前言:中文期刊网精心挑选了金融市场风险论文范文供你参考和学习,希望我们的参考范文能激发你的文章创作灵感,欢迎阅读。
金融市场风险论文范文1
首先,从国家经济社会发展角度来看,中国居民和产业对能源的需求仍会大幅上升。根据国际经验,城市化进程中的国家往往会经历人均能耗和能源强度的快速增加。从2002年开始,中国能源消费增速加剧,超出GDP增速一倍有余,2013年中国城市化率达到53.7%,而国际高收入国家已达到78%左右,即使中等收入国家标准也达到61%,说明中国未来城市化的空间还很大,因此未来整体能源消费水平也会不断上升。根据预测,中国到2030年能源需求总量将达到近60亿吨标准煤,比2013年的37.5亿吨标准煤增加近60%,占世界能源总需求的近25%。其次,中国一次能源中化石能源占比较高,在短期内化石能源的主体地位是无法轻易撼动的,未来化石燃料仍将占据能源消费的至少70%~80%。从中国能源消费总量及品种构成上看,资源禀赋结构为明显的富煤贫油少气,同时由于未来新能源开发的长期性、不确定性和巨大风险性,使得化石燃料将长期是中国能源消费的最主要原料。因此,化石能源的长期稳定供应对中国的能源安全起到最重要的制约作用。再次,中国能源的供给具有很大的不确定性。能源供给的途径主要是自产和进口,随着国民能源需求的增加,自产量和消费量之间的缺口也越来越大,用以补齐缺口的进口能源量也逐年增多。2012年中国石油自产量为207.5百万吨,进口量达到271.3百万吨,石油对外依存率达到57.1%;天然气自产量为1072亿立方米,净进口量为386亿立方米,对外依存率达到6.4%。中国能源自产和进口都面临很大的风险。自产方面,随着中国能源开采量的逐步增加,开采难度也日益增加,能源开采所需的投资也迅速攀升,使中国的能源生产面临较大的风险。进口方面,中国能源的进口,特别是石油进口较为依赖中东和非洲,由于这些地区政治原因,能源进口保障具有很大的隐患,此外,进口能源运输长期依赖马六甲海峡海运,一旦此海洋运输出现问题,中国的能源供给将面临巨大威胁。最后,能源行业的巨大投入对中国能源融资提出了巨大挑战。能源行业属于典型的资本密集型行业,在能源的前期探寻、开采和加工期对资金的需求十分巨大。随着中国能源需求的不断增加,能源投资需求也出现了“井喷式”增长。据联合国机构评估,到2030年,中国为满足能源需求将需要投入资金2.3万亿美元以上。如此大的资金需求对我国能源融资金融机构和能源生产企业都是巨大的挑战。现如今中国能源融资面临融资渠道狭窄、能源企业负债率过高、融资成本高昂、能源投资效率低、规避风险能力差等问题,对中国能源金融安全提出了很大的挑战。能源安全需要实体能源经济和虚拟能源经济(能源金融)的共同保障,而中国能源金融的发展滞后,能源企业在很长一段时间内都没有国际能源市场的定价权,能源产业都不得不承受国际能源市场和国际金融市场所带来的价格风险之痛。纵观全球能源金融市场,其市场规模和影响力日益扩大,全球能源价格波动日益加剧,中国能源企业面临巨大的成本推动的压力,金融市场被动接受全球金融财富分配,国内金融体系的稳定和国家能源安全也受到全球市场的冲击。能源金融风险预警机制对于中国能源企业加强能源风险管理,更好地融入世界能源金融市场提供重要的参考价值。然而,中国对于金融风险的预警研究自20世纪80年代才正式开始,目前仍然处于刚起步阶段。因此,本文的研究集中在对能源金融风险的量化分析和预测,并对中国2002~2014的能源金融市场风险强度作出计算和预测,希望研究结果对中国能源金融市场风险预警管理有借鉴价值。
二、能源金融风险特征
(一)能源金融能源金融风险是伴随着能源金融而生的,具体而言,能源金融具有以下3个特征。第一,能源产品正不断地金融化。美元主导下的能源体系具有不稳定的特征,能源价格随着美元以及各种金融资产而发生改变,汇率的波动以及随之产生的美元资产的波动使石油产品越来越具有金融产品的特征。第二,能源市场在不断地金融化。能源市场金融化的最典型表现是能源衍生品市场的金融投机。如石油价格问题,除了供需等因素外,在一定程度上也是金融投机所致,使得石油本身的风险程度与金融市场之间产生挂钩和强烈的共鸣。第三,能源产业在不断地金融化。能源产业的金融化最集中的表现是能源产业开发金融投资与融资模式。当前世界油气资源主要掌握在跨国石油公司(如壳牌、美孚石油、英国石油)和国家石油公司(如中石油、中石化、Gazprom)等。这些大型石油能源公司有着先进的勘探开发技术和雄厚的资金,对产油国政策具有极大的影响力,通过多种多样的融资手段,对世界各地的能源资源进行投资。借助其在国际市场良好的信用,这些大型石油公司通过发股、发债、国际借贷等各种途径获取流动资金,管理企业的财务成本,并通过项目投资等各种方式投资于油田气田,然后通过能源金融衍生品最大程度地规避风险。
(二)能源金融风险能源金融风险是指在国民经济运行中,能源行业在投资或融资过程中所面临的遭受损失的可能性,能源金融的风险是多方面的,典型的包括价格波动风险、能源金融衍生品市场风险、汇率风险、流动性风险、操作风险、地缘政治风险以及海外投资竞争风险等。由上述能源金融的特点可以看出,归纳来说,能源金融风险主要具有以下4个特征。第一,能源金融风险受国际金融市场的影响较大。一方面,能源特别是油品的价格跟美元汇率波动息息相关;另一方面,能源企业通常容易受到全球能源衍生品市场波动的影响。还有,国内能源金融风险对冲的机制不完善,监管上也存在漏洞,价格发现的功能不能很好地体现出来,国内企业难以通过国内的衍生品交易对冲降低自身风险。第二,能源金融风险受国家产业政策变化影响较大。能源是关乎国计民生的重要支柱行业,更加容易受到国家政策的干预,国家对能源行业的战略部署和调控都会对能源风险产生重要影响。第三,能源金融风险受国际地缘政治的影响较大。能源供给安全是各国国家战略的重心,能源的价格以及供给平衡除了市场出清等作为依据外,还是石油生产国、消费国之间博弈的结果。石油生产国对产量的管制、石油消费国对石油产地的选择以及战略储蓄,都会对国际能源金融产生剧烈影响。第四,能源金融风险还受到自然灾害、天气条件影响,具有一定的不可预测性。自然灾害和恶劣的天气条件将直接影响能源企业对能源的开采、运输、储藏等各个环节,通过改变供应来影响能源价格,作用到能源企业和投资者身上,此外,气候变化等导致极端气候发生的因素也会对能源的需求产生影响(如暖冬、寒潮等),进而影响能源供给平衡。能源价格供应等因素的变化会对能源企业经营效果产生深远影响,甚至还会威胁国家的能源安全。控制能源金融风险,保证能源金融安全即是要求在面临经济全球化和国内外不稳定因素等各种威胁下,国家能够成功应用各种手段将能源供给危机和能源产业发展危机控制在可调范围之内,力促能源供需正常匹配,满足能源行业各企业的融资需求,降低和防范能源企业和国际能源战略投资风险,保证能源行业投资目标顺利完成。能源金融风险的因素有很多种,而且往往相伴而生同时出现,故而能源金融体系的风险无时无刻不在,风险的逐渐演变决定了能源金融的安全也仅仅是一个相对的、动态的安全,是各个层级的能源个体风险管控机制的动态均衡,能源安全的状态也是在这种动态均衡中不断适时调整。因此,以一种具体的标准来衡量能源金融风险,评价能源金融安全是不可能实现的,这也正是建立能源金融风险预警的意义所在。
