滬深300指數(shù)及其股指期貨的風(fēng)險(xiǎn)管理研究

朱溪溪 王文勝

摘?要：滬深300指數(shù)期貨的上市對(duì)于中國金融市場(chǎng)來說具有里程碑意義，滬深300指數(shù)可以在一定程度上反映中國股市整體的趨勢(shì)，對(duì)其進(jìn)行相應(yīng)的風(fēng)險(xiǎn)管理是不可或缺的。文章利用VaR-GARCH模型擬合了滬深300指數(shù)及其股指期貨在2021-10-18到2022-05-20合約期內(nèi)的最新時(shí)序數(shù)據(jù)，實(shí)證結(jié)果表明，該方法目前仍然可以很好地管理滬深300股指期貨的風(fēng)險(xiǎn)。因此，本文提出了基于VaR在險(xiǎn)價(jià)值的大額損失管理策略以及股指期現(xiàn)套利管理策略，從投資者的角度來看，這一研究有利于個(gè)人的風(fēng)險(xiǎn)管理；從市場(chǎng)角度出發(fā)，則可降低市場(chǎng)的系統(tǒng)性金融風(fēng)險(xiǎn)。

關(guān)鍵詞：滬深300股指期貨；風(fēng)險(xiǎn)管理；VaR-GARCH

作者簡介：朱溪溪，碩士研究生，研究方向?yàn)楣善逼谪浐徒鹑谑袌?chǎng)；王文勝，教授，復(fù)旦大學(xué)理學(xué)博士，杭州電子科技大學(xué)教授、博士生導(dǎo)師。曾在浙江大學(xué)和中科院數(shù)學(xué)與系統(tǒng)科學(xué)研究院做博士后研究工作。

一、引言

股票指數(shù)期貨的功能有很多，其中最重要的功能是規(guī)避股市波動(dòng)的價(jià)格風(fēng)險(xiǎn)以及進(jìn)行投機(jī)交易活動(dòng)。投資者對(duì)這種工具的使用，使其能更好地把控股市價(jià)格波動(dòng)帶來的投資風(fēng)險(xiǎn)，并且經(jīng)過一段時(shí)間的發(fā)展，股指期貨也逐漸演變?yōu)榻鹑谄谪浀闹匾a(chǎn)品。2010年股指期貨正式在中國期貨交易所上市，由于具有杠桿性、靈活性和高流動(dòng)性等特殊功能特點(diǎn)，可以用較少的資金控制較多的資產(chǎn)，帶來更高的收益，因此受到了各類投資者的青睞，其交易數(shù)量以及交易規(guī)模在短期內(nèi)得到快速提升，熨平了股票市場(chǎng)的高頻波動(dòng)，進(jìn)而穩(wěn)定金融市場(chǎng)的有效運(yùn)行，對(duì)降低股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)起到了重要作用，彌補(bǔ)了金融市場(chǎng)長期缺乏類似工具的不足。滬深300指數(shù)的產(chǎn)生是因?yàn)楣芍钙谪洠袊Y本市場(chǎng)處在迅速發(fā)展階段，有大量機(jī)構(gòu)投資者涌入。為確保大規(guī)模的資金能夠安全運(yùn)轉(zhuǎn)，有效的避險(xiǎn)工具是很好的選擇，滬深300指數(shù)由此誕生。投資者依據(jù)股票指數(shù)以及股票價(jià)格變動(dòng)的趨勢(shì)，在股票市場(chǎng)和股指期貨市場(chǎng)上進(jìn)行反向操作，可以很好地抵消股票價(jià)格變動(dòng)帶來的風(fēng)險(xiǎn)，從而達(dá)到套期保值的目標(biāo)。股指期貨的出現(xiàn)同樣帶來了一些問題，由于股指期貨本質(zhì)上依然屬于金融工具，只是被嵌入了股票價(jià)格作為其波動(dòng)的因素，所以在投資者進(jìn)行交易的過程中，難免會(huì)對(duì)金融市場(chǎng)產(chǎn)生不良的影響。有研究表明，在2015年至2020年，我國的股指期貨與對(duì)應(yīng)的標(biāo)的價(jià)格呈現(xiàn)一致變化的特征。一般來說，金融產(chǎn)品價(jià)格的波動(dòng)一致性變化是金融產(chǎn)品在各自市場(chǎng)之間共振的結(jié)果，這種共振效應(yīng)會(huì)增加金融產(chǎn)品子市場(chǎng)的風(fēng)險(xiǎn)，進(jìn)而加劇整個(gè)金融市場(chǎng)的系統(tǒng)性金融風(fēng)險(xiǎn)。為順應(yīng)國際市場(chǎng)發(fā)展的趨勢(shì)，中國對(duì)外開放的腳步逐漸加快，中國的資本市場(chǎng)也受到了國際資本的廣泛關(guān)注，但是由于新興資本市場(chǎng)不能很好地管理金融風(fēng)險(xiǎn)，缺乏對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的防范意識(shí)和解決突發(fā)事件的能力，投資者認(rèn)為其利益不能得到很好的保障，使得早些時(shí)間，我國資本市場(chǎng)對(duì)國外資本的吸引力較弱，人們更愿意把資金投入有較高投資回報(bào)率的安全資產(chǎn)中。由此可見，一方面有必要對(duì)股指期貨的風(fēng)險(xiǎn)進(jìn)行管理研究，以防止股指期貨擾亂金融市場(chǎng)的秩序，引導(dǎo)其發(fā)揮正向的功能；另一方面通過吸引國際投資者，強(qiáng)調(diào)風(fēng)險(xiǎn)管理，共同創(chuàng)造一個(gè)成熟的市場(chǎng)，對(duì)我國金融市場(chǎng)的發(fā)展和資本的利用具有重要的現(xiàn)實(shí)意義。

