姜怡悅（陜西國際商貿(mào)學(xué)院）

■引言

商業(yè)銀行作為金融機(jī)構(gòu)的核心，利率的變動(dòng)對金融市場的穩(wěn)定發(fā)揮重要的作用。1996年，同業(yè)拆借市場開始實(shí)現(xiàn)利率市場化，迄今為止，已經(jīng)經(jīng)歷了20年的歷程。此外，2015年央行多次調(diào)整利息，如何應(yīng)對利率的變動(dòng)帶來的影響值得我們深思。利率的市場化對商業(yè)銀行產(chǎn)生一定的影響，同時(shí)對其經(jīng)營方式也提出更高的要求，VAR模型的應(yīng)用就是在利率市場化的背景下產(chǎn)生的，根據(jù)歷史數(shù)據(jù)的變化特點(diǎn)，借助不同的方法對未來的損失進(jìn)行估計(jì)，在衡量市場利率風(fēng)險(xiǎn)方面占據(jù)一定的優(yōu)勢。

目前，關(guān)于VAR模型的應(yīng)用為數(shù)不少，主要應(yīng)用于金融領(lǐng)域。張寧（2013）通過VAR模型的建立，對利率風(fēng)險(xiǎn)衡量中的不同方法進(jìn)行比較，得出GARCH模型估算VAR的結(jié)果較為準(zhǔn)確，但長期應(yīng)用時(shí)，應(yīng)結(jié)合多種方法進(jìn)行，提高預(yù)測的準(zhǔn)確度[1]。辛俚（2012）從GARCH及正態(tài)分布法兩個(gè)方面應(yīng)用參數(shù)法對同業(yè)拆借利率風(fēng)險(xiǎn)VAR進(jìn)行度量，發(fā)現(xiàn)兩種方法在估計(jì)結(jié)果上的差異，得出在極端風(fēng)險(xiǎn)情況下應(yīng)采用GARCH模型進(jìn)行估算的結(jié)論[2]。房小定、呂鵬（2013）研究發(fā)現(xiàn)GARCH和EGARCH在估算上海同業(yè)拆借利率收益率的VAR時(shí)具有較好的效果[3]。宿玉海、王美伶（2015）通過GARCH和TGARCH的對比研究，發(fā)現(xiàn)商業(yè)銀行利率風(fēng)險(xiǎn)呈現(xiàn)增大的趨勢[4]。陳思婧（2013）運(yùn)用GARCH模型對數(shù)據(jù)進(jìn)行分析，得出同業(yè)拆借利率厚尾、負(fù)偏度等基本特性[5]。縱觀相關(guān)研究，發(fā)現(xiàn)學(xué)者們主要從參數(shù)法角度對VAR模型進(jìn)行估計(jì)，而非參數(shù)方面的研究比較欠缺。那么，我國現(xiàn)階段同業(yè)拆借市場利率呈現(xiàn)何種特征，如何運(yùn)用非參數(shù)法解決VAR模型在同業(yè)拆借中的應(yīng)用，本文主要從這兩方面對我國同業(yè)拆借市場進(jìn)行探討。

■VAR模型實(shí)證部分

（一）數(shù)據(jù)來源

本文將數(shù)據(jù)分成兩部分進(jìn)行處理，選取2012年1月4日到2014年12月31日上海同業(yè)拆借利率共749個(gè)數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，借此了解我國同業(yè)拆借市場的基本情況，選取2015年1月4日到2015年12月31日上海同業(yè)拆借利率共248個(gè)數(shù)據(jù)作為樣本外的預(yù)測，借此了解VAR模型在我國同業(yè)拆借市場的應(yīng)用。所有數(shù)據(jù)處理采用EXCEL，EVIEWS6.0及JAVA軟件完成。

我國同業(yè)拆借利率波動(dòng)比較明顯，因此，在數(shù)據(jù)分析之前，需要對原始數(shù)據(jù)進(jìn)行處理，將同業(yè)拆借利率取對數(shù)后進(jìn)行差分，得到同業(yè)拆借利率收益率，記為rt=lnshibort-lnshibort-1。

（二）數(shù)據(jù)檢驗(yàn)

1.正態(tài)性檢驗(yàn)

建立VAR模型時(shí)，需要對數(shù)據(jù)的分布情況有所了解。因此，本文首先對收益率數(shù)據(jù)進(jìn)行正態(tài)性檢驗(yàn),同業(yè)拆借收益率的均值為1.16e-05，標(biāo)準(zhǔn)差為0.093170，峰度值為13.69279，遠(yuǎn)大于正態(tài)分布的3，因此呈現(xiàn)尖峰右偏的形態(tài)。Jarque-Bera的值為3563.963，遠(yuǎn)大于95%置信區(qū)間的臨界值，且對應(yīng)概率值為0，小于0.05，因此，拒絕原假設(shè)，同業(yè)拆借利率收益率不服從正態(tài)分布。

2.平穩(wěn)性檢驗(yàn)

數(shù)據(jù)只有在滿足平穩(wěn)性的前提下，才可以進(jìn)行相應(yīng)模型的建立。本文借用ADF檢測方法對數(shù)據(jù)的平穩(wěn)性進(jìn)行分析[6]，由于是收益率的數(shù)據(jù)，因此，選取不含截距及趨勢項(xiàng)，平穩(wěn)性檢驗(yàn)結(jié)果如表1所示。

