基于MCMC的金融風(fēng)險實證研究.pdf

1、70年代以前，由于金融市場價格變化比較平穩(wěn)，金融風(fēng)險突出地表現(xiàn)為信用風(fēng)險，然而進入70年代以來，隨著經(jīng)濟全球化和金融自由化的深化，全球金融系統(tǒng)發(fā)生了巨大的變化。計算機技術(shù)的發(fā)展使交易變得更加快捷、有效，金融市場風(fēng)險的種類也隨之增加，使得金融風(fēng)險的防范與度量日趨復(fù)雜化。全球金融市場變革導(dǎo)致金融市場的波動性日趨加劇，加上技術(shù)進步(現(xiàn)代金融理論的突破、信息技術(shù)的巨大進展及金融工程技術(shù)的出現(xiàn)和應(yīng)用)、金融創(chuàng)新與放松管制等因素的影響，使得在提高市

2、場有效性的同時，也增加了金融市場前所未有的波動性和脆弱性。 當(dāng)前應(yīng)用廣泛的VaR技術(shù)(Value—at—risk)是1993年J·P·Morgan，G30集團在考察衍生產(chǎn)品的基礎(chǔ)上提出的一種風(fēng)險測度方法。VaR方法一經(jīng)提出便受到廣泛歡迎：巴塞爾銀行監(jiān)管委員會于1996年推出的巴塞爾協(xié)議的補充規(guī)定中，明確提出基于銀行內(nèi)部VaR值的內(nèi)部模型法，并要求作為金融機構(gòu)計量風(fēng)險的基本方法之一；美國證券交易委員會(SEC)1997年1月規(guī)定上

3、市公司必須及時披露其金融衍生工具交易所面臨風(fēng)險的量化信息，指出VaR方法是可以采用的三種方法之一；目前美國一些較著名的大商業(yè)銀行和投資銀行，甚至一些非金融機構(gòu)已經(jīng)采用VaR方法。VAR之所以具有吸引力是因為它把銀行的全部資產(chǎn)組合風(fēng)險概括為一個簡單的數(shù)字，并以美元計量單位來表示風(fēng)險管理的核心—潛在虧損。 股票市場作為資本市場的主要組成部分，它的波動性與證券市場的發(fā)展息息相關(guān)。股票價格形成機制的理論研究一直伴隨著證券市場的發(fā)展，并由

4、此帶動證券市場其它方面的理論研究，例如市場有效性理論，市場均衡理論，資本資產(chǎn)定價模型，期權(quán)定價理論等。股票價格的形成機制是一個復(fù)雜的非線性系統(tǒng)，它的高度復(fù)雜性主要體現(xiàn)在難以描述、難以分析性、難以預(yù)測性等方面。目前描述股票價格的形成機制、股價的波動模型主要有隨機游走模型(Random Walk)、對數(shù)正態(tài)分布模型、ARCH以及GARCH類模型和SV(隨機波動率)模型等。而SV模型與其它波動模型相比，在一定程度上能更精確地描述股票市場的價格

5、波動現(xiàn)象。 風(fēng)險度量的方法有很多，筆者主要針對VaR的原理，基于MCMC方法展開對GARCH模型和SV模型的實證比較研究。目前VaR已成為商業(yè)銀行、投資銀行、非金融公司、機構(gòu)投資者測量市場風(fēng)險的主流技術(shù)。 計算VaR的方法有：歷史模擬法、分析法和蒙特卡洛模擬法。但歷史模擬法假定回報率分布在整個樣本時期內(nèi)是固定不變的，且不能提供比所觀察樣本中最小回報率還要壞的預(yù)期損失；分析法雖然簡化了VaR的計算，但它要求市場因子必須服從

6、正態(tài)分布、價值函數(shù)非線性程度低，雖然使用了GARCH模型族在不同的分布假定下來描述市場因子，但現(xiàn)實中經(jīng)常無法滿足這兩個假定，這也使得至今沒有一種統(tǒng)一的方法和標(biāo)準(zhǔn)來衡量金融市場風(fēng)險。針對分析方法在處理非線性證券組合時的不足，近年來基于馬爾可夫鏈的蒙特卡洛模擬(簡稱MCMC)被引入到VaR的計算，它可以克服傳統(tǒng)的蒙特卡洛方法的缺陷，提高估計的精度。目前已有的研究表明，利用MCMC方法估算得到的參數(shù)值會比利用MC模擬估算得到的參數(shù)值更精確，有

