基于Copula函数的我国股指期货风险及套期保值实证研究

运用SJC-Copula-GJR模型,计算了持有沪深300股指期货多头和空头两种组合的VaR值和最优投资比例,模型的特点是能够准确地描述尾部相关关系,且其对尾部相关性的描述是非对称的,所得结论为投资者进行风险管理提供了可靠的依据.同时,通过构造加权的非线性相关系数来计算沪深300股指期货最优套期保值比率,解决了分布非正态、期货与现货非线性的问题,准确地度量了股指期货收益率序列的动态相依关系,实证研究表明基于Copula函数的套期保值有效性明显地优于传统模型.     

基于DCC-GARCH模型的金属期货市场与外汇、货币市场的动态相关性研究

在本文中主要是把DCC-GARCH模型,引入到金属期货市场分别与外汇市场和货币市场之间的动态相关性领域进行研究。通过对LME铜分别与RMB/USD、USD/EU、JPY/USD三个汇率之间的动态相关性研究,研究结果表明:金属期货市场与外汇市场之间有一定的动态相关性,但是不是很强烈;通过对LME铜分别与RMB-USD、USD-EU、JPY-/USD三个利差变化率之间的动态相关性研究,结果表明:金属期货市场与货币市场之间的动态相关性并不明显。     

数字

4％油价暴跌6月21日,纽商所轻质低硫原油期货合约结算价跌3．25美元,至每桶78．20美元,跌幅4％,失守每桶80美元的重要心理价位。眼下美国和全球其他市场石油库存充足,但需求低迷。此外,此前美国联邦储备委员会未宣布新一轮定量宽松政策,令市场感到失望,这也令油价承压。     

随机风险传染、对冲比率及对冲效率的多尺度分析

为研究沪深300股指期货对冲比率、对冲效率与对冲期限的关系,基于小波分析方法构建了含溢出效应的VS-MSV-t模型,并与普通小波方法、OLS法对比。研究结果表明:沪深300股指期货与现货市场存在信息溢出及随机风险传染效应的多尺度现象;其波动性与相关性的多尺度导致最优对冲比率、对冲效率的多尺度。相对中长期投资,风险传染效应给短期的投资带来更多风险。对冲效率随对冲期限增加而增加;信息利用程度的不同使得小波方法对冲效率优于OLS法;考虑风险传染的对冲效率较低但更符合实际;相对VaR对冲效率小于方差对冲效率但其检验更有效也更全面。     

基于VAR模型的我国生猪饲料价格影响因素研究

本文以向量自回归(VAR)模型为基础,运用在此基础上的Johansen协整检验、格兰杰因果检验、方差分解和脉冲响应分析等技术,综合考察了中美玉米期货市场和国内生猪市场对我国生猪饲料产业的价格发现和引导功能。研究发现:芝加哥玉米期货价格、大连玉米期货价格、国内生猪价格和生猪饲料价格之间存在着长期均衡关系,并且对饲料价格分析的总方差中来自于芝加哥玉米期货价格、大连玉米期货价格、国内生猪价格的部分分别为15.28%、11.99%和41.95%,三者的总贡献率达到了69.22%,说明三者对生猪饲料价格具有良好的价格发现和引导功能,而三者当中国内生猪价格的影响最大。进一步的脉冲响应分析也证明国内生猪价格在影响力度和影响时效上都强于两个玉米期货价格。     

期权定价公式的注

根据建立在连续支付红利且利率变动的股票上的期权的到期特点,利用两个数字式期权构造的投资组合收益来复制期权从而导出欧氏看跌期权的定价公式,避开了通过求解B-S方程来得到期权价格的困难.运用同样的方法也获得了期货期权公式.     

东航套保失利警示

东方航空套期保值折戟沉沙,固然有公司经验、技巧不足的原因,但倘若当时市场拥有股指期货这样的做空对冲机制,或许企业会有更多选择。     

期指释放

在中国股市恢复20年之际,资本市场迎来一场盛大的＂成人礼＂。2010年4月16日,标志着中国股市可以做空的股指期货正式挂牌交易。股指期货的推出改变了长期以来单边市场的格局,其价格发现以及套期保值的功能,将促使市场价格回归合理区间,推动价值投资理念的发展。中国企业将在一个更加完善的资本环境里擂鼓开战。     

基于VaR的SPAN系统在我国股指期货保证金中的应用研究

基于我国股指期货的真实数据,灵活运用参数VaR模型,蒙特卡罗方法和Copula技术,给出了SPAN系统应用在中国股指期货保证金上的详细步骤以及具有中国特色的参数设置方法,解决了股指期货推出初期SPAN系统中有关参数设置问题这一技术障碍.实证结果显示,我国股指期货合约所需保证金均低于当前国内股指期货保证金水平,应该改进保证金模式、降低保证金水平.     

基于主成分——BP神经网络的期货市场预测

结合主成分分析法和神经网络的优点,提出了基于主成分分析的神经网络方法来对期货市场进行预测.引入主成分分析法对原始输入变量进行预处理,选择输入变量的主成分作为网络输入,一方面减少了输入维度,消除了各输入变量的相关性;另一方面提高了网络的收敛性和稳定性,也简化了网络的结构.通过实例验证,基于主成分的神经网络比一般神经网络训练精度更高.