首页 > 文章中心 > 七言律诗长征

七言律诗长征

前言:想要写出一篇令人眼前一亮的文章吗?我们特意为您整理了5篇七言律诗长征范文,相信会为您的写作带来帮助,发现更多的写作思路和灵感。

七言律诗长征

七言律诗长征范文第1篇

关键词:套期保值比率;中国;铝期货市场

中图分类号:F830.9 文献标志码:A 文章编号:1673-291X(2015)13-0105-04

引言

中国是世界上最大的铝型材生产基地和消费市场,铝是经济发展的重要基础原材料。近年来我国的电解铝行业发展迅速,规模日益扩大。2014年,我国电解铝单位企业产量达到266.92万吨,相比之下我国铝加工企业的规模偏小,采购原铝时采用现货购买的方式,通过期货市场进行避险的意识不强。现货价格的波动使我国铝加工企业在稳定产销关系时面临着很大风险,不利于企业的持续发展。因此,利用期货市场进行套期保值成为企业的迫切需求。

本文采用上海期货交易所的铝期货对长江有色铝现货的套期保值绩效进行实证研究,选取的数据为2013年1月4日至2014年11月28日上海期货交易所铝期货的日收盘价和长江有色铝现货的日平均价,共计460对日数据。本文首先分析铝期货市场的特征,对铝对数收益率序列进行了描述性统计,对价格序列进行了单整和协整检验,其次分别采用OLS模型和DVECH-GARCH模型来估计套保率,并通过套保有效性指标来比较两者对冲效果,最后总结实证研究。

一、主要套期保值理论

(一)天真套期保值理论

传统套期保值理论也称“天真套期保值理论”,该理论假设现货和期货价格波动范围一致而且变动方向完全相同,所以只要将同种资产在现货和期货市场上建立数量相同月份相近的相反头寸即可,因此为了完全消除存在的市场风险,该理论认为最优保值比率为1。但该理论的假设太过苛刻,与现实差异较大,与商品价格变化的实际情况不符,所以在现实条件下很难应用。我国在1990年底建立期货市场,与发达国家完善多层次的期货市场结构相比,我国期货市场发展过程较短,市场结构有待完善,存在的基差风险较大,因而运用传统方法难以达到理性的避险效果。

(二)组合投资套期保值理论

Johnson(1960)[1]和Ederington(1979)将马克维茨的资产组合理论应用于套期保值问题上,提出利用风险资产组合的期望收益率和方差来研究套期保值问题。投资者利用期货和现货组合收益的均值和方差,在预期收益下,确定投资于期货和现货市场的头寸使组合风险最小。该组合考虑到了投资者的风险偏好,与传统套期保值理论相比具有实际价值,但是不足之处在于计算最大效用和报酬风险时需要刻画投资者的效用函数,由于效用函数存在较大的主观因素,因此难以用精确的数学方法表示。

二、套期保值模型

(一)普通线性回归模型

普通线性回归模型(OLS)计算套保率是由Johnson L.(1960)和SteinJ.L(1961)提出的,属于静态套期保值模型。用St表示铝现货价格,Ft表示铝期货价格,h表示估计的套保率。首先对价格序列进行调整,对现货和期货价格采取自然对数的形式,得到两者的对数收益率,令rs=lnSt - lnSt-1,rf=lnFt-lnFt-1,其中rs表示期货收益率,rf表示现货收益率。对现货和期货的收益率序列进行普通最小二乘回归,得到的线性方程中,最优套保率为期货收益率序列前的回归系数。

运用OLS模型计算套期保值比率符合方差最小条件时需要满足计量经济学经典线性回归模型的基本假设,要求随机干扰项满足同方差和无自相关假定等[2]。在实际研究中,金融时间序列的随机干扰项经常出现波动聚集性,时间序列是非平稳的,存在异方差和自相关现象。因此,在这种情况下OLS估计的结果往往是有偏的,不再具有最小方差的特征而且用OLS方法计算出来的套保率是个静态的数值,实际上现货和期货之间的波动情况是随着时间的变化而不断改变的。

