【正文】 金融風(fēng)險，但它不是萬能藥，本身的不足也應(yīng)該引起我們的高度重視。 利用過去一段時間內(nèi)的資產(chǎn)或組合收益的頻率分布來推斷當(dāng)前頭寸的未來損失分布，進(jìn)而計算出 VaR。其中， tv是獨(dú)立同分布隨機(jī)變量，根據(jù)其可以刻畫收益率的尖峰后尾現(xiàn)象， 在 GARCH模型下， tv 滿足需滿足一下條件： ? ? ? ? ? ? ? ?0 , 1 , 0 ,t t t sE v D v E v v t s? ? ? ? () 0 110 , 0 , 0 , 1pqi j i jij? ? ? ? ???? ? ? ? ??? () GARCH 模型一般利用最大似然法來估計參數(shù)，這要求我們必須指定 tv 的分布，一般常假定其為正態(tài)分布。 VaR 也是當(dāng)今世界 度量風(fēng)險的主流方法。 本文所用數(shù)據(jù)主要來自于 Wind 資訊數(shù)據(jù)庫，這也是目前國內(nèi)各大高校和研究機(jī)構(gòu)廣泛使用的數(shù)據(jù)庫之一。 從表 41 中我們可以看到開放式基金收益率的平均偏度為 ，說明開放式基金收益率 從總體上來看 為左偏分布，平均峰度為 大于 3，說明收益率分布具有尖峰后尾特性。 通過上述分析我們知道，收益率序列平穩(wěn)， 因此我們可以利用下式對收益率建模： ttru??? () 其中 tr 為基金收益率序列， ? 為收益率序列均值， tu 為殘差。基于每只基金過去 52 個周收益率的歷史分布 ，通過 Excel 百 分位函數(shù)計算下一周的非參數(shù) VaR，然后依次向下滾動時間窗口，直至最后一個周。這里 ? ??? 是由正態(tài)分布特定置信水平下臨界值 ? ??? 、偏度 S 和峰度 K 決定。2020 年 10 月第二周， 把本周里 350 個 Va R，按照由低到高排序， 采取同樣的方法，可以形成十個新的組合。 比如， 2020 年 10 月第一個周，選擇 350 只基金的周 VaR（ VaR 由 2020 年 10 月第一周到 2020 年 9 月最后一周收益率數(shù)據(jù)得到）和對應(yīng)的實際收益率，然后對 VaR 進(jìn)行排序分組，最低的 35個 VaR 構(gòu)成第一個組合， 最高的 35 個 VaR 構(gòu)成第十個組合，中間的組合以此類推。 Bali、 Gokan 和 Liang（ 2020）采用了對偏度和峰度進(jìn)行修正的 CornishFisher 擴(kuò)張模型來估計收益率的 VaR，并指 出 這種方法能很好的估計基金收益率的風(fēng)險。 非參數(shù) VaR 對于非參數(shù) VaR 的計算，我們對收益率的分布不需要進(jìn)行任何假設(shè)， 所需變量 僅為置信水平和時間跨度。利用 對隨機(jī)選擇的收益率序列進(jìn)行增廣迪基 富勒檢驗（ ADF）得到如下檢驗結(jié)果： 表 42 收益率 ADF 檢驗結(jié)果 ADF 檢驗統(tǒng)計量 1％ 臨界值 5％ 4 樣本選擇與研究方法 18 10％ 由上表可知，檢驗統(tǒng)計量 小于 1％顯著性水平下的臨界值 ，故拒絕單位根的零假設(shè)，接受平穩(wěn)性的備擇假設(shè)，即基金收益率序列為平穩(wěn)時間序列。 表 41 收益率的非正態(tài)性檢驗 結(jié)果 指標(biāo)名稱 總數(shù) 平均值 臨界值 超出個數(shù) 拒絕概率 350 偏度 291 ％ 峰度 322 92％ JB 339 ％ 本表為檢驗收益率非正態(tài)性得到的結(jié)果。截止到 2020 年 ， 我國證券市場股票型和混合型開放式基金 共有 470 只， 由于某些基金存續(xù)期較短，或 數(shù)據(jù)記錄期短且沒有更新， 其中滿足我們時間區(qū)間的有 350 只基金。 采用 GARCHVaR 模型 ，整合了 VaR 和 GARCH 兩者的優(yōu)點。