導(dǎo)語(yǔ)：國(guó)內(nèi)外銅期貨聯(lián)系研究一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢(xún)客服老師，歡迎參考。

內(nèi)容摘要

本文研究的目的在于探討國(guó)內(nèi)外銅期貨市場(chǎng)波動(dòng)性之間是否存在溢出效應(yīng)和蔓延效應(yīng)。本文使用協(xié)整檢驗(yàn)和誤差修正模型來(lái)考察溢出效應(yīng)。對(duì)于蔓延效應(yīng)的分析，本文首先使用迭代累計(jì)平方加總的算法尋找影響我國(guó)期貨市場(chǎng)波動(dòng)性結(jié)構(gòu)性變動(dòng)的重大事件，然后結(jié)合engle提出的條件動(dòng)態(tài)相關(guān)系數(shù)和ANOVA檢驗(yàn)來(lái)討論國(guó)內(nèi)、外銅期貨市場(chǎng)波動(dòng)的蔓延效應(yīng)。溢出效應(yīng)檢驗(yàn)的結(jié)果顯示國(guó)內(nèi)外銅期貨市場(chǎng)存在長(zhǎng)期均衡關(guān)系，短期倫敦金屬交易所對(duì)上海期貨交易所的影響要大于國(guó)內(nèi)期貨市場(chǎng)對(duì)國(guó)外市場(chǎng)的影響。影響我國(guó)期貨市場(chǎng)波動(dòng)發(fā)生結(jié)構(gòu)性變動(dòng)的事件主要來(lái)自于國(guó)外匯率的變動(dòng)和油價(jià)的波動(dòng)。對(duì)于蔓延效應(yīng)檢驗(yàn)的結(jié)果表明在大部分時(shí)間段內(nèi)上海期貨交易所和倫敦金屬交易所之間存在階段性的動(dòng)態(tài)條件相關(guān)系數(shù)的顯著增加或者減少的蔓延效應(yīng)。

關(guān)鍵詞銅期貨市場(chǎng)波動(dòng)性溢出效應(yīng)蔓延效應(yīng)

國(guó)內(nèi)、外銅期貨市場(chǎng)的關(guān)聯(lián)性研究

一、前言

波動(dòng)率是衡量某一時(shí)間段內(nèi)金融產(chǎn)品價(jià)格變動(dòng)程度的數(shù)值，可以定義為期貨價(jià)格收益率的方差或者是期貨價(jià)格自然對(duì)數(shù)一階差分的方差來(lái)表示。波動(dòng)率中包含了市場(chǎng)變動(dòng)和風(fēng)險(xiǎn)的信息。

隨著我國(guó)期貨市場(chǎng)的發(fā)展，國(guó)外期貨市場(chǎng)的波動(dòng)性變動(dòng)對(duì)國(guó)內(nèi)市場(chǎng)的影響越來(lái)越大，國(guó)內(nèi)、外市場(chǎng)的關(guān)聯(lián)性也越來(lái)越大。首先，雖然國(guó)內(nèi)期貨市場(chǎng)并沒(méi)有對(duì)外開(kāi)放，國(guó)內(nèi)、外期貨市場(chǎng)之間由于國(guó)內(nèi)的管制，資金流動(dòng)受到限制，但是我們卻看到跨市套利交易，從1996年的萌芽狀況到現(xiàn)在形成龐大的專(zhuān)業(yè)套利群體，經(jīng)過(guò)幾年的實(shí)踐和發(fā)展，在國(guó)內(nèi)期貨市場(chǎng)上已經(jīng)獨(dú)樹(shù)一幟，成為獨(dú)立于套期保值和投機(jī)交易之外最大規(guī)模的交易模式。跨市套利的存在和發(fā)展無(wú)疑加大了國(guó)內(nèi)、外市場(chǎng)之間的關(guān)聯(lián)性。其次，隨著經(jīng)濟(jì)的高速發(fā)展，而社會(huì)財(cái)富積累和經(jīng)濟(jì)水平提高都是以原材料和能源消耗為基礎(chǔ)的。我國(guó)對(duì)于鋁、銅、鋼、水泥等基礎(chǔ)材料和能源消耗都進(jìn)入加速期，它們年消費(fèi)增長(zhǎng)率都高于GDP增長(zhǎng)。但是我國(guó)銅、氧化鋁、大豆等基礎(chǔ)材料和農(nóng)產(chǎn)品的產(chǎn)量卻不能滿足這種增長(zhǎng)的需要，出現(xiàn)了嚴(yán)重依賴(lài)進(jìn)口的現(xiàn)象。作為具有價(jià)格發(fā)現(xiàn)機(jī)制和套期保值功能的期貨市場(chǎng)不可避免會(huì)被動(dòng)受到國(guó)外期貨市場(chǎng)定價(jià)和波動(dòng)的影響。當(dāng)然我們也要看到國(guó)內(nèi)期貨市場(chǎng)對(duì)于國(guó)際期貨市場(chǎng)的影響力也越來(lái)越大。這是一個(gè)雙向的過(guò)程。隨著國(guó)內(nèi)期貨市場(chǎng)的飛速發(fā)展和國(guó)際化程度的日益加大，有必要對(duì)國(guó)內(nèi)和國(guó)外市場(chǎng)的關(guān)聯(lián)性進(jìn)行研究。本文選取的研究角度是波動(dòng)性。

目前，國(guó)內(nèi)、外對(duì)于中國(guó)與國(guó)外期貨市場(chǎng)關(guān)聯(lián)研究還很少，華仁海和仲偉?。?004）在《國(guó)內(nèi)、國(guó)際期貨市場(chǎng)期貨價(jià)格之間的關(guān)聯(lián)研究》一文中發(fā)表了對(duì)國(guó)內(nèi)、外期貨市場(chǎng)關(guān)聯(lián)性研究的最新成果。他們利用協(xié)整檢驗(yàn)和Granger因果檢驗(yàn)對(duì)國(guó)內(nèi)、外期貨市場(chǎng)的銅、鋁、大豆和小麥的期貨價(jià)格之間的動(dòng)態(tài)關(guān)系進(jìn)行了實(shí)證研究。結(jié)果顯示上海期貨交易所和倫敦期貨交易所銅、鋁的期貨價(jià)格之間存在長(zhǎng)期均衡關(guān)系。相對(duì)而言，國(guó)外市場(chǎng)對(duì)國(guó)內(nèi)市場(chǎng)的影響要大于國(guó)內(nèi)市場(chǎng)對(duì)國(guó)外市場(chǎng)的影響。

華仁海和仲偉?。?004）的研究認(rèn)為上海期貨交易所的銅（滬銅）、鋁（滬鋁）以及大連商品交易所的大豆（連豆）與國(guó)外市場(chǎng)相應(yīng)品種的價(jià)格存在長(zhǎng)期均衡的關(guān)系。但是他們的研究有些地方值得商榷。首先，他們對(duì)研究對(duì)象的構(gòu)成是照搬國(guó)外成熟的方法，采用最近期合約(nearbycontract)的時(shí)間序列數(shù)據(jù)。國(guó)外市場(chǎng)流動(dòng)性較好，最近期合約往往就是交易最活躍合約，但是我國(guó)市場(chǎng)由于流動(dòng)性的問(wèn)題，最近期合約往往不是交易最活躍合約。最近期合約的另一個(gè)問(wèn)題就是存在逼倉(cāng)現(xiàn)象，價(jià)格在最后的交易時(shí)段往往價(jià)格會(huì)被快速拉升逼迫空頭平倉(cāng)。而流動(dòng)性問(wèn)題和逼倉(cāng)現(xiàn)象無(wú)疑會(huì)影響到波動(dòng)性。因此，本文采用均值分析的方法選擇了符合國(guó)內(nèi)期貨市場(chǎng)波動(dòng)性特點(diǎn)的代表性合約，從現(xiàn)實(shí)中觀察這種研究對(duì)象的選取也符合中國(guó)期貨市場(chǎng)的情況。其次，華仁海和仲偉俊的研究并沒(méi)有進(jìn)一步深入地探討國(guó)內(nèi)、外期貨市場(chǎng)究竟是如何相互影響的？這種影響是不是一成不變的？

