基于VaR模型对于我国证券市场的风险研究
一、选题研究背景
近30年来，经济全球化趋势加强，世界各国金融市场取得巨大进步。国际资本市场由分割到融合进而走向全球化的发展中，始终保持规模扩张和资本跨国流动不断增强的趋势；国际货币市场则从19世纪80年代美国经济地位相对下降，布雷顿森林体系瓦解以后，美元地位下降，各成员国自由选择汇率政策，加速了资本流通从而促进金融全球化进程。随之而来的是金融市场脆弱性加剧，波动频繁，金融风险管理日益成为各金融机构管理的核心内容。
西方主要发达国家因风险管理不善而导致巨额损失的金融机构和公司比比皆是，惨痛教训历历在目，从1987年全球股市暴跌的“黑色星期一”到1994年比索贬值、股价暴跌的墨西哥金融危机，从1997年东南亚金融危机到2008年美国由于金融监管制度的缺失造成的次贷危机，都充分说明了金融风险管理的重要性。
而到了20世纪90年代，金融市场的扩张、金融服务需求的扩大，金融创新理论随之出现，给金融管理体制带来了更大的冲突和挑战。传统经济理论认为，金融组织的信息优势是其存在的根本原因。但是在正常的交易市场上，因为信息的不完全和不透明导致存在普遍的逆向选择和道德风险，对金融交易契约的实施有很大的阻碍。我国的金融市场是一个新兴市场，还处于起步阶段，尽管近几年我国经济发展迅速，随之带动货币市场的发展，但是由于我国证券股票市场起步晚和计划经济的遗留问题，以及加人WTO后国际市场风险渗透到我国金融市场，加之迅速发展的经济导致金融衍生品不断增多形成的风险等诸多因素，造成我国金融市场独特发展和更加错综复杂的市场风险。所以国内很多公司和机构纷纷学习引进国际先进的风险度量VaR方法作为风险监测工具。
二、研究方法概述
VaR作为国际现行的先进风险测量方法，理论基础相对成熟，可以而且已经被很多国际金融公司和机构引进，作为企业内部风险控制管理的方法。国外的金融风险管理从一个理论雏形已经发展成为一门科学和先进的工程技术，而且VaR理论的研究方法和模型等在突破传统的资产负债管理和资本资产定价模型后仍在不断创新和发展，并且已经用于风险监测的管理中。
在VaR不断受欢迎的今天，很多国际机构等政策法规制定者将VaR风险价值作为会计报表公布的一项重要内容，不仅是因为VaR的风险度量是以严密的统计概率计算的精确性，还是因为VaR方法将抽象的风险具体化成以货币计量的数字，从而将市场风险这一抽象复杂的概念变得简单易懂，具有普遍性和推广性。然而国内学者的研究虽然也取得了很大进展，却只停留在VaR计算方法的改进等理论方面，从而需引进VaR的风险监测技术，为我国VaR方法的理论研究提供重要依据。并且，将其引人我国金融市场，把我国复杂的市场风险数字化，对我国的投资机构、公司和企业以及个体投资者具有极大的现实意义。
VaR（Value at Risk）是指在正常的市场条件和给定的置信水平下，在给定的持有期间内，投资组合所面临的潜在最大损失，或者说，在正常的市场条件下和给定的持有期间内，投资组合发生VaR损失值的概率仅为给定的概率水平（置信水平）。J.P.Morgan给出的VaR的定义为:在一定的概率约束下和给定持有期间内，某金融投资组合的潜在最大损失值。
其中，Δp为资产组合持有期内的损失，VaR为置信水平c下的风险价值。在整个经济体系内，主要有以下三种分类方法。
1.参数法也叫作方差—协方差法。进行VaR计算时一般都会用此方法，可以说是最常见的计算方法。它通过历史波动性和相关性来估计组合的市场风险。分析方法的关键因素在于资产组合价值函数的形式和市场因子服从的分布形式。根据投资组合的价值函数，分析方法可以分为两类:Delta模型和Gamma模型。不同类型的市场因素和随机过程的假设的统计分布之间的差异，如Delta—正态模型假定市场因子服从加权的多元正态分布，在假定组合中的金融资产价值函数与市场因子收益之间是线性关系，但是这两个基本假定与实际金融数据序列的尖峰厚尾、波动簇集的时变性等特征不相符，使这种方法的运用存在局限性，往往低估VaR值。GARCH族模型具有良好描述金融时间序列的特性，即持续的方差和处理厚尾的能力，现在的研究倾向于用GARCH族模型描述市场因子。
