【導(dǎo)讀】VaR方法作為當(dāng)前業(yè)內(nèi)比較流行的測(cè)量金融風(fēng)險(xiǎn)的方法，具有簡(jiǎn)潔、明了的特點(diǎn)，而且。相對(duì)于方差來講，更多的將投資人的損失作為風(fēng)險(xiǎn)具有更好的合理性。VaR時(shí)，關(guān)于分布假設(shè)、模型的選擇，具有一定的主觀因素，很多是靠經(jīng)驗(yàn)來進(jìn)行判斷。PARCH等，分別在正態(tài)分布以及能刻畫收益厚尾特性的分布假設(shè)下,型的優(yōu)缺點(diǎn)、與分布假設(shè)的關(guān)系以及與指數(shù)序列數(shù)據(jù)的關(guān)系，得出一些新的結(jié)論。究的重大突破，極大的方便了人們對(duì)于風(fēng)險(xiǎn)的定量刻畫。加入WTO協(xié)議后，根據(jù)巴塞爾協(xié)議，國(guó)內(nèi)銀行必須使用VaR框架監(jiān)控風(fēng)險(xiǎn)。提出一種基于核估計(jì)的歷史模擬法，在VaR的非參數(shù)估計(jì)方法上，進(jìn)行了探索。提出了檢驗(yàn)VaR計(jì)算的方法-返回檢驗(yàn)法，并給出了不同持有期的置信區(qū)間。結(jié)論是VaR模型對(duì)風(fēng)險(xiǎn)的擬合結(jié)果較好。假設(shè)資產(chǎn)收益服從某一分布，并有獨(dú)立同分布特征，所以用無條件方差計(jì)算VaR值。認(rèn)為中國(guó)股票市場(chǎng)收益分布并不服從正態(tài)分布，存在明顯的尖峰厚尾現(xiàn)象，以及非對(duì)稱性，

　　

【正文】 PARCH(1,1)GED 95% 82 對(duì)比以上三個(gè)表，可以發(fā)現(xiàn)與上證指數(shù)相類似的結(jié)論：在 t分布假設(shè)下，估計(jì)得到 的VaR值較保守，對(duì)其 LR統(tǒng)計(jì)量進(jìn)行檢驗(yàn)，將在顯著水平下拒絕原假設(shè)，說明結(jié)果不好。而在正態(tài)分布與 GED分布假設(shè)下，估計(jì)得到的 VaR值比較理想，失敗率均接近 5%；在相同的分布假設(shè)下， GARCH模型估計(jì)的效果不如 EGARCH模型與 PARCH模型，而在上證指數(shù)的估計(jì)中，差別卻沒有這么明顯。其原因在于深證指數(shù)的風(fēng)險(xiǎn)大于上證指數(shù)的風(fēng)險(xiǎn)。這也說明了，在風(fēng)險(xiǎn)較大的場(chǎng)合，波動(dòng)性比較明顯的場(chǎng)合，用 EGARCH或 PARCH等模型描述條件方差，進(jìn)而計(jì)算 VaR更合理。 180指數(shù)的分析 上證 180指數(shù)的樣本時(shí)間比較短，從 正式上市的 2020年 7月 4日到 2020年 12 月 31日止，所以有一些與上面指數(shù)不一樣的特點(diǎn)。 180指數(shù) 時(shí)間序列特征分析 在基本統(tǒng)計(jì)特征檢驗(yàn)中，發(fā)現(xiàn)上證 180指數(shù)的對(duì)數(shù)收益率仍然表現(xiàn)穩(wěn)定、并且無自相關(guān)，具有較明顯的異方差效應(yīng)。 180指數(shù) 的 VaRGARCH計(jì)算 在正態(tài)分布、 t分布及 GED分布下，各 GARCH模型參數(shù)均比較顯著，由于篇幅所限，不一一列出，僅列出相應(yīng)分布下計(jì)算得到的 VaR值的一般統(tǒng)計(jì)特征及用返回檢驗(yàn)方法得到的失敗天數(shù)與失敗率 正態(tài)分布假設(shè)： Model 置信水平 VaR 最小值 VaR 最大值 VaR 均值 VaR 標(biāo)準(zhǔn)差 失敗 天數(shù) 失敗率 (%) GARCH(1,1)n 95% 20 EGARCH(1,1)n 95% 21 PARCH(1,1)n 95% 20 t分布假設(shè)： Model 置信水平 VaR 最小值 VaR 最大值 VaR 均值 VaR 標(biāo)準(zhǔn)差 失敗 天數(shù) 失敗率 (%) GARCH(1,1)t 95% 7 EGARCH(1,1)t 95% 5 PARCH(1,1)t 95% 7 GED分布假設(shè)： Model 置信水平 VaR 最小值 VaR 最大值 VaR 均值 VaR 標(biāo)準(zhǔn)差 失敗 天數(shù) 失敗率 (%) GARCH(1,1)GED 95% 19 EGARCH(1,1)GED 95% 20 PARCH(1,1)GED 95% 18 對(duì)比以上三個(gè)表，可以發(fā)現(xiàn)：在 t分布假設(shè)下，估計(jì)得到的 VaR值較保守，對(duì)其 LR統(tǒng)計(jì)量進(jìn)行檢驗(yàn)，將在顯著水平下拒絕原假設(shè)，說明結(jié)果不好。