基于VaR-GARCH模型对交易型货币基金风险的实证研究.docxVIP

?

?

基于VaR

GARCH模型对交易型货币基金风险的实证研究

?

?

郑荻+牛慧+万冬瑾

摘要：本文分别在正态分布、t分布和GED分布三种不同的假设条件下通过GACRH（1，1）模型，对我国市场中现有的七只交易型货币基金收益率的波动性进行分析，并建立一个基于GARCH模型的VaR计算方法，对我国交易型货币基金的风险进行估计，再利用失败概率对VaR估计结果的准确性进行返回检验，最终发现基于GED分布下的VaR-GARCH模型更能真实地反映基金风险。

关键词：交易型货币基金；VaR-GARCH模型；风险度量

：F822文献识别码：A：1001-828X（2016）010-000-04

一、引言

自2012年我国首只交易型货币基金华宝添益成立以后，目前我国市场共有七只交易型货币基金。交易型货币基金是近年来金融市场上的创新产品，相关领域的研究尚不完善，随着交易型货币基金的迅速发展，其投资风险日益显露，因此建立合适的模型对交易型货币基金的风险进行度量十分必要。

在对基金风险的研究中，目前多数学者用基金收益率的波动来刻画基金风险。在研究波动规律时，通常用方差或者标准差数据进行计量，自回归条件异方差模型最早在1982年由外国学者Engle提出，后经Bollerslev发展形成GACRH模型，现被广泛应用于波动性的分析与预测，特别是用在金融时间序列的研究中。

二、研究方法

在分析金融时间序列时，通常会遇到数列的方差具有时变性的现象，即在某段时间内收益率的波动在某一特征值附近成群出现，在统计学角度称该序列存在异方差现象。为了更好地体现出这种波动集聚效应，广义自回归条件异方差（GARCH）模型被广泛应用于金融时间序列数据的分析。本文拟采用VaR模型来刻画交易型货币基金的投资风险，考虑到收益率时间序列可能存在尖峰厚尾和波动成群等现象，在计算VaR过的程中，本文将引入GARCH模型，建立一个基于GARCH模型的VaR计算方法，从而对我国交易型货币基金的风险进行更为准确的估计。

1.在险价值（VaR）模型

在险价值（VaR）是指：在一定的置信水平（α）下，某一风险资产或组合在未来特定时期内可能发生的最大损失。当收益率r服从Z分布时，其计算公式为VaR=Zα，其中Zα表示在α置信水平下的分位点，表示t时刻收益率的标准差。VaR的含义为该风险资产或组合在置信水平α下可能出现的最大损失。

2.广义自回归条件异方差（GARCH）模型

式中：是解释变量向量，是系数向量。式（2.2.1）为均值方程，将均值表示成一个带有扰动项的外生变量的函数。式（2.2.2）为条件方差方程，称作条件方差，是以之前信息为基础的向前预测方差，式（2.2.2）表示的含义是在时刻t状况下，的条件方差由t-1时刻下的残差平方（即ACRH项）和上一期方差的预测值（即GARCH项）决定。

三、实证部分

1.样本选取

通过对样本数据的初步观察与分析，本文在我国现有的7只交易型货币基金中，选取成立时间相对较早，数据完善程度相对较高，具有代表性的[511880.SH]银华日利为例，对其在2013/04/01至2016/03/31的每日单位净值和计算出的日收益率数据进行深入分析，建立一个能较好地反映交易型货币基金收益率波动规律的模型。

图3.1.1为基金[511880.SH]银华日利自成立以来的日单位净值折线图（数据来源于Wind数据库），从图中可以看出，从2013年4月1日到2016年3月31日期间，这只交易型货币基金日单位净值总体呈平稳增长状态。进一步地，通过式3.1.1计算得到交易型货币基金的日收益率时间序列，如图3.1.2所示。

2.平稳性检验及相关性分析

由于GACRH模型只适用于平稳序列建模，因此本文对[511880.SH]银华日利的日收益率进行单位根检验（ADF检验），检验结果如表3.2.1所示：

从表3.2.2可知，[511880.SH]银华日利的收益率的ADF值为-17.4262，均小于各显著性水平下的临界值，由此可以认为该收益率序列是平稳的。

3.最小二乘法估计

为了减少估计误差，在估计时对{511880.SH收益率}序列进行自然对数处理，即将序列{}作为因变量进行估计。由于基金收益率序列用一种随机游走模型描述，结合本例进行估计的基本形式为：

该方程的统计量显著，R2=0.999881说明拟合的程度也很好，但是观察图3.3.1：回归方程的残差图，可以观察到序列{}存在波动“成群”的现象，即波动集聚性，波动在一段较长的时间里非常小，如2013年7月与2016年1月；在其他一下较长的时间内非常大，如2014年6月与2015年4月。上述现象说明误差项可能存在条件异方差性。

从自相关系数和偏自相关系数可以看出，AC和PAC的系数显著不为0，而且Q统计量非常显著，可以说明式（