表1 同業(yè)拆借利率收益率ADF檢驗(yàn)結(jié)果

從表1可以看出，ADF檢驗(yàn)值為-22.87211，小于95%置信區(qū)間的臨界值，且對應(yīng)概率值為0，小于0.05，因此，拒絕原假設(shè)，同業(yè)拆借利率收益率不存在單位根，即數(shù)據(jù)是平穩(wěn)的，可以進(jìn)行VAR模型的建立。

3.自相關(guān)性檢驗(yàn)

對于金融時(shí)間數(shù)據(jù)，常存在后一時(shí)刻與前一時(shí)刻的數(shù)據(jù)密切相關(guān)，即存在自相關(guān)問題。因此，需要對同業(yè)拆借利率收益率的數(shù)據(jù)進(jìn)行自相關(guān)性分析，收益率與其滯后一期的概率值為0，小于0.05。因此，拒絕原假設(shè)，原數(shù)據(jù)存在自相關(guān)性。同時(shí)可以看出，自相關(guān)系數(shù)和偏自相關(guān)系數(shù)在k=1后很快地趨于0 ，因此取p=1，q=1，通過ARMA（1,1）對模型進(jìn)行估計(jì)。

4.異方差性檢驗(yàn)

由于金融時(shí)間序列數(shù)據(jù)可能存在異方差現(xiàn)象，需要對同業(yè)拆借利率收益率的數(shù)據(jù)進(jìn)行異方差檢驗(yàn)。根據(jù)自相關(guān)性的檢驗(yàn)結(jié)果，本文采取對ARMA（1,1）的殘差進(jìn)行分析。在k≧10，殘差序列的自相關(guān)系數(shù)近似為0，即存在異方差，同業(yè)拆借利率收益率存在波動(dòng)的聚集性。

（三）VAR模型的應(yīng)用

VAR模型的計(jì)算方法很多，如參數(shù)法、半?yún)?shù)法、非參數(shù)法等[7]，根據(jù)前文數(shù)據(jù)檢驗(yàn)的結(jié)果，結(jié)合本文的研究，在此選取非參數(shù)法對VAR模型進(jìn)行估計(jì)，主要運(yùn)用歷史模擬法和蒙特卡洛模擬法兩種方法完成。

1.歷史模擬法

根據(jù)相關(guān)原理，其計(jì)算過程如下:

（1）將樣本內(nèi)第2天到第749天的收益率進(jìn)行升序排列。

（2）用樣本容量748乘以顯著性水平1%，即第7個(gè)收益率的值，該值為1%顯著性水平下的最低收益率。

（3）利用VAR模型的公式VAR=E(rt)-ra，計(jì)算第750天1%顯著性水平下的相對VAR。

（4）以此類推，用第3天到第750天的收益率推算第751天的相對VAR，直到求出第997天的VAR，整個(gè)過程可以運(yùn)用java程序完成。

2.蒙特卡洛模擬法

根據(jù)相關(guān)原理，其計(jì)算過程如下：

（1）計(jì)算第2天到第749天的收益率，求出該748個(gè)數(shù)據(jù)的均值及方差。

（2）將值帶入收益率波動(dòng)的方程rt=rt-1+rt-1(E(rt)+σε)(2.1)

（3）運(yùn)用軟件產(chǎn)生標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)ε。

（4）根據(jù)公式2.1計(jì)算rt的1000個(gè)模擬數(shù)據(jù)。

（5）將1000個(gè)模擬數(shù)據(jù)進(jìn)行升序排列，取1%顯著性水平下的最低收益率的值ra。

（6）利用VAR模型的公式VAR=E(rt)-ra，計(jì)算第750天1%顯著性水平下的相對VAR。

（7）以此類推，重復(fù)（1）——（6）步驟，用第3天到第750天的收益率推算第751天的相對VAR，直到求出第997天的VAR，整個(gè)過程可以運(yùn)用java程序完成。

■結(jié)論及討論

通過研究，我們了解了我國同業(yè)拆借市場的一些基本特征，并從兩個(gè)方面運(yùn)用非參數(shù)法對未來數(shù)據(jù)進(jìn)行模擬，得出以下結(jié)論及解決對策。

（1）同業(yè)拆借市場利率收益率具有自相關(guān)性，下一時(shí)刻的收益率受到上一時(shí)刻的影響?？梢姡覈瑯I(yè)拆借利率市場化水平并不顯著，應(yīng)進(jìn)一步加大改革力度，確保利率市場化的有效落實(shí)。

（2）同業(yè)拆借市場存在較強(qiáng)的波動(dòng)性，且波動(dòng)存在一定的聚集效應(yīng)?？梢姡覈媾R的利率風(fēng)險(xiǎn)不容忽視，商業(yè)銀行應(yīng)采取措施，進(jìn)行資產(chǎn)組合，規(guī)避風(fēng)險(xiǎn)。

（3）在同業(yè)拆借市場化水平不高的情況下，同業(yè)拆借利率收益率呈現(xiàn)非正態(tài)分布的情形，對模型的應(yīng)用提出更高的要求。運(yùn)用非參數(shù)法估算VAR模型可以避免尖峰厚尾及波動(dòng)對數(shù)據(jù)的影響。

（4）方法的差異對結(jié)果的估算存在一定的偏差，因此，在運(yùn)用VAR模型估計(jì)未來數(shù)據(jù)時(shí)，應(yīng)根據(jù)數(shù)據(jù)自身特點(diǎn)，結(jié)合多種方法對未來風(fēng)險(xiǎn)情況進(jìn)行模擬，以期避免利率風(fēng)險(xiǎn)。