modeling and the hedging effectiveness of hedge …bata hedge หร อ minimum variance hedge...
TRANSCRIPT
Chiang Mai University Journal of Economics – 23/1
1
Modeling and the Hedging Effectiveness of Hedge Ratios for
Rubber Price in Thailand
Kunsuda Nimanussornkul1 and Chaiwat Nimanussornkul2 Faculty of Economics, Chiang Mai University, Thailand
Email: [email protected]
Received 31 October, 2018
Revised 10 December, 2018
Accepted 26 April, 2019
Abstract
This paper investigates the optimal hedge ratio and compares the effective of the hedging in
both time varying and constant hedge ratio by using the data of the Ribbed Smoked Sheet
No. 3 (RSS3). Daily data from October 26, 2016 to September 28, 2018, weekly data from
June 4, 2004 to September 28, 2018, and monthly data from June 2004 - September 2018 are
employed. Time varying hedge ratios estimated by Bivariate GARCH model, Bivariate
Diagonal BEKK GARCH model, Bivariate GARCH-X model, and CCC model which assume the
error term has normal distribution and t- distribution. Whereas the constant hedge ratios estimated
by OLS model, VAR model, and VECM model.
The results found that the hedge ratios from daily data are in range 0.1568 – 0.4108 and
Bivariate Diagonal BEKK GARCH model with the error term has t-distribution is the best effective.
Using weekly data, the hedge ratios are lie between 0.5974 – 0.7534 and VECM model is the best
effective. For monthly data, the hedge ratios are in range 0.7415 – 0.8910 and Bivariate
GARCH-X model with the error term has t-distribution is the best effective.
Keywords: Hedge ratio, Rubber Price, Thailand
JEL Codes: C22, C58, Q14
1 Assistant Professor, Faculty of Economics, Chiang Mai University, 239 Huay Kaew Road, Suthep,
Muang, Chiang Mai, 50200, Thailand. Corresponding author: [email protected] 2 Assistant Professor, Faculty of Economics, Chiang Mai University, 239 Huay Kaew Road, Suthep,
Muang, Chiang Mai, 50200, Thailand.
Chiang Mai University Journal of Economics – 23/1
2
แบบจ ำลองและประสทธภำพในกำรปองกนควำมเสยงของอตรำสวนถวควำมเสยงส ำหรบรำคำยำงพำรำในประเทศไทย
กญญสดำ นมอนสสรณกล1 และ ชยวฒน นมอนสสรณกล2
คณะเศรษฐศาสตร มหาวทยาลยเชยงใหม ประเทศไทย Email: [email protected]
บทคดยอ การศกษานตองการหาอตราสวนถวความเสยงทเหมาะสมและเปรยบเทยบประสทธภาพในการปองกนความเสยงของอตราสวนถวความเสยงทแปรผนตามเวลาและแบบคงทของขอมลยางแผนรมควนชน 3 (RSS3) ซงขอมลรายวนในชวง 26 ตลาคม 2016 – 28 กนยายน 2018 ขอมลรายสปดาห ในชวง 4 มถนายน 2004 – 28 กนยายน 2018 และขอมลรายเดอน ในชวงเดอนมถนายน 2004 – เดอนกนยายน 2018 โดยอตราสวนถวความเสยงทแปรผนตามเวลาใชแบบจ าลอง Bivariate
GARCH แบบจ าลอง Bivariate Diagonal BEKK GARCH แบบจ าลอง Bivariate GARCH-X และแบบจ าลอง CCC ทงกรณท Error term มการแจกแจงปกต (Normal distribution) และแจกแจงแบบท (t- distribution) ขณะทอตราสวนถวความเสยงแบบคงทนน แบบจ าลองทใชไดแก แบบจ าลอง OLS แบบจ าลอง VAR และแบบจ าลอง VECM ผลการศกษาพบวา อตราสวนถวความเสยงของขอมลรายวนอยในชวง 0.1568 – 0.4108 โดยแบบจ า ลอ ง Bivariate Diagonal BEKK GARCH กร ณ ท Error term ม แ จ กแจ งแบบ ท (t- distribution) มประสทธภาพมากทสด สวนกรณขอมลรายสปดาหอตราสวนถวความเสยงอยในชวง 0.5974 – 0.7534 โดยแบบจ าลอง VECM มประสทธภาพมากทสด ขณะทกรณขอมลรายเดอนอตราสวนถวความเสยงอยในชวง 0.7415 – 0.8910 โดยแบบจ าลอง Bivariate GARCH-X กรณท Error term มแจกแจงแบบท (t- distribution) มประสทธภาพมากทสด 1 ผชวยศาสตราจารย คณะเศรษฐศาสตร มหาวทยาลยเชยงใหม 239 ถ.หวยแกว ต.สเทพ อ.เมอง เชยงใหม 50200 ประเทศไทย Corresponding author: [email protected] 2 ผชวยศาสตราจารย คณะเศรษฐศาสตร มหาวทยาลยเชยงใหม 239 ถ.หวยแกว ต.สเทพ อ.เมอง เชยงใหม 50200 ประเทศไทย
Chiang Mai University Journal of Economics – 23/1
3
1.บทน ำ ยางพาราเปนสนคาทมความส าคญอยางมาก
ตอการพฒนาเศรษฐกจโลก เนองจากยางพาราใชเปนวตถดบในการผลตสนคาหลายชนดดวยกน เชน พนรองเทา ยางรถยนต เปนตน ซงผลผลตยางธรรมชาตของโลกรอยละ 70 มาจากประเทศไทย อนโดนเซย และเวยดนาม โดยประเทศไทยเปนประเทศทผลตและสงออกยางธรรมชาตรายใหญทสด ซงราคายางพารามความผนผวนอยางมาก เ นองจากปจจยทางดาน
อปทาน ไดแกผลผลตทไดในแตละป ทไมแนนอน ขนอยกบสภาพดนฟาอากาศ พนทเพาะปลก และนโยบายของรฐ และจากปจจยทางดานอปสงค ไดแก ความตองการใชยางพาราซงขนอยกบภาวะเศรษฐกจ ราคาน ามน ราคายางสงเคราะห อตราแลกเปลยน นโยบายการคาและปรมาณวตถดบในสตอก (Thailand Futures
Exchange, 2015) ซงราคายางพาราดบกมความผนผวนของราคา ดงจะเหนไดจาก Figure 1
Source: Thairath online (2017)
Figure 1. Raw Rubber Price between 2008 to 2017
จาก Figure 1 เหนไดวาราคายางพาราดบปรบตวสง ขนในชวงป 2010 ถง 2011 และปรบตวลดลงมากจนถงป 2016 ไดท าการปรบตวเพมขนอกครง เนองจาก การฟนตวของเ ศ ร ษ ฐ ก จ โ ล ก ใ น ป 2010 ซ ง ส ง ผ ล ใ หอตสาหกรรมรถยนตเตบโต โดยเฉพาะในจน
อกทงผลจากการทประเทศผผลตประสบปญหาสภาพอากาศไมอ านวย ท าใหผลผลตยางพาราลดลง ท าใหอปสงคยางพาราเพมขนมากกวาอปทาน แตหลงจากป 2011 ราคายางพารากลบลดลง เนองจากเ ศ ร ษ ฐ กจ โ ล ก แ ล ะเศรษฐกจจนชะลอตว สตอกยางจน ณ เมองชงเตาและ
0
20
40
60
80
100
120
140
160
180
200
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Min Max Average
Chiang Mai University Journal of Economics – 23/1
4
