2008(2) 陕 西 农 业 科 学 .185·
期货交易所风险保证金的设计
杨 柯
(上海交通大学安泰经济与管理学院,上海 200052)
提 要:保证金交易制度是期货市场的一个重要特征。随着我国期货市场的发展和完善,静态保证金制
度已经不适应期货市场的发展要求,因此采用动态保证金制度是期货市场发展的一种趁势。主要使用了
GARCH模型和收益率绝对值的方法枯算收益率的波动,从而动态求解保证金。再在这两种方法实征比
较的基拙上,对目前保证金制度提出一些改进建议。文章首先对期货市场和保证全制度进行了简要介
绍,然后其体使用GARCH (1,1)模型和收益率绝对值法对上海期货市场期连续期们合约1995年1月
至2006年10月的数据进行实证
,得出动态保证金比率,本丈最后对两种方法进行了比较,并提出
了一些改进忿见。 声
关键字:期货,保证金;GARCH模型;收益率绝对位
1 期货交易保证金研究现状
保证金制度是期货市场中的基础制度,很多
专家学者对该制度给予了特别关注,进行了多方
面的研究,
起来,主要有如下三个方面:保证
金制度对市场运行效果的影响、影响保证金设计
的主要因素及如何确定合适的保证金水平。
确定合适的保证金水平,理论界存在着多种
方法.Flgewski(1984)认为发生追加保证金与期
货价格持续反向变动的概率是确定维持保证金的
依据:在最近一些年来,极限价值统计技术也常常
被应用到保证金的确定过程中:Edward,和Neft-
ci(1988)利用该理论研究了如何设置合理的保证
金水平,通过对9种不同期货合约的最大值与最
小值变化的研究,发现它们之间具有统计相关性。
尽管他们没能利用极限价值理论得到合适的保证
金水平,但却证明了跨商品套利应该考虑来自极
限价值变化带来的概率分布的相互依赖性。War-
shawsky (1989)指出,利用期货价格变化的正态
分布理论来决定保证金是不适当的,他使用了非
参数统计方法估计保证金水平,结果不像
Flgewski(1984)和Gay, Hunt和Kolb (1986)所
计算的那样保守。
Longin(1996)使用极限价值理论研究美国股
票市场的收益发现正态分布假设低估了通过设立
最初维持保证金水平的概率。Booth, Broussard,
Martikainen, Puttonen (1997)利用极限价值理论
时使用了数量方法和线性回归估计了3个参数,
得到了合适的保证金水平。他们使用Finnish股
票指数期货作为样本发现,日内回报的极限价值
系列是Ftrchet分布。Booth, Broussard(1998)将
FDAX作为研究样本发现,日内价格变化符合极
限价值理论的Ftrchet分布。因此,他们建议DTB
保证金委员会应当采用极限价值理论来确定一天
内的保证金水平。
Dewachter和Gielens (1999)在对NYSE的
综合指数期货合约1982-1990年的数据进行研
究后认为,交易所应当采取极限价值理论来得到
合适的保证金水平。他们认为MYSE的实际保证
金水平过低,应该修正。Longin (1999)将COMER
的银合约作为对象进行研究,他利用如下三种模
型进行对比:①采用Flgewski(1984)的正态分布
理论;②极限价值分布理论;③实际的概率分布。
在不同的违约风险下估计合适的保证金水平,结
果
明正态分布理论确定的保证金水平要高于其
他理论所确定的水平。
2 保证金设计方法
动态保证金是根据期货交易所每日结算价格
的变化动态调整的,是结算价格比例的动态调整。
基准保证金设定模型假设合约收益率服从正态分
布,它主要依据波动率来确定期货合约保证金。假
定Pt_,代表前一交易日期货合约的价格水平,lAt
与at分别表示期货价格收益率在时刻的均值与
波动率预测值,那么基准保证金即可设定为:
M,=Pt一1(}W!=kat) (0.1)
上述公式中,称为保证金因子,可根据具体
实践过程具体设置。如香港期货交易所针对会员
收稿日期:2007-12-11
作者简介:杨柯,男,上海交通大学安泰经济与管理学院,硕士研究生,研究方向:金触学.
