首页 百科知识 中国期货市场数据的统计特征分析

中国期货市场数据的统计特征分析

时间:2022-06-27 百科知识 版权反馈
【摘要】:本章主要采用了中国商品期货市场的数据。并且,根据期货合约的性质,中国商品期货会在一定时间到期,为此,我们需要生成连续的期货价格数据。表8-1 中国期货市场收益的基本统计特征注:LB和LB2统计值分别表示采用6阶和12阶滞后的收益和收益平方的统计量;*(**)表示在5%(1%)置信水平下显著。

本章主要采用了中国商品期货市场的数据。具体包括上海期货交易所(SHFE)的铜期货、铝期货和天然橡胶期货,大连商品交易所(DCE)的大豆期货。所有数据均采用日收盘价格数据,研究的时间跨度为2000年1月4日到2010年12月31日。并且,根据期货合约的性质,中国商品期货会在一定时间到期,为此,我们需要生成连续的期货价格数据。这样,在本章中,每个期货价格序列将由最接近交割日的前一个月合同价格来组成。之所以采用这一方式来获取期货价格,是因为临近交割日的合约在市场上具有很好的流动性。图8-1给出了这些期货价格的运动轨迹。

图8-1 中国商品期货价格运动趋势图示

本章期货收益的计算将采用对数收益形式,即rt=ln(Pt/Pt-1)。表8-1中给出了期货收益的基本统计特征。可以看出,天然橡胶的方差为1.8166%,是风险最高的期货市场,而铝期货的方差只有1.0698%,是风险最低的期货市场。铜、铝、大豆期货的收益均呈现出负偏现象,而天然橡胶期货的收益却具有正偏特性。另外,所有期货的收益分布具有尖峰厚尾特征。由此可以发现,非条件分布的期货收益用正态分布来刻画是不准确的,为此,寻找能够刻画厚尾性的其他分布就显得很必要。另外,滞后6期和12期的LB和LB2检验显示,真实的收益序列包含了自回归和ARCH项,因此采用条件短期回报模型是比较好的。并且,根据ADF和PP的检验发现,所有品种的收益序列均是平稳的。这些特性为下文THSV模型的构建奠定了基础。

表8-1 中国期货市场收益的基本统计特征

注:LB和LB2统计值分别表示采用6阶和12阶滞后的收益和收益平方的统计量;*(**)表示在5%(1%)置信水平下显著。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