สตอกยางไทยอยในระดบสง (Rawangsuk (2011) และ Chuavallee &Pisitsupakul (2014) ซ งความผนผวนของราคายางพาราท าใหเ กษตรกรและอตสาหกรรม ทตองการใชยางพาราไดรบความเสยง กลาวคอ เกษตรกรจะมความเสยงจากความไมแนนอนของระดบราคายางพาราทจะขายได หรอรายรบของเกษตรกรไมแนนอน จงท าใหเขาคาดการณผลก าไรหรอขาดทนของเขาไมได สวนโรงงานอตสาหกรรมกมความเสยงเนองจากราคายางพารามราคาไมแนนอน จงท าการประมาณการตนทนการผลตไดไมแนนอน สงผลตอการคาดการณก าไรของโรงงานหรอบรษทไมแ นนอน เ นองจากยางพาราถกน ามาใชในหลากหลายอตสาหกรรม อกท งการทราคายางพารามการผนผวนจะมผลกระทบตอมลคาการสงออกของประเทศไทยดวย ดงนนจงมความจ าเปนทจะตองมเครองมอในการบรหารจดการความเสยงจากความผนผวนของราคายางพารา
ความพยายามในการจดตงตลาดลวงหนาในประเทศไทย เพอใชในการปองกนความเสยงและเพอการก าหนดราคาในอนาคต ตลาดสนคาเกษตรลวงหนาแหงประเทศไทย (AFET) ท าหนาทเปนศนยกลางการซอขายสนคาเกษตรลวงหนาตามกฎระเบยบทชดเจน และใหเกดความเปนธรรมแกผซอและผขายในตลาดสนคาเกษตรลวงหนา โดยเรมท าการซอขายสนคาเกษตรลวงหนา เมอวนท 28 พฤษภาคม 2547 (The Agricultural Futures Exchange of
Thailand, 2013) แตจากนโยบายของรฐบาล ซง
มมตชวงปลายป 2557ใหมการควบรวมตลาดสนคาเกษตรลวงหนา (AFET) เขากบบรษทตลาดสญญาซอขายลวงหนา (ประเทศไทย) (TFEX) (Sucharitkul, 2015) ป จ จบนสนคาเกษตรทยงท าการซอขายในตลาดลวงหนามเพยงยางแผนรมควนชน 3 เทานน โดยยางแผนรมควนมทงหมด 5 ชนแตชนทไดรบความนยมมากท สด คอ ยางแผนรมควนช น 3 ซ งในตางประเทศใชราคายางแผนรมควนชน 3 เปนราคาอางองเวลากลาวถงราคายางพารา
ส าหรบผทเกยวของกบยางพาราทท าการซอขายในตลาดลวงหนาสามารถชวยปองกนความเสยงจากความผนผวนของราคายางพาราได กรณเปนเกษตรกรทตองการขายยางพารา กสามารถท าการขายลวงหนา (Short future) หรอการขายสญญาลวงหนา กลาวคอ เ ปนการก าหนดการขายยางพาราในอนาคตวาเมอใด โดยมจ านวนและราคาตามทก าหนด ซงท าใหเกษตรกรสามารถปองกนความเสยงจากความผนผวนของราคาสนคาเกษตรทจะเกดขนในอนาคตได ในขณะทผทตองการซอยางพาราเพอน าไปผลตตอ เชน โรงงานอตสาหกรรม กจะท าการปองกนความเสยงจากความไมแนนอนของราคายางพาราได สามารถท าการซอลวงหนา (Long future) หรอการ ซอสญญาลวงหนา กลาวคอเปนการก าหนดวาจะซอยางพาราในราคาและปรมาณในอนาคตเมอใดได จงท าใหโรงงานอตสาหกรรมหรอ ผตองการใชยางพารานน สามารถปองกนความเสยงจากความผนผวนของราคายางพาราทจะเกดขนในอนาคต และท า
Chiang Mai University Journal of Economics – 23/1
5
ใหคาดการณตนทนการผลต เพอวางแผนการผลตไดงายมากยงขน
อต ร าถวค ว าม เ ส ย ง (Hedge ratio) ค อ จ านวนสญญาในตลาดลวงหนาทตองใช เพอปองกนความเสยงจากความผนผวนของราคาในตลาดทนท โดยการปองกนความเสยงหากเปนการใชอตราสวนถวความเสยง (Hedge ratio) แบบหนงตอหนงทนกลงทนหรอผประกอบการใชในการปองกนความเสยงอยางงายน น นกลงทนหรอผประกอบการท าการปองกนความเสยงโดยการเปดสถานะของสญญาซอขายลวงหนา ในมลคาทเทากบมลคาของหลกทรพยอางองทมอย เชน เกษตรกรตองการขายยางพาราในอนาคตจ านวน 50 บาทตอกโลกรม สามารถปองกนความเสยงจากความผนผวนของราคายางพารา โดยท าการขายยางพารานนลวงหนา (Short future) จ านวน 50 บาทตอกโลกรม เปนตน ท งนหากท าการหาความสมพนธระหวางการเปลยนแปลงของราคาหลกทรพยอางอง กบการเปลยนแปลงของราคาลวงหนา ดวยวธ Bata
hedge หรอ Minimum variance hedge ratio แลวจะไมไดความสมพนธในลกษณะหนงตอหนงเสมอ ซงท าใหเกษตรกรหรอผ ตองการยางพาราสามารถลดตนทนในการปองกนความเสยงไปไดอก
แตอยางไรกตามความสมพนธระหวางการเปลยนแปลงของราคาหลกทรพยอางอง กบการเปลยนแปลงของราคาลวงหนานนกไมไดคงทตลอดเวลา กลาวคอ ความสมพนธดงกลาวสามารถเปลยนแปลงไปตามกาลเวลา ซงจาก
การทบทวนการ ศกษา ท ผ านมา เ ก ย ว กบอตราสวนถวความเสยง (Hedge ratio) ของทงตางประเทศและในประเทศ หากพจารณาจากประสทธภาพในการปองกนความเสยงแลวจะสามารถแบงออกเ ปน 3 กลมคอ ก ลม ท 1 การศกษาทพบวาอตราสวนถวความเสยงทแปรผน ต า ม เ ว ล า ด ว ย แบบ จ า ล อ ง Bivariate
GARCH-X มประสทธภาพในการปองกนค ว าม เ ส ย ง ไ ด ด เ ช น ในก า ร ศ กษ าของ Kavussanos & Nomikos (2002) ซงใชขอมลรายสปดาหของ Baltic Freight Index การศกษาของ Choudhry (2003) ซงใชขอมลรายวนของดชนตลาดหลกทรพย 6 ประเทศคอ ออสเตรเลย เยอรมน ฮองกง ญปน แอฟรกาใตและองกฤษ การ ศกษาของ McMillan (2005) ใชขอมลรายวนของ Non-ferrous metals 6 สญญา และงานของ Choudhry (2009) ใชขอมลรายวนของสนคาเกษตร ไดแก ขาวโพด กาแฟ ขาวสาล น าตาล ถวเหลอง ปศสตวและหม ของประเทศสหรฐอเมรกา เปนตน
กลมท 2 การศกษาทพบวาอตราสวนถวความเสยงทแปรผนตามเวลาดวยแบบจ าลอง bivariate GARCH มประ สท ธภ าพในการปองกนความเสยงไดด เชน การศกษาของ Bera,
Garcia & Roh (1997) ใชขอมลรายวนของขาวโพดและถวเหลอง ประเทศสหรฐอเมรกา การศกษาของ Choudhry (2004) ใชขอมลรายสปดาหของตลาดหลกทรพย 3 ประเทศคอ ออสเตรเลย ฮองกงและญปน การศกษาของ Pok, Poshakwal & Ford (2009) ใ ช ข อ ม ล
Chiang Mai University Journal of Economics – 23/1
6
รายวนของตลาดหลกทรพยประเทศมาเลเซย งานของ Hou & Li (2013) ใชขอมลรายวนของ China Securities Index 300 การ ศกษาของ Zong et al (2014) ใชขอมลรายวนของยางแผนรมควนชน 3 ของประเทศไทย งานของ Yao &
Wo (2012) ซงใชขอมลรายวนของหลกทรพยเ ชยงไฮและเซนเจน สวนในการศกษาของ Kanoktanaporn (2008) พบว าบ าง ชวงของขอมล แบบจ าลอง GARCH มประสทธภาพมากทสด แตบางชวงของขอมลแบบจ าลอง OLS มประสทธภาพมากทสด การศกษาของ Yao & Wo (2012) พบวา bivariate GARCH มประสทธภาพแคในชวง In sample เทานน แตชวง out-of-sample แลวพบวาอตราสวนถวความเสยงแบบคงทดวยวธ OLS มประสทธภาพมากกวา การศกษาของ Al Azzawi (2013) พบวา BEKK จะมประสทธภาพมากทสดโดยใชขอมลรายวนของกาแฟประเทศสหรฐฯ และการศกษาของ Sahoo (2014) ใชขอมลรายวนของขาวโพด และถวเหลองของประเทศสหรฐอเมรกา พบวาในชวง out-of-sample แบบจ าลอง bivariate
GARCH มประสทธภาพมากทสด แตในชวง in-sample แบบจ าลอง VECM มประสทธภาพมากทสด เปนตน
กลมท 3 การศกษาทผานมาพบวาอตราสวนถวความเสยงแบบคงท (Constant hedge ratio) มประสทธภาพในการปองกนความเสยงไดด เ ชนงานของ Law & Thompson (2005) ใชข อ ม ล ร า ย ส ป ด า ห ข อ ง FTSE100 แ ล ะ FTSE250 โดยใชแบบจ าลอง EWMA ใน