而實際情況可能是，風(fēng)險隨著時間的變化可能會發(fā)生顯著變化，另外歷史中的極端事件也許以后再也不會發(fā)生，但 VaR 仍受其影響。另外 VaR 衡量的是在正常市場環(huán)境下的最大可能損失，當(dāng)市場出現(xiàn)異常波動時或極端事件時， VaR 衡量風(fēng)險的效果大大減弱。 VaR作為一個迅速發(fā)展的風(fēng)險管理技術(shù)，不僅已經(jīng)用于衡量市場風(fēng)險和信用風(fēng)險，在操作風(fēng)險和公司總體風(fēng)險衡量上也得到運(yùn)用。 時間段的選擇。 計算時，定量因素的選擇 從上文的分析，我們可以看到 VaR 的計算主要涉及兩個定量因素：樣本觀測時間段和置信水平。首先我們將普通分布 ??fw 變成標(biāo)準(zhǔn)正態(tài)分布 ???? 。 VaR 最普通的形式，可以從未來投資組合價值 ??fw 概率分布中得到。 預(yù)期回報和 R 的波動率用? 和 ? 表示。從上可以看出， VaR 不僅指出風(fēng)險敞口的大小，也給出遭受損失的概率。 截至 2020 年 8月 31 日， 我國已經(jīng)成立 70 家基金公司，開放式基金 增加到 869 只 ，封閉式基金 增加到 43 只 ，貨幣市場基金 75 只。 我國基金業(yè)務(wù)的發(fā)展相對較晚， 20 世紀(jì) 80 年代才開始基金業(yè)務(wù)。 焦文靜（ 2020） 采用收益率標(biāo)準(zhǔn)差作為總風(fēng)險， 采用 列聯(lián)表法、 Spearman 相關(guān)系數(shù)法，得出我國證券投資基金收益和風(fēng)險在金融危機(jī)時期負(fù)相關(guān)。 Fiegenbaum 和 Thomas（ 1988） 選取 能夠 代表 42 個產(chǎn)業(yè)的公司，結(jié)果發(fā)現(xiàn)收益和風(fēng)險的關(guān)系某種程度上依賴歷史業(yè)績。 風(fēng)險和收益關(guān)系 文獻(xiàn)綜述 資本資產(chǎn)定價模型（ CAPM）指出預(yù)期收益率和系統(tǒng)風(fēng)險正相關(guān)，系統(tǒng)風(fēng)險越大，預(yù)期收益 率越高。 于瀟媛（ 2002）對 VaR 技術(shù)中的歷史模擬法、 RiskMetrics 方法和完全參數(shù)法在我國證券市場的有效性進(jìn)行了 分析。 2020 年 Bali和 Gokcan 分別使用正態(tài)分布、廣義誤差分布（ GED）、 CornishFisher 擴(kuò)展和極值理論 EVT 來估計對沖基金組合的 VaR，發(fā)現(xiàn) EVT 和 CF 擴(kuò)展能夠很好的囊括后尾風(fēng)險。 1991 年 Hariow 通過對下偏矩風(fēng)險指標(biāo)和方差風(fēng)險指標(biāo)實證比較發(fā)現(xiàn)，以均值 下偏矩計算得到的證券投資組合有效邊界位于以均值 方差的有效邊界左上方，表明在 期望收益相同的條件下，下偏矩優(yōu)于方差， 但是當(dāng)收益里滿足正態(tài)分布時，兩者 得到相同有效邊界。 Fama（ 1965）、 Hagerman（ 1978） 相繼發(fā)現(xiàn)，股票收益率分布具有 有偏性 和尖峰后尾性，為了 能更好地描述和分析金融市場價格波動 行為的方法，許多金融和計量學(xué)家開始探究不同的模型來處理這一問題。通 常 我們 將 證券投資風(fēng)險定義為投資者蒙受損失的可能性，即投資的實際收益和預(yù)期收益的偏差大小。 第六 章為本文的結(jié)論 與解釋 ，并在 最后 指出本文不足之處。 本文結(jié)構(gòu) 和 主要特色 本文結(jié)構(gòu) 本文以我國證券投資基金為研究對象，分析風(fēng)險和收益的相關(guān)性、金融環(huán)境變化對相關(guān)性會產(chǎn)生何種影響。因此投資成本 較 小，便于投資者進(jìn)行投資。