沪深300股指期货 套期保值及其标的股票投资组合选择的模型实证研究 高 辉 经济学博士 中大期货研究所所长 0571-85803157 E-mail: gao_hui1018@163.com

内容摘要 本文采用协整等模型分析技术，对沪深300股指标的进行投资组合的建模研究，给出了动态投资组合的操作方法，结果表明基于模型选择的投资组合具有较好的系统均衡性、较小的风险及较高的收益率； 我们同时对静态选择的50支股票组合及基于模型动态选择的17支股票的投资组合以及单个股票投资进行沪深300股指期货套期保值比的模拟实证分析； 最终采用OLS回归模型估计法 、双变量向量自回归模型B-VAR方法 、基于协整关系的误差修正模型ECM方法、简化的误差修正模型 S-ECM 方法，对几种情况下的套期保值比进行实证研究； 最后对利用沪深300股指期货进行套期保值的有效性给出了评价，得到了众多有价值的结论。 中大期货研究所 0571-85777568

本文主要内容 介绍国内外套期保值研究的进展。 对模型研究的理论与方法作了介绍。 其中重点对投资组合选择的方法作了介绍； 对几种套期保值比的计算方法作了分析。 对样本的选择及数据处理作了说明。 进行平稳性、因果性、协整性实证检验。 对沪深300股指标的投资组合选择进行模型实证研究 对沪深300股指期货套期保值比进行实证比较研究 结论 中大期货研究所 0571-85777568

引 言 套期保值不仅是期货市场的主要功能，也是其存在和发展的原因。为了对生产、贸易活动中涉及的商品或资产头寸进行保值，套期保值者会买卖一定比例的期货合约，这时他们将面临套期保值比率的选择问题。 最佳套期保值比率的研究成为西方学者关注的一个热点问题，如Johnson（1960），Herbst、Kare、Marshall（1989）， Ghosh（1993）等学者都在不同时期、从不同角度对最佳套期保值比率进行了研究。 近年来，随着我国期货市场的不断发展和完善，国内学者也逐渐开始关注对我国商品期货市场最佳套期保值策略的研究（如吴冲锋、钱宏伟、吴文锋，1998）。 到目前为止，国内的研究文献在统计技术上几乎均是采用了以最小二乘法（OLS）为基础的传统估计模型。 随着时间序列计量经济学的发展，以及近代数理统计和其他数学分支的研究成果更多地应用到金融领域，传统回归模型的种种缺陷不断显现出来，同时金融时间序列的诸多复杂特征也通过新的统计分析技术得以揭示。 中大期货研究所 0571-85777568

在统计模型中忽略协整关系，会使套期保值比率和套期保值有效性发生变化，而影响套期保值交易的效果，甚至使套期保值者遭受严重的损失。 协整技术在期货市场经验研究中的运用成果显示，现货价格和期货价格均包含随机变动的趋势，而且在有效市场的假定下，期货与现货价格存在协整关系（Kon、Michael，1991）。 在统计模型中忽略协整关系，会使套期保值比率和套期保值有效性发生变化，而影响套期保值交易的效果，甚至使套期保值者遭受严重的损失。 由于股指期货的推出迫在眉睫，作为金融衍生产品的领军品种推出成功与否对中国资本市场的意义重大。作为股指期货投资中重要的指标——套期保值头寸的设定，成为未来投资者较为关心的问题，如何计算套期保值头寸成为机构推动股指交易的重要筹码。 本文以即将推出的沪深300股指期货为分析对象，运用协整等建模技术，研究沪深300股指与标的指数的相关性，并利用相关模型估计最小风险套期保值比率，同时对套期保值有效性进行分析，为机构投资者未来投资沪深300股指标的股票组合以及如何确定套期保值比提供理论与实践的指导。 中大期货研究所 0571-85777568

研究进展及文献回顾 Working（1960）率先提出了基于基差预测的选择性（基差套利型）套期保值的思想； 自从Johnson（1960）和Stein（1961）开始引入Markowitz资产组合理论来解释套期保值问题后，最佳套期保值比率以及套期保值有效性问题逐渐成为期货市场研究的热点； Johnson（1960）最早在收益方差最小化的条件下，提出了商品期货最佳套期保值比率的概念，并给出了最佳套期保值比率的基本计算公式。 Ederington（1979）将上述方法应用到了金融期货市场，并提出了期货市场套期保值有效程度的计量指标。 Witt等(1987)总结了用传统的最小二乘法（OLS）回归模型估计最小风险套期保值比率的基本方法。 中大期货研究所 0571-85777568

