本文摘要：1 引言隨著利率市場(chǎng)化的發(fā)展，我國(guó)銀行間同業(yè)拆借市場(chǎng)的發(fā)展十分迅猛，銀行間拆借系統(tǒng)功能進(jìn)一步完善，銀行間市場(chǎng)資金融通及價(jià)格形成功能更為顯著。在中國(guó)利率體系中，銀行間同業(yè)拆借利率是我國(guó)貨幣市場(chǎng)最早市場(chǎng)化的利率，也是直接的市場(chǎng)利率，不僅能密切反映
注：本文摘自《現(xiàn)代經(jīng)濟(jì)信息》2013年18期，作者：楊守龍
雜志信息：《現(xiàn)代經(jīng)濟(jì)信息》由黑龍江省企業(yè)聯(lián)合會(huì)主辦，為半月刊，ISSN：1001-828X，CN：23-1056/F，中國(guó)期刊全文數(shù)據(jù)庫(kù)收錄期刊;龍?jiān)雌诳W(wǎng)全文收錄期刊;中國(guó)學(xué)術(shù)期刊(光盤(pán)版)全文收錄期刊;中國(guó)學(xué)術(shù)期刊綜合評(píng)價(jià)數(shù)據(jù)庫(kù)來(lái)源期刊。
摘要：運(yùn)用GARCH族模型和分位數(shù)回歸的方法對(duì)我國(guó)商業(yè)銀行利率風(fēng)險(xiǎn)進(jìn)行VaR度量，從而測(cè)算我國(guó)商業(yè)銀行的利率風(fēng)險(xiǎn)，運(yùn)用上海銀行間同業(yè)拆借市場(chǎng)(Shibor)的隔夜拆借利率數(shù)據(jù)進(jìn)行研究。通過(guò)GARCH族模型的選取可以得出正態(tài)分布和T分布并不適合我國(guó)商業(yè)銀行間同業(yè)拆借市場(chǎng)，本文選取廣義誤差分布(GED)對(duì)數(shù)據(jù)進(jìn)行GARCH建模并測(cè)算其VaR，同時(shí)本文運(yùn)用了分位數(shù)回歸的方法對(duì)VaR進(jìn)行測(cè)算，從結(jié)果證明分位數(shù)回歸方法更適合VaR的度量。
關(guān)鍵詞：商業(yè)銀行，VaR，分位數(shù)回歸
1、引言
隨著利率市場(chǎng)化的發(fā)展，我國(guó)銀行間同業(yè)拆借市場(chǎng)的發(fā)展十分迅猛，銀行間拆借系統(tǒng)功能進(jìn)一步完善，銀行間市場(chǎng)資金融通及價(jià)格形成功能更為顯著。在中國(guó)利率體系中，銀行間同業(yè)拆借利率是我國(guó)貨幣市場(chǎng)最早市場(chǎng)化的利率，也是直接的市場(chǎng)利率，不僅能密切反映市場(chǎng)資金供求情況，也是央行貨幣政策調(diào)控的重要參考指標(biāo)之一。2006年10月，上海銀行間同業(yè)拆借利率(SHIBOR)市場(chǎng)開(kāi)始運(yùn)行，建立了比CHIBOR更為市場(chǎng)化，基于商業(yè)信用的基準(zhǔn)利率，因此本文選擇SHIBOR的隔夜拆借利率進(jìn)行VaR度量，以此分析中國(guó)商業(yè)銀行利率風(fēng)險(xiǎn)。
2、GARCH族模型基本思想
2.1TGARCH模型
Zakaran在1990年針對(duì)金融時(shí)間序列的“杠桿效應(yīng)”問(wèn)題上提出了門(mén)限自回歸條件異方差模型,即TGARCH模型。其條件異方差公式表達(dá)如下:TGARCH的特點(diǎn)在于引進(jìn)了虛擬變量,當(dāng)0。即利好消息時(shí),=0;當(dāng)<0即利空消息時(shí),=l。
2.2GARCH模型
GARCH模型是Bollerslev(1986)在ARCH模型的基礎(chǔ)上發(fā)展起來(lái)的定義范圍更廣的模型。GARCH(p,q)模型可以表示如下:GARCH模型中的條件異方差,不僅受過(guò)去絕對(duì)殘差的影響,還依賴(lài)于過(guò)去的條件方差。
2.3分位數(shù)回歸理論
對(duì)于隨機(jī)變量對(duì)(y,x)R1*Rd,設(shè)其n次的樣本觀測(cè)為(Yi,Xi)R1*Rd,i=1,...,n,則對(duì)于給定的x,y,它的第個(gè)條件分位數(shù)函數(shù)定義為:其中為在條件x下y的條件分布函數(shù)和(0,1)是給定的分位點(diǎn)。
