套期保值對公司股價的影響分析畢業論文-資料下載頁

　　

【正文】 、*分別表示在 1%、5%和 10%的置信水平顯著。 由表 3—3 期鋁價格變化引起對應鋁生產加工企業股價隨之變化分的 F 值為，在 5%顯著水平下拒絕零假設。而鋁加工企業股價變化引起期價變化 F值為 ，結果不顯著，即我們不能拒絕零假設。因此組合 1 與期鋁價格存在單向的格蘭杰因果關系，即期鋁價格影響鋁企業股價。期銅價格和組合 2 的F 值檢驗為 和 ，分別在 l%和 5%水平下顯著，拒絕零假設，即期銅和銅企業股價存在雙向的格蘭杰因果關系。期鋅和組合 3 的格蘭杰因果檢驗結果顯示，在 5%顯著水平下拒絕期價不能引起組合 3 股價變化的零假設，接受鋅企業不能格蘭杰引起期鋅價格變化，期鋅和組合 3 也存在單向的格蘭杰因果關系。 通過以上實證發現，有色金屬企業股價與期貨價格存在顯著的協整關系，而協整關系所蘊涵的是長期穩定關系，這說明它們具有一種穩定的長期均衡關系。期貨是對商品未來價格的預期，期價的走勢預示企業未來生產原材料或者產品的價格將發生變化，勢必會影響投資者對企業的預期，引起股價波動。格蘭杰因果檢驗揭示期鋁和期鋅對公司股價存在單向的影響，而期銅對銅生產企業的股價有雙向影響。 套期保值與公司股價波動實證 根據前面的假設，我們認為參與商品期貨套期保值有助于穩定公司股價。基于前文格蘭杰因果檢驗我們初步得出期價與股票價格波動存在聯動作用，為了更準確的描述出兩個金融市場的影響，我們運用多變量 VAR—BEKK 模型來研究該問題。為了進一步研究套期保值對公司股價的影響，我們從組合中挑選出8 家典型樣本公司，樣本選擇條件為:發展較成熟的大中型企業；長期且持續從事商品期貨套期保值；樣本研究時間可以明確劃分為非套保時期和套保時期。我們以公司首次公開披露參與套期保值時間為界，將研究時間劃分為套保和未套保兩大時間段，分別比較同一公司套保前后股價與對應期價的變動關系，研究樣本包括四家鋁企業，銅和鋅生產企業各兩家。 由前文的分析可知，樣本股價和期貨價格均為一階單整序列，本部分實證數據采用百分比變化率即價格收益率序列進行分析。單個公司樣本時間從 2022年 1 月 4 日一 2022 年 7 月 4 日，以各家公司首次公開公布有關套保信息的時點為界。對數收益率計算公式為： （3—2）)ln(1??tttpr其中，資產的對數價格時間序列就是 ， 為其價格的自然對數等于 ，??tt )(lntp分別表示期貨品種和股票日收盤價。經過 ADF 和 PP 檢驗，對數收益率為平tp穩時間序列，且存在長期均衡關系。由表 3—4 我們看出對數收益率序列 J—B 統計量在 l%顯著水平下拒絕服從正態分布的零假設，序列具有尖峰特征。對于殘差序列的 ARCH 效應，我們運用拉格朗日乘子(LM) 檢驗法來檢驗，ARCH 效應檢驗結果也顯示收益率波動殘差在 l%和 5%顯著水平下拒絕殘差固定不變的零假設，認為樣本序列波動具有時變性和集聚性，殘差序列具有高階 ARCH 效應，以下數據統計分析為我們選用 ARCH 類模型提供有力證據。表 3—4 收益率序列基本統計及 ARCH 效應檢驗注:林*、**分別表示在 1%和 5%置信水平顯著。（1）ARCH 及 GARCH 模型ARCH 的模型被廣泛地應用于股票市場、貨幣市場和期貨市場的研究中，用以描述股票價格、利率、期貨價格等金融時間序列的波動性特征。ARCH 類模型的意義在于在于發現了經濟時間序列中比較顯著的變化是可以預測的，并且說明了這種變化是來自某一特定類型的非線性依賴，而不是方差的外生結構變化。在 ARCH 模型中， “波動的自相關性”的模型化是通過讓殘差項的條件方差 依賴于前一項的殘差平方的值來表示，由于 是條件方差，th th它的值必須嚴格為正，在任何時點負的方差都是無意義的： （3—3）ttxy????39。 （3—4）tvh?t （3—5）????????qiitqttth1202210. ?????ARCH 模型提供了一個分析和發展波動性時間序列模型的框架，然而由于該模型的實際應用存在不少障礙。首先模型中殘差平方項的滯后階數很難確定，而如果把條件方差中對所有殘差平方的依賴關系都考慮進來，滯后階數將非常之大；再則，在其他情況相同的條件下，條件方差方程中參數越多，這些參數中出現一個或多個違反非負數約定的可能性越大，所以，ARCH 模型很少被運用。