万方数据
·186· 陕 西 农 业 科 学 2008(2)
公司,设置为3,而对一般客户,设置为4,
按照上述模型求得保证金的关键是如何求得
波动率预测,有很多方法对波动率进行预测,下面
将主要使用收益率绝对值法和GARCH模型对
收益率进行预测。
2.1 收益率绝对值法
收益率的绝对值法采用以下公式来预测波动
率
r:二1nP:一1nP,_,
ct+Ir,I
其中P:为t时刻的价格。
2.2 GARCH模型法
如果假定分布是正态分布形式,则可以简化
VaR的计算。在正态分布条件下,可以根据置信
水平选择一个对应的乘子,用组合的
差与该
乘子形成,就可求得VaR。这种方法是基于对参
数标准差的估计,而不是从经验分布上取定百分
位数,因此这种方法为参数法。
首先,把一般分f (P)换为标准正态分布必
(。),其中的均值为0、标准差为1。用最低回报R'
表示的组合价值的最小值为P" =Po(1十R"),一
般而言,R.是负的,也可以表示为一}R'!,进一
步,把R’和标准正态的偏离a>0联系起来,即:
__一!R"}一拌
一 U - 一
口
在标准正态分布下,当给定一个置信水平如
950o,则对应=1.65,于是就可以计算出相应最小
回报R.和VaR。由公式,最小回报可以表示为:
R’二一as十p
假定参数拜和a是一天的时间间隔上计算出
来的,则时间间隔为的相对VaR为:
VaRR=一Po (R‘一)A) =Poaa
因此,VaR是分布的标准差与由置信水平确
定的乘子乘积。
类似地,对于绝对VaR有如下形式:
VaRA二一PR' +Po (aa 一1100
这种方法可以推广到正态分布和其他的累积
概率函数,其中所有的不确定性都体现在。上,其
他的分布会得到不同的。值。
本文中主要使用的是GARCH(1,1)模型,其
标准形式为:
at=a}}+C} =ao+R,a?_,+a,a2-1
2.3 实证研究与模型比较
程序流程采用上海期货交易所期铜合约从
1995年1月3日到2006年10月20日每天的收
盘价格为样本数据,总共为2 753个.为获得最活
跃期货品种的交易变化情况,我们选择了每天具
有代表性的连续合约的数据序列,所谓连续合约
是指持仓量最大的合约。使用这种方法采集的数
据更能反映期货品种价格的总体变化情况.
程序的大体流程为:
步骤1:由价格数据求出收益率。由于价格数
据为一阶平稳过程,所以通过将价格数据转换为
收益率数据使之变为平稳过程。
步骤2:波动率的预测涉及到两个参数:T和
K。参数K的含义明显,即当K增大时,审慎性要
求变高,投资者的机会成本相应也会变大。T代表
估计参数所采用的历史数据窗口,由于各种波动
率预测模型都是以历史数据为基础的,所以要预
先设定所采用数据集。
假设当前时间为t,那么根据收益率预测法
的定义,它们所采用的历史窗口都只有一天,即这
两种方法采用的都是t-1时间的历史数据。利用
GARCH (1,1)模型时,按照I-am等(2003)的做
法,设置T=400。各个波动率预测模型均设置K
=3。步骤3:根据上述模型参数和窗口数据信息,
我们可以求出各个模型对应的波动率预测值。
步骤4:将步骤3所得到的波动率值带入公
式((0.1)可以求得应缴的保证金。
对上述模型进行实证检验和比较,比较的标
准是模型的预测能力或覆盖比例上,即当t时刻
设定的保证金水平能够覆盖t+ l时刻的实际损
失时,Mt> IP}+,-P=】时,说明此时保证金预测成
功;而当时刻设定的保证金数值无法覆盖时刻的
实际损失时,说明此时保证金预测失败,而所谓的
覆盖比率指的是保证金成功覆盖损失的次数占总
次数的比例。
.表1为铜连续期货合约的日间收盘价收益率
的统计信息。
裹1 铜连续期货合约日间收盘价收益率统计信息
样本
2 699
均值 标准偏差
0.009685
最小值 中值 录大值 偏度系数
0.0002919 一0.065015 0.042789 6.7879
峰度系数
一0.36541
利用样本数据中的单日收盘价格求日收益
率,做出日收益率的概率分布图1:
万方数据
杨 柯:期货交易所风险保证金的设计 ·187·
700
600
500
?
?
?
?
?
?,?
?
?
?
200
100
0 L-- 一-‘--..~.................................‘‘..-~一二一一.- 曰一 -一甲J一 一 一J
-0.08 -0.06 -0.04 -0.02 0 0.02 0.04 0.06 0.08 0.1 0.12
日收益率
图1 日收益率概率
以下程序在hp Compaq dx7208 Microtower (1)收益率绝对值法
微机,Windows XP操作系统,Matlab7. 1环境下 采用收益率的绝对值法计算保证金时的覆盖
实现。 率检验见图2:
8 000
搜盖比率为0.76723
6 000
4 000
损失
保证金
2000
-2000
??
?
?
?
-4000
-6000
-8000
500 1 000 1 500
模拟次数
2000 2 500 3 000
圈2 收益率绝对值法的粗盖率检验
(2 )GARCH模型 盖率检验见图3:
采用GARCH(1,1)模型计算保证金时的覆
x 104
1.0
0.8
0.6
0.4
理盖比率为0.9819 预测
损失
保证金
0.2
0
-0.2
-0.4
-0.6
-0.8
-1.0
??
??
?
?
S00 1000 1 500
模拟次数
图3 GARCH模型的硬盖率检验
2000 2 500
(下转第 194页)
万方数据
.194· 陕 西 农 业 科 学 2008(2)
险。
参 考 文 献:
[1]Derman E, Taleb N. The illusions of dynamic replication[J].
Quantitative Finance, 2005, 5(4): 323一326.
