沪深300指数期货投机风险经验研究

刘心　李淑敏　丁海峰

摘 要：投机者是期货市场一类重要的投资者，价格波动风险是投机者面临的主要风险。本文选取沪深300指数期货正式上市以来的真实交易数据，利用基于蒙特卡洛模拟的VAR方法研究沪深300指数期货市场的投机者面临的价格波动风险，以期能为投资者提供借鉴。

关键词：沪深300指数期货；投机风险；蒙特卡洛模拟

中图分类号：F8309 文献标识码：A

文章编号：1000176X（2014）11007405

一、引 言

自2010年4月16日沪深300指数正式上市交易，其成交量、持仓量和成交额稳步攀升，正慢慢发展成为我国金融市场最重要的产品之一。投机者是沪深300指数期货市场中一类重要的投资者，投机行为能够有效的增强市场流动性，对于活跃金融市场具有重要意义。然而对于金融产品，一般其自身都会存在一定缺陷，世界范围内因对金融产品使用不当或者对市场风险认识不足而导致重大金融灾难的事件不胜枚举。目前，沪深300指数期货上市已经两年，市场交易程度活跃，其真实运行数据已经存在一定意义。鉴于此，本文在我国沪深300指数期货运行初期，通过使用目前经典并且主流的风险测评方法——VaR方法，对我国沪深300指数期货投资的市场风险进行研究。在理论上，由于沪深300指数期货正式上市交易的时间较短，数据有限，因此直接对沪深300指数期货投资的市场风险进行研究的文献相对较少，研究沪深300指数期货投资的市场风险可以为股指期货投资的风险控制和防范提供参考，丰富了对金融创新产品市场风险的研究成果。在实际应用价值方面，通过使用通俗易懂的VaR方法测评我国沪深300指数期货投资者主要面对的市场风险，能够使投资者更加清醒的认识股指期货投资所面对的市场风险，为投资者（尤其是机构投资者）建立与股指期货业务相关的风险控制系统和理念提供参考，根据市场情况，科学设置止损点，使投资者明确保证金账户资金水平，合理利用资金，在价格变动时采取有效措施进行投资操作，从而避免惨重损失。

一、文献综述与相关理论

相对国内而言，国外的资本市场形成较早，市场机制较为健全，对市场风险的研究开始的较早也较为深入。但是，20世纪80—90年代，世界范围内接连发生了引人关注的金融衍生品灾难，因此当时急需找到一个用于市场风险计量的方法，正因如此，使VAR从那时起开始被大量应用。1993年，一个由当时主要的发达工业国家的高层银行家、金融家和学术界人士组成的30人的咨询小组（G30）发表了一份关于金融衍生工具的报告，并且建议引入“风险价值系统（VAR System）”来给交易头寸估价和评估金融风险。Philippe[1]详细介绍了VAR被广泛接受的历史背景和环境演变的过程，讲述了建立风险测度体系的统计及金融方面的基本知识，并且给出了一个VAR的规范定义，比较和分析了VAR的各种计算方法，详细探讨了VAR在正态分布假设下的实施与运用。Kupiec[2]通过利用似然比率中的边界值（Tail Points）来确定接受VAR的置信区域，发展了利用“失败率回测检验方法”验证VAR有效性的置信区域问题。Anderson等[3]指出，计算 VAR 时假设风险因子呈正态分布容易低估风险，因为金融时间序列通常存在“尖峰厚尾”效应，而传统的 VAR 计算方法在市场存在极端情况下常常不能很好地度量出真正风险的大小。Georges等[4]使用逐笔数据（Tick-by-Tick Data）研究多伦多股票交易所的盘中风险价值（Intraday Value at Risk）。通过对不规则间隔的高频数据使用蒙特卡洛模拟的方法研究每日的在险价值，并且认为模型通过了计算VAR的有效性的回测检验（Backtesting），对股市的活跃投资者具有重要意义。汪飞星等[5]采用Copula函数改进传统的蒙特卡洛模拟方法计算汇率风险VAR，并在VAR模型的有效性回测检验中得到较为理想的效果。杨彩林和张琴玲[6]通过分析上证综合指数和深圳成分指数的每日收盘价数据，分别采用基于历史模拟法和方差—协方差法的 VAR 模型对中国股票市场风险进行实证分析，并得出沪、深股市整体风险较大但深市又大于沪市风险，以及投资者投资于证券市场组合可以分散投资风险的重要结论。Cheng和Hung[7]使用WTI2002—2009年的原油、汽油、民用燃料油、金、银以及铜等六种商品的波动性数据，通过SGT分布下的GARCH模型计算石油和金属市场的VAR。实证结果表明，通过GARCH-SGT模型无论在石油市场还是金属市场的样本预测中都具有很高的精确性。由于我国沪深300指数期货正式上市运行时间较短，真实交易数据有限，大多数国内学者都是运用沪深300指数期货的仿真交易数据进行相关研究。因此，运用VAR方法利用真实交易数据直接对我国沪深300指数期货进行风险度量的文献相对较少。

