淺析我國商品期貨市場(chǎng)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系及其實(shí)證分析

1、<p>　　淺析我國商品期貨市場(chǎng)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系及其實(shí)證分析</p><p>　　【摘要】商品期貨市場(chǎng)風(fēng)險(xiǎn)的防范是一個(gè)極其復(fù)雜的問題，僅從期貨市場(chǎng)風(fēng)險(xiǎn)度量提高防范系統(tǒng)風(fēng)險(xiǎn)能力、確定最優(yōu)套期保值比率提高投資者風(fēng)險(xiǎn)防范能力、設(shè)置合理的保證金增強(qiáng)期貨交易所和期貨公司防范市場(chǎng)風(fēng)險(xiǎn)的能力顯然是不夠的。提高我國商品期貨市場(chǎng)風(fēng)險(xiǎn)管理水平，還需要結(jié)合我國商品期貨市場(chǎng)發(fā)展的實(shí)際情況，從影響我國商品期貨市場(chǎng)的眾多因素出發(fā)，

2、全方位、多角度的監(jiān)測(cè)影響我國商品期貨市場(chǎng)價(jià)格波動(dòng)的因素，建立市場(chǎng)風(fēng)險(xiǎn)預(yù)警模型是防范市場(chǎng)風(fēng)險(xiǎn)的重要途徑?；诖?，本文通過構(gòu)建反映我國期貨市場(chǎng)價(jià)格的指標(biāo)體系，首先采取因子分析求出主因子，再將主因子加入Logistics模型進(jìn)行風(fēng)險(xiǎn)預(yù)警分析，實(shí)證研究表明，本文所建立的風(fēng)險(xiǎn)預(yù)警模型具有較好的效果，具有一定的實(shí)踐意義。 </p><p>　　【關(guān)鍵詞】商品期貨市場(chǎng)；風(fēng)險(xiǎn)預(yù)警模型；指標(biāo)體系 </p><p

3、>　　1.期貨市場(chǎng)風(fēng)險(xiǎn)預(yù)警方法 </p><p>　　1.1 風(fēng)險(xiǎn)預(yù)警內(nèi)涵 </p><p>　　風(fēng)險(xiǎn)管理專家HEins與Willams認(rèn)為風(fēng)險(xiǎn)管理是有關(guān)風(fēng)險(xiǎn)識(shí)別、風(fēng)險(xiǎn)衡量、風(fēng)險(xiǎn)評(píng)價(jià)、風(fēng)險(xiǎn)控制的一個(gè)連貫過程，目的在于最小成本下實(shí)現(xiàn)效用的最大化。 </p><p>　　通過納入反映我國商品期貨市場(chǎng)價(jià)格的關(guān)鍵變量，構(gòu)建體現(xiàn)我國商品期貨市場(chǎng)風(fēng)險(xiǎn)的指標(biāo)體系，對(duì)諸多指標(biāo)

4、進(jìn)行主因子提取，并結(jié)合風(fēng)險(xiǎn)預(yù)警模型形成比較科學(xué)的風(fēng)險(xiǎn)預(yù)警機(jī)制，以減少我國商品期貨市場(chǎng)風(fēng)險(xiǎn)影響和提高預(yù)測(cè)風(fēng)險(xiǎn)的能力。 </p><p>　　1.2 市場(chǎng)風(fēng)險(xiǎn)預(yù)警方法 </p><p>　?。?）早期的預(yù)警方法 </p><p>　　早期預(yù)警方法中代表性的是一元分析法，該方法將分析的對(duì)象樣本按照某種標(biāo)準(zhǔn)進(jìn)行排序，然后選出預(yù)先認(rèn)為的判斷點(diǎn)，超過這一判斷點(diǎn)則視為風(fēng)險(xiǎn)。一元分

5、析法方法簡單易行，但由于對(duì)影響風(fēng)險(xiǎn)的因素的分析過于單一，使得人們對(duì)風(fēng)險(xiǎn)的判斷過于簡單，往往沒有意識(shí)到影響風(fēng)險(xiǎn)因素的復(fù)雜性，從而造成低估風(fēng)險(xiǎn)的現(xiàn)象。 </p><p>　?。?）多元判別預(yù)警方法 </p><p>　　多元判別模型基于影響風(fēng)險(xiǎn)的因素具有多元化的特征，從多個(gè)方面考察影響風(fēng)險(xiǎn)的各種因素。選取多元的過程主要是通過對(duì)各種因素進(jìn)行分組，將相對(duì)類似的因素分為一組，重點(diǎn)考察在在組中差別或離

6、散程度較小而在各組之間具有較大差異的因素，在此基礎(chǔ)上通過構(gòu)建多元模型進(jìn)行有效的分析。 </p><p>　　假設(shè)在Z模型中，各種選定因素設(shè)為則Z可以表示為： </p><p>　　其中，Z為判別值，可以通過該值進(jìn)行判別風(fēng)險(xiǎn)，但也可以跟據(jù)具體的發(fā)展環(huán)境的不同，采取不同的臨界值。相比早期的預(yù)警方法具有更多的優(yōu)勢(shì)，能從比較全面的角度考察市場(chǎng)風(fēng)險(xiǎn)，并能有效的提高市場(chǎng)風(fēng)險(xiǎn)預(yù)警的精確度。但由于影響價(jià)格

