【摘要】：金融危機(jī),讓很多跟風(fēng)進(jìn)入市場的投資者陷入了漫漫套牢長路。期盼著2009年牛市持續(xù)得以解套,可惜牛市行情短暫,接下來是三年熊市的折磨和等待。不管是股票被套四年還是三年抑或更短的時間,都給投資者對市場的信心造成了很大的沖擊,證券公司也因此出現(xiàn)了很多長期未發(fā)生交易的“無效賬戶”。 在這樣一個市場背景下,筆者了解到即使預(yù)期市場未來是下跌行情,大部分被套牢的投資者都不愿意承受虧損而斬倉場,此時投資者的持倉將面臨極大的市場風(fēng)險。由于股指期貨的存在,理論上投資者可以賣空股指期貨對持倉進(jìn)行鎖倉。但是,鎖倉成功與否的關(guān)鍵在于股票與股指期貨的價格相關(guān)性,相關(guān)性低的股票就很難通過股指期貨的反向操作成功鎖倉,這類型的持倉在預(yù)期市場下跌時面臨很大的風(fēng)險敞口。基于這樣的前提,筆者設(shè)想通過投資者全部持倉頭寸的某種線性組合,盡量擬合期貨標(biāo)的指數(shù),使得指數(shù)化后組合與指數(shù)走勢盡可能一致,從而達(dá)到反向交易股指期貨合約對沖組合整體風(fēng)險這一目的。持倉頭寸的某種線性組合,實際上就是在既定股票組合下最小化組合的指數(shù)追蹤誤差。 理論上,無論持倉股票組合與指數(shù)的相關(guān)性如何,但經(jīng)過權(quán)重優(yōu)化分配處理后,總能找到一個使得持倉組合的整體走勢最大可能的貼近指數(shù)走勢的比例。不過,若組合中股票與指數(shù)相關(guān)性全都很低,則該指數(shù)化后的組合與指數(shù)相關(guān)性也不會很高,因此本文暫時不能給這類投資者提供相應(yīng)的對沖方案。本文選取持倉組合股票的基本約束條件是：(1)、要求組合中至少有一只股票與指數(shù)相關(guān)性較高,即0.8或以上。(2)、由于中國市場目前只有滬深300股指期貨合約,因此用于對沖組合風(fēng)險的期貨合約標(biāo)的物是滬深300股票指數(shù),滬深300指數(shù)反映的是A股的市場走勢情況,因此筆者還要求組合中的股票全部來自A股市場。已有的指數(shù)化投資都是基于成分股或其他與指數(shù)相關(guān)性較高的股票組合,而本文的研究創(chuàng)新點則在于本文所選取的研究對象是有基本約束的任意股票組合。 本文首先選擇組合追蹤指數(shù)的優(yōu)化方式。范旭東(2006)比較了聚類分析與遺傳算法追蹤指數(shù)的效果,得出遺傳算法追蹤指數(shù)效果更優(yōu)這一結(jié)論。研究發(fā)現(xiàn)數(shù)據(jù)挖掘方法的指數(shù)化擬合效果更好,武金存(2011)的實證研究表明,不同類型的數(shù)據(jù)挖掘方法的組合指數(shù)化擬合效果無法判斷優(yōu)劣,因此選擇任意一種數(shù)據(jù)挖掘方法實質(zhì)上并沒有區(qū)別。遺傳算法進(jìn)行解空間的多點搜索,不斷的遺傳進(jìn)化避免由于解空間既定而陷入局部的最優(yōu)解。根據(jù)遺傳算法的原理,當(dāng)滿足某個要求時,遺傳算法可得到全局最優(yōu)解。 基于遺傳算法對最優(yōu)解的搜索能力,本文選擇遺傳算法優(yōu)化股票組合的分配權(quán)重,使得組合追蹤指數(shù)誤差最小化,優(yōu)化權(quán)重后的組合稱作指數(shù)化組合。本文得到的指數(shù)化組合與滬深300指數(shù)走勢較一致,樣本內(nèi)收益率相關(guān)系數(shù)達(dá)到0.922,樣本外相關(guān)系數(shù)也達(dá)到0.827。因此指數(shù)化組合滿足套期保值的前提要求。為了使得研究過程更加嚴(yán)謹(jǐn),本文接著比較基于Copula-GARCH模型的CVaR值來研究指數(shù)化組合套期保值可行性,結(jié)果發(fā)現(xiàn)含股指期貨反向?qū)_的指數(shù)化組合市場風(fēng)險比單純的指數(shù)化組合低,因此說明指數(shù)化組合的套期保值可行。最后,本文通過最小化風(fēng)險框架下的計量模型估計指數(shù)化組合的最優(yōu)套保比,考察指數(shù)化組合的套期保值效果。綜合考察CVaR值和指數(shù)化組合的套保效果,說明通過遺傳算法優(yōu)化權(quán)重的指數(shù)化組合套保有效,即預(yù)期市場下跌,此指數(shù)化組合可以實現(xiàn)成功鎖倉。 第一章首先陳述了文章的選題背景及選題意義,接著介紹了本文的研究方法及結(jié)構(gòu)安排。基于本文的研究目的是探索投資者被套股票組合指數(shù)化的套期保值可行性及其效果,因此本文的研究方法是探索性研究,基于一定的設(shè)想逐步實現(xiàn)并考察效果。 第二章對本文涉及的相關(guān)模型進(jìn)行綜述。分別有：追蹤指數(shù)方法綜述,度量投資組合風(fēng)險方面的綜述,以及期貨最優(yōu)套期保值比率估計方法綜述。 第三章是滬深300指數(shù)期貨市場及其功能的介紹。第四章對套期保值理論及最優(yōu)套期保值比率估計模型進(jìn)行了系統(tǒng)的介紹。首先介紹了套期保值及其應(yīng)用原理,然后是套期保值理論及其發(fā)展,并給出了不同框架下的最優(yōu)套期保值估計模型,他們分別是最小化風(fēng)險框架下的最優(yōu)套期保值模型、最大化效用框架下的最優(yōu)套期保值模型以及均衡風(fēng)險和收益框架下的套期保值模型。 