基于ＶａＲ測度我國商業銀行利率風險的實證研究

摘要：本文結合我國利率市場化進程，對我國銀行間同業拆借市場利率進行實證分析，綜合分析利率序列的現狀和特征，確定了我國銀行間同業拆借市場利率基于VaR風險管理的模型形式，最后對實證分析的結果進行理論闡述和詳細分析，為我國利率市場化進程及商業銀行的利率風險管理提供了理論和實務指導意義。

關鍵詞：利率市場化;特征;VaR;風險測度

一、文獻概述

隨著我國利率市場化的深人，我國商業銀行將逐步向先進的利率風險測度模型演進，從而跟國際先進風險管理水平接軌，增強自身的市場競爭力和抵御風險的能力。

作為當前最重要的風險管理方法之一，VaR被運用于金融風險管理的各個方面。雖然VaR方法在國外已被廣泛的接受，屬于較為成熟的一種風險管理方法，但是我國商業銀行應用VaR作為市場風險的管理手段還處于起步階段。目前我國已經由中國農業銀行、中國銀行等多家銀行嘗試運用VaR方法對外匯資金業務進行市場風險管理。

目前國內將VaR用于商業銀行的利率風險測度的研究較少，相關研究主要有：賀國生《商業銀行利率風險測度模型與管理模式研究》（博士論文）報告中采用VaR基本模型進行分析并就其風險測度運用進行了實證檢驗。王春紅、曹興華在“VaR方法在國債利率風險管理中的應用”(《商業研究》，2004.1)中利用VaR方法對國債的利率風險進行了測度。李成、馬國校在“VaR模型在我國銀行同業拆借市場中的應用研究”(《金融研究》，2007.5)中采用VaR模型對我國銀行間同業拆借市場每日加權平均利率進行實證研究，建立了基于GARCH模型的我國銀行間同業拆借市場利率風險測度VaR模型。李志輝、劉勝會在“我國商業銀行利率風險的測度研究——以同業拆借市場為例”(《南開經濟研究》，2006.3)中分析了我國商業銀行利率風險管理現狀。

綜合來看，國內這些研究中主要是對VaR在利率風險測度中的理論層面進行了闡述并進行了簡單的實證檢驗分析，如戴國強的研究報告，或者采用VaR進行了簡單的分析，對于利率風險的VaR的測度以及適合模型的理論層面沒有進行深入綜合的闡述研究。本文結合我國利率市場化進程，對我國銀行間同業拆借市場利率進行實證分析，綜合分析利率序列的現狀和特征，運用ARIMA-GARCH模型對序列進行分析，確定了我國銀行間同業拆借市場利率基于VaR風險管理的模型形式，最后對實證分析的結果進行理論闡述和詳細分析。

二、我國銀行間同業拆借市場利率特性分析

1996年6月1日，中國人民銀行取消了對同業拆借利率的上限管理，同業拆借利率由交易雙方根據市場資金的供求狀況自行確定，開始了我國同業拆借利率市場化改革。改革之初的1996年拆借市場交易額僅為5，871.58億元，至2007年交易量已達106，508億元，是1996年的18倍，其中隔夜和7天的同業拆借額分別為80，304億元和21，780億元，占全部交易量的95.8%。且通過其時序變化可以看出，全國銀行間同業拆借利率圍繞2.2910上下波動，在2007年下半年有幾次較大波動，最高值達到9.7140；在2006年12月之前相對波動較小。

我們選取2003年1月l日至2007年12月31日同業拆借市場七天每日加權平均年利率中的1254個觀測值為樣本數據。文中數據來源為中國貨幣網www.chinamoney.com.cn，數據處理使用Eviews 5.0。

三、我國銀行間同業拆借市場利率基于VaR模型的建立

1.對同業拆借市場利率的時序性進行建模

我們通過前面的分析，可以初步看出銀行間同業拆借利率在時序上具有一定的規律性，我們對這個信息來進行分析，采用ARIMA技術來進行建模，來對利率進行短期預測，可以更好地為VaR進行利率風險的測度提高準確性。

由圖5.4一階差分序列D(rt)自相關系數和偏自相關系數分析得到，該序列存在弱相關性，因此可以通過階數較低的ARIMA模型進行擬合，通過赤池信息準則（AIC準則）、SC和對數似然函數值選取最終適合的模型。擬合模型形式包括：原序列rt的ARIMA(1，1，1)模型、ARIMA(2，1，1)模型、ARIMA(2，1，2)模型、差分序列的AR(1)模型（即原序列rt的ARIMA(1，1，0)模型）、AR(2)模型（即原序列ORI的ARIMA(2，1，0)模型）、MA(1)模型（即原序列ORI的ARIMA(0，1，1)模型）、MA(2)模型（即原序列rt的ARIMA(0，1，2)模型）。

在所有擬合的ARIMA模型中，ARIMA(2，1，1)模型的AIC，SBC值最小，而對數似然函數值相對較大，所以綜合考慮我們選取ARIMA(2，1，1)模型：

D(ORI，1)=0+[AR(1)=0.83895，AR(2)=-0.06994，MA(1)=-0.978529]

同時模型總體擬合效果不錯，同時我們可以看出其殘差具有聚集性的特征，由于GARCH模型可以進一步提取殘差的信息，來增強我們解釋和預測的能力，大量實證研究表明，GARCH模型適合預測金融時間序列的波動性。因而，本文對我國銀行間同業拆借利率的波動性估計在前面的基礎上采用GARCH模型對殘差進行新息提取。

