【我國大豆市場套期保值策略的實(shí)證探析12000字（論文）】

我國大豆市場套期保值策略的實(shí)證分析近年來，中國作為消費(fèi)大國對(duì)大豆的進(jìn)口依賴越來越高，大豆的價(jià)格變動(dòng)對(duì)整個(gè)大豆產(chǎn)業(yè)和國民經(jīng)濟(jì)的影響深遠(yuǎn)。大豆是我國重要農(nóng)作物，其價(jià)格會(huì)受供求關(guān)系、相關(guān)商品價(jià)格、國際市場價(jià)格等因素影響，導(dǎo)致國內(nèi)大豆現(xiàn)貨市場價(jià)格波動(dòng)頻繁且劇烈，嚴(yán)重影響大豆產(chǎn)業(yè)的穩(wěn)健發(fā)展。期貨市場具有風(fēng)險(xiǎn)規(guī)避功能,而套期保值率是衡量風(fēng)險(xiǎn)規(guī)避的重要指標(biāo)。大豆期貨在農(nóng)產(chǎn)品期貨中非常活躍，成交量大。伴隨著經(jīng)濟(jì)全球化的速度的加快,企業(yè)的規(guī)模越來越大,企業(yè)將面臨的外部環(huán)境也越來越動(dòng)蕩。為了盡可能規(guī)避企業(yè)的風(fēng)險(xiǎn)，期貨市場應(yīng)運(yùn)而生,成為規(guī)避風(fēng)險(xiǎn)的主要手段之一。套期保值的重要性日益上升，出于規(guī)避大豆現(xiàn)貨價(jià)格頻繁波動(dòng)導(dǎo)致的風(fēng)險(xiǎn)的目的,可通過大豆期貨來實(shí)現(xiàn)套期保值,以便大豆運(yùn)營商鎖定成本、保證利潤。所以如何有效的利用大豆期貨市場套期保值功能來分散現(xiàn)貨價(jià)格波動(dòng)風(fēng)險(xiǎn)，已成為大豆生產(chǎn)經(jīng)營者的主要需求，也是國內(nèi)大豆產(chǎn)業(yè)化發(fā)展、市場化發(fā)展的必然要求。本文將以大連交易所黃大豆一號(hào)為研究對(duì)象，選取2009年10月至2021年5月的大豆現(xiàn)貨價(jià)格和黃大豆1號(hào)期貨連續(xù)收盤價(jià)的數(shù)據(jù)，運(yùn)用經(jīng)濟(jì)學(xué)OLS模型、ECM模型和GARCH模型估算最優(yōu)套期保值比率，對(duì)不同模型估算的最優(yōu)套期保值比率的有效性進(jìn)行評(píng)價(jià)與比較。關(guān)鍵詞：大豆期貨、套期保值、OLS模型、ECM模型、GARCH模型目錄TOC\o"1-3"\h\u26224一、緒論 一、緒論（二）研究意義對(duì)于大豆生產(chǎn)為主的企業(yè)來說，他們最主要的就是通過種植并銷售大豆獲得收入，所以他們最擔(dān)心就是當(dāng)它們實(shí)際賣出現(xiàn)貨大豆時(shí)，現(xiàn)貨大豆的價(jià)格比種植大豆時(shí)估計(jì)的價(jià)格低，那么他們就會(huì)因?yàn)閮r(jià)格下跌，導(dǎo)致企業(yè)的利潤就會(huì)減少，甚至可能會(huì)出現(xiàn)虧損的情況。為了避免價(jià)格下跌的風(fēng)險(xiǎn)，大豆生產(chǎn)企業(yè)可以利用套期保值的手段，賣出大豆期貨合約，當(dāng)大豆價(jià)格下跌時(shí)可以將損失減少，起到對(duì)沖風(fēng)險(xiǎn)的作用。對(duì)于大豆加工企業(yè)來說，他們所生產(chǎn)出的產(chǎn)品都是以大豆為原材料，大豆價(jià)格的高低直接關(guān)系到他們企業(yè)的生產(chǎn)成本。如果在他們需要購進(jìn)大豆時(shí)，大豆價(jià)格上漲，就會(huì)使其生產(chǎn)成本提高，影響企業(yè)的經(jīng)濟(jì)效益，為了避免價(jià)格上漲的風(fēng)險(xiǎn)，大豆加工企業(yè)可以采取買入大豆期貨合約，鎖定生產(chǎn)成本。（一）研究目的大豆期貨品種在我國期貨市場中是最早且較為活躍的品種之一，中國的期貨市場從1993年開始試點(diǎn)，大連、上海、北京、鄭州、成都等五家交易所將大豆作為交易品種，在1999年大連商品交易所成為了我國大豆期貨品種的唯一交易所，2002年至2005年我國成為了當(dāng)時(shí)世界第二大的大豆期貨市場和最大的非轉(zhuǎn)基因大豆期貨市場。\t"/scfx/20210219/_blank"我國是世界上最大的大豆消費(fèi)國，現(xiàn)在我國每年大豆消費(fèi)量1億噸以上，產(chǎn)需缺口9000多萬噸。2020年大豆進(jìn)口量突破1億噸，有效彌補(bǔ)了國內(nèi)市場產(chǎn)需缺口。我國大豆進(jìn)口依賴性強(qiáng)，政策和經(jīng)濟(jì)的不穩(wěn)定性嚴(yán)重影響我國大豆市場乃至糧食市場的穩(wěn)定性，不利于國民經(jīng)濟(jì)的發(fā)展。研究中美大豆期貨套期保值效率有利于我國向美國學(xué)習(xí)并完善我國大豆市場，提高套期保值效率，為政府制定農(nóng)業(yè)政策提供相應(yīng)的參考，順應(yīng)近年來我國提出的農(nóng)業(yè)供給側(cè)改革的潮流，提高期貨市場運(yùn)行效率，促進(jìn)期貨市場功能發(fā)揮，減少大豆市場動(dòng)蕩對(duì)我國國民經(jīng)濟(jì)的影響。對(duì)于期貨市場參與者來說，研究大豆套期保值效率有利于他們對(duì)該領(lǐng)域的了解，充分利用期貨市場規(guī)避風(fēng)險(xiǎn)或進(jìn)行投資，實(shí)現(xiàn)經(jīng)營者的經(jīng)營目標(biāo)，促進(jìn)我國大豆期貨市場健康發(fā)展。