戈程禹
摘 要:本文通過(guò)GARCH模型對(duì)2016年5月12日至2020年5月11日我國(guó)股份制銀行股票收益率波動(dòng)的風(fēng)險(xiǎn)價(jià)值進(jìn)行量化研究。首先對(duì)股票波動(dòng)進(jìn)行描述性統(tǒng)計(jì)分析,在此基礎(chǔ)上,對(duì)日收益率進(jìn)行ADF單位根檢驗(yàn)和ARCH-LM檢驗(yàn);用GARCH族模型測(cè)算VaR值,刻畫(huà)日收益率波動(dòng)的尖峰厚尾特征、杠桿效應(yīng)和聚集效應(yīng)等,對(duì)比分析三家股份制商業(yè)銀行股票的收益和風(fēng)險(xiǎn),并得出相應(yīng)結(jié)論。
關(guān)鍵詞:股價(jià)波動(dòng);GARCH族模型;在險(xiǎn)價(jià)值
中圖分類號(hào):F830.9 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):2096-0298(2021)03(b)--04
1 引言
1.1 研究背景與意義
伴隨中國(guó)經(jīng)濟(jì)的蓬勃發(fā)展與改革開(kāi)放的不斷深化,銀行業(yè)改革進(jìn)程不斷加快,我國(guó)銀行業(yè)市場(chǎng)由中、農(nóng)、工、建國(guó)有四大行壟斷的階段過(guò)渡到國(guó)有銀行、股份制銀行、城商行、農(nóng)商行并存競(jìng)爭(zhēng)的階段。近年來(lái)隨著金融創(chuàng)新步伐的加快以及銀行業(yè)市場(chǎng)環(huán)境的改善,股份制商業(yè)銀行擴(kuò)大規(guī)模的同時(shí)在效率方面取得更大優(yōu)勢(shì),并對(duì)大型國(guó)有銀行的地位發(fā)起沖擊。面對(duì)股份制商業(yè)銀行的巨大成長(zhǎng)機(jī)會(huì),以及其低市盈率、低風(fēng)險(xiǎn)的特征,銀行股特別是股份制銀行股日益成為機(jī)構(gòu)投資者和個(gè)人投資者的重要投資標(biāo)的。
考慮到國(guó)有四大銀行股票價(jià)格較低且較平穩(wěn),以及股份制銀行巨大的成長(zhǎng)機(jī)會(huì)且股價(jià)具有一定的波動(dòng)性,本文挑選了招商銀行、興業(yè)銀行和浦發(fā)銀行票這三個(gè)在股份制商業(yè)銀行中市場(chǎng)份額較大的銀行,重點(diǎn)研究股份制商業(yè)市場(chǎng)風(fēng)險(xiǎn)狀況,尋找出一種分析股份制商業(yè)銀行股風(fēng)險(xiǎn)的合理模型,并對(duì)股份制商業(yè)銀行股票的風(fēng)險(xiǎn)與收益進(jìn)行客觀的分析和預(yù)測(cè),為投資者投資理財(cái)打下堅(jiān)實(shí)可靠的基礎(chǔ)。
1.2 文獻(xiàn)綜述
葉青等 (2000)國(guó)內(nèi)學(xué)者利用GARCH模型對(duì)我國(guó)股票市場(chǎng)的VaR進(jìn)行測(cè)算,對(duì)市場(chǎng)風(fēng)險(xiǎn)性進(jìn)行定量分析。鄒正方(2010)運(yùn)用VaR方法對(duì)商業(yè)銀行外匯風(fēng)險(xiǎn)進(jìn)行研究,其結(jié)果表明,通過(guò)VaR法測(cè)算外匯資產(chǎn)的風(fēng)險(xiǎn)補(bǔ)償金,可以對(duì)外匯風(fēng)險(xiǎn)進(jìn)行合理預(yù)測(cè)和控制。魏振祥等(2012)利用VaR模型、GARCH-t模型,對(duì)滬深300股指期貨的市場(chǎng)風(fēng)險(xiǎn)進(jìn)行測(cè)度。程淑芳(2014)運(yùn)用GARCH族模型對(duì)上證綜指和深成指數(shù)進(jìn)行股市流動(dòng)性風(fēng)險(xiǎn)的實(shí)證分析,證明在外部沖擊來(lái)臨時(shí)上證市場(chǎng)較深證市場(chǎng)反映弱,深證市場(chǎng)更加類似于政策市場(chǎng)。Jhe- Jheng (2018)基于Copula- GARCH模型計(jì)算VaR值,作為估計(jì)CDs(信用違約互換)投資組合風(fēng)險(xiǎn)的絕對(duì)值,主要依據(jù)投資者資產(chǎn)最大損失。趙鵬舉等(2019)采用GARCH-VaR模型對(duì)創(chuàng)業(yè)板和主板的波動(dòng)性特征和市場(chǎng)風(fēng)險(xiǎn)進(jìn)行分析,各種分布下的GARCH模型都能有效地反映股票收益率序列的尖峰厚尾的特征,且創(chuàng)業(yè)板市場(chǎng)相對(duì)主板市場(chǎng)風(fēng)險(xiǎn)和回報(bào)率更高。