三、能源金融市场风险
预警指标的选择全面的能源金融风险预警管理是一个非常庞杂的系统,本文希望对基于市场层面的能源金融风险预警进行探索性研究。
(一)能源金融市场风险指标分析能源金融风险是可以分为宏观、中观和微观层面的风险,宏观层面的如地缘政治风险、微观层面的如流动性风险和操作风险等,本文研究的重点是中观层面分险,即能源金融市场分险,典型的包括价格波动风险、能源金融衍生品市场风险、汇率风险等。虽然煤炭、石油、天然气以及其他能源电力行业所面临的金融风险会根据其所处的行业有所差别,但是大体可将能源金融市场风险分为以下两个层面:宏观经济影响风险和投融资风险。相应地,能源金融市场风险指标也同样分为宏观经济指标和投融资风险指标。
1.宏观经济指标。包括GDP增长率、CPI定基指数、企业景气指数、货币供应量增速、财政比例以及贷款增长率等,这些指标来源局限于能源行业。
2.投融资风险指标。投融资风险受到国内外金融市场、国内外石油市场的影响,指标包括能源市场需求增速、黄金指数、美元指数、石油价格、上证指数以及银行和企业金融指数,如上证指数、资产负债率、资金成本率等,这些指标来源多元化,对能源行业的投融资风险影响很大。
(二)指标的选择对能源金融市场风险进行评价需要选择最能够反映能源金融风险的指标,通过指标的变化来判断能源金融市场风险未来的改变,为能源金融市场风险的爆发做出预警。指标的选择主要考虑的因素有:一是经济发展以及能源需求对能源安全提出的要求;二是金融市场的变化对能源风险因素的影响;三是指标数据的可获得性。基于以上考虑,本文对能源金融市场风险预警指标选取以下5个,即能源需求量增速、实际GDP增速、美元指数、股指变动率、石油价格。在5个指标中,能源需求量增速和实际GDP增速体现了能源供给的情况:GDP增长迅速,为GDP提供增长的能源需求也会随之上升。能源需求量增速在统计上的数据是每年的能源消耗量,即反映了能源的供给与需求平衡的情况。股指变动和石油价格反映了国际金融市场和能源市场的形势,其变动对中国的能源安全起到重要影响。美元指数也十分重要,美元的强弱升跌都会对油价和金融市场产生影响,进而引起能源金融风险的升降。
四、模型及其应用研究
(一)基于PCA&ARMA的能源金融市场风险预警模型主成分分析法(PCA)是评价具有一定相关关系的指标组的重要方法,可以抽取各个指标的特征,以较少的变量来表征整组指标的特征,因此,本文将其应用于多指标评价的能源金融风险评价。能源金融市场风险的预警归根结底是对未来能源金融市场风险强度的预测。在根据主成分分析法得出历年的能源金融市场风险强度后,预测模型必须能够合理考量历史趋势,即根据过去的时间序列建立模型推算未来的风险强度。ARMA时间序列模型预测方法的核心思想便是根据现象的过去行为预测未来,故而本文选择ARMA模型预测未来的能源金融市场风险。预警模型建立的主要步骤如下:
1.指标原始数据的标准化。首先计算每列数据的均值,再用均值减去每一指标数据,最后再将其差除以原有数据的标准差。
2.计算相关系数矩阵。每个指标之间都计算其相关系数,利用相关矩阵可以进一步推算出其特征向量和特征值,从而选取确定主成分。
3.计算特征根以及特征向量,并计算一组特征根和特征向量的贡献率,将特征向量按照特征根加权。计算出特征向量Ek和特征值λk,选取λk>1的特征根和特征向量作为主成分。
4.计算能源金融市场风险强度。能源金融市场风险强度是衡量能源金融市场风险的指标,其值越大表示风险程度越高,根据特征向量中的各个元素作为权值,与每一年的相对应指标值相乘,可得到能源金融风险强度。
5.利用ARMA模型建立回归模型。检验能源金融市场风险是否为平稳时间序列,如果不是则需要差分后再进行回归,根据回归的结果预测未来的能源金融市场风险强度。
(二)应用研究本文选取中国2002~2013年的相关数据对中国能源金融市场风险强度进行计算。
1.数据说明。股指标的为标普500,美元指数按照美国洲际交易所数据,二者年度数据选取年末最后工作日数据。中国GDP增速以不变价计算,数据来源为《中国经济统计年鉴》,能源需求量增速数据来源为《中国能源统计年鉴》,石油价格选取大庆油田年末数据。
2.主成分分析。首先对5个指标的数据进行标准化处理,再根据标准化后的指标数据进行主成分分析。
3.ARMA模型。对表5中的能源金融市场风险强度建立ARMA模型,设其时间序列名为index。首先根据ACF图判断index的稳定性,结果发现极其不稳定,故而对index时间序列进行差分,得到时间序列index_d。自相关和偏自相关两个图形都呈现拖尾的现象,是典型的ARMA(p,q)型的结构。
五、结论及政策建议
(一)研究结论本文通过对能源金融市场风险和风险预警基本概念的界定,提出能源金融市场风险预警的基本经济金融指标,并通过主成分分析定义能源金融市场风险强度,计算了中国2002~2013年的能源金融市场风险强度,应用ARMA模型对中国2014年的能源金融市场风险强度进行预测。主要结论如下:
1.能源金融市场风险是一个综合变量,国内宏观经济指标、国际金融指标及能源相关指标都是重要影响变量,通过适当的方法,如主成分分析是可以对其进行量化分析的。结合ARMA模型,可以对能源金融市场风险强度进行预测,进而对我国能源金融风险管理和能源安全管理提供有益的参考。
2.对2002~2014年中国能源金融市场风险强度的计算和预测表明,中国能源金融市场风险在2006年以前处于“安全”级别,此后,除在2008年短暂的恢复“安全”级别外,中国能源金融市场风险一直在上升,但仍处于“可控”的区间。当前中国的能源金融市场风险处于较大风险区间,按照能源金融市场风险强度的增长趋势,未来能源金融市场风险有可能进一步增加。