การศกษาของ Kanoktanaporn (2008) ซงแบงขอมลออกเปนชวงๆ พบวา บางชวง OLS ดกวา ก า ร ศ ก ษ า ข อ ง Chotinuchittrakul &
Boonvorachote (2013) ใชแบบจ าลอง VECM กบขอมลรายวนของยางแผนรมควนชน 3 ของประเทศไทย ในงานของ Mehrara & Hamldar
(2014) ใชแบบจ าลอง VECM กบขอมลรายวนของน ามนดบ Brent และการศกษาของSahoo (2014) ใชขอมลรายวนของน ามนดบ และขาวสาล ประเทศสหรฐอเมรกา ดวยแบบจ าลอง OLS สวนแรเหลก ดวยแบบจ าลอง VECM
จากการศกษาทผาน พบวาการศกษาทท าการศกษาถงอตราสวนถวความเสยงของยางแผนรมควนชน 3 ของประเทศไทยนน ไดแกงานของ Chotinuchittrakul & Boonvorachote (2013) และ Zong et al (2014) ใชขอมลรายวนในการศกษาเทานน ดงนนการศกษานตองการท าการเปรยบเทยบประสทธภาพในการปองกนความเสยงของอตราสวนถวความเสยง โดยอาศยแบบจ าลองเศรษฐมต ในกรณอตราสวนถวความเสยงทแปรผนตามเวลา (Time varying hedge
ratio) และอตราสวนถวความเสยงแบบคงท (Constant hedge ratio) โดยมงเนนอธบายการลงทนทงในระยะสน ระยะกลาง และระยะยาว โดยใชขอมลยางแผนรมควนชน 3 (RSS3) ท งขอมลรายวน รายสปดาหและรายเดอน เพอเปนแนวทางใหเกษตรกร นกลงทน ตลอดจนผทเกยวของกบยางพาราทตองการปองกนความเสยงทราบจ านวนสญญาทตองท าการซอขายลวงหนาทมประสทธภาพในการปองกนความ
Chiang Mai University Journal of Economics – 23/1
7
เสยงและน าไปประยกตใชในการท าการซอขายสญญาลวงหนาเพอท าการลงทนและปองกนความเสยงจากความผนผวนของราคายางพาราได
2. แบบจ ำลองและวธกำรศกษำ การหาอตราถวความเสยง (Hedge ratio)
จากวธ Bata hedge หรอ Minimum variance
hedge ratio ซงน า เสนอโดย Johnson (1960) เ ป น ก า รห า ค ว า มส ม พน ธ ร ะ ห ว า ง ก า รเปลยนแปลงของราคาในตลาดทนทในรป Natural logarithm หรออตราผลตอบแทนในตลาดทนท (lnSt) และการเปลยนแปลงของ
ราคาสญญาซอขายลวงหนาในรป Natural
logarithm หรออตราผลตอบแทนในตลาดลวงหนา (lnFt) ดงนนขอมลทใชในการศกษาน จงเปนการเปลยนแปลงของราคายางแผนรมควนช น 3 ในตลาดทนทในรป Natural
logarithm (lnSt) และการเปลยนแปลงของราคายางแผนรมควนชน 3 ในตลาดลวงหนาในรป Natural logarithm (lnFt) โดยมขนตอนในการศกษาดงตอไปน
ขนตอนแรก ท าการทดสอบความนงของขอ ม ล ด ว ย ว ธ Augmented Dickey Fuller
(ADF) test (Dickey & Fuller, 1979
1
1
p
t t i t i t
i
y y y
(1)
1
1
p
t t i t i t
i
y y y (2)
1
1
p
t t i t i t
i
y T y y (3)
โดยท yt คอ การเปลยนแปลงของราคายางแผนรมควนช น 3 ในตลาดทนทในรป Natural
logarithm (lnSt) และการเปลยนแปลงของราคายางแผนรมควนชน 3 ในตลาดลวงหนาในรป Natural logarithm (lnFt) โดยทสมการท (1) เปนรปแบบทไมมท งคาคงทและแนวโนมเวลา สมการท (2) เปนรปแบบทมคาคงทแตไมมแนวโนมเวลา และสมการท (3) เปนรปแบบทมท งคาคงทและแนวโนมเวลา โดยสมมตฐานหลก (H0) คอ =0 และสมมตฐานรอง (Ha) คอ
0 ถาหากผลการทดสอบปฏเสธสมมตฐานหลก แสดงวา ขอมลมลกษณะนง (Stationary) แตถาหากผลการทดสอบไมสามารถปฏเสธสมมตฐานหลกแลว แสดงวาขอมลมลกษณะไมน ง ท ระดบ 0 (Order of integration 0 (I(0))) ดงน นท าการปรบขอมลใหอยในรปผลตาง (Difference) กอนแลวมาท าการทดสอบความนงของขอมลอกครง หากปฏเสธสมมตฐานหลก แสด ง ว า ขอ ม ล น ง ท ร ะ ดบ 1 (Order of
integration 1 (I(1)) แตถาหากไมสามารถปฏเสธ
Chiang Mai University Journal of Economics – 23/1
8
สมมตฐานหลกได จะตองท าการ ปรบขอมลใหอยในรปผลตางอกครง (Difference) แลวท าการทดสอบความนงของขอมลทปรบแลวอกรอบ ท าจนกวาจะปฏเสธสมมตฐานหลก
ขนตอนทสอง ท าการหาอตราสวนถวความเสยงของราคายางแผนรมควนชน 3 ทแปรผนตามเ ว ล า ( Time-varying hedge ratios) โ ด ยแบบจ าลองทใชในการศกษาไดแก แบบจ าลอง Bivariate GARCH แบบจ า ล อ ง Bivariate
Diagonal BEKK GARCH แ บ บ จ า ล อ ง Bivariate GARCH-X และแบบจ าลอง CCC ทงกรณท Error term มการแจกแจงปกต (Normal
distribution) แ ล ะ แ จ ก แ จ ง แ บ บ ท ( t-
distribution) เนองจากแบบจ าลองโดยทวไปจะมขอสมมตฐานให Error term มการแจกแจงปกต แตหาก Error term มลกษณะการกระจายแบบโดงมากหรอมหางทมาก ควรใชการแจกแจงแบบท ซงมการแจกแจงแบบ Fat-tailed (Feng & Shi,
2017) โดยมรายละเ อยดแต ละแบบจ าลองดงตอไปน แบบจ าลอง Bivariate GARCH
แบบจ าลองนมสมการ Mean ดงสมการท (4) และ (5) สวนสมการ Variance ดงสมการท (6)
t ty (4)
1/ ~ (0, )t t tN H (5)
2
1 1
( ) ( ) ( )p q
t j t j i t i
j i
vech H C A vech B vech H
(6)
( ln , ln )t t ty S F คอ เวกเตอรของการ
เปลยนแปลงของราคายางแผนรมควนชน 3 ในตลาดทนทในรป Natural logarithm และการเปลยนแปลงของราคายางแผนรมควนชน 3 ในตลาดลวงหนาในรป Natural logarithm สวน Ht คอ เมทรกซของความแปรปรวนรวมแบบมเ งอนไข (Conditional covariance matrix) C คอ เวกเตอรของคาคงท A และ B คอ เมทรกซของพารามเตอร สวน vech คอกระบวนการแบงค ร ง เ ม ท ร ก ซ ใ ห เ ป น เ ว ก เ ต อ ร ( เ ช น
( )
SS
SS SF FS
t
FS FF SF
FF
h
h h hvech H vech
h h h
h
) S
คอ ตลาดทนท (Spot) และ F คอ ตลาดลวงหนา (Future) แ บ บ จ า ล อ ง Bivariate Diagonal
BEKK GARCH
แบบจ าลองนเสนอโดย Engle & Kroner (1995) โดยมสมการ Mean ดงสมการท (4) และ (5) สวนสมการ Variance ดงสมการท (7)
1 1 1 1
p qK K
t kj t j t j kj ki t i ki
k j k i
H C C A A B H B
(7)
Chiang Mai University Journal of Economics – 23/1
9
โดยท C, A และ B เปนเมทรกซ โดย C เปนเมทรกซสามเหลยมบน (Upper triangular) แบบจ าลอง Bivariate GARCH-X
โดยแบบจ าลองนน าเสนอโดย Lee (1994) โดยสมการ Mean ดงสมการท (4) และ (5) สวนสมการ Variance ไดเพมตวแปรอธบายเขาไปในแบบจ าลอง Bivariate GARCH ดงน นท าการสรางตวแปรอธบายทจะเพมในแบบจ าลอง โดยการหาความสมพนธระยะยาวระหวางราคายางแผนรมควนช น 3 ในตลาดทนทในรป Natural logarithm ( lnSt) กบ ราคายางแผน
รมควนชน 3 ในตลาดลวงหนาในรป Natural
logarithm (lnFt) ดงสมการตอไปน lnSt = a + blnFt + zt (8)
