票市场、沪深３００指数股指期货模拟交易的使用实证检验了经典策略和模型，有趣的是通过检验，发现了目前沪深３００指数股指期货方针交易引起与现货市场的相关性较低，所以目前并不适于作为国内股票投资组合的避险工具。最后，鉴于我国资本市场尚处于初级阶段，因而在我国使用股指期货的套期保值功能会与成熟市场有所不同，比如通常可以用Ｂ值来代替避险比率，但由于国内股票的现货市场和期货市场之间一致性较差，因而不能简单使用１３值来作为避险比率。所以本文从我国资本市场的特征出发，对比成熟市场中避险比率的确定情况，提出了修正Ｂ值的建议和方法，最后利用实证研究对国内估计Ｂ值的最佳数据长度和风格、行业８值进行了考察。在本文写作过程中，由于作者材料和时间所限，尚存在一些不足和问题。譬如，在利用沪深３００股指期货仿真交易进行避险验证时，只取了一组投资组合进行实证分析，所以对产生的结果可能会有以偏概全之嫌。这有待于作者日后的进一步深入研究。正如本文在摘要中所言，股指期货的推出将改变证券市场的投资策略、模式乃至整体市场格局。本文结合写作中的一些心得体会，结合目前实际情况，提出下列建议：其一、完善股指期货相关管理制度和系统建设金融衍生品若运用不当，则其容易带来投机过度、风险膨胀等后果。比如通过对沪深３００仿真交易的考察，可以发现这种情况就极为明显，很容易导致股指期货基本功能不能被正常发挥，因此，要完善股指期货管理制度，首先要完善相关交易制度、合约的优化，同时要建立高效盗管体系，注重对相应机构和客户的全程监管，构筑“监管部门——交易所——期货公司”三级监管链，此外要建立相应的突发事件应对机制。其二、加强投资者教育之前的股指期货仿真交易，暴露出不少投资者对于股指期货交易特性的陌生。因此应深入开展相关教育活动，充分提示市场风险。参考文献［１］林筠、李春华，最适避险比率估计方法之研究，证券市场发展季刊，第１９期。１９９３，第ｌｔ０－１３１页［２］陈晗、张晓刚、鲍建平。股票指数期货——理论、经验和市场运作构想，上海远东出版社，２００１［３］胡浩，论国内市场寻找最佳避险比率的过程，财经大学学报，２００７年第２期，２００７［４］胡浩，指数期货避险专题研究，中国证券，２００７年第２期，２００７［５］梁万泉，指数期货对现货市场影响研究，博士论文，２００５年［６］米勒斯Ｊ．，“指数期货与期权”，经济科学出版社，２０００，第５３—７３页［７］王开国，２０００，“股指期货：市场深化过程中的金融创新”，经济研究２０００年第７期［８］吴晓求，“关于股指期货与标的指数的选择”，世界经济，２００２年第３期，２００２［９］徐旭初，股指期货的国际比较研究一模型、实证及中国课题，复旦大学博士论文，２００３［１０］许溪南，王健聪，指数期货定价理论与实证文献之回顾，中华管理评论Ｖ０１．３，Ｎｏ．１，２０００，第２７—４ｌ页［１１］投资者如何应用股指期货，２００７年，中信证券［１２］指数期货的避险比率及避险效果研究，２００７年，中信证券［１３］股指期货在套利和避险中的应用，２００７年，中信证券［１４］中信证券数量化分析系统数据库［１５］徐国样，吴泽智，金融指数产品创新及其风险控制研究，上海财经大学出版社，２００５［１６］施红梅、施东晖，场导报，２００１年第１期，２００１［１７］巨源系统［１８］朝阳永续系统［１９］万德资讯系统［２０］Ｂｏａｒｄ，Ｊ．ａｎｄＳｕｔｃｌｉｆｆｅ，ｃ．，“ＴｈｅＤｕａｌＬｉｓｔｉｎｇｏｆＳｔｏｃｋＩｎｄｅｘ“股票指数期货：模式设计和运作构想”，证券市Ｆｕｔｕｒｅｓ：Ａｒｂｉｔｒａｇｅ。Ｓｐｒｅａｄｈｒｂｉｔｒａｇｅ，ａｎｄＣｕｒｒｅｎｃｙＲｉｓｋ”，ＴｈｅＪｏｕｒｎａｌｏｆＦｕｔｕｒｅｓＭａｒｋｅｔｓ，Ｖ０１．１６，１９９６，Ｐ２９—５４［２１］Ｌｉｎｄａｈｌ，Ｍａｒｙ。１９９２，“ＭｉｎｉｍｕｍＶａｒｉａｎｃｅＨｅｄｇｅＲａｔｉｏｆｏｒＴｈｒｅｅＳｔｏｃｋＩｎｄｅｘＦｕｔｕｒｅｓ：ＤｕｒａｔｉｏｎａｎｄＥｘｐｉｒａｔｉｏｎＥｆｆｅｃｔｓ”，ＪｏｕｒｎａｌｏｆＦｕｔｕｒｅｓａｒｋｅｔｓ，Ｖ０１．１２，ＰＰ．３３—５３．［２２３Ｂｌｏｏｍｂｅｒｇ致谢在这篇论文完成之际，本人要向所有帮助我的人表示深深的谢意。首先要感谢的是我的导师严渝军副教授。本片论文无论从选题、资料的搜集整理还是章节结构方面的构造均受到了严老师的大力帮助。由于经验不足，在论文主题的选择上，开始我犯了大而全但不深入的毛病，但通过与严老师的多次讨论沟通，终于理顺了思路，并引发了对论文主题的深入思考，在严老师的建议下，我在论文中结合了自己的工作实践并直接取材手头数据进行了实证分析，最终能顺利完成此文，我十分感激严老师的悉心指导和帮助。恩师以渊博的学识、开阔的眼界、深邃的洞察力，使我受益匪浅，恩师认真负责、细致耐心的崇高品质、科学严谨的治学态度和高尚的学术道德令我没齿＋难忘。在此，本人对严老师致以最诚挚的谢意。此外，在论文撰写过程中，亲人、朋友、同事也给予了我极大的支持和帮助，感谢陈鹏、曹佳和徐杰在数理和思路整理方面给我的帮助和建议，感谢中信证券的胡浩博士、申银万国的娄静、上海证券交易所的王蕾在资料收集和数据统计分析方面给我提供的诸多帮助。谢谢以上所有人对我的支持和鼓励，在此特别感谢。阮轶２００７年１０月１５日个人简历在读期间发表的学术论文与研究成果个人简历：阮轶，女，１９７８年８月３曰生。２０００年７月毕业于财经大学，获经济学学士学位。２００４年５月进入对外经济贸易大学攻读经济学专业硕士已发表的学术论文与研究成果：［１］阮轶．开放体系下人民币汇率制度变迁．希望月报，２００７．２，总第１２８期。股指期货套期保值实证分析研究

作者：

学位授予单位：

阮轶

对外经济贸易大学

本文链接：http://d.g.wanfangdata.com.cn/Thesis_Y1205154.aspx