基于黄金期货（精选7篇）
基于黄金期货 篇1
2008年1月9日, 黄金期货在上海期货交易所正式挂牌上市交易, 它标志着我国黄金市场步入一个崭新的阶段, 黄金期货的出现是对黄金交易市场的完善和补充。黄金作为上海期货交易所唯一的贵金属期货, 本身具有商品和货币的双重属性。近几个月来, 各大媒体都在讨论中国大妈战胜华尔街的话题, 一时间黄金价格又受到了广泛关注。期货市场作为现货市场的完善和补充, 主要具有价格发现和规避风险的功能, 因此黄金市场价格预测可以通过黄金期货市场来实现。黄金期货市场是一个复杂的非线性动态系统, 存在着不确定性, 采用传统的计量经济学和统计学方法预测其价格, 必然会存在局限性。国内现有的文献资料中, 鲜有对黄金期货价格进行预测的文章, 但存在许多对我国黄金市场进行定性研究的文章, 如肖雄伟 (2008) 对黄金期货的本质和影响黄金期货价格的基本因素进行分析, 得出了许多关于黄金期货的重要理念和操作原则。还有张晖, 罗江等 (2008) 根据国际黄金市场的发展经验分析, 得出了黄金期货市场的发展, 必将成为中国黄金衍生品市场的最优路径。为此, 本文在基于BP神经网络的基础上, 拟利用Matlab7.1软件对黄金期货的每日收盘价和每日均价进行实际模拟与预测。
一、BP神经网络概述
BP网络是1986年由Rumelhart和Mc Celland为首的科学家小组提出, 是一种按误差逆传播算法训练的多层前馈网络, 是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系, 而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法, 通过反向传播来不断调整网络的权值和阈值, 使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层、隐层和输出层。BP算法的基本思想是: (1) 学习过程由信号的正向传播与误差的反向传播两个过程组成。 (2) 正向传播时, 输入样本从输入层传入, 经各隐层逐层处理后, 传向输出层。 (3) 若输出层的实际输出与期望输出不符, 则转入误差的反向传播阶段。误差反传是将输出误差以各种形式通过隐层向输入层逐层反传, 并将误差分摊给各层的所有单元, 从而获得各层的误差信号, 此误差信号即作为修正各单元权值的依据。 (4) 这种信号正向传播与反向传播的各层权值调整过程, 是周而复始地进行的。权值不断调整的过程, 也就是网络的学习训练过程。此过程一直进行到网络输出误差减小到可接受的程度, 或者到预先设定的学习次数为止。
二、实证分析
本文将黄金期货市场中的每组数据都看作时间序列进行处理, 因此先假设有时间序列
x={xi|xi∈R, i=1, 2, …, L}, 并希望通过序列的前N个值预测出后M个值。换言之, 即是希望将序列的前N个值映射为后M个值, 在欧式空间中实现从N维到M维的非线性映射, 从而达到对时间序列进行预测的目的。此外, 本文提出了一种数据划分的方法来构造BP神经网络的训练集, 即是 (x1, x2, …x N;Xn+1, …xn+M) 。对于长度为L的时间序列, 可以构造的样本个数为K, 其中K=L- (M+N) +1。
(一) 数据来源及处理
根据上海期货交易所发布的合约表, 黄金期货合约的合约月份为当月、下月及随后的两个季月, 考虑到如果选择单个合约, 选取的数据将会存在不连续的情况, 而且样本容量较小。所以本文选取沪金指数中的每日收盘价与每日均价来作为样本数据 (因为每日平均价即是黄金期货的结算价, 和收盘价一样都非常重要) , 样本选取的区间均为2012年7月26日至2013年5月29日, 共400个数据。其中采用前190个交易日的收盘价和平均价作为BP神经网络的训练集, 即时间序列长度L=190, 来预测后10个交易日的黄金期货每日收盘价和每日平均价。然后将每6天作为一个周期, 6天的黄金期货每日平均价 (每日收盘价) 数据作为BP网络的输入向量。输出则为下一天的股指期货价格每日平均价 (每日收盘价) 。因此, 输入层的神经元个数为N=6, 输出层的神经元个数为M=1, 样本个数K=184个。所以训练集的向量形式为 (xi, xi+1, …xi+4;xi+5) , 其中i=1, 2…, 184。由于原始数据间差异性可能相差较大, 为了防止小数湮灭的情况发生, 本文采用归一化公式对原始数据进行预处理。将其处理到区间[0, 1]之间。
(二) BP神经网络设计
由于两组序列的时间跨度和样本容量均一致, 所以下面仅以每日平均价为例来阐述BP神经网络的设计过程。
网络结构的设计是指需要确定网络层数, 以及输入层、输出层、隐层的相关参数。输入层的节点设计只需根据输入数据的个数就可以确定。输出层节点的确定与输入层相同, 也是只需根据输出层所需结果个数就可以确定。隐层节点的确定, 则是一件比较复杂的事情。如果隐层神经元个数设置太小, 则神经网络能得到解决问题的信息太少, 容错性较差;但是如果神经元个数设置太多, 不仅会出现过度训练的问题, 而且训练时间也会进一步加长。在通常情况下, 主要根据Kolmogorov定理[3]来确定隐层神经元的个数。
在BP网络中, 对于任何在闭区间内的一个连续函数都可以用单隐层的BP网络逼近, 因而一个三层的BP网络就可以完成任意的N维到M维的映射。由于本文是利用前6天的黄金期货每日平均价预测下一天的平均价, 故输入层的神经元个数为N=6, 输出层神经元个数为M=1。根据Kolmogorov定理知, 对于BP神经网络, 如果隐层层数为一层, 则隐层神经元个数为2N+1, 因此隐层的神经元个数为13。按照一般的设计原则, 网络中间层的神经元传递函数采用S型正切函数tansig。此外, 输出层神经元的传递函数选用S型对数函数logsig。这是因为输出向量的元素值在区间[0, 1]之间, 正好满足网络输出的要求。
(三) 实验结果与分析
本文利用Matlab7.1神经网络工具箱[4]中的函数分别对上述两组训练集进行训练, 分别预测出后10天的每日平均价和收盘价并与它们各自的实际值进行对比, 得出相对误差。在训练100次之后, 每日平均价的训练误差为0.0004, 每日收盘价的为0.0005, BP神经网络基本趋于稳定, 其训练误差曲线如图1所示 (其中左为每日平均价的训练误差曲线, 右为每日收盘价的训练误差曲线) :
本文根据已设计好的BP神经网络模型, 模拟预测出后10天的黄金期货每日平均价和收盘价, 并将计算出的预测值进行反归一化处理。预测值与实际值的对比结果如表1所示:
由图1和表1的结果可知, 无论是对每日平均价还是收盘价而言, 它们与实际结果相比的误差均在3.5%以内, 有较高的精度和较为稳定的预测效果。可见, 单隐层BP网络的非线性映射能力比较强。因此, 可以用BP神经网络对黄金期货价格进行预测。
三、结论及建议
本文通过BP神经网络对上海期货交易所的黄金期货每日收盘价以及每日均价进行实际模拟, 预测出黄金期货最近10天的收盘价和均价, 并将预测结果与实际的黄金期货价格进行比较, 发现无论是收盘价的预测价格还是均价的预测价格都与其实际价格十分接近, 相对误差均小于3.5%, 模型有较高的精度和较为稳定的预测效果, 说明利用BP神经网络预测黄金期货价格是可行的。与发达国家的黄金期货市场相比, 我国的期货市场还存在许多问题, 例如流动性不足, 个人投资者较少, 交易时间过短等问题。针对这些问题, 本文提出以下建议:首先, 使投资主体多元化并创建迷你黄金期货合约。其次, 延长黄金交易时间。最后, 加强对黄金期货市场的监督力度, 并适时推出黄金期权等新金融衍生品来丰富市场, 增加市场的流动性。
摘要：本文在BP神经网络的基础上, 利用2012年7月26日至2013年5月29日期间黄金期货的每日平均价与每日收盘价, 对二者价格进行实际模拟和预测。模拟结果与实际相比, 有较高的精度和较为稳定的预测效果, 说明BP神经网络对黄金期货市场的预测是可行的。
关键词：黄金期货,价格预测,BP神经网络,平均价,收盘价
参考文献
[1]肖雄伟.论我国黄金期货投资风险的影响因素及投资策略[J].经济师, 2008 (3) :41-42.
