期貨市場方差模型
Ⅰ 期貨定價模型
布萊克-斯科爾斯模型2009年08月09日 星期日 20:23布萊克-斯科爾斯模型（Black-Scholes Model，亦有譯為布萊克-休斯），簡稱BS模型，是一種為期權或權證等金融衍生工具定價的數學模型，由美國經濟學家邁倫·斯科爾斯與費雪·布萊克所最先提出，並由羅伯特·墨頓完善。該模型就是以邁倫·斯科爾斯和費雪·布萊克命名的。1997年邁倫·斯科爾斯和羅伯特·墨頓憑借該模型獲得諾貝爾經濟學獎。然而統計學上的肥尾現象影響此公式的有效性。
[編輯] B-S模型5個重要假設
1、金融資產收益率服從對數正態分布；
2、在期權有效期內，無風險利率和金融資產收益變數是恆定的；
3、市場無摩擦，即不存在稅收和交易成本；
4、金融資產在期權有效期內無紅利及其它所得(該假設後被放棄)；
5、該期權是歐式期權，即在期權到期前不可實施。
[編輯〕 模型
C = S * N(D1) − e − r * T * L * N(D2)
其中:
C—期權初始合理價格
L—期權交割價格
S—所交易金融資產現價
T—期權有效期
r—連續復利計無風險利率H
σ2—年度化方差
N()—正態分布變數的累積概率分布函數，
Ⅱ ARCH模型的原理是什麼
ARCH模型的基本思想是指在以前信息集下，某一時刻一個雜訊的發生是服從正態分布。該正態分布的均值為零，方差是一個隨時間變化的量(即為條件異方差)。並且這個隨時間變化的方差是過去有限項雜訊值平方的線性組合(即為自回歸)。這樣就構成了自回歸條件異方差模型。
由於需要使用到條件方差，我們這里不採用恩格爾的比較嚴謹的復雜的數學表達式，而是採取下面的表達方式，以便於我們把握模型的精髓。見如下數學表達：
Yt = βXt＋εt (1)其中，
* Yt為被解釋變數，
* Xt為解釋變數，
* εt為誤差項。
如果誤差項的平方服從AR(q)過程，即εt2 =a0＋a1εt－12 ＋a2εt－22 ＋ …… ＋ aqεt－q2 ＋ηt t =1,2,3…… (2)其中，
ηt獨立同分布，並滿足E（ηt）= 0, D(ηt)= λ2 ,則稱上述模型是自回歸條件異方差模型。簡記為ARCH模型。稱序列εt 服從q階的ARCH的過程，記作εt －ARCH(q)。為了保證εt2 為正值，要求a0 >0 ,ai ≥0 i=2,3,4… 。
上面（1）和（2）式構成的模型被稱為回歸－ARCH模型。ARCH模型通常對主體模型的隨機擾動項進行建模分析。以便充分的提取殘差中的信息，使得最終的模型殘差ηt成為白雜訊序列。
從上面的模型中可以看出，由於現在時刻雜訊的方差是過去有限項雜訊值平方的回歸，也就是說雜訊的波動具有一定的記憶性，因此，如果在以前時刻雜訊的方差變大，那麼在此刻雜訊的方差往往也跟著變大；如果在以前時刻雜訊的方差變小，那麼在此刻雜訊的方差往往也跟著變小。體現到期貨市場，那就是如果前一階段期貨合約價格波動變大，那麼在此刻市場價格波動也往往較大，反之亦然。這就是ARCH模型所具有描述波動的集群性的特性，由此也決定它的無條件分布是一個尖峰胖尾的分布。
Ⅲ 股指期貨定價模型的影響因素
股指期貨也可以用這個模型。
布萊克-斯科爾斯模型2009年08月09日 星期日 20:23布萊克-斯科爾斯模型（Black-Scholes Model，亦有譯為布萊克-休斯），簡稱BS模型，是一種為期權或權證等金融衍生工具定價的數學模型，由美國經濟學家邁倫·斯科爾斯與費雪·布萊克所最先提出，並由羅伯特·墨頓完善。該模型就是以邁倫·斯科爾斯和費雪·布萊克命名的。1997年邁倫·斯科爾斯和羅伯特·墨頓憑借該模型獲得諾貝爾經濟學獎。然而統計學上的肥尾現象影響此公式的有效性。