(二)DVECH-GARCH模型

OLS模型忽略了期货和现货价格存在的长期协整关系,价格序列的自相关性以及回归方程残差序列的异方差性。Engle[3]于1982年提出了自回归条件异方差模型(ARCH),对于金融时间序列,信息集合在不同时间不断发生变化,对应的条件方差随对应信息集的变化也在变动。ARCH模型能够跟踪随时间改变的方差,表明时间序列条件方差的变化特征,采用ARCH模型可以消除残差序列的波动聚集性。

ARCH模型适用于短期异方差时间序列,当时间序列的滞后阶数较大时,应该采用Bollerslev(1986)[6]提出的广义自回归条件异方差模型,即GARCH模型。GARCH模型是用某个协方差的滞后项代替随机干扰项的高阶滞后项,把条件方差转变为ARMA过程。

三、套保绩效评价指标

套保绩效即对冲的有效性,反映了套保相对于不进行套保的风险回避程度,套保绩效是检验不同模型风险回避程度的重要指标。Ederington(1979年)提出了套期保值有效性的标准,也就是检验风险降低的百分比,在Markowitz[4]的投资组合理论中,用相关资产的相关系数或协方差表示风险水平,具体是用套保后的风险变动水平除以只持有现货头寸的风险总量来检验套期保值效果,用e来表示。e的计算公式为:

e= (1)

将计算出来的不同的套期保值比率代入(1)式,可以得到相应的套保绩效。

四、沪铝期货实证分析

(一)数据的选取和处理

长江有色铝现货数据来源于中铝网,铝期货数据来源于上海期货交易所。本文选用的数据是2013年1月4日至2014年11月28日上海期货交易所铝期货的日收盘价和长江有色铝现货的日均价,共计460对日数据。对数据的处理[5]为当期货合约进入交割月的第一天便采用下一最靠近合约的数据,以此得到完整的期货价格序列。

(二)数据的统计和检验

1.描述性统计和平稳性检验

运用Eviews8做铝现货和期货对数价格的变化趋势图(如图1所示)。

图1表明,现货和期货的对数价格变化大致相同,通过Eviews8可得两者的相关系数为0.662805,所以可能存在协整关系。

对期货和现货对数价格、期货和现货收益率序列进行单位根检验,结果(如表1所示)。

从表1可以得出,LnF和LnS检验的T统计量比显著性为10%的临界值还大,表明铝现货和期货价格序列是非平稳的。现货和期货收益率的P值均为0,表明收益率序列是平稳的。

2.数据的协整检验

上文得到铝期货和现货价格序列是一阶单整序列,现在对现货和期货对数价格序列做最小二乘回归,得到残差序列。对残差序列进行单位根检验(如表2所示),ADF统计量值为-4.206614,P值为0.0007,拒绝单位根假设,表明现货和期货对数价格序列协整关系存在。

3.残差序列的ARCH效应检验

对残差序列进行ARCH-LM检验(如表3所示),P值接近于0,残差序列存在显著的ARCH效应,拒绝其为同方差的原假设,因此可以使用DVECH-GARCH模型消除异方差性。

(三)OLS模型求解

得到动态最优套保率的均值为0.583526,略大于简单线性回归得到的套保率0.579033,根据上文(3)式可得相应的套保有效性指标为0.340057。

通过比较可以看出,基于DVECH-GARCH的动态套期保值比基于OLS的静态套期保值避险效果好。因为动态套期保值能较及时的捕捉高频价格序列的波动性,更能够适应不断变化的市场。但从动态套保时序图中可以看出进行动态对冲需要频繁变动铝期货的头寸,这样会使企业在避险中的交易成本提高。

结论

本文分别用最小二乘法(OLS)以及DVECH-GARCH模型估计我国铝的最优套保率,并对套保的有效性进行了分析,得到如下结论:

