Tag: 风险管理

约30家龙头贸易商参与期货定价 国内港口铁矿石基差贸易氛围渐浓

中国冶金报 中国钢铁新闻网

记者 何惠平 报道

当前，以期货价格为基准的基差贸易模式是国内外相关大宗商品贸易常用的定价模式。近年来，伴随着国内铁矿石期货功能持续有效发挥，经过相关市场机构的长期培育和服务，基差贸易已在国内港口铁矿石贸易中日渐兴起。

机构调研数据显示，2023年国内港口铁矿石人民币贸易总量的10%~15%通过基差贸易完成，业内约30家龙头贸易企业已在铁矿石贸易中应用基差贸易模式。随着基差贸易的深入普及，期货市场在优化铁矿石定价机制、服务钢铁产业高质量发展上的作用将愈发凸显。

矿价波动 企业“很受伤”

铁矿石是钢铁生产最主要的原材料，被视为钢铁工业的“粮食”，其重要性不言而喻。我国铁矿石资源虽储量大，但品位低、开采成本高，作为全球最大的钢铁生产国，每年需从海外进口大量高品位铁矿石，2023年我国铁矿石进口量达11.8亿吨，创历史新高，铁矿石对外依存度也多年保持在80%以上水平。

由于上游在外且高度集中，国际市场的风吹草动都会传导至国内市场，引发价格波动。2004年，进口矿价一度上涨71.5％，2020年我国从澳大利亚进口铁矿石价格从70美元/吨一路涨至170多美元/吨。面对矿价“易涨难跌”，无论是贸易商还是钢铁企业都叫苦不迭。

优化贸易定价机制，成为钢铁行业和期货市场孜孜不懈的目标追求。《中国冶金报》记者在采访中了解到，2013年大连商品交易所（以下简称大商所）上市的铁矿石期货，经过10余年的稳健发展，期货功能持续有效发挥，如今已成为国内钢铁企业应对价格风险的“利器”。五矿发展股份有限公司（以下简称五矿发展）主要从事资源贸易、金属贸易、供应链服务等业务，近年来铁矿石年贸易量约为5000万吨。五矿发展长期深度参与期货市场，目前已成为铁矿石期货厂库、大商所产融培育基地，其产品五矿标准粉成为铁矿石交割品牌。

“大商所应时而动，于2013年推出铁矿石期货。这几年，期货市场的影响力不断增强，国际产业企业也逐渐参与，期货价格已经成为铁矿石定价的重要参考，对企业持续稳定经营、不断做优做强起到了支撑作用，同时也对企业走出去、服务人民币国际化等产生了积极而深远的影响。”五矿发展相关业务负责人对《中国冶金报》记者表示。

与五矿发展类似，厦门国贸集团股份有限公司（以下简称厦门国贸）作为大宗商品贸易企业，同样深度参与期货市场。为降低从采购到销售期间的价格波动风险，厦门国贸很早就利用基差贸易等方式开展现货贸易。“2011年至今，我们公司铁矿石销售规模在10多年间增长约10倍，没有期货市场的保驾护航是不可能实现的。”厦门国贸相关业务人员告诉《中国冶金报》记者，该公司在库存管理中借助期货和衍生品工具，在海漂/港口、境内/境外、期货/现货、近月/远月之间锁定利润，同时强化风险管理、避免大规模敞口风险。

在金瑞期货总经理侯心强看来，大商所铁矿石期货因实物交割制度设计和现货市场紧密相连，保障了期货功能的有效发挥，为国内铁矿石贸易定价、辅助产业链企业生产经营和宏观决策提供了有效的市场信息，在助力重要矿产资源保供稳价、优化现货定价机制等方面发挥了积极作用。

基差贸易氛围渐浓

伴随着多年来期货功能的有效发挥，以期货价格为基准的基差贸易模式在国内港口铁矿石贸易中日渐普及。

据介绍，基差就是现货与期货价格之间的差额，反映了期现市场间的运输成本、持有成本、供需等因素。基差贸易是指买卖双方在期货价格的基础上增加双方协商同意的升贴水来定价的现货贸易方式。相比于传统的“一口价”定价方式，基差贸易具有公开透明、模式灵活、延期定价、降低风险等优势，有助于改变以往上下游谈判时的博弈对抗状态，促进贸易达成和产业链供应链稳定。

