股指期貨套期保值
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇股指期貨套期保值范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。
股指期貨套期保值范文第1篇
一、股指期貨套期保值的概念及其現(xiàn)狀
1.股指期貨
它是從股市交易中衍生出來的一種新的交易方式。雙方交易的是一定期限后的股票指數(shù)價格水平，通過現(xiàn)金結算差價來進行交割。以股票價格指數(shù)為交易對象的衍生交易還包括股指期權和股指期貨期權等。
2.現(xiàn)狀
根據(jù)美國期貨協(xié)會（FIA）的有關資料統(tǒng)計，1998年到2006年全球股指期貨以及期權交易量（單向成交張數(shù)）如下：
單位：萬張
3.套期保值的概念
套期保值是指以回避現(xiàn)貨價格風險為目的的期貨交易行為。期貨市場的基本經(jīng)濟功能之一就是其價格風險的規(guī)避機制，而要達到此目的的手段就是套期保值交易。傳統(tǒng)的套期保值是指生產(chǎn)經(jīng)營者在現(xiàn)貨市場上買進或者賣出一定數(shù)量的現(xiàn)貨商品的同時，在期貨市場上賣出或者買進與現(xiàn)貨品種相同、數(shù)量相當、但方向相反的期貨商品（期貨合約），以一個市場的盈利和彌補另一個市場的虧損，達到規(guī)避價格波動風險的目的。
二、期貨的套期保值原理
1.β系數(shù)
(1)單個股票的β系數(shù)
如果有某股票的收益率Ri和指數(shù)收益率Rm滿足如上關系，設兩者滿足關系式：Ri=A+βRm(A，β為直線方程的系數(shù))。
我們可以利用最小二乘法可得：
β=COV（Ri,Rm）/(σm)2=1.5
A=Ri-βRm，=2
其中:β表示該個股的漲跌是指數(shù)同方向的倍數(shù)。
(2)股票組合的β系數(shù)
如果在一個組合M中，第n個個股的資金比例為Xn(X1+X2+X3+……+Xn=1),βn為第n個股票的系數(shù)，則有β=X1β1+X2β2+X3β3+……+Xnβn。
(3)用β系數(shù)推出套期保值公式
買賣期貨和約數(shù)（N）=[現(xiàn)貨總價格/（期貨指數(shù)點×每點乘數(shù)）]×β
2.套期保值原理（經(jīng)典的投資組合收益率最小方差模型）
假如保值股票Y的收益率為：Ry=(S1-S0+D)/S0
S0：期初市場價值;S1：期末市場價值;D：持有期累計分紅
指數(shù)期貨市場上的收益率為：Rr=（F1-F0）/F0
Rr:期貨市場收益率;F0：期初合約的市場價值;F1：期末合約市場價值
在進行套期保值的交易中：組合的收益率Rc=[(S1-S0+D)-N(F1-F0)]/S0=Ry-δRr
其中：N：代表和約張數(shù);δ：代表套期保值率
如何確定δ的值就是如何去選擇一個好的套期保值，我們用VAR方法來確定。
Var(Rc)=Var(Ry)+Var(Rr)-2δcov(Ry,Rr)=σ2y+δ2σ2r-2δζσyσr(ζ為Ry與Rr相關系數(shù))
對δ求一階偏導得：dVar(RC)/dδ=2δσ2r-2ζσmσr=0
對δ求二階偏導得：d2Var(RC)/dδ2=2σ2r=0
求得：δ=cov(Rm,Rr)/Var(Rr)同時得到Rm與Rr的相關系數(shù)平方和最大：
ζ2=1-min（Var(Rm))/σ2R
以上可以看到，ζ2表示一個指數(shù)作為指數(shù)期貨標的物的最優(yōu)套期保值效率，ζ2越大，該指數(shù)越適合于作為指數(shù)期貨標的物。我們只要知道指數(shù)與股指期貨合約的相關系數(shù),以及它們各自的標準差，就很容易求出最佳的套期保值比率。
三、應用舉例（以空頭套期保值為例）
某證券基金在某年4月底時，對后市判斷不是很明朗，下跌的可能性很大，為了取得良好的收益，該基金經(jīng)理決定用指數(shù)期貨來進行保值。