二、大豆市場現(xiàn)狀（一）國內(nèi)大豆市場現(xiàn)狀近年來，由于中國居民的人均收入水平不斷提高，城鎮(zhèn)化進(jìn)程，老齡化人口結(jié)構(gòu)變化和畜牧業(yè)的快速發(fā)展，居民的消費(fèi)結(jié)構(gòu)發(fā)生顯著變化，主糧消費(fèi)的減少，蛋白類和油脂類產(chǎn)品的消費(fèi)逐漸增加，帶動(dòng)了國內(nèi)大豆的消費(fèi)。2010年至至2020年，中國大豆的年均產(chǎn)量為萬噸，其中2015年中國大豆的產(chǎn)量僅有1237萬噸，直到近年國家出臺(tái)了一系列扶持政策促進(jìn)大豆產(chǎn)業(yè)發(fā)展，國內(nèi)大豆產(chǎn)量才逐步恢復(fù)上升，到2019年大豆產(chǎn)量達(dá)到1810萬噸。然而兩千萬噸不到大豆產(chǎn)量難以滿足國內(nèi)日益增多的消費(fèi)，超過八成的的大豆消費(fèi)需要依賴進(jìn)口。中國2019年的大豆消費(fèi)量為1.082億噸，同比增長6.08%，占全球大豆消費(fèi)量的30.75%。而2010年中國的大豆消費(fèi)量為0.550億噸，僅占全球消費(fèi)的21.89%，十年時(shí)光中國對(duì)于大豆的需求飛速增長。2019年10月至2020年9月我國大豆進(jìn)口9853萬噸，比上年度的8253萬噸大幅增加1600萬噸，增幅19.40%，創(chuàng)造歷史新高。2019年10月我國進(jìn)口大豆869萬噸，連續(xù)5個(gè)月創(chuàng)歷史同期最高水平。2020年1月至10月我國累計(jì)進(jìn)口大豆8322萬噸，比上年同期的7077萬噸增加1245萬噸，增幅17.6%。2020年我國大豆進(jìn)口情況為2020年我國總計(jì)進(jìn)口大豆10032.73萬噸，較2019年的8845.84萬噸增加1186.89萬噸，增幅為13.42%，是我國大豆進(jìn)口歷史上首次突破1億噸關(guān)口。為了使國內(nèi)生豬養(yǎng)殖可以快速恢復(fù)，禽料養(yǎng)殖可以處于高位，飼料消費(fèi)需求強(qiáng)勁刺激，我國大量進(jìn)口大豆。在中美第一階段經(jīng)貿(mào)協(xié)議達(dá)成后，中國積極采購美國的大豆，國內(nèi)的大豆供應(yīng)結(jié)余量大幅增加。供應(yīng)擴(kuò)張、需求回暖共同促進(jìn)我大豆進(jìn)口量。供給端來看，主產(chǎn)國巴西供應(yīng)擴(kuò)張，且受2020年年初雷亞爾貶值等因素影響，巴西大豆價(jià)格的競爭力強(qiáng)，我國從巴西進(jìn)口大豆的進(jìn)口量比前一年增加了660.2萬噸，對(duì)全年大豆進(jìn)口增加貢獻(xiàn)率為55.9%。同時(shí)伴隨著中美第一階段經(jīng)貿(mào)協(xié)議逐步落實(shí)，我國從美國進(jìn)口的大豆進(jìn)口量增加894.4萬噸，貢獻(xiàn)率達(dá)75.7%。需求端來看，國內(nèi)下游行業(yè)需求強(qiáng)勁推動(dòng)進(jìn)口增加。國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，2020年末我國生豬存欄、能繁母豬存欄比上年末分別增長31%、35.1%。2020年，生豬生產(chǎn)持續(xù)較快恢復(fù)推高豆粕飼料消費(fèi)和大豆壓榨需求。2020/21年度，我國大豆壓榨消費(fèi)量預(yù)估為9900萬噸，增加6.9%。（二）國外大豆市場現(xiàn)狀2019年以來在新冠肺炎疫情的環(huán)境下，全球經(jīng)濟(jì)下行，大豆需求下降，大豆價(jià)格承壓低位運(yùn)行。2020年，南美的大豆產(chǎn)量創(chuàng)造新高，而美國的大豆大幅減產(chǎn)，大豆全國的供需格局從過剩轉(zhuǎn)向?qū)捤?。中美達(dá)成第一階段貿(mào)易協(xié)議后，中國對(duì)美大豆采購小幅增長，但巴西大豆價(jià)格的優(yōu)勢明顯，中國仍以采購巴西大豆為主。在全球新冠肺炎疫情和中美第一階段貿(mào)易協(xié)議的影響下，全球大豆市場消費(fèi)和進(jìn)出口形勢發(fā)生變化。近段時(shí)期以來中國穩(wěn)生產(chǎn)保供給政策持續(xù)加碼，在養(yǎng)殖高利潤背景下，生豬存欄觸底回升，家禽存出欄延續(xù)增長，推動(dòng)國內(nèi)飼料需求觸底回升，全年飼料消費(fèi)降幅大幅收窄。由于豆粕價(jià)格處于偏低水平，且其他粕類和蛋白原料供應(yīng)有限，豆粕添加量保持偏高水平，國內(nèi)豆粕飼用消費(fèi)有望止降回升，大豆進(jìn)口量延續(xù)增長。受國際大豆市場供求寬松、中美貿(mào)易摩擦以及新冠肺炎疫情沖擊經(jīng)濟(jì)前景等因素影響，2020年1-7月份國際大豆價(jià)格低位運(yùn)行。從8月份國際大豆價(jià)格擺脫2013年以來的低位運(yùn)行區(qū)間，趨勢形成上漲空間。11月23日，CBOT大豆主力合約收盤價(jià)11.92美元/蒲式耳，較8月初9美元的水平高出近3美元/蒲式耳，漲幅320/，同比漲幅接近33%，為2014年9月份以來的最高。從價(jià)格水平看，當(dāng)前11一12美元/蒲式耳的大豆價(jià)格是合理的，有利于刺激全球大豆面積恢復(fù)增加。2018年和2019年中美發(fā)生貿(mào)易摩擦，美國農(nóng)業(yè)生產(chǎn)受到嚴(yán)重影響，而8美元/蒲式耳的大豆價(jià)格僅相當(dāng)于種植成本，加上美國政府給予的一些救濟(jì)補(bǔ)貼，可以保障農(nóng)場主基本種植收益，但對(duì)于增加大豆種植面積作用是有限的。