期貨最優(yōu)套期保值比率的估計(jì)

-.z實(shí)驗(yàn)名稱：期貨最優(yōu)套期保值比率的估計(jì)理論根底期貨套期保值比率概述期貨，一般指期貨合約，作為一種套期保值工具被廣泛使用。進(jìn)展期貨套期保值交易過程中面臨許多項(xiàng)選擇擇，如合約的選取，合約數(shù)量確實(shí)定。如果定義套期保值比為期貨頭寸與現(xiàn)貨頭寸之商的話，在上面的討論中一直假設(shè)期貨頭寸和現(xiàn)貨頭寸一樣，即套期保值比為1，但這不一定是最優(yōu)的套期保值策略。如果保值者的目的是最大限度的降低風(fēng)險(xiǎn)，則最優(yōu)套期保值策略就應(yīng)該是讓套保者在套保期間內(nèi)的頭寸價(jià)值變化最小，也就是利用我們?nèi)缦滤f的頭寸組合最小方差策略。考慮一包含單位的現(xiàn)貨多頭頭寸和單位的期貨空頭頭寸的組合，記和分別為時(shí)刻現(xiàn)貨和期貨的價(jià)格，該套期保值組合的收益率為：〔2-1〕式中：為套期保值比率，，,，。收益率的方差為：〔2-2〕〔2〕式對(duì)求一階導(dǎo)數(shù)并令其等于零，可得最小方差套期保值比率為：〔2-3〕其中：為與的相關(guān)系數(shù)，和分別為與的標(biāo)準(zhǔn)差。計(jì)算期貨套期保值比率的相關(guān)模型雖然上述的介紹中的可以求解最優(yōu)套期保值比，但其操作性不強(qiáng)，其先要分別求三個(gè)量然后再計(jì)算，顯然誤差較大，下面為幾種常見的關(guān)于求解最優(yōu)套期保值比率的時(shí)間序列模型。簡(jiǎn)單回歸模型〔OLS〕考慮現(xiàn)貨價(jià)格的變動(dòng)〔△S〕和期貨價(jià)格變動(dòng)〔△F〕的線性回歸關(guān)系，即建立：〔2-4〕其中C為常數(shù)項(xiàng)，為回歸方程的殘差。但是上述線性回歸模型常常會(huì)遇到殘差項(xiàng)序列相關(guān)和異方差性的問題，從而降低參數(shù)估計(jì)的有效性。誤差修正模型〔ECM〕現(xiàn)實(shí)中的期貨價(jià)格和現(xiàn)貨價(jià)格序列往往是非平穩(wěn)的，期貨合約定價(jià)理論決定了期貨價(jià)格與現(xiàn)貨價(jià)格序列的走勢(shì)之間存在著*種共同的趨勢(shì)，即期貨價(jià)格和現(xiàn)貨價(jià)格序列之間可能存在協(xié)整關(guān)系。在計(jì)量分析中，假設(shè)兩個(gè)時(shí)間序列之間存在協(xié)整關(guān)系，則傳統(tǒng)的OLS的估計(jì)量將是有偏的，換句話說，得到的“最優(yōu)〞套期保值比率將不是最優(yōu)的，存在一定的偏誤。Ghosh〔1993〕通過實(shí)證發(fā)現(xiàn)：當(dāng)不恰當(dāng)?shù)睾雎詤f(xié)整關(guān)系時(shí)，計(jì)算出的套期保值比率將小于最優(yōu)值。Lien&Luo〔1993〕、Ghosh〔1993〕與Chou、Fan&Lee(1996)分別提出了估計(jì)最優(yōu)套期保值比率的誤差修正模型，并使用兩步法進(jìn)展估計(jì)。ECM模型將從期貨價(jià)格和現(xiàn)貨價(jià)格序列開場(chǎng)分析起，得出能同時(shí)反響短期關(guān)系和長(zhǎng)期關(guān)系相結(jié)合的模型使得估算出更準(zhǔn)確的最優(yōu)套期保值比率?？