[2]张晖, 罗江, 许文新.黄金期货是中国黄金衍生品市场发展的最优选择[J].黄金市场.2008, 29 (3) :4-7.
[3]刘耦耕, 李圣清, 肖强晖.多层前馈人工神经网络结构研究[J].湖南师范大学自然科学学报, 2004, 27 (1) :26-30.
[4]飞思科技产品研发中心.神经网络理论与MATLAB7实现[M].北京:电子工业出版社, 2005 (1) :44-52.
基于黄金期货 篇2
关键词：BP神经网络,期货市场,预测
一、引言
虽然不确定因素较多, 但期货市场在市场中却发挥着其独有的价格发现功能, 因此在我国受到了越来越多的重视, 而保障期货市场的稳定发展也是国家在金融方面的重要工作内容。然而纵观我国期货市场十多年发展史, 几乎每年都会有风险事件发生。套期保值和价格发现是期货市场的基本功能, 为了能更好地发挥期货市场的这两个功能, 研究期货市场风险控制就显得尤为重要, 而重中之重则是研究价格风险控制, 分析与预测期货价格变化趋势因此成为了热点。
二、神经网络简介
神经网络发展到今天, 已经受到各国研究人员的重视, 将神经网络运用于金融时间序列预测方面, 前人亦有较多著述, 将其应用于包括股票指数和期货等方面, 其中有多个理论非常值得借鉴和进一步研究。由于神经网络对信息处理具有自学习、自组织、知识推理等特点, 对于尚不确定规律性的系统具有自适应特征。所以神经网络可以利用对样本的训练实现从输入到输出的任意非线性函数对应关系的映射, 并通过建立这种映射关系来体现对象的内在规律。
综合来看, 用神经网络进行股票股指短期预测时精度较高, 但在将之用于我国商品期货的文献相对较少, 所以用BP神经网络预测我国商品期货收盘价和收益率, 进而指导在期货市场投资的思想, 是具有一定的现实意义的。
三、BP神经网络原理与过程
(一) BP神经网络原理
BP神经网络是一种多层前馈型神经网络, 它可以实现从输入层到输出层的任意非线性映射。假设影响期货收盘价格变化的因素只与前期收盘价有关, 即设
由神经网络得到的最优预测函数f (Ft-i) 能够使Ft与Ft的误差相对较小, 从而有效揭示期货价格的波动趋势。
神经网络的基本思想是, 学习过程由信号的正向传播和误差的反向传播两个过程组成。正向传播时, 输入样本从输入层传入, 经隐含层逐层处理后传向输出层。若输出层的实际输出与期望输出不符, 则转向误差的反向传播阶段。误差的反向传播是将输出误差以某种形式通过隐层向输入层逐层反传, 并将误差分摊给各层的所有单元, 从而获得各层单元的误差信号, 此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程是周而复始进行的。权值不断调整的过程, 也就是网络的学习训练过程。
(二) BP神经网络过程
BP神经网络是一种单向传播的多层前向网络, 具有3层或3层以上的神经网络, 包括输入层、中间层和输出层。当一对学习样本提供给网络后, 神经元的激活值从输入层经过各中间层向输出层传播, 在输出层的各神经元获得网络的输入响应。
输入层和隐层的传递函数是正切激活函数Logsig:
所以中间层神经元的第个结点定义为:
其中是第个结点的值, 称为偏差, 对求和是指对所有指向的结点求和, 是权重。比如一个只有两个输入层、传递函数为Logsig的前馈神经网络的隐层中的第个结点:
输出层的传递函数是线性函数, 用Purelin表示。所以输出层的结点定义为:
其中是隐层中结点个数。
联合各层来看, 前馈神经网络的输出值可以写成
网络的参数个数会根据神经网络输入输出和神经元隐层个数而变化。接下来, 按照减少目标输出与实际误差的方向, 从输出层开始, 经过各中间层, 逐层修正各连接权值, 最后回到输入层。这种算法称为“误差逆传播算法”, 即BP算法。随着这种误差逆传播修正的不断进行, 网络对输入模式响应的正确率也不断上升。
四、BP神经网络建模及预测
(一) 数据选择与读入数据
本文采用单项指标进行收盘价格的预测, 即将期货价格的预测周期选取15日, 用15天的历史交易收盘价格数据作为预测数据。依次将数据作为网络的一个输入数据, 其后一天的数据作为网络输出即目标数据, 按这个方式进行滚动排列, 形成BP神经网络的训练样本。数据选取自南华期货富远行情分析系统软件中可获得的商品期货实时数据, 时间段选取黄金1305期货合约2008年5月23日到2010年11月1日收盘价共400个数据。
(二) 创建网络
建立前馈BP神经网络后, 为得出最优的预测结果, 需要不断调整参数, 使误差达到最小。本文根据输入数据, 设计了一个隐层神经元可变的BP神经网络, 其他参数不变, 通过误差对比, 确定最佳隐层神经元个数。通过分别设定1~30层隐神经元个数可以得到, 28层效果最好, 整体误差矩阵的最大奇异值仅为0.0708。所以认为以后100个预测用28个隐层神经元最好。
(三) 设定参数
初始设定参数为默认参数, 然后逐渐调整。采用动量法和学习速率自适应调整策略训练网络, 利用两方面的优点来优化BP神经网络的训练, 返回误差参数。此过程反复调整权重和阀值, 以减小性能函数的值, 直到达到预先设定的误差精度。
(四) 仿真建模
确定最优隐层神经元个数后, 用之后的100个数据进行神经网络建模, 效果如上图所示, 蓝色加号为实际收盘价, 绿色圆圈为神经网络拟合点, 可以看到, 拟合效果比较理想。
(五) 预测
预测部分采用窗体预测, 其过程是先进行单步预测, 再将新一日收盘价反馈给网络输入端作为输入的一部分, 并剔除最开始的一个输入, 将剩下的数据用于下一步的预测。若开始预测时, 输入数据是实际的时序观测值Xn, Xn+1, …, Xn+m, 则输出是下一刻的预测值Xn+m+1, Xn+1, Xn+2, …, Xn+m+1一起作为输入数据对Xn+m+2进行预测, 得到输出的预测值Xn+m+2, 再将Xn+2, Xn+3, Xn+m+2作为输入数据, 输出预测值Xn+m+3, 如此反复迭代, 就能得到一段时间的预测值。
从第300天开始, 选取窗体区间为20天, 持续进行数据迭代, 如下图所示, 预测最开始十天的相对误差较小, 可以用这种方法持续建模及预测。
(六) 交易策略
因为黄金期货1305全部数据如图所示, 所以研究非单向走势市场就很有意义了。结合以上所有思想, 建立可自动调节参数的神经网络, 模型选取第401-857个数据, 以网络预测出的收益率为交易决策目标值, 预测下一时刻收益率大于1%平空做多, 下一时刻收益率小于1%平多做空, 最后一天平仓。本金为50万, 考虑手续费为60元/千克, 只操作一手, 得到的收益如下。
五、结论
基于BP神经网络构建了程序化交易策略, 并对该交易策略在黄金期货市场的应用进行了实证分析, 发现本文提出的交易策略具有较高的收益, 具有一定的稳定性和实操性。
由本文所描述的模型可知, 可调节参数的BP神经结构可以获得大于50%的预测正确率。这需要对BP神经网络的结构以及网络如输入层各个组成部分做出合适的设定。在模型建立和样本内数据预测的过程中, 认真分析, 反复实验, 对网络模型进行不断改进, 然后再将这种思想转换为可自动调节参数的动态模型。针对不同品种, 预测窗体的选择会有所不同, 可根据样本内数据进行调整, 在样本外进行实证分析, 得到较优结果。下表分别展示了窗体为20, 滚动预测200日黄金期货1305、铝1212和螺纹钢1305日收盘价的相对误差, 可以看到, 相对其他几个品种来说, 黄金期货收盘价的误差较大, 可能是因为黄金期货价格带有跳跃项, 这一现象有待进一步的研究。
参考文献
[1]Matsuba.I.Application of neural network sequential associate or to Long-term stock price prediction[M].Singapore, 1991, 1196-1202.