1.长江有色铝现货和沪铝期货收益率序列均呈非正态分布,两个收益率序列存在高峰厚尾的现象,收益率波动风险较大,表明铝现货企业有通过期货市场进行避险的必要。

2.铝期货对数价格和现货对数价格的变化趋势较相近,使得投资者通过期货市场规避现货价格波动风险成为可能。

3.基于OLS的套保和基于GARCH模型的套保均能有效地对冲现货的价格风险,使投资者能够转移风险、锁定利润或成本、稳定收益。总体来看,基于DVECH-GARCH的动态套保比基于OLS的静态套保避险效果好。

4.本文实证部分没有考虑期货和现货交易的成本因素,当样本容量较大时,OLS法简单易行,适应性强,所需交易成本低。因此对于不同的期货品种,需要我们灵活地选择套保模型以使企业获得最大效益。

5.铝加工企业在开展避险业务时,还应该设立健全的组织和管理机构,熟悉业务操作流程,使具体的风险防范措施能够落实,切实提高企业的效益。

参考文献:

[1] Johnson L.The theory of hedging and speculation in commodity futures[J].Review of Economic Studies,1960,(27):139-150.

[2] 易丹辉.数据分析与EViews应用(第2版)[M].北京:中国人民大学出版社,2014.

[3] Engle,R.F.,and Kroner,K.F.,Multivariate Simultaneous Generalized ARCH[J].Econometric Theory,1995,(11):122-145.

[4] Bollerslev,T.Generalized Autoregressive Conditional Heterosledasticity [J].Journal of Econometrics,1986,(31):310-326.

[5] Markowitz,H.,Portfolio Selection,[J].Journal of Finance.1952,(7):77-93.

[6] 彭红枫,叶永刚.中国铜期货最优套期保值比率估计及其比较研究[J].武汉大学学报(哲学社会科学版),2007,(11).

七言律诗长征范文第2篇

【关键词】套期保值比率 ECM-BGARCH 套保绩效

作为期货的主要功能之一,套期保值一直是理论界和实物界研究的热点问题。在套期保值理论的研究中,最优套期保值比率的确定及套保绩效度量是其核心问题,其计算方法也一直是理论界和实物界争论的热点。套期保值比率是指持有期货合约的头寸大小与风险暴露现货资产头寸大小之间的比值,即对一单位风险暴露资产进行风险管理所需的期货合约的数量。套期保值绩效,也称为套期保值的有效性,用于衡量套期保值的效果,考察套期保值目标的实现程度。因此,现阶段探讨期货市场的套期保值功能具有十分重要的现实和理论意义,以考察中国期货市场的套期保值功能是否得到充分发挥。

本文以上海期货交易所的铜、铝期货为研究对象,分别用OLS模型、ECM模型、BEKK-GARCH模型、ECM-BGARCH模型,对最优套期保值比率进行估计,同时对样本内和样本外各模型的套期保值绩效进行比较分析。希望本研究结论为我国企业在期货市场上进行套期保值决策提供参考,为投资者的投资行为提供指导意见。

一、数据选取及统计特征分析

由于铜、铝的现货价格数据较易获得,而国内其他期货品种的现货价格数据的获取较为困难,另外,期铜、铝是比较成熟的交易品种,而且也是目前国内交易最为活跃的品种,价格和国际充分接轨,套期保值者参与程度高。因此,本文以上海期货交易所期铜、铝为研究对象,样本区间统一为2004年1月4日至2009年4月30日,扣除掉节假日,共1051个样本观察值,并将前900个观察值作为样本内数据来估计铜、铝期货的最优套期保值比率,而将剩余的151个观察值作为样本外数据用来评价套期保值的效果。

由于各合约期货价格是不连续的,为了得到连续、真实的期货价格,本文选用沪铜三月连数据、沪铝三月连数据作为期货价格,采用天琪期货公司披露的长江1#铜报价、长江金属A00铝报价分别作为铜、铝现货价格。本文对所有期货价格和现货价格均做对数化处理。