(二)政策思考本文实证研究表明能源金融市场风险强度的大趋势是不断增强的,因此,为确保中国能源金融市场的稳定,保障国内经济建设的正常运行,维护国家利益,中国能源金融市场需要一套针对全球金融市场的风险预警管理体系,及时高效地对风险进行管理。具体来讲,加强中国能源金融市场风险预警管理应该从以下3个方面入手。
1.信息透明化是能源金融市场风险预警管理的前提。当前,中国能源信息的权威公布平台少,各地各企业分裂统计,信息整合性差,市场存在明显的信息不对称,灰色地带过多。与新加坡的普氏价格指数相比,中国能源信息平台仅服务于国内市场,在国际市场上缺乏影响力,这也在一定程度上限制了中国对能源市场的定价权。虽然中国2006年就开始与国际能源信息署(IEA)合作,双方就国家战略石油储备与石油市场数据分享达成一致协议,但目前仍没有实质性的进展。因此,国内一方面要继续筹建一个多方参与的权威信息平台,另一方面也要积极走出国门,在国际市场上发挥作用,争取早日实现中国的能源信息透明化。
2.能源金融市场与传统金融市场的创新合作是能源金融市场风险预警管理的核心。当前,虽然发达能源金融市场在市场体系上构建了如银行、基金、债券、期货等多层次的交易市场值得中国能源金融市场借鉴,但中国资本市场的不完善会在一定程度上限制能源金融市场的多元化。虽然如此,中国传统金融市场在过去的二十几年里摸索前进,在交易场所、交易制度设计和交易平台管理上也积累了丰富的经验,能源金融市场可以充分利用现有的金融市场体系来扩大交易规模,完善交易制度。同时,金融市场有着极强的创新能力,能源金融市场借助金融市场的力量,在能源金融产品研发、交易规则设计、风险管理等方面将取得快速发展。
金融市场风险论文范文2
【关键词】POT;APARCH-M;动态风险;杠杆效应
近年来,由美国次贷危机引发的金融危机使得各国金融市场产生大幅波动,让人们广泛意识到对金融机构等实施金融风险管理的重要性。因此,对金融市场极端情形下的损失风险的估计和预测是研究者和各投资者关注的焦点。VaR(Value at Risk)技术正是这样一种定量工具,目前已受到业界的广泛认可,为全球金融市场、电力市场及石油市场广泛采用[1-2]。但是VaR只是市场处于正常变动下市场风险的有效测度,它不能处理金融市场处于极端价格变动的情形,如股市崩盘等,并且它自身不是一致性风险度量工具[3]。而ES(Expected Shortfall)是度量损失超过VaR的期望损失,能较好度量极端风险,并且它是一致性风险度量[3-4],于是论文将ES作为VaR的一个补充。在传统的风险度量模型中一般考虑的是整个收益率的分布,常用正态分布、t分布、混合正态分布、Laplace分布等来描述。而极值理论(Extreme Value Theory)描述的是分布的尾部行为,故而近年来热衷于将极值用于风险度量研究中[2-7]。
目前,国内外对极值的研究主要集中在条件极值的风险度量和应用上[3-7]。条件极值模型主要是将极值理论中的POT(Peaks Over Threshold)模型与波动模型结合。在国内,极值理论的研究起步较晚,但发展迅速,余力[5]和陈守东[6]等的研究结果表明动态VaR比静态VaR度量更准确;但上述文献中都没考虑金融资产收益率波动的杠杆效应,即非对称性。林宇[7]则通过非对称波动模型与极值模型结合度量风险,测试结果较准确。但他们的研究都忽略了金融资产收益中包含了对风险的补偿,即金融资产收益率与资产风险具有密切的关系。为了反映出这种关系,Engle等1987年提出了GARCH-M模型[9]。陈泽中[9]将GARCH-M模型和EGARCH模型结合起来,分析了我国股市波动的特点。实证结果表明,我国股市存在明显的杠杆效应,且收益率与波动性存在显著的正相关关系。
为了更准确地度量金融市场风险,论文采用更一般的APARCH模型来描述收益率序列的波动,并充分考虑了金融市场的收益率与风险的正相关关系。将极值理论中的POT模型与APARCH-M模型结合,提出了基于POT-APARCH-M的风险度量模型。
1.APARCH-M模型与极值理论中的POT模型
1.1 APARCH-M模型
在针对金融时间序列波动性的建模中,Bollerslev在ARCH模型的基础上提出了广义自回归条件异方差模型,这正是我们目前研究比较多的GARCH模型。GARCH模型是ARCH模型的重要扩展,然而GARCH模型并不能完全反映金融市场波动的特征,特别是其中的杠杆效应。于是Ding,Granger和Engle在1993提出了一个非对称的GARCH模型,即APARCH(asymmetric power ARCH)模型[11]。该模型是个归纳性较强的模型,它将多种ARCH模型和GARCH模型作为其特例,其中包括了TS-GARCH模型,GJR-GARCH模型,Log-GARCH模型,TARCH模型,NARCH模型等[10]。APARCH模型不仅包含了一般GARCH模型的特点,而且还可以捕捉金融市场的杠杆效应。设是股票每日价格的对数收益率序列,满足严格平稳性,且服从APARCH(p,q)过程,则可以由下式表达:
(1)式为均值方程,其中为条件均值,为残差;(2)式中的为条件方差,为标准化残差,是服从均值为0,方差为1的独立同分布序列;(3)式为波动方程,其中参数,,,,,,反映冲击的杠杆效应。
由于金融资产风险的变化对收益的影响,高的收益往往伴随着高的风险,即是资产的收益率会依赖于它的波动。为刻画这种现象,1987年,Engle、Lilien和Robins提出了GARCH-M模型,其中“M”表示收益率的条件均值为GARCH[8]。此时,条件均值可以表示为:
上式中的和为常数,参数叫做风险溢价参数,为正值意味着收益率与它的波动正相关。
于是将(4)式代入到(1)式中,就可以得到APARCH-M模型,即
3.算例分析
3.1 模型参数估计及动态VaR和ES估计
论文选取深证综合指数从2003年12月10日到2011年1月20日的每日收盘价,共1729个数据。取2003年12月10日到2010年1月7日的每日收盘价共1479个数据,用来估计模型的参数;2010年1月8日以后共250个数据用来后验测试。数据来源于大智慧股票软件。深证综指的日损失序列定义为,其中为时收盘价。论文所有的数据处理和分析都在Eviews5.0和R软件下进行的。
通过Eviews5.0软件计算得到损失序列的基本统计特征见表1,括号内为p值。
