基于極值理論的VaR及其在中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)管理中的應(yīng)用.pdf

1、近年來, 受經(jīng)濟(jì)全球化和金融自由化,競(jìng)爭(zhēng)與放松管制以及金融創(chuàng)新與技術(shù)進(jìn)步等因素的影響, 在金融市場(chǎng)規(guī)模迅速擴(kuò)大和效率明顯提高的同時(shí),金融市場(chǎng)的波動(dòng)性和風(fēng)險(xiǎn)也大為加劇。我國(guó)已經(jīng)加入WTO，隨著利率市場(chǎng)化、資本項(xiàng)目開放以及衍生金融市場(chǎng)的建立，金融資產(chǎn)所面臨的市場(chǎng)風(fēng)險(xiǎn)也將日益突出和復(fù)雜。VaR方法因其測(cè)量風(fēng)險(xiǎn)的定量性、綜合性、通俗性等特點(diǎn)而被許多銀行、金融機(jī)構(gòu)和監(jiān)管機(jī)構(gòu)廣泛應(yīng)用，目前正在成為金融風(fēng)險(xiǎn)管理的國(guó)際標(biāo)準(zhǔn)，將它引入到我國(guó)的風(fēng)險(xiǎn)管理中有

2、重大的現(xiàn)實(shí)意義。鑒于當(dāng)前沒有一種方法在各個(gè)置信水平上都能有效而準(zhǔn)確地估計(jì)中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)的VaR值，本研究在對(duì)各種VaR估計(jì)方法進(jìn)行比較分析的基礎(chǔ)上，對(duì)其中的一些方法進(jìn)行改進(jìn)，并以上證指數(shù)和深成指數(shù)1995年7月到2005年11月日收益率數(shù)據(jù)為樣本，在廣泛借鑒他人研究成果的基礎(chǔ)上，主要采用實(shí)證和比較研究的方法對(duì)中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)進(jìn)行分析，以期得到在不同置信水平下有效而準(zhǔn)確的VaR估計(jì)。 要準(zhǔn)確估計(jì)VaR就是要找到合適的模型能較好地

3、擬合收益率序列的分布，所以我們首先對(duì)收益率序列的統(tǒng)計(jì)特征和分布進(jìn)行分析以便為選擇合理的VaR估計(jì)模型作參考。通過正態(tài)性、自相關(guān)性以及ARCH效應(yīng)的實(shí)證分析我們發(fā)現(xiàn)我國(guó)股市收益率序列具有尖峰厚尾性，弱自相關(guān)性，波動(dòng)聚集性；用Granger因果性檢驗(yàn)及協(xié)整檢驗(yàn)方法對(duì)滬深股市間的連動(dòng)關(guān)系進(jìn)行實(shí)證分析表明，盡管兩市之間的連動(dòng)關(guān)系隨時(shí)間在不斷變化，但它們之間存在長(zhǎng)期穩(wěn)定的均衡關(guān)系。 對(duì)VaR估計(jì)的方法很多，本研究運(yùn)用幾個(gè)常用的VaR估計(jì)方

4、法如參數(shù)估計(jì)方法中的正態(tài)方法（包括簡(jiǎn)單平均和指數(shù)加權(quán)平均）和GARCH模型法，非參數(shù)估計(jì)方法中的歷史模擬法，以及極值理論對(duì)VaR進(jìn)行估計(jì)，并用Kupiec失敗返回檢驗(yàn)法對(duì)各VaR值進(jìn)行有效性檢驗(yàn)，通過實(shí)證分析得出：簡(jiǎn)單平均正態(tài)方法估計(jì)的VaR在各個(gè)置信水平上都無效；指數(shù)移動(dòng)平均正態(tài)法、歷史模擬法和GARCH模型估計(jì)的VaR在較低的置信水平上有效，在高的置信水平上無效；而極值理論方法估計(jì)的VaR效果正好相反，即在較低的置信水平上無效，在較

5、高的置信水平有效。所以將這些模型直接用于對(duì)VaR進(jìn)行估計(jì)不能得到在各個(gè)置信水平上都有效的VaR值估計(jì)，為此我們從兩個(gè)方面對(duì)估計(jì)VaR的模型進(jìn)行改進(jìn)。 一方面，引入矯偏條件波動(dòng)模型分別對(duì)估計(jì)條件波動(dòng)的幾個(gè)常用模型——?dú)v史平均模型、RiskMetrics EWMA模型和GARCH模型——在估計(jì)條件波動(dòng)時(shí)存在的條件偏差進(jìn)行矯正，并以此為基礎(chǔ)估計(jì)VaR，通過實(shí)證分析得出：各條件波動(dòng)矯偏后估計(jì)的VaR不僅有效性得到了改善，即各個(gè)置信水平上

6、的VaR估計(jì)都變得有效，而且準(zhǔn)確性也明顯提高了，只是對(duì)GARCH模型，盡管其條件波動(dòng)矯偏后估計(jì)的VaR的有效性得到了改善，但準(zhǔn)確性并不是在每個(gè)置信水平上都得到了提高。 另一方面，在用極值理論的POT模型估計(jì)VaR時(shí)常假設(shè)超閾值獨(dú)立同分布，而實(shí)際的超閾值存在局部相關(guān)性，這樣會(huì)造成VaR估計(jì)值相對(duì)實(shí)際值偏差較大。為此引入兩種方法來消除超閾值的局部相關(guān)性：一是將極值指標(biāo)引入到POT模型中，實(shí)證分析發(fā)現(xiàn)極值指標(biāo)的引入不僅改善了POT模型

7、估計(jì)VaR的有效性，而且還提高了POT模型估計(jì)的準(zhǔn)確性，盡管如此在較低的置信水平上即便引入極值指標(biāo)，POT模型估計(jì)VaR仍是無效的；二是用GARCH模型對(duì)收益率序列進(jìn)行過濾處理。由于極值理論只在高的置信水平上有效，在低的置信水平上其可靠性不如一般的VaR估計(jì)方法，所以我們對(duì)GARCH模型過濾后的殘差序列用極值理論與歷史模擬法混合的方法來估計(jì)VaR值。經(jīng)實(shí)證分析我們發(fā)現(xiàn)，這種方法估計(jì)的VaR在各置信水平上都有效，而且非常接近期望值。