中國(guó)商品期貨指數(shù)在資產(chǎn)配置中的作用
——基于動(dòng)態(tài)條件相關(guān)系數(shù)的理論和實(shí)證

(馬小龍

(上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030)

中國(guó)商品期貨指數(shù)在資產(chǎn)配置中的作用
——基于動(dòng)態(tài)條件相關(guān)系數(shù)的理論和實(shí)證

(馬小龍

(上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030)

本文立足于新興的中國(guó)商品期貨市場(chǎng)，基于DCC-GARCH模型與Markowitz的均值-方差理論框架，較為全面地考察中國(guó)商品期貨與上證股票、債券的動(dòng)態(tài)相關(guān)性，考察各自在資產(chǎn)配置中所起到的作用。本文發(fā)現(xiàn)與國(guó)際經(jīng)驗(yàn)相反，中國(guó)市場(chǎng)中的商品期貨與上證綜指有著正的動(dòng)態(tài)相關(guān)性，第一與國(guó)際相反，第二恰巧說(shuō)明我們可以通過(guò)做空商品期貨、做多上證綜指以降低股票投資組合的風(fēng)險(xiǎn)。本文結(jié)果表明，對(duì)于股票類基金，可選擇棉花、燃油以提高風(fēng)險(xiǎn)調(diào)整收益；對(duì)于債券類資產(chǎn)，可選擇的商品期貨類品種較多。對(duì)于在股票、債券市場(chǎng)里已經(jīng)經(jīng)過(guò)充分分散化配置的投資者，至少在近期要避免配置滬鋁與焦炭。

商品期貨；投資組合；均值-方差；DCC-GARCH模型；動(dòng)態(tài)相關(guān)性；分散化

資產(chǎn)配置與風(fēng)險(xiǎn)預(yù)測(cè)需要依賴資產(chǎn)間的相關(guān)性，可以說(shuō)，對(duì)資產(chǎn)回報(bào)率間相關(guān)系數(shù)的準(zhǔn)確預(yù)測(cè)，構(gòu)成了很多學(xué)術(shù)界研究及華爾街投行的工作。

本文特色主要集中于兩個(gè)方面：

1.由于國(guó)內(nèi)商品期貨各品種市場(chǎng)的開(kāi)通年限不一，又因中國(guó)市場(chǎng)的相對(duì)封閉性，國(guó)內(nèi)對(duì)各類商品期貨與股票、債券市場(chǎng)，以及不同商品期貨之間的相關(guān)性分析研究得非常少，本文彌補(bǔ)了這一空白；

2.許多模型會(huì)將全樣本期或特定時(shí)期內(nèi)的資產(chǎn)間相關(guān)性設(shè)定為常數(shù)，這種恒定的相關(guān)系數(shù)值，令投資者無(wú)法準(zhǔn)確和客觀地了解大類資產(chǎn)間的動(dòng)態(tài)特征。本文希望運(yùn)用國(guó)際上大類資產(chǎn)間相關(guān)性通用研究方法——DCC-GARCH模型，為中國(guó)市場(chǎng)中商品期貨與傳統(tǒng)股票、債權(quán)資產(chǎn)的相關(guān)性、資產(chǎn)配置研究拋磚引玉。

1 方法論及模型

動(dòng)態(tài)相關(guān)系數(shù)，顧名思義為隨著時(shí)間變化的相關(guān)系數(shù)，即把以往簡(jiǎn)單的相關(guān)系數(shù)ρ看作ρt。令ri,t為資產(chǎn)i在時(shí)刻t去均值后的收益率，F(xiàn)t-1為上一期信息集，hi,t是其在給定上一期信息下的條件方差，則：

ri,t|Ft-1N(0,hi,t)

上式將收益率的條件相關(guān)系數(shù)化成了標(biāo)準(zhǔn)化擾動(dòng)項(xiàng)的協(xié)方差即相關(guān)系數(shù)。

