2010年4月16日,中金所正式推出了我国第一只股指期货合约——沪深300股指期货,翻开了我国金融期货交易的新篇章。五年后,中证500股指期货、上证50股指期货相继上市交易,结束了我国单个股指期货交易的历史,为投资者提供了多元化的指数投资工具。股指期货在风险管理、价格发现及资产配置上均具有重要的作用,其中套期保值作为风险规避的实现手段受到了国内外学者的广泛研究,国内股指期货的陆续推出也为套期保值者的操作提供了一定空间。此外,近年来国内外经济形式的变动也使得投资者面临的风险变得越来越多元化、复杂化。自2018年以来,美国与我国之间发生的贸易摩擦使得双方各自的金融市场都发生了大幅震动,国内实体企业以及投资者的风险管理需求相应也在大幅提高。因此在这样一种背景下,研究如何更好的利用股指期货进行套期保值具有现实意义。套期保值的关键问题在于确定最优套期保值比率。目前关于最优套期保值比的研究从模型上大体可以分为两类:静态套期保值模型和动态套期保值模型。静态模型主要包括普通最小二乘模型(OLS)、双变量向量自回归模型(BVAR)、向量误差修正模型(VECM)等,这些模型的共同点在于得出的最优套期保值比是不随时间发生变化的。虽然静态模型具有简单易行的特点,但却无法解决金融时间序列所普遍存在的自相关、异方差等问题。因此学者开始采用GARCH类等动态模型来进行相关研究,但在实证研究领域不同学者对于究竟采用哪类模型得到的套期保值绩效更优仍存在争论,即研究发现动态模型并不总是优于静态模型的。此外,有国外学者在研究中发现动态模型估计的最优套期保值比的波动性与样本外的套期保值绩效呈现出一种反向相关。他们尝试通过降低动态模型估计的最优套期保值比的波动来提升模型的套期保值绩效,并利用国外的股指期货数据进行实证取得了较好的结果。而国内文献关于此方面的相关性研究和实证还相对较少,主要集中于比较各类模型得出的套期保值绩效的优劣。因此为了探索这种反向相关关系是否也存在于我国的股指期货市场,通过减小动态模型估计的最优套期保值比的波动性是否能够提升模型的套期保值绩效。本文运用Kim和Park(2016)的研究思路,采用一种简单的收缩估计方法将动态DCC-GARCH模型和静态OLS模型估计的样本(条件)协方差矩阵的凸组合作为条件协方差矩阵的一种新估计,从而降低了动态模型得到的最优套期保值比的估计值的波动性。通过这种收缩估计方法估计出的最优套期保值比相对于一般动态模型有三个优点:(1)此方法估计的最优套期保值比保持了动态模型的时变性,但同时它又能减小最优套期保值比的波动性(2)通过收缩权重的时变选择,可以使得套期保值的绩效指标如方差减小度达到最大化,以满足套期保值者的实际需求(3)该方法的计算成本比许多现有的复杂模型要小很多,操作起来十分方便。本文的实证部分利用2016年1月11日至2018年12月28日中国沪深300、中证500和上证50这3种股指的期现货数据进行实证研究,以检验该收缩估计方法的有效性。在最小方差的框架下,研究结果表明:无论在样本内外相较于动态DCC-GARCH模型,该收缩估计方法得到的最优套期保值比的均值都较低,意味着资金的占用成本较低,相应的套期保值者所承受的杠杆风险也较低。此外,在有效降低估计的最优套期保值比波动的同时,该方法能够较好的保持DCCGARCH模型具有的时变性与持续性,且套期保值绩效也要优于传统的静态OLS模型与动态DCC-GARCH模型。本文创新的将动态模型与静态模型结合起来对期现货收益率的条件协方差矩阵给出一个简单的收缩估计,探讨了通过降低最优套期保值比的波动性是否能够提升模型的套期保值绩效。本文的研究将有助于丰富国内期货市场关于最优套期保值比波动性与套期保值绩效相关性的实证研究,为探寻适合我国股指期货市场的套期保值模型提供一定帮助,并对国内市场有套期保值需求的投资者提供一定的参考。