期貨最優(yōu)套期保值比率地估計

1、實用標準文案大全文案大全、實驗名稱：期貨最優(yōu)套期保值比率的估計二、理論基礎期貨套期保值比率概述期貨，一般指期貨合約，作為一種套期保值工具被廣泛使用。進行期貨套期保值交易過程中面臨許多選擇，如合約的選取，合約數(shù)量的確定。如果定義套期保值比h為期貨頭寸與現(xiàn)貨頭寸之商的話，在上面的討論中一直假設期貨頭寸和現(xiàn)貨頭寸相同，即套期保值比h為1，但這不一定是最優(yōu)的套期保值策略。如果保值者的目的是最大限度的降低風險，那么最優(yōu)套期保值策略就應該是讓套保者在套保期間內(nèi)的頭寸價值變化最小，也就是利用我們?nèi)缦滤f的頭寸組合最小方差策略?？紤]一包含C單位的現(xiàn)貨多頭頭寸和C單位的期貨空頭頭寸的組合，記S和F分別sftt為

2、t時刻現(xiàn)貨和期貨的價格，該套期保值組合的收益率R為：hCAS-CAFTOC o 1-5 h z HYPERLINK l bookmark6 o Current Document R二一stfJ=RhR(2-1)hCSsfst式中：h二Cf/C為套期保值比率，R=ASt，S，R=AF/f,AS二SS一，sttAF=FF。ttt1 HYPERLINK l bookmark10 o Current Document 收益率的方差為：Var(R)=Var(R)+h2Var(R)一2hCov(R,R)(2-2)hsfsf(2)式對h求一階導數(shù)并令其等于零，可得最小方差套期保值比率為：Cov(R,R)qh

3、*=sf=ps(2-3)Var(R)qff其中：p為R與R的相關系數(shù)，q和q分別為R與R的標準差。sfsfsf計算期貨套期保值比率的相關模型雖然上述的介紹中的h*=pQsQ可以求解最優(yōu)套期保值比，但其操作性不強，其先要/f分別求三個量然后再計算h*，顯然誤差較大，下面為幾種常見的關于求解最優(yōu)套期保值比率的時間序列模型。簡單回歸模型(OLS)考慮現(xiàn)貨價格的變動(AS)和期貨價格變動(AF)的線性回歸關系，即建立:AS=c+h*AF+s(2-4)ttt其中C為常數(shù)項，為回歸方程的殘差。但是上述線性回歸模型常常會遇到殘差項序列相t關和異方差性的問題，從而降低參數(shù)估計的有效性。2）誤差修正模型（ECM

4、）現(xiàn)實中的期貨價格和現(xiàn)貨價格序列往往是非平穩(wěn)的，期貨合約定價理論決定了期貨價格與現(xiàn)貨價格序列的走勢之間存在著某種共同的趨勢，即期貨價格和現(xiàn)貨價格序列之間可能存在協(xié)整關系。在計量分析中，若兩個時間序列之間存在協(xié)整關系，那么傳統(tǒng)的OLS的估計量將是有偏的，換句話說，得到的“最優(yōu)”套期保值比率將不是最優(yōu)的，存在一定的偏誤。Ghosh（1993）通過實證發(fā)現(xiàn)：當不恰當?shù)睾雎詤f(xié)整關系時，計算出的套期保值比率將小于最優(yōu)值。Lien&Luo（1993）、Ghosh（1993）與Chou、Fan&Lee（1996）分別提出了估計最優(yōu)套期保值比率的誤差修正模型，并使用兩步法進行估計。ECM模型將從期貨價格和現(xiàn)貨

