大豆期货价格极端风险管理研究
发布时间：2021-03-07 07:52
在大豆期货市场的快速发展和入世以来我国大豆市场的开放程度较高的背景下，大豆价格波动越来越剧烈。国内大豆压榨企业尽管在期货市场上做了套期保值操作，但由于未考虑在期货价格出现极端波动情形，因而在大豆价格出现极端变化时仍遭受巨大损失。因此，对大豆期货价格产生极端风险波动的影响因素和以及该因素变动给大豆期货价格波动的影响程度进行研究，并力图分析该因素影响时大豆期货价格的走势方向和作用的持续时长，对大豆压榨企业的风险管理具有重要理论与现实意义。首先根据中、美大豆期货交易的间断连续性和品种的同类性，采用TGARCH模型对中、美大豆期货价格进行建模——利用美国大豆期货价格预测中国大豆期货价格可能的动态变动方向，预测国内大豆期货价格收益率下一周期可能的动态极端风险波动值，同时利用门限系数比较分析利好消息和利空消息对国内大豆期货价格收益率波动的冲击程度。其次，本文采用情景分析方法分析不同情景下的大豆期货价格极端波动风险。主要的情景分析包括：利用历史模拟和蒙特卡洛模拟法将历史数据在将来重现可能的极端波动情景、大豆供给和美元走势的组合情景、货币供给情景和极端事件性情景等可能给大豆期货价格产生的极端波动。通过...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
美国大豆期货价格日收益率序列相关图
25图 3.3 回归后残差相关性分析 模型发现，残差存在一阶自相关，故而在回归预对回归残差进行 ARCH-LM 检验如表 3.9，，可以进行 ARCH 模型操作。表 3.10 中的残差表 3.9 Heteroskedasticity Test:ARCHtatistic 145.6398 Prob. F(1,2091) 0-squared 136.2866 Prob. Chi-Square(1) 0表3.10 残差相关性检验riable Coefficient Std. Error t-Statistic PC 9.08E-05 6.42E-06 14.13357 0D^2(-1) 0.255178 0.021145 12.06813 0
图3.7 检验残差回归方程中的残差检验图最后建立模型结果：( ) ( ) 1 10.000175 0.34513* 0.215518*DCE t CBOT t tR R μ = + （3-6）（10.43） （-3.12）2 2 2 21 1 1 11.17293e 05 0.07 * 0.1244 * * 0.77 *t t t t tσ μ μ dσ = + + + （3-7） （2.36） （2.93） （11.17） R2=0.32 AIC=-6.05 SC=-5.96 F统计量为13.56.006.008.010.012.014.016.01850 100 150 200 250Conditional standard deviation-.06-.04-.02.00.02
【参考文献】：
期刊论文
[1]美国大豆补贴政策对我国的借鉴和启示[J]. 王玉飞. 农业经济问题. 2011(01)
[2]2020年中国人粮关系情景分析[J]. 张晶. 经济地理. 2010(12)
[3]ISM在大豆价格影响因素分析中的应用[J]. 马来坤. 中国制造业信息化. 2010(23)
[4]历史模拟法诸模型的比较研究[J]. 黄剑. 金融研究. 2010(11)
[5]基于压力测试的供应链极端风险管理方法探讨[J]. 姚卫新,游佳敏. 经济经纬. 2010(05)
[6]中国货币供给分析及货币政策评价:1986～2007年[J]. 张延群. 数量经济技术经济研究. 2010(06)
[7]略论货币供给与价格水平和汇率的关系[J]. 杨文进. 福建论坛(人文社会科学版). 2010(05)
[8]情景分析在商业银行风险管理中的应用[J]. 范洪波,刘培国. 金融论坛. 2010(05)
[9]扩张政策下的货币因素分析——基于中国长期超额货币供给视角分析[J]. 和立道,范修礼. 经济问题探索. 2010(02)
[10]情景分析在操作风险计量中的应用研究[J]. 谢晓雪. 投资研究. 2009(12)
硕士论文
[1]基与蒙特卡罗模拟法的风险价值（VaR）及其在中国股票市场中的运用[D]. 郭繁.山东大学 2006
本文编号：3068677
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
美国大豆期货价格日收益率序列相关图
25图 3.3 回归后残差相关性分析 模型发现，残差存在一阶自相关，故而在回归预对回归残差进行 ARCH-LM 检验如表 3.9，，可以进行 ARCH 模型操作。表 3.10 中的残差表 3.9 Heteroskedasticity Test:ARCHtatistic 145.6398 Prob. F(1,2091) 0-squared 136.2866 Prob. Chi-Square(1) 0表3.10 残差相关性检验riable Coefficient Std. Error t-Statistic PC 9.08E-05 6.42E-06 14.13357 0D^2(-1) 0.255178 0.021145 12.06813 0
图3.7 检验残差回归方程中的残差检验图最后建立模型结果：( ) ( ) 1 10.000175 0.34513* 0.215518*DCE t CBOT t tR R μ = + （3-6）（10.43） （-3.12）2 2 2 21 1 1 11.17293e 05 0.07 * 0.1244 * * 0.77 *t t t t tσ μ μ dσ = + + + （3-7） （2.36） （2.93） （11.17） R2=0.32 AIC=-6.05 SC=-5.96 F统计量为13.56.006.008.010.012.014.016.01850 100 150 200 250Conditional standard deviation-.06-.04-.02.00.02
【参考文献】：
期刊论文
[1]美国大豆补贴政策对我国的借鉴和启示[J]. 王玉飞. 农业经济问题. 2011(01)
[2]2020年中国人粮关系情景分析[J]. 张晶. 经济地理. 2010(12)
[3]ISM在大豆价格影响因素分析中的应用[J]. 马来坤. 中国制造业信息化. 2010(23)
[4]历史模拟法诸模型的比较研究[J]. 黄剑. 金融研究. 2010(11)
[5]基于压力测试的供应链极端风险管理方法探讨[J]. 姚卫新,游佳敏. 经济经纬. 2010(05)
[6]中国货币供给分析及货币政策评价:1986～2007年[J]. 张延群. 数量经济技术经济研究. 2010(06)
[7]略论货币供给与价格水平和汇率的关系[J]. 杨文进. 福建论坛(人文社会科学版). 2010(05)
[8]情景分析在商业银行风险管理中的应用[J]. 范洪波,刘培国. 金融论坛. 2010(05)
[9]扩张政策下的货币因素分析——基于中国长期超额货币供给视角分析[J]. 和立道,范修礼. 经济问题探索. 2010(02)
[10]情景分析在操作风险计量中的应用研究[J]. 谢晓雪. 投资研究. 2009(12)
硕士论文
[1]基与蒙特卡罗模拟法的风险价值（VaR）及其在中国股票市场中的运用[D]. 郭繁.山东大学 2006
本文编号：3068677
本文链接：https://www.wllwen.com/weiguanjingjilunwen/3068677.html