本文將在學(xué)者研究的基礎(chǔ)上,將VaR-GARCH模型族應(yīng)用到股份制商業(yè)銀行股票市場(chǎng)風(fēng)險(xiǎn)量化上,選取在股份制商業(yè)銀行中市場(chǎng)份額較大的浦發(fā)銀行、招商銀行、興業(yè)銀行在建立GARCH模型族模型的基礎(chǔ)上計(jì)算出VaR風(fēng)險(xiǎn)價(jià)值,對(duì)這三支銀行股票進(jìn)行風(fēng)險(xiǎn)對(duì)比研究。
2 數(shù)據(jù)來(lái)源與研究設(shè)計(jì)
2.1 樣本及數(shù)據(jù)選取
本文選取浦發(fā)銀行、招商銀行、興業(yè)銀行三家銀行2016年5月12日至2020年5月11日的不考慮紅利的收盤(pán)價(jià)的可比價(jià)格(Pt)為原始數(shù)據(jù),共726*4=2904個(gè)樣本數(shù)據(jù)。(注:數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù),為了消除異方差性,本文用對(duì)數(shù)化收益率作為股票的日收益率(rt),以此為研究出發(fā)點(diǎn),對(duì)數(shù)收益率計(jì)算公式如下:
2.2 收益率描述性分析
利用Eviews9.0可以得到經(jīng)處理過(guò)的三支股份制商業(yè)銀行股票的日收益率走勢(shì)如圖1、圖2、圖3所示。
從以上三圖可以明顯看出,三支股票的日收益波動(dòng)率都在零值上下波動(dòng),且波動(dòng)率存在顯著的集聚效應(yīng)。
2.3 描述性統(tǒng)計(jì)分析
由表1可以看出,三支股票的峰度均大于正態(tài)分布的峰度值(K=3),呈現(xiàn)出明顯的尖峰特征。其偏度均大于0,呈現(xiàn)出右拖尾特征,三支股票的日收益率序列服從正偏態(tài)分布。JB統(tǒng)計(jì)量遠(yuǎn)大于0,三支股票日收益率序列不服從于正態(tài)分布。
3 實(shí)證研究
3.1 GARCH族模型的建立
通過(guò)ADF檢驗(yàn)可知,各銀行序列t值的統(tǒng)計(jì)量均小于5%的置信度水平下的值,則不存在單位根,各組均為平穩(wěn)序列。通過(guò)ARCH-LM檢驗(yàn)可知,模型存在ARCH效應(yīng)(鑒于篇幅原因,ADF檢驗(yàn)結(jié)果和ARCH-LM檢驗(yàn)結(jié)果不加贅述。)
因此,通過(guò)AIC、SC準(zhǔn)則和似然值的比較選擇GARCH(p,q)族模型,由表2可以看出GARCH(1,1)類模型可以更為準(zhǔn)確地描述股票日收益率序列,因此浦發(fā)銀行、招商銀行、興業(yè)銀行GARCH族模型的階數(shù)均選擇(1,1)。
假定殘差服從正態(tài)分布、t分布、GED分布,比較分析三種殘差分布下的GARCH類模型可知,正態(tài)分布下的GARCH類模型可以更好擬合浦發(fā)銀行與招商銀行的股票收益率,而Students t分布下的GARCH模型可以更好擬合興業(yè)銀行的股票收益率,其中代表模型方程中的系數(shù)及主模型中加入條件標(biāo)準(zhǔn)差后的系數(shù)。
在GARCH模型中,三個(gè)公司都顯示α0>0,α1>0,β>0,α0+β小于但接近1,滿足模型系數(shù)條件,系數(shù)均為顯著,這說(shuō)明GARCH(1,1)過(guò)程是平穩(wěn)的。通過(guò)對(duì)比三家銀行的收益率波動(dòng)可知,浦發(fā)銀行的α1明顯高于另外兩家銀行,說(shuō)明對(duì)于國(guó)家政策、經(jīng)濟(jì)形勢(shì)變化等外部沖擊,浦發(fā)銀行股票價(jià)格的波動(dòng)會(huì)早于招商銀行和興業(yè)銀行,對(duì)外在信息的反應(yīng)較為敏感。興業(yè)銀行的β值最高,說(shuō)明興業(yè)銀行在股票市場(chǎng)價(jià)格波動(dòng)時(shí),對(duì)外界信息反應(yīng)不敏感,股價(jià)波動(dòng)的持續(xù)性較強(qiáng)。