第五章是本文的重點部分,主要工作是模型的構(gòu)建和實證分析。該部分基于遺傳算法構(gòu)建積極指數(shù)化組合,首先介紹了追蹤指數(shù)的方法,分為完全復(fù)制和優(yōu)化復(fù)制兩種,本文選擇的是基于遺傳算法的優(yōu)化復(fù)制。接著介紹遺傳算法的基本原理,其后是本文的模型構(gòu)建,最后是實證分析。在研究“任意”股票組合指數(shù)追蹤優(yōu)化配置之后,考察了股指期貨套期保值的可行性及效果。任意性意味著對組合中的股票與期貨的相關(guān)系數(shù)要求不高,這個任意性也是本文的創(chuàng)新所在。按照前文給出的規(guī)則,選擇十只股票,同時選取2012年1月4日至2012年12月31日共236個滬深300指數(shù)每日收盤價作為優(yōu)化樣本。使用遺傳算法優(yōu)化后的指數(shù)化組合樣本內(nèi)最小追蹤誤差為7.91%。樣本內(nèi)指數(shù)化組合收益率與滬深300指數(shù)收益率相關(guān)系數(shù)高達(dá)為0.922。接著用樣本外2013年1月4日至2013年3月8日共41個數(shù)據(jù)測試指數(shù)化組合擬合指數(shù)效果,組合跟蹤誤差為5.88%,相關(guān)系數(shù)為0.827。這些都說明經(jīng)遺傳算法優(yōu)化權(quán)重的指數(shù)化組合可以很好的追蹤滬深300指數(shù)。 既然指數(shù)化組合能夠很好的擬合滬深300指數(shù)走勢,接著第六章通過比較套期保值的指數(shù)化組合與未套期保值的指數(shù)化組合CVaR值,研究指數(shù)化組合套期保值可行性。該部分首先介紹用于計算CVaR值和VaR值的模型構(gòu)建。先分別介紹擬合資金邊緣分布的TGARCH(1,1)模型和用于描述資產(chǎn)尾部特征的極值理論以及度量資產(chǎn)相關(guān)性的Copula函數(shù),最后介紹用于模型計算CVaR及VaR的蒙特卡洛模擬過程。模型構(gòu)建完畢后,是本章的實證部分。實證數(shù)據(jù)的樣本區(qū)間是2012年1月4日-2013年2月8日。為了標(biāo)準(zhǔn)化殘差序列,首先用TGARCH(1,1)模型擬合各個股票及期貨收益率序列,然后用GPD描述序列的尾部特征,再根據(jù)估計的Copula模型,運用蒙特卡羅模擬方法分別計算套保和未套保的指數(shù)化組合CVaR值。 根據(jù)傳統(tǒng)套期保值理論,套保比率確定為1。比較兩個組合的CVaR值后發(fā)現(xiàn),利用套期保值后的組合各項風(fēng)險指標(biāo)都比未進(jìn)行套保的組合低,說明股指期貨對沖了組合中的一部分市場風(fēng)險,利用股指期貨進(jìn)行套期保值交易能夠降低指數(shù)化組合的市場風(fēng)險,說明指數(shù)化組合的套保具備可行性。 由第六章結(jié)論,指數(shù)化組合的套期保值操作具備可行性,第七章將通過不同模型估計最優(yōu)套期保值比率,研究指數(shù)化組合的套期保值效果。本章首先介紹由Ederington (1979)提出的OLS模型,接著是由OLS模型推廣而來的ECM模型,以及ECM-BGARCH模型,然后介紹不同模型套期保值效果的評價方式,最后是基于上述模型的實證分析部分。單從風(fēng)險角度分析,與未套保的指數(shù)化組合比,套期保值后的組合風(fēng)險并沒有降低,這和第六章評價套�？尚行缘贸龅奶妆Ｄ芙档椭笖�(shù)化組合風(fēng)險結(jié)論不一致的,文末對此給出了解釋。而從收益風(fēng)險比角度分析組合套保效果,發(fā)現(xiàn)ECM-GARCH方向下的ECM-CCC-GARCH模型和ECM-BEKK-GARCH模型估計最優(yōu)套保比率使組合的套期保值有效。綜合考察CVaR值和指數(shù)化組合的套保效果,說明通過遺傳算法優(yōu)化權(quán)重的指數(shù)化組合套保有效,即預(yù)期市場下跌,此指數(shù)化組合可以實現(xiàn)成功鎖倉。 股指期貨推出后,指數(shù)化投資是金融產(chǎn)品創(chuàng)新的熱點。本文從實際需求出發(fā),首次探索任意股票組合,加入股指期貨對沖組合風(fēng)險的可行性及效果。本文最后一章對全文做出總結(jié)。通過CVaR值考察指數(shù)化組合套期保值可行性和通過套保比率考察指數(shù)化組合的套保效果后,得出遺傳算法優(yōu)化權(quán)重的該指數(shù)化組合套保有效,即預(yù)期市場下跌,此指數(shù)化組合可以實現(xiàn)成功鎖倉。因此,當(dāng)面臨較大市場風(fēng)險,苦于持倉股票與期貨相關(guān)性不高而無法做套保的投資者,不妨考慮本文提出的資產(chǎn)配置優(yōu)化方式。當(dāng)然,追蹤指數(shù)的方法不僅僅只有遺傳算法,有需求者可以根據(jù)實際情況選擇適合的指數(shù)追蹤方法。
[Abstract]:......
【學(xué)位授予單位】：西南財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：F832.51;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張高勛;田益祥;李秋敏;;基于Copula-ECM-GARCH模型的動態(tài)最優(yōu)套期保值比率估計及比較[J];系統(tǒng)工程;2011年08期

