以下是小編精心整理的《VAR模型金融風險管理論文(精選3篇)》，供需要的小伙伴們查閱，希望能夠幫助到大家。摘要：本文基于La-VaR模型測度中國國債市場流動性風險，并選取2009—2015年上證國債指數為數據，采用GARCH-VaR模型和La-VaR模型度量國債市場所面臨的流動性風險，分析La-VaR模型對我國國債市場流動性風險測度的有效性。
VAR模型金融風險管理論文 篇1：
VaR模型發展脈絡及其在金融風險度量中的應用文獻綜述
摘要：當今資本市場金融風險日益凸顯，VaR模型度量金融風險的應用日益廣泛。本文主要針對中國學者對VaR模型理論和應用方面的研究文獻和成果進行，得出結論認為中國的VaR模型應用整體發展速度很快，但多停留于淺層次研究，以基本介紹和簡單實證為主，前沿方法的理論探討和實證應用較少。
關鍵詞：VaR；金融風險；ARCH；分布EVT；cVaR
一、引言
近20年來，經濟的全球化以及投資的自由化使得金融市場的波動性日漸加劇，金融風險管理逐漸受到重視重視。70年代以前，金融風險主要表現為信用風險；70年代以后，隨著金融理論的突破，信息科技的發展、金融市場的自由化在其中的推波助瀾以致主要的金融風險由信用風險轉化為了市場風險；衍生產品大規模出現使得過去的線性風險度量工具如β，delta，久期不再適用；在這兩種原因作用下，在險價值（Value at Risk）應運而生成為了當今衡量金融風險的一個主要工具。
二、理論分析
受市場發展程度的限制，我國在對VaR的研究起步較晚。鄭文通（1997）最早將VaR的概念以及應用引入中國。王春峰，萬海輝，李剛（2000）在這基礎上對VaR進一步進行了介紹，不僅描述了VaR產生的背景和定義，還對它的三種常用計算方法——方差——協方差法，歷史數據法，蒙特卡羅模擬法進行了介紹，并淺述了VaR模型存在的問題。牛昂（1997），劉宇飛（1999），戴國強，徐龍炳，陸榮（2000）杜海濤（2000）分別在對VaR進行簡要描述的基礎上對VaR模型在銀行風險管理，金融風險管理，證券風險管理中的應用進行了簡要描述并對VaR模型的未來廣泛應用發表了自己的看法。這一階段的文章大多是對VaR模型的介紹，改進創新很少。
三、早期實證分析
之后，由于統計的發展與我國數據收集的規范化，大量的數據使得實證研究分析成為可能，由此興起了一批對VaR模型的實證研究。例如吳世農，陳斌（1999）使用我國證券市場股票和國債的有關數據，利用VaR模型對金融資產配置問題進行了研究；張永東（2002）和張永東，何榮天（2003）采用1996/1/2-2001/12/31期間上證綜合指數與深證成分股指數的日收盤指數分別計算VaR值，實證分析得出利用RiskMetrics方法估計VaR值之所以效果較好，主要是因為采用了95%的置信水平，但現有的資本充足規則有一些要求99%的置信水平，在99%的置信水平下，RiskMetrics低估了風險，即在置信水平較高時，低估了實際損失值，這主要是由于RiskMetrics方法對收益率分布所作出的零均值正態假定與實際不符，忽視了收益率分布厚尾的特性。這個階段的實證分析大多只是對VaR模型的簡單應用，結論也只是VaR模型效果好壞的基本判斷，對VaR模型的研究還處于比較淺的階段。
四、對分布特征變化的研究
隨著中國學者對VaR模型的理解深入，在實證研究中注意到實際數據并不符合假設中的正態分布特性，而是具有尖峰后尾性，于是一批學者開始對VaR的分布特性進行研究。如鄒建軍，張宗益，秦拯（2002）采用GARCH（1，1）模型、RiskMetrics和移動平均法計算的滬市指數每天VaR及對應的當天日收益率，并得出結論GARCH模型具有最佳的擬合效果。同時還指出，GARCH模型的實證研究結果會低估風險，而這可能是采取的正態假設不符合實際的高峰厚尾的緣故。陳守東，俞世典（2002）利用基于不同分布假定下的GARCH模型的VaR方法對深圳股票市場與上海股票市場的風險進行了分析，分析的結果表明深圳股票市場比上海股票市場有更大的風險；用t分布和GED分布假定下的GARCH模型能夠更好地反映出收益率的風險特性。龔銳，陳仲常，楊棟銳（2005）在上述研究的基礎上進一步研究，選取時間較長的上證指數、深證綜指及時間較短的上證180指數，分別用有代表性的ARCH族模型-GARCH、EGARCH、PARCH及相應的均值方程（ARCH-M族）模型在正態分布、t-分布及GED分布假設下，計算VaR值，對結果進行比較，并用返回檢驗法檢驗。并比較了riskmetrics最后得出結論：GARCH族模型優于RishMetrics；e-GARCH，p-ARCH結果優于GARCH，且t分布得到的結果過去保守，正態假設在樣本少，風險大的情況下并不適用。這篇文獻幾乎可以看做是對這一類文獻的概括。
五、綜合金融風險中的應用
