本文關(guān)鍵詞：我國(guó)主要商品期貨的價(jià)格波動(dòng)與避險(xiǎn)效率研究

  更多相關(guān)文章： 商品期貨 波動(dòng)率 波動(dòng)溢出效應(yīng) 避險(xiǎn)效率 Copula方法

【摘要】：在全球經(jīng)濟(jì)和金融市場(chǎng)一體化的大背景下,我國(guó)期貨市場(chǎng)的發(fā)展受到了越來越廣泛的關(guān)注。特別是近十多年來,我國(guó)商品期貨市場(chǎng)的發(fā)展勢(shì)頭迅猛。從2009年開始,我國(guó)商品期貨交易量已經(jīng)連續(xù)5年位居全球首位,期貨市場(chǎng)在我國(guó)實(shí)體經(jīng)濟(jì)和多層次資本市場(chǎng)建設(shè)中的重要地位也日漸凸顯。因此,本文基于成交量、成交金額、上市時(shí)間、商品類別以及與國(guó)外相關(guān)期貨品種關(guān)聯(lián)度大小的考量,從我國(guó)商品期貨市場(chǎng)的四十余個(gè)交易品種中,界定和選取了有影響力的八種“主要商品期貨”,對(duì)其價(jià)格波動(dòng)特征以及避險(xiǎn)效率進(jìn)行了較為全面和深入的探討。論文主要的研究工作和結(jié)論如下：首先,運(yùn)用GARCH、GJR-GARCH、修正R/S和GPH方法,考察了我國(guó)八種主要商品期貨品種的價(jià)格波動(dòng)特征。實(shí)證結(jié)果顯示,我國(guó)商品期貨收益普遍呈現(xiàn)出較為顯著的左偏和尖峰胖尾特征；其價(jià)格波動(dòng)具有明顯的聚集性和長(zhǎng)記憶性特征,但與證券市場(chǎng)不同的是,其中大多數(shù)品種的價(jià)格波動(dòng)不存在非對(duì)稱杠桿效應(yīng)(Asymmetric leverage effect)。其次,在4種損失函數(shù)基礎(chǔ)上,采用“模型信度集’(Model confidence set)檢驗(yàn)以及動(dòng)態(tài)分位數(shù)回歸(Dynamic quantile regression)檢驗(yàn)法,比較了多種線性和非線性GARCH族模型對(duì)我國(guó)商品期貨市場(chǎng)波動(dòng)率的刻畫精度和VaR測(cè)度效果。主要實(shí)證結(jié)果表明：雖然不同的波動(dòng)率模型能夠捕獲非對(duì)稱杠桿效應(yīng)或(和)長(zhǎng)記憶特性等市場(chǎng)波動(dòng)的典型事實(shí),但沒有哪一種波動(dòng)率模型具有對(duì)全部八種期貨品種一致的最優(yōu)波動(dòng)率刻畫能力；在對(duì)VaR的測(cè)度精度對(duì)比中,各種波動(dòng)率模型對(duì)波動(dòng)本身的刻畫能力似乎并非關(guān)鍵因素,而對(duì)新生量(Innovation)的建模方法則具有至關(guān)重要的作用。