考慮Markov狀態(tài)轉移概率的時變特征,在傳統(tǒng)DCC-GARCH基礎上,提出基于Markov時變轉移概率的DCC-GARCH模型（TVTP-DCC-GARCH）研究最小風險套期保值比例的估計方法,并利用兩階段極大似然法對模型參數(shù)進行估計。進一步分別從樣本內和樣本外估計滬深300指數(shù)期貨和現(xiàn)貨的最優(yōu)套期保值比率,對套期保值的績效進行檢驗,并將檢驗結果分別與Markov轉移概率恒定的DCC-GARCH（FTP-DCC-GARCH）、DCC-GARCH、OLS、1:1完全套期保值以及無套期保值的滬深300指數(shù)現(xiàn)貨的績效進行對比。實證結果表明,利用基于Markov狀態(tài)轉移的DCC-GARCH模型研究滬深300指數(shù)期貨的套期保值問題具有一定合理性,且在參數(shù)估計中TVTP-DCC-GARCH模型的擬合效果最佳;在套期保值有效性方面,TVTP-DCC-GARCH模型優(yōu)于其他模型,說明在DCC-GARCH模型中引入時變狀態(tài)轉移概率能夠有效提高套期保值組合的績效。 

【文章來源】：中國管理科學. 2020,28(10)北大核心CSSCICSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

HS300和IF01的價格波動及基差走勢

利用一步向前預測方法分別對各模型在樣本外的套期保值比率進行滾動窗口預測,每天加入新信息后重新進行一次模型估計并得到新的套期保值比。對于TVTP-DCC-GARCH模型,具體的預測步驟為:① 假設樣本量為T,利用T時刻的條件狀態(tài)概率πsT,T(sT=1,2)和狀態(tài)轉移概率矩陣PT得到T+1時刻市場所處的條件狀態(tài)概率πsT+1,T+1(sT+1={1,2});② 利用T時刻該模型各狀態(tài)下的條件協(xié)方差矩陣HT,sT及殘差εT,sT,根據(jù)式(4)-(7)估計T+1時刻各狀態(tài)下的條件協(xié)方差矩陣HT+1,sT+1;③ 利用式(10)-(13)將T+1時刻考慮狀態(tài)轉移的條件方差和協(xié)方差分別進行重新結合,得到無條件方差h c,Τ+1 2 、h f,Τ+1 2 和無條件協(xié)方差hcf,T+1;④ 利用式(22)計算T+1時刻的套期保值比率;⑤ 利用滾動窗口方法,進行一步向前預測,直到樣本結束。FTP-DCC-GARCH模型的預測過程與TVTP-DCC-GARCH模型類似。DCC-GARCH模型在預測時,利用T時刻的方差協(xié)方差及殘差估計下一期的方差協(xié)方差,然后利用式(22)計算T+1時刻的套期保值比率。各模型的估計結果見圖3。圖3 各模型的套期保值比率(樣本外)

圖2 各模型的套期保值比率(樣本內)從圖3可以看出,TVTP-DCC-GARCH和FTP-DCC-GARCH模型在樣本外預測期的套期保值比率的波動幅度與樣本內的結果相比有所降低,DCC-GARCH模型在樣本外預測期的套期保值比率的波動幅度與樣本內的結果相比有所增加。另外,采用滾動窗口方法估計的OLS模型的套期保值比率走勢較平緩,波動幅度最小。

【參考文獻】：
期刊論文
[1]基于等價鞅測度的動態(tài)套期保值模型研究[J]. 余星,張衛(wèi)國,劉勇軍.  系統(tǒng)工程理論與實踐. 2018(02)
[2]中國銅期貨市場最優(yōu)套期保值比率估計——基于馬爾科夫區(qū)制轉移GARCH模型[J]. 彭紅楓,陳奕.  中國管理科學. 2015(05)
[3]危機傳染效應的識別與度量——基于改進MIS-DCC的分析[J]. 蘇海軍,歐陽紅兵.  管理科學學報. 2013(08)
[4]基于M-Copula-GJR-VaR模型的黃金市場最優(yōu)套期保值比率研究[J]. 謝赤,屈敏,王綱金.  管理科學. 2013(02)



本文編號：3470520