由于新巴塞爾協議中的新概念—綜合金融風險概念逐漸興起，中國學者們發現單獨考慮市場風險不再適合當今的金融風險管理理念。而由于市場風險，應用風險，操作風險等金融風險具有一定的相關關系，因此刻畫這種相關關系成為了中國許多學者們研究的焦點。為解決多重風險之間的復雜的聯合分布和高維所引起的維數災難問題，Copula成為了許多學者們的選擇。如葉五一，繆柏其，吳振翔（2006）利用Copula相依結構可以估計出聯合分布以及日內波幅條件下的條件分布，進而得到條件VaR的估計。楊湘豫，夏宇（2008），任浩喆（2008）分別利用Copula—VaR法對開放式基金組，上證和深證指數，市場風險進行了實證研究，并取得了比較滿意的結果。
六、極值風險
尾部上的極值金融風險也是廣大金融機構的關注重點，這是因為分布的尾部反映的是潛在的災難性事件導致的金融機構的重大損失，這種損失一旦發生產生的可能就是毀滅性的結果。而計算出的VaR值是一個基準值，當我們考慮到分布的尾時，要計算最大可能損失則以上方法就顯得力不從心了。因此極值理論被引入到了VaR模型的研究中。如周開國，繆柏其（2002）指出傳統的VaR三大算法的缺點并引入極值理論的概念后，對香港恒生指數進行了實證研究發現極值理論的計算結果較為保守，可有效防范金融風險。田宏偉，詹原瑞，邱軍（2000）討論了極值理論計算受險價值的兩類不同的算法：基于矩估計的“兩次子樣試算法”和“極大似然估計法”對四種匯率的歷史數據進行了研究，對極值理論本身卻基本沒有介紹。此階段的極值理論研究還處于很基本的層次，不僅文獻數量較少，而且大多只是對極值理論的簡單介紹或是簡單計算。
之后隨著越來越多的學者逐漸發現傳統的t或者是normal分布假設下的GARCH模型及其它模型在估算極端風險時總有這樣那樣的問題，極值理論卻由于其不需要對整個分布進行擬合的優點而為更多人所重視。這一期的文獻大多是將極值理論的效果同傳統的模型擬合的極端風險進行比較。陳守東，孔繁利，胡錚洋（2007）比較發現，在較高的置信水平下（如99%），極值理論效果較好；而較低的置信水平下（95%及以下），極值法和其它方法的效果都不錯。魏宇（2006）用不同方法研究了紐市和上市各顯著性水平下的尾部收益特征和風險狀況，并得出在兩種市場的任何條件下evt都能更好的擬合尾部收益特征和風險狀況。此類文獻還有許多，如李賀，葉中行（2007），周孝華，唐秋燕（2008）都做了類似研究。
七、結合ARCH族模型的研究
雖然極值理論比較好的解決了尾部的厚尾性問題，但卻無法解決ARCH族模型很好解決的波動的異方差問題。因此誕生出了一些將evt方法同ARCH族模型結合在一起的方法。楊湘豫，崔迎媛（2009）用Copula-GARCH-evt模型通過對光大紅利基金的實證研究，得到前十大重倉中單只股票及其投資組合的風險值，取得了比較好的效果。高瑩，周鑫，金秀（2008）基于GARCH-evt對上證綜合指數進行實證研究比較發現效果比GARCH-normal模型效果要好。王宗潤，周艷菊（2008）則用GARCH-evt模型對人民幣匯率進行了研究。
盡管上述文獻將evt與ARCH族模型聯合在一起消除異方差和厚尾性的影響，但卻忽略了波動的長期記憶性。于是肖智，傅肖肖，鐘波（2008）在兩篇文獻中分別利用evt-bm-fiGARCH模型和evt-pot-fiGARCH模型有效地解決了厚尾性，波動的異方差性及波動明顯的長期記憶性。
八、cVaR理論及應用同時，由于VaR不滿足著名的一致性公理中的次可加性和尾部損失測量的非充分性，因此Artzner首次引入了cVaR的概念，即投資組合的損失大于某個給定VaR值的條件下，該投資組合損失的平均值。cVaR有效克服了VaR的弊端，因此許多學者也對cVaR模型進行了研究。林輝，何建敏（2003）描述了cVaR相對VaR的優勢后，介紹了其可在投資組合管理中應用。許明輝，于剛，張漢勒（2006）在cVaR風險度量準則下研究了有缺貨懲罰的報童模型與無缺貨懲罰時的差異，并得出結論這兩者不同，差異取決于需求的分布、風險厭惡的成都以及單位缺貨懲罰的大小。劉俊山（2007）說明了橢圓分布假定下VaR依然具有比較好的性質并且說明了cVaR模型在實踐中所遇到的難題及事后檢驗難以實施等問題。
九、實際應用
除了對方法的研究外，對實際問題方面中國學者也進行了充分的研究。如遲國泰，王際科，齊菲（2009）以cVaR最小為目標函數建立了貸款組合優化模型；曹志鵬，王曉芳（2008）則研究了銀行間債卷回購市場利率風險模型；趙光軍，遲國泰，楊中原（2008）還對期貨最優套期保值比率進行了一系列探索。
總而言之，中國的VaR發展雖然速度很快，但整體研究深度比較淺。大多是一些基本介紹，而前沿的方法研究比較少，實證研究也比較簡單。（作者單位：中國人民大學）
參考文獻：
[1]王春峰，萬海輝，李剛.基于MCMC的金融市場風險VaR的估計[J].管理科學學報，2000，02：54-61+89.
[2]牛昂.VALUE AT RISK：銀行風險管理的新方法[J].國際金融研究，1997，04：61-65.
[3]戴國強，徐龍炳，陸蓉.VaR方法對我國金融風險管理的借鑒及應用[J].金融研究，2000，（7）.
[4]吳世農，陳斌.風險度量方法與金融資產配置模型的理論和實證研究[J].經濟研究，1999，09：30-38.