而在正態(tài)分布與 GED分布假設(shè)下，估計(jì)得到的 VaR值比較理想，失敗率均接近 5%；與上證指數(shù)與深證指數(shù)不同的是，對(duì)于上證 180指數(shù)而言，由于樣本數(shù)量較少，所以估計(jì)的結(jié)果有低估風(fēng)險(xiǎn)的可能性。但是在對(duì)比三種不同分布，以及相同分布假設(shè)下，可以得出 GED分布估計(jì)效果最好，而且在三種典型的 GARCH模型中， PARCH模型估計(jì)效果最好。 4． Riskmetrics模型計(jì)算 VaR結(jié)果 作 為對(duì)比，在此列出用 RiskMetrics模型計(jì)算得到的三種指數(shù)的 VaR值的一般統(tǒng)計(jì)特征及用返回檢驗(yàn)方法得到的失敗天數(shù)與失敗率 指數(shù)名稱 置信水平 VaR 最小值 VaR 最大值 VaR 均值 VaR 標(biāo)準(zhǔn)差 失敗 天數(shù) 失敗率 (%) 上證指數(shù) 95% 95 深證綜指 95% 114 上證 180 95% 22 從上表易知，用 Riskmetrics模型計(jì)算得到三種指數(shù)的 VaR結(jié)果， 從失敗率來看均 大于5%， 有低估風(fēng)險(xiǎn)的可能性 。用 Kupeic(1995)提出的 LR 統(tǒng)計(jì)量檢驗(yàn)，在 95%顯著水平下 上證指數(shù)與上證 180 指數(shù) 不能拒絕原假設(shè)， 但對(duì)于深證綜指，卻拒絕原假設(shè)。 四、結(jié)論 通過以上的實(shí)證分析，對(duì)比 ARCH類模型與 Riskmetrics模型的 VaR計(jì)算結(jié)果；對(duì)比相同的分布假設(shè)下，對(duì)同一證券的不同 ARCH類模型的 VaR計(jì)算結(jié)果；對(duì)比相同的 ARCH模型對(duì)于同一證券指數(shù)，但在不同的分布假設(shè)下的 VaR計(jì)算結(jié)果；對(duì)比相同的 ARCH類模型，相同的分布假設(shè)，但對(duì)不同的證券指數(shù)的 VaR計(jì)算結(jié)果；對(duì)比不同的 ARCH類模型、不同的分布假設(shè)以及不同的證券指數(shù)的 VaR計(jì)算結(jié)果，可以得出以下結(jié)論： (1) 在用參數(shù)法計(jì)算 VaR值時(shí)，用 EWMA及 GARCH方法描述條件方差，考慮了對(duì)數(shù)收益率方 差的動(dòng)態(tài)性與時(shí)變性，因此得到的結(jié)果比較精確；在同樣的正態(tài)分布假設(shè)下， GARCH族模型計(jì)算得到的 VaR值效果要好于用摩根公司 RiskMetrics模型計(jì)算得到的，原因在于RiskMetrics模型在計(jì)算 VaR值時(shí)，移動(dòng)平均的權(quán)重使用一個(gè)常數(shù)，并不一定適合每一個(gè)市場(chǎng)。 (2) 在相同分布假設(shè)下，用 EGARCH、 PARCH模型計(jì)算得到的 VaR值要好于用 GARCH模型得到 的結(jié)果，尤其是在樣本數(shù)據(jù)比較少的情況下 (比如上證 180指數(shù) )，可以發(fā)現(xiàn)考慮非對(duì)稱情況的條件異方差模型效果要好于不考慮非對(duì)稱情況的簡(jiǎn)單 GARCH模型，在本文中，可以發(fā)現(xiàn)PARCH模型計(jì)算得到的 VaR結(jié)果要更好一些。 (3) 在相同分布假設(shè)下，盡管 ARCHM模型在均值方程中考慮了收益和風(fēng)險(xiǎn)的關(guān)系，引入標(biāo) 準(zhǔn)差或條件方差項(xiàng)去刻畫風(fēng)險(xiǎn)對(duì)收益的影響，但最后 計(jì)算的 VaR結(jié)果上，效果卻并不明顯。主要是因?yàn)橛?GARCH參數(shù)法計(jì)算 VaR時(shí)，主要關(guān)注條件方差，均值方程的影響很小。所以在使用 GARCH模型，計(jì)算 VaR時(shí)，可以把均值方程設(shè)得比較簡(jiǎn)單。