《门限协整套利理论与实证研究》由会员分享，可在线阅读，更多相关《门限协整套利理论与实证研究（16页珍藏版）》请在金锄头文库上搜索。
1、1第第 1 组组 数量经济理论与方法数量经济理论与方法字数：字数：8742中国数量经济学会会员中国数量经济学会会员 门限协整套利门限协整套利理论与实证研究理论与实证研究Threshold Cointegration ArbitrageTheory and Application吴洋 （中南财经政法大学，湖北武汉，430073）摘要摘要不同市场上的同质或相似商品的价格存在长期均衡关系，当价格偏离均衡时，由于套 利交易的存在，偏离会迅速回到均衡。在一定的门限值以外，二者服从协整关系，在门限 值以内，二者没有协整关系，这种关系称为门限协整。本文在 Balke,Fomby(1997)1和 Hasen（
2、1996）6的基础上提出了基于门限向量误差修正模型（T-VECM）的 sup-Wald 检验， 用 Bootstrap 方法模拟统计量的渐进分布，验证了英国富时指数期货（uk100）和德国法兰 克福指数期货（ger30）的门限协整关系，并用 Hasen，Seo（2002）11提出的极大似然估 计方法（MLE）同时估计出门限参数和协整向量，并给出了在这种门限协整关系下进行跨 市场无风险套利的策略。 关键词：门限协整；跨市场套利；股指期货；门限误差修正模型；Bootstrap作者简介：吴洋，1988 年 3 月生，武汉大学 2006 级物理学学士，现为中南财经政法大学数量经济学专业 2010 级硕
3、士，联系方式15972216876，21 引言引言假设两个同质或相似的商品在两个不同的市场进行交易，根据一价定律（LOOP） ，它 们应该具有相同的价格，两个不同的市场之间存在长期的均衡关系（协整关系） ，当价格偏 离均衡时，就会有套利机会存在。人们通过同时买空（卖空）被低估（高估）的商品和卖 空（买空）被低估（高估）的商品，来获取无风险收益。但是由于两个市场地理上是分隔 的，发现这种偶然的价格差异需要时间，加上交易成本，交易头寸限制，市场非有效性等 因素的存在，这种套利并不总是有利可图的。人们期望寻找到一个门限，当价格偏离均衡 值超过这个门限时，就认为着套利是可行的。即这种长期协整关系并非是
4、线性的，在某些 区域，由于套利收益被交易成本等因素抵消，因此不存在套利交易，两个市场的价格倾向 于服从随机游走；在这些区域之外，套利交易频繁发生，以至于两个市场的价格迅速收敛 于均衡，这时两个市场价格是协整的。人们称之为非线性协整（门限协整，threshold integration） 。2 文献综述文献综述2.1 门限自回归模型（门限自回归模型（TAR） Balke,Fomby(1997)提出了门限协整的概念1，并用一个门限自回归模型 （TAR，threshold autoregression）来定义这种非线性协整行为。假设在一个二元系统里两种商品的价格和，它们都是 I(1)过程，存在长期均
5、衡（协整）关系tytxtttzxy残差项用来度量价格偏离均衡的程度，它满足一个非线性的自回归方程：tzif （1）tttzz11tz( ) if （2）tttzz111tz为门限值，为白噪声过程。即当残差在门限区间（）内部时，服从一个随机tz ,游走过程；当超过门限区间（） ，则倾向于回归到均衡值 0 附近。tz ,这种 TAR 模型的另外一种等价表述形式是门限向量误差修正模型（T-VECM） 。（3） pitttititpitttititzifzrrzifzrr1112)2(1111)1(其中为彼此独立的二元白噪声序列，为误差修正项，等价于 TAR 模 tt txyrtz3型中的残差项。上述
6、模型通过定义两个门限，把系统分成三个体制（regime） 。在中间体制 ,下，价格偏差服从一个随机游走过程，二者没有协整关系，这时不存在套利机会； ,在其他两个体制下，价格偏差倾向于向均衡值 0 收敛，二者具有协整 ,关系，这时市场存在套利交易,。 现在问题的重点是，如果在一个二元系统里真的存在上述模型所描述的非线性协整（门限协整）关系，如何来检验这种门限协整的存在，如何估计门限参数？显然传统的 协整检验方法在这种非线性情况下并不适用。 2.2 门限协整检验门限协整检验 Balke,Fomby(1997)提出采用两步法来验证系统的门限协整行为1。 （1）用传统的 Engle-Grander 两
7、步法（用 ADF 和 PP 检验法检验长期均衡回归方程的残差是否为单位根过 程）和 Johansen 方法检验整个系统的协整行为（2）检验系统内部的门限协整行为，估计门限参数。 将（1） （2）式的 TAR 模型写成如下形式：（4）ttttttzzzzz111111为了检验系统内部的门限协整，并估计门限参数， Petrucelli Davies(1986)提出了基 于残差的递归安排自回归（recursive arranged autoregression）方法,并提出 CUSUM 检验方 法2。Tsay(1989)同样用残差递归安排自回归的方法，给出了另外一种检验非线性协整的方 法3。Balk
8、e,Fomby(1997)在 Tsay 的基础上提出了基于递归残差的 sup-Wald 检验方法，并 对上述的检验方法的效果进行了比较,sup-Wald 检验的效果最好1。递归安排自回归的基本思想是把残差序列，t=0,1,2按照从小到大（或从大到小）tz的顺序重新排列形成一个新的样本（arranged sample） ，这个样本打乱了原有的时间顺序，这时在进行自回归时的滞后变量并不是时间意义上的滞后变量，而是新样本下的滞tzdtz后变量。在这个重新安排的样本下，首先选取一系列可能的门限值，对于每一对门限值，i通过 OLS 估计门限自回归方程（TAR） ，并计算样本的残差平方和。为了检验门限 2