5、價格序列開始分析起，得出能同時反應短期關系和長期關系相結合的模型使得估算出更精確的最優(yōu)套期保值比率?？紤]現(xiàn)貨價格和期貨價格的水平序列，一般情況下，通過自相關圖和單位根檢驗現(xiàn)貨價格和期貨價格序列都不平穩(wěn)，都存在一個單位根，但對兩者進行回歸，發(fā)現(xiàn)回歸方程比較顯著，對殘差序列進行單位根檢驗，通常會得出拒絕其為非平穩(wěn)序列的結論。說明現(xiàn)貨價格和期貨價格間可能存在協(xié)整關系，即現(xiàn)貨價格與期貨價格間可能存在長期均衡關系Lien&Luo（1993）認為，若現(xiàn)貨和期貨價格序列之間存在協(xié)整關系，那么，最優(yōu)套期保值比率可以根據(jù)以下兩步來估計。第一步，對下式進行協(xié)整回歸：TOC o 1-5 h z HYPERLINK

6、l bookmark14 o Current Document S=a+bF+（2-5）ttt第二步，估計以下誤差修正模型：AS=a（S-F）+pAF+區(qū)5AF+丫9AS+e（2-6）tt-1t-1tit-ijt-jti=1j=1（2-6）式中0的OLS估計量P即為最優(yōu)套期保值比率h*。Chou、Fan&Lee（1996）將第二步的誤差修正模型改為：AS=a+0AF+遲5AF.+工9AS+e（2-7）tt-1tit-ijt-jti=1j=1其中：=S-（a+bF）為（2-5）式中估計的殘差項，也稱為誤差修正項（ECM），t-1t-1t-1運用誤差修正模型對參數(shù)進行估計時，先估計方程（2-5），

7、保留其殘差項，然后利用方程(2-7)估計參數(shù)得到最優(yōu)套期保值比率h*。模型建立和估計的過程將在實驗過程中給出。ECM-BGARCH模型方程(5)中還存在一個問題：殘差序列卩是否是同方差，就金融時間序列來講，誤差的方差不隨時間而發(fā)生變化是不太可能的，因此，假定模型殘差的方差不是常數(shù)是一種合理的考慮，它還描述殘差是如何變化的。觀察金融資產(chǎn)的收益序列往往發(fā)現(xiàn)其表現(xiàn)出“波動聚集”的特征，即波動的當期水平往往與它最近的前些時期的水平正相關關系。這將導致用資產(chǎn)價格收益的序列進行回歸時，其殘差項往往不具備同方差性，殘差項方差和其前期方差存在一定的關系，常常用ARCH過程或廣義ARCH過程(GARCH)來描述

8、這種關系。需要注意的是一元GARCH模型僅能估計單一變量的條件方差，無法估計序列之間的協(xié)方差。為此我們要估計最優(yōu)套期保值比率h=COV(S,F)/VAR(AF)，需要建立二元GARCH(B-GARCH)模型。在這里我們采用。下面我們分別采用常數(shù)二元GARCH模型和DBEKK二元GARCH模型給出ECM-B-GARCH方法下估計最優(yōu)套期保值比率的模型。兩種GARCH模型運用均值方程相同都為AStAFt8z+空St_1+8zLft-l8s,t18f,t-1(2-8)QN(0,H)t-1t(其中=S-(oc+0F)即上文提到的誤差修正項)t-1t-1t-1注意此處的均值方程中包含了誤差修正項，即考慮

9、了現(xiàn)貨價格和期貨價格的長期協(xié)整關系。a)常數(shù)相關系數(shù)的二元GARCH模型常數(shù)相關系數(shù)的二元GARCH模型的條件方差方程:vec(H)二C+A-vec(88)+B-Htt-1t-1t其中：C為3x1的參數(shù)向量；A和B均為3x3的系數(shù)矩陣)同時為了簡化參數(shù)估計，假定殘差項8s,t和8f,t之間的相關系數(shù)為常數(shù)卩sf(注意沒有時間rhhJh0_r1PJh0_ss,tsf,t=ss,tsfss,thh0，/hP10Jhsf,tff,tVff,tsf_1V#,t下標t)。此時H=tVec算子取矩陣的“上三角形”部分，把每一元素排成一個單列的向量。例如：ve(cH)tss,thff,thsf,t。這樣我們

