實驗五-期貨最優(yōu)套期保值率估計

PAGEPAGE26實驗五期貨套期保值模型一、實驗項目：期貨套期保值模型二、實驗?zāi)康?、掌握運用時間序列模型估計中國期貨交易的最優(yōu)套期保值比率的方法；2、掌握評估期貨套期比效果的方法；3、找到最佳的套期保值比模型。三、預(yù)備知識：（一）、關(guān)于最優(yōu)套期比確定方法以空頭期貨保值為例1．由套期保值收益方差風(fēng)險達最小得到（1）用價格標(biāo)準(zhǔn)差表示風(fēng)險最小套期比單位現(xiàn)貨相應(yīng)的空頭保值收益：Δb（k）=b(k)-b0(k)（兩邊求方差解出k）（2）用改變量標(biāo)準(zhǔn)差表示風(fēng)險最小套期比單位現(xiàn)貨相應(yīng)的空頭保值收益:Δb（k）=Δs-kΔf（兩邊求方差解出k）注意到（1）與（2）兩種最優(yōu)化方式得到有套期比k是不同的。2．用收益率表示套期保值比率?？疹^保值收益率（V為現(xiàn)貨市值）RH=[(V-V0+D)-NF(F-F0)]/V0=(V-V0+D)/V0-(NFF0/V0)[(F-F0)/F0]=RS-h*RF由收益率風(fēng)險達最小求出套期比3．由對沖原理得到要實現(xiàn)期貨與現(xiàn)貨完全對沖，必須滿足以下風(fēng)險中性原理(現(xiàn)貨與期貨組合風(fēng)險為0)Q*Δf+Q0*Δs=0kΔf+Δs=0k=Q/Q0=-ΔS/ΔF≈-ds/df<0(因同方向變化)上式表明，每單位現(xiàn)貨需要k單位期貨對沖其風(fēng)險，負號表示交易方向要相反。ΔS/ΔF或ds/df可通過久期求出。（二）計算期貨套期保值比率的相關(guān)模型雖然上述介紹的h=ρσs/σf可以求最優(yōu)套期比，但是其操作性不強。首先要求出三個量，然后再計算h，顯然誤差很大。為了減小誤差，使用時間序列模型。1、簡單回歸模型（OLS）上述使方差風(fēng)險最小求套期比的三種方法對應(yīng)的三個OLS模型OLS不足：上述三個模型假設(shè)條件是殘差“獨立同方差”，即在殘差項具有同方差性的假設(shè)下，其回歸系數(shù)即是要求的最優(yōu)套期比，但是這一條件太強，在金融市場上難以滿足。其中要解決最突出的兩個問題（1）s與f有協(xié)整關(guān)系時，OLS所得到的結(jié)果小于最優(yōu)套期比（2）三模型殘差獨立同方差問題。2、協(xié)整與誤差修正模型（ECM）（1）期貨價格序列與現(xiàn)貨價格序列特點1）二者常常是非平穩(wěn)的；2）二者具有兩個經(jīng)濟邏輯性：二者有共同的趨勢；期貨到期時，二者有趨合性。由此，二者存在協(xié)整關(guān)系，那么用OLS的估計量將是有偏的。Ghosh(1993)通過實證發(fā)現(xiàn)，當(dāng)不恰當(dāng)?shù)睾雎詤f(xié)整關(guān)系時，所計算的套期比將小于最優(yōu)值。3）研究表明，使用ECM模型比OLS方法能夠更有效地對沖現(xiàn)貨頭寸風(fēng)險。（2）使用ECM模型計算最優(yōu)套期比的兩步估計法第一步：建立協(xié)整回歸模型要注意在這一協(xié)整回歸中保留殘差：，方便第二步使用。第二步：建立誤差修正模型（ECM，一般模型）：其實要建立的是ECM簡單方程（*）修正誤差模型（**）其中誤差修正模型（**）只是模型（*）的適當(dāng)變形，這兩模型是等價的。與一般的修正誤差模型比較要建立的修正誤差模型的簡單形式為ECM模型優(yōu)劣：優(yōu)點：考慮到s與f有協(xié)整關(guān)系時，EMC模型比OLS方法能更有效地對沖現(xiàn)貨頭寸的風(fēng)險。缺點：還沒有解決模型殘差異方差問題。3、誤差修正二元GARCH模型（ECM-BGARCH模型）ECM模型雖然考慮到s與f有協(xié)整關(guān)系問題，但是還沒有解決模型殘差異方差問題。特別是金融資產(chǎn)價格、收益率等序列波動常常出現(xiàn)“聚集性”特征。即資產(chǎn)價格在大的變動后面有大的變動，在小的變動后面有小的變動。這些特征用GARCH模型來描述。注意：一元GARCH模型僅能估計單一變量的條件方差，無法估計序列之間協(xié)方差，所以要建立二元GARCH（B-GARCH）模型，常用以下兩個考慮到誤差修正項的模型：一是常相關(guān)系數(shù)的二元GARCH模型，二是D-BEKK模型。（1）常相關(guān)系數(shù)的二元GARCH模型GARCH模型由均值方程和條件方差方程組成。1）均值方程2）GARCH方程為了簡單，如果系數(shù)矩陣都用對角矩陣，則條件方差展開可得：最優(yōu)套期比（2）D-BEKK模型1）均值方程2）GARCH方程如果系數(shù)矩陣都用對角矩陣，則條件方差展開可得最優(yōu)套期比（三）期貨套期保值比率績效的評估以空頭期貨套期保值為例，一個以1單位現(xiàn)貨多頭頭寸和h個單位期貨空頭頭寸的套期保值組合，組合價值和組合利潤分別為：，因此，空頭套期保值組合收益率為空頭套期保值（含多頭）收益率的方差為若這一方差小，說明經(jīng)過套期保值后，收益率穩(wěn)定，保值效果好。四、實驗內(nèi)容（一）數(shù)據(jù)搜集和整理；（二）利用時間序列模型估計最優(yōu)套期比；（三）評估最小方差套期比的績效。五、實驗軟件環(huán)景：Eviews軟件。六、實驗步驟：（一）數(shù)據(jù)搜集和整理1、搜集數(shù)據(jù)期貨合約在交割前兩個月最活躍，使價格信息釋放最為充分，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。表1上海AL現(xiàn)貨期貨價格2006年4月3日至2007年4月13日數(shù)據(jù)單位：元/噸序號期貨價f現(xiàn)貨價s序號期貨價f現(xiàn)貨價s序號期貨價f現(xiàn)貨價s1199301964081189901920016120140214202200601990082189201914016220280213803200201968083189201916016320270215004200101972084191001926016420320214805206202008085191201932016520560214806205902010086189201932016620480214407205902016087185401914016720570214608202602002088185001892016820510213709203602006089184601890016920650213701020420200609018620190401702055021370112082020260911868019300171202902124012205502042092190001956