紤]現(xiàn)貨價(jià)格和期貨價(jià)格的水平序列，一般情況下，通過自相關(guān)圖和單位根檢驗(yàn)現(xiàn)貨價(jià)格和期貨價(jià)格序列都不平穩(wěn)，都存在一個(gè)單位根，但對(duì)兩者進(jìn)展回歸，發(fā)現(xiàn)回歸方程比較顯著，對(duì)殘差序列進(jìn)展單位根檢驗(yàn)，通常會(huì)得出拒絕其為非平穩(wěn)序列的結(jié)論。說明現(xiàn)貨價(jià)格和期貨價(jià)格間可能存在協(xié)整關(guān)系，即現(xiàn)貨價(jià)格與期貨價(jià)格間可能存在長(zhǎng)期均衡關(guān)系。Lien&Luo〔1993〕認(rèn)為，假設(shè)現(xiàn)貨和期貨價(jià)格序列之間存在協(xié)整關(guān)系，則，最優(yōu)套期保值比率可以根據(jù)以下兩步來估計(jì)。第一步，對(duì)下式進(jìn)展協(xié)整回歸：〔2-5〕第二步，估計(jì)以下誤差修正模型：〔2-6〕〔2-6〕式中的OLS估計(jì)量即為最優(yōu)套期保值比率。Chou、Fan&Lee(1996)將第二步的誤差修正模型改為：〔2-7〕其中：為〔2-5〕式中估計(jì)的殘差項(xiàng)，也稱為誤差修正項(xiàng)〔ECM〕，運(yùn)用誤差修正模型對(duì)參數(shù)進(jìn)展估計(jì)時(shí)，先估計(jì)方程〔2-5〕，保存其殘差項(xiàng)，然后利用方程〔2-7〕估計(jì)參數(shù)得到最優(yōu)套期保值比率。模型建立和估計(jì)的過程將在實(shí)驗(yàn)過程中給出。ECM-BGARCH模型方程〔5〕中還存在一個(gè)問題：殘差序列μ是否是同方差，就金融時(shí)間序列來講，誤差的方差不隨時(shí)間而發(fā)生變化是不太可能的，因此，假定模型殘差的方差不是常數(shù)是一種合理的考慮，它還描述殘差是如何變化的。觀察金融資產(chǎn)的收益序列往往發(fā)現(xiàn)其表現(xiàn)出“波動(dòng)聚集〞的特征，即波動(dòng)的當(dāng)期水平往往與它最近的前些時(shí)期的水平正相關(guān)關(guān)系。這將導(dǎo)致用資產(chǎn)價(jià)格收益的序列進(jìn)展回歸時(shí)，其殘差項(xiàng)往往不具備同方差性，殘差項(xiàng)方差和其前期方差存在一定的關(guān)系，常常用ARCH過程或廣義ARCH過程〔GARCH〕來描述這種關(guān)系。需要注意的是一元GARCH模型僅能估計(jì)單一變量的條件方差，無法估計(jì)序列之間的協(xié)方差。為此我們要估計(jì)最優(yōu)套期保值比率h=COV(△S,△F)/VAR(△F)，需要建立二元GARCH(B-GARCH)模型。在這里我們采用。下面我們分別采用常數(shù)二元GARCH模型和D—BEKK二元GARCH模型給出ECM-B-GARCH方法下估計(jì)最優(yōu)套期保值比率的模型。兩種GARCH模型運(yùn)用均值方程一樣都為注意此處的均值方程中包含了誤差修正項(xiàng)，即考慮了現(xiàn)貨價(jià)格和期貨價(jià)格的長(zhǎng)期協(xié)整關(guān)系。常數(shù)相關(guān)系數(shù)的二元GARCH模型常數(shù)相關(guān)系數(shù)的二元GARCH模型的條件方差方程：同時(shí)為了簡(jiǎn)化參數(shù)估計(jì)，假定殘差項(xiàng)和之間的相關(guān)系數(shù)為常數(shù)〔注意沒有時(shí)間下標(biāo)t〕。此時(shí)Vec算子取矩陣的“上三角形〞局部，把每一元素排成一個(gè)單列的向量。例如：。