假設：目前有資金3億元；β已知為0.8；5月該現(xiàn)貨指數(shù)為3000點;而10月到期的期貨合約指數(shù)為3200點；每點乘數(shù)為200。
先計算賣出的期貨合約張數(shù)（N）：[300000000/（3000×200）]×0.8=400。
情況一：如果10月現(xiàn)貨指數(shù)跌到2700點，期貨指數(shù)跌到2880點，現(xiàn)貨虧損8%。得出：現(xiàn)貨指數(shù)跌300點，期貨指數(shù)跌320點，也就是說整個股市都 跌了10%。而此時該基金買進400張期貨合約進行平倉，那么該基金的損益可得：虧損300000000×8%=24000000；通過期貨合約賺取400×320×200=25600000。在不計手續(xù)費的情況下，盈利1600000。
用圖表表示該關系得：
情況二：假如10月現(xiàn)貨上漲了6%，漲到3180點；期貨指數(shù)也上漲6%，漲到3392點；股票組合上漲5%。同理得其損益結果見表：
從表可以看出：在不考慮手續(xù)費的情況下，盈利2640000元。
四、小結
股指期貨具有套期保值、價格發(fā)現(xiàn)、資產(chǎn)配置等功能，是國際資本市場重要的風險管理工具。根據(jù)當前我國資本市場的特征與發(fā)展趨勢，開展我國的股指期貨交易具有積極的意義：回避股市系統(tǒng)風險，保護廣大投資者的利益；有利于創(chuàng)造性的培育機構投資者，促進股市規(guī)范發(fā)展。因此，在股指期貨即將推出之際，希望本文能夠給讀者一點基礎性的啟發(fā)。
參考文獻:
[1]中國期貨協(xié)會，期貨市場教程[M]，北京，中國經(jīng)濟出版社，2007
[2]JohnC.Hull，Options, Futures, and Other Derivatives (4th Edition) [M]，北京，清華大學出版社，2003
股指期貨套期保值范文第2篇
股指期貨β系數(shù)套期保值
期貨的套期保值是指通過持有與其現(xiàn)貨市場頭寸相反的期貨合約，或將期貨合約作為其現(xiàn)貨市場未來要進行的交易的替代物，采取對沖手段，達到規(guī)避價格風險的目；企業(yè)通過套期保值，可以降低價格風險對企業(yè)經(jīng)營活動的影響，實現(xiàn)穩(wěn)健經(jīng)營；套期保值的目的是回避價格波動風險，而價格的變化無非是上漲和下跌兩種情形；與之對應，套期保值分為兩種策略，一種是用來回避未來某種商品或資產(chǎn)價格下跌的風險，稱為賣出套期保值；另一種是用來回避未來某種商品或資產(chǎn)價格上漲的風險，稱為買入套期保值。股指期貨套期保值是同時在股指期貨市場和股票市場進行相向的操作，最終達到規(guī)避系統(tǒng)風險目的。
一、β系數(shù)
股指期貨與商品期貨在套期保值操作中存在差別，即在商品期貨中，期貨合約的交易對象與現(xiàn)貨交易中的對象是一致的，例如，100噸大豆，對應著10張期貨合約（每張合約10噸）；然而，在股指期貨中，只有買賣指數(shù)基金或嚴格按照指數(shù)的構成買賣一攬子股票，才能做到完全對應；事實上，對絕大多數(shù)的股市投資者而言，并不總是按照指數(shù)成分股來構建股票組合；要有效地對投資者的股票組合進行保值，需要確定一個合理買賣股指期貨合約的數(shù)量，為此引入β系數(shù)這一概念。
1、單支股票的β系數(shù)
假定某股票的收益率（Ri）和指數(shù)的收益率（Rm）有如下關系：
如果用以上數(shù)據(jù)擬合一條直線，R^=α+βRm。其中α和β是直線方程的系數(shù)，上述問題就轉化為如何確定最佳的α和β；由于i只是用來代替Ri的理論值，兩者之間的平均偏差越小越好，即盡量能夠能達到最小。