二、模型構(gòu)建

VaR-GARCH模型被廣泛應(yīng)用于金融市場(chǎng)的風(fēng)險(xiǎn)管理研究中，VaR-GARCH模型建立原理如下：對(duì)股指期貨合約或股價(jià)指數(shù)的以往漲跌數(shù)據(jù)進(jìn)行分析處理，并且和GARCH曲線進(jìn)行擬合，得到方差方程及預(yù)測(cè)標(biāo)準(zhǔn)差，在一定的置信水平下采用風(fēng)險(xiǎn)價(jià)值的方法，較為準(zhǔn)確地得出某個(gè)交易日股指期貨合約的VaR值，并在一定的置信區(qū)間水平下檢驗(yàn)其合理性。本文通過VaR-GARCH模型進(jìn)行風(fēng)險(xiǎn)度量，對(duì)滬深300指數(shù)和滬深300指數(shù)期貨IF2206的風(fēng)險(xiǎn)價(jià)值進(jìn)行度量，并檢驗(yàn)度量的有效性。結(jié)果表明，VaR對(duì)當(dāng)下市場(chǎng)的風(fēng)險(xiǎn)度量有著較高的適用性。用VaR進(jìn)行風(fēng)險(xiǎn)管理可以規(guī)避大額損失，利用存在的基差對(duì)指數(shù)與期指進(jìn)行風(fēng)險(xiǎn)對(duì)沖活動(dòng)，可以實(shí)現(xiàn)風(fēng)險(xiǎn)管理的目標(biāo)。股票市場(chǎng)收益率的波動(dòng)聚集性以及不對(duì)稱性決定了要想刻畫這樣的特性需要用到高頻模型來描述，GARCH模型及其衍生模型就是用來描述這些特性的一類方法，并且結(jié)合VaR方法來計(jì)算收益率的尾部分布特性，進(jìn)而通過條件異方差模型中的條件方差來度量股票指數(shù)期貨的VaR。

1VaR的計(jì)算方法

VaR方法的解釋是風(fēng)險(xiǎn)價(jià)值方法，是用來評(píng)估金融風(fēng)險(xiǎn)的工具。早在20世紀(jì)90年代，G30成員發(fā)表了一份關(guān)于金融衍生工具的報(bào)告，首次建議使用“風(fēng)險(xiǎn)價(jià)值系統(tǒng)來評(píng)估金融風(fēng)險(xiǎn)”，其一出現(xiàn)就受到了廣大金融機(jī)構(gòu)的青睞并被采用。

該方法的基本原理如下。

VaR值是在置信度為α的情況下，在某一特定時(shí)間段內(nèi)，并且金融市場(chǎng)處在一個(gè)相對(duì)平穩(wěn)的波動(dòng)范圍內(nèi)，預(yù)期的某種金融資產(chǎn)或組合的最大損失。VaR可表示為

Prob{ΔV（Δt，Δx）≤VaR}=1-α（1）

其中，ΔV是某一資產(chǎn)在一段時(shí)間內(nèi)的價(jià)值變化數(shù)額，Δt是這段時(shí)間的存續(xù)期間，Δx是特定時(shí)間內(nèi)的風(fēng)險(xiǎn)因子，VaR是預(yù)期可能的最大損失，是特定置信條件下的損失上限，α為置信度，Prob是在置信度為α的情況下資產(chǎn)價(jià)值的真實(shí)虧損小于預(yù)期的損失上限的概率。為了描述金融市場(chǎng)中的金融資產(chǎn)價(jià)格變化的高頻特點(diǎn)，往往其收益率分布呈“尖峰厚尾”，即非正態(tài)分布的形式，使其可以運(yùn)用適當(dāng)?shù)慕y(tǒng)計(jì)學(xué)方法來擬合VaR的預(yù)期收益率分布函數(shù)。文章假定金融資產(chǎn)的收益率Rt服從均值為μ、方差為σ2的正態(tài)分布。

