朱新玲,黎 鵬
(1武漢科技大學(xué)管理學(xué)院,武漢430081;2中南民族大學(xué)經(jīng)濟(jì)學(xué)院,武漢430074)
隨著人民幣匯率波動(dòng)頻率和幅度的逐步增大,匯率風(fēng)險(xiǎn)日趨增大,對(duì)匯率波動(dòng)風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確度量、控制和防范是匯率波動(dòng)研究的重要內(nèi)容.匯率風(fēng)險(xiǎn)屬于金融風(fēng)險(xiǎn),可以用金融風(fēng)險(xiǎn)的度量方法進(jìn)行測(cè)度.VaR是當(dāng)前金融機(jī)構(gòu)度量金融風(fēng)險(xiǎn)的標(biāo)準(zhǔn)方法,但VaR不滿足次可加性,不是一致性風(fēng)險(xiǎn)度量指標(biāo)[1],且沒有考慮尾部風(fēng)險(xiǎn),缺乏對(duì)極端事件的控制.針對(duì)VaR方法的上述缺陷,學(xué)者們提出了諸多改進(jìn)手段試圖替代 VaR方法,如:Acerbi和Tasche(2002)[2]的預(yù)期短缺 ES,徐緒松(2002)的半絕對(duì)離差[3],李仲飛(2003)的在險(xiǎn)收益 EaR[4]等,然而,這些方法或者在理論上不夠完善,或者在計(jì)算上不夠簡(jiǎn)潔,使其在實(shí)際應(yīng)用中受到較大限制,未得到學(xué)術(shù)界的廣泛認(rèn)可.2000年 Rockafeller和 Uryasev[5]在對(duì)VaR修正的基礎(chǔ)上正式提出了條件在險(xiǎn)價(jià)值(CVaR)的概念,它有效彌補(bǔ)了VaR不滿足次可加性、沒有考慮尾部風(fēng)險(xiǎn)等缺陷,逐漸受到學(xué)者和金融機(jī)構(gòu)的青睞.本文以人民幣匯率風(fēng)險(xiǎn)為例探究模型類型、分布假定和置信水平對(duì)VaR和CVaR風(fēng)險(xiǎn)測(cè)度的影響以及CVaR相對(duì)于VaR的優(yōu)勢(shì).
(1)VaR(Value at Risk)指處于風(fēng)險(xiǎn)中的價(jià)值,一般稱為風(fēng)險(xiǎn)價(jià)值或在險(xiǎn)價(jià)值,Jorion P(1996)把VaR定義為:資產(chǎn)在給定的置信水平和持有期下預(yù)期的最大損失.即:其中,Δp為資產(chǎn)在持有期內(nèi)的損失,VaR為置信水平c(一般取為99%、95%、90%)下的風(fēng)險(xiǎn)價(jià)值.
(2)CVaR(Conditional Value at Risk)一般稱為條件風(fēng)險(xiǎn)價(jià)值,是在一定的置信水平下,某一資產(chǎn)的損失超過VaR的條件均值,反映了損失超過VaR時(shí)可能遭受的平均潛在損失,即:
其中,c為置信水平,w為資產(chǎn)或資產(chǎn)組合的損失,f(w)為概率密度函數(shù),VaR為置信水平c下的風(fēng)險(xiǎn)價(jià)值.
1.2.1 VaR 的計(jì)算方法
利用GARCH族模型計(jì)算時(shí)變的條件方差ht,將其代入VaR的定義公式(1),可得基于GARCH族模型的動(dòng)態(tài)VaR計(jì)算公式:
其中,pt-1為t-1日匯率收盤價(jià),Zc為置信水平為c時(shí)對(duì)應(yīng)分布函數(shù)的分位數(shù),ht為匯率收益率序列的條件方差序列.
1.2.2 CVaR 的計(jì)算方法
若用z表示對(duì)應(yīng)于某一置信水平c的分位數(shù),用q表示大于z的分位數(shù),根據(jù)CVaR的定義,可得基于GARCH族模型的CVaR計(jì)算公式為[6]:
其中pt-1表示第t-1日的匯率收盤價(jià),表示條件方差,f(q)表示匯率收益率序列服從分布的密度函數(shù).將不同分布的密度函數(shù)代入可得以下具體的計(jì)算公式.
正態(tài)分布假定下,CVaR的計(jì)算公式為:t分布假定下,若d表示自由度,CVaR的計(jì)算公式為:
廣義誤差分布(GED)假定下,若d表示自由度,CVaR的計(jì)算公式為:
VaR及CVaR模型的準(zhǔn)確性檢驗(yàn)是指VaR(CVaR)模型的測(cè)量結(jié)果對(duì)實(shí)際損失的覆蓋程度.例如,假定估算出95%置信水平下的VaR(CVaR)值,則VaR(CVaR)模型的準(zhǔn)確性是指實(shí)際損失結(jié)果超過VaR(CVaR)值的概率(失敗率)是否接近5%.假定計(jì)算VaR(CVaR)的置信水平為c,實(shí)際考察天數(shù)為N,失敗天數(shù)為m,則失敗率為p(m/N),將p與失敗期望概率(1-c)進(jìn)行比較,若p>1-c,說明VaR(CVaR)模型低估了風(fēng)險(xiǎn),若p<1-c,說明模型結(jié)果覆蓋了實(shí)際損失,但是若p很小,則表明VaR(CVaR)模型的估計(jì)過于保守.
