趙蕾，文忠橋，朱家明

（1.安徽財經(jīng)大學(xué)金融學(xué)院，安徽蚌埠233030；2.安徽財經(jīng)大學(xué)統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院，安徽蚌埠233030）

現(xiàn)貨資產(chǎn)的價格受各因素的干擾會出現(xiàn)上下波動的情形，企業(yè)為了保護現(xiàn)貨資產(chǎn)會選擇用期貨資產(chǎn)來轉(zhuǎn)移風(fēng)險.本文便介紹了基于最小方差套期保值模型的Copula-GARCH 模型來對鋁現(xiàn)貨資產(chǎn)進行保護.

GARCH-M 模型[1]是從ARCH 模型演變而來的，ARCH 模型最早由恩格爾提出，金融學(xué)家常用此類模型分析金融時間序列的波動規(guī)律.但構(gòu)建ARCH模型時需要估計很多的參數(shù)，由此產(chǎn)生了GARCH類模型，此類模型便用較少的參數(shù)來描述隨機誤差項的條件異方差特性.因為金融資產(chǎn)組合的收益率會受到風(fēng)險大小的影響，因此本模型采用了GARCHM模型來預(yù)測鋁現(xiàn)貨與期貨資產(chǎn)收益率序列的標準差，這樣預(yù)測的結(jié)果更具符合實際.Copula 函數(shù)的概念最早由Slkar 提出，此函數(shù)用來描述變量間的相關(guān)結(jié)構(gòu).本文便采用了Copula 函數(shù)來計算鋁現(xiàn)貨與期貨收益率序列的相關(guān)系數(shù).

Copula 函數(shù)在套期保值方面運用廣泛.Lee[2]構(gòu)建一個基于Copula的機制轉(zhuǎn)換GARCH模型，結(jié)果發(fā)現(xiàn)引入Copula函數(shù)很大程度上提高了套期保值有效性.馬超群等[3]分別用Copula-GARCH 模型、CCCGARCH模型、ECM-GARCH模型對外匯期貨套期保值的效果進行研究，結(jié)果表明Copula-GARCH 模型套期保值效果最好.王玉剛等[4]用Copula模型與傳統(tǒng)的方法計算的套期保值效果進行對比，結(jié)果表明Copula模型最優(yōu).

Copula-GARCH 模型的套期保值效果的研究是基于最小方差套期保值模型.本模型的特別之處在于：一方面，首先確定Gumbel Copula和Clayton Copu?la 的Kendall 秩相關(guān)系數(shù)，結(jié)合二元Copula 函數(shù)的相關(guān)性計算出上尾相關(guān)數(shù)λu和下尾相關(guān)數(shù)λl，以此兩者的平均數(shù)作為期貨和現(xiàn)貨的相關(guān)系數(shù)，其很好地描述了價格的波動情況.另一方面，本文用GARCH-M模型預(yù)測現(xiàn)貨及期貨收益率標準差，此模型將收益率的風(fēng)險因素考慮進來，更具現(xiàn)實意義.

本文首先介紹了Copula 模型與Copula-GARCH模型的最優(yōu)套期保值比率的確定，其次介紹了兩模型的相關(guān)系數(shù)的確定，隨后介紹了鋁現(xiàn)貨與期貨收益率標準差的預(yù)測.通過實證分析來比較套期保值比率的大小與套期保值有效性，最終將兩模型的效果進行對比，結(jié)果表明Copula-GARCH 模型有效性較高.

1 模型及方法

1.1 最優(yōu)套期保值比率

最優(yōu)套期保值比率是指完全消除現(xiàn)貨價格變動帶來的風(fēng)險的套期保值比率.通常用最小方差套期保值比率來估計最優(yōu)套期保值比率，即套期保值收益的方差最小時的比率.基于Copula 的最小方差套期保值模型[5]最優(yōu)套期保值比率為：

本文采用二元Copula-GARCH 模型[6]，本模型的特點是結(jié)合阿基米德Copula 函數(shù)來計算相關(guān)系數(shù).基于Copula-GARCH 最小方差套期保值模型的最優(yōu)套期保值比率為：

其中λu和λl分別為上尾及下尾相關(guān)數(shù)，σs，t和σf，t分別為現(xiàn)貨和期貨收益率序列的動態(tài)標準差.

1.2 相關(guān)系數(shù)的確定

Copula模型相關(guān)系數(shù)是運用Matlab 計算出鋁現(xiàn)貨與期貨收益率序列的Kendall 秩相關(guān)系數(shù)并結(jié)合Copula 函數(shù)的相關(guān)特性而求得.Gumbel Copula 函數(shù)Kendall 秩相關(guān)系數(shù)τ與具有參數(shù)解析函數(shù)的Copula函數(shù)的未知參數(shù)θ兩者的關(guān)系[7]為θ=1/（1-τ）.對上尾相關(guān)數(shù)進行估計的現(xiàn)貨與期貨收益率序列的二元Copula函數(shù)的表達式為：

當u1=u2=α=50%時，此值為中位數(shù)Copula 值.中位數(shù)相關(guān)系數(shù)[8]為ρ*=4C（50%，50%）-1.

