【股份制商业银行市场风险实证探析17000字（论文）】

股份制商业银行市场风险实证分析目录1绪论 绪论1.1研究背景及意义金融作为国家经济发展的重要推动力，保证他的稳定健康运行就显得格外重要，为此国家在不断对其进行深化和改革。而股份制商业银行在我国的金融体系和整个银行业中都居于重要地位，因为其能促进资源的合理配置、降低资本的流动成本、提升经济运行效率，因此，国家鼓励其发展。21世纪以来，股份制商业银行的规模迅速扩大，它们不断积累资本，在全国范围内设立分支机构，逐渐由之前的区域性银行变为现在的全国性银行，而随着规模的扩大，其受到经济环境变化的影响也越来越大，遭受的市场风险较之前也发生了变化。我国市场化进程加快，开放水平也进一步提高，虽然这对我国经济发展有着积极的推动作用，但是近年来，银行业面临的市场风险逐渐凸显，情况也越发的复杂，尤其是股份制商业银行，它们在面临内忧外患时，迅速调整发展方向，加快进行金融产品创新，不断开拓线上业务，这导致它们相较五大国有银行而言面临更大的市场风险。市场风险与其他风险不同，其他风险都比较容易察觉，而市场风险是在金融环境中酝酿，其爆发具突然性、致命性和被动性。基于此股份制商业银行应该重视自身的市场风险管理，保证能够健康稳定地运营，这不仅对股份制商业银行来说至关重要，是其实现利润最大化目标的前提，还对整个国家经济的平稳运行也有着重要的意义。与此相反的是，目前股份制商业银行对这方面的警惕性远远不够。因此，现在对股份制商业银行的市场风险进行研究是很重要的。本文利用GARCH-VaR模型对我国股份制商业银行的市场风险进行度量。由于国内外经济不断向前发展，股份制商业商业银行面临的市场风险也在不断变化，传统的市场风险度量方法已经不适用于现在复杂的市场，对市场风险进行度量的方法也应该与时俱进。VaR模型最早起源于西方，经过几十年的发展，已经比较成熟，它的测量结果直观精确，加上恩格尔提出并由后来学者不断补充完善的GARCH族模型，这两者结合能很好的反映金融时间序列情况，能够对具有自相关性的时间序列数据进行处理并得到更精确的VaR值，通过这个VaR值来反应我国股份制商业面临的市场风险大小。这对增加我国股份制商业银行对市场风险的关注度，探索更加适合我国实际情况的市场风险度量方法，促进我国股份制商业银行平稳健康运行都有很重要的意义。1.2研究内容与研究方法1.2.1研究内容本文首先介绍了股份制商业银行的发展历程，找到了其发展的阶段性，之后着重对股份制商业银行面临的市场风险现状做了详细的分析，还介绍了一些市场风险的度量方法，在此基础上，选取一些代表性的股份制商业银行，以它们每日的收盘价为研究对象，运用GARCH-VaR模型进行实证分析，度量股份制商业银行的市场风险大小，并将测度结果与HS模型的结果相比较，探索更适合目前经济环境下度量市场风险的方法，最后结合我国实际情况，对股份制商业银行今后的市场风险度量和管理提出一些对策及建议。第一部分为绪论，在这里主要介绍了本文的研究背景、研究意义、研究内容、研究方法和本文的不足与创新之处。在国内外充满挑战的背景下，股份制商业银行不得不进行金融产品创新，不断拓展线上业务，这导致其面临市场风险发生了巨大的变化，市场风险十分隐蔽，平时不容易被察觉，它是在金融环境中酝酿，爆发时具有突然性、致命性、被动性，因此对股份制商业银行进行市场风险的研究很有必要。本文运用GARCH-VaR模型进行实证分析，度量股份制商业银行的市场风险，探索适合我国实际情况的市场风险度量方式，并对股份制商业银行今后的市场风险防范提出一些对策及建议。第二部分是相关概念和文献综述。这部分是介绍了本文的两个关键概念股份制商业银行和市场风险，对之前学者的相关研究做了总结，在此基础上展开本文的研究。第三部分是对股份制商业银行的市场风险分析，首先介绍了股份制商业银行的发展历程，表明其现在所处的发展阶段，重点分析了股份制商业银行的市场风险现状，从环境影响因素和内部影响因素分析了目前股份制商业银行面临的市场风险情况，具体来说是人民币国际化、利率市场化下稳健的货币政策、第三方支付冲击和自身实施的差异化战略这四个因素。第四部分是股份制商业银行市场风险的实证分析，这一部分是在我国的12家股份制商业银行中选取了具有研究意义的8家银行，利用GARCH-VaR模型对基于这些银行收盘价计算出来的对数收益率进行分析处理，还与HS模型进行适用性和准确性的对比，得出模型这个模型更优的结论。第五部分是对策建议，这部分是根据实证结果和整篇文章的论述，对我国股份制商业银行今后的市场风险度量和市场风险防范做出了一些建议。上述内容为本文的研究内容，图1-1为本文的研究框架。提出问题绪论提出问题绪论研究背景与意义创新与不足文献综述研究内容与方法分析问题现状分析分析问题现状分析发展历程内在因素影响下的现状环境因素影响下的现状解决问题研究设计解决问题研究设计模型介绍模型建立数据选取与分析实证分析平稳性检验自相关性检验ARCH效应检验GARCH模型建模结论与对策建议HS模型建模两种VaR值GARCH模型与HS模型的对比以公司β计算的真实VaR为衡量标准图1-1研究框架1.2.2研究方法针对本文的研究主题和研究内容，谨慎选取了如下方法：（1）文献研究法。股份制商业银行在我国已经发展了比较长的一段时间，现在各项业务都比较成熟，关于其市场风险国内外的学者都做了许多研究，收集查阅这方面的最新的研究成果和其他相关的资料，比如市场风险成因、最优模型建立和风险管理对策等，了解该领域的最新进展，并对那些资料精心分类整理和总结归纳。