10、把上述矩陣形式表示的條件方差方程可展開得到：hC+as2+Bhss,tSSSSs,t-1ssss,t-1hC+a82+phff,ffff,t-iffff,t-ihphhsf,tsfss,t-1ff,t-1b)DBEKK模型DBEKK模型的條件方差方程為：ve(H)vec(CC)+vec(A88A)+vec(BHB)_hh-CC一a0-rp0_ss,tsfC1112、A11、B=11hh0C0a0Psf,tff,t122122122(2-9)t-1t-1t-1t)(HtVec算子取矩陣的“上三角形”部分，把每一元素排成一個單列的向量。例如：ve(cH)thss,thff,thsf,t+p2xh+

11、a2X8211ss,t-111s,t-1+a282221222ff,t-122f,t-1+axa881122s,t-1f,t-1hst卄。為了不與條件方差項混淆，此處最優(yōu)套Var(8)hftff,t。這樣我們把上述矩陣形式表示的條件方差方程可展開得到：h=Css,thC2+C2+p2xhff,thCxC+pxphsf,t11222211sf,tCov(8,8)得到最優(yōu)套期保值比率B*t211期保值比率用B*表示，表明運用ECM-B-GARCH法得到的最優(yōu)套期保值比率是隨時間變化t的一個序列，表明我們要隨著時間的變化不斷調(diào)整套期保值的頭寸。期貨套期保值比率績效的評估為了對利用最小方差套期比的績效

12、進行評估，我們考慮一包含1單位的現(xiàn)貨多頭頭寸和h單位的期貨空頭頭寸的組合。組合的利潤AV為：AVCAS-CAF(2-10)HHstft套期保值組合的風險為：Var(AV)C2Var(AS)+C2Var(AF)-2CCCov(AS,AF)(2-11)Hsfsf由于現(xiàn)貨的持有頭寸在期初即為已知，因此，可以視之為常數(shù)，等式兩邊同除C2,得：sVar(AV)HVar(AS)+(h*)2Var(AF)-2h*Cov(AS,AF)(2-12)C2s對于不同方法計算出的最優(yōu)套期保值比率h*，我們可以通過比較(2-12)來對它們各自套期保值的保值效果進行分析。三、實驗目的利用上述理論模型估計中國期貨交易所交易

13、的期貨合約的最優(yōu)套期保值比率并對保值效果進行績效評估，說明期貨套期保值在經(jīng)濟生活中的重要作用，并找出績效評估最佳的套期保值比率模型。同時幫助讀者熟悉EVIEWS軟件的操作，使讀者能用互聯(lián)網(wǎng)上的數(shù)據(jù)分析解決實際的金融問題。四、實驗方法在實驗過程中使用時間序列分析的方法對整理后的價格時間序列按照上面的理論基礎模型進行建立模型以得到最優(yōu)套期保值比率系數(shù)，其中涉及時間序列分析中的方法有：模型參數(shù)估計，參數(shù)的顯著性檢驗，變量平穩(wěn)性檢驗（含單位根檢驗），回歸殘差項的ARCH效應檢驗等。這些過程都將在EVIEWS軟件中進行，因此EVIEWS軟件的使用方法也是我們重要的實驗方法。五、實驗過程（一）數(shù)據(jù)的搜集和

14、整理1、數(shù)據(jù)的搜集本報告以上海期貨交易所中鋁的期貨合約為例，利用上面介紹的方法通過EVIEWS的操作估計中國期貨交易所交易的期貨合約的最優(yōu)套期保值比率并對其績效進行簡單評估。由于期貨合約在交割前兩個月最活躍，使得其價格信息釋放較為充分，更能反映期貨合約的真實價值，所以中國企業(yè)多用距離交割月份較近的期貨合約進行保值，故選擇了在任何一個時點的后一個月進入交割月的期貨合約的中間價格作為分析對象。從國泰君安數(shù)據(jù)庫上下載了AL的2013年1月4號到2013年12月31號的現(xiàn)貨價格數(shù)據(jù)，按上段的方法在上海期貨交易所網(wǎng)站上得到相應的期貨數(shù)據(jù)并在EXCEL中進行整理，整理后我們得到含有238對期貨現(xiàn)貨數(shù)據(jù)的E

