期货调整的风险调控作用及制度改革

导语：期货调整的风险调控作用及制度改革一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：本文以大连商品交易所数据为样本、以VaR（Value-at-Risk）为基础对我国期货市场保证金制度的调节市场风险作用进行了理论和实证分析。结论表明，保证金上调时市场风险减少；保证金下调时市场风险几乎不变。基于本文结论和我国现实情况，我们从保证金设置的两个基本原则（审慎性原则和机会成本原则）出发，提出了我国期货市场保证金制度改革的若干建议。

关键词：VaR，事后检验，组合保证金，期货市场

一、引言及文献回顾

保证金制度是期货市场风险控制的最重要环节，被称为期货市场防范风险的“第一道门槛”，在控制市场风险中具有至关重要的地位。保证金制度主要包括保证保证金水平设置、保证金调整权限安排、清算机构设置、保证金等级区分等。其中，最重要的是保证金水平设置和保证金调整权限安排。保证金水平设置直接体现市场风险控制的水平及有效性；保证金调整权限安排则与一国的整体经济制度有关。我国期货市场保证金制度在早期有效地保证了期货市场的稳定发展，但随着市场环境的发展、成熟，我国期货市场保证金的设置方法、及调整权限安排酝酿着改革。改革的前提是对现有的保证金制度有深刻的认识，而我国目前关于现有保证金制度的有效性方面的实证证据比较少，研究方法比较简单，相关的理论研究也比较缺乏，对保证金调整的市场风险影响作用的理论认识不深。因此，改革我国保证金制度还缺乏足够的理论、实证依据。为此，本文对我国目前期货市场保证金制度的市场风险调节作用进行理论和实证分析，为保证金制度改革提供科学依据。此外，除了如此重大的实际意义，本文还具有重要的理论意义，即相对于国内外已有的研究主要集中在保证金水平调整对某一类型风险防范，本文的研究扩展到保证金水平调整对整体市场风险的影响，丰富了这一领域的研究范围。

国际上保证金设置方法基本上可划分为策略基础保证金（Strategy-BasedMargin）和风险基础保证金（Risk-BasedMargin）。策略基础保证金将一个组合的各个投资按照市场价值比例计算，即使一些投资的保证金能相互抵消，这些可抵消的投资必须符合事先的明文规定，而与各投资间的实际相关性无关。策略基础保证金没有考虑各投资的波动性。传统的保证金设置方法即属于策略基础保证金，它具有静态、一刀切的特点。风险基础保证金（Risk-BasedMargin）在计算组合保证金时，以投资的风险价值而非市场价值为基础，并且考虑了投资的波动性、各投资间的相关性在抵消保证金时的作用。这两种保证金设置方法的重要区别是对组合投资中各投资价值相关性的处理，策略基础保证金基本忽视了各项投资间的实际相关性，而组合保证金则考虑了这种相关性。因此，一般情况下，相对于策略基础保证金，组合保证金可以在控制市场风险基础上有效降低投资成本。就我国期货市场而言，随着期货市场发展及衍生品种的增加，目前的策略基础保证金向组合保证金转变是一个可能的方向，随之而来的是组合保证金水平的可能下降。但这里还存在一些认识上的问题。实物界普遍认为我国目前的策略基础保证金水平过高，理论界也提供了相应的支持证据（鲍建平等，2005）。但保证金水平下降会对市场风险产生什么样的影响呢？这个问题目前还没有人回答。我们则尝试从理论和实证角度对该问题进行解答。

目前国内外学者在保证金方面的研究主要集中在保证金设置原则

（Boothetal.,1997;Baeretal,1994;Lametal,2004）、保证金设置方法（Figlewski,1984;Duffie,1989;Warshawsky,1989;Longin,1999,2000;Cotter,2001；李翔，1994；徐国祥，1999；庞晓波、吕继宏，1999；胡杨梅，2001；刘文财，2003；刘志强、汪红梅，2003；徐国祥、吴泽智，2004；鲍建平，2004；迟国泰等，2005；），关于保证金调整对市场风险影响方面的研究相对较少，且集中在防范某一类型的风险，主要是防范交易者违约风险方面。具体地，大多数国外学者认为交易者的违约风险与保证金的高低成反比。即保证金率越高或保证金持仓量越低，违约风险越小；保证金率越低或保证金持仓量越多，则违约风险越高。但是，不同学者对保证金高低与期货价格波动性的关系持不同意见。Hartzmark(1986)认为保证金和期货价格波动性的关系是不可预测的。Kupiec(1989)对以S&P500股票为基础资产的S&P500期货的实证发现保证金率提高一般会导致现货市场价格波动性提高。而Fishetal.(1990)以10个农产品、金属期货合约为样本、Day和Lewis(1997)以原油期货合约为样本则发现，保证金率高低与期货价格波动性并无相关性。尽管国内的研究（鲍建平等，2005）指出我国目前的铜期货保证水平过高，但没有回答铜期货保证金水平下降会导致铜期货市场风险何种影响。这些研究关于保证金调整对市场风险影响方面探讨并不多。因此，本文的研究将填补国内外研究在保证金水平调整对市场风险影响方面研究的不足，推进人们对保证金制度防范市场风险作用的认识，为我国期货市场保证金制度改革提供科学的理论、实证证据。

