探究VaR模型在證券投資中的運(yùn)用范文

本站小編為你精心準(zhǔn)備了探究VaR模型在證券投資中的運(yùn)用參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

摘要：近年來(lái)，隨著我國(guó)金融市場(chǎng)不斷完善，證券行業(yè)迎來(lái)快速的發(fā)展，同時(shí)面臨巨大的風(fēng)險(xiǎn)。為對(duì)證券投資中風(fēng)險(xiǎn)的測(cè)評(píng)和有效管控。文章首先介紹了var的基本理論、研究和計(jì)算方法，將方差-協(xié)方差法和建立GARCH模型結(jié)合起來(lái)，利用Eviews10.0軟件，對(duì)上證指數(shù)2015~2020年日線交易進(jìn)行研究分析，得出GARCH（1，1）能高效為投資者提供一定參考思路。

關(guān)鍵詞：證券投資；GARCH模型；置信度；方差-協(xié)方差法

一、VaR的基本介紹

（一）VaR的理論背景

VaR的產(chǎn)生：VaR模型是1976年由JPMorgan公司率先提出的，由JPMorgan的風(fēng)險(xiǎn)管理人員開(kāi)發(fā)了一種能夠測(cè)量不同交易、不同市場(chǎng)風(fēng)險(xiǎn)，并能將這些風(fēng)險(xiǎn)以一個(gè)數(shù)值來(lái)體現(xiàn)的風(fēng)險(xiǎn)價(jià)值（VAR）。VaR是指風(fēng)險(xiǎn)價(jià)值度，具體意義是：在一定概率水平（置信度）下，在一定時(shí)期市場(chǎng)正常波動(dòng)下，栽證券組合或是金融資產(chǎn)的最大可能損失值。VaR的數(shù)學(xué)定義：在N天結(jié)束時(shí)，投資組合的損失大于或是等于VaR的概率是1-c，也即在c的置信水平下，在N天結(jié)束時(shí)，投資組合所遭受的潛在損失小于等于VaR。

（二）VaR的計(jì)算原理及方法

VaR的計(jì)算方法主要有三種，分別為方差協(xié)方差、蒙特卡羅模擬與歷史模擬法。以上三種計(jì)算方法中后兩者屬于完全估值法，其特點(diǎn)是衡量各種不同狀態(tài)下的標(biāo)的組合模擬分布得到的風(fēng)險(xiǎn)。方差-協(xié)方差法屬于局部估值法，主要特點(diǎn)是只需要在最開(kāi)始時(shí)估計(jì)組合的數(shù)值，接下來(lái)利用假設(shè)分布的方式對(duì)其未來(lái)的分布可能進(jìn)行推導(dǎo)，并以此為基礎(chǔ)，通過(guò)公式與假設(shè)的規(guī)律確定VaR的具體數(shù)值。三種方法具體如下所述。歷史模擬法：首先要對(duì)市場(chǎng)的歷史數(shù)據(jù)進(jìn)行采集，建立歷史收益分布，以此為基礎(chǔ)對(duì)組合今后分布的可能進(jìn)行推測(cè)，形成未來(lái)收益分布，并設(shè)定一定的概率，確定其閥值，最后對(duì)VaR進(jìn)行計(jì)算。蒙特卡羅模擬法：首先要做出資產(chǎn)價(jià)格屬于特定形式下的一種隨機(jī)過(guò)程的假設(shè)，接下來(lái)設(shè)定一定的時(shí)間，通過(guò)計(jì)算機(jī)進(jìn)行計(jì)算，確定該時(shí)間區(qū)間內(nèi)的隨機(jī)價(jià)格，并形成有關(guān)分布，求出該分布在給定置信水平上的分位數(shù)，并得出該位置的VaR值。方差-協(xié)方差法：先假設(shè)投資組合收益與正態(tài)分布完全擬合。然后將一般正態(tài)分布?xì)w一化成一個(gè)標(biāo)準(zhǔn)正態(tài)分布，從標(biāo)準(zhǔn)正態(tài)分布表查找到所需分位數(shù)的值，就能得到VaR值。方差-協(xié)方差法建立在考慮到多種因素因子的條件下，能快速的求解金融資產(chǎn)的時(shí)間序列的特征，并簡(jiǎn)化VaR值計(jì)算。因此本文選取方差-協(xié)方差法對(duì)我國(guó)股市進(jìn)行研究分析。

