淳偉德 李曉燕 陳王 王璞

摘 要：對期貨市場避險(xiǎn)效率的研究無論是對投資者，還是對期貨市場監(jiān)管部門都具有極其重要的指導(dǎo)意義。本文運(yùn)用一元線性回歸（通常稱為OLS）、向量自回歸(VAR)模型、向量誤差修正模型(VECM)以及VAR-MGARCH模型四種方法研究了上海期貨市場的銅、鋁、鋅三種期貨產(chǎn)品的避險(xiǎn)比率和避險(xiǎn)效率。通過樣本外滾動預(yù)測分析發(fā)現(xiàn)：(1)OLS在銅和鋅中表現(xiàn)較好，VAR和VECM在鋁中表現(xiàn)較好，VAR-MGARCH在各種情況下表現(xiàn)均較差；(2)隨著期限的增加，避險(xiǎn)效率呈現(xiàn)出減小的趨勢；(3)鋅的避險(xiǎn)效率最高，并且隨期限增加而減小的速度最慢；(4)銅的避險(xiǎn)效率最高可達(dá)到78%以上，鋁最高可以達(dá)到82%以上，鋅最高可以達(dá)到87%以上,總體來講,上海金屬期貨市場效率較高。

關(guān)鍵詞：避險(xiǎn)比率；避險(xiǎn)效率；金屬期貨市場

中圖分類號：F830.9 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-5192(2012)04-0039-07

A Study on Hedging Effectiveness in Shanghai Metal Futures Market

CHUN Wei-de1, LI Xiao-yan1,2, CHEN Wang2, WANG Pu1

(1.Business School, Chengdu University of Technology, Chengdu 610059, China; 2.School of Economics & Management, Southwest Jiaotong University, Chengdu 610031, China)

Abstract:The study on effectiveness of futures market is useful and helpful for both the investors and regulator of futures market. In this paper, we research the hedging effectiveness of copper, aluminum and zinc which listed in Shanghai Futures Exchange(SHFE). Various models are used to estimate hedging ratio: Linear Regression(often referred to as OLS), Vector Autoregressive(VAR), Vector Error Correction Model(VECM)and VAR-MGARCH model. The results of out-of-sample prediction show that:

(1)OLS performance is better for copper and zinc, VAR and VECM performance is better for aluminum, and VAR-MGARCH performance is poor in all cases; (2)The hedging effectiveness decreases with the deadline increasing; (3)The hedging effectiveness of zinc is best, and reducing slowest with the deadline increasing; (4)The optimal hedging effectiveness of copper could be above 78%, aluminum could be above 82% and zinc could be above 87%, generally speaking, Shanghai metal futures markets are efficient.

Key words:hedging ratio; hedging effectiveness; metal futures market

1 引言

避險(xiǎn)（又稱套期保值）是期貨市場的重要職能之一。通常情況下可以將參與期貨合約交易的投資者分為三類：避險(xiǎn)者、投機(jī)者和套利者，避險(xiǎn)者參與期貨合約的交易是為了規(guī)避現(xiàn)貨市場價(jià)格波動的風(fēng)險(xiǎn)，投機(jī)者和套利者是為了獲取高額收益通常也需要承擔(dān)更大的風(fēng)險(xiǎn)，這些風(fēng)險(xiǎn)就是由于避險(xiǎn)者不愿意承擔(dān)轉(zhuǎn)而由投機(jī)者和套利者承接下來以換取獲得高額收益的機(jī)會；另一方面，通過期貨市場避險(xiǎn)也是可行的，若期貨市場與現(xiàn)貨市場的價(jià)格差異較大，便會出現(xiàn)套利機(jī)會，套利機(jī)會一旦出現(xiàn)套利者必然進(jìn)行大量的套利操作，從而導(dǎo)致供需關(guān)系急劇變化，使期貨與現(xiàn)貨價(jià)格差異縮小直到套利機(jī)會消失為止。因此，避險(xiǎn)者是期貨市場的重要參與者，通過期貨市場進(jìn)行避險(xiǎn)也是可行的，那么，期貨市場的避險(xiǎn)能力越強(qiáng)，對避險(xiǎn)者的吸引力越大，越有利于期貨市場的健康發(fā)展。