這樣，就得到擬合直線i=2+1.5Rm，β系數(shù)是該直線的斜率，它表示了該股收益率的增減幅度是指數(shù)收益率同方向增減幅度的1.5倍，例如，指數(shù)收益率增加3%，該股票收益率增加4.5%；指數(shù)收益率減少2%，則該股票收益率減少3%。如果β系數(shù)等于1，則表明股票收益率的增減幅度與指數(shù)收益率的增減幅度保持一致；顯然，當β系數(shù)大于1時，說明股票的波動或風險程度高于以指數(shù)衡量的整個市場；當β系數(shù)小于1時，說明股票的波動或風險程度低于以指數(shù)衡量的整個市場。
2、股票組合的β系數(shù)
當投資者擁有一個股票組合時，需計算這個組合的β系數(shù)；假定一個組合P由n個股票組成，第i個股票的資金比例為；βi為第i個股票的β系數(shù)；則有（β系數(shù)是根據(jù)歷史資料統(tǒng)計而得到的，在應用中，通常就用歷史的β系數(shù)來代表未來的β系數(shù)），股票組合的β系數(shù)比單個股票的β系數(shù)可靠性要高，這一點對于預測應用的效果來說也是同樣的[1]；在實際應用中，也有一些使用者為了提高預測能力，還對β系數(shù)作進一步的修改與調整。
3、股指期貨套期保值中合約數(shù)量的確定
有了β系數(shù)，就可以計算出要沖抵現(xiàn)貨市場中股票組合的風險所需要買入或賣出的股指期貨合約的數(shù)量。
買賣期貨合約數(shù)=現(xiàn)貨總價值/（期貨指數(shù)點×每點乘數(shù)）×β系數(shù)，其中，公式中的“期貨指數(shù)點×每點乘數(shù)”實際上就是一張期貨合約的價值；從公式中不難看出，當現(xiàn)貨總價值和期貨合約的價值已定下來后，所需買賣的期貨合約數(shù)就與β系數(shù)的大小有關，β系數(shù)越大，所需的期貨合約數(shù)就越多；反之，則越少
4、買入套期保值
買入套期保值是指交易者為了回避股票市場價格上漲的風險，通過在股指期貨市場買入股票指數(shù)的操作，在股票市場和股指期貨市場上建立盈虧沖抵機手段，進行買入套期保值的情形主要是指投資者在未來計劃持有股票投資組合，擔心股市大盤上漲而使購買股票組合成本上升。
例：乙投資機構在3月10日得到承諾，5月20日會有300萬元資金到賬。乙機構看中A、B、C三只股票，現(xiàn)在價格分別為20元、25元、50元，如果現(xiàn)在就有資金，每個股票投入100萬元就可以分別買進5萬股、4萬股和2萬股。由于現(xiàn)在處于行情看漲期，他們擔心資金到賬時，股價已上漲，就買不到這么多股票了，于是，采取買進股指期貨合約的方法鎖定成本。
假定相應的5月到期的股指為1500點，每點乘數(shù)為100元，三只股票的β指數(shù)分別為1.5、1.3和0.8，則首先計算應該買進多少股指合約。
三只股票組合的β指數(shù)=1.5×1÷3+1.3×1÷3+0.8×1÷3=1.2
應該買進股指合約數(shù)=3000000/（1500×100）×1.2=24（張）
5月20日，乙機構如期收到300萬元，這時現(xiàn)指與股指均已漲了10%，則期指已漲至1650點，而三只股票分別上漲至23元（上漲15%）、28.25元（上漲13%）、54元（上漲8%）；如果仍舊分別買進5萬股、4萬股和2萬股，則需要資金23元×5萬+28.25元×4萬+54元×2萬=336萬元，顯然，資金缺口為36萬元。
由于乙機構在指數(shù)期貨上做了多頭保值，5月20日將期指合約賣出平倉，共計可得：24×（1650-1500）×100=36萬元，正好與資金缺口相等?？梢?，通過套期保值，乙機構實際上已把一個多月后買進股票價格鎖定在3月10日的水平上。同樣，如果到時股指和股票價格都跌了，實際效果仍舊如此。這時，該機構在股指合約上虧了，但由于股價低了，扣除虧損的錢后，余額仍舊可以買到足額的股票數(shù)量。
5、賣出套期保值
賣出套期保值是指交易者為了回避股票市場價格下跌的風險，通過在股指期貨市場賣出股票指數(shù)的操作，而在股票市場和股指期貨市場上建立盈虧沖抵機制。進行賣出套期保值的情形主要是指投資者持有股票組合，擔心股市大盤下跌而影響股票組合的收益。
參考文獻：
[1]中國期貨業(yè)協(xié)會.期貨市場教程.中國財政經(jīng)濟出版社，2011.1.