B-S模型5個重要假設
1、金融資產收益率服從對數正態分布；
2、在期權有效期內，無風險利率和金融資產收益變數是恆定的；
3、市場無摩擦，即不存在稅收和交易成本；
4、金融資產在期權有效期內無紅利及其它所得(該假設後被放棄)；
5、該期權是歐式期權，即在期權到期前不可實施。
模型
C = S * N(D1) − e − r * T * L * N(D2)
其中:
C—期權初始合理價格
L—期權交割價格
S—所交易金融資產現價
T—期權有效期
r—連續復利計無風險利率H
σ2—年度化方差
N()—正態分布變數的累積概率分布函數，
當然你可以用CAPM來做評估。
Ⅳ 什麼叫官方模型
刻一個雜訊的發生是服從正態分布。該正態分布的均值為零，方差是一個隨時間變化的量(即為條件異方差)。並且這個隨時間變化的方差是過去有限項雜訊值平方的線性組合(即為自回歸)。這樣就構成了自回歸條件異方差模型。
由於需要使用到條件方差，我們這里不採用恩格爾的比較嚴謹的復雜的數學表達式，而是採取下面的表達方式，以便於我們把握模型的精髓。見如下數學表達：
Yt = βXt＋εt (1)其中，
* Yt為被解釋變數，
* Xt為解釋變數，
* εt為誤差項。
如果誤差項的平方服從AR(q)過程，即εt2 =a0＋a1εt－12 ＋a2εt－22 ＋ …… ＋ aqεt－q2 ＋ηt t =1,2,3…… (2)其中，
ηt獨立同分布，並滿足E（ηt）= 0, D(ηt)= λ2 ,則稱上述模型是自回歸條件異方差模型。簡記為ARCH模型。稱序列εt 服從q階的ARCH的過程，記作εt －ARCH(q)。為了保證εt2 為正值，要求a0 >0 ,ai ≥0 i=2,3,4… 。
上面（1）和（2）式構成的模型被稱為回歸－ARCH模型。ARCH模型通常對主體模型的隨機擾動項進行建模分析。以便充分的提取殘差中的信息，使得最終的模型殘差ηt成為白雜訊序列。
從上面的模型中可以看出，由於現在時刻雜訊的方差是過去有限項雜訊值平方的回歸，也就是說雜訊的波動具有一定的記憶性，因此，如果在以前時刻雜訊的方差變大，那麼在此刻雜訊的方差往往也跟著變大；如果在以前時刻雜訊的方差變小，那麼在此刻雜訊的方差往往也跟著變小。體現到期貨市場，那就是如果前一階段期貨合約價格波動變大，那麼在此刻市場價格波動也往往較大，反之亦然。這就是ARCH模型所具有描述波動的集群性的特性，由此也決定它的無條件分布是一個尖峰胖尾的分布。
Ⅳ 期貨市場風險的預測和度量.VAR方法
一、VaR風險測量方法 風險測量的模型主要有兩大類：參數模型和非參數模型。參數模型包括分析法的各類模型，利用了靈敏度和統計分布特性簡化了VaR，但由於對分布形式的假定和靈敏度的局部特徵，分析法很難有效處理實際金融市場的厚尾性和大幅度波動的非線性問題，因而會產生測量誤差以及模型風險。非參數法包括歷史模擬法和Monte Carlo模擬法，相對分析法來說，模擬法可以較好地處理非正態問題，是一種完全估計，可有效處理非線性問題。 １．參數法 分析法是VaR計算中最為常用的方法，它利用證券組合的價值函數與市場因子間的近似關系、市場因子的統計分布(方差-協方差矩陣)簡化VaR的計算。