• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      滬深300指數(shù)及其股指期貨的風(fēng)險(xiǎn)管理研究

      2023-10-15 20:23:37朱溪溪王文勝
      中國證券期貨 2023年5期
      關(guān)鍵詞:風(fēng)險(xiǎn)管理

      朱溪溪 王文勝

      摘?要:滬深300指數(shù)期貨的上市對(duì)于中國金融市場(chǎng)來說具有里程碑意義,滬深300指數(shù)可以在一定程度上反映中國股市整體的趨勢(shì),對(duì)其進(jìn)行相應(yīng)的風(fēng)險(xiǎn)管理是不可或缺的。文章利用VaR-GARCH模型擬合了滬深300指數(shù)及其股指期貨在2021-10-18到2022-05-20合約期內(nèi)的最新時(shí)序數(shù)據(jù),實(shí)證結(jié)果表明,該方法目前仍然可以很好地管理滬深300股指期貨的風(fēng)險(xiǎn)。因此,本文提出了基于VaR在險(xiǎn)價(jià)值的大額損失管理策略以及股指期現(xiàn)套利管理策略,從投資者的角度來看,這一研究有利于個(gè)人的風(fēng)險(xiǎn)管理;從市場(chǎng)角度出發(fā),則可降低市場(chǎng)的系統(tǒng)性金融風(fēng)險(xiǎn)。

      關(guān)鍵詞:滬深300股指期貨;風(fēng)險(xiǎn)管理;VaR-GARCH

      作者簡介:朱溪溪,碩士研究生,研究方向?yàn)楣善逼谪浐徒鹑谑袌?chǎng);王文勝,教授,復(fù)旦大學(xué)理學(xué)博士,杭州電子科技大學(xué)教授、博士生導(dǎo)師。曾在浙江大學(xué)和中科院數(shù)學(xué)與系統(tǒng)科學(xué)研究院做博士后研究工作。

      一、引言

      股票指數(shù)期貨的功能有很多,其中最重要的功能是規(guī)避股市波動(dòng)的價(jià)格風(fēng)險(xiǎn)以及進(jìn)行投機(jī)交易活動(dòng)。投資者對(duì)這種工具的使用,使其能更好地把控股市價(jià)格波動(dòng)帶來的投資風(fēng)險(xiǎn),并且經(jīng)過一段時(shí)間的發(fā)展,股指期貨也逐漸演變?yōu)榻鹑谄谪浀闹匾a(chǎn)品。2010年股指期貨正式在中國期貨交易所上市,由于具有杠桿性、靈活性和高流動(dòng)性等特殊功能特點(diǎn),可以用較少的資金控制較多的資產(chǎn),帶來更高的收益,因此受到了各類投資者的青睞,其交易數(shù)量以及交易規(guī)模在短期內(nèi)得到快速提升,熨平了股票市場(chǎng)的高頻波動(dòng),進(jìn)而穩(wěn)定金融市場(chǎng)的有效運(yùn)行,對(duì)降低股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)起到了重要作用,彌補(bǔ)了金融市場(chǎng)長期缺乏類似工具的不足。滬深300指數(shù)的產(chǎn)生是因?yàn)楣芍钙谪洠袊Y本市場(chǎng)處在迅速發(fā)展階段,有大量機(jī)構(gòu)投資者涌入。為確保大規(guī)模的資金能夠安全運(yùn)轉(zhuǎn),有效的避險(xiǎn)工具是很好的選擇,滬深300指數(shù)由此誕生。投資者依據(jù)股票指數(shù)以及股票價(jià)格變動(dòng)的趨勢(shì),在股票市場(chǎng)和股指期貨市場(chǎng)上進(jìn)行反向操作,可以很好地抵消股票價(jià)格變動(dòng)帶來的風(fēng)險(xiǎn),從而達(dá)到套期保值的目標(biāo)。股指期貨的出現(xiàn)同樣帶來了一些問題,由于股指期貨本質(zhì)上依然屬于金融工具,只是被嵌入了股票價(jià)格作為其波動(dòng)的因素,所以在投資者進(jìn)行交易的過程中,難免會(huì)對(duì)金融市場(chǎng)產(chǎn)生不良的影響。有研究表明,在2015年至2020年,我國的股指期貨與對(duì)應(yīng)的標(biāo)的價(jià)格呈現(xiàn)一致變化的特征。一般來說,金融產(chǎn)品價(jià)格的波動(dòng)一致性變化是金融產(chǎn)品在各自市場(chǎng)之間共振的結(jié)果,這種共振效應(yīng)會(huì)增加金融產(chǎn)品子市場(chǎng)的風(fēng)險(xiǎn),進(jìn)而加劇整個(gè)金融市場(chǎng)的系統(tǒng)性金融風(fēng)險(xiǎn)。為順應(yīng)國際市場(chǎng)發(fā)展的趨勢(shì),中國對(duì)外開放的腳步逐漸加快,中國的資本市場(chǎng)也受到了國際資本的廣泛關(guān)注,但是由于新興資本市場(chǎng)不能很好地管理金融風(fēng)險(xiǎn),缺乏對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的防范意識(shí)和解決突發(fā)事件的能力,投資者認(rèn)為其利益不能得到很好的保障,使得早些時(shí)間,我國資本市場(chǎng)對(duì)國外資本的吸引力較弱,人們更愿意把資金投入有較高投資回報(bào)率的安全資產(chǎn)中。由此可見,一方面有必要對(duì)股指期貨的風(fēng)險(xiǎn)進(jìn)行管理研究,以防止股指期貨擾亂金融市場(chǎng)的秩序,引導(dǎo)其發(fā)揮正向的功能;另一方面通過吸引國際投資者,強(qiáng)調(diào)風(fēng)險(xiǎn)管理,共同創(chuàng)造一個(gè)成熟的市場(chǎng),對(duì)我國金融市場(chǎng)的發(fā)展和資本的利用具有重要的現(xiàn)實(shí)意義。

