房地产板块风险分析.docVIP

房地产板块风险风险计量房地产板块风险分析 　摘 要：主要对GARCH模型在风险计量方面的理论方法进行了梳理，并选取2007年1月4日至2010年12月23日上证房地产指数日收盘价作为数据样本，运用GARCH模型VaR方法对我国股市中房地产板块的风险进行了实证分析。实证结果表明我国地产股指序列存在集聚效应，GARCH模型较传统静态法更能够较好的描述我国房地产板块的波动情况，因而测量的VaR值更能反映我国地产板块面临的风险程度。 　　关键词：GARCH模型; VaR方法;上证房地产指数; 房地产板块 　　1 引言 　　作为风险管理的基础，风险度量不准确，往往导致风险管理策略失效。因此，准确的风险度量方法是金融市场稳定发展的前提，也是投资者做出理性投资决策的重要参照。目前，风险度量的方法主要有：方差方法、半方差模型、对数效用模型和VaR方法。由于VaR方法度量的是风险的绝对值，具有直观性、简洁性和科学性，因此近几年很受欢迎，成为众多学者研究的对象并且被国内外众多金融机构广泛采用。 　　P. Jorion给出了VaR的一个比较权威的定义：在正常的市场条件下，给定的置信水平的一个持有时间内某种风险资产的最坏损失。VaR定义较为简单，但如何度量国内外学者持有不同观点。大致归为以下三类：非参数方法（包括历史模拟法和蒙特卡罗模拟法）、半参数方法（包括极值理论等）、参数方法（包括静态法，简单移动平均法、指数移动平均法和GARCH模型等）。根据我国股票市场的特性，假设收益率服从某一特定分布的VaR的参数方法成为度量股票市场风险的主要方法。传统的VaR值估计方法即静态法通常是假设股票的收益率序列服从正态分布，其均值和方差是不随时间变化的，但通过实际观察发现，股票收益率的波动常常具有明显的集聚现象，其方差随时间而变化。考虑到异方差性，参数法中的GARCH模型能够较好的描述股票收益率序列波动的动态特性，因而，建立GARCH模型更能够准确的估算股票的VaR值，从而对股票市场风险进行更加准确的度量。 　　近十年房地产行业作为国民经济的支柱产业，房价的涨跌备受各界关注。而房地产板块作为股市的重要板块，其涨跌动态行情备受广大股民热议。2010年是房地产市场的调控年，房地产调控政策的连续出台，较大程度上抑制了不断上涨的高房价，而受政策调控影响的地产股也在弱势中震荡徘徊，地产板块估值一度陷入低位。2011年初始，房地产调控依然趋紧，“国八条”的出台以及限购令在全国范围内的推广再次震荡楼市。由于政策的不确定性，未来投资于地产股将会面临怎样的风险，定性判断缺乏说服力，基于科学理论的定量风险度量方法，值得投资者借鉴参考。因此，本文采用基于GARCH模型的VaR方法，对房地产板块一定时间内面临的市场风险进行量化分析，以期给地产股投资者提供可供参考的投资建议，适时调整投资策略。 　　2 GARCH模型理论简介 　　2003年诺贝尔经济学奖获得者Robert Engle于1982年提出自回归条件异方差模型（Auto Regressive Conditional Heteroskedasticity Model，简称ARCH模型）。ARCH模型的结构取决于移动平均的阶数q，但有些收益率序列存在着明显的异方差性，此时ARCH模型中的q值很大，致使参数估计的效率降低，还会引发诸如解释变量多重共线性等其它问题。为了弥补这一弱点，Bollerslev（1986）提出在ARCH（p）模型中增加q个自回归项，扩展成GARCH（p，q）模型。用简单的GARCH模型来代替一个高阶的ARCH模型，使待估参数大为减少，致使模型的识别和估计都变得容易，较好的弥补了ARCH模型的不足。通过对股票市场的长期研究发现，股价下跌和上涨相同幅度时，股票价格下跌过程往往会伴随着更剧烈的波动，为了更好的描述股市的波动，在GARCH模型中引入非对称性因子，由此衍生发展出一些新的ARCH类模型。 　　（1）自回归条件异方差模型（ARCH模型）。 ARCH模型通常包括两个方程： 　　一个是收益方程，另一个是条件方差方程，可以表示为： 　　模型通过对历史收益率误差平方的移动平均，把收益率序列的条件异方差纳入分析，可见收益率无论朝哪个方向波动，当前市场波幅也将较大。因此，ARCH模型较好的刻画了收益率的集聚效应。 　　（2）一般自回归条件异方差模型（GARCH模型）。GARCH模型是在ARCH模型基础上的一个扩展。模型表示为： 　　与ARCH（p）模型相比，GARCH（p，q）模型在模型中增加了q个自回归项，可用简单的GARCH模型代替一个高阶的ARCH模型，弥补了ARCH模型本身固有的缺陷，使待估参数大为减少，提高准确性。 　　（3）其他类型的条件异方差模型。考虑到股价序列波动的非对称性反应，Zakoian于1990年首