基于var模型對中小板民營企業市場風險的度量研究畢業設計論文-預覽頁

　

【正文】 市場風險的度量方法 9 在險價值VaR方法 10 VaR定義 10 VaR的核心思想 12 VaR計算的基本原理 13 計算VaR的主要方法 14 與其他風險度量方法的比較 17第3章 VaR度量中小板民營企業的市場風險 19 度量方法及變量的選擇 19 VaR度量中小板民營企業市場風險的分析 20 數據分析 20 模型的建立 24 VaR的計算結果與分析 26 準確性檢驗 27第4章 市場風險管理建議 29 民營企業面臨的主要市場風險 29 民營企業市場風險管理建議 30結論 32參考文獻 33附錄一 外文文獻 35附錄二 譯文 43致謝 49千萬不要刪除行尾的分節符，此行不會被打印。特別是2008年下半年開始的金融危機直接導致全世界經濟整體下滑的形勢下，這些企業更是舉步維艱。隨著改革的深入，中國市場的對外開放，民營企業面臨的市場風險將呈現更加復雜化、更加國際化的特點，這些特點無疑會進一步加大對其風險管理的難度。由于市場因子和股票價格的隨機性，其收益變化也是一個隨機變量，對隨機變量的特性用概率分布的特征描述比采用標準差的形式來描述要準確。管理風險的第一步是計量風險，隨著我國企業所面臨的風險日趨復雜以及組合投資在我國的興起，將利率風險、匯率風險等各種形式的風險匯總綜合考慮和衡量的必要性越來越大，這就為綜合衡量市場風險的VaR模型的應用提供了更廣闊的發展空間。并且VaR值可以衡量資產的整體性風險，VaR方法的這些優點使其成為了各機構進行風險管理中最重要的工具之一。據統計，中國每年新生15萬家民營企業，同時每年又有10多萬家倒閉，99%的企業在10年內消失，90%的在5年內消失，民營企業“短壽命”現象仍然很嚴重，在全球化修煉的過程中提高自身應對風險的能力也尤為迫切[2]。發展為信用風險評估模型[3]。VaR作為一種工具主要在信息披露、資源配置和績效評價三個方面發揮重要作用。他們使用這種方法計算了10支意大利股票和由這10支股票組成的投資組合的VaR值，并通過與方差協方差方法和GARCH（1,1）的比較證實了此模型的優越性。只有能準確的預測風險的VaR模型才是有效的。(2000)則系統的介紹了從VaR到壓力測試、極值理論的方法[12]。我國學者對VaR方法的研究最早始于1997年鄭文通的《金融風險管理的VaR方法》一文，該文全面的介紹了VaR方法的產生背景、計算方法、VaR方法的用途及其引入中國的必要性[13]。閆志剛（2005）對上證指數的每日收盤價進行了GARCH效應檢驗，認為上海股票市場的股價波動存在著很明顯的GARCH效應，通過在GARCH類模型中一平方根項的方式不能很好的刻畫我國股票收益和風險之間聯系的緊密程度，此類模型在我國證券市場不適用[16]。實證分析結果表明，正態分布下估計的VaR值在靠近左尾時存在低估現象；與正態分布和t分布相比，GED分布能較好的反應股市收益率回報序列的厚尾特征，使用GARCH類模型預測VaR值時，EGARCH和PARCH模型要優于其他模型[19]。陳旭輝（2010）的《基于VaR的我國商業銀行市場風險度量研究》一文不僅用VaR方法度量了商業銀行面臨的市場風險，而且將VaR工具方法引入商業銀行市場風險管理，使得管理者能夠朝著有效降低組合VaR的方向調整資產組成部分[22]。 本文的研究方法和主要觀點本文通過分析中小板民營企業2006年至2010年的對數日收益率的描述性特征，并進行了必要的統計檢驗。通過定量化分析，選擇了能恰當的度量我國中小板民營企業市場風險的模型，然后簡要的介紹中小板上市民營企業所面臨的市場風險，在定量分析的基礎上輔以定性分析，提出風險控制建議。中小板塊得進入門檻較高，上市條件較為嚴格，接近于現有主板市場。，從板塊構成來看，中小板的主要組成部分為民營上市公司。，我國的中小企業已經超過了1000多萬家，占全國總數的99%，提供了80%的城鎮就業崗位，完成了75%以上的企業技術創新，創造的最終產品和附加值相當于國內生產總值的60%，納稅額接近國家稅收總額的50%，發明專的專利和研發的新產品已分別占全國的60%和82%，堪稱中國創新型經濟的主力軍，已經成為保持國民經濟平穩較快發展的重要基礎，在我國經濟社會發展中具有重要的戰略地位，而中小企業的絕大多數則是民營企業。 其中市場風險是指由于金融市場因素發生變化而導致金融資產或收益發生損失的可能性。它具有不確定性、普遍性、擴散性和突發性。金融機構是整個社會金融活動的中介，是多邊信用網絡上的節點。