7、更好的擬合效果和更精確的波動率預(yù)測。 在國內(nèi)的研究中，在金融學(xué)領(lǐng)域，使用MCMC方法的研究還比較少。王春峰(2000)等首次提出將MCMC方法應(yīng)用于VaR的計算，通過對美元國債的實證分析和計算，驗證了MCMC方法的優(yōu)越性。孫米強等(2004)首次將隨機波動SV模型應(yīng)用于VaR的計算，說明了基于SV模型下的VaR更具有動態(tài)性和準(zhǔn)確性，更貼近金融市場的風(fēng)險水平。近幾年隨機波動模型在我國得到了不斷的發(fā)展，研究者提出了眾多的擴展模型，例

8、如厚尾SV模型，均值SV模型等。但是此類標(biāo)準(zhǔn)SV模型的擴展模型模擬我國金融時間序列的優(yōu)劣程度并無確切標(biāo)準(zhǔn)，難以達成共識，必要的標(biāo)準(zhǔn)體系有待確立。 本文旨在利用波動率模型來測量股市的VaR值。從GARCH模型和SV模型兩個角度，采用理論與實證研究相結(jié)合，刻畫中國股市的波動率，進而求得VaR。并且主要運用MCMC理論中最常用的Gibbs抽樣方法結(jié)合中國上海股票交易所的幾只行業(yè)股和上證綜合指數(shù)進行實證研究，結(jié)果得出了基于兩種模型下的綜

9、合上證指數(shù)和農(nóng)林牧漁業(yè)指數(shù)、工業(yè)指數(shù)、商業(yè)指數(shù)、地產(chǎn)指數(shù)、奧運指數(shù)、金融指數(shù)6支行業(yè)股指數(shù)測算的VaR值，最后對GARCH模型和SV模型估計的結(jié)果進行比較研究，在定性研究和定量研究的基礎(chǔ)上得出SV模型能夠更好地刻畫我國股市股價變動的波動率和風(fēng)險價值。 本文的研究內(nèi)容大致可以分為以下幾個方面： (1)從金融風(fēng)險度量的重要性談起，引出VaR提出的背景和必要性。 (2)完整介紹VaR的計算原理、計算方法和模型的正確性檢

10、驗。 (3)MCMC理論及其應(yīng)用，根據(jù)MCMC方法中的Gibbs抽樣方法和Metropolis-hasting抽樣方法各自的特點，針對具體情況應(yīng)用何種方法，都進行了描述。 (4)介紹SV模型和GARCH模型的理論基礎(chǔ)和應(yīng)用。 (5)根據(jù)上證股市的數(shù)據(jù)，利用Gibbs抽樣方法對隨機波動模型進行了參數(shù)估計，同時利用極大似然估計進行GARCH模型的參數(shù)估計，最后進行二者的比較研究。 本文的創(chuàng)新之處在于：(1)運

11、用一種比較新穎的統(tǒng)計方法，對我國金融高頻數(shù)據(jù)進行研究，涵蓋了MCMC理論中的具體方法Gibbs抽樣，對MCMC方法的應(yīng)用進行了詳細(xì)的實證研究和分析。(2)除了研究綜合指數(shù)，將行業(yè)股指數(shù)引入，用實證方法證明綜合指數(shù)和行業(yè)股指數(shù)的波動率變動是否一致或者近似；將GARCH模型引入作為對比研究，說明了MCMC方法的SV模型更能夠刻畫指數(shù)的變動，當(dāng)然不同的指數(shù)得出來的結(jié)果也是有差異的，這在實證的結(jié)果中會進行詳細(xì)的闡述。(3)運用一種較為實用的統(tǒng)計

12、軟件Winbugs展開實證分析研究，和以往的研究思路有所不同，首先需對軟件的原理要透徹理解，同時需要必要的編程方可進行實證對比分析。 實證比較研究表明，基于MCMC方法的SV模型對VaR的估計更為精確，動態(tài)變化更明顯，但在風(fēng)險的度量上應(yīng)將兩種方法結(jié)合起來使用，對風(fēng)險的預(yù)測才會更為準(zhǔn)確和到位。從實證結(jié)果可以看出，VaR值有時候也表現(xiàn)出較強的集聚性，即一個較高的VaR之后必然會有一段較高的VaR值持續(xù)存在，雖然兩種模型對VaR的預(yù)測