จากน นจะไดสวนทเหลอ (Residual) หรอ zt ออกมาจากน นท าการทดสอบความนงของ zt โดยวธ Augmented Dickey Fuller (ADF) test ในรปแบบทไมมท งคาคงทและแนวโนมเวลา ซงถา zt มลกษณะนงแสดงวาสมการท (8) เปนสมการความสมพนธระยะยาว (Cointegration) นนเอง จากน นน าคา zt ทไดเ พมในสมการ Variance จะไดสมการดงตอไปน
2 2
1
1 1 1
( ) ( ) ( ) ( )p q M
t j t j i t i m t
j i m
vech H C A vech B vech H D vech z
(9)
แบบจ าลอง CCC แบบจ าลอง CCC ของ Bollerslev (1990) โดย สมการ Mean ดงสมการท (4) สวนสมการ error
term ดงตอไปน
t t tD (10)
โดยท S, F,( , )t t t คอ เวกเตอรของตวแปรสม (Random) ท มการแจกแจงแบบ iid (Independently and identically distributed)
1/2 1/2( , )t St FtD diag h h คอ เมทรกซทะแยงมม (Diagonal matrix) ของความแปรปรวนแบบมเงอนไข (Conditional variance) โดยมสมการ Variance ดงตอไปน
1 1 1 1t t tH A B H (11)
โดยท ( , )t St FtH h h สวน ( , )S F
คอ เวกเตอรของคาคงท 2 2( , )t St Ft คอเวกเตอรของขาวสาร (News) สวน
1A และ 1B เปนเมทรกซพารามเตอรทเปนเมทรกซทแยงมม และม เมทรกซสหสมพนธแบบม เ งอนไข ( Matrix of conditional correlations) ค อ
( )t tE หากให i = S และ F (S คอ ตลาดทนท (Spot) และ F คอ ตลาดลวงหนา (Future)) แลวสมการ ท (11) สามารถ เ ข ยนใหมไดดงตอไปน
Chiang Mai University Journal of Economics – 23/1
10
, 1 , 1it i i i t i i th h (12)
การค านวณหาคาอตราสวนถวความเสยงทแปรผนตามเวลา (Time varying hedge ratio) จากสมการ Variance ของแตละแบบจ าลองนน สามารถน ามาค านวณหาคาอตราสวนถวความเสยงทแปรผนตามเวลา ไดจากสมการตอไปน
12,
22,
ˆ
ˆt
t
t
H
H (13)
โดยท 12,
ˆtH คอ ค า Conditional covariance
ระหวางการเปลยนแปลงราคายางแผนรมควนช น 3 ในตลาดทนทในรป Natural logarithm กบการเปลยนราคายางแผนรมควนช น 3 ในตลาด ลวงหนาใน รป Natural logarithm ทประมาณคาได สวน
22,ˆ
tH คอคา Conditional
variance ของการเปลยนแปลงของราคายางแผนรมควนชน 3 ในตลาดลวงหนาในรป Natural
logarithm ทประมาณคาได ขนตอนทสาม ท าการหาอตราสวนถวความ
เสยงของยางแผนรมควนชน 3 ดวย แบบจ าลอง OLS แบบจ าลอง VAR และแบบจ าลอง VECM
โดยมรายละเอยดดงตอไปน
แบบจ าลอง OLS แบบจ าลองน คอการหาความสมพนธระหวางการเปลยนแปลงราคายางแผนรมควนชน 3 ในตลาดทนทในรป Natural logarithm (lnSt) กบการเปลยนราคายางแผนรมควนช น 3 ในต ล า ด ล ว ง ห น า ใ น ร ป Natural logarithm (lnFt) ดงสมการตอไปน
lnSt = + lnFt (14)
ซงคา ทประมาณคาไดกคอคาอตราสวนถวความเสยงแบบคงท (Constant hedge ratio) แบบจ าลอง VAR
แบบจ าลอง VAR หรอแบบจ าลอง Vector
Autoregressive ค อ ท า ก า ร ป ร ะ ม า ณ ค าความสมพนธระหวางการเปลยนแปลงราคายางแผนรมควนชน 3 ในตลาดทนทในรป Natural
logarithm (lnSt) กบการเปลยนราคายางแผนรมควนชน 3 ในตลาดลวงหนาในรป Natural
logarithm (lnFt) ดวยสมการตอไปน
1 1
ln ln lnFp q
t S i t i j t j St
i j
S S
(15)
1 1
lnF ln lnFp q
t F i t i j t j Ft
i j
S
(16)
เมอท าการประมาณคาสมการท (15) และ (16) แลว ท าการประมาณคาสวนทเหลอ (Residual)
แลวค านวณคาความแปรปรวนของสวนทเหลอ (Residual) ของสมการ (15) และ (16) ซงคอ
Chiang Mai University Journal of Economics – 23/1
11
( )St SSVar แ ล ะ ( )Ft FFVar
ตามล าดบ และค านวณความแปรปรวนรวมของส ว น ท เ ห ล อ (Residual) ซ ง ค อCov( , )St Ft SF จากนนท าการค านวณคาอตราสวนถวความเสยงแบบคงท (Constant
hedge ratio) ไดจากสมการตอไปน
SF
FF
(17)
แบบจ าลอง VECM แบบจ าลอง VECM หรอแบบจ าลอง Vector
Error Correction Model ส า ม า ร ถ ท า ก า รป ร ะม าณค า ค ว ามส มพน ธ ร ะห ว า ง ก า รเปลยนแปลงราคายางแผนรมควนชน 3 ในตลาดทนทในรป Natural logarithm (lnSt) กบการเปลยนราคายางแผนรมควนช น 3 ในตลาดลวงหนาในรป Natural logarithm (lnFt) ดวยสมการตอไปน
1
1 1
ln ln lnFp q
t S S t i t i j t j St
i j
S z S
(18)
1
1 1
lnF ln lnFp q
t F F t i t i j t j Ft
i j
z S
(19)
ซงตวแปร zt คอตวแปรทไดจากสมการท (8) เมอประมาณคาสมการท (18) และ (19) แลว ท าการประมาณคาสวนทเหลอ (Residual) แลวค านวณคาความแปรปรวนของสวนทเหลอ (Residual) ของสมการ (18) และ (19) และค านวณความแปรปรวนรวมของสวนทเหลอ (Residual) เพอท าการค านวณคาอตราสวนถวความเสยงแบบคงท (Constant hedge ratio) เหมอนแบบจ าลอง VAR
ข น ต อ น ท ส ท า ก า ร เ ป ร ย บ เ ท ย บประสทธภาพ (Performance) ในการปองกนความเสยง ของอตราสวนถวความเสยงทแปรผนตามเวลา และอตราสวนถวความเสยงแบบคงท โดยพจารณาเปรยบเทยบความแปรปรวนของผลตอบแทนกรณทมการปองกนความเสยงโดย
การท าการสญญาซอขายลวงหนากบกรณทไมไดปองกนความเสยง ซงท าการทดสอบท งในชวง In-sample และ Out-of-sample โดยชวง In-sample ค อ ช วงขอ มล ท ใชในการประมาณคาอตราสวนถวความเสยง สวนชวง Out-of-sample คอชวงขอมลทนอกเหนอจากชวงทใชในการประมาณคาอตราสวนถวความเสยง
เ รมตน โดยการค านวณหาผลตอบแทน (Return) ท งกรณทไมมการปองกนความเสยงและกรณทมการปองกนความเสยง ไดดงสมการตอไปน
lnunhedge tR S (20) ln lnFhedge t tR S (21)
Chiang Mai University Journal of Economics – 23/1
12
จากนนท าการค านวณคาความแปรปรวนของผลตอบแทนของทงกรณทไมมการปองกนความเสยงและกรณทมการปองกนความเสยง
ดงตอไปน
(unhedge) SSVar (22)
2(hedge) 2SS SF FFVar (23)
โดยท S และ F คอ ราคายางแผนรมควนชน 3 ในตลาดทนทและตลาดลวงหนา ตามล าดบ และ คออตราสวนถวความเ สยงของแตละแบบจ าลอง สวน
SS และFF ค อความ
แปรปรวนของผลตอบแทนในตลาดทนทและตลาดลวงหนาและ
SF คอความแปรปรวนรวมของผลตอบแทนในตลาดทนทกบตลาดลวงหนา
การวดประสทธภาพในการปองกนความเสยง (E) สามารถค านวณใหอยในรปของรอยละของการลดลงของความแปรปรวนในกรณปองกนความเสยงเทยบกบกรณไมไดปองกนความเสยง โดยทหากแบบจ าลองใดมคา E มากทสด แสดงวา ความแปรปรวนในกรณปองกนความเสยงลดลงจากกรณทไมไดปองกนความเสยงมากทสด สมการการวดประสทธภาพในการปองกนความเสยง (E) ดงตอไปน
(unhedge) (hedge)
100(unhedge)
Var VarE
Var (24)
3. ขอมลทใชในกำรศกษำ การ ศกษาอตร า สวนถวความ เ สยง ท
