葉　金，谷秀娟

(1.民生銀行 鄭州心怡路支行,河南 鄭州 450004;2.河南工業(yè)大學(xué) 經(jīng)濟(jì)貿(mào)易學(xué)院,河南 鄭州 450001 )

?

VaR模型及其在創(chuàng)業(yè)投資風(fēng)險(xiǎn)管理中的應(yīng)用
——基于創(chuàng)業(yè)板指數(shù)的實(shí)證研究

葉金1，谷秀娟2

(1.民生銀行 鄭州心怡路支行,河南 鄭州 450004;2.河南工業(yè)大學(xué) 經(jīng)濟(jì)貿(mào)易學(xué)院,河南 鄭州 450001 )

摘要：創(chuàng)業(yè)投資運(yùn)作過程中面臨的風(fēng)險(xiǎn)問題要求其對(duì)風(fēng)險(xiǎn)進(jìn)行測量與評(píng)估。選取2014年1月1日至2014年12月31日我國創(chuàng)業(yè)板指數(shù)日收益率和股票收盤價(jià)格作為樣本,對(duì)其進(jìn)行實(shí)證研究，建立VaR模型來測量其風(fēng)險(xiǎn)。實(shí)證結(jié)果表明：目前我國高新技術(shù)企業(yè)和中小企業(yè)的股票價(jià)格波動(dòng)較大，風(fēng)險(xiǎn)較高，創(chuàng)業(yè)投資機(jī)構(gòu)面臨的風(fēng)險(xiǎn)比較高。只有反復(fù)和分階段地去評(píng)價(jià)投資對(duì)象，在投資過程中采取組合投資、投資后監(jiān)管和增值管理等，才能分散和控制風(fēng)險(xiǎn)。

關(guān)鍵詞：創(chuàng)業(yè)投資; VaR模型; 風(fēng)險(xiǎn)控制

0引言

隨著我國金融開放程度的逐步放寬，創(chuàng)業(yè)投資機(jī)構(gòu)的發(fā)展步伐也不斷加快，金融市場日趨多元化。創(chuàng)新型和高新技術(shù)企業(yè)的股票市場價(jià)格波動(dòng)也變得更加頻繁，波動(dòng)幅度不斷加大，創(chuàng)業(yè)投資的穩(wěn)健經(jīng)營進(jìn)一步面臨風(fēng)險(xiǎn)的挑戰(zhàn)。

對(duì)于創(chuàng)業(yè)投資來講，最重要的是如何運(yùn)用一套科學(xué)的評(píng)估方法去選擇投資項(xiàng)目；它的評(píng)估方法與傳統(tǒng)的商業(yè)銀行對(duì)貨款的評(píng)估有著較大的不同。經(jīng)過很多年的發(fā)展，傳統(tǒng)項(xiàng)目的評(píng)估具備了一套較完善的評(píng)價(jià)指標(biāo)和方法，創(chuàng)業(yè)投資的項(xiàng)目評(píng)估由于起步較晚，且創(chuàng)業(yè)投資項(xiàng)目大多是尚未開發(fā)的高新科技領(lǐng)域，項(xiàng)目是即將成立的新興公司，沒有過去的經(jīng)營業(yè)績可供參考；即使是經(jīng)營了較長時(shí)間的公司，其技術(shù)具有獨(dú)創(chuàng)性和新穎性，也沒有同類技術(shù)的公司與之相比較。時(shí)至今日還未形成一套統(tǒng)一的項(xiàng)目評(píng)估方法。每個(gè)創(chuàng)業(yè)投資公司都有各自的方法，雖然這些方法各有所長，但也有待規(guī)范。因而，創(chuàng)業(yè)投資需要一種較為成熟的測量風(fēng)險(xiǎn)的方法去防控風(fēng)險(xiǎn)。