15、XCEL文件。2、EVIEWS工作文件的建立打開EVIEWS，選擇FILE下拉菜單中NEW項在NEW項下的下拉菜單中選擇WORKFILE項，彈出如圖2.1所示workfilecreat菜單窗口：（1）在datespecification中的Frequency的下拉復選框中選擇intergerdate；（2）在start和end中分別輸入1和238；（3）在WF項后面的框中輸入工作文件名稱HR,點擊0K項彈出如圖1所示的工作文件窗口，這樣就建立了樣本期從1到238的整數(shù)頻率工作文件HR。QWorkfile:HR-（f:36D日日怡憧要數(shù)據(jù)我的丈檔hr,wfl）|d題I-密世1.巴0空也販e|D亡

16、掃險+卜|旦g訥雖tch|Star亡|Delete口烈耳田pjJRange:1239-239obsDisplayFilter*Sample:1Z39239obsAlc回resid圖1工作文件HR對話框3、數(shù)據(jù)的導入在HR工作文件的菜單項中選擇Proc，在彈出的下拉菜單中選擇Import，然后在二級下拉菜單中選擇ReadText-lotus-Excel,找到數(shù)據(jù)EXCEL文件存儲路徑后雙擊文件名。選定數(shù)據(jù)的排列順序：Byobservations，選項右邊Upper-leftdatacell下的空格填寫Excel工作文件左上方第一個有效數(shù)據(jù)單元格地址，系統(tǒng)默認的為B2,在中輸入序列的名稱，這里命名

17、為f及s分別為期貨和現(xiàn)貨價格序列。同時還可以輸入數(shù)據(jù)截取范圍，一般不須改變EVIEWS的默認值。點擊OK按鈕，數(shù)據(jù)序列即被導入，在工作文件中以圖標形式顯示，見下圖2。圖2數(shù)據(jù)導入后的工作文件4、數(shù)據(jù)的驗證和保存點擊導入的序列f,查看導入序列是否正確合理。接著保存工作文件，選FileSave打開保存對話框，輸入工作文件名和保存的位置。這里將保存的工作文件命名為FS,點擊OK按鈕即可，EVIEWS將在指定的目錄位置，以FS.WF1的名稱保存工作文件。(二)利用Eviews估計最優(yōu)套期保值比率1、用OLS模型估計最優(yōu)套期保值比率調(diào)整樣本期在EVIEWS命令窗口中輸入“smpl2238”并按回車鍵執(zhí)行

18、命令將樣本期調(diào)整到2到238。這里調(diào)整樣本期的目的是為了對價格序列進行差分。建立F和S的差分序列在EVIEWS命令窗口中輸入“seriesif=f-f(-1)”并按回車鍵執(zhí)行命令得到期貨價格的差分序列if；在EVIEWS命令窗口中輸入“seriesis=s-s(-1)”并按回車鍵執(zhí)行命令得到現(xiàn)貨價格的差分序列is,如圖3,這里的is和if即我們上面所說的價格變化序列AF和AS。圖3F和S的差分序列生成建立AF和As的OLS簡單回歸模型在EVIEWS命令窗口中輸入Isiscif并按回車鍵執(zhí)行命令得到期貨價格的差分序列if對現(xiàn)貨價格的差分序列is的回歸方程，結果如圖4所示：寫成方程式為：ASt=0

19、.230444+0.698767A+作方程一t(-0.1674)(25.5769)p(0.8672)(0.0000)第二行括號里是t統(tǒng)計量，第三行括號里是p值，結果顯示該方程整體上顯著的，且解釋變量系數(shù)很顯著(p值為0),故基本認可該回歸模型?；貧w結果表明每一單位的現(xiàn)貨頭寸要用0.698767單位相反的期貨頭寸進行對沖，即最優(yōu)套期保值比為0.698767。DependentVariable:ISMethod:LeastSquaresDate:06/03/14Time:15:393ample:2238Includedobservations:237VariableCoefficientStd.E