本文在探討國(guó)內(nèi)外期貨市場(chǎng)關(guān)聯(lián)性的時(shí)候，借鑒了波動(dòng)性溢出效應(yīng)和蔓延效應(yīng)的方法，主要從國(guó)內(nèi)外市場(chǎng)溢出效應(yīng)和蔓延效應(yīng)的角度來(lái)探討國(guó)內(nèi)外期貨市場(chǎng)的關(guān)聯(lián)性。溢出效應(yīng)的分析工具主要是Granger因果檢驗(yàn)或協(xié)整檢驗(yàn)和VEC模型。這一部分工作和華仁海和仲偉俊（2004）一文關(guān)于國(guó)內(nèi)外市場(chǎng)長(zhǎng)期均衡關(guān)系的結(jié)論基本一致。但是由于數(shù)據(jù)取樣上的不同，本文的研究結(jié)果表明從短期來(lái)看，市場(chǎng)對(duì)沖擊的調(diào)整速度要快的多，這也比較符合市場(chǎng)的現(xiàn)實(shí)情況。對(duì)蔓延效應(yīng)的分析本文首先采用迭代累積平方和算法(IterativeCumulativeSumsofSquaresalgorithm(ICSS))找到國(guó)內(nèi)期貨市場(chǎng)波動(dòng)性的結(jié)構(gòu)性變點(diǎn)，然后結(jié)合Engle(2000,2004年)提出的動(dòng)態(tài)條件相關(guān)系數(shù)（dynamicconditionalcoefficient(DCC)）的方法探討了在影響國(guó)內(nèi)期貨市場(chǎng)波動(dòng)性發(fā)生重大變動(dòng)的事件發(fā)生以后，利用變異數(shù)檢驗(yàn)的方法來(lái)檢驗(yàn)在這些重大事件發(fā)生前后，國(guó)內(nèi)、外期貨市場(chǎng)關(guān)聯(lián)性是否發(fā)生了變化，也就是說(shuō)國(guó)內(nèi)和國(guó)外市場(chǎng)波動(dòng)性是否存在蔓延效應(yīng)。

本文的研究框架如下，第二部分說(shuō)明了本文代表性合約構(gòu)成方法和選擇標(biāo)準(zhǔn)。第三部分說(shuō)明了國(guó)內(nèi)、國(guó)外市場(chǎng)波動(dòng)溢出效應(yīng)和蔓延效應(yīng)的概念和實(shí)證方法。第四部分給出了實(shí)證檢驗(yàn)的結(jié)果。第五部分基于本文的分析給出了結(jié)論及建議。

二、代表性合約的選擇

從我們的研究角度出發(fā)，代表性合約必須具有較大的成交量同時(shí)還要避免進(jìn)入交割月后的到期影響。期貨價(jià)格具有不連續(xù)的特點(diǎn)。對(duì)于每一個(gè)期貨合約，時(shí)間跨度是有限的，任意交割月份的期貨合約在合約到期以后，該合約將不再存在。另外，在同一交易日，同時(shí)有若干個(gè)不同交割月份的期貨合約在進(jìn)行交易，因此，同一交易日，同時(shí)有若干個(gè)不同交割月份的期貨合約在進(jìn)行交易，同一期貨品種在同一交易日會(huì)同時(shí)有若干個(gè)不同交割月份的期貨數(shù)據(jù)存在。為了研究需要，克服期貨價(jià)格不連續(xù)的特點(diǎn)，必須構(gòu)造具有代表性的連續(xù)期貨價(jià)格序列。本文參考了華仁海、陳百助（2004）的方法構(gòu)造連續(xù)期貨合約。上海期貨交易所的銅每年有1月到12月交割共12個(gè)期貨合約。連續(xù)當(dāng)月合約，就是銅交割月份合約數(shù)據(jù)，如果到期后就順延到下一個(gè)合約。下面以銅的連續(xù)一月合約為例，說(shuō)明其他連續(xù)合約產(chǎn)生過(guò)程。1998年1月就選取1998年2月份交割的期貨合約為代表，而1998年2月則選取1998年3月交割的期貨合約為代表，并以此類(lèi)推形成銅的連續(xù)一月合約。1998年1月，連續(xù)一月合約紀(jì)錄的是1998年2月到期的合約的數(shù)據(jù)，連續(xù)二月合約是1998年3月到期的合約，連續(xù)三月合約采用的是1998年4月到期的合約，到1998年12月，由于1998年12月合約已經(jīng)到期，因此此時(shí)連續(xù)一月合約紀(jì)錄的是1999年1月到期的合約的數(shù)據(jù)。而連續(xù)二月合約的構(gòu)成以此類(lèi)推，1998年1月選取1998年3月到期合約的數(shù)據(jù)，1998年12月，就選取1999年2月到期的合約數(shù)據(jù)來(lái)構(gòu)成連續(xù)二月合約，連續(xù)三月合約是1999年3月到期的合約，以此類(lèi)推，得到銅期貨的連續(xù)多個(gè)合約的價(jià)格時(shí)間序列。

考慮到1998年才正式開(kāi)始試辦上海期貨交易所、鄭州商品交易所和大連商品交易所三個(gè)期貨交易所，而此前的期貨市場(chǎng)處于相對(duì)混亂的局面，因此本文樣本數(shù)據(jù)是從1998年1月1日到2004年12月31日上海銅期貨連續(xù)合約。

表1出了我們樣本數(shù)據(jù)的連續(xù)當(dāng)月、連續(xù)一月、連續(xù)二月、連續(xù)三月、連續(xù)四月和連續(xù)五月合約日交易量的均值：

表1：滬銅各個(gè)連續(xù)合約日交易量的均值(單位：手)

數(shù)據(jù)個(gè)數(shù)最小值最大值均值Std.Deviation

銅連續(xù)當(dāng)月合約18014.0038842.001623.10382260.75032

銅連續(xù)一月合約17054.00176524.003395.691513091.49964

銅連續(xù)二月合約17056.00170064.006459.126118007.66156

銅連續(xù)三月合約170888.00248934.0011793.548021083.83344

銅連續(xù)四月合約17056.00317702.0017993.727929417.44206

銅連續(xù)五月合約16252.00308748.008466.045524365.46752

資料來(lái)源：使用spss自制

表2：銅各連續(xù)合約交易量配對(duì)樣本t檢驗(yàn)結(jié)果（PairedSamplesTest）

PairedDifferencestSig.(2-tailed)