[5]張永東，何榮天.深圳股市波動性與成交量關系的實證分析[J].系統工程，2002，03：24-28.
[6]鄒建軍，張宗益，秦拯.GARCH模型在計算我國股市風險價值中的應用研究[J].系統工程理論與實踐，2003，（5）.
[7]楊湘豫，夏宇.基于Copula方法的開放式基金投資組合的VaR研究[J].系統工程，2008，12：40-44.
[8]周孝華，唐秋燕.滬深300指數極值VaR的分析與計算[J].統計與決策，2008，10：96-98.
[9]許明輝，于剛，張漢勤.帶有缺貨懲罰的報童模型中的CVaR研究[J].系統工程理論與實踐，2006，10：1-8.
[10]遲國泰，王際科，齊菲.基于CVaR風險度量和VaR風險控制的貸款組合優化模型[J].預測，2009，02：47-52.
作者：黃勝藍
VAR模型金融風險管理論文 篇2：
基于La—VaR模型的中國國債市場流動性風險研究
摘 要：本文基于La-VaR模型測度中國國債市場流動性風險，并選取2009—2015年上證國債指數為數據，采用GARCH-VaR模型和La-VaR模型度量國債市場所面臨的流動性風險，分析La-VaR模型對我國國債市場流動性風險測度的有效性。結果表明：相對于傳統的VaR模型，La-VaR模型能更好的測度國債市場的流動性風險，且La-VaR模型的預測結果與國債市場的表現大致吻合，可對國債市場進行較好的預測。
關鍵詞：國債市場;流動性風險;La-VaR模型
一、引言
“流動性是市場的一切”，也就意味著流動性是證券市場的生命力所在。而流動性風險作為目前資本市場的主要風險之一，其對于整個金融市場的影響可謂是舉足輕重。1997年的亞洲金融危機、1998年的俄羅斯金融風暴以及2007年美國次貸危機無一不說明了金融市場流動性的缺失會導致重大金融危機的發生?，F如今，隨著我國不斷深化對國債市場乃至整個債券市場的改革，債券市場在整個證券市場中扮演的角色愈發重要，且投資者對債券市場的流動性需求也愈發提高，而國債市場作為債券市場的重要一環，國債市場的流動性風險也不容忽視。鑒于流動性風險管控在國債市場發展過程中的重要性，本文將對中國國債市場的流動性風險進行實證研究。
流動性對于整個市場而言至關重要。Schwartz（1988）就曾指出市場流動性、波動性和定價效率是反映金融市場質量最核心的三個要素[1-2]。Demesetz（1968）指出較高的交易需求導致了提供流動性服務中間商可以謀取利潤，而買賣價差則是交易者為了獲取交易及時性所付出的成本，自此，用買賣報價價差作為流動性的衡量指標被廣泛應用于流動性研究的各個領域[3]。Pastor和Stambaugh（2003）提出假說，對于流動性較差的股票的較高預期收益是對市場層面上（系統）流動性風險的補償[4]?；谶@一假說的研究通常會構造共同的流動性風險因子[5]。Amihud（2002）等對流動性則定義為在一定時間內完成交易所需要的成本，或尋找一個理想價格所需要的時間，并定義非流動性測度指標ILLIQ，ILLIQ指標越高，股票的流動性越差[6]。
從前人對流動性的定義和影響因素來看，流動性至少涉及三方面內容，即價格、數量和時間。一般地，分別以密度、深度、彈性對以上三個方面進行刻畫[7-9]。Liu（2006）和Hasbrouck（2009）等進一步將流動性總結為三個維度：交易成本、交易速度、價格沖擊。在使用不同的計量方法對市場流動性和信用風險進行測量時[10-11]。Schwartz（2010）得出結論認為，流動性風險是更重要的因素，該結論與Acharya， Pedersen（2005）相一致[12-13]。針對流動性風險的測度，不少學者在傳統VaR模型的基礎上引入流動性變量，形成了專門針對流動性風險的風險價制度模型。John C. Hull（2008）曾指出，經流動性調節過后的VaR等于在傳統VaR的基礎上加上各個頭寸資金與價格溢差百分比乘積之和。由于價差具有隨機波動性，基于以上思路，Bangia A和Diebold F（1999）提出了基于價差來計算流動性的La-VaR模型[15]。Yoshifumi Hisata ，Yasuhiro
Yamai（2000）通過考慮市場的流動性水平和投資者交易頭寸大小對變現價值的影響把市場影響機制引入VaR模型中[16]。
在國內的相關研究中，流動性的測度通常包括市場寬度、深度、彈性和即時性四個維度，除了運用四個維度測度流動性，楊之曙和吳寧玫（2000）指出交易股數、交易量（金額）、交易次數、換手率、價格的波動性、市場參加者人數、交易書目也可以被認為是市場流動性的替代指標[17]。其中，換手率等指標經常被用來衡量流動性。蘇冬蔚和熊家財（2013）、仲黎明、劉海龍和吳沖鋒（2003）、劉林（2012）、張蕊和王春峰（2010）均采用換手率和其他相關指標來衡量流動性[18-21]。除了流動性的三大維度，Amihud所提出的ILLIQ指標也十分受中國學者的青睞，即每日回報的絕對值和成交金額之間的比值。姚亞偉等（2012）、孫彬等（2010）、王東旋等（2014）、李文鴻、田彬彬和周啟運（2012）均采用Amihud的ILLIQ指標衡量流動性[22-25]。在有關流動性風險測度的研究中，戴國強、徐龍炳和陸蓉（2000）指出，VaR方法提供了一種風險管理的思路，這種思路不僅可用于市場風險的管理，還可用于信用風險、流動性風險和其它風險的管理[26]。周毓萍（2005）認為流動性缺口是流動性風險的量化指標，為了更好的管理流動性風險，VaR能夠量化損失的大小[27]。但彭坤和王飚（2002）認為VaR也并非萬應良藥，由于VaR模型假定市場因素收益率要服從正態分布，所以他們認為該模型不符合實際情況[28]。