20、rrort-StatisticProb.G-0.2304441.376&79-0.1674030.8672IF0.69876-70.Q27J2025.5-76B5O.QOOOR-squared0.735710Meandependentvar-4.092827AdjustedR-squared0.724586S.D.dependentvar40.8868&S.E.ofregression21.06426Akaikeinfocriterion8941436Sumsquaredresid104270.2Schwarzcriterion8.970702Loglikelihood：-1057.560Ha

21、nnan-Quinncriter.8.95-3232F-statistic654.1754Durbin-Watsonstat1.912744ProbCF-statistic)Q.oooaoo圖4OLS估計結果2、用ECM模型估計最優(yōu)套期保值比率1）期貨價格序列即f序列的平穩(wěn)性檢驗點擊打開f序列，選擇菜單Viewcorrelogram,彈出correlogramspecification對話框，在對話框中選擇Level表明對原序列進行檢驗，因為樣本期有數(shù)據(jù)238個，在滯后期空格處填寫24（用238除以10,取近似值），點擊OK，出現(xiàn)以下結果（見圖5）Date:05729/14Time:16:54

22、Sample:223gIncludedobservations:237AutocorrelationPACQ-StatProb10.9700.970225.9SQJQO20.940-0022439.07o.aoo30.907-0.065638.34o.aoo4.874-0.026S23.97o.aoo&0.841-0.009996.54o.aoo&a.S07-0.0351156.1o.aoo70.7790.0901305.4o.aooS0.751-0.0241444.8o.aoog.7260.0371575.7o.aoo100.7Q1-0.0151693.4o.aoo110.676-0.041

23、1S12.8o.aoo120.6520.0241919.9o.aoo130.6300.0132020.2o.aooU06120.0655-115.40.000150.5960.0162206.0o.aoo160.5S10.0052292.&o.aoo170.566-0.0112375.0o.aoo180.547-0.0332452.5o.aoo190.527-0.0372524.5o.aoo200.502-0.0592590.4o.aoo210476-0.0452649.7o.aoo220.4510.0392703.3o.aoo230.4290.029.2751.9o.aoo24.407-0.

24、0212795.9o.aoo圖5期貨價格的自相關及偏相關系數(shù)實用標準Q-StatProb實用標準文案大全文案大全從序列的自相關系數(shù)(autocorrelation)沒有很快的趨近與0,可以看出原序列是非平穩(wěn)的序列。下面對其進行進一步的單位根檢：選擇菜單View-Unitroottest項彈出窗口，在檢驗類型(Testtype)中選擇默認的ADF檢驗。Testforunitin中可以選擇對原序列，一階差分或二階差分序列做單位根檢驗，這里我們先保持默認的level，即原序列。Includeintestequation中選擇第二個選項，即同時具有趨勢項和常數(shù)項(因為資產(chǎn)價格序列往往有一定的趨勢和截距

25、)，其它選項保持系統(tǒng)默認值，點擊OK得到圖6：NullHypothesis:FhasaunitrootExogenous:Constant,LinearTrendLagLength:0(AutomatictasedonSIC,MMLAG=14)t-StatisticProb.*AugmentedDicker-Fullerteststatistic-3.0925770.110STestcriticalvalues:lu&l-3.9972&05%I出el-3.42890010level-3.137898MacKinnon(1996)one-sidedp-values圖6期貨價格序列單位根檢驗結果從

26、結果可以看出ADF檢驗值大于各顯著水平臨界值，且犯第一類錯誤的概率大于0.1,說明我們不能拒絕原序列存在一個單位根的假設。重復上述操作，在選擇Testforunitin時候選擇1stdifference即對一階差分序列進行檢驗，得到圖7：NullHypothesis:D(F)hasaunitrootExogenous:Constant.LinearTrendLagLength:0AutomaticbasedonSIC,MAXLAG=14)t-StatisticAugirientedDickey-Fullerteststatistic-14.048890.0000Testcriticalvalu