[2]杨小平.基于主成分与BP神经网络的股票价格预测分析[J].决策参考, 180:42-43.
[3]GenCay.R, Non一linear prediction of security returns with moving average rules[J].Journal of forecasting, 1996, 15 (3) :133-138.
[4]李自珍, 白玫.基于神经网络的期货价格预测与模型实现-以上海金属期货价格预测为例[D].首都师范大学, 2008.
基于黄金期货 篇3
一、引言
越来越多的人用黄金投资产品来规避投资风险, 避免货币贬值。2008年, 我国上海期货交易所推出黄金期货合约, 且规避风险是期货市场基本的功能之一。所以, 分析我国黄金期货市场能否发挥其市场功能, 验证我国黄金期货交易能否满足包括金融机构、黄金生产企业、及消费者在内的参与者的保值需求, 具有较为重要的理论意义及实用价值。
二、国际黄金市场和中国黄金市场简介
黄金市场、外汇市场、货币市场和资本市场构成了金融市场。1978年前, 黄金作为国际货币, 是交易的媒介;而在去货币化后, 成为贵金属商品被人们投资追捧。
(一) 世界主要黄金市场
黄金非货币化的30多年, 黄金市场得到了迅猛发展。世界黄金市场分为两大部分:一是以伦敦金银市场协会 (LEMA) 为主导力量的现货市场;二是以纽约商品交易所 (NYMEX) 为核心的期货期权衍生产品交易市场。
(二) 我国黄金市场
中国黄金市场的发展滞后于世界黄金市场, 但中国的黄金市场经过了多阶段的改革, 如今已日趋完善。中国的黄金市场分为三部分, 一是上海黄金交易所业务, 二是商业银行黄金业务, 三是上海期货交易所黄金期货业务。我国黄金市场市场化的标志是2002年上海黄金交易所的成立运营, 定价参照伦敦黄金市场, 结合我国的供给与需求状况决定。2008年上海期货交易所的成立使中国的黄金价格更加贴近市场状况。由于期货具有价发现功能, 上海交易所的成立有利于进一步完善中国黄金价格的体制改革。
三、黄金期货套期保值的概念及理论
(一) 套期保值的概念
套期保值是指生产经营者在现货市场买进 (或卖出) 一定量的现货商品的同时, 在期货市场卖出 (或买进) 与现货品种相同, 数量相当, 但方向相反的期货商品 (期货合约) , 以一个市场上的盈利弥补另一个市场的亏损, 达到规避价格波动风险, 控制成本, 锁定利润的目的。[1]
(二) 黄金套期保值理论
根据套期保值理论的配置比例大致可分为两种类型:传统理论和现代套期保值套期保值理论。[2]
1. 传统套期保值理论。
英国著名经济学家Keynes和Hicks的正常交割延期理论认为, 套期保值就是在期货市场上建立与现货市场方向相反、数量相等的一笔交易, 借此来转移现货市场交易的价格波动风险[3]。以该理论为基础的套期保值方法就为传统套期保值理论。
2. 现代套期保值理论。
传统套期保值理论是基于现货市场和期货市场高度相关的假设, 但在现实交易活动中, 由于供给需求间的关系影响、市场流动性和市场有效性等多方面因素, 期现市场并不会处于相同幅度或是相同方向的变动状态, 这对传统套期保值理论造成冲击, 并难以获得参与者的预期效果。20世纪60年代, 美国学者霍布金斯沃金指出, 套期保值者既追求风险最小化又追求期望利润最大化[4]。基于此, 西方学者提出一系列新的套期保值模型, 风险最小化模型和线性均值方差模型是最具有代表性的模型。 (1) 风险最小化模型。风险最小化模型假定投资者的投资目标是尽量减少风险, 风险的衡量标准是价格变动的标准差, 得出以尽量减少的情况下获得的风险套期保值比率 (。2) 线性均值-方差模型。该模型将投资者期望收益纳入考虑范围, 并假定投资者既想获得更高的预期回报, 又希望存在的风险较低。该模型所提供的套期保值决策方法更为现实, 但不同的市场参与者具有不同的效用函数和风险承受能力。
四、黄金期货实证研究
(一) 黄金价格走势
1944年, 以美元为国际货币的布雷顿森林形成, 实行美元与黄金、其他货币与美元之间的“双挂钩”政策且35美元/盎司。第二次世界大战以后, 美国加速输出美元导致美元数量过剩并引发通货膨胀加剧。尼克松政府在1971年宣布放弃黄金与美元间的固定比价, 导致美元大幅上涨变成589.8美元兑换1盎司黄金。
2001年初至2003年6月, 因美联储13次降息的宽松货币政策使美元大量贬值。为应对2008年全球金融海啸, 美国实行QE政策, 导致美元贬值;同时欧洲债务危机爆发, 人们大量投资黄金致使国际金价涨幅高达528%。随后由于美国经济形势好转, 美国考虑提前结束QE政策和萨普鲁斯政府抛售黄金储备还债等利空消息的影响, 黄金价格在2013年4月连续跌破1500美元和1400美元关口, 最低跌至1355美元/盎司, 创下了过去30年以来现货黄金价格两天内最大跌幅。
(二) 基于ECM模型的黄金期货套期保值实证研究
1. ECM模型理论介绍。
为了估计套期保值功能发挥的程度, 国内外学者提出了多种套期保值比率的计算方法, 主要有OLS、B-VAR、ECM、EC-GAR CH、VAR-GAR CH和FIEC-GAR CH等模型[5]。本文选用误差修正模型进行估计。
Gh osh (1993) 提出了用误差修正模型 (ECM) 估计最有套期保值比率, 即如果现货价格序列和期货价格序列之间存在协整关系, 则最优套期保值比率可根据下式来估计:
其中, β、γ、δ、θ均为待估计参数, ecmt为误差修正项, νt为扰动项, 是白噪声序列, β即为最优套期保值比率[6]。
2. 实证检验与结果分析。
(1) 数据采集与处理。本文所用数据来自大智慧软件的日收盘价。所选取样本数据的时间为2009年4月8日至2014年1月30日, 共1172组数据。
(2) 数据图形描述。
从上图可知, 现货价格序列和期货价格序列有大致相同的增长和变化趋势, 表明二者存在协整关系。
(3) 数据的单位根检验。因为对数化可以很好地消除异方差, 而且不影响原数据之间的协整关系, 所以对数据取对数, 变换后的现货价格和期货价格分别用LNS和LNF来表示。在E-views中对LNS、LNF和其差分序列进行ADF检验, 结果如下表:
由上表可知, 现货价格序列 (S) 和期货价格序列 (F) 均为一阶单整序列。