2019年8月份以來美國大豆增產(chǎn)預(yù)期不斷減弱，全球大豆產(chǎn)量預(yù)期從8月份的3.7億噸下調(diào)到11月份的3.63億噸，美國農(nóng)業(yè)部評(píng)估大豆供求形勢向結(jié)束寬松方向轉(zhuǎn)化，特別是季度庫存報(bào)告發(fā)布后，美國大豆庫存低于預(yù)期，說明中美貿(mào)易摩擦滯銷的大豆已經(jīng)消化，供求變化導(dǎo)致價(jià)格不斷上行。應(yīng)該看到，全球大豆供給并不短缺，供應(yīng)形勢依然較好。此外，拉尼娜天氣可能影響大豆生產(chǎn)，市場擔(dān)憂既有階段性的，也有預(yù)期性的，按照以往規(guī)律期貨市場價(jià)格天氣升水會(huì)提高。2019年10月至11月南美大豆播種期間天氣干旱，截至11月19日巴西大豆播種完成了80%，明顯落后正常年份，市場對(duì)南美大豆產(chǎn)量的擔(dān)憂情緒是正常的，有機(jī)構(gòu)預(yù)測拉尼娜天氣還可能導(dǎo)致2020年底和2021年一季度美國中西部大平原部分地區(qū)降雨低于正常水平。美國大豆出口前景看好，截至11月12日，美國2020-21年度大豆出口銷售5129萬噸，增幅117%，其中我國采購2861萬噸，增幅238%，市場存在過度炒作中國旺盛的采購需求情況，認(rèn)為中國玉米價(jià)格高企，豆粕用量會(huì)相應(yīng)增加。宏觀方面的不確定因素復(fù)雜多變，作為農(nóng)產(chǎn)品龍頭地位的大豆價(jià)格則會(huì)受到更大的影響。比如，新冠肺炎疫情導(dǎo)致阿根廷經(jīng)濟(jì)面臨更大衰退，阿根廷比索貶值到歷史最低水平，通脹預(yù)期加劇，農(nóng)民嚴(yán)重惜售大豆對(duì)抗貨幣貶值。2019年11月份以來歐美等國家新冠肺炎疫情呈現(xiàn)二次爆發(fā)趨勢，對(duì)全球大豆生產(chǎn)、物流和裝運(yùn)回國不確定性因素增加，對(duì)我國大豆供應(yīng)鏈和產(chǎn)業(yè)鏈構(gòu)成潛在風(fēng)險(xiǎn)，建議國內(nèi)企業(yè)密切關(guān)注美國、巴西和阿根廷疫情發(fā)展及大豆出口裝運(yùn)情況，及早與外商簽訂遠(yuǎn)期大豆采購合同，鎖定進(jìn)口來源。大豆的價(jià)格受到國內(nèi)外多種因素的影響波動(dòng)幅度變大，大豆生產(chǎn)者則需要承擔(dān)這變大的價(jià)格波動(dòng)帶來的價(jià)格風(fēng)險(xiǎn)，大豆期貨市場有價(jià)格發(fā)現(xiàn)和規(guī)避風(fēng)險(xiǎn)的功能，因此需要套期保值規(guī)避風(fēng)險(xiǎn)。三、套期保值理論分析（一）套期保值的類型1.買入套期保值多頭套期保值又稱\t"/item/%E5%A4%9A%E5%A4%B4%E5%A5%97%E6%9C%9F%E4%BF%9D%E5%80%BC/_blank"買入套期保值，是指交易者先在\t"/item/%E5%A4%9A%E5%A4%B4%E5%A5%97%E6%9C%9F%E4%BF%9D%E5%80%BC/_blank"期貨市場買進(jìn)\t"/item/%E5%A4%9A%E5%A4%B4%E5%A5%97%E6%9C%9F%E4%BF%9D%E5%80%BC/_blank"期貨，以便在將來\t"/item/%E5%A4%9A%E5%A4%B4%E5%A5%97%E6%9C%9F%E4%BF%9D%E5%80%BC/_blank"現(xiàn)貨市場買進(jìn)時(shí)不至于因價(jià)格上漲而給自己造成經(jīng)濟(jì)損失的一種\t"/item/%E5%A4%9A%E5%A4%B4%E5%A5%97%E6%9C%9F%E4%BF%9D%E5%80%BC/_blank"期貨交易方式。因此又稱為“\t"/item/%E5%A4%9A%E5%A4%B4%E5%A5%97%E6%9C%9F%E4%BF%9D%E5%80%BC/_blank"多頭保值”或“\t"/item/%E5%A4%9A%E5%A4%B4%E5%A5%97%E6%9C%9F%E4%BF%9D%E5%80%BC/_blank"買空保值”。2.賣出套期保值賣出套期保值亦稱“\t"/item/%E5%8D%96%E5%87%BA%E5%A5%97%E6%9C%9F%E4%BF%9D%E5%80%BC/_blank"空頭套期保值”。保值者在期貨市場出售期貨，持有空頭頭寸。即通過賣空來保護(hù)他在現(xiàn)貨市場中的多頭頭寸，以規(guī)避價(jià)格下跌的風(fēng)險(xiǎn)。也就是說，商品需求者在現(xiàn)貨市場買進(jìn)商品的同時(shí)，又在期貨市場賣出同一品質(zhì)數(shù)量的期貨，以防止買進(jìn)后因價(jià)格下跌受到損失。如果買進(jìn)現(xiàn)貨后，價(jià)格下跌，雖然實(shí)物交易受到損失，但期貨套期則可得到盈利;如果買進(jìn)現(xiàn)貨后，價(jià)格上漲，期貨套期雖然發(fā)生虧損，但現(xiàn)貨交易則可得到盈利，盈虧可以進(jìn)行抵沖。這種賣出套期的做法，可以分散風(fēng)險(xiǎn)，對(duì)實(shí)際用戶起到利益安全的保護(hù)作用。賣出套期保值往往被加工企業(yè)、制造業(yè)者和貿(mào)易商采用，可減少價(jià)格波動(dòng)的風(fēng)險(xiǎn)，有助于穩(wěn)定生產(chǎn)成本和保障收益。（二）期貨市場套期保值操作原則1.交易方向相反原則交易方向相反原則就是在兩個(gè)市場上進(jìn)行相反的操作，分別處于買和賣的相反位置，交易者在一個(gè)市場上虧損的同時(shí)在另一個(gè)市場上必定出現(xiàn)盈利的結(jié)果，從而用一個(gè)市場的盈利去彌補(bǔ)另一個(gè)市場上的虧損。