7、的市場(chǎng)因素的千變?nèi)f化，該模型對(duì)于不同時(shí)期的風(fēng)險(xiǎn)預(yù)警數(shù)據(jù)調(diào)整性較差，有些定性變量對(duì)于市場(chǎng)風(fēng)險(xiǎn)的影響比較大，如何用數(shù)據(jù)進(jìn)行界定是一個(gè)很大的問題，此外，在組內(nèi)變量的選擇上主要是基于正態(tài)分布的假定，而這與大多的經(jīng)濟(jì)現(xiàn)象是難以吻合的。 </p><p>　　（3）ANN預(yù)警方法 </p><p>　　ANN預(yù)警方法為Anificial Neural Network方法的簡稱，即人工神經(jīng)網(wǎng)絡(luò)模型，該方

8、法是將人類大腦神經(jīng)網(wǎng)絡(luò)的運(yùn)行方式，應(yīng)用到風(fēng)險(xiǎn)預(yù)警上的一種方神經(jīng)網(wǎng)絡(luò)的模擬法。整體上ANN主要由輸入層、輸出層以及隱藏層三個(gè)部分組成。ANN預(yù)警方法中有關(guān)信息的處理方式有兩種，即前向傳播和后向?qū)W習(xí)，整體上傳播過程相對(duì)比較簡單，而學(xué)習(xí)過程主要是一個(gè)的過程，即信息是從輸出層到輸入層的逆向進(jìn)行反饋，并對(duì)錯(cuò)誤進(jìn)行有效的修正的過程，通過學(xué)習(xí)的過程將分析的樣本對(duì)象進(jìn)行有效的類別劃分，從而實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)警的目的。ANN預(yù)警方法能夠?qū)︼L(fēng)險(xiǎn)影響的因素進(jìn)行有效的

9、分析和歸納，能夠在分布不明確的數(shù)據(jù)中進(jìn)行有效的分析，并且通過學(xué)習(xí)過程能夠?qū)崿F(xiàn)較好的能力。但ANN預(yù)警方法由于是對(duì)人腦神經(jīng)網(wǎng)絡(luò)的模擬，很難形成現(xiàn)實(shí)分析的穩(wěn)定，使風(fēng)險(xiǎn)預(yù)警的作用受到很大的抑制。 </p><p>　?。?）Logistic預(yù)警方法 </p><p>　　Logistic回歸法是一種最主要的二元選擇分析模型，通過二元概率的選擇，說明風(fēng)險(xiǎn)發(fā)生的概率與不發(fā)生的概率，由于分析建立在累計(jì)

10、概率的基礎(chǔ)之上，因而對(duì)所分析的各個(gè)變量的分布設(shè)定沒有正態(tài)分布的假定，能夠較好的分析客觀風(fēng)險(xiǎn)的實(shí)際情況。通過實(shí)現(xiàn)設(shè)定的分割點(diǎn)（如設(shè)風(fēng)險(xiǎn)點(diǎn)為0.5）進(jìn)行判斷，若通過模型算出的概率值大于分割點(diǎn)則意味著風(fēng)險(xiǎn)的存在。 </p><p>　　若概率表示風(fēng)險(xiǎn)狀態(tài)，則風(fēng)險(xiǎn)不發(fā)生的概率表示為。對(duì)所有指標(biāo)進(jìn)行判斷將總分設(shè)置為，其中。，為風(fēng)險(xiǎn)預(yù)警相關(guān)比率。則： </p><p>　　式（5），通過該模型，可以對(duì)

11、事件發(fā)生的概率進(jìn)行有效的測(cè)度，具有較高的準(zhǔn)確性。但缺點(diǎn)是對(duì)臨界值進(jìn)行規(guī)范的確定比較困難，需要根據(jù)不同的發(fā)展環(huán)境和風(fēng)險(xiǎn)要求進(jìn)行實(shí)現(xiàn)界定。如選取0.5作為風(fēng)險(xiǎn)較嚴(yán)重的水平作為判斷標(biāo)準(zhǔn)，則有以下分類： </p><p>　　2.風(fēng)險(xiǎn)預(yù)警指標(biāo)體系構(gòu)建 </p><p>　　2.1 指標(biāo)選取原則 </p><p>　　防范我國商品期貨市場(chǎng)風(fēng)險(xiǎn)，單單從期貨市場(chǎng)風(fēng)險(xiǎn)度量、套期保值

12、、保證金確定等幾個(gè)方面考察顯然是不夠的，考察我國商品期貨市場(chǎng)風(fēng)險(xiǎn)管理，首先應(yīng)從多角度的視角選取反映我國期貨市場(chǎng)價(jià)格的指標(biāo)體系，再對(duì)各種指標(biāo)進(jìn)行科學(xué)的篩選后進(jìn)行選擇。選取的指標(biāo)要能夠有效的對(duì)我國商品期貨市場(chǎng)風(fēng)險(xiǎn)進(jìn)行合理的測(cè)度。主要原則主要有： </p><p>　?。?）科學(xué)性：反映我國商品期貨市場(chǎng)風(fēng)險(xiǎn)的指標(biāo)的選取，應(yīng)通過科學(xué)方法進(jìn)行篩選和分類，使得選取的指標(biāo)具有較大的代表性和廣泛的說服力，能夠結(jié)合我國期貨市場(chǎng)發(fā)展

