宋 芳， 徐学荣

(福建农林大学 经济学院， 福州 350000)

近年来，全球经济增长疲软，贸易争端频发，加之2020年新冠病毒的全球蔓延加剧了外部不确定性，国际市场大宗商品价格波动剧烈且频繁，导致原料端对外依存度高的饲料企业价格风险骤增。原料价格风险会增加企业经营的不稳定性，进而影响供应链和产业链的正常运行，且无法通过投保等形式将风险转移和分散出来。因此，饲料企业为了规避原料价格波动风险、协调原料供需矛盾，除了引进先进的科学技术、高层次的专业人才和高质量的服务之外，还需要借助金融衍生品市场的套期保值、套利等策略进行原料头寸风险管理，从而更有效地控制采购成本和库存风险，实现稳健有序经营。中国期货市场的起步相对较晚，虽然国内饲料企业利用期货市场进行风险管理的意识日渐成熟，但整体上参与度仍较低，很少能够根据自身的实际需求和市场环境波动灵活地运用合适的套期保值和套利策略来规避原料价格风险。鉴于此，本文试图根据近五年的饲料原料价格数据寻找最优套期保值比率及策略，同时对主要原料品种跨品种套利的可行性进行实证。在此基础上，针对不同类型的饲料企业提出相应的风险规避策略，以期对中国饲料企业规避原料价格风险提供可行的路径。

1 中国饲料企业原料价格风险管理的现状

1.1 饲料企业原料价格风险

中国饲料企业产品逐渐成熟，同质化严重，企业的毛利率主要受上游原料价格波动和下游养殖户的供求变化影响。近年来，行业的平均毛利率仅1.4%～5.35%，原料成本在总成本中占比高达80%，故其价格波动对饲料企业的盈利起到决定性的作用。2012—2019年，饲料主要原材料的年化价格波动率均为25%以上，波动幅度较大。2020年至今，在贸易摩擦和新冠疫情的双重影响下，主要原料品种价格波动率又创新高。原材料价格剧烈波动严重影响饲料企业的生产成本和稳健运营。国内饲料行业竞争激烈，企业在近乎完全竞争的市场状态下几乎没有任何市场价格操控能力，因此更需要较强的风险管理能力来规避上游的原料价格风险。

1.2 饲料企业原料价格风险管理的传统模式

饲料生产所处产业链看似单一，实则参与企业多，影响的范围广，饲料企业只有实现原料供应、购销加工和风险管理的一体化，才能有效化解原料采购的长期风险。目前，国内饲料企业控制原料价格风险管理的传统模式主要有：在准确快速判断市场行情的基础上把握采购时机；当价格有上涨趋势时，加大采购力度以维持高库存，反之，保持较低库存；适当提高产品价格，将原料价格风险转移至下游产业；集中或者网上采购；通过订立远期供货合同；用其他原料替代或者降低配方中成本高的原料比例；依靠政府、行业协会调整价格，等等。随着中国的饲料行业对外依存度的不断攀升，应用这些传统的风险管理模式已经很难规避来自全球原料市场的风险。因此，通过期货市场进行套期保值、套利等操作逐渐成为饲料企业规避风险的主要手段。

1.3 饲料企业参与期货市场的风险管理模式

饲料企业参与期货市场进行风险控制主要有套保和套利两种模式。套保主要是在价格低时进行买入保值来维持库存，以此提高资金利用率，降低不易保存原料的损耗；反之，用卖出保值锁定库存风险。套利则更为灵活，只要单品种或不同品种产品由于市场供求波动产生价差，就存在一定的套利机会。然而，对于国内大多数饲料企业而言，尚未能灵活地确定套保策略的头寸比例及适宜的套利策略，导致不完全套保、套利成为常态。鉴于此，本文将分别对中国主要饲料原料的套保和套利策略进行实证研究。

2 饲料企业套期保值策略

中国饲料企业运用套期保值手段进行原料价格风险规避的研究由来已久，企业在实践中也积累了较多经验。制定套期保值策略的核心是计算最优的套保比率，从而在一定的资金约束下实现最大化的收益，以期得到更好的风险规避效果。

2.1 最优套期保值比率的计算

目前，关于各饲料原料品种最优套期保值比率的计算并无定式，常见的方法有OLS、误差修正模型(简称ECM)、B-VAR模型、GARCH族模型等，但中外学者普遍认为将期现货价格之间的协整关系纳入考虑的模型得到的结果更为科学、合理。鉴于此，采用误差修正模型对饲料原料的最优套期保值比率λ进行估算(ECM模型相关内容可参考文献[1])，并在此基础上利用式(1)对套期保值的绩效进行评价，即

(1)

