期货最优套期保值比率研究评述

兰 鹏

(新疆财经大学 金融学院，新疆 乌鲁木齐 830012)

一、引言

一般来讲，套期保值就是把期货市场当成规避价格波动风险的场所，将相应的期货合约作为未来买卖现货市场商品的临时替代物，对现在买进、准备将来卖出或者将来需要购买的商品价格进行保值的交易活动。在套期保值实务中，持风险规避态度的投资者通过期货进行风险头寸管理，从而降低或规避不利的价格波动风险。对于这些风险，套期保值者可以通过期货市场转移给乐意承担风险的投机者。从合约设计的角度来看，期货合约应该最大限度满足期货市场套期保值者的交易需要。由于套期保值是期货市场存在和发展的基础，对于期货市场效率的研究和探讨，反映到套期保值层面上，就是套保有效性的问题。另一方面，国内外专家学者也对期货市场套期保值问题进行了深入细致的探究，一致认为的是套期保值研究的核心问题是最优套保比率的估计和套保有效性的测度。无论在理论层面，还是在实务层面上，研究这两个问题对期货市场的发展和功能完善都有非常重要的意义。

研究期货最优套保比率以及套保有效性的价值在于:第一，在套期保值实务中，套保操作策略分为静态套保和动态套保两种，那么，两种操作策略下的最优套保比率的估计正是套期保值者关心的问题。本文通过深入研究静态和动态两种套保策略，借助多种套期保值模型对相应的套保比率进行估计，进而能够在实践应用中更加量化期货合约的交易成本，实现套期保值的风险最小化和效用最大化。第二，在选用了不同的套期保值操作策略后，套保者最为关心的是这些策略能在多大程度上降低交易者面临的价格波动风险，即套期保值有效性测度问题。本文通过套保绩效测度指标对多种模型下的套期保值效果进行量化分析，为策略的最优化选择提供重要的考量标准。

与以往的实证研究相比，近年来，较前沿的套期保值研究呈现如下特点:(1)与主流的套期保值实证模型选取相比，会在文章中引入了国内期货套期保值研究较少涉及的常条件相关GARCH(CCCGARCH)模型、动态条件相关 GARCH(DCCGARCH)模型、基于卡尔曼滤波(Kalman filter)的状态空间(SSPACE)模型、修正ADCC－GARCH模型和DADCC－GARCH模型以更好地捕捉金融时间序列特有的尖峰厚尾、波动集群的分布特征和期、现货价格的动态相关性。(2)根据套期保值有效性的相关影响因子，将实证检验划分为合约效应、近交割月效应检验，较全面地反映套保有效性的动态变化过程和内在涵义。(3)研究者对期货价格序列拼接的方法多样，主要有如下三种数据处理手法:一是参照国外的做法以期货交割月份前一至两月作为切割周期进行数据处理;二是以交易量作为参考指标，选取交易量最大的月份作为切割月份进行数据拼接;三是高盛公司被实务界广泛认可和使用的方法，即在前一个合约临近到期时逐步移仓的方法，有效地解决两个相邻合约间存在的因换月拼接价格数据引起的“价格迁跃”现象。

二、文献回顾

(一)国外相关文献回顾

在套期保值的理论与实务中，最优套保比率的估计及套保有效性测度一直是其最为核心的问题。国外在这方面的研究最早可以追溯到二十世纪三、四十年代。在期货交易快速发展的大背景下，套期保值的研究也经历了从传统套期保值理论，到基差逐利型套期保值理论，再到现代套期保值理论的发展过程。在现代套保理论中，学者们最为关注的是套期保值比率的确定，由于切入的研究视角的差异，这方面的研究可以分为两大类，一类是从组合收益最小化的角度研究最小风险套期保值比率，另一类则是从效用最大化角度研究均值－风险套期保值比率。

1.传统套期保值理论

又被称为幼稚或天真套期保值理论，是由Keynes(1923，1930)和Hicks(1946)提出的。他们认为一单位的现货需要一单位的期货合约来规避价格波动风险。理论根据在于现货价格和以此现货资产为标的的对应期货合约价格变动方向和大小一致且呈现完全正相关关系，此时套期保值比率为1，套保比率为1的套期保值被称为完美套期保值。