本文較為全面地分析了VaR模型的優(yōu)缺點(diǎn)，認(rèn)為VaR法可以在測度范圍、測度工具和測度精度等方面都具有較好的優(yōu)勢，準(zhǔn)確地計(jì)量創(chuàng)業(yè)投資的風(fēng)險(xiǎn)價(jià)值，對(duì)我國創(chuàng)業(yè)投資風(fēng)險(xiǎn)管理具有良好的現(xiàn)實(shí)意義。

1文獻(xiàn)綜述

Risk Metrics風(fēng)險(xiǎn)控制模型將VaR (Value at Risk)方法作為度量市場風(fēng)險(xiǎn)的主流方法，逐漸被眾多金融機(jī)構(gòu)所采用。Dimitrakopou-losI(2012)利用VaR模型將新興的市場和發(fā)達(dá)的市場之間的股票投資進(jìn)行組合投資，進(jìn)一步研究了投資組合以及風(fēng)險(xiǎn)的量化問題，并在國際上推廣。[1]He、Lai等(2011)利用模型對(duì)原油市場波動(dòng)性進(jìn)行了相關(guān)探索研究，結(jié)果表明：時(shí)域和頻域的準(zhǔn)確性，對(duì)于估計(jì)價(jià)格的穩(wěn)定和波動(dòng)性具有現(xiàn)實(shí)意義，同時(shí)，多樣化的投資組合可以降低組合的風(fēng)險(xiǎn)。[3]Stavroyiannis(2011)通過VaR模型研究了富時(shí)指數(shù)，道瓊斯工業(yè)平均指數(shù)，納斯達(dá)克綜合指數(shù)的歷史風(fēng)險(xiǎn)值。[1]Hung等(2006)在尋求套期保值策略時(shí)，區(qū)分上方收益和下方損失，率先進(jìn)行VaR框架下的套期保值比率研究，但這種套期保值策略是靜態(tài)的，而大多數(shù)最小方差套期保值比率研究顯示，靜態(tài)策略不如動(dòng)態(tài)策略有效。[4]楊楊和徐文彬(2013)選取101組上證綜合指數(shù)等數(shù)據(jù)，用歷史模擬法、方差-協(xié)方差法和蒙特卡羅模擬法，對(duì)風(fēng)險(xiǎn)價(jià)值進(jìn)行估算。用三種方法估算的VaR值表明:在樣本數(shù)據(jù)服從正態(tài)分布的條件下，三種計(jì)算方法均能得出可靠的風(fēng)險(xiǎn)值，且運(yùn)用風(fēng)險(xiǎn)值所做的預(yù)測能夠較好地?cái)M合實(shí)際值。[5]李汶華等(2013)運(yùn)用區(qū)間分析股票投資組合的VaR計(jì)算，研究區(qū)間分析在VaR計(jì)算方法中的應(yīng)用，給出基于區(qū)間分析估計(jì)分布函數(shù)的計(jì)算步驟，將區(qū)間分析運(yùn)用到VaR的計(jì)算中，以兩只股票的投資組合為例得出收益率的累計(jì)概率分布，從中得到某一置信度下的VaR值，最后與蒙特卡洛模擬方法做了比較研究。研究表明，基于區(qū)間分析的VaR計(jì)算方法的運(yùn)算精度和計(jì)算速度明顯優(yōu)于蒙特卡洛模擬方法。[6]楊夫立(2012)基于GARCH模型，研究了對(duì)數(shù)收益率時(shí)間序列在正態(tài)、t和廣義誤差。研究結(jié)果表明，基于GED分布的GARCH模型計(jì)算的VaR值最能真實(shí)地反映基金風(fēng)險(xiǎn)。[7]尉軼昊和毛宏(2011)通過建立期望效用-VaR模型，借助于Matlab和Monte Carlo模擬技術(shù)，深入探討和分析了以VaR作為風(fēng)險(xiǎn)測度標(biāo)準(zhǔn)及約束時(shí)，擁有不同風(fēng)險(xiǎn)偏好及初始財(cái)富值的投資者在進(jìn)行投資決策時(shí)對(duì)最優(yōu)投資組合的理性選擇，討論了在中國資本市場中運(yùn)用投資組合理論分散風(fēng)險(xiǎn)、穩(wěn)定收益的可行性。[8]王春紅等(2007)通過建立不同分布假設(shè)下GARCH族模型的VaR度量方法對(duì)銀行業(yè)的同業(yè)拆借市場的利率風(fēng)險(xiǎn)進(jìn)行了度量，采用Kupiec方法對(duì)模型進(jìn)行了檢驗(yàn)。研究表明，t分布并不完全適合銀行業(yè)間的同業(yè)拆借利率序列的分布情況，GED分布則能較好描繪出我國銀行間同業(yè)拆借利率序列的分布，而且同業(yè)拆借利率序列的杠桿效應(yīng)也并不是很明確。[9]