017220480213601321120204809318790196401732058021360142130020820941875019500174207202140015208002070095188401954017520920214301621500212409619150197201761972021440172138021120971927019920177199602124018214002134098191802002017819350209501921470212009919200200201791971020950202128020580100192702032018019970210202122080216401011950020480181198302098022219702168010219670209001821981020860232270021960103205002190018319890207602423470229401042089022800184196102064025237702382010520200225001851943020640262418023500106197102166018619550201002723120229401071920020800187196402008028228202240010819250207201881956019700292184021680109195302068018919500199603021720215601101929020680190195102016031208402078011119300205501911955020140322138020980112194102054019219620203603321880218001131928020500193195702036034217402140011419680206401941951020250352187021720115201602100019519570201403621800217201161992021250196195302000037217902174011719480212501971959019880382114021180118200602135019819890199503920780210001192049021650199198701995040210802058012019970219002001993019900412137020980121199302180020120160202004420820207401222015021700202197601996043207002048012320010215002031979019780442075020760124203102135020419740197604520560202401252099021350205197701962046203502020012620800213202061949019550472032020170127209002128020719620193604819670194401282103021320208196001948049199501968012921280213502091960019600502038020280130207402137021019580195305119650199601312082021260211195701942052198001952013221320214202121951019340531988019720133212102140021319590192405419670198201342036021000214196401942055196501958013519850207002151958019380561978019620136199102034021619610194405719910197601371981020350217195601938058197101960013819780207402181955019370591971019480139204602155021919550193406019510194101402037021650220195401932061197801967014120000213602211935019300621952019510142205002160022219430192706319510194401432011021000223193901924064195201944014420100211602241938019250651965016460145200502116022519240192406619560194001462012021000226192701919067195401946014719810208802271941019240681941019380148197702075022819410193006919080191901491986020950229195901936070190701920015020110210502301986019440711884019020151201502115023119800196607218800190401522035021180232196101951073185901891015320380213802331977019520741842018400154203202136023419670195207518440184201552037021300235761868018520156204202128023677186301860015719990213602377818650186401582030021440238791890018760159201802144023980188101886016020240214402402、建立Eviews工作文件創(chuàng)建工作文件并輸入數(shù)據(jù)File\New\Workfile因為數(shù)據(jù)是無觀測日期的，所以選擇Undated-or-irreqular欄：start：1；end：233，OK手工輸入數(shù)據(jù)Quick\EmptyGroup在Ser01輸入s列數(shù)據(jù)；在Ser02輸入f列數(shù)據(jù)；改變量名：點擊Ser01全選第一列，在命令欄輸入s；點擊Ser02全選第二列，在命令欄輸入f。將文件保存命名為hr（二）運用單方程時間序列模型估計最優(yōu)套期比1、用OLS模型估計最優(yōu)套期比（1）建立S關(guān)于F的回歸方程DependentVariable:SMethod:LeastSquaresDate:04/30/11Time:20:35Sample:1234Includedobservations:234VariableCoefficientStd.Errort-StatisticProb.

