基于Copula分位数回归原油期货市场套保模型及效率研究
发布时间：2021-11-05 22:14
伴随中国原油期货的上市,作为商品期货最大交易单品的原油期货,其套期保值功能必将成为新的研究热点。本文采用skew-t-GARCH（1,1）模型捕捉原油期现货收益率的"波动集聚"和"尖峰厚尾"特性,在此基础上通过构造Copula分位数套保模型研究不同原油市场状态下（牛市、熊市）的套保比率及效率。利用蒙特卡洛模拟对线性、Normal Copula及T-Copula分位数回归模型进行效率比较,并对英国Brent和美国WTI原油期货收益率进行实证研究,结果表明:①不同市场状态下,原油期货的最优套保比率具有非对称性;②T-Copula分位数回归模型的尾部套期保值效率更稳定。因此,利用原油期货进行规避风险时,要根据市场行情合理运用套期保值模型。
【文章来源】：数理统计与管理. 2020,39(04)北大核心CSSCI
【文章页数】：15 页
【部分图文】：
图６?Ｎｏｒｍａｌ．?Ｃｏｐｕｌａ模型估计下两市场相关系数释聲置信区间示意图??３．４各Ｃｏｐｕｌａ分位数模型最优动态套期比率结果与比较??
任仙玲，邓磊：基于Ｃｏｐｕｌａ分位数回归原油期货市场套保模型及效率研究??７５１??②?设置估计上下限（介ｆ—ｌ到１之间）；??③将式（１１）?ｅ：＿３ｉ作为Ｙ代入式（１０）．，使用Ｍａｔｌａｂ内置内点算法（适用于目标函数不可微）??迭代求出??Ｔ－Ｇｏｐｕｌａ分位数回归模型的估计算法与＿＿Ｎｗ．ｍａｌ?Ｃｏｐｕｌａ类似，只是增加了一个自??由度估计，在此不赘述。??１．５套期保值绩效评价方法??套期保值效率是指按照一定套保比率进行套期保值与未进行套期保值相比，收益率风险??的减少程度。根据Ｋｎｍ纹和：关于套期保值效率的衡量方法，套期保值效率为??ｗ?—?１?—??（１３）??其中ｗ为套期保值效率，其值越大说明套期保值效率越好；为套期保值组合收益率的方??差；为现货收益率方差，即未进行套期保值收益率的方差。??２模拟研究??２．１模拟步骤??运用蒙特卡罗方法对原油期现货收益率走势进行模拟，并计算各模型套保效率，参考样本??期内各市场收益率的参数，拟定期现货相关系数＝?０．９，其技术实现步骤如下：??⑴生成ｊ?＝?１〇〇＿次样本容量为＆?＝?１〇〇〇的二元Ｋｔｔｎｉｉａｌ?Ｃｏｐｕｌａ或Ｔ－Ｇｏｐｕｌａ随机序列。??以模拟二元?Ｎｏｒｍａｌ?Ｃｏｐｕｌａ随机序列为例，其算法过程如下：??①求出相关矩阵私的ＣｉＭｔｏｋｙ分解矩阵Ａ，即＝?Ｓ１；??②生成服从ｉＶ（〇，ｌ）的随机序列??Ｎｏｒｍａｌ?Ｃｏｐｕｌａ随机数模拟现货?Ｎｏｒｍａｌ?Ｃｏｐｕｌａ随机数模拟期货??Ｔ－Ｃｏｐｕｌａ随机数模拟现货??Ｔ－Ｃｏｐｕｌａ随机数模拟期货??图１蒙特卡洛模拟期现货收益率走势图??