      二、模型構(gòu)建

      VaR-GARCH模型被廣泛應(yīng)用于金融市場(chǎng)的風(fēng)險(xiǎn)管理研究中,VaR-GARCH模型建立原理如下:對(duì)股指期貨合約或股價(jià)指數(shù)的以往漲跌數(shù)據(jù)進(jìn)行分析處理,并且和GARCH曲線進(jìn)行擬合,得到方差方程及預(yù)測(cè)標(biāo)準(zhǔn)差,在一定的置信水平下采用風(fēng)險(xiǎn)價(jià)值的方法,較為準(zhǔn)確地得出某個(gè)交易日股指期貨合約的VaR值,并在一定的置信區(qū)間水平下檢驗(yàn)其合理性。本文通過VaR-GARCH模型進(jìn)行風(fēng)險(xiǎn)度量,對(duì)滬深300指數(shù)和滬深300指數(shù)期貨IF2206的風(fēng)險(xiǎn)價(jià)值進(jìn)行度量,并檢驗(yàn)度量的有效性。結(jié)果表明,VaR對(duì)當(dāng)下市場(chǎng)的風(fēng)險(xiǎn)度量有著較高的適用性。用VaR進(jìn)行風(fēng)險(xiǎn)管理可以規(guī)避大額損失,利用存在的基差對(duì)指數(shù)與期指進(jìn)行風(fēng)險(xiǎn)對(duì)沖活動(dòng),可以實(shí)現(xiàn)風(fēng)險(xiǎn)管理的目標(biāo)。股票市場(chǎng)收益率的波動(dòng)聚集性以及不對(duì)稱性決定了要想刻畫這樣的特性需要用到高頻模型來描述,GARCH模型及其衍生模型就是用來描述這些特性的一類方法,并且結(jié)合VaR方法來計(jì)算收益率的尾部分布特性,進(jìn)而通過條件異方差模型中的條件方差來度量股票指數(shù)期貨的VaR。

      1VaR的計(jì)算方法

      VaR方法的解釋是風(fēng)險(xiǎn)價(jià)值方法,是用來評(píng)估金融風(fēng)險(xiǎn)的工具。早在20世紀(jì)90年代,G30成員發(fā)表了一份關(guān)于金融衍生工具的報(bào)告,首次建議使用“風(fēng)險(xiǎn)價(jià)值系統(tǒng)來評(píng)估金融風(fēng)險(xiǎn)”,其一出現(xiàn)就受到了廣大金融機(jī)構(gòu)的青睞并被采用。

      該方法的基本原理如下。

      VaR值是在置信度為α的情況下,在某一特定時(shí)間段內(nèi),并且金融市場(chǎng)處在一個(gè)相對(duì)平穩(wěn)的波動(dòng)范圍內(nèi),預(yù)期的某種金融資產(chǎn)或組合的最大損失。VaR可表示為

      Prob{ΔV(Δt,Δx)≤VaR}=1-α(1)

      其中,ΔV是某一資產(chǎn)在一段時(shí)間內(nèi)的價(jià)值變化數(shù)額,Δt是這段時(shí)間的存續(xù)期間,Δx是特定時(shí)間內(nèi)的風(fēng)險(xiǎn)因子,VaR是預(yù)期可能的最大損失,是特定置信條件下的損失上限,α為置信度,Prob是在置信度為α的情況下資產(chǎn)價(jià)值的真實(shí)虧損小于預(yù)期的損失上限的概率。為了描述金融市場(chǎng)中的金融資產(chǎn)價(jià)格變化的高頻特點(diǎn),往往其收益率分布呈“尖峰厚尾”,即非正態(tài)分布的形式,使其可以運(yùn)用適當(dāng)?shù)慕y(tǒng)計(jì)學(xué)方法來擬合VaR的預(yù)期收益率分布函數(shù)。文章假定金融資產(chǎn)的收益率Rt服從均值為μ、方差為σ2的正態(tài)分布。