CVaR繼承了VaR的諸多優(yōu)點(diǎn),同時(shí)對(duì)VaR的缺點(diǎn)進(jìn)行了修正,具體表現(xiàn)在:
(1)充分控制尾部風(fēng)險(xiǎn).與VaR相比,CVaR不是單一的分位值點(diǎn),而是尾部損失的均值,只有將所有大于VaR的損失值全部估算到才能夠計(jì)算CVaR值,因此,CVaR對(duì)尾部損失的測(cè)量是充分的;
(2)CVaR具有良好的數(shù)學(xué)和統(tǒng)計(jì)特性.可以證明CVaR滿足次可加性、連續(xù)性、凸性、單調(diào)性等特征,因此,CVaR是一致性風(fēng)險(xiǎn)度量指標(biāo),能通過優(yōu)化的辦法求得最小風(fēng)險(xiǎn)投資組合.
本文分別計(jì)算不同模型(GARCH模型、TGARCH模型、EGARCH模型)不同分布(正態(tài)分布、t分布、GED分布)假定下,人民幣匯率波動(dòng)風(fēng)險(xiǎn)的CVaR值和VaR值,通過對(duì)結(jié)果的對(duì)比分析,以期解決如下問題:
(1)不同的GARCH模型對(duì)CVaR和VaR計(jì)算結(jié)果的影響;
(2)不同的分布假定對(duì)CVaR和VaR計(jì)算結(jié)果的影響;
(3)不同的置信水平對(duì)CVaR和VaR計(jì)算結(jié)果的影響.
本文選取2005年7月25日至2009年6月29日人民幣兌美元的名義匯率日數(shù)據(jù),共961個(gè)觀察值,數(shù)據(jù)來源于外匯管理局網(wǎng)站.匯率收益率采用自然對(duì)數(shù)收益率形式,即:rt=lnpt- lnpt-1,其中,pt為第t日的匯率收盤價(jià),pt-1為第t-1日的匯率收盤價(jià).對(duì)序列rt的統(tǒng)計(jì)特征進(jìn)行分析,具體結(jié)果見表1~表3.
表1 基本統(tǒng)計(jì)特征表Tab.1 Basic characteristics of statistics
由表1的結(jié)果可知:偏度為-0.602127,表明序列rt的分布是向左偏斜的,JB統(tǒng)計(jì)量非常顯著,因此拒絕正態(tài)分布的原假設(shè),表明序列rt不服從正態(tài)分布;峰度為5.696138,大于3,表明序列rt具有尖峰厚尾特征.
表2 平穩(wěn)性檢驗(yàn)結(jié)果Tab.2 Inspection results of stationarity
由表2的結(jié)果可知:在1%的顯著性水平下,人民幣匯率收益率序列通過ADF檢驗(yàn),也即在樣本期內(nèi),人民幣匯率收益率序列為平穩(wěn)時(shí)間序列.
表3 異方差檢驗(yàn)結(jié)果Tab.3 Inspection results of heteroscedasticity
表3中,Obs*R-squared為L(zhǎng)M統(tǒng)計(jì)量,其概率為0,故可以在1%顯著性水平下拒絕原假設(shè),認(rèn)為序列rt存在異方差現(xiàn)象.
2.2.1 正態(tài)分布假定
在正態(tài)分布假定下,經(jīng)過模型的篩選,認(rèn)為GARCH(1,1)-n、TGARCH(1,1)-n和 EGARCH(1,1)-n模型擬合效果比較理想.根據(jù)估計(jì)出的GARCH(1,1)-n、TGARCH(1,1)-n和 EGARCH(1,1)-n模型可以得到人民幣/美元名義匯率收益率序列在正態(tài)分布假定下的各條件標(biāo)準(zhǔn)差序列,將其分別代入VaR計(jì)算公式(3)和正態(tài)分布假定下CVaR計(jì)算公式(5),可以計(jì)算得到在正態(tài)分布假定下,不同GARCH模型在不同置信水平下的日CVaR值和日VaR值,限于篇幅,本文不列舉所有的CVaR和VaR結(jié)果,只給出各CVaR和VaR序列的一般統(tǒng)計(jì)特征以及用返回檢驗(yàn)得到的失敗天數(shù)和失敗率,具體結(jié)果見表4.
