我国商业银行利率风险模型及实证剖析.docVIP

我国商业银行利率风险模型及实证分析 　　摘要：银行间同业拆借利率是商业银行利率风险测度的重要指标。我国银行间同业拆借利率中的隔夜拆借利率具有明显的尖峰、厚尾特征，可以利用ARCH族模型估计得到的条件标准差来度量其VaR值。我们对2007年我国商业银行数据进行了实证分析，结果表明，只有ARCH（1）和EARCH（1，1）模型能较好的拟合隔夜拆借利率，且从VAR值可以看出我国商业银行利率的日风险巨大。 　　关键词：利率风险;ARCH族模型;VaR 　　 　　一、引言 　　 　　20世纪70年代以来，以利率市场化为主要内容的金融自由化导致了世界金融领域的一场深刻变革，西方各国通过解除利率管制完成了利率市场化改革，致使西方银行业面临巨大的利率风险，迫使银行业加强对利率风险防范，通过几十年的不断探索，国际上的学者对利率风险度量技术进行了深入的研究，形成了一系列行之有效的利率风险度量方法。主要有以下几种：利率敏感性缺口分析法、持续期分析法、模拟分析法和VaR风险价值分析法。由于VaR方法测量的是风险的绝对值，能够为风险管理者提供了更为精确、更为科学的损失数量与损失概率之间的权衡方案，目前已被全球各主要银行和非银行金融机构广泛采用。巴塞尔协议和欧盟资本充足率指导都已使用VaR作为其监督标准。在中国加入WTO协议后，根据巴塞尔协议，国内银行必须使用VaR框架监控风险。 　　传统的VaR计算方法多使用静态模型，即假设被研究的数据服从某一分布，并有独立同分布特征，所以用无条件方差计算VaR值。但随着金融理论的深入发展，这一假设已逐渐呈现出其不合理的方面。大量的有关金融时间序列（包括债券市场的利率、股票市场的价格以及外汇市场的汇率等）的实证研究表明用来表示不确定性和风险的方差是随时间而变化的，并不服从独立同方差假设，而且往往也不服从正态分布，存在明显的尖峰厚尾现象，以及非对称性。于是许多金融学家和计量经济学家开始尝试用不同的模型和方法来解决这一问题。其中具有代表性的是恩格尔（1982）提出的“条件异方差自回归模型”，简称ARCH模型。后来，波勒斯勒夫（1986），恩格尔、利立安和罗宾斯等人（1987）又先后对ARCH模型进行了改进，提出了GARCH、ARCH-M以及NARCH等一系列推广模型。由于ARCH族模型能够较好地刻画经济数据的动态变化特征，捕捉市场的丛集性效应、非对称特征，所以近年来计算VaR的参数方法多集中于用ARCH族模型进行计算。本文选取我国银行间同业拆 　　借利率，用有代表性的ARCH族模型计算VaR值。 　　 　　二、ARCH族模型与VaR计算方法 　　 　　1.ARCH族模型简介 　　（1）ARCH模型 　　在金融文献中广泛运用的一种特殊非线性模型是称之为ARCH的模型（自回归条件异方差）。 　　ARCH模型描述了在前t-1期的信息集合ψ??t-1?=(y??t-1?,x??t-1?,y??t-2?,x??t-2?…)给定的条件下随机误差项ε?t的分布。恩格尔最初的ARCH模型表述如下： 　　ε?t|ψ??t-1?～N(0,σ?2?t)（1） 　　σ?2?t=ω+αε?2??t-1?（2） 　　其中，ω＞0，α≥0以确保条件方差σ?2?t＞0。 　　在ARCH回归模型中，ε?t的条件方差是滞后误差项（不考虑其符号）的增函数，因此，较大（小）的误差后面一般紧接着较大（小）的误差。 　　（2）GARCH模型 　　广义的ARCH模型，即GARCH模型由Bollerslev（1986）和Taylor（1986）各自独立的发展起来的。Bollerslev（1986）提出了条件方差函数的拓展形式，即广义ARCH模型―GARCH，这被证明是对实际工作的开展非常有价值的一步。GARCH模型的条件方差表达如下： 　　σ?2?t=ω+αε?2??t-1?+βσ?2??t-1?（3） 　　为保证条件方差σ?2?t＞0，要求：ω＞0,α≥0,β≥0。 　　相对于ARCH，GARCH模型的优点在于：可以用较为简单的GARCH模型来代表一个高阶ARCH模型，从而使得模型的识别和估计都变得比较容易。一般来说，GARCH（1，1）就能充分捕获数据的波动丛集性，因此，在金融学术文献中，很少使用和考虑高阶模型。 　　（3）EGARCH（指数GARCH）模型和TGARCH（“门限”GARCH）模型 　　标准的GARCH模型存在一些问题，其中一个就是它不能解释由杠杆效应引起的波动的非对称性，从而为了捕捉波动性的不同特性如非对称性等，条件方差可以采用不同的形式，从而形成了不同的GARCH变体。为了准确刻画中国股票市场的波动性特性，我们给出以下几种常见的ARCH簇模型，以便在实证中考察那一种模型更好。 　　EGARC