基于MCMC的金融風(fēng)險(xiǎn)實(shí)證研究.pdf

1、70年代以前，由于金融市場價(jià)格變化比較平穩(wěn)，金融風(fēng)險(xiǎn)突出地表現(xiàn)為信用風(fēng)險(xiǎn)，然而進(jìn)入70年代以來，隨著經(jīng)濟(jì)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(jì)算機(jī)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(xiǎn)的種類也隨之增加，使得金融風(fēng)險(xiǎn)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(dòng)性日趨加劇，加上技術(shù)進(jìn)步(現(xiàn)代金融理論的突破、信息技術(shù)的巨大進(jìn)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(shí)，也增加了金融市場前所未有的波動(dòng)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(tuán)在考察衍生產(chǎn)品的基礎(chǔ)上提出的一種風(fēng)險(xiǎn)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(huì)于1996年推出的巴塞爾協(xié)議的補(bǔ)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(jī)構(gòu)計(jì)量風(fēng)險(xiǎn)的基本方法之一；美國證券交易委員會(huì)(SEC)1997年1月規(guī)定上

3、市公司必須及時(shí)披露其金融衍生工具交易所面臨風(fēng)險(xiǎn)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(jī)構(gòu)已經(jīng)采用VaR方法。VAR之所以具有吸引力是因?yàn)樗雁y行的全部資產(chǎn)組合風(fēng)險(xiǎn)概括為一個(gè)簡單的數(shù)字，并以美元計(jì)量單位來表示風(fēng)險(xiǎn)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(dòng)性與證券市場的發(fā)展息息相關(guān)。股票價(jià)格形成機(jī)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(dòng)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(jià)模型，期權(quán)定價(jià)理論等。股票價(jià)格的形成機(jī)制是一個(gè)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(jià)格的形成機(jī)制、股價(jià)的波動(dòng)模型主要有隨機(jī)游走模型(Random Walk)、對(duì)數(shù)正態(tài)分布模型、ARCH以及GARCH類模型和SV(隨機(jī)波動(dòng)率)模型等。而SV模型與其它波動(dòng)模型相比，在一定程度上能更精確地描述股票市場的價(jià)格

5、波動(dòng)現(xiàn)象。 風(fēng)險(xiǎn)度量的方法有很多，筆者主要針對(duì)VaR的原理，基于MCMC方法展開對(duì)GARCH模型和SV模型的實(shí)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(jī)構(gòu)投資者測量市場風(fēng)險(xiǎn)的主流技術(shù)。 計(jì)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(bào)率分布在整個(gè)樣本時(shí)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(bào)率還要壞的預(yù)期損失；分析法雖然簡化了VaR的計(jì)算，但它要求市場因子必須服從

6、正態(tài)分布、價(jià)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(shí)中經(jīng)常無法滿足這兩個(gè)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(xiǎn)。針對(duì)分析方法在處理非線性證券組合時(shí)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(jì)算，它可以克服傳統(tǒng)的蒙特卡洛方法的缺陷，提高估計(jì)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(huì)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(dòng)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(jì)算，通過對(duì)美元國債的實(shí)證分析和計(jì)算，驗(yàn)證了MCMC方法的優(yōu)越性。孫米強(qiáng)等(2004)首次將隨機(jī)波動(dòng)SV模型應(yīng)用于VaR的計(jì)算，說明了基于SV模型下的VaR更具有動(dòng)態(tài)性和準(zhǔn)確性，更貼近金融市場的風(fēng)險(xiǎn)水平。近幾年隨機(jī)波動(dòng)模型在我國得到了不斷的發(fā)展，研究者提出了眾多的擴(kuò)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(kuò)展模型模擬我國金融時(shí)間序列的優(yōu)劣程度并無確切標(biāo)準(zhǔn)，難以達(dá)成共識(shí)，必要的標(biāo)準(zhǔn)體系有待確立。 本文旨在利用波動(dòng)率模型來測量股市的VaR值。從GARCH模型和SV模型兩個(gè)角度，采用理論與實(shí)證研究相結(jié)合，刻畫中國股市的波動(dòng)率，進(jìn)而求得VaR。并且主要運(yùn)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(jìn)行實(shí)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(yùn)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(duì)GARCH模型和SV模型估計(jì)的結(jié)果進(jìn)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(jià)變動(dòng)的波動(dòng)率和風(fēng)險(xiǎn)價(jià)值。 本文的研究內(nèi)容大致可以分為以下幾個(gè)方面： (1)從金融風(fēng)險(xiǎn)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(jì)算原理、計(jì)算方法和模型的正確性檢

10、驗(yàn)。 (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(diǎn)，針對(duì)具體情況應(yīng)用何種方法，都進(jìn)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(duì)隨機(jī)波動(dòng)模型進(jìn)行了參數(shù)估計(jì)，同時(shí)利用極大似然估計(jì)進(jìn)行GARCH模型的參數(shù)估計(jì)，最后進(jìn)行二者的比較研究。 本文的創(chuàng)新之處在于：(1)運(yùn)

11、用一種比較新穎的統(tǒng)計(jì)方法，對(duì)我國金融高頻數(shù)據(jù)進(jìn)行研究，涵蓋了MCMC理論中的具體方法Gibbs抽樣，對(duì)MCMC方法的應(yīng)用進(jìn)行了詳細(xì)的實(shí)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(shí)證方法證明綜合指數(shù)和行業(yè)股指數(shù)的波動(dòng)率變動(dòng)是否一致或者近似；將GARCH模型引入作為對(duì)比研究，說明了MCMC方法的SV模型更能夠刻畫指數(shù)的變動(dòng)，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(shí)證的結(jié)果中會(huì)進(jìn)行詳細(xì)的闡述。(3)運(yùn)用一種較為實(shí)用的統(tǒng)計(jì)

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