2.基差逐利型套期保值理论

与Keynes和 Hicks持相左看法的 Working(1960)认为，只有在期货市场价格与现货市场完全正相关，并且不存在市场摩擦、交易费用与税收成本时，完美套期保值才会实现。但在现实的期货交易中，由于基差风险的存在，期货价格的变动与现货价格的变动并不完全一致。因此Working(1960)提出了基差逐利型套期保值理论，在这个理论中，他提出，套期保值的核心功能不在于消除价格波动风险，而在于通过观察基差或预期基差方面的变化来谋取利润。套期保值从某种意义上讲就是投机的一种，但它不是投机于价格，而是投机于基差。

3.现代套期保值理论

(1)从组合收益风险最小化角度研究期货市场最小风险套期保值比率

在风险最小化(MV)的研究背景下，学者们对套期保值比率的认识主要分以下两大类:一类是认为套期保值是静态的，因而套期保值比率是不随时间发生变化的，即静态的。另一类则认为套期保值是个动态调整风险头寸的过程，因此，随着时间的推移，套期保值比率也应作出相应的变动，即套期保值比率是时变的。

在静态套期保值理论研究框架下，国外众多学者对套期保值进行了卓有成效的研究:

Johnson(1960)和Stein(1961)通过引入马科维茨组合投资理论体系，提出了基于效用最大化原则的最优套期保值策略。

Ederington(1979)认为可以在组合收益风险最小化的原则下，构造现货收益率与期货收益率的简单回归方程来测算最小方差套期保值比率，并取得了良好的结果。

Bell、Krasker(1986)验证了假如期货价格波动依赖于新息，则传统的回归模型得出的最优套保比率是有偏估计的。

Fama、French(1987)引入基差作为模型解释变量，以增强预测现货回报率的能力。

Park、Bera(1987)认为，在估计最优套期保值比率时，运用简单线性回归模型是有缺陷的，因为该模型忽略了期、现货价格序列中的异方差性和序列自相关。

Myers、Thompson(1989)运用了双变量向量自回归(B－VAR)模型对最优套期保值比率进行估计，有效地解决了运用最小二乘(OLS)模型产生的序列自相关问题。

Lindah(1992)在运用OLS模型进行实证研究时，发现估计出的套期保值比率呈现时变特性，因而得出OLS回归模型估计的套期保值比率是有偏的这一结论。

Herbst、Kare、Caples(1989)运用 ARIMA 模型对外汇期货市场的套保绩效和套期保值比率进行实证研究，发现该模型的套期保值效果比传统的OLS模型更优。

在Eagle、Granger(1987)提出协整理论后，Lien、Luo(1993)以及Chou(1996)等人先后运用向量误差修正(VECM)模型估测最优套期保值比率，VECM模型考虑了期、现货价格之间的协整关系对套期保值比率的影响，能够更有效地对冲现货头寸的风险。

Ghosh(1993)等指出，传统的回归模型没有考虑到期现货价格的协整关系，并提出运用向量自回归(VAR)模型，误差修正(ECM)模型及分数协整模型估计最优套期保值比率，以充分利用历史信息集，提升套期保值效果。

Wahab、Leshgari(1993)通过研究股指期货与相应股票现货的数据，发现两者之间存在着显著的协整关系，进而采用误差修正(ECM)模型进行建模，并借助此模型对S＆P500和FTSE100的股指期货进行实证分析。

Asim Ghosh、Ronnie Clayton(1996)在他们的研究中发现，误差修正(ECM)模型可以克服传统模型对误差修正项和短期动态冲击关系的忽略，纠正了价格描述的误差，其套期保值绩效更好。

Wenling Yang、David E.Allen(2004)为了对“序列自相关”进行修正，因而运用向量自回归(VAR)模型进行最优套期保值比率的测算。

以上的相关研究都是围绕时不变套期保值理论体系展开的，但是学者们发现期货、现货价格的相关性程度并非恒定不变，而是随时间的推移发生波动的，而且金融时间序列本身呈现的尖峰厚尾、波动集聚、偏态分布等特征使得静态套保模型对最优套期保值比率进行测算时出现价格描述的误差和有偏的估计值。Engle(1982)提出的自回归条件异方差(ARCH)模型，以及Bollerslev(1986)在ARCH模型基础上拓展出的广义自回归条件异方差(GARCH)模型有效地解决了上面描述的套保比率的相关问题，同时也构建起了时变套期保值理论的研究框架。自此以后，相关的动态实证研究逐渐流行开来。由于ARCH/GARCH族模型可以很好地捕捉到金融时间序列的分布特征，因而受到许多研究学者的极力推崇。随着GARCH族模型研究的深入，基于多元GARCH模型下的时变套期保值研究也层出不穷:

Cecchetti、Cumby、Figlewski(1988)运用自回归条件异方差(ARCH)模型对美国国债期货合约的时变套期保值比率进行估计，并发现套期保值比率与持有合约时限呈现正相关关系。

Myers、Thompson(1989)认为解释变量和被解释变量所确定的信息集是随时间的推移发生改变的，因此，由信息集及变量所确定的套期保值比率不应是常数，而应是变量，即套期保值比率是动态的。

Bollerslev(1990)通过建立常条件相关GARCH(CCC－GARCH)模型解决了条件方差——协方差矩阵非正定的难题，但是CCC－GARCH模型的实证检验一直不尽如人意。

Baillie、Myers(1991)采用 EC－GARCH模型对六种不同商品的套保效率进行研究，发现时不变套期保值比率这一假设是不合适的，并且发现套期保值期限越长，相应的套期保值比率越高。

Kroner、Sultan(1993)认为在进行GARCH模型建模时，应考虑到期货、现货价格序列之间的协整关系，他们对此进行了模型改进，建立起含有误差修正项的ECM－GARCH模型，并对世界上主要的货币期货的最优套期保值比率进行估计，取得了良好的实证效果。

Park、Switzer(1995)将BGARCH模型用于股指期货的套期保值研究中，发现BGARCH模型无论在样本内还是样本外，都改进了静态套保策略的效果。

Lien、Tse、Tsui(1996)运用 CCC －GARCH 模型测算了外汇期货、商品期货等市场的最优套期保值比率，发现其估计结果与OLS模型相差不大。

Bera、Garcia、Roh(1997)采用 BEKK － GARCH模型研究期货套期保值，发现该模型得到的套期保值比率比最小二乘(OLS)模型更差。

Gannon、Yeh(2000)认为在考虑交易成本因素时，GARCH模型的绩效表现要优于其他静态套期保值模型。

Engle(2002)考虑到CCC－GARCH模型的时变相关系数假定与实际情况有差距，提出时变动态条件相关系数GARCH模型，从而使同时估计多个市场的相关系数成为可能，同时也克服了多元GARCH模型的“维数灾难”。而后，Hsu等人(2008)也将这一模型应用到套期保值的实证研究中来。

Dimitrios V.Vougas、Christos Horos(2004)在希腊期货市场上运用OLS，ECM，VECM以及GARCH－M模型对最优套期保值比率进行估计，结果显示，GARCH－M模型的估计结果最好。

David E.Allen、Wenling Yang(2004)在澳大利亚市场上运用多种计量模型建模并进行绩效比较后发现GARCH模型测算的最优套期保值比率优于其他模型。

Yuan－Hung Hsu Ku(2007)等人运用了 OLS、ECM、GARCH、CCC－GARCH 和 DCC－GARCH 模型对英镑和日元期货市场的最优时变套期保值比率进行测算并进行绩效测度发现，DCC－GARCH模型表现最好，而CCC－GARCH模型在所有模型中表现最差。

Gyu－Hyen Moon(2009)等人运用滚动最小二乘模型和流行的几种多元GARCH模型研究了KOSTAR指数期货的套期保值绩效，发现在样本外，动态套保策略优于传统的套保策略，并且滚动最小二乘模型表现上不逊于其他多元GARCH模型。

近些年来，随着时变套期保值理论研究的深入，更多复杂、高深的计量经济模型被用来估计最优套期保值比率和测度套保有效性:

Alizadeh、Nomikos(2004)首次将马尔科夫体制转换模型引入股指期货的套期保值中，将不同的状态看成是影响套期保值比率的潜在变量，并对FTSE100和S＆P500指数期货市场的套期保值比率进行了实证研究。

Hatemi－J、Roca(2006)运用基于卡尔曼滤波(Kalman filter)的状态空间(SSPACE)模型对澳大利亚股票和股指期货市场的最优套保比率和套保表现进行了实证研究，并与Edrington(1979)提出的回归方程进行比较，结果显示:就套期保值绩效而言，SSPACE模型远胜于Edringtong的回归方程。