但是往往很多儲(chǔ)運(yùn)商、貿(mào)易商手頭有庫存現(xiàn)貨，卻在期貨市場買入期貨，這樣的兩筆交易就不是反向交易，而是同向交易，不僅沒有規(guī)避價(jià)格風(fēng)險(xiǎn)，反而將風(fēng)險(xiǎn)擴(kuò)大，如果價(jià)格下跌，兩個(gè)市場將同時(shí)出現(xiàn)虧損。2.商品種類相同原則只有兩個(gè)市場交易的商品的種類相同，期貨價(jià)格和現(xiàn)貨價(jià)格之間才有可能形成密切的關(guān)系，才能在價(jià)格走勢上保持大體一致的趨勢，以此取得良好的保值效果。不過，有的企業(yè)無法找到與現(xiàn)貨商品完全對(duì)應(yīng)的期貨商品，此時(shí)可以選擇與現(xiàn)貨相近的期貨商品來進(jìn)行交叉套期保值。3.商品數(shù)量相當(dāng)原則交易者所選用的期貨合約上所載明的商品數(shù)量，與交易者實(shí)際將要在現(xiàn)貨市場上買賣的商品數(shù)量相等或相當(dāng)，使一個(gè)市場上的贏利額與另一個(gè)市場上的虧損額相等或最接近。例如，貿(mào)易商有2000噸現(xiàn)貨大豆待售，需要做賣出套期保值，就不要在期貨市場上賣出3000噸，否則一旦被套或遇到多頭逼倉的行情，風(fēng)險(xiǎn)就會(huì)擴(kuò)大。4.月份相近或相同原則在期貨市場和現(xiàn)貨市場中的價(jià)格上下波動(dòng)的幅度變動(dòng)會(huì)影響這兩個(gè)市場上的的虧損額和盈利額，只有交易者所選用的期貨合約的交割月份，和交易者決定在現(xiàn)貨市場上實(shí)際買賣現(xiàn)貨商品的時(shí)間相同或相近，才能使期貨價(jià)格和現(xiàn)貨價(jià)格之間的聯(lián)系更加緊密，增強(qiáng)套期保值的效果。四、套期保值比率的概念（一）套期保值比率的概念在現(xiàn)實(shí)生活中，期貨市場價(jià)格的變動(dòng)很少會(huì)和現(xiàn)貨市場價(jià)格的變動(dòng)保持完全一致，所以套期保值比率并不一定為1。況且，對(duì)于不同套期保值者而言，所要達(dá)到的目標(biāo)也是不同的，如風(fēng)險(xiǎn)最小化目標(biāo)和收益最大化目標(biāo)，或者只需對(duì)部分現(xiàn)貨商品進(jìn)行套期保值。此時(shí)套期保值的期貨合約數(shù)量也不必完全等于現(xiàn)貨商品數(shù)量。套期保值者可以根據(jù)自身的目標(biāo)和期現(xiàn)價(jià)格的波動(dòng)調(diào)整期貨合約數(shù)量和現(xiàn)貨商品數(shù)量，以此最終確定最優(yōu)的套期保值比率。在當(dāng)今的期貨投資市場下，不同的期貨商品能計(jì)算出不同結(jié)果的套期保值率，是因?yàn)椴煌钠谪浬唐匪幍钠谪浭袌霾灰粯?，且套保者利用套期保值想要達(dá)到的預(yù)期結(jié)果也不一樣。根據(jù)不同的套期保值預(yù)期目標(biāo)將計(jì)算套期保值比率的模型劃分為兩類:它們分別是風(fēng)險(xiǎn)最小化模型和收益最大化模型。風(fēng)險(xiǎn)最小化套期保值模型是指在確定期貨市場和現(xiàn)貨市場投資組合的風(fēng)險(xiǎn)最小化的條件下的最優(yōu)套期保值比率，使期貨市場上價(jià)格波動(dòng)的幅度最大限度的與現(xiàn)貨市場上價(jià)格波動(dòng)幅度一致，使期現(xiàn)貨市場的商品投資組合的價(jià)格波動(dòng)最平穩(wěn)，完成風(fēng)險(xiǎn)最小化的目的。收益最大化的套期保值模型同時(shí)考慮了期現(xiàn)貨投資組合的收益和風(fēng)險(xiǎn)，與風(fēng)險(xiǎn)最小化模型相比更加切合實(shí)際。本文為研究最優(yōu)套期保值策略，為企業(yè)更好的在期貨市場轉(zhuǎn)移價(jià)格風(fēng)險(xiǎn)，故不考慮投資收益，著重研究風(fēng)險(xiǎn)最小化模型。（二）中國大豆期貨市場期貨套期保值風(fēng)險(xiǎn)分析期貨市場中的套期保值作為一種可以轉(zhuǎn)移風(fēng)險(xiǎn)的工具，是一個(gè)有利有弊的雙刃劍，只有參與者運(yùn)用的合理，才能夠保證參與市場的企業(yè)避免現(xiàn)貨價(jià)格波動(dòng)可能帶來巨大的風(fēng)險(xiǎn)。與此同時(shí)，由于期貨本身具有的高杠桿性、高風(fēng)險(xiǎn)性，因此，一旦參與者使用不當(dāng)，很可能造成現(xiàn)貨市場和期貨市場的雙倍損失。這里的發(fā)生的血淋淋的案例不勝枚舉。比如中航油事件、國儲(chǔ)銅事件、中信泰富外匯期貨巨虧事件等等，都不斷的提醒我們，運(yùn)用期貨工具進(jìn)行套期保值的前提是要有專業(yè)的態(tài)度，了解市場中的風(fēng)險(xiǎn)，才可以正確的使用。期貨套期保值中可能產(chǎn)生的風(fēng)險(xiǎn)有很多，總結(jié)起來包括了系統(tǒng)性風(fēng)險(xiǎn)和非系統(tǒng)性風(fēng)險(xiǎn)兩大類。系統(tǒng)性風(fēng)險(xiǎn)是由于政治經(jīng)濟(jì)因素導(dǎo)致的整個(gè)期貨市場、現(xiàn)貨市場的價(jià)格發(fā)生大幅度的波動(dòng)，同時(shí)也可能造成短期的流動(dòng)性風(fēng)險(xiǎn)。造成非系統(tǒng)性風(fēng)險(xiǎn)更多的是人為原因，例如不按照風(fēng)險(xiǎn)工作條例執(zhí)行的交易風(fēng)險(xiǎn)、管理風(fēng)險(xiǎn)等。本章主要分析在期貨套期保值過程中出現(xiàn)的管理風(fēng)險(xiǎn)、套期保值比率風(fēng)險(xiǎn)、基差風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)。