國內(nèi)外對(duì)VaR法的研究主要表現(xiàn)在：將VaR 用于創(chuàng)業(yè)投資的風(fēng)險(xiǎn)測量中的較少，VaR模型可以用來測量風(fēng)險(xiǎn)的大小，也可計(jì)算事前風(fēng)險(xiǎn)，不同于大多數(shù)風(fēng)險(xiǎn)管理方法在事后衡量風(fēng)險(xiǎn)大小，VaR法不僅可以測量單個(gè)金融工具的風(fēng)險(xiǎn)，還可用于測量投資組合風(fēng)險(xiǎn)。

2實(shí)證研究

2.1變量和樣本的相關(guān)檢驗(yàn)

創(chuàng)業(yè)投資企業(yè)投資過程中面臨的對(duì)象主要是中小企業(yè)和高新技術(shù)企業(yè)，因此樣本選取的是2014年1月1日至2014年12月31日的創(chuàng)業(yè)板指數(shù)中的股票收盤價(jià)格和日收益率，數(shù)據(jù)來源于銳思數(shù)據(jù)庫，計(jì)量經(jīng)濟(jì)學(xué)軟件運(yùn)用的是eviews6.0版本，選取創(chuàng)業(yè)板指數(shù)作為樣本分析股票收益率的波動(dòng)性和面臨的風(fēng)險(xiǎn)具有較好的分析意義。

表1　樣本變量ADF檢驗(yàn)

根據(jù)ADF檢驗(yàn)結(jié)果得出，t統(tǒng)計(jì)量為-9.955788，小于在1%、5%、10%顯著性水平下的臨界值，因此可以拒絕原假設(shè)時(shí)間序列存在不平穩(wěn)的單位根，可確定為平穩(wěn)的時(shí)間序列，創(chuàng)業(yè)板指數(shù)日對(duì)數(shù)收益率符合平穩(wěn)性假設(shè)。正態(tài)性變量的假設(shè)是否正確，將對(duì)分析結(jié)果的可靠性造成重要的影響，可利用Q-Q圖檢驗(yàn)法或者偏鋒度檢驗(yàn)法等進(jìn)行檢驗(yàn)。

2.2Q-Q圖檢驗(yàn)

我們使用Q-Q圖檢驗(yàn)可以直觀地看出收益率序列的實(shí)際分布與正態(tài)分布的離散度，當(dāng)散點(diǎn)的分布和分布的正態(tài)直線相互接近時(shí)，收益率序列符合正態(tài)分布(見圖1)。

從圖1中可以看出，創(chuàng)業(yè)板指數(shù)收益率序列的分布并不完全與正態(tài)分布相互接近，而且出現(xiàn)了向后尾以及左偏的現(xiàn)象，因此收益率不符合正態(tài)分布。

圖1　創(chuàng)業(yè)板指數(shù)日對(duì)數(shù)收益率正態(tài)　分布Q-Q圖檢驗(yàn)

2.3偏鋒度檢驗(yàn)

