文/马淑娟
【摘要】本文首先对股指期货的套期保值功能进行了量化分析，股指期货选择沪深300 股指期货，现货数据选择了与其关联比较紧密的嘉实300ETF。为了使研究结果更加全面，分别选取了长期、中长期和短期三组数据，研究发现短期套期保值操作的效果最好。通过选择OLS、VAR、GARCH 三个不同的计量模型分析发现，对于短期操作投资者应选择OLS 模型确定套期保值率，而对于长期和中长期套期保值操作应选择动态的GARCH模型。
教育期刊网 http://www.jyqkw.com
关键词 沪深300 股指期货；沪深300ETF；OLS 模型；VAR模型；GARCH模型
【作者简介】马淑娟，河北大学硕士研究生，研究方向：金融学。
一、引言
我国首个股指期货产品——沪深300 股指期货已经上市将近四年的时间，其上市以来一直受到投资者、学者以及监管者的关注。股指期货的推出改变了我国资本市场只能做多的单边格局，为投资者提供了规避风险的工具。目前，股指期货的日成交量已经超越了现货市场。
沪深300ETF产品作为典型的指数基金，是紧随沪深300指数上市的，沪深300ETF指数基金的投资标的是沪深300指数成分股，因此其与沪深300 指数有着很强的相关性。股指期货推出后，为沪深300ETF 产品的持有者提供了规避风险的工具，投资者可以根据对未来的走势判断选择买进或卖出股指期货从而达到套期保值的目的。本文选择了嘉实300ETF作为沪深300ETF产品的代表，同时将数据分为了长期、中长期和短期不同的时间区间，以期能够得到更全面的分析结论。
二、理论概述
（一） 沪深300股指期货
股指期货同其他期货产品类似，商品期货中的大豆期货、铜期货、黄金期货等的投资标的就是相对应的商品大豆、铜和黄金等，而股指期货的投资标的是股票指数，沪深300股指期货的投资标的就是沪深300 指数。我国沪深300 股指期货上市的时间较国外发达市场较晚，其交易规则设计也参考了国外发展相对完善的股指期货产品（表1）。
从合约内容可以看出，在参考国外股指期货产品的同时也考虑了我国资本市场的发展状况，如采取熔断价格机制，即在合约的价格未涨跌停前，当价格上涨或下降的幅度达到前一交易日收盘价的6%时，将启动熔断机制，在未来的10分钟之内超过6%的报价将不予接受。同时为了降低投资杠杆，最低交易保证金定为12%，相比国外市场这一值较高。
（二） 套期保值率
投资者进行套期保值操作，面对自己的风险敞口应该选择合适的股指期货合约的数量，否则将会面对额外的投资风险，这一确定的股指期货合约的价值与风险敞口之比就是套期保值率。根据股指期货与现货价格之间的联动关系，选取回归分析模型就可以确定出最优的套期保值率值。
三、实证研究
（一） 数据的选取与处理
本文分别选取了沪深300 股指期货和嘉实300ETF的日度收盘数据，由于本文的研究思路是针对长期、中长期和短期三个不同时期沪深300股指期货的套期保值效果进行研究，因此选择长期数据时间跨度为：2010年4月19日至2014年4月30日；中长期数据时间跨度为：2013年4月16日至2014年4月30日；短期数据的时间跨度为：2014年2月7日至2014年4月30日。考虑股指期货交易数据的非连续性，本文选取了通达信软件上的股指期货当月连续主力合约数据（代码为IFL8），从而保证了数据的连续性。
由于股指期货数据值较大，为了减小数据的波动性对数据进行取对数处理，长期、中长期和短期的数据分别记为：LFP1、LFP2、LFP3。嘉实300ETF 的长期、中长期和短期数据记为：JS1、JS2、JS3。
（二） 数据的平稳性检验
为了保证实证分析的准确性，首先需要对数据的平稳性进行检验。本文采取ADF检验方法。
利用Eviews6.0检验结果见表2。
由表2的数据可以看出，六组数据都是不平稳的，因此需要对数据进行差分处理，对一阶差分处理后的数据检验得到表3。
经过一阶差分处理后数据是平稳的，说明这几组数据是一阶单整序列，满足VAR、GARCH模型的建模条件。