很多学者批评运用OLS计算最小风险套期保值比率的缺点——残差无效性问题： Bell& Krasker（1986）证明了如果期货价格的变化依赖于前期的信息，那么这种传统的计算方法将会错误地估计最小风险套期保值比率； Park & Bera（1987）指出，由于这种简单的回归模型会忽略现货价格和期货价格序列的异方差性，因此传统的最小二乘法不适合最小风险套期保值比率的估计； 中大期货研究所 0571-85777568

Herbst 、 Kare & Marshall（1989）和Myers & Thompson（1989）也发现利用OLS进行最小风险套期保值比率的计算会受到残差项序列相关的影响，同时解释变量与被解释变量的协方差以及解释变量的方差也应该是考虑信息的条件统计量，为了消除残差项的序列相关和增加模型的信息量，可以利用双变量向量自回归模型B-VAR （Bivariate－VAR Model）进行最小风险套期保值比率的计算，而且这种模型可以更广泛应用于各种期货价格与现货价格模式，改善传统模型须受制于诸多前提假定的情况。 中大期货研究所 0571-85777568

Cecchetti（1988）等利用ARCH模型计算了美国国债期货合约的最小风险动态套期保值比率，发现套期保值比率随着时间的变化而变化； Baillie & Myers（1991）则通过GARCH模型估计最小风险套期保值比率，并对美国期货市场大豆合约、玉米合约等进行了实证研究。 另一个被更广泛关注的问题，是现货价格和期货价格之间的协整关系对最小风险套期保值比率的影响。 Engle & Granger（1987）又对这一理论进行了发展，协整理论同时考虑了金融时间序列的长期均衡关系和短期动态关系。 中大期货研究所 0571-85777568

Ghosh（1993）利用股票指数及股指期货进行了实证研究，证明考虑现货价格与期货价格的协整关系，有利于获得一个更优的最小风险套期保值比率； Ghosh（1993）根据Granger & Engle的协整理论，提出了估计最小风险套期保值比率的误差修正模型ECM（Error Correction Model），这一模型同时考虑了现货价格和期货价格的不平稳性、长期均衡关系以及短期动态关系。 Ghosh（1993）利用股票指数及股指期货进行了实证研究，证明考虑现货价格与期货价格的协整关系，有利于获得一个更优的最小风险套期保值比率； Lien & Luo（1994）则指出，虽然GARCH模型可以描述价格行为，但是在比较各个套期保值比率的效果时，现货价格与期货价格间的协整关系是必须考虑的因素； Lien（1996）的研究为协整关系如何影响最佳套期保值比率提供了理论支持，并进一步提出了简化的误差修正模型S-ECM(Simple Error Correction Model)，他指出“套期保值者如果忽视协整关系，那么他将得到一个相对较低的最小风险套期保值比率，同时套期保值效果也会相应的变差。 中大期货研究所 0571-85777568

Wahab & Lashgari（1993）和Tes（1995）也对这一问题进行了研究，同样发现期货价格和现货价格之间的协整关系对于最小风险套期保值比率的计算有很重要的影响。 在Granger（1986）协整理论和误差修正模型的基础上，Sowell（1992），Cheung & Lai（1993）和Dueker & Startz（1998）提出应该考虑两组时间序列数据间的分数协整关系。 Lien & Tse（1999）利用分数协整模型（FIEC）估计了日经指数期货合约的最小风险套期保值比率，发现期货价格和现货价格数据存在分数协整关系，但是在此基础上得出的套期保值比率有效性并没有任何改善。 中大期货研究所 0571-85777568