Hsu、Tseng、Wang(2008)通过引入 Copula 理论，运用Gaussian Copula、Gumbel Copula和Clayton Copula三种具有时变相关系数的函数估计最优时变套期保值比率。发现其比传统的GARCH族模型有明显的效果改善。

Ming Jing－Yang、Yi－Chuan Lai(2009)通过研究世界上各大股指期货市场的样本外套期保值绩效后发现无论采取的是静态套保还是动态套保策略，套期保值都在不同程度上提升了投资者的期望效用和降低了组合收益的风险。同时指出，无论是否考虑交易成本费用，GJR－EC－GARCH模型和ECOLS模型都有很好的套期保值效果。

(2)从效用最大化的角度研究期货市场最优套期保值比率

大多数学者关于套期保值比率的研究都是从组合风险最小化视角切入的，但是这种研究方法仅仅考虑了收益风险的最小化，却忽略了收益的最优化，而在效用最大化的视角下研究期货市场的最优套期保值比率，就同时考虑了收益和风险的两方面问题达到最优化决策，而且该方法也更加贴近实际情况。由于效用最大化方面的套期保值文献相对较少，本文就将代表性的相关研究陈述如下:

D’Antonio、Howard(1984)类比夏普证券市场线的做法，在效用函数最大化的条件下，给出了最优套保比率的计算公式以及测度套期保值有效性的量化指标。

Okunev、Kolb(1993)运用增光基尼系数这一风险度量方法，给出了在效用函数最大化的条件下最优套保比率的计算方法。

Kuo、Hsin、Lee(1994)在效用函数最大化的条件下研究了最优套期保值比率的测度方法(即HKL测度)。

Lee、Chen、Shrestha(2001)在 De Jong(1997)等人的研究基础上，测算出借助效用函数确定的最优套期保值比率，并运用S＆P500指数期货价格和现货数据进行研究，结论显示，风险厌恶系数的差异影响着套期保值比率的取值。

(二)国内相关文献回顾

我国在套期保值方面的研究起步较晚，早期的相关文献也多停留在理论阐述、定性分析层面上。近年来，随着国外套期保值实证研究的不断深入，我国这方面的实证文章也有所增加，并且受到越来越多学者的关注和探究。华仁海和仲伟俊(2002)通过对套期保值文献的相关梳理、归类，对套期保值理论的发展历程进行了简要的述评。

1.引入OLS、VAR、VECM等静态套期保值模型研究套期保值比率

史晋川、陈向明、汪炜(2006)运用误差修正(ECM)模型和简化误差修正(S－ECM)模型测度我国期铜的套保比率和绩效，研究发现当忽略期现货价格的协整关系时，套期保值有效性会有所降低，考虑到此关系时，会提高我国铜期货合约的套期保值效果。

高勇、黄登仕、魏宇(2008)在研究中国铝期货较长期限合约时，为克服数据量小的难题，采用了协整序列分解模型进行数据分析，发现选用的数据时间单位越长，所得到的套期保值比率就越大，相应的套期保值绩效就越好。

2.借助GARCH族模型、马尔科夫体制转换模型等动态套期保值模型测度套保比率

冯春山、吴家春、蒋馥(2004)运用带GARCH误差修正项的向量误差修正(VECM)模型估计套保比率时发现该方法的套保绩效要好于静态套保模型。

彭红枫、叶永刚(2007)在 Kroner和 Sultan(1993)建立的ECM－GARCH模型基础上，提出了修正的 ECM－GARCH模型，并用此模型与 BGARCH模型以及ECM－GARCH模型对中国铜期货市场的套期保值比率进行比较研究，并分析了三种模型相应的套期保值效果。

陈蓉(2009)等人提出了一种新的研究思路——运用基于混合Copula函数的最小下偏矩估计套期保值比率，并在S＆P500指数期、现货数据的实证研究中，很好地捕捉和反映了S＆P500期、现货收益率的尾部相关性，同时在样本外获得了较好的预测结果。

郑尊信、徐晓光(2009)引入Copula－GARCH模型框架，探讨了基差、随机冲击等因素对于套期保值的影响以及非对称相关结构的形成机制。实证研究发现，基差和随机冲击会影响期、现货价格的相关性，并且套期保值效果在非对称相关明显的市场上，得到显著提升。