股指期貨套期保值范文第3篇
1 數(shù)據(jù)預處理
股指期貨作為規(guī)避股市風險的一項工具，投資者在對市場走勢分析和判斷之后，利用股指期貨反向操作達到對沖風險的目的。文章選取浦發(fā)銀行等9只股票與滬深300近3年的歷史日收益率進行測算，去除股票停牌等收益率特殊情形，進行回歸分析。下圖為以浦發(fā)銀行為例單只股票與滬深300指數(shù)日收益率走勢，可以看出單只股票與滬深300走勢基本一致。
單只股票與滬深300指數(shù)走勢圖
2 單只股票回歸擬合
假設9只股票的套保系數(shù)分別為k1，k2，…，k9，對單只股票分別建立回歸模型：
通過回歸計算得到參數(shù)值，表1表示了9個單只股票的擬合結果，從表中可以看出R2值最大僅為0.667，而部分股票R2值較小，說明預測值與實際數(shù)據(jù)仍存在較大差別。
3 股票組合回歸擬合
考慮到滬深300指數(shù)的計算原理，為了進一步優(yōu)化模型，現(xiàn)將上述9只不同的股票進行組合研究，設置9只股票在組合中所占權重，分別建立等權重股票組合和非等權重兩個組合：
滬深300收益率=k10× 1/9×（浦發(fā)銀行收益率+平安銀行收益率+…+中天城投收益率）
滬深300收益率=a×浦發(fā)銀行收益率+b×平安銀行收益率+…+i×中天城投收益率
對上述模型進行回歸擬合得：
滬深300收益率=0.092×（浦發(fā)銀行收益率+平安銀行收益率+…+中天城投收益率）
滬深300收益率=0.240×浦發(fā)銀行收益率+0.035×平安銀行收益率+0.053×奧飛動漫收益率+0.051×恒豐電子收益率+0.075×金融街收益率+0.122×中國重工收益率+0.092×農(nóng)業(yè)銀行收益率+0.098×青島海爾收益率+0.072×中天城投收益率
在這兩種組合下，回歸結果R2分別為0.862，0.897，可以看出這兩種回歸結果較為理想，且明顯優(yōu)于單只股票的回歸模型。
4 殘差的統(tǒng)計分析
股指期貨套期保值范文第4篇
的定性分析的基礎上，而實際上其研究的重點應是通過定量分析來研究如何計算其套期保值比率及效果，本文就將研究計算股指期貨套期保值比率的方法。
計算股指期貨套期保值比率的方法有很多，其中最典型的方法是均值方差法即MV法。這種方法雖然已得到了廣泛的應用，但是它存在以下兩方面的缺陷。其一，這種方法對風險的測度不科學，其二，這種方法假定每個變量都是非時變的，這與實際不相符合。本文將針對MV法的這兩個缺陷，提出一種新方法LPM法，并通過具體的實例來說明這種方法與傳統(tǒng)方法的區(qū)別。
下面我們先來介紹一下風險的表示方法。
一、風險測度的改進方法
長期以來，我們把風險定義為：各個可能結果的概率分布，基于這種定義，人們一般
地用方差來測度風險。因為用方差來表示風險在計算上比較方便。但它不是對投資風險較為完善、準確的測度方法，其原因有以下幾點，（1）歷史的資料不大可能重復的出現(xiàn)，（2）一種證券的各種變量隨時間的推移而經(jīng)常變化，因此證券間的相互關系也是隨時間而改變的，（3）以方差來表示風險，包括了預測收益率的各種可能的結果。而實際上，高于預測收益率的可能結果不應計入風險，因為在實際中投資者真正關心的只是低于某一基準回報的虧損概率及預期的損失量。因此，很有必要改進風險的測度方式。
下面我們就具體的來討論如何來改進風險的測度方法。
二、LPM法簡介
對于風險測度的改進方法，人們已經(jīng)提出了很多方法，其中較為有影響的是哈羅1991
年提出的下風險選擇理論，以低位部分矩（lower partial moment，簡寫為LPM）來測度低于目標收益率的投資風險，這種測度方法與實際的情況相符，因為實際中投資者關心的僅是低
于某一基準回報虧損概率及預期的損失量，因此只有低于預期收益率的分布部分（半方差）才是較為完美的風險測度方法即LPM法。
下面我們就來介紹LPM的模型。
股指期貨套期保值范文第5篇
關鍵詞：滬深300股指期貨；動態(tài)套期保值比率；套期保值有效性；Copula-GARCH-X模型
中圖分類號：F832.5 文獻標識碼：A 文章編號：1672-3104（2013）03?0001?05
一、引言