給定置信水平α，可以得到日度的金融資產(chǎn)價(jià)格的VaR為

VaR=ZασP（2）

其中，Zα為正態(tài)分布在置信度為α下的分位數(shù)，σ為金融資產(chǎn)收益率的方差，P為前一時(shí)期的資產(chǎn)價(jià)格。如果收益率的分布服從學(xué)生氏分布，金融資產(chǎn)價(jià)格的日度VaR值為

VaR=TασP（3）

本文采用德爾塔—正態(tài)分布法計(jì)算VaR值，認(rèn)為回報(bào)服從正態(tài)分布，置信度與分位數(shù)的對(duì)應(yīng)性計(jì)算的組合的VaR等于其收益率的標(biāo)準(zhǔn)差與其相應(yīng)置信度下分位數(shù)的乘積。并假定資產(chǎn)價(jià)格的收益率分布的波動(dòng)率是可變的，即存在異方差性，所以為了擬合金融變量的異方差特性，本文運(yùn)用GARCH模型對(duì)金融變量的異方差性進(jìn)行統(tǒng)計(jì)分析。

2失敗檢驗(yàn)法

失敗檢驗(yàn)法的目的在于檢驗(yàn)VaR的估計(jì)值與實(shí)際情況是否符合，在觀測(cè)樣本中，實(shí)際損益值超過VaR估計(jì)值的次數(shù)所占的比率定義為失敗率。

假定計(jì)算VaR值的置信水平為α，總的樣本天數(shù)為T，其中失敗天數(shù)為N，于是可以得到失敗的頻率為p（N/T）?？梢粤钜獧z驗(yàn)的原假設(shè)為p=p*，得到T天中發(fā)生N天失敗的概率為（1-p）T-NpN。

中國證券期貨2023年10月

第5期

滬深300指數(shù)及其股指期貨的風(fēng)險(xiǎn)管理研究

運(yùn)用LR檢驗(yàn)統(tǒng)計(jì)量來進(jìn)行檢驗(yàn)，其基本思路是若約束條件成立，則兩個(gè)函數(shù)估計(jì)出來的似然函數(shù)值大概是相等的：

LR=-2ln［（1-p*）T-Np*N］+

2ln1-NTT-NNTN

值得注意的是，需要更多的樣本來估計(jì)潛在損失，需要選擇更大的置信度來緩解樣本的系統(tǒng)性誤差，如99%。

3GARCH模型

GARCH（p，q）模型的基本形式如下。

均值方程：

yt=xtφ+ut，ut～N0，σ2t（4）

方差方程：

σ2t=α0+

∑pi=1α1u2t-i+

∑qj=1β0σ2t-j（5）

其中，p、q分別對(duì)應(yīng)自回歸條件異方差模型中的ARCH項(xiàng)與GARCH項(xiàng)的階數(shù)。當(dāng)獲取了股票指數(shù)或者股指期貨的歷史數(shù)據(jù)，就可以采用VaRGARCH模型來得到均值方程、方差方程和預(yù)測(cè)標(biāo)準(zhǔn)差，采用VaR方法，并在置信水平α下計(jì)算出特定交易日股票指數(shù)和對(duì)應(yīng)的股指期貨的在險(xiǎn)價(jià)值。

三、數(shù)據(jù)說明和統(tǒng)計(jì)描述

（一）數(shù)據(jù)說明

本文在進(jìn)行數(shù)據(jù)選擇過程中主要原則是數(shù)據(jù)的可獲得性、完整性和可靠性，所以選取相對(duì)高頻的日度金融數(shù)據(jù)作為研究對(duì)象：滬深300指數(shù)期貨IF2206，樣本區(qū)間為2021-10-18到2022-05-20的合約數(shù)據(jù)，以及滬深300指數(shù)相同樣本區(qū)間的時(shí)間序列數(shù)據(jù)，樣本個(gè)數(shù)均為144個(gè)。數(shù)據(jù)來源為同花順資訊網(wǎng)絡(luò)端。

（二）數(shù)據(jù)預(yù)處理

本文的數(shù)據(jù)處理為滬深300股指期貨2206數(shù)據(jù)集，數(shù)據(jù)集列指標(biāo)為兩個(gè)標(biāo)的的價(jià)格數(shù)據(jù)。為了保證數(shù)據(jù)的合理性與有效性，在進(jìn)行后續(xù)計(jì)算之前，首先對(duì)數(shù)據(jù)集進(jìn)行清洗，包括異常值檢測(cè)與處理以及缺失值檢測(cè)與處理。

