武汉大学衍生金融工具实验报告.docx
《武汉大学衍生金融工具实验报告.docx》由会员分享,可在线阅读,更多相关《武汉大学衍生金融工具实验报告.docx(21页珍藏版)》请在冰豆网上搜索。
![武汉大学衍生金融工具实验报告.docx](https://file1.bdocx.com/fileroot1/2023-1/27/5940be0c-dcba-43f6-94af-0840a5bb0270/5940be0c-dcba-43f6-94af-0840a5bb02701.gif)
武汉大学衍生金融工具实验报告
武汉大学衍生金融工具实验报告
实验一,期货最优套期保值比率的估计
一、套期保值的理论基础
,一,套期保值比率的概述
定义:
套期保值比为期货头寸与现货头寸
如果保值者的目的是最大限度的降低风险,那么最优套期保值策略就应该是让套保者在套保期间内的头寸价值变化最小,也就是利用我们如下所说的头寸组合最小方差策略。
,二,计算期货套期保值比率的相关模型
虽然上述的介绍中的可以求解最优套期保值比,但其操作性不强,其先要分别求三个量然后再计算,显然误差较大,现在已经出现了很多关于求解最优套期保值比率的时间序列模型。
1、简单回归模型(OLS)
考虑现货价格的变动(?
S)和期货价格变动(?
F)的线性回归关系,即建立:
*,S,c,h,F,,ttt
其中C为常数项,为回归方程的残差。
问题:
(1)平稳性
(2)序列自相关(3)异方差
2、误差修正模型(ECM)
在计量分析中,若两个时间序列之间存在协整关系,那么传统的OLS的估计量将是有偏的。
在期货价格和现货价格序列之间存在协整关系的条件下得到的“最优”套期保值比率将不是最优的,而存在一定的偏误。
Ghosh(1993)通过实证发现:
当不恰当地忽略协整关系时,所计算出的套期保值比率将小于最优值。
3、ECM-BGARCH模型
考虑时变方差
为此我们要估计最优套期保值比率h=COV(?
S,?
F)/VAR(?
F),需要建立二元GARCH(B-GARCH)模型。
在这里我们采用。
下面我们分别采用常数二元GARCH模型和D—BEKK二元GARCH模型给出ECM-B-GARCH方法下估计最优套期保值比率的模型。
二、实验目的及方法
,一,实验目的
利用上述理论模型估计中国期货交易所交易的期货合约的最优套期保值比率并对保值效果进行绩效评估,说明期货套期保值在经济生活中的重要作用,并找出绩效评估最佳的套期保值比率模型。
,二,实验方法
在实验过程中使用时间序列分析的方法对整理后的价格时间序列按照上面的理论基础模型进行建立模型以得到最优套期保值比率系数,其中涉及时间序列分析中的方法有:
模型参数估计,参数的显著性检验,变量平稳性检验(含单位根检验),回归残差项的ARCH效应检验等。
这些过程都将在EVIEWS软件中进行,因此EVIEWS软件的使用方法也是我们重要的实验方法。
三、实验过程
(一,数据的搜集和整理
取AL1203合约1月数据与现货2012年1月数据相对应,AL1204合约2约数据与2012年2月数据相
对应,以此类推。
,二,利用Eviews估计最优套期保值比率
(1)用OLS模型估计最有套期保值比率1、导入数据
2、建立f、s的差分序列
3、建立OLS简单回归模型
可得最优套期保值比为0.649742
(2)用ESM模型估计最优套期保值比率1、期货价格序列的平稳性检验
由于序列的自相关系数没有很快的趋近于0,说明原序列是非平稳的序列,于是进一步进行单位根检
验。
2、现货价格序列的平稳性检验
3、协整检验
4、建立含有误差修正项的误差修正模型
得到最优套期保值比为0.653350
(3)用ECM-BGARCH模型估计最优套期保值比率1、ARCH效应检验
F统计量和LM统计量显著,可构建该模型
得到ΔS与ΔF的GARCH方程估计结果
得到resid01和resid02的相关系数
得到动态最优套期保值比率
2、D-BEKK-BGARCH模型
用此编程也可得到一个动态最优套期保值比率,由于技术能力有限,在此不再说明。
,三,对利用最小方差套期比的套保组合进行绩效评估
(1)OLS
(2)ECM
(3)D-BEKK-BGARC
不难看出利用ECM-BGARCH模型进行套期报纸的组合收益率的方差最小,能最大限度的降低价格风险。
实验二期货市场价格形成机制实证研究
一、期货价格形成机制理论及实证基础
,一,理论概述
(1)持有成本理论:
期货价格等于当前的现货价格加上持有成本
(2)均衡价格理论:
均衡价格理论假定一个完全市场,具有完全信息状态,在连续、公开的交易中,期货市场将获得均衡价格。
(3)理性预期价格理论:
理性预期学派的商品期货价格理论主要是论述期货价格形成及其与现货价格之间的联系。
(4)市场有效性理论
,二,期货价格形成机制理论实证研究方法
(1)平稳性检验
(2)协整检验
(3)误差修正模型
(4)脉冲响应与方差分解
二、实验目的及方法
,一,实验目的