王玉刚、迟国泰、杨万武(2009)借助Copula理论中的非线性相关系数，运用GARCH和EWMA模型对期铜合约的最小方差套期保值比率进行估计，实证结果显示，该模型的有效性优于现有实证方法测算的套期保值比率。运用该模型，进行套期保值可以更好地规避价格波动风险。

付剑茹(2010)跳出“选用不同计量经济模型，反映期货现货价格联动方式”的主流思维框架，基于伊藤过程和持有成本理论描述了期货与现货联动关系，同时运用蒙特卡洛(Monte Carlo)方法模拟出中国铜期货的期、现货价格序列。结论显示，中国铜期货市场有投机者主导的，套期保值者处于被支配的地位。

戴晓凤、梁巨方(2010)运用时变Copula函数构建期货与现货收益率的联合密度函数，进而借助数值方法计算最小下偏矩套期保值比率。通过采用中国铜期货、现货价格数据进行实证检验，得到优于最小方差测量方法的测度结果。

王辉、谢幽篁(2011)通过引入修正 ADCCGARCH和DADCC－GARCH模型对时间窗口为2009年－2011年的大豆、棉花、铜、铝和燃料油这5种商品期货及其对应的现货数据进行实证研究:分析结果显示:(1)5种期货品种与对应的现货之间均有长期均衡关系(2)基差与消息均存在非对称效应，因此在进行最优套期保值比率估计需考虑基差因子、新息因子的影响，(3)农产品期货、能源期货的套保比率均低于金属期货，(4)样本内的估计结果表明，修正ADCC－GARCH和DADCC－GARCH模型均比其他模型更能降低组合所面临的风险，(5)对于农产品期货来说，样本外结果是静态模型的表现更优，而金属期货、能源期货的样本内外估计结果差距不大。

傅俊辉、张卫国、杜倩、孔文涛(2011)通过引入规避逐日盯市风险这一考量因子，并给出该因子的约束条件，构建自有资金情况下的基于现货价格风险、逐日盯市风险的期货套期保值模型，并采用图示法给出最优套期保值比率的解析方程式，研究自有资金不足、需要借入资金情况下应该如何选择最优的套期保值比率，以获得最佳的套期保值效果，并以上海期货交易所期铜为研究对象，阐释逐日盯市风险对于套期保值研究的重要性以及该模型的适用性。

3.结合静态和动态套期保值模型进行套期保值比率的比较研究

冯春山、王骏、张宗成(2005)借助 OLS、BVAR、ECM、EC－GARCH4种模型探究了中国硬麦和大豆期货市场的套保比率和相关套期保值效果，了解到ECM和EC－GARCH模型的套保比率和套保效果都要优于OLS和B－VAR模型。

王骏、张宗成(2006)在研究有色金属市场时，采取了同样的方法对套保比率进行实证研究，得到了与此前一致的结论。

彭红枫、叶永刚(2007)对动态套保模型和静态套保模型的优劣对比进行了探究，并通过期铜市场的实证分析，发现基于B－GARCH模型动态套保效果优于基于OLS模型的静态套保效果。

方虹、陈勇(2008)运用 OLS、B －VAR、ECM、ECM－GARCH4种模型研究了石油期货套保比率及绩效。实证结果表明，ECM－GARCH模型在套期保值效果上有着优异的表现。

潘慧峰、吴卫星(2008)运用 OLS、B－VAR、ECM、ECM－GARCH4种模型对香港恒生国企指数期货的套期保值比率和绩效进行实证研究，发现采用的模型所得的估计结果都优于“幼稚法”。

马超群、袁梦(2008)等人在最小风险理论框架下，选取恒生指数期货和对应股票现货数据，采用OLS、OLS － CI、B － VAR、ECM、GARCH、ECM －GARCH等模型进行套期保值比率的测算，并检验了不同计量方法在香港市场上的应用效果。

方世建、桂玲、吴博(2008)从理论评述的视角上对期货套期保值模型的发展历程进行了系统性的阐述，在总结静态模型的基础上，着重介绍了马尔科夫体制转换(MRS)模型以及卡尔曼滤波(Kalman filter)等模型在套期保值中的应用。从理论上解释了动态模型改进套期保值效果的原因，为投资者进行股指期货套期保值提供相应的建议。

彭红枫、胡聪慧(2009)在综述国际上主流的最优套保比率方法的基础上，运用静态模型OLS、BVAR、B－ECM 和动态模型 BGARCH、EC－GARCH对中国大豆期货市场的套期保值比率及绩效进行实证研究。结果发现、无论在样本内、还是样本外，静态套保模型绩效要优于动态套保模型的，而这一点与国外实证研究结论相悖。