從VaR的定義中可以看出,計(jì)算VaR值相當(dāng)于在某一置信水平下條件分位點(diǎn)的計(jì)算。于是,條件分位點(diǎn)估計(jì)就成為金融風(fēng)險(xiǎn)度量的核心。Koenker和Bassett(1978)提出的分位數(shù)回歸就非常適合這種估計(jì)。正如經(jīng)典的最小二乘回歸是基于估計(jì)模型條件均值而建立,而分位數(shù)回歸源于對(duì)模型條件分位點(diǎn)估計(jì)提出的,它不需要對(duì)分布形式做任何假設(shè)。
3、實(shí)證研究
3.2GARCH族模型實(shí)證分析
根據(jù)建模結(jié)果發(fā)現(xiàn)所有的T分布擬合的結(jié)果其模型參數(shù)都不顯著，所以本文僅對(duì)廣義誤差分布進(jìn)行分析。根據(jù)所得AIC值和SC值最小的原則，本文最終選取了GARCH(2,1)-GED、TGARCH(1,2)-GED模型進(jìn)行分析。所得結(jié)果如表2所示。
3.1數(shù)據(jù)統(tǒng)計(jì)特征分析
本文選取上海銀行間同業(yè)拆借市場(chǎng)(SHIBOR)2006年10月8日-2013年9月3日的隔夜拆借利率數(shù)據(jù)進(jìn)行分析。為了消除數(shù)據(jù)的非平穩(wěn)性，先對(duì)原始數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理:rt=lnSHIBORt-lnSHIBORt-1。經(jīng)對(duì)數(shù)化處理后數(shù)據(jù)的基本統(tǒng)計(jì)特征如表1所示，根據(jù)表1的結(jié)果可以看出上海銀行間同業(yè)拆借市場(chǎng)隔夜拆借利率數(shù)據(jù)并不服從正態(tài)分布，其是左偏的，因此本文選取T分布和廣義誤差分布對(duì)數(shù)據(jù)進(jìn)行GARCH建模。對(duì)數(shù)據(jù)做一階自回歸模型，通過(guò)ARCH-M檢驗(yàn)得到的結(jié)果，說(shuō)明數(shù)據(jù)具有ARCH效應(yīng)，適合用GARCH模型進(jìn)行擬合。
3.4分位數(shù)回歸模型
Koenker和Zhao在1996年提出了Quantile-ARCH模型�？紤]回歸模型：經(jīng)過(guò)化簡(jiǎn)可以用此模型得出VaR的計(jì)算公式如下：其中，這樣,只要能夠求出參數(shù)和的估計(jì)值,VaR值就很容易的計(jì)算出來(lái)了。不言而喻,直接使用分位數(shù)回歸方法就能得到這些參數(shù)的估計(jì)值和它們相關(guān)的統(tǒng)計(jì)推斷。本文使用滯后一階的模型進(jìn)行分析。
3.3VaR計(jì)算
SHIBOR對(duì)數(shù)收益率的VaR值計(jì)算公式可以表示為:為資產(chǎn)價(jià)值,為置信水平下的分位數(shù)，是t時(shí)期下預(yù)測(cè)的同一天的收益率波動(dòng)值。對(duì)于同業(yè)拆借利率樣本序列來(lái)說(shuō),令為1,將模型條件異方差的預(yù)測(cè)值帶入公式,求出每日的動(dòng)態(tài)VaR值。
3.5回測(cè)檢驗(yàn)
目前常用的VaR準(zhǔn)確性檢驗(yàn)方法是Kupiec在1995年提出的失敗頻率檢驗(yàn)法。對(duì)上述3個(gè)模型進(jìn)行失敗頻率檢驗(yàn)法的回測(cè)檢驗(yàn)結(jié)果如表5所示。從回測(cè)檢驗(yàn)的結(jié)果可以看出，無(wú)論是95%還是99%的置信水平，分位數(shù)回歸的方法都得到了令人滿(mǎn)意的結(jié)果，都通過(guò)了LR檢驗(yàn)。而GARCH族模型大部分沒(méi)有通過(guò)LR檢驗(yàn)，模型得到的失敗天數(shù)普遍小于期望失敗天數(shù)，證明該模型低估了風(fēng)險(xiǎn)，通過(guò)LR檢驗(yàn)的GARCH模型的結(jié)果也不如分位數(shù)回歸得到的結(jié)果理想。
4、結(jié)論
對(duì)上海銀行間同業(yè)拆借市場(chǎng)利率數(shù)據(jù)進(jìn)行VaR建模，運(yùn)用GARCH族模型和分位數(shù)回歸的方法計(jì)算VaR值，對(duì)這兩種的方法計(jì)算的結(jié)果進(jìn)行比較和分析，分位數(shù)回歸的方法在計(jì)算VaR時(shí)會(huì)具備一定的優(yōu)勢(shì)，這是由分位數(shù)回歸本身的性質(zhì)決定的。
轉(zhuǎn)載請(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/233.html