VAR是一种运用统计技术估计金融风险的方法。Philippe[1]将其定义为：“在正常的市场环境下，在一个目标时间期限内，给定置信水平下所能承受的最大损失”。

VAR的计算方法大致可以分为参数方法和非参数方法两种。现在，定义W0为投资者的初始投资额，R为投资收益率。那么，该投资者在投资资产持有期末的投资价值为W=W0（1+R）。假设其持有资产的期望收益和收益率R的标准差分别为μ和σ，置信水平c下投资组合的最小价值为W*=W0（1+R*），R*表示投资组合的最低收益率。则有：

VaR=E（W）-W*=-W0（R*-μ）（1）

在给定置信水平c下，可以从将来投资组合价值（ω）的概率分布之中求得VAR。当置信水平为c时，试图找到可能性最小的W*，则超出这一水平的概率为c：

c=∫∞W*（ω）dω（2）

或者可以说成是投资组合价值低于W*的概率p=p（ω≤W*）为1-c：

1-c=∫W*-∞（ω）dω=P（ω≤W*）=P（3）

此时，从-∞→W*区域的面积为p=1-c，比如1%。可以将p理解为显著性水平，W*的数值被称为分布的抽样分位数。

参数方法通常假设收益率服从一定的分布，为了计算方便通常假设为正态分布，然而实际中收益率序列并不完全服从某种具体的分布形态，而且还经常会出现一些非对称和“厚尾”特征。

计算VAR的非参数方法克服了这个困难。非参数方法也可称为模拟法，具体有历史模拟法和蒙特卡洛模拟法等。历史模拟法是假设市场因素收益率序列的概率密度函数不随时间变化或者变化幅度不大，即市场上未来的新信息与历史信息一样。通过对历史数据归纳出的收益率情况来替代当前真实收益率的分布情况，选择一定的概率水平，从而得到资产组合的VAR。

历史模拟法思想简单，不需假设市场因素收益率的具体分布形态。但是历史模拟法假设市场因素收益率分布在历史和未来是一样的，并不符合实际情况。

蒙特卡洛法的大致思想就是：可以通过某种“试验”方法求解某些事件发生的概率或者随机变量的期望值，并把从“试验”方法得到的结果作为所求问题的解[8]。比如，一般情况下，资产的最终价格都是由资产价格中产生波动的过程确定。如果这个过程已知，那么就可以利用计算机模拟这个过程，每进行一次模拟就能得到一个最终的价格。重复模拟多次，就能得到资产最终价格的分布，从分布中就能获取所要求解的问题的答案。具体的步骤大致为：

（1）对于具有随机性质的问题（比如股票价格问题），使用适当的随机过程模型描述概率过程（通常采用几何布朗运动描述股价问题）；不具有随机性质的问题，应先将其转化为随机性质的问题。

（2）从已知的概率分布中获取随机数序列。根据事先设定的资产价格随机过程，模拟一定时间段内的价格轨道。

（3）从模拟实验结果中确定所求问题的解（比如本文所要求解的VAR）。

与历史模拟方法相比，两者思路类似，但是，蒙特卡洛模拟方法中最终用于计算VAR的资产价格或者收益率是通过模拟产生，而不是通过历史观察值取得。蒙特卡洛模拟方法是功能最强大、应用最为灵活的计算VAR的方法之一。它通过产生大量情景测算的风险较解析模型的方法得到的结果更加综合可靠，而且不用考虑收益率的分布形态。

二、实证分析

1数据来源及样本选取

本文选取2010年4月16日（沪深300指数期货正式上市交易首日）到2012年4月20日沪深300指数期货当月连续合约的日收盘价作为研究对象，样本区间共计488个数据。选取2011年4月6日到2012年4月20日作为后验区间，用于验证VAR模型的有效性，后验区间样本容量为255个。数据来源于RESSET金融研究数据库、Wind资讯金融终端以及中国金融期货交易所网站。本文数据处理基于Excel2003、Matlab70和Eviews50软件。

