论文部分内容阅读
由于我国市场自由化程度的加深,使得利率的波动频率加强,特别是在2010年至2013年期间的波动性变动尤为剧烈,同时商业银行也需要随时应对一些越来越严峻的利率风险波动挑战。风险度量方法的选择上,较多采用传统的静态研究方法,其并不适用于对利率风险度量的时效性分析。VaR方法可以简洁直观的对利率风险进行动态度量,是当前国际上通用的动态性风险度量方法。但是,国内对VaR方法的研究成果尚不成熟,特别是针对我国利率风险波动特征的相关研究较为缺乏。通过对久期分析法、敏感性分析法及VaR方法的综合对比判断,本文最终选取VaR方法作为本文的方法论指导。考虑到Shibor利率的市场化程度较高,因此选取2007年4月至2017年4月的Shibor O/N收益率数据作为本文实证研究的基础数据,建立36种GARCH族模型,选择其中模型效果较好的AR(1)-GARCH(2,1)-N模型、AR(1)-GARCH(1,1)-G模型、AR(1)-TGARCH(1,1)-N模型、AR(1)-TGARCH(1,2)-G模型、AR(1)-EGARCH(1,2)-N模型建立Shibor收益率序列{}的条件方差方程,计算VaR预测值并进行准确性检验。由于{}序列具有阶段性波动特征,因此引入虚拟变量并选取分段AR(1)-GARCH(1,1)-G模型、分段AR(1)-TGARCH(1,2)-G模型、分段AR(1)-EGARCH(1,2)-N模型建立Shibor收益率序列{}的条件方差方程,对VaR预测值进行准确性检验。检验结果表明:针对具有阶段性波动特征的样本数据,可以优先考虑选取引入虚拟变量后的分段GARCH族模型,分段后的GARCH族模型可以有效弥补传统的GARCH族模型的样本敏感性缺点,提高VaR预测风险的准确度。基于我国利率波动特征,商业银行可以:一方面通过学习先进的度量方法,构建更加精确的VaR模型;另一方面采取创新利率衍生工具、选择适合自身情况的置信水平及持有期期限等措施,不仅有利于提高风险度量的精准度,也有利于提高面对极端风险的应对能力。