VAR模型金融风险管理

VAR模型金融风险管理（精选10篇）

VAR模型金融风险管理 第1篇

自20世纪70年代初布雷顿森林体系崩溃以来, 浮动汇率制下汇率、利率等金融产品价格的变动日益趋向频繁和无序。由于分散金融风险的需要, 金融衍生工具应运而生并得到极大的发展。在各种因素影响下, 当衍生工具越来越多地被用于投机而非保值的目的时, 市场风险就成为金融风险的最主要形式。

于是, 如何有效地测定的控制这些市场风险便成为金融证券机构、投资者和有关监管层所面临的亟待解决的问题。VaR作为一个概念, 最先起源于20世纪80年代末交易商对金融资产风险测量的需要, 作为一种市场风险测定和管理的新工具, 则是由J.P.摩根最先提出的。30人集团 (Group of Thirty) 在1993年发表的《衍生产品;惯例与原则》 (Derivatives practices and principles) 风险报告推荐各国银行使用VaR分析方法。随后, 这一建议被银行业广泛接受, 并已成为该行业风险管理的标准。

2 VaR的基本原理及其计算方法

2.1 VaR的概念

所谓VaR (Value at Risk) , 按字面意思解释就是“按风险估价”, 其实质是指在一定的置信度内, 由于市场波动而导致整个资产组合在未来某个时期内可能出现的最大价值损失的一种统计测度。在数学上, 它表示为投资工具或组合的损益分布 (P&L distribution) 的α分位数 (α-quartile) 表达式为:P{△p△t-VaR}=α, 其中△p△t表示组合p在△t持有期内、在置信度 (Ⅰ-α) 下的市场价值变化。等式说明了损失值等于或大于VaR的概率为α, 或者说, 在概率α下, 损失值才大于VaR。

2.2 VaR的计算方法

目前, VaR的计算方法大多都围绕着对投资组合损益分布特征的确定而展开。基本思想是利用投资组合价值的历史波动信息来推测未来情形, 只不过对未来价值波动的推断给出的不是一个确定的值, 而是一个概率分布。在本文VaR的计算中, 将每个证券映射为一系列“市场因子”组合。市场因子是指影响投资组合价值变化的利率、汇率、股指及商品价格等基础因素。按推测市场因子未来变化的方法不同, 当前VaR的计算方法大致可分如下几种方法:

历史模拟法是一种简单的基于经验的方法, 它不需要对市场因子的统计分布做出假设, 而是直接根据VaR的定义进行计算, 即根据收集到的市场因子的历史数据对证券组合的未来收益进行模拟, 在给定置信度下计算潜在损失。

应力测试法是一个与历史模拟完全相反的方法, 也称为情景分析, 它考虑的是当金融变量发生大的变化时对投资组合价值的影响, 它主观地假设一些情景, 如:收益率在一个月内移动±100个基本点, 或货币突然贬值30%, 设为情景S, 然后在这种情景S下对投资组合中的资产重新定价:undefined, 其中Ri, t是每种资产所占的权重, 可得出情景S理投资组合的收益率, 然后对每种情景S分配一个概率Ps, 重复上述过程, 这样就可得到投资组合收益率的概率分布, 据此计算VAR。

参数法大致可以分为方差协方差法 (Variance-Covariance) 、蒙特卡洛模拟法 (Monte Carlosimulation) 、GARCH方法 (GARCH family models) 。

方差协方差法的核心是基于对资产报酬的方差-协方差矩阵进行估计, 其中最有代表性的就是J.P morgan's Risk Metrics方法。当资产组合包含两种以上的资产时, 假定组合有n种资产, 每种资产的收益率为Ri (t) , 其中i=1, 2, , n, VaRi=-ασi, tWi。

令VaR= (VaR1, VaR2, , VaRn) T, F= (Рi, j) n*n, 为N种资产的相关系数矩阵。则有:undefined。

蒙特卡罗模拟法与历史模拟法十分类似, 它们的区别在于前者利用统计方法估计历史上市场因子运动的参数然后模拟市场因子未业的变化情景, 而后者则直接根据历史数据来模拟市场因子的未来变化情景。

GARCH方法使用GARCH模型来描述市场因子。GARCH模型是由Engle首先提出的。它和方差协方差法的区别在于Σ的计算。GARCH方法是根据多元GARCH模型, 利用极大似然准则估计t时刻市场因子的协方差矩阵Σt。

2.3 计算方法的评价

历史模拟法:其优点是不需要正态分布等假设, 简洁、直观、易于操作。但它是以使用者获取或保存了大量的实际数据为前提的。它的缺点是缺乏活性。历史模拟法假定了收益分布在整个样本时限内是固定不变的。同时它不能提供比样本点中最大损失还要坏的预期损失。使用者所选取的样本大小对预测结果会造成很大的影响。此外, 运用HS无法作特殊情况下的敏感性测试。

方差协方差法:计算简便, 只需要估计每种资产的标准差和它们之间的相关系数就可以得出任意组合的VaR值。然而这种方法基于两个基本的假定:即线性假定和正态分布假定。实际应用时还要有零均值的假定。有研究结果表明: (1) 实际的收益率数据分布并不关于零点对称; (2) 实际的收益率数据分布尾部概率分布概率要比正态分布大, 即厚尾现象。所以使用这种方法会低估风险。

GARCH方法:对财务变量回报的分布GARCH模型具有良好的特性, 即持续的方差和处理厚尾的能力。但GARCH方法还是用到了零均值的正态分布假定, 而且在证券组合的价值函数中用到了一阶近似, 从而带来不可避免的偏差。

蒙特卡罗模拟法:由于该方法能较好地处理非线性问题, 且估算精度好, 特别是随着计算机软硬件技术的飞速发展, 该方法已逐渐成为计算VaR值的主流方法。但蒙特卡罗模拟法存在两个缺点:其一是计算量太大, 一般来说, 复杂证券组合往往不同币种的各种债券、股票, 远期和期权等多种证券, 期基础市场因子包括多种比重不同, 其线不同的利率、汇率、股指等, 构成一个庞大的因子集合。其二是Monte Carlo模拟的维数高。静态性的缺陷, 传统的蒙特卡罗模拟法由于采用抽样方法产生随机序列, 均值和协方差矩阵不变, 而经济问题中的变量都具有时变性, 用静态的方法处理时变变量时必然会产生一定的偏差。而且传统的蒙特卡罗方法难于从高维的概率分布函数种抽样。

3 VaR的作用、应用及其局限性

3.1 VaR的作用与应用

VaR方法最大的好处在于利用一个结构性的方法论及一个单一的指标来更精确地衡量一个组合的风险, 并将其用货币单位表示, 具有风险度量的直观性和一致性, 能对各种不同类型的资产给出统一的风险度量。VaR主要有以下作用: (1) 信息报告的工具。VaR的披露能够用于在较高层次上的评估交易及投资过程中的风险管理状况, 同时以较通俗的形式将公司的金融风险披露给股东。 (2) 资源配置的工具。交易者可根据披露的VaR对自己的资产头寸进行调整, 在有限的资本资源内调整各种资产组合以降低风险。 (3) 绩效评价工具。VaR使得管理层根据交易员面临的不同风险而调整其赢利。VaR模型具有事前风险防范的作用。VaR简洁的含义和直观的价值判断方式, 使得资产组合的风险, 能够具体化为一个可以与收益相配比的数字, 从而有利于经营管理目标的实现。

VaR模型可以简单明了地表示市场风险的大小, 即使没有任何专业背景的投资者和管理者都可以通过VaR值对金融风险进行评判。VaR模型对银行风险的质量和管理是一个有效的工具。它对正常市场条件下重要交易的短期风险的衡量尤为有用。具体来说VaR模型在以几个方面有着广泛的应用: (1) VaR模型可用于风险控制。1993年7月“三十人集团”在其发表的研究报告《衍生产品惯例与原则》中, 建议以VaR模型进行风险控制, 可以使每个交易员或交易单位能确切知道他们在进行有多大风险的金融交易, 并可以为每个交易员和交易单位设置VaR限额, 以防止过度投机行为的出现。 (2) VaR模型可用于业绩评估。 (3) VaR模型可用于金融监管。在这方面最典型的例子当数国际清算银行巴塞尔委员会关于资本充足率的规定。 (3) VaR模型可以用于计算保证金。芝加哥商品交易所开发的保证金计算系统SPAN其基本原理就是VaR。

3.2 VaR的局限性

首先, VaR对未来损失的估计基于历史数据, 是建立在“历史可以在未来复制其自身”之上的, 但实际情况往往却并非如此。样本数据本身可能并没有包含足够的历史信息。

其次, 它的管理对象相对较窄, 着重衡量正常情况下的市场风险, 对于市场上的突发性风险、信用风险、操作风险、法律风险及战略风险等难以进行量化。

第三, 模型风险的存在。即由于同样的VaR模型可以使用方差一协方差法、历史模拟法和随机模拟法 (蒙特卡罗法) 等不同的方法得到资产收益的不同概率分布, 计算出不同的VaR值。因此实践中一般都要求使用返回检验来检验VaR模型的有效性。

第四, 在VaR管理体系中, 受到重视的只是概率因素。完整的金融风险管理包括风险的识别、测定和控制三个过程, 单纯依据风险可能造成损失的客观概率, 只关注风险的统计特征, 并不是系统风险管理的全部。