期貨交易是對(duì)比于現(xiàn)貨交易而提出的，期貨交易的主要作用在于為現(xiàn)貨提供轉(zhuǎn)移價(jià)格風(fēng)險(xiǎn)的場所。從期貨交易的定義上看，期貨交易的戰(zhàn)略涉及到企業(yè)的管理風(fēng)險(xiǎn)、市場營銷、投資融資及人力資源管理的等各個(gè)方面。第一個(gè)管理風(fēng)險(xiǎn)從宏觀角度上看就是利用政策的真空期，進(jìn)行機(jī)會(huì)套利。比如當(dāng)前我國的成品油價(jià)定價(jià)，是按照國外三大期貨交易所報(bào)價(jià)連續(xù)十個(gè)交易日波動(dòng)4%作為基準(zhǔn)價(jià)，進(jìn)行上下調(diào)整，而這個(gè)滯后的窗口報(bào)價(jià)，就會(huì)給一些企業(yè)撿到政策的漏洞。從微觀角度上看就是企業(yè)在資金管理上出現(xiàn)漏洞，這往往是由于企業(yè)在期貨風(fēng)險(xiǎn)管理上沒有明確寫出成文的管理?xiàng)l例，當(dāng)發(fā)生極端事件的時(shí)候，就會(huì)出現(xiàn)非常嚴(yán)重的資金管理風(fēng)險(xiǎn)。比如在持倉階段，對(duì)于強(qiáng)平權(quán)限的不明確很可能造成提前平倉或者滯后砍倉，這就會(huì)帶來實(shí)際的損害，嚴(yán)重的就會(huì)發(fā)生資金鏈斷裂的可能。例如中航油事件，一份獨(dú)立審計(jì)報(bào)告表明，陷入困境的中航油在石油衍生品交易中進(jìn)行風(fēng)險(xiǎn)越來越高的賭博，以求避免報(bào)告早期交易虧損是主要原因，可見中航油風(fēng)險(xiǎn)管理控制松懈，公司未能對(duì)它的期權(quán)組合進(jìn)行正確估價(jià)。這導(dǎo)致了在新加坡上市的中航油虧損5．5億美元，創(chuàng)下這個(gè)城市國家自1995年巴林銀行破產(chǎn)案以來最嚴(yán)重的金融丑聞。第二個(gè)套期保值比率就是我們衡量需要運(yùn)用多少的期貨資金進(jìn)行鎖定現(xiàn)貨進(jìn)行風(fēng)險(xiǎn)對(duì)沖，套期保值比率就是計(jì)算這一權(quán)重。套期保值比率的算法很多，主流的方法是用期貨價(jià)格及影響期貨價(jià)格的因素加總于現(xiàn)貨價(jià)格進(jìn)行比例分析。因此，在衡量比率時(shí)候，就會(huì)產(chǎn)生風(fēng)險(xiǎn)，因?yàn)槲覀冇锌赡軣o法準(zhǔn)確的衡量影響期貨價(jià)格的因素。比如大多數(shù)的大宗商品定價(jià)權(quán)都在美國，因此美元計(jì)價(jià)是大宗商品的主流，因此對(duì)于匯率的判斷，就是一個(gè)很大的影響指標(biāo)。由于大多數(shù)的套期保值的參與方是大型國際貿(mào)易商，因此采取的是跨市場套保方案。匯率因素、船運(yùn)安全因素、貨運(yùn)船只成本、天氣因素都是可能造成套期保值比率不斷波動(dòng)的原因，一旦我們計(jì)算不對(duì)，就會(huì)產(chǎn)生套期保值數(shù)量溢出或者風(fēng)險(xiǎn)暴露的問題。第三個(gè)是基差風(fēng)險(xiǎn)。相同的大宗商品現(xiàn)貨價(jià)格與期貨價(jià)格兩種價(jià)格之間存在緊密的關(guān)系，兩者的差值便是期貨的套期基差。大宗商品現(xiàn)貨價(jià)格和期貨價(jià)格的走勢有著一定的同步性。很多相關(guān)性分析都證明了此結(jié)論，期貨套期保值規(guī)避風(fēng)險(xiǎn)理論也是基于此事實(shí)而提出的。然而實(shí)際中的套期保值卻要復(fù)雜很多。因?yàn)閺睦碚撋蟻碚f，現(xiàn)貨與期貨的基差是圍繞一定的基數(shù)進(jìn)行規(guī)律的波動(dòng)，但實(shí)際上經(jīng)常會(huì)出現(xiàn)基差的極端擴(kuò)大甚至發(fā)生現(xiàn)貨價(jià)格和期貨價(jià)格的背離。套期保值能夠得到實(shí)現(xiàn)的理論基礎(chǔ)在于這現(xiàn)貨價(jià)格和期貨價(jià)格在期貨合約到期時(shí)會(huì)達(dá)到很高的一致性水平，且期貨交易和現(xiàn)貨交易的盈虧正好相互沖抵，因此來實(shí)現(xiàn)相應(yīng)的風(fēng)險(xiǎn)規(guī)避職能。但是這兩種價(jià)格之間也會(huì)存在一定的偏差，這種偏差也就是基差，即現(xiàn)貨價(jià)格減去期貨價(jià)格。如果現(xiàn)貨價(jià)格和期貨價(jià)格的背離嚴(yán)重，那么就無法實(shí)現(xiàn)套期保值，基于這種情況而設(shè)計(jì)的套期保值方案也就無法實(shí)現(xiàn)規(guī)避價(jià)格波動(dòng)的風(fēng)險(xiǎn)，在此情況下就會(huì)出現(xiàn)基差風(fēng)險(xiǎn)。在傳統(tǒng)的套期保值理論中，存在一個(gè)假設(shè)前提，也就是這現(xiàn)貨價(jià)格與期貨價(jià)格的走勢保持一致，基差隨著合約到期時(shí)會(huì)變?yōu)榱?。但是，在?shí)際運(yùn)用中，根據(jù)真實(shí)的操作會(huì)發(fā)現(xiàn)這種理論中套期保值并不是可靠的實(shí)現(xiàn)保值的工具。對(duì)于金融期貨而言，理論的套期保值有一定的可行性，因?yàn)槠湎鄳?yīng)的基差風(fēng)險(xiǎn)較??；然而對(duì)于金屬、農(nóng)產(chǎn)品而言，影響他們的價(jià)格因素太多，這樣就非常容易由于供需關(guān)系、國家政策等因素的影響，使基差在短時(shí)間內(nèi)發(fā)生較大的變化，甚至在逼倉情況下，這一差異會(huì)達(dá)到更高的水平。