VaR模型下商业银行市场风险的度量.docx

稻壳儿网络大学 毕业设计（论文） 题 目 学院(部) 　 专 业 　 学生姓名 　 学 号 年级 指导教师 职称 　 年 月 日 VaR模型下商业银行市场风险的度量
　　一、研究背景 　　金融市场中各变量的变化或波动将导致未来资产组合收益存在不确定性，因而产生金融市场风险。在此定义中，金融市场中各变量指的是包含股票的价格、利率、衍生品价格等变量，这些变量同时也被称作市场风险因子。以上定义可以得出结论，金融市场风险基本上可以定义为金融资产价格风险。 　　而在金融市场中，银行业作为金融体系中十分重要的组成部分，同时也成为货币传导机制的重要一环，自然对商业银行的监管将成为金融风险管理研究的课题之一。首先，金融产品的多样化扩大了银行的收入来源，随着我国逐步推行利率市场化、各商业银行的中间业务尤其以表外业务为主的规模不断发展扩大，商业银行所面临的风险也随之扩大。其次，我国国内市场化进程不断深化、利率市场化程度不断加深，越来越开放的市场环境使得国内大多传统分业经营的界限日益模糊，商业银行走上混业经营成为银行业未来发展的必由之路。与此同时，众多金融衍生工具的诞生、银行业务的不断完善创新，都为商业银行创造了巨大的利润，也带来了不容忽视的金融风险。 　　如何在提升商业银行自身的市场竞争力的同时增强银行本身的抗风险能力，现成为众多商业银行经营管理的核心内容。 　　二、文献综述 　　（一）国外文献综述 　　1952 年哈里马克维茨在他的博士论文中开创性的提出了一种关于资产组合选择的方法，马克维茨提出基于投资组合中的两个基本参数，理性投资者会以此做出合适的资产组合的选择，这两个参数即预期收益和风险，这就是现代风险管理理论发展的基础。至 1960 年前后，威廉夏普与林特纳提出了资本资产定价模型（CAPM），资本资产定价模型推进了风险管理的研究进程，它基于马克维茨的理论将单个资产分为两部分即是否能被分散化的风险。1995 年，巴塞尔委员会提出 VaR 必须成为商业银行资本充足性评判依据的要求，并在声明之后对 VaR 模型是否适用于商业银行风险管理的分析做了详细的介绍。在 1995 年末美国证交委员会提出上市公司需定期披露自身信息并将 VaR 作为报告期的重要衡量指标的建议后，研究者们及银行家们对 VaR 模型的使用日益重视，且模型在金融业的适用范围日益扩大。 　　进入 21 世纪后，研究者们对VaR 模型进行更深入和扩展的研究2004 年，罗伯特首次基于 VaR 提出了条件 VaR 模型（CAVaR），在此模型中模型参数来自于分位数回归，这也是条件自回归模型的首次亮相。2010 年，罗伯特又对三类基本方法，即 Delta 正态法、历史模拟法、蒙特卡罗模拟法的优缺点进行了比较分析。 　　（二）国内文献综述 　　2006 年，梁志森指出在我国商业银行的市场风险管理上，VaR 的应用虽具有一定的局限性，但在一定程度上是可以克服的，即表明 VaR 在中国银行业风险管理领域同外国一样具有相当的适用性。2007 年，何飞平对 VaR 模型的随机波动进行了讨论，并对此情况下的 VaR 值进行实证分析，结果显示随机波动模型下的VaR 值更具准确、动态性。随后在2008 年，牛茜指出使用 VaR 模型来计量市场风险与风险管理是我国商业银行未来的可行之路，但我国银行在使用模型时仍然存在数据缺失与后尾分布现象。2012 年，刘静，高翔就当下我国银行业中存在的普遍现象和问题，针对性的提出风险管理审计在我国商业银行业中实施的必要性，并深入探索研究更符合我国商业银行经营状况的风管审计新体系。 　　三、商业银行市场风险的度量 　　（一）度量方法介绍 VaR介绍 　　1、VaR 的定义 　　所谓 VaR，简单来说就是指在正常情况与给定的置信水平下，资产、投资组合在未来一段时间内将会遭受的最大可能损失。可以表示为：Prob（△P＜-VaR）=1-c其 中 ，Prob 表示概率密度 ；△P=P（ｔ+△t）-P（ｔ），表示组合在未来持有期即△t 内的损失；c 即为给定置信水平；VaR 表示在给定置信水平 c 下资产组合的风险价值。 　　2、VaR 的基本特点及参数基本特点： 　　（1）基本公式仅能准确计算正常波动状态下的市场风险而非极端情况；（2）VaR 具有可比性；（3）VaR 值越大说明风险投资组合面临的风险越大，反之则越小；（4）正常情况下，时间跨度越短，收益率越贴合正态分布；（5）VaR 值的基本参数为置信度和收益率。 　　基本参数： 　　（1）持有期 　　持有期是指计算在某段时间内持有资产的最大损失值，即 VaR 的时间范围。一般在计算持有期时需考虑流动性、正态性、数据约束及头寸调整这四个方面。并且在一般情况下，其他因素保持不变，流动性越大，持有期越短，资产组合面临的风险越小。 　　（2）置信度 　　置信度是指资产组合的实际损失低于事先估计 VaR 值的可信度。 　　置信度的选择需考虑历史数据的可得性与充分性，并且对于同一个资产组合，在不同置信度下得出的 VaR值也不尽相同。因此，选择恰当的置信区间对计算 VaR 模型十分重要。 　　（二）VaR 模型对我国商业银行市场风险的实证分析 　　1、样本区间的选择 　　上海银行间同业拆借利率（SHIBOR）是我国银行间利率市场化最具有代表性的数据且具有很高的市场化程度，因此实证分析选取此数据作为模拟变量。本文选取 2012 年1 月 4 日至 2014 年 6 月 17 日之间的上海银行间同业拆借利率（SHI-BOR）作为样本，同时考虑到市场交易量以及利率对市场变动反应的灵敏程度，选择其中的隔夜加权利率作为观测对象，选择样本容量为 608，样本数据的持有期为一天，即△t=l。 　　文中数据均来源于上海银行间同业拆借利率网站，应用 Eviews6.0 软件对数据进行分析处理。 　　2、样本数据分析 　　（1）ADF 检验用单位根的方法对时间序列的平稳性进行检验，平稳性检验结果如表 1：由检验结果可知：在三个显著性水平下，单位根存在的零假设均被拒绝，即表明了 SHIBOR 对数日收益率序列是平稳的。 　　（2）VaR 检验由表 2 可得滞后阶数为 3 阶，接下来，通过检验单位根来考察模型的稳定性，见图 1：由图 1 可见，所有的特征根都落在单位圆内，即都小于 1，表明该VAR 模型的结构稳定，因此可以对其进行格兰杰因果关系检验、脉冲响应函数分析和方差分解。 　　（3）格兰杰因果关系检验为了能进一步确定变量之间的相互关系，下面进行格兰杰因果关系检验，结果如表 3：由表 3 可得以下结论：（1）隔夜 SHIBOR 与一个月 SHI-BOR互为格兰杰因果关系；（2）在 95%置信度下，隔夜 SHI-BOR 利率和一个月 SHＶIBOR 利率与上证指