基于ARMA―GARCH模型同业拆借利率VaR度量.docVIP

基于ARMA―GARCH模型同业拆借利率VaR度量 　　摘 要：以2007年1月4日至2013年12月31日CHIBOR和SHIBOR隔夜拆借数据为研究样本，建立基于ARMA-GARCH族的利率风险测度VaR模型，结论如下：t分布不适合描述隔夜拆借利率序列的分布状况；相对而言，GED分布假设更适合拆借市场多头头寸的风险预测，n-分布模型适合空头头寸VaR值的预测；隔夜拆借利率收益率都存在显著的波动非对称性，在利率上升时的波动更大，在利率下降时的波动会变小。 　　关键词：VaR模型；银行间同业拆借利率；利率风险；ARMA-GARCH模型 　　中图分类号：F832.1 文献标识码：A 文章编号：2095-3283（2016）02-0085-03 　　[作者简介]何晓光（1970-），男，河南新县人，广东财经大学金融学院副教授，博士，研究方向：数量经济学与金融经济学。 　　一、引言 　　利率市场化改革的不断推进，传统的利率敏感性缺口分析方法和持续缺口分析方法的缺陷将越来越不能满足现代商业银行利率风险度量的要求。我国金融业需要借鉴国际化的风险管理模式，引入先进的风险管理模式―VaR方法，对同业拆借利率的波动进行监测，并合理地估计与控制同业拆借头寸所面临的利率风险，中国人民银行可以通过运用VaR模型对各金融机构进行监管，商业银行则可以提高内部风险管理的技术水平。 　　赵武、王定成和曾勇（2011）[1] 利用VaR方法建立了保险公司的最大风险承受能力与最优投资比例之间的关系，并给出了风险约束下保险公司的最优混合投资比例的最优解；杨夫立（2012）[2]对证券投资基金的市场风险进行了估计，认为基于GED分布的GARCH模型计算的VaR值最能真实反映基金的风险；房小定和吕鹏（2013）[3]认为GED分布较好地刻画了SHIBOR对数日收益率序列的分布；朱孟楠和侯哲（2013）[4]利用MFA-VaR模型对我国外汇储备面临的汇率风险进行了测度，认为在弱化各币种汇率波动相关性的条件下，我国外汇储备面临的汇率风险较小；何晓光和黄德权（2014）[5]研究了基于ARMA-GARCH簇的上海银行间同业拆借市场的多个市场利率风险测度VaR模型。 　　笔者认为有以下几点值得进一步讨论：1.CHIBOR是实盘交易形成的利率，交易规模小和活跃性低，而作为货币市场短期基准利率的SHIBOR是自主报价形成的，有必要作对比研究。2.SHIBOR数据自2007年1月4日才正式运行，采用最新最全的数据，可以准确反映市场的发展变化。3.少数学者直接利用利率而不是其收益率建立模型，准确性值得商榷。 　　二、理论模型 　　（一）VaR的计算 　　三、数据的基本特征 　　CHIBOR和SHIBOR是央行基准利率的重要参考指标，CHIBOR于1996年6月1日运行，交易规模小且活跃性低。2007年1月4日正式运行的SHIBOR，是由信用等级较高的银行组成报价团自主报出的人民币同业拆借利率确定的算术平均利率，SHIBOR是剥离了信用升贴水后的利率，CHIBOR是实盘交易形成的利率，两者生成机制有差异。为便于比较，选择2007年1月4日至2013年12月31日CHIBOR和SHIBOR的隔夜拆借数据进行实证研究。 　　（一）样本数据的处理 　　为得到平稳的收益率序列数据，对隔夜拆借利率数据分别计算了复合收益率，R1t=lnCHIBORt-lnCHIBORt-1，R2t=lnSHIBORt-lnSHIBORt-1，通过对数收益率的处理可以有效地消除原数列的自相关性。 　　（二）对收益率序列的检验 　　R1t和R2t的曲线图表明收益率序列无明显趋势，并呈现波动的异方差性，为合理选择模型，对CHIBOR和SHIBOR及其收益率序列进行正态性检验、平稳性检验、自相关性及条件异方差性检验。 　　1.拆借利率序列及其收益序列分布特征有差异。CHIBOR隔夜拆借利率从2007年到2013年12月的平均值达到2.362%，与SHIBOR的2.361%差异很小，都存在较大的波动性（CHIBOR与SHIBOR的标准差分别为1.169%、1.168%，反映了利率的波动性与投资者的高风险）。CHIBOR与SHIBOR的分布都呈现非对称性与右偏倚特征（偏度0），而R1t和R2t则呈现左偏倚特征（偏度0），分布峭度（Kurtosis）都显著大于3，表明了分布有厚尾特性。 　　2.拆借利率序列及其收益序列自相关性特征不同。CHIBOR和SHIBOR自相关图都呈现缓慢衰减特性，偏自相关图则呈现一阶截尾。而R1t和R2t自相关函数和偏自相关函数值差异不大，在5%的检验水平下，基本可以拒绝R1t和R2t不存在序列相关性的假设。 　　3.拆借利率序列及其收益序列平稳性特征不同。对