理論上，如果期貨價(jià)格波動與現(xiàn)貨價(jià)格波動完全一致，那么在期貨市場中進(jìn)行避險(xiǎn)時(shí)，就可以達(dá)到完全避險(xiǎn)的效果，因?yàn)槠谪浭袌龅墨@利（或損失）恰好與現(xiàn)貨市場的損失（或獲利）完全相等。在這種理想的情況下，避險(xiǎn)者可以利用期貨市場的避險(xiǎn)功能規(guī)避任意的價(jià)格波動風(fēng)險(xiǎn)，此時(shí)，避險(xiǎn)者所持有的期貨與現(xiàn)貨數(shù)量相等，頭寸相反，即避險(xiǎn)比率為1。然而，現(xiàn)實(shí)背景下，不可能出現(xiàn)與理論假設(shè)完全一致的情況，現(xiàn)實(shí)情況中期貨與現(xiàn)貨價(jià)格常常存在明顯的價(jià)格差異，稱為基差(Basis)。

基差的存在使得進(jìn)行避險(xiǎn)時(shí)的最佳避險(xiǎn)比率不等于1，利用期貨市場避險(xiǎn)也不可能達(dá)到完全規(guī)避所有風(fēng)險(xiǎn)的目的，因而對期貨市場的避險(xiǎn)比率和避險(xiǎn)效率的研究就顯得尤為重要，一直以來都是國內(nèi)外研究的熱點(diǎn)話題之一［1～6］。那么，現(xiàn)實(shí)情況中，應(yīng)該如何選擇避險(xiǎn)比率來達(dá)到最佳或滿意的避險(xiǎn)效果呢？又如何來評價(jià)所選方法的避險(xiǎn)效果呢？

常用計(jì)算最佳避險(xiǎn)比率的模型主要有兩類：一是常數(shù)比率模型，即在整個(gè)樣本區(qū)間內(nèi)的避險(xiǎn)比率為一固定常數(shù)；二是時(shí)變(Time-varying)比率模型，即樣本區(qū)間內(nèi)的避險(xiǎn)比率隨著時(shí)間變化。常用的常數(shù)比率模型主要有一元線性回歸（通常稱為OLS方法）、向量自回歸(Vector Autoregressive, VAR)模型以及向量誤差修正模型(Vector Error Correction Model, VECM)，常用的時(shí)變比率模型主要是多元的GARCH族模型。

然而，到底哪一種模型的運(yùn)用效果更好則沒有統(tǒng)一的結(jié)論，對不同的市場，不同學(xué)者的研究方法并不完全一致，得出的結(jié)論也不盡相同。例如，Lien et al.［7］、Moosa［8］研究發(fā)現(xiàn)簡單實(shí)用的OLS方法明顯優(yōu)于其他方法，而Ghosh［9］的研究卻認(rèn)為常數(shù)比率模型中VECM模型表現(xiàn)更佳，Kavussanos et al.［10］、Floros et al.［11］等的研究認(rèn)為二元GARCH模型的避險(xiǎn)效率較高。針對這樣的研究分歧，Kumar et al.［12］認(rèn)為不同國家和不同市場具有不同的市場特點(diǎn)，因而每個(gè)模型的運(yùn)用效果也不盡相同。由于期貨市場不但受到期貨交易市場的影響，而且還會受到現(xiàn)貨價(jià)格的影響，而每種現(xiàn)貨價(jià)格變化又具有其自身特征，因此我們認(rèn)為，各種模型的預(yù)測能力不但受到期貨市場因素的影響，還與期貨品種有極其密切的關(guān)系。

有研究表明，期貨市場的避險(xiǎn)效率是期貨合約成功的重要因素之一［13］，與發(fā)達(dá)國家的期貨市場相比，我國上海期貨市場成立相對較晚，還需要進(jìn)一步的發(fā)展和完善，研究其期貨產(chǎn)品的避險(xiǎn)效率，無論是對投資者，還是對期貨市場監(jiān)管部門都有重要的理論意義的實(shí)踐意義。在上海期貨交易所交易的九種商品期貨中，主要以金屬為主，本文對其中的銅、鋁、鋅三種金屬期貨的避險(xiǎn)效率進(jìn)行了相關(guān)研究，運(yùn)用OLS、VAR、VECM三種常數(shù)比率模型以及時(shí)變的VAR(1)-MGARCH(1,1)模型分別計(jì)算出其最佳避險(xiǎn)比率，進(jìn)而對比分析了各種模型的避險(xiǎn)效率以及三種金屬期貨之間的效率差異。