(4) 变量的协整检验。由表1可知, LNS—I (1) , LNF—I (1) , 其有可能存在协整。对LNS和LNF序列进行最小二乘法 (OLS) 估计, 但由于该估计中D.W.值 (为0.34) 较小, 可能存在序列相关性, 故加入滞后项LNS (-1) 再次进行最小二乘法估计, 最后对残差e进行单位根检验, 结果如下表:
由上表可看出, 黄金的期、现货价格之间存在长期均衡关系。
(5) 误差修正模型 (ECM) 。黄金现货价格和期货价格的ECM模型估价结果为:
综上, 黄金期货的套期保值比率为h=0.9204。
(6) 研究结论及改进措施。通过上文所述实证研究, 可知:
第一, 我国黄金期货市场套期保值功能已发挥, 参与者的价格波动风险明显地降低。需注意的是在具体操作时, 要充分考虑期、现货价格关系对黄金市场套期保值比率的影响, 不能将其作为套期保值标准进行简单的对冲。
第二, 企业进行具体操作时, 需结合自身的实际情况, 交叉利用不同的模型以合理确定最佳的套期保值比率。
为推动我国黄金市场发展, 更有效地发挥我国黄金期货市场的套期保值功能, 本文提出以下改进措施:
第一, 进一步完善我国黄金期货市场交易系统。虽然在我国黄金期货市场上进行套期保值是有效的, 能明显地降低价格波动风险, 但进行套期保值交易的参与者较少, 积极性不高。其重要的原因是交易系统不是很完美, 表现在三方面:一是对冲头寸较小且申请过程较为复杂;二是交割制度不是很全面;三是我国交易时间与国际上的交易时间无法对接。这些因素在很大程度上都影响了我国黄金期货市场套期保值者参与的积极性。
第二, 积极鼓励机构投资者参与黄金期货市场交易。在发达国家, 不管是黄金场外交易市场或是黄金场内交易市场, 因为黄金的特殊性, 机构投资者是黄金交易的主体。但是在我国, 机构投资者较少, 目前仅有国内四个金矿企业和物价商业银行, 而且他们参与交易的主要目的是投机套利, 所以套期保值积极性不高。
第三, 对投资者加强培养教育, 让他们以正确的方式、积极的态度参加黄金市场交易。在我国, 现有的参与者对套期保值了解不足, 潜在投资者又对黄金期货市场比较陌生。因此, 我们应加大宣传与黄金期货市场避险功能和套期保值交易相关方面的知识。
第四, 应培养大量的适合黄金市场的专业人才, 以加大黄金市场在技术方面上的支持。专业的人才队伍有利于促进我国黄金期货市场的发展, 有利于黄金市场套期保值功能的发挥, 以适应黄金期货市场的特殊性和专业性。
摘要：黄金曾是世界货币, 象征财富和荣誉, 凭借其稀缺性在金融世界处于特殊地位。《牙买加协议》将黄金国际货币职能废除, 黄金变为贵金属商品。由于美国实施量化宽松政策及欧洲债务危机蔓延的环境下, 黄金成为最流行的投资工具。随着我国上海期货交易所推出黄金期货合约, 黄金期货市场的投资者用其来规避价格风险将成为风险控制不可或缺的工具。
关键词：黄金,黄金期货套期保值,误差修正模型
参考文献
[1]Johnson L L.The theory of hedging and speculation in commodity futures[J].Reviews of Economic Study, 1960 (3) .
[2]Ederington L H.The hedging performance of the futures markets[J].Journal of Finance, 1979 (1) .
[3]Ghosh A.Hedging with stock index futures:estimation and forecasting with error correction model[J].Journal of Futures Markets, 1993 (7) .
[4]黄长征.期货套期保值决策模型研究[J].数量经济技术经济研究, 2004 (7) .
[5]王骏, 张宗成, 赵昌旭.中国硬麦和大豆期货市场套期保值有效性的实证研究[J].中国农业大学学报, 2005 (4) .
[6]易丹辉.数据分析与E-Views应用[M].中国人民大学出版社, 2008.
[7]祝小兵.黄金投资与理财[M].上海:学林出版社, 2010.
[8]张晓峒.计量经济学基础[M].南开大学出版社, 2011.
[9]中国期货业协会.期货基础教程[M].中国财政经济出版社, 2013.
基于黄金期货 篇4
期货市场的价格波动是受市场信息影响的, 所以这种价格的波动和其数量关系的研究很长时间以来一直是国外学者在期货领域研究的热点问题。国外学者对黄金期货市场价格波动率的特征进行了较系统的实证研究, 认为研究交易量与价格波动性的关系有利于发掘金融市场内部的结构信息, 进而理解市场信息传播的方式和途径, 最终有利于研究市场的波动性分布和市场的有效性。中国的黄金期货是2008年1月9日在上海期货交易所推出的, 自此, 企业可以通过黄金期货来进行套期保值。但是, 从国内现有的文献来看, 由于交易时间不长, 黄金期货价格数据难以获取, 对于我国期货市场上目前所提供的黄金品种的特性以及它们内含的市场功能的探讨不是很多。
GAR CH族模型较好的拟合了实证研究中会出现的波动率集聚、资产收益的厚尾的特征, 所以被广泛地运用于对资产收益波动率的分析。由于目前对我国黄金的期货市场波动率预测进行建模研究的文献很少, 所以本文应用GARCH和TGARCH、EGARCH两种GARCH族模型的推广形式, 来分析我国黄金期货市场波动率, 同时对各模型在未来波动率的预测能力进行评价, 为市场参与者提供一定的参考价值。
二、波动率预测模型
(一) GARCH
GAR CH, 又称“广义自回归条件异方差模型”, 由T.Boller slev提出, 是在ARCH (p) 的模型中增加了q个自回归项, 形成GARCH (p, q) 模型。它对误差项的方差进一步建立了模型, 所以非常适用于对波动性的分析和预测。GARCH (p, q) 模型的基本设定为:
均值方程:Rt=E (Rt|It-l) +εt
条件方差方程:其中R t是金融资产收益率, 其预测所依据的条件是以往的信息It-l, εt为误差项, 同时ht=σt2。
(二) TGARCH
是在1994年由Zakoian、Glosten、Jagannathan和Runkle联合提出的, 又称为GJR-GARCH模型, 是用来描述利空和利好信息会对市场波动率产生的非对称性影响, 其模型的一般形式为:
TGAR CH模型为了描述信息的影响, 与GAR CH模型相比, 多设立了一个阀值d, 当d的值为l时表示利好信息影响, 当d的值为0时表示利空消息的影响。γ是用来反映利好与利空信息会对金融市场产生的非对称性影响的参数。显著非零的γ系数表示利好与利空信息对波动性产生的影响是非对称的, γ<0表示利好消息比利空消息对波动率的影响较大, 反之, γ>0则表示利空信息比利好信息对波动率的影响较大。
(三) EGARCH
在GARCH (p, g) 模型中, 条件方差取决于残差值的大小而不取决于残差的符号。但有证据表明, 资产波动性和资产收益率是负相关的。即当证券价格上涨时, 收益率为正, 波动性下降;当资产价格下降时, 收益率为负, 波动性上升。实际上, 一些经验表明, 波动性较高的那段时期经常与证券市场的下跌紧密相关, 而波动性较低的那段时期经常与证券市场的上涨紧密相关。为了描述这种情形, Nelson (1991) 提出了E-GAR CH。其形式如下:
其中γi=0表明不存在非对称性。E-GARCH建立了条件方差是ε的不对称函数的模型, 它允许正和负的滞后值对波动性存在不同的影响。对数形式允许负的残差, 但条件方差本身不能是负的。
三、对AU1406合约波动率的实证分析
(一) 数据来源和描述
本文选取了锐思数据库中上海期货交易所发布的黄金期货———AU1406合约的每日收盘价数据作为样本。AU1406黄金期货合约的首次上市是在2013年6月18日, 所以样本的时间跨度从2013年6月18日到2014年5月30日, 共233个有效的交易日数据。日收益率采用的是对数收益率的形式, 即每两个连续交易日收盘价的对数的一阶差分, 其计算公式为:
日收益率如图1所示:
对日收益率作简单的描述性统计, 结果如表1所示。
观察结果可知, AU1406期货收益率的均值大约为零, 其波动显示出典型的金融时序数据爆发性、集聚性和持久性等特征。收益不服从正态分布, 显现出明显的偏斜、厚尾特征。
在分析波动率之前, 先要检验收益序列的平稳性, 平稳的时间序列是指产生这个序列的基本规则与时间变化不相关。单位根检验是分析检验现代时间序列平稳性比较有效的一种方法, 近年来也在实证金融的分析得到广泛的应用。所以本文也对收益率进行了单位根检验, 看指数序列是否平稳, 检验结果如下:
单位根检验表明收益率序列在1%的显著性水平下序列是平稳的。因此, 可以对数据应用GARCH族模型。
(二) 实证分析的结果
本文选用Eviews6.0软件对方程中的各项系数进行估计, 结果在表3中列示。
注:括号内的值为对应检验统计量的P值。
可以由以上结果分析认为, 根据AIC准则, AIC值越小模型拟合效果越佳。对于黄金期货收益率, 三个GARCH类模型拟合效果很接近, 而EGARCH拟合效果略佳。
四、结论与建议
(一) 结论
根据以上数据的基本分析, 可以基本得出我国黄金期货价格的波动的特征如下:
1. 波动的持续性。
在三个模型中, 参数α+β得和都接近于1, 表示序列整体的波动持续性比较长, 波动率的衰减速度放缓, 说明我国的黄金期货市场价格波动受外部冲击影响明显, 一旦黄金期货的价格受到冲击而出现异常的波动, 将很难在短期内完全消除。同时, 也因为黄金作为一种贵金属, 受国际宏观经济情况, 包括美元汇率变化等在内的多因素影响, 而这些因素的变化波动是有一定持续性的。
2. 波动的集聚性。
由参数中的结果可以发现α均大于0, 表明了序列波动的正相关和正反馈效应, 但这一现象与有效市场理论中的金融波动不相关假设是相矛盾的。因为市场中有许多非理性的投资者, 出于保守性目的和代表性偏差, 他们在投资中容易对信息反应过度或反应不足, 由于羊群效应导致投资整体的决策偏差, 使得价格偏离内在价值, 而这种偏差反过来又影响其他投资者做出正确判断, 进一步产生认知和情绪的偏差, 形成了一种循环机制, 出现了波动的集聚性。
3.杠杆效应。
EGARCH模型中的杠杆系数是显著的, 同时参数γ大于0, 表明黄金期货的波动是非对称性的, 具体看来就是利空比利好对价格的波动产生的影响要大。主要是因为目前我国的市场, 黄金期货推出不久, 整个市场不是很成熟, 其中投机交易者比例较大, 而投机者出于安全性的角度考虑, 更在乎的是在利空的情况下对自身财产的保护, 所以对坏消息更加敏感。因此, 坏消息和好消息对黄金期货市场的冲击是非对称的。
(二) 建议
所以, 对于投资者来说, 投资黄金期货要把握机会, 更要保障投资行为, 应该要更好地分析行情的变动, 以此预测获利情况。事实上, 虽然在交易门槛上, 上海黄金期货合约中规定一手的数量为1000克, 相对过高, 但在本文中的样本数据所选取的大约1年的时间内, 黄金价格有明显的回落, 所以即使期货市场上的品种流动性不足, 对于中小投资者仍有吸引力。作为中小投资者, 首先, 要及时止损认赔, 不抱侥幸心理, 认真观察具体品种的常态的行情变化幅度找出合理的振幅及自己可承受的限度来确定止损线;其次, 资金分散, 分批投入, 不满仓操作, 投资者必须将资金预留一部分作为每日结算的准备金;最后, 切勿盲目从众, 每一个投资者要学会独立地分析思考问题, 关心国内外期货市场动态和价格, 可以以纽约和伦敦交易所的数据为依据。
相关部门也有必要采取一些措施来培育市场, 引导我国的期货市场和黄金市场的健康发展。第一, 要积极开发和提供新的黄金投资品种, 以加强市场的流动性, 从而活跃市场交易量;第二, 确保投资者在交易前要充分地学习黄金期货的基本原理和交易规则制度, 提高投资者的风险防范能力;第三, 加强对市场的监管, 当短期内出现大幅度的价格偏离时进行适当干预, 实行保证金制度、每日无负债结算制度等;第四, 健全会员结构, 应鼓励更多的金融机构参与黄金期货市场的交易, 特别是安全性较高的商业银行等, 来为市场注入更多的流动性。
参考文献
[1]温博慧, 罗正清.《国内外黄金价格的波动性与互动关系研究》[J].金融发展研究, 2009, 06.
[2]邓海清.《中国黄金市场的风险价值研究——基于参数法和非参数法的实证》[J].市场研究, 2012.
[3]严定琪.《基于GARCH族模型的沪深300指数波动率预测》[J].兰州交通大学学报, 2008, 02.
[4]赵进文.《上证180指数的GARCH族模型仿真研究——对上证300指数的间接实证建模分析》[J].财经问题研究, 2008, 03.
[5]郭彦峰, 肖倬.《中美黄金市场的价格发现和动态条件相关性研究》[J].国际金融研究, 2009, 11.