本文其他结构安排如下：接下来的第二部分提出了一个简单模型；第三部分首先提出了基于VaR的市场风险变化检验的新方法，接着回顾了大商所2001年至2004年10月底关于大豆期货合约的保证金调整沿革，然后采用不同方法动态测量了大商所的市场VaR并选取了最优VaR；第四部分以第二部分的理论分析为基础进行实证分析。最后是在文章结论基础上结合我国国情提出我国未来期货市场厂保证金制度改革的若干建议。

二、理论分析

设第t日期货价格为，收益率为对数收益率，，具有连续的分布密度函数。给定（下面称为覆盖率）置信水平的VaR定义为：

(1)

假设1：保证金变动不影响收益率的分布密度函数。

假设2：期货价格遵循如下过程：

(2)

其中，为期货基础资产的价格，为无风险收益率且在期货合约期内不变，为交易成本，（）为到期期限。(2)基于如下理由：当交易成本为0时，它即是无风险利率不变时的期货定价公式（Hull,2000;Coxetal.,1981）；(2)表明期货价格是交易成本的增函数。随着交易成本的增加，投资者要求回报率也增加，从而导致期货价格也上升。假设2使得收益率变为：，设的下限为。

假设3：随着保证金的变动，交易成本出现如下的变化：（1）与保证金变动方向完全一致的变化；（2）与保证金变动方显不起完全一致的变化。

假设3是合理的。先考虑第一种情况，即交易成本随保证金变化而发生同方向的变化。如果保证金较率高或保证金持仓量很少，投资者在初始投资时交纳的初始保证金就越多，占用了更多其他资金的用途，机会成本增加。不仅如此，当市场变化对投资者不利时，他需要追交的保证金也越多。该假设与Fish和Goldberg(1986)、Hartzmark(1986)的结论一致。

我们可以把第一种情形看作当投资者是理性时的情形，称之为交易成本随保证金变化而一致变化。然而，有时投资者并不完全理性。譬如，在展望理论（Kahneman,Tversky,1979）中，投资者就可能表现出反射效应（ReflectionEffect），即在面临盈利时风险厌恶，但在面临亏损时风险喜好。因此，我们可以把假设3的第二种情形理解为当投资者并不完全理性时的情形。为了简化分析，我们考虑两种极端的情况，即当保证金上调时交易成本增加，而当保证金下调时交易成本不变（我们称此种情况为交易成本仅随保证金上调而变化）；或当保证金下调时交易成本减少，而当保证金上调时交易成本不变（我们称此种情况为交易成本仅随保证金下调而变化）。

命题1：在1-3的假设下，若交易成本随保证金变化而一致变化，则VaR的变动方向与保证金变动方向相反。保证金率越高或保证金持仓量越少，VaR越大；反之，VaR越小。