具體來說,就我國(guó)商品期貨市場(chǎng)而言,波動(dòng)率模型的選擇對(duì)于VaR的測(cè)度精度作用有限,而基于有偏學(xué)生分布的波動(dòng)模型具有顯著更優(yōu)的風(fēng)險(xiǎn)刻畫精度,且這一現(xiàn)象在高風(fēng)險(xiǎn)水平上更加顯著(如上尾和下尾0.5%及以上的分位數(shù)水平)。再次,運(yùn)用BEKK-GARCH模型、PELT波動(dòng)變結(jié)構(gòu)點(diǎn)診斷方法和分階段Copula模型,考察了我國(guó)商品期貨與國(guó)外相關(guān)期貨品種間的波動(dòng)溢出效應(yīng)。結(jié)果表明：國(guó)內(nèi)外大豆、豆粕、糖、銅和橡膠期貨間均存在雙向的波動(dòng)溢出效應(yīng),且在各農(nóng)產(chǎn)品期貨品種中,國(guó)外產(chǎn)品對(duì)國(guó)內(nèi)產(chǎn)品的波動(dòng)溢出效應(yīng)更強(qiáng)；鋅期貨間則僅存在國(guó)內(nèi)對(duì)國(guó)外的單向波動(dòng)溢出效應(yīng)。整體而言,我國(guó)主要商品期貨與國(guó)外相似期貨品種之間存在密切聯(lián)系,且在2008年金融危機(jī)后,國(guó)內(nèi)期貨對(duì)國(guó)外相關(guān)品種的波動(dòng)溢出強(qiáng)度和都有不同程度的增強(qiáng)。最后,運(yùn)用OLS、BVAR、VECM和MVGARCH等傳統(tǒng)避險(xiǎn)模型以及各類靜態(tài)和動(dòng)態(tài)Copula方法,對(duì)我國(guó)主要商品期貨進(jìn)行了避險(xiǎn)比率計(jì)算和避險(xiǎn)效率對(duì)比研究。結(jié)果表明：總體來說,金屬期貨(銅和鋅)和能源化工期貨(天然橡膠和PTA)的避險(xiǎn)效率要明顯高于農(nóng)產(chǎn)品期貨(大豆、豆粕和白糖)；與大多數(shù)現(xiàn)有研究結(jié)果類似,基于我國(guó)期貨產(chǎn)品周交易數(shù)據(jù)的避險(xiǎn)比率和避險(xiǎn)效率要明顯高于基于日數(shù)據(jù)的結(jié)果；各避險(xiǎn)模型對(duì)不同期貨品種的避險(xiǎn)效率不盡相同,傳統(tǒng)避險(xiǎn)模型在多數(shù)情況下具有更好的避險(xiǎn)效率,而理論上更優(yōu)的靜態(tài)和動(dòng)態(tài)Copula方法則僅在滬銅日數(shù)據(jù)和螺紋鋼周數(shù)據(jù)的實(shí)證檢驗(yàn)中表現(xiàn)最好；2008年以后,我國(guó)主要商品期貨的避險(xiǎn)效率都有不同程度的提高,但與國(guó)外市場(chǎng)相比,我國(guó)商品期貨市場(chǎng)的避險(xiǎn)效率依然偏低。
【關(guān)鍵詞】：商品期貨 波動(dòng)率 波動(dòng)溢出效應(yīng) 避險(xiǎn)效率 Copula方法
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：F724.5
【目錄】：

