商业银行VaR模型验证.pdfVIP

商业银行 VaR 模型预测能力的验证1 刘晓曙 郑振龙 （厦门大学金融系 福建厦门 361005 ） 内容摘要：本文运用Hong Li [7]于 2004 年提出的用非参数方法来检验时间序列动态模型 设定正确性的方法，来研究商业银行使用的各种 VaR 模型的正确性。本文通过实证研究发 现，当前商业银行模型风险管理工具回顾测试中常用的巴塞尔规则、Kupiec 统计量、 Christofferson 统计量方法可能具有一定的误导性。这种误导可能使得商业银行的风险预测能 力受到影响，从而影响盈利能力，甚至危及整个金融系统安全性。因此，商业银行在利用 VaR 模型时需要仔细的选择合适的方法。 关键词：VaR 回顾测试 模型验证 JEL:G21 市场风险的量化工具，如 VaR，只有对风险测量的计算方法及其风险衡量与实际业绩的 关系都进行了充分的考虑时，才具有指导意义。 艾伦•格林斯潘（Alan Greenspan） 一、引言 只有能准确预测风险的 VaR 模型才是有效的。在实践中，模型的运用过程是一个不断 检验、证明与发展的过程。模型验证（model validation ）是指检验一个模型是否正确，它可 以通过一系列的工具，如回测等来完成。 回测是用来检测实际损失与预期损失是否一致的有效的统计方法，它将 VaR 的历史预 测与相关的资产（组合）收益率进行系统的比较。由于金融市场的复杂性以及监管的压力， 商业银行在实施 VaR 管理时必须在成本收益取舍中作出选择。VaR 模型常常需要对金融资 产模型作出一些假设，比如资产收益的分布、马尔可夫性质等等。因而对于需要检查 VaR 预测能力的 VaR 使用者和风险管理者来说，回测是至关重要的。 对于商业银行系统来说，从决策的角度来看，VaR 风险预测的不精确性可能导致两个重 要方面的影响： 第一、 如果风险预测不准确，商业银行的业务决策包括目标设定、风险定价、风 险资产组合构造以及套期策略等将也变得不准确，从而可能影响商业银行 的盈利； 第二、 如果风险模型预测能力低，又假如巴塞尔协议的检验规则具有某种误导性， 那么银行系统可能蕴含系统性风险。我们知道，巴塞尔协议或本国银监局 关心的不是单个商业银行的盈利能力而是金融系统良好、稳健的运行。 本文将从实证的角度讨论当前回顾测试中常用的基于失效率（failure rate ）的巴塞尔规 则、Kupiec 统计量、Christofferson 统计量方法的不足。文章接下来的部分包括：在第二部 分中，我们简单回顾一下基于失效率的巴塞尔规则、Kupiec 统计量、Christofferson 统计量 方法，在第三部分中我们给出一个实证研究表明传统方法可能带有一定的误导性。 1 本文为教育部人文社科基地重大项目－金融制度设计与经济增长（项目号 05JJD790026 ）的阶段性研究成 果。郑振龙为通讯作者。 二、回顾测试方法回顾 1. 巴塞尔规则 验证模型准确性的最简便的方法是记录失效率。失效率是在给定样本中 VaR 被超越的次数 比率。假设银行T 天的 VaR 值中有 N 个 VaR 例外数，则N 就是失效率。失效率方法的最 T 简单应用就是巴塞尔规则[1]。内部模型回测的巴塞尔规则直接产生于失效率试验。设计这 种试验时，首先必须选择第一类错误率，即模型正确却被拒绝的概率。当这类错误发生时， 银行只能怪自己运气不好，因为它们不应当受到这个错误引起的不适当的惩罚。因此，一般 说来，应该选择一个较低的第一类错误率。巴塞尔规则认为在 250 个观测值中 99 ％的置信 水平（也就是 1%的第一类错误率）下4 个以内的损失例外数是可以接受的，也就是银行的 “绿灯”区域。如果例外的个数大于