1異常值檢測(cè)與處理

拉伊達(dá)準(zhǔn)則是用來處理異常數(shù)據(jù)的常用方法，需要一組檢測(cè)數(shù)據(jù)只含有隨機(jī)誤差，對(duì)這些數(shù)據(jù)進(jìn)行處理和計(jì)算得到標(biāo)準(zhǔn)偏差，按照一定的概率確定一個(gè)區(qū)間，但凡超出這個(gè)區(qū)間的認(rèn)為不是標(biāo)準(zhǔn)誤差而是粗大誤差，對(duì)有誤差的數(shù)據(jù)予以剔除。本文具體數(shù)據(jù)處理過程如下：

首先，需要樣本滿足正態(tài)分布特性，當(dāng)然如果樣本不滿足正態(tài)分布特性也可以對(duì)其進(jìn)行處理，用樣本的屬性值進(jìn)行計(jì)算。在本文中，測(cè)算出變量x的平均值x-和每一個(gè)屬性值xi的剩余誤差i，計(jì)算公式如下：

x-=1n∑ni=1xi（6）

i=xi-x-（7）

其中，n表示樣本的個(gè)數(shù)，xi表示變量x的第i個(gè)樣本數(shù)據(jù)，x-表示變量的算術(shù)平均值。

其次，根據(jù)貝塞爾公式測(cè)算出變量的標(biāo)準(zhǔn)誤σ，貝塞爾公式被定義為以下形式：

σ=

1n-1∑ni=1

2（8）

最后，使用拉伊達(dá)準(zhǔn)則篩選出異常數(shù)據(jù)，其中拉伊達(dá)準(zhǔn)則被定義為以下形式：

i>3σ（9）

其中，i表示xi的剩余誤差，總是為正。如果xi的剩余誤差大于3σ，數(shù)據(jù)樣本的采樣數(shù)據(jù)將被確定為異常值。在進(jìn)行屬性變量的上述測(cè)算后，本文并未發(fā)現(xiàn)對(duì)數(shù)據(jù)集造成較大影響的異常值。

2缺失值檢測(cè)與處理

對(duì)于數(shù)據(jù)集中存在空值的可能性，需要進(jìn)行缺失值的檢測(cè)和處理。設(shè)置一個(gè)缺失比例的閾值為γmis。對(duì)于該比例的設(shè)置，可以參照數(shù)據(jù)的多少進(jìn)行主觀設(shè)定，本文設(shè)定該值為γmis=

圖1?時(shí)間序列走勢(shì)

09。如果被測(cè)量的屬性變量缺失的比例超過γmis，表明樣本在該變量下缺失較為嚴(yán)重，應(yīng)該將該變量下的所有數(shù)據(jù)全部清除；反之，若該屬性變量的缺失比例小于γmis，表明樣本在該屬性變量下的缺失可以接受。為了保證樣本數(shù)據(jù)在變量下的完整性，進(jìn)行插補(bǔ)程序，插補(bǔ)的方式為

xi=xi-1+xi+12（10）

對(duì)數(shù)據(jù)進(jìn)行遍歷后發(fā)現(xiàn)，該數(shù)據(jù)集沒有缺失數(shù)據(jù)，完整度為100%。

最后，經(jīng)過異常值和缺失值檢測(cè)處理保證了數(shù)據(jù)的可用性，確定用檢驗(yàn)的所有樣本進(jìn)行后續(xù)的分析。

（三）統(tǒng)計(jì)描述

1描述性統(tǒng)計(jì)分析

首先，對(duì)滬深300指數(shù)以及滬深300股指期貨2206價(jià)格指標(biāo)進(jìn)行對(duì)數(shù)處理，獲取對(duì)數(shù)收益率，表達(dá)式為

Rt=lnPt-lnPt-1（11）

Pt和Pt-1分別為股指期貨的當(dāng)日收盤價(jià)和前日收盤價(jià)。記滬深300股指期貨2206的價(jià)格和收益率為IF2206P和IF2206R，滬深300指數(shù)的價(jià)格及收益率為HS300P和HS300R，具體序列的走勢(shì)如圖1的四個(gè)子圖所示。然后，分別對(duì)滬深300指數(shù)以及滬深300股指期貨2206收益率數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，如圖2所示?？梢钥闯?，在價(jià)格走勢(shì)方面，兩個(gè)序列的走勢(shì)大致相同，原因是IF2206P是滬深300指數(shù)的某個(gè)期貨價(jià)格。從收益率方面來看，由于價(jià)格走勢(shì)相近，收益率的分布也相近，并且收益率出現(xiàn)明顯的波動(dòng)性與聚集性效應(yīng)。這比較符合金融市場(chǎng)高頻時(shí)間序列的特征。

2樣本分布及其檢驗(yàn)