从表1中可以看出该损失序列尖峰厚尾,且不对称,呈现右偏情形;单位根ADF检验结果表明在1%的置信水平下该序列不存在单位根,即损失序列是平稳的;Ljung-Box统计量Q(5)、Q(10)表明该序列有一定的自相关性,Q2(5)、Q2(10)表明损失序列的平方自相关,从而该损失序列具有很强的ARCH效应。根据前面的分析使用APARCH(1,1)-M-t模型对深证综指样本内损失序列建模,并用最大似然估计对参数进行估计,估计结果见表2。
模型拟合后,对其残差进行ARCH检验,其检验统计量LM(6)的p值为0.99,从而可以判定残差没有异方差性。标准化后的残差序列均值几乎为0,方差也十分接近于1,基本可以看成是标准残差序列。然后对其进行相关性检验,Q(5)=24.301(0),从而可以认为其是独立序列。标准化后的残差序列的阈值,MEF(超额均值函数)确定如下图1所示。从图1中可以看出阈值在1.8左右,然后结合McNeil和Frey对比Hill方法、历史模拟法等方法,发现选择5%左右的极值数据使用GPD估计效果较好,于是阈值可以确定为1.806,接下来对超过阈值的部分进行GPD拟合,结果如图2所示。从图上看出拟合效果相当好,并且作出其QQ分位图,如下图3所示。于是可以用GPD分布对极值建模,参数估计结果为,。
3.2 模型检验
为了考察风险度量模型的预测效果,常采用Kupiec的失败次数检验方法。其基本思想是:在置信水平为P的条件下,在第t日估计出第t+1日的风险值和,对于第t+1日的实际损失,如果估计出的,那么就认为风险估计值在第t+1日是失败的,并计数一次。最后将失败次数比上考察的总次数得到失败率。对于ES的估计也是采用同样的方法。如果失败率远大于,则认为是低估了风险,反之则是高估了风险。只有失败率接近,风险度量方法才被认为相对可靠。论文还将此模型检验结果与EGARCH-M-POT模型,APARCH-POT模型检验结果进行了对比,从而可以看出此模型的优越性。
从上表2深证综指的后验测试结果可以看出,在99%置信水平下,这三种模型预测的效果是一样的,但在97%置信水平下,基于POT-APARCH-M和POT-EGARCH-M模型预测效果是一样地优于基于POT-APARCH的,从而表明了考虑收益与风险正相关对于金融市场风险的度量更加合理。在95%的置信水平下,基于POT-APARCH-M模型预测的效果是最好的,因为它是失败率是最接近5%,从而表明考虑更一般的APARCH模型来描述收益率的波动比EGARCH更合理。而通过计算ES的失败率结果在高置信水平下,ES的失败率都为零,从而表明ES相比VaR是更为保守的风险度量。
4.结论
论文建立了基于极值理论的POT-APARCH-M-t的动态风险度量模型,用来度量金融市场风险。在描述金融市场波动特征时,采用更一般的APARCH模型。结果表明它比EGARCH模型更优越。在金融市场中往往高的收益伴随着高的风险,即收益与风险是负相关的,从而将APARCH模型与GARCH-M结合。经过深证综指风险度量结果表明损失与风险是负相关的,并且更准确地度量风险。而在度量空头风险时,通过检验表明,在高置信水平下,ES过于保守,从而可以看出收益率的右尾较薄。论文只是对收益率分布上尾极端风险进行了度量,当然还可以对下尾极端风险进行度量,论文在阈值选取时,带有一定的主观性,阈值准确的选择方法一直是现在要解决的问题。
参考文献
[1]王春峰.金融市场风险管理[M].天津:天津大学出版社,1999.
[2]Bekiros S.D.,Georgoutsos D.A.Estimation of Val-ue-at-Risk by extreme value and conventional method:a comparative evaluation of their predictive performa-nce[J].Int.Fin.Markets,Inst.and Money,2005(15):209-228.
[3]Artzner P.,Delbaen,Eber J.M.,and Heath D.Coher-ent Measures of Risk[J].Mathematical Finance,1999(9):203-228.
[4]Bhattacharyya M.,Ritolia Conditional VaR using EVT-Towards a planned margin scheme[J].Internatio-nal Review of Financial Analysis,2008(17):382-395.
[5]余力,张勇.应用极值分布理论的VaR和CVaR估计[J].求索,2010(4):64-66.
[6]陈守东,孔繁利,胡铮洋.基于极值分布理论的VaR与ES度量[J].数量经济技术研究,2007(3):118-124.
[7]林宇,魏宇,黄登仕.基于GJR模型的EVT动态风险测度研究[J].系统工程学报,2008,23(1):45-51.
[8]Ruey S.Tsay.金融时间序列分析[M].北京:人民邮电出版社,2009.
[9]陈泽忠,杨启智,胡金泉.中国股票市场的波动性研究――EGARCH-M模型的应用[J].决策借鉴,2000,13(5):24-27.
[10]张世英,樊智.协整理论与波动模型[M].北京:清华大学出版社,2009.
金融市场风险论文范文3
关键词:农村金融市场;农村金融体系
本文系辽宁省社会科学规划项目《我省农村地区金融现状问题及对策研究》(批准号:L11CJY037)部分研究成果
中图分类号:F83 文献标识码:A
原标题:农村金融市场发展分析——以辽宁省为例
收录日期:2012年12月21日
一、辽宁省农村金融需求和供给分析
(一)辽宁省农村金融需求分析。一是农户的金融需求。农户融资最重要的原因是维持生产和经营费用;二是农村企业的金融需求。农村企业以中小企业为主,资金缺乏问题是主要的制约因素;三是农村公共体系的金融需求。农村科教文卫建设需求数量巨大的资金。社会主义新农村建设基本要求是提升农民素质,在基础教育体系、职业培训体系等多方面需要金融市场提供充足的资金。辽宁省形成的农村三级卫生服务体系是以龙头、乡镇卫生院为主、村卫生室为基础的医疗服务体系。这需要大量的资金支持;四是农村基础设施的金融需求。水利化、机械化等农村基础设施建设,需要金融市场提供资金。