2变量描述

所谓当月连续合约就是指所有的最近一个月份的期货合约连续起来。我国沪深300指数期货采取当月、下月以及随后两个季月合约同时上市交易的方式，由于股指期货合约月份的远近不同，导致其价格变化规律也不尽相同。在一般情况下，期货合约交割月的价格最接近现货价格，而距离交割月三四个月后的期货合约交易量是最大的。所以为了研究的方便以及便于为投资者长期技术分析提供参考，期货合约就采取了“连续”的形式来观察。这里所说的“当月连续”并非一个固定的月份，而是处于变化之中的。在度量市场风险时，随机变量一般选取金融资产的收益率序列。相比于算数收益率，对数收益率更具有经济意义，并且对于一些金融资产，对数收益可能会更一致。鉴于此，本文研究所使用的沪深300指数期货当月连续合约日收益率也同样采取对数收益率的形式。对数收益率的计算公式为：

rt=ln（pt）-ln（pt-1）（4）

其中，pt和pt-1分别表示第t日和第t-1日沪深300指数期货当月连续合约的日收盘价，rt表示沪深300指数期货合约在第t日的日收益率。通过上述公式可以获得2010年4月19日到2012年4月20日沪深300指数期货当月连续合约的日收益率序列，共计487个数据。

3统计性质分析

（1）本文首先描述了沪深300指数期货当月连续合约日收益率序列的基本统计性质，如表1所示。

由表1可知，沪深300指数期货的日收益率序列的均值为-00005，中值为-00006，最大值为00560，最小值为-00660，标准差为00153，偏度为-01239，峰度为49974，J-B统计量的值为822029，相应的P值为00000。由于正态分布的偏度为0，峰度为3，因此，可以判定沪深300指数期货日收益率序列呈现左偏（偏度-01239<0）、尖峰（49974>3）性质。又由该序列的J-B统计量及对应的概率值可以知道，沪深300指数期货的日收益率序列不服从正态分布。

（2）平稳性检验。沪深300指数期货日收益率序列的平稳性检验结果如表2所示。

（3）ARCH效应检验。在5%显著性水平下对该收益率序列进行Engle提出的ARCH-LM检验。该检验原假设为：序列滞后q阶都不存在ARCH效应；备择假设为：序列滞后q阶都存在ARCH效应。检验结果如表3所示。

4实证结果

通过上述分析，沪深300指数期货合约的日收益率序列是平稳的、不存在显著自相关，序列分布形式未知，但是呈现出左偏、尖峰以及非正态分布的性质，并且方差不存在显著的ARCH效应，即在样本区间内该序列的异方差性并不明显。同时，又结合前文对蒙特卡洛模拟方法的描述，本文采取基于蒙特卡洛的VAR方法测度股指期货的投机风险，结果如表4所示。

5有效性检验

通过某种方法求得VAR值后，应该对这种方法的有效性进行检验，通常采取的是失败频率检验法，该方法通过比较实际失败天数是否落在给定样本容量下的非拒绝域来说明方法的有效性。如果实际失败天数落入非拒绝域，则说明通过此种方法求VAR的值是可行的。现在对上一节通过蒙特卡洛模拟方法求VAR的有效性进行后验检验，后验检验区间为2011年4月6日到2012年4月20日，样本容量255个数据。检验结果如表5所示。

三、研究结论与政策建议

本文主要研究沪深300指数期货的投机风险，得到如下结论：

沪深300指数期货当月连续合约的日收益率序列不服从正态分布，表现出显著的“尖峰厚尾”性质，序列为平稳序列，不存在显著的自相关性，并且该序列不存在显著的ARCH效应。鉴于此，利用该序列计算沪深300指数期货价格波动风险日VAR时，结合考虑到该序列的这些性质以及计算VAR不同方法的特点，应该采用蒙特卡洛方法计算价格波动风险日VAR。并且实证结果表明该方法通过了模型的有效性检验，即利用蒙特卡洛方法计算沪深300指数期货价格波动风险日VAR确实可行。

结合本文研究得出的结论，提出如下建议：

首先，沪深300指数期货的投资者在实际投资中可以运用VAR方法，出于不同目的的投资者应该采用适当的方法计算VAR（具体可参照本文结论），根据每日的VAR，科学设置止损点并严格执行，合理运用资金，理性投资。股指期货投机可以采取类似金字塔的方式进行买入或者卖出操作。即建仓后，在已有持仓已经获利时再增加持仓，而且每次持仓的增量应逐次递减。投资者进行资金管理时，可以采取诸如将单个市场中的最大损失限定在持有总资本的5%以下；所投入的保证金总额不应超过总资本的20%—30%；某个合约的投资额控制在总持有资本的10%以下；同时应采取持有不同月份合约的横向投资策略。