偏鋒度的檢驗(yàn)也是檢驗(yàn)正態(tài)分布的步驟之一，通過變量分布的統(tǒng)計(jì)量以及直方圖、偏度和峰值來檢測是否符合正態(tài)性分布。通常情況下，正態(tài)分布的偏度(skewness)為0，峰度(kurtosis)為3(見圖2)。

如圖2所示，偏度值為-0.650342，小于0則為負(fù)偏，左尾偏長，右側(cè)分布較為集中，所以收益的可能大于損失；峰值為3.833182大于3為尖峰，證明在極端的事件下的收益率較遠(yuǎn)偏離均值，促使收益分布出現(xiàn)“厚尾”現(xiàn)象。除此之外，JB的統(tǒng)計(jì)量為10.53805，相伴概率接近為0，拒絕收益率服從分布正態(tài)。綜上所述，創(chuàng)業(yè)板收益率序列指數(shù)并不服從正態(tài)分布，顯示出非對(duì)稱的尖峰厚尾的情況，因此需要我們進(jìn)一步尋找其他合適的分布擬合實(shí)際數(shù)據(jù)。

2.4自相關(guān)性檢驗(yàn)

圖2　創(chuàng)業(yè)板指數(shù)日對(duì)數(shù)收益直方圖

在時(shí)間序列的數(shù)據(jù)處理過程中，需要對(duì)自相關(guān)性進(jìn)行檢測。根據(jù)序列的自相關(guān)系數(shù)(AC)和偏自相關(guān)系數(shù)(PAC)來測定，確定回歸項(xiàng)(AR)和移動(dòng)平均項(xiàng)(MA)的階數(shù)，計(jì)算出均值方程(見圖3)。

根據(jù)圖3所示，收益率的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)接近0，且Q值統(tǒng)計(jì)量小于一定水平下的臨界值，明顯大于相應(yīng)的顯著水平，證明模型無法拒絕自相關(guān)性不存在的原假設(shè)，創(chuàng)業(yè)板指數(shù)的收益率對(duì)數(shù)序列是隨機(jī)的，不存在自相關(guān)性。得出中小板指數(shù)收益序列的均值方程:

圖3　創(chuàng)業(yè)板指數(shù)日對(duì)數(shù)收益率自相關(guān)圖

①

其中，Rt為對(duì)數(shù)收益率均值，Ut為模型的隨機(jī)誤差項(xiàng)。

2.5異方差性檢驗(yàn)

計(jì)量經(jīng)濟(jì)學(xué)中，隨機(jī)誤差項(xiàng)是服從方差，而針對(duì)股價(jià)和收益率、通貨膨脹率和匯率的時(shí)間序列預(yù)測研究發(fā)現(xiàn)，不同時(shí)期這些變量會(huì)有不同的變化，預(yù)測會(huì)變得更加的精確，同時(shí)具有聚集、突發(fā)和時(shí)變性。這種變化是由于受到國際資金流動(dòng)、政府財(cái)政與貨幣政策以及投資者心理預(yù)期多種影響。由此可見，某一固定的常數(shù)不一定符合隨機(jī)誤差項(xiàng)的條件方差，隨著時(shí)間的變化，對(duì)于時(shí)間序列的異方差性，可以采用ARCH-LM檢驗(yàn)以及殘差平方圖來檢驗(yàn)。對(duì)①式的殘差做出分布圖(見圖4)。

從圖4可以看出，均值方程的殘差的波動(dòng)呈現(xiàn)出“成群”現(xiàn)象，在一些分隔的時(shí)間段內(nèi)波動(dòng)較小，如橫軸刻度之間的振幅為±0.03;而在另一些時(shí)期里波動(dòng)較大，橫軸上振幅達(dá)到甚并超過±0.05，這說明隨機(jī)誤差項(xiàng)具有異方差性。

