期货市场的一个重要功能是规避价格风险，而这一功能的实现是通过套期保值来完成的。期货套期保值的本质是套期者利用基差风险来代替比其更大的现货资产所面临的风险。所谓套期保值比率就是套期保值者持有期货合约头寸大小与相应风险暴露现货资产大小间的比率，如何准确的估计最优套期保值比率是一个现实问题。本论文的目的就是要在现有国内外研究成果的基础上试图建立一种更精确更稳定的一般模型，从而为金融机构的套期保值操作提供参考。 股指期货即将推出，利用股指进行套期保值的实际意义日益凸显出来。如何精确估计最优套期保值比率是利用股指期货进行套期保值的核心问题，而估计套期保值比率的关键是要预测资产和股指期货的方差和协方差，传统的估计和预测模型都是参数形式的，如历史波动率模型、移动平均模型、各种参数GARCH模型等等。虽然非参数模型已经广泛地被运用于估计资产波动性的研究之中，但是到目前为止还没有研究将其运用于估计两种资产的相关性，因此对于最优套期保值比率的研究目前还只停留在参数形式的模型上，为了避免参数模型的误设风险以及模型的线性形式的局限性，本文第一次将非参数模型的广义可加模型应用于期货套期保值的研究中，并用参数模型和广义可加模型分别构建了指数期货条件方差的GARCH模型以及指数期货和目标资产条件协方差的GARCH模型，从而比较各种参数模型和非参数模型在套期保值中的效果。 本文的研究方法基于以下两个成熟的研究成果： 1)由于对于大多数金融时间序列，误差项的条件方差和条件协方差都不恒定，传统的多元GARCH模型中有大量的参数要估计，为了简化模型和加强模型的实用性，Bollerslev(1990)假设系数矩阵为对角矩阵且条件方差的相关系数恒定，并认为条件方差和条件协方差只依赖各自滞后项和残差平方的滞后项。这正好便于在后面引入非参数GARCH模型。 2)Buhlmann和MeNeil(2002)对条件方差、滞后一期的扰动项的平方以及条件方差自身的滞后一期值三者之间的函数关系用一种非参数形式来描述，给出了一种全新的估计波动率的循环算法(这种算法的实质是用非参数的方法去修正用参数模型估计出的条件方差，从而得出更精确的条件方差)，并对这一全新的算法的可行性和有效性给出了证明，得出非参数形式的GARCH模型对波动率的估计效果要强于参数形式的GARCH模型。 Buhlmann和MeNeil只是把非参数模型用在估计资产的波动率上，根据Bollerslev的假设(条件方差和条件协方差只依赖各自滞后项和残差平方的滞后项)，就可以把对多元GARCH模型的估计转换成对单变量GARCH模型的估计，然后把非参数方法分别用在估计条件方差和条件协方差上，最后以华夏大盘精选基金的收益数据为样本，在最小方差套期保值比率的理论基础上对本文的非参数方法进行实证检验，期望预测出更精确的最优套期保值比率。 本文的创新之处在于利用前人的理论假设和成果，用非参数的方法分别估计条件方差和条件协方差，然后根据最小方差套期保值比率的理论估计出最优套期保值比率。 本论文的研究成果： 非参数模型放宽了参数模型的种种限制，例如模型的形式和干扰项的分布等等。非参数模型的非线性形式可以更好地描述数据，避免模型的错误设定，减少估计值与真实值之间的误差。 实证结果表明非参数模型不仅可以估计出更准确的条件方差，也可以估计出更准确的条件协方差，根据条件方差和条件协方差估计出最优套期保值比率，在检验了套期保值比率的套保效果以后，发现无论市场处于牛市、熊市还是震荡市中非参数GARCH模型的套保效果都好于其他参数模型，从而显示出比其他模型更强的稳定性。认为基金等金融机构可以选择在任何市场状态下使用非参数GARCH模型来进行套期保值操作，具有更高的准确性和实用性。