证明：考虑保证金调高的情形。显然，为的增函数。当保证金调高时，假设3使得增加，从而收益率下限增加。由于固定，也随之增加，即VaR减少。□

类似地，我们有如下的结论：

命题2：在1-3的假设下，若交易成本仅随保证金上调而变化，则VaR仅随保证金上调而下降；但当保证金下调时，VaR不变。

命题3：在1-3的假设下，若交易成本仅随保证金下调而变化，则VaR仅随保证金下调而增加；但当保证金上调时，VaR不变。

三、市场风险变化检验方法及大商所市场风险测度

1.市场风险变化检验方法

要衡量制度调整的市场风险控制作用需要解决两个问题：第一是市场风险的衡量，第二是比较制度调整前后的市场风险。对于第一个问题，我们采用VaR来衡量。按照传统的方法，第二个问题一般采用事件研究方法来处理。但是，当数据呈现出有偏、细峰等非正态性特点时，事件研究方法不是有效的。为此，按照VaR本身的特点，我们提出如下两种方法测度制度调整的市场风险控制作用。第一是比较事件前后的实际损失超出VaR值的次数，即例外次数。如果事件发生后的例外次数与事件发生前的例外次数明显不同，则可以认为事件发生影响了市场风险。当事件发生后的例外次数明显多于事件发生前的例外次数时，则该次事件增加了市场风险；反之，则减少了市场风险。但是，由于例外次数发生的随机性，当事件发生后的例外次数与事件发生前的例外次数相差不多（如0次和0次，0次和2次等相差0-2次的次数间）时，这种方法在得出结论时很困难。因此，我们提出第二种方法。第二种方法是直接比较事件期前后VaR本身的值。当事件发生后的VaR明显大于事件发生前的VaR时，则该次事件增加了市场风险；反之，则减少了市场风险。我们分别将第一种方法和第二种方法称之为例外次数检验法和VaR值检验法。当例外次数检验和VaR值检验的结论相同或不相互一致时，我们才接受检验结果；或者当两种方法不太一致时，我们只接受最保守的结论。出于稳健性考虑，我们分别考察了事件期前后5、10、20个交易的样本。

2.大商所保证金调整沿革

20世纪90年代早期的中国期货市场相对不规范，违规事件较多且影响严重，交易所数量非常多。为了规范并促进市场发展，国务院于1998年8月1日开始整顿市场，撤销了一些交易所，合并、保留了现在的三家交易所。因此，本文研究大商所从2001年至2004年10月底关于大豆期货合约的保证金调整的市场风险控制作用。

在这段时间里，大商所进行了数次保证金的调整，为我们的研究提供了足够的样本。在整顿初期，风险防范和控制是主要目的，因此当时的保证金持仓量很低，保证金率也较高。最低保证金持仓量为25万手，依次增加5万手到最高35万手；保证金率相应的分为四个档次，分别为5%、8%、11%和15%。随着市场的逐步规范、投资者日益增多，降低保证金以更加活跃市场、促进发展成为需要。于是，大商所在2001年对自大豆合约0209以后（包括大豆合约0209）的合约交易的保证金进行了调整，将每个档次的保证金持仓量都提高了5万手，保证金率没变。2002年，大商所进一步对自大豆合约0311以后（包括大豆合约0311）的合约交易的保证金进行了调整，将每个档次的保证金持仓量都提高了10万手，并且将每个档次之间的差距也提高到10万手，保证金率分别降为5%、8%、9%和10%。但是，大商所的期货价格在2003年10月急剧波动，大商所从市场角度出发于2003年11月5日将最低保证金率提高到7%。表1列出了大商所历次调整沿革。

表1大商所关于大豆期货合约的保证金的历次调整（2001年——2004年10月底）

合约月份双边持仓总量（N）交易保证金（元/手：合约价值）合约月份双边持仓总量（N）交易保证金（元/手：合约价值）

事件1：对自大豆合约0209以后合约交易的保证金调整事件2：对自大豆合约0311以后合约交易的保证金调整

N≤30万手5%N≤40万手5%

30万手<N≤35万手8%40万手<N≤50万手8%

35万手<N≤40万手11%50万手<N≤60万手9%

40万手<N15%60万手<N10%

事件3：对自2003年11月5日后的大豆合约保证金的调整：将最低保证金率提高到7%。

注：（1）各次事件按发生时间顺序编号。“自A日”的实际表达为“自A日且包括A日”。

（2）在事件1中，每个档次的保证金持仓量都增加。在事件2中，不仅每个档次的保证金持仓量都增加，而且每一档次的保证金率也下降。因此我们可以将事件1和事件2认为是保证金下调的事件。很明显，事件3是保证金上调的事件。

3.大商所市场VaR测算

本文研究的收益率数据为大商所大豆期货收盘价的对数收益率。对于到期期限的问题，我们按照通常方法处理。由于大商所大豆期货合约的合约月份为单月，即1、3、5、7、9、11月，因此我们取到期期限最短合约在到期前2个月的收盘价为市场价格。例如，在2003年10月，到期期限最短合约为大豆0311合约，9、10月的市场价格即取该合约的收盘价。为了减少舍入误差，我们将原来收益率数据扩大100倍。我们采用1000个事前样本估计下一个交易日VaR。总样本区间为1997年11月3日至2004年10月28日，其中1997年11月3日至2001年12月17日为1000个初始样本，总共1690个样本。

收益率全样本表现出有偏（偏度为0.2224）、细峰（峰度为15.4703）的非正态性（Jarque-Bera统计量高达10964.31，相应p-值为0）特点。因此，不能采用标准的RiskMetrics方法测量VaR。针对这种特点，我们采用Garch类模型及历史模拟的方法来测算。