2010年4月16日，我國推出首個金融期貨產(chǎn)品——滬深300股票指數(shù)期貨。作為中國大陸唯一上市交易的金融期貨產(chǎn)品，滬深300股指期貨在資本市場價格發(fā)現(xiàn)和風險防范過程中扮演重要角色。長期以來，我國證券市場存在相當高的系統(tǒng)性風險，證券市場的發(fā)展受政策性因素的影響非常大，由于政府政策的不連續(xù)性或法律法規(guī)的不完善帶給證券市場的沖擊仍然時有發(fā)生，同時市場對于政策性消息的反應往往會過于激烈，甚至導致股指的走勢嚴重脫離基本面。因此，如何規(guī)避股票市場的系統(tǒng)性風險成為了擺在投資者面前的一大難題。股指期貨的出現(xiàn)則為投資者提供了一種規(guī)避系統(tǒng)性風險的手段，給我國證券市場的發(fā)展帶來了新的活力，可以促進證券市場的逐步穩(wěn)定。
在利用股指期貨參與套期保值以規(guī)避系統(tǒng)性風險的過程中，最核心的問題就是套保比率的最優(yōu)設定。實際上，套期保值最優(yōu)比確定問題也一直是國內(nèi)外學者關注的焦點，而且隨著研究的深入，分析理論和方法也得到了不斷的改進，經(jīng)歷了從傳統(tǒng)的套期保值理論到基差逐利型套期保值理論再到基于現(xiàn)資組合理論的套期保值理論的三大發(fā)展階段。尤其是近年來隨著GARCH模型的推廣，大量學者嘗試應用及改進GARCH模型來計算最優(yōu)套保比率，這包括BGARCH模型、Kroner and Sultan的ECM-GARCH模型[1]、彭紅楓、葉永剛的Modified ECM-GARCH模型[2]、梁斌、陳敏等的動態(tài)套期保值比率模型[3]等。
然而，GARCH系列模型的缺陷在于，其只是簡單地將期貨現(xiàn)貨間的關系視為線性相關關系，而實際中尤其在行情大幅波動時，期貨和現(xiàn)貨之間的相關關系常常呈現(xiàn)出非線性和非對稱特征。基于Copula函數(shù)方法對于估計變量間的非線性關系非常有效的事實，部分學者將Copula函數(shù)與GARCH模型相結合，發(fā)展出了套保比率的Copula-GARCH模型。如Hsu，Tseng and Wang（2008）將標普500指數(shù)和金融時報100指數(shù)作為研究樣本對構建了套保比率的Copula-GARCH模型，并與CCC-GARCH模型、DCC-GARCH模型進行了比較，研究結果顯示Copula-GARCH模型的表現(xiàn)要明顯優(yōu)于后兩者模型[4]；Power and Dmitry Vedenov （2008）則研究發(fā)現(xiàn)Copula -GARCH模型的套期保值效果并不完全優(yōu)于CCC-GARCH模型和BEKK-GARCH模型[5]；趙家敏、沈一（2008）分別采用Copula-GARCH模型與傳統(tǒng)的模型對韓國KOSPI200股指期貨和現(xiàn)貨的套期保值比率進行估計，研究結構表明運用Copula函數(shù)計算的尾部相關系數(shù)比傳統(tǒng)的線性相關系數(shù)進行計算得出的套期保值比率更為精確[6]。
的進步。然而不能忽視的是，大多數(shù)研究者在方差方程中并沒有引入均值方程中誤差修正項，而根據(jù)Lee[7]的研究，誤差修正項在現(xiàn)貨指數(shù)與期貨指數(shù)每天的運行中包含著大量的信息，而這些信息量不但會影響到他們的收益率還會影響到條件方差，因此將誤差修正項納入到方差方程以修正套保比率模型是非常必要的?；诖耍瑸樘蕹`差修正項對波動性的影響，本文在Copula-GARCH模型的基礎上，構建二元Copula- GARCH-X模型來估計滬深300指數(shù)動態(tài)套期保值比率，以期改善套期保值比率的估計方法，并依據(jù)風險最小化原則對套期保值的有效性進行檢驗。
二、滬深300指數(shù)動態(tài)套期保值比率
的估計
（一）模型設定
多元Copula-GARCH模型可用于研究多個市場之間的條件相關關系、波動溢出效應和多個市場或者多種資產(chǎn)組合的收益和風險分析等。多元GARCH模型中波動的部分是由一個方差協(xié)方差矩陣給出的，它也可以用來研究多個市場波動之間條件相關關系，但是由于其參數(shù)多、估計困難制約了多元GARCH模型的應用。而多元GARCH模型的各種簡化形式雖然解決了模型的參數(shù)估計問題，但是又存在對波動的刻畫不全面、準確和參數(shù)的經(jīng)濟意義不夠明確的缺點。與多元GARCH模型不同，多元Copula-GARCH模型中的GARCH過程部分僅用于描述各個變量的條件邊緣分布，并不反映各個變量之間的條件關系，各個變量之間的條件相關關系是由Copula函數(shù)來刻畫的，因此可以在不考慮各個變量條件邊緣分布的情況下研究多個變量之間的條件相關關系，并使模型可以采用相對簡單的兩階段估計方法，從而使模型的估計得到簡化。