13、的實(shí)際現(xiàn)狀，客觀的刻畫我國商品期貨市場(chǎng)面臨的風(fēng)險(xiǎn)。 </p><p>　?。?）系統(tǒng)性：反映我國商品期貨市場(chǎng)風(fēng)險(xiǎn)的因子眾多，在科學(xué)的分類和總結(jié)基礎(chǔ)上，需要形成合理的指標(biāo)體系，從而構(gòu)建一個(gè)反映我國商品期貨市場(chǎng)風(fēng)險(xiǎn)的科學(xué)系統(tǒng)。 </p><p>　?。?）操作性：構(gòu)建反映我國商品期貨市場(chǎng)的指標(biāo)體系，是一個(gè)復(fù)雜的工程，各個(gè)因素之間的關(guān)系紛繁復(fù)雜，不可能將所有定性或定量因素都進(jìn)行闡述。應(yīng)通過科學(xué)的

14、篩選和分類形成具有代表性和可操作性的指標(biāo)。 </p><p>　　（4）實(shí)用性：構(gòu)建的理論體系應(yīng)能對(duì)我國商品期貨市場(chǎng)風(fēng)險(xiǎn)的防范具有較高的實(shí)用價(jià)值，能夠體現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)、風(fēng)險(xiǎn)分析、風(fēng)險(xiǎn)防范等的系列性和連貫性，從而對(duì)實(shí)踐具有較高的解釋意義。 </p><p>　　2.2 風(fēng)險(xiǎn)預(yù)警指標(biāo)選取 </p><p>　?。?）宏觀經(jīng)濟(jì)指標(biāo) </p><p>　

15、　衡量我國宏觀經(jīng)濟(jì)的變動(dòng)情況，需從這三個(gè)方面進(jìn)行考察。本文主要通過以下指標(biāo)考察宏觀層指標(biāo)對(duì)我國商品期貨市場(chǎng)風(fēng)險(xiǎn)的影響。 </p><p>　?、俸暧^經(jīng)濟(jì)景氣度：宏觀經(jīng)濟(jì)一致指數(shù)（） </p><p>　　為衡量我國宏觀經(jīng)濟(jì)景氣狀況，國家信息中心宏觀經(jīng)濟(jì)監(jiān)測(cè)預(yù)警課題組構(gòu)建了反映我國宏觀經(jīng)濟(jì)運(yùn)行狀況的景氣合成指數(shù)①，本文用宏觀經(jīng)濟(jì)一致指數(shù)反映我國宏觀經(jīng)濟(jì)的景氣情況。 </p>&

16、lt;p>　　②消費(fèi)衡量指標(biāo)：消費(fèi)信心指數(shù)（） </p><p>　　消費(fèi)行為和市場(chǎng)需求主導(dǎo)著投資取向和規(guī)模。在金融危機(jī)背景下，依靠國內(nèi)居民消費(fèi)需求拉動(dòng)我國經(jīng)濟(jì)增長和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整顯得更加重要。因此，堅(jiān)持?jǐn)U大國內(nèi)需求特別是消費(fèi)需求的方針，把增加居民消費(fèi)作為擴(kuò)大內(nèi)需的重點(diǎn)，增強(qiáng)消費(fèi)對(duì)經(jīng)濟(jì)增長的拉動(dòng)作用。 </p><p>　?、弁顿Y衡量指標(biāo)：城鎮(zhèn)固定資產(chǎn)投資完成額同比增長率（） <

17、;/p><p>　　由于我國技術(shù)和資本存量與發(fā)達(dá)國家之間存在著很大的差距，只有提高我國的投資率和經(jīng)濟(jì)增長率才能實(shí)現(xiàn)經(jīng)濟(jì)的跨越式發(fā)展。此外，注重提高投資的質(zhì)量和效益，才能增強(qiáng)我國經(jīng)濟(jì)發(fā)展的后勁，提高我國經(jīng)濟(jì)發(fā)展的質(zhì)量和競(jìng)爭力。本文選取城鎮(zhèn)固定資產(chǎn)投資作為衡量投資變動(dòng)指標(biāo)。 </p><p>　?、軐?duì)外貿(mào)易衡量指標(biāo)：外貿(mào)同比增長率（） </p><p>　　我國經(jīng)濟(jì)的增長方