模型与研究方法 投资组合选择的模型研究方法 数据的平稳性检验。 平稳性的常用检验方法是图示法与单位根检验法。图示法即对所选各个时间序列变量及其一阶差分作时序图 。 我们再经过单位根检验来确定各个非平稳变量的单整阶数。单位根检验方法很多,一般有DF,ADF检验和Philips的非参数检验(PP检验)。其中Engle-Granger的基于残差的ADF检验是最常用的检验方法。 的最优滞后期p在ADF检验中选取标准我们采用：保证残差项不相关的前提下，同时采用AIC 准则与SC准则，作为最佳时滞的标准，在二者值同时为最小时的滞后长度即为最佳长度。 中大期货研究所 0571-85777568

在ADF检验中还存在一个问题，即检验回归中包括常数，常数和线性趋势，或二者都不包括三种情况。 本文选择标准：通过变量的时序图观察，如果序列好像包含有趋势（确定的或随机的），序列回归中应既有常数又有趋势； 如果序列没有表现任何趋势且有非零均值，回归中应仅有常数； 如果序列在零均值波动，检验回归中应既不含有常数又不含有趋势。 中大期货研究所 0571-85777568

变量间的因果关系检验 由于因果关系检验对滞后阶较为敏感,在实际检验中，我们以AIC,SC准则与对数似然值作为衡量标准，在AIC,SC值同时取得最小值及对数似然值取得最大值时的滞后阶数为最佳滞后阶数。 中大期货研究所 0571-85777568

变量间长期均衡关系（协整）检验 关于协整关系的检验与估计目前有许多具体的技术模型，如EG两步法、Johansen极大似然法、Gregory,Hansan（1996）法、自回归分布滞后模型( ARDL)方法、频域非参数谱回归法、Bayes方法等等。 Engle和Granger建议使用两阶段回归法解决时间序列的非平稳性，由于此方法易于计算，因而早期被广泛采用，但其缺点是在小样本下，参数估计的误差较大，并且当变量超过两个以上时，变量间可能存在多个协整关系，此方法无法找到所有可能的协整向量，其分析结果不易解释。 Johansen（1988）针对上述问题提出极大似然估计法(MLE)，Gonzalo利用模拟分析所获得结果显示，Johansen检验优于Engle和Granger的方法。本文即采用Johansen检验法。 中大期货研究所 0571-85777568

在ｐ值确定后,再对协整中是否具有常数项和(或)时间趋势进行验证,然后再对其它组数据进行协整检验。最终得到正确协整关系。 协整检验对滞后阶尤为敏感,不当的滞后阶,很可能导致虚协整,因此,必须先确定合理的滞后阶数ｐ,我们采用AIC信息准则和SC准则对ｐ值进行选择，即选取当二者同时为最小值时的阶数。 在ｐ值确定后,再对协整中是否具有常数项和(或)时间趋势进行验证,然后再对其它组数据进行协整检验。最终得到正确协整关系。 中大期货研究所 0571-85777568

套期保值比的计算方法 OLS回归模型估计法 传统回归模型对最小风险套期保值比率的估计主要通过最小二乘法（OLS）进行，Witt等学者在1987年概括了三个估计最小风险套期保值比率的常用公式，我们仅选择其中之一来代表传统方法进行最小风险套期保值比率的估计。 中大期货研究所 0571-85777568

双变量向量自回归模型B-VAR Herbst （1989）认为模型1的一个重要不足就是它忽略了残差项的自相关。为了消除残差项的序列相关，可以利用双变量向量自回归模型（B-VAR）进行最小风险套期保值比率的计算。在B-VAR模型中，期货价格和现货价格存在如下关系式： 可以得到最小风险套期保值比： 中大期货研究所 0571-85777568

基于协整关系的误差修正模型ECM Granger（1974）等学者认为，传统回归模型与B-VAR模型在估计最小风险套期保值比率上都存在一定的缺陷。模型2虽然解决了传统回归模型中的残差项自相关问题，但它和模型1一样，都忽略了期货价格与现货价格之间的协整关系对最小风险套期保值比率的影响。也就是说，二者都没有考虑误差修正项，因此也就忽略了前期均衡误差的影响。 Engle & Granger（1987）提出了存在协整关系时期货价格与现货价格的误差修正模型： Ghosh（1993）在Engle和Granger的研究基础上，提出了估计最小风险套期保值比率的误差纠正模型（ECM）： 中大期货研究所 0571-85777568