      給定置信水平α,可以得到日度的金融資產(chǎn)價(jià)格的VaR為

      VaR=ZασP(2)

      其中,Zα為正態(tài)分布在置信度為α下的分位數(shù),σ為金融資產(chǎn)收益率的方差,P為前一時(shí)期的資產(chǎn)價(jià)格。如果收益率的分布服從學(xué)生氏分布,金融資產(chǎn)價(jià)格的日度VaR值為

      VaR=TασP(3)

      本文采用德爾塔—正態(tài)分布法計(jì)算VaR值,認(rèn)為回報(bào)服從正態(tài)分布,置信度與分位數(shù)的對(duì)應(yīng)性計(jì)算的組合的VaR等于其收益率的標(biāo)準(zhǔn)差與其相應(yīng)置信度下分位數(shù)的乘積。并假定資產(chǎn)價(jià)格的收益率分布的波動(dòng)率是可變的,即存在異方差性,所以為了擬合金融變量的異方差特性,本文運(yùn)用GARCH模型對(duì)金融變量的異方差性進(jìn)行統(tǒng)計(jì)分析。

      2失敗檢驗(yàn)法

      失敗檢驗(yàn)法的目的在于檢驗(yàn)VaR的估計(jì)值與實(shí)際情況是否符合,在觀測(cè)樣本中,實(shí)際損益值超過VaR估計(jì)值的次數(shù)所占的比率定義為失敗率。

      假定計(jì)算VaR值的置信水平為α,總的樣本天數(shù)為T,其中失敗天數(shù)為N,于是可以得到失敗的頻率為p(N/T)??梢粤钜獧z驗(yàn)的原假設(shè)為p=p*,得到T天中發(fā)生N天失敗的概率為(1-p)T-NpN。

      中國證券期貨2023年10月

      第5期

      滬深300指數(shù)及其股指期貨的風(fēng)險(xiǎn)管理研究

      運(yùn)用LR檢驗(yàn)統(tǒng)計(jì)量來進(jìn)行檢驗(yàn),其基本思路是若約束條件成立,則兩個(gè)函數(shù)估計(jì)出來的似然函數(shù)值大概是相等的:

      LR=-2ln[(1-p*)T-Np*N]+

      2ln1-NTT-NNTN

      值得注意的是,需要更多的樣本來估計(jì)潛在損失,需要選擇更大的置信度來緩解樣本的系統(tǒng)性誤差,如99%。

      3GARCH模型

      GARCH(p,q)模型的基本形式如下。

      均值方程:

      yt=xtφ+ut,ut~N0,σ2t(4)

      方差方程:

      σ2t=α0+

      ∑pi=1α1u2t-i+

      ∑qj=1β0σ2t-j(5)

      其中,p、q分別對(duì)應(yīng)自回歸條件異方差模型中的ARCH項(xiàng)與GARCH項(xiàng)的階數(shù)。當(dāng)獲取了股票指數(shù)或者股指期貨的歷史數(shù)據(jù),就可以采用VaRGARCH模型來得到均值方程、方差方程和預(yù)測(cè)標(biāo)準(zhǔn)差,采用VaR方法,并在置信水平α下計(jì)算出特定交易日股票指數(shù)和對(duì)應(yīng)的股指期貨的在險(xiǎn)價(jià)值。

      三、數(shù)據(jù)說明和統(tǒng)計(jì)描述

      (一)數(shù)據(jù)說明

      本文在進(jìn)行數(shù)據(jù)選擇過程中主要原則是數(shù)據(jù)的可獲得性、完整性和可靠性,所以選取相對(duì)高頻的日度金融數(shù)據(jù)作為研究對(duì)象:滬深300指數(shù)期貨IF2206,樣本區(qū)間為2021-10-18到2022-05-20的合約數(shù)據(jù),以及滬深300指數(shù)相同樣本區(qū)間的時(shí)間序列數(shù)據(jù),樣本個(gè)數(shù)均為144個(gè)。數(shù)據(jù)來源為同花順資訊網(wǎng)絡(luò)端。

      (二)數(shù)據(jù)預(yù)處理

      本文的數(shù)據(jù)處理為滬深300股指期貨2206數(shù)據(jù)集,數(shù)據(jù)集列指標(biāo)為兩個(gè)標(biāo)的的價(jià)格數(shù)據(jù)。為了保證數(shù)據(jù)的合理性與有效性,在進(jìn)行后續(xù)計(jì)算之前,首先對(duì)數(shù)據(jù)集進(jìn)行清洗,包括異常值檢測(cè)與處理以及缺失值檢測(cè)與處理。

      1異常值檢測(cè)與處理

      拉伊達(dá)準(zhǔn)則是用來處理異常數(shù)據(jù)的常用方法,需要一組檢測(cè)數(shù)據(jù)只含有隨機(jī)誤差,對(duì)這些數(shù)據(jù)進(jìn)行處理和計(jì)算得到標(biāo)準(zhǔn)偏差,按照一定的概率確定一個(gè)區(qū)間,但凡超出這個(gè)區(qū)間的認(rèn)為不是標(biāo)準(zhǔn)誤差而是粗大誤差,對(duì)有誤差的數(shù)據(jù)予以剔除。本文具體數(shù)據(jù)處理過程如下:

      首先,需要樣本滿足正態(tài)分布特性,當(dāng)然如果樣本不滿足正態(tài)分布特性也可以對(duì)其進(jìn)行處理,用樣本的屬性值進(jìn)行計(jì)算。在本文中,測(cè)算出變量x的平均值x-和每一個(gè)屬性值xi的剩余誤差i,計(jì)算公式如下:

      x-=1n∑ni=1xi(6)

      i=xi-x-(7)

      其中,n表示樣本的個(gè)數(shù),xi表示變量x的第i個(gè)樣本數(shù)據(jù),x-表示變量的算術(shù)平均值。

      其次,根據(jù)貝塞爾公式測(cè)算出變量的標(biāo)準(zhǔn)誤σ,貝塞爾公式被定義為以下形式:

      σ=

      1n-1∑ni=1

      2(8)

      最后,使用拉伊達(dá)準(zhǔn)則篩選出異常數(shù)據(jù),其中拉伊達(dá)準(zhǔn)則被定義為以下形式:

      i>3σ(9)

      其中,i表示xi的剩余誤差,總是為正。如果xi的剩余誤差大于3σ,數(shù)據(jù)樣本的采樣數(shù)據(jù)將被確定為異常值。在進(jìn)行屬性變量的上述測(cè)算后,本文并未發(fā)現(xiàn)對(duì)數(shù)據(jù)集造成較大影響的異常值。

      2缺失值檢測(cè)與處理

      對(duì)于數(shù)據(jù)集中存在空值的可能性,需要進(jìn)行缺失值的檢測(cè)和處理。設(shè)置一個(gè)缺失比例的閾值為γmis。對(duì)于該比例的設(shè)置,可以參照數(shù)據(jù)的多少進(jìn)行主觀設(shè)定,本文設(shè)定該值為γmis=

      圖1?時(shí)間序列走勢(shì)

      09。如果被測(cè)量的屬性變量缺失的比例超過γmis,表明樣本在該變量下缺失較為嚴(yán)重,應(yīng)該將該變量下的所有數(shù)據(jù)全部清除;反之,若該屬性變量的缺失比例小于γmis,表明樣本在該屬性變量下的缺失可以接受。為了保證樣本數(shù)據(jù)在變量下的完整性,進(jìn)行插補(bǔ)程序,插補(bǔ)的方式為

      xi=xi-1+xi+12(10)

      對(duì)數(shù)據(jù)進(jìn)行遍歷后發(fā)現(xiàn),該數(shù)據(jù)集沒有缺失數(shù)據(jù),完整度為100%。

      最后,經(jīng)過異常值和缺失值檢測(cè)處理保證了數(shù)據(jù)的可用性,確定用檢驗(yàn)的所有樣本進(jìn)行后續(xù)的分析。

      (三)統(tǒng)計(jì)描述

      1描述性統(tǒng)計(jì)分析

      首先,對(duì)滬深300指數(shù)以及滬深300股指期貨2206價(jià)格指標(biāo)進(jìn)行對(duì)數(shù)處理,獲取對(duì)數(shù)收益率,表達(dá)式為

      Rt=lnPt-lnPt-1(11)

      Pt和Pt-1分別為股指期貨的當(dāng)日收盤價(jià)和前日收盤價(jià)。記滬深300股指期貨2206的價(jià)格和收益率為IF2206P和IF2206R,滬深300指數(shù)的價(jià)格及收益率為HS300P和HS300R,具體序列的走勢(shì)如圖1的四個(gè)子圖所示。然后,分別對(duì)滬深300指數(shù)以及滬深300股指期貨2206收益率數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,如圖2所示??梢钥闯?,在價(jià)格走勢(shì)方面,兩個(gè)序列的走勢(shì)大致相同,原因是IF2206P是滬深300指數(shù)的某個(gè)期貨價(jià)格。從收益率方面來看,由于價(jià)格走勢(shì)相近,收益率的分布也相近,并且收益率出現(xiàn)明顯的波動(dòng)性與聚集性效應(yīng)。這比較符合金融市場(chǎng)高頻時(shí)間序列的特征。

      2樣本分布及其檢驗(yàn)

      一般情形下,若偏度為0,峰度為3,則分布為正態(tài)分布。由表1可以看出,IF2206R的偏度為-03401,峰度為77960,是金融市場(chǎng)中常見的“尖峰厚尾”現(xiàn)象,而且雅克-貝拉統(tǒng)計(jì)量為1398099,大于臨界值,伴隨概率為00000,拒絕是正態(tài)分布的原假設(shè),因此可以認(rèn)為IF2206R非正態(tài)分布。同理,HS300R的偏度為-03707,峰度為51804,雅克-貝拉統(tǒng)計(jì)量為318228,HS300R也非正態(tài)分布。