(二)辽宁省农村金融供给分析。一是农村合作机构是农村金融信贷的主要供给者,农信社占全省农业贷款余额绝对比重;二是农村新型金融机构发展迅速;三是政府财政资金供给。由于农业弱质,国家需要给予农业一定补贴,支农财政资金相对于需求而言,略显不足;四是农业的自我积累资金。这部分资金多数用于农业生产,但其规模大小要受到收入情况的制约;五是社会关系和高利贷。随着农村经济的快速发展,关系型资金借款无法满足需求;六是一些国际融资和企业借贷。
二、辽宁省农村金融市场现状分析
(一)政策性银行和国有商业银行功能弱化。由于政策调增,农业发展银行目前信贷业务主要集中在国有粮油面流通环节,仅在农产品收购方面发挥作用,业务功能单一,在支持农业产业化及基础设施建设等政策性业务上仅处于起步阶段。国有商业银行在农村地区的分支机构大量萎缩,撤并效益较差的贫困地区基层网点,转投大城市和回报率较高的城镇。
(二)农村信贷利率高,资金外流数额逐年增大。农村金融需求主体在融资过程中需要相应的担保,但农村担保主体匮乏、担保能力有限,使得农村金融在融资过程中丧失了有效担保机制。同时,农业保险覆盖面狭窄,无法有效分散农业风险,这些都推高了农业信贷的资金利率;另一方面农村资金大量外流,农村贷款难的问题突出,资金无法满足辽宁农业产业结构和产业化发展的资金需求。
(三)非正规金融缺乏必要的规范。就功能而言,农村非正规金融机构为农村经济发展起到很好的促进作用,但也存在很多问题。一方面目前非正规金融的发展完全处于市场自由发展的放任状态,使得政府缺乏必要的监管;再有由于法律框架建设问题,其除了面对一般金融机构共同面对的市场风险外,还要面对得不到市场保护的非市场风险。
三、制约农村金融供给的原因分析
(一)农村信用环境的缺失。信用环境存在问题较多。主要是金融机构贷款逾期过高,企业间互相拖欠债务普遍,以劣充优、以次充好和欺诈失信等严重冲击着商业信用关系和消费信用关系。据不完全统计,目前国有商业银行不良贷款占其全部贷款的比率为25%。作为社会信用的个人部分,信用观念淡薄;同时还缺乏信用风险防范意识。由于银行和农村信用社无法考察客户信用程度,更不能对其实行监控,从而给银行增加了信用风险。
(二)金融市场的信息不对称。信息不对称造成了市场交易各方的博弈失衡,影响博弈的公平和公正,使得市场对资源配置出现低效率。在农村金融市场上,银行对借款人资金运用的目的、风险及还款能力等信息无法准确获知,财务制度和信用体制不完善也使得借款人无法向银行传递准确的借款信息,使得金融机构处于信息的劣势一方,在这种情况下,金融机构通过惜贷或者提高贷款利率来规避风险,压缩了信贷供给量。
四、完善辽宁省农村金融市场发展的建议
(一)注重农村金融市场结构优化、体系健全和深度拓展。辽宁农村金融市场发育程度较低、发展较慢、结构失衡,亟待进一步拓展和优化。规范和发展银行借贷市场和证券市场,国有商业银行要办成真正的现代商业银行,依法自主借贷,扩大对农业、农民和农村的贷款,增加银行借贷市场份额。证券市场主要是培育乡镇企业和农村中小企业,使那些具有一定规模、富有特色优势和发展潜力的企业及生物技术等高新技术企业通过多种形式改制包装上市,通过发行股票、债券进行融资。
(二)建立真正适应农村金融需求、适度竞争的农村金融机构体系。深化改革商业银行机构,国有商业银行应按照现代商业银行要求,进行股份制改造,从而实现产权结构多元化和人格化,并完善法人治理结构。而在农村的机构应按照效益为原则,自主进行机构撤并或重组,逐步退出效益低的农村金融市场。农业发展银行要拓宽资金来源渠道,改善资金来源结构,提高自身筹资能力,增强服务农业的实力。
(三)完善农村保险体系。创新农业保险产品,探索建立农村银保互动机制,适时引入“小额信贷”+“小额保险”的双驱模式。在农村小额信贷审批环节,将农户的保单质押纳入有效的贷款担保物范围,建立好相关的风险防范机制。发展多元化的保险供给主体,建立专门的政策性农业保险公司,可由政府出资,但保持市场化的运作方式;由商业保险公司兼营农业保险业务,充分利用其专业的资源和经营技术;引进在经营农业保险业务上比较成功的外资保险公司,以吸收其在农业保险方面的先进管理经验;进一步完善农业保险体系,逐步把农业保险业务从商业保险中分离出来,使其成为政策性保险,由政府进行相应的财税支持。
主要参考文献:
[1]郭菊兰.农村金融市场建设与解决筹资难对策研究.中国乡镇企业会计,2010.
金融市场风险论文范文4
论文摘要:金融危机对美国乃至世界经济产生了巨大影响,加剧了全球金融市场的动荡。次贷危机产生了严重的流动性问题,一些商业银行、国际投资银行因此而倒闭,这严重影响了金融行业的盈利能力和股票市值稳定。可以说,金融危机对银行业流动性风险管理提出了新的挑战。虽然我国银行业受金融危机的冲击有限,但是银行业仍应吸取金融危机的教训,强化对流动性风险的管理,不断完善未来市场竞争加剧情况下的流动性管理工作。
由于受金融危机的影响,全球金融市场继续表现疲弱,系统性风险的各项指标依然没有好转。
这场始于美国房价暴跌的信贷危机已经触发全球经济“恶性循环”,经济增长放缓周期将进一步延长,次级贷款损失万亿美元。美国金融危机对银行业流动性风险管理提出了新的挑战。
商业银行经营要遵循的盈利性、安全性和流动性三原则中,流动性处于关键的地位,资产流动性管理已成为现代商业银行经营管理水平的重要标志。新巴塞尔协议和现行的监管规定在信用风险、市场风险和操作风险等方面对银行业的要求虽然很多也很复杂,但是并未强调银行业的流动性风险。现在,从美国次级贷款危机中我们可以看到流动性风险带来的代价是惨重的。因此,中国银行业应强化对流动性风险的管理,即使是在目前存贷比都比较高的情况下,也应做好充分准备,完善未来市场竞争加剧情况下的流动性管理工作。
一、金融危机对银行业流动性风险管理的影响
(一)金融危机加剧了银行业资金回收的困难
由于金融危机的影响,发达国家金融机构资金紧缩,从而引发其对外放贷更加谨慎,贷款总量也由持续稳定的增长转为呈现出近年来首次大幅减速的趋势。据美联储统计,2008年前三季度美国商业银行对国内工商业的贷款余额同比增速比上年同期下降约4个百分点。金融机构放贷紧缩使得美、欧等国的进口商融资难度增加,资金周转情况比以前明显恶化,而对我国出口企业的直接影响就是国外进口商的偿付能力下降,货款收回的风险加大。据调查,信用较好的进口商在过去交货后20~30天内会将预付款以外的货款结清,但自金融危机以来,付款周期普遍延长到了40~50天。这极大地影响了出口企业资金流动性,甚至波及国内供货商,从而在更广泛的范围内影响到我国银行资金的回收,加剧了资金回收的困难。
