帥勝

【摘要】滬深300股指期貨作為我國第一個金融期貨，以我國資本市場現(xiàn)狀而言，其風險對沖作用在股票市場上有著不可替代的地位。本文通過估測無風險利率，在市場上獲取股息率和以蒙特卡羅方法預測標的指數(shù)——這些構成股指期貨價格的重要參數(shù)，使用VaR模型對IF1703期貨合約進行市場風險分析，從定量分析角度探究了股指期貨市場風險。

【關鍵詞】滬深300股指期貨 定量分析 市場風險評估與管理

我國滬深300股票指數(shù)期貨合約（IF）開辟了我國金融期貨的第一個品種，結束了中國股市單邊市的歷史。其標的物滬深300指數(shù)代表了占A股市值6成以上股票的價格，代表性極強。故IF期貨在對沖股票現(xiàn)貨市場不確定性風險上起著不可替代的作用。市場風險也稱價格風險，是指市場價格發(fā)生變動而給投資者帶來損失的可能性。由于IF期貨的高杠桿性、價格變化敏感和交易策略復雜的原因，其單邊頭寸風險必然大于現(xiàn)貨市場，對IF期貨進行科學的風險管理是貫穿套保、套利、投機等過程的重要環(huán)節(jié)。

一、股指期貨（IF）進行市場風險分析的意義

市場風險也稱價格風險，是指市場價格發(fā)生變動而給投資者帶來損失的可能性。由于IF期貨的高杠桿性、價格變化敏感和交易策略復雜的原因，其單邊頭寸風險必然大于現(xiàn)貨市場，對IF期貨進行科學的風險管理是貫穿套保、套利、投機等過程的重要環(huán)節(jié)。典型的市場風險案例，如1987年美國股災和光大“烏龍指”事件等，提醒我們波動僅僅是用來衡量標準風險的價格易變性的統(tǒng)計量度；市場的短期波動會加劇市場短期波動的投資者心理預期；尤其以股指期貨為代表的金融衍生工具的復雜性與專業(yè)性是打擊投資者信心，抑制市場效率并放大市場波動的主因。

VaR模型測量金融風險己成為廣泛認可的衡量金融風險程度的技術，國內(nèi)外大部分投資者和研究者都在使用或試圖改進這類模型，并以此指導股指期貨的風險管理。需要強調的是，合理地應用VaR模型要求使用者對資產(chǎn)價值或收益率選擇正確的分布。如果，金融時間序列還存在著波動聚集（Volatility Clustering）意味著數(shù)據(jù)的條件異方差性，還需對方差時變性的行為進行建模。通常的VaR方法是根據(jù)已有歷史數(shù)據(jù)完成，為了提高模型的精度我們需要隨機模擬出更多的數(shù)據(jù)來充當“歷史數(shù)據(jù)”，從而試圖解釋市場風險的來源。

二、蒙特卡羅模擬法的工具優(yōu)勢分析

在方差一協(xié)方差方法中，RiskMetrics方法由于其推出時間較早且算法簡單而倍受業(yè)界推崇。但隨著現(xiàn)代金融市場的不斷發(fā)展，市場風險日益復雜化，從而需要更為精確的測量方法來監(jiān)控投資風險。日收益率序列的波動隨時間變化性和厚尾性，是金融時間序列的兩個典型特征事實。由于GARCH模型（自回歸條件異方差）基于歷史信息和歷史信息對新息的影響進行建模，可以對收益率時間序列的波動集聚（Volatility Clustering）現(xiàn)象做出解釋，并比較好地擬合。單變量GARCH及多元GARCH模型在對序列波動性及相關性建模的精確性方面比RiskMetrics有較大優(yōu)勢，受到廣泛的關注。而歷史模擬法是以歷史近似重復為假設前提，直接根據(jù)風險因子的歷史數(shù)據(jù)來模擬風險因子的未來變化。這種方法的一個重要缺陷就是VaR的估計值對所選用的歷史樣本期間比較敏感，而且受極端值影響嚴重。

蒙特卡羅模擬法只需要根據(jù)市場因素的歷史數(shù)據(jù)，選定或估計一個合理的分布，在此基礎上用隨機路徑或變量生成器來模擬市場因素的各種可能變化，一般將其過程稱為路徑積分。因此在選擇合理數(shù)值的方面，蒙特卡羅模擬法有更大的靈活性，是衡量金融風險比較全面的數(shù)值分析方法。它能處理很多其他方法所無法處理的問題，如非線性價格風險、厚尾分布、極端事件甚至信用風險，它都能有效地處理，但有時會存在計算量太大的問題。另一方面，蒙特卡羅法存在模型風險。因為它依賴于基礎風險因素的隨機模型及證券的定價模型。如果這類模型有缺陷，據(jù)此得到的VaR也必然不準確。

