中邮成长59002基金净值今天上证50etf(定投上证50还是沪深300)

2021年4月28日发(作者：600550:天威保变:保定天威集团有限公司资产置换项目保定)

现代商贸工业　
ＮＯ．１８，２０１０　
Ｍｏｄｅｒｎ　Ｂｕｓｉｎｅｓｓ　Ｔｒａｄｅ　Ｉｎｄｕｓｔｒｙ　２０１０年第１８期　
５０ＥＴＦ套期保值实证研究　
——
基于沪深３００股指期货数据比较　
李金昌　陈佳　
（浙江工商大学，浙江杭州３１００１８）　
摘　要：沪深３００股票指数期货已于２０１０年４月１６日正式推|久立特材股吧出，针对我国现在的特殊时期，运用ＢＧＡＲＣＨ，ＥＣＭ—　
ＢＧＡＲＤＣＨ和修正的ＥＣＭ—ＢＧＡＲＣＨ模型对套期保值600335股票比率进行测算，并利用推出初期的期货数据对套保效果进行检验。　
结果发现：各方法的套期保值效率相差不大，都可以对上证５０ＥＴＦ进行有效的套期保值。　
关键词：股指期货；上证５０ＥＴＦ；套期保值比率；套期保值绩效　
中图分类号：Ｆ８３　文献标识码：Ａ　文章编号：１６７２—３１９８（２０１０）１８—０１４７—０２　
（：）＋（　ａｌ。　（ｌ。　ｎＳ　ｔ－一ｌ。ｎ　Ｆｔ　　），＋、　ｅｌ　　ｔ），　
２．３修正的ＥＣＭ－－ＧＡＲＣＨ模型　
本文运用彭红枫（２００７）提出的基于修正的ＥＣＭ—　
ＧＡＲＣＨ模型来估计套期保值率，模型如下：　
２套期保值比率的确定　
ｎ　ｎ
的残差项。
　：舯　
　
、　
３
，
Ｒ　
　
套期保值绩效的衡量指标　
　
ＩＩ　
Ｌｉ
『　Ｉ
ｅｎ（２００２）提出了套期保值绩效的衡量指标，即与未　
参与套期保值时收益方差相比，参与中芯申购套期保值后收益方差　
的减少程度。　
Ｖａｒ（Ｕｔ）一Ｖａｒ（△Ｓｔ）＝ｄ；
一　
　
Ｖａｒ（Ｈｔ）一Ｖａｒ（／ｋＳｔ—ｈＡＦｔ）一ｏ２＋ｈｚｄ｝一２ｈ口　
一一“　
于是可以得出套期保值绩效的指标Ｈ　一　
Ｖａ
＋　ｒ（
Ｕ
ｒｔ）
－　
ａｒ（
Ｈｔ）
一
的正定的条件协方差矩阵、　ｈｓｓ
，　ｔ　
ｈｓｆ
日　
ｖａＩ　ｕｔ，　
该指标反映了进行套期保值相对于不　
，．
，　ｔ），ｈｓ，ｔ］一Ｃｓ＇ｔ］＋　
／　＼
—
—
弋
１　
Ｖ　
＝７＿
，
进行套期保值风险降低的程度。
√为　
　
４数据　
邕ａｌａ　１２ａ１３］×　￣２，ｔ－二　１一　］＋　ｂｌ　ｂ１　２ｂ１３　［ｈｓ　，ｔ－１］，　
整　
４．１
回　
数据选取　
上证５０ＥＴＦ数据和沪深３００指数数据来自平安ｅ点通　
归　
客户终端。上证５０ＥＴＦ和沪深３００指数的数据样本区间为　
中　
估　
２００６年１月ｌ１日至２０１０年４月１５　１３。沪深３００指数期货　
数据来自ｗｉｎｄ咨询，数据样本区间为２０１０年４月１６　１３至　广州自贸区概念股
７月１６　１３。为了比较各个套期保值模型的套期保值效果，　
这里利用从２００６年１月１１日至２０１０年４月１５　１３的上证　
５ＯＥＴＦ和沪深３００指数１３收盘数据，周数据和月数据分别　
ｈｓｆ．　一ｐ　此时套期保值比率可表示为：　进行配对，对最优套期保值比率进行估计，本文称为样本内　
ｈｔ一１　Ｖ
数据，１３数据共１０３６对，周数据共２２８对，月数据共５５对　
ａｒ（Ｒｆｔ）ｈｆｆ．。　
而利用从２Ｏ１０年４月ｉ６日至２Ｏｌ华宝新兴产业０年７月ｌ６日（ＩＦ１００７于　