本文在借鉴前人研究的基础上，梳理研究思路，构建研究框架，并展开后续研究。（2）定性和定量分析相结合。关于定性分析，了解股份制商业银行的界定和市场风险的概念，研究我国股份制商业银行的发展历程和市场风险现状，这为本文的研究奠定了理论基础和现实基础。关于定量分析，在对股份制商业银行面临的市场风险进行分析时，选取部分股份制商业银行的收盘价为研究数据，运用GARCH族模型进行自回归性条件异方差检验，再利用VaR模型计算出在险价值，得到股份制商业银行面临的市场风险状况。1.3创新与不足1.3.1创新点本文是基于GARCH-VaR模型对股份制商业银行的市场风险分析，在运用模型度量过程中，为了突显证实其具有有效性和准确性，将GARCH-VaR模型与HS模型进行对比分析，在衡量标准的选择上与之前的研究都不相同，本文选择银行的β作为权重，与沪深300指数的VaR共同计算出银行理论上真实的VaR值，再将两种模型计算出来的VaR和真实值比较，与真实值越接近的模型越有效，本文针对两种模型选取的衡量标准具有创新性，是之前研究没有涉及的。1.3.2不足与展望由于本人所学的知识有限，缺乏实证经验，本文的研究有以下几点的不足。（1）在选择研究数据时，仅选取了3年多的数据共1042个观测值，基于这些数据得到结论可能不是很全面。（2）在模型的分析上面，只选用了部分GARCH族模型进行研究，虽然EGARCH模型相较于其他三种模型对股价对数收益率的拟合效果更好，但是还可能存在其他更适合的GARCH族模型。现在还有学者结合混合Copula模型对市场风险进行度量，本文没有进行这方面的分析，文章在今后的发展中会将混合Copula模型结合GARCH族模型计算VaR。

2相关概念与文献综述本章介绍了本文的两个关键概念股份制商业银行和市场风险，对之前学者的相关研究做了总结，在此基础上展开本文的研究。2.1相关概念2.1.2股份制商业银行界定在中国商业银行的发展史上，最先对中小型商业银行进行股份制改革，因此“股份制商业银行”也被称为“中小型股份制商业银行”。在国际上，是通过比较银行的资产规模来区分银行大小的，《银行家》杂志每年都会公布全球排名前1000的大银行，其对于银行排序的标准也是一级资产和总资产，而我国之前所说的中小型股份制商业银行也位列其中。在1999年美联储就将资产小于10亿美元的银行划分为中小型银行，超过10亿美元的银行则划分为大银行，但是我国许多中小型股份制商业银行的资产都超过10亿美元，例如招商银行、中信银行等资产甚至超过了千亿美元。因此，我国界定股份制商业银行不是按资本来的，而是具有特指意义的，是将之前进行股份制改革的银行统称为股份制商业银行。国家正式指出股份制商业银行的范围是在2006年末，中国银监会将中国的银行业金融机构划分为4大类：=1\*GB3①国有大型商业银行；=2\*GB3②股份制商业银行；=3\*GB3③城市商业银行；=4\*GB3④其他银行机构。其中股份制商业银行是除了五大行之外的全国性的商业银行，包括：浦东发展银行、民生银行、华夏银行、中信银行、交通银行、光大银行、兴业银行、广东发展银行、平安银行、恒丰银行、渤海银行和浙商银行。2.1.2市场风险界定风险是指不确定因素带来未来收益的不确定性，其实风险也没有好坏之分，它既能给人们带来额外的收益，也能给人们带来巨大的损失，风险有很多种，而商业银行面临的主要是金融风险。商业银行是金融机构，平时会从事金融活动，而金融风险是金融活动的内在属性，只要存在金融活动，就必然存在金融风险。所谓的金融风险就是经济主体在金融活动中遭受损失的不确定性和可能性，金融风险大致包括：信用风险、市场风险、操作风险、流动性风险等，其中市场风险又是金融风险中最常见的一种风险，本文将以股份制商业银行的市场风险为研究对象展开研究。宋涛[1]指出市场风险是指交易者因市场条件的不利变动而遭受损失的风险，市场条件包括交易价格、交易规则、供求关系、流动性等。市场风险可以分为：=1\*GB3①利率风险，是指由于市场利率水平出现变动的而造成资产收益的不确定。=2\*GB3②股票风险，是指由于公司股价波动导致公司价值发生变化。=3\*GB3③汇率风险，是指由于人民币汇率的变动造成资产收益的不确定。=4\*GB3④商品风险，是指由于市场上物价水平的变化而引起未来资产收益变化的不确定性。市场风险不同于其他风险，其他风险比较容易察觉，便于公司及时采取措施防控，而市场风险是在市场中隐藏、积聚，难以察觉，其爆发具有突然性、致命性、被动性、传染性。一旦爆发，不仅会给自身带来严重的后果，还会给整个金融系统和经济环境带来严重的影响。我国银行三性原则中安全性处于重要地位，控制好市场风险是股份制商业银行安全稳健经营与发展的保障。2.3文献综述本节研究了GARCH族模型和VaR模型的发展以及之前学者应用这一模型展开的一系列研究，这是本文研究的现实基础，本文是在此基础上运用GARCH族模型和VaR模型对股份制商业银行的市场风险进行研究，分析探讨该模型的适用性。2.3.1模型发展股份制商业银行的市场风险是指，由于市场因素例如利率、汇率、政策等变动的不确定性而导致的股份制商业银行收益的不确定性，为了准确度量市场风险的大小，国内外的学者们进行了不懈地探索研究。1952年美国经济学家WilliamJ.Baumal提出了VaR（在险价值）理论，即在给定的置信水平下，如何选择证券投资组合来达到最高的期望收益。