其次，沪深300指数期货的市场监管者可以运用VAR技术进行风险控制，可以通过将VAR与规定的保证金比例进行对比，调整保证金比例。如果VAR大于按规定收取的保证金水平，则市场风险发生的可能性较大，应适当提高保证金水平；如果VAR远小于按规定收取的水平，则可以适当降低保证金比例，以提高投资者的投资积极性。灵活的保证金制度在有效控制风险的同时还能提高投资者的投资积极性，从而加强市场流动性，使得股指期货的功能可以得到充分发挥，这对我国股指期货市场的长久、健康发展具有重要意义。

参考文献：

[1] Philippe，JValue at Risk： The New Benchmark for Controlling Market Risk [M]The McGraw-Hill Companies Inc，1997

[2] Kupiec，PTechniques for Verifying the Accuracy of Risk Measurement Models [J]Journal of Derivatives，1995，3（2）：73-84

[3] Anderson，TG，Bollerslev，T，Diebold，FXThe Distribution of Exchange Rate Volatility [R]NBER Working Paper，19991-49

[4] Georges，D，Pierre ，D，Maria ，PIntraday Value at Risk （IVaR） Using Tick-by-Tick Data with Application to the Toronto Stock Exchange [J]Journal of Empirical Finance，2009，16（5）：777-792

[5] 汪飞星，陈东峰，单国莉用改进的蒙特卡洛（MC）方法计算VaR[J]山东理工大学学报（自然科学版），2005，（5）：11-14

[6] 杨彩林，张琴玲VaR模型在我国沪、深股市风险度量中的实证研究[J]统计与决策，2010，（18）：133-136

[7] Cheng，WH，Hung，JCSkewness and Leptokurtosis in GARCH-Typed VaR Estimation of Petroleum and Metal Asset Returns[J]Journal of Empirical Finance，2011，18（1）：160-173

[8] 张骅月Matlab与金融实验[M]北京：中国财政经济出版社，2008

三、研究结论与政策建议

本文主要研究沪深300指数期货的投机风险，得到如下结论：

沪深300指数期货当月连续合约的日收益率序列不服从正态分布，表现出显著的“尖峰厚尾”性质，序列为平稳序列，不存在显著的自相关性，并且该序列不存在显著的ARCH效应。鉴于此，利用该序列计算沪深300指数期货价格波动风险日VAR时，结合考虑到该序列的这些性质以及计算VAR不同方法的特点，应该采用蒙特卡洛方法计算价格波动风险日VAR。并且实证结果表明该方法通过了模型的有效性检验，即利用蒙特卡洛方法计算沪深300指数期货价格波动风险日VAR确实可行。

结合本文研究得出的结论，提出如下建议：

首先，沪深300指数期货的投资者在实际投资中可以运用VAR方法，出于不同目的的投资者应该采用适当的方法计算VAR（具体可参照本文结论），根据每日的VAR，科学设置止损点并严格执行，合理运用资金，理性投资。股指期货投机可以采取类似金字塔的方式进行买入或者卖出操作。即建仓后，在已有持仓已经获利时再增加持仓，而且每次持仓的增量应逐次递减。投资者进行资金管理时，可以采取诸如将单个市场中的最大损失限定在持有总资本的5%以下；所投入的保证金总额不应超过总资本的20%—30%；某个合约的投资额控制在总持有资本的10%以下；同时应采取持有不同月份合约的横向投资策略。

其次，沪深300指数期货的市场监管者可以运用VAR技术进行风险控制，可以通过将VAR与规定的保证金比例进行对比，调整保证金比例。如果VAR大于按规定收取的保证金水平，则市场风险发生的可能性较大，应适当提高保证金水平；如果VAR远小于按规定收取的水平，则可以适当降低保证金比例，以提高投资者的投资积极性。灵活的保证金制度在有效控制风险的同时还能提高投资者的投资积极性，从而加强市场流动性，使得股指期货的功能可以得到充分发挥，这对我国股指期货市场的长久、健康发展具有重要意义。

参考文献：

[1] Philippe，JValue at Risk： The New Benchmark for Controlling Market Risk [M]The McGraw-Hill Companies Inc，1997

[2] Kupiec，PTechniques for Verifying the Accuracy of Risk Measurement Models [J]Journal of Derivatives，1995，3（2）：73-84