另外,金融危机导致了全球性的经济发展减缓,国际市场需求萎缩,这对我国的出口企业产生了巨大的影响。2008年,金融危机对我国的出口影响逐月增加,从11月开始首次出现了负增长,11月份当月我国口1149.9亿美元,下降2.2%,中国外贸单月进出口首次出现负增长;12月份当月我国出口1111.6亿美元,下降2.8%。企业尤其是对
危机的严重程度没有准确预测的企业,生产的大批产品出口无路,库存积压,占用了大量资金,致使企业资金链断裂,无法偿还银行贷款,银行资金回收更加困难。
(二)金融危机加大了银行资产结构单一的风险性
1.银行资产组成方面
从资产组成看,商业银行的资产主要是现金包括存放中央银行和存放同业、托收未达的现金等。商业银行的资产中固定资产流动性最差,现金资产的流动性最强,贷款和证券视期限和性质而具备不同的流动性。一些针对基本客户发放的短期流动性资金贷款,虽然期限较短,但往往不具有流动性。
我国商业银行的资产大部分表现为贷款,结构单一,基本没有流动性二级储备,一级储备的大部分又滞留在中央银行里,银行很难根据流动性需要,随时抽回,做自主性调剂。雪上加霜的是,金融危机导致银行的贷款回收难度加大,加剧了商业银行的流动性风险。
2.银行资产期限方面
从资产期限上看,由于信贷资产占据了资产的绝大部分,该部分的资产的期限结构对商业银行的中长期流动性具有很大的影响,因此中长期贷款增加、短期贷款收缩是商业银行面临的一个主要问题。从目前的状况来看:一方面,金融危机使企业的经营进入一个“寒冬”阶段,货款回收困难,企业在短期内都不可能筹集大量资金,而有可能靠银行的中长期贷款“过冬”;另一方面,金融危机以来,房地产行业骤然降温,国家出台了众多优惠政策,支持房地产消费。结果,个人消费信贷快速发展并以住房抵押贷款为主。从以上两个方面我们可以看出,银行中长期贷款比例是不断上升的。
(三)金融危机使金融市场发展进程有所放缓
从理论上讲,金融市场的发达程度与商业银行的流动性是一种既矛盾又互相促进的关系,金融市场越发达,商业银行的资金来源竞争就越激烈,对负债的流动性管理就会越困难,但从流动性来源来讲商业银行可以更加容易在发达的金融市场上取得流动性资金来源和变现自己的流动性资产以弥补自身流动性不足。
之前,我国金融市场发展远远滞后于整体经济的发展是不争的事实;现在,金融危机使我国的政策制定者更加偏于谨慎,金融危机使金融市场发展进程有所放缓,束缚了银行流动性风险管理。
二、银行相应对策分析
(一)透析国家宏观经济政策适时调整的目的
宏观经济顺应经济形势适时的调整,是避免经济和金融市场过度波动的重要手段。美国政府接管“两房”的救市举措提醒我们,要密切关注全球经济和金融市场的走势和最新变化,努力应对并化解次贷危机风险和负面效应,在加强金融监管的同时,关键还在于及时果断采取应对措施救市和治市,包括建立平准基金或暂时以汇金公司代行平准基金职责,财政政策刺激方案,以减缓国际金融市场动荡对我国金融体系和经济的冲击。银行业要及时关注国家宏观经济政策的调整,抓住调整的实质,以预测国家货币和财政政策的走向。
例如,面对次贷危机不断恶化导致的全球金融市场动荡的局面,中国人民银行从2008年9月16日起下调人民币贷款基准利率和中小金融机构人民币存款准备金率。随后面对美国金融危机不断蔓延的情况,央行又加强对货币政策工具调整的力度,自10月9日起下调一年期人民币存贷款基准利率各0.27个百分点,其他期限档次也相应调整;自15日起下调人民币存款准备金率0.5个百分点。
“存款准备金率”和“存贷款基准利率”作为中央银行最具影响力的货币政策工具,能够直接调控货币供给。利率和准备金率的“双降”表明政策操作已经由“防通胀”转向“保增长”。上述降息举措无疑放松了银根,向市场注入了流动性,在某种意义上说是配合全球央行稳定金融市场的政策,同时,在某种程度上对房地产等资金链紧张的行业无疑是“雪中送炭”。这一货币政策的调整也预示着未来一系列政策调整的开始,包括减税刺激资本市场和房地产市场,如降低印花税,对储蓄存款利息所得暂免征收个人所得税,降低房地产交易税费,提高出口退税率以刺激出口等财政政策的出台。
(二)加强预警
针对全球金融市场持续动荡,美国金融危机不断蔓延的现状,金融机构应关注以下方面并及时预警:
首先,外汇管理方面。汇率变动引起的外币资产风险包括汇率风险和信用风险,金融机构要实时关注手持主要外汇的汇价变动情况,必要时通过调整资产组合的种类或者比率及时止损。
其次,抵押信用债券市场方面。金融机构应密切关注抵押信用债券市场的发展,保持对相关风险的敏感程度,及时评估,审慎计提相应减值准备,相机抉择出售相关的抵押支持债券及资产支持债券等,最大限度维护资产安全,保障我国金融市场的稳定。
再次,对国际游资的关注方面。金融机构应该对国际游资进入我国金融市场保持警惕,关注其中国股市和房市的冲击,主动防范信贷风险的加大,尤其是资产证券化衍生产品的信用风险。另外,也要注意美元反弹后游资回流美元市场导致国内资产价格下降泡沫破灭的风险,合理分析和判断利率、汇率走势,为把握投资和交易机会做好充分的准备。
(三)加强信用风险管理与流动性风险能力
作为银行自身,强信用风险管理与流动性风险能力需要加强以下几方面工作:
1.加强信用风险管理
银行业加强风险管理要充分利用社会征信系统对贷款人的资信状况和还款能力进行充分评估,完善贷前审查评估和贷后跟踪程序。在评估的过程中,严格按照银行系统的相关规定,避免任何“地下贷款”的现象,最大限度地减少银行不良资产比率。
2.推行资产证券化、改善资产结构
随着全球经济一体化进程不断深入发展,我国银行业应逐步与国际接轨。在这一要求下,资本充足率是困扰我国商业银行的一个很大问题。目前我国银行业资本结构单一,资本补充渠道狭窄,在暂时不能有更好外来资本补充渠道的时候,推行资产证券化,不实为降低资产整体风险权重的有效方法,能相对提高资产充足率,同时对盘活存量资产的流动性也具有现实意义。
我国商业银行目前导致资产负债期限结构不匹配的最大因素就是个人住房抵押信贷的高速增长,加上国际游资对我国房地产市场的投机对银行房信资产价格的潜在影响,建立与住房抵押贷款证券化有关的法律法规,稳步推行住房信贷资产证券化不仅是实行银行资产证券化的良好开端,也是防范银行流动性风险,改善资产结构的有效方式。
但是同时我国银行业应该吸取此次金融危机的教训,注意证券化资产的质量以及杠杆比率,把资产证券化变为银行业改善流动性管理的有效途径,而不是加大银行流动性风险的导火索!
参考文献:
[1]孙迎芬.论我国商业银行流动性风险管理[J].财政金融.2008第9期.