2.历史模拟法是根据市场因子的历史样本变化模拟投资组合的未来损益分布，利用分位数给出一定置信度下的VaR估计。这是一种较为简单的VaR计算方法，它根据每种资产的历史损益数据计算当前组合的历史损益数据，将这种数据从小到大排列，按照置信度c的水平找到相应的分位点，从而计算出VaR值。历史模拟法计算简单方便、概念直观、容易实施，而且它是一种非参数法，不需要对收益率的分布作出假设。在应用历史模拟法时不必对收益率分布作出假设，也不需要假设收益率之间相互独立。因此，历史模拟法能够有效地避免应用正态分布及独立性假设时的局限性。但它是假定市场因子未来的变化完全按照历史趋势发展，这与实际的市场表现不一致，而且它需要大量的历史数据，数据的选择也存在困境。
3.蒙特卡罗模拟方法也叫随机模拟方法。它的根本思想是，为了解决经济金融、工程科学、数学统计等方面的问题，首先需要构建一个概率模型或随机过程，使参数的值等于问题的解；然后计算模型或随机过程得到的观察统计特征参数，最后可以得到问题的近似值，提供解决问题方案的估计标准误差值。蒙特卡罗模拟法计算VaR时，可以产生大量的情景，是一种全值估计方法，比历史模拟法更加精确和可靠。该方法可以处理大幅波动及“厚尾”问题；可以较好地处理非线性问题，并且估算精度好。但这种方法产生的数据序列是伪随机数，随机过程取决于特定的选择的历史数据，这样不仅计算烦琐，时间长，而且可能浪费大量观测值，降低效率并且导致错误的结果。比方差—协方差和历史模拟法更复杂；具有模型风险，一些模型（如几何布朗假设）不需要限制市场因子的变化过程是无套利的。
三、实证分析
（一）数据选择
近几年来，尽管世界金融市场秩序稳定，发展态势良好，但是与其良好的趋势发展方向相悖的事件仍然不断发生，影响到世界金融市场的稳定，引起包括证券股票市场已经很成熟的西方发达国家和正在积极寻求进一步发展的发展中国家的广泛关注，因此各方都深切感到加强市场风险监管的必要性和紧迫性。而且股票市场时时刻刻都是变化的，股票市场本身的风险大、产品种类多并且各自不同的风险特点让股票市场风险更具复杂性，所以在数据选择方面更加谨慎。本文选取了沪深300指数在2011.01.04—2016.10.04共1041个交易日收盘价作为研究对象，看其规律分布，如表1所示。
表1 2011.01.04—2016.10.04沪深300指数日收盘价及收益率
选取沪深300指数主要基于以下考虑:
1.选取样本的严格标准，定位于交易性成分
沪深300指数的两个根本标准是规模和流动性，而流动性占有更大的比重，这也符合该指数的定位特点。在对上市公司进行全新的指标排序后，制定更为严苛的人选条件，如新股上市的很多股票和经营状况或财务报表出现严重问题等股票被排除在外。所以，沪深300指数更具代表性，可以给投资者提供可靠的投资指导意见。
2.采用自由流通量为权数
自由流通量是只保留上市流通上的股本，排除不上市流通的股本后的流通量，这样做是为了保证指数可以充分反映市场股价的综合变动，不受长期流动性小的股本对股价的影响，便于投资者进行套期保值等投资。
3.成分股的权重由分级靠档法来确定
沪深300指数根据各成分股的比重分为九级靠档。这样排除市场结构特殊性以及未来可能变动的影响，避免了股价的非正常波动。分级靠档技术主要的优势在于对具体数值和比例做了明确规定，排除因股本频繁变动造成的跟踪投资成本增加，便于投资者进行跟踪投资。
4.缓冲区的调整设置增强样本股稳定性