圖4　創(chuàng)業(yè)板指數(shù)日對(duì)數(shù)收益率序列殘差分布圖

2.6對(duì)殘差平方的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)檢驗(yàn)

從圖5自相關(guān)系數(shù)和偏相關(guān)系數(shù)的檢驗(yàn)可以看出:除了一階滯后期不存在ARCH效應(yīng)，其他滯后期系數(shù)都不是0，且Q統(tǒng)計(jì)量顯著，伴隨概率小，所以得出結(jié)論:原均值方程的殘差序列存在著較為突出的ARCH效應(yīng)，即具有條件異方差性。

3模型建立和實(shí)證分析

通過檢驗(yàn)后，可以采用歷史模擬法和方差-協(xié)方差法來估計(jì)VaR值。歷史模擬法按照歷史的數(shù)據(jù)得到歷史收益率的分布，再依照置信水平得到VaR的估計(jì)值；協(xié)方差法則需要先估計(jì)時(shí)間序列的波動(dòng)率，即條件標(biāo)準(zhǔn)差，再利用公式VaRt=Wt-1?cσt 來計(jì)算VaR值其中Wt-1是t-1期創(chuàng)業(yè)投資企業(yè)持有的隔夜拆解頭寸，?c是相應(yīng)假設(shè)分布顯著性水平為c的分位數(shù)，本文假定每日的隔夜拆借頭寸都為1，則VaRt=?cσt。為了計(jì)算VaR值，需要?jiǎng)討B(tài)地計(jì)算每天承擔(dān)的市場風(fēng)險(xiǎn)。表2中顯示了VaR模型估計(jì)每日動(dòng)態(tài)VaR值與收益率序列的比較。而歷史模擬法、Delta-正態(tài)法、指數(shù)加權(quán)法等對(duì)收益率波動(dòng)反應(yīng)比較遲鈍；另外，模型能很好地覆蓋收益率波動(dòng)風(fēng)險(xiǎn)。收益率序列某些時(shí)點(diǎn)突破了當(dāng)日動(dòng)態(tài)VaR值，這些突破點(diǎn)稱為例外值點(diǎn)，動(dòng)態(tài)VaR值小于日收益率損失的點(diǎn)稱為例外值點(diǎn)，因此統(tǒng)計(jì)了 90%、95%、99%置信水平下，各模型的實(shí)際例外值個(gè)數(shù)。

從表2中可以看出，95%和90%的置信水平下，估計(jì)的理論突破次數(shù)都大于實(shí)際突破次數(shù)，說明模型中存在高估利潤的情況；在99%的置信水平下，估計(jì)理論突破次數(shù)大于實(shí)際突破次數(shù)。利用實(shí)際以及理論突破次數(shù)比較，只可以大致估計(jì)模型的結(jié)果，至于相差多大，如何分布例外值點(diǎn)才是重要的，再判斷VaR模型的有效性。

圖5　收益率序列殘差平方相關(guān)圖

VaR模型90%的置信水平95%的置信水平99%的置信水平理論突破/次數(shù)實(shí)際突破/次數(shù)理論突破/次數(shù)實(shí)際突破/次數(shù)理論突破/次數(shù)實(shí)際突破/次數(shù)理論突破/次數(shù)實(shí)際突破/次數(shù)統(tǒng)一理論模型301515832DELTA-N模型30915635GARCH-N模型301515632GARCH-M-N模型301515634EGARCH-N模型301515632TARCH-N模型301415633PARCH-N模型30815633GARCH-GED模型30615633EGARCH-GED模型30615933TARCH-GED模型306151133PARCH-GED30615932