一般情形下，若偏度為0，峰度為3，則分布為正態(tài)分布。由表1可以看出，IF2206R的偏度為-03401，峰度為77960，是金融市場(chǎng)中常見的“尖峰厚尾”現(xiàn)象，而且雅克-貝拉統(tǒng)計(jì)量為1398099，大于臨界值，伴隨概率為00000，拒絕是正態(tài)分布的原假設(shè)，因此可以認(rèn)為IF2206R非正態(tài)分布。同理，HS300R的偏度為-03707，峰度為51804，雅克-貝拉統(tǒng)計(jì)量為318228，HS300R也非正態(tài)分布。

3時(shí)間序列平穩(wěn)性分析

為了避免時(shí)間序列的偽回歸問題，我們將對(duì)IF2206R和HS300R進(jìn)行平穩(wěn)性檢驗(yàn)。本文選擇ADF檢驗(yàn)法進(jìn)行單位根檢驗(yàn)，檢驗(yàn)的結(jié)果如表2所示。

從表2可以看出，IF2206R和HS300R的ADF值都在1%的顯著性水平下拒絕原假設(shè)，即股指期貨和股票指數(shù)的收益率序列在樣本期內(nèi)是平穩(wěn)的，可以進(jìn)行后續(xù)的回歸分析。

四、自回歸條件異方差的回歸分析

在GARCH模型的構(gòu)建過程中，首先需要檢驗(yàn)序列是否存在ARCH效應(yīng)，只有具有該效應(yīng)才能構(gòu)建GARCH模型，本文對(duì)IF2206R和HS300R兩個(gè)序列進(jìn)行了ARCH效應(yīng)的LM檢驗(yàn)，均顯示存在ARCH效應(yīng)。接著，為了得到更優(yōu)秀的GARCH模型，本文需要對(duì)GARCH模型的階數(shù)做出篩選，文章根據(jù)AIC和SC準(zhǔn)則進(jìn)行篩選，結(jié)果如表3和表4所示。

如表3和表4所示，對(duì)于HS300R的GARCH模型選擇中，根據(jù)AIC和SC最小的評(píng)選標(biāo)準(zhǔn)，GARCH（1，1）可以很好地?cái)M合HS300R序列；對(duì)于IF2206R的GARCH模型選擇中，GARCH（2，1）可以很好地?cái)M合IF2206R序列。

根據(jù)表3和表4選擇出來的模型，估計(jì)出兩個(gè)模型的各個(gè)系數(shù)，匯總于表5和表6中，其中μ2t-1是ARCH項(xiàng)的系數(shù)，h2t-1是GARCH項(xiàng)的系數(shù)。

表7和表8檢驗(yàn)了HS300R和IF2206R在經(jīng)過GARCH模型擬合之后是否還具有ARCH效應(yīng)，結(jié)果顯示沒有理由認(rèn)為兩個(gè)模型的LM統(tǒng)計(jì)值在5%的顯著性水平下顯著存在ARCH效應(yīng)，即擬合之后，模型不具有ARCH效應(yīng)。根據(jù)GARCH模型的系數(shù)和小于1、各系數(shù)非負(fù)的約束，滿足參數(shù)約束，表明本文所使用的模型具有有效性。

五、股指與股指期貨VaR值計(jì)算與檢驗(yàn)

由前文得到的方差方程，可以計(jì)算樣本期內(nèi)每一天的方差估計(jì)值，根據(jù)公式VaR=ZασtPt-1來計(jì)算樣本期內(nèi)每一天的VaR值，本文選擇置信水平α為5%，根據(jù)正態(tài)分布的計(jì)算可得Zα=196。然后，根據(jù)失敗檢驗(yàn)法進(jìn)行檢驗(yàn)，在給定α=5%的顯著性水平下，得到預(yù)期失敗的水平，最后利用VaR結(jié)果和實(shí)際的損益進(jìn)行比較，得到失敗概率。在計(jì)算實(shí)際損益時(shí)需要用到公式SRt=RtPt，是本期的價(jià)格與本期的收益率之積，IF2206股指期貨和HS300指數(shù)序列VaR的預(yù)測(cè)與實(shí)際的損益對(duì)比如圖3和圖4所示。從圖中可以發(fā)現(xiàn)，IF2206股指期貨和HS300指數(shù)序列的VaR

預(yù)測(cè)值都幾乎覆蓋了兩個(gè)序列的實(shí)際損益值。

5%顯著性水平（95%的置信度）下的失敗頻率檢驗(yàn)結(jié)果如表9所示。結(jié)果顯示，5%顯著性水平下滬深300指數(shù)以及滬深300的股指期貨的VaR風(fēng)險(xiǎn)管理失敗頻率分別為629%與503%，兩者差別不大，與期望失敗天數(shù)相比，實(shí)際的失敗頻率與期望失敗頻率幾乎一致，說明VaR的風(fēng)險(xiǎn)管理效果較好，也表明VaR方法對(duì)當(dāng)前我國的金融市場(chǎng)的適應(yīng)性較強(qiáng)。

