中国股市VaR预测研究基于已实现波动与已实现极差波动的实证分析.docVIP

第5组 资本市场 金融危机（11,853字） 中国股市VaR预测研究： 基于已实现波动与已实现极差波动的实证分析* * 基金项目：国家社会科学基金资助项目（08BJY155）。 西村友作a a 西村友作（非会员），1974年7月，男，博士，讲师，对外经济贸易大学国际经济研究院。 摘要：本文以深证成份指数的高频数据为研究对象，采用Kupiec (1995)的LR检验与Engle and Manganelli (2004)的动态分位数检验对ARFIMA模型、ARFIMAX模型以及HAR模型进行了样本外一步VaR预测能力的比较研究。主要结论为：第一，对RV与RRV直接建模的长记忆模型的VaR预测能力显著优于对日收益率建模传统GARCH模型，其中以在偏t分布下的ARFIMAX模型的表现为最佳；第二，在标准正态分布下计算的VaR预测值明显低估，而在偏t分布下计算得到的VaR值更能准确反映深市真实的VaR；第三，深市的RV与RRV均具有长记忆性、特征波动非对称性等特征。 关键词：已实现波动率；已实现极差波动率；风险价值；长记忆性；偏t分布 中图分类号：F830.5 文献标识码：A 一、引言 美国第四大投资银行雷曼兄弟控股公司于2008年9月15日正式宣布破产之后，新一轮金融海啸迅速席卷了全球金融市场。这轮金融危机是始于2007年的美国次贷危机的进一步升级。美国道琼斯指数的日收益率自2003年以来一个交易日都没有出现过超过±4%的情况，然而，在雷曼倒闭后的仅仅2个半月里竟出现了20天，超过±10%的致命性波动出现了2天。原本少见的致命性金融极端价格如此屡见不鲜，加强金融监管的呼声随之一浪高过一浪。 风险价值（Value-at-Risk，以下略记为VaR）是J.P. Morgan于1994年提出的度量市场风险的有效工具之一。VaR衡量了在一定时期内，在给定的置信水平下，某一组合的预期最大损失。目前，VaR已经成为国际金融监管标准的重要指标，已经被全球主要银行、非银行金融机构等金融机构以及金融监管部门广泛应用。VaR的计算需要用到目标资产的波动率。由此可以看出，如果精确预测金融资产的波动率、准确衡量风险价值，则可以更有效地管理金融风险。 基于日数据的各种ARCH类模型一直是度量股市波动的有效工具。随着通讯与计算机技术的快速发展、数据记录与存储技术的不断提高，日内金融高频数据被广泛应用于波动率研究，逐渐取代其他波动率模型。Andersen 和Bollerslev (1998)最初提出的已实现波动率（Realized Volatility，以下略记RV）与Christensen 和Podolskij (2007)、Martens 和 van Dijk (2007)提出的已实现极差波动率（Realized Range-Based Volatility，以下略记RRV）就是在对高频数据的研究基础上发展起来的概念。 本研究主要着眼于深证成份指数的RV与RRV，应用三种不同长记忆模型获得滚动式样本外一步波动预测值。在此基础上，通过Kupiec (1995)的LR检验与Engle 和Manganelli (2004)的动态分位数检验进行模型VaR预测能力的比较研究。本文旨在通过高频数据波动率的应用，力图在全面、综合地分析中国股市的波动特征的同时，寻找最适合中国股市的波动率模型。为政府金融管理部门、金融机构准确评估风险以及衡量风险承受程度提供客观、科学的依据。这有利于他们运用完善的风险管理技术，进而提高金融市场的监管水平。 近年来，基于高频数据的中国股市VaR研究也逐渐展开。邵锡栋和殷炼乾(2008)使用2005年6月2日到2007年11月21日的上证指数与深证成指的5分钟数据进行了实证分析。结果发现，RiskMetricsTM、GARCH模型以及APARCH模型的VaR预测精度明显不如在偏t分布下的RV-ARFIMA模型与RRV-CARR模型。此外，房振明等(2007)、马玉林和王希泉(2007)等均进行了高频数据VaR度量研究。虽然这些先行研究应用的模型、样本期间等均不相同，然而实证检验结果显示，对RV直接建模的波动率模型的拟合效果与预测精度显著优于GARCH模型等传统波动率模型。 本研究与这些已往的研究相比，有以下几个特点：第一，本文采用3种不同的长记忆性模型直接对RV与RRV建模，并考察了不同高频数据波动率在不同分布下计算的VaR；第二，大部分现存文献均采用样本内一步预测方法，由于该方法预测t期波动率时使用t期之后的数据，这并不符合严格意义上的预测。相比之下，本文采用的滚动式样本外一步预测方法概念上符合于研究目的；第三，本文使用的数据为2002年7月1日至2009年12月31日的5分钟数据。在此期间中国股市经历了2006年下半年开始的股价暴涨期、200