理性投資者主要是投資者厭惡風(fēng)險，風(fēng)險一定時，投資 者偏好期望收益較大的投資組合，期望收益一定的條件下，會選擇風(fēng)險較小的投資組合。s securities investment funds in their professional investment management, rational investment behavior, bee one of the major institutional investors on the securities market of China. Meanwhile, China39。證券投資基金收益率 采用樣本數(shù)據(jù)的自然對數(shù)之差， 由于基金收益率不滿足 II 正態(tài)分布，所以 本文在計算 VaR 時， 分別采用參數(shù)和非參數(shù) 方法 來度量基金風(fēng)險， 以囊括收益率的尖峰后尾特征。 因此，我國證券投資基金的收益和風(fēng)險關(guān)系如何， 研究 中國證券投資基金 收益和風(fēng)險是否對等， 就顯得極其迫切。 但是我們 不得不承認(rèn)， 我國金融市場 尚 不成熟， 投機(jī)氛圍濃烈，市場風(fēng)險變動較大 。 現(xiàn)代投資組合理論認(rèn)為：風(fēng)險和收益之間存在著正相關(guān)關(guān)系，投資組合面臨的風(fēng)險越大，投資者要求的風(fēng)險溢價就會越高，即期望收益也就越高。由于其在風(fēng)險衡量方面的前瞻性，已成為世界上衡量金融市場風(fēng)險的關(guān)鍵技術(shù)。其后 依 2020 年 10 月為分割點，把樣本分為兩個子樣本：前危機(jī)時期和后危機(jī)時期，進(jìn)一步發(fā)現(xiàn)危機(jī)前時期收益率和 VaR 存在著 較 強(qiáng)的正相關(guān)，但是在后危機(jī)時期，收益率和 VaR呈現(xiàn)負(fù)相關(guān)關(guān)系。s securities investment fund return and risk relationship. VaR (Value at Risk), based on rigorous scientific basis and the use of statistical thinking, provides users a prehensive measure of market risk at risk is a probalistic method of measuring the potential loss in portfolio value over a given time period and for a given distribution of historical at risk has risen above other risk measures as the dominating method II of quantifying risk. Since 1994 ,JP Morgan has firstly used VaR in its annual report to disclose their financial risks, VaR has quickly bee the new standard for global financial risk management. Many studies show that, VaR can truly reflect the Fund39。金融學(xué)教授鮑勃 ?豪根通過對 1963 年 至 2020 年的研究發(fā)現(xiàn) 股票收益和風(fēng)險成反比 。正是因為證券投資基金具有這么多的優(yōu)勢 ，所以無論其規(guī)模還是其品種都得到巨大發(fā)展，對我國經(jīng)濟(jì)和金融市場的發(fā)展產(chǎn)生了巨大影響。 