目前，基差贸易已成为国际大宗商品常用的贸易定价机制，在国际原油、油脂油料、有色金属等贸易中普遍采用基差贸易方式。在国内，75%的豆粕、70%的棕榈油和40%的豆油贸易利用大商所期货价格开展基差贸易，2023年华东地区龙头贸易企业与下游客户间的塑料化工品贸易中基差定价的比例接近50%。

在当下的铁矿石市场，基差贸易也愈发普及。据相关机构估算，国内铁矿石人民币港口年贸易量为3亿吨～4亿吨，2023年，采用“铁矿石期货价格+升贴水”基差贸易模式的贸易量占国内铁矿石人民币港口贸易总量的10%～15%，行业内约30家龙头贸易企业已应用基差贸易模式。多家贸易企业向《中国冶金报》记者反映，去年其铁矿石基差贸易规模已经达到200万吨～500万吨。在港口现货贸易最为活跃的山东地区，PB粉（皮尔巴拉混合矿）通过基差贸易定价的比例更是超过60%。

“铁矿石基差贸易的兴起和快速发展，有利于完善现货贸易和定价机制，增强我国在国际贸易中的价格影响力。”一德期货黑色事业部总经理彭刚说。

产业主动求变 探索发展新路

近年来铁矿石基差贸易缘何兴起？《中国冶金报》记者在采访中获悉，其原因有两方面。

一方面，贸易结构发生变化，市场参与者风险管理意识增强。近几年，为了降低铁矿石现货价格频繁波动的风险，下游钢厂普遍采取了低库存的策略，以“即采即买”方式采购港口现货的贸易行为明显增多。

“如今现货市场参与者专业度在提高，风险管理意识在增强。面对越来越多的港口现货贸易，以民营钢厂和大型贸易商为代表的产业链企业主动求新求变，贸易方式从以往博弈绝对价格转变为基差贸易模式，有利于管理价格风险。”中化国际化学科技（海南）有限公司矿产部总经理助理罗莎莎说。

杭州热联集团相关业务负责人也认为，在铁矿石现货价格波动加剧的背景下，中下游企业为了规避价格风险而在港口现货采购中开展基差贸易，是2023年铁矿石基差贸易规模扩大的重要原因。

另一方面，基差贸易的普及力度持续加大。大商所以“期货学院”“产融基地”等为抓手，每年面向钢铁等产业企业支持开展各类培育活动和服务项目，将基差贸易等期现结合方案送到工厂车间。为在钢铁行业进一步推广基差贸易，大商所自2017年起在黑色系品种开展基差贸易试点，河钢、福建三钢等产业链企业积极关注和参与试点项目，将期货市场价格发现和风险管理的功能推广到日常贸易中来。

自2019年起，大商所在整合基差贸易、场外期权等业务试点工作的基础上，推出了综合性的“企业风险管理计划”，为企业利用基差贸易、期货及期权套保等工具提供了“试验田”。在交易所和期货公司的大力推广下，南钢等国内钢铁企业及其下属贸易公司，淡水河谷、嘉吉等国际大型矿山、贸易企业均通过参与“企业风险管理计划”积累了铁矿石基差贸易的实战经验，有效提升了其风险管理水平。

助力钢铁产业高质量发展

对于如何推动钢铁产业高质量发展，相关专家认为，打造自主可控、安全可靠的产业链、供应链，保障铁元素供给是重要前提。具体建议包括，加快国产矿建设、海外权益矿投资，加强废钢循环利用等。同时，综合利用好期货、现货两个市场对于促进钢铁业高质量发展也尤为重要。

在今年全国两会期间，全国政协常委、中国工程院院士刘中民提议，借鉴其他大宗商品贸易经验，引导产业应用大商所铁矿石期货价格对现货贸易定价，逐步形成以铁矿石期货价格加升贴水报价的定价体系，在促进期现货市场深度融合的同时，不断提升我国市场的国际影响力。

刘中民提出，应积极推进国内龙头企业及大型贸易商建立期现结合的运作模式，科学运用现代风险管理手段，助力龙头企业更好参与期货市场套期保值，保障行业稳健发展。

五矿发展相关业务负责人也认为，应继续加大对国内产业客户参与国内期货市场套期保值的支持力度，推动套期保值业务从境外到国内的回流，通过进一步提升产业参与度、挖掘国内期货市场价格发现功能，不断增强期货价格的影响力。