梁斌、缪柏其(2009)等人在套期保值比率实证模型的选择上，引入三种参数化形式的BEKK模型进行参数估计，同时与主流的静态套保模型比较相应的套保效果，同时他们研究了不同参数化形式对动态套保模型的影响，而且总体的结论与主流研究具有一致性。

付胜华、檀向球(2009)通过 OLS模型和GARCH模型对基金十大重仓股股票进行套期保值实证分析，并设计了套期保值操作流程，详细描述了每步的操作要点。

吴博(2010)选取沪深300股指期货仿真交易行情和华安上证180ETF分别作为相应的期、现货的研究对象，采用主流的 OLS、VAR、VECM、GARCH 4种模型进行套期保值的实证研究，并且基于“风险最小化”和“效用最大化”视角比较4种套保模型的套保绩效。结果显示，在样本内，GARCH模型降低风险的效果最明显，而OLS模型则可使得投资者的效用函数最大化，而在样本外，两种视角都一致认为VECM模型套期保值绩效最优。

付剑茹、张宗成(2010)借助基于卡尔曼滤波(Kalman filter)法的状态空间(SSPACE)模型对中国铜期货市场的时变最优套期保值比率进行估计，并与OLS、VAR、VECM、CCC －GARCH 模型的套期保值效果进行了比较，方差改善率指标和夏普比率指标的测度结果显示，基于卡尔曼滤波(Kalman filter)的状态空间(SSPACE)模型的套保绩效全面占优。

华仁海、谭之科(2010)则以大豆期货市场为研究标的，检验考虑基差非对称效应的动态期货套期保值策略，结果表明忽略基差非对称效应会影响套期保值的效果。

邵永同(2011)运用 OLS、B －VAR、ECM、BGARCH 4种模型对于中国棉花期货市场套期保值比率进行实证研究。结论显示，考虑了期、现货价格协整关系的ECM和BGARCH模型套保效果远胜于传统的套期保值模型，而且套期保值功能的发挥与套期保值期限呈现高度正相关。

佟孟华(2011)以沪深300股指期货的真实交易数据及沪深300指数为研究对象，建立了ECMBGARCH(1，1)的沪深300股指期货对沪深300指数的动态套期保值模型。通过实证分析发现，该模型优于传统的套期保值模型。

高扬、郭晨凯(2011)以沪深300股指期货上市后的日数据为研究对象，分别运用静态模型(选用的是OLS模型)和动态模型(选用的是ECM－GRACH模型)对股指期货的套期保值比率进行估计，并选用三种套保策略(幼稚型策略、OLS套保法、ECMGARCH套保法三类)进行套期保值有效性的比较分析，结果发现，采用后两种操作策略的套保绩效明显优于幼稚型策略，且最高值可达76%。

张健、方兆本(2012)选取沪深300股指期货、构建的沪深 300ETF组合、S＆P500股指期货以及S＆P500指数四种时间序列日数据，运用 OLS、VECM、copula－VaR、修正ECM－GARCH模型进行股指期货套期保值比率的实证分析，通过引入风险最小化原则比较两种股指期货的套保效率，实证结果显示:无论使用哪种估计方法，沪深300股指期货的套保绩效都优于S＆P500股指期货。而且无论在样本内还是样本外，修正ECM－GARCH模型的估计结果都为最优。

陈海波、郑玮(2012)通过引入时变参数模型，并选取沪深300股指期货作为研究标的，运用各期主力合约构建出完整期货收益率序列，使用基于卡尔曼滤波迭代算法的状态空间模型模拟出动态套期保值比率，并与OLS模型的套保绩效进行比较，结果发现，动态的套保效果远优于静态的模型估计法。

马锋、张凌云、黄显涛、邹康林(2012)对沪深300股指期货的套期保值比率及有效性进行具有现实意义的探讨。他们运用静态套期保值模型(OLS、VAR、VECM三种)以及动态套期保值模型(VARMGARCH、VECM－MGARCH两种)对沪深300股指期货的最优套期保值比率及其套保有效性进行研究，实证结果显示:无论是样本内还是样本外，动态模型的套保效果都比静态模型更优，其中VECMMGARCH模型估计的套期保值比率是所有模型中最高的;此外，静态模型估计中VECM要优于OLS、VAR模型。

