发布时间：2023-09-11 17:26:53
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的期货投资的方法样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
关键词：股指期货；交易风险；VaR应用
中图分类号：F830 文献标志码：A 文章编号：1673-291X（2014）22-0099-04
股指期货属金融期货类别，金融期货合约的标的物包括：股票、国债、利率、汇率等金融产品及其相关指数产品；因此，股指期货是以股票价格指数作为标的物的金融期货。
一、中国股指期货的运营现状
中国股指期货的诞生时间为2010年4月16日，在这一天，中国金融期货交易所退出了首个股指期货，即沪深300股指期货合约，造成了中国资本市场的一次重大变革。
通过了解沪深300股指期货过程中可以反映中国股指期货运行现状，股民账户规模并不大，投资者主要是散户，约占市场的95%；而机构投资者主要来自于券商自营部门的套期保值，其总体占市场的份额还比较低，全国加起来约12.6万户。就市场的整体运行状况而言，运行总体平稳且合约到期交割都比较顺利；通过合约和价格之间的相关性可以表明股指期货的基础为现货市场。
股指期货市场的交易方面，市场整体交易是积极和稳定增长的。现在平均每天的交易量稳定在30万手左右，股指期货刚上市不久，股指期货的成交持仓比曾经高达20多倍，随着时间的推移，现在成交持仓比下降到6～10倍的状况；因为参与市场的投资者主要来自于原来的股票市场和商品期货市场的短线交易者，所以沪深300股指期货市场的厚度不够。但交易持仓比的下降，在一定程度上也表明，参与沪深300股指期货的投资者更为理性。随着越来越多的机构投资者的参与，为规避系统性风险而进行套期保值的投资者越来越多，成交持仓比还会稳步下降，中国期货市场将会越来越成熟。
二、中国股指期货的交易风险
沪深300股指期货正式上市已经四年多，通过其市场经营状况及运行现状，可以发现一些交易风险问题。
（一）相关法规不配套、市场及金融体制不完善
目前，中国的监管机构对期货市场的了解和研究不深，其制定的相关决策缺乏原则性和一致性，对期货市场的干预变数较大。并且股指期货在其合约或内容方面还存在着预期风险，这是由于相关法律制度与其不符或相关规则制定的不及时从而造成了当市场产生波动时必须采用临时措施来应对和处理，严重的甚至会造成合同不能履行、经济利益不能获得的结果。除了制定相关制度，资金市场对期货市场的支持也是尤为重要的，其可以确保期货交易资金融通和流动的安全性，有利于完善市场和金融体制。
（二）流动性问题
流动性风险包含两个方面，一个是市场流动性风险，是由于市场交易数量不足以及投资者因为不能获得市场价格而不能及时平仓中国股指期货目前的市场表现真的不活跃，致使股指期货的规避风险、价格发现以及资产配置功能很难发挥。由于期货市场的功能需要流动性来实现，由于流动性偏弱则其功能作用不会充分发挥。另一个是资金流动性风险，是指市场资金流动性不足致使投资者对其合同义务无法履行。中国股指期货市场上目前该流动性风险的产生是大部分由于期货投机者操纵市场，人为造成的。
（三）内部道德风险
期货交易的价格波动引起的盈亏变化比其他交易要明显，这是因为期货交易本身涉及的金额数目庞大。这种特性会致使公司内部员工面对诱惑时会丢掉自身的警惕，谨慎以及职业道德，做出不当的决议决策，甚至会做出违法的交易行为。最终不仅使公司蒙受巨大的损失，还对期货市场造成较大的动荡。因此，期货从业人员要有强烈的责任感和良好的职业道德。
三、股指期货市场风险的 VaR 实证分析
一、业绩评估的目的与意义
期货投资组合（或基金）评估是对投资管理人（或基金经理）投资能力的衡量，其主要目的是将具有超凡投资能力的优秀投资管理人鉴别出来。
此外，投资者需要根据投资组合的投资表现，了解其投资组合在多大程度上实现了他的投资目标，监测投资管理人的投资策略，为进一步的投资选择提供决策依据；投资顾问需要依据投资组合的表现向投资者提供有效的投资建议；投资管理公司从保护投资者利益出发进行投资风险和绩效的监控。
二、业绩评估的困难性
首先，投资技巧与投资运气的区分。交易帐户的表现是投资管理人技巧与运气的综合反映，很难完全区分。要尽量区分这一点就要选择合适的考察期限。本文建议以周为基本统计单位，以三个月为一个评估期限。
其次，比较基准的选择.。中国市场没有农产品指数、也没有有色金属指数（就是有，一个交易帐户既投资大豆又投资铜，也不好比较），再说期货市场存在做空机制，因而比较基准很难统一。从评估实际看，大多数投资管理人倾向于某一稳定的投资风格，而不同投资风格的投资管理人可能受市场周期性因素的而在不同阶段表现出不同的群体特征。本文建议将期货投资管理人分为两类：以投资套利为主单边持仓保证金不超过总资金三分之一的稳健型；以纯投机为主的激进型。
第三、投资目标、投资限制、操作策略、资产配置、风险水平上的不同，使得不同交易帐户之间的业绩不可比。比如，由于投资目标不同，投资管理人所受的投资范围、操作策略等的限制也就不同。
第四、投资管理人操作风格的稳定性。如果出现投资管理人在考察期限内改变操作风格，将会引起收益率的较大波动，而这种波动与通常意义上的市场风险概念并不完全一致。
此外。衡量角度的不同、投资组合的分散程度、被评估帐户是否跟投资者其它帐户关联等也会影响业绩的评估。
三、关于投资风险。投资理论认为，投资收益是由投资风险驱动的，相同的投资业绩可能承担的风险并不同，因此，需要在风险调整的基础上对交易帐户的业绩加以衡量。由于期货投资是资本市场中的一个特殊组成部分，其保证金交易的杠杆原理使得其风险和收益的波动程度大大高于其它投资品种，相应的期货交易帐户的风险管理也有其独有的特性，大家所熟知的证券投资是一个全额保证金的交易方式，投资者需用自有资金购买股票、债券等，不能采用透支的方式交易，这样收益率的波动将明显小于保证金交易下的期货投资。反过来说，如何保证期货交易帐户的总体风险得到有效控制是一件很重要的事情。国内期货交易所的活跃品种保证金比例多为5%，即便投资者通过期货公司交易增收3个百分点，保证金的比例也仅为8%，大大低于股票投资和债券投资的资金要求比例。以目前国内期货品种涨跌停板±3%，当日单边波动可能造成保证金的理论盈亏为±37.5%（3%÷8%）。相对与股票投资的10%而言可谓放大了3倍有余，所以在对期货交易帐户管理时，建立一套完善的风险管理体系，确保期货投资的安全是很有必要的。期货经纪公司普遍采用保证金占用金额与客户权益之比的来反映交易帐户的风险情况，殊不知遇上套利或参与交割的帐户，这个指标就会失真。本文建议改为净持仓（或对反向头寸按照一定的比例进行折算）来反映，另外采用投资收益率的标准差来衡量风险也是一个不错的方法。
四、关于平均收益率。
现行的平均收益率计算公式有两种：一种是算术平均收益率；另一种是几何平均收益率。几何平均收益率，可以准确地衡量交易帐户的实际收益情况；算术平均收益率一般可以用作对平均收益率的无偏估计，因此，它更多地用在对将来收益率的估计上。五、三大经典风险调整收益衡量