本实验的目的是利用上述方法来研究期货价格形成机制,以期对期货的价格决定理论有感性的认识,也为今后进一步提升中国在世界大宗商品领域的影响力,争取我国掌握全球大宗商品的定价权,使我国成为全球大宗商品的信息中心、交易中心和价格中心,有效维护我国的经济和金融安全打下研究基础。
,二,实验方法
在实验过程中使用时间序列分析的方法对整理后的价格时间序列按照上面的理论研究中国期货价格的形成机制,其中涉及时间序列分析中的方法有:
平稳性检验、协整检验、误差修正模型、方差分解模型和脉冲相应函数等方法。
实验所使用的软件为EVIEWS。
三、实验过程
,一,数据的搜集和整理
用金、银、铂、铝、原油的现货价格与铜期货的现货价格进行分析。
,二,铜期货价格的形成机制实证研究
(1)adf、pp检验
可知该序列(lnAl)是非平稳的时间序列
同样的步骤可以知道,所有序列都为非平稳时间序列,在此不一一贴出结果。
(2)Johansen检验
1、多重共线性的检验
2、Johansen协整检验
得到方程lncuf=0.006lngold+0.163lnsilver-0.917lnpt-0.069lnwti-0.388lnal
可知,金、银和铜期货是正相关关系,铝,铂,原油和铜期货是负相关关系,其中铂对铜期货价格影响最大,金最小。
(3)误差修正模型
表明误差修正项对原油铝和铂的价格都有负的调整作用。
(4)granger因果检验
NullHypothesis:
ObsF-StatisticProb.
LNALdoesnotGrangerCauseLNCUF2050.989860.4895
LNCUFdoesnotGrangerCauseLNAL1.713840.0196
LNGOLDdoesnotGrangerCauseLNCUF2051.529590.0523
LNCUFdoesnotGrangerCauseLNGOLD2.947039.E-06
LNPTdoesnotGrangerCauseLNCUF2050.740430.8310
LNCUFdoesnotGrangerCauseLNPT2.093320.0021
LNSILVERdoesnotGrangerCauseLNCUF2051.507420.0586
LNCUFdoesnotGrangerCauseLNSILVER3.264271.E-06
LNWTIdoesnotGrangerCauseLNCUF2050.646750.9185
LNCUFdoesnotGrangerCauseLNWTI1.356190.1216
LNGOLDdoesnotGrangerCauseLNAL2050.960340.5316
LNALdoesnotGrangerCauseLNGOLD1.034310.4282
LNPTdoesnotGrangerCauseLNAL2050.780740.7832
LNALdoesnotGrangerCauseLNPT0.833490.7138
LNSILVERdoesnotGrangerCauseLNAL2050.531640.9775
LNALdoesnotGrangerCauseLNSILVER1.335450.1336
LNWTIdoesnotGrangerCauseLNAL2051.651980.0275
LNALdoesnotGrangerCauseLNWTI2.412030.0003
LNPTdoesnotGrangerCauseLNGOLD2050.873240.6578
LNGOLDdoesnotGrangerCauseLNPT1.338990.1315
LNSILVERdoesnotGrangerCauseLNGOLD2051.803890.0118
LNGOLDdoesnotGrangerCauseLNSILVER1.465800.0721
LNWTIdoesnotGrangerCauseLNGOLD2050.946820.5511
LNGOLDdoesnotGrangerCauseLNWTI1.281750.1693
LNSILVERdoesnotGrangerCauseLNPT2051.161660.2754
LNPTdoesnotGrangerCauseLNSILVER0.511920.9829
LNWTIdoesnotGrangerCauseLNPT2050.714430.8588
LNPTdoesnotGrangerCauseLNWTI0.905280.6115
LNWTIdoesnotGrangerCauseLNSILVER2051.232610.2081
LNSILVERdoesnotGrangerCauseLNWTI0.948290.5490在90%的置信度下,只有金银的价格是铜期货价格的格兰杰原因,金银彼此的价格有双向引导关系。
(5)方差分解分析
VarianceDecompositionofLNCUF:
PeriodLNCUFLNGOLDLNSILVERLNWTILNPTLNAL