這樣我們把上述矩陣形式表示的條件方差方程可展開得到：D—BEKK模型D—BEKK模型的條件方差方程為：Vec算子取矩陣的“上三角形〞局部，把每一元素排成一個(gè)單列的向量。例如：。這樣我們把上述矩陣形式表示的條件方差方程可展開得到：得到最優(yōu)套期保值比率。為了不與條件方差項(xiàng)混淆，此處最優(yōu)套期保值比率用表示，說明運(yùn)用ECM-B-GARCH法得到的最優(yōu)套期保值比率是隨時(shí)間變化的一個(gè)序列，說明我們要隨著時(shí)間的變化不斷調(diào)整套期保值的頭寸。期貨套期保值比率績(jī)效的評(píng)估為了對(duì)利用最小方差套期比的績(jī)效進(jìn)展評(píng)估，我們考慮一包含1單位的現(xiàn)貨多頭頭寸和h單位的期貨空頭頭寸的組合。組合的利潤(rùn)為：(2-10)套期保值組合的風(fēng)險(xiǎn)為：(2-11)由于現(xiàn)貨的持有頭寸在期初即為，因此，可以視之為常數(shù)，等式兩邊同除，得：(2-12)對(duì)于不同方法計(jì)算出的最優(yōu)套期保值比率，我們可以通過比較〔2-12〕來對(duì)它們各自套期保值的保值效果進(jìn)展分析。實(shí)驗(yàn)?zāi)康睦蒙鲜隼碚撃Ｐ凸烙?jì)中國(guó)期貨交易所交易的期貨合約的最優(yōu)套期保值比率并對(duì)保值效果進(jìn)展績(jī)效評(píng)估，說明期貨套期保值在經(jīng)濟(jì)生活中的重要作用，并找出績(jī)效評(píng)估最正確的套期保值比率模型。同時(shí)幫助讀者熟悉EVIEWS軟件的操作，使讀者能用互聯(lián)網(wǎng)上的數(shù)據(jù)分析解決實(shí)際的金融問題。實(shí)驗(yàn)方法在實(shí)驗(yàn)過程中使用時(shí)間序列分析的方法對(duì)整理后的價(jià)格時(shí)間序列按照上面的理論根底模型進(jìn)展建立模型以得到最優(yōu)套期保值比率系數(shù)，其中涉及時(shí)間序列分析中的方法有：模型參數(shù)估計(jì)，參數(shù)的顯著性檢驗(yàn)，變量平穩(wěn)性檢驗(yàn)〔含單位根檢驗(yàn)〕，回歸殘差項(xiàng)的ARCH效應(yīng)檢驗(yàn)等。這些過程都將在EVIEWS軟件中進(jìn)展，因此EVIEWS軟件的使用方法也是我們重要的實(shí)驗(yàn)方法。實(shí)驗(yàn)過程〔一〕數(shù)據(jù)的搜集和整理數(shù)據(jù)的搜集本報(bào)告以**期貨交易所中鋁的期貨合約為例，利用上面介紹的方法通過EVIEWS的操作估計(jì)中國(guó)期貨交易所交易的期貨合約的最優(yōu)套期保值比率并對(duì)其績(jī)效進(jìn)展簡(jiǎn)單評(píng)估。由于期貨合約在交割前兩個(gè)月最活潑，使得其價(jià)格信息釋放較為充分，更能反映期貨合約的真實(shí)價(jià)值，所以中國(guó)企業(yè)多用距離交割月份較近的期貨合約進(jìn)展保值，應(yīng)選擇了在任何一個(gè)時(shí)點(diǎn)的后一個(gè)月進(jìn)入交割月的期貨合約的中間價(jià)格作為分析對(duì)象。從國(guó)泰君安數(shù)據(jù)庫上下載了AL的2021年1月4號(hào)到2021年12月31號(hào)的現(xiàn)貨價(jià)格數(shù)據(jù)，按上段的方法在**期貨交易所上得到相應(yīng)的期貨數(shù)據(jù)并在E*CEL中進(jìn)展整理，整理后我們得到含有238對(duì)期貨現(xiàn)貨數(shù)據(jù)的E*CEL文件。