將上面的過(guò)程寫(xiě)為多變量情況下的矩陣形式：

令rt|Ft-1N(0,Ht)，其中Ht是條件協(xié)方差矩陣，且Ht≡DtRtDt(Dt為對(duì)角矩陣，其對(duì)角線上的元素為Ht對(duì)角線上元素的平方根，Dt=diag{hi,t})。根據(jù)這個(gè)定義，Rt就是隨著時(shí)間變化的條件相關(guān)系數(shù)矩陣。

由于數(shù)據(jù)序列的時(shí)間跨度較大，將T取得很大是不切實(shí)際的；并且，由于金融數(shù)據(jù)時(shí)間序列的性質(zhì)，越早的數(shù)據(jù)對(duì)目前狀態(tài)的影響越小，Engle(2002)采用的指數(shù)平滑法(Exponential Smoother)可以解決這個(gè)問(wèn)題：

隨角標(biāo)s的增大，λs將變得越來(lái)越小，使得時(shí)刻t之前的兩項(xiàng)資產(chǎn)回報(bào)的標(biāo)準(zhǔn)化擾動(dòng)項(xiàng)交叉乘積權(quán)重越小。另外，上式顯然是標(biāo)準(zhǔn)化擾動(dòng)項(xiàng)交叉乘積的幾何平均，并且在每一階段t，都能生成一個(gè)條件相關(guān)系數(shù)矩陣Rt，這個(gè)矩陣的每一個(gè)元素都滿足相關(guān)系數(shù)的定義，且對(duì)任意的i,j，有[Rt]i,j∈[-1，1]。

qij,t=(1-λ)(εi,t-1εj,t-1)+λ(qij,t-1)

對(duì)于上面的qij,t表達(dá)式，像GARCH模型那樣可改寫(xiě)為：

根據(jù)遞推關(guān)系消去等式右邊的qij,t-1項(xiàng)，可得：

把qij,t公式寫(xiě)成矩陣形式為：

這里，利用多變量GARCH方程，可以將上式估計(jì)為：

I為元素全部為1的列向量，“·”是Hadamard乘積。

總之，在計(jì)算動(dòng)態(tài)相關(guān)系數(shù)時(shí)，最主要的就是找到合適的過(guò)程進(jìn)行參數(shù)估計(jì)，求出Qt與其滯后項(xiàng)的遞推關(guān)系，最后代入Rt的計(jì)算式。

2 數(shù)據(jù)來(lái)源及處理方法

國(guó)內(nèi)商品期貨市場(chǎng)依然處于發(fā)展階段，各交易所的上市品種也一直在變化。所以，對(duì)于不同的商品期貨品種，選取數(shù)據(jù)的時(shí)長(zhǎng)都不太相同。

本文選取股票指數(shù)為上證綜指(000001.SH)與MSCI中國(guó)A股指數(shù)(133333.CSI)，債券指數(shù)為上證國(guó)債(000012.SH)；商品期貨中，農(nóng)產(chǎn)品類選取了玉米指數(shù)(CFI.WI)、鄭棉指數(shù)(CFFI.WI)、豆粕指數(shù)(MFI.WI)和鄭糖指數(shù)(SRFI.WI)；能源類產(chǎn)品中，僅選取了中國(guó)燃油指數(shù)(FUFI.WI)；對(duì)于有色產(chǎn)品，滬鋁(ALFI.WI)與滬銅(CUFI.WI)是必不可少的，而由于2016年4月的“黑色系”商品期貨行情令投資者對(duì)其關(guān)注度升高，也選取了焦炭指數(shù)(JFI.WI)與螺紋指數(shù)(RBFI.WI)；對(duì)于貴金屬，本文選取滬金(AUFI.WI)。

對(duì)開(kāi)市時(shí)間較長(zhǎng)、市場(chǎng)較為成熟的資產(chǎn)類別，如股票、債券、農(nóng)產(chǎn)品期貨、工業(yè)及貴金屬期貨數(shù)據(jù)的時(shí)間區(qū)間選取為2008年1月1日至2017年3月25日，分別有2234個(gè)收益率數(shù)據(jù)，另外：