由于期货投资与证券投资有类似之处，在进行期货交易帐户评估时可以参照证券投资基金评估的方式。在国外对交易帐户业绩的评价工作始于20世纪60年代。按照基准收益率将评价指标分为两类：一类基于CAPM模型，将市场指数作为基准收益率简称为CAPM基准；另一类基于APT模型，以多因素模型决定的期望收益作为基准收益率即APT基准；其中基于CAPM的夏普业绩指数法、特雷诺业绩指数法、詹森业绩指数法较为广泛。
1、夏普业绩指数法。夏普业绩指数是基于资本资产定价模型基础上的，考察了风险回报与总风险的关系，公式如下：S=（Rp―Rf）/σp
其中：S表示夏普业绩指数，Rp表示某只基金的考察期内的平均收益率，Rf表示考察期内的平均无风险利率，σp表示投资收益率的标准差，它是总风险。
夏普业绩指数越大，基金的表现就越好；反之，基金的表现越差。
2、特雷诺业绩指数法。特雷诺认为足够分散化的组合没有非系统性风险，仅有与市场变动差异的系统性风险。因此，他采用基金投资收益率的βp系数作为衡量风险的指标。
T=（Rp―Rf）/βp
其中：T表示特雷诺业绩指数，Rp表示某只基金的投资考察期内的平均收益率，Rf表示考察期内的平均无风险利率，βp表示某只基金的系统风险。
特雷诺业绩指数的含义就是每单位系统风险资产获得的超额报酬（超过无风险利率Rf）。特雷诺业绩指数越大，基金的表现就越好；反之，基金的表现越差。
3、詹森业绩指数法。1968年美国学家詹森系统地提出如何根据CAPM模型所决定的期望收益作为基准收益率评价共同基金业绩的方法，计算公式如下：
J=Rp―{Rf+βp（Rm―Rf）}
其中：J表示超额收益，被简称为詹森业绩指数；Rm表示评价期内市场的平均回报率；Rm-Rf表示评价期内市场风险的补偿。当J值为正时，表明被评价基金与市场相比较有优越表现；当J值为负时，表明被评价基金的表现与市场相比较整体表现差。根据J值的大小，我们也可以对不同基金进行业绩排序。
六、实用的评估方法
关键词：时间序列 聚类分析 期货
本文受国家自然科学基金项目资助（61375066）
一、引言
时间序列分析的理论基础是上世纪40年代由Norbort Viener和Andei Kolmogonor给出。1968年，美国统计学家Box和英国的Jenkins提出时间序列的模型识别、参数估计和诊断检验的建模方法，并于1970年出版专著《时间序列分析―预测与控制》，使时间序列分析广泛应用。1976年， Box和Jenkins提出自回归求和滑动平均模型――ARIMA（Autoregressive Intergrated Moving Average），针对具有明显趋势项的非平稳事件序列。由于金融市场的数据是不稳定的随机序列，其分布未必是正态分布，而是具有非线性、自相关性、异方差性。1982年，Engle针对时变方差性，提出了自回归异方差模型――ARCH（Autoregressive Conditional Heteroskedastic）。1986年，Bollerslev 将ARCH模型延伸至一般ARCH模型――GARCH（Generalized Autoregressive Conditional Heteroskedastic）。在近20年，许多学者在ARCH模型基础上，针对不同的问题提出不同模型扩展，形成ARCH模型族。例如：1986年，Engle和Bollerslev提出了积分GARCH模型――IGAR。1987年，Engle， Lilien和Robins提出了ARCH-M模型。1991年，Nelaon提出指数GARCH模型――EGARCH。1992年，Higgins和Bera提出了非线性ARCH模型――NARCH。1994年，Zakoian提出了门限GARCH模型――TGARCH。1994年Baillie，Bollerslev和Mikkelson提出了非整数次积分GARCH模型――FIGARCH。以ARCH模型族为代表的时间序列分析方法直接引自于经济金融问题，它认为随机序列的方差是时变的，传统ARMA模型一般假定方差是常数。因而，时间序列分析方法在金融市场，尤其是股票指数、汇率、利率、期货等证券风险大小的度量、风险收益的计算与市场效率的检验中得到了广泛的应用。
本文主要讨论时间序列分析方法对金融市场中的C1207玉米期货的价格波动的分析并对其未来的走势作出相应预测。本文将聚类分析与ARIMA模型结合，首先对期货合约的价格做聚类分析，然后对各个类的价格均值做ARIMA模型拟合，进而预测出下个阶段的期货价格的总体水平，进而帮助投资者提早的对自己的投资选择进行分配，确定足够的保证金金额以满足期货合约可能的追加保证金要求。
二、研究对象
期货市场是金融市场的重要组成部分，与国民经济发展密切相关。作为和股票市场和外汇市场并存的三大金融交易体系之一，期货与现货相对。期货是现在进行买卖，但是在将来进行交收或交割标的资产，这个标的资产可以是某种商品（例如黄金、原油、农产品），也可以是金融工具，还可以是金融指标。交收期货的日子可以是一星期之后，一个月之后，三个月之后，甚至一年之后。买卖期货的合同或者协议叫做期货合约，期货合约属于一种场内合约，买卖期货的场所叫做期货市场。
期货市场主要的交易种类有：利率期货、外汇期货、股票价格指数期货、农产品期货、金属期货、能源期货，它为现货商提供了保值和购货的场所，又提供了回避价格风险的作用，并且还能投资者提供了一个投资获利的渠道。建立合理的模型分析和预测期货价格波动走势对投资者做出正确的投资决策有着重要的意义。此外期货市场的波动还是整个宏观经济状况的重要体现，因此保证合理的期货交易价格对于政府在宏观经济调控中做出正确的决策，进而保证期货交易市场乃至整个金融市场的健康发展都有着重要的作用。
本文研究的对象是C1207玉米的期货价格。作为农产品期货的重要组成部分，玉米期货具有很好的预测价值和较好的可预测性。此处研究的玉米期货指的是在2012年7月15日交割的玉米期货，该期货合约于2011年7月15日开始交易，因此分析的数据是C1207玉米期货自2011年7月15日到2012年5月15日的价格波动数据，见表1。研究的目的是希望能够对其价格的波动趋势做出预测。数据来源于中信证券商品期货数据库，使用分析软件为SAS软件9.2版本和SPSS软件17.0版本。
三、数据分析及结论
实证研究表明，期货价格波动具有内在的规律性，我们通过对历史价格时间序列数据可以建立价格波动模型，进行短期预测，可以帮助投资者套期保值和规避风险，但在应用的过程中，要坚持使用多种方法验证，此处使用ARIMA模型和GARCH模型两种方法做短期预测。并结合聚类分析做阶段预测。
（一）使用ARIMA模型和GARCH模型做短期预测
我们对每天的交易平均值（最高价与最低价的平均值）做时序图，可得出C1207玉米期货的价格有着明显的季节波动趋势，这是典型的非平稳时间序列。为了将数据平稳化，我们可以采用差分的方法。通过尝试找到BIC信息量最小的模型，即为最优模型。
ARIMA建模分析后，模型为：（1）
其中 表示t时刻的玉米期货的价格。
序列的拟合与预测：由于我们的目标是进行短期预测，所以设定预测步长为5，即预测未来一周（5个工作日）的C1207玉米期货价格的走势。
所得的拟合预测效果图如图1所示，可见通过ARIMA模型对C1207玉米期货的价格进行的建模分析，其中蓝色的离散值为真实数据，黑色的曲线为拟合预测值，两条红色的曲线分别为95%置信度下的最大预测值和最小预测值。由最终的拟合和预测效果图来看，拟合效果很好。