18、式一直沿用“出口導(dǎo)向性”的戰(zhàn)略，外貿(mào)是拉動(dòng)我國經(jīng)濟(jì)增長最重要的推動(dòng)力量，據(jù)統(tǒng)計(jì)，2009年我國進(jìn)出口總額上升到世界第二位，出口總額則超過德國躍居世界第一位。 </p><p>　?、菡{(diào)控能力指標(biāo)：政府財(cái)政收入同比增長率（） </p><p>　　當(dāng)我國期貨市場(chǎng)出現(xiàn)較大風(fēng)險(xiǎn)事件的時(shí)候，強(qiáng)力行政往往能在較短的時(shí)間內(nèi)發(fā)揮比市場(chǎng)自發(fā)調(diào)節(jié)更好的效果，因此，政府的調(diào)控能力會(huì)對(duì)我國期貨市場(chǎng)風(fēng)險(xiǎn)產(chǎn)生較

19、大的影響。本文通過財(cái)政收入指標(biāo)反映我國政府的調(diào)控能力。 </p><p>　?。?）微觀經(jīng)濟(jì)指標(biāo) </p><p>　　本文主要從經(jīng)濟(jì)貨幣化程度變動(dòng)率，通貨膨脹變動(dòng)率以及匯率變動(dòng)率三個(gè)方面考察對(duì)期貨市場(chǎng)的影響。 </p><p>　?、俳?jīng)濟(jì)貨幣化程度變動(dòng)率：貨幣準(zhǔn)貨幣（M2）變動(dòng)率（） </p><p>　　經(jīng)濟(jì)貨幣化是指經(jīng)濟(jì)活動(dòng)中以貨幣為媒

20、介的交易份額逐步增大的過程。一國商品經(jīng)濟(jì)越發(fā)達(dá)、貨幣信用關(guān)系覆蓋面以及金融業(yè)發(fā)展程度越高，代表貨幣化程度也越高，同時(shí)期貨市場(chǎng)具有更好的發(fā)展基礎(chǔ)。通常情況下，用廣義貨幣M2占GNP（或GDP）的比值（M2/GNP或M2/GDP）來表示，由于月度GDP數(shù)據(jù)的不可得性，本文利用廣義貨幣（M2，即流通中的現(xiàn)金+活期存款）的變動(dòng)情況代表貨幣的變動(dòng)狀況表示我國的經(jīng)濟(jì)貨幣化程度變動(dòng)率。 </p><p>　?、谕ㄘ浥蛎浡剩–P

21、I）（） </p><p>　　在通貨膨脹預(yù)期下，人們一般會(huì)購買具有保值功能的投資品種，期貨市場(chǎng)中的貴金屬、有色金屬材料由于具有一定的金融屬性和儲(chǔ)量的稀缺性特征，成為在通貨膨脹下防范市場(chǎng)風(fēng)險(xiǎn)的有力工具。本文利用居民消費(fèi)價(jià)格指數(shù)（CPI）表示通貨膨脹率。 </p><p>　?、廴嗣駧艃睹涝獏R率環(huán)比變動(dòng)率（） </p><p>　　當(dāng)前，我國商品期貨市場(chǎng)中，有很多產(chǎn)品

22、是需大量進(jìn)口的大宗原材料產(chǎn)品。對(duì)國內(nèi)主要期貨品種而言，人民幣升值對(duì)工業(yè)品影響大，農(nóng)場(chǎng)品影響小，對(duì)進(jìn)口量大的期貨品種如銅、大豆、豆粕、棉花、天然橡膠以及燃料油等影響大，而進(jìn)口較小的品種如鋁、小麥影響較小。 </p><p>　?。?）現(xiàn)貨市場(chǎng)指標(biāo) </p><p>　　現(xiàn)貨市場(chǎng)產(chǎn)量、價(jià)格等因素會(huì)對(duì)期貨市場(chǎng)價(jià)格具有很大的影響，本文通過現(xiàn)貨價(jià)格波動(dòng)率、現(xiàn)期價(jià)波動(dòng)率、現(xiàn)貨市場(chǎng)總產(chǎn)量、國外凈進(jìn)口四個(gè)

23、指標(biāo)反映我國現(xiàn)貨市場(chǎng)對(duì)期貨市場(chǎng)的影響。 </p><p>　　①現(xiàn)貨價(jià)格波動(dòng)率（） </p><p>　　該比率是利用現(xiàn)貨市場(chǎng)本月價(jià)格與上月價(jià)格的變動(dòng)比率來反映現(xiàn)貨市場(chǎng)對(duì)該商品的市場(chǎng)需求變動(dòng)情況。 </p><p>　?、诂F(xiàn)期價(jià)偏離率（） </p><p>　　通過現(xiàn)價(jià)期價(jià)偏離率本月與上月的對(duì)比來反映現(xiàn)價(jià)期價(jià)偏離率的變動(dòng)率，該指標(biāo)可以反映現(xiàn)貨

24、市場(chǎng)和期貨市場(chǎng)價(jià)格的偏離狀況，從而反映投機(jī)的情況。 </p><p>　?、郜F(xiàn)貨市場(chǎng)總產(chǎn)量同比波動(dòng)率（） </p><p>　　總產(chǎn)量的提高有利于有效緩解了國內(nèi)市場(chǎng)供需緊張的矛盾，其穩(wěn)定性有利緩解期貨價(jià)格呈大幅上漲—急速下跌的走勢(shì)。 </p><p>　　④凈進(jìn)口環(huán)比增長率（） </p><p>　　據(jù)統(tǒng)計(jì)，近三年來大豆、銅以及天然橡膠的進(jìn)口