设收益率服从如下过程：

(3)

分别为阶滞后算子，为常数。当时，(3)即为标准的AR(k)-Garch(p,q)模型；当的t分布时，(3)即为AR(k)-Garch(p,q)-t模型；当的广义误差分布时，(3)即为AR(k)-Garch(p,q)-GED模型。相对于Garch模型，Garch-t和Garch-GED模型能刻画有偏、细峰的数据。我们采用最大似然法在Eviews4.0中估计(3)，分别在和（这样每类模型都有100个待估计方程）中以AIC标准选取。一旦估计出模型各参数，给定时不同分布下的分位数（）即可算出，然后计算。在某个交易日，若Garch-t或Garch-GED模型不能估计，则Garch-t或Garch-GED模型下的VaR取相应Garch模型下的VaR。估计时采用动态估计方法，即对每个VaR，重新以1000个事前样本估计各参数。Garch、Garch-t、Garch-GED和历史模拟法计算的VaR分别命名为vgc、vgt、vgg和vhs。

4.最优VaR选择

不同的方法可计算出不同的VaR，因此必须选择最优且可靠的VaR。事后检验法（Back-Testing）是一个常用的方法，即检验实际损失不超出VaR的次数是否低于给定的置信水平。

官方的事后检验方法由巴塞尔银行监管委员会（以下称Basle）于1996年给出（BasleCommitteeonBankingSupervision,1996）。Basle依据例外次数发生的理论累计概率将VaR划分为三个区域：绿色（累计该率≤95%）、黄色（95%<累计概率≤99.99%）、红色（累计概率>99.99%）。当处于绿色区域时，VaR是有效的、可直接使用；当处于黄色区域时，VaR基本正确、但需乘以一个扩大因子；当处于红色区域时，VaR是无效的。

此外，学者们也给出多种事后检验方法。Kupiec(1995)将例外次数看成一个二项分布过程提出了一个似然比检验方法。Basle和Kupiec的方法都有一个共同的假设：例外次数的发生相互独立。当独立性假设不满足时，他们的方法可能不是有效的。譬如，虽然例外次数很少，但由于例外的发生意味着巨大的损失，连续数天的例外发生可能导致企业破产。为此，Christoffersen(1998)提出了一个基于齐次马尔科夫过程的似然比检验，同时检验例外次数是否符合给定的覆盖率及是否独立。进一步，Christoffersen(2004)提出了基于Weibull分布和EACD(1,0)分布（Engle和Russell,1998）的似然比检验。

当例外次数既满足独立性条件，又与给定的置信水平相符时，VaR能通过上述所有方法的事后检验。但是，当例外次数与给定的置信水平相符但不满足独立性条件时，VaR能通过Basle和Kupiec方法的检验，但不能通过Christoffersen方法的检验；当例外次数既与给定的置信水平不符又不满足独立性条件时，VaR不能通过上述任何一种方法的检验。在选择最优VaR时，我们定义每种VaR的损失指标：

(4)

对于给定的置信水平，我们首先选择在10%显著水平通过上述各种方法检验的VaR，然后在这些VaR中选择具有最小例外次数的VaR。如果经过前面的筛选后还有两种以上的VaR，则选择具有最小的VaR作为该置信水平的最优VaR。

正如Christoffersen(2004)指出的一样，由于例外次数相对较少，似然比检验的p-值应该采用Monte-Carlo方法得到。我们同时计算了不采用Christoffersen(2004)中的Monte-Carlo方法计算的p-值（以“p-val.”表示）和以Christoffersen(2004)中的Monte-Carlo方法计算的p-值（以“M-C-p”表示）。只要任何一个p-值小于给定显著水平，我们即认为该VaR没有通过事后检验。表2列出了各种VaR事后检验的结果，表明给定1%、5%和10%覆盖率时的最优VaR分别是vgt、vgg、vgt。这些最优VaR的例外次数在1%和10%覆盖率时都小于事先的覆盖率，在5%覆盖率时略大于事先的覆盖率，此外都通过了1%显著水平。

