论文部分内容阅读
摘 要：“农户贷款难，银行难贷款”，一直是阻碍农村经济发展的重大问题。从农业担保公司的角度，通过农产品等期货的组合对农产品收入进行套期保值，来设计出一款可以对冲代偿损失风险的对冲产品，来代替担保公司目前对风险控制的主要手段——反担保。
关键词：期货价格;相关性;套期保值
中图分类号：D9 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2019.11.072
1 文献综述
C Debarre（2010）提供了详细的设计结构化金融工具的方法，并在这一结构性金融产品中编入了一个经济指标。Weiping Li，Daxiang Jin （2010） 设计出了“一带一路”的基本股权指数，并通过使用来自EastMoney.com的数据，提供了一种可以修改、计算“一带一路”的基本权益指数的方法。E Kocyigit（2010）详细阐述了来自不同市场的不同类型的结构化产品的主要特征与功能，并对这些结构化产品在这些方面做出了具体比较分析。董国姝 ，田中俊（2016）详细剖析了互联网私募金融产品中具有代表性的产品的设计思路，及设计障碍，并提出了相应建议。姜志伟，吕琦瑶（2016）详细介绍了结构化产品的定义、分类、主要挂钩标的，并基于以上分析，为风险厌恶者设计出了一款，风险较低、收益较稳定与欧元/美元汇率挂钩的保本型结构化产品。崔文迁，王元斌（2017）总结出CME 集团在对冲产品方面的成功经验，并根据这些经验为提出了相关建议。
2 实证分析
2.1 样本的选择
本文以玉米种植收入作为研究对象。对于与玉米的加工、流通企业，农户的玉米种植收入就是这些企业的主要成本之一，其与玉米价格存在一定程度的同涨同跌关系也就是说，本文所设计的对冲产品完全适用于对抗农户、相关企业因为农产品价格波动的问题给担保公司带来的代偿损失风险。
根据《2018年中国农产品行业分析报告-市场运营态势与投资前景研究》，我们发现玉米、大豆等农产品的价格波动与石油价格的波动呈密切相关，故本文选择玉米、大豆、石油对应的期货价格的组合作为玉米种植收入的套期保值对冲合约。
本文选择黄大豆一号期货合约作为套期保值对冲合约。至于石油期货，本文选择纽约商业交易所（NYMEX）的轻质低硫原油，数据依次来自于中华粮网、大连商品交易所，Wind数据库。
2.2 数据处理
关于数据处理的几点说明：（1）为了研究方便，我们选取进入交割月的近期合约的相应月份所对应的期货价格作为交割月份的期货价格。（2）剔除了期货价格、现货价格不在同一天同时存在的数据。经过整理后，每种价格共有160个月数据，共计640个月数据。
2.3 套期保值分析
（1）基于ECM模型的套期保值比率的估计。
根据单位根检验、协整检验得知，玉米种植收入、大豆期货价格、玉米期货价格具有长期协整关系。将回归估计的残差项作为误差项，建立误差修正模型，模型如下：
D（INCOME）=-0.1553*D（YUMI）-0.0446*D（DADOU）-0.3578*E（-1）
由模型可知，ecm模型得到的玉米期货、大豆期货对应的套期保值比率分别是-0.1553、-0.0446
（2）基于GARCH模型的套期保值比率的估计。
在ARCH效应检验中，因为残差序列存在GARCH效应。现在用GARCH（1，1）模型对收入、大豆价格、玉米价格序列进行估计。建立包含常数项c的GARCH（1，1）模型，常数项c的P值为0.0000，显著小于0.05，通过了显著性检验。得到模型结果为：INCOME=-589.5280-0.1402*DADOU+18956*YUMI
δt2=6868.0873+0.7381*εt2+0.3118*δt-12
表示模型的拟合成度的R2值为0.8248，调整后的R2为0.82258，反映模型拟合度良好。由模型可知，玉米期货和大豆期货合约的套期保值比率分别为18956、-0.1402。
在进行残差平方相关图的检验，GARCH（1，1）模型已经把ARCH效应消除了。
估计方程为：INCOME=1.7227*YUMI-0.19936DADOU
方差方程为：GARCH=5407.3259+0.7402*RESID（-1）^2+0.3610*GARCH（-1）
由模型可知，玉米期货和大豆期货对应的套期保值比率分别为1.7227、-0.19936
（3）基于ECM-GARCH模型的套期保值比率的估计。
根据ECM模型得到的回归方程，对收入、大豆价格、玉米价格序列的套期保值系数进行估计，得到估计方程为：
D（INCOME）=38.2760+0.1905*D（YUMI）-0.0485*D（DADOU）-0.5624*E2（-1）