      3時(shí)間序列平穩(wěn)性分析

      為了避免時(shí)間序列的偽回歸問題,我們將對(duì)IF2206R和HS300R進(jìn)行平穩(wěn)性檢驗(yàn)。本文選擇ADF檢驗(yàn)法進(jìn)行單位根檢驗(yàn),檢驗(yàn)的結(jié)果如表2所示。

      從表2可以看出,IF2206R和HS300R的ADF值都在1%的顯著性水平下拒絕原假設(shè),即股指期貨和股票指數(shù)的收益率序列在樣本期內(nèi)是平穩(wěn)的,可以進(jìn)行后續(xù)的回歸分析。

      四、自回歸條件異方差的回歸分析

      在GARCH模型的構(gòu)建過程中,首先需要檢驗(yàn)序列是否存在ARCH效應(yīng),只有具有該效應(yīng)才能構(gòu)建GARCH模型,本文對(duì)IF2206R和HS300R兩個(gè)序列進(jìn)行了ARCH效應(yīng)的LM檢驗(yàn),均顯示存在ARCH效應(yīng)。接著,為了得到更優(yōu)秀的GARCH模型,本文需要對(duì)GARCH模型的階數(shù)做出篩選,文章根據(jù)AIC和SC準(zhǔn)則進(jìn)行篩選,結(jié)果如表3和表4所示。

      如表3和表4所示,對(duì)于HS300R的GARCH模型選擇中,根據(jù)AIC和SC最小的評(píng)選標(biāo)準(zhǔn),GARCH(1,1)可以很好地?cái)M合HS300R序列;對(duì)于IF2206R的GARCH模型選擇中,GARCH(2,1)可以很好地?cái)M合IF2206R序列。

      根據(jù)表3和表4選擇出來的模型,估計(jì)出兩個(gè)模型的各個(gè)系數(shù),匯總于表5和表6中,其中μ2t-1是ARCH項(xiàng)的系數(shù),h2t-1是GARCH項(xiàng)的系數(shù)。

      表7和表8檢驗(yàn)了HS300R和IF2206R在經(jīng)過GARCH模型擬合之后是否還具有ARCH效應(yīng),結(jié)果顯示沒有理由認(rèn)為兩個(gè)模型的LM統(tǒng)計(jì)值在5%的顯著性水平下顯著存在ARCH效應(yīng),即擬合之后,模型不具有ARCH效應(yīng)。根據(jù)GARCH模型的系數(shù)和小于1、各系數(shù)非負(fù)的約束,滿足參數(shù)約束,表明本文所使用的模型具有有效性。

      五、股指與股指期貨VaR值計(jì)算與檢驗(yàn)

      由前文得到的方差方程,可以計(jì)算樣本期內(nèi)每一天的方差估計(jì)值,根據(jù)公式VaR=ZασtPt-1來計(jì)算樣本期內(nèi)每一天的VaR值,本文選擇置信水平α為5%,根據(jù)正態(tài)分布的計(jì)算可得Zα=196。然后,根據(jù)失敗檢驗(yàn)法進(jìn)行檢驗(yàn),在給定α=5%的顯著性水平下,得到預(yù)期失敗的水平,最后利用VaR結(jié)果和實(shí)際的損益進(jìn)行比較,得到失敗概率。在計(jì)算實(shí)際損益時(shí)需要用到公式SRt=RtPt,是本期的價(jià)格與本期的收益率之積,IF2206股指期貨和HS300指數(shù)序列VaR的預(yù)測(cè)與實(shí)際的損益對(duì)比如圖3和圖4所示。從圖中可以發(fā)現(xiàn),IF2206股指期貨和HS300指數(shù)序列的VaR

      預(yù)測(cè)值都幾乎覆蓋了兩個(gè)序列的實(shí)際損益值。

      5%顯著性水平(95%的置信度)下的失敗頻率檢驗(yàn)結(jié)果如表9所示。結(jié)果顯示,5%顯著性水平下滬深300指數(shù)以及滬深300的股指期貨的VaR風(fēng)險(xiǎn)管理失敗頻率分別為629%與503%,兩者差別不大,與期望失敗天數(shù)相比,實(shí)際的失敗頻率與期望失敗頻率幾乎一致,說明VaR的風(fēng)險(xiǎn)管理效果較好,也表明VaR方法對(duì)當(dāng)前我國的金融市場(chǎng)的適應(yīng)性較強(qiáng)。