表2各种方法测算的VaR的事后检验覆盖率例外次数例外次数频率Basle(1996)Kupiec(1995)Christoffersen(1998)Christoffersen(2004)WeibullChristoffersen(2004)EACD

p-val.M-C-pp-val.M-C-pp-val.M-C-pp-val.M-C-p

vgc的事后检验

1%150.0217Yellow0.00730.01200.01700.00200.06520.99600.03970.0280

5%340.0492Green0.93060.84220.08130.08090.55361.00000.76320.7862

10%430.0622Green0.00040.00100.00030.00100.00190.71630.00230.0010

vgt的事后检验

1%40.0058Green0.22850.16780.47300.29570.31550.99900.29140.2418

5%390.0564Green0.44090.47450.64170.61540.67061.00000.28350.2807

10%650.0942Green0.60870.55940.41860.41160.63561.00000.26080.2577

vgg事后检验

1%70.0101Green0.96970.82920.93010.86610.25590.99800.51780.6683

5%350.0507Green0.93090.93710.67040.66730.79491.00000.43560.4316

10%650.0942Green0.60870.56940.23840.23580.63231.00000.56080.5255

vhs的事后检验

1%110.0159Yellow0.14880.13790.13220.08390.49741.00000.42960.5145

5%430.0622Green0.15210.13490.00540.00300.22561.00000.36070.3417

10%700.1013Green0.89970.90410.00410.00700.63861.00000.72150.6613

注：在10%覆盖率下，Vol(vgt)=560.77;Vol(vgg)=583.67.

由于5%覆盖率的VaR计算模型与1%、10%覆盖率的VaR计算模型不一样，我们对最优VaR进行如下的调整：当5%覆盖率的VaR大于1%覆盖率的VaR时，令5%覆盖率的VaR等于1%覆盖率的VaR；当10%覆盖率的VaR大于5%覆盖率的VaR时，令10%覆盖率的VaR等于5%覆盖率的VaR。由于这种现象出现的次数非常少，调整后的VaR仍然是最优的。

四、大商所关于保证金调整的市场风险影响作用实证

表3列出了检验结果。A部分显示，事件6的风险调整作用最明显：除了1%覆盖率的VaR的例外次数在事件发生后没有变化外，5%、10%覆盖率的VaR的例外次数在事件发生后明显减少，保证金率的下降明显降低了市场风险。除此之外的各次事件在例外次数检验时的作用不是十分明显，这些事件的检验更依赖于VaR值检验。

由于VaR数据不服从正态分布，我们在进行VaR值检验时采用双样本非参数Wilcoxon秩和检验。在检验时，当p-值足够小到小于给定显著水平时可以拒绝原假设、接受备择假设；当p-值较大时不能拒绝原假设、但也不能接受原假设。为此，基于前面的理论分析，我们给出两种检验类型：检验类型II的原假设为事前VaR大于或等于事后VaR，检验类型II的原假设为事前VaR小于或等于事后VaR。

B部分显示事件6的第二种方法检验结果比第一种方法检验结果更明显：各覆盖率的VaR在事件发生后10、20个交易日内显著（1%显著水平）下降，而且在事件发生后5个交易也显著（5%显著水平）下降。事件6属于保证金上调的事件，为命题1或命题2提供了显著的支持证据。在对事件1的检验中，各覆盖率VaR在事件发生后20个交易内显著（5%显著水平）增加，并且1%覆盖率VaR在事件发生后10个交易内也显著（10%显著水平）增加。由于A部分中的事件1发生前后的例外次数没有太大变化。因此，我们认为事件1中保证金下调并没有导致市场风险发生显著变化，对命题2提供显著支持证据。对事件2的VaR值检验的p-值也较大，但是A部分中5%、10%覆盖率的VaR在事件2发生后10、20个交易日内的例外次数不是增加而是下降了。因此，事件2中保证金下调也没有导致市场风险发生显著变化，对命题2提供显著支持证据。

表3各次事件的市场风险影响作用检验时期1%覆盖率5%覆盖率10%覆盖率1%覆盖率5%覆盖率10%覆盖率

A.例外事件检验

事件1事件2

+-5日1/02/02/00/01/02/1

+-10日1/03/13/30/03/05/3

+-20日1/03/33/50/04/17/5

事件6

+-5日0/03/03/0

+-10日0/04/06/1

+-20日0/08/211/4

B.VaR值检验

事件1-检验类型II

事件2-检验类型II+-5日21(0.1111)23(0.2103)21(0.1111)24(0.2738)22(0.1548)23(0.2103)

+-10日83(0.0526)93(0.1965)112(0.7106)117(0.8237)112(0.7106)117(0.8237)

+-20日295(0.0007)310(0.0031)343(0.0359)413(0.5373)377(0.1917)426(0.6706)

事件6-检验类型II

+-5日37(0.0278)37(0.0278)37(0.0278)

+-10日145(0.0008)144(0.001)144(0.001)