推动我国外汇储备经营管理高质量发展

党的十八大以来，外汇储备坚持以习近平新时代中国特色社会主义思想为指导，不断完善中国特色外汇储备经营管理，系统推进经营管理能力建设，成功经受住了多轮外部冲击的考验，维护了外汇储备规模的总体稳定，充分发挥了国家经济金融的“稳定器”和“压舱石”作用。

外汇储备规模保持基本稳定，是维护国家经济金融安全的重要防线

截至2022年7月末，我国外汇储备规模为31041亿美元，约占全球外汇储备规模的1/4。我国外汇储备规模保持基本稳定，有效增强了国际社会对我国经济发展的信心，对抵御外部冲击、维护国家经济金融安全发挥了积极作用。

不断提升经营管理能力，向国际一流资产管理机构稳步迈进

超大规模外汇储备的经营管理是一个国际性难题，没有现成的经验可以遵循。我国外汇储备经营管理机构开拓创新，不断探索完善中国特色的经营管理之路，坚持以党的领导为核心，以加强全球化集团化管理为主线，系统推进专业化投资能力建设、科技化运营能力建设和市场化机构治理能力建设，推动外汇储备经营管理高质量发展。

始终坚持以党的领导为核心，牢记初心使命。坚持以习近平新时代中国特色社会主义思想为指导，深刻领悟“两个确立”的决定性意义，不断增强“四个意识”，坚定“四个自信”，坚决做到“两个维护”，完整、准确、全面贯彻新发展理念，服务构建新发展格局。

按市场化原则开展多元分散投资，全领域投资经营能力不断加强。我国外汇储备以安全、流动和保值增值为经营目标，充分利用不同货币和资产之间的风险收益特性，构建了多元分散的投资组合。不断探索完善以投资基准为核心的经营管理模式，建立了专业有效的投资管理体系。多年来，外汇储备全领域投资经营水平不断提升，在各个资产品种的经营上都跻身国际领先行列，有效保障了资产的安全、流动和保值增值。

妥善应对风险挑战，为国家经济金融安全构筑了关键防线。我国外汇储备始终将风险防范放在首位，不断提升对重大风险的识别、评估和管理能力，丰富风险管理工具箱，建立健全风险管理和内部控制体系。近年来，我国外汇储备经受住了世界经济形势变化、国际金融市场剧烈波动、新冠肺炎疫情全球蔓延等挑战，切实提升了我国抵御外部冲击的能力，为打赢防范化解重大风险攻坚战作出了积极贡献。

拓展外汇储备多元化运用，积极服务国家对外战略取得成效。坚持商业化原则，持续创新多元化运用渠道和方式，牵头设立丝路基金、中拉产能合作投资基金、中非产能合作基金，积极开展国际合作。目前，外汇储备多元化运用已形成涵盖股权、债权、基金、多边开发机构联合融资等多种产品的业务格局，多层次、大力度支持国家对外战略。

在安全、流动和保值增值的基础上，把可持续投资作为长期目标。我国外汇储备是国际市场上负责任的长期投资者。自2012年起，多渠道积极开展绿色债券投资，不断拓展绿色可持续投资的深度和广度，将气候变化、绿色和社会责任投资等ESG（环境、社会、治理）因素全面融入投资管理流程，持续完善气候风险的分析和监测，引导股权投资机构开展绿色可持续投资。积极参与国际交流，支持绿色低碳发展。

以科技创新提升运营能力，全球化管理水平持续加强。大力提升自主研发能力，持续优化信息化项目建设及管理机制，探索打造全球一体化运营平台，跨时区、跨市场的投资运营能力不断提升。在新冠肺炎疫情全球持续蔓延的情况下，外汇储备经受住了疫情对生产运营带来的严峻考验，成功保障全球7×24小时连续安全运营。

坚持人才引领发展，机构和队伍建设不断完善。牢固树立国家利益至上的运营理念，完善体制机制，持续探索优化人员培养和管理模式。秉持低调、务实的投资风格，打造了一支作风优良、业务精通、担当作为的团队，历经多个经济与金融市场周期的考验，专业性受到广泛认可。