金融市场风险论文范文5
论文关键词:VAR,CVaR,对数正态分布,贝叶斯估计,市场风险,先验分布,后验分布
引 言:随着社会经济的全球化迅猛发展,技术的进步以及观念的更新,人们在从事各种活动过程中所面临的可能会影响到结果的各种不确定性事件的发生率也在逐日增加,从巴林银行,安然公司的倒闭到现如今的雷曼,美林等大型金融企业的,导致各行各业都将注意力集中到市场风险计量和管理上。目前基于市场价值测量法的风险价值方法(Value At Risk)贝叶斯估计,被称为风险管理的VaR革命,已经成为各国金融市场风险计量中的主流方法。研究VAR 以及VCaR的代表性文献有:茆诗松等给出的BVaR以及BCVaR等的概念以及性质和特点等的理论性研究[7] ;penza和bansal系统给出了基于市场风险的风险价值计量方法的定义、原理和方法[1];刘小茂,田立对于VAR 和VCaR进行了简要的对比研究[3]等等,这些研究都是在假设收益分布是服从正态分布的情况下给出了VaR和VCaR的计算公式,但近年来国内外的研究者通过数据检验以及各种实证研究发现在很多极端的情况下尾部的高风险(如巨额损失)发生的概率要高于标准正态分布下风险的概率,且这些事件的发生很可能会导致公司破产,也即是说市场风险存在尖峰后尾的特征,同时发现当收益分布是非正态分布或不连续的时候,VaR就缺少稳定性;当计量中涉及的数据量比较大的时候,VaR的计算就变得比较困难;当收益分布的维数比较高的时候,VaR对于风险的计量就变得基本不可行,目前只有钱艺平等在市场风险资产损失服从Pareto分布下对资产损失进行了VAR计量,同时对市场风险的尖峰后尾通过Pareto分布进行了描述并且给出了VAR的具体模型;对于CvaR与VaR的比较研究已经比较成熟,且条件风险价值[9](CVaR)已经被学术界公认为是比VaR更合理有效的现代风险管理方法。本文运用VAR以及CVaR的计算原理,利用具有尖峰后尾特征的对数正态分布贝叶斯估计,同时通过贝叶斯方法对对数正态分布下资产损失的各个参数估计进行修正,使之更能反映资产损失市场风险的实际情况,并给出修正后CVaR以及VAR计量的具体模型期刊网。这些研究对于资产损失的市场风险计量和管理具有重要的理论和指导意义。
一.VaR与CVaR的原理
(一)风险计量的三个基本要素
(1) 置信区间。置信区间的选择主要是依赖于对VaR验证的需要,内部风险资本需求,监管要求以及在各个机构之间进行比较的需要,一般都是在99%的置信度下计算VaR,摩根集团是在95%的置信度下计算VaR。
(2) 资产收益率的分布。应用VaR时,最重要的是R分布的假设,不同的资产收益率的假设分布,即使在相同的置信水平下也对应着不同的VaR值。
(3) 资产持有期的长度。资产持有期是计算VaR的时间范围,显然资产的持有期越长资产组合收益率的波动性就越大。而具体的持有期长度需要考虑资产的交易性,管理者的风险偏好,公司的资本状况,风险文化等因素[5]。
(二)与基本原理
的直观解释就是“处于风险中的价值”,它是在一定的置信水平下贝叶斯估计,由于利率,汇率等市场风险要素发生的变化,使得某一资产组合或金融资产在未来特定的一段时间内面临的最大可能损失[6],即:
(1)
其中为资产在持有期内的损失,为置信水平,VaR置信水平下的风险价值期刊网。
由的定义,设为持有期初资产组合的价值,由于计算的是特定持有期的损失,为了使得大于0,假设R为持有期内的资产损失率,当R的概率密度函数服从正态分布时,满足方差——协方差法的假设,则在给定的置信水平下的资产组合的就可以表示为:
(2)
令,资产的最小回报率为 ,就能得到:
(3)
对于来说当损失分布是非正态分布或不连续的时候,没有稳定性;当数据量比较大的时候,的计算就变得比较困难;当分布的维数比较高的时候贝叶斯估计,对于风险的计量及变得不可行,针对的这些不足学者们提出了这一概念。是指在一定的置信水平下,损失超过的尾部事件的期望值,也就是在某段时间,一定置信水平下,资产的市场风险损失超过计量值时的平均损失。它反映了损失超过阈值时可能遭受的平均损失大小。具体可以表示为[10]:
(4)
其中,为持有期内的资产损失率,就为在一定置信水平下资产所遭受风险的最大损失。由期望的基本性质我们可以推出:
当且仅当相互独立时(1)式等号成立。
由(1)式可以推出无论资产损失率分布是否呈现正态分布,都是具有有一致性的风险度量,且其具有次可加性,能够满足在分布呈高维下处理不足的情况,同时能够简单明了的说明对于任意几个单项投资来说,其投资组合的风险损失明显小于单项投资损失之和,这就和经典分散投资理论相吻合。
由(2)式可以推断出具有凸性,它可以简单有效的计量当数据量很大时的风险损失情况从而弥补了在计量数据量较大时计量带来的不足。
此外当损失分布呈正态分布时容易证明其贝叶斯估计,以及均值—方差理论在计量风险损失方面具有相同的最优解。
从以上的说明中可以看出在计量风险损失方面比具有更好的适用性期刊网。
(三)与的数学关联性
通过计算两者之间的算术表达等式可以进一步的说明与之间的关系。
又由
其中,故我们可得:
(5)
其中。
二.贝叶斯方法在损失分布中的应用
现在我们一般应用的风险管理模型,常常采用计算机模拟的方法去拟合损失分布,常存在比较严重的失真现象,即拟合的分布与实际的情况之间总是会存在或多或少的差异,比如以前我们对于市场风险的资产损失分布是假设其服从正态分布的,但随着各种较大风险的发生通过研究逐渐发现其分布实际是具有后尾特征的(其发生风险的概率要远远大于正态分布假设下认定的概率)。因此为了提高准确性,我们就要利用各种有用的信息来提高精度。
本文先利用历史数据对各个参数进行正态拟合,得到正态分布下各个参数的修正值,并且以此作为各个参数的先验分布,然后通过历史样本数据对其各个参数再进行贝叶斯修正,得到各参数的后验分布,进而就能得到各参数比较精确的估计值[7][8]。
(一)的贝叶斯修正
由市场风险损失的历史数据(),,为计算方便起见我们不妨假设是已知的,且其值为。这样通过抽样可以得到样本的似然函数:
(6)
实际的计算过程中可以根据历史数据结合最大似然估计等方法用最小方差无偏估计来做为已知的值,或者可以直接应用经过贝叶斯修正以后的值。
已知正态分布中的的共轭先验分布的形式为倒伽马分布贝叶斯估计,Gamma分布的密度函数为:
(7)
由此可得共轭先验分布的分布密度函数,其中与为已知。
(8)
于是的后验分布为:
(9)
容易看出,这是倒Gamma分布,它就是正态分布的后验分布,取其后验分布的期望为的修正后估计,就能得到:
(二) 的贝叶斯修正
正态分布的期望本身也是服从正态分布的,,为了方便,我们不妨假设是已知的,且期刊网。由历史数据通过抽样可以得到样本的似然函数为:
(10)
正态分布的共轭先验分布仍然为正态分布,由此可知的共轭先验分布为,且其共轭先验分布的密度函数为:
(11)
其中均为已知。
于是后验分布的密度函数就为:
显然可以看出的后验分布是服从正态分布(,),且其后验分布的期望值为:
(12)
所以的贝叶斯修正估计值就为。
三.对数正态分布的引入及其具体应用
(一)对数正态分布的引入
对于由市场风险引起的风险损失,已有学术著作运用贝塔函数拟合方法和蒙特卡洛模拟方法对商业银行的损失分布进行研究,得到损失分布的尾部特征是具有厚尾现象的,同时近年来国内外的研究者通过数据检验和实证研究发现高风险(小概率事件)发生的概率要高于标准正态分布下风险的发生概率,严重情况下有可能导致导致公司破产,由此不难推出由市场风险引起的损失分布也具有尖峰后尾现象。我们知道对数正态分布是具有尖峰后尾现象的贝叶斯估计,因此本文通过假设市场风险的损失分布是服从对数正态分布,利用贝叶斯方法充分利用已知的先验信息然后利用抽样获得的信息推断出相关参数的后验分布,这样就能充分利用各种有用的信息来提高拟合精度,从而得到更加符合实际的结果。
假设市场的风险损失率服从参数为的对数正态分布,其中是期望市场风险资产损失率(平均市场损失率),是市场风险资产损失的标准差,反映的是市场风险的波动程度。市场风险资产的损失率的概率密度函数为:
(13)
(二)对数正态分布的具体应用
由前文的说明可知市场风险的资产组合损失率是服从对数正态分布的,且损失率lnR的密度函数为:
因此由在险价值VaR的定义,在给定置信水平下,市场风险资产的VaR应满足:
(14)
应用标准这正态分布可将其转换为:
(15)
其中。
将(13)式带入(12)式,得
(16)
所以,在给定的置信水平下,就能通过式(16)带入相关数字后得到市场风险资产组合的。根据(5)和(16)结合能够得出条件在险价值.
