沪深300股指期货最优套期保值比率的估计及比较研究

发布时间：2017-04-14 14:10

  本文关键词：沪深300股指期货最优套期保值比率的估计及比较研究，，由笔耕文化传播整理发布。

【摘要】：随着国内金融衍生品市场的愈发成熟，中国金融投资者对风险管理的重视程度也逐渐增强，股指期货的套期保值功能作为投资者规避证券市场的系统性风险的重要工具，越来越被广泛地应用。自从沪深300股指期货在我国证券市场推出以来，许多国内学者对其套期保值功能进行了研究。本文也将结合沪深300股指期货2010～2012年度的实盘交易数据，对其最优套期保值比率进行估计与比较。文章开头阐述了本课题的研究背景及意义，对国内外相关研究成果进行了系统性地归纳总结，启发了作者的研究思路。作者分别对股指期货、套期保值的概念、特征、功能等进行界定和分析，对沪深300股指期货在我国的发展历程进行回顾和梳理，能够准确推导出计算该期货市场套期保值比率的公式。接下来，作者重点对最优套期保值模型进行分析，对现存的套期保值模型进行分类，分为传统（静态）的套期保值模型、时变（动态）的套期保值模型和非线性相关的套期保值模型，能够准确地认识每个模型的原理、特点和适用条件。实证部分是本文的研究重点，收集了沪深300指数连续交易日的收盘价数据与期货的收盘价数据，再对数据对数化处理，并差分得到相应的日收益率。接着，对所得的四个指标，进行平稳性检验和协整检验,从而证明两组时间序列是否存在协整关系。然后，应用OLS估计出现货期货日收益率方程，对残差序列进行ARCH-LM检验，决定是否建立GARCH模型。最后，对两组时间序列（收盘价的对数）进行描述性统计分析，数据是否存在尖峰厚尾以及不对称的特征，决定是否引入Copula函数。 文章中作者通过ECM，VECM，ECM-BGARCH（1,1）-BEKK，Copula-ECM-BGARCH（1,1）这四种模型估算了沪深300股指期货的最优套期保值比率，并且比较了这四种模型套期保值的有效性。结合金融时间序列的数据存在尖峰厚尾以及非对称分布的特征，文中引入椭圆型Copula函数计算了期货和现货日收益率的时变非线性相关系数，从而估算出动态的最优套期保值比率。实证研究表明，Copula-ECM-BGARCH（1,1）模型的应用是套期保值理论的重大突破，其效果优于其它的套期保值模型。
【关键词】：沪深300股指期货 最优套期保值比率 Copula函数 Copula-ECM-BGARCH（1 1）模型 模型有效性
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F832.51;F224
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-19
• 1.1 研究背景、目的与意义10-11
• 1.1.1 研究背景10
• 1.1.2 研究目的与意义10-11
• 1.2 国内外研究综述11-16
• 1.2.1 国外的研究综述12-14
• 1.2.2 国内的研究综述14-16
• 1.3 研究内容、方法及创新点16-19
• 1.3.1 研究内容16-17
• 1.3.2 研究方法17-18
• 1.3.3 创新点18-19
• 第二章 股指期货套期保值的相关理论19-26
• 2.1 股指期货及其相关理论19-20
• 2.1.1 股指期货的概念19
• 2.1.2 股指期货的功能19-20
• 2.2 套期保值及其相关理论20-23
• 2.2.1 套期保值的概述20-21
• 2.2.2 套期保值的主要分类21-22
• 2.2.3 套期保值的原理22-23
• 2.3 最优套期保值比率23-25
• 2.3.1 基于风险最小化下23-24
• 2.3.2 基于效用最大化下24
• 2.3.3 常数和时变的最优套期保值比率24-25
• 2.4 本章小结25-26
• 第三章 最优套期保值比率的模型分析26-37
• 3.1 静态套期保值模型分析26-28
• 3.1.1 传统最小二乘法(OLS)回归模型26
• 3.1.2 双变量自回归模型（B-VAR）26-27
• 3.1.3 基于协整关系的误差修正模型（ECM）27-28
• 3.1.4 基于向量误差修正模型（VECM）28
• 3.2 动态套期保值模型分析28-33
• 3.2.1 广义自回归条件异方差模型（GARCH）29
• 3.2.2 ECM-GARCH(1.1)模型29
• 3.2.3 GJR-GARCH（1,1）模型29-30
• 3.2.4 VECH-GARCH(1,1)模型30-31
• 3.2.5 BEKK-GARCH(1,1)模型31
• 3.2.6 CCC-GARCH(1,1)模型31-32
• 3.2.7 DCC-GARCH(1,1)模型32-33
• 3.3 非线性相关的套期保值模型分析33-36
• 3.3.1 Copula 函数的基本形式34
• 3.3.2 常见的二元 Copula 函数形式34-36
• 3.3.3 二元 Copula-GARCH（1,1）模型36
• 3.3.4 二元 Copula-GARCH（1,1）模型的估计36
• 3.4 本章小结36-37
• 第四章 沪深 300 股指期货最优套期保值比率的实证研究37-53
• 4.1 数据及变量的选取与描述性说明37-42
• 4.2 误差修正模型（ECM）估计最优套期保值比42-43
• 4.2.1 单位根及协整检验42
• 4.2.2 建立误差修正模型（ECM）估计套期保值比42-43
• 4.3 向量误差修正模型（VECM）估计最优套期保值比43-44
• 4.4 基于 ECM-BGRACH(1，1)-BEKK 模型估计套期保值比44-47
• 4.4.1 OLS 回归方程残差序列的描述性统计44-45
• 4.4.2 建立 ECM-BEKK-BGRACH(1，1)估计套期保值比45-47
• 4.5 Copula-ECM-BGARCH 模型估计套期保值比47-50
• 4.5.1 确定边缘分布函数47-48
• 4.5.2 选取适当的 Copula 函数48
• 4.5.3 正态 Copula 函数作为连接函数48-49
• 4.5.4 t-Copula 函数作为连接函数49-50
• 4.6 套期保值模型的效率分析50-52
• 4.6.1 风险最小条件下50-51
• 4.6.2 效用最大条件下51
• 4.6.3 套期保值模型的效率分析51-52
• 4.7 本章小结52-53
• 第五章 总结及展望53-54
• 5.1 论文总结53
• 5.2 展望53-54
• 参考文献54-57
• 致谢57-58
• 在学期间的研究成果及发表的学术论文58

