论文部分内容阅读
2015年以来,随着上证50、中证500股指期货品种陆续上市交易,个股期权也在研究试点推出,国内金融衍生品市场发展逐渐走向成熟。另外,以A股为代表的证券金融市场的波动急剧加大,为规避证券市场的系统性风险,股指期货的套取保值功能被应用得越来越广泛,相应的研究也更加深入。套期保值效果的好坏,直接受到套期保值比率选择的影响,因此,套期保值研究的核心问题就转化为怎么研究确定股指期货最优套期保值比率。目前研究中常用的套期保值模型多为时变的二元GARCH类模型和Copula-GARCH族模型,这两类模型使用以日收益率为代表的低频数据,损失了大量的日内波动信息,低估了收益的波动性,从而影响到套期保值比率的精确度。本文突破这一局限,使用高频的已实现波动率(Realized Volatility),同时考虑隔夜收益的影响,对RV进行了基于隔夜信息的三类扩展,构建了Copula-Realized GARCH模型用来估计股指期货动态最优套期保值比率。该模型以Realized GARCH模型描述变量的条件边缘分布从而整合了高频数据中蕴含的更多的波动信息,以Copula函数拟合变量间的时变相关性从而刻画其相关结构的动态性。采用沪深300指数及沪深300股指期货合约高频数据的样本内和样本外的实证表明,在套保组合方差减少比率与二元GARCH类模型和Copula-GARCH族模型同等的情况下,Copula-Realized GARCH模型的平均套期保值比率更低,即使用较少的期货合约能达到同等程度的风险对冲效果。另外以RV3为已实现波动率估计量的Copula-Realized GARCH模型套期保值效果要优于其他三类估计量,表明用尺度变换因子σ对已实现波动率进行变换后的已实现波动率估计量在套期保值中效果更佳。