金融统计论文

课程：金融统计分析

学号：

我国银行间同业拆借市场利率风险度量

——基于VaR模型的实证研究

摘要

本文利用VaR模型通过2013年1月4日至2014年10月30日我国银行间同业拆借市

: t

一、文献综述

同业拆借市场是金融机构之间进行短期、临时性头寸调剂的市场，是货币市场的重要组成部分。1996年以来, 我国银行同业拆借市场在中国人民银行的监督管理下稳步发展, 目前已形成全国统一的银行同业拆借市场格局，生成了全国统一的中国银行间同业拆借利率(China inter -bank offered rate,CHIBOR)，它是我国货币市场最早市场化的利率，也

VaR

的

正态性去简化计算复杂的非线性组合VaR；大部分学者在计算风险价值VaR值时，都以金融时间序列数据服从正态分布和无条件方差为假设前提，但是大量的实证研究表明，金融时间序列数据并不严格符合这一假定，为了解决这一问题，随着研究的不断深入，又有学者提出了半参数模型和广义条件异方差模型（GARCH模型）等模型，大大丰富了VaR的计算方法。Kees Koedijk（2001）将VaR风险管理模型应用于资产组合选择和资本资产定价，

并指出由于资产组合收益率呈现出尖峰肥尾的特征，这会导致传统的均值-方差模型存在低估风险资产组合所面临的风险，可能会导致投资风险。

在国内，近几年关于VaR的实证研究已经越来越丰富和深入，早在2000年初，国内就有学者王春峰、万海辉和李刚指出用蒙特卡洛模拟法计算VaR值所存在的缺陷，并提出基于马尔科夫链蒙特卡洛的计算方法。之后也有一批学者相继提出了对VaR计算方法的改进，

方

同业拆借利率存在显着的自相关性、风险溢价效应和波动的反杠杆效应，即利率上升时的波动更大，VaR方法可以有效地预测同业拆借利率风险。多数研究都是围绕GARCH模型展开的拓展性研究，并且得出了不同的结论。

二、我国银行间同业拆借市场利率现状的分析与模型建立

1996年6月1日，中国人民银行取消了对同业拆借利率的上限管理，同业拆借利率由交易双方根据市场资金的供求状况自行确定，开始了我国同业拆借市场市场化改革。1996年拆借市场的交易量仅为5871.58 亿元，至2003年交易量已达24113亿元，增幅惊人。银行间市场发展极为迅速。随着市场交易量的激增，同业拆借利率的不确定性增加。参与的商业银行面临巨大的利率风险。虽然拆借资金只是短期使用，但现实中商业银行的拆借

2、正态性检验

对样本数据做正态QQ图和无趋势正态概率图如下，通过正态概率图可以看出, 在正态直线以外散布着大量的点，数据点组成的线呈曲线状，且两端有摆动, 说明CHIBOR的实际分布两侧具有厚尾现象。通过无趋势正态概率图可知, 大多数散点并不是随机分布在通过零点的水平直线周围，而是呈现明显的抛物线形状，所以，正态QQ图和无趋势正态概率图

Null Hypothesis: CHIBOR has a unit root

Exogenous: Constant

Lag Length: 7 (Automatic - based on SIC, maxlag=17)

t-Statisti

c??Prob.*

Augmented Dickey-Fuller test

statistic-3.978563?0.0017

可以看出，CHIBOR序列具有较强的自相关性，因此求CHIBOR一阶差分序列的自相关系数、偏相关系数和Ljung-Box统计量Q-t如下图：

由图可知，CHIBOR一阶差分序列存在较弱的自相关现象，结合上一条结论，我们可以知道我国同业拆借市场利率存在序列相关，即各期的同业拆借利率是相互影响的。

5、条件异方差检验

金融时间序列变量的方差是计算VaR过程中最重要的参数，大多数学者计算VaR时，假设方差是常数，即无条件分布假设，然而，金融变量往往与无条件分布假设相异，方差具有时变性。由于统计学中常常以方差和标准差描述金融变量的波动性，为了准确测定金融时间序列的波动性，经济学家们努力构建各种模型，其中以ARCH模型和GARCH模型的应用最为广泛。大量前人的实证证明GRACH模型适合预测金融时间序列的波动性。因此，这

通过检验同业拆借利率序列的正态性、平稳性、自相关性和条件异方差。我们可以初步断定银行间同业拆借利率序列存在自相关、异方差等特性。GARCH族模型包括很多模型，其中比较为人所知有GARCH模型，EGARCH模型和TGARCH模型。这些模型都是有ARCH模型发展而来的，都适用于估计存在自回归条件异方差的时间序列。要进行模型的建立，首先

就要确定滞后的阶数，分别将这三个模型用于数据，用赤池信息准则AIC来确定最有滞后阶数。

同业拆借利率波动模型试算结果

我们在风险价值定义的基础上，将利率波动的风险价值VaR用公式表示为：

VaR t+1=ωt(E(r)−r∗)=ωtαcσt+1

其中，VaR t+1是t时期预测下一天的风险价值；E(r)是利率的期望值；

ωt是t时期的资产价值；r ∗

是最低利率；αc是在给定置信水平c时对应的分位数；σt+1是

t时期预测的下一天的同业拆借利率的波动性。

分位数的取值依赖于利率的概率分布函数，在不同概率分布函数下，相同的置信水平

c对应的分位数存在差异。标准差口分为条件标准差和无条件标准差，无条件标准差假设

之前,

布下的VaR之后，以t 分布为假设，计算银行间同业拆借利率序列的风险价值VaR。

在这里用参数法计算VaR时，分别假设了模型的残差服从正态分布、t分布和滚滚一误差分布。下面就是计算结果。

运用EView软件分析GARCH族模型在不同的分布情况下同业拆借利率的波动率（标准差），再将估计值带入VaR的计算公式，在95%的置信水平下计算同业拆借利率的日均VaR，得到下