中大期货研究所 0571-85777568

简化的误差修正模型 S-ECM Lien（1996）在Engle & Granger（1987）和Ghosh（1993）研究的基础上，利用一个简化的误差修正模型（S-ECM）从理论上分析了协整关系如何影响最小风险套期保值比率和套期保值有效性。 在简化的误差修正模型中，现货价格和期货价格可以用以下公式表示： 中大期货研究所 0571-85777568

样本的选择与数据的处理 沪深300股指期货价格的选取 由于目前我国沪深300股指期货还没有推出，无法获得实际的股指期货价格，给套期保值比率的计算带来困难。 因而，股指期货现货价格与期货价格具有更强的收敛性和相关性。 从世界主要股指期货：标准普尔500指数、恒生指数、日经225指数、伦敦金融时报100指数等股指期货与相应的现货价格的相关系数均达到0.99以上，相关性非常强。 因而本文在计算套期保值比率时用现货指数代替期货指数，计算结果可能存在误差，但是不影响我们研究的问题。 因此，我们选取沪深300指数收盘价，样本的时间段2005.1.4-2006.10.11,数据共426个。 中大期货研究所 0571-85777568

样本股的选择 本文从沪深市场选择五十支流通市值较大股票，选取的数据为2005年1月4日－2006年10月11日的日收盘价数据，数据共426个。所选样本数据行业分布情况比较均匀。 中大期货研究所 0571-85777568

平稳性及因果关系、协整关系检验结果 平稳性检验结果 我们对沪深300指数收盘价、沪深五十支股票收盘价分别进行单位根检验，我们采用常用的ADF检验与PP检验方法。 检验结果显示：在样本期2005:1:4——2006:10:10之间，我们选取的变量均是I(1) 中大期货研究所 0571-85777568

Granger因果关系检验结果 我们对沪深300指数收盘价与沪深五十支股票收盘价进行Granger因果关系检验。根据AIC、SC准则确定最佳滞后阶数为滞后1阶 。 因此，沪深300股指在样本期2005.1.4-2006.10.10期间，排名前五十支股票中对沪深300股指产生双向引导作用的股票共有17支，分别是： S深发展A、S深宝安A、南玻A、招商地产、中金岭南、农产品、长城电脑、华侨城A、深圳机场、许继电气、S阿胶、S徐工、S四环、美的电器、宏源证券、泸州老窖、吉林敖东。 中大期货研究所 0571-85777568

协整关系检验结果 我们基于因果关系检验结果，对同沪深300股指具有双向因果关系的17支股票收盘价与沪深300股指收盘价构成一个完整系统进行协整检验，最终得到的协整关系如下： 中大期货研究所 0571-85777568

检验结果可以看到，我们基于Granger因果关系构造的协整系统有较好的均衡性，说明我们对标的股指的选择是合理的。 以下我们作出基于协整关系的实际值与模拟值图形，参见下图： 检验结果可以看到，我们基于Granger因果关系构造的协整系统有较好的均衡性，说明我们对标的股指的选择是合理的。 中大期货研究所 0571-85777568

对沪深300股指标的股票组合投资选择的模型实证分析 沪深300股指期货标的股票50支组合的投资实证分析 沪深300标的股票50支组合与沪深300股指走势对比 我们选择的五十支股票组合和沪深300指数走势作对比，我们可以看到选取的组合和沪深300股指的相关性比较好。相关图参见下图： 中大期货研究所 0571-85777568

50个股与沪深300股指相关性 我们分别计算所选择的50支股票价格与沪深300股指之间的相关系数。 计算结果显示，50支个股与沪深300股指的相关性差别较大，相关性最小的万科A与沪深300股指的相关系数仅有0.137；最大的是晨鸣纸业与沪深300股指的相关系数达到0.79。 其他的计算结果参见附表2。 中大期货研究所 0571-85777568