EVIEWS工作文件的建立翻開EVIEWS，選擇FILE下拉菜單中NEW項(xiàng)在NEW項(xiàng)下的下拉菜單中選擇WORKFILE項(xiàng)，彈出如圖2.1所示workfilecreat菜單窗口：〔1〕在datespecification中的Frequency的下拉復(fù)選框中選擇intergerdate；〔2〕在start和end中分別輸入1和238；〔3〕在WF項(xiàng)后面的框中輸入工作文件名稱HR，點(diǎn)擊OK項(xiàng)彈出如圖1所示的工作文件窗口，這樣就建立了樣本期從1到238的整數(shù)頻率工作文件HR。圖1工作文件HR對(duì)話框數(shù)據(jù)的導(dǎo)入在HR工作文件的菜單項(xiàng)中選擇Proc，在彈出的下拉菜單中選擇Import，然后在二級(jí)下拉菜單中選擇ReadTe*t-lotus-E*cel，找到數(shù)據(jù)E*CEL文件存儲(chǔ)路徑后雙擊文件名。選定數(shù)據(jù)的排列順序：Byobservations，選項(xiàng)右邊Upper-leftdatacell下的空格填寫E*cel工作文件左上方第一個(gè)有效數(shù)據(jù)單元格地址，系統(tǒng)默認(rèn)的為B2，在中輸入序列的名稱，這里命名為f及s分別為期貨和現(xiàn)貨價(jià)格序列。同時(shí)還可以輸入數(shù)據(jù)截取*圍，一般不須改變EVIEWS的默認(rèn)值。點(diǎn)擊OK按鈕，數(shù)據(jù)序列即被導(dǎo)入，在工作文件中以圖標(biāo)形式顯示，見以下圖2。圖2數(shù)據(jù)導(dǎo)入后的工作文件數(shù)據(jù)的驗(yàn)證和保存點(diǎn)擊導(dǎo)入的序列f，查看導(dǎo)入序列是否正確合理。接著保存工作文件，選File\Save翻開保存對(duì)話框，輸入工作文件名和保存的位置。這里將保存的工作文件命名為FS，點(diǎn)擊OK按鈕即可，EVIEWS將在指定的目錄位置，以FS.WF1的名稱保存工作文件。〔二〕利用Eviews估計(jì)最優(yōu)套期保值比率用OLS模型估計(jì)最優(yōu)套期保值比率調(diào)整樣本期在EVIEWS命令窗口中輸入“smpl2238〞并按回車鍵執(zhí)行命令將樣本期調(diào)整到2到238。這里調(diào)整樣本期的目的是為了對(duì)價(jià)格序列進(jìn)展差分。建立F和S的差分序列在EVIEWS命令窗口中輸入“seriesif=f-f(-1)〞并按回車鍵執(zhí)行命令得到期貨價(jià)格的差分序列if；在EVIEWS命令窗口中輸入“seriesis=s-s(-1)〞并按回車鍵執(zhí)行命令得到現(xiàn)貨價(jià)格的差分序列is，如圖3，這里的is和if即我們上面所說的價(jià)格變化序列△F和△S。圖3F和S的差分序列生成建立△F和△S的OLS簡(jiǎn)單回歸模型在EVIEWS命令窗口中輸入lsiscif并按回車鍵執(zhí)行命令得到期貨價(jià)格的差分序列if對(duì)現(xiàn)貨價(jià)格的差分序列is的回歸方程，結(jié)果如圖4所示：寫成方程式為：QUOTE方程一t(-0.1674)(25.5769)p(0.8672)(0.0000)第二行括號(hào)里是t統(tǒng)計(jì)量，第三行括號(hào)里是p值，結(jié)果顯示該方程整體上顯著的，且解釋變量系數(shù)很顯著〔p值為0〕，故根本認(rèn)可該回歸模型?