4.3 ECM模型
误差修正模型的结果如下:
表5、股票组合收益率与HS300股指期货收益率的误差修正模型
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
C |
-0.000270 |
0.001410 |
-0.191680 |
0.8484 |
GPZH(-1) |
0.1 7921 2 |
0.098233 |
1.824354 |
0.0712 |
HS300 |
0.969253 |
0.047796 |
20.27909 |
0.0000 |
HS300(-1) |
-0.315882 |
0.10 5787 |
-2.986034 |
0.0036 |
R-squared |
0.823281 |
Mean dependent var |
-0.001979 |
|
Adjusted R-squared |
0.817700 |
S.D. dependent var |
0.032687 |
|
S.E. of regre ss ion |
0.013956 |
Akaike info criterion |
-5.666213 |
|
Sum squared resid |
0.01 8504 |
Schwarz criterion |
-5.561360 |
|
Log likelihood |
284.4775 |
F-statistic |
147.5254 |
|
Durbin-Watson stat |
2.079251 |
Prob(F-statistic) |
0.000000 |
4.4 GARCH模型
我们对2005年1月4日至2008年8月日的数据进行检验,LM检验的P值均大于0.05,因此,收益率序列的随机扰动项呈现波动集群性的特征,而且残差存在高阶ARCH效应,我们利用GARCH(1,1)模型来刻画这种效应。
表6、GARCH模型
|
Coefficient |
Std. Error |
z-Statistic |
Prob. |
HS300 |
0.977398 |
0.050874 |
19. 2120 6 |
0.0000 |
|
Variance Equation |
|||
C |
1.29E-05 |
2.29E-07 |
56.45598 |
0.0000 |
ARCH(1) |
-0.125718 |
0.072972 |
-1.722838 |
0.0849 |
GARCH(1) |
1.07 2168 |
0.067209 |
15.95265 |
0.0000 |
R-squared |
0.799614 |
Mean dependent var |
-0.001962 |
|
Adjusted R-squared |
0.793352 |
S.D. dependent var |
0.032522 |
|
S.E. of regre ss ion |
0.014784 |
Akaike info criterion |
-5.650477 |
|
Sum squared resid |
0.020982 |
Schwarz criterion |
-5.546271 |
|
Log likelihood |
286.5239 |
Durbin-Watson stat |
1.634452 |
4.5 不同模型估计的避险比率的比较:确定最优套保比率
我们发现ECM模型套保效率较高,据此,我们确定最佳套保比率为:0.9568
表7、不同模型计算出的套保比率和套保效率HE
观察估计期 |
方法 |
套保比率 HR |
避险期 |
避险期方差 |
套保效率 HE |
未套保 |
0 |
0.000561 |
- |
||
100 个交易日 |
OLS |
0.9722 |
5 个交易日 |
0.000057 |
0.898 |
(071217-080519) |
ECM |
0.9568 |
(080520-080526) |
0.000055 |
0.903 |
GARCH |
0.9774 |
0.000058 |
0.896 |
4.6 计算交易需要的期货合约数量
图2:观察期与避险期示意图
2008年4月18日该私募基金持有的投资组合市值为1209.43万,持有到5月19日,市值增至1371.94万,该基金经理判断市场未来会下跌,以19日的收盘价(我们以5月19日沪深300指数点位3914.07替代当时的股指期货价格)卖出股指期货合约进行卖出套期保值,根据前面计算出来的期货合约的数量:
根据套保流程给出的建议,我们对期货合约数量的零数进行返算优化处理。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HE,分别得到两个HR 和HE,选择较佳的套保效率HE 对应的期货合约整数数量。我们分别以11和12返算得出的套保比率和套保效率如下表所示:
表8、返回优化处理表
返回的期货合约数量 |
套保比率 HR |
套保效率 HE |
11 |
1.0622 |
0.8574 |
12 |
0.9737 |
0.8973 |
根据返算优化的处理方法,我们选择最佳套保效率HE 对应的期货合约数量,得到需交易的期货合约数量=12 份。
4.7 套期保值的盈亏分析
私募集基金经理执行本次套期保值策略的盈亏情况见表9,不同交易日现货期货部头盈亏状况见图3。从表7可以看出,选择套保比率0.9568,期货合约份数12 进行套期保值效果较好。在避险期内期货头寸盈利127.75万元,现货头寸损失101.08万元,期货盈利能完全弥补现货损失,套期保值效果显著。在本案例中,从图3中可以看出,基差并没有走强(图3所示),之所以盈利,是因为选用12张期货合约>11.1796,从此案例中仍然存在基差走弱的风险,只不过是被多余的期货头寸给抵消掉了。
表9、套期保值盈亏分析表
|
股票组合 |
股指期货 |
2008-5-19 |
1371.94 |
3914.07 |
2008-5-26 |
1270.86 |
3559.21 |
盈亏 |
-101.080 (万) |
127.750 (万) |
图3:套保期间股票组合市值与沪深300
图4:卖出套期保值总盈亏示意图
宏源期货 马春阳、刘健、宋宁笛