基于VaR中国有色金属期货市场风险测度探究.docVIP

基于VaR中国有色金属期货市场风险测度探究〔摘 要〕本文利用GARCH-GED模型和半参数方法对上海期货交易所铝期货和铜期货的市场风险进行了测度。研究结果表明，沪铝期货和沪铜期货收益率序列不服从正态分布，具有尖峰厚尾、波动聚集的特征；沪铝期货的市场风险较沪铜期货更小 〔关键词〕VaR；GARCH-GED模型；半参数方法；沪铝期货；沪铜期货 中图分类号：F830.9 文献标识码：A 文章编号：1008-4096(2011)06-0026-05 一、引 言 期货市场产生的初衷是为了规避现货市场价格波动的风险。然而，由于期货市场特殊的交易制度和运行规律，期货市场在规避了现货市场价格波动风险的同时，又引入新的风险。一方面，期货市场本身蕴藏着巨大的风险。期货市场参与者不仅有套期保值者，而且还有大量的投机者。期货的价格会因投机者的炒作而表现出更大的波动性。加之期货交易实行的是保证金制度，较小的资金就能够造成期货价格较大的波动。因此，期货市场价格往往比现货市场价格波动更为剧烈。另一方面，期货市场的价格波动可能会传递到现货市场，进而加大现货市场价格的波动性。比如，期货市场的价格因资金炒作出现了非理性上涨时，现货交易商可能会误认为未来需求将会出现明显增长，进而惜售现货，从而导致现货价格随期货价格上涨而上涨。为了充分发挥期货市场的积极功能，必须对期货市场价格波动的风险进行科学、有效的管理。风险管理的前提是对风险有比较准确的测度。因此，如何准确测度风险就成为期货市场风险管理的关键［1］ 本文利用VaR方法对上海期货交易所的铜期货和铝期货价格波动的风险进行测度，认识中国有色金属期货市场风险，为有效控制风险、制定科学投资决策提供依据 二、风险测度的VaR方法 VaR（Value at Risk）被称为风险价值，最早由JP摩根公司提出，VaR方法主要用于金融领域市场风险的测度。该方法以其对风险测度的科学、实用、准确和综合的特点受到金融机构和金融监管部门普遍欢迎，目前已成为标准的风险测度和风险管理的方法 VaR的一般定义可以表示为：在正常的市场条件下，给定置信水平下，某一金融资产或投资组合在某一特定时间内可能遭受的最大损失［2］。VaR用数学形式可以表示为： Pr?(ΔP?tVaR?α)=1－α （1） 其中，ΔP?t为资产在持有期内的损失，VaR?α为置信水平α下处于风险中的价值。从VaR的数学形式可知，VaR?α实际上就是损失分布函数在置信水平α下的分位数 目前，计算VaR的方法主要有历史模拟法、方差―协方差法和蒙特卡洛模拟法三种。其中，方差―协方差法因为收集数据容易、方法实现容易、计算速度快等优点在实践中得到广泛的应用［3］。这种方法基于线性假定和正态分布假定。然而，实际的金融数据序列通常具有尖峰厚尾、波动聚集的特征，一般不满足正态分布假定，导致该方法会低估实际的VaR值。为了克服方差―协方差方法的这一缺陷，研究者们提出了各种各样的方法：（1）改变正态分布的假定，考虑其他具有尖峰厚尾特征的分布，比如t分布、广义误差分布（GED）等［4-5］。（2）利用GARCH族模型刻画金融时间序列波动聚集的特征，并基于GARCH族模型估计VaR［6-7］。（3）使用半参数方法估计VaR。（4）使用极值理论估计VaR。本文将利用基于GARCH模型和半参数方法对沪铜期货和沪铝期货价格波动的风险进行测度 （一）基于GARCH模型的VaR模型 GARCH模型可以表示为： r?t=μ?t+ε?t（2） 其中，ε?tI??t－1服从均值为0、方差为σ?2?t的某种分布 σ?2?t=α?0+∑p?i=1α?iε?2??t－i+∑q?j=β?jσ?2??t－1（3） 其中，r?t为收益率序列，μ?t为均值。r?t=lnP?t－lnP??t－1，P?t为价格 利用GARCH模型估计的条件方差σ?2?t，在一般的方差―协方差模型基础上，可以计算出价格波动的空头的VaR值和多头的VaR值： VaR??αt=P??t－1σ?tq?α（4） VaR??αt=－P??t－1σ?tq??1－α（5） 其中，q?α为α分位数 （二）半参数VaR模型 Li［8］提出的半参数法不需做任何分布假设，只需计算收益率序列r?t的偏度、峰度、均值和方差，即可构造VaR置信区间上限和下限。假设收益率r?t为随机变量，其均值、方差、峰度和偏度分别为μ=E?(r?t)、σ?2=Var?(r?t)、γ?1=E?(r?t－μ)?3σ?3和γ?2=E?(r?t－μ)?4σ?4－3 若γ?1=γ?2=0，则r?t服从正态分布。计算收益率的VaR值可以按照方差―协方差方法计算。若γ?1≠0，γ?2≠0