从表1可以发现,铜和铝期现货价格序列之间表现出了极大的相关性,相关程度均高达98%以上,这也保证了通过铜铝期货市场来对现货进行套期保值的有效性。期货价格变动的标准差大于现货价格变动的标准差,即期货价格变动的波动要大于现货价格变动的波动性;所有价格变动序列的偏度都为负,峰度都大于3,说明与正态分布相比,价格变动序列均呈左偏趋势,而且所有价格变动序列均呈现出比较明显的尖峰厚尾特征;J-B统计量和P值表明各价格变动序列拒绝正态分布的原假设,均呈非正态分布性质;从图3、图4看出,铜和铝的期现货价格收益率序列出现了多个异常的峰值,并且波动呈现出明显的波动集聚现象,说明铜和铝的期现货价格收益率序列具有突发性和显著性,波动性具有条件异方差效应。

二、平稳性及协整检验

为了避免伪回归现象的发生,在建立模型之前须对各价格序列进行单位根检验,本报告选择含常数项而不含趋势项的ADF检验对各价格序列的平稳性进行检验。具体的检验结果在表2中给出。

由表2的检验结果可知:铜铝市场的现货和期货价格序列在5%的显著性水平下均为非平稳序列,一阶差分后均是平稳序列,因此铜铝市场的现货和期货价格序列均为一阶单整I(1)序列,满足协整检验前提。

为了验证期货价格和现货价格之间的协整关系,本文采用含常数项而不含趋势项的Johansen协整检验进行检验,检验结果如表3所示。

三、ARCH效应检验

大量的实证分析表明,大多数金融资产收益率序列的条件方差具有时变性,即ARCH效应。本文利用ARCH-LM方法检验残差序列中是否存在ARCH效应,结果见表4。从表4可以看出,在5%的显著性水平下,检验的相伴概率均为0,拒绝残差序列不存在ARCH效应的原假设,证明其残差序列存在显著的ARCH效应。

五、主要研究结论

本文采用ECM-BGACH模型估计了中国铜铝期货市场的套期保值比率,并对套期保值绩效进行了比较分析,结论如下:

1.相对于不进行套期保值,进行套期保值能明显地降低收益方差,能够有效地对冲现货的价格风险,说明用期货套期保值是有效的。

2.考虑期货价格和现货价格之间协整关系,构建的模型不一定明显改善套期保值的绩效。动态方法中考虑协整关系的ECM-BGARCH模型效果较好。

3.从品种来看,在整个样本期,铜期货市场的套期保值绩效优于铝市场。从样本范围来看,铜市场样本内的套期保值绩效要优于样本外的套保绩效,而铝市场样本内的套期保值绩效反而要弱于样本外的套保绩效。

因此,对于以铜铝金属为原材料进行生产和经营的企业来说,可以通过期货市场的套期保值来降低现货市场价格波动带来的风险。在选择最恰当的套期保值策略时,应该充分考虑现货价格和期货价格间的协整关系及期现货价格波动的异方差性对套保比率的影响,从市场的具体情况出发,合理地采取较优的套期保值策略,但复杂模型的效果不一定优于简单传统的模型。

参考文献

[1]Cecchetti S G,Cumby R E,Figlewski S.Estimation of the optimal futures hedge[J].Review of Economics and Statistics,1988,70(4):623630.

[2]Baillie R T,Myers R J.Bivariate garch estimation of the optimal commodity futures hedge[J].Journal of Applied Econometrics,1991,6(2):109-124.

[3]Kroner K F,Sultan J.Time-varying distributions and dynamic hedging with foreign currency Futures[J].Financial and Quantitative Analysis,1993,28(4):535-551.

七言律诗长征范文第3篇

一、统计描述

到2000年底,沪深两交易所共有1060家A股上市公司。其中929家是通过首次公开发行在交易所挂牌上市的,130家是1994年《公司法》出台以前的定向募集公司,作为历史遗留问题以推荐的特殊方式在两家交易所挂牌上市的,此外还有一家是通过换股上市的。本文研究首次公开发行对市场指数的影响,130家历史遗留问题新股和换股上市剔除在外,929次首次公开发行的年度分布如表1所示。