VaR被提出之后，又有无数的经济学家、数学家和计量学家对这一模型不断进行完善，PhillppeJorion[2](1995)系统的阐述了VaR的概念、原理和应用范围。Giot[3](1996)详细论述了计算VaR值的三种传统方法，方差-协方差法、历史模拟法和蒙特卡罗模拟法。EngleR[4](1982)首次提出的ARCH(自回归条件异方差)模型，该模型是GARCH模型的雏形。随后，为了克服ARCH模型存在缺陷，Bollersllev[5](1986)对ARCH模型进行了完善，进而提出了GARCH模型。但是，GARCH只能解释对称的序列，所以TGARCH、EGARCH两种的模型应运而生，这两种模型能够较好地解释序列的非对称效应。陈守东和俞世典[6](2002)首次将GARCH模型应用到国内的证券市场，并给出GARCH模型基于正态分布、t分布、GED分布三种不同分布下的VaR值。周涛和程晨[7](2011)利用GARCH类模型对上证国债指数进行分析，研究发现非对称GARCH模型的风险度量结果优异，表明该收益率序列具有聚集性、杠杆效应。2.3.2模型应用DavidH.Pyle[8]（1977）最早将VaR模型引入商业银行的市场风险度量领域。杜海涛（2000）在对我国证券风险管理的实证分析中首次运用了VaR模型，并得到了有效的结论。StuartHyde[9]（2002）在运用多种计量模型来度量汇率风险后指出GARCH-VaR模型是最优的。Martens.M[10]（2002）在分析外汇风险时运用GARCH模型分析了汇率的日波动性，根据结果合理的使用VaR模型计算出了外汇风险。叶青[11]（2000）在分析我国股市的风险价值时运用GARCH模型处理了金融时间序列的异方差的问题。王华[12]（2002）发现实际的金融时间序列并不一定符合正态分布，这与VaR的假定不相符，会造成VaR的计算结果出现偏差，他在分析GARCH模型在正态分布和T分布的情况后指出，在T分布的假定下结果更为有效。闫璐[13]（2006）以管理为切入点，详细阐述了VaR在商业银行市场风险管理的实际应用。李成和马国校[14]（2007）以2002年至2006年我国每日的同业拆借利率为研究对象，使用GARCH-VaR模型对商业银行利率风险进行了研究。顾雪松[15](2009)将GARCH－VaR模型应用到股指期货保证金的风险度量中，研究表明该模型能较好地反映收益率序列的尾部分布特征。高岳和朱宪辰[16]（2009）运用极值理论和GARCH-VaR模型处理分析了银行间的同业拆借利率之后，指出我国银行面临的利率风险波动幅度较小，比较稳定，但是长期将会处于高风险状态。李建成和邹方正[17]（2010）引入GARCH-VaR模型，选取参数计算出外汇资产的风险补偿金，定量度量了商业银行的外汇风险，并为外汇风险的监测和管理提供了一些建议。肖红艳和王宗润[18]（2010）运用Copula-GARCH模型度量商业银行的信用风险和汇率风险，计算出VaR值，兹证明此种模型计量汇率风险是有效的。邰莹莹[19]（2011）在分析我国商业银行的市场风险管理中存在的问题后，创造性的提出在VaR模型和压力测试中运用CAPM思想。杨夫立[20](2012)基于GARCH类模型，对金融时间序列在不同分布下(正态分布、ｔ分布和广义误差分布)的VaR计算方法进行讨论，同时对VaR的准确性进行检验。魏振祥、杨晨辉和刘新梅[21]（2012）利用VaR模型和GARCH族模型研究了沪深300股指期货面临的市场风险。程淑芳[22]（2014）选择上证综指和深圳成指为参数，运用GARCH族模型对股市的流动性风险进行分析，指出在突发外部风险时，深市的波动比沪市更强。吕东杰[23](2017)针对VaR模型刻画尾部风险存在的缺陷，构建GARCH－CVaR模型，实证结果显示该模型在对上市银行系统风险进行度量时表现出色。Jhe-Jheng[24]（2018）运用Copula-GARCH模型计算出了CDs投资组合的绝对值VaR。赵鹏举[25]（2019）运用GARCH-VaR模型分析了创业板和主板的波动性以及市场风险，指出相较于主板市场而言，创业板的风险和回报都较高。2.3.3文献评述VaR模型和GARCH族模型自提出起，就受到了广泛的关注，后来的研究学者不断完善模型，探索其在不同领域的应用，最终发现这个模型在市场风险的度量领域能发挥很大的作用。目前国内外对该模型的研究已经趋于成熟，模型被广泛应用于股市的市场风险度量、同业拆借市场风险的度量和商业银行市场风险的度量。其中学者针对商业银行的市场风险做了大量的研究，模型的准确性和优越性在一次次实证中的到了许多学者的认可。随着经济的发展，不仅仅是行业之间的差别的大，行业内部的差异性也越来越大，学者现在也不再是针对整体进行研究，而是开始细化、具体化研究对象。关于对股市市场风险的研究也细化到对创业板和主板市场风险的研究，对商业银行市场风险的研究具体到了对利率风险、汇率风险和股价风险的研究上。本文将在之前学者研究的基础上，以股份制商业银行的市场风险为研究主题，选取8家股份制商业银行进行实证分析，探讨GARCH-VaR模型在股份制商业银行市场风险度量中的优越性，为我国股份制商业银行应对市场风险提出合理化的建议。本章小结本章解释了本文研究的两个重要概念，股份制商业银行和市场风险，还对前人关于模型和相关领域的研究做了总结，这使下文的研究具有了一定理论基础。

