金融化与持仓量对商品期货收益率的解释力及交易策略设计

1、论文题目：（中文）持仓量对商品期货收益率的解释力及交易策略设计 （外文）Predictability of Commodity Market Interest and Relevant Trading Strategy 所在院、系、所 ： 汉青研究院-财政金融学院 专专业、名、称 ： 金融学 指专导专教专师 姓专名、职专称 ： 许荣 副教授 论文主题词： 大宗商品期货；金融化；持仓量； 套保压力；GHP策略 学专习专期专限 ： 2008年9月至2011年6月 论文提交时间： 2011年3月 摘 要近十年来，大宗商品期货市场日益成为一个重要的投资标的，期货市场的收益率和波动率大幅上升，同时伴随着

2、交易量和持仓量的大幅上涨。交易量从2003年底的1300亿美元猛增到2008年的3170亿美元，金融危机之后，大宗商品市场在主要投资品种率先反弹，2009年大宗商品市场的投资额为2700亿美元，2010年更是达到3760亿美元。传统的关于期货收益率的理论主要是贴水理论和储藏理论，关于收益率的实证检验文章也多围绕这两个理论，验证套保压力、基差、存货对于期货收益率的影响。而近十年来大宗商品价格的大幅上升伴随着持仓量的不断增长，促使我们思考，对于大宗商品期货的收益率，除了贴水理论、储藏理论指出的短期收益率、收益率差价以及基差和套保压力之外，是否持仓量也会对收益率产生显著的预测能力。于此同时，我们认为

3、在交易量、持仓量大幅增加这些表面现象背后，大宗商品市场在属性上也发生了巨大变化，越来越多的被作为一种金融产品进行投资，其金融属性逐渐替代其实物属性。表现在持仓量上，之前主要由生产者参与的市场中持仓量较为平稳，在此之后非商业头寸尤其是指数投资者的持仓量明显增长，这其中机构投资者的比例不断提升，根据巴克莱的预测，在2010年大宗商品市场全部净流入的460亿美元中，有75%来自于机构投资者。金融化以来，机构投资者资金的进出总是伴随着市场的涨跌，这又引发我们关于金融化是否导致持仓量的解释力度增强的思考。在理论模型上，我们对Harrison Hong（2011）的数学模型进行改进与阐述，在满足均值方差期

4、望效用的假设下，不论市场套保压力的方向，较高的持仓量变动总是能够预测较高的收益率。然后用CFTC持仓量的变动观察其对标普-高盛商品指数的解释力，实证结果表明与基准模型（短期国债利率、收益率差价、基差和套保压力对收益率的解释模型）相比较，持仓量有统计上显著的增量解释力，并且这一结果只对2004年以后的数据成立，2004年的模型中，持仓量的解释力不显著，实证检验的结果验证了我们商品市场金融化增强了持仓量解释力的假设。对于金融化为何能够增强持仓量的解释力，我们提出了一个解释的逻辑，即相较于生产者，指数投资者持仓量选择的刚性更小，其大规模资金的进出导致期货价格的涨跌，因此对收益率的解释力增强，并用数据

5、和实证方法验证了这一逻辑。既然持仓量对于收益率有显著的解释力，我们考虑利用CFTC公布的每周数据，以此为信号设计交易策略，看能否获得一个超越买入持有的收益。在剔除黄金和白银两个一直处于现货溢价状态的两个品种之后，我们设计的GHP、BHP、CHP策略，除燕麦在个别策略中不能战胜买入持有策略之外，其它品种均获得了统计上显著的更优的收益风险比。关键词：大宗商品期货；金融化；持仓量；套保压力；GHP策略AbstractFor the past decade, commodity future has emerged to an significant market for the investment

6、 industry. The increase in return and volatility come along with the blossom of trading volume and open interest. The trading volume has increased from $130bn in 2003 to $317bn in 2008; among all major financial sectors, commodity market rebounded first from financial crisis, the investment in 2009

7、was $270bn and reached a record high of $376bn in 2010.The traditional theory on future return are backwardation theory and the theory of storage, the following empirical literature on return are based on these theories, focusing on testing the influence of storage, basis and hedging pressure on fut

8、ure return. The increase in commodity price and open interest has urged us to think, aside from the traditional indicators like short term rate, spread yield, basis and hedging pressure, can open interest be a significant predictor of future return? Furthermore, we also believe, beneath the vorstell