需要指出的是，在進(jìn)行樣本外預(yù)測時(shí)，大多學(xué)者將樣本內(nèi)的固定常數(shù)比率直接運(yùn)用至樣本外的區(qū)間。我們認(rèn)為這樣做有兩個(gè)缺點(diǎn)：一是在進(jìn)行樣本外的對比分析時(shí)，常數(shù)比率與時(shí)變比率之間不具有可比性；二是進(jìn)行樣本外預(yù)測時(shí)參數(shù)估計(jì)區(qū)間未進(jìn)行相應(yīng)更新，所利用的信息是過時(shí)的信息，沒有充分考慮最新市場因素的影響。為了克服上述兩個(gè)缺點(diǎn)，在進(jìn)行樣本外預(yù)測時(shí)我們將常數(shù)比率也推廣為時(shí)變比率，即在每一天都通過更新最新的市場價(jià)格信息更新樣本區(qū)間，重新估計(jì)避險(xiǎn)比率，將該比率運(yùn)用至下一天的避險(xiǎn)策略。因此，將常數(shù)比率推廣為時(shí)變比率既考慮到了最新市場信息的影響，又使其與時(shí)變比率模型具有可比性。

2 研究方法

2.1 避險(xiǎn)效率的計(jì)算

眾所周知，期貨市場能夠進(jìn)行避險(xiǎn)的原因是現(xiàn)貨市場與期貨市場的盈虧相抵，無論實(shí)際價(jià)格向什么方向波動，只要兩個(gè)市場價(jià)格同步，那么整個(gè)投資組合的市場價(jià)值將保持不變。因此，進(jìn)行避險(xiǎn)的目的就是為了減小因市場價(jià)格波動而引起的損失。因此，我們通過觀察不同避險(xiǎn)比率下總投資組合的價(jià)格波動程度來評價(jià)該方法的避險(xiǎn)能力，而方差是常用的評價(jià)數(shù)據(jù)波動程度的指標(biāo)，因而各種計(jì)算避險(xiǎn)比率的模型都有一個(gè)共同的目的：使投資組合的方差最小化。通常采用避險(xiǎn)效率來比較各方法的優(yōu)劣，進(jìn)行避險(xiǎn)時(shí)比未進(jìn)行避險(xiǎn)時(shí)的方差減小程度即被定義為避險(xiǎn)效率，即

其中E表示避險(xiǎn)效率，var(U)和var(H)分別表示未進(jìn)行避險(xiǎn)時(shí)和進(jìn)行避險(xiǎn)操作時(shí)的收益率方差。未進(jìn)行避險(xiǎn)時(shí)，投資組合中只包括現(xiàn)貨多頭，因此其收益率為現(xiàn)貨收益率；實(shí)行避險(xiǎn)策略時(shí)，收益率則為期貨和現(xiàn)貨構(gòu)成的所有投資組合的總收益率，即

3 實(shí)證結(jié)果與分析

3.1 樣本選擇與數(shù)據(jù)處理

為了研究上海期貨市場中金屬期貨品種的避險(xiǎn)效率，本文以在上海期貨交易所交易的銅、鋁、鋅三種期貨為研究對象，樣本采集的時(shí)間跨度為：銅期貨2006年6月1日至2010年9月30日，鋁期貨2006年1月5日至2010年9月30日，鋅期貨2007年4月13日至2010年9月30日，期貨交易行情數(shù)據(jù)來源于銳思數(shù)據(jù)庫，現(xiàn)貨數(shù)據(jù)來源于中鋁網(wǎng)。現(xiàn)貨數(shù)據(jù)的時(shí)間跨度與相應(yīng)的期貨樣本區(qū)間一致，并且期貨與現(xiàn)貨數(shù)據(jù)按照交易日一一對應(yīng)。