在证券市场早期,市场总规模有限,新股发行可能会带来市场指数的变化,所以本文着重研究1995年后的新股发行对市场指数的影响。1995年到2000年共有681次IPO,接近所有IPO的七成半,本文将这681次IPO作为研究样本。在这681次IPO中,集资规模最小的为3300万元(0736),集资规模最大的为78.46亿元(600019)。发行市盈率最低的为8.25倍(600870),发行市盈率最高的为88.69倍(0993)。681次IPO的集资规模和发行市盈率的分布情况请参见表2。

在1995年至2000年间共72个月中,IPO频率最高的月份是1997年5月,这个月有40家公司公开发行新股。另外有10个月份,没有一家公司发行新股。这10个月中有7个月是在1995年,另外1个月是在1998年,2个月是在2000年。其他大多数月份IPO次数少于20次,低于8次的有31个月,9到20次之间有24个月。有7个月的IPO次数超过了20次,全都集中在1996年下半年到1997年上半年之间。

如果按照集资规模划分,单月IPO集资规模最大的是2000年11月,这个月由于有宝钢和民生银行招股,虽然IPO家数只有18家,集资规模却达到201.53亿元。月度IPO集资规模超过60亿元的,共有12个月;30亿元到60亿元之间的有21个月;低于30亿元的有29个月。另外,有10个月由于没有新股上市,集资规模为0。

二、假设

假设一:不同集资规模的IPO对市场指数的影响是否不同?大盘股是否会导致市场指数下跌?本文将681次IPO集资规模排序,排在前68位的为一组,后68位的为一组。前68位的集资规模都在7亿元以上,称为大盘组,后68位的集资规模都小于1亿元,称为小盘组。通过比较两组IPO对市场指数的影响差异,检验该假设。

假设二:发行市盈率不同的IPO,对市场指数是否存在不同的影响?本文将681次IPO发行市盈率排序,排在前68位的为一组,后68位的为一组。前68位的发行市盈率都在28倍以上,称为高价组,后68位的发行市盈率小于14倍,称为低价组。通过比较两组IPO对市场指数的影响差异,检验该假设。

假设三:在大盘处于高位和低位时,IPO是否会对市场指数带来不同的影响?本文将每个新股刊登招股说明书当日的市场综合指数,减去1994年年底的市场指数,再除以1994年年底的市场指数,得到各个新股发行时市场指数的相对水平。然后根据该数值的排序,分别从上海市场和深圳市场挑选出排在前34位的共68只新股,作为高位发行组。同样挑选出排序在后面的68只新股,作为低位发行组。通过比较两组IPO对市场指数的影响差异,检验该假设。

假设四:不同发行频率的IPO对市场指数的冲击是否不同?本文用两种方法衡量发行频率。第一种方法用发行次数的频率,将月度发行次数最高的3个月作为一组,称为高频组。该组每月发行次数几乎都在30次以上,共有102次IPO。将月度发行次数低于7次的月份的IPO作为一组,称为低频组。该组共有20个月份,78次IPO。第二种方法用月度集资规模指标,将月度集资规模最高的三个月作为高频组,该组每月集资规模都在116亿元以上,共有93次IPO。将月度集资规模低于24.5亿元的作为低频组,该组共有18个月,共有95次IPO。通过比较两组IPO对市场指数的影响差异,检验该假设。

假设五:在不同的新股发行制度下,IPO对市场指数的冲击是否不同?从1999年起,发行制度经历了较大的变革。因此本文将1999年作为标准,1999年以前的474次IPO作为旧发行制度组,1999年后的207次IPO作为新发行制度组。通过检验两种发行制度下,IPO对市场指数的影响是否存在显著差异。

三、比较方法

本文主要检验新股发行对市场指数的短期影响,因为单次IPO对市场指数的长期影响应该是比较微弱的,所以本文考察刊登新股招股说明书后一周内5个交易日的市场指数变化。本文假设市场指数短期内的走势服从带有短期趋势的随机行走模型,即:(t=1,2,3,4,5)其中,为刊登招股说明书后5天的市场指数回报,是一个白噪音序列,是市场指数回报的短期趋势,在这里用刊登招股说明书前5个交易日市场指数回报的均值替代。

