我国商业银行利率风险度量方法研究

摘要

利率是重要的经济杠杆，在经济中特别是在金融市场扮演着举足轻重的角色。随着我国利率市场化的逐步推进，由于缺乏利率风险管理意识、风险管理人才、风险管理工具等，我国商业银行利率风险管理的现状不容乐观。本文基于利率市场化背景下，探究商业银行利率风险的有效测度方法，为我国商业银行利率风险的测度与管理提供一定的理论依据。为此，本文分别通过比较分析三大类不同的利率风险测度模型，选出最优模型作为我国商业银行利率风险度量模型。
　　第一类模型是基于GARCH族的分位数VaR和CVaR模型。通过比较随机变量分别服从正态分布、t分布和GED的GARCH、TGARCH和EGARCH的21个模型，选出EGARCH(1,1)-GED模型来刻画利率市场的波动特征，基于分位数VaR和CVaR模型计算出利率市场化下的利率风险VaR值。结果表明，CVaR的估计值较大，对应的标准差较小，能够度量更大范围的左尾风险，对利率风险的描述更接近实际情况。
　　第二类模型是基于分位数回归的CAViaR模型。从分位数回归的角度出发，构建IG-CAViaR和AS-CAViaR模型度量利率风险VaR值，其中IG-CAViaR模型中对历史收益的反应对称，而AS-CAViaR模型对正的历史收益和负的历史收益的反应非对称。实证结果表明，5％的显著水平下，AS-CAViaR模型的拟合效果较好、稳定性表现优良、杠杆效应显著。通过VaR、CVaR及AS-CAViaR模型的Kupiec失败率检验分析，结合三种模型对检验样本的VaR均值和标准差的比较，说明AS-CAViaR模型优于VaR及CVaR模型。
　　第三类模型是基于期望分位数回归的CARE模型。本文基于期望分位数理论，结合CAViaR模型，构建IG-CARE和AS-CARE模型进行利率风险的EVaR度量。实证结果发现，5%的显著水平下，AS-CARE模型的拟合效果较好、稳定性表现优良，杠杆效应显著。通过与上述AS-CAViaR模型的Kupiec失败率检验分析，结合两种模型分别对检验样本的VaR和EVaR度量值的均值和标准差比较，AS-CARE模型度量的EVaR值受到波动影响更小，计算结果更加稳定，说明AS-CARE模型在描述利率波动性方面要更优于AS-CAViaR模型。
　　因此，选择AS-CARE模型作为最终的测度风险的EVaR模型。该模型不仅为我国现阶段商业银行利率风险的测度与管理提供了理论依据，同时为市场化程度更高阶段的利率风险测度提供了模型参考。

目录

声明

第一章 绪论

1.1 研究背景

1.2 研究目的和意义

1.3 国内外研究现状

1.4 研究方案

1.5 本文的可能的创新点

第二章 利率市场化下商业银行利率风险管理

2.1 利率风险的成因及其分类

2.2 风险度量VaR方法

2.3 风险度量CVaR方法

2.4 VaR和CVaR方法的比较分析

第三章 基于GARCH族模型的利率风险

3.1 数据的选取与分析

3.2 GARCH族模型的建立

3.3 本章小结

第四章 基于CAViaR模型的商业银行利率风险度量

4.1 分位数回归

4.2 CAViaR模型

4.3 基于CAViaR模型的商业银行利率风险实证分析

4.4 与VaR和CVaR模型的比较分析

4.5 本章小结

第五章 基于CARE模型的商业银行利率风险度量

5.1 期望分位数回归

5.2 CARE模型

5.3 基于CARE模型的商业银行利率风险实证分析

5.4 CARE模型与CAViaR模型的对比

5.5 本章小结

第六章 结论与展望

6.1 结论

6.2 展望

参考文献

攻读学位期间发表的学术论文和科研成果

后记

附录