表3　Kupiec檢驗(yàn)結(jié)果

注：HS 表示歷史模擬法；*、**和***分別表示在 10%、5%和 1%的顯著性水平下拒絕原模型。

從表3可以看出，各置信水平下的動(dòng)態(tài)VaR檢驗(yàn)結(jié)果不一致，在 90%置信水平下，模型都未通過Kupiec檢驗(yàn)，說明未考慮時(shí)間序列的波動(dòng)，造成估計(jì)的精確度不高。在99%置信水平下，都通過了檢驗(yàn)，表明各模型準(zhǔn)確性較高，獨(dú)立性較好。在95%置信水平下，一部分可以通過檢驗(yàn)，其中EGARCH-GED和PARCH-GED在 5%的顯著性水平下通過檢驗(yàn)，HS、EWMA和TARCH-GED在 1%的顯著性水平下通過檢驗(yàn)，其余的模型都未通過混合Kupiec檢驗(yàn)。進(jìn)一步說明，在 90%置信水平下，EGARCH-N模型的MIXLR 檢驗(yàn)值小于另外兩者的MIXLR 檢驗(yàn)值，表明 EGARCH-N模型突破事件分布相對(duì)均勻些，同樣 HS、EGARCH-GED 和 PARCH-GED，說明這三個(gè)模型突破事件的分布特征不一樣。在 95%置信水平下，從MIXLR檢驗(yàn)值來看，EGARCH-GED和PARCH-GED模型要優(yōu)于TARCH-GED模型，原因是EGARCH-GED和PARCH-GED模型突破事件分布比TARCH-GED模型更加均勻。在 99%置信水平下，PARCH-N突破事件的分布沒有EWMA 和DELTA-N突破事件分布均勻。接下來將要對(duì)各置信水平下動(dòng)態(tài)VaR值進(jìn)行Kupiec-POF檢驗(yàn)，結(jié)果顯示如表4。

表4　動(dòng)態(tài)VaR值Kupiec-POF 檢驗(yàn)結(jié)果

注：HS表示歷史模擬法；*、**和***分別表示在10%、5%和1%的顯著性水平下拒絕原模型。

從表4可以看出，在90%置信水平下， VaR模型都未通過Kupiec-POF檢驗(yàn)，說明模型準(zhǔn)確性不高， VaR模型都存在高估風(fēng)險(xiǎn)的傾向；在99%置信水平下，VaR模型都通過了檢驗(yàn)，表明準(zhǔn)確性較高；在 95%置信水平下，一部分VaR模型通過了檢驗(yàn)，有些VaR模型估計(jì)準(zhǔn)確性高，有些模型估計(jì)準(zhǔn)確性低，觀察各模型發(fā)現(xiàn)各模型都有高估利率風(fēng)險(xiǎn)的傾向。進(jìn)一步分析發(fā)現(xiàn)：在 95%置信水平下，TARCH-GED在 10%顯著性水平下通過Kupiec-POF檢驗(yàn)，而僅僅在1%顯著性水平通過混合Kupiec檢驗(yàn)，由此表明TARCH-GED模型準(zhǔn)確性較高，但其混合Kupiec檢驗(yàn)結(jié)果沒有EGARCH-GED和 PARCH-GED檢驗(yàn)結(jié)果好。另外，EWMA模型沒有通過 Kupiec-POF檢驗(yàn)，但卻在1%顯著性水平下通過了混合Kupiec檢驗(yàn)，說明 EWMA 模型突破事件分布比較均勻。本文通過混合Kupiec檢驗(yàn)的模型進(jìn)行比較評(píng)價(jià)，在95%置信水平下通過VaR檢驗(yàn)的模型有：HS、EWMA、EGARCH-GED、TARCH-GED和PARCH-GED 五個(gè)模型，現(xiàn)選取均值相對(duì)偏差和均方根相對(duì)偏差兩個(gè)指標(biāo)來比較評(píng)價(jià)這些模型。