MeanStd.DeviationStd.ErrorMean

銅連續(xù)當(dāng)月－連續(xù)三月*-10493.2220972.90507.47490-20.6770

銅連續(xù)當(dāng)月－連續(xù)四月*-16702.2229418.04712.44539-23.4440

銅連續(xù)三月－連續(xù)四月*-6200.1234866.85844.40-7.3430

*1%水平上顯著

資料來(lái)源：使用spss自制

從表1中各個(gè)合約的日交易量均值中我們看出，銅的交易量主要集中在連續(xù)三月、四月合約，銅期貨合約交易最為活躍的合約并不是最近月合約。通過(guò)配對(duì)樣本檢驗(yàn)更加堅(jiān)定了我們選取滬銅連續(xù)4月合約的信心。因此我們根據(jù)中國(guó)期貨市場(chǎng)交易量在各個(gè)合約中分布的情況，滬銅選取銅期貨連續(xù)四月合約作為我們研究的代表性合約，從1998年1月1日到2004年12月31日共1705個(gè)數(shù)據(jù)。

二、本文的研究方法

（一）收益率和波動(dòng)率的界定

參照金融市場(chǎng)的一般做法，本文將銅期貨市場(chǎng)的日收益率定義為其價(jià)格對(duì)數(shù)值的一階差分：

其中是第t個(gè)交易日連續(xù)期貨合約的收盤(pán)價(jià)格。嚴(yán)格的說(shuō)，期貨市場(chǎng)價(jià)格日收益率應(yīng)該說(shuō)是期貨價(jià)格變動(dòng)的百分比。

當(dāng)樣本容量較大時(shí)，日收益率序列和日均方收益率序列分別表示期貨價(jià)格收益率圍繞均值水平的雙向波動(dòng)和均方波動(dòng)，而且它們所體現(xiàn)的波動(dòng)程度依次增強(qiáng)，均方收益率實(shí)際上表示了收益率序列的當(dāng)期波動(dòng)方差，是一種當(dāng)期風(fēng)險(xiǎn)程度的表示方式。

Engle(1982)提出金融市場(chǎng)價(jià)格收益序列具有尖峰、厚尾的特征,收益方差序列具有相關(guān)性、集群性和異方差性。利用條件方差來(lái)度量風(fēng)險(xiǎn)或者收益率的波動(dòng)程度，并且使得這些波動(dòng)性和風(fēng)險(xiǎn)具有時(shí)變性質(zhì)，從而不僅體現(xiàn)了新信息獲得和新沖擊出現(xiàn)所產(chǎn)生的動(dòng)態(tài)影響，還可以考慮到過(guò)去已經(jīng)實(shí)現(xiàn)的波動(dòng)程度的因素。價(jià)格收益與其波動(dòng)方差之間通常存在非線性正相關(guān)關(guān)系,波動(dòng)率不再作為一個(gè)常數(shù)，而是時(shí)變的,并受前期波動(dòng)率的影響，這種對(duì)波動(dòng)性界定的方法更符合市場(chǎng)實(shí)際情況。

描述收益率的廣義條件異方差模型GARCH(p,q)模型由兩部分組成，第一部分是數(shù)據(jù)生成過(guò)程（均值過(guò)程）：等式2

其中不是單純的白噪聲過(guò)程，而是一個(gè)條件異方差過(guò)程，在已知信息集的條件下，假設(shè)絕對(duì)殘差序列的條件分布為正態(tài)概率分布，具有時(shí)變的條件方差：

t=1,2,…,T

GARCH(p,q)模型的第二部分主要由條件異方差的生成過(guò)程組成（方差過(guò)程），GARCH模型假設(shè)條件異方差序列滿足：等式3

條件方差不僅依賴(lài)于過(guò)去的條件方差，而且依賴(lài)模型過(guò)去殘差。因?yàn)镚ARCH模型的條件方差依賴(lài)于過(guò)去已經(jīng)實(shí)現(xiàn)了的波動(dòng)程度和變更的信息，所以它可以用于描述一些由平穩(wěn)性和波動(dòng)性混合的數(shù)據(jù)生成過(guò)程。

如果允許條件方差對(duì)收益率有影響，就得到GARCH-M(p,q)模型。等式2就改寫(xiě)為：等式4

當(dāng)存在風(fēng)險(xiǎn)獎(jiǎng)勵(lì)時(shí)，即風(fēng)險(xiǎn)增加（波動(dòng)性加大）時(shí)收益水平增加，在上述方程中當(dāng)期條件方差的調(diào)整系數(shù)>0。當(dāng)存在風(fēng)險(xiǎn)懲罰時(shí)，即風(fēng)險(xiǎn)增加（波動(dòng)性加大）時(shí)，收益水平降低，則對(duì)應(yīng)的調(diào)整系數(shù)<0。

（二）波動(dòng)的溢出效應(yīng)和蔓延效應(yīng)

波動(dòng)性溢出效應(yīng)（spillovereffect）是用來(lái)分析市場(chǎng)之間對(duì)事件沖擊的反應(yīng)是否會(huì)存在相互影響。研究工具則主要是利用Granger因果檢驗(yàn)，VAR模型和沖擊反應(yīng)函數(shù)的關(guān)系來(lái)討論，來(lái)討論模型內(nèi)生變量之間的新生量的沖擊和反應(yīng)的互動(dòng)關(guān)系。這一方法的優(yōu)點(diǎn)在于模型的架構(gòu)不需要先驗(yàn)的理論假設(shè)基礎(chǔ)。而蔓延效應(yīng)則是用來(lái)進(jìn)一步分析這種影響是否會(huì)造成市場(chǎng)間長(zhǎng)期均衡的趨勢(shì)有顯著改變。

繁延機(jī)制的研究為不同市場(chǎng)之間波動(dòng)性的蔓延效應(yīng)提供了依據(jù)。這一機(jī)制的存在說(shuō)明，在國(guó)與國(guó)之間存在高度共移的情況之下，一國(guó)的沖擊將可傳導(dǎo)至國(guó)際之間。如果這種共同趨勢(shì)是由沖擊發(fā)生之前的機(jī)制傳導(dǎo)的一般稱(chēng)為相互依存效應(yīng)；如果這種共同趨勢(shì)是由沖擊發(fā)生時(shí)所產(chǎn)生的新的機(jī)制引導(dǎo)的，那么就稱(chēng)為蔓延效應(yīng)。過(guò)去已存在的聯(lián)系途徑一般是建立在經(jīng)濟(jì)基本面分析上的，而蔓延效果的目的在于闡述危機(jī)（新的沖擊）發(fā)生時(shí)，傳導(dǎo)機(jī)制(transmissionmechanism)為何會(huì)改變以及為何市場(chǎng)之間的聯(lián)系關(guān)系在該事件發(fā)生之后會(huì)發(fā)生變化（增大或者是減少）。

ForbeandRigobon(2002)認(rèn)為蔓延效應(yīng)是指一國(guó)（或區(qū)域國(guó)家間）所引發(fā)的沖擊，造成市場(chǎng)共同移動(dòng)趨勢(shì)的顯著上升或者增加的現(xiàn)象。正向的影響將會(huì)造成兩國(guó)共同移動(dòng)趨勢(shì)顯著的增加。另一方面，負(fù)向的影響力將會(huì)造成兩國(guó)共同移動(dòng)趨勢(shì)顯著的減少。這種正向或者負(fù)向的沖擊，不但會(huì)引發(fā)沖擊發(fā)生期間投資者投資策略的改變，也會(huì)引發(fā)資金在國(guó)際間的移動(dòng)，造就市場(chǎng)之間的多重平衡。文獻(xiàn)上探討蔓延效果是否存在的實(shí)證研究，大都都是觀察市場(chǎng)之間的相關(guān)系數(shù)的變化。