根據(jù)阿基米德Copula 函數(shù)的重要特性可知，對于Gumbel Copula函數(shù)，Kendall秩相關(guān)系數(shù)τ、未知參數(shù)θ及上尾相關(guān)數(shù)λu三者的關(guān)系是θ=1/（1-τ），λu=2-21/θ.對于Clayton Copula 函數(shù)，Kendall 秩相關(guān)系數(shù)τ、參數(shù)θ及下尾相關(guān)數(shù)λl三者的關(guān)系是θ=2τ/（1-τ），λl=2-1/θ.本模型的相關(guān)系數(shù)即為.

1.3 現(xiàn)貨及期貨收益率標準差的預(yù)測

Copula 模型的現(xiàn)貨收益率標準差σs的計算采用了EWMA模型.EWMA模型[9]的具體形式如下：

其中ΔRs，t為第t日相對于前一日的現(xiàn)貨收益率的變動數(shù)值；Rs，t，Rs，t-1分別為第t，t-1 日的現(xiàn)貨收益率；?表示現(xiàn)貨收益率的變動幅度；λ為衰減因子，通常取值0.97；n為數(shù)據(jù)數(shù)據(jù)長度.

在套期保值研究中，由于GARCH-M 模型能很好地解決收益率的波動性問題，因此用此模型來預(yù)測Copula 模型的期貨收益率標準差及Copula-GARCH模型期貨和現(xiàn)貨收益率標準差.

2 實證分析

2.1 數(shù)據(jù)來源及處理

對從2013年1月1日到2015年3月10日之間的數(shù)據(jù)進行套期保值有效性研究，共667 組有效數(shù)據(jù).其中，用2013年1月1日到2014年12月31日之間的數(shù)據(jù)計算套期保值比率，用2015 年1 月1 日到2015年3 月10 日之間的數(shù)據(jù)檢驗?zāi)Ｐ偷挠行?本文用長江有色鋁主力合約來對現(xiàn)貨進行套期保值，現(xiàn)貨數(shù)據(jù)和基差來源于生意社大宗商品價格，現(xiàn)貨價格減去基差便得期貨價格.

首先對數(shù)據(jù)進行處理，分別計算出鋁現(xiàn)貨與期貨套期保值前的歷史期與套期保值時期的收益方差，處理結(jié)果見表1.

表1 期貨與現(xiàn)貨收益方差表Tab.1 Futures and spot returns variance table

統(tǒng)計結(jié)果顯示：鋁現(xiàn)貨與期貨收益率序列統(tǒng)計特征的峰度分別為6.816785、6.056206，而正態(tài)分布的峰度值為3，表明鋁現(xiàn)貨及期貨收益率序列顯著異于正態(tài)分布.結(jié)合J-B 統(tǒng)計量的值可知鋁現(xiàn)貨與期貨收益率序列服從尖峰厚尾的分布.

表2 收益率序列基本統(tǒng)計特征Tab.2 Basic statistical characteristics of logarithm series

2.2 平穩(wěn)性及協(xié)整檢驗

對鋁現(xiàn)貨與期貨收益率序列進行單位根檢驗時，根據(jù)AIC 準則自動選擇滯后階數(shù)，選擇帶截距項而無趨勢項的模型進行ADF 檢驗，ADF 統(tǒng)計量的值分別為-9.487891、-10.50247，說明現(xiàn)貨與期貨收益率序列拒絕存在一個單位根的原假設(shè)，即這兩個序列平穩(wěn).

其次進行協(xié)整檢驗，即對現(xiàn)貨期貨收益率序列的回歸殘差進行ADF檢驗.結(jié)果表明在1%顯著性水平下，線性回歸方程殘差A(yù)DF 統(tǒng)計量的值為-10.78396，說明殘差平穩(wěn)，即兩者具有協(xié)整關(guān)系.

2.3 Copula-GARCH模型估計

運用GARCH-M模型對鋁現(xiàn)貨和期貨收益率序列的估計結(jié)果見表3.從結(jié)果知，在5%顯著性水平下，z統(tǒng)計量對應(yīng)的p值均為0，說明GARCH-M 模型的參數(shù)均是顯著的.由表3可知，鋁現(xiàn)貨與期貨收益率序列對應(yīng)的GARCH-M模型檢驗結(jié)果中參數(shù)之和分別為0.750413、0.991962，即α+β＜1，說明GARCHM 模型是寬平穩(wěn)的.利用MATLAB 軟件編程，計算Gumbel Copula 和Clayton Copula 函數(shù)對應(yīng)的Kendall秩相關(guān)系數(shù)，帶入關(guān)系式分別計算出λu和λl.計算結(jié)果見表4.

表3 GARCH-M模型估計結(jié)果Tab.3 GARCH-M model estimation results

表4 Copula函數(shù)估計結(jié)果Tab.4 Copula function estimation results

2.4 兩種模型套期保值結(jié)果比較

本文將上尾及下尾相關(guān)數(shù)的平均值，GARCH-M模型預(yù)測出的期貨和現(xiàn)貨收益率的標準差代入最優(yōu)套期保值比率方程（2），從而求出Copula-GARCH 模型的套期保值比率，并與Copula 模型的套期保值比率相比較，計算結(jié)果見表5.

