4 300ETF 35 Pattarin Ferretti Ryoo Smith Mib30 KOSPI200 ETF Beasley Meade Chang ETF 300ETF 300ETF ETF ETF 300ETF 300E

Size: px

Start display at page:

Download "4 300ETF 35 Pattarin Ferretti Ryoo Smith Mib30 KOSPI200 ETF Beasley Meade Chang ETF 300ETF 300ETF ETF ETF 300ETF 300E"

尺纷沈
5 years ago
Views:

1 第 27 卷第 4 期金融教育研究 Vol. 27 No 年 8 月 Research of Finance and Education Aug ETF 基于华泰柏瑞沪深和嘉实沪深 300ETF 丁于兰文章比较分析了沪深 300 股指期货套期保值所采用的几种现货工具 : 上证 180ETF 或上证 50ETF 和深证 100ETF 构建的 ETF 组合华泰柏瑞沪深 300ETF 嘉实沪深 300ETF, 实证检验了两只沪深 300ETF 以及 ETF 组合对沪深 300 股指期货的拟合效果的差异, 为现货工具的选择给出建议, 并为后续对沪深 300ETF 的套期保值的研究做出铺垫沪深 300ETF; 拟合效果 ; 实证分析 : F : A : ( 2014) 我国股指期货的仿真交易始于 2006 年 10 月, 经过多年仿真模拟, 正式于 2010 年 4 月推出沪深 300 股指期货, 中国股市只能做多不能做空的单边市的状况从此得到改变然而, 由于沪深 300 股指期货对应的现货标的为沪深 300 指数, 而同时按比例买入 300 只股票的门槛较高, 无论对于套利交易还是套期保值, 我国一直缺少对应的现货工具 2012 年 5 月 28 日, 华泰柏瑞沪深 300ETF( 代码 : ) 和嘉实沪深 300ETF ( 代码 : ) 分别在上交所和深交所上市结束了我国股指期货市场缺少对应现货工具的现状而两只 ETF 对沪深 300 指数的拟合效果决定了二者作为现货工具进行套利和套期保值的效果本文比较研究两只 300ETF 和 ETF 组合的拟合效果并得出实证结论, 为后续 ETF 套期保值的研究做出理论铺垫在协整理论提出并完善之前, 境外学者主要采用两类计量技术对期现收益率序列的相关性进行研究 : 一类是利用计量经济学中传统的普通最小二乘法 ( OLS) 对多个相关变量进行回归分析 ; 二是采用时间序列建模方法中的 ARMA 模型, 在 OLS 方法的基础上将相关变量的回归分析向其滞后项扩展如 : Garbade 和 Silber( 1983) [1] 建立了反应期现货价格序列间关系的动态模型, 并就期货对现货价格的引导作用进行了实证检验 Stoll 和 Whaley( 1990) [2] 应用时间序列建模分析中的 ARMA 模型和三阶段最小二乘的方法研究标准普尔 500 股指期货与现货的关系, 发现 S&P500 股指期货价格对现货价格有引导作用, 这与 Silber 所得出的结论是一致的利用上述的传统计量和时间序列的方法来做回归分析时, 通常是以时间序列数据平稳为前提条件, 即不存在随机或确定性的趋势, 若不满足前提假定, 就会产生伪回归, 而现实市场中的金融数据通常都是非平稳的 Granger( 1981) [3] 针对这一数据平稳性的假定进行深入研究, 提出协整的方法, 逐渐被应用到期现收益率序列的相关性的研究上来 Ghosh( 1993) [4] 对股指期货和股票指数价格及收益率序列之间的关系做出实证分析, 发现二者存在显著的协整关系 Tse( 1995) [5] 基于协整理论, 建立误差修正模型 ( ECM) 研究现货价格与股指期货价格的相互关系, 发现期货价格序列的滞后变化往往导致现货价格序列的短期调整 Chu( 1999) [6] 也采用误差修正模型的方法, 对标准普尔 500 指数的日内数据做出研究, 得到与 Tse 的一样的结论, 认为股指期货具有价格发现的功能 Brooks( 2001) [7] 通过对 FTSE100 现货与股指期货序列间建立 ECM 模型, 发现期货价格走势对现货价格走势有预测作用 Lin 等 ( 2002) [8] 实证检验了台湾股

2 4 300ETF 35 Pattarin Ferretti Ryoo Smith Mib30 KOSPI200 ETF Beasley Meade Chang ETF 300ETF 300ETF ETF ETF 300ETF 300ETF 300ETF ETF ETF ETF ETF ETF ETF ETF ETF 300ETF 300ETF 180ETF 50ETF 100ETF 300ETF ETF ( 一 ) 沪深 300 股指期货及 ETF % 12% ETF Exchange Trade Fund ETF 2009 ETF ETF ETF ETF ETF ETF 2