分析法根據證券組合價值函數形式的不同，可分為兩大類：Delta-類模型和Gamma-類模型。其中，Delta-類模型識別的是線性風險，Gamma-類模型可識別凸性風險，例如組合中含有期權類的衍生品。本文將採用Delta-類模型中的Delta-正態模型與Delta-GARCH模型進行分析。 ２．非參數法 （１）歷史模擬法 最簡單而又直觀的方法就是歷史模擬法，其核心就是根據市場因子的歷史樣本變化模擬證券組合的未來損益分布，用給定歷史時期上所觀測到的市場因子的變化，來表示市場因子的未來變化。然後，根據市場因子的未來價格水平對頭寸進行重新估值，計算出頭寸的價值損益變化。最後，在歷史模擬法中將組合的損益從小到大進行排序，得到損益分布，通過給定置信度下的分位數求出VaR。 （２）Monte Carlo模擬法 由於分析利用了統計分布特徵，如果市場存在厚尾性和大幅度波動的非線性問題，則風險測量偏差會比較大。Monte Carlo模擬是反復模擬決定金融工具價格的隨機過程，每次模擬都可以得到組合在持有期末的一個可能值，然後進行大量的模擬，那麼組合價值的模擬分布將收斂於組合的真實分布，然後根據置信度得到VaR。
Ⅵ 什麼是arch模型和garch模型
1、ARCH模型（Autoregressive conditional heteroskedasticity model）全稱「自回歸條件異方差模型」，解決了傳統的計量經濟學對時間序列變數的第二個假設（方差恆定）所引起的問題。
2、GARCH模型稱為廣義ARCH模型，是ARCH模型的拓展，由Bollerslev(1986)發展起來的。
（1）GARCH模型（波勒斯勒夫（Bollerslev），1986年）。GARCH（p，q）模型為：
(6)期貨市場方差模型擴展閱讀：
GARCH的發展：
傳統的計量經濟學對時間序列變數的第二個假設：假定時間序列變數的波動幅度（方差）是固定的，不符合實際，比如，人們早就發現股票收益的波動幅度是隨時間而變化的，並非常數。這使得傳統的時間序列分析對實際問題並不有效。
羅伯特·恩格爾在1982年發表在《計量經濟學》雜志（Econometrica）的一篇論文中提出了ARCH模型解決了時間序列的波動性（volatility）問題，當時他研究的是英國通貨膨脹率的波動性。
Ⅶ 金屬礦產品市場風險預測模型
金屬礦產品市場風險，是指成礦帶所在國家的市場條件的不確定引起礦業投資的不確定性。國際礦產品市場兼具實物市場和金融市場的特徵，特別是近年來大量資金的湧入，更使其金融的特徵加強。金屬期貨市場上的價格波動，直接反映出投資企業面臨或即將面臨的風險。外匯市場上的匯率波動，從間接角度也會給投資企業帶來風險。由於在國際金屬期貨市場上，金屬期貨的價格一般以美元標價，對國內企業來說，要進行國際投資，首先需要把人民幣轉化為相應的外幣，運用外幣才能在國際市場上靈活操作。
金屬礦產資源價格風險是金屬期貨交易中最為普遍、最為經常的風險，它存在於每一種期貨產品中。這是因為每一種期貨產品的交易，都是以對這種產品價格變化的預測為基礎的；當實際價格的變化方向或幅度與交易商的預測出現背離時，就會造成相應得損失。