；貧w結(jié)果說明每一單位的現(xiàn)貨頭寸要用0.698767單位相反的期貨頭寸進(jìn)展對(duì)沖，即最優(yōu)套期保值比為0.698767。圖4OLS估計(jì)結(jié)果用ECM模型估計(jì)最優(yōu)套期保值比率期貨價(jià)格序列即f序列的平穩(wěn)性檢驗(yàn)點(diǎn)擊翻開f序列，選擇菜單View\correlogram，彈出correlogramspecification對(duì)話框，在對(duì)話框中選擇Level說明對(duì)原序列進(jìn)展檢驗(yàn)，因?yàn)闃颖酒谟袛?shù)據(jù)238個(gè)，在滯后期空格處填寫24〔用238除以10，取近似值〕，點(diǎn)擊OK，出現(xiàn)以下結(jié)果〔見圖5〕圖5期貨價(jià)格的自相關(guān)及偏相關(guān)系數(shù)從序列的自相關(guān)系數(shù)〔autocorrelation〕沒有很快的趨近與0，可以看出原序列是非平穩(wěn)的序列。下面對(duì)其進(jìn)展進(jìn)一步的單位根檢：選擇菜單View---Unitroottest項(xiàng)彈出窗口，在檢驗(yàn)類型〔Testtype〕中選擇默認(rèn)的ADF檢驗(yàn)。Testforunitin中可以選擇對(duì)原序列，一階差分或二階差分序列做單位根檢驗(yàn)，這里我們先保持默認(rèn)的level，即原序列。Includeintestequation中選擇第二個(gè)選項(xiàng)，即同時(shí)具有趨勢(shì)項(xiàng)和常數(shù)項(xiàng)〔因?yàn)橘Y產(chǎn)價(jià)格序列往往有一定的趨勢(shì)和截距〕，其它選項(xiàng)保持系統(tǒng)默認(rèn)值，點(diǎn)擊OK得到圖6：圖6期貨價(jià)格序列單位根檢驗(yàn)結(jié)果從結(jié)果可以看出ADF檢驗(yàn)值大于各顯著水平臨界值，且犯第一類錯(cuò)誤的概率大于0.1，說明我們不能拒絕原序列存在一個(gè)單位根的假設(shè)。重復(fù)上述操作，在選擇Testforunitin時(shí)候選擇1stdifference即對(duì)一階差分序列進(jìn)展檢驗(yàn)，得到圖7：圖7期貨價(jià)格一階差分序列單位根檢驗(yàn)結(jié)果從結(jié)果中可以看出ADF統(tǒng)計(jì)量小于臨界值，犯第一類錯(cuò)誤概率接近為0，說明一階差分序列不存在單位根。綜上兩次檢驗(yàn)我們可以肯定期貨序列f是一階單整的。2、現(xiàn)貨價(jià)格序列即s序列的平穩(wěn)性檢驗(yàn)與期貨價(jià)格序列平穩(wěn)性檢驗(yàn)過程一樣，對(duì)現(xiàn)貨價(jià)格進(jìn)展自相關(guān)檢驗(yàn)和兩次單位根檢驗(yàn)的結(jié)果見圖8-10：圖8現(xiàn)貨價(jià)格的自相關(guān)及偏相關(guān)系數(shù)圖9現(xiàn)貨價(jià)格序列單位根檢驗(yàn)結(jié)果圖10現(xiàn)貨價(jià)格一階差分序列單位根檢驗(yàn)結(jié)果從圖8-10中我們發(fā)現(xiàn)現(xiàn)貨價(jià)格序列s也不平穩(wěn)，它與期貨價(jià)格一樣也是一階單整的。3、對(duì)現(xiàn)貨價(jià)格序列s和期貨價(jià)格序列f的協(xié)整檢驗(yàn)由于期貨價(jià)格序列與現(xiàn)貨價(jià)格序列是同階單整的，故滿足協(xié)整檢驗(yàn)前提。