六、風(fēng)險(xiǎn)管理策略

（一）基于VaR在險(xiǎn)價(jià)值的大額損失管理

基于VaR的風(fēng)險(xiǎn)管理策略，可以比較有效地識(shí)別出不論是股指期貨還是指數(shù)的最大損失，在預(yù)期最大損失超過某一閾值時(shí)，執(zhí)行賣出策略可以將風(fēng)險(xiǎn)控制在投資者接受范圍之內(nèi)。VaR是度量前一期的價(jià)格在當(dāng)期波動(dòng)下的最大損失，當(dāng)日的波動(dòng)只有當(dāng)日交易結(jié)束后才能知曉，雖然無法進(jìn)行當(dāng)期的操作，但是如果能夠?qū)@種波動(dòng)進(jìn)行預(yù)測(cè)，則可以解決這個(gè)問題。根據(jù)GARCH模型的解釋，當(dāng)期的波動(dòng)是和以往的波動(dòng)相關(guān)，所以當(dāng)期的波動(dòng)完全是可以預(yù)測(cè)的。如果預(yù)期的VaR值較大時(shí)，我們需要進(jìn)行賣出操作，規(guī)避過高損失。也就是說，只有當(dāng)實(shí)際損益值SR超過VaR時(shí)，我們才會(huì)采取賣出操作。但是另一個(gè)問題是，如何知道當(dāng)期收益率呢？同樣的在均值方程中，可以通過以往的收益率進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)收益率。

在HS300R中，我們估計(jì)了該序列的均值方程和方差方程。

均值方程：

HS300R=-00499×HS300R（-1）-00003（12）

方差方程：

h2t=00536μ2t-1+08428h2t-1（13）

有了上述的預(yù)測(cè)模型，即可基于VaR的預(yù)期最大損失，進(jìn)行過高損失規(guī)避。更進(jìn)一步，還可以不斷更新均值方程和方差方程的系數(shù)，實(shí)行動(dòng)態(tài)管理。

（二）股指期現(xiàn)套利風(fēng)險(xiǎn)管理策略

現(xiàn)貨與期貨的套利方式是當(dāng)現(xiàn)貨市場(chǎng)和期貨市場(chǎng)的價(jià)格出現(xiàn)偏離時(shí)，投資者在兩個(gè)市場(chǎng)進(jìn)行相反交易，以獲得無風(fēng)險(xiǎn)收益。

在期現(xiàn)套利活動(dòng)中，投資者需要關(guān)注市場(chǎng)的供需情況等，掌握市場(chǎng)風(fēng)險(xiǎn)和資金風(fēng)險(xiǎn)，選擇適合的套利方向和套利時(shí)間。需要注意的是，期現(xiàn)套利并不是一種穩(wěn)定的盈利方式，需要投資者具備較高的市場(chǎng)走勢(shì)分析能力和風(fēng)險(xiǎn)防控能力。

從本文的樣本區(qū)間的數(shù)據(jù)表現(xiàn)來看，基差在絕大多數(shù)時(shí)間為負(fù)數(shù)（圖5），表明IF2206股指期貨相比于滬深300指數(shù)存在低估，此時(shí)應(yīng)該執(zhí)行賣空IF2206合約，買入跟蹤指數(shù)基金ETF標(biāo)的資產(chǎn)，達(dá)到風(fēng)險(xiǎn)對(duì)沖的目的。但需要注意的是，股指期貨與股指的價(jià)格水平會(huì)在期貨合約到期日之前趨同，即離合約到期日越近，兩者的價(jià)格差越小，所以在合約到期的期間套利是存在的，越偏離的價(jià)格差，套利作用越明顯，根據(jù)價(jià)格趨同原理管理風(fēng)險(xiǎn)是有益的。

在期貨市場(chǎng)交易所需的保證金和手續(xù)費(fèi)都較低，這就增強(qiáng)了流動(dòng)性。如果出現(xiàn)信息影響投資交易者對(duì)市場(chǎng)的預(yù)期，那么投資者就會(huì)改變自己的投資交易行為和方向，這一影響很快就會(huì)在期貨市場(chǎng)上表現(xiàn)出來。如果基差與所持成本偏離較大，就存在期現(xiàn)套利的機(jī)會(huì)。套利交易者會(huì)看到并且迅速做出反應(yīng)，充分利用短暫的價(jià)格差，把握轉(zhuǎn)瞬即逝的時(shí)機(jī)進(jìn)行套利。這一行為可以均衡現(xiàn)貨和期貨市場(chǎng)的價(jià)格。套利交易的功能主要在于觀察市場(chǎng)的相對(duì)價(jià)格，對(duì)價(jià)格敏感，發(fā)現(xiàn)價(jià)格變化做出反應(yīng)來促使市場(chǎng)價(jià)格關(guān)系走向合理，可以起到優(yōu)化市場(chǎng)資源配置的功能。因此，研究套利對(duì)判斷市場(chǎng)的投機(jī)狀態(tài)和市場(chǎng)價(jià)格水平合理與否很有幫助。

