论文部分内容阅读
沪深300股指期货于2010年4月16日上市，已经平稳运行了近五年的时间。在这近五年里，股指期货不仅自身发展平稳，并且还很大程度上提高了现货市场的稳定性，更为重要的是，股指期货的避险功能得到了体现，逐渐成为投资者进行套期保值，管理风险的工具。股指期货在成为避险工具的同时也成为了投资者热捧的投资标的之一。未来几年将是我国全面深化改革和扩大发展的关键时期，随着国债期货和股指期权相继登陆中金所，中金所也将继续跟随市场需求，完善金融衍生产品体系。在这样的大背景下，对我国金融衍生产品的风险管理就显得尤其重要。其中最为关键的是分析出金融衍生产品的风险来源，通过一定的模型对风险进行计量和预测。风险测度方法经历了很多的变化。最开始是使用一些简单的指标（比如证券的面值或“名义”价值），后来发展到更为复杂的价格敏感性测度指标（比如债券的久期和凸性），到最近的计算在险价值(VaR)的各种方法。每一次市场的动荡都会揭示出，即便是最精巧的市场风险测度方法也会存在一些局限。
风险价值（Value at Risk，以下简称VaR）方法目前在国际上广泛用于金融市场风险管理和金融监管，它被用来度量某个金融资产或投资组合在一定持有期内在给定置信水平下的最大可能损失。从定义中我们可以看出，VaR是一个下分位数的风险度量方法。因为它能够全面的反映金融资产或投资组合的市场风险大小，所以与传统的风险度量指标相比，风险价值的度量方法有着很大的优势。主要表现在:首先，风险价值可以度量在不同的市场条件下，和通过不一样的金融投资产品组成的证券投资组合的总体市场风险，揭露投资者持有的所有资产的风险暴露情况，提高了风险的透明度，能对各种风险进行一致的处理;其次，风险价值的基本概念十分简单，方便使用者的理解，因此也更加适合投资者用于风险管理和监管者用于金融市场风险监管;最后，VaR考虑了各种风险因子之间的相关性，如果两种风险相互抵消，则计算出的VaR会考虑这种抵消效应，最后计算出的总体风险相对较小，反之亦然。在我国，已经有较多的学者研究了VaR，并将其运用到我国的证券市场之中，但是将其运用到股指期货市场的情况还不多。因此，本文根据沪深300股指期货的收益率特征，运用基于各类波动率模型的VaR，寻找出一种适合我国股指期货市场具体情况的风险度量方法。
在计算VaR的过程中，需要对我国股指期货的波动率进行建模，从某种程度上，波动率也是直接衡量风险的一个重要指标。从马科维茨提出均值方差理论，方差就作为风险的一个度量方法。自从Engle提出ARCH模型之后，GARCH模型已经成为波动率研究上最为主流的方法，发展得非常成熟，并衍生出了GARCH族模型。传统的GARCH模型仅使用日间数据，对日内数据或者高频数据并没有太多的涉及，已实现波动率（Realized Volatility）的出现和发展解决了这个问题。已实现波动率不依赖于任何模型，没有估计误差，它开创了波动率研究的新时代，能够使我们直接分析、建模和预测波动率，提高波动率的预测精度。
本文对沪深300股指期货的对数收益进行特征分析发现，序列存在着非正态性、尖峰厚尾、非对称性、波动聚集性等特征。使用传统的GARCH模型能够很好地对这些特性进行拟合，但是对股指期货分时段进行验证时发现，在股指期货刚上市的两年间，其ARCH效应并不明显。而对2013年1月4日及以后的数据进行验证，发现其ARCH效应很明显，但是我们依然有理由怀疑，使用传统的GARCH模型无法很好地对股指期货的波动性进行模拟。因此本文又引入了近几年才发展起来的Realized GARCH模型并且加入了GARCH-RV模型进行对比分析。最后根据不同的波动率模型计算出我国股指期货的风险价值——VaR，并通过对VaR的回测结果判断最优的风险度量模型。