本文對(duì)波動(dòng)性溢出效應(yīng)的研究所采用的方法是協(xié)整檢驗(yàn)和誤差修正模型，而對(duì)于蔓延效應(yīng)的檢驗(yàn)則分了三步來(lái)進(jìn)行，首先使用的是InclánandTiao（1994）提出ICSS運(yùn)算法來(lái)檢驗(yàn)時(shí)間數(shù)列變異結(jié)構(gòu)的改變點(diǎn)，從而找到影響波動(dòng)性發(fā)生結(jié)構(gòu)性變動(dòng)的重大事件。第二步本文采用engle(2000,2004)提出的動(dòng)態(tài)條件相關(guān)系數(shù)的估計(jì)方法把國(guó)內(nèi)、外市場(chǎng)之間波動(dòng)關(guān)聯(lián)的變化量化，最后使用ANOVA方法檢驗(yàn)在重大事件發(fā)生前后波動(dòng)的關(guān)聯(lián)性是否發(fā)生了改變來(lái)說(shuō)明是否有新的傳導(dǎo)機(jī)制出現(xiàn)。

（三）協(xié)整檢驗(yàn)和誤差修正模型

金融時(shí)間序列數(shù)據(jù)通常是非穩(wěn)態(tài)的（單位根過(guò)程）。EngleandGranger(1987)指出兩個(gè)或者兩個(gè)以上的非平穩(wěn)的時(shí)間序列的線性組合可能是平穩(wěn)的。如果這種通過(guò)線性組合而形成的平穩(wěn)過(guò)程或者說(shuō)I(0)過(guò)程存在，那么就稱(chēng)這兩個(gè)或者更多個(gè)非平穩(wěn)（帶有單位根）的時(shí)間序列之間具有協(xié)整關(guān)系（cointegration）。被稱(chēng)為協(xié)整等式的這種線性組合可以被理解為在這兩個(gè)或更多個(gè)的金融變量之間存在著一種長(zhǎng)期的均衡關(guān)系。

誤差修正模型(vectorerrorcorrection(VEC))是一種帶有協(xié)整關(guān)系限制的VAR模型。誤差修正模型被用于具有協(xié)整關(guān)系的非平穩(wěn)時(shí)間序列上，在已知模型內(nèi)生變量具有長(zhǎng)期均衡關(guān)系的條件下，說(shuō)明了這些變量在允許一定范圍內(nèi)的短期動(dòng)態(tài)波動(dòng)的情況下，是如何經(jīng)過(guò)調(diào)整趨于協(xié)整關(guān)系的。因?yàn)樽兞繉?duì)于長(zhǎng)期均衡關(guān)系的偏離逐漸通過(guò)一系列的部分短期調(diào)整來(lái)修正，因此協(xié)整關(guān)系項(xiàng)被稱(chēng)為誤差修正項(xiàng)。

（四）動(dòng)態(tài)條件相關(guān)系數(shù)模型

動(dòng)態(tài)條件相關(guān)系數(shù)模型(DynamicConditionalCorrelation,DCC)是engle(2000、2004)提出的一種最新的估計(jì)和檢驗(yàn)相關(guān)系數(shù)模型，在估計(jì)的過(guò)程中還對(duì)波動(dòng)性進(jìn)行考察。動(dòng)態(tài)條件相關(guān)系數(shù)模型（DCC）不同于傳統(tǒng)的相關(guān)性估計(jì)之處在于它可以表現(xiàn)金融市場(chǎng)之間波動(dòng)和相關(guān)性的不對(duì)稱(chēng)性和時(shí)變的特征。這種方法現(xiàn)在被廣泛地使用在不同國(guó)家的市場(chǎng)之間的相關(guān)性估計(jì)上。

動(dòng)態(tài)條件相關(guān)系數(shù)模型對(duì)波動(dòng)性和相關(guān)系數(shù)的估計(jì)分為兩個(gè)步驟。首先分別估計(jì)國(guó)內(nèi)、國(guó)外市場(chǎng)的單變量廣義條件異方差（GARCH）模型，然后再使用上述模型估計(jì)出的標(biāo)準(zhǔn)差來(lái)估計(jì)隨著時(shí)間變動(dòng)的動(dòng)態(tài)條件相關(guān)系數(shù)。

設(shè)國(guó)內(nèi)i市場(chǎng)和國(guó)外j市場(chǎng)在t時(shí)刻的收益率分別為。是對(duì)角為標(biāo)準(zhǔn)差的對(duì)角陣?？梢员槐硎救绲仁?所示的條件標(biāo)準(zhǔn)差（conditionalstandarddeviation）乘以標(biāo)準(zhǔn)誤差(standarddisturbance)的關(guān)系：等式1

是收益的條件方差

是收益的條件方差

是均值為0，方差為1的標(biāo)準(zhǔn)擾動(dòng)項(xiàng)。

之間的相關(guān)系數(shù)一般可寫(xiě)為：等式2

如果把等式1代入等式2，那么等式2可改寫(xiě)為等式3，條件相關(guān)系數(shù)也就成為標(biāo)準(zhǔn)擾動(dòng)項(xiàng)之間的條件擾動(dòng)項(xiàng)。等式3

定義收益的條件協(xié)方差條件矩陣如等式4所示，R是條件協(xié)方差矩陣（conditionalcovariancematrix）。Engle（2000）的動(dòng)態(tài)條件相關(guān)模型（DCC）中允許R隨時(shí)間變動(dòng)即：等式4

等式5

的相關(guān)系數(shù)也就可以表示為：等式6

如果GARCH(1,1)模型來(lái)估計(jì)該相關(guān)系數(shù)那么如下式所示：等式7

定義共變異矩陣，當(dāng)時(shí)，為均值回復(fù)模型，此時(shí)估計(jì)式可用以下矩陣來(lái)表示：等式8

S是的無(wú)條件相關(guān)矩陣

Engle（2000）提出該式可以利用最大似然法來(lái)估計(jì)，取對(duì)數(shù)最大似然估計(jì)函數(shù)如下式所示等式9

本文在估計(jì)動(dòng)態(tài)條件相關(guān)系數(shù)時(shí)，首先在根據(jù)對(duì)國(guó)內(nèi)銅期貨市場(chǎng)價(jià)格日收益率的描述性分析和ACF，PACF圖，經(jīng)過(guò)比較后選擇使用ARMA(1,1)-GARCH(1,1)模型來(lái)估計(jì)均值為0，變異數(shù)為1的標(biāo)準(zhǔn)化殘差，再以上述對(duì)數(shù)最大似然估計(jì)函數(shù)來(lái)估計(jì)國(guó)內(nèi)、國(guó)外市場(chǎng)期貨市場(chǎng)價(jià)格收益之間的動(dòng)態(tài)條件相關(guān)系數(shù)。

（五）迭代累計(jì)平方和

InclánandTiao（1994）提出ICSS運(yùn)算法來(lái)檢驗(yàn)時(shí)間數(shù)列變異結(jié)構(gòu)的改變。此方法假設(shè)時(shí)間數(shù)列期初變異數(shù)呈一定穩(wěn)定狀態(tài)直至變異數(shù)突然發(fā)生改變?yōu)橹?。此過(guò)程隨著時(shí)間不斷重復(fù)，直至下一個(gè)未知的改變發(fā)生于變異數(shù)中。令{}服從一個(gè)均值為0，方差為分布的數(shù)列，用代表每一區(qū)間的變異數(shù)，表示T個(gè)觀察值中所檢測(cè)到的變異數(shù)發(fā)生結(jié)構(gòu)改變的總數(shù)，在改變點(diǎn)的區(qū)間集合內(nèi)，變異數(shù)分別為等式14