針對VaR在基本假設上存在的問題，龔銳、陳仲常和楊棟銳（2005）使用GARCH模型較好的刻畫了收益的動態變化特征，考慮了對數收益率方差的動態性與時變性[29]。張瑞軍和孟浩（2013）運用基于GARCH的VaR模型針對離岸債券市場風險狀況進行了分析[30]。宋逢明和譚慧（2004）則在VaR可以較好測度風險的思路上繼續深入，將流動性風險加入到VaR模型中，建立了一個基于股票市場實際特點的對流動性風險進行調整后的VaR模型[31]。針對債券市場的流動性風險研究，聞岳春和程同朦（2010）采用La-VaR模型對債券投資中來自債券市場的市場風險和流動性風險進行計量[32]。
從以往的研究結果來看，流動性風險的相關研究大都集中于股票市場，對于債券市場的流動性風險研究相對較少，而定位于國債市場的流動性風險研究則更是少之又少，本研究的創新之處在于：選取上證國債指數為樣本，采用La-VaR模型（BDSS模型），研究基于我國國債市場的流動性風險測度問題。
二、模型設定與實證方法設計
（一）模型設定
傳統的VaR的定義，為在某一個既定的置信水平下，在特定的持有期內，資產組合可能會遭受的最大損失。對于傳統的在險價值而言，側重于衡量資產組合所面臨的市場風險，并沒有涵蓋流動性風險在內，考慮到這一點，1999年，Bangia、Diebold、Schuermann、Stroughair提出了基于買賣價差的流動性風險模型——La-VaR模型，也就是BDSS模型。他們的基本思路為：在傳統VaR模型的基礎上加上了一個增量，這個增量也就是價差帶來的流動性風險。
假設某資產當前的中間價格為S0，資產的對數收益率為，收益率rt代表的是資產真實價值給投資者帶來的收益。Bangia等給出了未來1個持有期內，置信水平為c，頭寸為1單位的La-VaR的解析式，
其中，著表示相對價差的期望值，？滓？著表示相對價差的標準差，？酌是相對價差的刻度因子，也就是在正態分布假設下所對應的置信水平。由于在進行資產交易的時候，存在著要價與報價，所以價差總是為總價差的一半，也就需要相對價差乘上1/2。
由公式可知，BDSS模型實質上是將La-VaR模型具體分為了兩個部分，其中S0[1-exp代表中間價格波動的風險，也就是我們所說的傳統的VaR，而則代表以價差計算的流動性風險，由此便得到了La-VaR模型。Bangia等人針對賣出價與買入價的溢差的不定性做出了改進，但假設產品的賣出價與買入價的溢差的百分比分布相互獨立，這種假設相對來說比較保守。
本文將在BDSS模型的基礎之上，通過對流動性指標及其數據可得性進行分析，結合我國國債市場的實際情況，重新設定了買賣價差的定義。設定債券價格的開盤價Pk，收盤價Ps，最高價Ph，最低價Pt，價差S0則為最高價Ph與最低價Pt的差值，中間價格Pt=（Pk+Ps+Pt+Ph）/4，相對價差即為S=S0/Pt。
（二）實證方法設計
本文首先對時間序列數據進行平穩性檢驗及ARCH效應檢驗，在存在高階ARCH效應的基礎上采用四種GARCH模型對比估計時間序列的波動率，從中選出最優的GARCH模型并在此結果之上，使用模型構建法建立VaR模型與La-VaR模型。
三、實證分析
（一）數據
由于抽樣選取債券樣本有一定的難度且無法整體反應整個國債市場的流動性，本文決定選用債券指數來綜合反應我國國債市場狀況。選擇標準有二，一則能較好的反映我國國債市場的整體情況;二則該指數需要在交易日具有價格波動。綜合以上兩個標準，本文選擇上證國債指數作為樣本，該指數是上證指數系列的第一只債券指數，是以上海證券交易所上市的所有固定利率國債為樣本，按照國債發行量加權而成，可以綜合的反映我國國債市場整體變動狀況。該指數采用的是派氏加權綜合價格指數公式來進行計算，并以樣本國債的發行量為權數進行加權①。
由此，本文將選取上證國債指數2009年1月1日至2015年6月30日數據為樣本數據。其中前4年的數據（2009年1月1日至2012年的12月31日）用于回歸參數估計，2013-2015年為預測區間。數據來源為wind數據庫。
（二）數據基本分析
1.描述性統計及正態分布檢驗
以上證國債指數為數據，對其進行取對數并差分，得到收益率r，即
其中，Pt為上證國債指數第t日最后的收盤價，Pt-1為第t-1日最后的收盤價，其描述性統計結果如下：
由圖1可知，偏度S=-0.358126<0，峰度K=24.27459>3，與標準正態分布（S=0，K=3）相比，收益率r呈現出左偏尖峰的分布態勢。所以，在選擇分布假設時，應選擇更能體現”尖峰厚尾”的t分布或GED分布。
2.聚集性檢驗
金融時間序列往往具有聚集性，從收益率r序列的時序圖中我們看到，收益率序列的聚集性明顯，即每一次小幅度波動后面往往跟著的是較小幅度的波動，而每一次大幅度波動后面往往跟著的是較大的波動。數據的前半段與后半段形成鮮明對比，前半段整體呈現出較大波動，而后半段波動較小。
3.平穩性及相關性檢驗
采用ADF單位根檢驗法檢驗序列的平穩性，原假設為：序列存在單位根，即序列為非平穩序列。
結果顯示：原假設不成立，序列不存在單位根，是平穩序列。
圖3的數據為殘差相關性檢驗結果，從圖中可以看出，自滯后3期開始，自相關系數和偏相關系數在統計上為顯著，且Q統計量也顯著。
綜上所述，通過對收益率序列的描述統計、正態性檢驗、聚集性檢驗及平穩性檢驗可得：收益率序列是平穩序列，并不服從正態分布，分布的“尖峰厚尾”性和聚集性明顯且殘差序列存在自相關現象，據此，本文選用能反映波動時變性的GARCH族模型估計波動率，且分布假設選擇t分布或GED分布。
（三）ARCH效應檢驗
為了更好的建立GARCH模型，我們需要對上證國債指數收益率進行ARCH效應檢驗。首先運用最小二乘法對收益率時間序列數據進行線性回歸，得到其殘差，然后運用EVIEWS對殘差序列進行ARCH-LM檢驗，一般來說，如果LM檢驗的滯后期很大（如大于7），檢驗依然顯著，則說明殘差序列存在高階ARCH（q）效應，所以在這里選擇滯后期為7，得到的檢驗結果如下：