表5 不同模型套期保值比率及有效性比較Tab.5 The comparison of different models’hedge ratio and effectiveness

由表5 可知Copula-GARCH 模型的套期保值比率高于Copula 模型，說明Copula-GARCH 模型在節(jié)省成本方面弱于Copula模型.

2.5 套期保值效果比較

2.5.1 套期保值有效性理論

套期保值的有效性是用風(fēng)險降低的百分比來衡量的.套期保值有效性Hec越大說明風(fēng)險降低的百分比越高，即模型效果越好.套期保值有效性[10]為：

2.5.2 套期保值組合收益率方差的計算

套期保值組合的收益率是指根據(jù)套期保值比率來規(guī)避現(xiàn)貨的風(fēng)險后最終得到的收益率.套期保值組合收益率[11]的表達式為：

其中，Rh為套期保值組合的收益率，Rs、Rf分別為套期保值期鋁現(xiàn)貨與期貨收益率，h為套期保值比率.將Rs、Rf，表5中套期保值比率代入式（8）可得每天套期保值組合的收益率Rh，此時便可計算出套期保值組合收益率的方差.經(jīng)計算知，Copula 模型與Copula-GARCH 模型套期保值組合收益率的方差分別為1.8935E-05、5.10244E-06.

2.5.3 套期保值有效性的計算

進行套期保值收益率的方差即為套期保值組合收益率的方差，未進行套期保值的收益率的方差即為由樣本外數(shù)據(jù)得到的現(xiàn)貨收益率的方差，由表1知其值為3.5021E-05.最終將計算出的套期保值組合收益率方差與現(xiàn)貨收益率方差代入式（7）便可求出套期保值有效性，其結(jié)果見表5.

2.5.4 不同模型套期保值效果比較

從表5可知，Copula-GARCH模型與Copula模型套期保值比率分別為0.585778263、0.343316879，此處說明用Copula模型對鋁現(xiàn)貨進行套期保值可以適當節(jié)省成本.Copula-GARCH 模型與Copula 模型套期保值有效性分別為0.854303505、0.459323273，說明Copula-GARCH模型套期保值效果更為顯著.

3 結(jié)論

本文運用Copula模型和Copula-GARCH 模型首先對相關(guān)系數(shù)進行研究，其次用這兩種模型來預(yù)測期貨與現(xiàn)貨收益率標準差的大小，求得最優(yōu)套期保值比率，最終基于套期保值組合收益率的結(jié)果計算并分析了兩種模型的套期保值有效性，通過實證分析可得結(jié)論如下：

（1）鋁現(xiàn)貨與期貨收益率序列為平穩(wěn)時間序列且存在長期穩(wěn)定的協(xié)整關(guān)系.

（2）利用Copula-GARCH 模型進行套期保值比Copula 模型更有效地規(guī)避了現(xiàn)貨價格風(fēng)險.企業(yè)對現(xiàn)貨資產(chǎn)進行保護時可以運用本模型.

（3）本文未充分考慮現(xiàn)實中影響套期保值效果的其它因素，因此存在一些不足，企業(yè)進行套期保值時要充分考慮其它因素的影響.

[1]趙衛(wèi)亞,彭壽康,朱晉.計量經(jīng)濟學(xué)[M].北京:機械工業(yè)出版社,2008:158-180.

[2]Lee H T.A copula-based regime-switching GARCH mod?el for optional futures hedging[J].Journal of Futures Mar?kets,2009,29(10):946-972.

[3]馬超群,王寶兵.基于Copula-GARCH模型的外匯期貨最優(yōu)套期保值比率研究[J].統(tǒng)計與決策,2011,331(12):124-128.

[4]王玉剛,遲國泰,楊萬武.基于Copula的最小方差套期保值比率[J].系統(tǒng)工程理論與實踐,2009,29（8）:1-10.

[5]Hull J C.Options,futures and other derevatives:8th Edition[M].New York:Prentice Education Inc,2012:39-43.

[6]趙家敏,沈一.股指期貨最優(yōu)套期保值比率：基于Copula-GARCH模型的實證研究[J].武漢金融,2008（5）:21-24.

[7]韋艷華,張世英,郭焱.金融市場相關(guān)程度與相關(guān)模式的研究[J].系統(tǒng)工程學(xué)報,2004,19（4）:355-362.

[8]張堯庭.連接函數(shù)（copula）技術(shù)與金融風(fēng)險分析[J].統(tǒng)計研究,2002,19（4）:48-51.

[9]遲國泰,劉軼芳,馮敬海.基于牛頓插值原理的期貨價格波動函數(shù)及保證金隨動模型[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2005(3):150-160.

[10]Satyanarayan S.A note no a risk-return measure of hedg?ing effectiveness[J].Journal of Futures Markets,1998,18(7):867-870.

[11]Ederington L H.The hedging performance of the new fu?tures markets[J].Journal of Finance,1979(34):157-170.