本文一共分为六个章节。第一部分是绪论部分，主要介绍了文本选题的背景，研究的目的和意义，写作的思路内容，最后讲解了本文所做出的贡献。第二部分主要对本文所要研究的风险管理进行了文献综述，具体包括风险管理理论介绍，具体介绍了本文所要使用的VaR方法，最后介绍了本文所要研究的沪深300股指期货及其风险揭示。第三部分主要介绍在计算VaR过程中最为重要的波动率估计模型，包括GARCH模型、Realized GARCH模型以及用作对比的GARCH-RV模型，还简单介绍了已实现波动率和在模型中所要用到的几种分布。第四部分主要是对波动率模型进行实证研究，对三类模型进行了参数估计，并通过样本内及样本外预测对各模型进行了比较。此部分计算出了各模型预测的波动率，为下一步计算VaR提供数据支持。第五部分使用上文得到的波动率来对VaR进行预测，并通过Kupiec检验和Christ检验对VaR的预测效果进行评价。第六部分主要是对全文做出分析和总结，并提出本文研究的不足以及进一步的研究方向。
在对波动率模型比较，对VaR进行计算的过程中，得出了如下的结论:1）我国沪深300股指期货市场在上市的前两年多的时间——即2010年4月16日到2012年12月31日并没有很明显的ARCH效应，这段时间的数据无法使用GARCH族模型进行很好地模拟和估计;而从2013年1月4日到2015年2月17日，我国股指期货市场的ARCH效应很明显，能够使用GARCH模型对其波动率进行估计和预测，并且实证证明，GARCH族模型能够很好地模拟估计这段时间的波动率。此结果也说明，我国股指期货市场自上市以来，正逐步走向成熟。2）我国股指期货市场的杠杆效应并不是特别明显。本文在使用EGARCH模型和Realized GARCH模型对股指期货的波动率进行实证模拟时发现，两个模型用于衡量其杠杆效应的系数检验并不显著，通过Realized GARCH模型的信息冲击曲线也能直观的看出，收益率的正向和负向冲击对波动率的影响几乎是对称的，影响差别不大。3）直接将RV作为解释变量放入GARCH模型中将导致ARCH项的系数为负，说明RV能够解释ARCH项，并且包含ARCH项所有的信息，因此，使用GARCH(0，1)-RV模型相较于GARCH(1,1)-RV模型能更具有比较价值。并且，使用RV代替ARCH项后，RV的系数明显大于ARCH项的系数，说明已实现波动率能够更多地包含新息对波动率的冲击。验证了在本文中的假设，已实现波动率因使用高频数据，能够更多地包含数据的日内信息，用其对波动率进行估计也就能取得更优的效果。4)Realized GARCH模型基于三个分布的模拟结果，运用似然函数值进行比较发现，使用t分布和skewed-t分布并没与很好地优化其对波动率的模拟，反而使用最简单的正态分布得出的效果最好。在使用正态分布和t分布对传统GARCH模型进行模拟时，也发现使用正态分布的假设反而能够取得更好的效果。说明我国股指期货市场如今使用正态分布反而能够更好地对其进行波动率估计。5）本文通过样本内检验和样本外检验对Realized GARCH和传统GARCH模型进行比较，发现其计算的损失函数差别并不大。因此将其用于VaR的计算，但通过对计算出的VaR进行检验时发现，Realized GARCH模型计算出的VaR失败率更为接近期望失败率5％，并且VaR的均值也更小，GARCH模型存在高估风险的现象。通过Kupiec检验也发现，Realized GARCH模型提供更优的计算结果。
经过对沪深300股指期货的波动率和VaR进行研究和测算，本文的主要贡献有以下几点:1）沪深300股指期货于2010年4月16日上市，已有相当的学者使用传统的GARCH族模型或SV模型等对其波动率进行研究，通过比较，试图找出最优的波动率模型。本文在前人的基础上引入了RealizedGARCH模型，使用这一新的模型对沪深300股指期货的波动率进行的模拟，并加入GARCH族模型进行对比。2）沪深300股指期货不仅是投资者进行套期保值的重要产品，也已经成为我国投资者投资的重要标的，关于其风险度量和风险管理显得尤其重要。本文选取了国际上最为流行的VaR模型，通过结合不同的波动率估计预测方法，计算我国股指期货的风险价值。一方面可以为我国股指期货市场的最优波动率模型的选择提供参考，另一方面也为股指期货VaR的度量提供了优化的方法选择。3）学者在对金融时间序列进行建模时需要假设分布情况，本文在整个比较的过程中，分别假设新息服从正态分布、t分布和skewed-t分布，期望分布假设能够最好的模拟残差的分布情况。4)对我国股指期货的ARCH效应进行了分段研究，发现其刚上市时并不具备较明显的ARCH效应。因此，提出，在对我国资本市场的金融时间序列研究时，可以将其分段进行验证。当全样本统计结果显著时，也许存在较多的样本根本就不显著。
