期权期货实验报告范文第1篇
2017年4月底,某白糖贸易商欲购买30000吨白糖,特向A公司询价。此时,公司管理层认为,当下正值白糖压榨后的库存高峰期,大规模的销售白糖将有利于企业回收资金,及时向蔗农支付款项。但考虑到白糖现货价格位于6600元/吨附近,如果直接出售公司将无法盈利,在国内白糖市场总体上供不应求的情形下,A公司不愿低价出售。此外,公司决策层得到消息称,国内食糖贸易救济保障措施将于2017年5月推出,届时国内企业从国外进口食糖的成本将上升,有利于国内糖产业的发展,增强国产糖的竞争力,国内白糖市场价格势必上涨。
鉴于此,A公司与贸易商进行协商,约定参照白糖SR1709期货合约进行盘面点价交易,同时借助白糖场外期权进行套期保值。具体的协议为:白糖贸易商在价格较低时买入SR1709期货合约,等待A公司进行点价后,再将持有多头头寸卖出平仓,以确保自身利益,防范白糖价格上升带来的损失。与此同时,A公司为防止自身对市场价格走势判断失误,通过买入场外白糖看跌期权进行“保险”。若食糖保障救济政策出台后,白糖价格不升反降,公司可以借助白糖看跌期权以弥补损失(套期保值);若如自身所料,白糖价格上涨,公司可以选择高位点价,卖出白糖,所得的利润也将弥补购入看跌期权的成本(期权费)。具体的套保过程如下(详见表1):
(一)A公司与贸易商达成点价协议
2017年5月初,A公司与贸易商签订点价交易合同,双方约定参照白糖期货SR1709合约进行点价,2017年9月1日为点价最后期限,并考虑到储存成本,规定在最终价格上给予一定程度的升水(不超过50元/吨)。此外,贸易商可以在协议生效并缴纳80%的预付款后(按6600元/吨计算),提前取走30000吨白糖,待A公司进行点价后,再按照最终价格与约定升水结算其余款项。当时,贸易商急于运送白糖给下游经销商以回收资金,未有任何拖延便向A公司支付了预付款(总计1.584亿元),并陆续运走了30000吨白糖。
(二)A公司运用白糖场外期权套保
2017年5月中旬,A公司套保决策委员会为防止白糖未来价格走势与预期相反造成损失,于是找到了场外期权部门,希望定制一份白糖场外期权合约。经双方多次协商制定出了有关白糖期货的美式看跌期权合约,期权买方为A公司,卖方为场外期权部门,约定期限为2个月,期权费为15元/吨,行权价格为6300元/吨,标的数量为20000吨,即无论是否行权都需要支付30万元期权费。同时,公司获得了2个月后以6300元/吨价格卖出20000吨白糖的权利,若白糖的价格未来跌破6300元/吨,则可以通过行权来弥补损失。
需要注意的是,A公司进行白糖场外套保时,郑商所已经推出了白糖期货期权。而A公司不在场内进行套保的原因在于,由于白糖期货期权刚上市不久,各项交易准则处于探索阶段,交易所为了防控风险对白糖期货期权的交易进行了仓位限制,即规定最大开仓数量为200手(1手为10吨),而这远小于A公司持有的风险敞口。加之,持仓需要到7月底,场内交易的费用较高。因此,公司选择了使用场外期权进行套保。
(三)食糖保障措施出台影响“期-现”价格
2017年5月22日,商务部公布了食糖贸易保障新措施,主要通过对既定配额外的进口食糖征收保护性关税的形式提供保障措施,并在3年内逐步放宽保障措施。新政策出台后,短期内直接推高了白糖期货的价格,峰值达到6750元/吨,但由于保障措施的豁免条款,导致新政策的实施出现滞后,白糖期货价格很快反转下跌至6550元/吨,期货市场走势与预期相悖,而白糖现货价格却较为坚挺。
(四)期货价格持续下跌,白糖点价面临压力
2017年7月,随着白糖期货SR1709合约价格持续走弱,一度跌破6000元/吨,A公司的点价交易面临压力。公司若选择在6000元/吨价位点价,则每吨白糖将亏损约250元,合计亏损750万元;但若不点价交易,任凭期货价格持续下降,公司将承担更大风险。在经过套保决策委员会讨论后,管理层决定先行平仓持有的白糖场外期权,从中收回期权费200万元,并弥补了价格下跌造成的部分损失(约60元/吨)。与此同时,白糖现货走势依旧坚挺,价格持续保持在6400元/吨以上。此时,公司得知广西地区的主要白糖供应商均出现了库存不足等问题,白糖销售量明显减少,市场上的需求渐涨。进而,公司做出判断,认为白糖期货价格过度偏离现货,未来看涨。
(五)截止日期临近,公司进行点价交易
2017年8月末,白糖期货SR1709合约价格正如A公司所料,大幅回升至6400元/吨附近。此时,临近点价最后期限,经套保委员会商议后,公司决定于白糖期货价格为6450元/吨时点价交易,加上协议规定的50元/吨的升水,最终交易价格为6500元/吨。交易完成后,A公司最终取得收入约为1.96亿元。
此次A公司的套保方式选择了利用场外期权进行,并结合期货点价交易,以确保规避自身的风险。历时近4个月,虽然在价格走势的判断上与实际出现偏差,但及时借助场外期权的获利对冲了部分损失,最终,本次套保取得了一个较好的结果。
二、模型概述与数据处理
从前述案例概要中得知,A公司运用期权对白糖套期保值最终取得了不错的效果,不仅对冲了价格变化带来的风险,而且从中得到了额外的收益。虽然结果很好,但我们仍需深入思考A公司的套保操作是否为最优策略?若使用期货进行套保结果会如何变化?
