我国利率市场化改革已经推进了十几年，十几年来我国利率的市场化程度不断加深。尤其是近几年来，利率市场化改革的步伐逐渐加快，银行间同业拆借利率，国债利率都已基本实现市场化。最近，央行进一步放宽我国存贷利率的浮动区间，逐步推进我国存贷利率的市场化改革。利率市场化改革的不断推进，使得我国市场利率的波动不断加大，利率风险逐渐成为我国商业银行风险管理中不容忽视的一种风险。巴塞尔银行监管委员会也要求各国商业银行将利率风险纳入风险资本的计量范畴。由于我国开始利率市场化改革的时间较晚，在利率管制时期商业银行主要关注信用风险，对于市场风险，尤其是利率风险关注较少，因此我国商业银行目前关于利率风险的管理体系和测量技术都比较落后，主要还是采用利率敏感缺口等静态工具进行被动管理。因此，引进先进的风险测量技术，对利率风险进行更为精确的计量，是我国商业银行目前提高利率风险管理水平的当务之急，这也是健全我国商业银行利率风险管理体系的重要基础。
　　根据巴塞尔银行监管委员会对于商业银行利率风险的定义，商业银行面临的利率风险依据其产生来源主要分为四种，即重定价风险，收益率曲线风险，基准风险和期权风险。利率变动对银行的影响可以划分为两类，第一类就是利率变动会影响商业银行盈利能力，主要是银行的净利息收入。由于我国目前商业银行的利差收入仍占总收入很高的比例，同时商业银行参与的许多中间业务收入也会受到利率变动的影响，因此这对于商业银行会产生非常重大的影响;第二类就是利率变动对于银行经济价值的影响，包括银行持有的金融资产和负债的内在价值以及银行整体的内在价值。在金融自由化改革，金融创新层出不穷的大背景下，银行持有的金融资产负债的内在价值，尤其是衍生金融工具的价值，都会受到利率变动的影响，而且其价值变动与利率变动之间的关系也越来越复杂，因此商业银行在利率风险管理过程中还需要重点关注各种金融资产价值与利率之间的关系。
　　传统的商业银行利率风险管理主要通过资产负债表进行管理，即通过调整资产负债的结构来增强自身对于利率风险的抵抗能力，其中最主要的方法就是利率敏感性缺口分析和久期缺口分析。利率敏感性缺口分析通过利率敏感资产和利率敏感负债的比例来分析利率变动对于商业银行净利息收入产生的影响，而久期缺口分析则主要注重分析利率变动对于资产和负债的价值的影响。不过这两种方法都属于被动管理方法，并不去主动预测未来利率的变动，而其管理效果却很大程度上依赖于对于未来利率变动预测的准确性。因此，国外很多商业银行采取了更为先进的模拟法来对利率风险进行管理，即在历史数据和一些基本假设的基础上，通过计算机技术模拟未来利率的变动方向。但是由于我国商业银行目前缺乏高质量的历史数据库以及信息系统建设的不完善，尚不具备采取模拟法的技术和经验。因此提高我国商业银行利率风险管理水平的主要措施之一就是引进先进的风险测量技术，提高对未来利率变动预测的准确度。
　　风险价值(VaR)作为目前世界上最主要的市场风险管理工具之一，由于其简单易懂的原理，在世界各大金融机构中得到了广泛应用。但是由于传统的VaR计算方法存在的不足，使得VaR在实际应用中的效果大打折扣。其主要的不足来自三个方面，即对于资产收益正态分布的假定，用于估计资产条件波动率的模型和对于资产收益标准化残差独立同分布的假定。针对传统VaR计算方法存在的上述不足，目前学者主要从三个方向来改进VaR的计算。第一个方向就是在计算VaR时假定资产收益服从其他分布，常用的有t分布和广义误差分布(GED)，这些分布能够更好地刻画资产收益分布中偏度和峰度的信息。其次就是采用更为成熟的波动率模型去估计资产收益的条件波动率，其中GARCH族模型是最常用的一类波动率模型，其具有很多的拓展形式，可以很好地刻画金融资产条件波动率中存在的聚集性和非对称性等现象。最后的一个改进方法从标准化残差独立同分布的假定入手，放宽对于资产收益分布高阶矩常数的限制，即考虑资产收益分布的条件偏度和条件峰度时变性的影响，而不仅仅是考虑资产条件分布的均值和方差。
