2021年浅析基于GARCHVAR模型的股指期货风险度量实证研究

1、浅析基于GARCHVaR模型的股指期货风险度量实证研究 浅析基于GARCH-VaR模型的股指期货风险度量实证研究 股指期货；GARCH模型；VaR方法；风险度量；尖峰厚尾 1.引言 自从1982年2月16日堪萨斯期货交易所推出了第一张股指期货合约价值线股指期货以来，在短短的20多年间，以其独特的魅力和成功的运作，被世界许多国家所接纳，成为国际市场上最活跃的期货品种之一。 我国的证券期货市场形成较 晚，因而我国迄今尚未真正领略到股指期货的风光。1993年海南省对股指期货小试牛刀，却因诸多原因而不幸破产。xx年推出的以沪深300指数为标的股指期货给了我们宝贵的经验。 xx年4月16日我国的股指期货

2、正式推出，开辟了我国衍生品市场的新领域。股指期货的推出让我们欢欣鼓舞，可是现在金融市场相对比较封闭，股指期货作为一种金融衍生产品和一种风险管理工具，在发挥套期保值、对冲风险等作用的同时，也引发过巨大的灾难：巴林银行的倒闭、我国的327国债风波及海南股指期货试点的流产。这不得不引发我们的深思，在发挥这些金融衍生产品积极作用的同时，如何发现其带来的市场风险并通过监管防范控制。 1.1 研究意义 在金融全球化和自由化的背景下，金融衍生工具的应用以及金融机构业务范围、业务品种的不断扩大，使得市场之间的 _也越来越密切，让投资者所面临的风险更为广泛、复杂且难以被全面的衡量和掌握。股指期货作为一种金融衍生

3、产品和一种风险管理工具，在发挥套期保值、对冲风险等作用的同时，也具有杠杆效应以及由此而产生的高风险特性，如果运用不当的话，将会造成巨大的灾难。 要对市场进行防范和控制，首先就必须对市场风险进行度量。以往的风险衡量技术如标准差、持续期等方法都只能适用于特定的金融工具或在特定的范围内使用，难以综合反映风险承担度。如今市场风险度量的方法有很多，但目前流行的主要还是VaR（Value at Risk）方法。如何把VaR这一当今国际上主流的风险管理技术应用到风险管理中，是近年来国内学者一致致力于研究的课题。我国在xx年4月中旬推出了股指期货，于是本文选取了交易时间较长的IF1106合约进行相关分析，以期

4、对股指期货风险防范起到一定的作用。 1.2 文献综述 国外关于股指期货的理论研究已经相当的深入，同时还采用了很多定量的方法，为股指期货的及管理提供了大量的理论基础。 _多伦多大学教授John C.Hull1对期货市场、远期市场的及合约品种做了很充分的介绍，其中采用Black-Scholes公式对资产定价，并做了很充分例证。Antonios Antoniou，Gregory Koutmos，Andreas Pericli2通过分析股指期货推出后对市场的影响，论证了其对短期市场有积极作用。在风险水平的度量方面，Andrea Beltratti，Claudio Morana3则利用GARCH模型计算

5、并比较了每日和高频数据得到各期的风险测量值。 国内对股指期货的研究主要集中在对海外股指期货基本理论和基本运作知识的介绍上。苏中一4介绍了股指期货操作实务和相关技巧。蔡向辉5对股指期货的市场稳定作用及其现实意义进行了阐述。朱坤林6对股指期货风险管理工具及完善证券市场基础制度的意义、防范和控制交易风险的紧迫性做了深入的介绍。李勃，肖国俊7对股指期货推出后的市场风险和监管做了详细的阐述。张凤霞，王宝8应用植入SV的VaR模型对股指期货的风险进行了度量。 纵观国内关于股指期货的风险研究，可发现在介绍理论、方法之余，对于实证分析还不够深入。 2.基于GARCH模型的VaR方法的风险度量 最先引入风险测量

6、的运用是用概率代表 _发生的可能性。由于其对历史数据的要求过多，而促使了数理统计的发展。数理统计是依据随机现象研究事物内在，它只需要对一组较小样本的分析，来推断总体金融风险的未来趋势。而这两种方法仅限于对特定的金 _产进行风险度量，总体上不够全面，不能满足对日益复杂的金融产品的风险度量。随之产生的是VaR方法，它是以概率和数理统计为测量基础，结合实际市场因子对市场风险进行总体性测量的方法。它是相对完整、系统的风险测量方法，具有高度前瞻性。因此本文主要运用VaR方法对股指期货的风险进行度量。 2.1 VaR概述 VaR方法的产生源于20世纪 _的重大的金融灾难，如巴林银行的倒闭，反映出由于金融风

7、险的监督和管理不力而导致的巨大损失。针对这一问题，一些金融机构和管理者开始采用VaR方法。随着金融市场的发展，VaR方法在金融风险管理中的应用也越来越广泛。 它是在正常的市场条件和给定的置信度内，用于评估和计量任何一种金 _产或资产组合，在既定时期内所面临的市场风险大小和可能遭受的潜在最大价值损失。 VaR可定义为： 式中为资产的预期价值；为资产的期末价值；为置信水平下资产的最低期末价值。 又设（2.2） 式中为持有期初资产价值；为设定持有期内资产的收益率。 得到 （2.3） 为资产在置信水平下的最低收益率。 根据数学期望值的基本性质，得到： 根据公式2.4，如果能求出置信水平下的，即可求出该

8、资产组合的VaR值。 VaR方法是在传统的金融风险测量方法无法满足现实需求的背景下产生的，其概念简单明了，能将多种市场风险换算成一个用货币计量的指标数值，并能够测量由不同风险及其相互作用而产生的潜在风险。 但VaR试图用过去的数据预测将来的可能损失，这本身就有一定的不确定性；为了计算简便，引入资产收益率或 _服从联合正态分布的假定或历史重演的前提假设，而这往往也不一定符合现实的。 2.2 VaR模型计算方法 目前，计算VaR值是根据历史数据推算出投资组合中所有金融工具的收益分布以及整个组合的收益分布，从而测算得到VaR值。按推算资产组合收益的概率分布模型不同，计算VaR的方法有以下三类：方差-协方差法、历史模拟法和蒙特卡洛模拟法。 由于金融市场中收益率存在“尖峰厚尾”性质，会导致VaR对风险的低估。因此，本文将采用方差-协方差法并利用GARCH模型中的条件方差来估算股指期货市场VaR的参数，可以很好地追踪这一特性。 方差-协方差法是在正态分布的假设下，利用正态分布中置信度与分位数的对应性，计算得到组合的VaR值等于组合收益率的标准差与相应置信度下分位数的乘积。 （2.5） 2.5式中：为标准正态分布下置信度对应的分位数；为组合收益率的标准差；为持有期。 由2.5式可知，V