金融市場風險收益或損失的不確定性，不一定是立即表現為現實的損失，因此，風險責任人往往存在僥幸心理，盡力掩蓋風險，期待市場出現轉機。其中，風險測量是基礎和關鍵。標準的市場因子包括利率、匯率、股票指數和商品價格等。公式（）成立的前提是金融資產價值變化與其市場因子變化呈線性關系，而實際中許多金融資產具有非線性動態行為，因此只有當市場因子發生微小變化時，資產價值與市場因子的變化才呈現（）所示的線性關系。風險是指未來收益的不確定性，實際結果偏離其期望結果的程度即波動性，可以通過規范的統計方法量化。波動性在一定程度上測量了金融資產價格的變化程度，但該方法存在兩個缺點：只描述了收益的偏離程度，沒有描述偏離的方向，而人們實際最為關心的卻是負偏離（損失）；波動性沒有反映證券組合的損失到底是多大，對于隨機變量統計特征的完整描述需要引入概率分布，而不僅僅是方差。”其數學公式可表示為： ()其中，為資產組合在持有期內的損失，VaR為置信水平1下處于風險中的價值。需要指出的是，由于我國金融業市場尚未完全規范，政府干預行為較為嚴重，不能完全滿足強有效性和市場波動的隨機性，在利用VaR模型時，很多研究做了近似正態處理。但是，時間越長，市場結構性變化的可能性越大，歷史數據越難反映現實和未來的情況。如果需要得到的VaR的有效性更高，則置信概率不應選擇過高，如果風險管理者對風險的厭惡程度越高，則需要選擇更大的置信水平。因此在使用方差協方差方法時，人們對正態分布假設的改進多是利用t分布、GED分布等估計VaR值，并且取得了較好的結果。：波動的集聚性是描述大的波動后面跟著大的波動，小的波動之后跟著小的波動，也就是收益率的波動有時候很大，有時候卻很小，呈現出集聚性和爆發性。Chow比較了平穩GARCH模型與EGARCH模型對數據的擬合，發現條件波動過程的近單位根行為，任何對波動的沖擊都要持續一段時間才會消失。在理論界已經得到結論即VaR方法的核心在于構造資產組合價值變化的概率分布，這正是要求準確把握金融時間序列數據特征的體現。VaR最普通的形式可從P的概率密度函數求出。這類方法被稱為參數法（parametric），因為它包括參數的估計值，如標準差，而不是從經驗得到的分布中求分位數，因此這種方法能產生更加精確的VaR測量值。 計算VaR的主要方法目前，估計組合風險因子收益分布的方法主要有三種，分別為方差一協方差分析法(VaRianceCoVaRiance Approach)、歷史模擬法(Historical Simulation Method)和蒙特卡洛模擬法(Monte Carlo Simulation)，因而也就相應的產生了三種主要的計算VaR的方法。根據上述公式，只需計算方差即可求出VaR值，常用的方差預測方法有RiskMetrics方法和GARCH類方法。對于的估計通常采用均方根誤差原則（RMSE），即選取使預測的均方根誤差達到最小的值。1987年Bollerslev將ARCH(autoregressive conditional heterscedasticity,自回歸條件異方差)模型推廣，發展成為廣義的ARCH模型，即GARCH（generalized autoregressive conditional heteroscedasticity,一般自回歸條件異方差）模型[25]。一個是條件均值方程，另一個是條件方差方程。隨著GARCH類模型在金融領域的應用，一般的GARCH類模型逐漸顯現兩個明顯的問題：第一，對系數參數的非負性約束太強，過度地限制了條件方差的動態性。歷史模擬方法的主要思想是假設資產收益率的歷史分布在以后的時間段內不會改變，因此資產組合的經驗分布可以用來估計VaR值。此外，為了模擬組合收益率的歷史分布，需要獲得大量的特定數據，要滿足這個條件往往有些困難。 與其他風險度量方法的比較VaR方法提供了一種獨特的風險度量方法，它具有其他風險度量方法不具有的優點：、由不同類型證券構成的組合的風險，而VaR可以測量不同市場因子、不同金融工具構成的復雜證券組合和不同業務部門的整體市場風險。而VaR可以假定資產收益率服從不同的分布，比如正態分布、t分布、GED分布等。，如數據的正態性分布，有時這些假定也與現實不符。但是這些缺陷可以得到一定的彌補，如對歷史數據的依賴可以通過蒙特卡羅法來彌補；對正態分布的假設可以通過極值理論模型進行完善；對金融危機這類極端事件更關注用壓力測試進行估計和風險控制等。與實際數據比較后發現，股票市場實際發生的損益率有13個超出了預測的風險值，%，遠遠超過所給定的概率值。綜上原因，本文不再使用歷史模擬法進行度量，而選擇方差協方差方法度量市場風險。