沪深300的已实现最小方差套期保值比研究

发布时间：2019-09-09 07:00

【摘要】：本文使用了沪深300指数与股指期货的5分钟高频数据,计算出了沪深300的已实现最小方差套期保值比。以已实现最小方差套期保值比为被解释变量,分别使用了自回归移动平均模型ARMA、情景转换模型RS、分整自回归移动平均模型ARFIMA、加入广义条件异方差的自回归移动平均模型ARMA-GARCH、异质自回归模型HAR与混合数据抽样模型MIDAS对沪深300指数的已实现最小方差套期保值比进行了拟合和样本外预测。在样本外预测中,作为比较,引入了以收益为被解释变量的普通最小二乘模型OLS、误差修正模型ECM、动态条件相关系数模型DCC、已实现动态条件相关系数模型DCC-RV以及以已实现方差/协方差为被解释变量的向量异质自回归模型VHAR,计算了上述模型样本外预测结果的包含对冲效率、夏普比、在险价值、期望损失在内的四个经济指标,结果显示直接对已实现最小方差套期保值比建模的模型,尤其是引入的混合数据抽样模型MIDAS,取得了更好的预测表现。在经济指标的比较中,还发现了以已实现最小方差套期保值比为被解释变量的异质自回归模型HAR在四个指标中的三个都跑赢了以已实现方差/协方差为被解释变量的向量异质自回归模型VHAR。注意到这两个模型的基本形式和包含的信息量是完全一致的,这也说明了已实现最小方差套期保值比这一指标在预测能力上的优势。同时,对五个直接对已实现最小方差套期保值比建模的模型使用MSE、QLIKE、pMSE、logMSE、MAE、pMAE、logMAE这七个损失向量对各模型的预测表现进行了比较,结果显示混合数据抽样模型MIDAS在误差指标上同样具有预测优势。本文的另一个重要发现就是肯定了使用长记忆模型对于已实现最小方差套期保值比建模的优势。直接对最小方差套期保值比建模的三个长记忆模型异质自回归模型HAR、混合数据抽样模型MIDAS和分整自回归移动平均模型ARFIMA无论在经济指标还是误差指标上,都取得了相对的预测优势,而之后在误差指标基础上进行的模型置信集MCS检验的结果,也验证了这一点。MCS检验的结果发现描述了长记忆过程的异质自回归模型HAR、混合数据抽样模型MIDAS和分整自回归移动平均模型ARFIMA的预测表现较好,而只刻画了短期记忆的情境转换模型RS、自回归移动平均模型ARMA以及加入广义条件异方差的自回归移动平均模型ARMA-GARCH模型的预测表现较差,尤其是情境转换模型RS。为了验证结果的稳健性,将整个预测区间按照波动的大小分为波动大、中、小三段,类似地,按照收益高低分为收益高、中、低三段,分别计算各模型在这三段上的经济指标和误差指标的表现。结果显示,不论是按照波动的大小还是收益的高低对整个预测区间分段,前面得到的结论总是成立的,即以已实现最小方差套期保值比为被解释变量的模型取得了经济指标上更好的预测表现;新引入的混合抽样模型MIDAS,无论在经济指标还是误差指标上,都取得了较为理想的预测结果;长记忆模型,尤其是异质自回归模型HAR在直接对已实现最小方差套期保值比RMVHR序列建模的模型中,预测表现更好。
【图文】：

逦１５００逡逑Ｔｉｍｅ逡逑图３．２沪深３００指数／股指期货日收益逡逑从日价格的图中可以看到从１２００期开始，对数日价格的走势开始“过山车式”的剧烈波逡逑动，这一段对应着２０１５年开始的股市异常，而在日收益序列图上，可以更加清楚地看到１２００逡逑期后波动明显地变得更加剧烈了。逡逑２７逡逑

逦１５００逡逑Ｔｉｍｅ逡逑图３．１沪深３００指数／股指期货价格逡逑沪深３００指数和股指期货的对数日收益序列：逡逑ｓｐｏｔ／ｆｕｔｕｒｅ邋ｒｅｔｕｒｎ逡逑ｍ邋逦邋ｓｐｏｔ邋ｒｅｔｕｒｎ逦｜邋［．逡逑§逦逦邋ｆｕｔｕｒｅ邋ｒｅｔｕｒｎ邋Ｉ邋丨逦｜逦Ｊ邋｜邋｜邋Ｉ逡逑１邋■逡逑１逦ｉ逦ｉ逦ｉ逡逑０逦５００逦１０００逦１５００逡逑Ｔｉｍｅ逡逑图３．２沪深３００指数／股指期货日收益逡逑从日价格的图中可以看到从１２００期开始，对数日价格的走势开始“过山车式”的剧烈波逡逑动，这一段对应着２０１５年开始的股市异常，，而在日收益序列图上，可以更加清楚地看到１２００逡逑期后波动明显地变得更加剧烈了。逡逑２７逡逑
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：F224;F832.51


本文编号：2533437