考慮Markov狀態(tài)轉(zhuǎn)移概率的時變特征,在傳統(tǒng)DCC-GARCH基礎(chǔ)上,提出基于Markov時變轉(zhuǎn)移概率的DCC-GARCH模型（TVTP-DCC-GARCH）研究最小風(fēng)險套期保值比例的估計(jì)方法,并利用兩階段極大似然法對模型參數(shù)進(jìn)行估計(jì)。進(jìn)一步分別從樣本內(nèi)和樣本外估計(jì)滬深300指數(shù)期貨和現(xiàn)貨的最優(yōu)套期保值比率,對套期保值的績效進(jìn)行檢驗(yàn),并將檢驗(yàn)結(jié)果分別與Markov轉(zhuǎn)移概率恒定的DCC-GARCH（FTP-DCC-GARCH）、DCC-GARCH、OLS、1:1完全套期保值以及無套期保值的滬深300指數(shù)現(xiàn)貨的績效進(jìn)行對比。實(shí)證結(jié)果表明,利用基于Markov狀態(tài)轉(zhuǎn)移的DCC-GARCH模型研究滬深300指數(shù)期貨的套期保值問題具有一定合理性,且在參數(shù)估計(jì)中TVTP-DCC-GARCH模型的擬合效果最佳;在套期保值有效性方面,TVTP-DCC-GARCH模型優(yōu)于其他模型,說明在DCC-GARCH模型中引入時變狀態(tài)轉(zhuǎn)移概率能夠有效提高套期保值組合的績效。 

【文章來源】：中國管理科學(xué). 2020,28(10)北大核心CSSCICSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

HS300和IF01的價格波動及基差走勢

利用一步向前預(yù)測方法分別對各模型在樣本外的套期保值比率進(jìn)行滾動窗口預(yù)測,每天加入新信息后重新進(jìn)行一次模型估計(jì)并得到新的套期保值比。對于TVTP-DCC-GARCH模型,具體的預(yù)測步驟為:① 假設(shè)樣本量為T,利用T時刻的條件狀態(tài)概率πsT,T(sT=1,2)和狀態(tài)轉(zhuǎn)移概率矩陣PT得到T+1時刻市場所處的條件狀態(tài)概率πsT+1,T+1(sT+1={1,2});② 利用T時刻該模型各狀態(tài)下的條件協(xié)方差矩陣HT,sT及殘差εT,sT,根據(jù)式(4)-(7)估計(jì)T+1時刻各狀態(tài)下的條件協(xié)方差矩陣HT+1,sT+1;③ 利用式(10)-(13)將T+1時刻考慮狀態(tài)轉(zhuǎn)移的條件方差和協(xié)方差分別進(jìn)行重新結(jié)合,得到無條件方差h c,Τ+1 2 、h f,Τ+1 2 和無條件協(xié)方差hcf,T+1;④ 利用式(22)計(jì)算T+1時刻的套期保值比率;⑤ 利用滾動窗口方法,進(jìn)行一步向前預(yù)測,直到樣本結(jié)束。FTP-DCC-GARCH模型的預(yù)測過程與TVTP-DCC-GARCH模型類似。DCC-GARCH模型在預(yù)測時,利用T時刻的方差協(xié)方差及殘差估計(jì)下一期的方差協(xié)方差,然后利用式(22)計(jì)算T+1時刻的套期保值比率。各模型的估計(jì)結(jié)果見圖3。圖3 各模型的套期保值比率(樣本外)

圖2 各模型的套期保值比率(樣本內(nèi))從圖3可以看出,TVTP-DCC-GARCH和FTP-DCC-GARCH模型在樣本外預(yù)測期的套期保值比率的波動幅度與樣本內(nèi)的結(jié)果相比有所降低,DCC-GARCH模型在樣本外預(yù)測期的套期保值比率的波動幅度與樣本內(nèi)的結(jié)果相比有所增加。另外,采用滾動窗口方法估計(jì)的OLS模型的套期保值比率走勢較平緩,波動幅度最小。

【參考文獻(xiàn)】：
期刊論文
[1]基于等價鞅測度的動態(tài)套期保值模型研究[J]. 余星,張衛(wèi)國,劉勇軍.  系統(tǒng)工程理論與實(shí)踐. 2018(02)
[2]中國銅期貨市場最優(yōu)套期保值比率估計(jì)——基于馬爾科夫區(qū)制轉(zhuǎn)移GARCH模型[J]. 彭紅楓,陳奕.  中國管理科學(xué). 2015(05)
[3]危機(jī)傳染效應(yīng)的識別與度量——基于改進(jìn)MIS-DCC的分析[J]. 蘇海軍,歐陽紅兵.  管理科學(xué)學(xué)報. 2013(08)
[4]基于M-Copula-GJR-VaR模型的黃金市場最優(yōu)套期保值比率研究[J]. 謝赤,屈敏,王綱金.  管理科學(xué). 2013(02)



本文編號：3470520