基于VaR 的鋼材期貨市場(chǎng)基差風(fēng)險(xiǎn)研究

莊新田，李巖，郭麗花，李曉青

（東北大學(xué) 工商管理學(xué)院，沈陽 110819）

鋼材貿(mào)易中鋼材銷售定價(jià)權(quán)掌握在鋼廠手中，作為鋼材行業(yè)產(chǎn)業(yè)鏈的中游鋼材貿(mào)易商，在面對(duì)上游生產(chǎn)商的低議價(jià)能力和下游行業(yè)多樣需求、高庫存壓力下，承擔(dān)著上游企業(yè)的虧損轉(zhuǎn)移，鋼材終端消費(fèi)市場(chǎng)的不景氣和價(jià)格大幅下跌的風(fēng)險(xiǎn)。從規(guī)避市場(chǎng)風(fēng)險(xiǎn)角度看，我國(guó)2007年3月27日正式推出鋼材期貨，鋼材期貨標(biāo)的物螺紋鋼和線材產(chǎn)量之和占我國(guó)鋼材產(chǎn)量比重達(dá)到30%，屬于鋼材產(chǎn)品中的大戶，同長(zhǎng)材（包括線材、螺紋、型材等）及板材（包括冷軋、熱軋、中厚板等）價(jià)格關(guān)聯(lián)度達(dá)到90%以上，這為鋼材貿(mào)易商運(yùn)用鋼材期貨套期保值，規(guī)避市場(chǎng)風(fēng)險(xiǎn)提供了工具。在套期保值操作中，基差作為現(xiàn)貨市場(chǎng)和期貨市場(chǎng)的紐帶，對(duì)鋼材期貨市場(chǎng)的價(jià)格發(fā)現(xiàn)與信息傳遞有著重要的影響力，基差的變動(dòng)形態(tài)是判斷能否實(shí)現(xiàn)套期保值的依據(jù)，對(duì)分析和度量鋼材市場(chǎng)價(jià)格波動(dòng)帶來的風(fēng)險(xiǎn)，進(jìn)而對(duì)風(fēng)險(xiǎn)進(jìn)行有效的管理顯得尤為重要。

1 文獻(xiàn)綜述

1.1 基差風(fēng)險(xiǎn)研究

（1）微觀角度的研究。Working[1]最早提出了逐利型基差套期保值策略。William 等[2]受到Keynes基差倉儲(chǔ)論的影響后，重新定義基差風(fēng)險(xiǎn)。認(rèn)為對(duì)于投資者而言，期貨的倉儲(chǔ)成本和運(yùn)輸成本可以根據(jù)實(shí)際情況進(jìn)行預(yù)期，而其他影響因素是不確定的，所以基差風(fēng)險(xiǎn)應(yīng)該是扣除倉儲(chǔ)成本和運(yùn)輸成本后的差，該定義標(biāo)志著基差研究從理論轉(zhuǎn)向?qū)嵶C研究。Sanders等[3]采用時(shí)間序列模型，對(duì)基差進(jìn)行建模分析。奚惟華[4]針對(duì)我國(guó)鋁錠期貨，對(duì)基差的特性進(jìn)行了分析。盧太平等[5]提出根據(jù)最小方差度量基差風(fēng)險(xiǎn)，設(shè)計(jì)了基差交易策略并對(duì)基差風(fēng)險(xiǎn)控制提出建議。易蓉等[6]針對(duì)農(nóng)產(chǎn)品期貨基差動(dòng)態(tài)調(diào)整過程，基于預(yù)期理論下期貨價(jià)格等于未來現(xiàn)貨價(jià)格無偏估計(jì)值的理論前提，推導(dǎo)出基差的狀態(tài)量測(cè)方程，構(gòu)造狀態(tài)空間模型，從現(xiàn)貨價(jià)格提供的信息來推斷基差動(dòng)態(tài)調(diào)整過程。蔣勇等[7]認(rèn)為，只有當(dāng)股指期貨與現(xiàn)貨之間的基差足夠大到能夠補(bǔ)償交易成本時(shí)，指數(shù)套利者才會(huì)進(jìn)入市場(chǎng)進(jìn)行套利，利用三階段門限自回歸模型，研究了我國(guó)股指期貨市場(chǎng)的非線性特征及均值回復(fù)機(jī)制，并給出了有別于傳統(tǒng)持有成本模型的無套利區(qū)間。