C3387.983937.25643.6147880.0004F0.8491880.04669418.186210.0000R-squared0.587730

Meandependentvar20414.70AdjustedR-squared0.585953

S.D.dependentvar1035.698S.E.ofregression666.4354

Akaikeinfocriterion15.85027Sumsquaredresid1.03E+08

Schwarzcriterion15.87981Loglikelihood-1852.482

F-statistic330.7382Durbin-Watsonstat0.296083

Prob(F-statistic)0.000000圖1S關(guān)于F回歸方程（1）t=（3.614788）（18.18621）p=（0.0004）（0.0000）ft系數(shù)的p值接近0，回歸系數(shù)是顯著的?；貧w結(jié)果得到每單位現(xiàn)貨用0.849188單位期貨進行空頭保值，即最優(yōu)套期比是0.849188。結(jié)論1：由現(xiàn)貨價S關(guān)于期貨價F回歸模型得到的套期比是：0.84918。評價：1）雖然模型（1）系數(shù)顯著，但模型精度R^2=0.587730離1較遠，精度不太高。而且不能排除模型（1）是偽回歸。2）這一結(jié)論只能保證在保值策略實施前（建模的樣本內(nèi)），模型（1）在一定程度上是有效的，不能保證在策略實施期（樣本外）模型同樣有效，所以使用這一結(jié)論進行套期保值需要注意到這些情況。（2）建立Δst關(guān)于Δft的回歸方程在工作文件窗口的命令區(qū)，生成差分序列，以及Δst，Δft序列：GENRds=s-s(-1)GENRdf=f-f(-1)建立Δst與Δft的OLS簡單回歸模型最小二乘估計的命令OLS：dscdfDependentVariable:DSMethod:LeastSquaresDate:04/30/11Time:20:40Sample(adjusted):2234Includedobservations:233afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

C0.10853723.082110.0047020.9963DF0.5588040.0755777.3938740.0000R-squared0.191373

Meandependentvar-0.515021AdjustedR-squared0.187872

S.D.dependentvar390.9655S.E.ofregression352.3308

Akaikeinfocriterion14.57556Sumsquaredresid28675647

Schwarzcriterion14.60519Loglikelihood-1696.053

F-statistic54.66937Durbin-Watsonstat2.638061

Prob(F-statistic)0.000000圖2ΔS關(guān)于ΔF的回歸方程（含常數(shù)項）常數(shù)項概率很大，接受常數(shù)為0的假設(shè)，重新定義方程：OLS：dsdfDependentVariable:DSMethod:LeastSquaresDate:04/30/11Time:20:44Sample(adjusted):2234Includedobservations:233afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

