黃茜

摘要：在利率市場化的大趨勢下，商業(yè)銀行的利率風(fēng)險變得越發(fā)重要。本文采用Shibor數(shù)據(jù)，基于GARCH-VaR模型度量了我國商業(yè)銀行的利率風(fēng)險值。結(jié)果表明，t分布條件下的AR（3）-EGARCH（2，2）模型能夠較好地刻畫Shibor的波動性，我國商業(yè)銀行的隔夜拆借利率風(fēng)險值為4.7%。

關(guān)鍵詞：利率風(fēng)險;Shibor;GARCH-VaR模型

隨著金融市場自由化、全球化，經(jīng)濟一體化進程的推進，各金融機構(gòu)在促進資金快速流轉(zhuǎn)、合理分配資源配置的同時，也使得金融風(fēng)險不斷攀升。近年來國內(nèi)金融大環(huán)境監(jiān)督愈發(fā)嚴(yán)格，商業(yè)銀行面臨的壓力激增。眾所周知，利率波動會帶來金資產(chǎn)價格的變動，商業(yè)銀行的利率風(fēng)險也隨之增加。由于我國利率自由的實施時間相對較短，部分銀行在市場波動及變化時缺乏相應(yīng)的經(jīng)驗和對策，因此尋求一種度量商業(yè)銀行利率風(fēng)險的方法已成為首要任務(wù)。

Bollerslev在ARCH模型基礎(chǔ)上提出了GARCH模型。在ARCH模型中，如果滯后階數(shù)很大，就要估計很多參數(shù)，會損失樣本容量。但GARCH模型可彌補這一缺點，減少待估計參數(shù)，使得條件方差的預(yù)測更加準(zhǔn)確。EGARCH模型是Nelson為了克服GARCH模型在處理杠桿效應(yīng)時的缺陷，放松了歷史數(shù)據(jù)的非負限制，使得模型靈活合理，與TARCH模型一樣，可以反映收益率的漲跌對波動率的不同影響。Philippe Jorion 在1997 年對VaR模型進行了系統(tǒng)的概述。經(jīng)過一段時間的發(fā)展后，學(xué)術(shù)界證明了此模型可以對金融資產(chǎn)的風(fēng)險進行一定程度的測度，目前它已經(jīng)成為度量金融風(fēng)險的主要方法之一。

本文在此背景下，基于Shibor利率的統(tǒng)計數(shù)據(jù)，結(jié)合GARCH族模型刻畫樣本數(shù)據(jù)的波動性，運用VaR模型刻畫我國商業(yè)銀行的利率風(fēng)險值。

1.實證分析

在險價值VaR模型最早由J.P.Morgan公司首次提出：

（1）

其中，Wt為資產(chǎn)的價格，Qq為置信水平q下的分布分位數(shù)。

為資產(chǎn)持有期。本文中分別令Wt=1、? ? ?=1。由于Shibor隔夜數(shù)據(jù)波動較為劇烈，本文將原始收益率數(shù)據(jù)進行了對數(shù)化差分處理。

1.1平穩(wěn)性檢驗

模擬或預(yù)測金融時間序列的第一步是進行平穩(wěn)性。本文將利用單位根方法對利率序列ADF進行平穩(wěn)性檢驗。檢驗結(jié)果表示P值為0，因此可以表明樣本數(shù)據(jù)不存在單位根，為平穩(wěn)序列。

1.2正態(tài)性檢驗：

金融數(shù)據(jù)一般都呈非正態(tài)分布，本文采取Jarque-Bera 統(tǒng)計量來檢驗利率序列的正態(tài)性。結(jié)果顯示P值為0，可以得出樣本序列不服從正態(tài)分布，但符合實際中金融數(shù)據(jù)的特點。

1.3自相關(guān)性檢驗：

本文采用Ljung-Box Q統(tǒng)計量檢驗方法對該序列進行了自相關(guān)性檢驗。結(jié)果顯示，滯后三階的AC值和PAC值超出標(biāo)準(zhǔn)線之外。P值小于0.05，因此可認為該樣本存在序列自相關(guān)。

1.4條件異方差性檢驗：

本文采用ARCH-LM檢驗方法，對樣本AR（3）的殘差項進行該檢驗。根據(jù)結(jié)果分析，P值均小于其臨界值。因此該數(shù)據(jù)具有ARCH效應(yīng)。

綜上所述，使用GARCH族模型對數(shù)據(jù)進行擬合理論上是正確且合理的。

1.5模型的選擇

基于Shibor利率序列具有自相關(guān)性，所以在均值方程設(shè)置時，本文將AR（p）選擇 模型進行建模，其中p=1、2、3。結(jié)果顯示，只有AR（3）參數(shù)具有顯著性，且兩種準(zhǔn)則值也是三個模型中最小的。故選取 AR（3）為樣本均值方程模型。

基于前文分析接下來將對利率序列數(shù)據(jù)利用GARCH族進行建模，本文設(shè)置p=1或2，q=1或2。置信水平為 95%，t分布下，12個GARCH族模型參數(shù)全部顯著的為7個。接下來將對剩余7個擬合模型的殘差進行 ARCH-LM檢驗，結(jié)果如表（2）所示。當(dāng)殘差存在ARCH效應(yīng)，用“×”表示;反之，用“√”表示。

上表中結(jié)果表明，剩下6種GARCH族模型通過了殘差檢驗，該檢驗中值都小于臨界水平5%，因此不存在ARCH效應(yīng)。

最后將對兩次篩選后剩下的6種GARCH族模型進行AIC值、SC值、H-QC值大小比較，發(fā)現(xiàn)AR（3）-EGCRCH（2，2）模型中三個值最小，其擬合結(jié)果最優(yōu)。

1.6 VaR值計算

本文根據(jù)上述AR（3）-EGCRCH（2，2）模型得到的T-DIST.DOF值，計算出在95%的置信水平下t分布的分位數(shù)為2.24，再根據(jù)公式（1）計算出VaR的平均值為4.7%。表明我國商業(yè)銀行在95%的置信水平下，持有一單位的資產(chǎn)時，隔夜拆借頭寸損失的最大可能為0.047。

參考文獻：

[1]Morgan J.P. RiskMetrics-Technical Document [M].New York： Morgan Guaranty Trust Company Global Research.1996.

[2]海威.基于VAR模型的商業(yè)銀行利率風(fēng)險管理研究[J].金融經(jīng)濟，2010 （10）：112-113

[3]李慕紫.利率市場化下商業(yè)銀行的風(fēng)險管理問題[J].財會學(xué)習(xí)，2020（31）：141-142.

[4]韓文峰，刁節(jié)文.商業(yè)銀行利率風(fēng)險實證研究[J].農(nóng)場經(jīng)濟管理，2020（10）：53-55.

[5]賈子騰. 我國科創(chuàng)板市場風(fēng)險實證研究[D].蘇州大學(xué)，2020.