GARCH建模分析后，模型为：（2）
拟合效果图如图2所示，红色部分为拟合图形，蓝色数据为真实市场数据。由预测图形可知，期货价格未来5天将会上涨，因此根据拟合结果投资者可以考虑提前购入期货合约。
（二）结合聚类分析和ARIMA模型做阶段价格水平预测
本节将会在对期货价格的时间序列分析中加入聚类分析，使得我们可以对下个时间段期货合约的大致价格走势有着较为明确的了解。加入聚类分析将期货价格做有序样品聚类之后，再对每个类中的期货价格做ARIMA模型预测，可以很好的预测出下个阶段的期货价格水平，给期货投资者在投资选择和保证金准备方面提供了很好的帮助。
由于期货市场具有独特的盯市和保证金性质，因此期货合约的多头（即买方）需要根据每天的具体合约价格决定是否需要追加保证金。因此，确定一个阶段的期货合约价格的大概走势对于期货合约的双方合理分配在其它金融工具中投资以保证有足够的流动资金维持保证金的追加支付有着重要的作用。
聚类分析常见方法有：系统聚类法、模糊聚类法、K-均值法、有序样品的分类（ n个样品按照时间或空间的顺序排成次序，聚成的类必须是次序相邻的样品才能在一起。）、分解法、加入法。由于本文所研究的是期货市场的合约价格走势，因此研究的数据与时间的顺序密切相关。所以采用可操作的有序样品聚类法。
1、对期货合约价格数据做聚类分析
我们对期货合约的价格做聚类分析，然后求出每类数据的价格均值及标准差。由于期货价格是一个有序样品，我们先对价格做系统聚类，然后再根据价格的时间顺序重新排列，得到新的分类――即进行了可操作的有序样品聚类。
通过比较我们发现，将原期货价格数据分为10类时的效果最好。因此我们采用10分类，得到的分类结果加入时间顺序之后，我们得到如表2所示的新的分类结果。
对新分类的结果进行整理，我们可以得到新分类的均值和标准差，如下表3所示：
接下来我们将对每个新类的价格均值数据做ARIMA模型拟合和预测。
2、ARIMA模型预测
ARIMA模型的实质就是差分运算和ARMA模型的组合。非平稳时间序列只要通过恰当阶数的差分实现差分平稳之后就可以使用ARIMA模型拟合了。ARIMA模型的建模遵循如图3流程：
首先判断序列的平稳性，我们对表3中新类的均值做时序图，可见新的分类的价格均值仍然有着明显的季节波动趋势，这是典型的非平稳时间序列。为了将数据平稳化，我们可以采用差分的方法。
对序列进行差分平稳化处理，进行差分运算。由差分序列的自相关图，发现自相关系数很快衰减到零，并且之后在零附近小范围波动，因此可以认为一阶差分后的序列具备的平稳性。对平稳的一阶差分序列进行白噪声检验，在95%的置信度下，统计量太大，因此该差分序列不能被视为白噪声序列，即差分后还蕴含着不容忽视的相关性信息可够提取。
对平稳非白噪声差分序列拟合ARMA模型， 一阶差分后序列的自相关系数图显示该序列的自相关系数具有一定的拖尾性，但不太明显。由一阶差分序列的偏自相关图可知其偏自相关系数的截尾性不是很明显。因此我们考虑使用SAS软件做相对最优模型识别。找到BIC信息量最小的模型，即为最优模型。
在自相关延迟阶数小于5且移动平均阶数小于5的所有ARMA模型中，BIC信息量最小的模型是ARMA（1，0）模型，即AR（1）模型。确定了拟合模型的阶数之后，进而估计模型中的未知参数的值、 ARIMA模拟的变量平均值和自回归因子。
可得模型为：（3）
将上式中心化得： （4）
其中 表示t时刻的玉米期货的价格。
序列的拟合与预测，设定预测步长为5，即预测未来五个阶段价格水平的期货价格的聚类均值的走势。所得的拟合和预测效果图如下图4所示：
其中蓝色的离散值为真实数据，黑色的曲线为拟合预测值，两条红色的曲线分别为95%置信度下的最大预测值和最小预测值。
预测结果的含义是在接下来的一段时间（具体时间长短不知），根据前面的聚类标准可以将期货的价格聚类为5类，且每一类价格的平均值为2418.0875、2420.2230、2421.5457、2422.6772、2423.7635.
这样预测的意义是可以让投资者提前预知期货合约的价格在接下来会保持在什么样的价格水平。由于期货合约的保证金特性，期货投资人如果能够预知期货合约接下来的大致价格水平，就可以根据价格水平提前预留一定的资金以确保保证金的支付。因此该预测在期货投资领域有着重要的实际意义。
以上是通过ARIMA模型对阶段价格进行的建模分析，由最终的拟合和预测效果图来看，拟合效果很好。
四、结束语
ARIMA模型和GARCH模型有很好的短期预测效果，期货价格预测的时间序列模型分析方法具有非常好的拟合效果，比一般的线性回归方法要好。将期货价格做有序样品聚类分析之后再对每个类做ARIMA模型，期货阶段价格水平体现为未来每个类的价格均值，可以很好的拟合和预测未来的期货阶段价格水平，使得期货投资人可以根据价格水平提前预留一定的资金以确保保证金的支付。该预测在期货投资领域有着重要的实际意义。
时间序列分析方法尤其在金融市场上对金融市场收益、市场风险及市场销量的研究有着重要的作用。由于金融市场的证券价格会随着时间变化而发生波动，因此时间序列分析的研究方法在结合之前的市场数据及时间序列模型的基础上，使用统计软件对数据进行分析处理，不仅可以对经典模型做出更符合实际使用的优化，还可以对未来金融市场做出较为科学准确的预测。
参考文献：
[1]赵国顺.基于时间序列分析的股票价格趋势研究.[D].厦门：厦门大学，2009年
[2]潘红宇.时间序列分析[M].北京：对外经济贸易大学出版社，2006，134-176
[3]王海鸿，齐飞.LME镍.铜期货价格变动的时间序列分析[J].财务与金融，2009总第119期，9-13
关键词：棉花期货；认知偏差；实证研究
一、问题的提出
棉花期货在郑商所成功上市十余年的实践证明，棉花期货在支持我国棉花产业发展，维护我国棉花安全，促进大宗农产品种植结构调整，保障“订单农业”发展，促进农民增收，为中国在国际上争取棉花话语权等方面已经开始发挥积极的作用。但是，在我国棉花期货市场上聚集着众多的中小散户，由于受自身投资经验、期货知识水平的限制，他们在判断和决策过程中经常存在多种认知偏差。目前，国内外学者有关投资者认知偏差的研究主要集中于股票、债券市场。对于投资者预期模式的表述，多数学者则是借鉴Solt和Statman（1988）提出的投资者情绪指标（BSI），即：看涨情绪指标=看涨投资者比例/（看涨投资者比例+看跌投资者比例）；看跌情绪指标=看跌投资者比例/（看涨投资者比例+看跌投资者比例）。然而，在期货市场上，由于套期保值者和期货做空机制的存在，期货投资者中看涨看跌者的比例难以确定，因此，投资者情绪指标（BSI）这种方法并不太适合研究期货市场中投资者认知偏差。姜丕臻（2005）对中国期货机构投资者锚定启发式偏差进行了实证研究。我国学者吕东辉（2006）通过对大连商品交易所大豆合约价格变动率与交易量变化率的相关分析，利用启发式认知偏差检验和框定认知偏差检验实证分析了我国大豆期货投资者是否具有认知偏差。他的学生黄雨雪（2007）运用同样的方法实证分析了我国玉米期货投资者是否具有认知偏差。周耀辉（2010）则对我国小麦期货市场投资者启发式认知偏差进行了实证研究。根据现在掌握的资料来看，目前对我国棉花期货投资者是否具有认知偏差的研究还相对匮乏。本文将在借鉴上述理论和研究方法的基础上，结合我国棉花期货市场运行特点，通过对我国棉花期货投资者是否具有启发式认知偏差和框定认知偏差的检验，实证研究我国棉花期货投资者是否具有认知偏差。
