论文部分内容阅读
[摘 要] 通过运用GARCH-VaR模型对银行利率的风险进行度量，选取1年期上海银行间同业拆借的隔夜利率数据（Shibor）进行实证分析。结果显示Shibor对数收益率的统计分布为非正态分布且为时间稳定序列，同时存在一定自相关性及异方差性。随后采用AR（1）-GARCH（1，1）模型在三个不同的残差分布假设下，对数据进行模拟并计算VaR值，并采用失败检验法对VaR值进行回测检验，结果表明在GARCH-VaR模型下，当假设残差分布为正态分布和广义误差分布时，计算得到的VaR值更合理，能够通过回测检验；而残差分布为学生t分布时，风险值会被高估，无法通过回测检验。
[关键词] 利率市场化；利率风险；VaR模型；自回归条件异方差
doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2016. 03. 079
[中图分类号] F830.33 [文献标识码] A [文章编号] 1673 - 0194（2016）03- 0144- 05
1 引 言
我国利率市场化转变主要依托“政府渐进”模式实施[1]。到目前为止，除存款利率尚未完全放开外，我国利率市场化已逐步实施[2]。利率市场化会对我国商业银行的传统经营模式造成冲击，存贷利差在利率完全市场化后短期内将会明显收窄[3]。商业银行不得不在平衡收益与风险的基础上合理定价，即在获得市场份额的同时又能以合理定价有效覆盖风险[4]。
随着我国利率市场化进程的逐步深入，我国商业银行利率的不确定性和波动性也逐步增加，利率风险成为我国商业银行所面临的主要风险之一[5]。如何有效的识别、衡量及管理利率风险已成为我国商业银行面临的重要挑战[6]。利率风险的度量是利率风险管理的前提[1]。西方发达国家有较为成熟的利率风险度量模型值得借鉴和参考[7]：利率敏感性缺口模型[8]、久期分析[9]、VaR方法及模拟法[10]。由于VaR方法的简洁性、市场风险的可防范性等优势，被广泛采纳[11]。由于我国银行利率长期以来处于管制状态，在银行利率风险度量模型方面较为欠缺，国内关于VaR模型的研究起步也比较晚[12]。郑文通于《金融风险管理的VaR方法及其应用》[13]一文中就VaR模型引入我国的必要性进行了概况性的阐述，对VaR方法在我国风险度量方面的应用起到了一定的指导作用。李成、马国校应用VaR模型对我国银行间同业拆借市场每日加权平均利率进行实证研究[14]。
本文将选取2010年5月4日至2014年5月4日上海银行间同业拆借的隔夜利率数据（Shibor）共1 000个样本数据进行实证分析。对数据进行正态性检验、稳定性检验、自相关性检验以及条件异方差检验。结果显示，利率时间序列不满足同方差性，不能简单应用VaR模型进行计算，本文的模型建立将结合GARCH模型和VaR模型。考虑到利率时间序列的异方差性和自回归性，在三种不同分布（正态分布、学生t分布、广义误差分布）的假设条件下，分别建立AR（1）-GARCH（1，1）-N模型、AR（1）-GARCH（1，1）-t模型以及AR（1）-GARCH（1，1）-GED模型，对Shibor数据进行模拟分析，并在对应模型下计算出相应的风险价值。为评定风险值的准确性，本文采用Kupiec提出的失败检验法对模型估计结果进行回测检验。检验结果显示，当假设残差分布为正态分布和GED分布时，计算得到的VaR值更合理，能够通过回测检验；而残差分布为学生t分布时，风险值会被高估，无法通过回测检验。
3 结 论
本文运用GARCH-VaR模型对银行利率的风险进行度量，通过对上海银行间同业拆借利率数据建模进行实证分析，得出以下结论：①该数据序列是平稳的时间序列，存在 “尖峰厚尾”现象，为非正态分布，并存在一定的自相关性和条件异方差性。②在残差序列的三种不同分布（正态分布、学生t分布、广义误差分布）的假设下建立模型对Shibor数据进行模拟分析及风险值VaR计算，通过Kupiec的失败频率检验法对计算结果进行衡量对比，结果显示AR（1）-GARCH-N分布模型和AR（1）-GARCH-GED分布模型估计的VaR值非常接近，回测失败天数相同，均落在非拒绝域内，能够在一定程度上表示Shibor对数收益率的风险价值。而残差分布为学生t分布时则无法通过回测检验。③数据模型的选取对最终计算得到VaR值是否有效有较大影响。因此如何建立合理的数据模型对数据进行拟合，是进行风险计量的关键问题之一。
主要参考文献
[1]胡新智，袁江. 渐进式改革：中国利率市场化的理性选择——利率市场化的国际经验及其对中国的启示[J]. 国际经济评论， 2011（6）.
[2]周小川.关于推进利率市场化改革的若干思考[J]. 中国总会计师，2011（1）.
[3]周茂清.利率市场化给商业银行带来的机遇、挑战及其应对[J]. 当代经济管理，2012，34（6）.
[4]武剑. 利率市场化进程中的利率风险管理[J]. 财经科学，2003（2）.