史美景、赵永淦(2012)构建一种新的Copula－TGARCH模型对股指期货的最佳套期保值比率进行估计，根据期、现货收益率序列不同的尾部相依性，用不同的 Copula函数形式(包括 Gumbel－copula，Clayton－copula，Gaussian－copula三种)拟合两序列的相关性，并与其他的动态套期保值模型(包括ECM－CCC－GARCH和ECM－DVEC－GARCH两种)对比其套期保值的效果。对香港恒生指数和恒生股指期货的实证分析，结果显示:无论样本期内、外，Copula－TGARCH模型的套期保值效果均为最优，而基于非对称Gumbel Copula的套期保值比率是最理想的。

孙艳、何建敏(2012)首先引入小波方法将股指期、现货收益率序列分解到不同时间尺度上，并使用核密度法估计期、现货的联合密度函数，然后在最小下偏矩框架中得到多尺度的最优套期保值比率。运用香港恒生指数期货、恒生指数日数据进行数量分析，结果表明:伴随时间尺度的延长，最优套期保值比率以递减的速度递增，且套期保值效果保持递增，直至接近于1。

李红霞、傅强、袁晨(2012)通过构建 VARDCC－MVGARCH模型，检验时间窗口为2008－2011年的中国黄金期货与现货市场的动态相关性，并从组合收益风险最小化角度研究期货市场最小风险套期保值比率及套保有效性，结果表明:黄金市场仅存在着现货收益率对期货收益率的单向波动溢出;收益率的波动呈现动态正相关性;相应的套期保值组合能够有效地规避黄金现货的投资风险。

三、总结与评论

综上所述，国外对套期保值理论与套期保值比率的研究已经比较成熟，套期保值理论与套期保值比率的研究形成了一种良好的互动关系，共同推动了期货市场套期保值业务的发展。而国内对于套期保值比率的研究大多针对金属期货市场。同时，由于股指期货处于上市时间较短，形成的日数据时间窗口较窄，针对股指期货套期保值的研究成果还较为少见，主要是以股指期货的高频数据研究为主。并且在套期保值的模型设计上，大多数估计套期保值比率文献中没有过多地考虑交易成本、套保期限、国内外市场风险传染效应等因素，这些研究视角都可以作为未来学者研究的方向。

正确计算期货套期保值比率，对投资者正确认识和运用期货的套期保值功能、各套期保值交易主体的操作策略选择以及促进我国资本市场体系进一步发展和完善都具有非常重要的现实意义。

[1]Keynes，J.M.A Tract on Monetary Reform[M].C.W，Macmillan，London，1923.

[2]Keynes，J.M.A Treatise on Money[M].C.W，Macmillan，London，1930.

[3]Johnson，L.The Theory of Hedging and Speculation in Commodity Futures[J].Review of Economic Studies，1960，(27):139 －151.

[4]Stein，J.The Simultaneous Determination of Spot and Futures Prices[J].American Economic Review，1961，(51):1012－1025.

[5]Ederington，L.H.The Hedging Performance of the New of Finance Markets[J].Journal of Finance，1979，(34):157－170.

[6]Fama，E.F.，French，K..Commodity futures prices:Some evidence on forecast power，premiums and the theory of storage[J].The Journal of Business，1987，(60):55 －73.

[7]Myers，R.J.，S.R.Thompson.Generalized optimal hedge ratio estimation[J].American Journal of Agricultural Economics，1989，(71):858 －868.

[8]Herbst，A.F.，D.Kare，J.F.Marshall.A time varying，convergence adjusted，minimum risk futures hedge ratio[J].Advances in Futures and Options Research，1989，(6):137－155.

[9]Engle，R.F.and Granger，C.W..Cointegration and error correction:Representation，estimation，and testing[J].Econometrica，1987，(55):251 －276.

[10]Lien，D.，and X.Luo，Estimating Extended Mean － Gini Coefficient for Futures Hedging[J].Journal of Futures Markets，1993，(13):665 －676.

[11]Chou，W.L.，Denis，K.K.F.and Lee，The Conventional versus the Error C.F.，Hedging with the Nikkei Index Futures:Correction Model[J].Quarterly Review of Economics and Finance，1996，(36):495 －505.

