滬深300股指期貨與恒生指數于滬港通開通前后套期保值對比研究

王彬鑄

(西南財經大學，四川　成都　610000)

?

滬深300股指期貨與恒生指數于滬港通開通前后套期保值對比研究

王彬鑄

(西南財經大學，四川成都610000)

摘要：本文通過事件研究法，分別建立OLS，BVAR模型，對滬港通開通前后，滬深300股指與恒生指數期貨最優套期保值比率變化進行研究，并分析套保績效。通過建立回歸模型，消除代表市場熱度的成交額等內生變量，并引入虛擬變量，證明了事件發生前后最優套期保值比率發生了變化。結果顯示，在“滬港通”開通前后，香港恒生指數都比滬深300指數的最優套期保值比率高，且績效更好，“滬港通”開通之后，香港恒生指數與滬深300指數的最優套期保值比率都有所降低，滬深300指數套期保值績效相對于恒生指數下跌更多。

關鍵詞：滬港通；套期保值；OLS模型；BVAR模型

一、研究背景與文獻綜述

2014年年末，隨著央行雙降政策，與滬港通的正式開通，A股市場新的一波牛市又重新拉開序幕。作為期貨產生的初始動力，套期保值功能的關鍵是最優套期保值比率的計算。為了讓投資者更加適應當下逐漸走向成熟與國際化的市場，規范其合理利用股指期貨的行為，對比及提供“滬港通”開通前后A股與港股的最優套期保值比率與變化以對投資者進行理論性的指導是有意義的。

Keynes(1951)和Hicks(1952)最早從經濟學方面對傳統的套期保值理論做了詳細的闡述。1979年，Ederington在對美國國債期貨對現貨進行套期保值比率進行估計時使用了OLS模型，是歷史上最早用于估計套期保值比率的模型。Wenling Yang和 David Allen采用向量自相關VAR模型進行估算，并取得了不錯的效果。Herhst，Kare等引進雙變量自相關自回歸模型(B-VAR)，采用期貨現貨的對數收益率來替代原先的收盤價進行回歸估計套期保值比率。 Engle和Granger通過對期貨與現貨和現貨的長期均衡及短期均衡關系與短期均衡關系進行了研究。吳沖鋒，錢宏偉及吳文峰(1998)分別使用了最小方差和最大套期保值策略對上海金屬交易所銅交易日數據進行了實證研究，分析結果表明套期保值減少了銅價波動最小風險的套期保值比例在0-1之間。

以上研究均顯示，不同模型的最優套期保值比率是不同的，學者們主要是利用模型在不同的市場進行求解，然而，利用套期保值模型對重大事件導致市場發生屬性改變所引起的最優套期保值變化的實證研究并不多，此點即為本文進行研究的初衷。

二、數據簡介與處理分析

本文以2014年11月27號“滬港通”的開通為研究對象，選取了滬深300指數，股指期貨，香港恒生指數，香港恒生指數期貨的日收盤價為研究數據。數據來源于Wind數據庫。

本文研究兩段時間區間。第一段：2014年4月25日-2014年11月17日。第二段：2014年11月18日-2015年11月17號。第一個時間段包含為139個交易日，第二個時間段包含244個交易日。

另外，為盡量減少異方差的存在，盡可能使數據呈現正態化分布，本文首先將股指期貨日收盤價對數化處理，分別取自然對數，將對數化的指數現貨期貨作為本文的樣本數據。

結果可得四個樣本的Jarque-Bera值很高，即兩種股指的期貨與現貨都服從正態分布，同時兩者的期貨與現貨之間相關系數很高，根據套期保值理論，相關系數越好效果越好，表明利用對應的期貨進行套期保值是可行的。隨后，通過建立簡單回歸得(OLS)模型，雙變量自回歸模型(BVAR)，得出不同時間段A股與港股的套期保值比率，得出不同的套期保值績效，確定不同模型的最優套期保值比率。

三、套期保值比率及確定模型

(一)套期保值比率

套期保值比率是期現貨資產價值之間的比率。期貨頭寸有效的抵消現貨頭寸風險程度越大，效果越好。套期保值的效果取決于套期保值的比率的準確性。

本文采用風險最小化的績效測量方法測量。將套期保值值績效指數HE定義具體公式表達如下：

Var(Ht)和Var(Ut)分別表示進行了套期保值與未進行套期保值的方差。從公式看出，Var(Ht)越小，HE越接近1，套期保值效果越好，相反，Var(Ht)越大，HE越接近0，套期保值效果越差。

(二)簡單回歸模型(OLS)

由于現貨市場期貨市場的價格存在高度相關性，OLS線性回歸模型可以通過構建期貨與現貨之間的收益率之間的價格關系，運用最小二乘法(OLS)估計最優套期保值比率，為了減少異方差問題并使數據平滑，采用對數收益率代替普通收益率，表達公式如下：

ΔlnSt=α+βΔlnFt+ε

其中ΔlnSt，ΔlnFt分別表示現貨與期貨的對數收益率。

(三)雙變量自回歸模型(BVAR)