2 楊國梁;趙社濤;徐成賢;;基于支持向量機(jī)的金融市場指數(shù)追蹤技術(shù)研究[J];國際金融研究;2009年10期

3 高見;楊丹;;指數(shù)化投資中復(fù)制方法的比較分析[J];金融研究;2006年08期

4 陳春鋒,陳偉忠;指數(shù)優(yōu)化復(fù)制的方法、模型與實證[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2004年12期

5 佟孟華;;滬深300股指期貨動態(tài)套期保值比率模型估計及比較——基于修正的ECM-BGARCH(1,1)模型的實證研究[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2011年04期

6 顧嵐,薛繼銳,羅立禹,徐悅;中國股市的投資組合分析[J];數(shù)理統(tǒng)計與管理;2001年05期

7 韋艷華;張世英;;多元Copula-GARCH模型及其在金融風(fēng)險分析上的應(yīng)用[J];數(shù)理統(tǒng)計與管理;2007年03期

8 何其祥;張晗;鄭明;;包含股指期貨的投資組合之風(fēng)險研究——Copula方法在金融風(fēng)險管理中的應(yīng)用[J];數(shù)理統(tǒng)計與管理;2009年01期

9 周怡;;以VaR為目標(biāo)函數(shù)的期貨最優(yōu)套期保值比率估計[J];統(tǒng)計與決策;2008年18期

10 胡利琴;李殊琦;;基于協(xié)整的最優(yōu)套期保值比率的估計[J];武漢理工大學(xué)學(xué)報;2007年08期

，

本文編號：2462771