式中，Var(Rt)和Var(Ht)分别为资产组合中未参与套期保值的收益率方差和参与套期保值的收益率方差[2]。

2.2 样本数据的处理

基于数据的可获取性和主力合约成交量大，不易受单一资金拉动的考虑，以2015年1月5日至2020年1月23日豆粕、菜粕、大豆和玉米期货主力合约收盘价和全国现货均价为样本区间，其中豆粕、菜粕、大豆(豆一)和玉米期货主力合约收盘价取算术平均价作为套期保值期货价格(简称“期货价格”，记为FP)，全国现货均价为样本区间大豆、豆粕、玉米和菜粕现货价格算术平均价作为饲料现货价格(简称“现货价格”，记为SP)，数据均来源Wind资讯金融终端系统的日数据。除节假日外，个别特殊交易日使部分数据不能对应，故将部分时间不一致数据剔除。同时由于新冠疫情对农产品期现市场尤其是现货市场交易冲击较大，大量投资者交易的非理性导致价格异常波动从而影响正常套保策略的制定，因此暂不考虑2020年春节后异常时期的交易数据，最终样本数为1 193对期现货价格，并对数据做对数化处理，使之变成收益率序列。此处暂不考虑期、现货交易的成本。

2.3 实证检验过程

2.3.1 相关检验

分别对加权平均后期货和现货价格收益率序列进行正态性检验，峰度分别为3.255和2.477，序列表现为左偏但比较接近正态特征，两者存在极差且价格波动风险较大，存在套保机会。同时，现货价格收益率的标准差0.061 6小于期货价格收益率的标准差0.079 7，两者的变动趋势并不完全一致，就意味着企业若采取传统套保策略，则可能面临由基差变动引起的价格风险。5%显著性水平下，经检验期货价格和现货价格收益率序列经一阶差分后皆为平稳序列，两者建立的协整方程残差et平稳，说明期货价格和现货价格之间存在着长期的均衡关系。且两者的格兰杰因果关系检验结果显示，在5%的置信水平下，期货价格的变动可能是引起现货价格变动的格兰杰因果原因，期货价格对现货价格具有一定的引导作用。进行滞后期数为10的方差分析，期初期货价格100%来自于期货市场的影响，随着滞后期增加虽然略有降低，但最终趋近于99.27%，说明期初期货市场对现货价格的影响较小，但其随着滞后期的增加逐渐提高至59.64%并超过了现市的比例。可见，期货市场在引导市场的价格能力远远大于现货市场，由此可以进一步判定饲料企业通过期货市场进行套期保值操作的可行性。

2.3.2 最优套期保值比率及其有效性

将上文协整关系检验中的残差项作为误差修正模型的误差项，确定最优滞后期数2并得到最终的误差修正模型：

(2)

t: (18.400 1) (8.503 0) (1.568 7) (-0.537 9) (0.318 2) (-3.084 4)

经检验，模型在5%显著性水平下不存在显著异方差和自相关。模型得到最优套期保值比率为0.330 3，表示一单位现货风险需要0.330 3份期货头寸对冲。误差修正系数Zt-1=ln FPt-1-ln SPt-1为负说明误差修正项对现货价格的变动起反向调节作用，Δln FPt-1和Δln FPt-2的系数不为零，说明短期内期货价格的变动对于现货价格的变动有显著的调节作用。将模型结果代入绩效指标公式(1)可以计算得出最优套保比率有效性为0.256 3。该模型计算得到的最优套保比率可以降低传统1:1套保所需持有的期货头寸，减轻企业资金占用方面的压力，使现货企业的预期收益更加平稳。但该套保策略在未考虑交易成本的情况下其有效性还有待提高,其有效性偏低一方面是由于中国作为大宗商品消费大国并没有掌握大宗商品交易过程中的主动权。近年频繁的贸易争端导致期货价格波动愈加剧烈，可能对期货市场的风险规避能力造成一定的冲击；另一方面从交割量和企业参与情况来看，中国期货市场高度投机行为频繁发生，反复的价格炒作易使期货价格与现货价格存在较大偏离，市场的功能难以充分发挥。

3 饲料企业套利策略

在国际经济政治环境、宏观经济和新冠疫情等多重压力下，饲料原料期、现货价格波动剧烈，套利策略因其较低的投资风险越来越受到企业投资者的关注与青睐。鉴于跨品种套利相对于单品种套利在收益性、安全性、多样性等方面的优势，将重点介绍和实证跨品种套利策略。

3.1 跨品种套利相关理论

跨品种套利是在同一期货市场中两种商品期货合约价格间并在同一期间内的相关性进行套利，即为两种相互关联的商品的合约建立相反的头寸。在跨品种套利交易中，品种间需存在较强的相关性并存在长期稳定的关系。两个产品一般是同一产业链上的产品，可以是上下游、相互替代或互补关系。尽管产品的品种不一致，但反映的都是近似的市场供求关系，价格差异应保持在合理水平[3]。