【参考文献】

中国期刊全文数据库 前10条

1 张高勋;田益祥;李秋敏;;基于Copula-ECM-GARCH模型的动态最优套期保值比率估计及比较[J];系统工程;2011年08期

2 姚荣辉;王书平;张蜀林;;动态非线性套期保值策略研究[J];工业技术经济;2009年07期

3 高辉;赵进文;;沪深300股指套期保值及投资组合实证研究[J];管理科学;2007年02期

4 谢赤;屈敏;王纲金;;基于M-Copula-GJR-VaR模型的黄金市场最优套期保值比率研究[J];管理科学;2013年02期

5 佟孟华;;沪深300股指期货动态套期保值比率模型估计及比较——基于修正的ECM-BGARCH(1,1)模型的实证研究[J];数量经济技术经济研究;2011年04期

6 梁斌;陈敏;缪柏其;吴武清;;我国股指期货的套期保值比率研究[J];数理统计与管理;2009年01期

7 史美景;赵永淦;;基于Copula-TGARCH模型的股指期货最佳套期保值比研究[J];数理统计与管理;2012年02期

8 马超群;王宝兵;;基于Copula-GARCH模型的外汇期货最优套期保值比率研究[J];统计与决策;2011年12期

9 赵婉淞;孙万贵;韩蓉蓉;;沪深300股指期货动态套期保值策略的效果分析[J];统计与信息论坛;2010年12期

10 张尧庭;连接函数(copula)技术与金融风险分析[J];统计研究;2002年04期

  本文关键词：沪深300股指期货最优套期保值比率的估计及比较研究，由笔耕文化传播整理发布。

本文编号：306152