1100.00000.0000000.0000000.0000000.0000000.000000
299.320050.2248070.3168590.0789776.77E-050.059237
598.034651.0051340.1313320.0347290.6526670.141487
1097.774571.2449290.0684870.0195590.6718130.220645
5097.523571.6151220.0155180.0103560.4748710.360567
10097.484251.6808870.0084450.0095280.4300690.386818
对于铜期货价格长期作用部分的方差,当滞后期为1时,100%来自铜期货价格,随滞后期的增加逐渐减少,但仍然是很大的数值。
VarianceDecompositionofLNGOLD:
PeriodLNCUFLNGOLDLNSILVERLNWTILNPTLNAL
11.36131098.638690.0000000.0000000.0000000.000000
50.92553988.610422.7952562.2195272.5046872.944575
105.55845876.568723.3218752.08236410.131652.336932
5024.6119540.668232.7514430.83542630.711000.421956
10027.4185435.666732.6151950.65966633.431360.208512
短期金的价格受自身影响大,但随滞后期延长而减弱,长期来看,金价受到自身和铜期货价格和铂价格的影响大。
varianceDecompositionofLNSILVER:
PeriodLNCUFLNGOLDLNSILVERLNWTILNPTLNAL
10.77490768.2046131.020490.0000000.0000000.000000
21.28086371.3786626.566560.1582850.2388230.376809
51.52147066.2067123.618860.3241593.3750244.953781
108.14073153.7473420.972980.19483112.625924.318199
5029.3954223.6287512.319410.05368133.628500.974245
10032.0834120.0545211.185810.04909736.023910.603260
银价短期内受金价影响最大,而长期啧受铝价影响最大,铂和铜期货也占较大比例。
VarianceDecompositionofLNWTI:
PeriodLNCUFLNGOLDLNSILVERLNWTILNPTLNAL
12.2772721.2616780.10408496.356970.0000000.000000
21.8431800.8028420.11904096.781170.4454630.008307
51.7334970.4695880.30643396.880210.5816420.028625
101.2404920.2725700.32099997.041101.1091170.015719
500.2794640.0611560.32386496.287273.0151900.033055
1000.1405530.0324580.32279496.056683.4071830.040332
原油价格受自身影响最大。
VarianceDecompositionofLNPT:
PeriodLNCUFLNGOLDLNSILVERLNWTILNPTLNAL
10.00253833.670204.5258460.57859361.222820.000000
21.71345735.804073.6053861.57971456.992160.305211
55.85133433.741322.5152024.14526050.321843.425047
1027.2453129.119012.1692124.36109234.256082.849295
5081.004939.4180080.9991851.5711896.5462430.460448
10086.152367.0032330.8474951.1853644.5493380.262211
铂价格短期受金和原油价格影响较大,但它们随滞后期的增大,影响渐弱,长期则受铜期货价格影响最大。
VarianceDecompositionofLNAL:
PeriodLNCUFLNGOLDLNSILVERLNWTILNPTLNAL
10.0221060.3316070.3548200.0307912.05666397.20401
20.2318020.4199790.4934730.0750211.34309497.43663