DF0.5588030.0754137.4098920.0000R-squared0.191373

Meandependentvar-0.515021AdjustedR-squared0.191373

S.D.dependentvar390.9655S.E.ofregression351.5707

Akaikeinfocriterion14.56698Sumsquaredresid28675650

Schwarzcriterion14.58179Loglikelihood-1696.053

Durbin-Watsonstat2.638060圖3ΔS關(guān)于ΔF的回歸方程（不含常數(shù)項）（2）t=（7.409892）p=（0.0000）Δft系數(shù)的p值接近0，回歸系數(shù)是顯著的，但每單位現(xiàn)貨用0.558803單位期貨進行空頭保值，即最優(yōu)套期比是0.558803?？梢姡謩e用套期比公式得到有結(jié)果k是不同的：，結(jié)論2：由現(xiàn)貨價差分ΔS關(guān)于期貨價差分ΔF回歸模型得到的套期比是：0.558803。評價：1）雖然這一模型系數(shù)顯著，但模型精度R^2=0.191373，精度非常低。而且也不能排除模型（2）是偽回歸。2）結(jié)論2只能保證在保值策略實施前（建模的樣本內(nèi)），ΔS與ΔF在一定程度上滿足模型（2），不能保證在策略實施期（樣本外）模型（2）同樣有效。3）結(jié)論2與結(jié)論1相比，結(jié)論1是保證在保值策略實施前（建模的樣本內(nèi)），S與F在一定程度上滿足模型（1）；結(jié)論2是保證在保值策略實施前（建模的樣本內(nèi)），ΔS與ΔF在一定程度上滿足模型（2）。4）差分模型一般用于分析短期波動情況，所以模型（2）在不顧偽回歸下，也只用于動態(tài)套期保值。2、用ECM模型估計最優(yōu)套期比（1）對f和s分別進行平衡性檢驗在F頁面上，選View\Correlogram\Level，滯后期空格處填寫24（用234除以10近似）Date:04/30/11Time:20:55Sample:1234Includedobservations:234AutocorrelationPartialCorrelationAC

PAC

Q-Stat

Prob

.|*******|

.|*******|10.9460.946211.990.000

.|*******|

.|.|20.8960.018403.210.000

.|*******|

.|.|30.849-0.007575.380.000

.|******|

.|.|40.798-0.050728.360.000

.|******|

.|.|50.7560.051866.320.000

.|******|

.|*|60.7260.092994.010.000

.|*****|

.|*|70.7060.0901115.20.000

.|*****|

*|.|80.676-0.0921226.90.000

.|*****|

.|.|90.6510.0201331.00.000

.|*****|

.|.|100.625-0.0171427.30.000

.|*****|

.|.|110.594-0.0211514.80.000

.|****|

*|.|120.558-0.0781592.20.000

.|****|

*|.|130.518-0.0581659.20.000

.|****|

.|.|140.480-0.0171717.20.000

.|***|

*|.|150.438-0.0611765.50.000

.|***|

.|.|160.4030.0221806.60.000

.|***|

.|.|170.3760.0421842.50.000

.|***|

*|.|180.343-0.0871872.60.000

.|**|

.|.|190.3150.0211898.10.000

.|**|

*|.|200.283-0.0631918.80.000

.|**|

.|.|210.250-0.0311935.00.000

.|**|

*|.|220.210-0.0601946.50.000

.|*|

.|*|230.1820.0761955.10.000

.|*|

.|.|240.152-0.0391961.20.000圖4F序列相關(guān)分析圖從圖4的F序列自相關(guān)系數(shù)（AC）沒有很快趨近0，說明序列F是非平穩(wěn)的。因為期貨價格（資產(chǎn)價格序列）往往有一定的趨勢和截距，所以對ADF單位根檢驗時，選擇同時具有趨勢項和常數(shù)項的模型。滯后項p要精確確定就是AIC準(zhǔn)則，粗略確定由系統(tǒng)默認。由上面分析，選擇模型進行單位檢驗（UnitRootTest）。假設(shè)；備擇假設(shè)。在工作文件窗口，選定變量F，雙擊它，在F頁面上，點擊View\UnitRootTest\ADF，表示已經(jīng)進入擴展的DF檢驗。在Testforunitrootin中，選擇Level(對水平變量進行單位根檢驗，檢驗系數(shù)對應(yīng)的項Ft-1)\Trenandinteret(含漂移項和時間趨勢項)\，其它選系統(tǒng)默認。NullHypothesis:FhasaunitrootExogenous:Constant,LinearTrendLagLength:0(AutomaticbasedonSIC,MAXLAG=14)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-2.759187