（2）宏觀角度的研究。Fama等[8]將期貨基差分解為預(yù)期現(xiàn)貨價(jià)格變動(dòng)和風(fēng)險(xiǎn)溢價(jià)，通過實(shí)證研究發(fā)現(xiàn)，期貨基差能夠預(yù)測(cè)期貨價(jià)格變動(dòng)，認(rèn)為期貨基差中存在期貨市場(chǎng)風(fēng)險(xiǎn)溢價(jià)信息。Bailey等[9]研究發(fā)現(xiàn)，商品期貨的基差與股票的股息收益、債券的信用價(jià)差顯著相關(guān)，表明期貨風(fēng)險(xiǎn)溢價(jià)中存在宏觀經(jīng)濟(jì)的公共因素。Fraser等[10]以英國(guó)金融期貨為標(biāo)的，研究結(jié)果表明，宏觀經(jīng)濟(jì)的風(fēng)險(xiǎn)是期貨市場(chǎng)投資者考慮的一個(gè)重要變量，對(duì)經(jīng)濟(jì)的預(yù)期會(huì)顯著影響金融期貨和商品期貨基差的變動(dòng)。Fraser等[11]也發(fā)現(xiàn)，英國(guó)期貨市場(chǎng)的基差變動(dòng)中存在宏觀經(jīng)濟(jì)因素。鄭尊信等[12]從國(guó)內(nèi)商品市場(chǎng)周期波動(dòng)和境內(nèi)外市場(chǎng)聯(lián)動(dòng)角度，構(gòu)建期貨市場(chǎng)基差變動(dòng)的宏觀經(jīng)濟(jì)因素模型，研究發(fā)現(xiàn)，市場(chǎng)利率、股權(quán)風(fēng)險(xiǎn)溢價(jià)等宏觀經(jīng)濟(jì)因素以及境外期貨市場(chǎng)價(jià)格變動(dòng)對(duì)國(guó)內(nèi)期貨基差有正向影響。

（3）基差對(duì)套期保值影響的研究。Johnson[13]最早提出了商品期貨最佳套保比率的概念，并給出了最小二乘法計(jì)算公式。Working[14]首先提出了基于基差預(yù)測(cè)的套期保值的思想。Ederington[15]將OLS方法應(yīng)用到金融期貨市場(chǎng)，并提出了套期保值績(jī)效的衡量指標(biāo)。Fama等[16]及Castelino[17]的研究指出，基差反映了現(xiàn)貨和期貨價(jià)格的趨同特征，是一個(gè)重要的信息變量。Ghosh[18]及Chou等[19]基于期貨與現(xiàn)貨價(jià)格序列之間的協(xié)整關(guān)系，提出了估計(jì)最優(yōu)套保比率的誤差糾正模型。Kroner等[20]從動(dòng)態(tài)套期保值的概念出發(fā)，將誤差糾正模型與GARCH 模型相結(jié)合，提出了ECM-GARCH 模型，并用與估計(jì)世界上主要外匯期貨的最優(yōu)套期保值比率，但是沒有考慮基差對(duì)期貨、現(xiàn)貨風(fēng)險(xiǎn)結(jié)構(gòu)的影響。Lien等[21-22]發(fā)現(xiàn)，基差對(duì)商品期貨和現(xiàn)貨風(fēng)險(xiǎn)結(jié)構(gòu)的影響存在非對(duì)稱效應(yīng)，根據(jù)基差影響計(jì)算動(dòng)態(tài)套期保值比率，考慮基差影響的模型比不考慮基差影響的模型效果更好。馬興杰[23]根據(jù)GARCH模型對(duì)鄭州商品交易所的強(qiáng)麥期貨收益率進(jìn)行分析，發(fā)現(xiàn)強(qiáng)麥基差對(duì)期貨收益率波動(dòng)性的影響存在顯著非對(duì)稱效應(yīng)。鄭尊信等[24]將基差引入Copulas-GARCH 模型，討論不對(duì)稱相關(guān)結(jié)構(gòu)的形成對(duì)套期保值的效果影響。陳沖等[25]將基差分解為正、負(fù)基差項(xiàng)，證明了我國(guó)銅期市場(chǎng)基差對(duì)期現(xiàn)貨收益率、波動(dòng)性均具有非對(duì)稱效應(yīng)，且負(fù)基差比正基差影響顯著。以上均是研究基差對(duì)期貨市場(chǎng)的非對(duì)稱性效應(yīng)，但是，在正基差和負(fù)基差影響的效果上出現(xiàn)了不同結(jié)果。