基于黄金期货 篇5
随着国际金融体系的建立、演化与发展,黄金、货币与金融安全在不同的国际货币金融体系中形成了不同的组合关系,表现出不同的金融风险形式。黄金价格与其他大宗商品价格一样,波动剧烈,市场风险巨大。2008年1月9日,中国黄金期货在上海期货交易所正式挂牌交易,作为一个新兴市场,中国黄金期货市场有许多问题需要进行研究和探讨,而其中黄金期货价格与黄金现货价格之间的关系应该是其中的重点。这一研究有助于黄金生产、经营、加工企业通过套期保值交易规避市场风险,提高风险管理水平,增强市场竞争力和国际竞争力;有助于投资者充分利用黄金期货市场来规避黄金价格波动带来的风险。因此,这一研究具有一定的理论价值和现实意义。
通过实证分析得到中国黄金期货价格与现货价格之间的关系,一方面可以了解中国黄金期货市场是否发挥了应有的功能和作用,另一方面可以了解中国黄金期货价格形成机制中黄金现货价格所起到的作用。本文采用文华财经上的沪金指数来表示黄金期货价格。黄金现货价格来自上海黄金交易所每月金价交易表中的每日收盘价。样本区间选取2008年1月9日至2009年12月20日,数据为日数据,共472个。具体通过ADL模型和共同因子贡献法进行实证分析,研究中国黄金期货价格与黄金现货价格的关系。
二、黄金现货与期货市场价格实证分析
研究黄金期货价格与现货价格之间的关系,一方面可以了解中国黄金期货市场是否发挥了应有的功能和作用,另一方面可以了解中国黄金期货价格形成机制中黄金现货价格所起到的作用。同时,可从黄金现货价格的影响因素入手,把它们纳入到中国黄金期货价格形成机制中来。
(一)ADL模型分析
利用公式R=ΔPt/Pt-1来计算中国黄金期货市场和现货市场的价格波动率序列,分别记做RFAU和RSHAU。现货价格仍为AU9999和AU9995每日收盘价格的平均价。样本区间为2008年1月15日至2009年12月20日。剔除日期不同的数据后,共得到450个日数据。在对变量进行协整分析之前,首先对分析中所涉及的变量序列进行平稳性检验,即单位根检验。ADF检验模型为:
其中,εt为白噪声,Δ为差分算子,β1为常数项,β2为趋势项系数,δ为不同滞后期的差分系数。原假设H0,表示{yt}有一单位根,即{yt}非平稳,但它经过d阶差分后平稳,就称{yt}是d阶单整的,记为I(d)。
在ADF检验中添加常数项而不添加时间趋势项的条件下。对ADF检验进行2阶滞后得到结果(见表1):
注:表中的ADF检验采用Eviews5.0软件计算而得,*表示1%的置信水平。
由表1可以看出,检验结果均拒绝原假设,两个序列均为平稳序列。因此对于规避风险功能的实证研究,本文选用自回归分布滞后(ADL(p,q))模型,用数据的动态非均衡过程来逼近经济理论的长期均衡过程。
反映数据生成过程的自回归分布滞后模型的一般表达式为:
理论上讲,决定模型中变量滞后的最大阶数(p,q)的依据是误差项{εi}为一新生过程,或者称为新生误差。但是在实践中,可以先设定较长的滞后阶数,然后对(2)式进行OLS回归,根据SC准则来选取阶数。通过回归分析,本文选取阶数p=1,q=2,此时回归方程的SC值为最小值。得到的ADL(2,3)模型如下:
对(3)式残差序列分别进行LM及CUSUM检验可知,模型残差不存在序列相关,也没有发生结构性转变。经过参数重整,本文得到RFAU序列与RSHAU序列的误差修正模型:
黄金期货价格的短期变动可以分为两部分:一部分是短期黄金现货价格波动的影响,另一部分是偏离长期均衡的影响。差分项反映了短期波动的影响,误差修正项ecmt的系数的大小反映了对偏离长期均衡的调整力度。中国黄金期货价格与现货价格波动的长期均衡系数为1.059,表明两者有较高的依存度,就长期而言中国黄金期货价格与现货价格的变化率有105.9%是呈线性关系。调整系数为-1.914,这说明当短期波动偏离长期均衡时,将以(-1.914)的调整力度将非均衡状态拉回到均衡状态,长期均衡具有较强的调整力度,反应出中国黄金期货存在较为剧烈的短期价格变化。
综上说明中国黄金期货价格与现货价格长期趋于一致,两者有较高的依存度,中国黄金期货市场具备一定规避风险的功能。
(二)共同因子贡献法
共同因子贡献法主要度量现期货市场的价格发行力,可以检验现货与期货在同一天的开盘价和收盘价,同日的收盘和次日的开盘价之间的信息优势和信息流动状况。可以精确度量一个市场收盘价对另一市场同一金融资产开收盘价的影响力度。因此小节将采用基于价格发现力理论的共同因子贡献法来检验中国黄金现货和黄金期货开收盘价之间的影响。
共同因子贡献法认为,如果两个价格序列之间存在着协整关系,那么它们之间必然存在一个共同因子。通过对它们建立误差修正模型,把价格的变化划分为永久冲击和短暂冲击,利用Gonzala和Granger(1995)的P-T模型,通过永久冲击的误差修正项系数便可研究每个市场对共同因子的贡献。P-T模型假定有如下误差修正模型:
其中,yt~I(1),yt~I(0),yt=(y1ty2t)T,Παβt,α=(α1α2)T,β=(β1β2)T,Γ是Δyt-i的系数矩阵,et为非自相关残差序列,∏yt-1代表价格序列之间的长期均衡,而则是代表由于市场不完善所引起的价格波动,如果用ω代替仪∏t-1,Gt代替(5)式可以表示成Stock和Watson(1988)的共因子表达形式:
其中,ω是共同因子,Gt是不能对yt产生永久冲击的短暂成分。根据Gonzalo和Granger(1995)等人的研究方法,把共同因子ω分解为价格的线性组合:
其中,η=(η1η2)是共同因子的系数向量,η向量里的η1和η2即可度量两个价格序列的价格发现力,由于η是标准化的,因此η1+η2=1。以η1为黄金期货收盘价的价格发现力,η2为黄金现货收盘价的价格发现力。如果不考虑黄金期货在黄金现货停牌后的交易时间里所获得的新信息,黄金现货收盘价与黄金期货收盘价之间的信息流动程度越高,η1和η2的相关性就会越强,|η1-η2|就会越小,反之亦然,根据P-T模型本文采用近似代替η1,近似代替η2,这样便可以度量出黄金现货收盘价与黄金期货收盘价之间的价格发现能力。价格发现力实证检验结果(见表2):
由表2的实证检验结果可以看出n1>n2,这说明,由于中国黄金期货收盘早于黄金现货,其收盘价信息对黄金现货收盘价有影响;η1-η2=0.042。这说明中国黄金期货和黄金现货收盘价的价格发现力相差不大,两个市场间的信息流动性较强。
三、结论
由实证分析可知,中国黄金期货价格与现货价格长期趋势是一致的,只是在上市初期因为国内投资者炒作以及2008年10月因国际金融危机影响,短期存在比较大的偏差。中国黄金期货和现货价格波动率序列之间有较高的依存度,由此中国黄金期货市场已具备一定规避风险的功能。但中国黄金期货价格的波动不能够引发现货价格的波动,没有起到价格发现的作用。中国黄金现货价格对于中国黄金期货价格有着非常重要的影响。
参考文献
[1]Triffin R.黄金与美元危机[M].陈尚霖,雷达,译.北京:商务印书馆,1997:35-48.
[2]刘山恩.论黄金市场的金融性[J].中国黄金经济,2000,(4):8-11.
[3]周洁卿.中国黄金市场研究[M].上海:上海三联书店,2002:5-12.
[4]李战杰.黄金价格的影响因素[J].重庆商学院学报,2002,(4):20-22.
[5]杨柳勇,史震涛.黄金价格的长期决定因素分析[J].统计研究,2004,(6):21-24.