0.2141Testcriticalvalues:1%level-3.9979305%level-3.42922910%level-3.138092*MacKinnon(1996)one-sidedp-values.AugmentedDickey-FullerTestEquationDependentVariable:D(F)Method:LeastSquaresDate:04/30/11Time:20:58Sample(adjusted):2234Includedobservations:233afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

F(-1)-0.0627440.022740-2.7591870.0063C1300.498471.05942.7607940.0062@TREND(1)-0.3714370.316004-1.1754170.2410R-squared0.032185

Meandependentvar-1.115880AdjustedR-squared0.023769

S.D.dependentvar306.0687S.E.ofregression302.4093

Akaikeinfocriterion14.27423Sumsquaredresid21033818

Schwarzcriterion14.31867Loglikelihood-1659.948

F-statistic3.824393Durbin-Watsonstat2.024316

Prob(F-statistic)0.023233圖5F序列單位根檢驗期貨價格F序列的ADF檢驗統(tǒng)計量觀察值為t=-2.759187，比概率1%、5%和10%對應(yīng)的三個臨界值都大。對應(yīng)的概率0.2141也比1%、5%和10%都大。所以這次ADF檢驗接受F非平穩(wěn)的原假設(shè)，即認為F是非平穩(wěn)的。對F序列一次差分進行ADF檢驗，與上不同的是在Testforunitrootin中，選擇1stdifference(對F序列的一次差分進行單位根檢驗)，其它都相同。NullHypothesis:D(F)hasaunitrootExogenous:Constant,LinearTrendLagLength:0(AutomaticbasedonSIC,MAXLAG=14)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-15.81343

0.0000Testcriticalvalues:1%level-3.9981045%level-3.42931310%level-3.138142*MacKinnon(1996)one-sidedp-values.AugmentedDickey-FullerTestEquationDependentVariable:D(F,2)Method:LeastSquaresDate:04/30/11Time:21:06Sample(adjusted):3234Includedobservations:232afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

D(F(-1))-1.0438060.066008-15.813430.0000C3.41852440.788420.0838110.9333@TREND(1)-0.0436580.301593-0.1447570.8850R-squared0.521985

Meandependentvar-0.991379AdjustedR-squared0.517810

S.D.dependentvar443.0252S.E.ofregression307.6361

Akaikeinfocriterion14.30856Sumsquaredresid21672554

Schwarzcriterion14.35313Loglikelihood-1656.793

F-statistic125.0324Durbin-Watsonstat2.001017

Prob(F-statistic)0.000000圖6F序列一次差分單位根檢驗從圖6看到，期貨價格F一次差分序列的ADF檢驗統(tǒng)計量觀察值為t=-15.81343，比概率1%、5%和10%對應(yīng)的三個臨界值都小。對應(yīng)的概率0.0000也比1%、5%和10%都小。所以這次ADF檢驗拒絕F一次差分序列非平穩(wěn)的原假設(shè)。即認為F一次差分序列是平穩(wěn)的。所以ΔF~I（0），因此F~I（1）。同理檢驗得到ΔS~I（0），因此S~I（1）。（2）進行S和F的協(xié)整檢驗由于S和F都是一階單整的，滿足協(xié)整檢驗的前提。由前面已用OLS方法建立了S關(guān)于F的回歸方程：t=（3.614788）（18.18621）p=（0.0004）（0.0000）根據(jù)協(xié)整檢驗要求，還要檢驗殘差是否平穩(wěn)，先生成殘差變量：GENRe=resid在工作文件窗口，選定變量e，雙擊e，在e頁面上，點擊View\UnitRootTest\ADF，選擇Level(檢驗的模型為被檢驗變量是e的差分，檢驗系數(shù)對應(yīng)的項是et-1)\None(不含常數(shù)項，不含時間項)。取系統(tǒng)默認p=4（因為沒有做p=？AIC最小值），所以在laglength\userspecifi中取4（表示差分滯后項數(shù)取4，即p=4）。得到結(jié)果：NullHypothesis:D(E)hasaunitrootExogenous:NoneLagLength:2(AutomaticbasedonSIC,MAXLAG=4)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-14.14951