沪深300指数每年调整两次样本股，根据新样本和老样本的综合排名来决定是否进人和保留以及哪些新样本股适合进人指标和哪些老样本适合保留或者剔除，被剔除的退市股票用近期候选排名最高的代替，如此适当的调整幅度既可提高样本股的稳定性和可操作性也能增强指数管理透明度。
5.指数行业分布状况与市场行业分布比例保持一致
指数的行业占比指标是为了度量指数的行业结构，市场的行业占比指标具有同样的功能，即衡量市场整体的经济结构，只有两者趋于一致才能说明该指数的行业结构保持稳定，若两者差别过大，很有可能该指标的样本股行业分布与市场行业分布状况偏离，指数的行业结构失衡。而沪深300指数尽管没有制定确定的行业选择标准，但是指数的两个占比指标十分接近，具有较好的代表性。
（二）数据整理
本文为描述其波动性选取的是沪深300指数的算数收益率，即
其中Ra表示的是沪深300指数的价格收益率序列，Pt表示第t日股市交易的沪深300指数的收盘价。本文借助Eviews 6.0数据分析工具对选取的数据绘制直方图，如图1所示。
图1 沪深300指数2011—2016年日收盘价收益率直方图
分析图1我们可知，收益率分布图呈现出非正态分布特征而是尖峰厚尾的特征，即沪深300指数收益率存在左偏（-0.572717＜0）和过高的峰度（7.292466＞3），而且JB统计量的值很大（1152.164），根据1982年恩格尔提出的ARCH模型中的观点可知，JB统计量的伴随概率P的值小于0.05就要拒绝原假设，也就是说，该收益率的分布不是正态分布，不满足线性拟合的条件。
为了进一步验证本文的观点，本文试图用GARCH（1，1）简单拟合此对数差分方程，
得到如下统计量:
由R2的负值我们可以看出，此次拟合的效果并不显著，故我们认为，近5年内的样本数据不足以支撑我们运用GARCH模型进行日收盘价收益率拟合，故我们采用了历史模拟法。
（三）数据分析
历史模拟法是先用Excel将用于预测的历史数据用公式（3）计算出日收益率，然后将其按升序排列，接下来根据置信水平的选择，找到相对应的预期收益率，最后用当前收盘价乘以对应的收益率得到预期风险值即潜在的最大损失。
本文将得到的包含1401个数据的收益率序列按升序排列，给定置信水平95%，所求的预期收益率为第1401×95%=1331位的收益率，从表中查看得知0.025697664044498。那么得到的预期风险值为VaR（0.95）=3189.68×0.025697664044498=81.97。
我们通过可以综合反映市场股价变动等诸多优点的沪深300指数从2011年1月到2016年10月收盘价的1401个数据的收集、处理和分析得出此收益率序列并非服从正态分布，并借助历史模拟法算出其风险值VaR。
四、政策建议
对我国目前的证券市场来说，股权分置改革完成，现代企业制度基本建立，利率市场化和资本项目化水平提高，越来越多的金融机构和公司开始注重风险的规避，从而对于有效测量风险的VaR方法越发受到关注和引用。我国的金融市场处于一个正在发展的时期，其间股市振荡，态势并不平稳，需要相关监管机制加强监管。VaR方法对于其在我国市场中风险监测和控制、绩效评估、资产配置、投资组合决策等方面的用途并没有很好地发挥其作用，所以不断探索适用我国市场的先进的VaR方法并将其引人我国证券市场具有重要意义，同时也是我们今后研究的重点。
在相关部门的监管重点来看，以往的金融监管侧重于信用监管，对其市场风险和经营风险等潜在的风险并没有足够的重视，但是随着资产结构市场化的复杂化，金融衍生工具的增多，从而传统的管理技术局限性也暴露了出来。所以针对市场的变化，相应的风险应对措施也应该加强。从监管范围上来看，国际金融监管也从单纯的资本充足率的监管转向了最低资本标准、监管当局的检查及市场自律三个层次全方位的监管。我们也要吸取国外成功的经验并予以吸收和改进，在拓宽视野的前提下，从法制化上向金融衍生品等深度推进、监管范围法定制度化的扩展，采用更积极科学的方法进行计量。