跨品种套利面临的主要有政策风险、市场风险等。由于中国期货市场各项制度仍不是非常完善，受政策、市场波动、重大公共事件影响导致合约价值异常波动的现象在期货市场中并不罕见[4]。当用于跨品种套利的期货合约受到各种风险的影响出现不利的价格波动时，可能会给套利组合持有者带来保证金的损失，如果不能及时补充保证金，则会面临强行平仓的风险。

3.2 实证检验过程

对样本区间内豆粕、菜粕、大豆(包括豆一和豆二)及玉米的5个期货品种主力合约价格取对数并进行平稳性和协整检验，结果显示各品种价格序列均在一阶差分后为平稳序列，且豆粕与菜粕、豆一与菜粕、豆一与豆粕、豆二与玉米之间存在长期均衡关系，具备跨品种套利的条件(检验过程在此不做赘述)。实证基于天择掘金量化投资系统运用MATLAB语言构建开仓进场模块、平仓离场模块和止损离场模块进行策略回测，初始资金为100万元人民币，频次设为60 s，回测基准为沪深300指数，暂不考虑交易费用。图1～图4为开平仓数量增至100手后，豆粕、菜粕、大豆和玉米4种原料期货主力合约按照1：1的比例进行跨品种套利的回测结果。

从图中可以看出，在初始资金充裕的情况下提高交易量后几个原料品种套利交易的收益率均大幅度提高，除豆粕和菜粕外，其他3个跨品种组合的累计收益率超过200%，年化收益率均在50%以上，胜率达到40%以上，且夏普比率值较高，说明套利策略风险回报良好，最大回撤率在2%～5%左右，几个饲料原料品种的跨品种交易策略整体表现较好，盈利能力可观，具备较大可行性。需要说明的是，该套利回测模拟实验中样本数据跨度将近五年，开平仓次数累计上万次但均未考虑交易费用，实盘中频繁开平仓将导致较高手续费，故实际收益率将有所下降，但仍有较大获利空间。

4 结语

应用误差修正模型计算了饲料企业投资者的最优套期保值比率并对其套保有效性进行了检验，在此基础上还对豆粕、菜粕、大豆和玉米等主要饲料原料跨品种套利的可行性进行了研究，取得了较好的实证结果，经检验几个品种间满足跨品种套利的条件并存在较大的套利空间，为中国广大饲料企业规避原料价格波动风险提供了新的可选路径。基于本文的研究结论，从企业和政府两个层面提出如下建议：

图1 豆粕与菜粕

图2 豆一与菜粕

1)从企业层面上来看，对于具备较高的产业认知度和金融素养，且具有充裕的资金和较高的风险承受能力饲料企业投资者来说，可以结合相关法律政策、外汇市场上的汇率波动、进出口政策、期现货基差走向、产业链上下游发展情况、国内外港口库存波动情况、物流运输情况、相关替代品的竞争等多种因素来制定不同的跨品种套利策略，如大豆、豆油、豆粕产业链上的压榨套利，豆粕、菜粕间的替代套利，豆油与豆粕、菜籽油与菜粕间的伴生套利等等[5]。同时要根据市场环境变化随时对套利模型进行动态调整，根据价差变化规律变换模型参数，降低跨品种套利的风险。只要能够利用好金融衍生品工具，构建良好的风险规避体系，审时度势选择适宜的套利策略将大大提高企业投资者的交易胜率和收益率，从而有效规避价格波动给其带来的损失。但对规模较小且缺乏金融衍生品专业人才和交易经验的中小饲料企业投资者而言，需注意防范期货市场的巨大风险，建议还是以相对简单便捷、资金占用较少的单品种套期保值策略为主，切勿在高收益和所谓的“无风险套利”诱惑下盲目进行套利投资，导致亏损甚至爆仓。

图3 豆一与豆粕

图4 豆二和玉米

2)从政府层面来看，应逐步推进中国大宗商品流通体制的市场化改革，加大对外开放力度，完善多层次衍生品市场体系建设，鼓励市场良性竞争，引导产业企业参与期货交易，提高产业集中度，进而提高定价话语权；其次，在丰富各类商品品种以匹配实际经济需要的同时，深化现有期货品种的功能发挥，并逐步推出国债、外汇等金融期货品种，增强中国在国际上的综合竞争力；最后，必须健全和制定与中国金融市场国情相适应的风险预警系统，开启相应的报警、披露等机制，防止市场过度投机炒作，严格防范市场价格操纵等违法行为。