      六、風(fēng)險(xiǎn)管理策略

      (一)基于VaR在險(xiǎn)價(jià)值的大額損失管理

      基于VaR的風(fēng)險(xiǎn)管理策略,可以比較有效地識(shí)別出不論是股指期貨還是指數(shù)的最大損失,在預(yù)期最大損失超過某一閾值時(shí),執(zhí)行賣出策略可以將風(fēng)險(xiǎn)控制在投資者接受范圍之內(nèi)。VaR是度量前一期的價(jià)格在當(dāng)期波動(dòng)下的最大損失,當(dāng)日的波動(dòng)只有當(dāng)日交易結(jié)束后才能知曉,雖然無法進(jìn)行當(dāng)期的操作,但是如果能夠?qū)@種波動(dòng)進(jìn)行預(yù)測(cè),則可以解決這個(gè)問題。根據(jù)GARCH模型的解釋,當(dāng)期的波動(dòng)是和以往的波動(dòng)相關(guān),所以當(dāng)期的波動(dòng)完全是可以預(yù)測(cè)的。如果預(yù)期的VaR值較大時(shí),我們需要進(jìn)行賣出操作,規(guī)避過高損失。也就是說,只有當(dāng)實(shí)際損益值SR超過VaR時(shí),我們才會(huì)采取賣出操作。但是另一個(gè)問題是,如何知道當(dāng)期收益率呢?同樣的在均值方程中,可以通過以往的收益率進(jìn)行預(yù)測(cè),得到預(yù)測(cè)收益率。

      在HS300R中,我們估計(jì)了該序列的均值方程和方差方程。

      均值方程:

      HS300R=-00499×HS300R(-1)-00003(12)

      方差方程:

      h2t=00536μ2t-1+08428h2t-1(13)

      有了上述的預(yù)測(cè)模型,即可基于VaR的預(yù)期最大損失,進(jìn)行過高損失規(guī)避。更進(jìn)一步,還可以不斷更新均值方程和方差方程的系數(shù),實(shí)行動(dòng)態(tài)管理。

      (二)股指期現(xiàn)套利風(fēng)險(xiǎn)管理策略

      現(xiàn)貨與期貨的套利方式是當(dāng)現(xiàn)貨市場(chǎng)和期貨市場(chǎng)的價(jià)格出現(xiàn)偏離時(shí),投資者在兩個(gè)市場(chǎng)進(jìn)行相反交易,以獲得無風(fēng)險(xiǎn)收益。

      在期現(xiàn)套利活動(dòng)中,投資者需要關(guān)注市場(chǎng)的供需情況等,掌握市場(chǎng)風(fēng)險(xiǎn)和資金風(fēng)險(xiǎn),選擇適合的套利方向和套利時(shí)間。需要注意的是,期現(xiàn)套利并不是一種穩(wěn)定的盈利方式,需要投資者具備較高的市場(chǎng)走勢(shì)分析能力和風(fēng)險(xiǎn)防控能力。

      從本文的樣本區(qū)間的數(shù)據(jù)表現(xiàn)來看,基差在絕大多數(shù)時(shí)間為負(fù)數(shù)(圖5),表明IF2206股指期貨相比于滬深300指數(shù)存在低估,此時(shí)應(yīng)該執(zhí)行賣空IF2206合約,買入跟蹤指數(shù)基金ETF標(biāo)的資產(chǎn),達(dá)到風(fēng)險(xiǎn)對(duì)沖的目的。但需要注意的是,股指期貨與股指的價(jià)格水平會(huì)在期貨合約到期日之前趨同,即離合約到期日越近,兩者的價(jià)格差越小,所以在合約到期的期間套利是存在的,越偏離的價(jià)格差,套利作用越明顯,根據(jù)價(jià)格趨同原理管理風(fēng)險(xiǎn)是有益的。

      在期貨市場(chǎng)交易所需的保證金和手續(xù)費(fèi)都較低,這就增強(qiáng)了流動(dòng)性。如果出現(xiàn)信息影響投資交易者對(duì)市場(chǎng)的預(yù)期,那么投資者就會(huì)改變自己的投資交易行為和方向,這一影響很快就會(huì)在期貨市場(chǎng)上表現(xiàn)出來。如果基差與所持成本偏離較大,就存在期現(xiàn)套利的機(jī)會(huì)。套利交易者會(huì)看到并且迅速做出反應(yīng),充分利用短暫的價(jià)格差,把握轉(zhuǎn)瞬即逝的時(shí)機(jī)進(jìn)行套利。這一行為可以均衡現(xiàn)貨和期貨市場(chǎng)的價(jià)格。套利交易的功能主要在于觀察市場(chǎng)的相對(duì)價(jià)格,對(duì)價(jià)格敏感,發(fā)現(xiàn)價(jià)格變化做出反應(yīng)來促使市場(chǎng)價(jià)格關(guān)系走向合理,可以起到優(yōu)化市場(chǎng)資源配置的功能。因此,研究套利對(duì)判斷市場(chǎng)的投機(jī)狀態(tài)和市場(chǎng)價(jià)格水平合理與否很有幫助。

