VaR方法在我国证券市场风险管理中的实证研究

发布时间：2020-08-04 15:55

【摘要】： VaR方法是一种衡量和管理金融市场风险的方法。这种方法将当前头寸的组合风险和资产相关性结合起来考虑,能够用一个数字有效地量化金融市场风险,简单易懂。现在,包括巴塞尔银行监管委员会、美国联邦储备银行、美国证券交易委员会和欧盟银行监管部门在内的世界范围的金融监管机构都将VaR方法作为基准的风险衡量与管理方法。同时,在世界金融市场上,那些涉及大量金融风险来源的金融机构和投资者也大都采用VaR方法作为自身风险管理系统的核心。本文第一章引言部分首先介绍了VaR产生的背景。在日益进步的金融市场中,风险管理也变得越来越重要。最初的两种方法——波动性方法和灵敏度方法问题较多,已经不能满足当前的需要,由此就产生了一种全面测量复杂的证券组合的金融市场风险的方法,它就是VaR方法。而后简要介绍了一下VaR的国内外研究动态,并指出我国应加强应用实证分析的研究。最后指出了研究VaR的意义。采用VaR方法能大大提高我国金融机构自身抵御外来风险的水平,同时还有利于我国金融监管部门的监管控制。第二章详细介绍了VaR方法的基本原理和几种典型算法。第一节,介绍了VaR的定义和参数选择。VaR指在正常市场条件和给定的置信水平上,在给定的持有期间内,某一投资组合可能发生的最大的损失。由VaR的定义可知,资产组合的持有期和置信水平是VaR的两个重要的参数。对于不同的持有期或者置信水平将会得到不同的VaR。所以,这两个参数在VaR的计算及应用中都起着重要的作用。第二节简要讲解了下VaR计算的基本原理,具体有一般分布下的VaR计算和正态分布下的VaR计算。第三节是本章的重要部分,主要内容是VaR计算的具体方法以及各种方法的优缺点。历史模拟法是通过某金融资产或组合的市场因子的历史价格模拟其未来可能的价格水平,从而来计算该资产或组合的VaR的方法；参数法,也叫方差—协方差法。这种方法利用证券组合的价值函数与风险因子间的近似关系、风险因子的统计分布(方差—协方差)简化VaR的计算,根据不同的假设,参数法又有组合正态模型、Risk Metrics方法和GARCH方法等等方法；Monte Carlo模拟法,也称为随机模拟法,其基本思想是反复模拟决定金融估计价格的随机过程,每次模拟都可以得到组合在持有期末的一个可能值,如果进行大量的模拟,那么组合价值的模拟分布将收敛于组合的真实分布。紧接着,第三章阐述了VaR模型的事后检验。我们知道VaR模型是一种利用历史数据、一定的统计参数和分布建立起来的统计预测模型,其对未来风险状况的预测是否准确有效是需要检验的。比如一个监管者每天都要收到VaR风险报告,他怎样确定预测值是否存在系统误差?如果存在误差,那么误差有多大呢?由于VaR值总是在某一置信水平下给出,所以允许出现超出该水平的情况。比如我们设定的是95%的置信水平,如果我们观测到6-8%的偏离,有可能是由于运气不好,但如果这种偏离过大,比如达到10-20%时,就应当意识到这时问题不在运气而在模型本身了。VaR值作为统计估计值,其准确程度受到“估计误差”的影响,尤其是在样本容量有限的时候,这个问题尤为严重。所以必须对VaR模型的准确性进行检验,这关系着整个VaR方法的推广与应用。事后检验方法,也称之为“返回检查”,是最为常用的一种检验方法。事后检验的方法主要有两种：正态性检验和准确性检验。其中准确性检验又分为失败频率检验法、超额损失大小检验法、方差检验法和概率预测法四种具体方法。第四章是本文的主体部分。这一章是实证研究。首先分析了我国证券市场的特征。我国的证券市场正处于“新兴加转轨”的阶段性特征下,又背负着“国民经济晴雨表”的功能和“抓大”的任务,与一般的西方成熟市场有着较大的区别。近20年的曲折经历表明,政策市、震荡市、过渡市依然是中国证券市场的主要特征。随后考虑到涨跌停板制度发布的时间、证券法施行的时间、股权分置改革的推行时间以及计算的方便,选取上证指数自2005年11月24日至2007年12月28日共计510个每日收盘数据进行实证分析。并对其做相应的处理,主要是计算上证指数每个交易日的对数收益率,且简要分析了一下上证指数日对数收益率。