1.2 在險(xiǎn)價(jià)值（VaR）研究

VaR（Value at Risk）的含義是“處于風(fēng)險(xiǎn)中的價(jià)值”，指在一定概率水平下，某一金融資產(chǎn)或證券組合價(jià)值在未來特定時(shí)期內(nèi)的最大可能損失。1993年J.P摩根銀行首次提出的金融衍生工具風(fēng)險(xiǎn)管理報(bào)告中，建議引入VaR 系統(tǒng)給交易頭寸估價(jià)并量化金融風(fēng)險(xiǎn)。近年來，VaR 方法得到了廣泛的關(guān)注，常見的計(jì)算方法有3種[26]：基于歷史模擬的非參數(shù)化方法、基于特定統(tǒng)計(jì)分布的參數(shù)化方法，以及將非參數(shù)化和參數(shù)化方法相結(jié)合的半?yún)?shù)法。學(xué)者們運(yùn)用非參數(shù)方法、參數(shù)方法和半?yún)?shù)方法對(duì)同一市場(chǎng)的VaR 進(jìn)行估值對(duì)比，并選出認(rèn)為最適合某個(gè)市場(chǎng)的估計(jì)方法。

Lucas[27]通過對(duì)參數(shù)估計(jì)得出，基于高斯極大準(zhǔn)似然估計(jì)法估計(jì)的VaR 值與市場(chǎng)實(shí)際的VaR 值之間的誤差最小，最大似然估計(jì)法次之。Lee等[28]運(yùn)用極值理論對(duì)亞洲市場(chǎng)上的5 個(gè)指數(shù)進(jìn)行分析時(shí)，發(fā)現(xiàn)歷史模擬法、參數(shù)法并未得到哪個(gè)方法一定優(yōu)于其他方法的一致結(jié)論。

韓德宗[29]對(duì)我國(guó)的硬麥期貨和銅期貨運(yùn)用GARCH 族模型計(jì)算VaR 值，指出GARCH-VaR族模型的風(fēng)險(xiǎn)度量方法是有效的。劉向麗等[30]提出上漲VaR 和下跌VaR 的概念，分別采用基于核估計(jì)下的非參數(shù)法、基于四階法下的半?yún)?shù)法和基于GARCH 族模型下的參數(shù)法來估計(jì)我國(guó)銅期貨市場(chǎng)的風(fēng)險(xiǎn)價(jià)值，結(jié)果表明，基于核估計(jì)的非參數(shù)法要優(yōu)于另外兩種方法。傅強(qiáng)等[31]認(rèn)為金融市場(chǎng)中資產(chǎn)存在非線性和非對(duì)稱的尾部特征時(shí)，運(yùn)用極值理論和Copula函數(shù)計(jì)算條件下的VaR 以及Copula條件下的VaR 計(jì)算方法可以推廣到更大的范圍。江濤[32]用GARCH 模型和半?yún)?shù)法計(jì)算我國(guó)上海股票市場(chǎng)收益序列的VaR 值，結(jié)果表明，這兩種方法估計(jì)的VaR 比傳統(tǒng)方法更有效，且能更好地刻畫我國(guó)證券市場(chǎng)的風(fēng)險(xiǎn)。