第二章為文獻(xiàn)綜述，對國內(nèi)外相關(guān)研究文獻(xiàn)進(jìn)行系統(tǒng)歸納、 總結(jié) 和評價 。 鑒于 不同經(jīng)濟(jì)形勢下 風(fēng)險與收益1 導(dǎo)論 3 關(guān)系并不一致，本文 在 對 全樣本 進(jìn)行 分析 的 同時 ，以 2020 年 10 月為分界點進(jìn)行子樣本分析，從而考察不同經(jīng)濟(jì)狀態(tài)下風(fēng)險與收益關(guān)系 。由于 Markowitz 模型計算非常復(fù)雜，尤其是處理大量證券 組合時，準(zhǔn)確計算證 券組合的方差難以做到。1976 年 Black 指出，資產(chǎn)波動性和資產(chǎn)收益率是負(fù)相關(guān)的。 自從 1994 年 JP 摩根首次使用VaR 披露其風(fēng)險后， VaR 得到迅速發(fā)展。 1997 年鄭文通最早介紹了 VaR 模型，并在正態(tài)分布條件下進(jìn)行研究，得出 VaR 是度量風(fēng)險的一種科學(xué)方法。 蒲明（ 2020）論證 VaR 模型估計開放式基金風(fēng)險的可行性，并提出 ―方差 協(xié)方差 ‖計算方法。 David 和 Robert Jacobson（ 1987）研究不同企業(yè)類型的收益和風(fēng)險相關(guān)關(guān)系 并得出如下結(jié)論 ：當(dāng)把不同企業(yè)作為一個整體來衡量收益和風(fēng)險關(guān)系時，系統(tǒng)風(fēng)險和非系統(tǒng)風(fēng)險都和投資收益率高度正相關(guān)； 對于不同的企業(yè)類型，系統(tǒng)風(fēng)險都和投資收益率相關(guān)系數(shù)基2 文獻(xiàn)綜述 7 本相同且顯著；非系統(tǒng)風(fēng)險和投資收益率的關(guān)系會隨著企業(yè)類型的改變而產(chǎn)生變化，對 于消費(fèi)類和制造類企業(yè)，投資收益率和非系統(tǒng)風(fēng)險顯著正相關(guān)，然而對于金融企業(yè)，這種相關(guān)性減小且不再顯著。 Tao jing 和 Peter Klein（ 2020）采用 2020 年 5 月到2020 年 4 月的對沖基金數(shù)據(jù)，檢驗在險價值 VaR 和收益率的相關(guān)性， 得到如下結(jié)論 ：金融危機(jī)之前，收益和風(fēng)險正相關(guān) ；金融危機(jī)時期，收益和風(fēng)險負(fù)相關(guān)。本文 既考慮到經(jīng)濟(jì)形勢變化對風(fēng)險與收益關(guān)系的影響，同時 分別采用參數(shù)和非參數(shù) VaR 來衡量風(fēng)險，不僅考慮了基金收益率的尖峰后尾特性，也避免單個模型選擇誤差問題。經(jīng)過十幾年的發(fā)展，基金已經(jīng)從剛開始被炒作的對象，發(fā)展到現(xiàn)在舉足輕重的市場地位。 風(fēng)險價 值 VaR 風(fēng)險價值 VaR 概述 VaR 是在目標(biāo)區(qū)域內(nèi)發(fā)生最大損失的最小可能性概率事件，也可以表述為：在給定的置信水平下，一定的時間內(nèi)，持有一種證券或者投資組合可能遭受的最大損失。 風(fēng)險價值 VaR 根據(jù)其分布是否滿足某一特定假設(shè)，分為參數(shù)和非參數(shù)VaR 模型。根據(jù)比較基準(zhǔn)的不同， VaR 分為絕對 VaR 和均值的 VaR。這一特點對任何分布，無論是線性或者持續(xù)的，也不論是后尾或者薄尾，均有效。 =R ?? ?? ? () 最低臨界回報為： R ?? ?? ?? ? () 為了使其更具一般性，現(xiàn)在假設(shè)參數(shù)都是按年度表示的。 選擇置信水平應(yīng)該能反映一個公司抗風(fēng)險能力，分析出現(xiàn)損失超過 VaR 情況時對公司的負(fù)面影響。相比較而言，投資組合，比如退休