27、es:1%leel-3.99741S5%-3.4289811擁level-3.n7946*MacKinnon(1996)ane-sidedp-values圖7期貨價格一階差分序列單位根檢驗結果從結果中可以看出ADF統(tǒng)計量小于臨界值，犯第一類錯誤概率接近為0,說明一階差分序列不存在單位根。綜上兩次檢驗我們可以肯定期貨序列f是一階單整的。2、現(xiàn)貨價格序列即s序列的平穩(wěn)性檢驗與期貨價格序列平穩(wěn)性檢驗過程相同，對現(xiàn)貨價格進行自相關檢驗和兩次單位根檢驗的結果見圖8-10：Date:06/03/14Time:15:23Sample:2238Includedobservations:237Autocorre

28、lation10.9610.961221.570.00020.917-0.08542409000030.807-0.090606.00000040.816-0036763.02Q.000&0.764-0.041910.50O.QOO60712-0.0231034.80.00010.6570.0711144.5O.OOQ80.6210.0651239.00.00090.58100501323.70000100543-0.0131397.10.000110505-0.0301461.10.000120.468-0.0211516.20.000130430.0091563.60.000斗040400

29、421605.1000015038000491642.10.000160.356-00521674.50.000170.332-0.0131702.80.00013030-0.0061726.&000019J273-0.0271745.8000020血44o.oos1761.S0.000210.2U-00261773.30.000220.1360.011仃聰40.000230.155-0.05917S3.S0.000240127-0.0Q31793.00000圖8現(xiàn)貨價格的自相關及偏相關系數(shù)NullHypothesis:ShassunitrootExogenous:Constant,Linea

30、rTrendLagLength:1Automalicbased的SIC.MAXL7G=14)t-StatisticProb.71AuqmentedDiekey-FuIlerlestsiatisti匚-2.7353-130.2334Testcrilicalvalues:1%leel陰level10level-3.997418-3.428931-3.17946MacKinnon(1996)one-sidedp-values圖9現(xiàn)貨價格序列單位根檢驗結果NullHypothesis:D(S)hasaunitrootExogenous:Constant,LinearTrendLagLength:0CA

31、utomaticbasedonSIC,MAXLAG=14)t-StatisticProb*AugmeniedDickey-Fullerteststatisti匚-13.057700.0000Testcriticalvalues:1%level-3.9974185處level10%level-3.137946MacKinnon(1996)one-sidedp-walues.圖10現(xiàn)貨價格一階差分序列單位根檢驗結果從圖8-10中我們發(fā)現(xiàn)現(xiàn)貨價格序列s也不平穩(wěn)，它與期貨價格一樣也是一階單整的。3、對現(xiàn)貨價格序列s和期貨價格序列f的協(xié)整檢驗由于期貨價格序列與現(xiàn)貨價格序列是同階單整的，故滿足協(xié)整檢驗前提

32、。接下來我們用現(xiàn)貨價格對期貨價格做回歸，用其殘差來檢驗期貨價格序列與現(xiàn)貨價格序列是否存在協(xié)整關系。在EVIEWS命令窗口中輸入smpl1238并按回車鍵執(zhí)行命令將樣本期調(diào)整到1到238.在EVIEWS命令窗口中輸入Isscf并按回車鍵執(zhí)行命令得到圖11。Dependentvariable;SMethod;LeastSquaresDale:06/02/14Time:15:34Sample:1238Includedobservations:238VariableCoefficientStef.Errort-StatisticProb.C547132725J.319521.598520.0000F0

33、.6317230.01746135.60610.0000R.-squareci0.W054MeandependentvarU48S.02AdjustedR-squared0.842400S.D.dependentvar219.9815S.E.ofregression87.33029Akaikeinfocriterion11.78564Sumsquaredresid1799873.Schwarzcriterion11.81482Loglikelihood-1400.491Hannan-Quinncriter.11.79740F-statistic1267.8Q2urbin-Watsonstat0