二、样本选择
在我国棉花期货市场上，棉花期货成交量（COC）变动率是能够反映棉花期货投资者情绪和预期模式的最佳指标之一。棉花期货成交量是指在一定的交易时期内该期货合约在郑州商品交易所内已经成交的合约数量，是对棉花期货市场迫切性或者强度的估价，其大小反映了棉花期货投资者入市的积极程度，也反映了棉花期货投资者对后市的乐观态度。一般而言，棉花期货成交量越大反映出投资者对棉花期货市场的强烈程度越大，棉花期货市场面临的压力就越高。目前，我国棉花期货市场基本的交易单位是（一张）合约，成交量采用买入量和卖出量两者之和计算。
针对郑州商品交易所棉花期货合约具有较高的流动性以及众多的中小散户的特征，选择棉花期货合约价格变动率（COJ）来衡量棉花期货投资者的历史收益率。然而，对棉花期货投资者进行认知偏差分析，就必须形成一个连续的棉花期货合约。目前，文华财经资讯有限公司编制的棉花期货合约价格指数不仅保证了棉花期货价格时间序列的连续性，还使不同棉花期货合约价格的重要性在价格指数中通过权重的形式得到体现。因此，采用棉花期货合约价格指数代表棉花期货价格。为防止棉花期货上市初期，棉花期货合约交易量较小、不稳定的情况出现，样本区间为2007年1月4日至2011年7月30日每个期货交易日的收盘价和成交量，以此作为基础数据，共1107组，采取Eviews5.0进行统计分析。
三、实证分析
1.启发式认知偏差检验
启发式认知偏差主要是指投资者在判断与决策过程中因走思维捷径而导致的判断偏差。对我国棉花期货投资者进行的启发式认知偏差检验，主要是分析棉花期货投资者的预期模式与棉花历史收益率之间是否具有稳定的关系。一般而言，如果两者之间表现出稳定的相关性，则说明棉花期货投资者不能及时地基于市场信息对预期进行调整，带有启发式认知偏差。此时，需要引入两个变量，一个反映棉花期货投资者的情绪与预期模式，用棉花期货成交量变动率（COC）表示，另一个反映外界信息变化，用棉花期货合约价格变动率（COJ）来衡量棉花期货投资者的历史收益率。本文以如下模型来考虑棉花期货投资者情绪与棉花期货市场历史收益率之间的关系：
其中，方程式（1）的COCt-i为被解释变量，表示棉花期货成交量的变动率，是衡量棉花期货投资者情绪的指标，COJt-i为解释变量，表示棉花期货价格的变动率，是衡量棉花期货投资者收益的指标；方程式（2）的LVt-i表示为棉花期货成交量，成交量日变动率的计算为：当日成交量与上一交易日的成交量之差除以上一交易日的成交量，周、月成交量变动率的算法亦是如此；方程式（3）的Rt-i表示棉花期货收盘价，其价格变动率日、周、月的算法与成交量变动率的算法一致。t表示为棉花期货的预测时期，i表示为棉花期货历史价格的观测时间。通常情况下，通过改变历史价格的观测时间i来检验棉花期货历史信息对棉花期货投资者市场预测影响的时间效力。
基于方程式（1），将历史价格观测的时间i表示为一日、一周和一月，分别对棉花期货成交量变动率与棉花期货价格变动率进行回归分析，得到表1-1、表1-2。
从下表中可以看出，日解释变量（COJt）的系数未通过T检验，说明棉花期货投资者能够根据市场信息对原有预期进行不断调整，投资者的预期模式与历史收益率在短期是一种随机关系；周、月解释变量（COJt）的系数均通过T检验，说明投资者的预期模式与历史收益率长期存在稳定的相关关系，并未表现出跟随市场信息进行调整的特征，带有启发式认知偏差。然而，由于周棉花历史收益率的系数为负值，说明该变动会引起棉花期货交易量的反方向变动。换句话说，周棉花历史收益率越高，棉花期货投资者越容易基于过去的优良表现对后市做出悲观的估计。随着时间的推移，月棉花历史收益率的系数变为正值，说明月棉花历史收益率越高，投资者越容易基于过去的优良表现对后市做出乐观的估计。因此，对于棉花期货投资者而言，短期内更倾向于市场信息作为预测的依据，而在长期更倾向于历史收益率作为预测的依据。
2.框定认知偏差检验
框定认知偏差是指由于投资者的偏好或者行为依赖于问题或结果的描述方式导致的认识与判断的偏差。考虑到框定认知偏差中对信息背景不同的强调，在模型（1）中加入一个反映不同信息背景的变量以便检验投资者是否具有框定认知偏差。棉花期货价格变动率（即历史收益率）的标准差St很好地反映了棉花期货价格波动的剧烈程度。一般而言，如果棉花期货投资者存在框定认知依赖，那么棉花期货价格的剧烈波动会影响到棉花期货投资者的原有预期。反之，棉花期货价格变动率的标准差的系数应该为0。因此，建立回归方程如下：
为了更好地反映棉花期货投资者在不同信息背景下的投资模式的差异，将每个观测时间段内的样本数据划分为两组：一组为历史收益率为正数（期货价格上涨）；一组为历史收益率为负数（期货价格下跌），然后基于方程式（4），分别对样本区间内每一周、两周和每一月的数据进行回归分析，得到表1-3。其中，周、月价格变动率与交易量变动率的算法如上，而价格变动率的标准差则是对应时期内每日价格变动率的标准差。
根据上述判断棉花期货投资者是否存在框定认知偏差的理论可以看出表1-3中历史收益率（价格变动率）的标准差的回归系数都显著地不为0，初步判断我国棉花期货投资者存在框定认知偏差。具体来说，一周内无论棉花历史收益率为正数或者负数，该标准差的回归系数均为正数，说明在短期内（一周），当棉花收益率为正数，市场处于上涨行情时，棉花期货价格的波动助长了棉花期货投资者的看涨情绪；而当棉花收益率为负数，市场处于下跌行情时，棉花期货价格的波动进一步助长了棉花期货投资者的看跌情绪。同时，从一周内St的回归系数可以看出此时棉花期货投资者受框定依赖对看涨情绪的影响要大于对看跌情绪的影响（0.768473%>0.129759%），表现为棉花期货投资者的预期模式是持续型的。然而，从长期来看，情况则恰恰相反（除了月内历史收益率为负值的情况外），二周内和一月内的棉花历史收益率的标准差的回归系数均小于0，说明在长期内，当棉花收益率为正数，市场处于上涨行情时，棉花期货价格的波动抑制了棉花期货投资者看涨的情绪；当棉花收益率为负数，市场处于下跌行情时，棉花期货价格的波动缓和了棉花期货投资者的悲观情绪，表现为棉花期货投资者的预期模式是反转型的。而且，从St回归系数的大小中可以看出，棉花期货价格的波动在长期内比在短期内对投资者情绪影响要大得多，这在一定程度上说明在长期内棉花期货投资者更容易产生框定认知偏差。
四、主要结论与对策建议
1.主要结论
本文通过对我国棉花期货投资者认知偏差的实证研究，得出以下几点主要结论：
（1）通过启发式锚定认知偏差检验，得出我国棉花期货投资者能够在短期（一日）根据市场信息对预期模式与历史收益率进行调整，两者之间是一种随机关系；而在长期（一周或一月）我国棉花期货投资者的预期模式与历史收益率存在稳定的相关关系，投资者更倾向于历史收益率作为预测的依据，具有启发式认知偏差。