[2]Hoggard T, Whalley T, Wilmott P. Hedging option portfo-
lios in the presence of transaction costs[J]. Advances in Fu-
tures and Options Research, 1994, (7). 21一35.
[3]Whalley E, Wilmott P. Counting the costs[J]. Risk, 1993,
6(10). 56一66.
[4]Derman E. When you cannot hedge continuously. The cor-
rections to Black- Scholes[J]. Risk, 1999, 12(1): 82-85.
[5]Avellaneda M, Levy A, Paras A. Pricing and hedging deriva-
tive securities in markets with uncertain volatilities[J]. Ap-
plied Mathematical Finance, 1995, 2, 73-88.
[6]Can P. Frequently asked questions in option pricing theory
[J]. Journal of Derivatives, 2005, forthcoming.
[7]Wilmott P, Oztukel A. Uncertain parameters, an empirical
stochastic volatility model and confidence limits[J]. Interns-
tional Journal of Theoretical and Applied Finance, 1998, 1
(1)s 175一189.
[8]Chu SH, Freund S. Volatility estimation for stock index op-
tionss A GARCH approach [J]. The Quarterly Review of E-
conomics and Finance, 1996, 36(5):431一450.
[9] Hull J, White A, The pricing of options on assets with
stochastic volatilities[J]. Journal of Finance, 1987, 42(2):
281一300.
[10]Bakshi G, Kapadia N. Delta一hedged gains and the nega-
tives market volatility risk premium[J]. The Review of Fi-
nancial Studies Summer, 2003, 16(2):527一566.
Ell〕王红兵.2004-2005香港备兑权证市场研究系列之二:波动
率及时间价位挂耗[R].联合证券报告,2006:1一8.
(上接第187页)
将两种保证金设计模型进行比较如表2所示:
表2 各种基准保证金设定模型综合比较
模型 CPU时问(s) 均值 (%) 最小值(%) 最大位(%) 标准差(%) 技盖比例(%)
收盖率绝片值法
GARCH(1,1)
0
1 111.7
2.02
3.0614
0
1.4583
20.168
13.209
2.0956
1.3683
76.723
98.19
从表2可以看出,从覆盖比例来看,收益率绝
对值法表现比较差,为76. 7%,而GARCH模型的
表现比较好,为98.19%o,基本可以将风险全部覆
盖。而从运行时间看,GARCH方法平均耗时很长。
综合来看,两种方法各有利弊,使用GARCH模型
模拟的精度比较好,可以将绝大部分的风险覆盖
掉,但是计算时间却很长,这很不利与期货交易所
进行实时的风险控制。而使用收益率绝对值法耗时
相当少,可是覆盖比率也相对较低,使交易所的一
部分风险暴露。因此综合来看,可以在日间实时结
算时使用收益率绝对值法,而在日终,即收盘后的
结算时使用GARCH模型方法预测保证金比率。
3 结论与不足
期货市场风险度量研究是一个在理论和实践
上都具有非常重要意义的研究课
,准备金制度是
期货交易所控制风险的最主要方法。目前,在我国
期货交易所还是按照固定比例收取保证金,这在价
格波动情况剧烈的时候已经不能有效控制风险,因
此动态的保证金制度必然成为一种发展趋势。
在设计动态保证金制度的时候,有很多方法可
以使用,由于时间有限本文仅对其中两种,即收益
率绝对值法和GARCH方法进行了实证研究,发
现两种方法各有优劣,收益率绝对值法计算速度较
快,但预测的准确度不高,而GARCH模型方法预
测的准确度较高,但运行速度较慢。这主要是因为
收益率绝对值法中Q, = I r, I,而在GARCH模型中
6t-ao+ p1旅1 +a]昧:,因此迭代起来比较耗时。当
然,保证金制度的设计还可以在此基础上进一步扩
展,比如使用非参数化的历史模拟法或蒙特卡罗方
法进行预测,也可以使用EWMA等其他参数化方
法。而且,目前有一些开发比较成熟的系统,如
SPAN,TIMES等都可以用来计算交易保证金.
此外,本文中还存在一些不足和可以改进的地
方:
(1)直接根据经验假设价格数据为一阶平稳
的,未作检验;
(2)假设收益率是服从正态分步,而实际上收
益率往往具有尖峰厚尾,而不是完全服从正态分
布;
(3)数据的选择,要考虑数据频率和时间长度。
低频率的数据容易导致模型参数估计过程中的收
敛性或稳健性问题,太长的数据时期则会增加异常
数据的个数。
参 考 文 献:
[1]杨锁柱,王于生.期货理论与实务〔M].北京:经济料李3s版
社,2005.
【幻周辉,秦松涛.我国股杀价格序列波动的GARCH拟和[J ].湖
南第一师范学报,2005,12(5)24-6.
[3]Philippe lorion.风险价位VaR[M]. It京:申信出版社,2006.
[4]Longin,F. Optimal Margins in Futures Markets: A Parametric
Extreme一based Approach. Proceedings, Ninth Chicago Board
of Trade Conference on Futures and Options, Bonn, 1995.
万方数据