25、量占總消費(fèi)量的比重分別達(dá)到了37%、47%以及65%②，凈進(jìn)口總量增加在一定程度上抑制國內(nèi)期貨價(jià)格非理性上漲空間，有利的實(shí)現(xiàn)現(xiàn)貨市場(chǎng)中的供需平衡。 </p><p>　?。?）期貨市場(chǎng)指標(biāo) </p><p>　　市場(chǎng)流動(dòng)性對(duì)期貨合約的價(jià)格具有很大的影響，當(dāng)市場(chǎng)的人氣比較旺時(shí)，期貨的成交速度比較快，能夠根據(jù)不斷變化的市場(chǎng)行情生成比較合理的價(jià)格，而合理的期貨市場(chǎng)價(jià)格自然是低風(fēng)險(xiǎn)的體現(xiàn)，同時(shí)會(huì)吸

26、引更多的市場(chǎng)參與者，從而提高了市場(chǎng)的流動(dòng)性，二者形成良好的互動(dòng)關(guān)系?？疾焓袌?chǎng)流動(dòng)性的指標(biāo)有三個(gè)。 </p><p>　?、俪山涣浚ㄊ郑┳儎?dòng)率（） </p><p>　　期貨合約的成交量即成交的總手?jǐn)?shù)，但成交手?jǐn)?shù)并不能完全的反映市場(chǎng)的流動(dòng)水平，因?yàn)楦鱾€(gè)期貨合約的定價(jià)是不相同的，成交量大不一定成交金額就大，因此成交量僅是對(duì)期貨合約流動(dòng)性“量”的衡量。 </p><p>

27、　?、诔山唤痤~變動(dòng)率（） </p><p>　　成交金額是指期貨交易的資金量，成交量是成交合約數(shù)與期貨價(jià)格的乘積。成交金額越大則意味著市場(chǎng)流動(dòng)性比較高，因此成交金額是對(duì)期貨合約流動(dòng)性“質(zhì)”的衡量。 </p><p>　?、墼履┏謧}量變動(dòng)率（） </p><p>　　期貨合約的流動(dòng)性源于期貨市場(chǎng)參與者的買賣，持倉量即為買賣雙方尚未平倉的數(shù)量，持倉量大說明市場(chǎng)參與者有較

28、多的買賣行為，也代表了市場(chǎng)的流動(dòng)性比較大。 </p><p>　?、艹山唤痤~市場(chǎng)占有變動(dòng)率（） </p><p>　　從期貨套期保值的基本功能上講，套期保值者希望投資對(duì)象是市場(chǎng)占有水平比較高，行情相對(duì)穩(wěn)定的期貨商品。單個(gè)期貨商品的成交金額無法在市場(chǎng)中得到充分的體現(xiàn)，為測(cè)度該期貨商品市場(chǎng)中成交金額的情況，可以用本月與上月整個(gè)期貨市場(chǎng)占有率的變化來反映成交金額市場(chǎng)占有變動(dòng)率的變動(dòng)。 </

29、p><p>　　2.3 風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的構(gòu)建 </p><p>　　結(jié)合期貨市場(chǎng)風(fēng)險(xiǎn)預(yù)警指標(biāo)選取的原則，本文選取的指標(biāo)從目標(biāo)層、準(zhǔn)則層、指標(biāo)層三個(gè)層面出發(fā)，首先確定了宏觀經(jīng)濟(jì)衡量指標(biāo)、微觀經(jīng)濟(jì)衡量指標(biāo)、現(xiàn)貨市場(chǎng)衡量指標(biāo)以及期貨市場(chǎng)衡量指標(biāo)四個(gè)子系統(tǒng)，在四個(gè)子系統(tǒng)下共選取16個(gè)指標(biāo)構(gòu)成評(píng)測(cè)我國期貨市場(chǎng)風(fēng)險(xiǎn)的指標(biāo)體系，如表1所示。 </p><p>　　3.我國商品期貨市

30、場(chǎng)風(fēng)險(xiǎn)預(yù)警管理實(shí)證分析 </p><p>　　3.1 因子分析概述 </p><p>　　因子分析簡介：由于分析對(duì)象的指標(biāo)多種多樣，需要將多個(gè)因素綜合考慮才能分析出對(duì)象的根本特征，但對(duì)單個(gè)對(duì)象考察指標(biāo)過多會(huì)造成指標(biāo)之間相關(guān)程度增加，對(duì)分析問題造成了很大的不便，尋找多種因素的替代變量成為解決此類問題的重要途徑，此種分析方法即為因子分析。 </p><p>　　因子分析

31、的特點(diǎn)主要有以下幾個(gè)方面：首先，計(jì)算簡便：因子分析師對(duì)原來的眾多指標(biāo)的衡量，因此計(jì)算上因子分析有利的減少了計(jì)算的工作量。其次，能有效的反映變量信息：因子分析不是對(duì)原有變量的簡單取舍，而是對(duì)原有變量信息進(jìn)行了重新的構(gòu)造，能夠有效的反映原有的信息。第三，因子分析各個(gè)變量之間是對(duì)原有眾多變量某一方面的概括，因此各個(gè)因子之間不存在線性相關(guān)關(guān)系。 </p><p>　　除此以外，因子分析中，因子變量具有命名解釋性，即該變量