เหมาะสมของยางพาราในประเทศไทยโดยใชขอมลท ง 3 กรณคอ กรณขอมลรายวน ราย
สปดาหและรายเดอนของราคายางแผนรมควนชน 3 ในตลาดลวงหนา (Future market) และ ราคายางแผนรมควนชน 3 ในตลาดทนท (Spot market) ชวงขอมลมดงตอไปน
Table 1. Data in use
Type of data In-sample Out-of-sample
Daily 26 October 2016 - 30 April 2018 2 May 2018 – 28 September 2018
Weekly 4 June 2004 – 25 September 2015 2 October 2015 – 28 September 2018
Monthly June 2004 – December 2014 January 2015 – September 2018
Source: Thomson Reuters Datastream
Remark: Daily data has only 2 years
Chiang Mai University Journal of Economics – 23/1
13
การแบงขอมลออกเปน In-sample และ Out-of-sample องตามกฎหวแมมอ (Rules of
thumb) ซงขอมลในชวง In-sample ประมาณรอยละ 80 ของขอมลทงหมด และทเหลออกรอยล ะ 20 เ ป น ขอ ม ล ใ น ช ว ง Out-of-sample
(Hansen & Timmermann, 2012) และจากผลการศกษาของ Choudhry (2009) ยงพบวาถงแมชวงขอมลใน Out-of-sample จะแตกตางกนกมผลตอประสทธภาพในการปองกนความเสยงไมแตกตางกนมากนก และจากการศกษาของ Kanoktanaporn (2008) ซงไดท าการแบงขอมลรายวนออกเปนชวง ๆ คาอตราสวนถวความเสยงทได ในแตละชวงกไมแตกตางกนมากนก
4. ผลกำรศกษำ ผลการศกษาสามารถแบงออกเปน 3 สวน
ดวยกน ไดแก สวนทหนง ผลการทดสอบความนงของขอมล สวนทสอง คอ ผลการเปรยบเทยบประสทธภาพการปองกนความเสยงในชวง In-
sample ส ว น ท ส า ม ก า ร เ ป ร ย บ เ ท ย บประสทธภาพการปองกนความเสยงในชวง Out-
of-sample มรายละเอยดดงตอไปน
4.1 ผลกำรทดสอบควำมนงของขอมล ผลการทดสอบความนงดวยวธ Augmented
Dicky Fuller (ADF) test ซงสมมตฐานหลกคอ ขอมลมลกษณะไม นง (Nonstationary) โดยขอมลทใชในการศกษาไดแก การเปลยนแปลงของราคายางแผนรมควนชน 3 ในตลาดทนทในร ป Natural logarithm (lnSt) แ ล ะ ก า รเปลยนแปลงของราคายางแผนรมควนชน 3 ในตลาดลวงหนาในรป Natural logarithm (lnFt) ซงผลการศกษาดง Table 2 ซงผลการศกษา พบวา การเปลยนแปลงของราคายางแผนรมควนชน 3 ในตลาดทนทและตลาดลวงหนาในรป Natural
logarithm มลกษณะนง (Stationary) ทระดบ Level หรอม Order of intergration เ ท ากบ 0 (I(0)) ทกตวแปร
Table 2. The results of Augmented Dicky Fuller (ADF) test
Variable Trend and intercept Intercept None
ADF test Prob. ADF test Prob. ADF test Prob.
Daily
lnSt -23.2945 0.0000 -23.2900 0.0000 -23.3589 0.0000
lnFt -20.7683 0.0000 -20.7634 0.0000 -20.8083 0.0000
Weekly
lnSt -13.0049 0.0000 -12.9970 0.0000 -13.0338 0.0000
lnFt -16.7151 0.0000 -16.7043 0.0000 -16.7359 0.0000
Monthly
lnSt -11.6563 0.0000 -11.6233 0.0000 -11.6578 0.0000
lnFt -11.0128 0.0000 -10.9813 0.0000 -11.0195 0.0000
Chiang Mai University Journal of Economics – 23/1
14
Remark: ***,**,* is significant at significant level 1%, 5% และ 10% , respectively
4.2 ผลกำรเปรยบเทยบประสทธภำพกำรปองกนควำมเสยงในชวง In-sample การค านวณประสทธภาพในการปองกนความ
เสยงในชวง In-sample ในกรณขอมลรายวนแลวพบวา อตราสวนถวความเสยงทประมาณคาไดอยในชวง 0.2233 – 0.3481 โดยเมอพจารณาจากประสทธภาพในการปองกนความเสยงแลวพบวา แบบจ าลองท มประสทธภาพมากท สด คอแบบจ าลอง CCC กรณ Error term มการแจกแจงแบบปกต แบบจ าลอง CCC กรณ Error term มการแจกแจงแบบท และแบบจ าลอง OLS
ตามล าดบ ใน Table 3 โดยจากแบบจ าลอง CCC กรณ Error term มการแจกแจงแบบปกต มคาอตราสวนถวความเสยงเทากบ 0.3339 แสดงวา หากนกลงทนตองการซอ/ขายยางแผนรมควนชน 3 จ านวน 5,000 กโลกรมในอนาคตแลว นกลงทนสามารถท าการซอ/ขายยางแผนรมควนชน 3 ในตลาดลวงหนาเพยง 0.3339 สญญาเทานน (1 สญญา เทากบ 5,000 กโลกรม) และจากประสทธภาพในการปองกนความเสยงเทากบ 22.8065% แสดงวา แบบจ าลอง CCC กรณ Error term มการแจกแจงแบบปกต มประสทธภาพในการลดความแปรปรวนของพอรตลง 22.8065%
Table 3. The Hedging effectiveness results at in-sample period of daily data
Models Hedge ratios () Hedging Effectiveness
(E)
Time varying hedge ratio
Bivariate GARCH 0.2556 10.6355%
Bivariate Diagonal BEKK GARCH 0.2666 7.0281%
Bivariate GARCH-X 0.2601 8.7255%
CCC 0.3339 22.8065%***
Bivariate GARCH (t-dis.) 0.2413 5.2569%
Bivariate Diagonal BEKK GARCH (t-
dis.)
0.2413 5.2569%
Bivariate GARCH-X (t-dis.) 0.3012 8.0119%
CCC (t-dis.) 0.2233 21.8586%**
Constant hedge ratio
OLS 0.3467 14.0587%*
VAR 0.3435 14.0575%
VECM 0.3481 14.0584%
Remark : Time varying hedge ratios are average values
***,**,* is arranging the results of Hedging Effectiveness
Chiang Mai University Journal of Economics – 23/1
15
กรณขอมลรายสปดาห ชวง In-sample พบวา อตราสวนถวความเสยงทประมาณคาไดอยในชวง 0.6941 – 0.7534 และแบบจ าลองทมประสทธภาพในการปองกนความเสยงมากทสด คอ แบบจ าลอง OLS แบบจ าลอง VAR และแบบจ าลอง VECM ตามล าดบ ซงท ง 3 แบบจ าลองเปนแบบจ าลองอตราสวนถวความเสยงแบบคงท ผลการศกษาดงใน Table 4 โดยจากแบบจ าลอง OLS ม ค าอตราสวนถวความเสยงเทากบ 0.7401แสดงวา
หากนกลงทนตองการซอ/ขายยางแผนรมควนชน 3 จ านวน 5,000 กโลกรมในอนาคตแลว นกลงทนสามารถท าการซอ/ขายยางแผนรมควนชน 3 ในตลาดลวงหนาเพยง 0.7401 สญญาเทาน น (1 สญญา เ ท ากบ 5,000 ก โลก ร ม) และจ ากประสทธภาพในการปองกนความเสยงเทากบ 69.0839% แ ส ด ง ว า แ บ บ จ า ล อ ง OLS มประสทธภาพในการลดความแปรปรวนของพอรตลง 69.0839%
Table 4. The Hedging effectiveness results at in-sample period of weekly data
Models Hedge ratios () Hedging Effectiveness
(E)
Time varying hedge ratio
Bivariate GARCH 0.7111 65.8920%
Bivariate Diagonal BEKK GARCH 0.7426 65.7177%
Bivariate GARCH-X 0.7000 67.7054%
CCC 0.7125 68.4103%
Bivariate GARCH (t-dis.) 0.7534 68.3735%
Bivariate Diagonal BEKK GARCH (t-
dis.)