為了估計(jì)變異數(shù)結(jié)構(gòu)改變點(diǎn)的個(gè)數(shù)和每一個(gè)區(qū)間改變點(diǎn)的位置，須計(jì)算獨(dú)立數(shù)列{}的累計(jì)平方加總，令為該數(shù)列從時(shí)間1到第k個(gè)點(diǎn)中心平均值(mean-centered)平方加總，統(tǒng)計(jì)量的定義如下：等式15

如果估計(jì)樣本區(qū)間內(nèi)變異數(shù)沒(méi)有發(fā)生變動(dòng)，那么統(tǒng)計(jì)量將在零附近波動(dòng)（在水平橫軸線為0上下附近隨意變動(dòng)）。如果該數(shù)列在變異數(shù)發(fā)生一個(gè)或多個(gè)結(jié)構(gòu)改變時(shí)，的值由零增加或是減少，在齊質(zhì)變異數(shù)(homogeneousvariance)的零假設(shè)下，根據(jù)的分布可以導(dǎo)出臨界值來(lái)檢測(cè)在已知概率下變異數(shù)是否存在顯著的改變，當(dāng)絕對(duì)值的最大值大于臨界值時(shí)，就將拒絕零假設(shè)。

令為達(dá)到時(shí)的k值，當(dāng)最大的值超過(guò)先前所決定的界限時(shí)，所表示的即為所估計(jì)之結(jié)構(gòu)改變點(diǎn)的位置。

當(dāng)數(shù)列存在多個(gè)結(jié)構(gòu)改變點(diǎn)時(shí)，潛在的面具效果(maskingeffects)使不具有充分性。為解決這一問(wèn)題，InclánandTiao（1994）建議利用函數(shù)，有系統(tǒng)地尋找該數(shù)列在不同區(qū)間內(nèi)的結(jié)構(gòu)改變點(diǎn)位置。

為了檢測(cè)波動(dòng)的改變位置，首先定義日價(jià)格數(shù)據(jù)的對(duì)數(shù)一階差分來(lái)表示資產(chǎn)報(bào)酬率：等式16

是時(shí)間t價(jià)格，在進(jìn)行ICSS檢驗(yàn)程序時(shí)，利用減去其均值的資產(chǎn)報(bào)酬來(lái)表示報(bào)酬日波動(dòng)，即：等式17

加總的平方得到，然后將標(biāo)準(zhǔn)化為，獲得后就可以用ICSS算法來(lái)檢驗(yàn)多重結(jié)構(gòu)改變點(diǎn)。

本文使用matlab軟件編程來(lái)實(shí)現(xiàn)上述算法。

四、實(shí)證檢驗(yàn)結(jié)果

（一）對(duì)銅期貨連續(xù)四個(gè)月合約的描述性檢驗(yàn)

表3給出了滬銅期貨價(jià)格收益的基本統(tǒng)計(jì)特征，由基本統(tǒng)計(jì)特征可以看到，期貨價(jià)格收益不服從正態(tài)分布，具有尖峰厚尾的特征。

表3：滬銅連續(xù)四月合約期貨價(jià)格收益率的基本統(tǒng)計(jì)特征

資料來(lái)源：使用SPSS軟件自制

資料來(lái)源：使用EVIEW軟件自制

圖1和圖2給出了日收益率序列和日均方收益率序列的時(shí)間序列軌跡，通過(guò)對(duì)這些軌跡的考察，我們可以得出對(duì)期貨市場(chǎng)價(jià)格收益率和波動(dòng)性的初步判斷。在收益率時(shí)間序列中出現(xiàn)了多個(gè)異常的峰值，表明了期貨市場(chǎng)價(jià)格日波動(dòng)的突發(fā)性和顯著性。此外，收益率序列當(dāng)中的波動(dòng)性出現(xiàn)了明顯的聚類(lèi)現(xiàn)象，這表明時(shí)間序列的波動(dòng)性具有條件異方差現(xiàn)象，這些序列中出現(xiàn)的擾動(dòng)不是白噪聲過(guò)程。如附錄所示，本文通過(guò)各種ARMA-GARCH(1,1)模型的比較最終選擇了ARMA(1,1)-GARCH(1,1)模型來(lái)對(duì)收益率進(jìn)行擬合。

圖1：滬銅收益率時(shí)間序列軌跡

資料來(lái)源：使用excel軟件自制

圖2：滬銅波動(dòng)率時(shí)間序列軌跡

資料來(lái)源：使用excel軟件自制

（二）上海期貨交易所（SHFE）銅（CU）和倫敦金屬交易所（LME）銅（CU）波動(dòng)的溢出效應(yīng)檢驗(yàn)

首先對(duì)這兩個(gè)市場(chǎng)進(jìn)行相關(guān)性分析，發(fā)現(xiàn)這兩個(gè)市場(chǎng)的相關(guān)性高達(dá)98.8461%，這一數(shù)字只能很好地說(shuō)明這兩個(gè)市場(chǎng)是相互影響和相互作用的。為了更好地說(shuō)明它們是如何相互影響，相互作用的，這一相互作用是否是對(duì)稱(chēng)的，相互作用的趨勢(shì)是如何變化的，我們采用了協(xié)整分析和誤差修正模型，最后使用動(dòng)態(tài)條件相關(guān)系數(shù)的方法試圖將這一趨勢(shì)量化。從表4中可以看到，在5%的臨界值水平下，銅在上海期貨交易所和倫敦金屬交易所的期貨價(jià)格之間存在協(xié)整關(guān)系。這就說(shuō)明盡管在兩個(gè)相關(guān)市場(chǎng)上的期貨價(jià)格是非平穩(wěn)的，短時(shí)間內(nèi)兩個(gè)市場(chǎng)的期貨價(jià)格可能出現(xiàn)偏離，但是從長(zhǎng)期來(lái)說(shuō)，兩個(gè)市場(chǎng)上的期貨價(jià)格保持均衡關(guān)系。從上海交易所和倫敦金屬交易所銅協(xié)整關(guān)系的時(shí)間軌跡可以看到波動(dòng)較大的時(shí)間出現(xiàn)在1998年和2004年4月以后(數(shù)據(jù)點(diǎn)1500所對(duì)應(yīng)的時(shí)間)。1998年是期貨市場(chǎng)經(jīng)過(guò)治理整頓重新開(kāi)始發(fā)展的一年，在市場(chǎng)發(fā)展初期兩個(gè)市場(chǎng)經(jīng)過(guò)調(diào)整而趨于長(zhǎng)期均衡的過(guò)程。2004年4月以后，由于全球經(jīng)濟(jì)特別是中國(guó)經(jīng)濟(jì)的發(fā)展加快，銅庫(kù)存處于歷史低位，兩個(gè)市場(chǎng)之間長(zhǎng)期均衡關(guān)系波動(dòng)較大，中國(guó)投資者的套利策略也由此前的正向套利轉(zhuǎn)變?yōu)榉聪蛱桌?/p>