匯率風險又稱外匯風險，就是由於匯率波動導致企業以外幣計量的籌集資金的價值發生變化的可能性。匯率波動風險，是指由於匯率的波動而給持有或使用外匯的項目公司或其他利益參與者帶來損失的風險。項目融資的成本和利潤對金融市場上匯率變動比較敏感。首先，本國貨幣與國際主要貨幣之間匯率變化的風險將影響其生產成本和費用，同時也會加劇國內市場的競爭，因為國外同類產品的生產者會發現這個市場更具吸引力；其次，各國貨幣之間的交叉匯率變化也會間接影響到該項目在國際市場上的競爭地位；最後，匯率變化也將對項目的債務結構產生影響。
金屬礦產品市場風險度量方法分析，主要是藉助金融市場風險管理理論，來選用市場風險價值（VaR）作為金屬礦產品市場風險測量指標。VaR方法是由JPMORGAN公司率先提出來的，並在實踐中得到了廣泛應用。市場風險度量的方法有多種，VaR方法是目前金融市場風險測量的主流方法。VaR計算方法包括歷史模擬法、方差—斜方差法和蒙特卡羅模擬法。與歷史模擬法和蒙特卡洛模擬法相比，方差—斜方差法的優點是需要的數據量較少，易於操作，因此在實踐中得到了廣泛應用。
VaR的優點在於將不同的市場因子、不同市場的風險集成為一個數，較准確地測量由不同風險來源及其相互作用而產生的潛在損失，適應了金融市場發展的動態性、復雜性和全球整合性的趨勢。
VaR計算方法基本思路是：首先，根據金屬礦產品市場風險因素分析市場風險因子的函數；其次，建立預測市場風險因子的波動性模型，預測市場風險因子的波動性；最後，根據市場風險因子的波動性估計市場風險價值和分布，計算出VaR 值。
（1）基於GARCH族模型的VaR計算
1）VaR計算的基本原理。
VaR譯為風險價值，是指在市場正常波動下，某一金融資產或證券組合的最大損失。更為確切地說，是指在一定概率水平下和特定的持有期內，某一金融資產或證券組合的最大損失。用數學語言，可以定義VaR為：令α∈（0,1）為某一給定的概率水平，則α水平下，投資組合p的VaR 定義如下
國外油氣與礦產資源利用風險評價與決策支持技術
式中：函數
本書是對倫敦銅和人民幣兌美元匯率對數日收益率時間序列進行研究，選取VaR的計算公式：
國外油氣與礦產資源利用風險評價與決策支持技術
式中：t表示第t天；Pt-1為上一個交易日的收盤價；zα為標准正態分布的臨界值，而1%,5%,10%的臨界值分別為－2.33,－1.64,－1.28；σt是由GARCH模型估計得到的收益率序列條件標准差。
2）VaR模型的後驗測試。
為檢驗市場風險計量模型的有效性，需要檢驗VaR模型的計算結果對實際損失的覆蓋程度。本書採用Kupiec檢驗對所建的模型適合性進行檢驗。設Ⅳ為檢驗樣本中損失高於VaR的次數，T為檢驗樣本總數，a是既定的顯著性水平，f表示失敗率。其中：
國外油氣與礦產資源利用風險評價與決策支持技術
則檢驗的假設為
國外油氣與礦產資源利用風險評價與決策支持技術
似然比統計量為
國外油氣與礦產資源利用風險評價與決策支持技術
在原假設下，LR 服從於自由度為1的X2分布。在大樣本條件下，也可以用正態分布來逼近，同樣有較好的檢驗效果。當
3）GARCH（p,q）族模型的基本原理。
金融風險主要是由金融資產價格的波動引起的。大量實證研究發現，金融資產的波動分布具有尖峰厚尾性和波動集聚性，即金融市場波動往往表現出異方差性。1986年Bollerslev在Engle（1982）提出的自回歸條件異方差模型（ARCH）基礎上，建立了GARCH 模型能夠較好地捕捉金融市場風險的這些特性。ARCH 及其以後產生的擴展模型TGARCH、EGARCH等被稱為GARCH模型族。目前，基於GARCH族模型對金融市場風險價值（VaR）的研究已經非常豐富。例如，龔銳、陳仲常等（2005）；陳守點、俞世典（2007）；金秀、許宏宇（2007）；丁元子（2009）等。