      圖5?HS300指數(shù)與IF2206價(jià)格基差變化

      七、結(jié)論與建議

      (一)結(jié)論

      自2010年滬深300股指期貨上市以來,我國金融市場(chǎng)不斷發(fā)展,各種風(fēng)險(xiǎn)管理方法在我國金融市場(chǎng)得到驗(yàn)證。本文對(duì)滬深300指數(shù)和對(duì)應(yīng)的股指期貨進(jìn)行VaR-GARCH建模,使用經(jīng)過處理后較為合理的數(shù)據(jù),驗(yàn)證了金融市場(chǎng)股市的波動(dòng)聚集性以及通過VaR方法進(jìn)行風(fēng)險(xiǎn)度量的有效性和可行性,在失敗檢驗(yàn)中,文章的失敗頻率與預(yù)期失敗頻率接近。表明了VaR對(duì)于風(fēng)險(xiǎn)管理的效果較好,適合我國金融市場(chǎng)發(fā)展現(xiàn)狀。最后,本文還提出了兩種基于股指和股指期貨的風(fēng)險(xiǎn)管理方法:一是通過模型法對(duì)過高的損失進(jìn)行管理、規(guī)避;二是根據(jù)股指和股指期貨在合約到期日之前的一段時(shí)間的趨同特性以及合約中期出現(xiàn)的不合理價(jià)差進(jìn)行套利管理風(fēng)險(xiǎn)。對(duì)于后者的策略,不論是對(duì)于投資者個(gè)人還是市場(chǎng)都是有益的,對(duì)于個(gè)人來說可以通過套利手段獲取收益,對(duì)于市場(chǎng)來說需要這類投資者充當(dāng)交易對(duì)手方來消除市場(chǎng)的不合理超額收益,讓市場(chǎng)得以平穩(wěn)發(fā)展。

      (二)建議

      從市場(chǎng)監(jiān)管者層面來說,應(yīng)該積極、主動(dòng)運(yùn)用VaR風(fēng)險(xiǎn)管理技術(shù)來對(duì)股指期貨的風(fēng)險(xiǎn)進(jìn)行防范控制,使金融市場(chǎng)風(fēng)險(xiǎn)的管理更加有效。對(duì)市場(chǎng)進(jìn)行有效監(jiān)管的同時(shí)也要給予市場(chǎng)主動(dòng)學(xué)習(xí)與調(diào)節(jié)的機(jī)會(huì)。加強(qiáng)對(duì)機(jī)構(gòu)投資者的培訓(xùn)教育,機(jī)構(gòu)投資者是金融衍生品市場(chǎng)的重要參與人,在一定程度上能夠?qū)κ袌?chǎng)穩(wěn)定和分散風(fēng)險(xiǎn)起到良性作用,進(jìn)而提高市場(chǎng)運(yùn)行和資金使用效率,促進(jìn)金融市場(chǎng)更穩(wěn)健發(fā)展。在監(jiān)管過程中需要注意的是,應(yīng)該加強(qiáng)機(jī)制建設(shè)而非強(qiáng)制干預(yù),把握對(duì)現(xiàn)代金融市場(chǎng)的監(jiān)管,強(qiáng)化金融穩(wěn)定保障體系,守住底線,對(duì)風(fēng)險(xiǎn)來源和風(fēng)險(xiǎn)控制進(jìn)行分析,持續(xù)強(qiáng)化對(duì)市場(chǎng)風(fēng)險(xiǎn)的防控能力,充分釋放市場(chǎng)的自我調(diào)節(jié)能力。

      從投資者層面來說,可以提高專業(yè)知識(shí)水平并且嘗試將VaR運(yùn)用于股指期貨的實(shí)際操作,用理論與理性指導(dǎo)自己的風(fēng)險(xiǎn)行為,對(duì)數(shù)據(jù)進(jìn)行合理分析,審時(shí)度勢(shì),增加自己投資的合理性,使風(fēng)險(xiǎn)更加可控。同時(shí),投資者個(gè)人也要有法律意識(shí),依法行使權(quán)利、履行義務(wù),養(yǎng)成良好的投資習(xí)慣,在法律允許的范圍內(nèi)進(jìn)行各項(xiàng)金融活動(dòng),提高風(fēng)險(xiǎn)防范意識(shí)和自我保護(hù)意識(shí),這有利于促進(jìn)我國股票市場(chǎng)價(jià)值投資理念的進(jìn)一步形成,培育股票市場(chǎng)的良性機(jī)制。

      從股指期貨合約編制的層面來說,權(quán)威機(jī)構(gòu)在編制與管理股指期貨合約時(shí),應(yīng)該科學(xué)、合理地設(shè)計(jì)股指期貨合約,股指期貨合約的標(biāo)的應(yīng)該能綜合反映中國股市整體情況。設(shè)計(jì)時(shí)要考慮股指期貨流動(dòng)性和風(fēng)險(xiǎn)程度,標(biāo)的股票指數(shù)的市值、活躍度等因素也是需要綜合考慮的。這樣才能保證股指期貨合約的功能得到充分發(fā)揮且不會(huì)被輕易操縱。