9、协整是否存在，零假设： ，即越过门限值时系统没有发生结构突变（structual 1tzchange） ，不存在门限协整。备择假设：，即存在两个结构突变点，存在门限协整。1构造 Wald 统计量：) 1 )()( 2 2 0 TWT服从卡方分布。其中 T 为样本大小，为线性模型（）下残差平方和)(TW 2 014的 OLS 估计值。由于是关于的减函数，因此定义 sup-Wald 统计量为所有)(TW 2)(的最大值：)(TW)(sup TTWW 其中为门限的值域。当门限越过某些点的时候，系统发生了结构性突变 （structual change）,那么这些点很可能是所要估计的门限值。最终门限的估
10、计值是那些使残差平方和最小以及 Wald 统计量最大的值。在同方差假设下，残差平方和最 2小和 Wald 统计量最大这两者是一致的。 2.3 渐进分布理论渐进分布理论 为了得知拒绝域的具体大小，需要知道 Wald 统计量的分布。但是在这种情况下 Wald统计量的分布依赖于门限参数的选择。在门限参数事先给定的情况下，Wald 统计量在 大样本下近似服从卡方分布，但是在零假设下门限参数并不是事先给定的，而是估计出 来的，选择不同的初始样本可能会得到不同的估计结果，这就使得检验变得更加复杂。因 此传统的 Petrucelli Davies(1986)和 Tsay(1989)的检验方法是无效的。 为了
11、解决这一问题，人们提出了一系列渐进理论来模拟参数未知情况下检验统计量的 分布。Davies(1977,1987)提出了似然比（LR）检验（likelihood ratio）4。Andrew Ploberger(1994)分别构造了平均统计量以及对数统计量5，Hassen（1996）提出了渐进分布 理论（asymptotic distribution）来模拟检验统计量的渐进分布6。 Balke,Fomby(1997)提出用自助法（bootstrap）模拟 Wald 统计量的渐进分布1：首先把零假设模型下的残差随机取出，放入新的样本，并不断重复该过程次，产生一个tbootstrap 样本，在这个样
12、本中，计算零假设模型下 sup-wald 统计量的分布；通过蒙特卡洛 实验结果，Balke,Fomby(1997)指出 Hasen 的渐进分布理论和 bootstrap 数值检验方法比传统 的 CUSUM 和 Tsay 检验方法更加有效。Forbes Kalb Kofman(1999) 7提出这种基于残差的递归安排自回归(recursive arranged autoregression）的方法过于繁琐，对残差样本的顺序进行重排时选择升序和降序会影响可 能的门限值的范围以及概率。由于套利交易的存在，任何超过门限值的价格都会在短时间 内会到均衡价格，所以超过门限外体制的样本很小，这会妨碍门限的识
13、别。 2.4 贝叶斯方法贝叶斯方法 因此人们转而使用贝叶斯方法(Bayasian approach)来估计门限套利模型。Geweke Terui（1993）建立了一个二体制自回归(two-regime autoregression)模型，计算出门限变量的 边缘后验分布的解析解8。Koop（1996）研究了类似二体制自回归模型模型的脉冲响应函 数9。Chen Lee（1995） 在 Geweke Terui（1993）模型的基础上通过马尔可夫链-蒙特卡洛 （MCMC）方法计算出了边缘后验分布的数值解10。Forbes Kalb Kofman(1999)提出了门限 误差修正贝叶斯模型（T-ECM）
14、 ，把交易成本等先验信息加入分析中，利用贝叶斯后验分 布函数同时估计出了门限参数，滞后参数以及 ECM 模型的回归方程各参数，并将该模型 应用于标准普尔指数期货和标准普尔指数的实证分析中，得到了一个 1.03 指数单位的无套 利区间7。 2.5 极大似然估计与极大似然估计与 LM 检验检验 贝叶斯方法虽然能够估计出门限参数，但并没有给出检验门限协整的方法。Hasen 和 Seo(2002) 延续了 Balke,Fomby(1997)的工作11。他们提出，Balke,Fomby(1997)检验门限协5整的方法有一个重大的缺点，即只适用于协整向量已知的情况，而不适用于协整向量未知 的情况。大部分情
15、况下，协整向量是估计出来的而不是事先给定的。因此 Hasen Seo(2002) 分析了协整向量未知的情况。他们在二元价格系统下建立了门限向量误差修正模型(T- VECM)，包含一个协整向量和一个门限效应。首先通过格点搜索法结合极大似然估计 （MLE）估计协整向量与门限参数，然后通过拉格朗日乘子（LM）检验门限协整。但是 Hasen 和 Seo 只给出了单门限系统的检验方法和估计方法，并没有将这种方法拓展到多门 限的情形。 2.6 实证研究实证研究 Martens,Kofman,Vorst(1998)用 Tsay（1989）的检验方法和门限自回归（TAR）模型分析 了标准普尔指数期货和现货在 1993 年 5 月和 11 月的门限协整行为，发现套利交易的存在 使得过大的价格偏差在短期内回调到无套利区间12。Goodwin,Piggott(2001)用门限自回归 （TAR）模型分析不同市场上的大豆期货以及玉米期货，发现在不同市场上的同质商品存 在门限协整行为，并通过基于 Hasen（1996）方法修正的 Chow 检验以及 Tsay（1989）检 验验证了门限协整并估计出门限参数13。Lo,Zivot(2001) 14把 Balke-Fomby（1997）多门限