由于上海期貨交易所和倫敦金屬交易所銅的期貨價(jià)格之間存在協(xié)整關(guān)系，因此可以通過(guò)如下誤差修正模型(VEC)來(lái)表述。從下面的模型估計(jì)可以看到LME市場(chǎng)的誤差修正項(xiàng)系數(shù)為-0.01473699307，上海期貨交易所的誤差修正項(xiàng)系數(shù)為0.1861057965，他們都在5%的置信水平下，統(tǒng)計(jì)顯著。同時(shí)誤差修正項(xiàng)對(duì)LME市場(chǎng)銅價(jià)有著負(fù)向的修正作用，對(duì)上海期貨交易所有著正向調(diào)正作用。也就是說(shuō)當(dāng)系統(tǒng)偏離均衡狀態(tài)時(shí)，如果誤差修正項(xiàng)為正，那么上海期貨交易所期貨價(jià)格將下降，而LME下一期期貨價(jià)格將上升。如果誤差修正項(xiàng)為負(fù)，那么上海期貨交易所期貨價(jià)格將上升，而LME下一期期貨價(jià)格將下降。

表4：滬銅和LME銅協(xié)整關(guān)系檢驗(yàn)

似然率(L.R.)5%1%假設(shè)

17.0836315.4120.04None*

0.1647643.766.65Atmost1

存在一個(gè)協(xié)整等式

LMESHC

1.000000-0.126498487.1883

(0.00528)

Loglikelihood-18674.54

*(**)表示在5%（1%）顯著性水平下拒絕原假設(shè)

L.R.檢驗(yàn)說(shuō)明在5%的顯著性水平下存在一個(gè)協(xié)整關(guān)系式

該協(xié)整關(guān)系時(shí)間軌跡如下：

滬銅和LME銅VEC模型估計(jì)結(jié)果

D(LME)=-0.01473699307*(LME(-1)-0.1264976281*SH(-1)+487.188331)-0.107911202*D(LME(-1))-0.1172938653*D(LME(-2))-0.05485867693*D(LME(-3))-0.0118074017*D(LME(-4))+0.01630603391*D(SH(-1))+0.005699962338*D(SH(-2))+0.00123327483*D(SH(-3))+0.006627628835*D(SH(-4))+0.9489044288

D(SH)=0.1861057965*(LME(-1)-0.1264976281*SH(-1)+487.188331)+5.383407542*D(LME(-1))+2.61463395*D(LME(-2))+1.180153399*D(LME(-3))+0.8524370333*D(LME(-4))-0.3050652666*D(SH(-1))-0.1595758991*D(SH(-2))-0.05749482988*D(SH(-3))+0.01909865228*D(SH(-4))+1.429397972

*表示在5%的置信水平下顯著

資料來(lái)源：使用eview軟件自制

Granger因果檢驗(yàn)的結(jié)果也可以看到上海期貨交易所和倫敦金屬交易所市場(chǎng)上銅的價(jià)格是相互影響，相互作用的。無(wú)論在1%還是在5%的顯著性水平下都不能拒絕兩個(gè)市場(chǎng)銅期貨價(jià)格之間存在雙向的Granger引導(dǎo)關(guān)系。

表5：滬銅和LME銅Granger檢驗(yàn)結(jié)果

零假設(shè)F-StatisticProbability

LMEdoesnotGrangerCauseSH*

291.2230.00000

SHdoesnotGrangerCauseLME*5.224240.00035

在1%臨界值水平下顯著

資料來(lái)源：使用eview軟件自制

以上的分析結(jié)果就是說(shuō)LME市場(chǎng)的銅期貨和上海期貨交易所的銅價(jià)格之間存在長(zhǎng)期的均衡關(guān)系和雙向的引導(dǎo)關(guān)系。兩個(gè)市場(chǎng)的波動(dòng)存在溢出效應(yīng)。

為了更加直觀地刻畫(huà)這兩個(gè)期貨市場(chǎng)之間價(jià)格和波動(dòng)的相互影響關(guān)系，我們?cè)趫D3中給出了銅誤差修正模型中殘差項(xiàng)的一個(gè)標(biāo)準(zhǔn)誤差沖擊對(duì)另一個(gè)市場(chǎng)期貨價(jià)格變動(dòng)沖擊的影響。從圖中可以看到，對(duì)來(lái)自倫敦市場(chǎng)期貨價(jià)格變動(dòng)的沖擊，上海市場(chǎng)在當(dāng)日就完全反應(yīng)出來(lái)，而LME對(duì)來(lái)自上海期貨交易所的價(jià)格沖擊雖然也在當(dāng)日有所反應(yīng)，但是上海期貨交易所對(duì)來(lái)自倫敦金屬交易所的沖擊的反應(yīng)要遠(yuǎn)遠(yuǎn)大于倫敦市場(chǎng)對(duì)來(lái)自上海沖擊的反應(yīng)。因此雖然這兩個(gè)市場(chǎng)是相互作用的，但是倫敦市場(chǎng)銅價(jià)格的影響力要遠(yuǎn)遠(yuǎn)大于上海期貨交易所銅的價(jià)格。

圖3左：LME對(duì)SHFE一個(gè)標(biāo)準(zhǔn)誤差沖擊反應(yīng)分析

圖3右：SHFE對(duì)LME一個(gè)標(biāo)準(zhǔn)誤差沖擊反應(yīng)分析

資料來(lái)源：使用EVIEW軟件自制

（三）上海期貨交易所（SHFE）銅（CU）和倫敦金屬交易所（LME）銅（CU）波動(dòng)的蔓延效應(yīng)檢驗(yàn)

為了進(jìn)行蔓延效應(yīng)檢驗(yàn)我們首先需要找到銅期貨波動(dòng)的結(jié)構(gòu)性變點(diǎn)。本文使用matlab來(lái)實(shí)現(xiàn)Inclan和Tiao（1994）的迭代累積平方和算法（IterativeCumulativeSumsofSquares，ICSS）。程序運(yùn)行得到滬銅的結(jié)構(gòu)性變點(diǎn)數(shù)據(jù)如下表所示。

表4：滬銅波動(dòng)結(jié)構(gòu)性變點(diǎn)以及事件說(shuō)明

變點(diǎn)位置對(duì)應(yīng)日期事件說(shuō)明

10898.6.15日本經(jīng)常項(xiàng)目盈余增加,日元匯率大幅貶值，6.15下午收盤(pán)時(shí)的匯率是146．43日元兌換1美元，比上周末下跌2．42日元，是1990年8月以來(lái)的最低點(diǎn)。韓國(guó)股市匯市雙雙暴跌,菲律賓比索在繼續(xù)貶值,泰國(guó)股市下滑。

29899.3.22科索沃戰(zhàn)爭(zhēng)爆發(fā)，北約24日晚對(duì)南聯(lián)盟發(fā)起空襲。16日歐洲委員會(huì)20名委員因貪污丑聞全體辭職后，更令歐元陷入弱勢(shì)之中。西歐股市卻持續(xù)下降。

46099.11.11

52500.2.252000年油價(jià)開(kāi)始上漲，00.2.17達(dá)到28.19美元/桶。同年根據(jù)國(guó)際市場(chǎng)油價(jià)變動(dòng)，我國(guó)今年先后9次對(duì)成品油價(jià)格進(jìn)行調(diào)整。

57600.5.15LME銅價(jià)出現(xiàn)暴漲行情，A級(jí)銅從五月一日的1741美元/噸一路升至五月五日的1810美元/噸。

73400.12.27歐佩克油價(jià)跌破每桶22美元。

139903.9.309月20日七國(guó)集團(tuán)財(cái)長(zhǎng)和央行行長(zhǎng)會(huì)議（G7）后，美元暴跌。美元兌日元一度跌至110日元附近，歐元匯價(jià)驟升1500余點(diǎn)。