4 我国应用VaR模型的制约因素

我国市场经济和金融体系的发展还处于初级阶段, VaR技术在我国金融机构风险管理中的应用环境还不是很成熟: (1) 我国金融市场起步较晚, 使用VaR模型中所需的样本数据有限, 而且我国数据的采集和分析的基础工作十分薄弱, 给VaR模型的建立及其有效性的检验造成了相当的困难。 (2) 我国金融市场发展尚处于初级阶段, 还很不规范, 市场环境、交易规则的剧烈变化以及过度投机、市场操纵等人为因素的存在, 使得资产收益关联度和系数都不稳定, 历史数据与未来状况的可比性不强。 (3) 我国金融市场受政策性及其它人为因素的影响很大, VaR通常代表可能很有规律地发生的潜在损失, 却不能帮助金融机构规避无法承受的损失。

5 结语

目前我国正于经济转轨时期, 市场风险日益突显, 特别是在国际金融一体化以及金融创新工具日新月异的今天, 开放金融服务业也是大势所趋。因此, 我们必须加强金融研究风险管理, 构建金融研究风险防范体系, 因而国内、国际的金融市场风险的重要性也日益突出。所以, 有必要将VaR模型引入中国使其为金融机构和投资者提供一种行之有效的市场风险管理工具, 同进也为证监会等金融监管部门提供一个风险管理的标准。

摘要：详细介绍目前测量市场风险的主流模型-VaR, 包括VaR产生的背景、VaR的概念;概述VaR的各种计算方法, 比较计算方法的优缺点;最后就VaR的作用, 应用及其局限性进行讨论。

关键词：VaR,历史模拟法,应力测试法,蒙特卡洛法,GARCH方法

参考文献

[1]刘春峰, 万海晖, 张维.金融市场风险测量模型-VaR[J].系统工程学报, 2000, 15 (1) :67-75.

[2]詹原瑞.市场风险的度量;VaR的计算与应用[J].系统工程理论与实践, 1999, (12) 1-7.

VAR模型金融风险管理 第2篇

我国资本市场体系不断完善，商业银行公开上市，而利率问题不断突出。VaR模型提供了衡量市场风险和信用风险的大小，不仅有利于金融机构进行风险管理，而且有助于监管部门有效监管。VaR模型在金融机构进行风险管理和监督的作用日益突出。同时此模型为利率风险的分析提供了一种很好的工具，通过VaR模型能够对利率风险的防控起到很好的作用。

要求：

用所学的《金融学》《金融市场》《商业银行管理》等专业课程的知识为理论基础，同时广泛收集从报张期刊，网络，相关书籍的资料，通过这些阅读，用清晰明了的语言来，严谨的逻辑思路以及相关的指数模型来阐明的问题。

思路与预期成果：

商业银行银行是经营货币的企业，它的存在方便了社会资金的筹措与融通，它是是金融机构里面非常重要的一员，但是今年来随着经济发展，和经济危机的影响，利率变化无常，利率变动就会对银行的净利差收入产生影响。写作的大体思路：引用Var模型选取15家上市银行，并对我国上市商业银行利率问题进行了实证研究。这篇论文得出我国商业银行的利率问题，对其作出改进方向。所以首先要了解Var模型，再对Var对15家上市商业银行进行实证研究，并对其进行分类，然后针对分类后的公司分别提出建议或措施，最后总结本文存在的不足之处，并对后续的研究工作进行展望。

通过用VaR模型，了解利率风险对商业银行的影响，以用来预测未来利率变化，商业银行做好应对措施。

完成论文设计的条件和优势：

由于本身对商业银行比较感兴趣，同时之前也学习过相关课程，对其有一定的了解，收集这方面的资料很多加上专业课的基础知识，参考众多资料加以自己的思考分析撰写而成，具有很高的参考价值。

任务完成阶段内容及时间安排：

第一阶段：完成毕业论文的开题报告，文献综述2012年12月18日前：

第二阶段：完成论文粗纲，全面搜集所需资料，研读相关书籍2013年01月24日前：

第三阶段：完成毕业论文初稿的写作，过程中多与导师沟通2013年02月24日前：

第四阶段：修改初稿，交导师修改2013年03月21日前：

主要参考的文献资料：

李成、马国校VaR模型在我国银行同业拆借市场中的应用研究金融研究2009(05)

迟国泰,奚扬基于VaR约束的银行资产负债管理优化模型金融研究2009(10)

刘金全利率期限结构与宏观经济因素的动态相依性——基于VAR模型的经验研究财经研究2010(03)

金融风险管理VAR方法应用与挑战 第3篇

一、VAR定义与特点

（一）VAR定义所谓风险价值是运用统计学的技术量化市场风险，衡量在某一置信水平下，某一段持有期间内，风险资产持有人的最大可能损失，即在（1-α）%置信水准下，持有某风险性资产未来特定期间下，最大损失预期值。

将VAR视为最大期望损失报酬率，用简单的数学式表示如下：

Prob（

其中：△P/△Pt为预测下期标的资产报酬率；△t为持有期间， △θ为预期市场风险因子的变动量；|VaR|为在（1-α）%置信水平下，最大期望损失报酬率。假设投资组合报酬率呈钟型的正态分布，则α即为此分布累积至VAR的机率值，所以在（1-α）的置信水平下此分配的最大损失为|VaR|。

（二）VAR特点在风险管理的各种方法中，VAR方法最为引人瞩目。VAR之所以具有吸引力是因为它把银行的全部资产组合风险概括为一个简单的数字，并以美元计量单位来表示风险管理的核心——潜在亏损。VAR实际上是要回答在概率给定情况下，银行投资组合价值在下一阶段最多可能损失多少。

VAR的特点如下：可以用来简单明了表示市场风险的大小，没有任何技术色彩，没有任何专业背景的投资者和管理者都可以通过VAR值对金融风险进行评判；可以事前计算风险，不像以往风险管理的方法都是在事后衡量风险大小；不仅能计算单个金融工具的风险。还能计算由多个金融工具组成的投资组合风险，这是传统金融风险管理所不能做到的。

二、VAR风险管理模型作用与缺陷

（一）VAR风险管理模型作用具体如下：

第一，计算经济资本，优化资本配置。经济资本用来抵御风险损失，因此又称为风险资本。经济资本并不是真正意义上的资本，可以通过计算VAR确定相应经济资本的大小，在数值上，经济资本与VAR相等。基于VAR计算出经济资本后可以进一步达到优化资源配置的目的，所谓优化资本配置就是更合理地在金融机构内部各级部门、各项业务之间分配经济资本，将经济资本在金融机构各层面进行合理分配并进行动态调整。

第二，用于风险控制、业绩评估。利用VAR方法进行风险控制，可以使每个交易员或交易单位都能确切地明了他们在进行有多大风险的金融交易，并可以为每个交易员或交易单位设置VAR限额，用于风险头寸的限定于评价，以防止过度投机行为的出现。将VAR方法引入风险因素的业绩评价指标，综合考虑风险与收益的配比，执行RAROC系统管理，有利于形成统一的风险管理体系，避免金融交易的重大亏损。

第三，估算风险性资本（Risk－based capital）。以VAR来估算投资者面临市场风险时所需的适量资本，风险资本的要求是国际清算银行对于金融监管的基本要求。巴塞尔委员会(1996)也明确了用VAR方法结合内部模型法来度量银行面临的市场风险的规定。在新巴塞尔协议中，将操作风险纳入风险资本的计算和监管框架，新巴塞尔协议中提供了多种可供选择的计算操作风险资本金的方法，其中比较复杂的损失分布法(Loss Distribution Approach)就需要运用VAR方法来确定操作风险资本。

（二）VAR模型内在缺陷主要有以下几点：

第一，假设条件：它以正态分布为假定，集中于正常市场状态下风险，未考虑“黑天鹅风险”或长厚尾状态——在极端市场条件下损失发生的概率可能随着损失规模一道上升；它以市场具有正常流动性、资产可在短期内变现、出价／报价差维持不变为假定，未考虑极端市场条件下金融资产缺乏流动性的状态。

第二，市场风险与资产组合：它考虑正常市场条件下资产相关性因素降低风险的作用，未考虑极端状态下金融资产相关性普遍大幅提高从而增加风险的状态；它考虑市场波动风险，未考虑一般市场波动以外的特定风险；它主要用于交易活跃、历史数据充分的资产，难以用于市场交易不充分的资产；它主要用于对历史损失的统计描述，缺少对未来损失的预测能力。

第三，VAR模型方法：VAR模型可以使用历史模拟法、蒙特卡罗模拟法、分析法等不同的方法，而使用不同方法对同样的资产组合可以得到不同的VAR值，这使得VAR的可靠性难以把握。其次，VAR方法对历史数据的依赖性较大。历史模拟法直接依赖于历史数据，分析法中的参数估计也是来源于历史数据。依据过去的收益数据来确定未来收益的风险存在一定不可靠性。而在新兴金融市场，历史记录较少，市场运行机制经常发生变化，市场投机情绪会在特殊时期得到释放，这些都使得基于经典统计推断理论的VAR模型的精度和有效性难于得到保证。