表3最小二乘法擬合的ARCH-LM檢驗結果中F統計量和LM統計量對應P值均為0，小于顯著性水平，拒絕原假設，殘差序列存在ARCH效應。結果同時表明模型殘差序列在5%顯著性水平下具有高階ARCH效應，綜合上述ARCH-LM檢驗和殘差平法相關性檢驗的結果，可以據此建立GARCH模型。
（四）GARCH模型估計
通過以上基本檢驗可知，上證國債指數收益率為平穩序列，所以收益方程為一般均值回歸方程。在建立GARCH族模型之前，用AIC與SIC信息準則，本文選擇滯后階數（p，q）為（1，1）。利用GARCH-t分布、GARCH-GED分布、GARCH-M-t分布、GARCH-M-GED分布四種模型對上證國債指數建立模型，選取時間段為2009年1月1日至2012年12月31日的日數據，由此得到GARCH模型以對2013年1月1日至2015年6月30日的波動率進行估計，本文對四種模型里的參數進行估計，各個方程的參數估計如下：
根據匯總結果可以看出，對隨機誤差項分別采用t分布和GED分布（廣義誤差分布）所得到的GARCH模型中，采取t分布的模型不符合GARCH模型的前提假設，所以排除在外。所以，應選用GARCH-GED模型或GARCH-M-GED模型。
對于GARCH-GED模型和GARCH-M-GED模型，根據AIC與SC準則，GARCH-M-GED模型的結果表現的相對優異，采取該模型來求得波動率。
（五）預測結果與分析
1.VaR模型與La-VaR模型結果對比
運用上述GARCH-M-GED模型，本文采取在置信度99%的水平下求取VaR模型與La-VaR模型結果，其預測結果折線圖如下：
從圖4可以看出，二者預測結果的走勢基本上趨同，但在2013年5月至7月產生了較大波動，且預測結果在6月達到了最大峰值，在這期間，風險呈現出較大水平。在2013年11月至2014年6月與2014年9月至2015年6月，預測結果均呈現出一輪的高頻波動，但是波動水平不大。
2.回顧測試
（1）例外天數
為了檢驗La-VaR模型是否有效，我們需要進行回顧測試來對實驗結果進行檢驗。在回顧測試中，我們需要將模型結果同歷史數據進行比較，在預測區間內，如果實際損失超過VaR模型的預測值，則將改日認定為例外，所有例外的合計則稱為例外天數。如果例外的天數占總體天數的比例小于1%，說明VaR模型結果比較令人滿意，如果例外天數占總體天數的比例遠遠大于1%，我們將認定所估計的VaR偏低。在這里，我們將對傳統的VaR模型與La-VaR模型進行比較，從而檢驗La-VaR模型是否比傳統的VaR模型更具有優越性。
從例外天數的結果可以看出，La-VaR模型能比VaR模型更好測度流動性風險。
（2）失敗率檢驗
根據John C. Hull所提到的失敗率檢驗法，我們可以進一步細化的比較La-VaR模型與VaR模型的實際效果。假定VaR的展望期為1天，置信度為x%，如果VaR模型準確無誤，那么每天的損失超出VaR的概率為p=1-x。
當例外個數大于例外期望值時，給出原假設：對應樣本中的任意一天，例外情況發生的概率為p。當例外個數小于例外的期望值時，給出原假設：對應樣本中的任意一天，例外情況發生的概率大于p。通過EXCEL中的BINOMDIST函數，選擇把握程度為5%，得出VaR模型與La-VaR模型的失敗率結果如下：
根據結果可以看到，VaR模型的天數為17，對應的原假設為對應任意一天，例外發生的概率為p。經過函數BINOMDIST的計算，其概率為5.28716E-05，小于5%，則應該拒絕原假設，即對應任意一天，例外發生的概率大于0.01。而La-VaR模型的天數為2，對應的原假設為對應任意一天，例外發生的概率大于p，其概率為0.939802617，大于5%，則應該拒絕原假設，即對于任意一天，例外發生的概率小于0.01。由此失敗率結果可以看出，La-VaR模型比VaR模型的效果更為優越，更好地測控了國債市場涵蓋流動性風險的風險價值度。
四、結論
“發展債券市場須深化國債市場改革”，國債市場作為我國債券市場的一部分，其成長的好壞直接關系著整個金融市場發展的快慢，也對我國整體的經濟改革有著重大的影響。然而，每一次金融改革的背后都必然會伴隨著一定的風險，在對國債市場進行深化改革的同時，風險問題自然不容忽視，由此，本文著眼于國債市場進行流動性風險實證分析，具有一定的現實意義，并結合實證結果，得到了以下結論：
第一，從實證分析發現，通過對上證國債指數的收益率時間序列進行基本分析，發現該序列具有明顯的”尖峰厚尾”特征，且結合GARCH模型結果表明，相對于t分布假設下的GARCH模型，GED分布假設下的GARCH模型能夠更好反映出收益率的風險特征。
第二，實證結果表明，通過進行例外天數的回顧測試，采用La-VaR模型衡量流動性風險，能夠大幅度的降低例外天數，且在失敗率的檢驗中，La-VaR模型的預測結果更是可將對應于任意一天例外發生的概率控制在1%的范圍內。由此，結合La-VaR模型與VaR模型的回顧測試結果對比可表明，基于流動性風險的La-VaR模型較之傳統的VaR模型而言，更能準確的反映我國國債市場的流動性風險。
第三，La-VaR模型的預測結果與國債市場的實際較大波動相吻合。從La-VaR模型的預測結果折線圖可以看出，2013年5月至7月產生了較大波動，且預測結果在6月左右呈現出最大峰值。而在實際中的2013年6月20日，整個債券市場經歷了”錢荒”的巨大沖擊，這場爆發在銀行間債券市場的流動性危機無疑給整個債券市場也帶來了巨大影響，而國債市場作為債券市場的重要組成部分也未能幸免，從2013年5月開始，金融市場的資金利率全線攀升，整個債券市場都面臨著前所未有的巨大流動性危機，隨之而來的風險水平也驟然提高，而這一點與本文所得到的預測結果不謀而合，在2013年6月左右的La-VaR模型結果巨幅波動，其波動水平高達平常波動水平的2-3倍。由此可見，La-VaR模型不僅比VaR模型更好的測度國債市場的流動性風險，且對國債市場的表現也可進行較好的預測。
