国债期货在利率风险管理中的应用.docx

上传人:lao****ou 文档编号:134511 上传时间:2023-04-07 格式:DOCX 页数:31 大小:957.37KB
下载 相关 举报
国债期货在利率风险管理中的应用.docx_第1页
第1页 / 共31页
国债期货在利率风险管理中的应用.docx_第2页
第2页 / 共31页
国债期货在利率风险管理中的应用.docx_第3页
第3页 / 共31页
国债期货在利率风险管理中的应用.docx_第4页
第4页 / 共31页
国债期货在利率风险管理中的应用.docx_第5页
第5页 / 共31页
亲,该文档总共31页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

《国债期货在利率风险管理中的应用.docx》由会员分享,可在线阅读,更多相关《国债期货在利率风险管理中的应用.docx(31页珍藏版)》请在第一文库网上搜索。

1、1 . 本文主要研究目的与内容框架2 .国债期货套期保值最优套保比率测算模型3.国债期货套保有效性实证结果1.1. 基于活跃券构建净价指数与财富指数932基于国债活跃券组合的套保效果比较1133中债指数基于统计模型套保效果分析144. 国债期货跨期价差与展期时间选择17234.1. 国债期货跨期价差主要影响因素与原理185. 基于展期优化后国债期货对现券组合套保效果总结期货研究报告图表目录图表1:基于传统市场风险因子法的套保比率测算6图表2:基于现券与期债收益率统计模型的套保比率测算 6图表3:国债活跃券(7-10年)净价指数与中债指数10图表4:国债活跃券(7-10年)财富指数与中债指数10

2、图表5:国开活跃券(7-10年)净价指数与中债指数10图表6:国开活跃券(710年)财富指数与中债指数10图表7:国债7-10年活跃券组合十年期国债期货对冲净价指数对冲效果11图表8:基于7-10年国债活跃券财富指数套保净值 12图表9:基于710年国债活跃券组合最优套保比率 12图表10:国开债7-10年活跃券组合净价指数基于十年期国债期货对冲效果13图表11:基于7-10年国开活跃券财富指数套保净值 13图表12:基于7-10年国开活跃券组合最优委保比率 13图表13:国债净价指数基于十年期国债期货套保净价套保效果15图表14:金融债净价指数基于十年期国债期货套保净价套保效果15图表15:

3、信用债净价指数基于十年期国债期货套保净价套保效果16图表16:十年期国债期货跨期价差与到期日 17图表17:五年期国债期货跨期价差与到期日 17图表18:十年期国债期货跨期价差与IRR18图表19:五年期国债期货跨期价差与IRR18图表20:基于近季合约IRR的展期时点判断(十年期国债期货)19图表21:十年期国债期货跨期价差与货币市场利率20图表22:五年期国债期货跨期价差与货币市场利率20图表23:基于资金面指标的展期时点判断(十年期国债期货)20图表24:基于IRR与资金利率相结合的展期时点判断以及对应关就移仓日期(十年期国债期货)21图表25:基于IRR与资金利率进行展期择时的增强效果

4、(十年期国债期货)22图表26:基于IRR与资金利率进行展期择时的增强效果(五年期国债期货)22图表27:主要利率债指数对冲效果总结(基于十年期国债期货)24图表28:主要信用债指数对冲效果总结(基于十年期国债期货)25图表29:主要利率债指数对冲效果总结(基于五年期国债期货)26图表30:主要信用债指数对冲效果总结(基于十年期国债期货)27图表31:金融债券总财富(夕5年)指数统计模型对冲净值28图表32:金融债券总财富(7-10年)指数统计模型对冲净值 28图表33:高信用等级企业债总财富(3-5年)指数统计模型对冲净值 29图表34:高信用等级企业债总财富(7-10年)指数统计模型对冲净