      從立法層面來說,國家應(yīng)進(jìn)一步完善風(fēng)險(xiǎn)管理的法規(guī)體系,制定法律法規(guī),形成規(guī)范,及時(shí)應(yīng)對(duì)和解決在股指期貨運(yùn)行過程中可能存在的問題和隱患,建立、健全應(yīng)對(duì)風(fēng)險(xiǎn)事件的有效機(jī)制,依法管理。此外,應(yīng)積極向國外成熟的金融市場(chǎng)學(xué)習(xí),取其精華去其糟粕,與國際市場(chǎng)接軌,增加國際市場(chǎng)競(jìng)爭(zhēng)力,找出適合國內(nèi)市場(chǎng)發(fā)展的政策與方向,不斷完善相關(guān)法律政策,為我國金融市場(chǎng)的發(fā)展和風(fēng)險(xiǎn)管理營造出良好的環(huán)境。

      參考文獻(xiàn)

      [1]胡可為,安毅,劉文超我國股指期貨市場(chǎng)的價(jià)格關(guān)聯(lián)與系統(tǒng)性風(fēng)險(xiǎn)防范[J].中國證券期貨,2021(4):4-15

      [2]徐偉浩滬深300股指期貨VaR-GARCH模型風(fēng)險(xiǎn)管理研究——基于恒指期貨的比較視角[J].金融縱橫,2011(10):31-35

      [3]劉虎嘯,楊克明VAR方法在我國滬深300股指期貨風(fēng)險(xiǎn)管理的應(yīng)用[J].現(xiàn)代商貿(mào)工業(yè),2019,40(31):105-107

      [4]曹志鵬,路華基于GARCH-VaR方法的套期保值比率與效率的實(shí)證[J].統(tǒng)計(jì)與決策,2018,34(16):157-160

      [5]王秀祥,劉勝題基于Var的金融風(fēng)險(xiǎn)管理方法研究[J].生產(chǎn)力研究,2020(12):45-47

      [6]胡銳基于GARCH-VaR方法的碳金融交易市場(chǎng)風(fēng)險(xiǎn)研究[J].現(xiàn)代營銷(學(xué)苑版),2021(5):30-31

      [7]張曼琳,王宇菲基于GARCH族的VaR方法在上證市場(chǎng)中的風(fēng)險(xiǎn)度量[J].石河子科技,2019(2):24-28

      [8]金麟,宋鑫基于VaR-GARCH模型的我國物流地產(chǎn)REITs投資風(fēng)險(xiǎn)評(píng)價(jià)[J].工程經(jīng)濟(jì),2021,31(9):32-35

      Research?on?Risk?Management?of?CSI?300?Index?and?Its

      Stock?Index?Futures—Based?on?VaR-GARCH?Model

      ZHU?Xixi?WANG?Wensheng

      (Hangzhou?Dianzi?University,Hangzhou?310018,China)

      Abstract:?The?listing?of?CSI?300?index?futures?is?a?milestone?for?Chinas?financial?market,?which?is?of?great?significance?in?risk?management?This?paper?uses?the?VaR-GARCH?model?to?fit?the?latest?time?series?data?of?the?contract?period?from?2021-10-18?to?2022-05-20?of?CSI?300?Index?and?its?stock?index?futures,?and?the?results show?that?this?method?can?still?manage?the?risk?of?CSI?300?stock?index?futures?well,?and?puts?forward?a?large?loss?management?strategy?based?on?VaR?at?risk?value?and?a?stock?index?spot?arbitrage?management?strategy,?from?the?perspective?of?investors,?this?research?is?not?only?beneficial?to?personal?risk?management?It?is?more?conducive?to?reducing?the?systemic?financial?risk?of?the?market

      Keywords:CSI?300?Stock?Index?Futures;Risk?Management;?VaR-GARCH

      猜你喜歡
      風(fēng)險(xiǎn)管理
      探討風(fēng)險(xiǎn)管理在呼吸機(jī)維護(hù)與維修中的應(yīng)用
      房地產(chǎn)合作開發(fā)項(xiàng)目的風(fēng)險(xiǎn)管理
      商周刊(2018年23期)2018-11-26 01:22:28
      護(hù)理風(fēng)險(xiǎn)管理在冠狀動(dòng)脈介入治療中的應(yīng)用
      本地化科技翻譯的風(fēng)險(xiǎn)管理
      風(fēng)險(xiǎn)管理在工程建設(shè)中的應(yīng)用
      新版GMP中質(zhì)量風(fēng)險(xiǎn)管理實(shí)施初探
      金华市| 灵武市| 亳州市| 通江县| 民乐县| 饶阳县| 广西| 城市| 浮山县| 阿拉善左旗| 泌阳县| 铅山县| 招远市| 鄂托克旗| 涞源县| 喀喇沁旗| 霍林郭勒市| 德清县| 泰州市| 乌兰浩特市| 安平县| 伊宁县| 信阳市| 大冶市| 栖霞市| 柯坪县| 县级市| 郯城县| 阿荣旗| 息烽县| 新野县| 张家口市| 永城市| 桐梓县| 正蓝旗| 自贡市| 汤原县| 盐边县| 萨嘎县| 南京市| 六枝特区|