三、VAR风险管理方法挑战

（一）VAR风险管理模型与会计记账原则按照国际会计准则，金融机构采用公允价值的记账方法，它们会参照市场上正在交易的相似金融资产的价格来确定自己所持有金融资产的账面价值。因此，在这次金融危机中，次级抵押贷款支持证券市场价值的缩水，将会导致持有这些资产的金融机构的账面价值发生同样程度的缩水。对金融机构而言，一旦资产账面价值在本期内下降，它将在资产负债表上进行资产减值，在利润表上则出现相同规模的账面亏损。而以在险价值（VAR）为基础的资产负债管理方法，则加剧了资本市场的价格下跌，相应的去杠杆化在资本市场的危机深化中扮演着重要的角色。商业银行、投资银行等金融机构均采用了杠杆经营模式，即金融机构资产规模远高于自有资本规模。金融机构的各项资产具有不同程度的风险，而在险价值管理的核心理念，就在于金融机构的自有资本应该能够弥补该机构承担的总风险，如以下公式所示：

E=VA （1）

其中E为金融机构的自有资本，A为金融机构的总资产，V为1美元资产中包含的在险价值。（1）表明，金融机构的自有资本等于该机构承担的总风险。金融机构的财务杠杆被定义为总资产与自有资本的比率，即：

L=A/E（2）

将（2）代入（1）中，可得

L=1/V（3）

公式（3）表明，对于实施以在险价值为基础的金融机构而言，其财务杠杆比率与其承担的整体风险成反比。如果金融机构承担的整体风险上升，则该机构将不得不进入去杠杆化阶段。

金融机构主动降低杠杆比率的去杠杆化过程，原则上有两条途径。途径一是通过出售风险资产来偿还债务，主动收缩资产负债表，从分子方面降低杠杆比率；途径二是通过吸引新的股权投资来扩充自有资本规模，从分母方面降低杠杆比率。相比之下，第一条途径更加痛苦。众多金融机构在同一时间内大规模出售风险资产，自然会压低风险资产价格，从而一方面引发市场动荡，另一方面造成金融机构尚未出售的风险资产的公允价值进一步下降。

VAR风险管理方法与会计记账原则相互作用，金融机构的去杠杆化加剧资产价格的下跌，加大了资产减值的数额。即资产价格的下跌，导致资产的减值，触发了金融机构的去杠杆化过程，而去杠杆化过程导致资产价格的进一步下跌，增加资产减值数额，演变成一种恶性循环。

（二）VAR风险管理模型与创新金融产品随着结构型衍生金融工具等创新金融产品的出现，使得传统VAR风险管理模型受到一定的挑战，其中创新金融产品风险相关性增强，以及历史数据不足、参数估计增加等都是其中的原因。

（1）金融创新使风险相关性增强。 信贷资产证券化和二级市场化，将违约风险带进市场交易账户，使得交易账户从原本单纯的市场风险发展到集市场风险、信用风险和流动性风险于一体，并且提升了这些风险间的相关性。而二级市场交易又将衍生资产与其基础资产债务人信用状况分离，交易对手方无法准确评估其真正风险和定价，并使银行交易账户和投资银行资产组合更敏感于信贷市场周期变动。银行对交易相关信用风险认识不足，继续采用常规VAR和分割式方法评估风险大大低估了资产组合整体风险价值，误导了决策。

（2）常规风险衡量方法用于结构性衍生产品。创新金融资产的特性使得常规VAR工具不足以对其风险作准确定性和定量评估。例如，CDO、ABS和政府债券、外汇等传统市场交易产品的最大差异是：第一，部分结构型衍生金融产品市场交易历史太短，缺少充足数据建立VAR或历史模拟压力测试模型。对这类资产采用常规风险衡量方法是银行低估风险误导决策的一个重要原因。第二，结构型衍生金融工具估值与风险预计时需要很多参数，而随着参数的增加，基础性金融产品的波动性增大，参数内部相互作用而产生错误的几率就越大，它们对风险测度的误导性可能就越大。

参考文献：

VAR模型金融风险管理 第4篇

关键词：VaR,分析方法,蒙特卡洛法,历史模拟法

一、引言

Va R方法起源于20世纪80年代, 在现代金融风险管理中具有核心的地位。经过20年的不断发展, Va R方法目前已经成为大多数投资银行、商业银行、投资机构, 以及政府监管当局所采用的主流风险管理方法。与此同时, 我国对Va R方法的应用也在逐渐发展中, 对其进行的研究也很多。简单地说, V a R方法是利用分布函数, 在一定持有期和置信水平c的条件下, 计算金融资产的潜在损失用数学公式表示为:P (△p△t-Va R) =1-a, 其中, ΔP为证券组合在持有期Δt内的收益, Va R为在置信水平α下处于风险中的价值。本文考虑的是金融资产收益的V a R。

二、Va R计算方法及改进

1. 历史模拟法 (Historical Simulation)

历史模拟法的基本思想是:用给定历史时期上所观测到的市场因子的变化来表示市场因子的未来变化;在估计市场因子模型时, 采用全值估计方法, 即根据市场因子的未来价格水平对头寸进行重新估值, 计算出头寸的价值变化 (损益) ;最后, 将组合的损益从最小到最大排序, 得到损益分布, 通过给定置信度下的分位数求出Va R。其计算公式为:其中:是样本收益率的均值, 是显著性水平α时的下分位点的收益率。

2. 分析方法

(1) 分析方法的基本思想与评价。分析方法的基本思想是利用证券组合的价值函数与市场因子间的近似关系, 推断市场因子的统计分布 (方差-协方差矩阵) , 进而简化Va R的计算。分析方法的:数据易于收集、计算方法简单、计算速度快, 也比较容易为监管当局接受。但是分析方法的假设条件与市场因子分布的厚尾和非对称的实际情况不符, 容易产生错误;此外, 对包含期权或隐含期权的组合而言, 计算Va R的效果较历史模拟法及Monte Carlo模拟法要差。 (2) 原有分析方法的改进--Delta-Gamma-theta (δ-γ-θ) 方法。这一方法的基本思想是:首先, 计算用Delta-Gamma-theta近似方法估计出组合价值的四个矩 (期望、方差、偏度、峰度) ;然后, 选择一个合适的分布, 允许存在一定偏度和厚尾情况;最后, 估计并选择该分布的参数和Delta-Gamma-theta近似得到的矩相匹配。如果不考虑衍生证券的时间消耗, 该方法就被称为Delta-Gamma方法。

3. Monte Carlo模拟方法

(1) Monte Carlo模拟法的基本步骤及评价。Monte Carlo模拟法的基本步骤是: (1) 选择市场因子变化的随机过程和分布, 估计其中相应的参数; (2) 模拟市场因子的变化路径, 建立市场因子未来变化的情景; (3) 对市场因子的每个情景, 利用定价公式或其他方法计算组合的价值及其变化; (4) 据组合价值变化分布的模拟结果, 计算出特定置信度下的Va R。 (2) Monte Carlo模拟方法的改进--Delta-Gamma-theta Monte Carlo模拟法。该方法将模拟与DeltaGamma-theta估计法相结合, 具体做法是:在模拟中, 对各市场因子的每一变化路径都用Delta-Gamma-theta近似方法估计组合价值。这一方法使Monte Carlo模拟中变化路径的数目与组合再定价次数无关, 避免了全值估计法中需要对大量路径进行估计的做法。如果不考虑衍生证券的时间消耗θ, 该方法就被称为DeltaGamma Monte Carlo方法。

三、总结

以上介绍的方法可以分为4类:历史模拟法、分析方法、蒙特卡洛模拟法及三种方法的综合运用。对Va R方法研究的重点和难点在于处理好几个要素:置信区间、风险资产持有期、价格损益的随机分布以及样本数据。实证研究表明:置信区间越高, 对模型的精度要求越高;对市场风险投资组合的持有期的选择, 也会影响模型的有效性。数据的选择也是一个至关重要的问题。另外, 国内外对于Va R的研究仍有待进一步丰富和完善。

第一, 研究计算方法的选择。国内外对于经典Va R计算方法中方差协方差法和蒙特卡罗模拟法研究得非常多, 而对历史模拟法研究得相对较少。国外极值理论的研究最近几年比较兴盛, 而国内的类似文献要少得多。第二, Va R的应用。国外研究者多着眼于Va R作为风险计量和市场风险监管的作用, 而国内大量文献对Va R方法在绩效评估、投资组合优化、金融机构竞争力评价体系的构建等方面的作用表现出更多的兴趣。第三, 对各种计算方法关系的认识以及派生的研究取向的分歧。有的学者热衷于确定最优的Va R方法。但是国内外许多实证研究表明, 由于样本区间、置信水平等因素选取的不同, 大多数方法之间并无绝对的优越性可言, 国外有的研究者也指出, 各个计算方法之间不是对立与替代的关系, 而是可以互补和相容的。这与本文主张的观点是一致的。至少并无任一有说服力的文献可以证明经典Va R计算方法体系中的三大方法存在着绝对的优劣区别。因此, 与许多学者一样, 主张应该着力于探索各个方法之间应如何借鉴彼此优点。

综上所述, 在我国金融市场和金融机构快速融入金融自由化和全球化趋势的过程中, 在金融创新蓬勃发展和市场风险日益加巨的背景下, 对基于Va R的市场风险度量方法的研究更具有重要的理论和现实意义。

参考文献

[1]Ramazan.Extreme value theory and Value-at-Risk:Relative performance in emerging markets.International Journal of Forecasting[J].20 (2004)

[2]王春峰:金融市场风险管理[M].天津:天津大学出版社, 2001

[3]胡经生王荣丁成:VaR方法及其拓展模型在投资组合风险管理中的应用研究[J].数量经济技术经济研究, 2005 (5)

