基于VaR模型的我國商業銀行市場風險研究

【摘要】 隨著經濟全球化的發展，我國商業銀行在發展過程中面臨諸多挑戰，本文通過運用VaR模型對我國商業銀行面臨的市場風險進行實證分析，并根據分析得出的結果提出相應的建議，以期對我國商業銀行的發展有所裨益。

【關鍵詞】 商業銀行VaR模型；市場風險；風險控制

一、引言

隨著經濟全球化以及改革自由化的不斷加深，我國利率市場化進程逐步加快，人民幣升值的壓力也不斷增大，匯率機制改革逐步推進，商業銀行在發展過程中顯現出混業經營的優勢，但是我國商業銀行在創新發展過程中必然面臨新的挑戰，市場風險也呈現出逐漸加大的趨勢，就目前而言，我國商業銀行面臨的市場風險主要體現在以下幾個方面。

（一）利率風險

利率風險是指原本投資于固定利率的金融工具，當市場利率變化時，可能導致其價格波動的風險。各大商業銀行資產與負債的差額不同，此外，不同發展程度的商業銀行，因為市場利率變化的影響而差別也有所不同。對于商業銀行的資產而言，金融資產占很大一部分，市場利率的很小波動都會對資產的價值產生巨大影響，更為嚴重的可能會造成商業銀行財務危機或者導致銀行破產。因此，從商業銀行的運行穩健以及安全經營的角度來看，利率風險的監控對于銀行資產的安全有著舉足輕重的作用。

（二）匯率風險

匯率風險是指一定時期的國際經濟交易當中，以外幣計價的資產（或債權）與負債（或債務），由于匯率的波動而引起其價值漲跌的可能性。在當前我國實行的浮動匯率制度下，人民幣可保持相對穩定。對于我國目前的金融市場而言，人民幣相對于美元的匯率面臨著巨大的升值壓力，根本原因在于以下兩方面：首先，從市場上看，主要是外匯的供給大于需求；其次，是因為貿易逆差、以套利為目的的資金流入以及外商的直接投資也使得人民幣面臨著前所未有的巨大升值壓力。因此，為了提升我國商業銀行的競爭力，必須時刻關注人民幣匯率的走勢，盡量規避匯率風險，防范匯率風險對于其他風險的連鎖反應，切實促進金融市場的穩定。

二、VaR方法原理

在正常的市場波動面前，機構損失的概率是明確的比VaR大的值。VaR模型被廣泛地運用到風險分析當中，在《巴塞爾新資本協議》中曾標注銀行的市場風險可以利用VaR模型來進行測度。VaR模型的基本原理是，受到市場價格不確定性的影響，資產組合會有一定的損失，通過VaR模型，可以估計出損失的價值，具體計算公式為：P（W>Var）=1-α。

上式中各字母代表的含義為：

W為資產組合損失（持有期內）；α為置信水平；VaR為損失小于顯著性水平的概率，取值區間為（0.01—0.05）。

對于金融市場的時間序列數據，通常表現為不穩定并且波動集中的特點。即在某一特定時間段內，波動幅度比較大，另一段時間段內波動幅度相對較小，也就是 通常所說的波動集群現象。這種現象出現是由于外部沖擊對于金融資產波動的持續性影響，而在金融資產的收益上則 表現為尖峰厚尾的特點。因為金融資產收益分布的特殊性，和正態分布形態 有所不同，所以過于簡單的應用正態分布的參數分析方法計算VaR時在某種程度上具有一定的局限性。

通過實證分析顯示，所有用來描述金融時間序列的工具中最有效的就是GARCH（1，1）模型。

在本文中對于匯率收益率的分析中選取的是匯率的對數收益率，其數學公式為：LnRt=LnPt-LnPt-1。

資產的對數收益率在普通的金融資產收益率分析中常常被用到。

三、實證模型分析

（一）正態性檢驗

第一步通過分析匯率的收益率分布情況，緊接著對VaR進行計算。若收益率的分布滿足正態分布的條件，則可以將計算簡化，這將大大簡化計算過程，對于VaR的分析過程也會大幅減少。如若不是，則需利用ARCH/GARCH模型進行研究。

利用Eviews8.0數據分析軟件繪制匯率收益率柱狀分布圖，圖中顯示Jarque-Bera統計值為12.24589，而伴隨概率值為0.001244，比0.05小，故零假設不成立，收益率的分布與正態分布差距較大，也就是說，匯率的對數收益率不是正態分布。此外，Skewness值為0.00025，Kurtosis值為3.17421，因此，人民幣兌換美元的收益率和尖峰、厚尾有相同的分布特征。