9、ung of blossom in trading volume and open interest, the nature of the commodity market is changing too. Commodities are more treated as an investment instrument, the financial property is gradually taking the place of its material property. Referring to open interest, producers are the main players

10、in the commodities future market, which makes the open interest relatively stable, but for the past decade, non-commercial position has increased significantly, among them, institutional investors took a major part, the net capital inflow to commodity market hit a historical high of $8bn in Dec 2010

11、, according to the statistic released by Barclay, institutional investors consist of 75% of the total capital inflow in 2010 which is as high as $46. This further urged us to think about the impact of financialization on the predicting ability of open interest.We first follow the mathematical model

12、developed by Harrison Hong and Motohiro Yogo(2011), and make a incremental explanation of the results. Using this as the theoretical foundation, we then test the predicting ability of CFTC open interest on S&P GSCI index, the empirical results shows that, compared with the bench mark model(using

13、 t-bill rate, spread yield, basis and hedging pressure as the explanation variable), open interest is a significant incremental explanation variable. Meanwhile, this stands only for the data after 2004, which double confirmed our hypothesis that, financialization has increased the predicting power o

14、f open interest on commodity return.Now that open interest has a significant explanation ability on future return, we further consider using the weekly data announced by CFTC as signal, to conduct an investment strategy. After getting rid of gold and silver which are always in the backwardation stat

15、us, we formed three strategies based on the open interest of commercial and non commercial participants: GHP, BHP and CHP strategy. Except oats in some strategies, all the other commodities gained an significant better reward to risk ratio compared with the buy and hold strategy.Key Words: Commodity

16、 Future; Financialization; Open Interest; Hedging Pressure; GHP Strategy44目 录第1章 绪论11.1 研究背景11.2 研究意义41.3 研究现状41.4 主要创新点51.5 文章结构5第2章 文献综述62.1 期货收益率的理论文献62.2 期货收益率的实证文献62.3 投资策略相关文献9第3章 数据及变量的定义103.1 变量选取103.2 变量说明103.2.1 收益率变量103.2.2 持仓量变量133.2.3 宏观变量、基差及套保压力133.3 数据来源14第4章 持仓量对收益率解释力的一个数学模型154.1 模

17、型假设154.2 模型推导154.3 模型结果阐释18第5章 实证模型分析结果205.1 序列的季节性处理205.2 序列平稳性检验225.3 回归结果及分析225.4 残差序列的自回归和异方差检验255.5 实证检验结果小结25第6章 金融化为何提高持仓量的解释力266.1 指数投资者持仓量有更强的预测力276.2 指数投资者市场影响力增强276.2.1 CFTC近期放松了对指数投资者持仓量的限制。286.3.2 指数投资者的持仓量在最近几年显著增长286.3 商品市场的金融化导致持仓量解释力增强29第7章 交易策略317.1策略设计的意义317.2 基于投机者和套保者持仓量的三种策略317

18、.3 策略的变量选择与数据来源327.4 策略的实证结果分析337.4.1 买入持有策略337.4.2 GHP策略337.4.3 BHP策略357.4.4 CHP策略367.4.5 策略效果小结377.5 策略存在的问题及改进，37第8章 结论398.1 研究结论398.2 文章存在的问题408.3 后续研究建议40参考文献41致 谢43图表索引图1.1.1 CRB价格指数（1990-2010）2图1.1.2 分行业CRB价格指数（1990-2010）3图1.1.3 主要期货品种持仓量变动（1990-2010）3图3.2.1 高盛商品价格指数走势12 图5.1.1 时间序列图（收益率/短期利率

19、/基差/套保压力/持仓量）21图5.1.2 季节性处理之后的时间序列（持仓量/套保压力/收益率）21图6.2.1 指数投资者持仓量变动（2004-2009）29图6.2.2 指数投资者占多头总头寸比例（2004-2009）29表3.2.1 高盛商品指数中选取的商品期货合约11表3.2.2 高盛商品指数的成分构成和以美元计的权重（2008/08/06）12表5.2.1 序列平稳性检验结果（持仓量/收益率/基差/套保压力）22表5.3.1 基准模型回归结果（2004-2010）23表5.3.2 持仓量的增量解释能力检验（2004-2010）23表5.3.3 基准模型回归结果（1986-2003）2