[4]彭寿康顾丽亚:VaR模型及对银行资本要求影响的实证[J].统计与决策, 2007 (1)

VAR模型金融风险管理 第5篇

【关键词】汇率挂钩型结构性理财产品；市场风险；GARCH-VaR模型

一、问题提出

根据“普益财富”数据显示，截至2014年底，我国的理财产品余额已超过15亿元，其中已到期并公布了到期收益率的产品中约99.19%的产品实现了预期收益率，其余的0.81%约597款的未实现到期收益率的理财产品绝大多数都是结构性理财产品。银率网公布数据显示，2015年上半年到期理财产品未实现预期最高收益率的383款产品中有382款是结构性理财产品。然而，2010-2014年，结构性理财产品中挂钩汇率的产品占比最大，尤其是2011-2013年占比高达40%以上。综上所述，结构性性理财产品相比其他挂钩单一资产的产品具有更高的风险，而在其中占比最大的就是市场风险；并且在产品发行数量上最突出的是汇率挂钩型结构性理财产品。

事实上，自结构性理财产品诞生以来，针对其收益与风险的争议与质疑不绝于耳。然而，由于前期的研究多局限在挂钩标的资产的正态分布假设和几何布朗运动的路径模拟前提，忽略对金融资产收益率波动的尖峰后尾性和集聚性特征的思考和描述。因此，本文引入GARCH-VaR模型进行实证分析，探讨汇率型结构性理财产品的收益波动性和风险价值。

二、方法介绍

结构性理财产品风险测量中最关键的环节便是VaR的计算，目前主要有历史模拟法、方差-协方差法和蒙特卡洛模拟法。汇率挂钩型结构性理财产品由于其设计结构的复杂和收益确定方式的多种多样，综合考虑，本文选择模拟各种市场情行的蒙特卡洛模拟法计算其Var值。操作基本思路是：通过分析汇率价格的时间序列特征，模拟其波动服从某一随机分布，然后进行重复的随机数模拟，从而得到模拟价格路径，最后通过对产品估值完成VaR值的计算。本文Var值计算分成三种：分别是VarE相对于期望回报的最大损失、Var0是相对于初始价值的最大损失和VarB相对于基础资产的最大损失。

三、模型构建

1.描述性统计

本文选取2000年8月7日至2015年8月5日15年的澳元兑美元的收盘价作为样本观测区间，共3633个观测值。

结果显示，澳元兑美元的汇率序列在区间内波动较大，均值为0.8，最高时1.102，最低值为0.478，标准差是0.164，峰度为2.066，低于正态分布的峰度标准值3，偏度为-0.193，低于正态分布的标准值0，并且向左偏斜。JB统计值为154，由此可见澳元兑美元汇率分布拒绝正态分布的原假设。

2.模型假设

对汇率的对数ln（eut）序列进行一阶滞后回归，考虑用如下的回归方程模型：

3.对模型的残差序列进行分析

模型残差resid的值围绕着均值0上下波动，均值为-0.0000918，最高值达到0.080，最低值为-0.157，标准差是0.009。峰值为-1.649，偏度为36.421，远高于正态分布标准值0，JB统计量高达170680.8。由上述基本统计值的分析可知，残差序列拒绝正态分布假设。

从残差序列走势图可以看出，resid序列表现出了时变性、突发性和集簇性。

如果序列服从正态分布，则其QQ图应该是一条直线，但结果表明残差序列和金融产品的收益率一样，存在着尖峰厚尾、波动的集聚性等特点。

4.残差序列的ARCH效应的LM检验

四、实证分析

1.产品信息

本文选择中国银行2015年6月28日发行的一款澳元兑美元3个月的98%保本的汇率型结构性理财产品进行实证分析。产品预期年化收益率是1%～10.5%，触发汇率为期初（即2015年6月26日）议定汇率+0.035，收益条件为若观察日（即2015年9月25日）的澳元兑美元汇率高于或等于触发汇率，即获得10.50%收益率；否则只在98%保本率基础上获得1%收益率。

2.计算思想和参数的选择

3.计算步骤和结果分析

利用Matlab软件对澳元兑美元汇率在未来66个工作日内进行GARCH（1，1）-t分布的运动路径进行10000次模拟，从而得到澳元兑美元汇率价格路径模拟图。根据模拟出的第64工作日的汇率数据可知，达到触发条件的数据有2925个，即只有29.25%的概率到期能获得10.50%的收益率。假设投资者投入100000澳元，以2015年6月26日3个月期澳大利亚零息债券的利率1.97%作为贴现率。计算所得：期望收益率：3.78%；期望收益E（p）：100962.06；理财产品期初价值p0：100，466.04。

因此，购买此款理财产品的期望收益率为3.78%，显著高于同期中国银行澳元3个月期的存款利率1.3125%。此外，产品的期初价值为100466.04澳元，高于投资者的期初本金，由此可初步判断该款产品具有一定的投资价值。

经计算所得，三种VaR值中最大的达到了711.62澳元，说明期望收益与最大收益水平相差不大，该款产品的投资风险较小。以90%的置信水平为例，VaRE=711.62即相对于投资者期望回报的最大损失超过711.62澳元的概率为10%；VaR0=215.60即相对于投资者所持有的理财产品价值最大损失超过215.60澳元的可能性为10%；VaRB=242.08即相对于基础资产投资者可能面临的最大损失超过242.08的概率为10%。因此，该款产品的资产波动较小，投资者可以进行选择性投资。

参考文献：

[1] 何文新.结构性理财产品定价分析[D].北京大学，2012.

[2] 古岩.与人民币汇率挂钩的结构性存款定价分析[J].科学技术与工程，2011.12.

[3] 覃小舒.VaR模型在银行结构性理财产品风险管理中的应用[D].暨南大学，2013.

VAR模型金融风险管理 第6篇

金融一方面通过其基本功能、金融机构的经营运作和金融业自身的产值增长来推动经济增长，另一方面又对经济发展造成了负面效应;经济发展决定了金融发展的结构、阶段和层次，金融是随商品经济的发展而产生发展的。正确认识金融发展与经济增长的关系有利于金融最大限度地为经济发展服务。本文运用单位根检验、Grange因果检验、脉冲响应函数等计量经济分析方法，对金融发展与经济增长之间的关系，利用向量自回归 (VAR) 模型进行实证研究。

二、我国金融发展与经济增长之间关系的实证分析

(一) 变量的选取和平稳性

本文对我国1979-2010年的相关数据进行实证分析，选取的变量主要有：金融发展 (FD) 和经济增长 (GDP) 。其中，金融发展表示为广义货币与国内生产总值的比率。

采用ADF单位根检验方法来检验变量的平稳性，在10%的显著水平下，LNFN、LNGDP79均为非平稳时间序列，在一阶差分后，都变为平稳时间序列。DLNFN、D LNGDP79分别表示LNFN、LNGDP79一阶差分后的值。因此，LNFN、LNGDP79都为一阶单整序列，表示为I (1) ，它们的一阶差分序列为I (0)过程。

（二）Johansen协整检验和Granger因果检验

Johansen协整检验和VAR模型的滞后阶数都为5阶。Johansen协整检验结果显示DLNFN、DLNGDP79之间存在1个协整关系，即变量之间存在长期的均衡关系。进一步进行Granger因果检验，结果P值均大于0.05，可知DLNFN、DLNGDP79之间不存在因果关系。

（三）VAR模型分析

1. 模型设定

本文主要采用p阶向量自回归模型：

其中，Yt= (DLNFN, DLNGDP79) T, DLNFN表示我国金融发展的对数值的一阶差分，DLNGDP79表示我国实际GDP对数值的一阶差分，A1至AP为待估的参数矩阵，at代表随机扰动项。

2. 检验VAR模型的平稳性

通过AIC最小原则，选取VAR模型的滞后期为5阶。

3. VAR模型参数估计结果（见图1)

4. 基于VAR模型的脉冲响应函数分析

(1) 经济发展对自身的冲击效应。初期经济发展受到一个自身标准差的正向冲击后，经济迅速攀升并随着时间的推移逐渐降低，第3期经济增长降到谷底，第6期经济增长再次发力，脉冲响应效应逐渐趋于零。这说明经济过热时政府将采取冷却手段，限制市场经济发展，当市场冷却需要活力时政府又会增加资金活跃市场，如此反复。总之，政府会采取保持经济发展稳定。

(2) 金融发展对经济增长的冲击效应。初期经济增长受到一个标准差的金融发展的正向冲击，经济增长呈递增趋势并在第2期达到最大，随着时间的推移正向效应逐渐疲软转为负向效应，脉冲响应效应逐渐趋于零。这说明以国有银行为主体的金融系统长期将非国有制经济置于不利地位，使大量资金流向国有企业，中小企业陷入融资困境。短期国有企业增加投资推动经济增长，长期国有企业经营效率较低又导致经济增长下降。

三、政策含义

第一，营造良好经济增长环境，适度增大人民币汇率浮动区间，制定稳定物价的单一目标。第二，大力发展资本市场，拓宽企业和居民投融资渠道，改善融资机制，提高资金的使用效率。第三，保障国有经济和非公有经济在融资中处于平等的地位，消除信贷市场上的“国有经济与非国有经济分割”现象，从而提高投资的有效性。第四，加紧推进金融体制改革以及相关法律法规建设，尽力满足经济发展所带来的日益增长的融资需求。

参考文献

[1]韩廷春.金融发展与经济增长:基于中国的实证分析[J].经济科学, 2001 (03) :31-40.