焦炭期貨指數(shù)：2011年4月15日—2017年3月25日，共1441個(gè)收益率數(shù)據(jù)；

螺紋期貨指數(shù)：2009年3月27日—2017年3月25日，共1939個(gè)收益率數(shù)據(jù)。

取兩個(gè)相鄰收盤(pán)價(jià)之間的對(duì)數(shù)之差為日收益率：

Rt=log(Pt)-log(Pt-1)

接下來(lái)，便可用DCC-MGARCH對(duì)其進(jìn)行參數(shù)估計(jì)，得出每一期數(shù)據(jù)所對(duì)應(yīng)的相關(guān)系數(shù)矩陣。

3 實(shí)證結(jié)果及分析

以下是13種不同資產(chǎn)品種日對(duì)數(shù)收益率的簡(jiǎn)單統(tǒng)計(jì)描述，從上到下的排列順序?yàn)椋汗善?、債券、農(nóng)產(chǎn)品、能源、有色與貴金屬：

表1 各資產(chǎn)日對(duì)數(shù)收益率統(tǒng)計(jì)描述

從表1可以觀察到以下兩個(gè)事實(shí)：

1. 初步一覽，商品期貨的收益率標(biāo)準(zhǔn)差遠(yuǎn)遠(yuǎn)大于上證國(guó)債與公司債的標(biāo)準(zhǔn)差，這說(shuō)明其波動(dòng)很大；同時(shí)，雖然商品期貨收益率的波動(dòng)率與中國(guó)的股票指數(shù)波動(dòng)率在同一數(shù)量級(jí)，但與股票相比，其收益又太低；

2. 與傳統(tǒng)類資產(chǎn)相比，商品期貨指數(shù)的風(fēng)險(xiǎn)調(diào)整收益為負(fù)(鄭糖指數(shù)除外)，意味在直觀意義下，若投資者多冒一些風(fēng)險(xiǎn)，可能會(huì)得到更差的收益，這與投資目標(biāo)背道而馳。

綜上兩點(diǎn)，中國(guó)的商品期貨品種對(duì)于投資者來(lái)講，并不是好的單一投資品種。

表2列出了統(tǒng)計(jì)檢驗(yàn)結(jié)果：

由JB檢驗(yàn)明顯得出，這些時(shí)間數(shù)據(jù)序列均不符合正態(tài)性假設(shè)，而ADF單位根檢驗(yàn)統(tǒng)計(jì)量結(jié)果表明，在1%的統(tǒng)計(jì)顯著性水平下，我們可認(rèn)為所有資產(chǎn)的日對(duì)數(shù)收益率序列均是平穩(wěn)的。從日對(duì)數(shù)收益率序列的LBQ統(tǒng)計(jì)量檢驗(yàn)，可得至少在5%的顯著性水平下，大部分資產(chǎn)收益率都有自相關(guān)性。我們?cè)诖藭簳r(shí)忽略豆粕、鄭糖與滬銅指數(shù)自相關(guān)的不顯著性。另外，從Q2統(tǒng)計(jì)量得出，所有資產(chǎn)收益率在1%的顯著性水平下都有異方差性，適合運(yùn)用ARCH族模型。

本文基于MATLAB R2015b軟件，利用牛津大學(xué)Kevin Sheppard教授的MFE Toolbox的工具箱，使用其中的dcc函數(shù)進(jìn)行估計(jì)。

首先，表3列出了股票與商品期貨、債券與商品期貨，以及商品期貨內(nèi)部不同類別產(chǎn)品之間的時(shí)變相關(guān)系數(shù)統(tǒng)計(jì)特征和其簡(jiǎn)單相關(guān)系數(shù)。

表2 各資產(chǎn)日對(duì)數(shù)收益時(shí)間序列統(tǒng)計(jì)檢驗(yàn)