然而，同一種商品的期貨具有多個(gè)交易品種，區(qū)別在于標(biāo)的商品的交割日期不同，因此，以同一種商品為標(biāo)的物的不同期貨合約也具有不同的市場交易行情，并且隨著時(shí)間的推移，部分合約到期進(jìn)行交割后該合約則不再在市場上交易。因此，與股票行情不同的是，期貨市場行情中沒有一個(gè)準(zhǔn)確的連續(xù)交易行情的時(shí)間序列，那么，如何構(gòu)建一個(gè)合理的連續(xù)時(shí)間序列進(jìn)行期貨市場的避險(xiǎn)效率研究呢？為了研究同一種商品期貨不同期限的避險(xiǎn)效率，本文對每種商品期貨構(gòu)建四個(gè)連續(xù)序列，由交割期限由近到遠(yuǎn)依次為：當(dāng)月連續(xù)、下月連續(xù)、下季連續(xù)、隔季連續(xù)。這四種連續(xù)序列的構(gòu)建方法如下：每個(gè)交易日中，將市場上能夠交易的合約按交割時(shí)間的先后順序排列，取第一個(gè)合約數(shù)據(jù)為當(dāng)月連續(xù)數(shù)據(jù)，取第二個(gè)為下月連續(xù)，依此類推，取第四個(gè)為下季連續(xù)，第七個(gè)為隔季連續(xù)。由此可見，每當(dāng)有一個(gè)合約到期后，連續(xù)序列數(shù)據(jù)的采集才會變更為另一個(gè)合約，為了使收益率序列反映的是該合約的真實(shí)收益率，在合約變更時(shí)，采用新合約的當(dāng)天結(jié)算價(jià)和前結(jié)算價(jià)計(jì)算收益率，而非上一個(gè)合約的結(jié)算價(jià)。由以上構(gòu)建連續(xù)序列的方法可以看出：“當(dāng)月連續(xù)”、“下月連續(xù)”等數(shù)據(jù)并非以自然月為標(biāo)準(zhǔn)，而是合約交割間隔大約為一個(gè)月，最近即將交割的即為當(dāng)月，下一個(gè)交割的為下月，依此類推。

3.2 期貨與現(xiàn)貨價(jià)格的協(xié)整檢驗(yàn)

由于期貨價(jià)格與現(xiàn)貨價(jià)格可能存在長期的均衡關(guān)系，這既是避險(xiǎn)目的得以實(shí)現(xiàn)的基礎(chǔ)，也是VECM運(yùn)用的前提條件。首先，現(xiàn)貨和期貨的價(jià)格走勢基本一致（限于篇幅，未給出現(xiàn)貨與期貨的價(jià)格走勢圖）。其次，通過計(jì)算三種金屬的現(xiàn)貨價(jià)格與其對應(yīng)期貨價(jià)格的相關(guān)系數(shù)（見表1），從相關(guān)系數(shù)也可以看出，三種商品的現(xiàn)貨價(jià)格與期貨價(jià)格高度正相關(guān)，所有相關(guān)系數(shù)均大于0.95，其中絕大部分相關(guān)系數(shù)大于0.99。

通過以上初步分析，可以得出“期貨價(jià)格與現(xiàn)貨價(jià)格走勢基本同步”的結(jié)論，即期貨與現(xiàn)貨價(jià)格之間存在某種長期的均衡關(guān)系，我們運(yùn)用更嚴(yán)格的統(tǒng)計(jì)分析來檢驗(yàn)這種長期均衡關(guān)系，即進(jìn)行協(xié)整檢驗(yàn)，由于協(xié)整的前提是原序列不平穩(wěn)，并且單整階數(shù)相同，因此首先需要進(jìn)行平穩(wěn)性檢驗(yàn)。采用ADF(Augmented Dickey-Fuller)和KPSS(Kwiatkowski-Phillips-Schmidt-Shin)兩種原假設(shè)相反的平穩(wěn)性檢驗(yàn)方法結(jié)果均表明：價(jià)格對數(shù)為非平穩(wěn)序列，收益率（價(jià)格對數(shù)的一階差分）為平穩(wěn)序列，從而說明價(jià)格對數(shù)序列均為一階單整序列，這是進(jìn)行協(xié)整檢驗(yàn)的前提，進(jìn)行協(xié)整檢驗(yàn)的結(jié)果見表2。