5、值291 . 本文主要研究目的与内容框架国债期货在利率风险管理中的应用方面,目前国内金融期货市场已经具有一定基础条件,近年来随着市场活跃度层面的不断提升,在更多成熟套利资金的参与下国债期货定价机制也更加完善、期现联动效率进一步增强。套保需求也是机构投资者参与国债期货投资关注的重心,我们在本篇文章中将围绕以下四个角度进行展开:1)探讨现券组合使用国债期货进行套保过程中计算最优套保比率的主要模型方法;2)基于活跃券组合以及中债利率、信用债等主要指数进行实证套保效果检验;3)国债期货展期时点选择的优化方案;4)以及总的基于组合波动率、对冲年化成本与最大回撤三个不同维度的模型与国债期货品种套保效果总结

6、分析。2 .国债期货套期保值最优套保比率测算模型使用国债期货进行套保,首先最重要的解决对于一篮子现券组合持仓的最优套保比率的计算问题,在最理想的情况下我们希望利用国债期货完全对冲债券净价波动的风险,而实际上我们持有的现券组合与国债期货对应的最便宜可交割券难以完全匹配,且国债期货存在一定的基差波动风险,为确立最优套保比率均产生进一步的挑战。目前常用的最优套保比率的测算有两套体系,一是基于传统的市场风险因子匹配法测算,二是基于统计模型测算。传统的市场风险因子测算方法具有极大的计算便利性,基于持仓个券相关参数估值数据计算加权平均,同套保使用的国债期货最便宜可交割债相应的风险参数进行匹配,则可得到相应

7、对冲比率。而统计模型则从现货组合与期货收益率时间序列相应的波动率特征出发,构建动态最优比率。基于传统市场风险因子出发,我们从基点价值、修正久期、波动率调整的基点价值三个角度出发计算相应的套保比率。基点价值法中,国债期货的基点价值即最便宜可交割债券的基点价值除以转换因子,根据对冲之后的组合基点价值为零的原则得到基于基点价值的套保比率;修正久期法与之类似,我们将国债期货的修正久期近似为最便宜可交割债的修正久期,进而得到相应的套保比率;波动率调整的基点价值法是在基点价值法确定的对冲比率的基础上,根据收益率的波动性特征进行系数调整,主要出发点在于利率曲线不同期限波动率不一致,短端波动较长端更大,因而对

8、于套保期限不匹配的情况引入波动率调整提升套保系数的合理性。传统市场风险因子法,尽管包含引入波动率调整的尝试,由于未考虑国债期货基差波动,所对应的套保比率设定具有明显缺陷,主要在于国债期货的波动并不能完全跟随当前最便宜可交割债,随着市场波动最便宜可交割债可以发生切换,即使在未发生切换的情况下,基差的波动与市场情绪、多空力量等多重因素有关,进而导致了国债期货的波动率往往高于现券组合,市场风险因子套保比率从波动率的角度往往不是最优选择。统计模型对应的套保比率则从国债期货与现券组合收益率波动性出发,基于历史数据中拟合得到,OLS回归在一个静态的框架中基于期现收益率的回归系数作为套保比率,我们将回归窗口

9、拓展为滚动窗口则得到相应能够一定程度上得到动态套保比率;BVAR模型为双变量向量自回归模型,其主要考虑到收益率时序在回归中可能存在残差自相关的问题进而引入滞后N阶数据进行迭代;MGARCH模型即多变量GARCH, GARCH模型是金融时间序列研究中常用于描述波动率时变特征的模型之一,再次基础上MGARCH进一步加入时变协方差,是海外文献与实证研究中相对更为推崇的方法,其通过现货与期货收益率动态相关性建模的角度得到动态最优套保比率。图表1:基于传统市场风险因子法的套保比率测算基点价值国债期货的基点价值约等于最便宜可交割债券的基点价值/转换因子,根据对冲之后的组合基点价值为0的原则套保。h = *

10、CFDV01 DVOicld修正久期债券的修正久期衡量收益率变动对价格的影响,我们也可以根据修正久期匹配原则确定套保比例。h, = PD%. FDurctd波动率调整的基点价值不同期限的国债收益率的波动率不同,为了改进对期限不一的现券套保的效果,引入基点价值法简单套保的调整系数。ytmp=a+/3ytmcld+套保方法简要介绍计算公式套保方法资料来源:Wind,图表2:基于现券与期债收益率统计模型的套保比率测算套保方法套保方法简要介绍计算公式-UOLS基于普通最小二乘(OLS)回归来估计的最优套期保值比率为基于现券收益率与期货收益率进行一元线性回归的斜率系数。S =c+h AF+/ols/tB