注：表2中的統(tǒng)計(jì)量若未特別注明，均表示在1%的水平下統(tǒng)計(jì)顯著；“**”表示在5%的水平下顯著。而用黑體標(biāo)出，并伴有“?”標(biāo)志表示在10%的水平下也不統(tǒng)計(jì)顯著。

表3 資產(chǎn)間兩兩時(shí)變相關(guān)系數(shù)序列統(tǒng)計(jì)特征

3.1 國(guó)內(nèi)商品期貨與股票的動(dòng)態(tài)相關(guān)性

恒定相關(guān)系數(shù)只能簡(jiǎn)單地刻畫(huà)出兩種資產(chǎn)在全樣本空間中的靜態(tài)關(guān)系，對(duì)于動(dòng)態(tài)資產(chǎn)平衡來(lái)講，其實(shí)是無(wú)意義的。圖1至圖3分別刻畫(huà)出了國(guó)債、農(nóng)產(chǎn)品、工業(yè)品、能源和貴金屬與上證綜指之間的動(dòng)態(tài)相關(guān)系數(shù)：

(一)從圖1(a)中可以看出，我國(guó)上證綜指與國(guó)債指數(shù)的相關(guān)系數(shù)落在[-0.25,0.25]之間。2009年到2010年中葉，相關(guān)系數(shù)幾乎位于負(fù)區(qū)間，而從2014年到2015年中期間，中國(guó)市場(chǎng)的“股債雙?！爆F(xiàn)象令兩者相關(guān)系數(shù)沖到了最高點(diǎn)，且其有“上行”的趨勢(shì)，這與股票、債券歷來(lái)的負(fù)相關(guān)性相悖。

圖1 上證綜指與債券、農(nóng)產(chǎn)品的時(shí)變相關(guān)系數(shù)序列圖

(二)另外，從圖1(b)、(c)、(d)中分別知道，雖同為農(nóng)產(chǎn)品，玉米、鄭棉和豆粕與上證綜指的相關(guān)性卻明顯不同。雖在2016年后，鄭棉與上證綜指的相關(guān)系數(shù)顯著降低，但其卻一直處于正的區(qū)間。那么在股票資產(chǎn)中加入鄭棉作為分散風(fēng)險(xiǎn)目的的資產(chǎn)配置，效果顯然不如玉米和豆粕好。

(三)圖1(b)和(d)表明，對(duì)于玉米與豆粕，它們與上證綜指的相關(guān)系數(shù)有下降的趨勢(shì)，即相關(guān)系數(shù)的最低點(diǎn)、最高點(diǎn)均往下移，而鄭糖與上證綜指的相關(guān)系數(shù)數(shù)據(jù)卻無(wú)此特征。

圖2 上證綜指與各工業(yè)品的時(shí)變相關(guān)系數(shù)序列圖

圖2的(a)～(d)共4個(gè)圖都表明，工業(yè)產(chǎn)品與上證綜指的相關(guān)系數(shù)變化較為一致，基本遵循“上→下→上”的規(guī)律，從2014年開(kāi)始下降，到2015年中葉A股“股災(zāi)”之時(shí)達(dá)到各自的最低點(diǎn)。值得注意的是，工業(yè)金屬(鋁、銅)、黑色系(焦炭、螺紋)產(chǎn)品與上證綜指在過(guò)去的6～9年內(nèi)，均為明顯正相關(guān)。這說(shuō)明，其在考慮建立一個(gè)資產(chǎn)組合時(shí)，工業(yè)產(chǎn)品并不能很好地成為分散股票風(fēng)險(xiǎn)的配置選擇。

圖3 上證綜指與能源、貴金屬的時(shí)變相關(guān)系數(shù)序列圖

圖3(a)中顯示，屬于能源類的燃油期貨指數(shù)與上證綜指的相關(guān)性雖然也經(jīng)歷了一段下移趨勢(shì)， 其在2015年“股災(zāi)”前與有色產(chǎn)品相反，相關(guān)系數(shù)急劇回升至0.5的水平。這里的啟示是，燃油價(jià)格可能與A股有著較為類似的走勢(shì)。

