基于极值BMM模型的石油价格极端风险度量研究.docVIP

基于极值BMM模型的石油价格极端风险度量研究 [摘要] 利用WTI日对数收益率数据估计一般极值分布参数，并根据极值BMM模型计算石油价格极端值风险。实证结果表明，在95%的置信水平下，由BMM模型度量的石油价格风险低于正态模型的相应度量值，而在99%的置信水平下，BMM模型对风险的捕捉则显著优于正态分布。上述结论表明，BMM模型在较低置信水平其效力虽不及正态分布VaR模型，但在高置信水平下能更好地捕捉分布的厚尾特征。因此，对于石油风险管理者而言，BMM模型将是测度石油市场极端风险较好的选择。 [关键词] 极值理论;BMM模型;石油价格;风险度量 [中图分类号]F810 [文献标识码]A [文章编号] 1673-5595（2015）04-0007-07 一、引言 近代以来，石油已经成为一国经济发展最重要的战略资源之一，素有“工业血液”之称。从1993年起中国开始成为石油净进口国，伴随经济的快速发展，近年来供需缺口不断增大，对外依存度不断提高。在此背景下，国际市场上剧烈的油价波动难免会对中国宏观经济运行以及企业单位的生产经营产生较大冲击。如在新加坡上市的中航油公司由于违规参与石油期货的投机交易，造成55亿美元的巨额亏损。究其原因，主要是因为中航油公司对价格判断失误，内部没有完善市场风险防范措施，未能及时止损。目前，为规避石油价格波动带来的市场风险，许多国家推出了诸如石油期货、期权①在内的多个石油金融产品来分散市场风险。自1998年中国原油价格与国际接轨以来，为应对短期石油价格波动带来的巨大风险，国内企业纷纷借助国内和国外石油金融产品来减少石油交易风险，而加强市场风险研究、强化管理是较好规避石油价格波动风险的重要途径之一。因此，如何有效度量石油市场价格波动的极端风险，减少石油风险对宏观经济运行、企业生产经营产生的不利影响，保证中国经济的稳定快速发展，是当前面临的一项重要课题。 在石油市场价格风险方面，因极端事件发生的风险概率虽然很低，但其引发的极端市场风险却损害巨大，对风险管理者而言，如何有效监测极端风险也就显得十分重要。本文利用WTI日对数收益率数据估计一般极值分布参数，并在此基础上根据极值BMM模型开展石油价格极端值风险的度量研究。 二、文献回顾 风险度量，即风险的定量化计算。最开始的风险度量方法（名义值方法、敏感性方法、波动性方法）由于包括大量计算且不能为金融机构高管及监管人员提供一个关于整体风险的完整图像，已越来越不能满足金融市场度量风险的要求。这时，人们希望有一个简单的指标能够完全反映其在某一特定市场价格变动和某一特定期间下持有一定头寸的金融资产组合所带来的可能损失额。在此背景下，VaR风险度量方法应运而生。该方法将金融风险测度为一个确定的值，因其直观简捷，广为学界和业界所接受，已成为现在最流行的风险度量方法之一。 在石油价格风险度量方面，国外学者更倾向于对风险度量技术的分析，比如：Cortazar和Schwartz所构建的石油期货价格随机波动模型，它对样本内外数据均有很好的拟合能力，能够较好地及时规避价格波动带来的风险。[1]Cabedo和Moya在进行VaR测算时，通过标准历史模拟法、具有ARMA预测的历史模拟法以及方差协方差法的对比分析发现第二种方法能够有效地量化风险。[2]而Giot和Laurent在对Brent 和WTI现货日价格进行风险测算时，分别利用了Risk Metrics、Skewed TAPARCH 以及Skewed TARCH三种模型，他们认为Skewed TAPARCH法在两种商品价格风险度量中表现最好。[3]在国内，相关研究则更多地集中在价格风险测度以及相应的政策措施方面：冯春山等发现国际石油价格呈现较为明显的ARCH效应，认为石油企业应通过降低经营成本，建立以期货交易为主要手段的风险采购屏障等措施来规避价格风险。[4]潘慧峰和张金水的研究显示，极端情况国内原油价格的上涨风险平均水平要高于下跌风险的平均水平。[5]余炜彬等在研究原油市场规律的基础上，提出了一种对WTI现货价格进行预测的人工智能模型，这个模型能够运用历史数据检测原油价格风险。[6]在风险测度模型的选择上，张意翔等在对中国石油企业跨国并购的价格风险进行评价时认为，在976%的置信水平下，预测VaR值比实际值要大得多。[7]周莹和焦建玲基于GARCHVaR模型研究了石油价格风险，估计结果显示，GARCHVaR模型的估计结果比传统VaR结果更准确。[8] 然而，传统VaR方法对极端事件风险考虑不足，容易造成尾部风险的低估。极端事件发生的概率虽然很低，但其引发的极端市场风险却损害巨大，有时甚至是灾难性的，故对风险管理者来说，极端事件尤为值得关注。[9]为此，学者们将极值理论引入VaR度量中，利用其厚尾估计优势，修正传统VaR方法的不足，以便