原文作者：杨国臣，黄翔
【摘要】本文对garch模型和var方法在风险管理方面的应用先做了介绍，然后通过选取2008年1月2日至2012年11月21日银行类板块指数日收盘价作为数据样本，运用garch模型var方法对我国银行板块的风险进行了实证分析。实证结果表明我国银行股股指对数收益率序列存在集聚效应，garch模型能够很好的描述我国银行板块的波动情况，因而测量的var值能较好的反映我国银行板块面临的风险程度。
【关键词】garch模型；var方法；银行类板块指数；风险度量
1.引言
金融是现代经济运行的核心，对经济的支持和调控有着重大的影响和作用。在我国金融体系中，国有商业银行就像“动脉”，支撑着整个国民经济的发展，中国银行业金融机构总资产在2011年已突破100万亿元。面对国际金融危机冲击，我国银行业积极改进金融服务，调整信贷结构，强化风险管理，为促进区域经济企稳复苏和结构优化作出了突出贡献，在区域经济发展中发挥着越来越重要的作用，而伴随着中国银行业日益的开放和利润的增长，在日益复杂的国际金融环境下，中国银行业所面临的风险也越来越引起人们的关注。本文通过基于garch模型的var方法对中国银行业的风险状况进行了评估，希望能对相关的风险研究起一些积极作用。
var(value at risk)字面上的解释就是“风险价值”，其内在含义是指：在市场正常波动条件下，某一金融资产或证券组合可能遭受的最大损失。www.133229.cOm更确切的是指，在一定置信水平下，某一金融资产或证券组合价值在未来特定时期内的最大可能损失。在金融数学和金融风险管理中，风险价值（var）是一种广泛使用的风险测度，特别在测量一个特定的金融资产组合损失的风险方面有着广泛的应用。目前国外一些大型金融机构已将其所持资产的var风险值作为其定期公布的会计报表的一项重要内容加以列示。
2.garch模型理论简介
近几年来，金融学家和计量学家对发达国家成熟资本市场的波动性进行了大量的研究，发现股票收益的经验分布表现出明显的尖峰厚尾性以及股票价格或指数的运动服从随机游走过程，且一般是非平稳序列，但是其收益序列通常呈现出平稳的特性；另外，收益序列本身几乎不呈现出相关性，而收益的平方序列却表现出比较明显的相关性。基于这些发现，研究人员提出了时变假设，并尝试通过特定的技术来预测金融时间序列的收益波动性。
robert engle于1982年提出自回归条件异方差模型（arch）。arch模型的结构取决于移动平均的阶数q，但有些收益率序列存在着明显的异方差性，此时arch模型中的q值很大，致使参数估计的效率降低，还会引发诸如解释变量多重共线性等其它问题。为了弥补这一弱点，bollerslev(1986)提出在arch(p)模型中增加q个自回归项，扩展成garch(p，q)模型．用简单的garch模型来代替一个高阶的arch模型。使待估参数大为减少，致使模型的识别和估计都变得容易，较好的弥补了arch模型的不足．通过对股票市场的长期研究发现，股价下跌和上涨相同幅度时，股票价格下跌过程往往会伴随着更剧烈的波动，为了更好的描述股市的波动，在garch模型中引入非对称性因子，由此衍生发展出一些新的arch类模型。[论文网]
2.3 其他类型的条件异方差模型
之后又出现了许多garch扩展模型，像engle、lilien和robins(1987)的garch平均数模型(garch in-mean)、nelson(1990)garch指数模型(exponential garch)等。akgiray(1989)比较早地利用garch模型及arch模型预测了美国股指的波动，并将预测结果与传统的指数加权移动平均模型及历史平均模型预测结果进行了比较，发现garch模型预测结果要优于其它模型的预测结果。pagan and schwert(1990)用garch模型、egarch模型、markov区制转换模型及3种非参数模型对美国股票收益率波动进行了预测，得出egarch模型要稍优于garch模型的结论，而其它模型的预测性能则较差。
目前，对我国股市采用garch模型方法所进行的研究，主要集中在对沪、深两市的收益率进行拟合来检验股市的波动性，唐齐鸣、陈健(2001)利用arch类模型对我国股票市场的波动性进行检验，发现我国股市具有明显的arch效应。王玉荣（2002）使用了arch类模型模拟了我国股市收益率波动状况，指出了中国股市波动存在聚类性和非对称性。陈浪南等（2002）也对我国股票市场波动的非对称性做了研究。陈千里(2003)运用garch模型对上证综合指数进行分析，结果显示我国股市存在显著的星期一高波动性现象。朱孔来（2005）运用tarch模型进一步分析了日收益率波动的条件异方差性和非对称性。
2.4 赤池信息准则(aic)和施瓦茨准则(bic)
3.关于银行类板块风险度量的实证分析
3.1 数据来源及处理
由于板块类指数中的银行类指数是描述股票市场中银行类板块行情的总体性指标。因此，本文选取板块指数中的银行类板块指数2008年1月2日至2012年11月21日的收盘价作为样本数据，样本个数为1190。
银行类股指具有较大的波动性，一般采用自然对数形式将股指序列转化为股指收益率序列，即其中为银行股指每日收盘价，为前一日收盘价。
3.2 数据基本分析
②平稳性检验。用单位根（adf）检验方法对银行股指数对数收益率序列进行平稳性检验，检验结果的t统计量值为-34.50小于显著性水平为1%的临界值，说明至少在99%的置信水平下拒绝存在单位根的原假设。因此，银行股指数对数收益率序列是显著平稳的。
③异方差性检验。从银行股指数对数收益率折线图可以直观看出序列存在明显的集聚效应，可以初步判断序列可能存在异方差现象，但仍需进一步的准确判断。因此，本文对银行股指数对数收益率序列进行arch效应检验。
5.政策建议
当前市场持续紧缩预期已经形成，体系内流动性呈趋紧态势。从2012年第3季度起，我国央行开始频繁使用逆回购工具向市场注入流动性，以避免进一步下调法定存款准备金率。由于目前央行之前紧缩政策的影响持续，银行容易形成一致紧缩的预期，同业资金市场将形成较长时期的趋紧态势。持续紧缩的政策预期对估值水平形成压制，对银行股影响相对较小。央行政策目的值得关注，在控制通胀及房价政策调控目标没有明显实现背景下，紧缩货币政策难言转向。
6.结论
通过以上对银行板块风险度量的实证分析，得出以下结论：
第一，我国银行股指数对数收益率序列的波动确实存在
着集聚效应，表明采用一般传统的静态var计算方法不能很好的刻画我国银行类板块的波动行情，计算出来的var值也失去它的参考意义。基于garch模型的var方法弥补其不足，能够较好的描述地产股指序列的波动，计算的var值可信度高，能够给予银行股投资者一定的参考建议。