20、4表5.3.2 持仓量的增量解释能力检验（1986-2003）24表5.4.1 序列的怀特异方差检验结果25表5.4.2 序列的LM自回归检验结果25表6.1.1 生产者和指数投资者持仓量解释力对比27表6.2.1 CFTC对于农产品期货的持仓量限制28表7.4.1 买入持有策略的分析结果33表7.4.2 基于套保者的GHP策略分析结果34表7.4.3 基于投机者的GHP策略分析结果34表7.4.4 基于套保者的BHP策略分析结果35表7.4.5 基于投机者的BHP策略分析结果35表7.4.6 基于套保者的CHP策略分析结果36表7.4.7 基于投机者的CHP策略分析结果36持仓量对商品期货收

21、益率的解释力及交易策略设计第1章 绪论1.1 研究背景从定义上来讲，大宗商品是指可进入流通领域，具有商品属性可用于工农业生产与消费使用的大批量买卖的物质商品。在金融投资市场，大宗商品指同质化、可交易、被广泛作为工业基础原材料的商品，如原油、有色金属、农产品、铁矿石、煤炭等。大宗商品包括三个类别，即能源商品、基础原材料和农副产品，这包括了多数的生产生活必需品，是现代社会正常运转的重要基础。因此其价格的形成及波动就成为经济学家和政府官员关注的一个重点。近十年来，大宗商品无疑是主要投资品种中增长最为迅速的一个市场，大宗商品日益成为一类重要的投资门类，其交易量、持仓量以及波动幅度都大幅增加。交易量从2

22、003年底的1300亿美元猛增到2008年的3170亿美元，市场的波动幅度加大。以持仓量来衡量，市场的活跃度大幅提升，从2003年的1030亿美元跃升至2008年的5090亿美元 United State Senate, Excessive Speculation in The Wheat Market, June 2009, /public/index.cfm?FuseAction=Files.View&FileStore_id=fb439667-dcd3-4025-b95b-1b91f8ea29d1。国际社会对这一问题的关注也不断升温，世

23、界银行行长佐利克、联合国贸发组织秘书长素帕猜、韩国财长尹增铉等都表达了对该议题的特别关注。英国总理布朗和法国总统萨科奇也曾联合在华尔街日报上撰文，呼吁国际学者探讨大宗商品价格如此大幅度涨跌的原因。图1.1.1 CRB价格指数（1990-2010）大宗商品期货既有实物属性又有金融属性，近十年来，大宗商品市场的发展不仅体现在交易量、持仓量增加以及波动增加上，还体现在其金融属性的不断增强。伴随着商品价格的上涨，商品市场的成交量也急剧增长。同时，伴随着美国网络股票泡沫的破灭，机构投资者逐渐意识到大宗商品是一种优良的投资产品，它与股票市场的相关度小并且可以规避通货膨胀的风险。2000年后机构投资者大量持

24、有大宗商品指数。根据美国商品期货交易委员会（CFTC）2008年报告，机构投资者购买的与商品指数挂钩的投资工具总价值已经由2003年的150亿美元增长到2008年的2000亿美元规模。另外，大宗商品衍生工具交易极度活跃，大量资金流入大宗商品市场。大宗商品市场的投资者表现出明显的投机化特征。因而，大宗商品的金融属性在近几年得到了极大体现。持仓量的解释能力与金融化是否相关，也即金融化是否使持仓量更好地解释了期货价格的形成，也是一个需要我们回答的问题。图1.1.2 分行业CRB价格指数（1990-2010）图1.1.3 主要期货品种持仓量变动（1990-2010）1.2 研究意义随着近来市场成交与波

25、动的急剧增大，大宗商品市场的交易行为如何影响价格的形成日益引起重视，2011年G20巴黎财政部长和央行行长会议上，有关如何解决全球大宗商品价格振荡问题的讨论将受到特别关注，会议声明中同意就抑制大宗商品价格过度波动问题加强协调，特别是增加对发展中国家的农业投资，切实保证粮食安全。因此研究持仓量对于大宗商品市场收益率的解释力度和预测能力，对于学术研究、投资者策略以及政府公共政策的制定均有重要意义。作为一个新近提出的概念，金融化对市场的影响也日益收到关注，我们将研究的重点放在检验金融化是否导致持仓量解释力度增强，以及其背后原因这两个问题上。另外，如果持仓量包含着对未来价格走势的信息，持仓量信息对收益

26、率有预测能力，那么从一个投资者的角度出发，可以根据观察到的机构投资者的持仓量情况来指导自己的交易。本文试着以Cootner (1960), Stoll (1979), Hirshleifer (1989,1990)的套保压力理论为基础，设计一个基于套保者和投机者持仓量信息的投资策略，检验能否获得超过买入持有策略的收益。1.3 研究现状关于期货市场的收益率，以往的研究主要基于两个理论：Kaldor于1939年提出的储藏理论，这一理论解释了期货价格的期限结构与存货的关系，即为了吸引存货，期货及预期的现货价格需要上涨到足以补偿存货所有者的储藏成本。另一理论是凯恩斯于1930年提出的现货溢价理论，即套