[6]胡恩同.黄金的双重属性与其价格决定机制[J].黄金科学技术,2005,(9):1-7.
[7]张志刚,黄解宇.中国黄金现货价格与国际金价关系的比较研究[J].价格理论与实践,2007,(12):70-71.
[8]Gonzalo J.Granger C W.Estimation of common long-memory components in Cointegrated systems.Journal of Business and Economic Statistics,1995,(13):1-9.
基于黄金期货 篇6
期货是一种重要的衍生工具。期货市场作为金融市场的重要组成部分, 在经济运行过程中发挥着十分重要的作用。通常来讲, 期货市场主要有两项主要的社会功能——价格发现和套期保值 (1) 。而其中价格发现功能是更为基础的功能, 因为有效的套期保值是建立在价格合理正确的基础之上的。
所谓价格发现 (pricediscovery) , 是指期货市场通过公开公正和高效竞争的期货交易运行机制, 形成具有真实性、预期性、连续性和权威性价格的过程。由于在期货合约的买卖中, 交易者同意于未来特定的时间, 根据目前决定的价格, 进行或接受特定商品的交割, 故期货价格和期货合约未来交割的预期现货价格之间存在着某种特定关系, 且这种关系具有高度可预测性, 通过期货价格可以预测现货商品的未来价格, 而期货的这种价格发现功能取决于期货市场运行的效率, 在有效的期货市场上形成的期货价格, 是未来现货价格的无偏估计。
本文将以上海期货交易所黄金期货为例, 研究黄金期货价格与黄金现货价格之间的关系, 以此来研究我国期货市场的价格发现功能和期货市场运行的效率。
二、文献回顾
国内关于期货市场价格发现功能研究文献主要有如下:
华仁海 (2005) 以上海期货交易所 (SHFE) 铜、铝和橡胶这三个品种为样本, 通过向量误差修正模型 (VECM) 研究了期货价格与现货价格之间的相互引导关系, 同时利用Hasb Pouck (1995) 提出的方差分解的方法研究了各个市场的信息份额在价格发现过程中的作用大小, 同时结合冲击反应分析, 得到了这三种商品的期货和现货价格存在长期的均衡关系, 两者相互作用、现货影响, 且期货价格在价格发现功能中占主导地位的结论。
姜洋 (2006) 通过向量自回归模型 (VAR) 及其修正模型 (VECM) , 以上海期货交易所铜期货为研究对象, 发现期货与现货价格之间存在格兰杰因果关系和协整关系, 两者之间存在长期的均衡关系;通过方差分解和脉冲响应分析发现铜现货市场在价格发现过程中占主导地位, 进而得到衍生产品的价格不能脱离基础产品价格的结论。
以上文献都是通过期货价格和现货价格的关系来研究期货市场价格的发现功能, 而徐信忠、杨云红和朱彤 (2005) 是通过两个期货市场的价格关系来研究期货的价格发现功能。他们以线性回归模型和Hasb Pouck (1995) 提出的信息份额分析方法分析了上海期货交易所和伦敦金属交易所 (LME) 三个月期铜期货价格的发现过程, 通过整体数据的线性回归分析和信息份额分析得到两个市场期货价格双向引导、且伦敦市场对上海市场的期货价格要领先的结论;通过数据的分段分析得到上海期货交易所期货价格对国际市场价格引导作用增强、市场不断国际化的结论。
以上文献的研究中所采用的方法均有相似之处, 而华仁海、仲伟俊 (2003) 引进了时间跨度因素对期货价格有效性的影响, 他们以华通有色金属市场和长江有色金属现货市场金属铜的价格为现货价格样本, 以上海期货交易所铜期货价格为期货价格样本, 通过单位根检验和协整检验验证了上海期货交易所金属铜期货价格的有效性, 得到当期货价格与最后交易日现货价格间的时间跨度不超过5个月时金属铜的期货价格和现货价格之间存在协整关系, 而当时间跨度超过5个月时, 金属铜的期货价格和现货价格之间不再存在协整关系, 期货价格无效的结论。
以上研究的差别不仅存在于研究的市场选择, 所用模型的选择, 也存在于期货合约的数据选取差别。本文将通过期货价格和现货价格之间的关系来研究期货的价格发现功能, 在研究方法上, 借鉴徐信忠 (2003) 提出的线性回归模型, 研究两者的引导关系。
三、理论模型
以Pst表示t期现货商品的价格, 以Pft表示以同一商品为标的的期货合约t期的交易价格, 建立如下回归模型:
(1) 式和 (2) 式分别表示期货合约与现货商品滞后价格与当前价格的关系。如果Pst (现货商品价格) 的滞后项对于Pft (期货合约交易价格) 有显著的影响, 那么就说明现货商品的价格引导了期货合约的价格;反之, 则为期货合约的价格引导了商品现货的价格。在回归表达式中, 就等价于检验系数αt和βt的显著性, 可以通过各个变量的t统计量来对此进行检验。
以方程中t统计量的显著性为判断标准得到回归方程表达式后, 便可判断期货价格与现货价格之间的关系。
四、数据的选取与处理
(一) 数据的选取
关于商品现货以及同一基础资产的期货, 本文对应选取我国上海黄金交易所的黄金现货以及上海期货交易所的黄金期货。
首先是黄金现货数据的选取。由上海期货交易所公布的黄金期货标准合约文本可以看到, 其黄金交割品级为金含量不小于99.95%的国产金锭, 故在上海黄金交易所相应选取含金量不小于99.5%的黄金现货 (au99.95) 每日的收盘价为样本数据, 数据区间为2009年3月3日到2010年3月31日。该数据还需结合期货合约价格数据进行进一步处理。
其次是期货合约数据的选取。由于每个期货合约都有到期日, 并且在同一交易日, 会同时有若干个不同交割月份的期货合约在进行交易。因此, 同一期货品种在同一交易日会同时有若干个不同交割月份的期货数据存在。因此在数据的选取中, 不仅要考虑选择还剩几个月到期的期货合约, 同时要解决数据的不永续问题。这里借鉴华仁海 (2005) 的方法选取期货合约数据。对黄金期货来说, 每年有从1月到12月共12个交割月份, 因此, 在某年a月, 选取该年a+1月份交割的期货合约作为样本, 而到该年a+1月, 则选取该年a+2月份交割的期货合约作为样本, 以此类推;这样选取数据不仅可以产生一个连续期货数据, 而且由于距离最后交易日比较接近, 期货与现货价格比较贴近, 同时由于没有进入交割月份, 可以克服交割月交易量较小、数据不稳定的缺点。通过以上方法, 得到期货合约从2009年3月4日到2010年3月29日共159个价格数据序列{Pf}。由于以上得到的数据不是每日连续的 (非交易日和节假日等) , 故对应于以上各日, 通过简单平均得到与之日期配对的159个黄金现货价格的数据{Ps}。
以上数据的选取中, 黄金现货价格来自大智慧证券信息平台软件, 期货价格数据来自上海期货交易所网站 (www.shfe.com.cn/s tate m e nts/dow nload.htm l) 。
(二) 数据的处理
由于大多数经济变量在时间推移中以指数方式增长, 故在此将序列{Pf}和序列{Pt}进行对数化处理, 以便使其具有线性性质。将经过对数处理后的时间序列记为{ln Pf}和{ln Ps}。