+-20日529(0.0005)535(0.0002)528(0.0005)

注：1.“+-”表示事件前后时期。2.在例外事件检验中，“/”前的数字为事件前的例外事件次数，“/”后的数字为事件后的例外事件次数。3.在VaR值检验中，“（）”里的数字表示检验的p-值；“（）”外的数字为两样本Wilcoxon秩和检验的秩和值（事前样本在事前和事后混合样本中的秩和值）。

若以分别表示保证金、市场风险的变动，分别表示命题1、命题2和命题3，则有

(5)

(6)

(7)

显然，。并且，当保证金上调时；当保证金下调时。因此，综合上述分析，我们认为，大商所数据支持命题2，即当保证金上调时市场风险下降，当保证金下调时风险不变。

五、结论与政策性建议

相对于股票市场卖空保证金制度，期货市场的保证金制度更频繁地被交易所用来调节市场运行。如，美国1974年以后股票市场卖空保证金就没变过，而从1986年到现在，纽约商业交易所（NewYorkMercantileExchange）就对原油期货合约的初始保证金做出过30次调整（Day和Lewis,1997）。那么，交易所调整保证金调整是否真的可以影响市场风险？本文以VaR为基础从一个全新的角度对此做出了如下的回答：

（1）由于大商所大豆期货收益率呈现出有偏、细峰等非正态性特点，非正态性假设的Garch-t和Garch-GED模型能较好拟和市场VaR，其中Garch-t模型最适于对90%和99%置信水平VaR的描述，而Garch-GED模型最适于对95%置信水平VaR的描述。

（2）理论分析显示，在假设1到假设3下，随着保证金的变动，市场风险可能出现各种变化。从大商所数据来看，我国目前期货市场保证金调整对市场风险影响作用与命题2，即当保证金上调时市场风险下降，当保证金下调时风险不变。

本文的结论对我国期货市场保证金制度改革有着重要的理论依据。随着我国期货市场的日益发展，越来越多的新期货品种被推出，一些老的期货品种也被恢复交易，投资者越来越多地使用期货投资组合进行套期保值。这时，传统的策略基础保证金一刀切式的做法忽略了各期货合约间的相关性，因而有必要向风险基础保证转变。此外，期货市场参与者也日益增多并日趋理性化，这种情况使得保证金在保证市场安全基础上更应该起到降低投资成本作用以促进市场流动性。因此，我们认为我国国债期货保证金制度不应该直接沿袭我国现行期货市场保证金制度，而应该对其进行改革。

保证金制度改革必须遵循一定的原则，其中最主要的是审慎性原则（PrincipleofPrudentiality）和机会成本原则（PrincipleofOpportunityCost）（Boothetal.,1997;Baeretal,1994;Lametal,2004）。审慎性原则指保证金水平应该能起到一定的抑制交易者违约的作用，这要求保证金水平不能太低；机会成本原则指保证金水平的设置应该在抑制交易者违约基础上不能为交易者造成很大的机会成本，以免影响市场流动性，这要求保证金水平不能太高。审慎性原则是第一位的，机会成本原则是第二位的，否则市场不可能平稳发展；但不能因审慎性原则而彻底抛弃机会成本原则，否则市场将会缺乏流动性，从而导致交易减少，进而可能导致市场崩盘。判断一个保证金制度是否符合这两个原则，必须采取科学方法测度。

尽管我国目前的期货市场保证金制度曾起到过积极的作用，但于现实情况下可能不同时符合审慎性原则和机会成本原则。首先，以覆盖涨停板为目的的策略基础保证金是静态的保证金，尽管它能控制市场整体风险，但在市场不急剧变动的大多时候它会高估市场风险，造成投资成本增加，因此与机会成本原则不一致。其次，策略基础保证金忽略各期货间相关性而忽略了投资分散化效果，也可能高估市场风险，违反机会成本原则。最后也是最致命的是，我国证监会拥有保证金调整的最终权力，交易所没有直接调整保证金权力，而交易所处于第一线的监管位置。非第一线监管者的证监会掌握调整保证金水平的最终权力可能导致保证金水平与市场风险水平不符。因为，审核时间可能使得保证金水平调整之后市场发展，从而可能使得市场风险急剧加大时保证金水平仍很低，而市场风险减小时保证金水平仍很高。因此，这种的保证金制度可能既不符合审慎性原则，也不符合机会成本原则。