四,实例应用
本文通过一个具体的实例来说明如何利用已知的历史数据来用文章中所阐述的方法得到VaR以及CVaR.(所引用的数据来自于人大统计与精算学报的2009年第5期中80页中所用到的数据[5])
假设某一资产万元,损失率服从分布:,此处我们不妨取时间为一年贝叶斯估计,损失率如下图所示(计算中取置信度为99%)。(单位:%)
个数 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
5.3 5.1 4.2 4.6 5.3 5.5 5.1 5.0 4.9 4.8 4.8 5.2 4.7 5.3 5.1
运用MATLAB软件对上面的数据进行描述性统计分析,得到资产的市场风险损失率近似服从对数正态分布,然后应用贝叶斯估计通过多次抽样对正态分布下的两个参数分别进行贝叶斯修正期刊网。通过对已知的历史数据进行随机抽取得到一组样本,重复这样的抽取次数越多得到的结果越符合实际情况,我们不妨取每次抽样的样本个数为100,重复进行抽样100次,这里取标准差的先验分布函数,根据计算可得;取方差的先验分布为,通过计算得。(为了精确起见需要进行多次抽样,每次模拟抽样都能得到一个以及,然后分别求其均值得,),将所得的数据带入(16)式,置信度为99%时得59.9,置信度为95%时得49.5.通过与文献[5]中的结果(置信度为99%时得46.02)进行比较显然可知在对数正态分布的情况下资产的损失具有更好的厚尾特征贝叶斯估计,更能确保风险的充分性,说明对数损失率在对数正态分布下的风险损失计量比parato分布下的风险计量具有更好拟合性。将所得的值代入(5)式可以得到:置信度为99%下,=69.5;置信度为95%下,=55.4,可以看出方法比方法在风险计量方面更具充分性,能相对较好的描述市场风险带来的资产损失。
五,结论与展望
目前很多国家都在积极的使用各种方法对市场风险进行计量,其中已经成为了主流的计量方法,但近几年来随着研究的进一步深入,学者们极力推荐在市场风险计量方面比更加有效的。由于中国的金融市场还处在变革和继续发展以及完善的阶段,中国金融监管部门力推金融机构采用模型来规避金融市场风险,模型是国际上通用的衡量市场风险的工具,对于各个国家的风险管理有着重大的借鉴和现实意义。
本文通过对对数正态分布的两个参数进行贝叶斯修正后,利用其厚尾特征对资产损失的市场风险损失率进行了详细的描述,并相应的得出了市场风险资产和的估计值贝叶斯估计,以及在损失率呈对数正态分布情况下和以及它们与置信水平之间的关系,同时通过分析知对数正态分布对于资产损失的市场风险计量比pareto分布在市场风险的度量上具有更好的拟合性,在风险计量方面比在风险方面有更好的充分性,适用性以及实用性。但无论是那一种计量方法都只是在一定置信度内对市场风险的最大损失或尾部事件发生的平均可能性进行评估,忽视了置信度外的超额损失,另外利用贝叶斯方法修正得到的参数值也只是使得其更加接近于实际,并不能达到完全一致,因此准确预测资产的市场风险,还有待于进一步的探讨。
参考文献
[1]Morgan J P.Risk metrics:technical document [M].New York:J PMorgan,Inc,1997:105-148.
[2]JorionP.Value at risk:The new benchmark for measuring financial risk [M].New York:TheMcGraw-Hill Companies,Inc,1997:97_106.
[3]刘小茂,田立.VaR与CvaR的对比研究以实证分析[J].华中科技大学学报,2005,10:112-115.
[4]马超群.风险价值方法在金融风险度量中的应用[J].预测,2001,2:34-37.
[5]钱艺平,林祥.市场风险资产损失服从Pareto分布的VaR计量 [J].统计与精算,2009,第10期:77-81.
[6]谢佳利,夏师,扬善朝.VAR在基金风险评价中的应用[J].统计与决策,2009,1:133-134.
[7]王乃生,茆诗松.Bayes风险值[J].数量经济技术经济研究,2004,3:91-100.
[8]谭德俊,等.基于贝叶斯方法的信用风险损失分布研究[J].统计与精算2009,1:69-71.
金融市场风险论文范文6
论文关键词:股指期货,HS300,GARCH模型,TARCH模型
一、引言
股指期货是为了满足管理股票现货市场风险,尤其是系统性风险。股指期货的诞生之初,是为了满足在金融产品收益波动日益加剧的环境下,投资者进行有效避险的需要。自从1982年2月,美国堪萨斯期货交易所(KCBT)首先推出了世界上第一个股价指数期货合约——价值线指数期货合约,上市伊始就受到投资者的广泛欢迎。短短几十年内几乎所有的发达国家都拥有股指期货市场和交易所,甚至亚洲的其他新兴国家。本文主要通过对股票指数期货推出前后的数据进行分析,利用GARCH模型和时间序列说明波动率的变动TARCH模型,为克服GARCH模型的不足,还将引入TGARCH和EGARCH模型,对股指期货对现货市场的影响进行实证分析。
二、数据的选取和处理
1.我国沪深300股指期货简介
HS300股指期货于2005年4月8日正式,由沪深两市A股中规模大、流动性好、最具代表性的300只股票组成,以综合反映沪深A股市场整体表现论文的格式。根据中国证监会(证监函[2010]74号)文件,在2010年4月16日在中国金融期货交易所上市沪深300股指期货合约。
2.数据的处理
本文所选取的数据是2010年4月16日至2010年8月20日HS300股指期货日收盘价(数据来源:中国金融期货交易所)和2009年12月1日至2010年8月20日HS300指数的日收盘价(数据来源:大智慧),作为本文分析数据。
三、实证分析
1.HS300指数日收益率的描述性统计
由图1知均值0.1106,标准差0.0156,偏度-0.5652,峰度4.1630。 Jarque-Bera统计量为19.0744。由此可见,样本期内该收益率序列尺具有典型金融数据的负偏、尖峰厚尾的统计特征。HS300指数日收益率起伏呈波浪状,具有明显的波动集群性现象,表明收益率序列很有可能存在ARCH现象。
图1 HS300指数日收益率描述性统计量及柱状图
2.HS300指数日收益率的GARCH检验
(1)平稳性检验
建立模型之前必须先对HS300指数日收益率序列进行单位根检验。这里选择ADF ( AugmentDickey-Fuller)检验。通过Eviews软件得到如下结果,如表1所示:
表1 HS300指数日收益率ADF检验结果
t-Statistic
Prob.
Augmented Dickey-Fuller test statistic
-12.17685
0.0000
Test critical values:
1% level
-3.474874