（2）通过框定认知偏差检验，得出我国棉花期货投资者在短期（一周）的预期模式是连续的，收益率的剧烈变动加剧了行情上涨和下跌对棉花期货投资者看涨和看跌情绪的增长作用；而在长期（一周或一月）棉花期货投资者的预期模式是反转型的，收益率的剧烈变动减弱了行情上涨和下跌对棉花期货投资者看涨和看跌情绪的增长作用。
综合起来，我国棉花期货投资者具有认知偏差。
2.对策建议
为更好地提高棉花期货投资者在交易过程中的理性认知，提出以下建议供参考：
（1）加强棉花期货市场机制建设。机制的缺失不仅会引起投资者运用不正当的手段获取利益，还会使投资者的投资成本和风险大大增加。建议郑商所提供适时的信息供给机制和行为阻滞机制，以避免过激行为进一步激化棉花期货市场，形成恶性循环。
（2）培养棉花期货投资者投资理念。行为金融学理论的研究成果表明：投资者是普通人，不是“理性人”，在判断和决策中出现认知偏差是常态。建议投资者加强对金融、法律等专业知识的学习，运用正确的投资理念尽量减少认知偏差对棉花期货市场的影响。
（3）优化棉花期货市场投资主体结构。国外发达的期货市场已经证明，机构投资者是相对理性的投资者。建议针对我国棉花期货市场投资者多为中小散户的特点，积极培育理性的市场投资主体，鼓励中小散户参与棉花期货经济合作组织，适度发展棉花期货基金业务。
参考文献：
[1]姜丕臻.对中国期货机构投资者锚定启发式偏差的实证研究[J].运筹与管理，2005（4）：110-114.
[2]吕东辉，郭鸿鹏，黄羽雪.我国玉米期货市场定价偏差的实证研究[J].农业技术经济，2006（6）：49-53.
[3]黄羽雪.玉米期货市场定价偏差研究[D].长春：吉林大学，2007：37-44.
[4]刘智星.基于行为金融理论的期货价格波动非对称性研究[D].长沙：中南大学，2004：37-45.
[5]樊欢欢，张凌云.Eviews统计分析与应用[M].北京：机械工业出版社，2010.
关键词:商品期货 优化 投资组合
组合投资是现代金融学中的一个重要思想，通过将资金按不同比例投资于一组资产，投资者可以获得比投资于单个资产更优的收益/风险比，组合中的资产数量可多可少，种类也多种多样，常见的有股票、债券、外汇、黄金、房地产等，原则上只要投资者持有2种以上的资产，就可以认为是持有一个投资组合。将资金按不同比例在同一组资产之间进行分配，可以得到具有不同风险/收益特征的投资组合，通过数学方法进行优化，可以为投资组合找到一个最优的配比，具体地说，就是在一定的风险下，找到一个预期收益最大的组合，或者在预期收益一定的情况下，找到一个风险最小的组合。
金融市场上有一个基本规律，即“高收益伴随着高风险”，利用组合投资的方法也不能改变这一点，但可以根据投资者的风险偏好或风险承受能力，为其设计出最佳的投资方案，这对投资者投资理财具有指导意义。
商品期货的特点
期货交易建立在现货交易的基础上，是一般契约交易的发展，为了使期货合约这种特殊的商品便于在市场中流通，保证期货交易的顺利进行和健康发展，所有交易都是在有组织的期货市场中进行的。期货投资最主要的两个特点是:高收益高风险性和方向性，所谓方向性是指不论期货价格上涨还是下跌，只要做对了方向，都能赚钱，做错了方向就要赔钱，因此相对于现货(或股票)交易有更大的灵活性和更多的投资机会，只要价格有波动就有投资机会。
期货合约可分为金融期货、商品期货两类，金融期货没有实际的标的资产(如股指期货等)，而商品期货交易的对象是具有实物形态的商品，例如，农副产品、金属产品、能源产品等。
长期以来，期货被投资者视为一种高风险的投资工具，不适合做长期投资，特别是商品期货，由于有实物交割的压力，更是被投资者排除在其组合之外。但现在情况正在发生变化，最明显的特点就是国外出现了大量专门投资商品期货的基金，一些传统的基金也逐渐把商品期货作为一项主要投资品种。以高盛为例，在其三大业务(投资银行、资产管理与证券服务、贸易与资本投资)中，贸易和资本投资始终占据着主要份额，接近68%; 2005、2006、2007三年的收益分别为16818亿美元、25562亿美元和31226亿美元。越来越多的研究表明，将商品期货加入到投资组合之中，可以改善组合的表现。
商品期货优化投资组合的原因
商品期货能够优化投资组合，主要原因有两个:
一是商品价格与股票、债券等金融工具的价格具有低相关性，可以有效分散组合的风险。根据投资组合理论，投资组合风险分散效应的大小与组合中资产收益的相关程度有很大关系，当资产收益完全正相关时，组合风险无法低于两者之间最小的;当资产收益完全不相关时，可以降低组合风险。
二是商品具有抗通货膨胀的功能，在高通胀时期能够为资产保值。另外，商品期货在交易中所具有的灵活性、低交易费用以及在非常时期(例如战争)相对较高的收益，也使得商品期货越来越受基金经理的青睐。
商品期货优化投资组合的验证
早在1980年，Bodie和Rosansky两位学者就对23种商品期货在1950-1976年间的表现进行了研究，他们发现，如果投资者把40%的资金投入到商品期货，60%的资金购买股票，这个投资组合的收益和把100%的资金用于购买股票的收益一样，但风险却减少了30%。
2000年，Jensen等人做了一项研究，测量将商品期货加入一个由股票、债券、国库券和房地产构成的组合后对原有组合的改善程度，发现加入商品期货的组合收益要高于原有组合。
Ibboston金融咨询公司的特许金融分析师(CFA)Thomas2006年指出:“历史表明，商品期货在投资组合中扮演了一个保险的功能，是有效的风险分散者”。同时，Thomas用1970年到2004年的数据测算了两个资产组合的最优边界，其中一组包含商品期货，而另一组没有。根据投资组合理论，最优组合边界又称为效率边界，效率边界上的每一个点对应的是在相同风险下用该组资产构造投资组合所能获得的最佳收益(见图1)。从图1可以看到，单个资产都位于有效边界下方或位于有效边界上，说明组合的效果优于单个资产;包含商品期货的组合位于不包含商品期货的组合的上方，表明在同样的风险下，加入商品期货确实能够提高投资组合的收益。
综上所述，有效利用商品期货能够获得投资组合更优的收益/风险比，投资者应当放宽投资思路，运用现代金融理论的成果，提高自身的投资水平。我国商品期货市场的容量在不断扩大，期货公司的运作更加规范，期货市场正在逐渐成熟起来，在证券市场弱势且动荡的情况下，将期货品种纳入投资组合是一种理想的选择。
参考文献
1.刘海龙，吴冲锋.非完全市场最优消费和投资策略研究[J].系统工程，2001(1)
关键词:棉花;期货市场;羊群效应;CSAD
Abstract:In this article,we adopt Cross-sectional Absolute Deviation (CSAD) model to research the “herd behavior” of CZCE cotton futures market empirically. The results indicate that there is no “herd behavior” not only in whole cotton futures market but also in the state when the market is shown up or/and down.