[2]谈儒勇.中国金融发展和经济增长关系的实证研究[J].经济研究, 1999 (10) :53-61.

[3]袁云峰, 曹旭华.金融发展与经济增长效率的关系实证研究[J].统计研究, 2007 (05) :60-66.

[4]赵振全, 薛丰慧.金融发展对经济增长影响的实证分析[J].金融研究, 2004 (08) :94-99.

VAR模型金融风险管理 第7篇

在经济发展过程中, 金融资本不但引导着社会闲置资金的流动方向, 也更多的渗入到产业发展过程中, 金融发展作用于产业结构调整的过程主要是通过影响储蓄、投资资金流量结构生产要素分配结构资金存量结构产业结构, 经济金融化程度越高, 其在引导产业发展方面的推动性越明显。我国在进行投资、融资体制改革后, 产业发展所需资金不在单一的依赖于财政支持, 金融市场也为产业发展提供了融资渠道, 产业发展与金融支持的依赖关系日益密切, 无论是传统工业的技术改造与新型技术产业科技研发, 还是产业经济结构的调整都离不开金融的支持, 而金融发展的程度会直接影响市场的资源配置效率, 进而影响产业结构的调整力度。

二、国内外相关研究理论

Mc Kinnon和Shaw (1973) 分别提出了“金融抑制”与“金融深化”理论, 该理论认为金融发展对经济增长中的资源配置和结构变动会产生重要影响, 如果政府对金融活动进行过多的干预将抑制金融体系的发展, 而金融体系发展滞后又阻碍了经济的发展。

Maksimovic (1995) 研究发现对处在工业化时期的发展中国家而言, 积极发展证券市场有利于改善企业的融资结构, 促进企业发展从而推动产业结构升级调整。

Levine (2002) 从金融机构提供的服务功能的质量出发, 认为金融机构能够通过作用于资本积累和技术创新这两个主要渠道来影响产业结构优化。

Tadesse (2007) 认为企业技术进步与银行体系发展存在正向的联动关系, 两者可共同促进一国产业结构升级。

杨琳, 李建伟 (2002) 通过对我国金融结构转变与实体经济结构升级的关联机制进行实证研究, 认为金融结构提升不仅是带动金融发展的重要途径, 更是促进经济结构升级, 实现最优增长的必要条件。

王志强等人 (2003) 立足于金融发展规模、结构调整与金融效率三个方面, 对金融发展与经济增长间的互动关系进行了检验。研究表明20世纪90年代以来我国金融发展与经济增长之间存在双向的因果关系。

万寿桥等人 (2004) 运用我国1985-2001年度数据进行实证分析得出资本市场各指标与经济增长存在显著的长期关系, 脉冲响应分析表明它们之间是双向的关系。

刘赣州 (2005) 通过分析中部地区金融支持对产业结构升级的影响, 得出需要区域金融的超常规发展与创新金融服务手段来促进该地区的产业结构调整。

马智利, 周翔宇 (2008) 从实证方面研究发现金融相关率对我国非农产业的提高有正向的促进作用, 并且金融相关率对产业结构的影响要强于金融市场化率指标。

林毅夫 (2009) 提出的“经济发展中的最优金融结构理论”认为不同的产业结构所对应的最优金融结构是不同的。

史诺平等 (2010) 基于金融发展与产业结构调整的作用机制, 从资金来源效率、运用效率、配置效率三方面对金融发展与产业结构的经济联系做了实证检验, 发现金融发展与产业结构调整之间存在一定的长期联系, 但仅存在单向的因果关系, 金融发展并不是促进产业结构调整的原因。

邓光亚等人 (2010) 采用1978至2008年的时间序列数据, 对中部地区金融发展与产业结构的互动性进行了探讨, 研究显示虽然金融发展与产业结构调整之间存在着长期稳态的联系, 可并没产生出相互促进的联动机制。

王俊峰 (2011) 利用安徽1978-2009年的相关数据, 通过VAR模型研究发现安徽省产业结构优化有利于拉动货币需求并能提高直接融资与间接融资效率, 通过格兰杰因检验发现股票市场融资率与产业结构优化互为因果关系。

李扬 (2013) 指出全球经济危机仍在深化, 而金融结构扭曲是致使我国经济开始结构性减速的因素之一, 另外产业结构调整与生产要素结构的变化, 也基本上确定了我国未来的经济增长格局, 它使我们开始从过去年均GDP接近10%的增长开始进入较低水平的增长阶段。

笔者将在借鉴相关研究成果的基础上, 运用Eviews6.0统计软件在建立向量自回归模型 (VAR) 基础上, 进一步探讨30多年来我国金融发展与产业结构调整之间的变动关系。

三、模型、指标确定及数据选取

(一) 模型设定

向量自回归 (VAR) 是基于数据的统计性质建立模型, VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型, 从而将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型。VAR (p) 模型的数学表达式是:

其中yt是k维内生变量列向量, xt是d维外生变量列向量, p是滞后阶数, T是样本个数, εt是k维扰动列向量, 它们相互之间可以同期相关, 但不与自己的滞后值相关且不与等式右边的变量相关。

(二) 指标确定

金融发展指标采用戈德史密斯在1969年提出“金融相关比率”来衡量, 指一国金融资产价值与经济活动总量的比值, 即各项存贷款年底总额在国内生产总值中所占的比重。

产业结构调整指标选取第二、三产业产值总和在国内生产总值中所占比重来表示。

(三) 数据选取

本文统计数据来源于各期《中国统计年鉴》以及《国民经济和社会发展第十二个五年规划纲要》, 为剔除价格因素的干扰, 以1978年为基期对所选数据进行平减处理, 由于对数据取对数后能够消除异方差的影响, 并且不改变其协整关系, 故对上述变量进行对数变换后分别表示为lnfin、lnind。

应用Eviews6.0对lnfin、lnind进行相关性分析, 得出金融发展与产业结构调整的相关系数为0.9939, 表明存在较强的相关性。我国的金融发展可能对产业结构调整起到了带动作用, 亦或产业结构调整促进了金融发展, 为明确二者间的互动关系, 需进行深入探讨。

四、实证分析过程

(一) 最优滞后阶数的选择

建立VAR模型之前要确定最优的滞后阶数, 如果滞后期数太短, 误差项可能产生自相关, 导致参数估计的非一致性, 若过长则减小了自由度, 影响参数估计量的有效性。为了保证模型的参数具有一定的解释能力并保持合理的自由度, 同时也消除随机误差项存在的自相关性问题, 选择三阶为最大滞后阶数, 依次降至一阶来确定模型的最优滞后阶数, 使用FPE最终预测误差方法、AIC、SIC信息准则以及LR统计量作为最优滞后阶数的检验标准, 结果如表1所示, 确定二阶为最优滞后阶数。

(二) 平稳性检验

在数据整理之后, 为进一步分析变量间的回归关系, 运用Eview6.0分析软件对各个选取的经济变量进行平稳性检验, 采用ADF检验确定各变量的单整性 (表2) 。

说明 (C, T, K) 表示ADF检验式是否包含常数项、时间趋势项以及滞后期数。0表示不包括C、T, △表示为差分算子, 结论表示在5%的显著水平是否通过ADF检验。

从变量序列的检验结果得知, 在5%的显著性水平下, 原序列为非平稳序列, 经差分后原序列为二阶单整序列。在序列平稳性检验的基础上, 对建立VAR (2) 模型进行稳定性检验, 如图1所示, 所有根的模的倒数都在单位圆内, 表示模型稳定。

(三) 协整关系检验

由上述单位根检验结果可知, 两变量满足协整检验的前提条件, 有可能存在协整关系, 采用Johansen协整检验来研究它们的协整关系, 检验结果如下表3。

由协整关系检验结果看, 拟检验的变量在5%显著性水平上少存在1个协整关系, 可得到如下线性方程:

可知金融发展1单位可推动产业结构调整0.14个单位, 金融行业的发展有效地提高了第二、三产业产值在国内生产总值中所占的比重。同时对回归的残差序列u进行平稳性检验 (表4) 。

平稳由于u的ADF检验统计量值小于1%显著性水平时的临界值, 因此得出残差项为平稳序列, 表明了序列间具有协整关系。

根据AIC (赤池信息准则) 和SC (施瓦兹准则) 同时达到最小的原则, 确定最后的VAR (2) 模型为:

建立的VEC模型 (其中带△的变量表示一阶差分, 变量后括号中的数值表示滞后期数) 如下:

由模型可知:滞后1期的产业结构变化对本期产业结构变化的影响系数为0.46, 滞后2期的产业结构变化影响系数为0.32。与滞后1期的金融发展相比, 产业结构变化与滞后2期的金融发展的关联性有所增强, 影响系数从负的0.06增加到0.01;随着滞后期的延长产业结构变化与金融发展的关联性逐步减弱, 影响系数从滞后1期的0.81下降到滞后2期负的0.49, 本期金融发展与滞后1期、2期的金融发展的关联性也不断减弱, 其影响系数分别为0.51、0.06。

(四) 格兰杰因果关系检验

Granger因果关系检验实质上是检验一个变量的滞后变量是否可以引入到其他变量方程中, 一个变量如果受到其他变量的滞后影响, 则称它们具有Granger因果关系, 如果不存在显著影响, 那么该经济变量就不是其他经济变量的Granger原因。采用Granger因果检验方法来验证金融发展与产业结构调整之间是否存在因果关系, 检验结果见表5。