廣義自回歸條件異方差模型（GARCH 模型）對各指數的波動性進行分析。具體建模步驟如下：①對收益率序列進行平穩性和自相關性檢驗；②根據相關系數和Q 統計量進行ARMA模型識別；③建立均值方程，根據殘差自相關性檢驗確定模型擬合效果，並運用LM方法對序列殘差項進行ARCH效應檢驗；④採用極大似然法進行GARCH模型的參數估計；⑤根據擬合優度統計量評價模型。
A.GARCH模型。
1986年Bollerslev提出GARCH模型。GARCH（p,q）模型的一般公式包括兩部分：均值方程形式和方差方程形式。可寫為
國外油氣與礦產資源利用風險評價與決策支持技術
式中：εt為殘差；rt為收益率；αj為GARCH項系數，代表了隨機誤差項的方差滯後期對當期方差的影響；βi為AHCH項系數，代表前一期隨機誤差項對即期殘差方差的影響程度，刻畫了市場對於新的信息的反映；σt為條件方差，刻畫了市場的波動性；其中模型參數滿足一下約束：c≥0，ω≥0，α≥0，β≥0。
B.TGARCH模型。
Zakoian（1990）及Glosten,Jaganathan和Runkle（1993）提出的TGARCH（門限TGARCH）模型的一般形式為
國外油氣與礦產資源利用風險評價與決策支持技術
和GARCH 模型相比，在TGARCH 模型中設立了一個閥值dt-1，用來描述信息的影響。
其中，dt-1是一個名義變數，取0或1；市場上利好或利壞對條件方差的作用效果是不同的。上漲時，εt≥0表示利好消息，則
另外，以上模型中
4）實證分析。
A.數據來源。
本專題的金屬期貨的收盤價格採用倫敦期貨交易所發布的期銅收盤日收盤價格，用大智慧軟體下載。匯率所使用的資料為人民幣兌美元的匯率，來自美國聯邦儲備銀行聖路易斯分行聯邦儲備經濟資料庫（Federal Reserve Economic Data）提供的統計數據。兩者數據選取區間為2005/07/22～2009/09/04日止，其中扣除非營業日及部分交易資料的缺失。對缺失數據的處理，為當日缺失資料的前一天以及後一天的平均來當作當日缺失的資料，一共各1063個數據。
B.收益率序列基本特徵分析。
市場收益率採取對數日收益率的形式，定義為
國外油氣與礦產資源利用風險評價與決策支持技術
式中：ri,t為第i市場第t日的收益率；pi,t為i市場第t日的價格，i取1時表示期銅市場，i取2時表示外匯市場。收益率序列的主要統計特徵如圖9.18所示。可以看出均存在波動集聚性和爆發性，可認為兩個收益率序列均是隨機的。
圖9.18 收益率序列的主要統計特徵
根據表9.12給出的收益率序列的主要統計特徵，由偏度值可知倫敦銅收益率序列是左偏的，人民幣兌美元收益率序列是右偏的。兩者均具有尖峰厚尾現象，並且匯率市場比期貨市場明顯。由J-B統計檢驗知二者均拒絕服從正態分布的假設。由Q（20）和Q2（20）值可知，兩者的收益率序列和收益率平方序列均在1%的顯著性水平下，拒絕了不存在序列相關性的原假設，即都存在顯著的序列相關性，說明波動的集聚性很顯著。適合用GARCH模型來建模。
表9.12 兩收益率序列的主要統計特徵
GARCH模型的參數估計：
a.倫敦銅的最優模型為GARCH（1,1）:
國外油氣與礦產資源利用風險評價與決策支持技術
b.人民幣兌美元最優模型為TGARCH（1,1）:
國外油氣與礦產資源利用風險評價與決策支持技術
式中：括弧內數據表示參數估計的標准差，***表示在99%置信度下顯著，**表示在95%置信度下顯著；*表示在90%的置信度下顯著。
c.VaR的計算與分析。
通過式9.14與式9.15可計算出倫敦銅與人民幣兌美元對數收益率序列的條件方差
圖9.19 不同置信度下的VaR值與實際收益率的比較
d.採用Kupiec失敗率檢驗對所建的模型進行後驗測試。
表9.13 後驗測試結果分析
由表9.13可知，從似然比統計量LR值可以看出，在給定的置信水平下都小於臨界值，說明所建的VaR模型是合理的。通過α與f比較，可以看出期銅GARCH（1,1）模型預測結果基本覆蓋了實際損失，RMB/USD的TGARCH（1,1）模型略微低估了市場風險。
（2）基於歷史模擬的VaR計算方法
歷史模擬法（英文簡稱Hs）作為一種常用於VaR估值的方法，主要特點是對市場因素未來變化的概率分布並未做過多假設，只利用市場因素的歷史變化來構造未來投資組合盈虧的概率分布。在給定置信度（95%,99%）的情況下，利用分布函數找出頻數分布中佔到5%、1%的損失臨界值，以此作為VaR值。歷史模擬法步驟如下。
1）以歷史模擬法來估算I項資產未來一天的風險植的程序。
步驟一，選取過去N＋1天第I項資產的價格作為模擬資料；
步驟二，將過去彼此相鄰的N＋1筆價格資料相減，就可以求得N筆該資產每日的價格損益變化量；
步驟三，步驟二代表的是第I項資產在未來一天損益的可能情況（共有N種可能情形），將變化量轉換成報酬率，就可以算出N種的可能報酬率。
步驟四，將步驟三的報酬率由小到大依序排列，並依照不同的信賴水準找出相對應分位數的臨界報酬率。
步驟五，將目前的資產價格乘以步驟四的臨界報酬率，得到的金額就是使用歷史模擬法所估計得到的風險值（VaR）。
2）實證分析。
以倫敦市場上的期鋁為例，選取2007/7/19～2009/11/18日共592個數據，數據來源為Wind資訊金融資料庫。市場收益率採取對數日收益率的形式，公式為：rt=ln（pt）-ln（pt-1）。按照歷史模擬法的計算步驟，估計的向前一步預測在不同置信度下的市場風險價值計算結果如圖9.20所示。
圖9.20 計算結果
（3）兩種度量方法的比較
一般情況下，從失敗天數與失敗率來看，GARCH模型能更好地刻畫股市收益率的變動。從計算的VaR值來看，Hs法明顯比GARCH模型下高估了風險。VaR方法是在假設正常市場條件下對市場風險進行估算。
在估算結果的可靠性方面，Hs法過於直接依賴歷史數據。因此，當選取的考察期沒有代表性時，則Hs估算出的VaR值不能很好地反映市場風險。後種方法雖然也依賴於考察期的歷史數據，但後果不如前者那麼嚴重。但是Hs法簡便、易懂，最容易被人理解和運用，而後種方法則需要一定的概率統計和金融衍生工具的背景知識。
總之，GARCH模型在VaR的測量中更具有準確性、靈活性等特點，在當前股市瞬息萬變的情況下，已越來越為大多數人所接受，在VaR的測量方法中成為主流。
Ⅷ 套期保值過後的收益率方差比不做套期保值的收益率方差還要大為什麼