3股份制商业银行的市场风险分析本章主要介绍了股份制商业银行的发展历程和市场风险现状。3.1股份制商业银行的发展历程通过研究我国金融业的发展历程和商业银行的演变，可以得到我国股份制商业银行是在改革开放之后开始发展起来的。1978-1993专业化转型阶段1978年我国正式进入改革开放的新时期，国家为了适应经济体制的改革要求，对银行业进行了整顿。中国人民银行还是行使中央银行的职能，负责统揽全局，在中央银行下面设立了，中国农业银行、中国工商银行和中国建设银行等专业性的银行来代中央银行办理不同方面的业务。继国有四大行成立或者独立经营后就是股份制银行相继成立，在银行业进行大变革探索多元化发展的政策背景下，股份制商业银行的成立是银行业的一个巨大的突破，它不仅改变了银行原有的股权结构，开始探索新的经营模式，它还肩负着金融体系改革的任务。在1987年之后，招商银行、广发银行、华夏银行、兴业银行、光大银行等股份制银行成立，负责专业化的业务，这是在改革的初期阶段，国家虽然赋予了银行一定的自主经营权，但是这个权利有限且金融产品品种单一，以存贷款为主。1994-2003商业化转型阶段1992年党的十四大成功召开，在会议上国家提出要加强对经济体制的法治建设，《银行法》、《商业银行法》相继颁布，这为商业银行后续的发展提供了法律保障。国家赋予股份制商业银行的权利也越来越多，股份制商业银行开始延续至今的自主经营、自负盈亏和自担风险的经营模式，开始向商业化转型，这一阶段，股份制商业银行得到了迅速的发展，并且业务范围不再受地区的限制，顺利完成从“区域性商业银行”在“全国性商业银行”的转变。2004-2016市场化转型阶段这一时期，我国进入新的开放时代，这就要求政府必须调整发展战略，快速适应国际环境。在这样的背景下，国家致力于推动建设现代金融企业制度，开启了国有银行的股份制改革，促进形成高层次、多元化、市场化的现代金融体系。股份制商业银行也抓住了发展的机遇，努力引进资金、加快上市步伐、力求形成自己的核心竞争力。在深圳发展银行（平安银行的前身）在A股率先挂牌上市后，其他的股份制商业银行也纷纷加入上市融资的大军中。2017以来轻型银行转型阶段股份制商业银行早期的发展注重规模和发展速度，这不仅给自身带来不利的影响，也给拖住了银行也的发展脚步。因此，我国在2017开始加大对金融业的监管，去杠杆、去通道都是监管的重点，促进银行回归业务本身，提升业务能力。在传统的盈利模式已经不能继续的情况下，以中信银行、兴业银行等为代表的股份制商业银行提出了轻资本、轻资产的发展战略，由此股份制商业银行开始向轻型银行转型。股份制商业银行自改革开放成立到后来的转制上市再到现在的轻型转型，其发展历程就是我国银行业加减杠杆历程的缩影。大部分股份制商业银行完成了上市融资，它们在上市后实力迅速增强，在全国范围内经营业务，无论是规模、盈利还是市场地位都有所提升，目前在政策和市场的推动下正在回归本源，实现向高质量发展的转变。股份制商业银行在一步一步的转型中对国民经济的影响越来越大，因此，需要保证其健康稳定的运营，对其市场风险的研究很有必要。3.2股份制商业银行市场风险现状分析1987年中国第一家股份制商业银行——招商银行在深圳成立，虽然至今只有三十多年的发展历史，但部分股份制商业银行资本规模可以和五大行相比，现在股份制商业银行在我国的金融体系和整个银行业中的地位越来越重要，作为不断扩张的全国性银行，这意味着股份制商业银行受国内外经济环境和金融市场变化的影响将越来越大。我国人民币国际化的进程加快、利率市场化基本实现、第三方支付产业在互联网消费金融的带动下日益繁荣、股份制商业银行差异化发展战略也开始实施，现在股份制商业银行面对着全新的、更加复杂多变的金融环境，其自身的市场风险也发展了巨大的改变。3.2.1环境影响因素分析人民币国际化的逻辑发生改变，对我国股份自商业银行的市场风险产生了一定的影响。我国从2009年开始推动人民币国际化，在2001年我国加入WTO后，中国迅速成为全球最大的国际贸易国家，人民币的国际使用量也开始成倍增加，在这一阶段，人民币国际化还主要是为了国际贸易结算方便，周诚君[26]指出在2017年开始，人民币国际化的逻辑发生了改变，在国际上人民币开始变成投资增资的资产。现阶段的人民币国际化进程已经与我国金融市场的深层次开放密切地联系在一起，这对于我国商业银行来说是风险与机遇并存。国际上的投资行为造成的人民币汇率波动会加剧，汇率波动会增加整个银行业面临的市场风险，也导致银行外币资本的折算风险加大。除此之外，这对股份制商业银行还有特别的影响。股份制商业银行不同于国有五大行，国有五大行受政府调控，在利率上受政府管制，而股份制商业银行受到的制约少，经营更加灵活。因此，股份制商业银行在国际业务上比五大行有竞争力，能积累更广泛的客户，股份制商业银行以低成本获得国际市场上的人民币存款，再进行国际投资或者对企业放出国际贷款，但汇率市场化之后导致的汇率波动加大，当人民币汇率出现大幅度下跌时，不仅股份制商业银行自身的投资会有较大的风险，其企业客户的外汇损失及外汇风险都转移到银行中，这可能会增加股份商业银行的市场风险。由表3-1可以看出，2017到2021年的美元兑人民币的汇率波动幅度较大，这在一定程度上增加了股份制商业银行的市场风险。图3-12017-2021美元兑人民币汇率变动表数据来源：iFinD数据库整理得出利率市场化基本实现后，我国现阶段的稳健货币政策对我国股份自商业银行的市场风险产生了一定的影响。黄光敏[27]指出我国自1993年开始推动利率市场化的进行，到目前为止我国利率市场化水平已经基本实现。