硕士学位论文
基于核支持向量机模型的铁矿石动态
套期保值方法研究
2023年12月
MASTER THESIS
Research on Dynamic Hedging
Method of Iron Ore Based on Kernel
Support Vector Machine Model
December 2023
浙江财经大学硕士学位论文
摘要
铁矿石原材料的成本占钢铁生产总成本的40%左右，而中国作为世界上最大
的铁矿石消费国和进口国，对铁矿石的需求占全球的三分之二左右，因此铁矿石
价格的剧烈波动可能会给企业带来巨大的风险，对国民经济的健康发展产生负面
影响。2022年4月20日，十三届全国人大常委会第三十四次会议通过了《中华人
民共和国期货和衍生品法》，强调套期保值重要性，明确期货市场核心功能包括
价格发现、风险管理和资源配置，鼓励企业利用期货市场进行套期保值等风险管
理活动。然而，在面对全球经济一体化不断加深和全球金融市场迅速发展时，大
宗商品价格受到国际和国内多种复杂因素的交织影响，呈现出复杂的非线性波动，
因此建立一套有效的套期保值策略并非易事。那么如何更好地识别铁矿石市场价
格的非线性变动风险并更有效的进行套期保值？本文利用铁矿石期货和现货价格
数据开展研究。
本文选取2013年10月18日至2023年8月17日的铁矿石期货和现货价格数
据，对铁矿石市场有效套期保值进行理论推演和实证检验。一方面，本文梳理了
国内外套期保值理论以及机器学习模型研究的内容和成果，研究了各套期保值模
型的构建原理。构建基于机器学习的动态套期保值优化方法，更好地识别市场价
格的非线性变动风险；另一方面，本文根据铁矿石价格波动的具体数据特征，构
建铁矿石套期保值投资组合，采用VEC-GARCH 、核回归、支持向量机和核支持
向量机等方法，在考虑交易成本和风险厌恶系数的情况下，分别估计铁矿石的动
态最优套期保值比率，并对比评估套期保值绩效。本文发现：一方面，在考虑交
易成本和不考虑交易成本两种情况下，核回归和支持向量机相对于为VEC-
GARCH 模型均表现更优，核回归模型在风险厌恶程度较低时表现最佳，而在风
险厌恶程度较高时，支持向量机成为更有效的套期保值方法；另一方面，本文的
实证结果证实了两种机器方法相结合的协同作用，核支持向量机的套期保值效果
均优于核回归和支持向量机。在不考虑交易成本时，核支持向量机的套期保值效
果相对于其他的机器学习方法提升8.08%到70.90%，在考虑交易成本时，提升
8.08%到91.03%。本文建议：一是广泛进行实证研究，提供更多的技术支持；二
是加大铁矿资源勘察开发力度，完善多元进口供应体系。
本文可能的贡献主要在两个方面：一是本文引入机器学习方法，结合了动态
套期保值策略模型，以应对铁矿石市场的非线性价格波动，提供了一种新的套期
保值方法，为套期保值提供了一种新的有效模型，弥补了现有文献中关于套期保
值模型和方法的不足。二是本文考虑交易成本和风险厌恶程度，以实证检验验证
了该模型的优势。这有助于更全面地理解套期保值的效果，为铁矿石市场的风险
I
浙江财经大学硕士学位论文
管理提供了新的视角和方法。
关键词：铁矿石；套期保值；核支持向量机；核回归；支持向量机
II