27、保者使用期货市场来规避风险，因此他们会对投机者提供一个风险溢价以吸引他们为自己提供保险。其后关于收益率的实证研究多集中于对两个理论的验证。综合两个理论，传统上对于期货收益率的解释变量包括了短期国债利率、收益率差价、基差以及套利压力等。持仓量对于收益率的研究则刚刚得到研究人员的注意，Harrison Hong (2010)首次提出了这个问题，他将农业、能源、农产品、金属四个部门构造一个等权重组合，使用1959年以来的CFTC持仓量数据，证明了等权构造的组合收益率可以由持仓量来解释。1.4 主要创新点与以往的研究相比，本文的不同及创新之处在于以下几个方面。（1） 组合的构造方面，由于不同期货种类其

28、市场规模及交易活跃程度相差巨大，因此等权重组合的收益率及持仓量增长率与实际市场的收益率和持仓量增长率有较大差别。我们使用标普高盛商品指数（S&P GSCI）得以更好得拟合真实市场的表现。（2） 我们将金融化这一因素放在分析框架之内，在分析持仓量对收益率影响的过程中，以2004年为界，判断金融化是否增强了持仓量的对收益率的解释力。（3） 对于金融化为何能够提高持仓量的解释能力，我们提出了一个解释的逻辑，并用数据和实证分析证明了这一解释。（4） 实际应用层面。基于Cootner的套保压力理论，以持仓量为信号设计一套投资策略实现了超额收益，实现了将理论应用于实际的投资操作。1.5 文章结构第

29、二部分对以往研究做一个文献方面的综述，包括对于存储理论和贴水理论的实证检验，以及持仓量对收益率影响的前沿研究；第三部分是对变量的选择以及数据来源的说明；第四部分是对持仓量预测能力的一个数学模型；第五部分是实证检验及分析；第六部分对金融化增强持仓量解释力的原因进行了分析；第七部分则是基于持仓量信号的交易策略的设计；第八部分是对全文的一个总结，指出不足以及后续研究的方向。第2章 文献综述2.1 期货收益率的理论文献本文研究的重点在于收益率的预测性，因此文献综述理应起源于对收益率问题的研究。对于风险溢价的来源，凯恩斯(1930）和希克斯(1939）提出了贴水理论，凯恩斯指出，套保者通过期货市场来规避

30、风险，因此他们需要支付给投机者足够的风险补偿。这一理论提出后的几十年里，大量研究试图证明对于投机者的风险溢价的存在性，关于收益率的另一个基础理论由Kaldor(1939)提出的储藏理论，其后由Working(1949)和Brennan（1958）加以阐述，他们提出了关于期货价格的三个要素，储藏成本、利率和便利收益，便利收益解释了为什么存货所有者即使预期到未来价格下跌仍然持有存货，其后有相当数量的论文是关于储藏成本理论的实证检验。2.2 期货收益率的实证文献关于储藏理论的实证检验，Fama& French (1988)以及Ng& Pirrong (1994)这两篇论文均使用经持仓

31、量调整的基差作为存货的替代变量，检验了存货基差与价格波动之间的关系；Fama& French (1988)分析了1972年到1983年金属期货价格的日度数据，因为没有存货数据，他们使用两个替代变量来判断存货何时处于较低水平，第一个替代变量是基差的正负，第二个变量是所处经济周期的阶段（他们认为存货在衰退期会处于相对较低的水平），使用这些变量替代存货，他们意在检验如下假设：当存货水平较低时，期货价格的波动幅度要低于现货价格。Ng& Pirrong (1994)检验了四种金属产品，与Fama& French (1988)类似，他们使用调整后的基差作为供求状况的替代并且没有使用

32、存货数据，他们检验了基差对于期货和现货波动率、相关性、弹性的边际影响，证实了对于现货期货收益率波动性而言，调整后的基差与存货之间存在凹的渐进的关系。还有一类论文则集中检验风险溢价的波动性，Fama& French (1987)检验了21种大宗商品期货的月度数据，他们检验了期货基差的波动性以及期货风险溢价的信息含量，发现基差随着利率和季节的变动而变动，其中季节是便利收益的一个替代变量，因为收获季节之后农产品的库存会相应增加，同时他们将基差的变动分解为预期未来价格的变动和风险溢价两个方面，其结论是基差信息主要反应预期现货价格变动。Nash(2001)和Erb& Harvey(200

