我国钢材现货市场与期货品种开发研究

《我国钢材现货市场与期货品种开发研究》由会员分享，可在线阅读，更多相关《我国钢材现货市场与期货品种开发研究（19页珍藏版）》请在金锄头文库上搜索。

1、我国钢材现货市场与期货品种开发研究我国钢材现货市场与期货品种开发研究 一、我国钢材现货价格的波动性 资产价格的波动性（volatility）一般是指资产的未来价格偏离其 期望值的可能性。根据期货的基本理论，现货价格的剧烈波动带来的 避险需求是期货市场及其合约存在和健康发展的基础。 如果现货价格 的波动性太低，就难以吸引套期保值者和投机者参与期货交易，从而 使得该期货品种“死水一潭”而趋于消亡。另外，研究钢材价格的波 动性，对于钢材期货合约的设计也具有重要的参考意义。研究从静态 与动态的角度， 分析我国钢材现货价格的历史波动水平以及这种波动 性的变动态势。 研究对象的选取与数据资料来源 钢材品种

2、众多、用途各异，因此选择合理的研究对象对于分析钢 材价格的波动性至关重要。 目前由于经济发展状况、经济结构及交通运输等原因，我国钢材 现货市场具有较为浓厚的区域性特征，如按区域划分，可以将钢材市 场分为东北市场、华东市场、华北市场、华中市场、华南市场与西北 市场， 目前无论从产量或交易量角度， 钢材市场主要集中在东部地区。 各个主要的钢材市场，一般都会编制自己的钢材价格指数，如上海宝 山钢材交易市场的“样本商品成交均价指数” 。另外，中国钢铁工业 协会和某些钢铁信息企业也发布自己的钢材价格指数。 为分析我国钢材市场价格的整体波动性水平， 我们需要选择一个 有代表性的钢材综合价格指数。尽管存在着

3、众多的钢材价格指数，并 且直至目前仍缺乏一个权威的公认的国内钢材价格综合指数。 但不同 的钢材价格综合指数，具有较强的相关性。如中国钢铁工业协会发布 的钢材综合价格指数与上海钢联电子商务公司发布的 Myspic 综合指 数在 2005 年 4 月初至 2005 年 9 月底期间的相关系数高达 94.6%。由 于 Myspic 指数公布的及时性与不间断性，其在行业内与学术界的影 响力日趋扩大，如中国社会科学院金融研究所在其 2004 年的钢铁行 业报告中就引用过该指数，因此，我们选取 Myspic 诸指数作为我们 分析的对象。由于不同钢材品种在性能与用途上的巨大差异，使得不 同品种钢材的相互替代

4、性极弱， 在价格波动性上也会表现出不同的特 点， 因此有必要分析钢材分品种的价格波动性。 这里我们选取 Myspic 的长材、螺纹钢、扁平材指数作为我们分析钢材分品种价格波动性的 对象。为了比较国内与国际钢材价格波动的特性，我们选取英国商品 研究所发布的 “CRU 钢材价格全球指数” ， 分析国际钢材价格的波动。 Myspic 诸指数数据来源于“我的钢铁”网站（） ， CRU 钢材价格全球指数数据来源于 CRU 钢铁价格指数网站 （） 。数据样本区间都为 2000 年 7 月 28 日至 2005 年 10 月 14 日， 共有 273 个周数据。 各变量序列的具体情况如表 1 所示。 表 1

5、 样本列表 变量 变量说明 数据期间 数据频率 Compo Myspic 钢材综合价格指数 2000、7 月 28 日2005 年 10 月 14 日 周 Long Myspic 长材价格指数 2000 年 7 月 28 日2005 年 10 月 14 日 周 Dsb Myspic 螺纹价格指数 2000 年 7 月 28 日2005 年 10 月 14 日 周 Flat Myspic 扁平材价格指数 2000 年 7 月 28 日2005 年 10 月 14 日 周 Cru CRU 钢材价格全球指数 2000 年 6 月 2 日2005 年 10 月 14 日 周 我国钢材现货价格波动的静态

6、分析 钢材价格的波动性可以从静态历史波动率和动态条件波动率两 方面描述。通过计算研究对象的均值、标准差和变异系数，考察我国 钢材价格的历史波动水平，统计结果如表 2 所示。由表 2 可知，上述 各变量序列的年价格波动性都比较大， 各序列在不同年份波动性的变 化也较大，在总体上其价格变化也呈现上升的趋势，并且不同序列在 相同年份的价格波动性也各不相同。 表 2 钢材价格的历史波动性 变量 Compo Long dsb flat cru 样本容量 23232323 23 均值 99.204498.087098.2565100.2739 85.6748 标准差 1.27011.99691.78120

7、.7130 3.6755 2000 年 变异系数 0.01280.02040.01810.0071 0.0429 样本容量 52525252 52 均值 91.125093.453993.980889.9096 75.2465 标准差 4.87274.53584.55035.5160 2.9853 2001 年 变异系数 0.05350.04850.04840.0614 0.0397 样本容量 52525252 52 均值 92.238590.975089.400094.6962 84.7239 2002 年 标准差 6.20223.92833.94429.3982 9.4584 变异系数 0