從表2可以看出，在5%的顯著性水平下，所有檢驗(yàn)均拒絕現(xiàn)貨價(jià)格與期貨價(jià)格無協(xié)整關(guān)系的原假設(shè)，接受至多存在1個(gè)協(xié)整向量的原假設(shè)。因此，協(xié)整檢驗(yàn)結(jié)果表明三種金屬的現(xiàn)貨價(jià)格與期貨價(jià)格存在長期的協(xié)整關(guān)系。

3.3 避險(xiǎn)比率及避險(xiǎn)效率計(jì)算

通過以上分析，我們知道三種金屬的現(xiàn)貨與期貨價(jià)格的長期波動趨一致，因此，為了規(guī)避現(xiàn)貨市場價(jià)格的不利變動風(fēng)險(xiǎn)，期貨市場就成為了避險(xiǎn)者的一種較好的選擇，那么在上海期貨市場交易的三種金屬期貨的避險(xiǎn)效率如何呢？期貨市場的避險(xiǎn)效率對期貨市場來說具有極其重要的意義：一方面，期貨市場的避險(xiǎn)效率越高，對避險(xiǎn)者的吸引力也越大，從而吸引更多的市場參與者，市場參與者越多，市場越接近完全競爭市場，價(jià)格偏離價(jià)值的可能性越?。涣硪环矫?，期貨市場的避險(xiǎn)效率越高，說明期貨市場的價(jià)格與現(xiàn)貨市場的價(jià)格越接近，因而期貨與現(xiàn)貨價(jià)格之間的價(jià)差越小，從而利用期貨市場進(jìn)行套利的可能性也越小，從這個(gè)角度講，期貨市場的避險(xiǎn)效率也反映了期貨市場本身的運(yùn)作效率。

采用四種比率模型計(jì)算得到的樣本內(nèi)的避險(xiǎn)比率和避險(xiǎn)效率見表3。其中，時(shí)變比率模型的避險(xiǎn)比率表示其平均值。限于篇幅，本文不再列出各種模型的參數(shù)估計(jì)結(jié)果。

從表3可以看出：(1)整體來說，隨著期貨到期期限的延長，避險(xiǎn)效率均有減小的趨勢，說明期限越長期貨與現(xiàn)貨價(jià)格的偏差越大，這是符合期貨市場的客觀規(guī)律的，因?yàn)殡S著期貨交割日的逐漸臨近，期貨合約的時(shí)間價(jià)值會逐漸減小，期貨價(jià)格會逐漸收斂于現(xiàn)貨價(jià)格，因此期限越短期貨與現(xiàn)貨的價(jià)格偏差越小，從而能夠利用期貨市場較大程度地規(guī)避風(fēng)險(xiǎn)；(2)鋅期貨的下季連續(xù)雖然比下月連續(xù)期限長，但其避險(xiǎn)效率反而要高于下月連續(xù)的避險(xiǎn)效率，這是鋅期貨特有的現(xiàn)象；(3)三個(gè)靜態(tài)比率模型的避險(xiǎn)效率差異較小，其中OLS方法略高于VAR和VECM方法，VAR與VECM之間的避險(xiǎn)效率差異則非常微弱，可以忽略不計(jì)，雖然實(shí)證研究表明現(xiàn)貨與期貨價(jià)格之間存在長期的協(xié)整關(guān)系，但VECM并未顯著改善避險(xiǎn)效率，說明VAR方法已經(jīng)具有相當(dāng)高的精度了；(4)動態(tài)的VAR(1)-MGARCH(1,1)模型除了在計(jì)算鋁期貨的下季連續(xù)和隔季連續(xù)的避險(xiǎn)效率時(shí)高于靜態(tài)比率模型外，其他情況下均比三種靜態(tài)比率模型的避險(xiǎn)效率低；(5)鋁期貨的當(dāng)月連續(xù)避險(xiǎn)效率高于銅和鋅，但從近期到遠(yuǎn)期，其避險(xiǎn)效率下降最快，三個(gè)較遠(yuǎn)期限的避險(xiǎn)效率明顯低于銅和鋅；(6)鋅期貨的前三個(gè)合約避險(xiǎn)效率下降較慢，均高于銅期貨避險(xiǎn)效率，但隔季連續(xù)的避險(xiǎn)效率卻大幅下降，低于銅期貨的隔季連續(xù)效率。