二、VaR在證券投資分析中的實(shí)例分析

（一）樣本數(shù)據(jù)選擇和處理上證指數(shù)的計(jì)算范圍為所有掛牌上市于上海證券交易所的股票，其權(quán)數(shù)為股票發(fā)行量，屬于一種加權(quán)綜合股價(jià)指數(shù)，代碼是00001，其收益變化能表示大部分證券走勢(shì)，具有普遍性，因此本文將研究對(duì)象定為上證指數(shù)（000001）對(duì)VaR值進(jìn)行了研究與計(jì)算。本研究數(shù)據(jù)采集的起始時(shí)間是2015年1月9日，終止時(shí)間是2020年1月1日，在以一定的標(biāo)準(zhǔn)剔除無(wú)效數(shù)據(jù)后，獲得的有效數(shù)據(jù)共有1220個(gè)。本文選擇對(duì)數(shù)收益率法對(duì)數(shù)據(jù)進(jìn)行了處理，該指標(biāo)可通過(guò)R=In（Pt/Pt-1）計(jì)算，公式里R表示每日上證指數(shù)的收益率，P表示上證指數(shù)每日收盤(pán)價(jià)。建立模型的過(guò)程為：將R=dlg（P）建立于Eviews10工具中，計(jì)算P的對(duì)數(shù)收益率后，進(jìn)行差分，最終獲得的對(duì)數(shù)收益率共有1219個(gè)。

（二）VaR模型的建立與計(jì)算1.正態(tài)檢驗(yàn)：對(duì)上證指數(shù)收益率時(shí)間序列的正態(tài)性檢驗(yàn)過(guò)程是利用進(jìn)行，檢驗(yàn)結(jié)果如圖

1.結(jié)論：樣本峰值9.965127大于標(biāo)準(zhǔn)正態(tài)分布，偏度是-1.201841小于0，為負(fù)偏分布，不滿足正態(tài)分布，Jarque-Bera值是2755.252，對(duì)應(yīng)的p值為0，進(jìn)一步說(shuō)明樣本期間內(nèi)上證指數(shù)對(duì)數(shù)收益率時(shí)間序列不滿足嚴(yán)格正態(tài)分布的特點(diǎn)，其收益率在圖1中呈現(xiàn)尖峰厚尾分布，因此建立GARCH模型來(lái)求解VaR值。

2.平穩(wěn)性檢驗(yàn)：在建立研究模型時(shí)，要使收益率序列屬于平穩(wěn)序列，所以需要進(jìn)行檢驗(yàn)。本研究采用的方法是ADF檢驗(yàn)，在使用該方法時(shí)，如標(biāo)準(zhǔn)值大于ADF的絕對(duì)值，那么便可判定該時(shí)間序列屬于游走序列，同時(shí)可知序列的穩(wěn)定性較差，如標(biāo)準(zhǔn)值小于ADF的絕對(duì)值，則可判定序列具有較好的穩(wěn)定性。本研究的具體結(jié)果見(jiàn)圖2。結(jié)論：ADF=-33.25596，ADF的絕對(duì)值大于三種水平下的標(biāo)準(zhǔn)值，同時(shí)結(jié)果表明P是0，可知該收益率時(shí)間序列的穩(wěn)定性滿足要求。

3.檢驗(yàn)自相關(guān)性：為通過(guò)回歸模型獲得更為準(zhǔn)確的結(jié)果，要使隨機(jī)誤差項(xiàng)不存在自相關(guān)性，所以還需要檢驗(yàn)自相關(guān)性，本文的檢驗(yàn)結(jié)果見(jiàn)圖3。結(jié)論：圖3中的PAC是指偏自相關(guān)值，AC是指自相關(guān)值，檢驗(yàn)結(jié)果表明，PAC與AC值的波動(dòng)范圍為0~0.1之間，均未逾越虛線區(qū)。P值與Q值的檢驗(yàn)結(jié)果也都滿足要求，由此可見(jiàn)，隨機(jī)誤差項(xiàng)間并不存在自相關(guān)性，不會(huì)對(duì)模型結(jié)果產(chǎn)生明顯的影響，可通過(guò)模型獲得較為準(zhǔn)確的結(jié)果。不過(guò)對(duì)于檢驗(yàn)結(jié)果來(lái)講，其殘差序列存在一定的ARCH效應(yīng)，所以需要通過(guò)GARCH模型進(jìn)行進(jìn)一步的研究，本研究采用的模型為GARCH（1，1）。