当前，我国迈上全面建设社会主义现代化国家新征程，做好外汇储备经营管理的意义更加重大。外汇储备经营管理机构将坚持以习近平新时代中国特色社会主义思想为指导，不忘初心，牢记使命，系统推进专业化投资能力建设、科技化运营能力建设、市场化机构治理能力建设，努力建成中国特色、国际一流的资产管理机构，推动外汇储备经营管理高质量发展，为加快构建新发展格局、更好服务国家战略作出新的更大的贡献。

使用遗传算法构建期权对冲策略

奇异期权定价

实际的含权贸易中，往往包含了一些奇异的条件。而在我们持有头寸的时候，往往需要用场内标准的期权来进行对冲，通过这样的方式来减少风险。

例如我们买入一个如下条件的白糖场外期权

看跌期权， 当前价格5700， 执行价格5650， 到期日t 40交易日 波动率 0.0063， 权利金50

通过计算得知，我们的预期利润为：

期望利润: 15.662175 方差: 110.78011080184643 夏普比: 0.3548628627350025

# 蒙特卡洛算法计算期权
def SimulatePrice(P0, std, steps, step_price=1, N=10000):  
    """  
    :param P0:  初始价格  
    :param std:   序列标准差  
    :param steps:   序列步数  
    :return:  
    """    sim_norm_ret = np.random.normal(0, std, (steps, N))  
    sim_price = np.exp(sim_norm_ret.cumsum(0))  
    # # 初始价格1000  
    sim_price = P0 * sim_price  
    sim_price = (sim_price / step_price).round(0) * step_price  
    # 第一行添加初始价格  
    sim_price = np.vstack([P0 * np.ones(N), sim_price])  
    return sim_price
    
s = 0.0063  
P0 = 5700  
strike_price = 5650  
profit = 50  
t = 40  
N = 40000  
# 采用蒙特卡洛方式定价  
sim_price = SimulatePrice(P0, s, 40, N=N)  
last_sim_price = sim_price[-1,:]  
last_sim_profit = np.maximum(0, strike_price-last_sim_price) - profit  
print("期望利润:", last_sim_profit.mean(), "方差:", last_sim_profit.std(), "夏普比:", last_sim_profit.mean()/last_sim_profit.std() * np.sqrt(252/t))
>期望利润: 15.662175 方差: 110.78011080184643 夏普比: 0.3548628627350025

场内期权对冲

虽然买入这样的看涨期权，期望收益是正的，但是方差太大，夏普比过低。

为了转移风险，我们可以在场内卖出一个看跌期权与我们的头寸进行对冲。 但是场内期权与我们头寸 到期日不同，执行价不同，所以我们需要构建一个头寸组合来实现我们的对冲策略。

from scipy.stats import norm  
import matplotlib.pyplot as plt
def CND(X):  
    return norm.cdf(X)  
# 当前期权理论价格  
def PutOptionPriceBSAarry(S, K, std, t, r=0.0):  
    d1 = (np.log(np.divide(S , K)) + (r + (std ** 2) / 2) * t) / (std * np.sqrt(t))  
    d2 = d1 - std * np.sqrt(t)  
    return K * np.exp(-r * t) * CND(-d2) - S * CND(-d1)
index = 1  
hold_position = 1  
position_profit = (put_option_theory_price[index] - put_option_theory_date_price[:,index])  
last_sim_price = sim_price[-1,:]  
last_sim_price.resize((N,1))  
put_option_theory_date_price = PutOptionPriceBSAarry(last_sim_price, strike_price_array, s, all_t-t)  
p = last_sim_profit +position_profit  * hold_position  
plt.figure(figsize=(15, 6))  
plt.subplot(1, 3, 1)  
_ = plt.hist(last_sim_profit)  
plt.subplot(1, 3, 2)  
_ = plt.hist(position_profit)  
plt.subplot(1, 3, 3)  
_ = plt.hist(p)  
print("期望利润:", p.mean(), "方差:", p.std(), "夏普比:", p.mean()/p.std() * np.sqrt(252/t))

我们发现，通过构建一定比例的卖出看跌期权，夏普比明显增加！接下来我们自然的想到，如果我们把所有的场内期权都考虑进去，构建一个综合的场内期权组合，能不能尽可能的提升我们的夏普比？