11、VAR基于传统回归模型进行时间序列回归可能存在残差自相关的问题,为了消除序列自相关,可基于双变量VAR模型对现货与期货收益率时间序列进行建模。h *=亘var OffMGARCH多变量GARCH模型除了条件方差外,假定协方差矩阵也是时变的,模型基于现货和期货价格的条件方差和协方差计算动态最优套保比率。h* =%mgardutr万资料来源:Wind,I 基于传统回归模型(OLS)传统回归模型假设现货价格和期货价格的变动百分比相同,从而导致净头寸不变,基于普通最小二乘(OLS)回归来估计的最优套期保值比率为基于现券收益率与期货收益率进行一元线性回归的斜率系数。传统方法隐含标的资产的现货回报和未来价

12、格的波动性保持恒定的假设吗,实际上波动率具有时变效应,可能会影响最小二乘回归最优套期保值比率的估计。A5 =c+h + AF + , 双变量向量自回归模型(BivariateVAR)基于传统回归模型进行时间序列回归可能存在残差自相关的问题,为了消除序列自相关,可基于双变量VAR模型对现货与期货收益率时间序列进行建模。模型必须确定它的最佳滞后长度,K,从1开始迭代直到消除残差自相关。2=G +七凡+沙、瓯_1有二。+力恪.卢山加卢分/=1f=l模型得到最优套保比率为:L 基于多变量GARCH模型Bollcrslcv(1986)提出一般自回归条件异方差(GARCH)模型,该模型捕捉了 “波动率聚集

13、”现象,市场中短期资产通常表现出波动率聚集效应即收益率的大变化往往伴随着大变化(反之依然)的现象。Bollerslev Engle and VCooklrid群(1998)将单变量GARCH推广为多元维度,与单变量GARCH模型相比,多变量GARCH模型除了条件方差外,假定协方差矩阵也是时变的,模型基于现货和期货价格的条件方差和协方差计算动态最优套保比率。标准的M-GARCH(1,1)模型可以表示为:其中,4s,与即条件方差,4f为现货与期货的条件协方差。此外,原文献中提出多变量CARCH模型时变条件方差的参数化方程,即DVEC模型,与常数相关模型一样,参数矩阵的非对角线被设置为零,即条件方差

14、只取决于滞后一期的残差项和自身滞后一期数值。因而条件方差与条件协方差可以表示为:h =C +戊 +夕$,1 SS SS Sj-l SS XV/-1%储=Cqh =c +a r +/? hQ ff ff ff模型得到最优套保比率为:鉴于多元GARCH模型需要估计的参数较多,不同相关研究成果对于条件协方差矩阵进行了定义,因而多元GARCH模型在对冲中的应用具有多种模型选择方案,例如动态条件相关模型(DCC-GARCH),以及Patton(2006)# Copula函数与GARCH模型联系起来得到的多元Copula-GARCH模型等。, 套保有效性检验为了比较基于不同模型获得的最优套保比率(OHR)的效果,我们基于组合波动率的角度对套保有效性进行评价,将套保有效性系数记为:HE =Va%haged- V 叫 edgedV风山期ed即代表套保组合波动率相对于现券持仓波动率下降幅度。此外,我们也同时考虑套保后组合最大回撤下降水平和年化对冲成本两个指标,综合考虑对组合净值收益风险率的影响。3 .国债期货套保有效性实证结果本部分我们将基于不同市场风险模型与统计模型所定义的最优套保比率(OHR)的效果

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 应用文档 > 汇报材料

copyright@ 2008-2022 001doc.com网站版权所有   

经营许可证编号:宁ICP备2022001085号

本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有,必要时第一文库网拥有上传用户文档的转载和下载权。第一文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知第一文库网,我们立即给予删除!



客服