9.4 小结

本章对黄金期货收益率时间序列数据展开研究，阐述了黄金期货价格收益率时间序列数据的统计特性。根据黄金期货收益率时间序列数据的统计特征，建立不同残差分布下的ARMA - GARCH 族模型进行比较分析。研究表明，黄金期货收益序列存在明显的波动聚集性和"尖峰厚尾"性，不服从正态分布;收益率序列存在异方差性。为检验收益率序列的波动特征，分别建立误差分布为正态分布、t 分布、GED 分布的ARMA(2 ， 2) -GARCH( 1, 1) 族模型，结果表明收益率波动是持久的，市场风险较大。金融理论认为，具有较高可观测到的风险资产可以获得更高的平均收益。为验证这一点，采用误差分布为t 分布下的ARMA ( 2 , 2) - GARCH ( 1 ,1) - M进行检验，检验结果表明条件方差旷的系数γ 为正数而且统计显著，这表明黄金期货市场高风险与高收益相联系。为检验收益率序列的杠杆效应，分别采用误差分布为正态分布、t 分布和GED 分布的EGARCH 模型进行检验，结果表明ARMA ( 2 , 2) - EGARCH (1, 1) - t 模型比较好，模型的杠杆效应系数在统计上不显著，这表明黄金期货市场上杠杆效应不明显，利空消息的冲击与利好消息的冲击对收益率波动的影响是一致的。在对黄金期货价格收益率序列的统计特征进行建模分析的基础上计算VaR的值并对模型进行后验测试，根据VaR计算结果和后验测试结果，可以得出在95% 和99% 的置信水平下， ARMA(2 ， 2)-GARCH(1, 1)-t 模型与ARMA (2 , 2) - EGARCH (1, 1) - t 模型度量的VaR更多地覆盖了实际损失，这说明在95% 和99% 的置信水平下，基于t 分布的模型所刻画的风险价值失败次数最少。因此，在我国的黄金期货市场上，要根据交易者不同的风险偏好，多种模型相互结合对比分析，以选择恰当的模型对风险进行较好的测度，才能更加准确地分析市场风险，为交易风险管理提供决策支持。期货监管部门也可参考风险测度结果，采取相应市场监管措施，不断完善风险管理制度，尽可能减少市场交易风险，保持我国黄金期货市场的健康稳定发展。