构建场内期权组合遗传算法

当前白糖2501，执行价在5000-7000之间。所以我们有20个目标期权合约，每一个期权我们都可以做多做空10手，所以我们需要构建一个投资组合。这个组合的空间是 20^20 次方，这是一个天文数字，显然遍历算法在这种复杂度面前显得力不从心。因此，我们需要一种更为高效的搜索算法来优化我们的对冲策略。这时，遗传算法便显示出它的优势。

遗传算法是一种模拟自然界生物进化过程的搜索算法，它通过种群、交叉、变异和选择等机制，不断迭代优化，最终找到问题的最优解或近似最优解。在这种背景下，我们将利用遗传算法来构建一个优化的期权对冲策略。

代码

采用Deap库，核心代码如下

invalid_ind = [ind for ind in population if not ind.fitness.valid]  
fitnesses = toolbox.map(toolbox.evaluate, invalid_ind)  
for ind, fit in zip(invalid_ind, fitnesses):  
    ind.fitness.values = fit  
hof = tools.HallOfFame(10, similar=np.array_equal)  
record = stats.compile(population) if stats else {}  
logbook.record(gen=0, nevals=len(invalid_ind), **record)  
print(logbook.stream)  
ngen = 4000  
cxpb = 0.5  
mutpb = 0.4  
# Begin the generational process  
for gen in range(1, ngen + 1):  
    # Select the next generation individuals  
    offspring = toolbox.select(population, len(population))  
    # Vary the pool of individuals  
    offspring = varAnd(offspring, toolbox, cxpb, mutpb)  
    # Evaluate the individuals with an invalid fitness  
    invalid_ind = [ind for ind in offspring if not ind.fitness.valid]  
    fitnesses = toolbox.map(toolbox.evaluate, invalid_ind)  
    for ind, fit in zip(invalid_ind, fitnesses):  
        ind.fitness.values = fit  
    # Update the hall of fame with the generated individuals  
    hof.update(offspring)  
    # Replace the current population by the offspring  
    population[:] = offspring  
    population.extend(hof[:])  
    # Append the current generation statistics to the logbook  
    if gen % 10 == 0:  
        record = stats.compile(population) if stats else {}  
        logbook.record(gen=gen, nevals=len(invalid_ind), **record)  
        print(logbook.stream)

迭代4000次后，我们看到结果一次一次变好：

gen	nevals	avg      	std      	min       	max     
0  	300   	0.0158112	0.0411533	-0.0391251	0.166319
10 	236   	0.0225989	0.0486477	-0.0387088	0.228412
20 	274   	0.0281336	0.0559149	-0.0384535	0.267623
30 	317   	0.030553 	0.0709356	-0.0378094	0.522369
40 	360   	0.0385255	0.0961397	-0.0372828	0.894421
50 	367   	0.0420082	0.0887721	-0.0369026	0.894421
60 	426   	0.0461076	0.0955755	-0.0365466	0.923084

结果展示

param = hof[0]  
option_profit_array = np.dot((put_option_theory_price-put_option_theory_date_price) ,param)  
profit = last_sim_profit + option_profit_array  
_ = plt.hist(profit)  
print("期望利润:", profit.mean(), "方差:", profit.std(), "夏普比:", profit.mean()/profit.std() * np.sqrt(252/t))
> 期望利润: 17.317512936314248 方差: 19.143960222674735 夏普比: 2.2705131014072704

最终的夏普比为2.27。

结语

通过上面的组合，我们发现最终可以使用遗传算法模拟的组合来显著的降低风险，增加夏普比例。但是在实际交易过程中还有很多要素需要考虑，比如：

期现价差构建组合资金占用

本文展示了如何利用遗传算法构建一个优化的期权对冲策略，显著提升了夏普比，为含权贸易的风险管理提供了新的思路。在真实的交易场景中，我们不仅要考虑策略的理论效益，更要关注其可行性和实用性。

未来，我们可以进一步研究如何将此模型应用于更多种类的期权和更复杂的交易策略中，以适应不断变化的市场环境。同时，考虑到交易成本、流动性以及模型风险等因素，不断优化策略，以实现风险与收益的最优平衡。