另外，孫曉琳等[33]在不完備市場(chǎng)下，基于企業(yè)所面臨的上下游衍生品缺失的不同情境，建立了最小化利潤(rùn)風(fēng)險(xiǎn)的目標(biāo)模型以及權(quán)衡期望利潤(rùn)最大與降低風(fēng)險(xiǎn)的雙目標(biāo)模型，探討雙向風(fēng)險(xiǎn)傳導(dǎo)對(duì)最優(yōu)組合套期保值比率的影響及期望利潤(rùn)最大所承受的風(fēng)險(xiǎn)溢價(jià)。謝赤等[34]基于保證金制度，以滬深300股指期貨高頻數(shù)據(jù)為基礎(chǔ)，構(gòu)造多頭和空頭的日內(nèi)最大損失率序列，提出一個(gè)新的波動(dòng)率測(cè)度即日內(nèi)最大損失率方差。李澤海等[35]提出了修正的EAmivest流動(dòng)性比率，以波動(dòng)率代替最大價(jià)差，通過對(duì)滬銅期貨合約交易數(shù)據(jù)的實(shí)證分析，表明EAmivest方法有效地解決了緊度比重過大的問題。

本文基于基差風(fēng)險(xiǎn)，從宏觀和微觀角度分析基差的影響因素，用VaR 方法度量基差風(fēng)險(xiǎn)，結(jié)合買入和賣出套期保值策略，研究鋼材貿(mào)易商套期保值的基差風(fēng)險(xiǎn)。借助收益的在險(xiǎn)價(jià)值概念，用VaR 方法度量基差的在險(xiǎn)價(jià)值，由于VaR 方法以系統(tǒng)的概率統(tǒng)計(jì)理論為基礎(chǔ)，可清晰地表示市場(chǎng)風(fēng)險(xiǎn)的大小，從在險(xiǎn)價(jià)值角度研究極值分布，為控制市場(chǎng)極端風(fēng)險(xiǎn)，開展有效的鋼鐵期貨市場(chǎng)風(fēng)險(xiǎn)管理提供科學(xué)的量化依據(jù)。

2 VaR 及基差在險(xiǎn)價(jià)值

2.1 VaR度量模型

VaR 的含義是在險(xiǎn)價(jià)值，指在一定概率水平下，某一金融資產(chǎn)或證券組合價(jià)值在未來特定時(shí)期內(nèi)的最大可能損失，即

式中：P0為組合的初始價(jià)值；R為持有期內(nèi)的投資回報(bào)率，R的期望和方差分別為μ和σ，在置信水平α下組合的最低價(jià)值P*=P0（1+R*）。因此，只要計(jì)算出在置信水平α下組合的最小收益率R*，就可以計(jì)算出VaR。

VaR 的一般計(jì)算方法：通過積分公式計(jì)算得到經(jīng)驗(yàn)分布VaR 的非參數(shù)法；依據(jù)分布擬合函數(shù)和分布下的標(biāo)準(zhǔn)差計(jì)算VaR 的參數(shù)法；根據(jù)序列的均值、方差、偏度和峰值構(gòu)造VaR 的半?yún)?shù)法[26]。

2.2 基差在險(xiǎn)價(jià)值

VaR 表示收益或價(jià)格的在險(xiǎn)價(jià)值，而基差（B）是現(xiàn)貨與期貨價(jià)格差值，因此，需要定義基差的在險(xiǎn)價(jià)值。本文借助收益的在險(xiǎn)價(jià)值表達(dá)式，考慮期現(xiàn)市場(chǎng)中，由于基差的波動(dòng)直接引起套期保值的風(fēng)險(xiǎn)大小，定義基差VaR 為套期保值基差波動(dòng)的在險(xiǎn)價(jià)值。此時(shí)套期保值的損益不由期貨價(jià)格波動(dòng)決定，而是由基差波動(dòng)決定。故對(duì)基差風(fēng)險(xiǎn)的度量即是對(duì)基差波動(dòng)性的度量。根據(jù)基差的定義和套期保值者進(jìn)入市場(chǎng)的方式，定義多頭套期保值基差風(fēng)險(xiǎn)價(jià)值和空頭套期保值基差風(fēng)險(xiǎn)價(jià)值分別為：