δt2=2544.266+2.6601*εt2-0.0133*δt-12
套期保值比率汇总如表1。
3 风险控制评估结果
本文风险控制结果的评估方法，选择由Ederington（1979）和Lien（2002）提出的方法。该公式中，Var（Ut）代表进行套期保值以前资产组合的方差，Var（Wt）代表进行套期保值以后的资产组合的方差，Cov（DSt，DFt）代表现货和期货资产组合的协方差。
Cov（DSt，DFt）=ρsfσsσf
Var（Ut）=Var（DSt）=σs2，（t=1，2…T）
Var（Wt）=σs2+h2σf2-2*h*Cov（DSt，DFt），
其中σs2表示玉米现货价格数据一阶差分后的方差，σf2表示玉米期货价格、大豆期货价格数据一阶差分后的方差，He是表示风险控制程度的指标。
He=[Var（Ut）-Var（Wt）]/Var（Wt）
He大于0小于1，越接近1，说明套期保值的效果越好，风险控制的效果越好。根据风险控制评估结果的公式，我们可以得到结果如表2。
由此表可以看出，Garch的套期保值绩效介于ecm-garch和ecm模型之间，说明Garch风险降低的能力介于ecm-garch模型与ecm模型之间。以上模型的方差值均小于未进行套期保值情况下的方差值，绩效值均大于0，说明用以上3种模型进行套期保值后，都能达到对抗价格波动风险的效果。
参考文献
[1]CDebarre.StructuredFinancialProducts[P].EP12/381197.2010-09-09
[2]WeipingLi，Daxiang Jin.On The Design Of Financial Products AlongObor[J].The Journal of Financeand Data Science，2018，（10）：55-70
[3]EKocyigit.The Use Of Retail Structured Products And Their Applications In Turkey[EB/OL].core.ac.uk，2010
[4]董國姝，田中俊.互联网金融发展与私募金融产品设计[J].上海经济研究，2016，（7）：50-58.
[5]姜志伟;吕琦瑶.保本型结构化产品的设计与定价[J].时代金融，2016，（21）：225.
[6]崔文迁，王元斌.CME集团超级10年期国债期货的产品设计和市场推广经验及启示[J].债券.2017，（3）：70-76.
关键词：期货价格;相关性;套期保值
中图分类号：D9 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2019.11.072
1 文献综述
C Debarre（2010）提供了详细的设计结构化金融工具的方法，并在这一结构性金融产品中编入了一个经济指标。Weiping Li，Daxiang Jin （2010） 设计出了“一带一路”的基本股权指数，并通过使用来自EastMoney.com的数据，提供了一种可以修改、计算“一带一路”的基本权益指数的方法。E Kocyigit（2010）详细阐述了来自不同市场的不同类型的结构化产品的主要特征与功能，并对这些结构化产品在这些方面做出了具体比较分析。董国姝 ，田中俊（2016）详细剖析了互联网私募金融产品中具有代表性的产品的设计思路，及设计障碍，并提出了相应建议。姜志伟，吕琦瑶（2016）详细介绍了结构化产品的定义、分类、主要挂钩标的，并基于以上分析，为风险厌恶者设计出了一款，风险较低、收益较稳定与欧元/美元汇率挂钩的保本型结构化产品。崔文迁，王元斌（2017）总结出CME 集团在对冲产品方面的成功经验，并根据这些经验为提出了相关建议。
2 实证分析
2.1 样本的选择
本文以玉米种植收入作为研究对象。对于与玉米的加工、流通企业，农户的玉米种植收入就是这些企业的主要成本之一，其与玉米价格存在一定程度的同涨同跌关系也就是说，本文所设计的对冲产品完全适用于对抗农户、相关企业因为农产品价格波动的问题给担保公司带来的代偿损失风险。
根据《2018年中国农产品行业分析报告-市场运营态势与投资前景研究》，我们发现玉米、大豆等农产品的价格波动与石油价格的波动呈密切相关，故本文选择玉米、大豆、石油对应的期货价格的组合作为玉米种植收入的套期保值对冲合约。
本文选择黄大豆一号期货合约作为套期保值对冲合约。至于石油期货，本文选择纽约商业交易所（NYMEX）的轻质低硫原油，数据依次来自于中华粮网、大连商品交易所，Wind数据库。
2.2 数据处理