７５４??数理统计与管理??第３９卷第４期２０２０年７月??注：＊分别表示在１％、５％、１〇％的显著性水平下显著。??ＷＴＩ原油现货收益率Ｑ－Ｑ图?ＷＴＩ原油期货收益率Ｑ－Ｑ图??０．２?０．４?０．６?０．８??Ｕ（０，?１）??Ｂｒｅｎｔ原油现货收益率Ｑ－Ｑ图??Ｄ．２?０．４?０．６?０．８??Ｕ（０，?１）??Ｂｒｅｎｔ原油期货收益率Ｑ－Ｑ图??Ｕ（０，?１）?Ｕ（０？?１）??图４各市场原油期现货收益率的Ｑ－Ｑ图??原油期现货收益率残差序列的概率积分变换序列与（０，１）均勻分布的０－Ｑ图也可以清晰地看??出，选用的ｓｋｅｗ－ｔ－ＧＡＲ，ＣＨ（１，１）模型拟合效果好。??表２?ＧＡＲ．ＣＨ模型参数估计及条件波动的诊断检验??霞ｆｔ??ｗｒｓｔ??ｂｒｆｔ??ｂｒｓｔ??Ｐａｒｔ?１估计参数??０．０２５＊??０．０２６＊??０．０１９＊??０．００９??＾１??０．０６７＊＊＊??０．０６４＊＊＊??０．０６５＊＊＊??０．０４３＊＊＊??ｉ〇２??０．９２８＊＊＊??０．９３１＊＊＊??０．９３１＊＊＊??０．９５５＊＊＊??ＵＪｌ?＋?Ｌ〇２??０．９９５??０．９９５??０．９９６??０．９９８??Ｖ??８．２９７??６．９３７??７．０３２??６．６６６??Ａ??－０．０８０??－０．０７０??－０．０４０??－０．０４２??Ｌｏｇ－ｌｉｋｅｌｉｈｏｏｄ??－３６２１．９４??－３６５１．３５??－３４４５．１２??－３４５５．１６??Ｋ－Ｓ统计量??０．０１９６??０．０１７９??０．０２１２??０．０２０７??Ｋ－Ｓ概率值??０．８８０３??０．９３５１??０．８１０５??
【参考文献】：
期刊论文
[1]基于Copula函数的非线性时间序列聚类[J]. 张贝贝,安百国,张宝学. 数理统计与管理. 2019(03)
[2]应用变系数分位点回归模型分析经济因素对全球股市风险的影响[J]. 叶五一,李国艳,缪柏其. 数理统计与管理. 2019(01)
[3]我国股指期权与现货市场的风险传递效应研究[J]. 樊鹏英,刘亚明,薛清水,陈敏. 数理统计与管理. 2018(06)
[4]基于长期投资视角的动态套期保值策略:以原油期货组合为例[J]. 尹力博,韩立岩. 系统工程学报. 2017(02)
[5]基于期现共跳的股指期货套期保值研究[J]. 赵华. 数理统计与管理. 2016(05)
[6]VaR最小化的股指期货套期保值比率研究[J]. 孙燕红,费广平. 数理统计与管理. 2015(04)
[7]风险最小化套期保值比例估计:基于RV-Copula模型[J]. 李勇,方兆本,韦勇凤. 数理统计与管理. 2015(02)
[8]基于Copula-TGARCH模型的股指期货最佳套期保值比研究[J]. 史美景,赵永淦. 数理统计与管理. 2012(02)
[9]基于Copula的最小方差套期保值比率[J]. 王玉刚,迟国泰,杨万武. 系统工程理论与实践. 2009(08)
[10]动态非线性套期保值策略研究[J]. 姚荣辉,王书平,张蜀林. 工业技术经济. 2009(07)
本文编号：3478603
【文章来源】：数理统计与管理. 2020,39(04)北大核心CSSCI
【文章页数】：15 页
【部分图文】：
图６?Ｎｏｒｍａｌ．?Ｃｏｐｕｌａ模型估计下两市场相关系数释聲置信区间示意图??３．４各Ｃｏｐｕｌａ分位数模型最优动态套期比率结果与比较??
任仙玲，邓磊：基于Ｃｏｐｕｌａ分位数回归原油期货市场套保模型及效率研究??７５１??②?设置估计上下限（介ｆ—ｌ到１之间）；??③将式（１１）?ｅ：＿３ｉ作为Ｙ代入式（１０）．，使用Ｍａｔｌａｂ内置内点算法（适用于目标函数不可微）??迭代求出??Ｔ－Ｇｏｐｕｌａ分位数回归模型的估计算法与＿＿Ｎｗ．ｍａｌ?Ｃｏｐｕｌａ类似，只是增加了一个自??由度估计，在此不赘述。??１．５套期保值绩效评价方法??套期保值效率是指按照一定套保比率进行套期保值与未进行套期保值相比，收益率风险??的减少程度。根据Ｋｎｍ纹和：关于套期保值效率的衡量方法，套期保值效率为??ｗ?—?１?—??（１３）??其中ｗ为套期保值效率，其值越大说明套期保值效率越好；为套期保值组合收益率的方??差；为现货收益率方差，即未进行套期保值收益率的方差。??２模拟研究??２．１模拟步骤??运用蒙特卡罗方法对原油期现货收益率走势进行模拟，并计算各模型套保效率，参考样本??期内各市场收益率的参数，拟定期现货相关系数＝?０．９，其技术实现步骤如下：??⑴生成ｊ?＝?１〇〇＿次样本容量为＆?＝?１〇〇〇的二元Ｋｔｔｎｉｉａｌ?Ｃｏｐｕｌａ或Ｔ－Ｇｏｐｕｌａ随机序列。??以模拟二元?Ｎｏｒｍａｌ?Ｃｏｐｕｌａ随机序列为例，其算法过程如下：??①求出相关矩阵私的ＣｉＭｔｏｋｙ分解矩阵Ａ，即＝?Ｓ１；??②生成服从ｉＶ（〇，ｌ）的随机序列??Ｎｏｒｍａｌ?Ｃｏｐｕｌａ随机数模拟现货?Ｎｏｒｍａｌ?Ｃｏｐｕｌａ随机数模拟期货??Ｔ－Ｃｏｐｕｌａ随机数模拟现货??Ｔ－Ｃｏｐｕｌａ随机数模拟期货??图１蒙特卡洛模拟期现货收益率走势图??