資料來(lái)源：使用matlab和excel自制

圖4：滬銅連續(xù)四月波動(dòng)與滬銅波動(dòng)結(jié)構(gòu)性變點(diǎn)

資料來(lái)源：使用excel自制

本文使用engle(2000,2004)的動(dòng)態(tài)條件相關(guān)系數(shù)的方法來(lái)估計(jì)上海期貨交易所和倫敦商品交易所波動(dòng)的動(dòng)態(tài)條件相關(guān)系數(shù)值如下圖（圖5）所示。國(guó)內(nèi)、外市場(chǎng)波動(dòng)的關(guān)聯(lián)性很大程度上是投資者在國(guó)內(nèi)、外市場(chǎng)進(jìn)行跨市套利的結(jié)果，因此我們把估計(jì)出來(lái)的動(dòng)態(tài)條件相關(guān)系數(shù)和上海期貨交易所連續(xù)四個(gè)月價(jià)格與倫敦商品交易所三個(gè)月期貨價(jià)格的比值(SHFE/LME)放在一起觀察。首先可以看到在動(dòng)態(tài)條件相關(guān)系數(shù)發(fā)生大的波動(dòng)的同時(shí)，國(guó)內(nèi)外市場(chǎng)連續(xù)價(jià)格之間的比值也發(fā)生大的波動(dòng)。在動(dòng)態(tài)條件相關(guān)系數(shù)達(dá)到高點(diǎn)或者低點(diǎn)的時(shí)候，相應(yīng)的兩市之間的連續(xù)價(jià)格的比值也會(huì)出現(xiàn)一個(gè)峰值。而且動(dòng)態(tài)條件相關(guān)系數(shù)的峰值出現(xiàn)的時(shí)間要早于兩市連續(xù)價(jià)格比值發(fā)生重大變化的時(shí)間。也就是說(shuō)動(dòng)態(tài)條件相關(guān)系數(shù)先發(fā)生變化以后，兩市之間的套利資金會(huì)進(jìn)行相應(yīng)的變動(dòng)，然后才會(huì)在兩市之間套利行為乃至價(jià)格變化上得到反映。

圖5：上海與倫敦交易所之間動(dòng)態(tài)條件相關(guān)系數(shù)與上海連續(xù)四月收盤(pán)價(jià)與LME三個(gè)月合約收盤(pán)價(jià)之間比值對(duì)照?qǐng)D

資料來(lái)源：使用excel自制

對(duì)于蔓延效應(yīng)的檢驗(yàn)我們最終想得到的結(jié)論是在這些影響滬銅波動(dòng)發(fā)生結(jié)構(gòu)性改變的這些事件發(fā)生以后，上海期貨交易所和倫敦商品交易所之間的傳導(dǎo)機(jī)制是否發(fā)生了變化，也就是是否存在蔓延效應(yīng)。我們下表（表5）給出了ANOVA檢驗(yàn)的結(jié)果。從表中我們可以看到在國(guó)外這些影響國(guó)內(nèi)銅期貨市場(chǎng)波動(dòng)發(fā)生結(jié)構(gòu)性變動(dòng)的重大事件發(fā)生以后，除了1998年6月15日之前和1999年11月11日至2000年2月25日這兩個(gè)時(shí)間段之外，其余時(shí)間段都出現(xiàn)了明顯的動(dòng)態(tài)條件相關(guān)系數(shù)均值的變化。這些變化也就意味著這些事件發(fā)生之后，兩市之間存在著蔓延效應(yīng)，也就是說(shuō)兩市之間原有的傳導(dǎo)機(jī)制發(fā)生了變化，資金流動(dòng)發(fā)生了變化。對(duì)于1998年6月15日之前的時(shí)間段來(lái)說(shuō)這一段時(shí)間蔓延效應(yīng)的不存在可能的解釋在于1998年中國(guó)期貨市場(chǎng)剛剛起步，因此參與兩市之間的套利的投資者有限。對(duì)于1999年11月11日至2000年2月25日時(shí)間段檢驗(yàn)結(jié)論不顯著的原因可能是因?yàn)樵?000年5月15日又出現(xiàn)了一個(gè)變點(diǎn)，這兩個(gè)時(shí)間段相距較近，所以2000年2月25日的事件就不能說(shuō)明蔓延效應(yīng)。但是和2000年2月25日相距不遠(yuǎn)的2000年5月15日所劃分的兩個(gè)時(shí)間段之間檢驗(yàn)結(jié)果就是顯著的，存在蔓延效應(yīng)。

表5：使用ANOVA對(duì)蔓延效應(yīng)進(jìn)行檢驗(yàn)結(jié)果

時(shí)間段變點(diǎn)均值差標(biāo)準(zhǔn)差Sig.95%置信區(qū)間

LowerBoundUpperBound

98.6.15之前1080.000.011.00-0.040.03

98.6.15-99.3.22*2980.060.010.000.020.09

99.3.22-99.11.11*460-0.100.010.00-0.14-0.05

99.11.11-00.2.255250.020.020.91-0.030.08

00.2.25-00.5.15*5760.070.020.000.020.12

00.5.15-00.12.27*734-0.090.010.00-0.12-0.06

00.12.27-03.930*13990.050.010.000.030.07

*在1%臨界值水平下顯著

資料來(lái)源：使用spss自制

五、結(jié)論及建議

從上文的分析中我們可以得到以下結(jié)論：首先，溢出效應(yīng)檢驗(yàn)的結(jié)果顯示國(guó)內(nèi)外銅期貨市場(chǎng)存在長(zhǎng)期均衡關(guān)系，短期來(lái)看倫敦金屬交易所對(duì)上海期貨交易所的影響要大于國(guó)內(nèi)期貨市場(chǎng)對(duì)國(guó)外市場(chǎng)的影響。其次，影響我國(guó)銅期貨市場(chǎng)波動(dòng)發(fā)生結(jié)構(gòu)性變動(dòng)的事件主要來(lái)自于國(guó)外，美元、歐元匯率的變動(dòng)和油價(jià)的變動(dòng)引起了我國(guó)銅期貨市場(chǎng)波動(dòng)的結(jié)構(gòu)性變動(dòng)。第三，對(duì)于蔓延效應(yīng)檢驗(yàn)的結(jié)果顯示，除了在變點(diǎn)298和525之外的5個(gè)變點(diǎn)對(duì)應(yīng)的事件發(fā)生之后，上海期貨交易所和倫敦商品交易所銅期貨之間的傳導(dǎo)機(jī)制都發(fā)生了顯著變化。也就是說(shuō)這些事件的發(fā)生引起了這兩個(gè)市場(chǎng)資金流動(dòng)和交易行為的很大變動(dòng)。