如果企業(yè)依據(jù)其生產(chǎn)計(jì)劃，設(shè)計(jì)經(jīng)歷的時(shí)間較長的套期保值方案，期貨會(huì)經(jīng)歷多個(gè)期限的合約，因此在這種情況下企業(yè)為了實(shí)現(xiàn)套期保值就需要進(jìn)行多次期貨頭寸的移倉，多次的期貨頭寸移倉就會(huì)導(dǎo)致增加了相應(yīng)的不確定性風(fēng)險(xiǎn)。在基差絕對(duì)值比較小的時(shí)候，相應(yīng)的套期保值頭寸不斷移倉收入或者虧損的數(shù)值也會(huì)較小，基差對(duì)套期保值的影響也在較小的水平上。不過若基差異常波動(dòng)，則對(duì)套期保值影響可能就會(huì)達(dá)到很高的水平，且保值時(shí)間越長，此種影響也就越顯著。在熊市階段，基差達(dá)到很高水平下，賣期保值通過不斷移倉得到的展期收益可能會(huì)很大;而在牛市階段，有很大的負(fù)值基差時(shí)，如此操作則可能帶來很大的損失。流動(dòng)性風(fēng)險(xiǎn)可以分為宏觀的流動(dòng)性風(fēng)險(xiǎn)和微觀的流動(dòng)性風(fēng)險(xiǎn)。宏觀的流動(dòng)性風(fēng)險(xiǎn)指的是在全球貿(mào)易的流通性風(fēng)險(xiǎn)和企業(yè)資金層面的流動(dòng)性風(fēng)險(xiǎn)。而微觀的流動(dòng)性風(fēng)險(xiǎn)是指在期貨市場上期貨不同月份的成交、持倉數(shù)量不同所導(dǎo)致的風(fēng)險(xiǎn)。全球各國之間的合作日漸頻繁但是世界各國之間的竟?fàn)幰沧兊酶裢饧ち遥@是導(dǎo)致宏觀的流動(dòng)性風(fēng)險(xiǎn)原因之一，目前伴隨著世界全球化進(jìn)程的不斷深入，各個(gè)國家國開始結(jié)合自身的經(jīng)濟(jì)、政治、文化大形勢展開了產(chǎn)業(yè)的轉(zhuǎn)型工作。中國在復(fù)雜的國際大環(huán)境中勢必會(huì)受到一定的影響，例如貿(mào)易順差、貿(mào)易逆差導(dǎo)致的地區(qū)經(jīng)濟(jì)保護(hù)主義的抬頭，經(jīng)濟(jì)貿(mào)易摩擦的加劇等，整體上看中國出口的增長確實(shí)受到了比較大影響。大宗貿(mào)易同時(shí)也會(huì)受到利率、匯率、出口國產(chǎn)量、地緣政治等影響，這些都會(huì)極大的控制商品的全球流動(dòng)，形成潛在風(fēng)險(xiǎn)。宏觀的流動(dòng)風(fēng)險(xiǎn)原因之二就是企業(yè)資金層面是否有流動(dòng)性風(fēng)險(xiǎn)。企業(yè)規(guī)模如果盲目的擴(kuò)張可能會(huì)導(dǎo)致庫存壓力顯著增加，企業(yè)資金的流量也可能會(huì)因?yàn)橄鄳?yīng)的短期、中期、長期營銷計(jì)劃的不明確而受到巨大影響。此外也有些企業(yè)由于成本管理相關(guān)的合理規(guī)劃條例的缺少，這樣成本管理者可能會(huì)沒有協(xié)調(diào)好成本購入和管理方面的比例，從而影響了成本管理的口標(biāo)實(shí)現(xiàn)，而浪費(fèi)了相關(guān)資金資源。這些都可能造成流動(dòng)性的風(fēng)險(xiǎn)。微觀層面的流動(dòng)風(fēng)險(xiǎn)，主要體現(xiàn)在期貨交易市場上，由于企業(yè)在訂購原材料采購計(jì)劃時(shí)，一般需要依據(jù)產(chǎn)品的生產(chǎn)和銷偉狀況來制定，在現(xiàn)貨采購或銷偉均衡情況下，企業(yè)必須在期貨合約月份進(jìn)行操作。不過受到期貨合約水平差異的影響，而導(dǎo)致其流動(dòng)性也存在相應(yīng)的差異。若對(duì)應(yīng)的期貨合約流動(dòng)性差，這樣企業(yè)就需要選擇與之接近的合約進(jìn)行替代，然后移倉操作。若各月份之間基差不大，則相應(yīng)的保值效果影響不大，在基差波動(dòng)很大的情況下，則套期保值效果也會(huì)出現(xiàn)很多偏差。五、我國大豆市場套期保值策略的實(shí)證分析（一）數(shù)據(jù)來源本文數(shù)據(jù)來源于WIND金融數(shù)據(jù)終端，數(shù)據(jù)選取2009年10月1日至2021年5月8日的大豆期貨價(jià)格和現(xiàn)貨價(jià)格的周數(shù)據(jù)。（二）描述性統(tǒng)計(jì)分析FUTURE為期貨價(jià)格、SPOT為現(xiàn)貨價(jià)格，通過EVIEWS7軟件得到的描述性統(tǒng)計(jì)分析如下：圖4.1中國大豆現(xiàn)貨價(jià)格描述性統(tǒng)計(jì)由圖4.1可知，中國大豆現(xiàn)貨價(jià)格的偏度為-0.394933<0，偏左峰；峰度為4.633326；JB統(tǒng)計(jì)量為86.67998，比較大，P值為0，說明拒絕原假設(shè)，中國大豆現(xiàn)貨價(jià)格序列不服從正態(tài)分布；.圖4.2中國大豆期貨價(jià)格描述性統(tǒng)計(jì)由圖4.2可知，中國大豆期貨價(jià)格的偏度為-0.737579<0，稍微偏左峰；峰度為5.297894；JB統(tǒng)計(jì)量為196.3521，P值為0，同樣拒絕原假設(shè)，中國大豆期貨價(jià)格序列也不服從正態(tài)分布。（三）相關(guān)分析相關(guān)分析是分析兩個(gè)變量間相關(guān)性程度的分析方法，相關(guān)系數(shù)越高則表示兩個(gè)變量間存在相關(guān)關(guān)系，相關(guān)系數(shù)介于（-1,1）之間，并且默認(rèn)在95%的前提下檢測其顯著性，得到的結(jié)果如下：表4.1相關(guān)性分析