32、是對(duì)某些原始變量信息的綜合。對(duì)多變量的平面數(shù)據(jù)進(jìn)行簡化，在保證數(shù)據(jù)信息丟失最少的原則下，對(duì)高維變量空間進(jìn)行降維處理，形成在一個(gè)低維空間狀態(tài)的解釋系統(tǒng)，這一系統(tǒng)比在一個(gè)高維系統(tǒng)空間進(jìn)行解釋要容易得多。 </p><p>　　3.2 我國商品期貨市場(chǎng)影響因素的因子分析步驟 </p><p>　　設(shè)反映我國商品期貨市場(chǎng)價(jià)格波動(dòng)有多個(gè)因素如，因子分析尋找的替代變量為（其中），則這些因素可以用替代表

33、示 </p><p>　　式（6）中可以對(duì)原有多個(gè)變量進(jìn)行有效概括，而替代變量之間相關(guān)性很小，以此減少了分析的重疊性。 </p><p>　　在因子分析過程中，需要解決兩個(gè)關(guān)鍵問題，首先是如何構(gòu)造反映我國商品期貨市場(chǎng)價(jià)格波動(dòng)的諸多影響因素的因子變量；其次是命名解釋，即如何對(duì)所求得得因子變量進(jìn)行命名解釋。具體的講，我國商品期貨市場(chǎng)因子分析因子分析有下面4個(gè)基本步驟。 </p>

34、<p>　　步驟一，因子分析適合性檢驗(yàn)：確定我國商品期貨市場(chǎng)中待分析的原有若干變量是否適合于因子分析，檢驗(yàn)的標(biāo)準(zhǔn)主要有三個(gè)。一是KMO（Kaiser-Meyer-Olkin）值，該值的大小應(yīng)至少在5左右，太小不適合做因子分析，大于0.7以上則效果比較好，KMO的計(jì)算公式 </p><p>　　其中，而變量偏相關(guān)系數(shù)。因此KMO指標(biāo)反映的是變量之間相關(guān)系數(shù)的一種關(guān)系，當(dāng)所得的KMO值約接近于1，則表明越適

35、合做因子分析。二是巴特利特球形檢驗(yàn)（Bartlett’s Test of Sphericity）：該指標(biāo)首先考察各個(gè)變量的相關(guān)系數(shù)矩陣，其次通過與單位陣進(jìn)行對(duì)比，從而考察相關(guān)系數(shù)，若考察的矩陣與單位陣越接近則說明不適合做因子分析。三是反映像相關(guān)矩陣檢驗(yàn)（Anti-image Correlation Matrix）：若矩陣中某些元素的絕對(duì)值比較大時(shí)，則表明考察的對(duì)象不適合做因子分析。 </p><p>　　步驟二，

36、構(gòu)造反映我國商品期貨市場(chǎng)風(fēng)險(xiǎn)的因子變量：因子分析過程中確定因子變量的方法比較多，如主成分分析法、主軸因子法、極大似然法、最小二乘法等。在這些方法中，基于主成分模型的主成分分析法是使用最多的因子分析方法之一。如主成分分析主要是通過變換手段，即將原有的個(gè)相關(guān)變量做線性變化，轉(zhuǎn)化為另外一組不相關(guān)的變量，上述過程可以表示為： </p><p>　　其中，為原有變量的第一、第二、….、第個(gè)主成分。其中在總方差中占的比例最大

37、，綜合原有變量的能力也最強(qiáng)，其余主成分在總方差中占的比例逐漸減少。數(shù)據(jù)標(biāo)注化處理公式為： </p><p>　　其中，i=1，2……，n，n為樣本總數(shù)；j=1，2，……p，p為樣本原變量數(shù)目。 </p><p>　　通過標(biāo)注化處理后可以算出協(xié)方差矩陣R，并可以通過協(xié)方差矩陣的特征值，從而可以求出個(gè)變量的因子載荷矩陣。 </p><p>　　步驟三，因子旋轉(zhuǎn)：為增加因

38、子的課解釋性，可以利用因子旋轉(zhuǎn)。經(jīng)過主成分分析得到的，是對(duì)原變量的綜合。原變量是具有物理含義的變量。對(duì)于因子變量的解釋，可以進(jìn)一步說明影響原變量系統(tǒng)構(gòu)成的主要因素和系統(tǒng)特征。在實(shí)際分析工作中，主要是通過對(duì)載荷矩陣進(jìn)行分析，得到因子變量和原變量的關(guān)系，從而對(duì)新的因子變量進(jìn)行命名。 </p><p>　　步驟四，計(jì)算因子變量的得分：我國商品期貨市場(chǎng)風(fēng)險(xiǎn)因子變量的得分因子變量確定以后，可以得到它們的不同因子上的具體數(shù)據(jù)