33、6)以及Gorton& Rouwenhorst(2006)提供了关于期货基差和风险溢价的关系方面的证据。Pirrong (2005)以及Dincerler, Khokher& Titman (2003) 则集中研究了大宗商品期货的动量特征，Dincerler, Khokher& Simin (2004) 证明了交易者的头寸与预期收益率有相关关系。除此之外，还有相当量的文献集中于讨论大宗商品期货市场的非条件风险溢价,对于单只期货产品风险溢价的此类检验，使用较短的时间区间以及较少的品种，其结果往往不同，比如Bessembinder (1992), Kolb(1992), 以

34、及 Erb and Harvey (2006)。关于凯恩斯的贴水理论，也有大量的文献试图从实证上加以检验，Chang(1985)基于月度和半月度数据发现了大型投机者在小麦、玉米和大豆期货市场上均能获得正收益。因为套期保值者总是输家，因此他断定套保着和投机者之间存在着系统性的风险溢价互换，由此证明了贴水理论的正确。然而Hartzmark(1987)使用从1977年7月到1981年12月的9种商品期货市场的数据，用商业和非商业市场参与者的日度持仓量数据来计算其收益，发现大型的商业交易者是所有群体中唯一有正收益的。在其后续文章Hartzmark（1991）中使用相同数据做了对预测能力的检验。Hart

35、zmark(1991)使用相同的时间区间来检测预测力，他的检验表明商品期货市场的收益是随机分布的，因此拒绝了贴水理论。 Phlips& Weiner(1994)使用1983年至1989年国际石油远期市场的日度交易数据进行检验，其结果与Hartzmark类似，跨日交易中没有哪类投资者能够获得显著的正超额收益，交易者从总体上看不具有预测能力。但是，在一天之中，可能拥有超平均信息的交易者能够获得超额收益。Leuthold Garcia& Lu (1994)使用1982年至1990年冷冻猪肉市场大型交易者的日度数据来分析预测能力问题，结果表明所有的CFTC报告的交易者均能获得超额收益，

36、这也就预示着CFTC不报告的小型交易者将遭受损失；与此同时，他们认为投机者有着持续的预测能力。Buchanan, Hodges& Theis (2001) 分析了1993年至1997年天然气市场的周数据并检测了预测能力，他们的结论是大型的投机者包含着价格变动方向和强度的有用信息。过去十年间，商品价格急剧上涨，而在2008-2009年的金融危机期间又大幅下跌。需求等宏观因素固然起了关键作用，但是包括商品衍生品市场的金融化在内的其他因素也起了很大作用。机构投资者和对冲基金越来越重视商品市场，将其作为传统资产类别的替代品，将资金投向高盛商品指数（GSCI）等指数并在衍生品市场进行交易。如果商

37、品和传统资产市场由于金融化而变得一体化，则商品价格的系统性因素将越来越主导回报率，提高其与其他资产类别的相关性，产生更多的相关性时间变量，使得其对系统冲击的波动性反应更迅速。关于持仓量与期货价格和收益率的关系的研究刚刚起步，Chen Rogoff& Rossi (2010)发现大宗商品生产国的汇率对于大宗商品价格的预测能力甚至比以往的期货价格更好，对于大宗商品的生产国而言，大宗商品价格以及本国汇率都受到来自商品需求的推动，然而汇率之所以是需求信息的更好的信号来源，是因为暂时的供需不平衡可以影响期货价格。Harrison Hong & Motohiro Yogo （2010）使用

38、能源、农产品、金属三个部门的30种期货品种，构造一个部门间的等权重组合，证明了持仓量的变化比其他很多指标更能预测资产价格的波动性。在大宗商品市场，持仓量的上升能够预测期货价格的上涨、债券价格的下跌以及短期利率的上升。在货币市场上，持仓量的上升能够预测外币相对于美元的升值，在债券市场和股票市场，上升的持仓量能够预测债券价格的下降和股票市场的上升，同时给出了对于此实证研究结果的理论解释，即相对于期货的以往价格，由于期货市场的套保压力和向下倾斜的需求曲线，持仓量是关于未来经济形势和通货膨胀率的一个更有效的信号。国内关于期货市场的研究主要集中在中国期货市场与宏观经济的联系、中国期货市场价格发现功能、套