• 摘要6-8
• abstract8-13
• 第1章 緒論13-21
• 1.1 研究背景13-15
• 1.2 研究目的和意義15-16
• 1.3 研究?jī)?nèi)容與研究方法16-18
• 1.3.1 研究?jī)?nèi)容16-18
• 1.3.2 研究方法18
• 1.4 論文結(jié)構(gòu)及技術(shù)路線18-20
• 1.5 論文可能的創(chuàng)新之處20-21
• 第2章 國(guó)內(nèi)外文獻(xiàn)回顧與評(píng)價(jià)21-36
• 2.1 商品期貨的波動(dòng)特征研究21-26
• 2.2 波動(dòng)率模型比較研究26-28
• 2.3 商品期貨間的波動(dòng)溢出效應(yīng)研究28-31
• 2.4 商品期貨的避險(xiǎn)效率研究31-34
• 2.5 文獻(xiàn)綜述34-36
• 第3章 我國(guó)主要商品期貨的界定及數(shù)據(jù)選取36-50
• 3.1 期貨市場(chǎng)概述36-41
• 3.1.1 期貨市場(chǎng)的形成與發(fā)展36-39
• 3.1.2 期貨市場(chǎng)的功能和作用39
• 3.1.3 世界主要商品期貨市場(chǎng)39-41
• 3.2 我國(guó)主要商品期貨的界定41-46
• 3.2.1 我國(guó)期貨市場(chǎng)發(fā)展歷程41-43
• 3.2.2 我國(guó)主要商品期貨的選取43-46
• 3.3 數(shù)據(jù)選取說明46-49
• 3.3.1 數(shù)據(jù)來源與構(gòu)建46-47
• 3.3.2 數(shù)據(jù)選取47-49
• 3.4 本章小結(jié)49-50
• 第4章 主要商品期貨的波動(dòng)特征研究50-67
• 4.1 波動(dòng)特征研究方法50-55
• 4.1.1 GARCH模型50-52
• 4.1.2 GJR-GARCH模型52-53
• 4.1.3 修正R/S分析法和GPH檢驗(yàn)53-55
• 4.2 期貨收益率的描述性統(tǒng)計(jì)55-57
• 4.3 波動(dòng)聚集性和持續(xù)性檢驗(yàn)57-59
• 4.4 波動(dòng)的非對(duì)稱性檢驗(yàn)59-61
• 4.5 收益和波動(dòng)的長(zhǎng)記憶性檢驗(yàn)61-66
• 4.5.1 收益率的長(zhǎng)記憶性61-63
• 4.5.2 波動(dòng)率的長(zhǎng)記憶性63-66
• 4.6 本章小結(jié)66-67
• 第5章 波動(dòng)率模型比較研究67-84
• 5.1 波動(dòng)率模型67-69
• 5.1.1 條件方差建模67-68
• 5.1.2 新生量Z_l建模68-69
• 5.2 模型刻畫精度檢驗(yàn)方法69-71
• 5.3 VaR計(jì)算及后驗(yàn)分析方法71-72
• 5.4 實(shí)證分析72-81
• 5.4.1 波動(dòng)率模型參數(shù)估計(jì)結(jié)果72-74
• 5.4.2 模型刻畫精度檢驗(yàn)74-77
• 5.4.3 VaR計(jì)算及后驗(yàn)分析77-81
• 5.5 本章小結(jié)81-84
• 第6章 國(guó)內(nèi)外商品期貨間的波動(dòng)溢出效應(yīng)研究84-100
• 6.1 基于BEKK-GARCH模型的波動(dòng)溢出效應(yīng)檢驗(yàn)方法84-86
• 6.1.1 BEKK-GARCH模型84-85
• 6.1.2 Wald檢驗(yàn)85-86
• 6.2 基于Copula模型的波動(dòng)溢出效應(yīng)檢驗(yàn)方法86-90
• 6.2.1 PELT波動(dòng)變結(jié)構(gòu)點(diǎn)診斷86-89
• 6.2.2 分階段構(gòu)建Copula模型89
• 6.2.3 Z檢驗(yàn)89-90
• 6.3 實(shí)證分析90-97
• 6.3.1 國(guó)外商品期貨收益率的描述性統(tǒng)計(jì)90-91
• 6.3.2 基于BEKK-GARCH模型的波動(dòng)溢出效應(yīng)檢驗(yàn)結(jié)果91-94
• 6.3.3 基于Copula模型的波動(dòng)溢出效應(yīng)檢驗(yàn)結(jié)果94-97
• 6.4 本章小結(jié)97-100
• 第7章 基于靜態(tài)和動(dòng)態(tài)Copula方法的商品期貨避險(xiǎn)效率研究100-120
• 7.1 傳統(tǒng)避險(xiǎn)模型100-106
• 7.1.1 避險(xiǎn)比率和避險(xiǎn)效率的計(jì)算100-101
• 7.1.2 回歸模型(OLS)101-102
• 7.1.3 雙變量向量自回歸模型(BVAR)102
• 7.1.4 向量誤差修正模型(VECM)102-105
• 7.1.5 多變量GARCH模型(MVGARCH)105-106
• 7.2 靜態(tài)和動(dòng)態(tài)Copula方法106-110
• 7.2.1 邊緣分布擬合模型107-108
• 7.2.2 Copula函數(shù)108-110
• 7.3 實(shí)證分析110-117
• 7.3.1 現(xiàn)貨收益率的描述性統(tǒng)計(jì)110-111
• 7.3.2 單位根檢驗(yàn)和協(xié)整檢驗(yàn)111-113
• 7.3.3 各類避險(xiǎn)模型的避險(xiǎn)比率和避險(xiǎn)效率結(jié)果113-117
• 7.4 本章小結(jié)117-120
• 結(jié)論與展望120-122
• 致謝122-123
• 參考文獻(xiàn)123-141
• 附錄 主要商品期貨收益率序列的正態(tài)分布Q-Q圖141-142
• 攻讀博士學(xué)位期間發(fā)表的論文及科研成果142

，

本文編號(hào)：868094