关于数据处理的几点说明：（1）为了研究方便，我们选取进入交割月的近期合约的相应月份所对应的期货价格作为交割月份的期货价格。（2）剔除了期货价格、现货价格不在同一天同时存在的数据。经过整理后，每种价格共有160个月数据，共计640个月数据。
2.3 套期保值分析
（1）基于ECM模型的套期保值比率的估计。
根据单位根检验、协整检验得知，玉米种植收入、大豆期货价格、玉米期货价格具有长期协整关系。将回归估计的残差项作为误差项，建立误差修正模型，模型如下：
D（INCOME）=-0.1553*D（YUMI）-0.0446*D（DADOU）-0.3578*E（-1）
由模型可知，ecm模型得到的玉米期货、大豆期货对应的套期保值比率分别是-0.1553、-0.0446
（2）基于GARCH模型的套期保值比率的估计。
在ARCH效应检验中，因为残差序列存在GARCH效应。现在用GARCH（1，1）模型对收入、大豆价格、玉米价格序列进行估计。建立包含常数项c的GARCH（1，1）模型，常数项c的P值为0.0000，显著小于0.05，通过了显著性检验。得到模型结果为：INCOME=-589.5280-0.1402*DADOU+18956*YUMI
δt2=6868.0873+0.7381*εt2+0.3118*δt-12
表示模型的拟合成度的R2值为0.8248，调整后的R2为0.82258，反映模型拟合度良好。由模型可知，玉米期货和大豆期货合约的套期保值比率分别为18956、-0.1402。
在进行残差平方相关图的检验，GARCH（1，1）模型已经把ARCH效应消除了。
估计方程为：INCOME=1.7227*YUMI-0.19936DADOU
方差方程为：GARCH=5407.3259+0.7402*RESID（-1）^2+0.3610*GARCH（-1）
由模型可知，玉米期货和大豆期货对应的套期保值比率分别为1.7227、-0.19936
（3）基于ECM-GARCH模型的套期保值比率的估计。
根据ECM模型得到的回归方程，对收入、大豆价格、玉米价格序列的套期保值系数进行估计，得到估计方程为：
D（INCOME）=38.2760+0.1905*D（YUMI）-0.0485*D（DADOU）-0.5624*E2（-1）
δt2=2544.266+2.6601*εt2-0.0133*δt-12
套期保值比率汇总如表1。
3 风险控制评估结果
本文风险控制结果的评估方法，选择由Ederington（1979）和Lien（2002）提出的方法。该公式中，Var（Ut）代表进行套期保值以前资产组合的方差，Var（Wt）代表进行套期保值以后的资产组合的方差，Cov（DSt，DFt）代表现货和期货资产组合的协方差。
Cov（DSt，DFt）=ρsfσsσf
Var（Ut）=Var（DSt）=σs2，（t=1，2…T）
Var（Wt）=σs2+h2σf2-2*h*Cov（DSt，DFt），
其中σs2表示玉米现货价格数据一阶差分后的方差，σf2表示玉米期货价格、大豆期货价格数据一阶差分后的方差，He是表示风险控制程度的指标。
He=[Var（Ut）-Var（Wt）]/Var（Wt）
He大于0小于1，越接近1，说明套期保值的效果越好，风险控制的效果越好。根据风险控制评估结果的公式，我们可以得到结果如表2。
由此表可以看出，Garch的套期保值绩效介于ecm-garch和ecm模型之间，说明Garch风险降低的能力介于ecm-garch模型与ecm模型之间。以上模型的方差值均小于未进行套期保值情况下的方差值，绩效值均大于0，说明用以上3种模型进行套期保值后，都能达到对抗价格波动风险的效果。
参考文献
[1]CDebarre.StructuredFinancialProducts[P].EP12/381197.2010-09-09
[2]WeipingLi，Daxiang Jin.On The Design Of Financial Products AlongObor[J].The Journal of Financeand Data Science，2018，（10）：55-70
[3]EKocyigit.The Use Of Retail Structured Products And Their Applications In Turkey[EB/OL].core.ac.uk，2010
[4]董國姝，田中俊.互联网金融发展与私募金融产品设计[J].上海经济研究，2016，（7）：50-58.
[5]姜志伟;吕琦瑶.保本型结构化产品的设计与定价[J].时代金融，2016，（21）：225.
[6]崔文迁，王元斌.CME集团超级10年期国债期货的产品设计和市场推广经验及启示[J].债券.2017，（3）：70-76.