接下來我們用現(xiàn)貨價(jià)格對(duì)期貨價(jià)格做回歸，用其殘差來檢驗(yàn)期貨價(jià)格序列與現(xiàn)貨價(jià)格序列是否存在協(xié)整關(guān)系。在EVIEWS命令窗口中輸入smpl1238并按回車鍵執(zhí)行命令將樣本期調(diào)整到1到238.在EVIEWS命令窗口中輸入lsscf并按回車鍵執(zhí)行命令得到圖11。圖11現(xiàn)貨價(jià)格對(duì)期貨價(jià)格回歸結(jié)果從圖11中t統(tǒng)計(jì)量和F統(tǒng)計(jì)量都可以認(rèn)為模型是顯著的，選擇菜單Name保存模型，默認(rèn)其名為eq02，下面進(jìn)一步對(duì)其殘差進(jìn)展單位根檢驗(yàn)：〔1〕先保存上述回歸方程中的殘差。在EVIEWS命令窗口中輸入seriese=resid并按回車鍵，上述回歸方程中的殘差將保存到新序列e中?！?〕翻開序列e，選擇菜單View\Unitroottest，在彈出的對(duì)話框中，選擇對(duì)序列e進(jìn)展不含趨勢(shì)向和常數(shù)項(xiàng)的檢驗(yàn)，得到如下結(jié)果〔見圖12〕：圖12殘差e序列單位根檢驗(yàn)結(jié)果結(jié)果顯示在1%的置信區(qū)間內(nèi)可以承受殘差序列e不含單位根的假設(shè)。這說明兩序列協(xié)整關(guān)系存在，因此這里的殘差項(xiàng)e可以當(dāng)作誤差修正項(xiàng)用作建立誤差修正模型。4、建立含有誤差修正項(xiàng)的△F和△S間的誤差修正模型〔1〕在EVIEWS命令窗口中輸入smpl2238并按回車鍵執(zhí)行命令將樣本期調(diào)整到2到238?！?〕在EVIEWS命令窗口中輸入lsiscife(-1)并按回車鍵執(zhí)行命令并選擇菜單Name以默認(rèn)名eq03保存。結(jié)果如圖13：圖13期貨價(jià)格與現(xiàn)貨價(jià)格的協(xié)整方程協(xié)整回歸方程式為：QUOTE方程2t(-0.171518)(25.48145)p(0.8640)(0.0000)從F統(tǒng)計(jì)量看出該方程整體上是系數(shù)顯著的，自變量系數(shù)和誤差修正項(xiàng)系數(shù)的t統(tǒng)計(jì)量都很顯著，故該回歸模型擬合的較好。回歸結(jié)果說明每一單位的現(xiàn)貨頭寸要用0.695819單位相反的期貨頭寸進(jìn)展對(duì)沖，即最優(yōu)套期保值比為0.695819，這比簡(jiǎn)單的OLS模型估計(jì)出的結(jié)果0.698767稍小?！踩秤肊CM-BGARCH模型估計(jì)最優(yōu)套期保值比率1、ARCH效應(yīng)檢驗(yàn)在建立ARCH模型之前，先必須對(duì)方程2的殘差進(jìn)展ARCH效應(yīng)檢驗(yàn)。先選擇菜單命令View\ResidualTests\ARCH—LM，在滯后項(xiàng)〔lagstoinclude〕中填上3，點(diǎn)擊OK，出現(xiàn)如下檢驗(yàn)結(jié)果〔圖14〕：從圖14可以看出，F(xiàn)統(tǒng)計(jì)量和LM統(tǒng)計(jì)量〔Obs*R-squared〕都是顯著的，說明方程殘差項(xiàng)具有ARCH效應(yīng)，故可以建立ECM-BGARCH模型。圖14殘差的ARCH效應(yīng)檢驗(yàn)結(jié)果下面我們將分別運(yùn)用常數(shù)相關(guān)系數(shù)二元GARCH模型和D-BEKK二元GARCH模型分別說明點(diǎn)擊菜單的最優(yōu)套期保值比率估計(jì)?！?