然后就是计算VaR三种具体方法的实证。(1)历史模拟法的VaR实证。实证的结果是：在置信度为95%和99%的情况下,接受该模型;在置信度为90%的情况下,拒绝该模型。并由此总结出历史模拟法的优缺点。优点主要表现在：计算相对简单；不需要估计波动性等参数,规避了计算参数产生的风险；不需要建立模型,规避了模型风险。缺点表现在：用历史数据模拟未来,造成预测的不精确；假设市场因子变化与历史相同,服从独立同分布,且密度函数不随时间而变化,这些前提假设与实际不符。(2)Monte Carlo模拟法的VaR实证。从实证结果中可以看出Monte Carlo模拟过程在各个置信水平都不准确,低估了真实的风险,不能有效的进行风险度量。之所以有如此大的误差,主要有三点原因：a、我国证券市场下的价格变动并不符合几何布朗运动；b、参数μ1和σ1是由历史数据计算得到的；c、模拟次数为255次,相对较少。(3)参数法的VaR实证。实证结果表明参数法在置信水平为99%时极不准确,低估了真实的风险,不能有效的进行风险度量。造成误差的原因有三点：：a、我国证券市场下的价格变动并不符合几何布朗运动；b、参数q是由历史数据计算得到的；c、模拟次数为255次,相对较少。从以上实证的结果来看,在我国证券市场的特征下,基于历史模拟法和参数法模型的参数法误差较小,对上证指数的VaR计算上表现尚可,但并不十分准确,分别表现在历史模拟法对低置信水平估计的误差和参数法对高置信水平估计的误差。其中,参数法之所以会有偏差,是因为很难找到合适的参数及模型。Monte Carlo模拟法是三种方法中误差最大的,在各个置信水平下都产生了较大的误差。最后,在第五章,对全文做了一个简要的总结。VaR方法作为风险测量的重要技术,它的完善和运用是提高我国证券市场现阶段风险管理能力的一个重要方面。然而VaR方法本身还存在着众多不完善之处,该方法对模型参数的统一规定,如置信度、持有期等,仍存在一些武断性和不合理性,此外VaR方法在我国证券市场上的运用受到众多条件的约束,本文所述的三种主流方法都有其自身的缺陷,且未来市场风险因子的变动是难以预期的,现有的计量模型对未来变动中的证券市场风险能否准确预测也存在着很大的不确定性。因此,如何构建一个可以不受市场条件变化影响而精确度量风险的VaR模型需要进一步的深入研究和探讨。此外,如文中多处所述,政策风险对证券市场的影响不可小视。因此,除了技术的计量手段外,对我国证券市场风险的测量管理及防范还要重点关注和把握政策引发的系统性风险。本文的目的只是想就VaR方法在我国证券市场中的应用起一个抛砖引玉的作用,所以整个分析和探讨未免显得过于理论和简化,而且由于经验和时间的限制,在实证分析中的计算方法和技巧上可能都欠周全和缜密,但是任何一个理论能较好地应用于实践中,都需要经历一段时间的摸索。
【学位授予单位】：西南财经大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F224;F832.51
【图文】：

对数收益率,上证指数,统计量,随机过程

4.VaR在我国证券市场的实证研究从图4一1中可以观察到上证指数日对数收益率在O附近频繁波动，虽然有某几个时期波动较大，以随机过程的观点看，我们仍可以认为R，属于一个随机过程，具体点就是属于随机序列。又R，在0处上下波动，因此我们可以初步假定R，是一个平稳的时间序列。接着

正态分布,对数收益率,上证指数,历史模拟法

图4--3上证指数日对数收益率R，的个。图从图4一可以看出其Q一Q图不是一条直线，所以可以认为日对数收益足正态分布。基于历史模拟法的vaR计算实证.1历史模拟法的vaR实证历史模拟法的、、R是根据历史的数据信息计算的。在本部分实证中，取m二255天作为历史模拟法的窗口区。首先，假定当前时间为2006年12月12日，记为t。，为了得到下一个(2006年12月13日)的vaR值，需要对t。时刻的前255个交易日()的历史收益率进行从大到小的升序排列。

实际收益率,实证研究

c}li时丫吸与当日实际收益率比较

【相似文献】