由检验结果看出, 滞后2期内, 在5%的显著水平上, 金融发展与产业结构调整之间存在着双向的因果关系, 说明金融发展与产业结构变动之间存在互动机制, 金融发展可以促进产业结构朝着合理化和高级化两个方向调整, 而产业结构调整又可以进一步促进金融发展。

(五) 脉冲响应函数分析

脉冲响应函数方法是分析当一个误差项发生变化, 或者说模型受到某种冲击时对系统的动态影响, 其考察的是一个内生变量的冲击给其他内生变量所带来的影响。这里我们考虑金融发展与产业结构调整间的变动关系, 得到如下的脉冲响应函数图。

从图2看, 金融发展变化对产业结构调整的冲击影响开始时就出现正效应, 作用力逐渐上升并在第5期达到冲击的峰值, 累计效应为0.0136, 随后呈现出较平稳的正效应变化。从图3产业结构调整一个标准差的变化对金融发展的响应路径分析看, 产业结构调整变动对金融发展的冲击影响开始值为零, 随后呈现出正效应, 并在第4期达到峰值, 累积效应为0.079, 从长期来看金融发展与产业结构调整两者之间具有显著的正向促进作用。

五、结论

基于上述研究发现我国金融发展与产业结构调整之间存在着双向的因果关系, 从长期来看金融发展对产业结构调整具有明显的正向效应。随着我国金融市场的不断发展以及资本市场融资机制逐步完善等一系列措施引导了社会闲置资金向不同产业部门的有序转移, 为产业结构调整提供了资金支持, 促进了产业结构的优化升级;同时在市场中为满足不同层次产业部门的融资需求, 也有利于构建多元化的资本市场体系, 推动了金融发展, 也有利于提高金融在资本市场中的资源配置效率。

六、政策建议

为充分发挥我国金融发展与产业结构调整的相互促进的作用, 特提出以下政策建议:

首先, 为适应不同市场主体的融资需求, 需要不断深化金融制度, 完善金融行业的法人治理结构, 增强金融机构抵御风险的能力, 逐步提升其整体实力。尤其要推进金融体系的市场化改革, 减少政府对金融体系的过度干预, 尽快形成全方位、多层次、立体化的现代金融服务体系, 另外要积极发挥金融对产业结构调整的内在支持作用, 充分利用产业扶持政策、金融优惠政策等支持我国产业朝着合理化和高级化的方向发展, 最终实现传统的工业经济增长模式向现代服务经济增长模式的转变。

其次, 要加快企业的股权结构改革, 使企业能够以参股、控股、收购等方法进行各种形式的兼并重组, 对兼并重组的企业在进行技术改造与产品结构调整方面加大金融支持力度。为了在市场中形成优胜劣汰的竞争机制, 要尽快建立上市公司的退市制度, 以形成对上市公司的条件约束, 使一些资不抵债、日渐亏损的企业退市, 让更多的社会资金流向经营效益好、环境污染少、自主创新能力强的现代服务业、战略性新兴产业以及现代信息技术产业等, 从而推动产业结构优化升级。

最后, 产能过剩是我国产业结构调整中的突出问题。金融行业支持解决产能过剩问题的关键是要正确区分产能过剩行业的具体情况, 分门别类地执行差别化信贷政策。对于产能过剩行业中其产品有竞争力、有市场效益的企业, 继续给予资金支持;对于产品虽然在国内供大于求, 但是在国际市场上具有畅销渠道的企业, 通过各种融资方式支持其跨境进行投资经营;对于实施产能整合的企业, 通过探索发行优先股的方式, 定向对其开展并购贷款等方式, 促进企业实施兼并重组;对属于淘汰、落后产能的企业, 通过保全资产和不良贷款转让、核销等方式支持退市;而对产能严重过剩、行业违规建设等项目要严禁提供其任何形式的新增融资, 从而防止盲目建设投资进一步加剧产能过剩。

摘要：采用我国1978-2013年反映金融发展和产业结构调整的指标数据, 基于VAR模型进行实证分析金融发展与产业结构调整之间的关系, 研究发现我国金融发展与产业结构调整之间存在着双向的因果关系, 从长期来看, 金融发展对产业结构调整具有明显的正向效应。为充分发挥我国金融发展与产业结构调整的相互促进的作用, 应不断深化金融制度, 完善金融行业的法人治理结构, 增强金融机构抵御风险的能力, 逐步提升其整体实力。同时, 加快企业的股权结构改革, 使企业能够以参股、控股、收购等方法进行各种形式的兼并重组, 对兼并重组的企业在进行技术改造与产品结构调整方面加大金融支持力度。

VAR模型金融风险管理 第8篇

参考文献

[1]张世友, 许启发, 周红.金融时间序列分析[M].清华大学出版社, 2008.

VAR模型金融风险管理 第9篇

金融市场间具有一定的同质性,根据无套利(no arbitrage)原理,由系统性风险引起的一个市场的波动会通过价格的变动传递到到另一个市场。投资者在预期到一个市场波动性将增大时,他会把资产转移到另一个市场,体现为市场间价格影响和信息的传递,波动性的关联对跨市场的期权持有者尤为重要,因为他们的风险敞口主要是在资产的波动性。

Campbell(1993)用VAR模型中的方差分解技术分析了美国股票和债券市场,发现债券和股票市场都要受到股票市场新息的影响,而实际利率对股票的影响很小。Fleming(1998)从波动性的角度使用GMM方法研究了美国的股票、债券和货币市场,发现上述市场间存在很强的关联性。Robert Connolly(2005)等发现股票市场的波动性具有很强的跨市场传染性,它会影响到债券市场。陈颖(2002)认为我国股票和债券市场对彼此都有影响,其相互协调发展对于金融市场充分发挥其功能是很有帮助的。赵洋(2009)从流动性的角度对国债、企业债、股票市场进行了研究,得出结论股票市场、企业债与国债的利差对国债市场有显著的影响。房向阳等(2010)用VAR模型对国债回购、同业拆借和股票市场的交易量进行了分析,同业拆借对国债回购和股票市场有一定程度的存在时滞的影响,而国债和股票市场对同业拆借市场的影响更大,股票市场在市场间的影响中起更重要的作用。王茵田等(2010)发现我国股市和债市在流动性方面存在一体化特征。

以上研究多是用收益率数据直接建立VAR模型,或对收益率的波动性建立GARCH模型,鲜有对波动性数据直接在VAR框架下进行研究的,有些研究所用数据没有考虑到股息(利息)的发放对收益率的影响,本文将使用含股息(利息)的数据,应用向量自回归模型(VAR),因果分析和脉冲分解的分析方法从各金融市场价格运动的二阶关系,即波动性的角度分析股票市场、国债市场、企业债市场、银行间拆借市场的相互关系。并与前人的研究结论作对照。

二、数据的选取和处理

本文采用的是2006年11月22日至2011年5月23日中证沪深300全收益指数,中债国债总财富指数,中债企业债总财富指数,shibor隔夜利率的日收盘数据代表上述市场,并假设当天的收盘价反映了当天的所有信息。因为日数据一是样本比较多,可以使模型的估计更准确,二是日数据更能体现一个市场的波动率特征。本文采用的是财富法计算的指数,财富法的特征是假设证券持有期间支付的利息(股息)被再投资于指数,并永不做扣减,因此它更能体现一个市场的收益率特征。

本文将各市场内每日的收益率视为不同的随机变量,每日收益率的样本值作为上述随机变量的具体实现值,将日收益率分为长期趋势和当期波动两部分。

由于本文的四个变量是波动性较高的金融市场时间序列数据(如图1,stock,bond,cbond,shibor分别代表上述4个市场的日收益率,纵坐标单位为%),而且样本量很大,所以本文用所有样本点(即2006年11月22日至2011年5月23日的日数据)的样本均值作为日收益率长期趋势部分的近似估计值。之后对各个日收益率的样本值分别剔除上文计算的样本均值部分,再取平方项得到新的变量(分别命名为stock2,bond2,cbond2,shibor2),将其作为对日收益率的当期波动的估计值,对上述四个变量直接建立VAR模型来对各市场间当期波动部分之间的关系进行分析,研究各金融市场间的相互作用关系。

三、V A R模型的建立

首先对各市场的当期波动数据进行单位根检验,看数据是否平稳,分别在有截距项,有截距项和趋势项,无截距项和趋势项下进行ADF检验,lag长度选取选用SIC标准,原假设为变量存在单位根,检验结果如下表,所有变量在99%的置信度下是平稳的:

由于数据是平稳的,所以可以直接建立向量自回归(VAR)模型,VAR模型将所有内生变量纳入一个联立方程组,在此方程组下研究不同时间序列数据的相互关系和相互作用。

P阶向量自回归模型VAR(P)为

ut是k维扰动列向量,γi为内生变量,Ai为待估计的参数矩阵。

首先选取VAR模型的最大滞后阶数,分别采用5种准则对滞后阶数进行检验,由于本文采用的是日数据,变量间的相互作用可能不会只持续短短的几日,所以检验的滞后期数选取的比较长,“*”代表各检验准则下的最优滞后阶数。表2中LR,FPE,AIC确定的最优滞后阶数为26,SC和HQ检验确定的最优滞后阶数为1。