CovarianceCorrelationt-StatisticProbabilityFUTURE

SPOT

FUTURE

164322821.000000

SPOT

11217226105780250.8508131.00000040.64041

0.0000

從表4.1可知FUTURE和SPOT之間的顯著性為0.851，并且其相伴概率PROB為0.000，表明在顯著性為99%的前提下兩者呈現(xiàn)正向的相關(guān)性。（四）平穩(wěn)性檢驗(yàn)1.期貨的單位根檢驗(yàn)在期貨FUTURE的單位根檢驗(yàn)中，ADF值為-6.197816，顯著大于1%level的t值-3.441376，其相伴概率為0.000，表明在99%的顯著性前提下，期貨FUTURE的單位根檢驗(yàn)通過，即為平穩(wěn)的時(shí)間序列數(shù)據(jù)。表1-3期貨FUTURE的單位根檢驗(yàn)

t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-6.197816

0.0000Testcriticalvalues:1%level-3.4413765%level-2.86629610%level-2.569362*MacKinnon(1996)one-sidedp-values.2.現(xiàn)貨的單位根檢驗(yàn)在現(xiàn)貨SPOT的單位根檢驗(yàn)中，ADF值為4.700006，顯著大于1%level的t值-3.441613，其相伴概率為0.001，表明在99%的顯著性前提下，現(xiàn)貨SPOT的單位根檢驗(yàn)通過，即為平穩(wěn)的時(shí)間序列數(shù)據(jù)。表1-4現(xiàn)貨SPOT的單位根檢驗(yàn)

t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-4.700006

0.0001Testcriticalvalues:1%level-3.4416135%level-2.86640110%level-2.569418*MacKinnon(1996)one-sidedp-values.（五）協(xié)整檢驗(yàn)協(xié)整檢驗(yàn)是檢驗(yàn)變量間是否存在協(xié)整關(guān)系的檢驗(yàn)方法，其原始假設(shè)為：HO：變量間不存在協(xié)整關(guān)系H1：變量間至少存在1個(gè)協(xié)整關(guān)系通過協(xié)整檢驗(yàn)得到的結(jié)果如下：表1-5變量間的協(xié)整檢驗(yàn)

UnrestrictedCointegrationRankTest(Trace)HypothesizedTrace0.05No.ofCE(s)EigenvalueStatisticCriticalValueProb.**None*

0.056078

50.70983

20.26184

0.0000Atmost1*

0.030921

17.87191

9.164546

0.0009

Tracetestindicates2cointegratingeqn(s)atthe0.05level

*denotesrejectionofthehypothesisatthe0.05level

**MacKinnon-Haug-Michelis(1999)p-values從上表的結(jié)果來看，在原始序列的協(xié)整檢驗(yàn)中TraceStatistic值為

50.70983，而在0.05CriticalValue區(qū)間的值為20.26184，即TraceStatistic大于0.05的顯著性前提，且相伴概率PROB值為0.000，即可說明原始序列存在協(xié)整關(guān)系，可以構(gòu)建回歸模型和后續(xù)分析。（六）基于OLS回歸的保值率分析為了測算期貨（FUTURE）和現(xiàn)貨（SPOT）之間的套期保值率關(guān)系，我們構(gòu)建以現(xiàn)貨（SPOT）為因變量以期貨（FUTURE）為自變量的回歸模型，基于OLS的回歸結(jié)果如下：XP其中C為常數(shù)，β為套期保值率，μ為殘差項(xiàng)表1-6OLS模型回歸結(jié)果

VariableCoefficientStd.Errort-StatisticProb.

C5564.461333.713016.674390.0000FUTURE0.6826340.01679740.640410.0000R-squared0.723883

Meandependentvar18841.39AdjustedR-squared0.723445

S.D.dependentvar3254.964S.E.ofregression1711.737

Akaikeinfocriterion17.73156Sumsquaredresid1.85E+09

Schwarzcriterion17.74564Loglikelihood-5601.174

Hannan-Quinncriter.17.73703F-statistic1651.643

Durbin-Watsonstat1.158943Prob(F-statistic)0.000000從上表可以得到套期保值率β的值為0.68，顯著性為0.000.即在95%的顯著性前提下顯著，且模型的擬合優(yōu)度R2為0.724，即可認(rèn)為模型可以擬合72.4%以上的數(shù)據(jù)波動(dòng)。（七）基于ECM模型的保值率分析ECM模型為誤差修正模型，是在ols的基礎(chǔ)上加上殘差項(xiàng)而得到的。

VariableCoefficientStd.Errort-StatisticProb.

C-4.209281129.9009-0.0324040.9742D(FUTURE(-1))-0.3404000.031931-10.660490.0000RESID01(-1)-0.8483110.077088-11.004430.0000R-squared0.307710

Meandependentvar-4.054556AdjustedR-squared0.305502

S.D.dependentvar3912.351S.E.ofregression3260.418

Akaikeinfocriterion19.02185Sumsquaredresid6.67E+09

Schwarzcriterion19.04302Loglikelihood-5988.882

Hannan-Quinncriter.19.03007F-statistic139.3451

Durbin-Watsonstat2.206764Prob(F-statistic)0.000000模型結(jié)果為：D(SPOT)=-4.20928064493-0.340400279234*D(FUTURE(-1))-0.848311059455*RESID01(-1)從可決系數(shù)R^2可以看出該模型效果不是很好，所以選擇建立GARCH模型。（八）基于GARCH模型的保值率分析1.ARCH效應(yīng)檢驗(yàn)（1）LS回歸模型以FUTURE為解釋變量，SPOT為被解釋變量，先建立普通線性回歸：

VariableCoefficientStd.Errort-StatisticProb.

C5564.461333.713016.674390.0000FUTURE0.6826340.01679740.640410.0000R-squared0.723883

Meandependentvar18841.39AdjustedR-squared0.723445

S.D.dependentvar3254.964S.E.ofregression1711.737

Akaikeinfocriterion17.73156Sumsquaredresid1.85E+09

Schwarzcriterion17.74564Loglikelihood-5601.174

Hannan-Quinncriter.17.73703F-statistic1651.643

Durbin-Watsonstat1.235012Prob(F-statistic)0.000000SPOT=5564.46099609+0.682633502724*FUTURE(2）殘差圖由上圖可以看出，p值均小于0.05，說明數(shù)據(jù)間存在較強(qiáng)的相關(guān)性。（3）ARCH檢驗(yàn)在LS回歸基礎(chǔ)上進(jìn)行ARCH效應(yīng)檢驗(yàn)，滯后階數(shù)由高到低：滯后階數(shù)為3：