在现阶段的实践中发现，虽然利率市场化对国家经济的发展和金融机构的运行都有推动作用，但是也给金融市场带来了新的风险。自2017年开始我国实施了紧缩性的货币政策，微微下调了基准利率，商业银行的利息收入空间越来越小，竞争加剧。一直以来，股份制商业银行为了吸引更多地客户，会采用较低的贷款利率，其存贷款利差普遍小于国有五大行，在利率市场化水平很高的情况下，股份制商业银行传统的存贷款业务的盈利能力受市场利率波动影响明显，这对其面临的市场风险也有不好的影响。2017年以来，第三方支付的迅速发展，抢占市场份额，加大了股份制商业银行面临的市场风险。李婷[28]提到我国经济发展进入新常态，经济增长放缓，加快调整经济结构逐渐成为我国经济发展的首要任务，互联网消费金融成为大家关注的焦点，而第三方支付也借助互联金融发展的尤为迅速，对股份制商业银行造成了巨大的冲击。一方面，第三方支付平台的能吸收存款，并且客户的备付金是交由中央银行管理，这导致股份制商业银行的存款流失。另一方面，第三方支付还推出一些活期理财产品和各式各样的生活服务，这分走了股份制商业银行的部分客流。第三方支付还在不断扩大其支付范围，迅速抢占支付业务市场，这非常不利于股份制商业银行的银行卡业务和支付业务规模的扩张，这种影响是持续的，因为新的客户会更加倾向于方便快捷的第三方支付，影响了股份制商业银行的盈利能力。股份制商业银行为了加强自身的竞争力，也不断扩大自身规模，由于扩张速度的过快，资本增加的速度跟不上，这导致股份制商业银行面临资本充足率降低，从自身根本上增加了风险。同时，为了顺应经济发展的趋势，股份制商业银行开始将部分业务完成从线下到线上的转移，开辟新的线上业务，线上业务加大了股份制商业银行面临的市场风险，加上互联网信息的虚拟性和复杂性，很容易在原有基础上放大风险，并造成行业内的交叉传染。3.2.2内在影响因素分析2016年末，中国银监会表示包括股份制商业银行在内的中小商业银行需要走差异化、特色化的道路，中国证监会主席也在全国性股份制商业银行的年会中指出我国经济发展进入新常态，全国性股份制商业银行也正处于二次转型的历史转折点，股份制商业银行执行国家战略，拉开了差异化战略的序幕差异化的类型有很多，并没有具体的标准，股份制商业银行在探索之后，注重产品服务的差异化，客户的需求纷繁复杂，股份制商业银行开始投入大量资金为客户量身定制金融衍生产品，金融衍生产品本身就具有很大的风险，加上设计不成熟，客户购买数量少，这都加大了银行面临的市场风险。本章小结股份制商业银行从发展到现在一共经历了四个阶段，现阶段是轻型银行转型阶段，在这一阶段股份制商业银行开始实施差异化战略，加上外部环境的影响，其市场风险发生了变化，因此需要对股份制商业银行的市场风险进行分析，并探索适合对其市场风险进行度量的方法。

4股份制商业银行市场风险实证分析市场的不确定性会给股份制商业银行带来损失，而市场风险的度量就是来衡量这些因素带来的损失大小。柏满迎和孙禄杰[29]指出传统的测量方法，比如方差协方差分析，其局限性在于，数据的处理要建立在正态分布的前提下，但实际上我们获得的数据都不符合正态分布，只简单的将其视为正态分布会大大降低测量结果的准确性。本文运用GARCH族模型对获取的数据进行建模，反映出数据的波动性状态和分布情况，再利用AIC准则找出与数据最拟合的GARCH模型，经过模型测算得出自由度，然后进行一步向前预测，预测数据的出均值和方差，利用以上信息结合VaR的计算放方法就可以得到不同银行的在险价值。4.1模型介绍4.1.1VaR模型介绍VaR是指在一定置信水平和一定持有期内，某一金融资产或组合在正常的市场条件下所面临的最大损失。可以表示为：1−c=−∞w其中f（w）为未来投资价值，P为概率测度，c为一定的置信水平，W为初始投资额，W*为在c置信水平下最低的期末价值。在不假定投资回报分布的情况，由于计算损失选取的参照值不同，可以计算两种VaR：一种是均值VaR，计算公式为：均值VaR＝E(W)-W*=-W0(R*-m)=-W0Rʹ*s，这是用均值作为基准，度量投资价值的相对损失；另一种是零值VaR，计算公式为：零值VaR＝W0-W*=-W0R*，这是用初始值作为基准，度量的是投资价值的绝对损失。其中E（W）为期望收益率，R为收益率，m为预期收益率R的期望，s为预期收益率R的标准差，R*为在95%置信水平下的最低回报率，W0为初始投资额，W*为在95%置信水平下最低的期末价值。在计算VaR时，较常用的是均值VaR。在假定投资回报分布符合正态分布的情况下，先检验选取的实验数据是否符合正态分布，如果符合，再利用正态分布特点来计算得出R*，最后带入上述公式得到VaR。传统VaR的测算方法有很多种，比较常见，操作较为简单的是：方差-协方差分析法，这是一种局部估值法；历史模拟法和蒙特卡罗模拟方法，这两种都是完全估值法。三种方法都是基于历史数据，对未来情况进行预测。4.1.2GARCH族模型介绍在实际的检验中，大部分数据是不符合正态分布的，这些时间序列往往会呈现尖峰或者厚尾的特征，尤其是金融时间序列体现了金融资产的爆发性、持续性和聚集性等条件异方差特征，而VaR模型适用于正态分布的时间序列，如果忽略这些异方差性，直接将时间序列看成正态分布来计算VaR值，这样的结果与实际会有差异。为了克服传统模型在线性处理时出现的问题，1982年德国经济学家恩格尔提出了自回归条件异方差ARCH模型，在后来学者的完善和补充下，就有了我们现在常用的GARCH族模型。