由于本文的样本量已足够大,所以滞后阶数的选择不会对自由度造成很大影响,为了包含尽可能多的信息,本文统一选用滞后阶数26,建立VAR(26)模型。之后确定所建立的模型是否稳定,根据下面AR root graph的结果可以看出,所有点都在单位圆内,表明模型是稳定的。

*indicates lag order selected by the criterion LR:sequential modified LR test statistic(each test at 5%level)FPE:Final prediction error AIC:Akaike information criterion SC:Schwarz information criterion HQ:Hannan-Q uinn information criterion

四、模型的分析

本部分将用格兰杰因果检验(granger test)和脉冲分解两种方法对模型和数据进行分析,并相互比较和印证。

(一)格兰杰因果分析

格兰杰因果检验(granger test)是基于变量滞后项回归的一种检验变量间是否存在因果关系的方法,用被解释变量滞后各期的值对被解释变量做回归,如果将其它变量各期的滞后值加入回归方程的被解释变量中能显著改善方程的回归效果,就说新加入的变量是方程中被解释变量的格兰杰原因。

检验结果如表3,国债市场波动是股票市场波动的格兰杰原因,企业债和股票市场的波动是国债市场波动的格兰杰原因,股票和国债市场的波动是企业债市场波动的格兰杰原因,即除了企业债对股票无影响外,股票、国债、企业债市场相互之间有比较强的影响。说明这3个市场间的联系已较为紧密,投资者能够在这三个市场根据自己的收益和风险偏好配置资产。企业债和股票市场共同受企业盈利能力的影响,但股票市场到企业债的影响是单向的,这可能是由于我国企业债市场规模和发展程度与股票市场相比还落后很多,因此往往是股票市场先将企业新的信息反映出来,之后再传递到企业债市场。

国债和企业债市场的波动是银行间拆借利率波动的格兰杰原因,这可能是因为银行间债券市场在债券市场的重要地位和高质量债券是银行间拆借重要的抵押品,其收益率会影响到银行资金的紧张程度,从而影响到银行间互相借款的利率。

以上任意三个市场的共同波动都是另一个市场的波动的格兰杰原因,但银行间拆借市场的波动单独对其它市场却没有甚么影响,这可能是因为我国对银行的利率管制,和银行的资金来源主要是存款,而不是拆借,因此拆借市场的波动不会对资本市场造成太大影响的缘故。

(二)脉冲分解

脉冲响应函数反映源自一个内生变量的正的变动(冲击)通过模型系统的传导对其自身及其它变量产生的影响,下面应用脉冲响应函数对各变量的关系进行分析,此过程又叫脉冲分解,分解方法选择广义脉冲(Generalized impluse)方法,用这种方法计算得到的结果不依赖于VAR中变量的顺序,为了观察到较长时期的影响,本文将时期数定为50天。纵坐标代表标准差,横坐标代表时期数。

图3分析的是模型中4个内生变量各一个标准差的变化对股票波动性的当期和累计影响。可以看出,对股票波动性影响最大的还是其自身波动性的变化,主要的影响是在前两期。这说明我国股票市场价格对新的信息的反映方面基本接近有效市场,价格对新息的反映在当天内就能完成,不会延续到后几期。其它三个市场在一开始对股市的影响为负,在第三天转为正值,这可能是因为其影响存在一定的滞后期的关系。

图4分析的是模型中4个内生变量各一个标准差的变化对国债波动性的当期和累计影响。可以看出,对国债价格波动性影响最大的还是国债自身,在第1期为0.12,在4期内减小至0,与股市相比要慢很多,说明国债市场在价格对新息的反应速度反面要弱于股票市场,在12期,国债的脉冲曲线又有一个突然的增加,最高至0.05,之后迅速减小到0,说明市场对信息的反应在前几期并没有反应完全,或者说存在一定的时滞,在后几期会对剩余的信息作出反应。股票对国债市场的影响为正,但在第7期开始才会显现影响,在第10期基本达到最大值0.1,说明股票对国债市场的作用中,市场信息从传递到反映到价格的波动这一过程还是比较缓慢,这可能与市场间信息的传递速度有关,也可能是股市对国债市场有用的信息难以被识别所致,因为国债市场对自身信息的反映在4期内就能完成大半。企业债的变动对国债的波动也有影响,但要小于国债对自身的影响,在第1期为0.08,在前10期一直会有正的影响,但影响力会递减,在第12期影响力也会有一个突然的增加,16期左右累积达到最大,为0.24,之后变为微弱的负影响,这可能是由于企业债和国债市场都不是有效市场,但企业债市场的规模和效率还要小于国债市场,它们都要受共同的风险因素-利率的影响,企业债市场波动性的变化是对无风险利率和市场信用的综合反映,因为企业债市场远不是有效市场,因此它的波动性的变化对利率风险的反应是不完全的,也是很难识别的,这种波动性传递到国债市场,起初人们会花时间识别这种波动性(如图,第2期的影响是一个峰值),之后反映到国债市场的波动上去造成一定的影响,但由于识别是不完全的,之后部分会通过国债市场自身来得到纠正,部分会以之后企业债对国债负影响的方式加以纠正,因此反映到脉冲响应图上第16期以后国债和企业债的影响曲线互为负相关,在累积脉冲曲线上企业债对国债的影响会先高后低。Shibor对国债市场的影响始终为正但比较微弱,除了在第10期出现了负影响,但累计影响呈现一个递增的态势,因为shibor是对利率的良好反映,它波动性的增加必然会导致国债市场波动性的增加。

图5分析的是模型中4个内生变量各一个标准差的变化对企业债波动性的当期和累计影响。可以看出,其图形特征与国债市场相近,但与国债市场相比,企业债受其它市场的影响要大得多,对于自身新息的消化要慢于国债市场,对股市新息的消化要快于国债市场对股市的反应,原因可能正如前段所述,企业债市场与股市都受到企业质量信息的重大影响,但企业债市场规模还比较小,发展程度还比较落后,所以它主要是受到别的市场的影响,且波动性较大,对共同信息的消化时间也较长。

图6分析的是模型中4个内生变量各一个标准差的变化对shibor波动性的当期和累计影响。shibor对自身新息的反映最大,但消化程度很慢,在第10期才完成第一阶段的消化,之后波动性又有反复,注意在第25期左右,企业债和国债波动性对shibor的波动性分别由一个向上和向下的影响。但通过纵坐标的刻度可以看出,shibor的波动很小,其它市场波动性的变化对shibor波动性绝对值的影响并不大,这一方面说明银行间拆借市场的利率很稳定,波动很小;另一方面也说明银行间拆借市场相对于其它三个金融市场具有相对的独立性。

五、结论和建议

(一)结论

以上两种分析方法得到的结论基本一致,且与已有的研究进行了较好的相互印证。股票市场作为金融市场间信息传导的重要枢纽,规范并做大做强股票市场,对于其它金融市场的良好稳定发展具有很大促进作用。我国债券市场相对于股票市场的发展程度还比较低,尤其是企业债市场,无法起到与股票市场的互补作用,良好发展的企业债市场是企业重要的短、中期融资平台,还可以通过市场间的信息传递和套利对股市的非理性波动做出矫正,对股市形成了很好的互补作用。国债作为重要的无风险投资工具、国家实施财政政策的资金来源和货币政策的中介工具,其市场的流动性和对新的信息的反应能力是至关重要的,欧美发达国家债券市场的规模都要大于股票市场的规模。银行间拆借市场对资本市场几乎没有什么影响,这与我国银行的利率市场化程度不够有关。不同金融市场间既有同质性,又有差异性,功能上无法完全相互替代。割裂的金融市场不利于市场的稳定并会使市场畸形发展,作为一个整体只有全面协调发展,才能更好地为实体经济的发展服务。

(二)建议

1、为了促进债券市场的发展,需要引进更多的市场参与者,包括发行主体和交易主体,同时应加强信息披露和交易系统建设,提高交易效率。

2、研究商业银行参与其它金融市场的可行性。银行参与保险市场、债券市场已无法律障碍,但是参与股票市场的合法路径尚未打通。应逐步拓宽商业银行进入股市的途径。

3、证券、银行、保险监管部门在出台监管政策时,要互相沟通和协调。

摘要：本文运用VAR模型从投资收益波动性的角度分析了我国股票市场、国债市场、企业债市场、银行间拆借市场的相互关系,运用格兰杰因果检验和脉冲分解两种方法对模型进行分析,并与已有的研究结果进行对照,研究结果表明股票、国债、企业债市场之间存在较强的相互作用,银行间拆借市场与上述三个市场的关系并不十分紧密,只是会受到债券市场的微弱的影响。要规范和做大做强股票市场,大力发展国债和企业债市场,引进更多的市场参与者,完善市场的软硬件建设,加快银行利率市场化步伐。

关键词：VAR模型,金融市场,波动性

参考文献

[1]Robert Connolly,Chris Stivers,Licheng Sun.Stock MarketUncertainty and the Stock-Bond Return Relation[J].TheJournal of Financial and Quantitative Analysis,2005(40):161-194

[2]John Y.Campbell,John Ammer.What Moves the Stockand Bond Markets?A Variance Decomposition forLong-Term Asset Returns[J].The Journal of Finance,1993(48):3-37

[3]Jeff Fleming,Chris Kirby,Barbara Ostdiek.Informationand volatility linkages in the stock,bond,and moneymarkets[J].Journal of Financial Economics 1998(49):111-137

