VAR方法在我國滬深300股指期貨風險管理的應用

摘要：本文運用VaR-GARCH模型對滬深300股指期貨市場風險進行了實證分析。實證結果表明滬深300收益率序列具有尖峰厚尾、平穩的特點。并通過GARCH模型計算得出市場的VaR值，由此衡量股指期貨市場風險，并得出VaR-GARCH模型適合我國股指期貨風險管理的結論。

關鍵詞：VaR-GARCH模型;市場風險;股指期貨

前言

近年來，我國經濟的快速發展，新的金融工具不斷涌現。但由于金融工具的存在高杠桿的特性，金融工具市場具有潛在的風險，因此我們需要控制和把握金融工具市場的風險。VaR法是常用的衡量金融風險的方法;蔣虹等[1]將 VaR 法運用于滬深 300 的交易中;戴國強等人[2]利用 VaR 法探索了我國金融市場現存的風險問題;封建強[3]運用 VaR 法測量滬深兩市的收益率風險的極值。甘霖[4]在歷史模擬法的基礎上重新測量了 VaR 風險值。但如果在樣本數據不充分，分布非正態的情況下，那么 VaR法估算出來的風險是有偏的，因此本文利用 GARCH 模型進行風險測量，這是一種精度、可信度更高的模型。本文數據為滬深 300 的收益率序列，并運用 GARCH 模型計算 VaR 值，由此衡量股指期貨市場風險。

（二）平穩和正態檢驗

1 平穩性檢驗

運用單位根檢驗對收益率序列的平穩性進行檢驗。檢驗結果如表 1

由表 1 可得，t 統計量值的值可以說明可以在 90%，95%和 99%的置信水平下拒絕該收益序列存在單位根的假設。也就是說，滬深 300 的收益是平穩的。

2 正態檢驗

從圖 1 中可知，由滬深 300 的統計特征的值可知收益率序列是尖峰厚尾的。由 JB 統計量、p 值可知滬深 300 的收益率不服從正態分布。此時如果采用 VaR 法估計收益率風險是有偏的。

（三）模型選擇

由于滬深 300 收益率序列具有集聚、平穩和非正態的特征，可以選擇 GARCH 模型對其進行估計，由赤池準則和施瓦茨準則可以得到 GARCH 族模型。AIC 和 SIC 在 GARCH 族模型下的值如表 2 所示.根據以上兩個準則，可知 GARCH（1，1）最能夠刻畫滬深 300 收益率序列。

（四）構建 GARCH 模型

在確定 GARCH 族模型后，利用 Eviews 對 GARCH（1，1）模型進行參數估計，結果如圖 3 所示。

若使股指期貨的交易風險可控，利用 VaR-GARCH 模型得到的 VaR 預測值必須大于等于每個交易日的收益的絕對值。從圖 5 可以看出： VaR 預測值覆蓋了實際的每個交易日的收益的絕對值，證明 GARCH（1，1）具有合理性和很好的適用性。

由分析收益絕對值點與 VaR 預測值的位置，我們可以得到實際值超出 VaR 值的個數， 即預測失敗的天數。并將其與期望失敗天數進行對比，得到表 3：

計算結果表明：無論是95%的置信度還是99%的置信度下，期望失敗天數與失敗天數相差都不大。因此 VaR- GARCH 模型可以很好地擬合我國滬深 300 的交易數據。

三、結論

本文分析出滬深 300 收益率序列具有集聚、尖峰厚尾、平穩的特點，因此適用于 GARCH 模型的分析，并根據赤池準則和施瓦茨準則確定選用 GARCH（1，1）模型，然后利用該模型進行 VaR 值的估算，預測的 VaR 值在很大程度與實際的收益率的絕對值相近，從而驗證了模型的適用性和準確性。投資者可根據 VaR 的值預防和控制股指期貨投資風險。

參考文獻：

[1]蔣虹，曲丹丹.基于 VaR 的滬深 300 股指期貨風險管理實證研究[J].經濟問題，2008，（12）：119～122.

[2]戴國強，徐龍炳，陸蓉.VaR 方法對我國金融風險管理的借鑒及應用[J].金融研究，2000，（7）：105～114.

[3]封建強.滬、深股市收益率風險的極值 VaR 測度研究[J].統計研究，2002，（4）：34～38.

[4]甘霖.基于新時期滬深 300 指數的歷史模擬法 VaR風險度量[J].區域金融研究，2014，（3）：13～16.

四川大學? 李奕彥