基于MRS―ARCH的石油期货市场VaR风险测度.docVIP

基于MRS―ARCH的石油期货市场VaR风险测度 　　摘要：针对我国期货市场呈现出多波动状态等典型事实特征，本文以我国石油期货市场为研究对象，使用MRS-ARCH模型对其波动率进行建模分析，并对石油期货市场进行VaR风险测度，最后运用Back-testing方法检验了风险测度模型的可靠性。研究结果表明：我国石油期货市场表现出了模型的三种波动状态;MRS（3）-ARCH模型能够准确描述石油期货市场收益波动率;基于MRS（3）-ARCH模型下的石油期货市场VaR风险测度更加有效。 　　关键词：石油期货市场 MRS-ARCH模型 VaR风险测度 　　 一、引言 　　 能源作为最重要的战略物资，对经济发展具有决定性作用，因而备受各方关注。石油被人们誉为“工业的血液”，是人类生产与生活最重要的能源之一。随着工业革命的兴起，石油被广泛地用作工业生产的原料和燃料等，在能源工业、化学工业、机械工业以及交通运输业等方面，都发挥着举足轻重的作用，各工业部门都要在一定程度上消耗一定量的石油。石油期货市场作为能源市场的一个重要组成部分，投资者可以利用它来规避能源现货市场价格波动所带来的风险。倘若不能对石油期货市场进行有效的风险管理，就可能加剧能源市场的风险危机。因此，强化石油期货市场风险管理，对于维护市场稳定以及促进经济发展具有极其重要的意义。 　　 在石油期货市场风险管理中，风险测度方法尤为重要。目前常用的方法是VaR（Value at Risk），该方法不仅能够直观地表达出金融市场风险值的大小，同时又以统计学原理作为支撑，因而受到各大金融机构以及学者的高度关注。因此，本文采用VaR模型对石油期货市场进行风险测度。 　　 对石油期货市场进行风险测度的关键是波动模型的选取。长期以来，对波动率的分析都是基于Engle（1982）提出的ARCH模型，ARCH模型具有参数简单易求以及能够较好地描述波动率的聚集性和时变性的优点，但ARCH模型属于单机制模型，仅能够刻画单一状态的波动率。特别需要注意的是，燃油期货市场波动率刻画的准确性不仅与波动模型的选取有关，更受其波动状态的制约。燃油期货市场由于受到金融危机等因素影响，其收益波动率可能出现结构突变而表现出多波动状态（Yuan，2011）。倘若仍使用单机制ARCH模型对其波动率进行描述，可能无法有效地刻画原油期货市场的实际波动。而引入了马尔科夫机制转换（Markov Regime Switching，MRS）的波动模型就能够有效地刻画原油期货市场收益的多波动状态，克服单机制波动模型不能刻画多波动状态的缺陷（Sattayatham，Sopipan，2012）。因此，本文采用MRS-ARCH模型对原油期货市场波动率进行建模分析。 　　 综上所述，本文对石油期货市场波动率采用引入了机制转换的MRS-ARCH模型进行建模分析，并且还使用VaR方法对其市场风险进行测度，以期能够为投资主体在石油期货市场风险管理与控制方面提供决策借鉴。 　　 迄今为止，国内有许多学者对石油期货市场进行了研究，淳伟德（2013）对典型事实下的上海燃油期货市场进行VaR风险测度研究，取得了较显著的成果;王鹏和魏宇（2012）基于GARCH簇模型对我国燃油期货市场分别采用VaR与ES风险测度，得出对于风险测度而言，FIGARCH-SKST模型是一个相对合理的选择。虽然已有的研究都取得了显著的成果，但由于我国石油期货市场起步较晚，少有对石油期货市场的波动率进行研究，更少有采用引入了马尔科夫机制转换的波动模型对其波动率进行建模分析，也少有使用VaR模型对其市场风险进行测度。由此可见，本文具有明显的创新性。 　　 二、研究方法 　　 要对石油期货市场风险进行测度，首先需要对石油期货市场波动率进行建模分析，其次构建模型检验风险测度模型的可靠性。 　　 （一）构建风险测度模型。 　　 假设石油期货在第t天收盘价为pt，第t天的收益率定义为： 　　 rt=ln（pt/pt-1）=lnpt-lnpt-1 （1） 　　 而在经济学原理中，通常假设金融资产的收益率序列{rt} 为一随机过程，可由下述过程来描述，即： 　　 rt=ut+εt=ut+vt （2） 　　 其中，ut=E（rt Ωt）为石油期货市场收益率的条件均值，σt=为其条件方差，Ωt-1表示直至第t-1天的全部信息集合，vt：i.i.d（0，1）为白噪声过程。 　　 由于金融收益率具有长记忆性（Long Memory）和异方差性（Hetroscedasticity），因此Engle（1982）提出了自回归条件异方差模型ARCH（q），若用εt-i表示收益率在第t-i天的扰动（Shock），并且εt-i不独立，即： 　　 σt2=α0+αiε2t-i