投资沪深300股指标的股票50支组合的风险分析 我们分析基于选择的50支股票组合的投资收益及风险，分别计算出日、周平均收益率； 结果分别为：50支股票组合日平均收益率＝0.188；沪深300股指日平均收益率＝0.091； 50支股票组合周平均收益率＝0.933；沪深300股指周平均收益率＝0.448。 结果显示：选择的50支股票投资组合的收益率大于标的指数收益率。 然后，我们通过VAR分析计算50支股票投资组合的日、周的VaR值及波动率值，得到的结果如下： VaR(日)＝205162.798；VaR(周)＝1101965.549； 波动率(日)＝1.442；波动率(周)＝3.464，结果显示，50支股票的投资组合风险是比较小的。 中大期货研究所 0571-85777568

投资沪深300股指标的股票50支组合的动态收益情况 我们对选择沪深300股指标的的50支股票组合的动态收益情况计算如下，样本期2005.1.4-2006.10.10。 如果在2005.1.4进行上述50支股票的建仓，建仓投资2606886.71元，持有到2006.10.10，则组合市值为4455999.99，收益率达到71％。 其它动态数据参见附表3。 中大期货研究所 0571-85777568

（二）基于因果关系及协整关系的股票组合投资选择的模型实证分析 基于沪深300股指在样本期2005.1.4-2006.10.10期间，排名前五十支股票中对沪深300股指产生双向引导作用的17支股票，我们进行动态有选择性的投资组合。 动态选择的17支股票行业分布的情况 中大期货研究所 0571-85777568

动态选择的17支股票组合特点 如果大、中、小市值按总市值30%、40%、30%分类。价值、混合、成长按市净率大小分类，市净率最小的股票其市值之和占所有A 股总市值比例取整30%的股票为价值型股票，中间40%为混合型股票，最后30%的个股为成长型股票。 然后就能确定某个股的风格，分别确定属于大市值价值型、中市值价值型、小市值价值型、大市值混合型、中市值混合型、小市值混合型、大市值成长型、中市值成长型、小市值成长型的股票。 按照标准我们可以判断出模型动态选择的17支股票组合的情况见下图： 中大期货研究所 0571-85777568

动态选择17支股票组合与沪深300股指走势对比图 我们从相关图中可以看到，基于模型动态选择的17支股票组合的走势在2006年3月以前与沪深300股指走势相关性较强，之后出现了较大的偏离，说明基于动态模型选择的17支股票的收益超过了大盘的走势，达到了较好的效果 。 中大期货研究所 0571-85777568

动态选择17支股票组合收益及风险分析 我们分析基于模型选择的17支股票组合的投资收益及风险，分别计算出日、周平均收益率，结果分别为： 17支股票组合日平均收益率＝0.249； 沪深300股指日平均收益率＝0.091； 17支股票组合周平均收益率＝1.251； 沪深300股指周平均收益率＝0.448。 结果显示：动态选择的17支股票投资组合的收益率远远大于静态选择50支股票的收益率，并且远远大于沪深300标的指数平均收益率。 中大期货研究所 0571-85777568

然后，我们对其风险进行分析，基于VAR计算日、周波动率，分别得到的结果如下： 波动率(日)＝1.622； 波动率(周)＝3.863， 我们知道17支股票的投资组合风险是比较小的，同50支股票组合相比风险没有明显增大。 中大期货研究所 0571-85777568

动态选择17支股票的最终收益情况分析 我们对沪深300股指标的50支股票组合中进行动态模型选股的17支股票的动态收益情况计算： 如果在2005.1.4进行上述17支股票的建仓，建仓投资783574.04元，持有到2006.10.10，则组合市值为1721299.99元； 收益率达到120％。其它动态收益数据参见附表4。 中大期货研究所 0571-85777568

LNS-LNS(-1) = 1.047321833*(LNP-LNP(-1)) + 0.0003255285627 基于沪深300股指的套期保值比的模型分析 静态选择沪深300股指标的50支股票组合的套期保值比的计算 我们分别采用：OLS回归模型估计法 、双变量向量自回归模型B-VAR 、基于协整关系的误差修正模型ECM、简化的误差修正模型 S-ECM 方法对静态选择的50支股票组合采用沪深300股指期货进行套期保值，套期保值比计算分别如下 OLS回归模型估计法结果： LNS-LNS(-1) = 1.047321833*(LNP-LNP(-1)) + 0.0003255285627 中大期货研究所 0571-85777568