39、期保值功能和中国期货市场与世界主要期货市场的关联性这几个方面。与期货收益率决定因素相关的研究较少，在此暂不做引用。与Harrison Hong的研究相比，我们的研究扩展到不同时间维度，意在检验商品市场的金融化是否导致了这一信号的强化，即相较于以往，是否金融化以后持仓量对于收益率有更好的解释作用，并且对于金融化为何能够增强持仓量的解释力给出了一个解释。2.3 投资策略相关文献关于投资者的交易策略，根据凯恩斯的贴水理论，投资者应该采取被动持有期货合约的方法来获得风险溢价，但是其实证可靠性仍然收到质疑。另一个理论是期货价格的套保压力理论，由Cootner (1960)和Stoll (1979)以及

40、Hirshleifer (1989,1990)提出，这一理论试图将Keynes (1930)和Working (1949)的理论联系起来，其连接点就是套保者的头寸。套保压力理论假定不论在现货溢价市场还是期货溢价市场，风险溢价都是存在的，这一理论在实证中得到了更多的支持。我们的交易策略即基于这一理论。第3章 数据及变量的定义3.1 变量选取我们的变量分为两个门类：期货收益率变量、收益率解释变量。其中收益率解释变量我们选择标普-高盛商品价格指数，根据指数计算其总收益和超额收益，解释变量中根据贴水理论和储藏理论，我们选择短期国债利率、收益率差价、基差和套保压力，并以此作为分析的基准，我们研究的重点，

41、即相较于传统理论的增量解释变量是持仓量，我们选择CFTC每周公布的未平仓合约数作为持仓变量。3.2 变量说明3.2.1 收益率变量对于期货收益率，我们计算全额抵押头寸的总收益率。定义为一月期短期国债利率的收益率，即因抵押而产生的利息收入，定义为到期日是T的第i种商品在t时的期货价格，因此对于商品i，其到期时间为T-t的全额抵押合约，其收益率为我们使用的是标普高盛商品价格指数，之所以选择指数而不选择构造组合，首先在于不同期货品种其在市场上的地位、成交量、持仓量有明显差别，等权重组合不能正常反映整个商品市场的走势，其次从一个投资者的角度出发，其参与市场最简单的方法就是参与指数投资，因此从现实角度考

42、虑，研究指数具有更强的可操作性。目前市场上通行的6个主要商品指数：标准普尔高盛商品指数(S&P GSCI)、道琼斯AIG商品指数(DJ-AIG)、德意志银行流动商品指数(DBLCI)、标准普尔商品指数(SPCI)和路透CRB商品指数(CRB)以及罗杰斯国际商品指数(RICI)。高盛商品指数创立于1991年，高盛公司设计这一指数的目的是为投资者提供一个可靠的并且公开可行的业绩基准，这是目前市场上跟踪量最大的商品指数。2007年2月，标普公司从高盛公司手中购买了这一指数，指数被重新命名为标普高盛商品指数（S&P GSCI），目前，指数包含有24种商品，覆盖了商品的五大门类：6个能源

43、类商品、5个工业金属商品、8个农产品、3个畜产品和2个贵金属商品（具体见表3.2.1）。其中能源类商品占的权重较高，按照目前的美元标价计算，能源类商品的权重占到76以上，其中原油的权重是55。高盛商品指数每年1月份进行一次权重调整，调整的依据是商品的五年平均产量水平，这种权重计算方法使高盛商品指数无论作为经济指标还是投资工具都具有显著优势。表3.2.1 高盛商品指数中选取的商品期货合约 能源交易所工业金属交易所贵金属交易所农产品交易所畜产品交易所WTI原油NYM/ICE铝LME黄金CMX小麦CBOT活牛CME布伦特原油ICE - UK1铜LME白银CMX堪萨斯小麦KBT肥牛CME乙醇汽油NYM

44、铅LME玉米CBOT瘦猪CME取暖油NYM镍LME大豆CBOT柴油ICE - UK1锌LME棉花ICE - US2天然气NYM/ICE糖ICE - US2咖啡ICE - US2可可ICE - US2 注释：ICE - UK1以前是IPE交易所，ICE - US2以前是NYBOT表3.2.2 高盛商品指数的成分构成和以美元计的权重（2008/08/06）能源76.88金属6.35贵金属1.91农产品11.34畜产品3.52原油41.04铝2.35黄金1.68小麦3.15活牛2.05布伦特原油14.82铜2.78白银0.23红小麦0.75肉牛0.38乙醇汽油4.55铅0.33玉米2.97瘦猪1.0

