基于VaR模型的我国商业银行利率风险度量及实证研究

摘要

由于我国市场自由化程度的加深，使得利率的波动频率加强，特别是在2010年至2013 年期间的波动性变动尤为剧烈，同时商业银行也需要随时应对一些越来越严峻的利率风险波动挑战。风险度量方法的选择上，较多采用传统的静态研究方法，其并不适用于对利率风险度量的时效性分析。VaR方法可以简洁直观的对利率风险进行动态度量，是当前国际上通用的动态性风险度量方法。但是，国内对 VaR 方法的研究成果尚不成熟，特别是针对我国利率风险波动特征的相关研究较为缺乏。 通过对久期分析法、敏感性分析法及VaR方法的综合对比判断，本文最终选取VaR方法作为本文的方法论指导。考虑到Shibor利率的市场化程度较高，因此选取2007年4月至2017年4月的Shibor O/N收益率数据作为本文实证研究的基础数据，建立36种GARCH 族模型，选择其中模型效果较好的AR(1)-GARCH(2,1)-N 模型、AR(1)-GARCH(1,1)-G模型、AR(1)-TGARCH(1,1)-N模型、AR(1)-TGARCH(1,2)-G模型、AR(1)-EGARCH(1,2)-N模型建立Shibor收益率序列{RATEt}的条件方差方程，计算 VaR预测值并进行准确性检验。由于{RATEt}序列具有阶段性波动特征，因此引入虚拟变量并选取分段AR(1)-GARCH(1,1)-G模型、分段AR(1)-TGARCH(1,2)-G模型、分段AR(1)-EGARCH(1,2)-N模型建立Shibor收益率序列{RATEt}的条件方差方程，对VaR预测值进行准确性检验。检验结果表明：针对具有阶段性波动特征的样本数据，可以优先考虑选取引入虚拟变量后的分段GARCH族模型，分段后的GARCH族模型可以有效弥补传统的GARCH 族模型的样本敏感性缺点，提高VaR预测风险的准确度。基于我国利率波动特征，商业银行可以：一方面通过学习先进的度量方法，构建更加精确的VaR 模型；另一方面采取创新利率衍生工具、选择适合自身情况的置信水平及持有期期限等措施，不仅有利于提高风险度量的精准度，也有利于提高面对极端风险的应对能力。

目录

第一个书签之前