表5　日動(dòng)態(tài)VaR值指標(biāo)統(tǒng)計(jì)量

表5統(tǒng)計(jì)量結(jié)果顯示：TARCH-GED模型極其接近平均水平，GED分布下的GARCH族模型的精確性也很高，歷史模擬法的估計(jì)效果比 EWMA 更為準(zhǔn)確。在90%置信水平下，都未能通過混合Kupiec檢驗(yàn)；在 99%置信水平下，所有模型都通過了混合Kupiec檢驗(yàn)。然后利用指標(biāo)評(píng)價(jià)工具對(duì)這些模型進(jìn)行比較評(píng)價(jià)，利用上述同樣的指標(biāo)來評(píng)價(jià)。結(jié)果顯示，在99%置信水平下，正態(tài)分布假設(shè)下的GARCH族模型精確性較高。

4結(jié)論和建議

本文用VaR模型研究了創(chuàng)業(yè)板指數(shù)的在險(xiǎn)價(jià)值，實(shí)證結(jié)果表明：在 99%的置信水平下，各模型估計(jì)風(fēng)險(xiǎn)較為準(zhǔn)確。在 95%的置信水平下，基于GED分布假設(shè)下的GARCH族模型VaR測量風(fēng)險(xiǎn)最精確；在 99%置信水平下，基于正態(tài)分布假設(shè)下的GARCH族模型VaR測量的準(zhǔn)確性較低于基于GED分布假設(shè)下 GARCH 族模型。在 95%的置信水平下，其中基于GED分布假設(shè)下的非對(duì)稱的 GARCH族模型準(zhǔn)確性高于對(duì)稱的GARCH模型，說明日收益率波動(dòng)存在非對(duì)稱效應(yīng)。通過分析EGARCH、TARCH和PARCH模型的估計(jì)參數(shù)發(fā)現(xiàn)，日收益率波動(dòng)存在反杠桿效應(yīng)，也就是收益率波動(dòng)的影響對(duì)股票市場影響較大。

由此可知，創(chuàng)業(yè)板指數(shù)中的高新技術(shù)企業(yè)的股票價(jià)格的波動(dòng)性相對(duì)較大，對(duì)于創(chuàng)業(yè)投資而言，投資過程中面臨較高的風(fēng)險(xiǎn)。整體而言，我國創(chuàng)業(yè)投資機(jī)構(gòu)波動(dòng)特征有別于其他金融市場，創(chuàng)業(yè)投資的過程中風(fēng)險(xiǎn)較大，具有一定的自相關(guān)性；高新技術(shù)企業(yè)的股票穩(wěn)定性增長對(duì)創(chuàng)業(yè)投資的影響更大，股票波動(dòng)較大對(duì)創(chuàng)業(yè)投資有巨大風(fēng)險(xiǎn)。

綜上所述，創(chuàng)業(yè)投資風(fēng)險(xiǎn)管理的力度還要繼續(xù)加強(qiáng)。第一，政府部門需要完善相關(guān)法律法規(guī)以適應(yīng)創(chuàng)投風(fēng)險(xiǎn)管理的客觀需要，能夠?yàn)榻鉀Q實(shí)質(zhì)性問題提供法律依據(jù)。第二，建立健全完善的創(chuàng)業(yè)投資基金退出機(jī)制，以提高資本的利用效率。第三，創(chuàng)業(yè)投資企業(yè)謹(jǐn)慎選擇和評(píng)估投資機(jī)會(huì)。投資項(xiàng)目之前，深入分析各種影響資本增值和推出的風(fēng)險(xiǎn)，制定相應(yīng)的風(fēng)險(xiǎn)管理與控制方案，把風(fēng)險(xiǎn)管理納入到實(shí)踐中去應(yīng)用。第四，加強(qiáng)對(duì)企業(yè)成長的跟蹤，企業(yè)的成長面臨的不確定性會(huì)逐漸變大，由于創(chuàng)業(yè)企業(yè)的管理團(tuán)隊(duì)和商務(wù)運(yùn)作模式的缺乏，更多地需要企業(yè)的積極介入，加強(qiáng)對(duì)企業(yè)的跟蹤管理，在合適的時(shí)機(jī)退出，加強(qiáng)對(duì)創(chuàng)業(yè)企業(yè)的監(jiān)督和風(fēng)險(xiǎn)規(guī)避，實(shí)現(xiàn)價(jià)值的增值。第五，投資后的管理階段是時(shí)間周期最長的階段，也是創(chuàng)業(yè)企業(yè)產(chǎn)生代理風(fēng)險(xiǎn)的關(guān)鍵階段，因此，創(chuàng)投企業(yè)在投資后應(yīng)對(duì)自己實(shí)施周期性的動(dòng)態(tài)評(píng)估，并利用分階段注資機(jī)制來控制被投企業(yè)的風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1]Dimitrakopou D N，Kavussanos M G，spyrou S I.Value at risk models for volatile emerging markets equity portfolios [J].The Quarterly Review of Economics and Finance,2010,50 (4) :515-526