45、9取暖油5.23镍0.5大豆1.92柴油5.33锌0.4棉花0.73天然气5.91糖1.06咖啡0.53可可0.22高盛商品指数体系中包括现货价格指数、超额收益率指数、总收益率指数。现货价格指数衡量的是近月商品期货合约的价格水平，超额收益率指数衡量的是无抵押方式投资于近月商品期货合约的收益率；总收益率指数衡量的是采取全额抵押方式投资于近月商品期货合约的收益率。对于投资者来说，超额收益率指数和总收益率指数更有用。 1995年以来，相对于股票市场，高盛商品增强指数的总收益率是其3倍，是同期债券市场的5倍。商品市场投资的收益率远高于其它金融市场（见图3.2.1）。图3.2.1 高盛商品价格指数走势投

46、资者投资高盛商品指数的渠道主要有：购买跟踪高盛商品指数的指数基金；持有CME市场的高盛商品指数期货合约多头并不断进行展期交易；机构投资者也可通过场外互换市场等多种方式。3.2.2 持仓量变量解释变量中投资者持仓量数据主要来源于商品期货交易委员会（CFTC）,美国国会于1974年组建了商品期货交易委员会，作为一个独立的机构，其拥有监管美国商品期货和期权的使命，CFTC 第一次公布机构投资者持仓报告是在 1962 年 6 月 30 日，共包括 13 种农产品的持仓数据。当时的做法是每月 11 日或 12 日公布上个月的数据。目前，CFTC 于美国东部时间每周五公布当周二的持仓数据。持仓报告分为期货

47、和期货与期权两种。将未平仓合约分为可报告和非报告。可报告头寸包括商业和非商业、套利、与前次报告相比的增减变化、各类持仓所占比例、交易商数量等。其中非商业头寸一般认为是基金持仓，商业头寸一般认为与金矿、现货商有关，有套期保值倾向，这两类投资者大约占到所有期货合约持仓量的70%-90%。还有一个门类被称为非报告头寸，因为这类投资者无法被认定为套保者还是投机者。根据CFTC监管规则，如果一个交易者把期货合约用作套利保值的目的，那么这个交易者就被认定为是套保者，具体而言，被认定为套保者的交易商需要向CFTC提交一份报告，证明自己从事与期货合约所套保头寸相关的商业活动。然而为了保证交易商认定的一贯性和准

48、确性，CFTC市场监管部门会持续检查报表，在发现交易商新的市场行为时对其进行重新定性。3.2.3 宏观变量、基差及套保压力为了检验持仓量的增量解释能力，我们还选择两外两类解释变量。第一类是关于大宗商品的收益率常规的宏观经济变量，我们选择无风险利率以及收益率差价来作为解释变量，这些属于已知的对于大宗商品、债券和股票的收益率具有影响的解释变量（Bessembinder & Chan, 1992）。其中无风险收益率我们选择三月期国债利率的月度数据，收益率差价则选用穆迪Aaa评级债券的收益率与短期国债利率之差作为衡量指标。第二类是期货市场独有的解释变量，包括基差和套保压力。基差即期货与现货价格

49、之比，这在期货收益率的两个理论中均有重要意义，在贴水理论中，商品生产者在期货市场采取多头或者空头来对冲其风险，而风险厌恶的投机者则因提供了保险而要求风险溢价，这种对于保险的超额需求或者说套保压力，导致了期货价格和预期未来现货价格的差价，即基差。在储藏理论种，较低的库存水平导致现货价格的暂时提高，其后则因供需不平衡的更正而产生均值回归。我们首先计算每只期货品种的基差，然后使用高盛商品指数的权重分配，计算在每个时点上的一个加权平均基差。除了基差之外，贴水理论认为还有一个直接的套保压力指标能够对期货收益率产生影响，我们根据DeRoon Nijman和Veld(2000)构造套保压力指标分子是商业头寸

50、空头减多头，分母是非商业头寸的空头加多头，然后取所有期货品种的加权平均。3.3 数据来源高盛商品指数最早可追溯至1970年，我们选取1986年1月份以来的总收益数据，数据来源于Datastream。持仓量数据由CFTC在每周五公布，我们的数据来自CFTC网站。短期国债利率和穆迪Aaa公司债收益率来自于美联储网站。第4章 持仓量对收益率解释力的一个数学模型4.1 模型假设传统的贴水理论和储藏理论，都没有认为持仓量是收益率的直接解释变量，我们借鉴Harrison Hong和Motohiro Yogo(2011)的研究模型，证明持仓量对于收益率的解释力。模型的基础假设包括以下两点，第一，市场上一部分