Key Words:Cotton,Futures Market,Herd Behavior,CSAD
中图分类号: F830文献标识码:B文章编号:1674-2265(2009)02-0060-03
一、引言
“羊群效应”是指投资者在信息不确定的情况下,刻意模仿他人的投资行为而作出自己投资决策的一种现象,或者说,过度依赖于舆论而忽视对自己掌握的信息进行判断并作出投资决策的现象。“羊群效应”能够导致金融市场价格的剧烈波动,使金融市场处于非理性的状态。
目前,已有一些学者对证券市场上的“羊群效应”做了初步的研究,如Lakonishok,Shleifer & Vishny(1992)将“羊群效应”定义为资金管理人同时买卖某些特定股票的平均趋势,提出了一种测度“羊群效应”的方法。Christie & Huang(1995)提出了用收益率分散度(CSSD)来测度“羊群效应”的方法。宋军、吴冲锋(2001)基于分散度指标对美国、香港及中国大陆等地股市进行了比较研究,得出中国大陆股市存在“羊群效应”的结论。孙培源、施东晖(2002)在CAPM模型的基础上,建立了一个更为灵敏的测度“羊群效应”的模型,指出我国股市存在一定程度的“羊群效应”。蒋学雷、陈敏、吴国富(2003)用CASD方法得出中国股市存在明显的“羊群效应”的结论。而对期货市场上“羊群效应”的研究,目前相关的文献还比较少。国外学术界,Gleason,Lee & Mathur(2003)对欧洲期货市场上的13个期货合约进行了实证分析,发现并不存在明显的“羊群效应”。国内学者的研究有,马良华、吴琼(2005)以横截面收益标准差来度量市场分散度,检验了2000年1月到2004年12月期间我国期货市场的“羊群效应”。罗孝玲、彭青(2007)利用大豆期货合约的价格与前二十位期货公司的总持仓量进行协整关系和因果关系检验,结果表明我国大豆期货市场存在“羊群效应”。
从上述研究文献可以发现,国内外学者对期货市场“羊群效应”的研究还没有形成完整的体系和较为完善的研究方法。本文以我国郑州商品交易所(CZCE)推出的棉花期货合约为例,采用CSAD的方法对我国棉花期货市场“羊群效应”做了深入的研究,以期为有关监管机构鉴别我国棉花期货市场的运行状况提供理论依据。
二、研究方法
前人对金融市场“羊群效应”的研究具有一定的缺陷。目前,CSSD(横截面收益标准差)方法在金融市场“羊群效应”的研究中受到较广泛认可。
CSAD(横截面收益绝对差)具体的模型表达式为:
(1)式中 为金融资产的价格或期货合约的价格,, 表示单个金融资产的收益率或单个期货合约的收益率, 为整体市场的收益率或某个期货品种的整体收益率。
由于横截面绝对偏移度CSAD方法测度了单个金融资产的收益率与市场整体收益率的偏移程度,因此用它来检测金融市场的“羊群效应”,较前面几种方法相比,具有较好的准确性和灵敏度。因此本文主要采用CSAD方法来对我国棉花期货市场“羊群效应”进行实证分析。
把CSAD模型运用到期货市场的分析中,对CSAD模型的进一步分析可知,如果期货市场上不存在“羊群效应”,那么CSAD的值将会与市场收益率
之间成线性递增关系。反之,当期货市场上存在“羊群效应”时,由于众多的投资者共同投资于某一个期货合约而使得这个合约的收益率趋近于市场收益率,因而横截面绝对偏离度CSAD与市场组合收益率 之间将不存在明显的线性关系,往往表现为非线性关系,这一分析过程可用下述表达式来表示:
如果把期货市场价格上涨和下跌时“羊群效应” 的表现程度可能会有所不同这一情况考虑进来,为便于更准确地分析,则有必要对价格上涨和价格下跌的情况进行分别研究,即有:
用 、 和分别表示期货合约价格上涨时的横截面绝对偏离度、市场组合收益率和方程(3)的回归系数,用 、 和分别表示期货合约价格下跌时的横截面绝对偏离度、市场组合收益率和方程(4)的回归系数。如果期货市场上存在“羊群效应”,那么横截面绝对偏离度CSAD的值将随着市场组合收益率 的增加而降低,这一关系反映到方程(2)式、(3)式和(4)式中,表现为回归系数、和的符号为负,反之,回归系数 、和 的符号为正。
三、样本数据说明
本文采用的棉花期货数据来源于郑州商品交易所(CZCE)期货交易日收盘价和日成交量数据,数据来源于郑州商品交易所的交易记录统计。样本数据的时间跨度为2004年6月1日到2008年5月30日,包括了郑州商品交易所(CZCE)全部棉花合约月份的日收盘价和日成交量数据。由期货市场期货合约的交易特点可知,某合约刚开始上市时成交不够活跃,收盘价和成交量会明显偏离正常的范围,本文对这部分数据进行了剔除,最后得到棉花期货合约月份时间序列数据和棉花期货市场价格指数的有效数据824个。本文采用eviews5.0软件对数据进行分析。
模型变量时间序列数据基本统计特征如下:见表1。
四、实证结果及分析
(一)ADF(Augmented Dickey-fuller test)单位根检验
在对上述方程(2)、(3)和(4)进行回归分析之前,首先用ADF单位根检验法对这三个方程的各时间序列变量的平稳性进行检验,因只有平稳性时间序列才能对其进行进一步地回归分析,检验结果见表1。从表1可以看出,三个方程各个变量的时间序列ADF值均小于5%的临界值,也即在5%的临界值水平下单位根的零假设被拒绝,表明三个方程的时间序列都为平稳序列,据此可以进行下一步的回归分析。
(二)方程回归分析结果
表3给出了方程(2)、(3)和(4)式的回归估计结果。从表3可以看出,三个方程的 值分别为0.634、0.842和0.716,说明方程拟合度较好,即因变量的变化能较好地被自变量的变化解释;从方程的 值来看,分别为1.864、2.571和1.881,表明三个方程的残差序列都不存在一阶序列自相关;再从方程(2)式、(3)式和(4)式的回归系数 、和
的值来看,分别为0.635、0.469和0.492,方程(2)、(3)和(4)的二次项系数均大于0,二次项系数的 统计值分别为3.391、2.444和2.068,统计检验显著。如前所述, 的值与市场收益率的回归方程中,如果回归系数、和的值为正,则表明我国棉花期货市场不存在“羊群效应”,如果回归系数
、 和的值为负,则表明我国棉花期货市场存在“羊群效应”。因此,从上述回归结果来看,我国棉花期货市场无论从方程(2)的整体市场情况看还是从方程(3)和(4)的上涨和下跌市场情况来看,的值与市场收益率之间的线性递增关系都显著成立,即棉花期货市场不存在明显的“羊群效应”。