基于我国现实情况和本文结论，我们对我国未来期货市场保证金制度提出如下建议：

首先，随着市场品种的增多及投资者规模增大，我们应该改变目前静态、策略基础保证金方法为组合保证金，考虑在国内各交易所间实行交叉保证金（CrossMargin），并考虑市场国际化达到一定程度后实行国际化的交叉保证金。我们提出三个可供选择的方案。

第一个方案是全盘引进SPAN系统或TIMS系统等。SPAN、TIMS系统采用组合保证金设置方法，更好地考虑了不同合约间的相关性在保证金抵消中的作用，具有相对于策略基础保证金系统在合约相关性方面考虑不足的优点,因此计算出的保证金水平更加符合现实情况。在具体引进哪一种系统时，我们建议引进SPAN系统。其原因包括（东北财经大学金融工程研究中心课题组，2005）：（1）TIMS系统相对简单，但它仅按类群和商品群来处理相关性，不考虑不同商品群间的相关性，也不考虑波动性，显然在一个具有丰富的期货、期权品种市场中对不同合约间相关性的处理不如SPAN系统，因为SPAN系统在处理相关性时不仅仅局限于同一商品群。（2）SPAN系统的国际化程度要高于TIMS系统，使用SPAN系统的清算机构数目要超过适用TIMS系统的一倍以上，而且主要的国际清算机构都使用SPAN系统。因此，考虑到与国际接轨，我们认为SPAN系统要优于TIMS系统。

第二个方案是在SPAN、TIMS系统的基础上开发出适合我国国情、有自主知识产权的保证金系统。简单引进SPAN、TIMS系统固然简单，但后期受制于国外清算机构较多，向国外清算机构支付的费用也较高，此外还可能涉及到一些经济安全等问题。因此，在国外先进的保证金系统基础上开发一套适合我国国情基础的新保证金系统是必须的，而且我国未来庞大的衍生市场完全也为这种开发提供了应用基础和条件。在这方面，我们可以借鉴瑞典OMSII、香港DCASS的成功经验。OMSII以SPAN系统为基础并克服了SPAN系统的一些缺陷，主要是不仅可以处理合约间的线性相关，而且还可以处理合约间的非线性相关。DCASS则以OMSII为基础并结合了香港当地市场情况。

第三个方案以第一个和第二个方案为基础，对全国范围内交易衍生品的交易所的某些合约尽可能地实行交叉保证金制度，这应该是我国未来保证金制度改革的一个重要方向。目前我国的几个商品交易所的清算相互分开，交易者在每个交易所的结算相互独立，在不同交易所交易头寸的保证金不能相互抵消。但实际上，这些交易所之间合约可能存在一定程度的相关性，因此在各个交易所都交易的投资者的总保证金不应该是各个交易所要求保证金的简单加权，而应该相应减少。所以，实行全国统一的衍生品结算制度对地方利益打击很大，因此一个各方可接受的方案是在各个交易所的一些合约实行交叉保证金制度，可以在尽量小损害地方利益基础上，减少市场参与成本，以促进市场流动性。当然，随着我国市场国际化趋势的加快、程度加深，在未来我国市场国际化程度相当高的时候，我们也应该考虑在一些合约上实行国际交叉保证金制度。

我们认为，第一个和第三个方案可以采取试点的方式，而第二个方案应该是我们应该努力的。

其次，我们建议保证金调整的最终权限应该由证监会下放到交易所。尽管证监会掌握最终保证金调整权限有利于治理早期期货市场中的一些无序，但这种制度安排显然在适应随时变动的市场环境方面有所欠缺。随着期货市场发展、完善及交易所监控、调整市场风险的能力、技术日益成熟，我国的交易所已经具备自主判断并主动调节市场风险的能力。因此，允许交易所拥有自主调整保证金水平是市场发展的要求，可进一步发挥交易所作为一线监管者的监管作用。