２．２误差修正的ＧＡＲＣＨ模型（ＥＣＭ－－ＧＡＲＣＨ）　
７月１６　１３交割）的上证５０ＥＴＦ和沪深３００指数期货１３收盘　
Ｌｉｅｎ在Ｅｎｇｌｅ、Ｇｒａｎｇｅｒ和Ｇｈｏｓｈ的基础上将ＥＣＭ和　
数据，周数据和月数据分别进行配对，对各种不同模型估计　
ＧＡＲＣＨ类模型结合起来，提出了ＥｃＭ—ＧＡＲＣＨ模型，现　
出来的不同套期保值比率的套期保值效果进行比较，本文　
货和期货价格收益率可以用二元ＥＣＭ—ＧＡＲＣＨ（亦记　
中称为样本外数据，１３数据共６２对，周数据共１４对，月数据　
ＥＣＭ—ＢＧＡＲＣＨ）来表示，模型可表示为：ｆ／￣　ｌ。ｎ　Ｓｔ　１一　
共４对。本文运用ｅｖｉｅｗｓ５．０统计软件建立ＢＧＡＲＣＨ，　
ＥＣＭ—ＢＧＡＲＤＣＨ和修正的ＥＣＭ—ＢＧＡＲＣＨ模型进行实　
作者简介：李金昌（１９６４一），男，浙江义鸟人，浙江工商大学副校长，统计与数学学院教授；陈佳（１９８６一），女，浙江桐乡人，浙江　
工商大学统计与数学学院硕士研究生。　
一
１４７一　

现代商贸工业　
Ｎｏ．１８，２０１０　
Ｍｏｄｅｒｎ　Ｂｕｓｉｎｅｓｓ　Ｔｒａｄｅ　Ｉｎｄｕｓｔｒｙ　２０１０年第１８期　
证检验。　
４．２数据处理　
ｌ禾霉悍标准差ｐ．０２３４９日Ｄ．０４８５５书．１８０８５ｌｐ．０２３４９日ｏ．０４８５５　．１２０２５巾．０２３４９＃ｐ．０４６６６＠．１２０８５薯　
Ｉ　套保教事　Ｉ　６１．１３　Ｉ８９．９７　Ｉ　８９．８１　ｌ９１．１８　ｌ９０．２５　Ｉ８９．４１　ｌ９１．１８　ｌ　９０．３６　ｌ８９．８４％ｌ　
５　实证分析　
低了上证５０ＥＴＦ的风险，并且套期保值效果差别较小。修　
指期货价格的不连续性，我们按以下方法产生一个连续的　
正的ＥＣＭ603085—ＧＡＲＣＨ模型相对而言在日数据，周数据和月　
期货价格序列：股指期货合约到期日前最后一周的数据我　
数据三种套保期限上都略微优于ＢＧＡＲＣＨ模型和ＥＣＭ—　
们用下月到期合约的日收盘价数据进行代替，减小期货合　
ＧＡＲＣＨ模型。图１，图２，图３分别表示利用修正的ＥＣＭ　
约到期日效应的影响。即ＩＦ１００５到期日为５月２１日，那么　
ＧＡＲＣＨ模型对日数据，周数据和月数据进行套期保值前　
从５月１７日开始我们用ＩＦ１００６的数据代替，以此类推。　
后，上证５０ＥＴＦ收益率的分布变化。从套保期限来看，三个　
—
由于股指期货合约都在一定时间内到期，为了克服股　
由上表可得：从模型上看，三个套期保值模型都大大降　
模型中日数据，周数据，月数据的套保效率呈递减状态，说　
明套保期间越短，效率越高。　
５．１单位根检验　
对上证５０ＥＴＦ和沪深３００指数日收盘数据的对数序列　
及其一阶差分序列进行ＡＤＦ检验　
表１　
变量　ＡＤＦ　临界值　ＤＦ　变量　
Ｉ　ｌ　５　ｌ　ｌＯ％　
【ｎＳ　——１．４４５２４５　—３．９６６９３４—３．４１４１６１［一３．１２９１８７　——Ｉ．４２０５８４　ｌｎＦｔ　
△ＩｎＳｔ　一３３．１２ｌ２Ｏ　——３．９６６９４４——３．４１４１６５［——３．１２９１９Ｃ　一３Ｉ．３９０２３　△ｌｎＦ　
由上表可知，上证５０ＥＴＦ和沪深３００指数日收盘数据　
的对数序列不能拒绝存在单位根的零假设，而他们的一阶　