董静静[30]在大量的实证分析中证明GARCH族模型被认为能较好的刻画金融时间序列的分布波动特性。由于市场的不确定性会给商业银行带来损失，对商业银行的市场风险测量就是来衡量这些损失的大小。运用GARCH族模型对获取的数据进行建模，反映出数据的波动性状态和分布情况，再利用AIC准则找出与数据最拟合的GARCH模型，经过模型测算得出自由度等数据，带入VaR计算公式求解得出不同银行的在险价值。4.2数据选取我国的股份制商业银行一共有12家，除了广发银行、恒丰银行和渤海银行外其余9家银行均成功上市，广发银行在二级市场上发行债券，规划在未来上市，恒丰银行和渤海银行在较长一段时间内还不会上市，因此这三家银行在本文的分析中都不做考虑。而在上市的9家银行中，浙商银行上市时间最短，实发股本较其他银行较少，其余8家上市的股份制商业银行行上市时间长、规模大、其股价能很好的反映市场风险情况。因此，本文选取招商银行、浦发银行、中信银行、光大银行、华夏银行、民生银行、兴业银行和平安银行这8家银行的收盘价进行研究。本文选取上述8家股份制商业银行2017年1月3日年至2021年4月16日的收盘股价作为研究数据，共1042个观测值。研究数据选择收盘股价，股价的真正含义是企业资产价值，影响股价变动的因素可以分为个别因素和一般因素，个别因素是指公司的内部发展，一般因素是指市场的变动，因此在分析市场风险时，股价是具有一定代表性的。每日股价有开盘价，收盘价和最高股价，与前两者相比，收盘价更能反映一天结束公司的市场情况，因为收盘价是一天股价经历转手、购入、抛售等操作后，最终的价格，比开盘价和最高股价更能反映当天的市场情况。本文还借助了基于收盘股价计算出的对数化的收益率来更直观地反映股价的波动情况和面临的风险。4.3数据分析本节将对得到的对数收益率进行描述性统计分析，检验数据是否符合正态分布，并分析得到数据的分布特征。根据银行的收盘价计算出对数收益率，利用EVIEWS对对数收益率做描述性统计分析。表4-1对数收益率的描述性统计结果MeanStd.Dev.SkewnessKurtosisJarque-BeraProbability光大银行0.000150.014250.885919.452761944.0940.0000华夏银行-0.000290.000120.7319210.265452385.8630.0000民生银行-0.000260.010360.9426311.348683046.5520.0000平安银行0.000820.020710.205545.37858252.9730.0000浦发银行0.000740.013130.7194110.813762740.6810.0000兴业银行0.000220.002690.026976.20185445.0410.0000招商银行0.001080.017960.539715.84583167.9630.0000中信银行0.000740.013560.7757211.978513604.4730.0000数据来源：iFinD数据库整理得出从表4-1中可以得到，各个银行的均值和标准差都不为0和1，不符合标准正态分布的要求。这些数据的偏度都为正，偏度是表示数据的分布形态，为正的偏度系数代表时间序列具有右拖尾的特征。数据的峰度都高于正态分布的标准峰度值3，其中最小值为5.38>3，峰度是表示变量取值分布形态的走势变化程度，较高的峰度表示数据走势很高。总体来看这些银行的收益率序列都呈现出尖峰厚尾的特征。表中Jarque-Bera统计量值都很大，且p值为0.00000，说明这些银行的日对数收益率都不服从正态分布。4.4GARCH-VaR模型的建立与测算上文是关于样本银行股价对数收益率的描述性分析，从这里能看出银行收益率波动加大、不太稳定的特点，并且数据不符合正态分布。不直接使用股价作为研究对象，是因为对数收益率可以让数据更平稳，并且不会改变数据之间的相关关系，同时还削弱了数据的异方差，便于后续计算。本文运用Eviews软件对时间序列进行处理，分析过程以平安银行为例。4.4.1ADF平稳性检验从表4-1可以看出平安银行的对数收益率序列不符合正态分布，还需对序列进行平稳性检验，因为非平稳的时间序列在后续的模型运用中可能会导致冲击影响长期存在，进而出现虚假回归等问题。序列平稳的标准就是随着时间的推移表现出不变的均值、方差和自协方差。表4-2为unitroot检验结果：表4-2平安银行对数收益率的单位根检验t-StatisticProb.*AugmentedDickey-Fullerteststatistic-31.904980.0000Testcriticalvalues:1%level-3.4364135%level-2.86410610%level-2.568188在表4-2中可以看出，t-Statistic值为-31.90498,，在1%、5%和10%的水平下得出的数值都大于-31.90498，其对应p值为0.0000，拒绝存在单位根的原假设，因此该序列不存在单位根，即数据是平稳的。4.4.2自相关性检验建立GARCH模型的前提是数据必须具有自相关性，对平安银行的对数收益率进行自相关性检验。图4-1平安银行对数收益率的自相关性检验从图4-1中可以看出，第二列有一个数值超出设定值，因此，该时间序列数据具有一阶自相关性。4.4.3ARCH-LS检验对数据进行线性回归时，由于具有一阶自相关性，因此基于一阶自相关性来进行ARCH-LS模型估计，在用LS模型进行线行回归之后，进行ARCH检验。