50.8350370.1819000.4638190.1488380.60062397.76978
100.4735700.1182560.4348680.1089680.49827698.36606
502.1522240.3133360.4323550.0261163.26062193.81535
1002.7132740.3699360.4329790.0134324.00601792.46436
铝价格受自身影响最大。
实验三中国期货市场GARCH效应研究
一、问题的背景
在经典线性回归模型(CLRM)中,很重要的一个假定条件是回归模型的残差是同方差的,该假定保证了回归系数的无偏性、有效性及一致性。
然而在现实中,同方差的假定是很难满足的,特别是在金融市场中。
大多数研究表明,金融时间序列具有如下特征:
(1)波动率聚族:
金融时间序列的波动性存在明显的聚集性。
(2)尖峰后尾态:
与正态分布相比,金融时间序列的实际分布的尾部更厚,峰度要更高。
3)杠杆效应:
金融资产价格与其波动性之间存在着负相关关系(Black,1976),利空消息要比利好(
消息导致更大的条件方差
二、实验目的及方法
,一,实验目的
利用上述理论模型估计中国期货市场各期货品种的收益率及方差,一方面了解期货收益率及波动率的基本特征,对期货价格和收益率有更感性的认识;另一方面,通过实际数据进一步熟悉各类GARCH模型的表达式及用途。
同时帮助读者熟悉EVIEWS软件的操作,使读者能用中国金融市场的数据分析解决实际的金融问题。
,二,实验方法
在实验过程中使用时间序列分析的方法对整理后的价格时间序列按照上面的理论基础模型进行建立模型,来估计均值方程和GARCH方程,其中涉及时间序列分析中的方法有:
模型参数估计,参数的显著性检验,自相关检验,回归残差项的ARCH效应检验等。
这些过程都将在EVIEWS软件中进行。
三、实验过程
,一,数据的搜集和整理
实验数据为2000年至2012年的国际原油期货价格。
,二,原油期货收益率统计性描述
1、计算原油期货的对数收益率
2、期货收益率序列的统计性描述
从图可知pvalue为0,该序列不是正态分布
,三,原油期货收益率序列的平稳性检验
可以看出,该序列不存在自相关及偏相关问题,可能是一个平稳时间序列。
进一步的单位艮检验,可以看出ADF检验值小于各显著水平临界值,且犯第一类错误的概率小于0.0001,说明我们不能拒绝该序列是平稳时间序列的原假设。
,四,方程的估计
可以看出截距项不显著
得到残差图,残差图表明残差可能存在异方差,进行ARCHXI效应检验
两个P值都为0,表明存在ARCH效应,因而可以采用ARCH以及GARCH类模型来描述原油期货
收益率序列。
,五,原油期货收益率序列的ARCH估计
CoefficientStd.Errorz-StatisticProb.
C0.0008730.0003890.7420790.9250
VarianceEquation
C0.0002431.41E-0517.202890.0000
RESID(-1)^20.1016430.0163866.2030250.0000
RESID(-2)^20.0908130.0177115.1274030.0000
RESID(-3)^20.1160680.0178866.4893140.0000
RESID(-4)^20.0520700.0152863.4063150.0007
RESID(-5)^20.0441960.0168942.6160590.0089
RESID(-6)^20.0786330.0167784.6865390.0000
RESID(-7)^20.0385620.0147362.6168120.0089
RESID(-8)^20.0532200.0159053.3461670.0008
RESID(-9)^20.0633530.0174243.6359200.0003
可知,存在高阶ARCH效应,我们可以适用GARCH方程来你和原油期货收益率序列。
,六,原油期货收益率序列的GARCH估计
CoefficientStd.Errorz-StatisticProb.
C0.0006730.0003900.6260990.6438
VarianceEquation
C8.75E-061.86E-064.7050150.0000
RESID(-1)^20.0562160.00508911.046550.0000
GARCH(-1)0.9301880.006941134.01850.0000
可看出,均值方差不显著
,七,原油期货收益率序列的GARCH-M估计
P值为0.1559,仍然不太显著,但相对ARCH和GARCH明显改善,拟合更好
,八,原油期货收益率序列的EGRACH-M估计
可以看到,均值方程中截距项及标准差系数显著,且garch方程拟合效果好。
因此,我们认为可以适用egarch(1,1)-M来拟合原油收益率序列。