[3] Anderson，TG，Bollerslev，T，Diebold，FXThe Distribution of Exchange Rate Volatility [R]NBER Working Paper，19991-49

[4] Georges，D，Pierre ，D，Maria ，PIntraday Value at Risk （IVaR） Using Tick-by-Tick Data with Application to the Toronto Stock Exchange [J]Journal of Empirical Finance，2009，16（5）：777-792

[5] 汪飞星，陈东峰，单国莉用改进的蒙特卡洛（MC）方法计算VaR[J]山东理工大学学报（自然科学版），2005，（5）：11-14

[6] 杨彩林，张琴玲VaR模型在我国沪、深股市风险度量中的实证研究[J]统计与决策，2010，（18）：133-136

[7] Cheng，WH，Hung，JCSkewness and Leptokurtosis in GARCH-Typed VaR Estimation of Petroleum and Metal Asset Returns[J]Journal of Empirical Finance，2011，18（1）：160-173

[8] 张骅月Matlab与金融实验[M]北京：中国财政经济出版社，2008

三、研究结论与政策建议

本文主要研究沪深300指数期货的投机风险，得到如下结论：

沪深300指数期货当月连续合约的日收益率序列不服从正态分布，表现出显著的“尖峰厚尾”性质，序列为平稳序列，不存在显著的自相关性，并且该序列不存在显著的ARCH效应。鉴于此，利用该序列计算沪深300指数期货价格波动风险日VAR时，结合考虑到该序列的这些性质以及计算VAR不同方法的特点，应该采用蒙特卡洛方法计算价格波动风险日VAR。并且实证结果表明该方法通过了模型的有效性检验，即利用蒙特卡洛方法计算沪深300指数期货价格波动风险日VAR确实可行。

结合本文研究得出的结论，提出如下建议：

首先，沪深300指数期货的投资者在实际投资中可以运用VAR方法，出于不同目的的投资者应该采用适当的方法计算VAR（具体可参照本文结论），根据每日的VAR，科学设置止损点并严格执行，合理运用资金，理性投资。股指期货投机可以采取类似金字塔的方式进行买入或者卖出操作。即建仓后，在已有持仓已经获利时再增加持仓，而且每次持仓的增量应逐次递减。投资者进行资金管理时，可以采取诸如将单个市场中的最大损失限定在持有总资本的5%以下；所投入的保证金总额不应超过总资本的20%—30%；某个合约的投资额控制在总持有资本的10%以下；同时应采取持有不同月份合约的横向投资策略。

其次，沪深300指数期货的市场监管者可以运用VAR技术进行风险控制，可以通过将VAR与规定的保证金比例进行对比，调整保证金比例。如果VAR大于按规定收取的保证金水平，则市场风险发生的可能性较大，应适当提高保证金水平；如果VAR远小于按规定收取的水平，则可以适当降低保证金比例，以提高投资者的投资积极性。灵活的保证金制度在有效控制风险的同时还能提高投资者的投资积极性，从而加强市场流动性，使得股指期货的功能可以得到充分发挥，这对我国股指期货市场的长久、健康发展具有重要意义。

参考文献：

[1] Philippe，JValue at Risk： The New Benchmark for Controlling Market Risk [M]The McGraw-Hill Companies Inc，1997

[2] Kupiec，PTechniques for Verifying the Accuracy of Risk Measurement Models [J]Journal of Derivatives，1995，3（2）：73-84

[3] Anderson，TG，Bollerslev，T，Diebold，FXThe Distribution of Exchange Rate Volatility [R]NBER Working Paper，19991-49

[4] Georges，D，Pierre ，D，Maria ，PIntraday Value at Risk （IVaR） Using Tick-by-Tick Data with Application to the Toronto Stock Exchange [J]Journal of Empirical Finance，2009，16（5）：777-792

[5] 汪飞星，陈东峰，单国莉用改进的蒙特卡洛（MC）方法计算VaR[J]山东理工大学学报（自然科学版），2005，（5）：11-14

[6] 杨彩林，张琴玲VaR模型在我国沪、深股市风险度量中的实证研究[J]统计与决策，2010，（18）：133-136

[7] Cheng，WH，Hung，JCSkewness and Leptokurtosis in GARCH-Typed VaR Estimation of Petroleum and Metal Asset Returns[J]Journal of Empirical Finance，2011，18（1）：160-173

[8] 张骅月Matlab与金融实验[M]北京：中国财政经济出版社，2008