证券市场VaR模型研究

一、引言

随着金融一体化趋势的加强，全球金融市场迅速发展，同时金融市场风险也在不断增大，金融风险管理已成为金融机构和工商企业管理的核心内容。20世纪80年代以前，由于金融市场价格变化相对平衡，金融风险突出表现为信用风险等非系统风险。1988年巴塞尔银行监管委员会所提出的控制银行风险的措施主要是针对银行的信用风险而设计的。20世纪80年代以来，全球金融系统发生巨大变化，首先，全球金融体系的变革导致金融市场波动性加强。布雷顿森林体系的崩溃标志着固定价格体系演变为市场价格体系，从而使各类市场（外汇市场、货币市场、资本市场和商品市场）价格波动性加剧。加之金融市场一体化趋势发展导致这种市场波动性的互动、放大和传染效应。其次，技术不断进步与放松金融管制。20世纪70年代以来由于现代金融理论的突破，信息技术的巨大发展和金融工程技术的产生与广泛应用，导致以衍生工具创新发展为主要内容的“金融创新”，在提高市场有效性的同时也增加了金融市场的波动性。而西方发达国家采取的“放松金融管制”政策也为金融创新提供了良好的环境。

面对金融市场风险的增加，许多国际性的金融机构在风险管理方面投入了大量资源，许多著名金融机构如J.P.Morgan、BankersTrust、ChemicalBank、ChaseManhattan等都投入巨额经费开发市场风险管理技术，金融监管当局也在不断增强市场风险监管。1986年的巴塞尔协定的补充协议《资本协议关于市场风险的补充协议》，要求银行必须量化市场风险并计算相应资本。市场风险管理的关键在于测量风险，即将风险的特性定量化。面对各种复杂衍生金融工具的组合证券，传统的线性度量如：标准差δ法、久期(Duration)、β系数法都只能适应特定的金融工具，或在特定的范围内使用，不能确切地指出资产投资损失的可能性到底有多大，难以综合反映风险承担情况。因此迫切需要一种既能处理非线性的期权类金融资产又可提供总体风险的市场风险测量方法。在这一背景下，VaR(Value-at-Risk)方法应运而生了。证券市场是高风险市场，是商品经济、信用经济高度发展的产物，是市场经济中的一种高级组织形态。之所以说证券市场是高风险市场，是因为证券价格具有很大的波动性、不确定性，这是由证券的本质及证券市场运作的复杂性所决定的。因此，对证券市场风险的合理度量显得尤为重要。VaR(Value-at-Risk)作为风险度量工具方法，目前已成为金融机构、非金融企业和金融监管部门测量和监控市场风险的主流工具。但在实际运用中，由于数据抽样、假设条件、建模过程等影响，无论采用哪一种VaR方法都会产生一定的偏差。对于证券市场而言，若VaR方法低估了实际的风险水平，则可能为投资者带来巨大的损失；若VaR方法过于保守高估了实际的风险水平，可能会使得投资者丧失投资机会，会损失部分资金的机会成本。

可见，对于VaR方法，无论低估还是高估证券市场风险，都不利于投资者或监管机构进行风险管理。由于在运用VaR估计进行风险管理时，应注意所运用VaR模型的假设与限制，即模型本身的风险。Beder(1995)针对参数方法，如RiskMetrics和加权移动平均法、历史模拟法、蒙特卡罗模拟法等进行研究比较，结果表明：虽然无法确定VaR的最佳估计法，但是其实证研究中显示了这三类VaR估计所面临的限制与问题。Jamshidian(1997)则认为证券报酬的非正态分布、政府经济政策的改变、市场发生的突发事件、资产流动性、与潜在的信用风险等，均会造成风险值低估。Panayiotisetal(2011)对基于尖峰厚尾收益学生分布的APARCH模型进行了估计，分析发现APARCH模型提高了多头和空头头寸的一天VaR预报精度，另外也评估了拟然率计算的各个模型的表现。邹新月、吕先进(2003)从实际数据的基本特征出发，讨论了VaR方法在尖峰、胖尾分布中的计算公式，结果表明：推广的VaR计算方法对证券市场风险预警有更可靠的揭示作用。

郭柳、朱敏(2004)运用VaR的基本方法对沪市十支股票进行了实证分析，同时对该十支股票的投资组合市场风险也做了进一步的测算。陈林奋、王德全(2009)运用GARCH类模型对上证指数和中证全债指数序列进行拟合分析，并估计了其多头和空头头寸的VaR值，结果表明：我国股票市场存在显著的非对称效应，而债券市场是否存在非对称效应并不明确。江涛(2010)计算上海股票市场日收益的VaR值时，表明了GARCH和半参数模型的VaR方法比传统的方法更有效，并较好地刻画了我国现阶段证券市场的市场风险。国内对于VaR及其度量方法的研究文献虽然较多，但对各种类型的VaR模型本身的变动性和偏离的评估研究却不多。目前主要用于计算VaR的方法有三类：参数方法、半参数方法和非参数方法。各类方法中依据不同的假设可以建立不同的VaR模型，因此，在选择不同类型的VaR估计模型时，对不同类型模型本身的变动性和估计偏离程度的研究显得尤为重要。本文主要结构是：第二节给出了研究数据的来源与选取，还给出了具体的三类用于实证研究的VaR方法；第三节给出了VaR模型变动性的两个评价标准；第四节展示了各种VaR估计方法在不同的窗口设定下VaR控制风险的表现，并依据以上给出的两条标准，对VaR模型本身的变动性与偏离程度进行实证研究。

二、数据与研究方法

1.数据的选取

数据采用了上证综合指数日收盘价数据，时间为1990年12月19日至2005年12月31日共3961个数据，之所以采用上证综指是为了避免个股各自表现的风险特殊性和片面性，也为了能够合理评价各种估计模型变动性的需要。在3961个数据中，将02-05年的共717个交易日数据作为VaR估计的检验样本（检验样本之所以没有选取2005年之后的数据，是由于在多种因素的影响下，我国股票市场在05年后波动极为剧烈，属于特殊年份的数据，不宜作为VaR模型本身变动性的检验基础），并使用三类方法中的七种估计模型对VaR进行估计，最后对模型估计的变动性和偏离程度进行实证评价。

2.VaR估计模型

这里以上证综合指数日收盘价格数据为研究对象，置信水平设置为95％和99％两种情形，移动窗口选取50天、125天、250天以及500天四种情形（近似为两个月，六个月，一年和两年），使用参数方法（选用简单移动平均法(SMA)、指数加权移动平均法(EWMA)（三种参数设定）和GARCH族模型）、半参数方法（选用蒙特卡罗模拟法）以及非参数方法（选用历史模拟法）来估计02-05年上证综合指数的日VaR，最后采用二重评价标准对三类VaR估计方法的模型变动性进行实证检验。文中主要用于计算VaR的模型简述如下：