五、实证分析
首先初步做黄金期货价格与黄金现货价格的趋势图, 如下图所示, 其中左图表示期货合约的价格, 右图表示黄金现货的价格。纵轴为取对数后的价格数值, 横轴表示159个数据。时间跨度为2009年3月4日到2010年3月29日。
从上图可以初步看出, 期货价格和现货价格的变动趋势是基本一致的。应通过进一步分析来判断其相互之间的引导关系
首先, 通过ADF单位根检验来判断着数据序列{ln Pf}和{ln Ps}的平稳性。如下表所示:
由上表可以看到, {ln Ps}和{ln Pf}两个时间序列的原始序列均为非平稳的时间序列, 而当它们经过一阶差分以后均变为了平稳序列, 而它们的一阶差分序列的含义为收益率序列, 即:收益率Rt=ln Pt-ln Pt-1, 以时间序列{ln Pf}和{ln Ps}各自进行一阶差分, 可以得到各包含158个数据的收益率序列{Rft}和{Rst}。故将回归方程 (1) 和回归方程 (2) 改为:
实证中, 可以通过方程 (3) 和方程 (4) 来检验期货价格与现货价格之间的关系。
对时间序列{Rft}和{Rst}进行方程 (3) 和 (4) 的回归计算, 以回归方程各变量的t统计值为判断标准来确定回归方程的形式。使用Eviews软件进行回归, 发现对于回归方程 (3) , 当滞后阶数p等于2, 且无截距项时, 各个变量通过5%显著水平下的显著性检验。各个变量系数如下表所示:
被解释变量:Rft (期货合约价格)
而对于线性回归方程 (4) , 各滞后期数均无法使变量系数通过显著性检验。故将 (4) 变形为:
即序列{Rf}和序列{Rs}的滞后阶数可以不同, 再进行回归, 通过计算得到, 当解释变量中期货合约价格滞后两阶, 而现货价格滞后项不包含在方程中时, 回归方程各变量显著。各个变量系数如下表所示:
被解释变量:Rst (商品现货价格)
故可以得到两个回归方程:
Rft=-0.66Rft-1-0.33Rft-2+0.63Rst-1+0.32Rst-2
Rst=-0.07Rft-1-0.07Rft-2 (截距项极小, 在此忽略)
即黄金期货合约的收益率不仅受到自身过去收益率的影响, 同时还要受到黄金现货过去收益率的影响, 表明黄金期货的价格以黄金现货价格为基础;而黄金现货的收益率仅受黄金期货合约过去收益率的影响。
六、结论
从以上检验结果可以看到, 黄金现货的收益率仅受黄金期货合约过去收益率的影响, 故黄金期货合约的价格对于黄金现货价格的引导作用是很强的, 黄金现货的价格可以从黄金期货合约价格走势上进行推断;
而由于黄金期货合约的价格受到过去的黄金现货价格和黄金期货合约价格的双重影响, 故黄金现货过去价格对黄金期货合约当前价格的影响部分地被期货合约的过去价格所分担, 其对黄金期货合约的当前价格决定作用较弱。
综合上述两点可以认为, 在现货价格与期货价格关系方面, 我国上海期货交易所黄金期货价格对黄金现货价格的影响较大, 后者对前者的影响较弱, 这表明了我国上海期货交易所中黄金期货的价格发现功能是存在的。
参考文献
[1]曾建华, 王烨我国黄金市场价格发现功能的实证研究[J]中国矿业大学学报 (社会科学版) 2007 (1) 58-64
[2]华仁海现货价格和期货价格之间的动态关系基于上海期货交易所的经验研究[J]世界经济2005 (8) 32-39
[3]姜洋上海期货交易所铜期货价格发现实证研究[J]北京工商大学学报 (自然科学版) 2006 (7) 57-61
[4]徐信忠, 杨云红, 朱彤上海期货交易所铜期货价格发现功能研究[J]财经问题研究2005 (10) 23-31
基于黄金期货 篇7
一、黄金期货价格影响因素模型原理
(一) 逐步回归法
当回归函数选择线性回归函数时, 在计算过程中往往会采用较多的自变量。在自变量的选取过程中, 往往会面对自变量的取舍这种难题, 而当自变量选取出后, 选取的自变量过多和自变量对因变量影响不是很突出的问题。所以在实际建立模型过程中, 我们就希望建立一个较大影响因变量且自变量较少的模型, 简单合理, 逐步回归法正符合这些特点。
(二) 因子分析法
在实际分析中, 我们可以将关系密切的几个因素归为一类, 作为一个因子来进行实证分析, 这样不仅方便而且分析更为准确。它是主成分分析的拓展, 用于研究相关矩阵或协方差矩阵的内部关系。变量共同度可以衡量因子分析的效果, 公共因子的方差贡献可以衡量公共因子的重要程度。因子分析方法的主要!骤:首先用主成分分析法来计算初始值, 其次进行方差最大的因子正交旋转, 最后计算公共因子得分。
二、多因素实证分析研究
记:中国黄金现货价格为CSGP;纽约黄金期货价格为NSGP;美元指数为DI;石油指数为PI;标准普尔500指数为S&P 500;中国黄金期货的成交量V;上证指数SI;人民币汇率R;具体如下:
y:中国黄金期货价格为因变量
设已有N个自变量在模型里, 依次进行检验, 根据是对因变量影响作用的大小。
用SPSS软件得出逐步回归方程, 显示如:Y=62.58+0.818
先对数据进行标准化, 用SPSS软件计算指标间相关矩阵, 显示相关性很好, 可以进行因子分析了。令计算出特征方程和特征根, 将特征根按从大到小的顺序排列, 表示各个主成分所起评价作用的大小, 由分析可知, 位于前3的主成分累积贡献率是84.938%。初始因子分析结果较难解释主因子实际意义, 因此可正交旋转其因子载荷矩阵, M个因子全部配对旋转需每两个因子旋转次, 完成第一轮的旋转。如果第一轮旋转后, 得到的最大值与因子载荷矩阵方差不符, 可继续进行旋转, 至方差不再继续增大为止。旋转完毕后, 我们得到如下因子载荷矩阵:
由上表知, 第一个主因子的方差贡献率为37.9%, 反映了石油、美元指数和CPI变动对中国黄金期货价格变动的影响;第二个主因子主要由黄金现货价格和纽约黄金期货价格决定的, 反映了相关黄金市场的影响。由上表可知各因子的得分函数为:
因变量取中国黄金期货价格, 自变量取, 作一个回归方程如下:
通过实证分析结果可知, 在国外市场方面, 纽约黄金期货市场价格、美元指数和石油指数对我国的黄金期货市场价格有很大影响, 而在国内方面, 我国黄金现货价格和上证指数对我国黄金期货价格有很大影响。
三、结束语
本文基于逐步回归法和因子分析法建模分析, 结果表明中国黄金期货价格最主要的影响因素是中国黄金现货价格。两个主因子解释了中国黄金期货价格70.013%的变化规律。由此可知, 在预测并分析中国黄金期货价格时, 除了关注国内的黄金现货价格和上证指数外, 应该多关注国际相关黄金和能源市场的价格趋势, 像纽约黄金期货价格、美元指数和石油指数等。
参考文献
[1]夏天, 程西玉.国内外期货价格与国产现货价格动态关系的研究[J].金融研究, 2006 (2) :110-117.
[2]张金清, 刘庆富.中国金属期货市场与现货市场之间的波动性关系研究[J].金融研究, 2006 (7) :102-111.
[3]王慧琳.我国黄金期货价格与现货价格引导关系的实证研究[D].暨南大学, 2010.