基于SV模型的人民幣理財產品收益率波動性研究

張靜　張旭

摘 要：人民幣理財產品收益率的波動性是影響投資者選擇的關鍵因素。文中以招商銀行招銀進寶之鼎鼎成金系列理財產品為研究對象，采用三類SV模型對其收益序列進行分析。結果表明：SV模型可以用來刻畫人民幣理財產品收益率序列的波動特征，并且相對于標準SV模型以及SV-杠桿模型，SV-T模型有更顯著的效果。

關鍵詞：人民幣理財產品；SV模型；收益率；波動性

當前，我國經濟下行壓力增大，面對股市劇烈震蕩、存款利率的多次下調，投資者為實現資產的保值和增值，急于尋求其他高收益且穩健的產品；另一方面，在信貸增速放緩的背景下，商業銀行為緩解資金壓力、實現利潤最大化，急需拓展新的資金渠道。因此，銀行理財產品成為投資者和銀行的最佳選擇。因此，觀測和分析銀行理財產品收益率指標的波動，對于投資者投資決策、商業銀行業務拓展及風險管理都具有重要的借鑒意義。

一、文獻綜述

目前國內對銀行理財產品波動的研究相對較少。張偉、趙磊（2015）通過構建GARCH模型對銀行理財產品波動特征進行研究，發現我國銀行理財產品市場存在“集群波動”特征，且市場沖擊具有“長記憶性”和“杠桿效應”。高勇、王東（2015）以Vassicek模型、CIR模型研究銀行理財產品收益率，發現短期理財產品價格具有較大的不確定性，而長期理財產品的價格趨于穩定。基于此，本文將試圖對銀行短期理財產品收益率進行研究，分析其波動的持續性、杠桿效應和厚尾性。

國外研究方面，Asai和McAleer（2011）在SV模型中加入杠桿效應和規模效應，實證結果表明日元兌美元匯率有顯著的杠桿效應和規模效應；González-Urteaga（2012）在SV模型中加入回報的跳躍來分析美國和歐洲股票市場，認為這樣能夠很好擬合并能夠解釋回報序列的一些特征。國內研究方面，樊元、賈蒸（2012）運用具有杠桿效應的SV模型對國際現貨貴金屬市場波動分析，得出國際現貨黃金、白銀市場幾乎不存在杠桿效應，只在震蕩期內存在較弱的杠桿效應；白仲林、隋雯霞和劉傳文（2013）提出混合貝塔分布的SV模型對上證A股綜合指數收益序列進行分析，結果表明該模型更能準確刻畫收益率的時變特征。綜上可以看出，SV模型主要應用于證券市場，并且大多研究成果只是針對波動的某一個特點運用某一擴展形式對序列進行分析，并不能全面刻畫金融序列的波動特征。

綜上，本文將研究視角放在我國人民幣理財產品收益率波動上，以銀行短期理財產品為研究對象，分別使用SV-N模型、SV-T模型、SV-杠桿模型從不同角度考察人民幣理財產品收益率波動特征，并比較不同模型的擬合效果。

二、實證分析

1.數據說明

（1）樣本選取

根據普益財富公布的2015年2季度銀行理財能力排名報告顯示，招商銀行在發行能力、收益能力、風險控制能力、理財產品豐富性、信息披露規范性方面都排名在前。因此對招商銀行理財產品收益率的分析可以代表人民幣理財產品收益率的諸多特征。考慮數據的可得性，本文選取已到期招商銀行招銀進寶之鼎鼎成金系列理財產品收益率為研究對象，樣本區間為2013年7月15日至2015年8月27日，收益類型為非保本浮動收益，投資品種為組合投資，理財期限為1-3個月，認購起點金額為5萬。由于銀行理財產品市場自身的特性，到期收益率數據嚴重缺失，所以本文所指的收益率為預期收益率。數據主要來源于Ifind數據庫，和訊網等。

（2）樣本的統計特征

觀察{yt}的時序圖可以看出序列存在波動的聚集性，即大的波動后面緊跟一段時間大的波動，小的波動后面緊跟一段時間小的波動，說明可能存在條件異方差性。由表1的統計結果來看，該理財產品收益率序列偏度小于0，具有負向偏度；峰度統計量大于3，說明該收益率序列具有尖峰厚尾特性；其正態統計量（J-B）很大，因此拒絕正態分布的假設。

波動率建模必須考慮序列的平穩性，因此對收益率序列進行平穩性檢驗，由表2可見，收益率序列在各個顯著性水平下都是拒絕原假設的，因此是平穩序列。

綜合以上分析，可以對人民幣理財產品的對數收益率序列建立SV模型。

2.估計結果分析

本文運用馬爾科夫鏈-蒙特卡洛模擬（MCMC）的方法對參數進行估計，通過Openbugs軟件對三類模型進行程序化的處理，借此實現對模型參數后驗分布的檢驗。首先對每個待估參數進行100000次迭代，舍棄最初的10000次，這樣將得到參數的均值、標準差以及MC誤差值等。

3.模擬結果的比較分析

通過上表進行詳細分析，可以觀察到：

第一，對于波動水平參數μ，在SV-杠桿模型和SV-N模型下的模擬值相差不大，說明在這兩個模型下人民幣理財產品的波動水平差異并不顯著。而SV-杠桿模型和SV-N模型要比SV-t模型的參數估計值要大，這說明人民幣理財產品在SV-N模型和SV-杠桿模型下表現出更強烈的波動。