比如，在收益率沒有自相關(guān)時(shí)，就用一般的均值回復(fù)方程。 (4) 用參數(shù)法計(jì)算 VaR，影響較大的一個(gè)因素是分布假設(shè)。盡管 t分布具有描述厚尾的特點(diǎn)， 但是從以上分析不難發(fā)現(xiàn)，在 t分布假設(shè)下計(jì)算得到的 VaR值過于保守，除非在一些對(duì)風(fēng)險(xiǎn)值要求特別嚴(yán)格的場(chǎng)合以外，不適合用來計(jì)算 VaR值。在樣本數(shù)據(jù)較多，風(fēng)險(xiǎn)較小的情況下，正態(tài)分布因?yàn)槠湫再|(zhì)良好，計(jì) 算簡(jiǎn)單，不失為計(jì)算 VaR的一個(gè)好方法。但是在風(fēng)險(xiǎn)較大，樣本數(shù)據(jù)較少，明顯不符合正態(tài)分布的情況下，用 GED分布來描述收益率的厚尾特點(diǎn)，計(jì)算結(jié)果比較精確，它的缺點(diǎn)則是計(jì)算量較大，比較繁瑣。 參考文獻(xiàn)： [1] Jorion. Philippe, Risk: Measuring the risk in value at risk [J],Financial Analysts Journal, 1996， Dec/Nov: 4756； [2] Thomas J Linsmeier, Neil D Pearson, Value at Risk, Financial Analysts Journal [J], 2020,Mar/Apr:4767； [3] Jia Jianmin,Dyer,James S, A Standard Measure of risk and risk_value models, Management Science,1996,12： 16911705； [4]王春峰，金融市場(chǎng)風(fēng)險(xiǎn)管理 [M]，天津大學(xué)出版社， 2020,P347~355； [5]皮埃特羅 .潘澤等著，綦相譯，用 VaR 度量市場(chǎng)風(fēng)險(xiǎn) [M]，機(jī)械工業(yè)出版社， 2020， P369~385； [6]馬克 .洛爾等著，陳斌等譯，金融風(fēng)險(xiǎn)管理手冊(cè) [M]，機(jī)械工業(yè)出版社， 2020， P107~142； [7]中國(guó)證券業(yè)協(xié)會(huì) 2020 年科研課題研究報(bào)告，中國(guó)證券市場(chǎng)發(fā)展前沿問題研究 (2020)[C]，中國(guó)金融出版社， 2020,P23~38； [8]王春峰、李剛，基于分布擬合法的 VaR 估計(jì) [J]，管理工程學(xué)報(bào)， 2020， (4)： 3337； [9]陳守東、俞世典，基于 GARCH 模型的 VaR 方法對(duì)中國(guó)股市的分析 [J]，吉林大學(xué)社會(huì)科學(xué)學(xué)報(bào)， 2020,(7)： 1117； [10]范英， VaR 方法在股市風(fēng)險(xiǎn)分析中的運(yùn)用初探 [J]，中國(guó)管理科學(xué)， 2020,(3)： 2632； 作者簡(jiǎn)介： 龔銳， ，男，漢，湖南，重慶大學(xué)貿(mào)易與行政學(xué)院 2020 級(jí)研究生，財(cái)政與金融研究方向。 聯(lián)系電話： 02366735255， (0)13594066338 地址： (400044)重慶沙坪壩區(qū)沙正街 174 號(hào)重慶大學(xué)貿(mào)易與行政學(xué)院 Email： 。 陳仲常， ，女，漢，重慶，重慶大學(xué)貿(mào)易與行政學(xué)院教授，院黨委書記，主要從事鄧小平理論與經(jīng)濟(jì)學(xué)研究。英國(guó)牛津大學(xué)與美國(guó)俄勒岡大學(xué)訪問學(xué)者。聯(lián)系電話： 02365111101（辦） 02365432090（宅） (0)133202691111 地址： (400044)重慶沙坪壩區(qū)沙正街 174 號(hào)重慶大學(xué)貿(mào)易與行政學(xué)院 Email: 楊棟銳， ，男，漢，重慶，重慶大學(xué)貿(mào)易與行政學(xué)院 2020 級(jí)研究生，財(cái)政與金融研究方向。 聯(lián)系電話： (0)13636339695 地址： (400044)重慶沙坪壩區(qū)沙正街 174 號(hào)重慶大學(xué)貿(mào)易與行政學(xué)院