TARCH、EGARCH、PARCH模型中的Φ均不為0,招商銀行的伴隨概率在5%以上,因此接受原假設(shè),說(shuō)明其股票收益率波動(dòng)性的“杠桿效應(yīng)”不明顯,利空、利好消息對(duì)其沖擊基本對(duì)稱;浦發(fā)銀行和興業(yè)銀行伴隨概率均在5%以下,因此拒絕原假設(shè),認(rèn)為這兩家銀行股票收益率波動(dòng)性的“杠桿效應(yīng)”明顯,利空、利好消息對(duì)其沖擊不對(duì)稱;三家銀行PARCH模型中δ均不等于零,說(shuō)明信息不對(duì)稱現(xiàn)象在股市中存在。
在風(fēng)險(xiǎn)報(bào)酬波動(dòng)率模型GARCH-M中,招商銀行的γ>0,說(shuō)明招商銀行的收益率和風(fēng)險(xiǎn)呈正相關(guān),即市場(chǎng)上的風(fēng)險(xiǎn)每增加一單位,招商銀行相應(yīng)增加0.047028個(gè)單位,浦發(fā)銀行和興業(yè)銀行的γ<0,說(shuō)明浦發(fā)銀行和興業(yè)銀行的收益率與風(fēng)險(xiǎn)呈反相關(guān),即市場(chǎng)上的風(fēng)險(xiǎn)每增加一單位,浦發(fā)銀行相應(yīng)減少0.047028個(gè)單位,興業(yè)銀行相應(yīng)減少0.009696個(gè)單位。
3.2 計(jì)算并對(duì)比條件VaR值
上文中討論過(guò)浦發(fā)銀行及招商銀行須在正態(tài)分布下估計(jì)VaR值,興業(yè)銀行須在t分布下估計(jì)出VaR值,下文中就將利用GARCH族模型估計(jì)出的條件標(biāo)準(zhǔn)差,根據(jù)不同置信度和不同分布計(jì)算出各模型的分位數(shù),測(cè)算在95%和99%兩個(gè)置信度下VaR值及相關(guān)統(tǒng)計(jì)特征,結(jié)果如表6所示。
由表6可以看出,在相同的置信度下,無(wú)論采用何種GARCH類模型,總體來(lái)說(shuō),浦發(fā)銀行的VaR平均值和標(biāo)準(zhǔn)差都處在較低的水平,與此同時(shí)招商銀行VaR的平均值和標(biāo)準(zhǔn)差一直處于最高的位置,說(shuō)明浦發(fā)銀行股票的平均損失率和波動(dòng)率較小,招商股票的平均損失率和波動(dòng)率較大。同時(shí),不同的GARCH類模型所計(jì)算出的VaR值相差很小,GARCH類模型對(duì)預(yù)測(cè)VaR值的區(qū)別并不明顯。
通過(guò)對(duì)比同一模型不同置信度下的結(jié)果可以發(fā)現(xiàn),99%置信度下的VaR值普遍高于95%置信度下的VaR值,風(fēng)險(xiǎn)被高估,這也是與理論值相符的,當(dāng)然不同銀行之間也會(huì)存在一定的差別。
4 結(jié)論
本文旨在對(duì)三家上市股份制商業(yè)銀行股票收益率進(jìn)行研究,通過(guò)描述性統(tǒng)計(jì)發(fā)現(xiàn)三支股票收益率均具有顯著的尖峰拖尾與波動(dòng)聚集性的特征。在進(jìn)行ADF單位根檢驗(yàn)和ARCH-LM檢驗(yàn)后建立了GARCH類模型,通過(guò)實(shí)證發(fā)現(xiàn)基于正態(tài)分布的GARCH類模型對(duì)浦發(fā)銀行和招商銀行股票的收益率的擬合情況較好,基于Students t分布的GARCH類模型對(duì)興業(yè)銀行股票收益率的擬合情況較好,它們對(duì)于股份制銀行股收益率波動(dòng)的尖峰拖尾特征、杠桿效應(yīng)和市場(chǎng)風(fēng)險(xiǎn)刻畫(huà)得較為準(zhǔn)確。
在建立GARCH類模型的基礎(chǔ)上,本文還計(jì)算出了三支股票相應(yīng)的VaR值,得出以下結(jié)論:
(1)招商銀行的股票價(jià)格波動(dòng)風(fēng)險(xiǎn)大于浦發(fā)銀行和興業(yè)銀行。一方面,招商銀行收益率的標(biāo)準(zhǔn)差在三家銀行中最大;另一方面,招商銀行股票收益率VaR值的標(biāo)準(zhǔn)差在任何置信水平下利用GARCH族模型的測(cè)算結(jié)果均最大。但由于浦發(fā)銀行、招商銀行是基于正態(tài)分布研究GARCH類模型,興業(yè)銀行則是基于Students t分布研究GARCH類模型,因此在相互比較上可能產(chǎn)生一定偏差。