通過對(duì)基差在險(xiǎn)價(jià)值定義，結(jié)合VaR 的估計(jì)方法，本文選用非參數(shù)方法、參數(shù)方法和半?yún)?shù)方法對(duì)基差的風(fēng)險(xiǎn)價(jià)值進(jìn)行估計(jì)。

2.3 VaR 檢驗(yàn)

VaR 模型的準(zhǔn)確性檢驗(yàn)是指測(cè)量結(jié)果對(duì)實(shí)際損失的覆蓋程度，本文采用失敗檢驗(yàn)法，將實(shí)際損失超過估計(jì)的VaR 值看作從一個(gè)二項(xiàng)分布中出現(xiàn)的獨(dú)立事件，設(shè)VaR 的置信度為1-α，樣本容量為T，失效天數(shù)為N，失效頻率p=N/T，失敗的期望概率p*（=α）。

零假設(shè)H0：p=p*。

由二項(xiàng)式過程可得N次失敗在T個(gè)樣本中發(fā)生的概率為（1-p）T-NpN。

似然比函數(shù)

在零假設(shè)條件下，統(tǒng)計(jì)量LR服從自由度為1的χ2分布。

3 數(shù)據(jù)選取和處理

3.1 樣本數(shù)據(jù)選取

目前，上海期貨交易所上市的只有螺紋鋼和線材2個(gè)品種，螺紋鋼期貨交易量遠(yuǎn)大于線材期貨交易，且螺紋鋼的交易更為活躍，更接近于鋼材市場(chǎng)的真實(shí)情況，所以選擇螺紋鋼作為鋼材市場(chǎng)的研究樣本。

由于期貨合約的時(shí)間跨度有限，任一交割月份的期貨合約在合約到期后將不復(fù)存在，國(guó)外學(xué)者在產(chǎn)生連續(xù)期貨價(jià)格序列時(shí)，一般選取離交割期最近月份的期貨合約作為代表，在進(jìn)入交割月后再選取下一個(gè)最靠近交割月份的合約（一般不采取交割月的數(shù)據(jù)，以避免交割月期貨價(jià)格變動(dòng)的異常性）。此方法雖然可以產(chǎn)生一個(gè)連續(xù)的期貨價(jià)格序列，但是未考慮合約的活躍度，在期貨市場(chǎng)中投資者會(huì)按照交易量大小選擇連續(xù)主力合約，根據(jù)交易的活躍度進(jìn)行套期保值。根據(jù)上期所對(duì)螺紋鋼期貨交割品級(jí)標(biāo)準(zhǔn)規(guī)定，選取 牌號(hào) HRB400 下 的Φ16 mm、Φ18 mm、Φ20 mm、Φ22 mm、Φ25 mm 共5種規(guī)格型號(hào)的Φ20 mm 螺紋鋼作為代表?，F(xiàn)貨數(shù)據(jù)選自上海地區(qū)HRB400牌號(hào)的Φ20 mm 螺紋鋼日現(xiàn)貨價(jià)格（數(shù)據(jù)來自我的鋼鐵網(wǎng)）。本文采用螺紋連續(xù)主力合約，從合約的連貫性角度考慮，主力合約經(jīng)過6次輪換。1、5 及10 月各2 次，數(shù)據(jù)時(shí)間選擇從2010-10-11～2012-10-16，共493組。

3.2 基差序列的描述性統(tǒng)計(jì)