五、研究结果分析
以上的研究结果表明,我国棉花期货市场自2004年6月上市以来,不存在明显的“羊群效应”:
第一,我国期货市场经历了几次大整顿之后,市场规范化程度不断提高,监管体系不断完善,也具有一定的稳定性,期货市场价格发现和规避风险的功能逐步得到发挥,而棉花期货合约作为我国期货市场上品种较新、上市相对较晚的一个期货品种,开始就受到了规范的管理和约束,这在某种程度上避免了“羊群效应”现象的发生。
第二,与其它品种的期货市场类似,我国棉花期货市场也是实行杠杆交易制度,即保证金交易制度,这使得棉花期货交易具有较高的风险性,因而对市场参与者的资金和专业素质具有较高的要求。而一般来说,具有较高专业素质的期货市场参与者在投资的决策上具有更大的自主性,不会轻易模仿其他投资者的投资行为。
第三,棉花期货市场交易的是标准化合约,合约中除了价格具有不确定性之外,合约的其它信息都是公开的、标准化的,投资者获取信息的渠道较多、成本较低,这在很大程度上避免了投资者之间可能发生的信息不对称的情况,因而大大降低了投资者之间“羊群效应”发生的概率。
第四,棉花期货价格的影响因素非常复杂,均受到有来自现货、期货市场因素的影响,不同的人对这些因素的影响判断是不一样的,因而他们作出的投资决策行为也就会有很大的差异,从而避免的“羊群效应”的发生。
参考文献:
[1]Lakonishok,J.,Shleifer,A.,and Vishny,R.W.,“The Impact of Institutional Trading on Stock Prices”,Journal of Financial Economics,1992 ,82 ,23 - 43.
[2]Christie,W. G.,and Huang,R. D.,“Following the Pied Piper: Do Individual Returns Herd Around the Market? ”,Financial Analysts Journal ,1995 ,July-August .
[3]宋军、吴冲锋:《基于分散度的金融市场羊群行为研究》,《经济研究》2001年第11期。
[4]施东晖:《中国股市微观行为:理论与实证》,远东出版社2001年版。
日前，港交所营运总裁葛卓豪向香港媒体表示，小型国企指数期货最快将于明年第一季度末推出。如此一来，香港市场上的股指期货品种将由现在的5只增至6只。
交易产品：5只指数期货品种
目前香港市场上最为大家熟悉的当属恒生指数期货，而其他4只指数期货品种则是国企指数期货、新华富时中国25指数期货、恒生中国H股金融行业指数期货和小型恒生指数期货。
其中，恒生指数期货合约推出最早，1986年5月6日诞生，指数的成分股下月4日起将增至43只；小型恒指期货则是恒生指数期货的“迷你版”，2000年10月9日推出，专为散户定制，其合约价值为恒指期货的五分之一，收费也相对较低；国企指数期货2003年12月8日推出，指数成分股目前为43只；新华富时中国25指数期货于2005年5月23日推出，指数成分股是25只流通量最高的内地企业股票；恒生中国H股金融行业指数期货于2007年4月16日推出，指数成分股为9只内地金融股。
酝酿推出的小型国企指数期货则将是国企指数期货的“迷你版”，合约价值为国企指数期货的五分之一。
香港各股指期货产品合约的月份均为4个月，即现月、下月及之后的两个季月(3月、6月、9月和12月)。如，现在的合约为11月、12月、3月、6月。
这些股指期货产品的合约均采用香港交易所制定的标准化合约，主要条款包括：合约名称、相关指数、合约乘数、合约月份、最低价格波幅、最高价格波幅、立约成价、立约价值、持仓限额、大量未平仓合约、开市前时段、最后交易日的交易时间、交易方法、最后结算日、结算方法、最后交易日、最后结算价等。
在香港股指期货市场，除了散户之外，更多的是机构投资者。公开资料显示，其中，机构投资者占了绝大多数，约61％；个人投资者约32％；而交易所参与者本身的交易大约占7％。
交易杠杆：以小博大
我们知道，指数的作用是反映股价的变化，而股指期货则是反映当前市场对指数走势的预期。投资者可以借助股指期货跟踪相关指数的涨跌，比买卖一篮子指数成分股要快捷方便得多。
更为重要的是，买卖股指期货可以以小博大，投资者买卖合约时，只须付出合约总值的一小部份，即按金(保证金)便可参与整个合约的价格变动，最初的小部分投资最终可能因杠杆作用而赚取厚利。不过，杠杆作用也会令投资者蒙受重大损失。
香港期货交易所每天会进行审核，并不定期地调整各类股指期货产品的“基本按金”和“维持保证按金”的基准。“维持保证按金”为“基本按金”的80％。当期货价格波动增加时，调高按金水平，以降低市场风险；期货价格波动降低时，调低按金水平，以增加市场流动性。
投资者在买卖股指期货合约前，必须缴付“基本按金”作为履约保证。买入或卖出合约后，在每个交易日结束时，经纪商会把客户的持仓，即所有未平仓盘，按照收市时的价值计算盈利或亏损，如果按金跌破“维持保证按金”，会被要求补仓，即存入额外的资金，使按金回升至基本按金的水平。一旦不能及时补仓，经纪商可能会斩仓，即将全部或部分合约按市价强行平仓，费用由投资者负责。斩仓后，如果还有欠款，投资者仍须负全责。不论是买入还是卖出股指期货合约，都要先缴付基本按金。
以恒生指数期货为例，11月9日，恒生指数期货收盘价为28871点，合约乘数为50点，一份恒指期货合约的立约价值为28871点×50＝1443550港元；根据交易所公布的11月9日按金标准，每张合约的“基本按金”为152700港元；按金只占合约市值的10.58％(152700/1443550)，杠杆比率为9.45(1443550/152700)倍。盘中最小波幅为一个指数点。如果指数涨了50点，不计交易费用，买家便可以赚取2500港元，卖家则亏了2500港元。交易所同时公布每张合约的“维持保证按金”为122160港元。假如指数跌了620点，买家未平仓盘每张亏了620点×50＝31000港元，保证金跌到152700-31000＝121700港元，少于“维持保证按金”，投资者将被要求将保证金追加到“基本按金”152700港元水平。