4.通過(guò)GARCH模型進(jìn)行估計(jì)：GARCH模型的提出者是Bollrslev，該模型的的公式是σ2t=ω+αε2t-1+βσ2t-1，公式中的σ2t-、ε2t-1與ω分別為為GARCH項(xiàng)、ARCH項(xiàng)與常數(shù)項(xiàng)。本文利用Eviews10工具進(jìn)行處理后所得的結(jié)果見(jiàn)圖4。圖4中的C值就是公式中的ω，式中回報(bào)系數(shù)α為0.060246，β=0.938077。對(duì)兩者相加可知，兩者的和小于1，由于Durbin-Watsonstat參數(shù)的數(shù)值與2極為接近，所以可以確定殘差序列不存在自相關(guān)性。除此之外，SC與AIC均為負(fù)，可知模型也并不復(fù)雜，具有良好的精簡(jiǎn)度。

5.計(jì)算VaR值：基于已構(gòu)建的GARCH（1，1）模型的結(jié)果，可建立：σ2t＝5.55*10-7+0.060246ε2t-1+0.938077σ2t-1，在Eviews10.0中導(dǎo)出GARCH方差序列，接下來(lái)利用VaR=Pt-1Zασt便可以計(jì)算出VaR的具體數(shù)值。置信度為上式中的Zα，其在95%與99%置信區(qū)間中的數(shù)值分別是1.645，計(jì)算95%置信度下VaR=83.5876，99%置信度下VaR=118.3946。由此可見(jiàn)，通過(guò)GARCH（1，1）擬合數(shù)據(jù)后所得的VaR值可以對(duì)證券投資直到一定指導(dǎo)作用，有利于降低投資者的投資風(fēng)險(xiǎn)。

三、總結(jié)和建議

通過(guò)對(duì)上證指數(shù)過(guò)去五年日線交易數(shù)據(jù)研究，可以得出以下結(jié)論：上證指數(shù)日線對(duì)數(shù)收益率并不完全符合正態(tài)分布，時(shí)間序列的特點(diǎn)主要包括波動(dòng)性聚焦與尖峰厚尾；通過(guò)建立GARCH（1，1）模型能高效率的對(duì)此特征進(jìn)行研究，得出結(jié)論，在我國(guó)不斷趨于完善的金融市場(chǎng)中發(fā)揮著一定作用；將研究理論通過(guò)對(duì)比分析VaR的實(shí)際值和理論值可以發(fā)現(xiàn)，基于方差協(xié)方差法獲得的VaR值相對(duì)較高，也就是理論風(fēng)險(xiǎn)要高于實(shí)際風(fēng)險(xiǎn)。由此可見(jiàn)，盡管通過(guò)模型計(jì)算出的結(jié)果具有一定的參考價(jià)值，不過(guò)也存在著一定的不足，未來(lái)還有必要繼續(xù)研究改進(jìn)有關(guān)研究模型。

參考文獻(xiàn)：

[1]肖媚芳.基于VAR模型的股票市場(chǎng)波動(dòng)性影響因素分析[D].南京:南京大學(xué),2019.

[2]楊可可.證券投資個(gè)股風(fēng)險(xiǎn)的VaR值測(cè)算分析[J].廣西質(zhì)量監(jiān)督導(dǎo)報(bào),2020(08):198-199.

[3]何曉星.VaR模型在中國(guó)證券市場(chǎng)的應(yīng)用研究[D].武漢:華中科技大學(xué),2016.

[4]陳飛.基于VaR多種方法下中國(guó)證券投資基金風(fēng)險(xiǎn)度量的研究[D].上海:上海師范大學(xué),2013.

作者：胡政 單位：新疆大學(xué)