螺紋鋼現(xiàn)貨價(jià)格為｛St｝，期貨市場(chǎng)連續(xù)螺紋主力合約價(jià)格為｛Ft｝，根據(jù)基差的定義Bt=St-Ft，得出基差序列｛Bt｝。螺紋鋼基差走勢(shì)如圖1 所示，我國(guó)鋼材期貨市場(chǎng)經(jīng)歷了由正向市場(chǎng)向反向市場(chǎng)、反向市場(chǎng)向正向市場(chǎng)的轉(zhuǎn)變過程。尤其是在2011-05～2012-01，我國(guó)螺紋鋼市場(chǎng)出現(xiàn)了較長(zhǎng)時(shí)期的“期現(xiàn)倒掛”現(xiàn)象。但綜合整個(gè)走勢(shì)圖，螺紋鋼市場(chǎng)還是處于正向市場(chǎng)時(shí)間更長(zhǎng)。

圖1 螺紋鋼基差走勢(shì)圖

4 基差影響因素研究

引起基差變化的因素很多，涉及持有成本、倉儲(chǔ)量、宏觀經(jīng)濟(jì)以及交易者對(duì)供求關(guān)系的預(yù)期等。本文從鋼材市場(chǎng)的角度，將基差的影響分為宏觀經(jīng)濟(jì)因素和微觀經(jīng)濟(jì)因素。

4.1 宏觀經(jīng)濟(jì)影響因素研究

參照Patricia等[10]對(duì)基差的研究，選取產(chǎn)量增長(zhǎng)率、通貨膨脹率、市場(chǎng)利率和股市超額收益作為宏觀經(jīng)濟(jì)變量來預(yù)測(cè)基差。為統(tǒng)一數(shù)據(jù)的表達(dá)形式，取對(duì)數(shù)基差，即

根據(jù)基差的宏觀經(jīng)濟(jì)影響因素，分別建立如下方程：

式中，螺紋鋼產(chǎn)量增長(zhǎng)率為｛Production｝；通貨膨脹率為CPI，市場(chǎng)利率為隔夜拆借利率｛Rt｝；股市超額收益率為上證指數(shù)收益率與市場(chǎng)利率之差｛RFt-Rt｝。

對(duì)式（5）～（9）回歸檢驗(yàn)相關(guān)參數(shù)估計(jì)如表1。由表可見，嚴(yán)格意義上說，我國(guó)鋼材行業(yè)的基差與宏觀經(jīng)濟(jì)指標(biāo)之間的關(guān)系不顯著。僅與我國(guó)股市的超額收益率存在顯著的負(fù)相關(guān)關(guān)系。在式（8）、（9）中，基差滯后一期的回歸均是顯著的，且方程的R2相對(duì)于未增加滯后項(xiàng)時(shí)，有了顯著提高。因此，基差的滯后性是影響我國(guó)基差走勢(shì)的主要因素。

4.2 微觀經(jīng)濟(jì)影響因素分析

微觀角度下基差影響因素主要是針對(duì)期貨和現(xiàn)貨交易市場(chǎng)因素的分析。選擇現(xiàn)貨價(jià)格（S）、期貨市場(chǎng)倉儲(chǔ)量（stock）、合約成交量（volume）、合約持倉量（position）、股市資金量（funds）作為微觀影響因素，建立多元回歸模型。因?yàn)槌謧}量和合約交易量均表示市場(chǎng)活躍度，所以，本文選擇持倉量進(jìn)行多元線性回歸，構(gòu)建模型：

表1 回歸方程參數(shù)估計(jì)

回歸檢驗(yàn)相關(guān)參數(shù)估計(jì)如表2所示。

表2 回歸方程參數(shù)估計(jì)表

式（10）參數(shù)估計(jì)表明，基差和現(xiàn)貨價(jià)格、持倉量和股市資金量具有顯著關(guān)系，但是對(duì)基差的擬合R2較小。式（11）參數(shù)估計(jì)表明，基差和現(xiàn)貨價(jià)格、持倉量之間存在一定的負(fù)相關(guān)關(guān)系。且基差滯后因素的加入，使整個(gè)方程的擬合系數(shù)提高。

綜上，基差影響因素中，無論是宏觀角度下的經(jīng)濟(jì)指標(biāo)還是期貨交易中的微觀因素，在一定條件下能夠影響基差變化。但主要因素還是基差本身滯后因子的作用。下面基于基差時(shí)間序列進(jìn)一步分析基差的在險(xiǎn)價(jià)值。

