我国玻璃期货的收益率及其波动性分析
时间：2020-12-29 20:05:08 来源：雅意学习网 本文已影响 人 
【摘 要】 为了研究我国玻璃期货价格波动情况，选取了2012年12月3日至2013年9月30日玻璃期货主力合约的每日结算价交易数据，构建MA（1）和TGARCH（1，2）对玻璃期货的收益率和波动性进行分析，实证表明玻璃期货收益率具有明显的波动聚集性和一定的非对称性，并不存在明显的条件均值特征。玻璃生产企业能够通过玻璃期货合约价格波动规律展开套期保值操作而规避风险。a
【关键词】 ARMA模型； GARCH模型； 玻璃期货； 波动性； 收益率
中图分类号：F830.91 文献标识码：A 文章编号：1004-5937（2014）23-0087-05
一、引言
平板玻璃期货作为全球第一只玻璃期货于2012年12月3日在郑州商品交易所上市。开展玻璃期货交易，一方面，可以形成具有代表性的玻璃预期价格。生产者可以据此确定生产规模，推动市场供求达到基本平和，减缓玻璃建材行业按照现货价格盲目扩张产能造成产能过剩；相关企业可以利用套期保值稳定成本和收益，规避玻璃价格波动带来的风险，促进玻璃价格在合理区域内运行。另一方面，可以借助玻璃期货交割标准，引导玻璃行业适应国家调整产业结构及环保方面的政策要求，淘汰落后产能，提高生产集中度和要素配置效率，进一步扩大优质率，提高我国玻璃产品的整体质量和市场竞争力。
由于目前玻璃产品的流通大部分在一定市场区域内，因此该区域内的玻璃生产企业基本上都是以区域内的主要竞争对手的产品价格以及其他综合因素来确定本身的产品价格。在各个区域内的玻璃价格之间也存在一定的影响关系，并非独立运作的。在玻璃企业日常的销售过程中，产品的定价模式主要以“随行就市”定价法为主。玻璃产品的销售半径日益缩小，企业的定价主要参照市场需求以及周边同行业的产品价格水平。在具体业务方面，各企业的产品存在一定的差别，因此各企业的产品存在价差。通常有以下几种定价方式：价格补贴、保值销售、月末结算、实行到岸价格政策、价格协调。这几种定价方式各有利弊，总体来看，现在玻璃市场的价格竞争种类多样，方式较多。主要是由于玻璃市场竞争激烈，普通玻璃产品的生产企业市场范围越来越小。生产企业为了较好地完成生产经营任务，往往不止使用一种竞争手段和策略，而是各种竞争手段组合起来使用。玻璃行业的价格变化影响因素不仅仅局限于玻璃行业上下游行业的发展情况，还有国家宏观经济的影响、市场消费心理的变化等。所以研究玻璃期货对于发现玻璃现货价格，规避价格波动风险具有重要作用。
根据郑州商品期货研究所规定，其基准交割品是符合《中华人民共和国国家标准 平板玻璃》（GB 11614-2009）的5mm无色透明平板玻璃（不大于2m×2.44m）一等品，交易单位为20吨/手，报价单位为元（人民币）/吨，最小变动价位为1元/吨，每日价格波动限制在上一交易日结算价±4%及《郑州商品交易所风险控制管理办法》相关规定，合约交割月份在1—12月。本文通过对玻璃期货自上市以来一直到2013年10月份将近200天交易日的每日结算价的日收益率及其波动性研究，利用ARMA和GARCH模型来构建和衡量玻璃期货日收益率和波动率的适合模型，来分析其波动性并进行预测，从而指导玻璃期货的合理定价，控制和管理其价格波动风险。
二、文献综述和模型准备
对于时间序列数据而言，一般采用自回归移动平均（ARMA）模型，这一模型与回归模型完全不同，是由G.Box和GM.Jenkins系统提出的。这种建模方法的特点不考虑其他解释变量的作用，不以经济理论为依据，而是依靠变量本身的变化规律，利用外推机制描述时间序列的变化，并且注重序列数据的平稳性，当时间序列非平稳时，首先要通过差分使序列平稳后再建立时间序列模型。原理如下：
ARMA（p，q）模型的一般形式为：
yt=c+■αiyt-i+εt+■θjεt-j （1）
（1）式中yt是平稳时间序列，yt-i是yt的滞后期随机变量（i=1，2，…，p），误差项εt是方差为σ2的白噪声过程（j=1，2，…，q），c是常数项，αi和θj分别是自回归系数和移动平均系数。显然，如果q=0，那么（1）式就成为一个纯AR过程；如果p=0，则变为一个纯MA过程。
自从1982年Engle提出自回归条件异方差（ARCH）模型以来，对于波动率的研究越来越多，但是ARCH模型存在一些无法克服的缺点，比如：ARCH模型假定正的扰动和负的扰动对波动率有相同的影响，而实际中金融资产的价格对正的和负的扰动的反应是不同的；ARCH模型对参数的限制相当强，对于高阶ARCH模型，这种约束变得更为复杂；对于弄清一个金融时间序列的变化来源，ARCH模型不能提供任何新见解，它只是提供一个机械的方式来描述条件方差的行为，而对由什么引起这种行为却没有任何启示；ARCH模型给出的波动率预报值会偏高，因为它对收益率序列大的孤立的扰动反应缓慢。ARCH模型存在种种缺点，因而各种推广模型被相继提出，其中最为流行的是1986年Bollerslev提出的GARCH模型。GARCH模型和ARCH模型具有相同的弱点，例如，它对正的和负的扰动有相同的反应，而为了适应这种非对称性的情况，Nelson又提出了指数GARCH（EGARCH）模型，Glosten、Jagannathan、Runkle和Zakoian提出了门限GARCH（TGARCH）模型。
GARCH（p，q）模型的一般形式为：
yt=xtφ+μt，μt～N（0，σ■■）σ■■=α0+■αiμ■■+■βjσ■■ （2）
（2）式中，q表示GARCH项中的滞后阶数，p表示ARCH项中的滞后阶数，μt表示无序列相关的随机扰动项，σ■■表示在t时刻随机扰动项的方差，即条件方差项。而如果加入一个虚拟变量来设置一个门限，就变成了TARCH模型，用以区分正负冲击对波动性的影响。