2.對同業拆借市場利率的異方差性進行建模

（1）ARCH-LM檢驗

對殘差序列進行3階滯后檢驗，通過檢驗得知式ARIMA(2，1，1)的殘差序列存在ARCH效應。

（2）GARCH模型的構建

在建立GARCH模型時，我們分別基于正態分布、學生t分布和廣義誤差分布(GED)三種不同的殘差分布假設在GARCH族各種不同的形式進行檢驗，模型階數分別取（1，1）、（1，2）、（2，1）、（2，2）。

根據模型AIC、SBC和極大似然值的計算結果，我們確定EGARCH(2，1，2)為比較適合的模型，其誤差分布服從t分布。后又對EGARCH(2，1，2)的系數進行顯著性檢驗，我們綜合比較確定模型的形式為：EGARCH(2，1，1)。

LOG(GARCH)=-0.1310+0.5103*ABS(RESID(-1)/@SQRT(GARCH(-1)))+-0.3526*ABS(RESID(-2)/@SQRT(GARCH(-2)))+0.1604*RESID(-1)/@SQRT(GARCH(-1))+0.9966*LOG(GARCH(-1)

（3）基于VaR技術對銀行間同業拆借市場利率的測度

我們在利率風險的測度中綜合采用歷史模擬，參數方法和蒙特卡羅的方法進行VaR的計算，并進行對比說明。

由上可知，同業拆借利率序列的殘差序列選擇EGARCH(2，1，2)模型。為了擬合的需要，我們分別用Eviews5.0計算的正態分布、t-分布和GED分布假設下EGARCH(2，1，2)模型的估計結果，如表1所示：

上表中，廣義誤差分布中參數估計結果v=1.1990小于2，說明此序列是尖峰厚尾的。

對待VAR的計算我們分別采用歷史模擬方法、參數方法和蒙特卡洛方法進行計算。同時我們通過LR回測技術來檢驗VaR模型的準確性。檢驗結果表明基于正態分布、t-分布、GED分布三種不同假設下采用參數方法和蒙特卡洛方法計算出的LR均小于臨界值6.635，，說明三種分布假設下均擬合的較好。其中從實際失效比例可以看出GED分布假設下參數方法和蒙特卡洛模擬方法擬合的最好。

3.實證分析及理論闡述

（1）由于在EGARCH(2，1，1)-t模型中，由于系數α=c(5)=0.510260＞0，γ=c(7)=0.160419＞o說明我國銀行間同業拆借利率存在杠桿效應，且利壞消息的影響大于利好消息；我們分析認為存在正的杠桿效應，日均隔夜利率的一階差分對其它期限的利差序列的波動存在一個正向的影響。

存在杠桿效應的主要原因在于：銀行間的同業拆借市場作為貨幣市場的主要子市場和中央銀行實施貨幣政策的主要場所，其利率是最敏感的貨幣市場利率，同其它利率指標相比，它更能及時準確地反映出貨幣市場上資金的供求變化，因此它在整個金融市場的利率結構中具有導向作用。而且，同業拆借利率作為金融市場資金供求狀況的綜合反映，具有較好的傳導性，其變動會迅速波及整個市場利率體系，引起整個貨幣市場利率變動。在貨幣市場的各個子市場中拆借市場的利率最能及時體現資金供求變動狀況，對整個貨幣市場的利率結構具有導向性，正因為如此，同業拆借利率成為經濟中反映整個信貸資金供求狀況的一個非常敏感的指標，也成為中央銀行貨幣政策的重要參考依據。

（2）在EGARCH(2，1，l)—GED模型中，置信水平為99%時，計算2003年年1月1日至2007年12月31日期間我國銀行間同業拆借利率的風險價值VaR為0.013611467Pt，說明持有價值為Pt的銀行間同業拆借資金在2008年1月1日可能發生的損失不會大于Pt的1.3611467％，這一結果表明目前我國銀行間同業拆借市場的利率風險較小。

同業拆借作為臨時調劑性借貸行為的特點，具有期限短和利率相對較低，風險相對較小的特點。1.期限短。同業拆借的交易期限較短，屬臨時性的資金融通。我國目前同業拆借期限最長不超過4個月。2.利率相對較低、風險較小。一般來說，同業拆借利率是以中央銀行再貸款利率和再貼現率為基準，再根據社會資金的松緊程度和供求關系由拆借雙方自由議定的。由于拆借雙方都是商業銀行或其它金融機構，其信譽比一般工商企業要高，拆借風險較小，加之拆借期限較短，因而利率水平較低。

但是我國拆借利率還是具有一定程度的風險，99%置信度下VaR風險有接近100BP左右，這即說明我國銀行間同業拆借利率已經具有一定的市場性，所以加快進行利率市場化改革，可以從銀行間同業拆借利率作為基礎和出發點，把銀行間同業拆借利率成為確定其它金融產品利率的基準利率之一，因此，我國拆借利率的放開也為今后的利率改革創造了條件。

參考文獻：

[1]Fraser， Donald R.，Madura， Jeff，Weigand， Robert A.，Sources of Bank interest rate risk，The Financial Review 37，2002，351-368.

[2]Fuhrer，Jeffrey C.，Moore，George R.，Monetary Policy Trade-offs and the Correlation between Nominal Interest Rates and Real Output，The American Economic Review， Vol. 85， No. 1. Mar.， 1995， pp. 219-239.

[3]賀國生.商業銀行利率風險測度模型與管理模式研究.博士論文，2005.

[4]王春峰.金融市場風險管理.天津大學出版社，2001.

[5]易丹輝.數據分析與EViews應用.中國統計出版社，2002.

（作者單位：中國人民大學統計學院）