參考文獻：
[1]Brunnermeier，M..Deciphering the liquidity and credit crunch 2007—2008[J]. Journal of Economic Perspectives，2009（23）：77-100
[2]Schwartz RobertX.Equity Markets： Structure，Trading and Performance[M].Haper &Row Press，1988.
[3]Demesetz H.，The cost of transaction，Quarterly[J]. Journal of Economics，1968（82）：33-53.
[4]Pastor，L.，Stambaugh，R.F.. Liquidity risk and expected stock returns [J]. Journal of Political Economy， 2003（111）：642-685.
[5]M.RezaBradrania，MauricePeat.Characteristic liquidity，systematic liquidity and expected returns[J]. Journal of International Financial Markets，Institutions & Money. 2014（33）：78-98.
[6]Yakov Amihud.lliquidity and stock returns：cross-section and time-series effects[J].Journal of Financial Markets，2002（5）：31-56.
[7]Harris L.Minimum Price Variation，Discrete Bid-ask Spreads and Quotation Sizes [J]. Review of Financial Studies，1994（7）：147-178.
[8]Garbade K D，Silber W L.Structural Organization of Secondary Markets;Clearing Frequency， Dealer Activity and Liquidity [J]. The Journal of Finance，1979（34）：577-593.
[9]Kyle A S. Continuous Auctions and Insider Trading. Econometrica[J].1985（53）：1315-1335.
[10]Liu W.. A Liquidity-Augmented Capital Asset Pricing Model[J].Journal of Financial Economics， 2006（82）：631-671.
[11]Hasbrouck J. . Trading Costs and Returns for U.S. Equities： Estimating Effective Costs from Daily Data[J].The Journal of Finance，2009（64）：1445-1477.
[12]Schwartz，K..Mind the Gap： Disentangling Credit and Liquidity in Risk Spreads[R].Working Paper. University of Pennsylvania Wharton School of Business，2010.
[13]Acharya，V.V.，Pedersen，L.H.. “Asset pricing with liquidity risk[J].Journal of Financial Economics，2005（77）：375-410.
[14]John C.Hull. Risk Management and Financial Institutions[M].China Machine Press，2008： 230-231.
[15]Bangia A，Diebold F，Schuermann T，Stroughair J.”Modeling Liquidity Risk，With Implication for Traditional Market Risk Measurement and Management[J].Risk，1999（12）：68-73.
[16]Yoshifumi Hisata and Yasuhiro Yamai.Research Toward the Practical Application of Liquidity Risk evaluation methods[R].working paper，bank of Japan，2000.
[17]楊之曙，吳寧玫證券市場流動性研究[J]證券市場導報，2000（1）：25-34.
[18]蘇冬蔚，熊家財.股票流動性、股價信息含量與CEO薪酬契約[J].經濟研究，2013（11）∶56-70.
[19]仲黎明，劉海龍，吳沖鋒.中國股票市場流動性：過高還是過低——一個國際比較視角的分析[J].當代經濟科學，2003（25）：58-61.
[20]劉林，倪玉娟.股市流動性市場關注度與創業板上市公司轉板選擇[J].證券市場導報，2012（5）∶57-66.
[21]張蕊，王春峰.中國銀行間債券市場流動性風險影響因素及其關聯性[J].系統工程，2010（3）∶1-7.
[22]姚亞偉，楊朝軍，黃峰.流動性風險特征：基于中國證券市場的經驗數據分析[J].上海金融，2012（4）：63-70.