基于协整关系的误差修正模型ECM估计结果： 基于VAR模型的套期比计算结果： LNS-LNS(-1) = 0.06955940763*(LNS(-1)-LNS(-2)) + 0.008646396195*(LNS(-2)-LNS(-3)) + 1.044937735*(LNP-LNP(-1)) - 0.05046019672*(LNP(-1)-LNP(-2)) - 0.02829650201*(LNP(-2)-LNP(-3)) + 0.0002917191891 基于协整关系的误差修正模型ECM估计结果： D(LNS-LNS(-1)) = -0.3313431824*((LNS(-1)-LNS(-2))-1.562350975*(LNP(-1)-LNP(-2)) +3.846757534E-06*(@TREND(1))-0.0006726080822) - 0.4486180514*D(LNS(-1)-LNS(-2)) - 0.3001035701*D(LNS(-2)-LNS(-3)) - 0.1745079508*D(LNS(-3)-LNS(-4)) + 1.074708802*D(LNP-LNP(-1)) + 0.3737660971*D(LNP(-1)-LNP(-2)) + 0.2260629998*D(LNP(-2)-LNP(-3)) + 0.133059342*D(LNP(-3)-LNP(-4)) + 1.484392672e-05 基于简化的误差修正模型 S-ECM 方法计算结果： LNS-LNS(-1) = 1.046336626*(LNP-LNP(-1)) - 0.006764265492*P11 + 0.03538674592 中大期货研究所 0571-85777568

静态50支股票组合选择的套期保值有效性评价 Ederington（1979）给出了套期保值有效性的衡量指标，即与未参与套期保值时收益方差相比，参与套期保值后收益方差的减少程度。 未参与套期保值和参与套期保值收益方差可以分别表示为： 中大期货研究所 0571-85777568

通过以上分析可知，对50个股票投资组合进行风险规避，采用四种方法有效性基本是一致的。 说明投资组合选取的股票越多，利用沪深300股指期货进行套期保值的套期比越小，不同的套期保值比计算差别较小。 中大期货研究所 0571-85777568

模型动态选择沪深300股指标的17支股票的套期保值比的计算 OLS回归模型估计法结果： LNS-LNS(-1) = 1.072149454*(LNP-LNP(-1)) + 0.0008949580933 基于VAR模型的套期比计算结果： LNS-LNS(-1) = 0.003347676789*(LNS(-1)-LNS(-2)) + 0.03303264764*(LNS(-2)-LNS(-3)) + 1.072282296*(LNP-LNP(-1)) - 0.001854147865*(LNP(-1)-LNP(-2)) - 0.05051087746*(LNP(-2)-LNP(-3)) + 0.0008438772903 基于协整关系的误差修正模型ECM估计结果： D(LNS-LNS(-1)) = -0.2717614333*((LNS(-1)-LNS(-2))-1.994689397*(LNP(-1)-LNP(-2))+ 3.707649805E-06*(@TREND(1))-0.0008281787597) - 0.58021436*D(LNS(-1)-LNS(-2)) - 0.3876131275*D(LNS(-2)-LNS(-3)) - 0.2247649631*D(LNS(-3)-LNS(-4)) + 1.111470481*D(LNP-LNP(-1)) + 0.4460306095*D(LNP(-1)-LNP(-2)) + 0.2581620124*D(LNP(-2)-LNP(-3)) + 0.1631782839*D(LNP(-3)-LNP(-4)) - 1.335306291e-05 基于简化的误差修正模型 S-ECM 方法计算结果： LNS-LNS(-1) = 1.069151907*(LNP-LNP(-1)) - 0.004472614982*P11 + 0.02431296355 中大期货研究所 0571-85777568

基于模型动态选择17支股票组合套期保值有效性评价 通过以上分析可知，对17个股票投资组合进行风险规避，采用四种方法有效性基本是一致的，说明投资组合选取的股票越多，利用沪深300股指期货进行套期保值的套期比越小，不同的套期保值比计算差别较小。 中大期货研究所 0571-85777568

