貝葉斯AGARCH模型在我國商業(yè)銀行利率風(fēng)險度量中的應(yīng)用.pdf

1、本文對我國商業(yè)銀行利率風(fēng)險進(jìn)行研究．選取上海同業(yè)拆借利率中具有代表性的隔夜拆借利率作為研究對象,通過建立貝葉斯 AGARCH模型來分析SHIBOR收益率序列的波動性以及對VaR進(jìn)行計算．本文主要內(nèi)容有:
　　第一章闡述了選題的背景和研究意義,并進(jìn)行了相關(guān)的文獻(xiàn)綜述.
　　第二章簡要的介紹了我國商業(yè)銀行利率風(fēng)險的管理體制,包括利率的定義、識別和度量.
　　第三章選取2007年1月4日到2013年5月29日為樣本區(qū)間,以S

2、HIBOR隔夜拆借利率數(shù)據(jù)為研究對象,對 SHIBOR收益率序列的數(shù)據(jù)特征進(jìn)行了分析,發(fā)現(xiàn)其具有波動集聚性,尖峰厚尾特征,非對稱性,存在明顯的ARCH效應(yīng)的特征,因此建立了AGARCH(1,1,1)模型,利用極大似然法對模型參數(shù)進(jìn)行了估計.選取2013年5月30日到2014年8月15日的數(shù)據(jù)為預(yù)測區(qū)間,根據(jù)所建立的AGARCH模型,預(yù)測出下一期的條件均值和條件方差,用于第五章計算VaR值.
　　考慮到在第三章建立AGARCH模型時

3、,由于模型對參數(shù)有一些條件約束,使得在利用極大似然法對參數(shù)進(jìn)行估計時比較復(fù)雜;同時為了提高模型的精度,在第四章建立貝葉斯AGARCH模型,通過設(shè)定參數(shù)的先驗分布和樣本的似然函數(shù),利用貝葉斯原理求出參數(shù)的后驗分布,并利用MH抽樣算法對參數(shù)進(jìn)行估計.從而建立了非對稱的貝葉斯AGARCH(1,1,1)模型,根據(jù)該模型發(fā)現(xiàn)111?????的估計值之和為0.83153,小于1,波動不具有持續(xù)性,1?=0.02001>0,說明SHIBOR對數(shù)收益率

4、序列具有―杠桿效應(yīng)‖,進(jìn)一步對模型進(jìn)行了靈敏度分析,從結(jié)果看出盡管初始值的設(shè)定不同,但貝葉斯AGARCH(1,1,1)模型的參數(shù)估計結(jié)果基本是一致的;并與第三章中的AGARCH模型進(jìn)行了比較,結(jié)果表明貝葉斯方法估計AGARCH(1,1,1)模型的參數(shù),其誤差明顯小于極大似然法.同樣根據(jù)所建立的貝葉斯 AGARCH模型,可預(yù)測出下一期的條件均值和條件方差.
　　第五章,對我國商業(yè)銀行利率進(jìn)行VaR風(fēng)險度量.分別利用AGARCH模型和

5、貝葉斯 AGARCH模型,具體預(yù)測下一期的條件均值和條件方差,在此基礎(chǔ)上計算 VaR值.結(jié)果表明,在95％的置信水平下,以多頭頭寸為例,基于貝葉斯AGARCH模型在預(yù)測期內(nèi)計算的平均日VaR值為0.0878,要比AGARCH模型計算的0.1010小;為檢驗VaR模型的有效性,采用失敗檢驗法進(jìn)行回測檢驗,發(fā)現(xiàn)貝葉斯AGARCH模型的失敗率為4.92%,更加接近預(yù)期的失敗率5%,利用貝葉斯AGARCH模型對我國商業(yè)銀行利率風(fēng)險進(jìn)行度量更加準(zhǔn)