0.0000Testcriticalvalues:1%level-2.5751445%level-1.94222410%level-1.615772*MacKinnon(1996)one-sidedp-values.AugmentedDickey-FullerTestEquationDependentVariable:D(E,2)Method:LeastSquaresDate:04/30/11Time:21:12Sample(adjusted):7234Includedobservations:228afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

D(E(-1))-2.3848930.168550-14.149510.0000D(E(-1),2)0.6600240.1243015.3098930.0000D(E(-2),2)0.1869350.0651312.8701140.0045R-squared0.784291

Meandependentvar1.614791AdjustedR-squared0.782374

S.D.dependentvar748.7820S.E.ofregression349.3100

Akaikeinfocriterion14.56287Sumsquaredresid27453931

Schwarzcriterion14.60799Loglikelihood-1657.167

Durbin-Watsonstat2.049519圖7S關(guān)于F協(xié)整回歸殘差的單位根檢驗從圖7看到，S關(guān)于F協(xié)整回歸殘差的ADF檢驗統(tǒng)計量觀察值為t=-14.14951，比概率1%，5%、10%對應(yīng)的兩個臨界值都小，對應(yīng)的概率

0.0000也比1%，5%、10%小。ADF檢驗得到拒絕殘差序列非平穩(wěn)的原假設(shè)。即認殘差序列是平穩(wěn)的，即殘差e~I（0）。所以在1%的概率水平下，S與F序列存在協(xié)整關(guān)系，其協(xié)整方程為：t=（3.614788）（18.18621）p=（0.0004）（0.0000）（3）建立誤差修正模型（ECM）由上面得知，S與F序列存在協(xié)整關(guān)系。建立誤差修正模型可分析向長期均衡狀態(tài)調(diào)整的非均衡動態(tài)調(diào)整過程。原來協(xié)整模型形式如下（*）變成為誤差修正模型（**）其中與一般的修正誤差模型比較要建立的修正誤差模型的簡單形式為前面已生成了ECM所需要的序列變量GENRE=RESIDGENRDS=S-S(-1)GENRDF=F-F(-1)最小二乘估計命令建立修正誤差模型OLS：DSCDFE(-1)得到回歸結(jié)果為DependentVariable:DSMethod:LeastSquaresDate:04/30/11Time:21:16Sample(adjusted):4234Includedobservations:231afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

C0.05392122.384660.0024090.9981DF0.5715310.0730817.8205010.0000E(-1)0.3198180.0731654.3712120.0000R-squared0.253387

Meandependentvar-0.692641AdjustedR-squared0.246838

S.D.dependentvar392.0187S.E.ofregression340.2130

Akaikeinfocriterion14.50992Sumsquaredresid26389835

Schwarzcriterion14.55463Loglikelihood-1672.896

F-statistic38.68963Durbin-Watsonstat2.739030

Prob(F-statistic)0.000000圖8修正誤差模型輸出結(jié)果（包含常數(shù)）從圖8的結(jié)果得到，常數(shù)非常不顯著，所以省去常數(shù)項，重新定義方程。OLS：DSDFE(-1)DependentVariable:DSMethod:LeastSquaresDate:04/30/11Time:21:18Sample(adjusted):4234Includedobservations:231afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

DF0.5715300.0729217.8377140.0000E(-1)0.3198180.0730054.3807920.0000R-squared0.253387