黃金歷來(lái)被國(guó)際金融市場(chǎng)視作避險(xiǎn)資產(chǎn)。圖3(b)表明，滬金與上證綜指也沒(méi)有特別明顯的負(fù)相關(guān)關(guān)系。2015年股災(zāi)前后，兩者相關(guān)系數(shù)雖有一次明顯的下探，然而程度不深，幾乎處于-0.1左右，持續(xù)時(shí)間也很短。在中國(guó)市場(chǎng)中，黃金的走勢(shì)與整個(gè)股票市場(chǎng)不太相關(guān)，本文認(rèn)為市場(chǎng)可以將黃金視作潛在的“避險(xiǎn)資產(chǎn)”。

3.2 國(guó)內(nèi)商品期貨與債券的動(dòng)態(tài)相關(guān)性

除股票外，債券也是基礎(chǔ)類的配置資產(chǎn)。同樣利用以上模型衡量各大商品期貨指數(shù)與我國(guó)上證國(guó)債指數(shù)的時(shí)變相關(guān)系數(shù)關(guān)系如下：

對(duì)于上證國(guó)債來(lái)講，圖4(a)和(b)都顯示農(nóng)產(chǎn)品期貨指數(shù)與其的時(shí)變相關(guān)系數(shù)幾乎都圍繞著0波動(dòng)，說(shuō)明國(guó)債類資產(chǎn)與商品期貨的相關(guān)性，較股票類更小，且從整個(gè)數(shù)據(jù)期間來(lái)看，沒(méi)有特別明顯的上下行趨勢(shì)，較為穩(wěn)定。

圖5(a)和(b)顯示，上證國(guó)債與滬鋁、滬銅兩種工業(yè)金屬的相關(guān)系數(shù)幾乎都在負(fù)的區(qū)間內(nèi)，圍繞在-0.1處波動(dòng)，這樣穩(wěn)定且負(fù)的相關(guān)性可以作為資產(chǎn)配置中較為穩(wěn)定的風(fēng)險(xiǎn)分散方法。

而圖5(c)和(d)表明焦炭、螺紋兩種黑色系產(chǎn)品與國(guó)債相關(guān)性波動(dòng)更大，也有大部分時(shí)間落入正區(qū)間，甚至達(dá)到0.3。這意味著，在加息通道中，黑色系產(chǎn)品也有下跌的趨勢(shì)。

圖4 上證國(guó)債與農(nóng)產(chǎn)品的時(shí)變相關(guān)系數(shù)序列圖

圖5 上證國(guó)債與工業(yè)品的時(shí)變相關(guān)系數(shù)序列圖

圖6 上證國(guó)債與能源、貴金屬的時(shí)變相關(guān)系數(shù)序列圖

從圖6(a)可以看出，燃油與上證國(guó)債的相關(guān)關(guān)系與滬銅較為類似，這里不多表。

值得注意的是，圖6(b)中滬金與國(guó)債的相關(guān)系數(shù)幾乎集中于0處。由于本文數(shù)據(jù)是以日對(duì)數(shù)收益率為基礎(chǔ)，故雖然有時(shí)相關(guān)系數(shù)會(huì)達(dá)到±0.6，我們依然可以認(rèn)為，從長(zhǎng)期看滬金指數(shù)與上證國(guó)債指數(shù)不相關(guān)，且這種不相關(guān)關(guān)系較為穩(wěn)定。

3.3 玉米與其他商品期貨的動(dòng)態(tài)相關(guān)性

接下來(lái)，本文對(duì)中國(guó)商品期貨市場(chǎng)中一個(gè)較為成熟的市場(chǎng)——玉米期貨進(jìn)行研究，著重討論其與其他商品期貨間的相關(guān)關(guān)系。