[23]孫彬，楊朝軍，于靜.融資流動性與市場流動性[J].管理科學，2010（2）：81-87.
[24]王東旋，張崢，殷先軍.股市流動性與宏觀經濟[J].經濟科學，2014（3）：61-71.
[25]李文鴻，田彬彬，周啟運.股市流動性與股票收益率的面板數據實證分析[J].統計與決策2012（10）∶150-153.
[26]戴國強，徐龍炳，陸蓉.VaR方法對我國金融風險管理的借鑒及應用[J].金融研究，2000（07）：45-51.
[27]周毓萍.淺論Var與商業銀行流動性風險管理[J].科技與產業，2005（12）：28-30.
[28]彭坤，王飚.基于VaR（風險價值）的金融投資的研究[J].昆明理工大學學報，2002（12）：138-142.
[29]龔銳，陳仲常，楊棟銳.GARCH族模型計算中國股市在險價值 （VaR）風險的比較研究與評述[J].數量經濟技術經濟研究，2005（7）：67-81.
[30]張瑞軍，孟浩.人民幣離岸債券市場風險評價[J].理論探討，2013（5）：16-18.
[31]宋逢明，譚慧.VaR模型中流動性風險的度量[J].數量經濟技術經濟研究，2004（6）：114-123.
[32]聞岳春，程同朦.基于Var技術的債券投資的市場風險與流動性風險管理研究[J].武漢金融，2010（6）∶13-16.
[33]王觀.政策利好消息頻現 債市”輪子”動起來[N].人民日報，2015-06-15（18）.
作者：胡方琦 宋琴
VAR模型金融風險管理論文 篇3：
應用VaR方法對我國壽險公司的挑戰
我國已經加入WTO,經濟的國際化程度逐步提高。保險市場已于2005年全面對外開放。隨著中國金融市場體系的建設,市場風險的重要性日益提高。隨著利率市場化、匯率體制改革,衍生金融工具的廣泛使用,壽險公司所面臨的市場風險日益多樣化,由于VaR模型具有可以綜合度量風險的特點,在我國有著廣泛的應用空間。但是在實際中又會面臨很多問題,這些問題會導致風險衡量的正確率偏低。
一、VaR模型存在的問題
1.樣本數據問題
VaR模型是建立在大量的歷史數據基礎上的,而我國金融市場的數據庫不能滿足風險計量的數據要求,即數據信息量不夠、數據不具有代表性,數據不能及時獲得、反映不夠全面等等。這與我國金融發展的歷史和多年來形成的金融體制有關,因為沒有形成一個開放的金融市場環境,數據信息很封閉。運用數理統計方法計量分析都面臨著樣本數據問題。在利用模型進行分析和預測時要用足夠的歷史數據,對分析數據的檢驗同樣要求數據量,如對VaR模型有效性進行返回測試要求的數據期限更長。如果按照巴塞爾銀行監管委員會的要求,采用99%的置信水平和10日持有期限,一次返回檢驗就需要三年的歷史數據,我國證券市場上的許多股票都難以滿足要求。此外數據有效性也是一個重要問題,而且由于市場的發展不成熟,使一些數據不具有代表性。市場炒作,消息的引導等原因,使數據非正常變化較大,缺乏可信性。壽險產品具有長期性的特點,而壽險發展的時期又不長,上個世紀九十年代隨著央行的普遍降息,壽險產品的增殖利率也多次下調,有的產品只有短短幾個月的生命期,新產品如分紅險,萬能險,投資連結險的大量涌現,各家公司積累的數據不多且可信度不大。并且,由于統計手段限制重視程度不夠等因素使的各家保險公司的數據分析水平處于參差不齊的狀況。
2.風險因子的確定問題
在VaR模型中,首要的一步是對組合中的資產進行風險的分解,從而確定所包含的風險因子,引入的風險因子的個數越多,計算的維數越大,計算越困難,也越精確。因此首先要在精確且完整的反映組合的風險與提高運算效率之間進行權衡。在我國目前的壽險公司中,還沒有公司建立VaR的風險管理體系,即使應用VaR較為完善的銀行等金融機構也沒有建立其VaR風險管理體系,一旦壽險公司等金融機構要用VaR進行風險衡量,就沒有適合我國實際的VaR模型可以利用,就要花費相當長的時間和相當大的財力和人力去進行風險因子的確定。
3.模型問題
由于在計算VaR時使用不同的方法,不同的模型會得到不同的結果,使得VaR的可靠性難以把握。因此無論是監管部門還是金融機構本身對不同的VaR模型進行評價和選擇都是比較困難的。目前在我國使用VaR來管理風險還是一個空白領域,不管是風險管理人員的識別能力還是硬件的機制配套都要從零開始,因此對模型的檢驗、評價和甄選都是一個漫長而艱苦的過程。其中,事后檢測在確認壽險公司所采用的模型是否妥當方面可以擔當重要的角色。事后檢測是指事前風險值和事后實際的損益相結合進行比較。如果經過多次,多期測量,事后的損益值小于事前風險值,則模型基本是可靠的。反之若事后的損益值大于事前風險值,則需要重新修訂模型。任何一種經不起事后檢測的風險度量模型都將被淘汰。
4.利率市場化
利率改革的滯后己經成為中國經濟改革的瓶頸。利率不能由市場所決定,不僅造成了金融抑制,而且使金融資產的配置極為紊亂,存貸利率、長短利率倒掛的現象屢見不鮮,利率的非市場化,還導致了金融資產價格的非市場化,使價格變動的風險很大程度上變成了政策風險,這使VaR模型功能難以有效發揮。利率決定的人為化.還使金融產品的定價無從下手,制約了金融產品和VaR模型的標準化及其推廣。利率改變的實質性推進,是深入發展中國金融風險管理的前提條件。利率也是影響我國壽險公司的一個重要風險因子,特別是我國壽險公司的利差損問題,使利率風險變的更加重要。如果利率的市場化功能不能正常發揮,將使VaR的應用效率大打折扣。
5.真正市場參與主體的塑造
中國金融市場投機行為叢生的一個重要原因,就是市場的主要參與主體都是管理問題比較嚴重的國有機構.這些機構的代理人(經理人員和市場操作人員)的風險收益結構較為扭曲。因此,每一個初衷良好的金融產品最后都有可能扭曲成追逐風險的工具,這顯然不利于金融風險管理的實施與發展。也許,中國金融市場面臨的首要問題就是真正的市場參與主體的塑造問理.