Meandependentvar-0.692641AdjustedR-squared0.250127

S.D.dependentvar392.0187S.E.ofregression339.4694

Akaikeinfocriterion14.50126Sumsquaredresid26389836

Schwarzcriterion14.53107Loglikelihood-1672.896

Durbin-Watsonstat2.739030圖9修正誤差模型輸出結(jié)果（不包含常數(shù)）由圖9得到所要建ECM為：（3）t=（7.837714）（4.380792）p=（0.0000）（0.0000）從F統(tǒng)計量看出該方程整體上系數(shù)是顯著的，自變量系數(shù)和誤差修正項系數(shù)的t統(tǒng)計量都很顯著，故該回歸模型擬合得很好。ECM得到每單位現(xiàn)貨頭寸要用0.57153單位相反的期貨頭寸進行對沖。這一結(jié)果與序列差分的OLS模型估計出的結(jié)果0.558803相近；但與序列的OLS模型估計出的結(jié)果0.84988相差較大。結(jié)論3：由ECM得到的套期比是：0.571530。評價：1）雖然這一模型系數(shù)顯著，但模型精度R^2=0.253387，精度不高。2）模型（3）排除了偽回歸。3）結(jié)論3的依據(jù)是ECM，理論上保證了樣本內(nèi)和樣本外都有效，但ECM是用于分析短期波動的，模型有兩項：一是S和F的短期變化；二是S偏離上一期的均衡程度，系數(shù)是-0.3198，當(dāng)期ΔS和ΔF的變化用-0.3198份上期誤差進行調(diào)整，使期回到均衡狀態(tài)。4）可見ECM用于動態(tài)套期保值較好。（三）用ECM-BGARCH模型估計最優(yōu)套期比以上所建立模型都不太理想，原因可能是沒考慮到金融資產(chǎn)價格的異方差性，所以下面考慮ARCH和GARCH類模型，本節(jié)擬建立ECM-BGARCH模型。1、建立Δs的誤差修正GARCH模型：先生成序列OLS:scf在這一頁面上:Proc\MakeResidualSeries\z建立Δs的誤差修正GARCH模型從主選擇單中選Quick\EstimateEquation\ARCH在MeanEquationSpecification框中輸入均值方程（即主體模型）：dscds(-1)df(-1)z(-1)“None”.ARCHSpecification為條件方差方程定義GARCH(1,1)DependentVariable:DSMethod:ML-ARCH(Marquardt)-NormaldistributionDate:05/09/11Time:17:01Sample(adjusted):3234Includedobservations:232afteradjustmentsConvergenceachievedafter80iterationsVariancebackcast:ONGARCH=C(5)+C(6)*RESID(-1)^2+C(7)*GARCH(-1)CoefficientStd.Errorz-StatisticProb.

C-22.1932616.20122-1.3698510.1707DS(-1)-0.1494620.091782-1.6284490.1034DF(-1)-0.0180020.089951-0.2001360.8414Z(-1)-0.0592030.039986-1.4805750.1387VarianceEquationC4968.8682003.8482.4796630.0132RESID(-1)^20.2558070.0713543.5850650.0003GARCH(-1)0.7185790.05435813.219350.0000R-squared-0.009098

Meandependentvar-1.681034AdjustedR-squared-0.036007

S.D.dependentvar306.6086S.E.ofregression312.0798

Akaikeinfocriterion14.10535Sumsquaredresid21913610

Schwarzcriterion14.20935Loglikelihood-1629.221

Durbin-Watsonstat1.724245圖10Δs的誤差修正GARCH模型提取這一模型主方程的殘差序列。在這一頁面上:Proc\MakeResidualSeries\resid01提取這一模型殘差的方差序列。在這一頁面上:Proc\MakeGarchVarianceSeries\garch012、建立Δf的誤差修正GARCH模型：從主選擇單中選Quick\EstimateEquation\ARCH在MeanEquationSpecification框中輸入均值方程（即主體模型）：dfcds(-1)df(-1)z(-1)“None”.ARCHSpecification為條件方差方程定義GARCH(1,1)DependentVariable:DFMethod:ML-ARCH(Marquardt)-NormaldistributionDate:05/09/11Time:17:03Sample(adjusted):3234Includedobservations:232afteradjustmentsFailuretoimproveLikelihoodafter17iterationsVariancebackcast:ONGARCH=C(5)+C(6)*RESID(-1)^2+C(7)*GARCH(-1)CoefficientStd.Errorz-StatisticProb.