為消除殘差自相關，增加模型的信息量，引入雙變量向量自回歸模型為解釋變量，克服了殘差自相關這一缺點，有一種最簡的模型為雙變量自回歸模型，即BVAR，該模型將所有變量看成內生變量，確定最佳滯后項是關鍵，通常利用赤池信息準則尋找滯后項，該模型表達式如下：

其中，ΔFt和ΔSt分別表示期貨和現貨的收益率，αS別是期貨與現貨方程的截距項。β，λ為回歸系數。ε表示誤差項同時服從獨立同分布。其中ΔFt的系數β為所求的最優套期保值比率。

四、最優套期保值比率及績效分析

(一)平穩性檢驗

為了在分析時使變量之間得出的關系有意義。進行回歸分析之前，我們有必要進行變量的平穩性檢驗，本文采用ADF檢驗，結果都顯示數據是平穩的。

(二)最小二乘回歸模型(OLS)對套期保值的實證分析

OLS線性回歸模型是將期貨與現貨收盤價格進行對數差分后進行現行回歸以達到殘差最小平方的目的。分別對滬深300期貨現貨第一階段第二階段進行回歸，恒生指數期貨現貨第一階段，第二階段進行最小二乘回歸，估計結果如下表一：

表一　OLS模型結果

(三)雙變量向量自回歸模型(BVAR)

滬深300指數股指期貨之間存在協整關系，故考慮建立BVAR模型。 為了確保變量之間存在長期均衡關系，對序列進行協整檢驗，因此論文使用Johansen協整檢驗，進行Johansen協整檢驗最關鍵的即確定滯后階數，本文分別取了1-5階的AIC值，選取AIC中最小的一階為最佳滯后項，結果如表二：

表二　BVAR模型結果

(四)回歸分析法

在市場微觀的結構中，重要的內生變量入成交量，價格水平等講影響市場的流動性，波動性，即影響市場的最優套期保值的確定，由于影響市場的外生變量眾多，為了控制外生變量，證明“滬港通”的開通帶給A股與香港股票市場的套期保值格局改變，本文參考Eomd等的研究方法，使用回歸分析法，以消除上述變量的影響，對于代表市場外生變量的指標使用M表示，回歸表達式如下：

ΔlnSt=?1+?2Dt+βtΔlnFt+β2DtΔlnFt+β3lnM+ε

其中D表示虛擬變量，M表示代表市場活躍程度的每日成交額，由于成交額呈右偏態，取自然對數消除。為了消除異方差的影響，利用WHCC法進行OLS估計。如果系數β2顯著，則預示在控制了市場外生變量影響下，最優套期保值比率發生了顯著變化。結果如表三：

表三　回歸分析結果

結果顯示，對于擁有虛擬變量的系數t檢驗顯著。即滬深300股指期貨與香港恒生指數在滬港通開通以后，兩者的最優套期保值比率的改變確實發生了變化。

五、結論

在“港股通”開通以后，香港股票市場，大陸A股市場的形態發生了改變。本文對事件發生前后滬深300指數套期保值與恒生指數套期保值的最優比率及績效進行了估算，并在風險最小化框架下對比分析的套期保值效果得到了如下結論：

第一，滬深300股指現貨與期貨收益率，恒生指數現貨與期貨收益率相關性很高，并且香港高于大陸。

第二，基于本文使用的模型估算的滬深300指數期貨與恒生指數期貨的最優套期保值比率都小于1。

第三，通過對兩個市場兩個時段的套期保值最優比率及績效進行比較時，發現對滬深300指數進行套期保值的最優比率在兩時間區間內都小于對恒生指數套期保值比率，且恒生指數套期保值績效略高于滬深300指數。在滬港通開通以后，香港恒生指數與滬深300指數的最優套期保值比率都有所降低，同時套起保護績效滬深300指數相對于恒生指數下跌更多，這是可能是由于當前的中國資本市場為了穩定股市，相關機構大大限制了股指期貨的交易而導致的。

綜上所述，滬深300股指與成熟的恒生指數相比，仍然有很長的路要走，投資者擁有了一個全新的金融風險管理工具，但是在金融創新與發展的過程中，市場監督管理者應不斷規范投資者市場行為為投資者進行合理的套期保值提供工具，以加快中國資本市場走向成熟的步伐。

參考文獻：

[1]方虹和陳勇，2008，《石油期貨最優套期保值比率及套期保值績效的實證研究》，《中國軟科學》第1 期，125-130.

[2]馬超群、劉鈺、姚靜，2008，《股指期貨最小風險套期保值率計算方法及實證研究》，《系統工程》第4 期，80-84.

[3]王駿和張宗成，2005，《中國期貨市場套期保值績效實證研究》，《證券市場導報》第11 期，20-25.

[4]吳沖鋒、錢宏偉、吳文鋒，1998，《期貨套期保值理論與實證研究》，《系統工程理論方法應用》第4 期，20-32.

[5]Ederington L H.， 1979，“The hedging performance of the new futures markets”， Journal of Finance， 1， pp.157-170.

[6]Floros C.and D.V.Vougas， 2006，“Hedging Effectiveness in Greek Stock Index Futures Market， 1999-2001”， International Research Journal of Finance and Economics， 5， pp.1-12.