虽然交易所公布了按金水平，但经纪商有权决定向买卖期货的客户收取多少按金，也可以向不同客户收取不同金额的按金，只是按金金额不得少于规定的最低金额。
一般来说，如果预期股市会上升,可买入指数期货；预计股市下跌时，可卖出指数期货，这是买卖期指最简单的方法。当然还有其它买卖策略，如对冲买卖、跨期买卖、套戥等，其中对冲买卖是指，当投资者持有或计划买入股票投资组合时，利用期指去抵销股市价格变动所带来的损失；跨期买卖是利用远近不同月份的合约差价，进行相反交易；套戥是同时在两个市场，如期货及现货市场，进行相反的交易，赚取其中的价差。
交易规则：有别于股票和商品期货
买卖股指期货是通过期货经纪商，在期交所自动交易系统(HKATS)进行。具体交易时间是每个交易日9:45至12:30，14:30至16:15，最后交易日的收市时间则为16:00。也就是说，指数期货交易的开市比股票交易提前15分钟，收市则推迟15分钟。
为了更好地发现价格，减少人为操控市场的机会，除了恒生中国H股金融行业指数期货，其他4只指数期货产品都有“开市前时段”的安排，以确定各期货合约的开市价。“开市前时段”是每个交易日的上、下午交易时段前30分钟，即9:15至9:45，14:00至14:30。
每个月倒数第二个交易日为最后交易日和计算结算价格日，最后交易日之后的第一个交易日则为最后结算日，由港交所进行结算工作。如2007年11月份合约，最后交易日是11月29日，最后结算日则为11月30日。最后结算价是采用最后交易日每5分钟相关指数报价的平均数(去小数点后的整数)。
买卖股指期货是买卖将来某个日子的收市指数。当合约到期时，将最后结算价和投资者买入或卖出时的立约价之间的差额，作为投资者赚或亏的金额。
股指期货参与者可以在最后交易日前随时进行平仓，即卖出先前买入的合约，或者买回先前卖出的合约，赚取或赔出买卖差额(等于立约价与平仓价之间的差额乘以合约乘数所得)，也可以在最后交易日由结算系统于收市后自动以最后结算价平仓。
【关键词】统计套利 玉米期货 协整 资本市场
关于统计套利策略，首先要提的是20世纪20年代华尔街传奇人物杰西·利弗莫尔，他通过创造“姐妹股”为自己赚取了大量财富。然后在20世纪80年代在Morgan Stanley中由Nuozio Targalia领导的量化投资团队被认为是最早使用统计套利的投资团队。统计套利是指应用各种定性和定量分析方法识别投资组合之间的相对错误的价格关系，买入被低估的投资组合，同时卖出被高估的投资组合，等待错误价格向均值回归从而获利的一种投资套利策略。
一、策略设计
（一）套利对象的选取
本文选取玉米期货合约c1401和c1311作为研究统计套利在中国内地市场的应用主要是基于以下几点考虑：
1.玉米期货合约c1401和c1311同属于玉米期货，两者受到共同因素影响较多，为研究统计套利提供了现实的可能性。
2.玉米期货的流动性较好，玉米期货是大连商品交易所的主要交易品种之一，各种投资者和玉米交易商参与度活跃。
3.玉米作为主要粮食作物之一，对确保国家粮食安全具有重要的作用，国家对农业的大力支持，有利于玉米价格的稳定，代表玉米未来价格的玉米期货价格也随之较为稳定。
（二）数据来源
本文研究玉米期货合约c1401和c1311统计套利关系的数据来源于期货交易软件“文华财经——赢顺期货交易软件”，选取了c1401和c1311从2013年4月2日到2013年9月30日的日度数据作为研究对象，其中x表示c1401的每日收盘价，y表示c1311的每日收盘价，对x和y取对数后分别表示为lnx和lny。
（三）协整分析
1.单位根检验
由于玉米期货的价格是基于玉米现货的未来价格走势产生的，并且玉米期货合约c1401和c1311的标的物都是玉米，受共同因素影响较多，从直观上看，两个不同期间的玉米合约的价差之间存在一种平稳关系。为此，对玉米期货合约c1401和c1311分别取对数lnx和lny进行单位根检验，检验结果显示：lnx和lny都是一阶单整平稳序列，所以lnx和lny之间可能存在协整关系。
2.协整检验
（1）做lny对lnx的协整回归方程：
lny=0.410122lnx+4.593945+u。
（2）用eviews对u进行单位根检验，显示：u是I（1），即u是平稳的，因此接受lny和lnx是协整关系的假设。根据协整回归方程可以看出玉米期货合约c1401和c1311的套利组合比例是：1：0.410122，即价差为：Spread=0.410122lnx-lny。
二、制定交易策略
由协整检验的结果我们得到价差分布序列Spread，此序列表明了玉米期货合约c1401和c1311之间的差距水平，所以可以根据对价差的分析来构建跨期套利的交易策略。根据Eviews的统计测算得出价差序列的基本统计数据，为了更好地让序列数据集中化，我们依据价差序列均值mean的结果将Spread中心化，即：MSspread=Spread-mean.
跨期套利中价差分析非常重要的一点就是分析套利出现的时机和概率。为此，首先要确定套利区间，本文采纳国外学者在计量方法分析中的±3/4标准差为交易上下边界，因此，交易上下边界确实可以设为±3/4×σ（其中σ=0.005191141）。并且为了减少损失，需要设置平仓上下限，文中以±2σ为平仓上下限，交易策略制定如下：
1.当MSspread﹤-3/4×σ时，买入5张玉米期货合约c1401同时卖出2张玉米期货合约c1311；当MSspread﹥+3/4×σ时，卖出5张玉米期货合约c1401的同时买入2张玉米期货合约c1311。
2.当价差序列如预期回归到±3/4×σ区间时进行反向操作平仓获利了结，完成一次交易。
3.当价差触发±2σ以外的区域时，不管是多头头寸或空头头寸都立刻平仓止损，以减少损失。
三、总结
本文在研究统计套利策略中发现：当两个投资品种受共同因素影响较多时，统计套利策略比较容易成功，所以在选择投资对象时，应该考虑两个投资对象共同的基本面影响因素相似度的高低，相似度高就为统计套利策略的实施奠定了良好的基础。在实施统计套利策略过程中，交易成本是一个必须考虑的事情，频繁的实行统计套利会造成极大的交易成本，可能是原本的盈利变成亏损，因此，在制定和实施统计套利策略时应该将交易成本纳入考虑的对象。
参考文献
[1]吴振翔，陈敏.中国股票市场弱有效性的统计套利检验[J].系统工程理论与实践，2007（02）.
[2]朱治平.期货套利机会创造更大收益[N].中国证券报，2008.