差分序列拒绝存在单位根的零假设，即对数价格序列是非　
平稳的，而差分序列是平稳序列，因此符合Ｉ（１）过程。同　
理，对上证５０ＥＴＦ和沪深３００指数周数据和月数据的对数　
序列及其一阶差分进行ＡＤＦ检验，也都符合Ｉ（１）过程　
５．２协整检验　
对上证５ＯＥ武汉健民股票ＴＦ和沪深３００指数日收盘数据，周数据和　
月数据的对数序列的线性回归的残差估计值序列进行ＡＤＦ　
检验　
表２　
变量　ＡＤＦ　临界值　
１　５　１０　
一
２．４７９８２８　—２．５６７１９８　——１．９４１１２９　—１｜６１６４９３　
Ｅｔ　一１．８８１３５２　—２．５７５１８９　一Ｉ．９４２２３０　—１．６１５７６８　
—
１．６７９３４５　——２．６０８４９０　—１．９４６９９６　—１．６Ｉ２９３４　
从上表可以看出，对上证５ＯＥＴＦ和沪深３００指数日数　
据、月数据和周数据的对数序列的线性回归的残差估计值　
序列的ＡＤＦ检验值在１Ｏ　的水平上均拒绝存在单位根的　
原假设，所以残差序列是平稳序列，说明上证５０ＥＴＦ和沪深　
３００指数存在长期均衡关系。　
５．３　ＧＡＲＣＨ族模型　
我们选取了ＢＧＡＲＣＨ（１，１）、ＥＣＭ—ＢＧＡＲＣＨ（１，１）和　
修正的ＥＣＭ—ＢＧＡＲＣＨ（１，１）模型，来估计最优套期保值　
率。结果如下：　
表３最优套期保值比率的统计描述　
ＢＯＡＲＣＨ（１．１）　日ＣＭ—ＢＧＡＲＣＨ（１．１）　蕾正的ＥＣＭ－－ＢＧＡＩ￣Ｈ（Ｉ．１）　
Ｍ０ｄｄ０　
日ｔ据ｌ■鼓据１月数据　日囊据Ｉ扁数据１月敦据　日羲据ｌ局散据１月数据　
＾　ｏ．＂７７＂ｌ　ｎ８７７６５３　ｌ　０．８５７１６６　０．９８１５２４　ｌ　ｎ　８６０７７１　ｌ　０．９３４８５２　ｎ　９８２０３５　ｌ　０．８７７０１１　ｌ　０．９４６４１１　
Ｓｄｍ　ｎ０８３４２９　１　０．０７６３３６　ｌ　０．２０２５１４　ｏ．０８６６６６　ｌ　ｏ．０４７７７９　ｌ　０．３８１８４０　０．０８１２４０　ｌ　０　０５６１３２　　ｌ０　４１９２１６　
１．３￣／０６５　ｌ　１．０１５＠２９｛１．３１３１３３　１．３８４２７７　ｌ　ｍ　９６４５４９　ｌ　３．５４１８４１　１　３２４３９１ｌ　０　９７１１８７ｌ　３　８４０１６兵工集团８　
０．７３８５５５　１　０．６９４０７３　ｌ　０．３６５８６９　０．７３５３３８　ｌ　ｎ　７４７２９４　ｌ　０．３９７１０３　０．７３４０８３　ｌ　０．７４３０２４　ｌ　０．１１３１３２　
为了比较不同套期保值模型的套期保值效果，我们利　
用的计算公式，分别计算不同模型，不同数据样本的套保效　
率，结果如下：　
表４各模型套期保值效率比较（样本内数据）　
一
１４８一　
：　
｛！　垃　复．曼　
翟麓　
‘　
．
Ｅ　
Ｅ　＝卫　
图ｌ　图２　
图３　
５．４最后。我们利用２０１０年４月１６日开始的真实的股指　
期货数据和上证￥０ＥＴＦ数据配对来计算前面估计的最优　
套期保值比率的套期保值效率　
表５各模型套期保值效率比较（样本外数据）　
模型　
＿＿　．
　１
ｉ　
ＢＧＡＲＣＨ　Ｉ　ＥＣＭ－
丽函Ｔ雨丽　吾　
－ＧＡＲＣＨ　ｌ●芷的ＥＣＭ－
ｉ　丽
－ＧＡＲＣＨ　
　
Ｉ　ＨＬ盯怀雁蔗ｐ．００６７６ｑｏ　Ｏｌ５５３ｌｐ．００８１８　．００６８１］１０．０１５５８Ｔｐ．０ｌＯ６０￣ｏ．００６８１印．Ｏ１５５３　．０１１０９３］　