参考文献：

1)鲍建平，2004，《国内外期货市场保证金制度比较研究及其启示》，《世界经济》第12期。

2)鲍建平、王乃生、吴冲锋，2005，《上海期铜保证金水平设计的实证研究》，《系统工程理论方法应用》第1期。

3)迟国泰、刘轶芳、冯敬海，2005，《基于牛顿插值原理的期货价格波动函数及保证金随动模型》，《数量经济技术经济研究》第3期。

4)东北财经大学金融工程研究中心课题组，《利率期货风险监管》，上海证券交易所第14期联合研究项目。

5)李翔，1994，《期货交易的风险保证金（SPAN）系统及其应用》，《北京商学院院报》第6期。

6)胡杨梅，2001，《标准组合风险分析系统（SPAN）原理及算法研究》，《大连商品交易所研究报告集-2001》。

7)刘文财，2003，《中国股指期货合约基准保证金设置研究》，《中国金融学》第3期。

8)刘志强、汪红梅，2003，《换种方法确定我国期货市场交易保证金基准值》，大连商品交易所研究资料。

9)庞晓波、吕继宏，1999，《商品期货交易中保证金制度改革的设想》，《数量经济技术经济研究》第2期。

10)徐国祥，1999，《期货市场保证金和涨跌停板数量界限及实证研究》，《统计研究》第5期。

11)徐国祥、吴泽智，2004，《我国指数期货保证金水平设定方法及其实证研究——极值理论的应用》，《财经研究》第11期。

12)BaerHerbertL.,FranceVirginiaG.,MoserJamesT.,OpportunityCostandPrudentiality:AnAnalysisofFuturesClearinghouseBehavior.PolicyResearchWorkingPaper1340,theWorldBankPolicyResearchDepartment,NewYork.

13)BasleCommitteeonBankingSupervision,1996.SupervisoryFrameworkfortheUseof“BackTesting”inConjunctionwiththeInternalModelsApproachtoMarketRiskCapitalRequirements.BaselCommitteepublications,。

14)BoothG.Geoffrey,JohnBroussard,TeppoMartikainen,VesaPuttonen,1997.PrudentmarginlevelsintheFinnishstockindexfuturesmarket.ManagementScience,43(8):1177-1188.

15)ChristoffersenPeterF..1998.EvaluatingIntervalForecasts.InternationalEconomicReview.39(4):841-864.

16)ChristoffersenPeterF.,DenisPelletier.2004.BacktestingValue-at-Risk:ADuration-BasedApproach.JournalofFinancialEconometrics.2(1):84-108.

17)CotterJohn,2001.MarginExceedencesforEuropeanStockIndexFuturesusingExtremeValueTheory.JournalofBanking&Finance,25(8):1475-1502.

18)CoxJohnC.,JonathanE.Ingersoll,Jr.,StephenA.Ross.1981.TheRelationshipbetweenForwardPricesandFuturesPrices.JournalofFinancialEconomics.9(4):321-346.

19)DayE.Theodore.CraigM.Lewis.1997.InitialMarinPolicyandStochasticVolatilityintheCrudeOilFuturesMarket.ReviewofFinancialStudies.10(2)303-332.

20)DuffieDarrell,1989.FuturesMarkets.EnglewoodCliffs,NJ:Prentice-Hall.

21)EngleRobert.,JeffreyRussel.1998.AutoregressiveConditionalDuration:ANewModelforIrregularlySpacedTransactionData.Econometrica.66:1127-1162.

22)FiglewskiStephen,1984.MarginsAndMarketIntegrity:MarginSettingForStockIndexFuturesAndOptions.JournalofFuturesMarkets,4(3):385-416.

23)FishRaymondP.H.,LawrenceG.Goldberg,ThomasF.Gosnell,SujataSinha.1990.MarginRequirementsInFuturesMarkets:TheirRelationshipToPriceVolatility.

JournalofFuturesMarkets.10(5):541-554.

24)HartzmarkMichael.1986.TheEffectsofChangingMarginLevelsonFuturesMarketActivity,theCompositionofTradersintheMarket,andPricePerformance.JournalofBusiness.59(2):S147-S180.

25)KahnemanDaniel,AmosTversky,1979.ProspectTheory:AnAnalysisofDecisionUnderRisk.Econometrica,47:263-291.

26)KupiecPaulH..1989.FuturesMarginsandStockPriceVolatility:IsThereanyLink?JournalofFuturesMarkets.13:677-691.

27)KupiecPaul.1995.TechniquesforVerifyingtheAccuracyofRiskMeasurementModels.JournalofDerivatives.3(winter):73-84.

28)LamKin,Chor-YiuSin,RicoLeung.2004.ATheoreticalFrameworktoEvaluateDifferentMargin-SettingMethodologies.JournalofFuturesMarket,24(2):117-145.

29)LonginFrancoisM.1999.OptimalMarginLevelsinFuturesMarkets:ExtremePriceMovements.JournalofFuturesMarket,19:127-152.

30)LonginFrancoisM.2000.FromValueatRisktoStressTesting:theExtremeValuesApproach.JournalofBankingandFinance,24:1097-1130.

31)WarshawskiMarkJ.,DietrichEarnhart,1989.TheAdequacyandConsistencyofMarginRequirementsintheMarketsforStocksandDerivativeProducts.BoardofGovernorsStaffStudy,No.158.