[4]房向阳,方兰.同业拆借、国债回购及股票市场相关波动分析[J].甘肃金融,2010(6):58-61

[5]赵洋.交易所国债市场流动性影响因素的实证研究[J].生产力研究,2009(3):48-58

[6]陈颖.浅析我国资本市场中股市与债市的失衡问题—兼论股票市场与债券市场对金融市场发展的影响[J].中央财经大学学报,2002(6):17-21

VAR模型金融风险管理 第10篇

自1978年以来, 在全国改革开放的大背景下, 广西壮族自治区的经济取得了快速的发展, 广西壮族自治区国内生产总值从1978年的75.85亿元上升到2011年的11720.9亿元。具体而言, 2003年~2011年广西国内生产总值分别每年比上年增长21.7%、18.7%、18.5%、20.6%、20.6%、10.5%、23.3%、22.5%, 远远高于我国国内生产总值的平均增速。金融机构信贷支持对广西壮族自治区的经济增长是否具有促进作用?如果有, 那么金融机构信贷支持在多大程度上促进广西壮族自治区的经济增长?基于上述问题, 本文以金融机构信贷支持和广西壮族自治区经济增长为研究对象, 利用1978~2011年金融机构信贷支持和广西壮族自治区经济增长的年度数据, 通过构建VAR模型, 对金融机构信贷支持和广西壮族自治区经济增长之间的关系进行系统的计量研究。

二、实证分析

(一) 变量的选取与数据的采集

本文选取广西壮族自治区的国内生产总值这个变量来衡量广西壮族自治区的经济增长, 用字母GDP表示, 作为被解释变量;选取广西壮族自治区金融机构贷款余额这个变量来衡量金融机构的信贷支持, 用字母LOANS表示, 作为解释变量。本文选取1978~2011年的金融机构贷款余额和广西壮族自治区国内生产总值的年度数据, 本文所需数据来源于《广西统计年鉴》。为消除数据的异方差, 本文对数据进行对数化处理, 分别用LNGDP和LNLOANS表示。本文使用的计量软件是Eviews6.0。

(二) ADF检验

VAR模型所需要的数据必须是平稳的时间序列, 如果采用非平稳的时间序列进行分析, 可能会出现“伪回归”现象。本文通过ADF检验来判断时间序列是否平稳, 检验结果如表1所示:

由ADF检验结果可知, LNGDP和LNLOANS的ADF检验值都大于其各自的5%显著水平的临界值, 即LNGDP和LNLOANS在5%显著水平上都是不平稳序列, 但是其二阶差分D (LNGDP, 2) 和D (LNLOANS, 2) 的ADF检验值都小于其各自的5%显著水平的临界值, 即其二阶差分D (LNGDP, 2) 和D (LNLOANS, 2) 在5%显著水平上都是平稳序列。因此LNGDP和LNLOANS之间可能存在协整关系。

(三) 协整检验

本文采用Johansen检验方法, 进一步分析LNGDP和LNLOANS这两个变量之间是否存在长期协整关系, 检验结果如下:

表2显示, 在5%显著水平上, 最大特征值的统计量15.82928大于临界值15.49471, 即拒绝LNGDP和LNLOANS之间没有长期协整关系的原假设, 即存在1个长期协整关系。协整方程为:LNGDP=0.83979+0.9211LNLOANS。从该协整方程可以看出:广西壮族自治区的LNGDP和LNLOANS存在正向相关性, LNLOANS每增长1%, LNGDP增长0.9211%。这说明金融机构贷款余额的增长可以促进广西壮族自治区国内生产总值的增长。

(四) 金融机构信贷支持与广西壮族自治区经济增长的VAR模型的估计与分析

1. VAR模型最优滞后期的选择。

由表3可知:VAR模型最优滞后期的5个评价指标都表明最优滞后期为2最为合理, 即确定建立2阶的VAR模型。

2. VAR模型的单位圆检验。

通过得到的图1知道, VAR模型全部根的倒数值都在单位圆之内, 这表明VAR (2) 模型是稳定的。即表示可以对金融机构贷款余额和广西壮族自治区国内生产总值进行脉冲响应分析和方差分解分析。

3.金融机构信贷支持与广西壮族自治区经济增长的Granger因果分析。

本文通过Granger因果分析来判断金融机构信贷支持与广西壮族自治区经济增长的因果关系, 滞后期为2期, 结果如表4所示:

由表4可以看出:在5%的显著水平下, 0.0138<0.05, 拒绝“金融机构贷款余额增长不是广西壮族自治区国内生产总值增长的Granger原因”的原假设, 即金融机构贷款余额增长是广西壮族自治区国内生产总值增长的Granger原因;在5%的显著水平下, 0.0946>0.05, 接受“广西壮族自治区国内生产总值增长不是金融机构贷款余额增长的Granger原因”的原假设, 即广西壮族自治区国内生产总值增长不是金融机构贷款余额增长的Granger原因。Granger因果分析结果表明:金融机构贷款余额增长与广西壮族自治区国内生产总值增长之间存在单向影响, 金融机构贷款余额增长促进了广西壮族自治区国内生产总值的增长, 广西壮族自治区国内生产总值增长并不能促进金融机构贷款余额的增长。

4. 脉冲响应函数。

为了分析当变量LNLOANS受到某种冲击时对LNGDP的动态影响, 本文对VAR模型进行脉冲响应函数分析, 结果如图2所示:

从图2可知, 期初给金融机构贷款余额一个正标准差信息冲击后, 广西壮族自治区国内生产总值随之上升且逐渐增大, 在第7期之前增长迅速, 之后增长缓慢, 在第10期达到最大, 上升至0.110661。这与金融机构信贷支持与广西壮族自治区经济增长的Granger因果分析结果一致, 即金融机构信贷支持对广西壮族自治区经济增长具有长期的促进作用。

5. 方差分解。

由方差分解可知, 金融机构贷款余额增长对广西壮族自治区国内生产总值增长波动的贡献率逐渐增大, 到第10期增至最大, 此时金融机构贷款余额增长冲击对广西壮族自治区国内生产总值增长的贡献率达到47.82%, 对广西壮族自治区国内生产总值增长的促进作用显著。

三、结论及政策建议

(一) 结论

本文通过建立VAR模型对金融机构信贷支持和广西壮族自治区经济增长之间的关系进行了研究, 结论如下: (1) 通过ADF检验, 得出D (LNGDP, 2) 和D (LNLOANS, 2) 在5%显著水平上都是平稳序列;VAR模型的最优滞后期为2期。 (2) 通过Johansen协整检验, 发现LNGDP和LNLOANS这两个变量之间存在长期协整关系, 二者正向相关, LNLOANS每增长1%, LNGDP增长0.9211%。这表明金融机构信贷支持可以促进广西壮族自治区经济的增长。 (3) 金融机构信贷支持与广西壮族自治区经济增长的Granger因果关系分析结果表明, 在5%的显著水平下, 金融机构贷款余额增长是广西壮族自治区国内生产总值增长的Granger原因, 广西壮族自治区国内生产总值增长不是金融机构贷款余额增长的Granger原因。金融机构贷款余额增长与广西壮族自治区国内生产总值增长之间存在单向影响。 (4) 脉冲响应函数分析表明, 期初给金融机构贷款余额一个正标准差信息冲击后, 广西壮族自治区国内生产总值随之上升且逐渐增大, 在第7期之前增长迅速, 之后增长缓慢, 在第10期达到最大, 上升至0.110661。表明金融机构信贷支持对广西壮族自治区经济增长具有长期的促进作用。 (5) 方差分解结果表明, 金融机构贷款余额增长对广西壮族自治区国内生产总值增长波动的贡献率逐渐增大, 到第10期增至最大, 达到47.82%, 促进作用显著。

(二) 政策建议

1.适当降低广西壮族自治区金融机构的准入门槛。

广西壮族自治区是经济欠发达地区, 工商银行、中国银行、建设银行、农业银行、交通银行在广西金融市场中处于垄断地位。股份制小银行、民间借贷机构数量少, 难以满足广西企业居民的资金借贷需求。广西壮族自治区可以适当降低金融机构的准入门槛, 引入更多的金融机构, 鼓励金融市场竞争, 优化金融资源配置, 为广西壮族自治区的经济发展提供资金支持。

2.加大对广西壮族自治区的政策支持力度。

通过对金融机构实行政策优惠, 鼓励、引导金融机构对政府支持的产业和地区增加信贷额度、延长贷款期限、降低贷款利率, 以此促进广西壮族自治区的经济发展。在保证银行安全的前提下, 适当降低广西壮族自治区金融机构的存款准备金率, 使货币创造乘数变大, 以扩大广西壮族自治区的货币供给数量。在再贴现规模的分配上和再贴现票据种类的选择上, 可以适当向广西壮族自治区倾斜, 引导社会资金流向政府支持的产业和地区。

3.进一步发挥政策性银行的作用。

政策性银行与商业银行不同, 其不以盈利为目的, 更加重视经济欠发达地区的发展。广西壮族自治区作为经济欠发达地区, 应进一步发挥政策性银行的作用。进一步增加政策性银行对广西壮族自治区的信贷额度、进一步扩大政策性银行的业务范围。

参考文献

[1]李传文, 胡列曲.云南金融发展与经济增长关系的实证研究[J].中国集体经济, 2011 (2) .