利用銳斯金融數據庫搜集到這423家公司的日收盤價格[27]。多期的收益率只是單期收益率的和。以下模型中的參數估計均是用EXECL和Eviews軟件實現的。峰度(Kurtosis)是描述分布形態的陡緩程度，此處遠大于正態分布下的峰度值3，表明頻數分布比正態分布更集中，分布呈尖峰態。從直方圖明顯可以看出收益率分布的尖峰后尾性。如果指數的收益分布是正態分布，那么它在圖上應該是一條直線，而從圖看出圖線是曲線而非直線，所以對數日收益率序列的分布不是正態分布。檢驗時間序列的標準方法是單位根檢驗，本文采用ADF檢驗來對收益率序列進行單位根檢驗。模型（43）與另兩模型的差別在于是否含有常數項和趨勢項。在遵循AIC和SC最小的原則下，得到如表所示的結果。LM檢驗統計量由一個輔助檢驗回歸計算。原假設下F統計量的準確的有限樣本分布未知，但LM統計量在一般情況下是漸進服從分布的。因此GARCH類模型適合于對金融時間序列的波動性進行建模。t分布（Studentt distribution）的概率密度比正態分布有更厚的尾部，因此可以用來描述回報的厚尾特性。當v=2時，GED是正態分布；當v2時，尾部比正態分布更薄；當v2時，尾部比正態分布更厚。根據第三章對GARCH類模型的介紹，收益方程設為一般均值回歸方程。如此設定模型，風險管理者或者投資者等可以通過不變的常數項()和前一期方差的預測值()以及前一期的信息()的加權來預測當期的方差。杠桿效應的存在通過的假設得到檢驗。表44 t分布下各模型估計VaR的一般統計特征模型VaR個數最小值最大值均值標準差GARCH(1,1)1213EGARCH(1,1)1213PARCH(1,1)1213 準確性檢驗由于VaR是基于歷史數據建模得出的未來風險價值，這樣就需要對其預測結果的有效性與準確性進行檢驗。檢驗VaR模型的準確性有多種方法，主要包括失敗率檢驗法、區間檢驗法、分布檢驗法、超額損失大小檢驗法及方差檢驗法等。而零假設為p=p*，這樣對VaR模型準確性的評估就轉化為檢驗失敗頻率p是否顯著不同于p*。所以，當VaR在95%置信水平下計算，如果此時LR，我們就拒絕模型；若以2006年1月4日至2009年12月31日，共973個交易日作為考察失敗率的總天數，依次計算2010年1月4日至2010年12月31日共342個交易日的VaR，下表給出了342個交易日的一日VaR值的失敗率檢驗表。因此，在置信水平95%下，收益率序列服從t分布的情況下，PGARCH模型更好的預測了VaR值，較真實的反應了中小板民營企業市場風險的程度。主要原因有：金融危機直接導致銀行惜貸，造成企業資金緊張；銀行貸款的主要對象忽視了中小企業；受經濟不景氣影響，企業的內銷商品和出口商品無法按期結算，甚至完全收不到貨款的現象增多；部分企業由于客戶倒閉、應收賬款形成壞賬而遭受巨大損失。金融危機直接影響到中小企業的市場發展，尤其是外向型企業出現了市場萎縮、銷售降低、訂單減少的情況。而當前政府為金融機構、中小企業所提供的協調政策措施不到位，對銀行的管理考核中沒有專門為中小企業服務的制度規范。綜合以上考慮，民營企業加強自身應對市場風險的能力已經迫在眉睫，適當的風險管理能夠為企業提供控制標準，從而加強防范措施。民營經濟在我國經濟發展中的重要作用不言而喻，而在此次金融危機中，民營企業對市場風險的應對顯得力不從心，民營行列出現了巨大的波動，再次顯示了民營企業的“短壽”現象依然普遍存在。其次，在策略性風險管理控制方面，企業可事先模擬各種狀況下的風險值，提供部門每就一項投資組合估計投入的資金或者其他資源可能產生的損失的幾率、部門所能承受損失的程度、部門預計承受的損失、如何調度資金以拋補既有風險等有效量化可行方案。首先，應通過數據收集和處理，采用因素目錄法、內部分析法、外部專家分析法、底線觸發器法等進行風險的識別，找到企業的常見風險點，并總結經驗應對情況，這樣可以得出本企業的薄弱管理環節。然而，企業領導者個人的決策往往很大程度上與其自身的風險偏好有關，因此，作為企業領導者，應首先理性化自己的決策，從而建立適合本企業的風險管理系統。因此解決融資的問題顯然勢在必行，政府政策以及金融機構對中小民營企業的貸款限制是解決該問題的兩個重要著眼點。“結論”以前的所有正文內容都要編寫在此行之前。，而是具有尖峰厚尾特性。，用PGARCH模型計算得到的VaR值較其他模型更精確。此行不會被打印。zNw,w denote the ordered values that . can take where Nw≤S is the number of these values. Define nα as the uniq