Ｉ　Ｕｔ的标准差　．Ｏ１９０８巾．０３５７７巾０６３８７书．０１８０８巾．０３５７７巾．０５３８７审．０１００８巾．０３６７７巾．０５３８７￣　
Ｉ　套保效率　Ｉ８５．９４　Ｉ　８１．１５　ｌ９７．６９　Ｉ８５．８１　１８１．０１　ｌ０６．１３　ｌ８５．８ｏ　ｌ８１．１５　Ｉ９５．７６　ｌ　
与样本内数据的套保效率相比较，样本外数据的套期　
保值效率总体有所下降。　
５．５本文结论　
（１）运用ＢＧＡＲＣＨ模型，ＥＣＭ—ＢＧＡＲＣＨ模型以及修　
正的ＥｃＭ—ＢＧＡＲＣＨ模型估算的动态套期保值比率进行　
的套期保值策略，都大大降低了上证５０ＥＴＦ的收益率方差，　
即风险程度，但是样本内128024数据的效果更好一些，这是因为套　
期保值比率本身的测定是由样本内数据为依据的，但是现　
实中套保策略都是事先拟定的，只能根据历史数据进行测　
算。所以本文中样本外数据的套保效率更具有现实意义。　
（２）日数据，周数据，月数据的套保绩效呈下降趋势，说　
明套保期限越短，套保效果越好，因为套保的基本思想是用　
基差风险代替价差风险，而时间越短，基差风险就越小　
参考文献　
［１］徐成贤，薛宏刚．金融工程［Ｍ］．北京：科学出版社，２００７．　
［２］彭红枫，叶永刚．基于修正的ＥＣＭ—ＧＡＲＣＨ模型的动态最优套　
期保位比率估计及比较研究ＥＪ］．中国管理科学，２００７，（５）：３１－　
３Ｚ．　
［３］安宗保，杨定华．沪深３００股指期货对上证５０ＥＴＦ套期保值的模　
拟分析口］．理论与实践，２００８，（１１）：３２－３３．　
［４］Ｅｄｅｒｉｎｇｔｏｎ，Ｌ?Ｈ?Ｔｈｅ　Ｈｅｄｇｉｎｇ　Ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ｔｈｅ　Ｎｅｗ　Ｆｕ—　
ｔｕｒｅｓ　ＭａｒｋｅｔｓＥＪ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｆｉｎａｎｃｅ，１９７９，（３４）：１５７—１７０．　

不同的反坦克武器，杀伤的方式是不同的，火箭筒靠的是聚能战斗部，使用炽热的金属射流，烧穿装甲，然后引爆内部的弹药，穿甲弹，靠的是动能，硬生生地把钢芯钻进去，钻开装甲，同时，还有一种特殊的碎甲弹，它并不需要穿过坦克的装甲去，而是制造剧烈的震动，在装甲的外面攻击，把装甲内部的的内层给震的崩开，飞溅出去，杀伤坦克内部的成员。 “我们一机厂，有着得天独厚的优势。”秦振华向着马盼山说道：“马厂长，咱们是国内最老牌的重型机械厂，有着几十年的生产经验和一大批的技术精湛的老师傅，又在去年得到了一大批的先进的机床设备，所以，将这个项目要过来，咱们一机厂是有很大的优势的，咱们全厂的希望，都在您的身上了。” 祝老来这里的目的，就是来解决这件事的。 他想到失算了，目光就更阴沉了。 不管用什么钢材，厚度都是有限的，再提高，已经没有太大的可能了，就那59坦克来说，哪怕是采用了最流线型的外形，最厚的炮盾的地方，也仅仅有220毫米的厚度，这点厚度，对于现代的坦克炮来说，那是没有任何挡住的可能的。 暴露在外面的长度，可以测量，用总长度减去它，那就是里面钻进去的深度了。 马盼山作为一机厂的厂长，到时候，会有什么等着他，他是清清楚楚的。