雖然同為農(nóng)產(chǎn)品，平均來(lái)看，玉米與豆粕的相關(guān)系數(shù)顯著高于其與棉花，這也許是由于天氣、國(guó)家政策、人口、市場(chǎng)需求、國(guó)際形勢(shì)所共同決定的，本文不對(duì)背后的原因做過(guò)多探討，只是需要注意的是，圖7(a)和(b)共同顯示了在選擇玉米對(duì)沖產(chǎn)品時(shí)，豆粕顯然是比棉花更優(yōu)的選擇。

圖7 玉米與其他農(nóng)產(chǎn)品的時(shí)變相關(guān)系數(shù)序列圖

圖8 玉米與工業(yè)品的時(shí)變相關(guān)系數(shù)序列圖

圖8(a)到(d)四圖都顯示，玉米與所有有色產(chǎn)品的相關(guān)性均為正；對(duì)于(b)和(c)的滬銅與焦炭，其相關(guān)趨勢(shì)一致，分別從2012年初、2013年初開(kāi)始下降至0左右，緊接著，又是一段規(guī)模較小的回升。

圖9 玉米與能源和貴金屬的時(shí)變相關(guān)系數(shù)序列圖

圖9(a)，玉米與燃油的相關(guān)性一直處于下降趨勢(shì)，目前為止已經(jīng)接近于0。雖然近年來(lái)生物燃料得到了較大的普及，可是在中國(guó)市場(chǎng)卻并非如此。玉米作為生物燃料的主要原材料，其走勢(shì)與燃油卻不怎么相關(guān)，這也是中國(guó)市場(chǎng)的特色之一。

最后，圖9(b)是玉米與貴金屬，也即避險(xiǎn)資產(chǎn)--黃金的相關(guān)系數(shù)時(shí)變圖。可以看出，玉米與黃金的相關(guān)水平也一直不高，且在2016年第四季度時(shí)，滑落到低于0，這在商品期貨內(nèi)部各品種間也是不常見(jiàn)的；加上黃金與上證綜指、上證國(guó)債之間的相關(guān)系數(shù)幾乎為0，這一起暗示了黃金在中國(guó)大類資產(chǎn)金融市場(chǎng)中的避險(xiǎn)作用。

3.4 在均值-方差理論框架下的驗(yàn)證

那么，由DCC動(dòng)態(tài)相關(guān)系數(shù)出發(fā)，本文同一時(shí)期的歷史數(shù)據(jù)在Markowitz的均值-方差理論框架下，試圖比較所有商品期貨與股票、債券的有效邊界最優(yōu)投資組合。本文選取的數(shù)據(jù)時(shí)間區(qū)間為2015年12月31日至2017年3月31日，頻率為月：

表4 所有商品分別與股票、債券的最優(yōu)投資組合

可以從表4中看出，對(duì)于上證股票，與商品期貨兩兩組成的投資組合的收益率(1.743 000)雖然顯著高出債券與商品期貨的組合(0.303 891)，然而其標(biāo)準(zhǔn)差也更高，導(dǎo)致總的風(fēng)險(xiǎn)調(diào)整收益(0.460 444)表現(xiàn)不如相對(duì)應(yīng)的債券與商品期貨組合(0.775 618)。這也與上文所做的DCC-GARCH模型得出的動(dòng)態(tài)相關(guān)系數(shù)相驗(yàn)證，商品期貨與債券的相關(guān)性更低，對(duì)債券類投資組合的分散化作用更強(qiáng)，以至于“商品期貨+債券”的投資組合的風(fēng)險(xiǎn)調(diào)整收益優(yōu)于“商品期貨+股票”投資組合。

再在股票與債券組成的基礎(chǔ)資產(chǎn)投資組合中，分別加入不同品種的商品期貨，基于均值-方差理論得出其最優(yōu)組合后再比較其收益、標(biāo)準(zhǔn)差以及風(fēng)險(xiǎn)調(diào)整收益，以了解各類商品期貨對(duì)傳統(tǒng)投資組合風(fēng)險(xiǎn)調(diào)整收益的影響和貢獻(xiàn)，結(jié)果由表5所示。