（二）數(shù)據(jù)的收集及整理
從檢驗的結果來看現(xiàn)貨指數(shù)價格與期貨指數(shù)價格是非平穩(wěn)的時間序列，協(xié)整等式的殘差是平穩(wěn)的，可知現(xiàn)貨指數(shù)價格與期貨指數(shù)價格是存在協(xié)整關系，這與上面的分析是相符合的。而兩個市場既然存在著協(xié)整關系，那么根據(jù)協(xié)整理論我們應該在模型引入誤差修正項。由于誤差修正項代表了現(xiàn)貨指數(shù)價格與指數(shù)的期貨價格之間長期均衡關系的短期偏離，而短期的偏離又會引起套利交易從而影響到現(xiàn)貨指數(shù)價格和期貨指數(shù)價格的變動，進一步又會影響到兩個市場的收益率，因此考慮把誤差修正項作為兩個市場收益率的公共影響因素加入到均值方程當中是合理的。
（四）Copula-GARCH-X模型的估計結果
三、套期保值有效性的檢驗
期保值比率、使用GARCH模型估計的套期保值比率、使用GARCH-X模型估計的套期保值比率、GARCH-X模型結合Copula函數(shù)估計的套期保值比率的資產(chǎn)組合。
在動態(tài)套期保值模型中，考慮了誤差修正項作用的GARCH-X模型和的Copula-GARCH-X模型估計效果要比沒有在方差中考慮誤差修正項影響的GARCH模型的估計效果要顯著的好。值得注意的是，雖然Copula函數(shù)在理論上比較完美，但是我們的實證結果表明在HE指標下結合Copula函數(shù)的Copula- GARCH-X模型的套期保值效果并不如無Copula函數(shù)的GARCH-X模型。
四、結論
考慮到誤差修正項即因素X對波動性的影響，本文構建了計算滬深300股指期貨最佳套期保值比率的GARCH-X模型和結合Copula函數(shù)的Copula-GARCH- X模型來估計，并依據(jù)風險最小化原則對套期保值的有效性進行了檢驗和對比。
研究結果顯示：GARCH-X模型和Copula- GARCH-X模型可以科學合理的計算出滬深300股指期貨的最佳套保比率，從參數(shù)的估計來看因素X（ut?1）的系數(shù)都比較顯著；在套保效果上，動態(tài)套期保值比率的效果要好于靜態(tài)套期保值比率的效果，考慮誤差修正項的GARCH-X模型和Copula-GARCH-X模型的套保效果顯著優(yōu)于未考慮誤差修正項的GARCH模型，但是Copula-GARCH-X模型的套保效果并不優(yōu)于未結合Copula函數(shù)的GARCH-X模型。本文的研究表明，無論是從理論上還是從實證的結果來看，在計算滬深300股指期貨的最佳套保比率過程中，將誤差修正項引入方差方程中都是非常科學合理的。
參考文獻：
Kroner and Sultan. Time-varying distributions and dynamic hedging with foreign currency futures [J]. Journal of Financial and Quantiative Anlysis， 1993（28）： 535?551.
彭紅楓， 葉永剛. 基于修正的ECM-GARCH模型的動態(tài)最優(yōu)套期保值比率估計及比較研究[J]. 中國管理科學， 2007（10）： 29?35.
梁斌， 陳敏， 繆柏其， 吳武清. 我國股指期貨的套期保值比率研究[J]. 數(shù)理統(tǒng)計與管理， 2009（1）： 143?151.
Hsu C C， Wang Y H， Tseng C P. Dynamic hedging with futures： A copula-based GARCH model [J]. Journal of Futures Markets， 2008（6）： 156?168.
Gabriel J. Power and Dmitry V. Vedenov. The Shape of the Optimal Hedge Ratio： Modeling Joint Spot-Futures Prices using an Empirical Copula-GARCH Model[C]， NCCC-134 Conference， St. Louis， Missouri， April 21?22， 2008.
趙家敏， 沈一. 股指期貨最優(yōu)套期保值比率——基于Copula-GARCH模型的實證研究[J]. 武漢金融， 2008（5）： 21?24.