(2)股份制銀行股收益率波動(dòng)具有拖尾特征和外部沖擊的不對(duì)稱性。三家股份制商業(yè)銀行股票收益率的厚尾特征說(shuō)明,市場(chǎng)交易中極端事件發(fā)生的概率大于正態(tài)分布下的概率。因此,在市場(chǎng)交易中需要注意降低極端事件發(fā)生的概率,以削弱尾部風(fēng)險(xiǎn)。將GARCH模型擴(kuò)展至TGARCH、EGARCH、PGARCH,可有效捕捉股票市場(chǎng)的信息不對(duì)稱性,比如,國(guó)家政策、經(jīng)濟(jì)形勢(shì)的變化,使投資者對(duì)于股價(jià)變化,尤其是股價(jià)下跌更為敏感。
(3)由VaR的平均值和標(biāo)準(zhǔn)差可以看出,浦發(fā)銀行與興業(yè)銀行股票投資風(fēng)險(xiǎn)較小,招商銀行股票投資風(fēng)險(xiǎn)較大??偟膩?lái)說(shuō),我國(guó)股份制銀行股的投資風(fēng)險(xiǎn)相對(duì)于市場(chǎng)中的其他股票較小,這三支銀行股VaR值與其實(shí)際損益變化趨勢(shì)高度吻合,VaR-GARCH族模型可對(duì)股票的實(shí)際風(fēng)險(xiǎn)進(jìn)行有效預(yù)測(cè),為投資者的投資決策提供合理的參考依據(jù)。
5 結(jié)語(yǔ)
伴隨我國(guó)金融業(yè)改革步伐不斷加快,國(guó)家對(duì)于銀行業(yè)的發(fā)展政策亦會(huì)調(diào)整,股份制銀行會(huì)更多地參與到市場(chǎng)競(jìng)爭(zhēng)之中,與國(guó)有商業(yè)銀行、外資銀行等展開(kāi)競(jìng)爭(zhēng)與合作,根據(jù)市場(chǎng)機(jī)制優(yōu)勝劣汰,不斷提升其經(jīng)營(yíng)績(jī)效。如何使現(xiàn)在的分析方法能夠適應(yīng)這些變化,并作出相應(yīng)的改進(jìn),是將來(lái)值得深入研究的地方。
另外,本文在對(duì)三家上市股份制商業(yè)銀行的股票價(jià)格波動(dòng)風(fēng)險(xiǎn)進(jìn)行量化時(shí),采用了條件VaR模型,雖然相比VaR值來(lái)說(shuō),計(jì)算兩個(gè)分位數(shù)下的VaR更加符合一致性風(fēng)險(xiǎn)度量原則,但是仍舊存在局限性,因?yàn)橛?jì)算出來(lái)的值不能代表共性特征,在未來(lái)仍需要尋找能夠計(jì)算得出更加符合實(shí)際情況VaR值的方法,這也是本文需要進(jìn)一步完善和思考的地方。
參考文獻(xiàn)
葉青.基于GARCH和半?yún)?shù)法和VaR模型及其在中國(guó)股市風(fēng)險(xiǎn)分析中的應(yīng)用[J].統(tǒng)計(jì)研究,2000(12):25-29.
鄒正方,李健成.基于GARCH族模型商業(yè)銀行外匯風(fēng)險(xiǎn)管理的VaR方法研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2010,40(24):77-82.
魏振祥,楊晨輝,劉新梅.滬深300指數(shù)期貨與國(guó)內(nèi)外股指期貨市場(chǎng)間的信息傳遞效應(yīng)[J]財(cái)貿(mào)經(jīng)濟(jì),2012(08):64-71
程淑芳.基于GARCH模型的股市流動(dòng)性風(fēng)險(xiǎn)研究[J].中國(guó)西部科技,2014(04):76-77.
趙鵬舉,海洋,殷燕.基于GARCH-VaR模型的創(chuàng)業(yè)板指數(shù)收益率波動(dòng)特征比較研究[J].價(jià)值工程,2019,(25):5-9.
Jhe-Jheng H,Leh-Chyan S.Application of Copula-GARCH to Estimate VaR of A Portfolio with Credit Default Swaps[J].Journal of Mathematical Finance,2018(02):382-407.
Christos Bouras,Christina Christou,Rangan Gupta,et al.Geopolitical Risks,Returns,and Volatility in Emerging Stock Markets: Evidence from a Panel GARCH Model[J].Emerging Markets Finance and Trade,2019,55(08):1841-1856.