圖5?HS300指數(shù)與IF2206價(jià)格基差變化

七、結(jié)論與建議

（一）結(jié)論

自2010年滬深300股指期貨上市以來，我國金融市場(chǎng)不斷發(fā)展，各種風(fēng)險(xiǎn)管理方法在我國金融市場(chǎng)得到驗(yàn)證。本文對(duì)滬深300指數(shù)和對(duì)應(yīng)的股指期貨進(jìn)行VaR-GARCH建模，使用經(jīng)過處理后較為合理的數(shù)據(jù)，驗(yàn)證了金融市場(chǎng)股市的波動(dòng)聚集性以及通過VaR方法進(jìn)行風(fēng)險(xiǎn)度量的有效性和可行性，在失敗檢驗(yàn)中，文章的失敗頻率與預(yù)期失敗頻率接近。表明了VaR對(duì)于風(fēng)險(xiǎn)管理的效果較好，適合我國金融市場(chǎng)發(fā)展現(xiàn)狀。最后，本文還提出了兩種基于股指和股指期貨的風(fēng)險(xiǎn)管理方法：一是通過模型法對(duì)過高的損失進(jìn)行管理、規(guī)避；二是根據(jù)股指和股指期貨在合約到期日之前的一段時(shí)間的趨同特性以及合約中期出現(xiàn)的不合理價(jià)差進(jìn)行套利管理風(fēng)險(xiǎn)。對(duì)于后者的策略，不論是對(duì)于投資者個(gè)人還是市場(chǎng)都是有益的，對(duì)于個(gè)人來說可以通過套利手段獲取收益，對(duì)于市場(chǎng)來說需要這類投資者充當(dāng)交易對(duì)手方來消除市場(chǎng)的不合理超額收益，讓市場(chǎng)得以平穩(wěn)發(fā)展。

（二）建議

從市場(chǎng)監(jiān)管者層面來說，應(yīng)該積極、主動(dòng)運(yùn)用VaR風(fēng)險(xiǎn)管理技術(shù)來對(duì)股指期貨的風(fēng)險(xiǎn)進(jìn)行防范控制，使金融市場(chǎng)風(fēng)險(xiǎn)的管理更加有效。對(duì)市場(chǎng)進(jìn)行有效監(jiān)管的同時(shí)也要給予市場(chǎng)主動(dòng)學(xué)習(xí)與調(diào)節(jié)的機(jī)會(huì)。加強(qiáng)對(duì)機(jī)構(gòu)投資者的培訓(xùn)教育，機(jī)構(gòu)投資者是金融衍生品市場(chǎng)的重要參與人，在一定程度上能夠?qū)κ袌?chǎng)穩(wěn)定和分散風(fēng)險(xiǎn)起到良性作用，進(jìn)而提高市場(chǎng)運(yùn)行和資金使用效率，促進(jìn)金融市場(chǎng)更穩(wěn)健發(fā)展。在監(jiān)管過程中需要注意的是，應(yīng)該加強(qiáng)機(jī)制建設(shè)而非強(qiáng)制干預(yù)，把握對(duì)現(xiàn)代金融市場(chǎng)的監(jiān)管，強(qiáng)化金融穩(wěn)定保障體系，守住底線，對(duì)風(fēng)險(xiǎn)來源和風(fēng)險(xiǎn)控制進(jìn)行分析，持續(xù)強(qiáng)化對(duì)市場(chǎng)風(fēng)險(xiǎn)的防控能力，充分釋放市場(chǎng)的自我調(diào)節(jié)能力。

從投資者層面來說，可以提高專業(yè)知識(shí)水平并且嘗試將VaR運(yùn)用于股指期貨的實(shí)際操作，用理論與理性指導(dǎo)自己的風(fēng)險(xiǎn)行為，對(duì)數(shù)據(jù)進(jìn)行合理分析，審時(shí)度勢(shì)，增加自己投資的合理性，使風(fēng)險(xiǎn)更加可控。同時(shí)，投資者個(gè)人也要有法律意識(shí)，依法行使權(quán)利、履行義務(wù)，養(yǎng)成良好的投資習(xí)慣，在法律允許的范圍內(nèi)進(jìn)行各項(xiàng)金融活動(dòng)，提高風(fēng)險(xiǎn)防范意識(shí)和自我保護(hù)意識(shí)，這有利于促進(jìn)我國股票市場(chǎng)價(jià)值投資理念的進(jìn)一步形成，培育股票市場(chǎng)的良性機(jī)制。