风险价值（Value at Risk，以下简称VaR）方法目前在国际上广泛用于金融市场风险管理和金融监管，它被用来度量某个金融资产或投资组合在一定持有期内在给定置信水平下的最大可能损失。从定义中我们可以看出，VaR是一个下分位数的风险度量方法。因为它能够全面的反映金融资产或投资组合的市场风险大小，所以与传统的风险度量指标相比，风险价值的度量方法有着很大的优势。主要表现在:首先，风险价值可以度量在不同的市场条件下，和通过不一样的金融投资产品组成的证券投资组合的总体市场风险，揭露投资者持有的所有资产的风险暴露情况，提高了风险的透明度，能对各种风险进行一致的处理;其次，风险价值的基本概念十分简单，方便使用者的理解，因此也更加适合投资者用于风险管理和监管者用于金融市场风险监管;最后，VaR考虑了各种风险因子之间的相关性，如果两种风险相互抵消，则计算出的VaR会考虑这种抵消效应，最后计算出的总体风险相对较小，反之亦然。在我国，已经有较多的学者研究了VaR，并将其运用到我国的证券市场之中，但是将其运用到股指期货市场的情况还不多。因此，本文根据沪深300股指期货的收益率特征，运用基于各类波动率模型的VaR，寻找出一种适合我国股指期货市场具体情况的风险度量方法。
在计算VaR的过程中，需要对我国股指期货的波动率进行建模，从某种程度上，波动率也是直接衡量风险的一个重要指标。从马科维茨提出均值方差理论，方差就作为风险的一个度量方法。自从Engle提出ARCH模型之后，GARCH模型已经成为波动率研究上最为主流的方法，发展得非常成熟，并衍生出了GARCH族模型。传统的GARCH模型仅使用日间数据，对日内数据或者高频数据并没有太多的涉及，已实现波动率（Realized Volatility）的出现和发展解决了这个问题。已实现波动率不依赖于任何模型，没有估计误差，它开创了波动率研究的新时代，能够使我们直接分析、建模和预测波动率，提高波动率的预测精度。
本文对沪深300股指期货的对数收益进行特征分析发现，序列存在着非正态性、尖峰厚尾、非对称性、波动聚集性等特征。使用传统的GARCH模型能够很好地对这些特性进行拟合，但是对股指期货分时段进行验证时发现，在股指期货刚上市的两年间，其ARCH效应并不明显。而对2013年1月4日及以后的数据进行验证，发现其ARCH效应很明显，但是我们依然有理由怀疑，使用传统的GARCH模型无法很好地对股指期货的波动性进行模拟。因此本文又引入了近几年才发展起来的Realized GARCH模型并且加入了GARCH-RV模型进行对比分析。最后根据不同的波动率模型计算出我国股指期货的风险价值——VaR，并通过对VaR的回测结果判断最优的风险度量模型。
本文一共分为六个章节。第一部分是绪论部分，主要介绍了文本选题的背景，研究的目的和意义，写作的思路内容，最后讲解了本文所做出的贡献。第二部分主要对本文所要研究的风险管理进行了文献综述，具体包括风险管理理论介绍，具体介绍了本文所要使用的VaR方法，最后介绍了本文所要研究的沪深300股指期货及其风险揭示。第三部分主要介绍在计算VaR过程中最为重要的波动率估计模型，包括GARCH模型、Realized GARCH模型以及用作对比的GARCH-RV模型，还简单介绍了已实现波动率和在模型中所要用到的几种分布。第四部分主要是对波动率模型进行实证研究，对三类模型进行了参数估计，并通过样本内及样本外预测对各模型进行了比较。此部分计算出了各模型预测的波动率，为下一步计算VaR提供数据支持。第五部分使用上文得到的波动率来对VaR进行预测，并通过Kupiec检验和Christ检验对VaR的预测效果进行评价。第六部分主要是对全文做出分析和总结，并提出本文研究的不足以及进一步的研究方向。