[5]贺国生， 栗红宇. 商业银行利率风险度量的历史演变及现实启示[J]. 金融理论与实践，2005（1）.
[6]赵自兵. 升息周期中商业银行的利率风险分析[J]. 国际金融研究， 2004（9）.
[7]L Angbazo. Commercial Bank Net Interest Margins，Default Risk， Interest-Rate Risk， and Off-balance Sheet Banking[J]. Journal of Banking
[关键词] 利率市场化；利率风险；VaR模型；自回归条件异方差
doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2016. 03. 079
[中图分类号] F830.33 [文献标识码] A [文章编号] 1673 - 0194（2016）03- 0144- 05
1 引 言
我国利率市场化转变主要依托“政府渐进”模式实施[1]。到目前为止，除存款利率尚未完全放开外，我国利率市场化已逐步实施[2]。利率市场化会对我国商业银行的传统经营模式造成冲击，存贷利差在利率完全市场化后短期内将会明显收窄[3]。商业银行不得不在平衡收益与风险的基础上合理定价，即在获得市场份额的同时又能以合理定价有效覆盖风险[4]。
随着我国利率市场化进程的逐步深入，我国商业银行利率的不确定性和波动性也逐步增加，利率风险成为我国商业银行所面临的主要风险之一[5]。如何有效的识别、衡量及管理利率风险已成为我国商业银行面临的重要挑战[6]。利率风险的度量是利率风险管理的前提[1]。西方发达国家有较为成熟的利率风险度量模型值得借鉴和参考[7]：利率敏感性缺口模型[8]、久期分析[9]、VaR方法及模拟法[10]。由于VaR方法的简洁性、市场风险的可防范性等优势，被广泛采纳[11]。由于我国银行利率长期以来处于管制状态，在银行利率风险度量模型方面较为欠缺，国内关于VaR模型的研究起步也比较晚[12]。郑文通于《金融风险管理的VaR方法及其应用》[13]一文中就VaR模型引入我国的必要性进行了概况性的阐述，对VaR方法在我国风险度量方面的应用起到了一定的指导作用。李成、马国校应用VaR模型对我国银行间同业拆借市场每日加权平均利率进行实证研究[14]。
本文将选取2010年5月4日至2014年5月4日上海银行间同业拆借的隔夜利率数据（Shibor）共1 000个样本数据进行实证分析。对数据进行正态性检验、稳定性检验、自相关性检验以及条件异方差检验。结果显示，利率时间序列不满足同方差性，不能简单应用VaR模型进行计算，本文的模型建立将结合GARCH模型和VaR模型。考虑到利率时间序列的异方差性和自回归性，在三种不同分布（正态分布、学生t分布、广义误差分布）的假设条件下，分别建立AR（1）-GARCH（1，1）-N模型、AR（1）-GARCH（1，1）-t模型以及AR（1）-GARCH（1，1）-GED模型，对Shibor数据进行模拟分析，并在对应模型下计算出相应的风险价值。为评定风险值的准确性，本文采用Kupiec提出的失败检验法对模型估计结果进行回测检验。检验结果显示，当假设残差分布为正态分布和GED分布时，计算得到的VaR值更合理，能够通过回测检验；而残差分布为学生t分布时，风险值会被高估，无法通过回测检验。
3 结 论
本文运用GARCH-VaR模型对银行利率的风险进行度量，通过对上海银行间同业拆借利率数据建模进行实证分析，得出以下结论：①该数据序列是平稳的时间序列，存在 “尖峰厚尾”现象，为非正态分布，并存在一定的自相关性和条件异方差性。②在残差序列的三种不同分布（正态分布、学生t分布、广义误差分布）的假设下建立模型对Shibor数据进行模拟分析及风险值VaR计算，通过Kupiec的失败频率检验法对计算结果进行衡量对比，结果显示AR（1）-GARCH-N分布模型和AR（1）-GARCH-GED分布模型估计的VaR值非常接近，回测失败天数相同，均落在非拒绝域内，能够在一定程度上表示Shibor对数收益率的风险价值。而残差分布为学生t分布时则无法通过回测检验。③数据模型的选取对最终计算得到VaR值是否有效有较大影响。因此如何建立合理的数据模型对数据进行拟合，是进行风险计量的关键问题之一。
主要参考文献
[1]胡新智，袁江. 渐进式改革：中国利率市场化的理性选择——利率市场化的国际经验及其对中国的启示[J]. 国际经济评论， 2011（6）.
[2]周小川.关于推进利率市场化改革的若干思考[J]. 中国总会计师，2011（1）.
[3]周茂清.利率市场化给商业银行带来的机遇、挑战及其应对[J]. 当代经济管理，2012，34（6）.
[4]武剑. 利率市场化进程中的利率风险管理[J]. 财经科学，2003（2）.
[5]贺国生， 栗红宇. 商业银行利率风险度量的历史演变及现实启示[J]. 金融理论与实践，2005（1）.
[6]赵自兵. 升息周期中商业银行的利率风险分析[J]. 国际金融研究， 2004（9）.
[7]L Angbazo. Commercial Bank Net Interest Margins，Default Risk， Interest-Rate Risk， and Off-balance Sheet Banking[J]. Journal of Banking