0.6941 68.0196%
Bivariate GARCH-X (t-dis.) 0.7116 67.9664%
CCC (t-dis.) 0.7029 68.5965%
Constant hedge ratio
OLS 0.7401 69.0839%***
VAR 0.7154 69.0069%**
VECM 0.7067 68.9435%*
Remark : Time varying hedge ratios are average values
***,**,* is arranging the results of Hedging Effectiveness
กรณขอมลรายเดอน ชวง In-sample พบวาคาอตราสวนถวความเสยงอยในชวง 0.7819 – 0.8910 และเมอพจารณาถงประสทธภาพในการปองกนความเสยงแลว พบวา แบบจ าลองทมประสทธภาพมากทสด คอ แบบจ าลอง GARCH-X กรณ Error
term มการแจกแจงปกต แบบจ าลอง GARCH-X กรณ Error term ม การแจกแจงแบบท และแบบจ าลอง Bivariate GARCH กรณ Error term ม
การแจกแจงปกตตามล าดบ ดงใน Table 5 โดยแบบจ าลอง GARCH-X กรณ Error term มการแจกแจงปกตมคาอตราสวนถวความเสยงเทากบ 0.8441 แสดงวา หากนกลงทนตองการซอ/ขายยางแผนรมควนชน 3 จ านวน 5,000 กโลกรมในอนาคตแลว นกลงทนสามารถท าการซอ/ขายยางแผนรมควนชน 3 ในตลาดลวงหนาเพยง 0.8441 สญญาเทานน (1 สญญา เทากบ 5,000 กโลกรม) และจาก
Chiang Mai University Journal of Economics – 23/1
16
ประสทธภาพในการปองกนความเสยงเทากบ 76.5819% แสดงวา แบบจ าลอง GARCH-X กรณ
Error term มการแจกแจงปกตมประสทธภาพในการลดความแปรปรวนของพอรตลง 76.5819%
Table 5. The Hedging effectiveness results at in-sample period of monthly data
Models Hedge ratios () Hedging Effectiveness
(E)
Time varying hedge ratio
Bivariate GARCH 0.8489 74.3202%*
Bivariate Diagonal BEKK GARCH 0.8291 73.5354%
Bivariate GARCH-X 0.8441 76.5819%***
CCC 0.8510 73.0441%
Bivariate GARCH (t-dis.) 0.8910 72.4994%
Bivariate Diagonal BEKK GARCH (t-
dis.)
0.8419 73.5546%
Bivariate GARCH-X (t-dis.) 0.8254 76.4554%**
CCC (t-dis.) 0.8433 72.2054%
Constant hedge ratio
OLS 0.8367 73.7774%
VAR 0.7842 73.4878%
VECM 0.7819 73.4616%
Remark : Time varying hedge ratios are average values
***,**,* is arranging the results of Hedging Effectiveness
4.3 ผลกำรเปรยบเทยบประสทธภำพกำรปองกนควำมเสยงในชวง Out-of-sample เมอท าการค านวณหาอตราสวนถวความเสยง
ของราคายางแผนรมควนชน 3 ทงแบบแปรผนตามเ ว ล า และแบบค ง ท แ ล วท า ก า ร ค า น วณประสทธภาพในการปองกนความเสยงในชวง Out-of-sample เนองจากนกลงทนใหความสนใจในประสทธภาพของแตละแบบจ าลองในอนาคต โดยคาอตราสวนถวความเสยงแบบคงทจะใชคาทประมาณคาไดในชวง In-sample แตคาอตราสวนถวความเสยงแบบแปรผนตามเวลาจะใชค า
อตราสวนถวความเสยงทประมาณคาไดในอดต 1 ชวงเวลา มาใชในการวดประสทธภาพการปองกนความ เ ส ยงในป จ จ บน โดยผลการ ศ กษาประสทธภาพการปองกนความเสยงในชวง Out-
of-sample ของขอมลรายวน รายสปดาหและรายเดอนแสดงไดดง Table 6
ผลการศกษาพบวา ในกรณขอมลรายวน แบบจ าลองทมประสทธภาพในการปองกนความเสยงมากทสดคอ แบบจ าลอง BEKK กรณ Error
term มการแจกแจงแบบท แบบจ าลอง CCC กรณ Error term มการแจกแจงแบบท และแบบจ าลอง
Chiang Mai University Journal of Economics – 23/1
17
Bivariate GARCH กรณ Error term มการแจกแจงปกตตามล าดบ ซ งท ง 3 แบบจ าลองมประสทธภาพในการปองกนความเสยงเทากบ 5.8793%, 4.5665% และ 4.5055% แสดงว า มประสทธภาพในการลดความแปรปรวนของพอรตลง 5.8793%, 4.5665% และ 4.5055% ตามล าดบ โดยในกรณขอ ม ลรายวนจะ เ หนไดว า มแบบจ าลอง 4 แบบจ าลองทมประสทธภาพในการปองกนความเสยงไดนอยกวากรณไมปองกนความเสยงเลย คอ แบบจ าลอง Bivariate GARCH กรณ Error term มการแจกแจงแบบท แบบจ าลอง GARCH-X ท งกรณ Error term มการแจกแจงปกตและการแจกแจงแบบท และแบบจ าลอง VECM อาจเนองจากตลาดลวงหนามความผนผวนของราคาอยางมาก หรออาจเกดสถานการณทเรยกวา Backwardation ในตลาดลวงหนา คอ ราคาในตลาดลวงหนาต ากวาราคาในตลาดทนท (Chotinuchittrakul & Boonvorachote, 2013)
กรณขอมลรายสปดาห พบวา แบบจ าลองทมประสทธภาพในการปองกนความเสยงมากทสด
คอ แบบจ าลอง VECM แบบจ าลอง VAR และแบบจ าลอง Bivariate GARCH กรณ Error term มการแจกแจงปกตตามล าดบ ซงทง 3 แบบจ าลองมประสทธภาพในการปองกนความเสยงเทากบ 52.1372%, 52.1101% และ 52.0176% แสดงวา มประสทธภาพในการลดความแปรปรวนของพอรตลง 52.1372%, 52.1101% และ 52.0176% ตามล าดบ สวนกรณขอมลรายเดอนแลวพบวา แบบจ าลองทมประสทธภาพในการปองกนความเสยงมากทสดคอ แบบจ าลอง BEKK กรณ error term มการแจกแจงแบบท แบบจ าลอง GARCH-X กรณ error
term มการแจกแจงปกตและแบบจ าลอง GARCH-
X กรณ Error term มการแจกแจงแบบท ตามล าดบ โดยท ง 3 แบบจ าลองมประสทธภาพในการปองกนความเสยงเทากบ 51.1320%, 50.2528% และ 49.8768% แสดงวา มประสทธภาพในการลดความแปรปรวนของพอ ร ตลง 51.1320%, 50.2528% และ 49.8768% ตามล าดบ
Table 6. The Hedging effectiveness results at Out-of-sample period
Models Hedging Effectiveness (E)
Daily Weekly Monthly
Time varying hedge ratio
Bivariate GARCH 4.5055%* 52.0176%* 48.5275%
Bivariate Diagonal BEKK
GARCH
1.2961% 51.6118% 45.0380%
Bivariate GARCH-X -9.3764% 46.3833% 50.2528%**
CCC 1.5157% 46.2817% 45.4258%
Bivariate GARCH (t-dis.) -32.6560% 49.9507% 47.2224%
Bivariate Diagonal BEKK
GARCH (t-dis.)