第二，對于持續性參數φ，三類模型的估計值都在0.9以上，最大的SV-t模型為0.956，最小的為SV-N模型為0.905。這一方面驗證了人民幣理財產品市場具有波動的集聚性，另一方面說明SV-t模型能更好的刻畫收益率序列波動持續性。

第三，對于波動的擾動水平，前文有記τ=σ，因此通過精度參數τ來衡量。在三個模型參數τ的估計值中，SV-N模型的τ值最小，且SV-T模型下的τ值要遠大于SV-N模型和SV-杠桿模型的估計值，因此SV-N模型、SV-杠桿模型擬合下體現出的噪音比SV-t模型的要高，表明SV-t模型能更好的擬合人民幣理財市場收益序列的波動信息。

第四，在SV-t模型中有自由度參數κ，估計值為6.241，體現了人民幣理財產品具有尖峰厚尾的特性。這一性質在SV-N模型和SV-杠桿模型中并不能體現出來。

第五，在SV-杠桿模型中還有考察杠桿效應的相關系數ρ，估計值為0.256。由于只有在ρ<0時才存在杠桿效應，這說明人民幣理財產品在樣本期內不存在杠桿效應。

4.模型的DIC值比較分析

通過DIC（Deviance Information Criterion）準則可判斷三類模型的優劣。

三、結論與建議

本文以人民幣理財產品為研究對象，分別采用標準SV模型、SV-T模型、SV-杠桿模型對人民幣理財產品收益率序列的波動性進行度量研究。通過實證分析，得出以下結論與建議：

1.人民幣理財產品的收益率序列存在較強的波動持續性以及尖峰厚尾特性。這意味著目前在金融脆弱性、金融自由化的背景下，投資者應依據對市場預期的判斷，合理配置資金，防止收益率大幅波動的極端事件對自身財富的影響；金融機構需要有相應的應急措施，提高理財產品市場的流動性等，防止異常的收益率波動風險。

2.通過波動水平exp（μ）值的觀察，人民幣理財產品在SV-N模型和SV-杠桿模型下表現出更強烈的波動。對于波動的擾動水平，SV-t模型的τ值比SV-標準模型、SV-杠桿模型要高，說明人民幣理財產品在SV-t模型擬合下的噪音小。這表明，SV模型可以用來刻畫人民幣理財產品收益率序列的波動特征，并且相對于標準SV模型以及SV-杠桿模型，SV-t模型有更顯著的效果。

3.本文是以3個月內理財產品為研究對象，結果表明短期限理財產品易受到業績、市場、投資者行為影響，存在較大不確定性和波動。建議監管機構加強對理財產品投資標的、募集規模和信息披露規則等方面進行規范，降低市場風險。

參考文獻：

[1]張偉，趙磊.基于全市場和分機構視角的銀行理財產品收益率波動特征研究[J].華北金融，2015，（9）：4-9.

[2]高勇，王東.商業銀行理財產品收益率變動特征研究[J].金融理論與實踐，2015，（05）.

[3]Asai M，McAleer M.Alternative Asymmetric Stochastic Volatility Models[J].Econometric Reviews，2011，（5）.

[4]Ana González-Urteaga.Further empirical evidence on stochastic volatility models with jumps in returns[J].Spanish Review of Financial Economics，01/2012； 10（1）：11-17.

[5]樊元，賈蒸.基于SV模型的國際現貨貴金屬市場收益波動的杠桿效應分析[J].數學的實踐與認識，2012，42：53-60.

[6]白仲林，隋雯霞，劉傳文.混合貝塔分布隨機波動模型及其貝葉斯分析[J].統計與信息論壇，2013，（4）.

[7]Harvey A， etal. Multivariate stochastic variance models [J]. Review of economic studies， 1994， 61： 247- 267.

[8]Ghysel E， Harvey A C， Renault E. Stochastic volatility [J]. Review of Economic Studies， 1994， 132- 183.

[9]Liesenfeld R， Jung R C. Stochastic volatility models： conditional normality versus heavy-tailed distribution [J]. Journal of Applied Eonometrics， 2000， 15： 137- 160.

[10]Ruiz E. Quasi-maximum likelihood estimation of stochastic volatility models [ J]. Journal of Econometrics， 1994，63： 289- 306.

[11]Kim Shephard & Chib. Stochastic volatility： likelihood inference and comparison with ARCH models [J]. Review of Economic Studies， 1998， 65： 361- 393.

[12]Renate Meyer， Jun Yu. BUGS for a Bayesian Analysis of Stochastic Volatility Models [M].Auckland Department of Economics Working Paper No. 212. Avilable at Social Science Research Netw ork（ SSRN） ， 2000.

[13]中央國債登記結算責任有限公司、全國銀行業理財信息登記系統.中國銀行業理財市場年度報告（2014）[R].中國理財網（www.chinawealth.com.cn）2015.05.18.

[14]祝紅梅.銀行理財產品定價的實證研究—從利率市場化的視角[J].投資研究，2012，（9）.

[15]秦偉良，顏華實.基于SV-M模型的全球股市交易指數波動與收益率的多分辨分析[J].運籌與管理，2010，（02）.

[16]楊義迅，蘇越良.滬深股市的波動性分析--基于t分布下GARCH和SV模型的比較[J].河南科學，2013，（3）：400-403.