5 基差在險(xiǎn)價(jià)值研究

5.1 基差自回歸模型

基差樣本數(shù)據(jù)的描述性統(tǒng)計(jì)結(jié)果如表3所示。

表3 基差序列描述性統(tǒng)計(jì)

基差序列的峰度大于3，偏度為0.825，出現(xiàn)了尖峰右偏現(xiàn)象。JB統(tǒng)計(jì)量表明，該序列不服從正態(tài)分布，所以鋼材市場(chǎng)的基差序列呈現(xiàn)出非對(duì)稱，尖峰厚尾等現(xiàn)象。對(duì)序列進(jìn)行平穩(wěn)性檢驗(yàn)，發(fā)現(xiàn)基差序列在10%的顯著性下是平穩(wěn)的。根據(jù)基差序列的自相關(guān)性和ARCH 效應(yīng)檢驗(yàn)，發(fā)現(xiàn)基差序列存在一階自回歸，并且殘差存在異方差效應(yīng)。因此，結(jié)合GARCH 族模型建立基差估計(jì)模型。

模型1GARCH（1，1）。

均值方程

條件方差方程

模型2非對(duì)稱EGARCH 模型。

均值方程

條件方差方程

對(duì)模型1、2進(jìn)行參數(shù)估計(jì)，如表4所示。由表可見，在GARCH（1，1）模型的方差方程中，系數(shù)之和

滿足GARCH 模型的參數(shù)約束條件。由于系數(shù)之和接近于1，故表明條件方差受到持久的沖擊，在預(yù)測(cè)時(shí)需考慮沖擊的持久性?；貧w系數(shù)在1%的置信水平下顯著，方程能很好地描述基差的波動(dòng)性。在EGARCH 模型中，γ=-0.084 134＜0，基差存在非對(duì)稱效應(yīng)，市場(chǎng)利好消息對(duì)基差序列波動(dòng)有較大的影響。

表4 回歸方程參數(shù)估計(jì)

5.2 基差在險(xiǎn)價(jià)值的估計(jì)和檢驗(yàn)

（1）基于非參數(shù)法VaR 估計(jì)和檢驗(yàn)。多頭套期保值的在險(xiǎn)價(jià)值定義為在新分布函數(shù)下右側(cè)分位點(diǎn)的VaR 值；空頭套期保值的基差在險(xiǎn)價(jià)值定義則為左側(cè)分位點(diǎn)的VaR 值。在歷史模擬法下，樣本容量T=493，時(shí)間間隔Δt定義為1天。根據(jù)CV 法則求出窗寬h=45.32，則多頭、空頭套期保值基差風(fēng)險(xiǎn)VaR 值如表5所示。

表5 基于非參數(shù)法下VaR估計(jì)檢驗(yàn)

由表5可見，多頭和空頭的VaR 均通過了LR統(tǒng)計(jì)量在3個(gè)置信水平下的檢驗(yàn)。實(shí)際的失效率和顯著性水平很接近，說明無論是多頭還是空頭，在一般情況下或者是出現(xiàn)極端尾部時(shí)，基于核估計(jì)的非參數(shù)法VaR 值，能夠很好地估計(jì)出風(fēng)險(xiǎn)值。

（2）基于參數(shù)法VaR 估計(jì)和檢驗(yàn)。基于GARCH 族模型下的條件方差，估計(jì)鋼材市場(chǎng)基差的波動(dòng)性和分位點(diǎn)，得出持有期為1天的VaR 值檢驗(yàn)如表6所示。

由表6可見，GARCH 族模型能夠較好地刻畫基差序列的厚尾性，但是對(duì)于極端風(fēng)險(xiǎn)的捕捉能力不強(qiáng)。表明參數(shù)法對(duì)正常的風(fēng)險(xiǎn)波動(dòng)有著較好的擬合能力，但是對(duì)極端風(fēng)險(xiǎn)捕捉信息的能力有限，因此，當(dāng)極端事件產(chǎn)生極端風(fēng)險(xiǎn)時(shí)，參數(shù)法下的GARCH 模型對(duì)風(fēng)險(xiǎn)的捕捉不夠精確。

