基于VAR方法的沪深股市风险的测度

邓伦冰

摘要：本文根据我国沪深股票市场的实际情况，计算波动率和估计分布临界值，采用GARCH模型拟合预测沪深300综合指数收益率的波动率，并计算日VAR。通过估计分析可以知道，我国股票市场的日VAR值较高，其发展水平与发达国家金融市场相比有较大差距，我国应将提高风险管理意识，提升风险管理能力，更好地防范市场风险作为重点进行把握。

关键词：金融市场风险； VAR； GARCH模型

一、引言

我国证券市场正起步，过多的投机行为导致市场强烈振荡，这会产生高收益，然而高风险也与之相随。在经济全球化的形势下证券市场得到了新的发展，然而这对风险管也提出了新的要求。国外金融机构普遍采用VaR方法来对风险进行有效的管理。我国的证券市场与国外不同，这一方法能否用于我国市场进行风险管理方法值得研究。因此，本文对VaR方法应用于我国证券市场进行了实证研究，以进一步完善我国风险管理方法。

二、VAR方法与GARCH模型概述

（一）VAR方法

VAR是指在一定时期收益与损失预期分布的分位数，其被广泛应用于各大国际金融机构的市场风险和信用风险管理领域。

2、平稳性检验

使用ADF检验方法检验两序列的平稳性，结果显示对数收益率序列的ADF值均小于临界值（1%、5%和10%显著性水平），且对应的P值接近于零，说明对数收益率是平稳序列。可对该序列建立时间序列模型。

3、自相关与偏自相关检验

对序列做自相关与偏自相关函数，发现序列的自相关函数、偏自相关函数均不存在多阶。此外由序列的自相关函数发现，两序列存在较明显的序列不独立，可能存在GARCH效应。

4、ARCH效应检验

对序列进行拉格朗日乘数法的ARCH效应检验。选取10阶滞后，检验统计量分别为2180和21608，其对应的P值均小于005，说明在5%的显著性水平下样本残差序列有显著的条件异方差性。即认为在5%的显著水平下数据序列服从ARCH过程，且具有高阶的ARCH效應。因此可建立GARCH模型。

（三）GARCH模型的估计

由序列的相关图、偏自相关图选择GARCH （1，1）模型，结果十分显著，见表3。

用GARCH（11）模型估计的波动率进行预测。假定初始资产为1元，12月26日沪深300综指的波动率预测值为0018631663，则一日VAR预测值就等于核密度法估计出的临界值乘以波动率预测值，为0076417元。核密度法的分位数大概在4左右，远大于正态分布的95%置信水平的分位数为164，说明一般的德尔塔-正态方法会对市场风险的VAR值造成低估，因此本文选用的方法更合理。

四、小结

本文使用GARCH模型拟合沪深300指收益率的波动率，进而预测日VAR，结果表明我国股市的日VAR值较高，也就是说我国证券市场的风险比较大。我们必须加强金融研究风险管理，构建金融研究风险防范体系。因此有必要在中国证券市场上引入VaR方法，使其成为中国股票市场参与者进行风险管理的有效工具，也使相应的金融监管部门能够更好的进行风险管理。（作者单位：贵州大学经济学院）

[基金项目] 贵州大学2014年研究生创新基金项目“基于城乡统筹视角的贵州省二元经济结构变革的实证研究”

参与文献：

[1]张晨，赵惠芳.风险价值法在我国金融风险管理中的运用[J].财会月刊，2003，（6）：

[2]吕朝阳.风险价值法及其在金融风险管理中的应用[J].哈尔滨金融高等专科学校学报，2008，（1）：13-14.