〕常數(shù)相關(guān)系數(shù)二元GARCH模型〔CCC-BARCH〕〔菜單式操作〕由于我們假定殘差項(xiàng)和之間的相關(guān)系數(shù)為常數(shù)，故可通過分別對(duì)△S、△F做兩個(gè)單方程的GARCH估計(jì)得到和，并用△S、△F均值方程的殘差序列的相關(guān)系數(shù)作為。=1\*GB3①對(duì)△S做單方程的GARCH估計(jì)點(diǎn)擊EVIEWS窗口菜單Quick/EstimateEquation命令出現(xiàn)窗口，在Method下拉項(xiàng)中選擇ARCH項(xiàng)，彈出如圖15所示的窗口。圖15GARCH估計(jì)方程對(duì)話框在MeanEquation中輸入均值方程的變量iscife(-1)，其它保持默認(rèn)，點(diǎn)擊確定并將其保存為eq04得到如下結(jié)果(見圖16)：圖2.22GARCH方程估計(jì)結(jié)果得到GARCH方程估計(jì)結(jié)果后，需保存均值方程的殘差序列。在命令框輸入：“seriesresid01=resid.〞此時(shí)resid中存放的殘差項(xiàng)是主方程〔均值方程〕的，而這正是我們所需要的。同時(shí)點(diǎn)擊proc\makegarchvarianceseries，得到估計(jì)的條件方差序garch01(見圖17)圖17均值方程殘差的條件方差=2\*GB3②對(duì)△F做單方程的GARCH估計(jì)使用與前面一樣的操作，我們又得到一個(gè)殘差序列resid02和garch02.然后將殘差序列resid01和resid02以組的方式翻開，點(diǎn)擊view\correlation\monsample，便可看到resid01和resid02的相關(guān)系數(shù)如圖18：圖18相關(guān)系數(shù)矩陣=3\*GB3③計(jì)算動(dòng)態(tài)最優(yōu)套期保值比率在命令框輸入命令：seriesh=ρsf*(garch01)^.5/(garch02)^.5便可得到一個(gè)動(dòng)態(tài)套期保值的序列。點(diǎn)擊view\graph\line，得到圖19圖19CCC-BARCH模型下的動(dòng)態(tài)套期保值比率點(diǎn)擊view\descriptivestastics\statstable便得到最優(yōu)套期保值序列的均值和標(biāo)準(zhǔn)差〔見圖20〕。圖21CCC-BARCH模型下動(dòng)態(tài)套期保值比率的統(tǒng)計(jì)性描述三、對(duì)利用最小方差套期比的套保組合進(jìn)展績(jī)效評(píng)估.在第2步中，通過OLS，ECM模型估計(jì)出的最優(yōu)套期保值比分別為0.698767，0.695819，ECM-BGARCH模型計(jì)算出的最優(yōu)套期保值比率均值為0.700519。現(xiàn)在我們用上述三個(gè)套期保值比套期保值的組合和沒有經(jīng)過套期保值的現(xiàn)貨收益率進(jìn)展方差比較，這里收益用價(jià)格相對(duì)變化表示。即比較VAR([△S-0.698767△F]/[S-0.698767F]),VAR([△S-0.695819△F]/[S-0.695819F]),VAR(△S/S).其在EVIEWS中的實(shí)現(xiàn)過程如下：第一步，在EVIEWS命令窗口中分別執(zhí)行命令：SeriesP1=(is-0.698767*if)/(s-0.698767*f)SeriesP2=(is-0.695819*if)/(s-0.695819*f)Ser