34、.0&9949Prat(F-statistic0.000000圖11現(xiàn)貨價格對期貨價格回歸結果從圖11中t統(tǒng)計量和F統(tǒng)計量都可以認為模型是顯著的，選擇菜單Name保存模型，默認其名為eq02，下面進一步對其殘差進行單位根檢驗：(1)先保存上述回歸方程中的殘差。在EVIEWS命令窗口中輸入seriese=resid并按回車鍵，實用標準實用標準實用標準圖14殘差的ARCH效應檢驗結果文案大全圖14殘差的ARCH效應檢驗結果文案大全圖13期貨價格與現(xiàn)貨價格的協(xié)整方程文案大全上述回歸方程中的殘差將保存到新序列e中。(2)打開序列e,選擇菜單ViewUnitroottest,在彈出的對話框中，選擇對序列

35、e進行不含趨勢向和常數(shù)項的檢驗，得到如下結果(見圖12)：NullHypothesis:EhasaunitrootExogenous:NeneLagLength:2(AutomaticbasedonSIG.MAXLAG=14t-StatisticProt.*AugmentedDickey-Fullertesistatistic：-2.5233440.0113Tstcriticalvalues:用level5騎levelmi論-1.942U2-1.61&799MacKinnon(1996one-sidedp-values.圖12殘差e序列單位根檢驗結果結果顯示在1%的置信區(qū)間內(nèi)可以接受殘差序列e

36、不含單位根的假設。這說明兩序列協(xié)整關系存在，因此這里的殘差項e可以當作誤差修正項用作建立誤差修正模型。4、建立含有誤差修正項的AF和AS間的誤差修正模型在EVIEWS命令窗口中輸入smpl2238并按回車鍵執(zhí)行命令將樣本期調(diào)整到2到238。在EVIEWS命令窗口中輸入Isiscife(-1)并按回車鍵執(zhí)行命令并選擇菜單Name以默認名eq03保存。結果如圖13：Dependentvariable:ISMethod:LeastSquaresDate:06/03；-14Time:15:50Sainple:238Ircludecfobservations:237VariableCoefficient

37、Std.Errort-&tatiSticProb.I-0.2354150.695819-0.02+3201372543-0.1715130.0230725.481450J1&747-1.5444570.8640Q.00000.1238R-squaredAdjustedR-squaredS.E.ofregressionSunnsquaredresidLoglikelihoodF-statisticProbtF-statistic)073SJ770.73&U121.00245103518.1-1056.35-8330.2088o.ooaaooMeandependenivarS.D.dependen

38、tvarAkaikeinfocriterionSchwarzcriterionHannan-Quinneriter.Durbin-Watsonstat-Q.014009實用標準實用標準實用標準圖17均值方程殘差的條件方差文案大全圖17均值方程殘差的條件方差文案大全文案大全下面我們將分別運用常數(shù)相關系數(shù)二元GARCH模型和D-BEKK二元GARCH模型分別說明點擊菜單的最優(yōu)套期保值比率估計。（1）常數(shù)相關系數(shù)二元GARCH模型（CCC-BARCH）（菜單式操作）由于我們假定殘差項和之間的相關系數(shù)為常數(shù)P，故可通過分別對S、AFs,tf,tsf做兩個單方程的GARCH估計得到h和h，并用S、F均值

39、方程的殘差序列的相關系ss,tff,t數(shù)作為P。sf對AS做單方程的GARCH估計點擊EVIEWS窗口菜單Quick/EstimateEquation命令出現(xiàn)窗口，在Method下拉項中選擇ARCH項，彈出如圖15所示的窗口。S3Z1lo3：5三確定取消Wormal（Gauseistl,Sample：230TpLt-HsholdErrorMe：=ltle（iiatigDepemirLtfullowedbyregreeeore&AEMAtermsORexplicit虹氓MjNone脅|Spe匚iicationsijptiureEquationEstimationAutorssiveCunditi

40、gnaJ.Hetticity一：=lti：=ltlce：=ltli1dieiblitiqtlspecificatiotlYai-i：=LTLceModel：pAJ-CH/TARCHOrder：ARCH:1GABCH:廠Res-trictioi血neEmtim包tiurL呂mttingsMflthodATlCH圖15GARCH估計方程對話框在MeanEquation中輸入均值方程的變量iscife（-1），其它保持默認，點擊確定并將其保存為eq04得到如下結果（見圖16）：DependentVariable:ISMethod:ML-ARCHMarq.iarcft)-Normaldistribut