[12]Ghosh，A.，Conintegration and error correction models:intertemporal causality between index and futures prices[J].Journal of Futures Markets，1993，(13):193 －198.

[13]Wahab，M.，Lashgari，M..Price Dynamics and Error Correction in Stock Index and Stock Index Future Markets:A Cointegration Approach[J].Journal of Futures Markets，1993，(13):711 －742.

[14]Cecchetti S G，R E Cumby，S Figlewski.Estimation of the Optimal Futures Hedge [J]. Review of Economics＆Statistics，1988，(70):623 －630.

[15]Wenling Yang，David E.Allen，Multivariate GARCH hedge ratios and hedging effectiveness in Australian futures markets[J].Accounting and Finance，2004，(45):301－321.

[16]Bollerslev，T..Modeling the Coherence in Short－ Run Nominal Exchange Rate:A Multivariate GeneralizedARCH Model[J].Review of Economics and Statistics，1990，(52):5 －59.

[17]Baillie，R.T.，Myers，R.J Bivariate GARCH Estimation of the Optimal Commodity Futures Hedge[J].Journal of Applied Econometrics，1991，(6):109 －124.

[18]Kroner，K.F.，＆ Sultan，Time － varying Distributions and Dynamic Hedging with Foreign currency Futures[J].Journal of Financial and Quantitative Analysis，1993，(28).

[19]Park T H，L N Switzer.Bivariate GARCH Estimation of the Optimal Hedge Ratios for Stock Index Future;A Note[J].Journal of Futures Markets，1995，(15):61 －67.

[20]Eng1e，R.Dynamic Conditional Correlation:A Simple class of Multivariate Generalised Autoregressive Conditional Heteroskedasticity Models[J].Jonrnal of Business and Economic Statistic，2002，(20).

[21]史晋川，陈向明，汪炜.基于协整关系的中国铜期货合约套期保值策略[J].财贸经济，2006，(11):37 －40.

[22]高勇，黄登仕，魏宇.中国铝期货的长期限合约套期保值比率与绩效研究[J].软科学，2008，(3):45 －48.

[23]冯春山，吴家春，蒋馥.石油期货套期保值时变套期比研究[J].上海理工大学学报，2004，(4):328－332.

[24]彭红枫，叶永刚.基于修正ECM－GARCH模型的动态最优套期保值比率估计及比较研究[J].中国管理科学，2007，(10):29 －35.

[25]陈蓉，蔡宗武，陈妙琼.最小下偏矩套期保值比率估计研究——基于copula方法[J].厦门大学学报(哲学社会科学版)，2009，(3):34 －53.

[26]郑尊信，徐晓光.基差、随机冲击与不对称相关结构下的期货套期保值——来自于亚洲股指期货市场的证据[J].数量经济技术经济研究，2009，(3):91 －105.

[27]王玉刚，迟国泰，杨万武.基于copula的最小方差套期保值比率[J].系统工程理论与实践，2009，(8):1－10.

[28]戴晓凤，梁巨方.基于时变Copula函数的下偏矩最优套期保值效率测度方法研究[J].中国管理科学，2010，(6):26 －32.

[29]王辉，谢幽篁.中国商品期货动态套期保值研究:基于修正ADCC和DADCC－GARCH模型的分析[J].世界经济，2011，(12):120 －139.

[30]傅俊辉，张卫国，杜倩，孔文涛.规避逐日盯市风险的期货套期保值模型[J].管理科学，2011，(6):86－93.

[31]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):863 －868.

[32]方虹，陈勇.石油期货最优套期保值比率及套期保值绩效的实证研究[J].中国软科学，2008，(1):125－130.

[33]付胜华，檀向球.股指期货套期保值研究及其实证分析[J].金融研究，2009，(4):113 －119.

[34]佟孟华.沪深300股指期货动态套期保值比率模型估计及比较——基于修正的ECM－BGARCH(1，1)模型的实证研究[J].数量经济技术经济研究，2011，(4):137－149.

[35]高扬，郭晨凯.不同策略下沪深300股指期货套期保值有效性研究[J].证券市场导报，2011，(8):31－35.

[36]张健，方兆本.股指期货套期保值模型选择[J].中国科学技术大学学报，2012，(3):191 －196.

[37]史美景，赵永淦.基于Copula－TGARCH模型的股指期货最佳套期保值比研究[J].数理统计与管理，2012，(2):354 －362.