發(fā)布時(shí)間：2021-11-05 22:14

　　伴隨中國(guó)原油期貨的上市,作為商品期貨最大交易單品的原油期貨,其套期保值功能必將成為新的研究熱點(diǎn)。本文采用skew-t-GARCH（1,1）模型捕捉原油期現(xiàn)貨收益率的"波動(dòng)集聚"和"尖峰厚尾"特性,在此基礎(chǔ)上通過(guò)構(gòu)造Copula分位數(shù)套保模型研究不同原油市場(chǎng)狀態(tài)下（牛市、熊市）的套保比率及效率。利用蒙特卡洛模擬對(duì)線(xiàn)性、Normal Copula及T-Copula分位數(shù)回歸模型進(jìn)行效率比較,并對(duì)英國(guó)Brent和美國(guó)WTI原油期貨收益率進(jìn)行實(shí)證研究,結(jié)果表明:①不同市場(chǎng)狀態(tài)下,原油期貨的最優(yōu)套保比率具有非對(duì)稱(chēng)性;②T-Copula分位數(shù)回歸模型的尾部套期保值效率更穩(wěn)定。因此,利用原油期貨進(jìn)行規(guī)避風(fēng)險(xiǎn)時(shí),要根據(jù)市場(chǎng)行情合理運(yùn)用套期保值模型。 

【文章來(lái)源】：數(shù)理統(tǒng)計(jì)與管理. 2020,39(04)北大核心CSSCI

【文章頁(yè)數(shù)】：15 頁(yè)

【部分圖文】：

圖６?Ｎｏｒｍａｌ．?Ｃｏｐｕｌａ模型估計(jì)下兩市場(chǎng)相關(guān)系數(shù)釋聲置信區(qū)間示意圖??３．４各Ｃｏｐｕｌａ分位數(shù)模型最優(yōu)動(dòng)態(tài)套期比率結(jié)果與比較??

任仙玲，鄧?yán)冢夯冢茫铮穑酰欤岱治粩?shù)回歸原油期貨市場(chǎng)套保模型及效率研究??７５１??②?設(shè)置估計(jì)上下限（介ｆ—ｌ到１之間）；??③將式（１１）?ｅ：＿３ｉ作為Ｙ代入式（１０）．，使用Ｍａｔｌａｂ內(nèi)置內(nèi)點(diǎn)算法（適用于目標(biāo)函數(shù)不可微）??迭代求出??Ｔ－Ｇｏｐｕｌａ分位數(shù)回歸模型的估計(jì)算法與＿＿Ｎｗ．ｍａｌ?Ｃｏｐｕｌａ類(lèi)似，只是增加了一個(gè)自??由度估計(jì)，在此不贅述。??１．５套期保值績(jī)效評(píng)價(jià)方法??套期保值效率是指按照一定套保比率進(jìn)行套期保值與未進(jìn)行套期保值相比，收益率風(fēng)險(xiǎn)??的減少程度。根據(jù)Ｋｎｍ紋和：關(guān)于套期保值效率的衡量方法，套期保值效率為??ｗ?—?１?—??（１３）??其中ｗ為套期保值效率，其值越大說(shuō)明套期保值效率越好；為套期保值組合收益率的方??差；為現(xiàn)貨收益率方差，即未進(jìn)行套期保值收益率的方差。??２模擬研究??２．１模擬步驟??運(yùn)用蒙特卡羅方法對(duì)原油期現(xiàn)貨收益率走勢(shì)進(jìn)行模擬，并計(jì)算各模型套保效率，參考樣本??期內(nèi)各市場(chǎng)收益率的參數(shù)，擬定期現(xiàn)貨相關(guān)系數(shù)＝?０．９，其技術(shù)實(shí)現(xiàn)步驟如下：??⑴生成ｊ?＝?１〇〇＿次樣本容量為＆?＝?１〇〇〇的二元Ｋｔｔｎｉｉａｌ?Ｃｏｐｕｌａ或Ｔ－Ｇｏｐｕｌａ隨機(jī)序列。??以模擬二元?Ｎｏｒｍａｌ?Ｃｏｐｕｌａ隨機(jī)序列為例，其算法過(guò)程如下：??①求出相關(guān)矩陣私的ＣｉＭｔｏｋｙ分解矩陣Ａ，即＝?Ｓ１；??②生成服從ｉＶ（〇，ｌ）的隨機(jī)序列??Ｎｏｒｍａｌ?Ｃｏｐｕｌａ隨機(jī)數(shù)模擬現(xiàn)貨?Ｎｏｒｍａｌ?Ｃｏｐｕｌａ隨機(jī)數(shù)模擬期貨??Ｔ－Ｃｏｐｕｌａ隨機(jī)數(shù)模擬現(xiàn)貨??Ｔ－Ｃｏｐｕｌａ隨機(jī)數(shù)模擬期貨??圖１蒙特卡洛模擬期現(xiàn)貨收益率走勢(shì)圖??