表5 在股債傳統(tǒng)投資組合中分別加入各類商品(%)

表5顯示，股票與債券所組成投資組合的風(fēng)險(xiǎn)調(diào)整為0.601 433，在各自加入了大部分商品期貨后，整個(gè)投資組合的風(fēng)險(xiǎn)調(diào)整收益均伴隨著不同程度的改善，但滬鋁、焦炭和滬金除外。將其與其他商品期貨進(jìn)行對(duì)比發(fā)現(xiàn)，風(fēng)險(xiǎn)調(diào)整收益的惡化主要是由期望收益率的下降導(dǎo)致的，而標(biāo)準(zhǔn)差相對(duì)其他商品期貨變化不大。

另外，對(duì)傳統(tǒng)投資組合風(fēng)險(xiǎn)調(diào)整收益貢獻(xiàn)最大的是燃油。從上文實(shí)證的DCC-GARCH模型可以看出，燃油與股票、債券的的動(dòng)態(tài)相關(guān)系數(shù)較為穩(wěn)定(標(biāo)準(zhǔn)差分別為0.193 764，0.042 268)，均值低，可以起到非常優(yōu)異的分散化效果?？梢?jiàn)，商品期貨內(nèi)部的不同品種之間，對(duì)傳統(tǒng)投資組合的貢獻(xiàn)也有顯著的差異，投資者在做資產(chǎn)配置時(shí)應(yīng)選擇對(duì)風(fēng)險(xiǎn)調(diào)整收益貢獻(xiàn)高的品種。

4 結(jié)論

本文根據(jù)Engle(2002)提出的DCC-GARCH模型，分析了中國(guó)金融市場(chǎng)中傳統(tǒng)投資組合資產(chǎn)類別的股票、債券，與商品期貨中的農(nóng)產(chǎn)品、能源類、有色(“黑色”系和工業(yè)金屬)以及貴金屬之間的時(shí)變相關(guān)系數(shù)。

1.與國(guó)際經(jīng)驗(yàn)的區(qū)別

本文的實(shí)證結(jié)果認(rèn)為，在中國(guó)市場(chǎng)內(nèi)，商品期貨與上證綜指有著正的相關(guān)關(guān)系，這與國(guó)際上商品期貨與上證綜指負(fù)相關(guān)有著明顯不同。由于數(shù)據(jù)可得性限制，中國(guó)市場(chǎng)并沒(méi)有類似于國(guó)際上Managed Futures Barclay CTA Index的數(shù)據(jù)，故本文所采用的數(shù)據(jù)是商品期貨價(jià)格指數(shù)，屬于“只做多”(Long-Only)類指數(shù)，這勢(shì)必會(huì)影響到實(shí)證結(jié)果。

2.商品期貨對(duì)股票類資產(chǎn)的分散化呈現(xiàn)出不同的特點(diǎn)

從時(shí)變相關(guān)系數(shù)的統(tǒng)計(jì)特征可以看出，中國(guó)的商品期貨類別中，僅貴金屬一項(xiàng)與上證綜指的相關(guān)系數(shù)接近于0，其余均處于弱相關(guān)狀態(tài)。雖然這也證實(shí)了黃金的避險(xiǎn)作用，但同時(shí)也與國(guó)際一般經(jīng)驗(yàn)中，商品期貨指數(shù)與股票指數(shù)呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系明顯不符。

3.相對(duì)股票來(lái)講，商品期貨對(duì)債券的分散能力較強(qiáng)

可以看出，商品期貨與上證國(guó)債的相關(guān)系數(shù)幾乎都圍繞著各自的相關(guān)系數(shù)均值波動(dòng)，且均值相對(duì)股票指數(shù)，非?？拷?。這意味著至少在Markowitz的均值-方差理論框架下，商品期貨對(duì)國(guó)債資產(chǎn)的風(fēng)險(xiǎn)分散能力不錯(cuò)，并且這種分散能力較為穩(wěn)定。