[2]Stavroyiannis M V,Nikolaidis L Z.Econometric modeling and Value at Risk using the Pearson type-IV distribution[J].International Review of Financial Analysis.2012 (22):10-17

[3]He K L,Yen J.Value-at-risk estimation of crude oil price using MCA based transient risk modeling approach[J].Energy Economics.2011,33 (5) :903-911.

[4]Hung J C，Chiu C L，Lee M C.Hedging with zero-Value at Risk hedge ratio[J].Applied Financial Economics，2006(03)：259-269.

[5]楊楊,徐文彬.風(fēng)險(xiǎn)價(jià)值(VaR)計(jì)算方法的實(shí)證分析[J].北京信息科技大學(xué)學(xué)報(bào),2013(04) :83-87.

[6]李汶華,于珊珊,郭均鵬.基于區(qū)間分析的投資組合VaR計(jì)算新方法[J].數(shù)理統(tǒng)計(jì)與管理,2013(03) :564-570.

[7]楊夫立.基于GARCH模型的證券投資基金VaR計(jì)算與實(shí)證研究[J].經(jīng)濟(jì)問題,2012 (6): 87-91.

[8]尉軼昊,毛宏.基于VaR約束的最優(yōu)投資組合選擇[J].上海第二工業(yè)大學(xué)學(xué)報(bào),2011(12):298-306.

[9]王春紅,曹興華.VaR法在國債利率風(fēng)險(xiǎn)管理中的應(yīng)用[J].商業(yè)研究,2007(1)：147-149.

VAR MODEL AND ITS APPLICATION IN THE VENTURE

INVESTMENT RISK MANAGEMENT

——Empirical research based on the gem index

YE Jin1,GU xiu-juan2

(1.ZhengzhouXinyiRoadBranch,MinshengBank,Zhengzhou450004,China;

2.SchoolofEconomics&Trade，HenanUniversityofTechnology,Zhengzhou450001,China)

Abstract:There are many serious risks involving the operation of venture capital,hence,the need to measure and evaluate the risk of venture capital.In this paper,the VaR model is established,and the daily return rate and the stock closing price of the gem index from January 1,2014 to December 31,2014 are used as samples to conduct measurement and empirical study of the risk of venture capital.The empirical results show that the stock price fluctuation of China′s high-tech enterprises and small and medium-sized enterprises is bigger,and the risk is higher,therefore, the risk confronted by venture capital institutions is relatively high,and venture capital institutions have to conduct a repeated and phased assessment of investment object，take a portfolio investment in the process of investment and strengthen the supervision and management of investment to spread and control risk.

Key Words：venture capital;VaR model;risk management

中圖分類號(hào)：F830.593 X820.4

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1673-1751(2015)04-0082-06

作者簡介：葉金(1990-)，男，河南周口人，碩士研究生,研究方向：金融工程與風(fēng)險(xiǎn)管理

基金項(xiàng)目：2013年國家社會(huì)科學(xué)基金資助項(xiàng)目(13BJY085)。

收稿日期：2015-08-25