７５４??數(shù)理統(tǒng)計(jì)與管理??第３９卷第４期２０２０年７月??注：＊分別表示在１％、５％、１〇％的顯著性水平下顯著。??ＷＴＩ原油現(xiàn)貨收益率Ｑ－Ｑ圖?ＷＴＩ原油期貨收益率Ｑ－Ｑ圖??０．２?０．４?０．６?０．８??Ｕ（０，?１）??Ｂｒｅｎｔ原油現(xiàn)貨收益率Ｑ－Ｑ圖??Ｄ．２?０．４?０．６?０．８??Ｕ（０，?１）??Ｂｒｅｎｔ原油期貨收益率Ｑ－Ｑ圖??Ｕ（０，?１）?Ｕ（０？?１）??圖４各市場(chǎng)原油期現(xiàn)貨收益率的Ｑ－Ｑ圖??原油期現(xiàn)貨收益率殘差序列的概率積分變換序列與（０，１）均勻分布的０－Ｑ圖也可以清晰地看??出，選用的ｓｋｅｗ－ｔ－ＧＡＲ，ＣＨ（１，１）模型擬合效果好。??表２?ＧＡＲ．ＣＨ模型參數(shù)估計(jì)及條件波動(dòng)的診斷檢驗(yàn)??霞ｆｔ??ｗｒｓｔ??ｂｒｆｔ??ｂｒｓｔ??Ｐａｒｔ?１估計(jì)參數(shù)??０．０２５＊??０．０２６＊??０．０１９＊??０．００９??＾１??０．０６７＊＊＊??０．０６４＊＊＊??０．０６５＊＊＊??０．０４３＊＊＊??ｉ〇２??０．９２８＊＊＊??０．９３１＊＊＊??０．９３１＊＊＊??０．９５５＊＊＊??ＵＪｌ?＋?Ｌ〇２??０．９９５??０．９９５??０．９９６??０．９９８??Ｖ??８．２９７??６．９３７??７．０３２??６．６６６??Ａ??－０．０８０??－０．０７０??－０．０４０??－０．０４２??Ｌｏｇ－ｌｉｋｅｌｉｈｏｏｄ??－３６２１．９４??－３６５１．３５??－３４４５．１２??－３４５５．１６??Ｋ－Ｓ統(tǒng)計(jì)量??０．０１９６??０．０１７９??０．０２１２??０．０２０７??Ｋ－Ｓ概率值??０．８８０３??０．９３５１??０．８１０５??

【參考文獻(xiàn)】：
期刊論文
[1]基于Copula函數(shù)的非線(xiàn)性時(shí)間序列聚類(lèi)[J]. 張貝貝,安百?lài)?guó),張寶學(xué).  數(shù)理統(tǒng)計(jì)與管理. 2019(03)
[2]應(yīng)用變系數(shù)分位點(diǎn)回歸模型分析經(jīng)濟(jì)因素對(duì)全球股市風(fēng)險(xiǎn)的影響[J]. 葉五一,李國(guó)艷,繆柏其.  數(shù)理統(tǒng)計(jì)與管理. 2019(01)
[3]我國(guó)股指期權(quán)與現(xiàn)貨市場(chǎng)的風(fēng)險(xiǎn)傳遞效應(yīng)研究[J]. 樊鵬英,劉亞明,薛清水,陳敏.  數(shù)理統(tǒng)計(jì)與管理. 2018(06)
[4]基于長(zhǎng)期投資視角的動(dòng)態(tài)套期保值策略:以原油期貨組合為例[J]. 尹力博,韓立巖.  系統(tǒng)工程學(xué)報(bào). 2017(02)
[5]基于期現(xiàn)共跳的股指期貨套期保值研究[J]. 趙華.  數(shù)理統(tǒng)計(jì)與管理. 2016(05)
[6]VaR最小化的股指期貨套期保值比率研究[J]. 孫燕紅,費(fèi)廣平.  數(shù)理統(tǒng)計(jì)與管理. 2015(04)
[7]風(fēng)險(xiǎn)最小化套期保值比例估計(jì):基于RV-Copula模型[J]. 李勇,方兆本,韋勇鳳.  數(shù)理統(tǒng)計(jì)與管理. 2015(02)
[8]基于Copula-TGARCH模型的股指期貨最佳套期保值比研究[J]. 史美景,趙永淦.  數(shù)理統(tǒng)計(jì)與管理. 2012(02)
[9]基于Copula的最小方差套期保值比率[J]. 王玉剛,遲國(guó)泰,楊萬(wàn)武.  系統(tǒng)工程理論與實(shí)踐. 2009(08)
[10]動(dòng)態(tài)非線(xiàn)性套期保值策略研究[J]. 姚榮輝,王書(shū)平,張蜀林.  工業(yè)技術(shù)經(jīng)濟(jì). 2009(07)



本文編號(hào)：3478603