Неверович О.О.аспирант кафедры фондового рынка и рынка инвестиций, Национальный исследовательский университет "Высшая школа экономики" o.neverovich@gmail.com
В статье определена практическая ценность применения многомерных моделей условной волатильности, а именно - моделей постоянных условных корреляций CCC, динамических условных корреляций DCC и асимметричных динамических условных корреляций A-DCC, в отношении рядов спотовых и фьючерсных доходностей на рынке нефти марки Brent для расчета оптимальных коэффициентов хеджирования. В этих целях подверглась исследованию и сравнению результативность расчетных многомерных моделей с динамическими условными корреляциями путем применения показателя эффективности хеджирования. С помощью многомерных моделей обобщенной авторегрессионной условной гетероскедастичности GARCH рассчитаны коэффициенты оптимального хеджирования с учетом сведений о нестационарной ковариационной матрице для спотовых и фьючерсных цен на нефть. Динамика цен описана AR-EGARCH-моделью, волатильность и корреляция ? многомерными GARCH-моделями с динамическими условными корреляциями. Рассчитанные посредством конкурирующих моделей коэффициенты оптимального хеджирования оценены в соответствии с критерием снижения дисперсии портфеля и риска по сравнению с нехеджированным портфелем. Полученные показатели дисперсии и эффективности хеджирования свидетельствуют о том, что A-DCC-модель имеет лучшую способность к снижению дисперсии портфеля. Сделан вывод о том, что эффективность хеджирования повышается, если учитываются асимметричные характеристики волатильности. Кроме того, предлагается использовать динамический коэффициент оптимального хеджирования для построения стратегии хеджирования на рынке нефти на основе моделей условной волатильности с динамическими условными корреляциями. Методология, представленная в этой статье, может быть адаптирована к рынкам других активов.
Ключевые слова: многомерные GARCH модели, условные корреляции, оптимальный коэффициент хеджирования, эффективность хеджирования, фьючерсы на нефть
Список литературы:
Baillie R., Myers R. Bivariate GARCH estimation of the optimal commodity futures hedge // Journal of Applied Econometrics. 1991. № 6. P. 109–124.
Bauwens L., Sebastien L., Rombouts J.V.K. Multivariate GARCH models // Journal of Applied Econometrics. 2006. № 21. P. 79‒109.
Bollerslev T. Generalized autoregressive conditional heteroskedasticity // Journal of Econometrics. 1986. № 31. P. 307‒327.
Bollerslev T. Modelling the coherence in short-run nominal exchange rates: a multivariate generalized ARCH model // The Review of Economics and Statistics. 1990. № 72. P. 498–505.
Brooks C., Henry O.T., Persand G. The effect of asymmetries on optimal hedge ratios // Journal of Business. 2002. № 75. P. 333–352.
Cappiello L., Engle R., Sheppard K. Asymmetric dynamics in the correlations of global equity and bond returns // Journal of Financial Econometrics. 2006. № 4. P. 557–552.
Chang C.-L., McAleer M., Tansuchat R. Analyzing and forecasting volatility spillovers, asymmetries and hedging in major oil markets // Energy Economics. 2010. № 32. P. 1445‒1455.
Chang C.-L., McAleer M., Tansuchat R. Crude oil hedging strategies using dynamic multivariate GARCH // Energy Economics. 2011. № 33. P. 912‒923.
Dickey D.A., Fuller W.A. Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association. 1979. № 74. P. 427‒431.
Engle R. Dynamic conditional correlation: a simple class of multivariate generalized autoregressive conditional heteroskedasticity models // Journal of Business and Economic Statistics. 2002. № 20. P. 339–350.
Haigh M.S., Holt M. Crack spread hedging: accounting for time-varying spillovers in the energy futures markets // Journal of Applied Econometrics. 2002. № 17. P. 269‒289.
Jarque C.M., Bera A.K. Test for normality of observations and regression residuals // International Statistical Review. 1987. № 55. P. 163–172.
Johansen S. Estimation and hypothesis testing of cointegration vectors in Gaussian vector autoregressive models // Econometrica. 1991. № 59. P. 1551–1580.
Johnson L.L. The theory of hedging and speculation in commodity futures // The Review of Economic Studies. 1960. № 7. P. 139–151.
Kroner K., Ng V. Modeling asymmetric movements of asset prices // Review of Financial Studies. 1998. №. 11. P. 817–844.
Knill A., Kristina M., Nejadmalayeri A. Selective hedging, information, asymmetry, and futures prices // Journal of Business. 2006. №. 79. P. 1475–1501.
Ku Y.-H., Chen H.-C., Chen K.-H. On the application of the dynamic conditional correlation model in the estimating optimal time-varying hedge ratios // Applied Economics Letters. 2007. № 14. P. 503–509.
Lanza A., Manera M., McAleer M. Modeling dynamic conditional correlations in WTI oil forward and future returns // Finance Research Letters. 2006. № 3. P. 114‒132.
McAleer M., Hoti S., Chan F. Structure and asymptotic theory for multivariate asymmetric conditional volatility // Econometric Reviews. 2009. № 28. P. 422–440.
Regnier E. Oil and energy price volatility. Energy Economics. 2007. № 29. P. 405‒427.
Ripple R.D., Moosa I.A. Hedging effectiveness and futures contract maturity: the case of NYMEX crude oil futures // Applied Financial Economics. 2007. № 17. P. 683‒689.