在对波动率模型比较，对VaR进行计算的过程中，得出了如下的结论:1）我国沪深300股指期货市场在上市的前两年多的时间——即2010年4月16日到2012年12月31日并没有很明显的ARCH效应，这段时间的数据无法使用GARCH族模型进行很好地模拟和估计;而从2013年1月4日到2015年2月17日，我国股指期货市场的ARCH效应很明显，能够使用GARCH模型对其波动率进行估计和预测，并且实证证明，GARCH族模型能够很好地模拟估计这段时间的波动率。此结果也说明，我国股指期货市场自上市以来，正逐步走向成熟。2）我国股指期货市场的杠杆效应并不是特别明显。本文在使用EGARCH模型和Realized GARCH模型对股指期货的波动率进行实证模拟时发现，两个模型用于衡量其杠杆效应的系数检验并不显著，通过Realized GARCH模型的信息冲击曲线也能直观的看出，收益率的正向和负向冲击对波动率的影响几乎是对称的，影响差别不大。3）直接将RV作为解释变量放入GARCH模型中将导致ARCH项的系数为负，说明RV能够解释ARCH项，并且包含ARCH项所有的信息，因此，使用GARCH(0，1)-RV模型相较于GARCH(1,1)-RV模型能更具有比较价值。并且，使用RV代替ARCH项后，RV的系数明显大于ARCH项的系数，说明已实现波动率能够更多地包含新息对波动率的冲击。验证了在本文中的假设，已实现波动率因使用高频数据，能够更多地包含数据的日内信息，用其对波动率进行估计也就能取得更优的效果。4)Realized GARCH模型基于三个分布的模拟结果，运用似然函数值进行比较发现，使用t分布和skewed-t分布并没与很好地优化其对波动率的模拟，反而使用最简单的正态分布得出的效果最好。在使用正态分布和t分布对传统GARCH模型进行模拟时，也发现使用正态分布的假设反而能够取得更好的效果。说明我国股指期货市场如今使用正态分布反而能够更好地对其进行波动率估计。5）本文通过样本内检验和样本外检验对Realized GARCH和传统GARCH模型进行比较，发现其计算的损失函数差别并不大。因此将其用于VaR的计算，但通过对计算出的VaR进行检验时发现，Realized GARCH模型计算出的VaR失败率更为接近期望失败率5％，并且VaR的均值也更小，GARCH模型存在高估风险的现象。通过Kupiec检验也发现，Realized GARCH模型提供更优的计算结果。
经过对沪深300股指期货的波动率和VaR进行研究和测算，本文的主要贡献有以下几点:1）沪深300股指期货于2010年4月16日上市，已有相当的学者使用传统的GARCH族模型或SV模型等对其波动率进行研究，通过比较，试图找出最优的波动率模型。本文在前人的基础上引入了RealizedGARCH模型，使用这一新的模型对沪深300股指期货的波动率进行的模拟，并加入GARCH族模型进行对比。2）沪深300股指期货不仅是投资者进行套期保值的重要产品，也已经成为我国投资者投资的重要标的，关于其风险度量和风险管理显得尤其重要。本文选取了国际上最为流行的VaR模型，通过结合不同的波动率估计预测方法，计算我国股指期货的风险价值。一方面可以为我国股指期货市场的最优波动率模型的选择提供参考，另一方面也为股指期货VaR的度量提供了优化的方法选择。3）学者在对金融时间序列进行建模时需要假设分布情况，本文在整个比较的过程中，分别假设新息服从正态分布、t分布和skewed-t分布，期望分布假设能够最好的模拟残差的分布情况。4)对我国股指期货的ARCH效应进行了分段研究，发现其刚上市时并不具备较明显的ARCH效应。因此，提出，在对我国资本市场的金融时间序列研究时，可以将其分段进行验证。当全样本统计结果显著时，也许存在较多的样本根本就不显著。