C-42.0740944.17807-0.9523750.3409DS(-1)0.2749080.1486251.8496830.0644DF(-1)-0.0003420.136138-0.0025090.9980Z(-1)-0.0146880.059445-0.2470910.8048VarianceEquationC146137.011802.0912.382290.0000RESID(-1)^20.2246170.1170481.9190130.0550GARCH(-1)-0.0751560.066968-1.1222720.2617R-squared0.035194

Meandependentvar-1.637931AdjustedR-squared0.009466

S.D.dependentvar391.4341S.E.ofregression389.5770

Akaikeinfocriterion14.53222Sumsquaredresid34148309

Schwarzcriterion14.63622Loglikelihood-1678.738

F-statistic1.367932Durbin-Watsonstat2.499081

Prob(F-statistic)0.228544圖11Δf的誤差修正GARCH模型提取這一模型的殘差序列。在這一頁面上:Proc\MakeResidualSeries\vf3、計算套期比（1）計算vs和vf相關(guān)系數(shù)將殘差vs和vf以組的方式打開，點擊View\correlation\commonsampleRESID01RESID02RESID0110.465713679290264RESID020.4657136792902641（2）計算動態(tài)最優(yōu)套期比在命令框：seriesh=(0.465714)*(garch01)^.5/(garch02)^.5，便可得到一個動態(tài)套期保值比序列。打開h：Lastupdated:05/09/11-17:08Modified:1234//h=(0.465714)*(garch01)^.5/(garch02)^.51NA2NA30.34432740.31348550.28692860.43705070.43859380.37857890.374823100.329036110.311601120.390880130.365215140.481056150.462134160.483078170.441739180.511045190.422625200.404433210.288911220.350475230.589958240.625169250.593985260.614113270.747483280.694849290.778346300.720394310.764635320.633615330.672601340.580215350.587255360.526102370.513913380.438344390.448970400.538889410.465326420.452340430.486640440.452389450.359710460.305387470.341800480.298597490.357191500.378220510.408520520.530035530.491775540.430987550.395856560.345633570.324181580.308806590.289508600.265214610.262666620.268336630.283290640.261308650.239508660.062705670.059456682.715981690.205135700.286652710.258186720.272948730.252154740.268634750.245734760.252873770.278119780.254925790.232964800.271100810.250425820.229025830.238310840.218480850.234911860.224216870.240490880.341487890.311757900.282589910.264221920.240391930.292116940.296660950.271437960.249242970.295584980.288030990.2657001000.2432321010.2104431020.2528091030.2382511040.3673521050.4652991060.6108591070.5520431080.5518621090.6449551100.5630221110.5054151120.4394621130.3868101140.3501031150.3707931160.4511811170.4214841180.4845331190.4942271200.5401681210.5451701220.4895801230.4377611240.3761041250.3787731260.5681971270.4802131280.4305711290.3923341300.3985051310.4509431320.3906371330.4762651340.4211791350.5917651360.6843341370.5678951380.5060061390.3778101400.3905551410.5191761420.4757611430.4592021440.3600721450.4030711460.3706141470.3242911480.3463601490.3156451500.2725021510.3037081520.2775631530.2838511540.2538831550.2409551560.2238681570.2132741580.3296851590.3160901600.2975521610.2668931620.2521621630.2420321640.2212771650.2113341660.2524991670.2321521680.2219401690.2093511700.2178241710.2090101720.2587711730.2459961740.2519431750.2543511760.2804621770.7699111780.6458261790.6298401800.5870681810.5515401820.4776231830.4173901840.3666411850.3643261860.3544471870.2748811880.2962601890.2403541900.2276971910.2159491920.2140541930.1980941940.1995081950.1953491960.1903001970.1833891980.1841011990.2722962000.2514852010.2378442020.2593032030.3130632040.2926862050.2629892060.2411772070.2713192080.2557352090.2330952100.2153192110.2071822120.1963972130.1900402140.1955052150.1929342160.1917512170.1862102180.1831182190.1788502200.1773802210.1754632220.1995912230.1969282240.1897662250.1834242260.1930052270.1873252280.2107562290.2028842300.2343412310.3056322320.2675752330.2683862340.263721圖12ECM-BGARCH模型下的動態(tài)套期比在h在