4.商品期貨對(duì)股票與債券組成的傳統(tǒng)投資組合貢獻(xiàn)有差異

不同商品期貨品種對(duì)傳統(tǒng)投資組合的貢獻(xiàn)也是不同的，在“股票+債券”的傳統(tǒng)組合中加入滬鋁、焦炭與滬金指數(shù)后，投資組合的風(fēng)險(xiǎn)調(diào)整收益變差了，而燃油、滬銅對(duì)傳統(tǒng)組合風(fēng)險(xiǎn)調(diào)整收益的改善程度最高。

[1] MARKOWITZ H. Portfolio selection[J]. The Journal of finance, 1952, 7(1): 77-91.

[2] SCHNEEWEIS T, SPURGIN R B. Multifactor analysis of hedge fund, managed futures, and mutual fund return and risk characteristics[J]. The Journal of Alternative Investments, 1998, 1(2): 1-24.

[3] EDWARDS F R, LIEW J. Managed commodity funds[J]. Journal of Futures Markets, 1999, 19(4): 377-411.

[4] EDWARDS F R, LIEW J. Hedge funds versus managed futures as asset classes[J]. The Journal of Derivatives, 1999, 6(4): 45-64.

[5] GORTON G, ROUWENHORST K G. Facts and fantasies about commodity futures (Digest Summary)[J]. Financial Analysts Journal, 2006, 62(2): 47-68.

[6] 袁倩, 白靖. 商品基金 (CTA) 在全球商品期貨市場(chǎng)中的作用[J]. 經(jīng)濟(jì)師, 2002 (11): 126-127.

[7] 劉瑩. 對(duì)沖基金投資收益與風(fēng)險(xiǎn)研究[D]. 上海：同濟(jì)大學(xué), 2008.

[8] 張艷玲. 期貨投資基金與資產(chǎn)組合效率優(yōu)化研究[D]. 昆明：昆明理工大學(xué), 2010.

[9] 倪偉杰, 熊耀鵬. 關(guān)于我國(guó)推出商品期貨投資基金的研究[J]. 中國(guó)外資, 2012 (12): 239-240.

[10] 益智. 利用期貨投資基金規(guī)避證券組合風(fēng)險(xiǎn)的實(shí)證研究[J]. 財(cái)經(jīng)論叢, 2013 (4): 50-57.

TheRoleofChinaCommodityFuturesIndexinAssetAllocation—anEmpiricalAnalysisBasedonDCC-GARCHModel

(MAXiaolong

(Antai College of Economics and Management, Shanghai Jiao Tong University, Shanghai 200030, China)

This article classifies 9 kinds of commodity futures into 4 categories, i.e. agricultures, energy, industrial products and precious metal, to roundly inspect their respective correlations with Shanghai Composite(Equities) and Shanghai T-Bond(Bonds), based on the emerging Chinese commodity futures markets using DCC-GARCH and Mean-Variance Theory. On the contrary to general international empirical analysis, Chinese commodity futures have relatively positive correlations with Chinese equities, indicating the fact we could diversify equity risks by shorting some kinds of commodity futures. Its conclusion suggests cotton and fuel make a difference in diversifying equities risk while any kind of commodity could effectively diversify among bond assets. For those investing in both equities and bonds, they should avoid allocating aluminum or coke, at least in the current period. In summary, this article provides a relatively practical methodology and conclusion for Chinese markets participants.

managed futures; investment portfolio; Mean-Variance; DCC-GARCH; dynamic correlation; diversification

2017-04-09

馬小龍(1990—)，男，四川人，上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院，碩士，主要從事金融衍生品、量化投資研究。

E-mail: iroilastar@stju.edu.cn

1005-9679(2017)06-0029-10

F 832.5

A