根据该假设,应该服从均值为0,方差为的正态分布。同样的,也应该服从均值为0,方差为的正态分布。因此,通过检验IPO后的的分布,可以判断IPO对市场指数短期走势的影响。如果IPO对后市带来系统性一致影响,那么IPO后的的分布会有显著的变化。同样的,对于两组不同的IPO,那么应该服从t分布,其中分别为两个子样本包含的样本数量,分别为两个子样本的估算方差,分别为两个子样本累积超额收益的均值。通过检验它们之间CAR的差异是否显著,可以判断据以分组的因素是否对市场指数带来显著影响。

四、结果

1、总体样本中IPO对市场指数的短期影响

681次IPO平均对市场指数5天后的累计影响不断增加,到第5天达到-0.39%,因此总体来看,过去6年IPO对市场指数短期走势带来了微略的负面影响。但是,各期累积超额收益的t检验值均不显著,这种负面影响没有统计上的显著性,几乎可以忽略不计。

2、分组检验结果

(1)大盘组与小盘组的差异

无论是大盘组,还是小盘组,都对市场指数带来了负面影响。大盘组发行公告后5天对市场指数产生的累积影响为-1.13%,而小盘组的累积影响则达到-2.18%。尽管两组对市场指数的影响存在差异,但是两组差异在统计上并不显著,t检验值仅为0.63。

出乎意料的是,小盘组对市场的负面影响甚至超过了大盘组,这可能与本文的分组方法有关。因为样本期间内,单个新股的集资规模逐年扩大,使得小盘组68次IPO全部集中在1998年以前,而大盘股68次IPO绝大多数集中在1998年以后。为了回避这种分组方法的影响,本文采取另一种分组方法,即分别在各年度中选取集资规模最大和最小的IPO,组成大盘组和小盘组,检验两组市场影响的差异。

分年度分组的结果显示,大盘组和小盘组对市场指数的影响也没有表现出显著差异,大盘组的5天累积影响为-0.7%,小盘组的5天累积影响为-1.5%,两者差异的t检验值为0.58,没有通过显著性检验。因此可以判断,IPO集资规模的不同并没有导致市场表现的差异。

(2)高价组与低价组的差异

高价组与低价组对市场指数的影响有所不同,高价组的5天累积影响为-0.82%,低价组的5天累积影响为0.21%,两者差异的t检验值为1.05,显著性水平接近90%。可以判断,高价组和低价组对市场指数的影响存在显著差异,市场指数会对IPO发行市盈率做出不同的反应。

(3)发行时机的差异

市场处于高位时发行的IPO,在公布招股说明书后5天内,对市场走势累积有-1.33%的负面影响,而在市场处于低位时发行的IPO,对市场的走势几乎没有影响。两者差异的t检验值为1.40,显著性水平接近95%,表明不同的发行时机对市场影响的差异十分显著。

(4)发行频率的差异

按照月度集资规模划分,高频组和低频组对市场走势的短期影响没有显著差异,两者差异的t检验值只有0.86。按照月度IPO家数来分组,高频组与低频组对市场走势的短期影响也没有显著差异,两者差异的t检验值只有0.36。由此可以判断,发行频率对市场指数的短期走势没有影响。

(5)发行制度的差异

新发行制度下,IPO对市场的累积影响为-1.08%。而旧发行制度下,IPO对市场的影响不到1‰,两者差异的t检验值为1.42,显著性水平接近95%。这表明,在1999年发行制度进行较大的改革后,IPO对市场的短期走势开始产生负面影响。

有关图表显示了市值配售发行方法的市场影响,市值配售组5天累积对市场走势的影响为0.23%,非市值配售组对市场走势的5天累积影响达到-1.33%。两者差异的t检验值为1.59,显著性水平接近95%。这表明市值配售发行方法对市场短期走势的影响要显著地小于其他发行方法。

相关期刊更多

中国文化研究

CSSCI南大期刊 审核时间1-3个月

中华人民共和国教育部

李白学刊

部级期刊 审核时间1个月内

中国李白研究会

三明学院学报

省级期刊 审核时间1-3个月

三明学院