51、参与者对于信息的反应是滞后的，已经有大量的文献证明了信息扩散的渐近性；第二，有限的风险承受能力导致向下倾斜的需求曲线。首先假定有三期，t=0,1,2,在第2期存在商品的现货市场，在第0期和第1期存在期货市场，现货的价格是外生和随机的，在第一期经济可能处于上升或者下降两种状态，设第2期的现货价格为，在上升的状态下，第2期的现货价格服从分布,在下降的状态下，现货价格服从,上升状态下的需求要高与下降时，因此。在第0期，经济在第1期处于上升状态的概率为，同时有4.2 模型推导在第1期，生产者中有一部分产出商品，另一部分则以商品为投入要素，生产者知道经济的状态是上升还是下降，但是仍然面临着第2期的价格波

52、动风险。设为上升状态时的生产或购买量，为下降状态时的生产或购买量，如果生产者产出商品则，如果生产者以商品为投入品则,为了简化我们假定,另外一个自然的假定是当经济处于上升状态时其需求高于下降状态，即生产者是风险厌恶的，他们在第1期进入期货市场，希望能够对冲掉现货价格的所有风险，设为t期的期货合约价格，生产者通过选择最优的期货头寸来最小化其收益的方差，除了生产者之外，市场上还存在两类投资者，第一类投资者是主动的一期投资者，他们占市场的比重为，他们有通常的系数为的均值方差效用函数，这类投资者的主动性体现在他们知道经济在第1期的状态，并且在每个时点上均知道的分布，积极投资者在第0期和第1期选择期货仓位

53、来最优化自己的效用函数，根据均值方差需求模型，他们的最优期货头寸市场上的第二类投资者是被动的一期投资者，这类投资者占市场的份额为，同样他们也符合系数为的均值方差效用函数，主要的模型假设是这类投资者对信息的反应不足，表现为他们在1期不知道经济处于上升期还是下降期，因此其对分布的认识与在0期是相同的。消极投资者在第0期和第1期选择期货仓位来最优化自己的效用函数，根据均值方差需求模型，他们的最优期货头寸市场出清条件为上升状态的期货价格其中下降状态的期货价格用第1期的期货价格倒推第0期的均衡期货价格，市场出清条件为期货的价格为其中当套保需求足够低时，经济向上情况下期货价格将高于向下情况。即,当如下条件

54、满足时,即当不存在套保压力时，经济中的好消息导致较高的期货价格，而套保压力则对期货价格产生一个向下的压力。另外由于生产者套保压力的存在，经济向上状态时的持仓量总会高于向下状态时，因为在向上状态下，如果则只有积极投资者会买入期货合约，而如果则积极投资者和生产者都会买入期货合约，即当经济处于下降状态时，只有被动投资者会投资于期货市场，即因为，所以，所以不论的符号正负，总有。定义从第0期到第1期做多期货的收益为,第1期到第2期收益率,从第1期到第2期期货收益率为，4.3 模型结果阐释从的表达式中可以看出，经济处于上升状态时收益率高于下降状态，需要满足如下条件即仅仅需要大于一个负的值，因此当时上升状态

55、的收益率肯定高于下降状态，这在现实中是完全满足的，因此我们可以假定上升时的收益率大于下降时的收益率。而对于,只有当时才有,所以较高的第1期收益并不一定能预测较高的第2期收益。还有一个有意思的发现，的条件中包含参数积极投资者的比例，当值越高需要满足的条件越宽松，一期收益对二期收益的预测能力更强，即随着市场参与者中积极投资者的比例提升，市场收益率的一致性会更强，往期收益率对于未来收益率的预测效用会更强。因此我们可以的除如下结论：不论套保压力的符号为正为负，较高的持仓量变动总是意味着较高的收益；只有当满足时，较高的第1期收益率才能预测较高的第2期收益率；市场上机构投资者比例的提高会对前期收益率的预测效用产生正向作用。第5章 实证模型分析结果5.1 序列的季节性处理大宗商品市场的一个显著特征是受季节因素影响较大，生产方面，农产品在特定时间进入收获季，金属及原油的开采也受季节影响，需求方面，大宗商品进口国的生产在一年中分配不均匀，从而导致库存、成交量、收