5.8793%*** 50.8277% 51.1320%***
Bivariate GARCH-X (t-dis.) -8.5040% 51.1562% 49.8768%*
CCC (t-dis.) 4.5665%** 48.3280% 45.0208%
Constant hedge ratio
Chiang Mai University Journal of Economics – 23/1
18
OLS 0.0907% 51.9610% 47.3505%
VAR 0.3126% 52.1101%** 48.3532%
VECM -5.3072% 52.1372%*** 48.5051%
Remark : Time varying hedge ratios are average values
***,**,* is arranging the results of Hedging Effectiveness
5. อภปรำยผล จากผลการศกษาในชวง Out-of-sample
พบวา แบบจ าลอง BEKK กรณ Error term มการแจกแจงแบบท แบบจ าลอง CCC กรณ Error term มการแจกแจงแบบท และแบบจ าลอง Bivariate
GARCH กรณ Error term มการแจกแจงปกตมประสทธภาพในการปองกนความเสยงในกรณขอมลรายวนมากทสด แสดงวาคาอตราสวนถวความเสยงแบบแปรผนตามเวลา (Time varying
hedge ratio) มประสทธภาพในการปองกนความเสยงมากกวาอตราสวนถวความเสยงแบบคงท (Constant hedge ratio) ซงสอดคลองกบงานของการศกษาของ Al Azzawi (2013) พบวา BEKK จะมประสทธภาพมากทสดโดยใชขอมลรายวนของกาแฟประเทศสหรฐฯ ถงแมวา Error term จะมการแจกแจงตางกนกตาม และสอดคลองกบการศกษาทพบวาแบบจ าลอง Bivariate GARCH มประสทธภาพ ไดแก การศกษาของ Bera,
Garcia & Roh (1997) ซงใชขอมลรายวนของขาวโพดและถวเหลอง ประเทศสหรฐอเมรกา การศกษาของ Choudhry (2004) ใชขอมลรายสปดาหของตลาดหลกทรพย 3 ประเทศคอ ออสเตรเลย ฮองกงและญปน การศกษาของ Pok, Poshakwal & Ford (2009) ใชขอมลรายวนของตลาดหลกทรพยประเทศมาเลเซย งานของ Hou & Li (2013) ใชขอมลรายวนของ China
Securities Index 300 การศกษาของ Zong et al (2014) ใชขอมลรายวนของยางแผนรมควนชน 3 ของประเทศไทย งานของ Yao & Wo (2012) ซงใชขอมลรายวนของหลกทรพยเชยงไฮและเซนเจน และการศกษาของ Sahoo (2014) ใชขอมลรายวนของขาวโพด และถวเหลองของประเทศสหรฐอเมรกา พบวาในชวง Out-of-sample แบบจ าลอง Bivariate GARCH มประสทธภาพมากทสด ถงแมวาในการศกษานแบบจ าลอง Bivariate GARCH กรณ Error term มการแจกแจงปกตมประสทธภาพในการปองกนความเสยงเปนอนดบทสามกตาม
ในกรณขอมลรายสปดาห พบวา อตราสวนถวความเสยงแบบคงท (Constant hedge ratio) มประสทธภาพในการปองกนความเสยงมากทสด ดวยแบบจ าลอง VECM และ VAR ซงสอดคลองกบงานของ Law & Thompson (2005) ซ ง ใชขอมลรายสปดาหของ FTSE100 และ FTSE250 แตใชแบบจ าลองตางกน โดย งานของ Law &
Thompson (2005) ใ ช แ บ บ จ า ล อ ง EWMA นอกจากนย งพบวา แบบจ าลอง VECM มประสทธภาพเหมอนงานของ Chotinuchittrakul
& Boonvorachote (2013) แต Chotinuchittrakul
& Boonvorachote (2013) ใชแบบจ าลอง VECM กบขอมลรายวนของยางแผนรมควนชน 3 ของประเทศไทย และยงพบวา อตราสวนถวความ
Chiang Mai University Journal of Economics – 23/1
19
เ สยงแบบแปรผนตามเวลาดวยแบบจ าลอง Bivariate GARCH ม ป ร ะ สท ธ ภ าพ ในก า รปองกนความเสยง ถงแมวาในผลการศกษาของงานนจะมประสทธภาพเปนอนดบท 3 ซงสอดคลองกบการศกษาของ Choudhry (2004)
ซงใชขอมลรายสปดาหของตลาดหลกทรพย 3 ประเทศคอ ออสเตรเลย ฮองกงและญปน
กรณขอมลรายเดอน พบวา อตราสวนถวความเสยงแบบแปรผนตามเวลา (Time varying
hedge ratio) ดวยแบบจ าลอง Bivariate Diagonal
BEKK GARCH กรณ Error term มการแจกแจงแบบท สอดคลองกบงานของการศกษาของ Al
Azzawi (2013) พบวา BEKK จะมประสทธภาพมากทสดโดยใชขอมลรายวนของกาแฟประเทศสหรฐฯ ถงแมวา Error term จะมการแจกแจงตางกนกตาม และพบวาแบบจ าลอง GARCH-X ท งกรณ Error term มการแจกแจงปกตและแจกแจงแบบท มประสทธภาพในการปองกนความเ ส ย ง ถ ง แ ม ว า ใ น ผ ล ก า ร ศ ก ษ า น จ ะ มประสทธภาพเปนอนดบท 2 และ 3 ซงสอดคลองกบงานของ Kavussanos & Nomikos (2002),
Choudhry (2003), McMillan (2005) แ ล ะ Choudhry (2009) ถงแมวาขอมลทใชอาจจะแตกต า ง กน โ ด ย ง านขอ ง Kavussanos &
Nomikos (2002) ใชขอมลรายสปดาห สวนงานของ Choudhry (2003), McMillan (2005) และ Choudhry (2009) ใชขอมลรายวน
6. สรปและขอเสนอแนะ
การศกษานตองการท าการเปรยบเทยบประสทธภาพในการปองกนความเสยงของอตราสวนถวความเสยงแตละแบบจ าลอง ท งกรณอตราสวนถวความเสยงทแปรผนตามเวลา (Time varying hedge ratio) และอตราสวนถวความเสยงแบบคงท (Constant hedge ratio) โดยใชขอมลยางแผนรมควนชน 3 (RSS3) ซงขอมลรายวนในชวง In-sample คอ 26 ตลาคม 2016 - 30 เมษายน 2018 และชวง Out-of-sample คอ 2 พฤษภาคม 2018 – 28 กนยายน 2018 ขอมลรายสปดาห ในชวง In-sample คอ 4 มถนายน 2004 – 25 กนยายน 2015 และชวง Out-of-sample คอ 2 ตลาคม 2015 – 28 กนยายน 2018 สวนขอมลรายเดอน ในชวง In-sample คอ เดอนมถนายน 2004 – เดอนธนวาคม 2014 และชวง Out-of-
sample คอ เดอนมกราคม 2015 – เดอนกนยายน 2018 และหาอตราสวนถวความเสยงทเหมาะสมกบแตละกรณของขอมล
กรณวเคราะหอตราสวนถวความเสยงแบบแปรผนตามเวลา แบบจ าลอง ท ใช ได แ ก แบบจ าลอง Bivariate GARCH แบบจ าลอง Bivariate Diagonal BEKK GARCH แบบจ าลอง Bivariate GARCH-X และแบบจ าลอง CCC ท งกรณท Error term มการแจกแจงปกต (Normal
distribution) และแจกแจงแบบท (t- distribution) ขณะทอตราสวนถวความเสยงแบบคงทน น แบบจ าลองท ใชในการประมาณค าไดแก แบบจ าลอง OLS แบบจ าลอง VAR และแบบจ าลอง VECM
Chiang Mai University Journal of Economics – 23/1
20
ผลการศกษาพบวา อตราสวนถวความเสยงของขอมลรายวนอยในชวง 0.1568 – 0.4108 แสดงวา หากนกลงทนตองการซอ/ขายยางแผนรมควนในอนาคต 5,000 กโลกรมแลว นกลงทนสามารถซอ /ขายยางแผนรมควนในตลาดลวงหนาจ านวน 0.1568 – 0.4108 สญญาเทานน (1 สญญาเทากบ 5,000 กโลกรม) โดยไมตองท าการซอ/ขายสญญาจ านวน 1 สญญาเหมอนกรณอตราสวนถวความเสยง (Hedge ratio) แบบหนงตอหนง โดยแบบจ าลองทมประสทธภาพในการปองกนความเสยงมากทสดในชวง In-sample คอ แบบจ าลอง CCC กรณ Error term มการแจกแ จ ง ป ก ต ส ว น ใ น ช ว ง Out-of-sample ค อแบบจ าลอง BEKK กรณ Error term มการแจกแจงแบบท ซ งท ง 2 แบบจ าลองจะไดค าอตราสวนถวความเสยงแบบแปรผนตามเวลา (Time varying hedge ratio)
สวนกรณขอมลรายสปดาหอตราสวนถวความเสยงอยในชวง 0.5974 – 0.7534 แสดงวา หากนกลงทนตองการซอ/ขายยางแผนรมควนในอนาคต 5,000 กโลกรมแลว นกลงทนสามารถซอ/ขายยางแผนรมควนในตลาดลวงหนาจ านวน 0.5974 – 0.7534 สญญาเทานน โดยแบบจ าลองทมประสทธภาพในการปองกนความเสยงมากทสดในชวง In-sample คอแบบจ าลอง OLS สวนในชวง Out-of-sample คอแบบจ าลอง VECM ซงทง 2 แบบจ าลองจะไดคาอตราสวนถวความเ สยงแบบคงท (Constant hedge ratio) ขณะทกรณขอมลรายเดอนอตราสวนถวความเสยงอยในชวง 0.7415 – 0.8910 แสดงวา หากนกลงทน
ตองการซอ /ขายยางแผนรมควนในอนาคต 5,000 กโลกรมแลว นกลงทนสามารถซอ/ขายยางแผนรมควนในตลาดลวงหนาจ านวน 0.7415 – 0.8910 สญญาเทาน น โดยแบบจ าลองทมประสทธภาพในการปองกนความเสยงมากทสดในชวง In-sample คอ แบบจ าลอง GARCH-X กรณ Error term มการแจกแจงปกต สวนในชวง Out-of-sample คอแบบจ าลอง BEKK กรณ Error
term มการแจกแจงแบบท ซงท ง 2 แบบจ าลองจะไดคาอตราสวนถวความเสยงแบบแปรผนตามเวลา (Time varying hedge ratio)
จากผลการศกษาจะเหนไดวา อตราสวนถวความเสยงจะมคานอยในกรณขอมลรายวน และมคามากขนเมอเปนขอมลรายสปดาหและรายเดอน โดยมคาเขาใกลหนงมากขน เนองจากเมอเขาใกลเวลาสงมอบสนคามากขนจะท าใหราคาในตลาดลวงหนาเขาใกลตลาดทนทมากขน ซงจากอตราสวนถวความเสยงทประมาณคาไดจะเหมาะสมกบเกษตรกร หรอนกลงทนทตองการท าการปดสญญากอนเวลาสงมอบ และนกลงทนมโอกาสท าก าไรไดมากในชวงขอมลรายวน เนองจากอตราสวนถวความเสยงมคานอย โดยอตราสวนถวความเสยงของขอมลรายวนอยในชวง 0.1568 – 0.4108 แสดงวา นกลงทนสามารถซอ /ขายยางแผนรมควนในตลาดลวงหนาเพยง 0.1568 – 0.4108 สญญาเทาน น โดยไมตองท าการซอ /ขายสญญาจ านวน 1 สญญาเหมอนกรณอตราสวนถวความเ สยง (Hedge ratio) แบบห น งต อห น ง ซ งท า ใหประหยดตนทนในการปองกนความเ สยง