股指期貨進行套期保值的全流程進行闡述。其操作過程有十大步驟。第1步、套期保值時機選擇何時開始套期保值是個重大問題，也是套期保值的難點之一，時機選擇的好壞直接影響到套期保值績效。套保時機的選擇，是對滬深300指數趨勢的判斷，其涉及到宏觀面、政策面、資金面和技術指標等因素的綜合研判。第2步、確定被套保資產組合范圍、套保期限、選擇期貨合約通過對投資者持有的資產組合進行分析，我們可以選擇整個資產組合或者資產組合中的同屬性子組合進行套期保值。套保期限的確定涉及到投資者對滬深300指數未來走勢的判斷。若投資者通過分析判斷，認為在未來一段時間內滬深300指數將是下降市，那麼投資者的套保期限就是未來這段時間。考慮到期貨合約流動性和到期日效應，我們採用當月合約和展期的套保策略。第3步、套期保值資產Beta分析—CUSUMSQ一般來說，Beta是不穩定的，其波動程度對套期保值策略的設計非常重要，因此需要對現貨資產Beta的穩定性進行事前研究。Beta值是否穩定是個相對概念，當Beta值的變動超過一定的閥值就要對期貨頭寸進行調整，從而使得現貨資產的系統風險得到更好的對沖。第4步、確定套期保值模型計算最優套期保值比率國際上，計算最優套期保值比率的常見模型有OLS(普通最小二乘法模型)、VAR(向量自回歸模型)、VECM(向量誤差修正模型)、VGARCH(向量廣義自回歸條件異方差模型)和SSM(狀態空間模型)等。第5步、確定建倉方向和頭寸如果投資者持有現金並預測市場未來將上漲，為了規避踏空的風險，減少等待成本，那麼投資者可以進行多頭套期保值，即先買入股指期貨，然後再逐步買入現貨並平倉期貨頭寸。如果投資者持有股票頭寸並預測市場未來將下跌，為了規避系統性風險，可以採用空頭套期保值策略，即持有股票不動，同時賣空股指期貨。第6步、Beta監控(SSM)——動態調整(1%)Beta值是否穩定是個相對概念，當Beta值的變動超過一定的閥值就要對期貨頭寸進行調整，從而使得現貨資產的系統風險得到更好地對沖。但是，如果完全按照動態變化的最優套期保值比率調整期貨頭寸，可能因為交易成本太高，導致整個組合的價值下降，進而影響到套期保值的效率。因此，在實際進行套期保值時，應該綜合權衡調整頻率和交易成本，採用一定的調整策略。第7步、套保績效評估一般地，有兩種原則對套期保值的績效進行評價：（1）風險最小化原則。由於套期保值就其本質而言仍然是一個資產組合管理問題，根據Markowitz 資產組合理論，就是要對這一跨期、現兩市場的資產組合尋求固定收益下的最小風險， 這就是套期保值過程所遵循的「風險最小化原則」。（2）效用最大化原則。除了追求較低的收益率波動，投資者也會追求較高的收益率絕對值。採用「基於效用」的比較方法，可以綜合考慮收益率大小、波動程度以及投資者風險厭惡程度。第8步、現金管理期貨保證金管理是套期保值中十分重要的內容。由於期貨市場採用的是保證金交易和逐日盯市制度，因此需要對期貨頭寸的保證金進行規劃和管理。一方面，股指期貨在開倉時繳納一定的保證金後，還要預留一定的額度來對每日出現的虧損進行及時補充；另一方面，套期保值的期貨頭寸需要進行動態調整時可能需要新開倉合約，這也需要預先規劃一定的儲備資金。第9步、展期管理當套期保值合約接近到期時或者套保合約價格出現較大不利變化時，投資者可以選擇展期，好的展期策略可以為投資者套期保值組合帶來超額的回報。我們提供兩種展期的方案：（1）時間域上按成交量滾動展期；（2）展期管理，套保和類套利的方式。第10步、套保結束投資者建立在對未來市場走勢判斷的基礎上作出提前平倉或者到期交割的決定，控制整個套期保值組合的風險。如果投資者判斷市場出現逆轉，可以提前平倉結束套期保值。當套期保值合約到期時，投資者對合約進行交割結算，完成整個套期保值過程。