上文對(duì)我國(guó)期貨市場(chǎng)波動(dòng)性的分析表明，隨著中國(guó)期貨市場(chǎng)的發(fā)展，上海交易所銅期貨市場(chǎng)波動(dòng)性加大。此外，我國(guó)期貨市場(chǎng)與國(guó)際市場(chǎng)的相關(guān)度不斷增加，上升的國(guó)際相關(guān)度表明我國(guó)期貨受到國(guó)際因素的影響程度在加強(qiáng)，相應(yīng)的風(fēng)險(xiǎn)也同樣在增加。第三，我國(guó)期銅市場(chǎng)和國(guó)外市場(chǎng)的動(dòng)態(tài)相關(guān)系數(shù)波動(dòng)較大。第四，對(duì)于影響我國(guó)期貨市場(chǎng)波動(dòng)的重大事件上，我們可以看到對(duì)于銅期貨合約來(lái)說(shuō)與波動(dòng)性相關(guān)聯(lián)的重大事件主要是美元匯率和石油價(jià)格走勢(shì)。也就是說(shuō)我國(guó)期貨市場(chǎng)波動(dòng)加大，受到國(guó)外市場(chǎng)影響程度上升。我國(guó)期貨市場(chǎng)的波動(dòng)很大程度上受到來(lái)源于國(guó)外宏觀經(jīng)濟(jì)或者是其他經(jīng)濟(jì)變量、價(jià)格波動(dòng)的影響。國(guó)際期貨市場(chǎng)無(wú)論是倫敦金屬交易所(LME)還是紐約商品交易所(COMEX)都有為期貨合約提供風(fēng)險(xiǎn)規(guī)避的工具和場(chǎng)所-銅期權(quán)合約，而受到國(guó)際因素影響加大的我國(guó)銅期貨市場(chǎng)卻沒(méi)有相應(yīng)的風(fēng)險(xiǎn)規(guī)避機(jī)制，只能被動(dòng)接受來(lái)自國(guó)外風(fēng)險(xiǎn)的傳導(dǎo)，國(guó)內(nèi)銅期貨市場(chǎng)參與者缺乏相應(yīng)的期貨風(fēng)險(xiǎn)規(guī)避工具。隨著我國(guó)經(jīng)濟(jì)的持續(xù)增長(zhǎng)和貿(mào)易依存度的不斷提高，我國(guó)期貨市場(chǎng)受?chē)?guó)際市場(chǎng)影響的程度還會(huì)上升。因此銅期權(quán)合約的設(shè)計(jì)和推出就顯得極為緊迫。

附錄1：滬銅收益率序列自相關(guān)和偏自相關(guān)函數(shù)

ACPACQ-StatProb

1-0.011-0.0110.21420.643

20.0360.0362.46110.292

3-0.007-0.0062.53450.469

40.0170.0163.04840.550

50.0090.0103.18790.671

6-0.040-0.0415.95070.429

7-0.012-0.0146.20800.516

80.0340.0378.22920.411

90.0120.0138.46980.488

100.0230.0229.36700.498

附錄2

滬銅ARMA(1,1)-GARCH(1,1)

CoefficientStd.Errorz-StatisticProb.

AR(1)-0.9245850.083603-11.059290.0000

MA(1)0.9098730.09092510.006820.0000

VarianceEquation

C0.0187350.0041914.4699040.0000

ARCH(1)0.0597350.0089926.6431670.0000

GARCH(1)0.9225280.01096784.119920.0000

R-squared0.000475Meandependentvar0.029858

AdjustedR-squared-0.001880S.D.dependentvar1.043896

S.E.ofregression1.044877Akaikeinfocriterion2.788815

Sumsquaredresid1853.822Schwarzcriterion2.804788

Loglikelihood-2369.676F-statistic0.201569

Durbin-Watsonstat1.986896Prob(F-statistic)0.937567

InvertedARRoots-.92

InvertedMARoots-.91

滬銅ARMA(1,1)-GARCH(1,1)-M

CoefficientStd.Errorz-StatisticProb.

GARCH0.0221710.0230240.9629620.3356

AR(1)-0.8971490.114950-7.8047170.0000

MA(1)0.8801530.1236277.1194240.0000

VarianceEquation

C0.0186960.0042214.4296550.0000

ARCH(1)0.0603500.0090716.6529310.0000

GARCH(1)0.9222210.01102683.641830.0000

R-squared0.001571Meandependentvar0.029858

AdjustedR-squared-0.001371S.D.dependentvar1.043896

S.E.ofregression1.044611Akaikeinfocriterion2.790415

Sumsquaredresid1851.789Schwarzcriterion2.809582

Loglikelihood-2370.039F-statistic0.533946

Durbin-Watsonstat1.984480Prob(F-statistic)0.750705

InvertedARRoots-.90

InvertedMARoots-.88

參考文獻(xiàn)

1.王冠閔、黃柏農(nóng)《臺(tái)灣股、匯市與美國(guó)股市關(guān)聯(lián)性探討》《臺(tái)灣經(jīng)濟(jì)預(yù)測(cè)與政策》2004年第2期：p31-72

2.華仁海、陳百助《國(guó)內(nèi)、國(guó)際期貨市場(chǎng)期貨價(jià)格之間的關(guān)聯(lián)研究》

《經(jīng)濟(jì)學(xué)季刊》2004年4月第3卷第3期：p727-740

3.KEVINBRACKERKENNETHL.SMITH

“DetectingandModelingChangingVolatilityintheCopperFuturesMarket”TheJournalofFuturesMarkets,1999Vol.19,No.1,p79–100

4.CarlaInclanandGeorgeC.Tiao,“Useofcumulativesumsofsquaresforretrospectivedetectionofchangesofvariance”JournalofAmericanstatisticalassociation，Sept.1994,Vol.89,No.427,theoryandmethods

5.Engle,R.“AutoregressiveConditionalHeteroscedasticitywithEstimatesofTheVarianceofUnitedKingdomInflation”Economertica,198250(4),p987–1006.

6.Engle,R.“DynamicConditionalCorrelation-ASimpleClassofMultivariateGARCHModels,”2000UCSDDiscussionPaper.

7.Granger,C.W.J.,B.N.Huang,andC.W.Yang“ABivariateCausalitybetweenStockPricesandExchangeRates:EvidencefromRecentAsianFlu,”QuarterlyJournalofEconomicsandFinance,2000，40,p337–354.

8.Bollerslev,T.“GeneralizedAutoregressiveConditionalHeteroscedasticity,”JournalofEconometrics,1986，31(3),p307–327.

9.Bollerslev,T.“AConditionalHeteroskedasticTimeSeriesModelforSpeculativePriceandRatesofReturn,”ReviewofEconomicsandStatistics,1987,69,p542–547.

10.Bollerslev,T.“ModellingtheCoherenceinShort-RunNominalExchangeRates:AMultivariateGeneralizedARCHModel,”ReviewofEconomicsandStatistics,1990,72,p498–505.

11.Bollerslev,T.,R.Chou,andK.Kroner“ARCHModelinginFinance:AReviewoftheTheoryandEmpiricalEvidence,”JournalofEconometrics,1992,52,p5–59.

12.Bollerslev,Tim,RobertEngleandJ.M.Wooldridge“ACapitalAssetPricingModelwithTimeVaryingCovariances,"JournalofPoliticalEconomy,1988,96,p116-131.

13.Bollerslev,Tim“ModelingtheCoherenceinShort-runNominalExchangeRates:AMultivariateGeneralizedARCHModel,”ReviewofEconomicsandStatistics,1990,72,p498-505.

14.Forbe,K.andR.Rigobon“NoContagion,onlyinterdependence:MeasuringStockMarketComovement,”1999NBERWorkingPaperNo.7264

15.Forbe,K.andR.Rigobon“NoContagion,onlyinterdependence:MeasuringStockMarketComovement,”JournalofFinance,2002,5,p2223-2261

16.ReenaAggarwal,CarlaInclanandRicardoLeal“Volatilityinemergingstockmarkets,”JournalofFinancialandQuantitativeAnalysis,March1999,Vol34.,No.1

17.Mandelbrot,Benoit“TheVariationofCertainSpeculativePrices,”JournalofBusiness,1963,36,p394-419.