Chiang Mai University Journal of Economics – 23/1
21
มากกวาหรอมโอกาสในการท าก าไรไดมากกวา กรณอตราสวนถวความเสยง (Hedge ratio) แบบหนงตอหนง อกท ง เ นองจากราคาในตลาดลวงหนาของยางแผนรมควนชน 3 มความผนผวนมาก โดยทผานมาพบวามความผนผวนของราคามากกวา SET50 Index ถง 3 เทา (Thailand
Futures Exchange, 2015) แตขณะเดยวกนเมอมโอกาสท าก าไรไดมากยอมมความเสยงมากขนดวย ดงน นนกลงทนจะตองคอยตดตามการ
เปลยนแปลงของราคาในตลาดลวงหนาและตลาดทนทอยเสมอ
7. กตตกรรมประกำศ
การศกษานไดท าการปรบปรงและแกไขและขยายจากงานวจย “อตราสวนถวความเสยงของสนคาเกษตรไทยทแปรผนตามเวลา” ซงไดรบการสนบสนนทนวจยจากทนพฒนานกวจยรนใหมมหาวทยาลยเชยงใหม ผวจยจงขอขอบพระคณ เปนอยางสงตอการสนบสนนโครงการวจยมา ณ ทน
8. Reference Al Azzawi, L. (2013). “ Estimation of Time-Varying Hedge Ratios for Coffee”. Master Thesis in Finance : Lund University
School of Economics and Management.
Bera, A.K., Garcia, P. & Roh, J. (1997). “Estimation of Time-Varying Hedge Ratios for Corn and Soybeans: BGARCH and
Random Coefficient Approaches”. OFOR Paper Number 97-06 December 1997. 34 pages.
Bollerslev, T. (1990). “Modelling the coherence in short-run nominal exchange rate: A multivariate generalized ARCH
approach”. Review of Economics and Statistics 72, pp. 498-505.
Chotinuchittrakul, V. & Boonvorachote, T. (2013). “Optimal Hedge Ratio Estimations and Hedging Effectiveness: A Case Study
of Thailand’s Commodity Futures Exchange”. Thai Journal of Operations Reseach 1(1) (January – June 2013), pp.
16-24.
Choudhry, T. (2003). “Short-run deviations and optimal hedge ratio: evidence from stock futures”. Journal of multinational
financial management 13, pp. 171 – 192.
________. (2004). “The hedging effectiveness of constant and time-varying hedge ratios using three Pacific Basin Stock
Futures”. International Review of Economics and Finance 13, pp. 371-385.
________. (2009). “Short-run deviations and time-varying hedge ratios: Evidence from agricultural futures markets”.
International Review of Financial Analysis 18, pp. 58 - 65.
Chuavallee, P. & Pisitsupakul, K. (2014). “Why the price of rubber is down? And sustainable solutions”. Bank of Thailand.
https://www.bot.or.th/Thai/ResearchAndPublications/DocLib_/
Article_02_09_14.pdf. (In Thai)
Conroy, R. M. (2003). “Hedging with Forwards and Futures”. The University of Virginia Darden School Foundation. 11 pages.
Dickey, D.A. & Fuller, W.A. (1979). “Distribution of the Estimates for Autoregressive Time Series with a Unit Root”. Journal
of the American Statistical Association 74, pp. 427- 431.
Ederington, L.H. (1979). “The hedging performance of the new futures markets”. Journal of Finance 1, pp. 157 – 170.
Engle, R., & Kroner, K. (1995). “Multivariate simultaneous generalized ARCH”. Econometric Theory 11, pp. 122−150.
Feng, L. & Shi, Y. (2017). “A simulation study on the distributions of disturbances in the GARCH model”. Cogent Economics
& Finance 5, 19 pages.
Hansen, P.R. & Timmermann, A. (2012). “Choice of Sample Split in Out-of-Sample Forecast Evaluation”. Economics Working
Papers ECO2012/10, European University Institute.42 pages.
Hou, Y. & Li, S. (2013). “Hedging performance of Chinese stock index futures: A empirical analysis using wavelet analysis
and flexible bivariate GARCH approaches”. Pacific-Basin Finance Journal 24, pp. 109 -131.
Johnson, L.L. (1960). “The theory of hedging and speculation in commodity futures”. The Review of Economic Studies 3, pp.
139 – 151.
Kanoktanaporn, T. (2008). “The Hedging Effectiveness in the Case of Ribbed Smoked Sheet No.3”. A thesis Master of
Economics Program in Economics Faculty of Economics Chulalongkorn University.
Kavussanos, M.G. & Nomikos, N.K. (2000). “Constant vs. time-varying hedge ratios and hedging efficiency in the BIFFEX
market”. Transportation Research Part E 36, pp. 229-248.
Chiang Mai University Journal of Economics – 23/1
22
Laws, J. & Thompson, J. (2005). “Hedging effectiveness of Stock index futures”. European Journal of Operational Research 163,
pp. 177-191.
Lee, T. (1994). “Spread and volatility in spot and forward exchange rates”. Journal of International Money and Finance 13, pp.
375−383.
McMillan, D. (2005). “Time-varying hedge ratios for non-ferrous metals prices”. Resources Policy 30, pp. 186 – 193.
Mehrara, M. & Hamldar, M. (2014). “Optimal Hedge Ratio for Brent Oil Market; Baysian Approach”. International Letters of
Social and Humanistic Sciences 37, pp. 82 – 87.
Pelletier, D. (2006). “Hedging Using Futures”. North Carolina State University, 17 pages.
Pok, W.C., Poshakwale, S.S. & Ford, J.L. (2009). “Stock index futures hedging in the emerging Malaysian market”. Global
Finance Journal 20, pp. 273-288.
Rawangsuk, P. (2011). “Rubber price trends in 2011”. Focused and quick (FAQ) Issue 29. https://www.ryt9.com/s/bot/1497781.
(In Thai)
Sahoo, S. R. (2014). “Hedging effectiveness of constant and time varying hedge ratio for maritime commodities”. World
Maritime University Dissertations, 480. 47 pages.
Sucharitkul, R. (2015). “All Together ... strong”. Bangkokbiznews 22 October 2015.
https://www.sec.or.th/TH/Documents/Information/Interviews-Articles/bangkok_221058.pdf
Thailand Futures Exchange (2015). “RSS3 Futures”. https://www.tfex.co.th/th/education/others.html. (In Thai)
Thairath online (2017). “Looking back on the price of rubber around 10 years, compared to the price of 3 governments”.
https://www.thairath.co.th/content/1124949. (In Thai)
The Agricultural Futures Exchange of Thailand. (2013). “Introduce Organization”.
http://www.afet.or.th/v081/thai/corporate/introduction.php.
Yao, Z. & Wu, H. (2012). “Financial Engineering Estimation of Minimum Risk Hedge Ratio”. Systems Engineering Procedia
3, pp. 187 – 193.
Zong, C.Q. et. al (2014). “Hedging Effectiveness of Rubber Market in Thailand”. Bachelor of Economics (Hons) Financial
Economics, Malaysia, Universiti Tunku Abdul Rahman. 74 pages.