摘要：近年来，国内外金融市场经历着一次又一次的重大事件：2018年初开始的中美经济贸易战、2020年原油价格暴跌、美国股市多次熔断。重大的系统性风险已经普遍引起了投资者们恐慌的情绪，在这种情况下构建投资组合就需要引入期货的概念进行套期保值（对冲）以规避系统性风险。

2010年，沪深300股指期货的出现极大地丰富了我国投资者的投资策略，越来越多的投资者对期货市场加以利用。而进行套期保值时最重要的在于获得最优的套期保值比率（对冲率），因为这决定了套期保值的成本，学者们也聚焦于此，所以对最优套期保值比率的研究具有重大的现实意义。

本文从静态数据和动态数据的双重角度，选取以下四种模型来计算套期保值比率：最小二乘回归模型(OLS)、向量自回归误差修正模型（VECM）、广义自回归条件异方差模型（GARCH）、广义自回归条件异方差误差修正模型（ECM-GARCH)。OLS模型作为被广泛使用的实证模型，操作方便，但忽略了残差自相关的问题。向量自回归模型（VAR）增加滞后项很好地解决了OLS模型具有的自相关问题，但同时需要平稳性检验，视结果选择是否进行向量自回归误差修正模型（VECM）的操作。GARCH模型可以准确预测时间序列变量的波动性变化，同时为ECM-GARCH模型提供基础。ECM-GARCH模型将残差作为修正项，弥补了GARCH模型的不足。最后得出VECM模型比较适合作为当前市场套期保值模型的结论，其最优套期保值比率为0.984525，而其他模型的最优套期保值比率也表明当前市场受环境影响冲击较大。

关键词：沪深300指数期货；套期保值比率；静态模型和动态模型；

目录

摘要

Abstract

一、绪论-3

（一）研究背景和意义-3

（二）研究思路和研究方法-3

（三）文献综述-4

1.国外学者的主要研究-4

2.国内学者的主要研究-5

二、几种回归模型的介绍-6

（一）OLS模型-6

（二）VECM模型-6

（三）GARCH模型-7

（四）ECM-GARCH模型-8

三、数据来源与检验统计-9

（一）样本数据的选取和预处理-9

（二）样本数据的平稳性检验-9

（三）样本数据的描述性统计-11

四、实证分析最优套期保值比率-11

（一）评价标准及原则-12

（二）OLS模型的实证分析-13

（三）VECM模型的实证分析-14

（四）GARCH模型的实证分析-18

（五）ECM-GARCH模型的实证分析-20

（六）各模型套期保值的效率分析-22

五、结论-25

参考文献-26

致谢-28