39、值，這些數(shù)值就是因子得分，它和原變量的得分相對(duì)應(yīng)。估計(jì)因子得分的方法主要由回歸法、Bartlette法等，計(jì)算因子得分首先將因子變量表示為原有變量的線性組合，表示 </p><p>　　3.3 因子分析實(shí)證檢驗(yàn) </p><p>　　通過表1可知，我國商品期貨市場(chǎng)風(fēng)險(xiǎn)評(píng)測(cè)指標(biāo)體系由16個(gè)指標(biāo)構(gòu)成。由于指標(biāo)比較多，可以運(yùn)用主成分分析法進(jìn)行綜合，利用計(jì)量軟件SPSS16， </p>

40、<p>　　以銅期貨合約為例，時(shí)間跨度為2007-2008年，共有24個(gè)月的數(shù)據(jù)，輸入相關(guān)變量的數(shù)據(jù)，可以得到相關(guān)統(tǒng)計(jì)結(jié)果如表2所示。 </p><p>　　在進(jìn)行因子分析之前先檢驗(yàn)變量是否適合于因子分析。本文采用的是KMO（Kaiser-Meyer-Olkin）值。和巴特利特球形檢驗(yàn)（Bartlett’s Test of Sphericity）檢驗(yàn)的方法。檢驗(yàn)結(jié)果如表3所示。 </p>

41、<p>　　從檢驗(yàn)的結(jié)果可知，利用的相關(guān)變量是適合做因子分析，特別是球性假設(shè)檢驗(yàn)的顯著性水平為0，表明可以通過巴特尼特法球性（Bartlett’s Test of Sphericity）檢驗(yàn)。 </p><p>　　因子的提取遵循主軸長度（Initial Eigenvalues）即特征值大于1的原則，本文一共為13個(gè)分析對(duì)象，首先提取了五個(gè)因子，但通過提取的因子數(shù)據(jù)顯示，其他因子的特征值小于1。綜合

42、考慮本文提取五個(gè)因子，分別表示為F1，F(xiàn)2，F(xiàn)3，F(xiàn)4，F(xiàn)5，具體數(shù)據(jù)如表4所示。 </p><p>　　根據(jù)特征值大于1的原則，提取前五個(gè)因子，其特征值分別為：376、2.997、1.389、1.208、1.016。第一個(gè)主成分的累積方差貢獻(xiàn)率為39.851。前兩個(gè)主成分的累積方差貢獻(xiàn)率為58.585，前三個(gè)主成分的累積方差貢獻(xiàn)率達(dá)到了67.268，前四個(gè)主成分的累積方差貢獻(xiàn)率達(dá)到了78.420，前五個(gè)主成分的

43、累積方差貢獻(xiàn)率達(dá)到了89.169。因此這五個(gè)因子能夠很好的對(duì)原有的16個(gè)變量進(jìn)行有效的概括。通過因子的提取可以得到如下（表5）的結(jié)果。 </p><p>　　為使所得的主因子（Principal Component）能夠?qū)υ凶兞窟M(jìn)行更加有效的概括，可以進(jìn)行方差旋轉(zhuǎn)，旋轉(zhuǎn)變換的目的是為了使原來的個(gè)樣本點(diǎn)在主成分軸方向上的離散程度最大，即的方差最大，變量代表了原始數(shù)據(jù)的絕大部分信息，本文采用的是Varimax（方差

44、極大法）旋轉(zhuǎn)，旋轉(zhuǎn)后的因子的得分信息如表6所示。 </p><p>　　從旋轉(zhuǎn)后因子的提取結(jié)果可知，五個(gè)因子對(duì)不同變量的概括性是不相同的，第一個(gè)因子對(duì)銅期貨市場(chǎng)總產(chǎn)量、貨幣或準(zhǔn)貨幣（M2）供應(yīng)量、政府財(cái)政收入、成交額占比變化以及現(xiàn)期價(jià)偏離率等幾個(gè)變量的變動(dòng)率具有很強(qiáng)的相關(guān)關(guān)系，第二個(gè)因子對(duì)CPI、宏觀經(jīng)濟(jì)一致指數(shù)、匯率以及對(duì)外貿(mào)易的波動(dòng)率具有很強(qiáng)的相關(guān)關(guān)系，第三個(gè)因子則對(duì)成交量、成交額以及持倉量三個(gè)指標(biāo)的變動(dòng)情況

45、具有很強(qiáng)的相關(guān)關(guān)系，第四個(gè)因子對(duì)消費(fèi)和投資指標(biāo)的波動(dòng)率具有高的概括能力，第五個(gè)因子對(duì)則對(duì)凈進(jìn)口等指標(biāo)的變動(dòng)具有很強(qiáng)的相關(guān)關(guān)系。 </p><p>　　3.4 Logistic風(fēng)險(xiǎn)預(yù)警分析 </p><p>　　在進(jìn)行Logistic之前，先設(shè)定二分類因變量為。由于考察的是期貨市場(chǎng)風(fēng)險(xiǎn)，是否具有風(fēng)險(xiǎn)是一個(gè)二分變量，因此將Y設(shè)為：Y=0代表銅期貨商品當(dāng)月具有較高的風(fēng)險(xiǎn)性，而Y=1代表銅期貨合約