從股指期貨合約編制的層面來說，權(quán)威機(jī)構(gòu)在編制與管理股指期貨合約時(shí)，應(yīng)該科學(xué)、合理地設(shè)計(jì)股指期貨合約，股指期貨合約的標(biāo)的應(yīng)該能綜合反映中國股市整體情況。設(shè)計(jì)時(shí)要考慮股指期貨流動(dòng)性和風(fēng)險(xiǎn)程度，標(biāo)的股票指數(shù)的市值、活躍度等因素也是需要綜合考慮的。這樣才能保證股指期貨合約的功能得到充分發(fā)揮且不會(huì)被輕易操縱。

從立法層面來說，國家應(yīng)進(jìn)一步完善風(fēng)險(xiǎn)管理的法規(guī)體系，制定法律法規(guī)，形成規(guī)范，及時(shí)應(yīng)對(duì)和解決在股指期貨運(yùn)行過程中可能存在的問題和隱患，建立、健全應(yīng)對(duì)風(fēng)險(xiǎn)事件的有效機(jī)制，依法管理。此外，應(yīng)積極向國外成熟的金融市場(chǎng)學(xué)習(xí)，取其精華去其糟粕，與國際市場(chǎng)接軌，增加國際市場(chǎng)競(jìng)爭(zhēng)力，找出適合國內(nèi)市場(chǎng)發(fā)展的政策與方向，不斷完善相關(guān)法律政策，為我國金融市場(chǎng)的發(fā)展和風(fēng)險(xiǎn)管理營造出良好的環(huán)境。

參考文獻(xiàn)

［1］胡可為，安毅，劉文超我國股指期貨市場(chǎng)的價(jià)格關(guān)聯(lián)與系統(tǒng)性風(fēng)險(xiǎn)防范［J］.中國證券期貨，2021（4）：4-15

［2］徐偉浩滬深300股指期貨VaR-GARCH模型風(fēng)險(xiǎn)管理研究——基于恒指期貨的比較視角［J］.金融縱橫，2011（10）：31-35

［3］劉虎嘯，楊克明VAR方法在我國滬深300股指期貨風(fēng)險(xiǎn)管理的應(yīng)用［J］.現(xiàn)代商貿(mào)工業(yè)，2019，40（31）：105-107

［4］曹志鵬，路華基于GARCH-VaR方法的套期保值比率與效率的實(shí)證［J］.統(tǒng)計(jì)與決策，2018，34（16）：157-160

［5］王秀祥，劉勝題基于Var的金融風(fēng)險(xiǎn)管理方法研究［J］.生產(chǎn)力研究，2020（12）：45-47

［6］胡銳基于GARCH-VaR方法的碳金融交易市場(chǎng)風(fēng)險(xiǎn)研究［J］.現(xiàn)代營銷（學(xué)苑版），2021（5）：30-31

［7］張曼琳，王宇菲基于GARCH族的VaR方法在上證市場(chǎng)中的風(fēng)險(xiǎn)度量［J］.石河子科技，2019（2）：24-28

［8］金麟，宋鑫基于VaR-GARCH模型的我國物流地產(chǎn)REITs投資風(fēng)險(xiǎn)評(píng)價(jià)［J］.工程經(jīng)濟(jì)，2021，31（9）：32-35

Research?on?Risk?Management?of?CSI?300?Index?and?Its

Stock?Index?Futures—Based?on?VaR-GARCH?Model

ZHU?Xixi?WANG?Wensheng

（Hangzhou?Dianzi?University，Hangzhou?310018，China）

Abstract：?The?listing?of?CSI?300?index?futures?is?a?milestone?for?Chinas?financial?market，?which?is?of?great?significance?in?risk?management?This?paper?uses?the?VaR-GARCH?model?to?fit?the?latest?time?series?data?of?the?contract?period?from?2021-10-18?to?2022-05-20?of?CSI?300?Index?and?its?stock?index?futures，?and?the?results show?that?this?method?can?still?manage?the?risk?of?CSI?300?stock?index?futures?well，?and?puts?forward?a?large?loss?management?strategy?based?on?VaR?at?risk?value?and?a?stock?index?spot?arbitrage?management?strategy，?from?the?perspective?of?investors，?this?research?is?not?only?beneficial?to?personal?risk?management?It?is?more?conducive?to?reducing?the?systemic?financial?risk?of?the?market

Keywords：CSI?300?Stock?Index?Futures;Risk?Management;?VaR-GARCH