７５４??数理统计与管理??第３９卷第４期２０２０年７月??注：＊分别表示在１％、５％、１〇％的显著性水平下显著。??ＷＴＩ原油现货收益率Ｑ－Ｑ图?ＷＴＩ原油期货收益率Ｑ－Ｑ图??０．２?０．４?０．６?０．８??Ｕ（０，?１）??Ｂｒｅｎｔ原油现货收益率Ｑ－Ｑ图??Ｄ．２?０．４?０．６?０．８??Ｕ（０，?１）??Ｂｒｅｎｔ原油期货收益率Ｑ－Ｑ图??Ｕ（０，?１）?Ｕ（０？?１）??图４各市场原油期现货收益率的Ｑ－Ｑ图??原油期现货收益率残差序列的概率积分变换序列与（０，１）均勻分布的０－Ｑ图也可以清晰地看??出，选用的ｓｋｅｗ－ｔ－ＧＡＲ，ＣＨ（１，１）模型拟合效果好。??表２?ＧＡＲ．ＣＨ模型参数估计及条件波动的诊断检验??霞ｆｔ??ｗｒｓｔ??ｂｒｆｔ??ｂｒｓｔ??Ｐａｒｔ?１估计参数??０．０２５＊??０．０２６＊??０．０１９＊??０．００９??＾１??０．０６７＊＊＊??０．０６４＊＊＊??０．０６５＊＊＊??０．０４３＊＊＊??ｉ〇２??０．９２８＊＊＊??０．９３１＊＊＊??０．９３１＊＊＊??０．９５５＊＊＊??ＵＪｌ?＋?Ｌ〇２??０．９９５??０．９９５??０．９９６??０．９９８??Ｖ??８．２９７??６．９３７??７．０３２??６．６６６??Ａ??－０．０８０??－０．０７０??－０．０４０??－０．０４２??Ｌｏｇ－ｌｉｋｅｌｉｈｏｏｄ??－３６２１．９４??－３６５１．３５??－３４４５．１２??－３４５５．１６??Ｋ－Ｓ统计量??０．０１９６??０．０１７９??０．０２１２??０．０２０７??Ｋ－Ｓ概率值??０．８８０３??０．９３５１??０．８１０５??
【参考文献】：
期刊论文
[1]基于Copula函数的非线性时间序列聚类[J]. 张贝贝,安百国,张宝学. 数理统计与管理. 2019(03)
[2]应用变系数分位点回归模型分析经济因素对全球股市风险的影响[J]. 叶五一,李国艳,缪柏其. 数理统计与管理. 2019(01)
[3]我国股指期权与现货市场的风险传递效应研究[J]. 樊鹏英,刘亚明,薛清水,陈敏. 数理统计与管理. 2018(06)
[4]基于长期投资视角的动态套期保值策略:以原油期货组合为例[J]. 尹力博,韩立岩. 系统工程学报. 2017(02)
[5]基于期现共跳的股指期货套期保值研究[J]. 赵华. 数理统计与管理. 2016(05)
[6]VaR最小化的股指期货套期保值比率研究[J]. 孙燕红,费广平. 数理统计与管理. 2015(04)
[7]风险最小化套期保值比例估计:基于RV-Copula模型[J]. 李勇,方兆本,韦勇凤. 数理统计与管理. 2015(02)
[8]基于Copula-TGARCH模型的股指期货最佳套期保值比研究[J]. 史美景,赵永淦. 数理统计与管理. 2012(02)
[9]基于Copula的最小方差套期保值比率[J]. 王玉刚,迟国泰,杨万武. 系统工程理论与实践. 2009(08)
[10]动态非线性套期保值策略研究[J]. 姚荣辉,王书平,张蜀林. 工业技术经济. 2009(07)
本文编号：3478603
本文链接：https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/3478603.html
