modeling and the hedging effectiveness of hedge …bata hedge หร อ minimum variance hedge...

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.


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


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


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


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


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


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


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)


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


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


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)


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


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


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


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


(E)


Bivariate GARCH 0.7111 65.8920%


Bivariate GARCH-X 0.7000 67.7054%

CCC 0.7125 68.4103%



dis.)

0.6941 68.0196%

Bivariate GARCH-X (t-dis.) 0.7116 67.9664%

CCC (t-dis.) 0.7029 68.5965%


OLS 0.7401 69.0839%***

VAR 0.7154 69.0069%**

VECM 0.7067 68.9435%*



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


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


(E)


Bivariate GARCH 0.8489 74.3202%*


Bivariate GARCH-X 0.8441 76.5819%***

CCC 0.8510 73.0441%



dis.)

0.8419 73.5546%

Bivariate GARCH-X (t-dis.) 0.8254 76.4554%**

CCC (t-dis.) 0.8433 72.2054%


OLS 0.8367 73.7774%

VAR 0.7842 73.4878%

VECM 0.7819 73.4616%



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


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


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%



18

OLS 0.0907% 51.9610% 47.3505%

VAR 0.3126% 52.1101%** 48.3532%

VECM -5.3072% 52.1372%*** 48.5051%



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


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


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


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.

https://ideas.repec.org/s/eui/euiwps.html

https://ideas.repec.org/s/eui/euiwps.html


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.

http://www.afet.or.th/v081/thai/corporate/introduction.php