（二）收益率序列的相關系分析

通過Eviews8.0數據軟件的分析，可以看出偏自在相關系數和收益率序列的自相關系數均在隨機區域，這就表明收益率序列為平穩序列，則能夠運用。我們可以發現收益率序列的自相關系數以及偏自相關系數都在隨機區域，這說明收益率序列是一個平穩序列，因此能夠通過ARMA分析該收益率序列。

（三）ARCH效應檢驗與模擬

第一步進行擬合收益率序列方程，之后才可以開始ARCH模型檢驗，通過研究對比顯示，收益率序列滿足ARMA（3，3）。

通過ARCH效應的檢驗結果能夠得出，塔方統計量的值為7.432134，伴隨概率為0.0043，比0.05小，與原假設條件有較大出入，所以舍棄原假設條件，也就是說收益率的殘差序列包含ARCH（1）效應。將此殘差序列運用更高階的ARCH檢驗，結果顯示殘差序列的ARCH效應依然顯著。檢驗結果顯示，ARCH（7）的伴隨概率低于0.05，所以舍棄原假設。

盡量降低ARCH的階數，本文選用GARCH（1，1）模型研究該殘差序列。運用Eviews8.0數據分析軟件，收益率的GARCH（1，1）擬合結果如下：

LnR=0.561AR（1）+0.73AR（2）-0.597AR（3）-0.496MA（1）-082MA（2）-0.60MA（3）GARCH=0.059RESID（-1）2+0960GARCH（-1）

在低于0.05的顯著性水平下，各個參數的顯著性水平均不為零。

四、模型檢驗

本文運用Kupiec統計檢驗量方法驗證，檢驗模型對風險預測的最終效果。令N表示回歸測試中T個樣本觀測值的VaR例外數量。假設模型正確，則例外數量N服從于二項式分布。

Kupiec在所建立的VaR模型正確的條件下，建立一個統計量LR，如下：

如果初始假設條件成立，即在p是真實概率水平條件下，LR近似服從自由度為1的塔方分布。選擇置信水平為95%，則概率p=0.05。塔方分布的分位數為4.628。所以，當得出的統計量LR值大于4.628時，零假設舍棄。

本文通過選取八十天進行回測分析，發現不合格的有三天，即N=3。在95%的置信水平下，LR的臨界值為3.841，進而通過具體公式可以計算得到統計量LR=-15.3854，小于置信水平下的臨界值，本文所建立的模型對人民幣兌美元匯率收益的波動解釋有很強的說服力。

五、結論以及建議

通過本文的分析可以看出，盡管實際操作中存在著一定的限制性條件，但是VaR模型能夠很好地衡量我國商業銀行利率風險管理，具有很強的實用性。因此，本文認為商業銀行利率風險管理體系的建立應該以VaR模型為基礎，這具有很重大的現實意義，具體而言，本文結論如下所示。

首先，鑒于VaR模型的建立需要大量的數據，而且數據的來源要具有可靠性，本文選取了2014年—2016年6月期間的590個歷史數據，通過分析得到了具有時效性和可參考性的結論。

其次，置信度和持有期應根據我國商業銀行匯率風險管理的實際情況確定。考慮到現階段數據缺失，再結合管理現狀和VaR模型適用的實際情況，本文進行利率風險管理的基礎是95%的置信水平和十個交易日的持有期。

再次，本文通過歷史模擬得出的目標值可以通過失敗率的檢驗。在目標值在資產組合中的所占比重為0.55%時，此時風險覆蓋了95.5%。當風險管理體系面臨著充足的有效歷史數據時，歷史模擬可以成為度量商業銀行市場風險的一種較好的方法。

最后，通過建立內部控制體系，商業銀行可利用VaR模型進行資產風險組合和市場風險的評估，評估可在一定程度上反映市場風險的變化趨勢，有利于各商業銀行進內部信息的交流，同時該評估值還可以成為管理者進行下一步決策的依據，為其提供參考價值。

參考文獻：

[1] 張波.基于VaR的商業銀行市場風險分析[J].東方企業文化，2013（3）

[2]王慧，李莉，孫志葳.基于VaR方法的我國商業銀行市場風險計量研究[J].中國集體經濟，2012（3）：78-79

[3]周瀚池.基于VaR模型的商業銀行風險管理[J].合作經濟與科技，2016（4）：73-74

[4]陸紅.基于VaR-GARCH族模型的我國商業銀行匯率風險度量研究[D].東北大學，2010

[5]白樺.淺談VaR模型在我國商業銀行市場風險管理中的應用[J].投資與合作，2012（11）

作者簡介：

劉婷婷（1995-），女，漢族，安徽財經大學工商管理學院2014級物流管理專業在讀本科生，研究方向：物流管理。