（3）基于半?yún)?shù)法VaR 估計(jì)和檢驗(yàn)。由表3可知，｛Bt｝的均值、標(biāo)準(zhǔn)差、偏度和峰度分別為：

根據(jù)半?yún)?shù)計(jì)算方法，在置信水平α=1%、5%和10%下，對(duì)應(yīng)的分位數(shù)為2.326、1.645和1.282，VaR 計(jì)算結(jié)果如表7所示。

表6 基于GARCH 族模型下VaR估計(jì)檢驗(yàn)

表7 半?yún)?shù)法下VaR估計(jì)檢驗(yàn)

由表7可見，對(duì)于半?yún)?shù)法，只有空頭VaR 和多頭VaR 在95%和99%的置信度下均通過LR統(tǒng)計(jì)量的檢驗(yàn)。且基差超出VaR 的比例與相應(yīng)的置信區(qū)間是吻合的。但是空頭VaR 和多頭VaR 在90%的置信度時(shí)，均未通過LR統(tǒng)計(jì)量的檢驗(yàn)，并出現(xiàn)較大的偏差，說明半?yún)⒎▽?duì)極端風(fēng)險(xiǎn)估計(jì)較好，但是對(duì)一般尾部的估計(jì)存有偏差。也說明了螺紋鋼基差市場(chǎng)存在極端行情，具有極端風(fēng)險(xiǎn)。

6 結(jié)論

本文探討了鋼材貿(mào)易商進(jìn)行套期保值時(shí)面對(duì)的基差風(fēng)險(xiǎn)，分析了宏觀經(jīng)濟(jì)因素和微觀市場(chǎng)因素對(duì)基差變動(dòng)的影響，用VaR 方法度量基差風(fēng)險(xiǎn)，結(jié)合買入和賣出套期保值策略，計(jì)算核估計(jì)法、GARCH參數(shù)法以及半?yún)?shù)法下基差風(fēng)險(xiǎn)在險(xiǎn)價(jià)值，得到如下結(jié)論：

（1）通過基差的影響因素分析，發(fā)現(xiàn)宏觀經(jīng)濟(jì)因素影響基差走勢(shì)，但效果并不明顯。微觀市場(chǎng)因素對(duì)基差存在顯著影響，投資者進(jìn)入市場(chǎng)時(shí)可以根據(jù)微觀市場(chǎng)因素進(jìn)行時(shí)點(diǎn)選擇。

（2）基于VaR 方法度量的基差風(fēng)險(xiǎn)，發(fā)現(xiàn)我國(guó)螺紋鋼期貨和現(xiàn)貨市場(chǎng)存在較大的波動(dòng)，且基差存在極端風(fēng)險(xiǎn)。

（3）非參數(shù)法、參數(shù)法和半?yún)?shù)法下VaR 多頭和空頭的計(jì)算結(jié)果表明，基于核估計(jì)的非參數(shù)法能很好的度量基差風(fēng)險(xiǎn)，但由于歷史模擬法是基于歷史行情做出相關(guān)的判斷，因此，當(dāng)市場(chǎng)隨著宏觀經(jīng)濟(jì)變化時(shí)，歷史模擬法無法自我彌補(bǔ)；參數(shù)法對(duì)正常的風(fēng)險(xiǎn)波動(dòng)有著較好的擬合能力，但是對(duì)極端風(fēng)險(xiǎn)捕捉信息的能力有限；而半?yún)⒎▽?duì)極端風(fēng)險(xiǎn)估計(jì)較好，但是對(duì)一般尾部的估計(jì)存在偏差。

（4）從擬合基差尾部風(fēng)險(xiǎn)角度看，宏觀經(jīng)濟(jì)是其主要因素影響，因此，鋼材貿(mào)易企業(yè)采用基差套期保值時(shí)，必需對(duì)市場(chǎng)極端行情進(jìn)行預(yù)期，進(jìn)行風(fēng)險(xiǎn)測(cè)度和管理。