然而，需要指出的是，在實(shí)踐操作中，不可能獲得以后的價(jià)格數(shù)據(jù)用于避險(xiǎn)比率的估計(jì)，現(xiàn)實(shí)中只能利用歷史數(shù)據(jù)進(jìn)行避險(xiǎn)比率估計(jì)，再進(jìn)行樣本外的推廣。因此，以上關(guān)于樣本內(nèi)的避險(xiǎn)效率分析并不能作為判斷模型優(yōu)劣的根本依據(jù)，只有能夠較好地運(yùn)用于實(shí)踐操作中的模型才能較大程度地規(guī)避市場風(fēng)險(xiǎn)，才能滿足風(fēng)險(xiǎn)管理的需要。因而本文分別分析了四種模型的樣本外的預(yù)測能力，以此作為判別模型優(yōu)劣的直接證據(jù)。

由于VAR(1)-MGARCH(1,1)模型為時(shí)變的比率模型，對每一天都會計(jì)算得到一個(gè)新的比率，為了使不同方法之間具有可比性，本文在采用其他方法做樣本外分析時(shí)也對每一天進(jìn)行一次估計(jì)得到最佳避險(xiǎn)比率。在估計(jì)參數(shù)的數(shù)據(jù)區(qū)間時(shí)，對第t+1天進(jìn)行預(yù)測時(shí)可以選擇截止到第t天為止的所有數(shù)據(jù)中的一部分?jǐn)?shù)據(jù)作為參數(shù)估計(jì)區(qū)間，考慮到信息的時(shí)效性及樣本容量的合理性，本文選擇過去250個(gè)交易日（約合一年）作為參數(shù)估計(jì)區(qū)間，將估計(jì)得到的最佳避險(xiǎn)比率運(yùn)用至第t+1天的避險(xiǎn)策略，即每天都會去掉一個(gè)最早的數(shù)據(jù)，加入一個(gè)最新的數(shù)據(jù)，這樣每天滾動一次進(jìn)行滾動預(yù)測，得到的樣本外的避險(xiǎn)效率見表4所示。

從表4可以看出：(1)銅和鋁期貨的樣本外的各種模型避險(xiǎn)效率均低于樣本內(nèi)的避險(xiǎn)效率，但是鋅期貨的樣本外避險(xiǎn)效率卻明顯高于樣本內(nèi)的避險(xiǎn)效率；(2)隨著期貨到期期限的增加，避險(xiǎn)效率呈現(xiàn)出減小的趨勢，和樣本內(nèi)的分析結(jié)果不同的是，三種金屬期貨都具有這一趨勢，鋅也不例外；(3)三種金屬期貨中，鋅期貨的樣本外的避險(xiǎn)效率最高，并且隨期限延長減小的速度較慢，隔季連續(xù)的避險(xiǎn)效率仍能達(dá)到82%以上，比銅的隔季連續(xù)效率高10%以上，比鋁高15%以上；(4)鋁期貨的當(dāng)月連續(xù)避險(xiǎn)效率高于銅，但是隨著期限的增加，避險(xiǎn)效率減小速度最快，其他三個(gè)較遠(yuǎn)期限的避險(xiǎn)效率均低于銅；(5)OLS方法在銅和鋅期貨的樣本外的預(yù)測能力極好，除了當(dāng)月連續(xù)外，其他三個(gè)較遠(yuǎn)期限的效率均為所有方法中的最大值，VAR模型在三種期貨的當(dāng)月連續(xù)中表現(xiàn)較好，基于時(shí)變比率的VAR(1)-MGARCH(1,1)模型無論在哪種情況下都不會是最佳選擇，其中絕大多數(shù)情況下的效率反而最低。

4 結(jié)束語

本文運(yùn)用OLS、VAR、VECM、VAR(1)-MGARCH(1,1)四種模型對上海金屬期貨市場的銅、鋁、鋅三種期貨的避險(xiǎn)效率進(jìn)行了研究。