(一)最优套保比率模型
最早由C.A.Sims(1980)提出的VAR模型,主要用于拟合存在相互影响关系的时间序列变量组(包含若干个内生变量和外生变量),分析残差项对于时间序列变量组的动态冲击,进而说明各类冲击对于经济变量造成的影响。而Herbst(1993)首次将VAR模型用于期货套保比率的计算,并认为残差序列自相关将影响VAR中每个方程的OLS估计结果,进而对模型的一般形式进行修正,形式如下:
式(1)(2)中,△lnSt、△lnFt分别表示现货、期货的对数收益率,αs、αf为常数项,βsi、βf i、γsi、γf i为系数,ust、uf t为独立同分布的残差项,该模型便于消除残差项间的序列自相关。
设Cov(ust,uf t)=σsf;Var(ust)=σss;Var(uf t)=σf f,联合式(1)(2)可以得出最小方差对冲比率H*公式为:
借鉴John C.Hull(2018)的观点:最小方差对冲比率H*是△S对△F进行线性回归时产生的最优拟合直线的斜率。若△lnSt、△lnFt序列平稳,则可将最小方差对冲比率以回归模型表示:
式(4)中,系数δ为最优套期保值比率,n为模型最优滞后阶数,其余变量、回归系数的含义不变。
(二)数据选取
本案例中,A公司运用场外期权对白糖进行套期保值的起止时间是2017年5月至9月,因此,样本数据时间段的选择与其保持一致。此外,由于公司对白糖套保采用的是“点价交易+期权”方式,即A公司与贸易商参照白糖期货合约SR1709签订“点价协议”,并提前规定了升贴水,同时公司购买了白糖看跌期权以防范自身风险,贸易商则低价买入开仓白糖SR1709合约,等待公司点价后贸易商再进行卖出平仓,以“平仓价+升贴水”为最终价格进行白糖交易。在此过程中,A公司实际并未持有白糖期货头寸,但由于点价交易是参照白糖期货合约价格进行,因此在原理上等价于A公司持有白糖期货空头头寸,但无保证金占用。鉴于此,在数据选取上需要采集2017年5月至2017年9月郑商所白糖期货合约SR1709的收盘价日数据与广西地区白糖现货的日均报价
三、运用实证计算最优套保比率
利用二元向量自回归(B-VAR)模型来计算最优套保比率,首先应该确定VAR模型的最优滞后阶数。本文基于LR极大似然比、FPE最终预测误差准则以及AIC、SC、HQ信息准则来进行确定模型滞后阶数,并根据最优滞后阶数进行建模。
结果显示,LP极大似然比支持的滞后阶数为2,FPE最终预测误差准则、AIC信息准则支持的滞后阶数为3,而SC、HQ信息准则支持的滞后0阶为最优。考虑到模型构造既需要有适当的滞后阶,又需要有足够的自由度,最终确定B-VAR模型的最优滞后阶数为lag(3)。
根据最优滞后阶数Lag(3),可以最终确定二元向量自回归模型的形式,具体如下:
根据式(5)进行参数估计,结果如下:
表2中,DlnFP项、DLNSP项分别对应着白糖期货、现货的收益率序列{FR}、{SR}。透过结果可以得知,模型中大部分变量通过了5%水平下显著性检验,少数变量通过了10%水平下显著性检验,说明各解释变量对于被解释变量DLNFP(即序列{SR})的解释程度很高。可决系数R2、调整后的R2均接近于1,且F统计量的相伴概率显著为零,表明模型整体的拟合程度良好。因此,该参数估计结果是可信的,可以由此得到回归方程:
其中,变量FR对应的系数值0.601423即为最优套期保值比率H*。