8、.06720.04320.04410.0992 0.1116 样本容量 52525252 52 均值 119.3288120.4769118.8096118.2673 99.2848 标准差 9.199314.448113.90885.5914 3.3658 2003 年 变异系数 0.07710.11990.11710.0473 0.0339 样本容量 53535353 53 均值 146.0113145.6377141.5453145.5321 148.0277 标准差 7.832512.743512.79587.3216 15.4507 2004 年 变异系数 0.05360.08750

9、.09040.0503 0.1044 样本容量 41414141 41 均值 144.5439138.7122135.7732148.9951 146.4885 标准差 13.89269.27319.227718.9003 13.5425 2005 年 变异系数 0.09610.06690.06800.1269 0.0924 样本容量 273273273273 273 均值 116.0681115.4473113.7084116.7681 107.3381 标准差 24.865424.215322.892425.7526 31.5382 全部样 本区间 变异系数 0.21420.20980.2

10、0130.2205 0.2938 历史价格波动率的计算是基于价格序列平稳的假设之上的， 即价 格序列的矩（如均值、方差和协方差等）不随时间而变化。在这种情 况下，历史波动率可以对总体真实的价格波动性作出较好的估计，从 而对历史波动率的计算有助于对未来的价格波动率作出较好的预测。 相反地，在价格序列非平稳的条件下，价格序列的样本矩就不可能对 总体真实矩提供任何信息， 因此我们无法根据历史价格变动的方差对 钢材未来价格的波动作有意义的预测。 我国钢材现货价格波动的动态分析 Mandelbrot（1963）和 Fama（1965）注意到，金融资产价格的较 大变化会引起其它大的变化，而较小的变化通常引

11、起其它小的变化。 金融产品价格的波动率往往不是常数，而是随时间变化，一段时间较 平静，但在随后一段时间内却会发生巨大波动，这就是所谓的“波动 聚内（volatility clustering） ”现象。通过钢材价格历史波动性的分析 我们发现，钢材价格的波动也有类似的特征。 钢材价格指数的周收益率 钢材价格的波动性可以通过其收益率的变化体现，为此，需要计 算变量序列的周收益率。 钢材价格指数的周收益率用相临两周的价格 指数对数的一阶差分来表示，计算方法如 1 式： )log( tt compodrcompo = (1) 1式中，logd表示自然对数的一阶差分， t compo表示第t周的Mysp

12、ic 钢材综合价格指数。类似地，可以计算Myspic的长材价格指数、螺纹 钢价格指数、板材价格指数和CRUspi的全球价格指数的周收益率，分 别用 t rlong、 t rdsb、 t rflat和 t rcru来表示。图 1 和表 2 描述各钢材价格 指数周收益率的具体表现及其统计特征。 由图 1 和表 3 不难看出，各钢材价格指数周收益率均体现出“波 动聚内”的现象，并且都具有尖峰和厚尾的特征，在置信度为 99% 的水平下拒绝服从正态分布的假设。因此，在分析钢材现货价格的波 动性时，不能使用传统的回归模型。我们考虑采用 GARCH 模型进行 分析，因为 GARCH 模型是处理“尖峰厚尾”分

13、布和“波动聚内”现 象的很好的工具。 图图 1 钢材价格指数的波动性（钢材价格指数的波动性（2000 年年 8 月月 4 日日2005 年年 10 月月 14 日）日） -.08 -.06 -.04 -.02 .00 .02 .04 .06 20012002200320042005 RCOMPO -.12 -.08 -.04 .00 .04 .08 20012002200320042005 RLONG -.12 -.08 -.04 .00 .04 .08 20012002200320042005 RDSB -.10 -.05 .00 .05 .10 20012002200320042005 R

14、CRU -.08 -.06 -.04 -.02 .00 .02 .04 20012002200320042005 RFLAT 表 3 钢材价格指数周收益率的统计特征（2000 年 8 月 4 日表 3 钢材价格指数周收益率的统计特征（2000 年 8 月 4 日2005 年 10 月 14 日） 2005 年 10 月 14 日） 变量 rcompo Rlong rdsb Rflat rcru 均值（%） 0.05800.07760.06860.03700.1468 中位数（%） 0.0000-0.1088-0.10360.00000.0000 标准差（%） 1.25061.69251.743

15、31.24381.5752 偏度 -0.46890.17070.0041-1.40860.7686 峰度 7.22139.27708.80948.744812.2459 JB 统计量 211.9194447.8626382.4861463.9805995.6354 GARCH 模型简介 GARCH 模型简介 GARCH 模型是在 Engle（1982）的 ARCH 模型的基础上发展起 来的。经过 20 多年的发展，目前该模型已被认为是最集中地反映了 波动性变化的特点，从而广泛地应用于经济领域的时间序列分析。 ARCH 模型描述了在前1t期信息集合, 22111 = ttttt xyxy给定的 条件下随机误差项 t 的分布。Engle 最初的 ARCH 模型表述如下： = += q i itit ttt h hN 1 2 0 1 ), 0( (2) 式中qi i , 2 , 1, 0, 0 0 =，以确保条件方差0 t h。 在 ARCH 模型中， t 的条件方差是滞后误差项（不考虑其符号） 的增函数，因此，较大的误差后面一般紧连着较大的误差，较小的误 差后面紧连着较小的误差，因此 ARCH 模型能描述金融资产收益率经 常