針對以上研究結(jié)論，我們認(rèn)為：(1)期貨市場的避險(xiǎn)效率對投資者而言至關(guān)重要，為了提高期貨市場對投資者的吸引力，監(jiān)管部門必須做好期貨市場的金融監(jiān)管工作，進(jìn)一步完善期貨市場的交易制度和風(fēng)險(xiǎn)監(jiān)測，為期貨市場的健康運(yùn)行提供必要的制度保證，避免因過度投機(jī)導(dǎo)致的期貨與現(xiàn)貨價(jià)格的嚴(yán)重背離。(2)對投資者而言，利用期貨市場進(jìn)行避險(xiǎn)時(shí)，應(yīng)選擇行之有效的避險(xiǎn)策略，期貨合約的期限以及采用的避險(xiǎn)模型對避險(xiǎn)的效果都具有極其重要的影響，投資者應(yīng)以實(shí)踐中的運(yùn)用效果為評價(jià)標(biāo)準(zhǔn)結(jié)合自身需要和客觀情況做出相應(yīng)決策。

參 考 文 獻(xiàn)：

［1］AChoudhry T. The hedging effectiveness of constant and time-varying hedge ratios using three Pacific Basin stock futures［J］. International Review of Economics & Finance, 2004, 13(4): 371-385.

［2］AEderington L H, Salas J M. Minimum variance hedging when spot price changes are partially predictable［J］. Journal of Banking & Finance, 2008, 32(5): 654-663.

［3］APok W C, Poshakwale S S, Ford J L. Stock index futures hedging in the emerging Malaysian market［J］. Global Finance Journal, 2009, 20(3): 273-288.

［4］A Chang C L, McAleer M, Tansuchat R. Crude oil hedging strategies using dynamic multivariate GARCH［J］. Energy Economics, 2011, 33(5): 912-923.

［5］A 梁斌，陳敏，繆柏其，等.我國股指期貨的套期保值比率研究［J］.數(shù)理統(tǒng)計(jì)與管理,2009，(1):143-151.

［6］A付劍茹,張宗成.套期保值，估計(jì)風(fēng)險(xiǎn)與貝葉斯統(tǒng)計(jì)——基于中國銅期貨市場的經(jīng)驗(yàn)研究［J］.中國管理科學(xué),2009,17(4):21-29.

［7］ALien D, Tse Y K, Tsui A K C. Evaluating the hedging performance of the constant-correlation GARCH model［J］. Applied Financial Economics, 2002, 12(11): 791-798.

［8］AMoosa I A. The sensitivity of the optimal hedge ratio to model specification［J］. Finance Letters, 2003, 1(1): 15-20.

［9］AGhosh A. Cointegration and error correction models: intertemporal causality between index and futures prices［J］. Journal of Futures Markets, 1993, 13(2): 193-198.

［10］AKavussanos M G, Nomikos N K. Constant vs. time-varying hedge ratios and hedging efficiency in the BIFFEX market［J］. Transportation Research Part E: Logistics and Transportation Review

, 2000, 36(4): 229-248.

［11］AFloros C, Vougas D V. Hedging effectiveness in Greek stock index futures market, 1999-2001［J］. International Research Journal of Finance and Economics, 2006, 5: 7-18.

［12］AKumar B, Singh P, Pandey A. Hedging effectiveness of constant and time varying hedge ratio in Indian stock and commodity futures markets［R］. IIMA Working Papers, 2008.

［13］APennings J M E, Meulenberg M T G. Hedging efficiency: a futures exchange management approach［J］. Journal of Futures Markets, 1997, 17(5): 599-615.

［14］A Lien D, Luo X. Multiperiod hedging in the presence of conditional heteroskedasticity［J］. Journal of Futures Markets, 1994, 14(8): 927-955.

［15］ALien D H D. The effect of the cointegration relationship on futures hedging: a note［J］. Journal of Futures Markets, 1996, 16(7): 773-780.

［16］ABollerslev T, Engle R F, Wooldridge J M. A capital asset pricing model with time-varying covariances［J］. The Journal of Political Economy, 1988, 96(1): 116-131.