表4-3ARCH效应的检验结果HeteroskedasticityTest:ARCHF-statistic76.97031Prob.F(1,1038)0.0000Obs*R-squared71.79484Prob.Chi-Square(1)0.0000根据F检验和Obs*R的p值均为0，可知该数据存在ARCH效应，即残差存在异方差性，因此，可以进行GARCH模型建模。4.4.5GARCH族模型建模对比GARCH族模型有很多种，其中之前学者的实证研究表明GARCH（1,1）模型、TARCH模型、EGARCH模型可以很好的捕捉到金融时间序列的特征，下面将分别运用这三种模型对数据进行回归，并选取用T检验和GED检验两种方式，对比结果，得到最优解。表4-4GARCH族模型T检验和GED检验结果比较T检验GED检验拟合优度拟合优度GARCH(1,1)0.9923780.982765TARCH0.9923760.992187EGRACH0.9923810.971723表4-4是部分GARCH族模型的T检验和GED检验结果，选取拟合优度的对比情况，拟合度越高说明该检验和实验数据的拟合程度越好，结果就更加符合实际，在两者的参数都显著的前提下，比较拟合度，根据数据可以看出T检验的拟合度高于GED检验的拟合度。因此，选用T检验进行数据检验。选用GARCH族模型结合和T检验对平安银行的对数收益率序列进行回归检验，整理得到表4-5。表4-5GARCH族模型对比分析AIC拟合优度自由度GARCH(1,1)0.0410.9934.213TARCH0.0280.9934.603EGARCH0.0040.9964.742在对GARCH族模型的分析中，选取了AIC、拟合优度和自由度这三个指标，通过AIC准则和拟合度的比较，可以判断出EGARCH模型为最优模型，更能拟合银行对数收益率的序列，因此选择EGARCH模型结合T检验来进行VaR的测算。4.4.6VaR的计算利用EGARCH模型结合T检验对选取的8家股份制商业银行的对数收益率序列进行处理，得到银行最合适的自由度，如表，再进行一步向前预测，预测得到序列的均值和方差。表4-68家银行由EGARCH模型测算出来的自由度银行名称光大银行华夏银行民生银行平安银行浦发银行兴业银行招商银行中信银行自由度3.76333.65773.39174.45913.21594.21985.39383.8861根据表4-6中的自由度，利用模型预测得到的方差和均值计算得到每天的VaR值，并取平均数，得到8家股份制商业银行对数收益率的平均VaR值。表4-78家银行由GARCH-VaR模型测算出的VaR值银行名称光大银行华夏银行民生银行平安银行浦发银行兴业银行招商银行中信银行Va0.02010.01690.01510.03040.01820.03500.02530.0185表4-7是8家股份制商业银行的对数收益率通过GARCH-VaR模型测算出的VaR值，表示银行每日的最大损失率。4.5GARCH模型与HS模型对比分析本节内容用上述采用的GARCH模型和以HS模型为代表的其他模型做对比分析，验证GARCH模型在衡量股份制商业银行市场风险时的优越性。4.5.1HS模型测度HS模型利用过去一段时间的股价，计算出历史上一段时间内的平均收益，在根据既定置信度下的最低收益水平，推测计算出VaR值，其隐含的假定是历史变化在未来可以重现。历史模拟法的优点在于不需要对时间序列的分布作特定假设，而是基于历史数据的经验分布，因为时间序列的分布对预测结果不会造成影响，该方法简单、直观、易于操作。利用上述HS方法计算得出8个样本银行的VaR值VaR表4-88家银行由HS模型测算出的VaR值银行名称光大银行华夏银行民生银行平安银行浦发银行兴业银行招商银行中信银行Va0.03080.02520.02390.04260.03190.04750.03490.0287表4-8是8家股份制商业银行的对数收益率通过GARCH-VaR模型测算出的VaR值，表示银行每日的最大损失率。4.5.2对比分析首先，以沪深300指数作为市场（用m表示），在Eviews中利用上述GARCH方法预测沪深300指数每天的对数收益率损失，并得到其均值，即平均损失VaR其次，按照公式(4-2)计算得到各公司与沪深300指数对数收益率的β值。如表4-9。β=(4-2)表4-98家银行β值银行名称光大银行华夏银行民生银行平安银行浦发银行兴业银行招商银行中信银行β0.66100.62380.56661.12720.64970.92410.94100.6467然后，以每家公司的β值作为衡量其真实市场风险大小的权重，按照公式(4-3)得到理论上真实的市场风险大小VaRTH，如表4-10。Va(4-3)表4-108家银行理论上真实的市场风险值银行名称光大银行华夏银行民生银行平安银行浦发银行兴业银行招商银行中信银行Va0.01280.01210.01100.02180.01260.01790.01820.0125 分别计算每个公司基于两种方法得到的VaRGARCH和VaRHS与理论损失值VaRTH的残差平方和SSRGARCH和SS(4-4)SS(4-5)表4-11GARCH和HS模型计算出的VaR的残差平方和残差平方和数值SSR_GARCH0.00057458SSR_HS0.00288729比较表4-11中的数据，可知SSRGARCH=0.0006<SSRHS=0.0029。