HeteroskedasticityTest:ARCHF-statistic5.966435

Prob.F(3,625)0.0005Obs*R-squared17.51233

Prob.Chi-Square(3)0.0006滯后階數(shù)為2：

HeteroskedasticityTest:ARCHF-statistic7.704260

Prob.F(2,627)0.0005Obs*R-squared15.11089

Prob.Chi-Square(2)0.0005

滯后階數(shù)為1：

HeteroskedasticityTest:ARCHF-statistic8.594636

Prob.F(1,629)0.0035Obs*R-squared8.505742

Prob.Chi-Square(1)0.0035由以上表格數(shù)據(jù)可以看到，p值均小于0.05，可以得出，現(xiàn)存在ARCH效應(yīng)，可以進(jìn)行GARCH模型的建立。

2.GARCH模型建立及檢驗(yàn)（1）定階采用準(zhǔn)則函數(shù)的定階方式，決定GARCH（q，p）中q和p的值，建立九個(gè)不同模型進(jìn)行比較，得到模型系數(shù)均顯著，提取九種模型顯示結(jié)果中的AIC、SC和HQ三個(gè)數(shù)據(jù)匯成以下表格：（q，p）AICSCHQ（1,1）17.6555617.6907617.66923（1,2）17.6535917.6958217.66999（1,3）17.6556617.7049417.67480（2,1）17.6569717.6992117.67338（2,2）17.6309517.6802217.65008（2,3）17.6314517.6877617.65332（3,1）17.6591717.7084417.67831（3,2）17.6187217.6750317.64059（3,3）17.6238017.6871617.64841按照準(zhǔn)則函數(shù)定價(jià)方式，三個(gè)數(shù)值越小，說明模型越好，所以選擇GARCH（3,2）作為最優(yōu)模型，進(jìn)行模型分析。

（2）模型建立根據(jù)之前的平穩(wěn)性檢驗(yàn)可以得到，解釋變量FUTURE和被解釋變量SPOT均為平穩(wěn)序列。DependentVariable:SPOTMethod:ML-ARCH(Marquardt)-NormaldistributionDate:05/18/21Time:05:04Sample:1632Includedobservations:632Convergenceachievedafter41iterationsPresamplevariance:backcast(parameter=0.7)GARCH=C(3)+C(4)*RESID(-1)^2+C(5)*RESID(-2)^2+C(6)*GARCH(-1)

+C(7)*GARCH(-2)+C(8)*GARCH(-3)VariableCoefficientStd.Errorz-StatisticProb.

C5452.428227.728823.942640.0000FUTURE0.6893580.01148260.036800.0000VarianceEquationC1350428.278218.34.8538450.0000RESID(-1)^20.2118870.0391545.4116170.0000RESID(-2)^20.2155470.0388535.5478010.0000GARCH(-1)-1.0319500.033306-30.984360.0000GARCH(-2)0.5520580.0655778.4184530.0000GARCH(-3)0.5949210.05569210.682410.0000R-squared0.723780

Meandependentvar18841.39AdjustedR-squared0.723341

S.D.dependentvar3254.964S.E.ofregression1712.058

Akaikeinfocriterion17.61872Sumsquaredresid1.85E+09

Schwarzcriterion17.67503Loglikelihood-5559.515

Hannan-Quinncriter.17.64059Durbin-Watsonstat1.222878GARCH模型上半部分為條件均值模型，下半部分為條件波動(dòng)率模型。兩個(gè)模型的結(jié)果分別為條件均值模型：SPOT=5452.4284213+0.689357778413*FUTURE.條件波動(dòng)率模型：GARCH=1350428.46877+0.211887011138*RESID(-1)^2+0.215546776466*RESID(-2)^2-1.03195020116*GARCH(-1)+0.552058373947*GARCH(-2)+0.594921399229*GARCH(-3).從上表可以得到套期保值率的值為0.689358，顯著性為0.000.即在95%的顯著性前提下顯著，且模型的擬合優(yōu)度R2為0.723780，即可認(rèn)為模型可以擬合,72.4%以上的數(shù)據(jù)波動(dòng)。（3）序列相關(guān)檢驗(yàn)由圖可以看出p值均小于0.05，說明還是存在相關(guān)性，但因?yàn)槟Ｐ偷慕⒉⒉荒芨淖償?shù)據(jù)，數(shù)據(jù)存在相關(guān)才能進(jìn)行建模分析，所以模型依舊存在可行性。（4）正態(tài)分布檢驗(yàn)由圖可以看出，直方圖趨勢接近正態(tài)分布，且p值小于0.05，所以認(rèn)為服從正態(tài)分布。（5）ARCH檢驗(yàn)對(duì)該模型再次進(jìn)行ARCH效應(yīng)檢驗(yàn)，滯后階數(shù)由高到低：滯后階數(shù)為6：

HeteroskedasticityTest:ARCHF-statistic0.449392

Prob.F(6,619)0.8455Obs*R-squared2.715017

Prob.Chi-Square(6)0.8437滯后階數(shù)為5：

HeteroskedasticityTest:ARCHF-statistic0.541117

Prob.F(5,621)0.7452Obs*R-squared2.719877

Prob.Chi-Square(5)0.7431滯后階數(shù)為4：

HeteroskedasticityTest:ARCHF-statistic0.655102

Prob.F(4,623)0.6234Obs*R-squared2.630373

Prob.Chi-Square(4)0.6215

HeteroskedasticityTest:ARCHF-statistic0.545356

Prob.F(3,625)0.6514Obs*R-squared1.642241

Prob.Chi-Square(3)0.6499滯后階數(shù)為3：滯后階數(shù)為2：

HeteroskedasticityTest:ARCHF-statistic0.880204

Prob.F(2,627)0.4152Obs*R-squared1.763879

Prob.Chi-Square(2)0.4140滯后階數(shù)為1：

HeteroskedasticityTest:ARCHF-statistic0.740673

Prob.F(1,629)0.3898Obs*R-squared0.742154

Prob.Chi-Square(1)0.3890綜上可以看到，p值均大于0.05，表示模型不存在ARCH效應(yīng)，所以可以對(duì)該模型有實(shí)際意義，可以應(yīng)用并進(jìn)行分析。主要結(jié)論及展望：通過本文的模型分析可以看到以根據(jù)OLS、ECM、GARCH三個(gè)模型的回歸結(jié)果得到我國大豆期貨市場套期保值率結(jié)果匯總?cè)缦拢耗Ｐ蛿M合度套期保值率OLS模型0.7238830.682634ECM模型0.307710-0.340400GARCH模型0.7236750.675677從表格中我們可以看到，OLS模型、ECM模型、GARCH模型的擬合優(yōu)度分別為0.723883、0.307710、0.723675，套期保值率分別為0.682634、-0.340400、0.675677，所以GARCH模型更利于企業(yè)進(jìn)行套期保值分析，鎖定成本，控制風(fēng)險(xiǎn)。中國大豆期貨市場的套期保值比率為