后來由 Bollerslev(1956)和幾 ylor(1986)各自獨立發展起來的廣義 ARCH，即GARCH 模型被引入到對金融時間序列的波動性分析當中來。GARCH 模型是ARCH 類模型中的一種帶異方差的時間序列建模的方法。一般的 GARCH 模型可以表示為： （3—6）ttxy????39。 （3—7）tvh??t?pttqttt hh ???? ??????..12210 （3—8）jipjqiit???0?則稱序列服從 GARCH（p,q）過程。其中 是時刻 t1 及 t1 之1),(?tttVarh??前的全部信息，其中 獨立同分布，且參數滿足條件：tvE( )=0，D( )=ltvt＞0， ＜1 )。()(stvEst??a?????pjqi1jt0???， 這里 可以理解為過去所有殘差的正加權平均，這與波動率的聚集效應相th符合，即：大的變化后傾向于有更大的變化，小的變化后傾向于有小的變化。由于 GARCH（p，q） ，模型是 ARCH 模型的擴展，因此 GARCH（p，q）同樣具有 ARCH（p，q）模型的特點。但 GARCH 模型的條件方差不僅是滯后殘差平方的線性函數，而且是滯后條件方差的線性函數。GARCH 模型適合在計算量不大時，方便地描述高階的 ARCH 過程，因而具有更大的適用性。（2）MGARCH 模型—BEKK 模型 在金融理論研究中，一元 GARCH 模型對于刻畫單個金融時間序列的波動特征非常有效，但是對于多變量時間序列波動相關性的考察卻是缺乏效率的。盡管可以用一元 GARCH 模型考察多變量波動關系，但是它不得不把幾個序列分割開來考察各自的條件波動性，這必然損失變量之間相關性所包含的信息(趙留彥等，2022)。針對這一問題，近十多年來，金融計量學家提出了多元GARCH(multivriate GARCH)模型，又稱為向量 GARCH(vector GARCH)模型。但是由于多元 GARCH 模型的待估參數過多，這在一定程度上影響了多元GARCH 模型的廣泛應用。為此，學者們進一步提出了一些簡化的多元 GARCH模型。如常數條件相關系數模型(Bollerslev，1986)、對角 VECH 模型(Blooerslev，Engle，Wooldridge ， 1988)和 BEKK 模型(Engle，Kroner， 1995)等。BEKK 模型向量表達式是 Engle 和 Kroner(1995)在綜合了Baba、 Engle、Kraft 和 Kroner(1991 未發表手稿)研究基礎上提出的由四人名字的第一個字母命名的一類多元 GARCH 模型的表示形式，具體表述為 :如果殘差項的條件方差服從 GARCH（1，1）過程，則二元 BEKK 的設定形式為：， （3—9）tttXy?????39。 ),0(~I1hNt? （3—10）BHACTt11t 39。39。39。39。H?????其中 4—2 式是向量形式表示的均值方程，4—3 為 BEKK 形式的多元 GARCH形式的方差方程。方程中: 是 21 維向量，表示每個市場的收益， 是ty tX1（k+1）維解釋變量向量， 是 2（k+1）維系數矩陣， C 為常數對稱矩陣，?A 代表 ARCH 項的系數矩陣，B 代表 GARCH 項的系數矩陣 為 22 維矩陣，tH表示兩個市場在 t 時刻的方差協方差矩陣，下式中各項具體表示為： ???????????????????????????? 212121,2,1t 。0。h ??BAcCHtt條件方差一協方差矩陣可分開寫為: 21,1,2,1 21,1,2, ?? ??????ttt ttttt hβhβch?????21,1,2,12 21,1,21,2, ?? ??ttt ttttt ?（3—11）21,1,2,2121,211,2, )( )(??? ?????tttt tttt hhhch ?????? ???上述模型通常假定殘差 服從多元條件正態高斯分布，但大量研究表明金融時間序列的無條件分布往往具有尖峰厚尾的特點，而學生 t 分布比正態分布更能精確地描述分布的厚尾特征。如果一個 k 維的隨機變量 服從自由度為 vtu的學生 t 條件分布，其規模參數矩陣為 ，那么其密度為 :tM（3—12）其中 為待估計參數， 為 Γ函數， 的均值為 0，如果 v2，那么?????tu方差為tu （3—13）)2/()(39。 ??vMuEHtt規模參數矩陣取 （3—14）vHMtt /)2(??則密度函數變為（3—15）通過對上述模型利用極大似然法進行聯合估計，通過非線性 BHHH 迭代方法，就可以得出參數估計結果。在模型的殘差滿足不存在自相關也不存在 ARCH 效應的前提下，可以利用 、 、 、 共同衡量兩種資產收益率之間的波12??21動溢出效應。（1）模型設定 為了研究套期保值對產品及原料價格波動對公司股價的影響作用，即期貨價格波動對相應股價的影響，我們首先分析商品期貨市場與股市波動之間的影響傳導機制。通過前文研究，采用 VAR—BEKK 模型分別對組合進行分析，在確定傳導機制后進一步比較同一樣本套保前后期價波動對股價的影響。應用VAR—BEKK 模型分析時，最關鍵的就是對模型的最佳滯后階數的確定，滯后階數過多會使統計量自由度喪失，滯后階數過少就不能完全反映變量的動態特征。本章采用 AIC 信息準則比較不同滯后期模型的估計結果，選擇 AIC 值最小效果最優的 VAR—BEKK 模型。比較結果發現組合 1 與期鋁的 VAR（3）—BEKK(1，l) 模型最優，而銅、鋅生產加工企業與期銅和期鋅均為 VAR（1）BEKK(1，1)模型赤池信息值最小，模型效果最好。我們先對以上方法確定的模型進行診斷，使用自相關檢驗法檢驗模型殘差，診斷結果如下表:表 3—5 VAR 一 BEKK 模型估計結果注:加***、**、*分別表示在 1%、5%和 10%水平下顯著。 表 3—5 是組合股價和期貨價格波動影響的檢驗結果，均值方程三組數據都與其三階或一階自相關系數存在相關性，說明實證的兩組數據序列可以通過自身的滯后項進行描述，并且期價波動和股價波動存在一定的相互影響。具體影響的程度、方向以及影響持續性我們通過方差方程的 Alpha 和 Beta 值來描述，組合 1 和期鋁股價波動對期價影響值 在 1%顯著水平下存在正向作用，而組合 2 對期銅不存在任何方向的波動影響，組合 3 對期鋅存在期價對股價波動的正向影響，溢出值 在 1%置信程度下顯著。接下來我們按前文描述的方法選取個別樣本進行重點分析，以各樣本公司首次公開披露參與套期保值相關信息時點為界，將研究時間分為套保前和套保后，分段進行具體研究。實證結果如下:表 3—6a 鋁業公司 VAR 一 BEKK 模型估計結果注:加***、**、*分別表示在 1%、5%和 10%水平下顯著。從上表我們可以發現，套保前公司股價與期價波動關系:（1）矩陣元素（1,2）的 ARCH 項和 GARCH 項均顯著，說明在參與套期保值前期價波動對股價有顯著的正向影響，因為企業未進行套期保值，所以企業的原材料或產品價格受到國內該品種期貨價格的影響，期貨市場上該品種的價格波動對企業股價波動造成相同方向影響，同時這種波動溢出效應還具有一定的持續性。 （2）總體而言股價波動在套保前對期價無影響，企業大多隨著原料價格波動調整生產。 （3）系數值大小的影響因素較復雜，系數值與企業的以鋁產品數量占比及其議價能力有很大相關性，如寧波富邦公司的影響值最小，因為它的鋁產品占主營業務約為 73%，遠不如其他三家公司平均達到 95%以上。公司參與套保后期鋁價格波動對樣本鋁業公司的股價波動影響均不顯著，通過套期保值企業很好的規避價格波動風險，市場給予了認可。個別公司的股價波動甚至能對國內期貨價格產生很小的正向影響，這與企業參與套期保值的程度和自身對原料的議價能力有關。套保程度越高作為期貨市場的主要參與者對期貨價格會產生一定影響。表 3—6b 銅業公司 VAR 一 BEKK 模型估計結果表 3—6c 鋅企業 VAR 一 BEKK 模型估計結果注:加***、**、*分別表示在 1%、5%和 10%水平下顯著。 上表 3—6b 和表 3—6c 是分別對銅企業和鋅企業套保前后股價的波動進行實證的結果，分析結果我們同樣發現:（1）套保前期貨價格對股票價格波動存在 l%或 5%置信水平的顯著正向影響，且影響效果具有持續性，對應 GARCH項系數值均顯著。因為期貨價格的價格發現功能，在公司沒有參與套期保值前公司產品或原材料價格的波動對公司生產經營有重要影響，市場勢必對其作出同向反應。而樣本公司股價波動對期價除四川宏達股份外其他三家公司都沒有影響，