（三） 不同模型确定的套期保值率
1. OLS 模型。OLS 模型是计量分析中最基本也是最常用的回归分析模型。其回归方程为：
DJS=βDLFP+α+ε
式中的α为截距项，ε为随机误差项，β即为套期保值率。利用Eviews6.0分析结果为表4。
2. VAR模型。VAR模型相比OLS模型做出了较大改进，将变量的历史信息对当前价格的影响考虑在内。其回归方程为：
ΔDJSt=c+βΔDLFP+Σi = 1pαiΔDJSt - i +Σj= 1qβjΔDLFPt - j +εt
该模型分析的关键就是确定最优的滞后阶数，本文根据AIC 和SIC 准则确定模型的最优滞后阶数为3。得到回归结果为表5。
3. GARCH模型。上述的两种模型都是静态模型，其基本的假定条件就是方差是固定不变的，而GARCH 模型是动态模型， 假定方差是变化的。其回归方程分为方差方程和均值方程两个：
yt=αxt+ut ut~N（0，σ2t） （1）
σ2t=α0+α1u2t-1+α2u2t-2+…+αpu2t-p （2）
（1） 式为均值方程，（2） 式为方差方程。在进行GARCH 模型分析之前还需对回归的残差进行ARCH效应检验，利用Eviews分析得到，残差存在ARCH效应（表6）。
（四） 套期保值效果分析
由以上分析可以看出各模型得到的套期保值率是不同的，为了分析套期保值效果，本文采用Lien(2012)提出的评价方法，该方法的思路是计算出套期保值后收益率的方差相比没有进行套期保值操作的收益率的方差减小的比率，以该比率值代表套期保值效果。
由表7 的数据可以看出，从长期、中长期、短期三组数据看，短期数据得到的套期保值效果最好。从不同的模型结果可以看出，对于短期套期保值操作选择OLS模型来确定股指期货合约的数量可以得到更好的效果，对于中长期套期保值操作应该选择GARCH 模型，对于长期套期保值操作也应该选择GARCH模型。
四、研究结论
通过以上的量化分析发现，沪深300 股指期货和嘉实300ETF 的长、中长、短期数据都是一阶单整序列。对于不同的套期保值操作三个不同时间跨度选择的效果也是不一样的，通过采用模型分析发现，进行短期套期保值操作得到的效果最好，长期操作的效果相对不理想，但总体上都能规避90%以上的风险。通过采用模型对比发现，对于不同的操作，也应该采取相对应的最优的模型来确定股指期货合约的数量，以进行套期保值操作。对于短期操作而言，应选择OLS 模型；对于长期和中长期操作，应选择GARCH 模型。
教育期刊网 http://www.jyqkw.com
参考文献
[1] 高铁梅. 计量经济分析与建模(第二版)[M].北京:清华大学出版社,2011.
[2] 张成思. 金融计量学——时间序列分析视角[M].北京:中国人民大学出版社,2012.
[3] 杨招君, 贺鹏. 中国股指期货套期保值绩效的实证研究[J].华东师范大学学报,2011,(3):144-156.
[4] 付胜华,檀向球. 股指期货套期保值研究及其实证分析[J].金融研究,2009,(4):113-119.
[5] 郑祖军. 股指期货套期保值研究[D].武汉:武汉理工大学,2007.
[6] Park, T.H.,& Switizer, L.N. Bivariate GARCH Estimation ofThe Optimal Hedge Ratios for Stock Index Futures: A Note [J]. Journalof Futures Market, 1995,(15):61-67.
[7] Nash, Y Chen, Ray Y Chou, Nathan Liu & Gang Shyy. EstimatingTime-Varying Hedge Ratios With A Rang-Based VolatilityModel [Z]. Working Paper, 2007.
（责任编辑：杨艳军）