6.道德危機
利用VaR模型,各壽險公司可以控制自己公司面臨的風險,但可能會導致“道德危機”的問題,即為了降低風險資金的要求,人為減少VaR模型的風險暴露。同樣,壽險公司的各個部門有時為了追逐高利潤而不被高層機構察覺,就人為減少風險暴露。因為VaR模型的保密性,使監管機構對于模型的檢驗十分困難,模型存在的一些嚴重問題可能無法發現和及時調整。
7.難以預測的業務增長狀況
我國保險市場潛力巨大,但也有相當的不確定性,很難對業務的發展狀況做出準確預測。與保費收入增長緩慢的市場相比,我國保險市場正處于一個快速增長的時期,每年不斷增長的保費收入將能夠滿足當年保險給付的資金需求和營運費用的支出需求,而以各種準備金形式存在的保險資金需要尋求更加安全的增值空間,以應對未來集中給付的高峰。一個不穩定的市場產生的VaR信息將不能有效的反映公司面臨的風險。
二、VaR方法的完善與修正
應用VaR模型在實踐中有上述因素的影響,導致即使在置信區間內,偶發事件也會非常集中的發生,由此帶來的風險是致命的,極端情況的發生將給公司帶來巨大的損失。另外,VaR對交易頻繁,成交量大的金融產品風險測量比較準確,但對交易不活躍,成交量小的金融品種風險測度的準確性就差些。最后,我國金融證券市場受許多不確定因素的影響,市場的有效性不高。因此在應用此方法測量風險時,仍需結合其他一些定性定量方法,以保證測量風險更準確、更有效。這就需要對VaR方法做進一步的完善和修正:
1.完善的數據庫體系
保險經營中的各類風險數據、損失數據是保險經營的數理基礎,從相當程度上也可以說,風險數據、損失數據是保險經營的保險資源。在具體運用風險價值方法時,我們不僅需要獲得各個風險的數據,也需要總的風險數據。
總的風險需要協方差距陣來整合,協方差距陣需要長期觀察統計才能得出。但目前我國無法得到該數據,可以用其他國家的數據然后根據中國的實際進行調整。保險經營依據這些保險資源從事保險展業,通過展業擴充豐富這類資源以提高保險經營水平和展業范圍。而我國的壽險公司即使是一些大型公司也缺乏完善的數據庫.更為重要的是,我們利用各種可能的方法和技術對數據進行有效的數據分析,得出科學和可靠的結論.最后,壽險公司不僅要建立自己公司的數據庫,還要注意運用其它公司的數據和保險行業協會的數據,這對一些小型公司和開發新業務的公司尤為重要.
市場持續在變化,導致使用歷史資料所估算出的風險無法反映最新的市場狀況。這個缺點也是所有采用歷史資料方法所共有的缺點。解決的方法所起來簡單,就是定期更新模型?？墒且龅竭@一點,就必須設置專門的機構或部門來負責,需要人力和財務上的支持。
2.加強補充壓力測試和情景分析
為了彌補VaR對非正常情況下風險衡量的不足,應當加強壓力測試和情景分析的補充,還必須注意采用返回檢驗,來檢驗模型的有效性。壓力測試和情景分析有許多相似之處,都是對未來的極端情況(往往是不利的情況)做出主觀上的想象,然后將金融機構或資產組合置于這一設想環境中來考察它的表現。只是壓力測試是針對市場中的一個或相關一組變量,如假定利率驟升100個點或股價暴跌20%,在短期內的變化進行假設分析,研究和衡量的是這組市場變量異常變化給投資組合帶來的風險。情景分析是從更廣泛的視野更長遠的時間范圍來考察金融機構或投資組合的風險問題。所謂返回檢驗即是將實際的數據輸入到VaR模型中去,然后比較該模型的預測值與顯示結果是否相同的過程,以此來檢驗VaR模型的有效性,并做出適當的模型修正。
除此以外,還需在管理和制度建設方面的進一步完善,改進法人治理結構,建立適合自身的風險管理體系和完善的風險管理報告體系,通過這些,將進一步增強VaR的有效性、適用性,擴展其在壽險領域的應用。
參考文獻:
[1]皮埃特羅•潘澤:用VaR度量市場風險[M].機械工業出版社,2001
[2]王春峰:金融市場風險管理[M].天津大學出版社,2001
[3]盧仿先 曾慶五:壽險精算數學[M].南開大學出版社,2001
[4]魏巧芹:保險企業的風險管理[M].上海財經大學出版社2002
[5]林 源 林 霄:V aR方法及其在我國保險業風險管理中的應用[J].中國保險管理干部學院學報,2002(5)
作者：高萬杰