即基于G图4-2GARCH和HS模型计算出的VaR的残差平方和将VaRGARCH,VaRHS与VaR4.6实证结果分析从GARCH-VaR模型计算出来的VaR值中，可以直观的看出，在这8家股份制商业银行中，兴业银行面临的市场风险最大，其对数收益率的损失率高达3.5%,因此兴业银行应该加强其市场风险的管理；民生银行面临的市场风险最小，其对数收益率的损失率仅为1.51%。整体来看，这8家股份制商业银行与沪深300指数计算出来的β，仅有1家银行超过了1，说明股份制商业银行面临的市场风险与市场上的其他公司相比还是较小的。上述实证分析利用股份制商业银行日收盘价的对数收益率与沪深300指数的对数收益率计算出各个银行的β值，把β作为权重与沪深300指数对数收益率的VaR相乘得出各个银行理论上的VaR值。运用GARCH模型和HS模型分别测算出各家银行的VaR值，并分别计算出这两个VaR值与理论VaR值的残差平方和。结果显示GARCH模型算出的VaR值与理论VaR值的残差平方和更小，这说明GARCH模型测度出来的VaR值比HS模型更接近真实值。因此，运用GARCH-VaR模型度量到股份制商业银行的市场风险更加准确。本章小结本章是对股份制商业银行市场风险测度的实证分析，首先是对VaR和GARCH族模型的介绍，之后时实验数据的选取、分析和整理，然后就是运用GARCH族模型建模。本章的重点是对比GARCH模型和HS模型的准确性，实证结果表明，GARCH-VaR模型比HS模型对股份制商业银行市场风险的测度更有效。

5对策和建议5.1总结本文分析股份制商业银行的发展历程和在内外部因素影响下的市场风险的现状。股份制商业银行在我国经济发展中发挥着越来越大的作用，在现阶段，我国人民币国际化的逻辑发生了改变，人民币现在不仅仅是国际贸易结算支付的手段，还是一种为了增值的投资；我国利率市场化也已经实现，现行文件的货币政策；第三方支付行业欣欣向荣，抢占了大量的线上市场份额；在国家推动下实施的差异化战略也在稳步进行。这意味着股份制商业银行面对着全新的、更加复杂多变的金融环境，其自身的市场风险也发展了巨大的改变，选择适用有效的市场风险度量方法就显得格外重要。VaR模型在经过近三十年的发展，在商业银行市场风险度量领域的有效性已经得到了广泛的认可，而GARCH族模型是基于波动聚集性这个特征建模的，这适合处理具有自相关性的时间序列。本文采用GARCH-VaR模型结合T检验对股份制商业银行的市场风险进行度量。在模型的选取上，由我国股份制商业银行的收盘价计算出来的对数收益率，明显不符合正态分布，只是简单的假设其符合正态分布，运用传统的VaR计算方法会导致其计量结果有较大的偏差，在对对数收益率精心描述性统计分析后，结果显示该数据具有尖峰厚尾特并且残差存在异方差性，即具有ARCH效应，因此选用GARCH族模型建模，运用AIC法则和拟合度选出最合适的检验方法和模型，运用模型预测出均值和方差之后计算出VaR。这个模型是向前一步预测之后计算出来的结果，而HS模型仅仅是运用了历史的数据，但历史不会重演，实证结果中也显示运用GARCH-VaR模型计算出来的VaR值比HS模型更加准确。因此，GARCH-VaR模型可以运用到对我国股份制商业银行的市场风险测量中。5.2对策与建议对股份制商业银行来说，它规模不及国有五大行，享受的政府补贴也较少，在同样的金融环境下，面临着比五大行更大的市场风险，其自身实施差异化发展战略，业务大多向线上转移，这都增加了其市场风险。因此，股份制商业银行应该更加重视市场风险的度量、防范和管理。股份制商业银行可以采用GARCH-VaR模型的自身的面临的市场风险进行度量，在此基础上完善风险控制体系，虽然我国银行业的风险控制体系经过长时间的发展已经相对来说比较完善了，但是金融在不断发展，风险控制体系也应与时俱进。互联网金融非飞速发展，股份制商业银行的线上业务也越来越多，其金融衍生品的创新较以前也有大幅度增加，股份制商业银行应该重视对其线上业务和金融创新的风险控制，在平时运行中也需要稳健经营，减少极端事件的发生，以此来降低面临的市场风险。

结论本文分析了我国股份制商业银行的发展历程和市场风险情况，运用GARCH-VaR模型对我国股份制商业银行的市场风险进行测度，得到银行的VaR值，同时以每家公司的β值作为得到其真实市场风险大小的权重，计算得到理论上的VaR并以此为衡量标准，将由GARCH-VaR模型计算出的VaR值与HS模型进行对比，分析出GARCH-VaR模型能有效、准确的测度市场风险，这为股份制商业银行的是风险测度提供了有效的方法，对股份制商业银行防范市场风险具有现实意义。参考文献［1］宋涛.基于VaR的商业银行市场风险度量研究—以浦发银行为例[D].大学硕士学位论文，2012.［2］PhilippeJorion.ValueatRisk[M].McGraw-Hill,1996(3):345-366.［3］Giot,LaurentS.Marketriskincommoditymarkets:aVaRapproach[J]ForthcomingInJournalofFuturesMarkets,1996(07):34-40.［4］EngleR.F..AutoregressiveConditionalHeteroskedasticitywithEstimatesoftheVaRiabceofU.K.Infletion[J].Econometri