　　本文借鉴Leon(2005)提出的条件自回归偏度和峰度模型（GARCHSK模型），对上海银行间同业拆借市场隔夜利率进行实证研究，同时还以欧元、英镑和美元的伦敦银行间同业拆借市场隔夜利率作为对比，对比分析不同同业拆借市场利率的波动特征，同时还对比了基于常数高阶矩波动模型和基于时变高阶矩波动模型计算得到VaR的预测能力。
　　时变高阶矩波动模型的回归结果和四个样本序列的高阶矩时变性检验结果表明，我国的上海银行间同业拆借市场并不存在明显的高阶矩时变性，而伦敦银行间同业拆借市场的高阶矩时变性则较为明显。因此，我们预期时变高阶矩波动模型能够很好地提高LIBOR序列的VaR预测精度，而对于SHIBOR序列而言，由于不存在明显的高阶矩时变性，所有预期时变高阶矩模型并不能很好地提升VaR的预测效果。除此之外，本文还发现在四个样本序列中均存在显著地杠杆效应，但是杠杆效应表现出的方向与我们在其他金融收益序列中观察到的杠杆效应相反，正的扰动项反而引起了条件波动率更大的反应，这可能是由于同业拆借市场利率的特征引起的，即较高的同业拆借利率意味着市场的流动性紧张，从而更容易引起整个市场的恐慌，引发更为剧烈的波动。
　　随后，本文还对不同模型计算得到的VaR进行了多种方法的回测检验，包括无条件覆盖率检验，条件覆盖率检验和损失函数等。无条件覆盖率检验和条件覆盖率检验主要对各个模型VaR的预测准确度进行回测检验，检验结果表明，在SHIBOR市场上时变高阶矩波动模型和常数高阶矩波动模型均能够提供有效的多头头寸VaR，两类模型的预测能力并不明显的差别;在LIBOR欧元市场上，时变高阶矩波动模型能够显著提高空头头寸VaR的预测能力;在LIBOR英镑市场上，则只有时变高阶矩波动模型能够同时通过两类回测检验，显著的提升了多头头寸和空头头寸VaR的预测能力;在LIBOR美元市场上，时变高阶矩波动模型对于空头头寸VaR的预测能力也有一定提升。随后我们还构建损失函数，用于检验不同模型VaR发生损失的大小，检验结果表明在SHIBOR市场和LIBOR美元市场上，时变高阶矩波动模型和常数高阶矩波动模型的预测能力没有明显的差异;而在LIBOR的欧元和英镑市场上，时变高阶矩波动模型均能够提供更好地VaR预测。
　　回测检验结果表明针对SHIBOR市场而言，基于时变高阶矩波动模型和常数高阶矩波动模型的VaR的预测能力并不存在明显差异，这进一步验证了目前我国同业拆借市场的风险主要来源于波动率的变化。而针对LIBOR市场而言，虽然不同货币市场的表现不同，但是总体而言时变高阶矩波动模型能够提高VaR的预测能力，这表明伦敦同业拆借市场上风险同时受到波动率，偏度和峰度变化的影响，这与我们高阶矩波动率检验结果是一致的。
　　通过上述检验结果，我们认为目前我国的同业拆借市场中的风险主要来源于波动率的变化，市场中并没有包含拆借利率条件分布中偏度和峰度的信息。而在伦敦同业拆借市场中的风险则同时包含了条件方差，条件偏度和条件峰度的信息。因此，针对SHIBOR市场而言，目前利率风险管理的重点应该放在对于其波动率变化的刻画上面，从而提高风险管理的效率;针对LIBOR市场而言，虽然不同货币市场存在一定的差异，但是其利率风险中同时包含了波动率、偏度和峰度的信息，在风险管理工作中需要同时综合考虑它们变动对于风险的影响。