3 ETF ETF ETF % ETF % ETF % Mirae AssetTiger Money Market ETF A Mirae Asset 0. 42% Mirae Asset Tiger Automobile ETF A Mirae Asset 0. 42% Mirae Asset Tiger Chemicals ETF A Mirae Asset 0. 42% Mirae Asset Tiger Securities ETF A Mirae Asset 0. 42% Mirae Asset Tiger Software ETF A Mirae Asset 0. 25% KBKStarTop5Group&10YKTB Plus ETF A KB Asset 0. 99% ETF % ETF % ETF % ETF % ETF % 300ETF 300ETF 300 ETF ETF ETF ETF ETF ETF ETF 300ETF ETF 1 300ETF 300ETF ETF 300ETF 3

4 4 300ETF ETF 300ETF 300ETF T T ETF T T + 1 ETF T ETF T T ETF T + 2 T ETF T T ETF T + 2 T ETF T T + 2 T ETF T ETF ETF 300ETF ETF ETF T ETF T ( 二 ) ETF 组合的构建方法 50ETF 180ETF 100ETF ETF ETF J. E. Beasley N. Meade and T. J. Chang 2001 Min TE = 1 T T I ln( t t = 1 I t - ) - ln ( p it ) 2 1 p - p 1. 1 { [ i t - 1 iq i ] } 槡 R I t = ln Min TE = 1 T I ( t I t - ) 1 R i t = ln ( ) p i t p i t - 1 T R I t - p - 2 iq i R t = 1 i t { [ ] } 槡 T p it t R it p - i I t t R It q i α i p- iq i β i α i β i α i β i

5 Min TE = 1 T ω i = T t = 1 槡 R It [ ] - ω i R i t { α i ω i β i ω 1. 8 ETF ETF 300ETF ( 一 ) 数据选取及处理 300ETF ETF ETF 100ETF 180ETF 300ETF Wind ETF ETF ETF ( 二 ) 实证检验 EVIEWS ETF 300ETF ETF 4 100ETF 300ETF 300ETF 50ETF 180ETF ETF ETF ETF ETF ETF 100ETF 180ETF 50ETF 300ETF ETF ETF ETF ETF ETF ETF 50ETF < 100ETF < 180ETF < 300ETF < 300ETF 50ETF < 180ETF < 100ETF < 300ETF <

6 4 300ETF ETF 300ETF ETF 180ETF 100ETF ETF ETF ETF 6 6 ETF 50ETF ETF ETF ETF ETF ETF ETF ETF 300ETF 300ETF ETF 300 X Y 7 ATE SD 300ETF 300ETF 300ETF ATE SD SD /ATE 300ETF 300ETF 300ETF T ETF ETF 300ETF ATE % % % % % SD ETF 300ETF ETF ETF 300ETF 300ETF ETF ETF 300ETF 300ETF 50ETF 100ETF 180ETF 100ETF ETF 300ETF 300ETF

7 ETF T ETF 300ETF 1Garbade K D Silber W L. Price movements and price discovery in futures and cash markets J. The Review of Economics and Statistics Stoll H R Whaley R E. The dynamics of stock index and stock index futures returns J. Journal of Financial and Quantitative Analysis Granger C W J. Some properties of time series data and their use in econometric model specification J. Journal of Econometrics Ghosh A. Co - integration and error correction models inter temporal causality between index and futures prices J. Journal of Futures Markets Tse Y K. Lead - lag relationship between spot index and futures price of the Nikkei stock average J. Journal of Forecasting Chu Q C Hsieh W G Tse Y. Price discovery on the S&P 500 index markets An analysis of spot index futures and SPDRs J. International Review of Financial Analysis Brooks C Rew A Ritson S. A trading strategy based on the lead - lag relationship between the spot index and contract for the FTSE100 J. International Journal of Forecasting Lin C C Chen S Y Hwang D Y et al. Does index futures dominate index spot Evidence from Tai wan market J. Review of Pacific Basin Financial Markets and Policies Pattarin F Ferretti R. The Mib30 index and futures relationship econometric analysis and implications for hedging J. Applied Financial Economics Ryoo H J Smith G. The impact of stock index futures on the Korean stock market J. Applied Financial Economics J. E. Beasley N. Meade and T. J. Chang An Evolutionary Heuristic for the Index Tracking ProblemZ. Working Paper October The Comparative Study of CSI 300 ETF Fitting Results Based on Huatai - PineBridge CSI 300 and Harvest CSI 300 ETF DING Yulan China Telecom Fuzhou Fujian China Abstract This article compares the differences of these cash instruments for hedging in stock index futures the portfolio of Shanghai 180 ETF and Shenzhen 100 ETF the portfolio of Shanghai 50 ETF and Shenzhen 100 ETF Huatai - PineBridge CSI 300 and Harvest CSI 300 ETF. This paper also studies different fitting results for CSI 300ETF provides some suggestions to make correct choice and does foreshadowing for the following research. Key words CSI 300 ETF fitting results empirical analysis difference ( 责任编辑 : 沈五 )

untitled

untitled 300 (ADF) (VEM) 300 2006 9 5 A50 2006 9 8 CFFEX 10 30 300 300 2007 1 19 6 3 300 300 Kawaller Koch(1987) S&P 500 S&P 500 20~45 1 Stoll Whaley(1990) ARMA 2 3 S&P 500 MMI S&P 500 MMI 5 Abhyankar(1995) FTSE