41、ionDate:06/03714Time:1&27Sample:2233inclurfedobservations:237ConvergenuEachievedaflerS6iteratiorsPresample.arianee:backcast(parameter=0.7)GARCH=0(4)+U懼ESID尸2+C(&)*GARCH(-1)VariableCoefficientStd.Errorz?StatisticProb.C-0.4045091.&15390-0.2669340.7895IF0.6845360.02323229.402450.0000E(-1)-0.0259510.015

42、361-1.6093770.0911VarianceEquationC467371630&.660S1.&290530.1263RESIDt-120.0634050.0500051.2659400.2055GARCH(-1)-0.1346650.714341-0.1SS5170.S50&R-squared0.733173Meandepenc-entvar-4.092027AdjustedR-squared0.735935S.D.dependentvar40.00630S.E.ofregression21.01064Akaikeinfoerterion8.958984Sumsquaredresi

43、d103298.6Schwarzcriterion9.046703Loglikelihocd-1055.640Hmnnmn-Quinncriter.8.994372F-statistic131.9440Durbin-Watsonstat1.072849Prob(F-statistic)0.000000圖222GARCH方程估計結果得到GARCH方程估計結果后，需保存均值方程的殘差序列。在命令框輸入：“seriesresid01=resid.”此時resid中存放的殘差項是主方程（均值方程）的，而這正是我們所需要的。同時點擊procmakegarchvarianceseries,得到估計的條件方

44、差序garch01（見圖17）口Series:GARCH01Workfile:FSr:Untitled|=回SEV!豐Fed9切匚必.P.Q.pe電亟fi屈艸即gFree足pefeult逆也匚少出彳羽已丹-|Lastupdated:06/03714-13:31Modified:2238HConditioralVariancer1NA2435.25913462.92104421.59975412.8292641220377416.88558414.11709525.609610524.712511432.203412410.481513412.210714412.1S3015*用卜GARCH01

45、實用標準實用標準實用標準文案大全文案大全圖20)。文案大全對AF做單方程的GARCH估計使用與前面相同的操作，我們又得到一個殘差序列resid02和garch02.然后將殘差序列residOI和resid02以組的方式打開，點擊viewcorrelationcommonsample，便可看到residOI和resid02的相關系數(shù)如圖18：sfST、Gr-oup:UMTTTLEDWorkfile:FS:Untifled二SWi亡訥jJbjec|Prin七|卜巾己F亡亡w亡|Sample|Sh亡亡士呂色型豈史三ICcrr&lati-onKE&ID01RESID02RE8ID011.000000-

46、0.840986RESID02-0.0409881.000000圖18相關系數(shù)矩陣計算動態(tài)最優(yōu)套期保值比率在命令框輸入命令:seriesh=psf*(garchO1)A.5/(garchO2)5便可得到一個動態(tài)套期保值的序列。點擊viewgraphline,得到圖19ViewProc|ObjectPropertiesPrintNameFreezeSampleGenrSheetGraphStatsIdentH1.S-：1.41.2-1.CJ-0.4255075100125150175200-225圖19CCC-BARCH模型下的動態(tài)套期保值比率點擊viewdescriptivestasticss

47、tatstable便得到最優(yōu)套期保值序列的均值和標準差(見View：Proc|ObjectProp已七已呂Print1MII!NameFreezeSampleGenr|SheetGraphStateIdentHMean0.700519Median0.686606Maximum1.45-7555IMinimum0.514683Std.Dev.0.126904Skewness1.948257Kurtosis9.606523Jarqje-Bera580.9361Probability0.000000SumI一rrrI圖21CCC-BARCH模型下動態(tài)套期保值比率的統(tǒng)計性描述三、對利用最小方差套期比的套保組合進行績效評估.在第2步中，通過OLS,CM模型估計出的最優(yōu)套期保值比分別為0.