相對比之下，三種方法的基本假設是資產(chǎn)價格在未來的表現(xiàn)可以用過去的信息預測，在觀測期不長于一年的情況下，方差一協(xié)方差矩陣法從數(shù)學分析的邏輯上來說能得出一個區(qū)間內(nèi)接近最精確分位點的VaR值。而歷史模擬法，明顯的是貪婪算法，根據(jù)歷史數(shù)據(jù)得到一個跟分位點最靠近的值作為VaR值，而這個VaR值不一定是分位點附近區(qū)間的最大值。從估計的精確性來說，參數(shù)估計法優(yōu)于歷史模擬法。

最大的問題在于，隨著時間的推移和經(jīng)濟情況的變化，資產(chǎn)價格背后的決定因素發(fā)生變化，資產(chǎn)收益率的期望和標準差發(fā)生轉移，即金融時間序列經(jīng)常表現(xiàn)出來的均值方差的時變性特征，上面兩種方法就不能用了，使用前要確保數(shù)據(jù)是獨立同分布的，否則出現(xiàn)異方差等問題會導致結果失真。

事實上，蒙特卡洛模擬除了對極短時間內(nèi)股票價格進行模擬有很好的性質外，由于它是對未來的資產(chǎn)價格進行路徑模擬積分，在路徑生成過程中加入約束條件或者人為地改變資產(chǎn)的基本風險收益特征，甚至是標的資產(chǎn)的定價函數(shù)，就可以模擬出未來各種不確定性下的可能結果，是個十分強大的工具。

三、蒙特卡羅模擬方法對我國股指期貨（IF）進行市場風險量化分析

（一）蒙特卡羅方法模擬股指預期點位ST

蒙特卡羅模擬原理：布朗運動是自然界中一些隨機游走現(xiàn)象服從的自然規(guī)律。在布朗運動方程中，通常假設參數(shù)μ和σ均為給定的常數(shù)，與wt（漂移量觀測數(shù)據(jù)）和時間t均無關。這一假設并不滿足所有情況。因此，布朗運動方程的一般表示形式為：dwt=μ（wt，t）dt+σ（wt，t）dzt

滬深300指數(shù)由占A股市值60%的300只成分股編制而成。根據(jù)其加權形式的編制方法，以及n個相互獨立的正態(tài)分布的任意線性組合仍為正態(tài)分布的特性。假設指數(shù)收益率序列波動特征同樣符合幾何布朗運動。

用幾何布朗運動建立指數(shù)動態(tài)風險因子變化模型，標的資產(chǎn)價格的變化為收益漂移項和隨機風險調整的和，通過模擬標的資產(chǎn)價格的多條運動路徑。將上面步驟重復M次，模擬未來某個時間的M個可能收益率或價格，并得到其收益分布，最后使用分位點估計得到VaR值，其方法與歷史模擬法相同。

（二）數(shù)據(jù)處理與分析

針對滬深300指數(shù)2017年1月4日至2018年1月30日共259個收盤價數(shù)據(jù)，為了統(tǒng)計該序列的統(tǒng)計特征，將原數(shù)據(jù)做如下處理，通過將指數(shù)收盤價序列做對數(shù)化處理：P=1nSt-1nSt-1，生成新的收益率序列。

在根據(jù)模型進行VaR分析20天回測結果處理中，通過Mat-1ab中設置時間區(qū)間為t=1（根據(jù)模擬時間長短更改，為研究與計算方便設為1），步長dt=0.001，產(chǎn)生路徑數(shù)目N=1000（為了運算和研究方便，認為該模擬次數(shù)已能使結果具有足夠的精度），運行得到1000條隨機路徑，并得到滬深300指數(shù)95%置信水平的VaR值ST，將所有標的資產(chǎn)路徑積分結果 S_T的VaR值和無風險利率r代入期貨理論價格公式就能夠得到期貨價格的VaR值，模擬S_T結果數(shù)量越多，估計的精度就越高。通過重復以上步驟，以259日為時間窗口，利用時間窗口移動法，就可以得到逐日的VaR估計值。通過重復運作20次得到2017年2月7日至2017年3月6日的IF1703的VaR估計值，結果顯示在95%的顯著性水平下，失敗率為10%，這可能是由于回測天數(shù)少而導致的偶然因素，因為2月24日和2月25日指數(shù)單日跌幅較大，但離差并不超過20點。這也從側面說明該方法估計股指期貨VaR值的可信性。由于數(shù)據(jù)龐大，其結果摘錄如下：

以上實證研究表明，所使用模型對決定股指期貨價格VaR值的幾個重要參數(shù)的估計是比較合理的，所運用的股指期貨風險評估方法也是比較可信的?？梢哉J為這種方法得到的VaR值是可信的。從比較結果來看，投資者控制市場風險是很重要的，投資者應該堅持投資紀律，隨時做好倉位和止損控制。

參考文獻：

[1]李琪.我國股指期貨的風險及防范對策研究[J].時代金融，2013.

[2]高一銘，閻國光，張陽，辛明輝.股指期貨市場系統(tǒng)風險預警指標體系研究[J].統(tǒng)計與決策，2013.