46、當(dāng)月是安全的。根據(jù)式（5），在主成分設(shè)定為下，可以建立如下的Logistic回歸模型： </p><p>　　在該模型中，由原來的多個(gè)指標(biāo)與因變量之間的回歸，變?yōu)槎肿兞颗c因子之間的回歸關(guān)系，模型的誤差項(xiàng)服從二項(xiàng)分布，使用最大似然法來解決方程的估計(jì)和檢驗(yàn)問題。通過SPSS10軟件得到的回歸結(jié)果如表8所示。 </p><p>　　其中，Constant為常數(shù)項(xiàng)，表示自變量取值全為O（稱基線狀

47、態(tài)）時(shí)，比數(shù)（Y=1與Y=O的概率之比）的自然對(duì)數(shù)值；各自變量的回歸系數(shù)表示自變量每改變一個(gè)單位，比值比的自然對(duì)數(shù)值改變量。 </p><p>　　該回歸結(jié)果表明：當(dāng)所有因子取值為0時(shí)，比數(shù)的自然對(duì)數(shù)值為-9.082。五個(gè)因子的系數(shù)估計(jì)值表明，F(xiàn)1、F2、F3、F4、F5、每改變一個(gè)單位對(duì)自然對(duì)數(shù)值的改變量分別為10.998，10.572，-1.954、8.899、4.594。根據(jù)統(tǒng)計(jì)分析的結(jié)果，可以將回歸模型表

48、示為： </p><p>　　概率P是以0.5為對(duì)稱點(diǎn)，因而，可以把0.5作為一個(gè)臨界點(diǎn)作為考察風(fēng)險(xiǎn)的一個(gè)參考標(biāo)準(zhǔn)，當(dāng)概率大于0.5時(shí)，表示該期貨合約當(dāng)月的風(fēng)險(xiǎn)性比較大，對(duì)于該種期貨合約在當(dāng)月應(yīng)當(dāng)提高風(fēng)險(xiǎn)意識(shí)，而當(dāng)概率小于0.5時(shí)，代表該種期貨合約當(dāng)月處于較為安全的邊界。 </p><p>　　從表9預(yù)測(cè)的結(jié)果可知，銅期貨合約實(shí)際安全的月份只有7個(gè)月份，在預(yù)警模型中將有風(fēng)險(xiǎn)的1個(gè)月誤判成了

49、安全的月份，預(yù)測(cè)的準(zhǔn)確性為87.5%；而實(shí)際具有風(fēng)險(xiǎn)性的月份有16個(gè)月，預(yù)警模型中將這16個(gè)安全性的月份判成了高風(fēng)險(xiǎn)性的月份，預(yù)測(cè)的準(zhǔn)確性達(dá)到了100%；綜合的預(yù)測(cè)的準(zhǔn)確性為95.8%，表明本文所設(shè)定的我國商品期貨市場(chǎng)風(fēng)險(xiǎn)預(yù)警模型具有較高的風(fēng)險(xiǎn)預(yù)警的作用。 </p><p><b>　　注釋： </b></p><p>　　①宏觀經(jīng)濟(jì)預(yù)警指數(shù)可細(xì)分四個(gè)部分：a.一致指

50、數(shù)，是反映當(dāng)前經(jīng)濟(jì)的基本走勢(shì)，由工業(yè)生產(chǎn)、就業(yè)、社會(huì)需求（投資、消費(fèi)、外貿(mào)）、社會(huì)收入（國家稅收、企業(yè)利潤、居民收入）等4個(gè)方面合成；b.先行指數(shù)，是由一組領(lǐng)先于一致指數(shù)的先行指標(biāo)合成，用于對(duì)經(jīng)濟(jì)未來的走勢(shì)進(jìn)行預(yù)測(cè)；c.滯后指數(shù)，是由落后于一致指數(shù)的滯后指標(biāo)合成得到，它主要用于對(duì)經(jīng)濟(jì)循環(huán)的峰與谷的一種確認(rèn)；d.預(yù)警指數(shù)，是把經(jīng)濟(jì)運(yùn)行的狀態(tài)分為5個(gè)級(jí)別，“紅燈”表示經(jīng)濟(jì)過熱，“黃燈”表示經(jīng)濟(jì)偏熱，“綠燈”表示經(jīng)濟(jì)運(yùn)行正常，“淺藍(lán)燈”表示經(jīng)

51、濟(jì)偏冷，“藍(lán)燈”表示經(jīng)濟(jì)過冷。 </p><p>　?、诟咻x.中國人民幣匯率升值及對(duì)期貨市場(chǎng)影響的研究[R].浙江中大期貨公司研究報(bào)告,第9頁。 </p><p><b>　　參考文獻(xiàn) </b></p><p>　　Alexandra K B,Mayer J.Computational aspects of minizing condition

52、al value at risk[J].ComPutaion Management Science,2006(3):3-27. </p><p>　　AlexEI Chekhlov,Stanislav Uryasev,Michael Zabarankin.Draw Down Measure in Portfolio Optimization[J].Research Report,2003(5):11-12. &l