基于单支股票套期保值比的计算及有效性评价 OLS回归模型估计法结果： LNS-LNS(-1) = 1.070805356*(LNP-LNP(-1)) - 0.0002823062992 基于VAR模型的套期比计算结果： LNS-LNS(-1) = 0.05883540218*(LNS(-1)-LNS(-2)) + 0.003818566661*(LNS(-2)-LNS(-3)) + 1.076710748*(LNP-LNP(-1)) - 0.1596704544*(LNP(-1)-LNP(-2)) + 0.09398902552*(LNP(-2)-LNP(-3)) - 0.0002709172175 基于协整关系的误差修正模型ECM估计结果： D(LNS-LNS(-1)) = -0.9452374371*((LNS(-1)-LNS(-2))-1.757860114*(LNP(-1)-LNP(-2)) +6.572727738E-06*(@TREND(1))-0.0005151388938) + 0.03848274172*D(LNS(-1)-LNS(-2)) + 0.06567798588*D(LNS(-2)-LNS(-3)) + 0.03243138915*D(LNS(-3)-LNS(-4)) + 1.189068267*D(LNP-LNP(-1)) - 0.5750131931*D(LNP(-1)-LNP(-2)) - 0.3793003174*D(LNP(-2)-LNP(-3)) - 0.2778022695*D(LNP(-3)-LNP(-4)) + 3.906489065e-05 基于简化的误差修正模型 S-ECM 方法计算结果： LNS-LNS(-1) = 1.069100436*(LNP-LNP(-1)) - 0.02799277939*P11 + 0.1417433117 中大期货研究所 0571-85777568

基于单只股票套期保值有效性评价 通过以上分析可知，对单个股票投资组合进行风险规避，采用四种方法有效性基本也是一致的，说明投资组合选取的股票越少，利用沪深300股指期货进行套期保值有效性越小。 中大期货研究所 0571-85777568

结 语 本文我们采用模型分析技术，对沪深300股指标的进行投资组合的建模研究，给出了动态投资组合的操作方法，同时对投资组合进行沪深300股指期货套期保值比进行实证分析，最终对不同的套期保值比的计算方法在沪深300套期保值实践中的应用给出的评价。 我们首先对选择的样本数据进行平稳性的检验，结果认为，我们选择的样本数据均是I(1); 我们对样本股与沪深300股指之间的关系进行Granger因果关系检验，认为沪深300股指在样本期2005.1.4-2006.10.10期间，排名前五十支股票中对沪深300股指产生双向引导作用的股票共有17支； 分别是：S深发展A、S深宝安A、南玻A、招商地产、中金岭南、农产品、长城电脑、华侨城A、深圳机场、许继电气、S阿胶、S徐工、S四环、美的电器、宏源证券、泸州老窖、吉林敖东。协整检验表明我们基于Granger因果关系构造的协整系统有较好的均衡性。 中大期货研究所 0571-85777568

通过理论模型的动态选择，我们从沪深300股指标排名前50支股票进行的动态选择，构成的17支股票的投资组合，进行实证分析； 我们看到，17支组合比50支组合在风险、收益都方面都有较大的改进，50支股票的投资组合的收益率为71％；动态模型选股的17支股票的组合动态收益率达到120％，收益率状况有了极大的提高，说明我们基于模型的动态选股方法是有效的。 最后，我们分别采用：OLS回归模型估计法 、双变量向量自回归模型B-VAR 、基于协整关系的误差修正模型ECM、简化的误差修正模型 S-ECM 方法对静态选择的50支股票组合及动态模型选择的17支股票组合采用沪深300股指期货进行套期保值，模拟计算套期保值比。 中大期货研究所 0571-85777568

我们发现，对50个股票或17支股票投资组合进行风险规避，采用四种方法有效性基本是一致的。 说明投资组合选取的股票越多，利用沪深300股指期货进行套期保值的套期比趋于1，不同的套期保值比计算差别较小。 对单个股票投资进行风险规避，采用四种方法有效性基本是一致的，但是有效性的值均较小。 投资单个股票，利用沪深300股指期货进行套期保值的效果较差，多个投资组合的套期保值效果较好。 中大期货研究所 0571-85777568

浙江省杭州市中大广场五矿大厦2楼中大期货公司研究所 联系方式 浙江省杭州市中大广场五矿大厦2楼中大期货公司研究所 TEL:0571-85803157 Fax:0571-85777568 中大期货研究所 0571-85777568

谢谢大家！