從表4的結(jié)果來看,在正態(tài)分布假定下,同一置信水平下3種模型計(jì)算得到的VaR和CVaR均值無明顯差別,EGARCH-n模型的VaR和CVaR標(biāo)準(zhǔn)差要小于GARCH-n和TGARCH-n模型,3種模型估計(jì)的失敗天數(shù)相差不明顯,失敗率均小于相應(yīng)的失敗期望概率.
2.2.2t分布假定
在t分布假定下,經(jīng)過模型的篩選,認(rèn)為GARCH(1,1)-t、TGARCH(1,1)-t和 EGARCH(1,1)-t模型擬合效果比較理想.根據(jù)估計(jì)出的GARCH(1,1)-t,TGARCH(1,1)-t和 EGARCH(1,1)-t模型可以得到人民幣/美元名義匯率收益率序列在t分布假定下的各條件標(biāo)準(zhǔn)差序列,將其分別代入VaR計(jì)算公式(3)和t分布假定下CVaR計(jì)算公式(6),可以計(jì)算得到在t分布假定下,不同GARCH模型在不同置信水平下的日CVaR值和日VaR值,限于篇幅,本文不列舉所有的CVaR和VaR結(jié)果,只給出各CVaR和VaR序列的一般統(tǒng)計(jì)特征以及用返回檢驗(yàn)得到的失敗天數(shù)和失敗率,具體結(jié)果見表5.
表4 基于正態(tài)分布假定的CVaR值和VaR值估計(jì)結(jié)果Tab.4 Results of CVaR and VaR under normal distribution assumptions
表5 基于t分布假定的CVaR值和VaR值估計(jì)結(jié)果Tab.5 Results of CVaR and VaR under t distribution assumptions
從表5的結(jié)果來看,在t分布假定下,同一置信水平下3種模型計(jì)算得到的CVaR和VaR的均值及標(biāo)準(zhǔn)差均無明顯差別,3種模型估計(jì)的失敗天數(shù)相差不明顯,失敗率均小于相應(yīng)的失敗期望概率.
2.2.3 GED 分布假定
在GED分布假定下,經(jīng)過模型的篩選,認(rèn)為GARCH(1,1)-GED、TGARCH(1,1)-GED 和EGARCH(1,1)-GED模型擬合效果比較理想.根據(jù)估計(jì)出的 GARCH(1,1)-GED,TGARCH(1,1)-GED和EGARCH(1,1)-GED模型可以得到人民幣/美元名義匯率收益率序列在GED分布假定下的各條件標(biāo)準(zhǔn)差序列,將其分別代入VaR計(jì)算公式(3)和GED分布假定下CVaR計(jì)算公式(7),可以計(jì)算得到在GED分布假定下,不同GARCH模型在不同置信水平下的日CVaR值和日VaR值,限于篇幅,本文不列舉所有的 CVaR和 VaR結(jié)果,只給出各CVaR和VaR序列的一般統(tǒng)計(jì)特征以及用返回檢驗(yàn)得到的失敗天數(shù)和失敗率,具體結(jié)果見表6.
表6 基于GED分布假定的CVaR值和VaR值估計(jì)結(jié)果Tab.6 Results of CVaR and VaR under GED distribution assumptions
從表6的結(jié)果來看,在GED分布假定下,同一置信水平下3種模型計(jì)算得到的CVaR和VaR均值均無明顯差別,3種模型估計(jì)的失敗天數(shù)相差不明顯,失敗率均小于相應(yīng)的失敗期望概率.
2.2.4 風(fēng)險(xiǎn)測(cè)度結(jié)果分析
通過前面的風(fēng)險(xiǎn)測(cè)度結(jié)果,可以得到以下結(jié)論:
(1)在相同的分布假定下,GARCH模型的種類對(duì)CVaR和VaR的計(jì)算結(jié)果影響不明顯.從上述的實(shí)證結(jié)果可見,在同一分布假定下,通過GARCH,TGARCH和EGARCH模型計(jì)算的CVaR和VaR的均值、標(biāo)準(zhǔn)差和失敗天數(shù)等指標(biāo)均無顯著差異,這表明盡管TGARCH和EGARCH模型可以更好地描述匯率收益率序列的非對(duì)稱效應(yīng),但模型的改進(jìn)對(duì)CVaR和VaR的影響不是很顯著.
(2)在相同的GARCH模型下,不同的分布假定對(duì)CVaR和VaR的計(jì)算結(jié)果影響顯著.從上述的實(shí)證結(jié)果可見,在同一GARCH模型和相同的置信水平下,t分布假定下估算的CVaR和VaR失敗天數(shù)均小于正態(tài)分布和GED分布下估算的CVaR和VaR失敗天數(shù),這表明t分布更準(zhǔn)確地描述了匯率收益率序列的厚尾特征,其估算的CVaR和VaR對(duì)實(shí)際損益的覆蓋程度更高.
(3)在相同分布、相同GARCH模型下,不同的置信水平對(duì)CVaR和VaR的計(jì)算結(jié)果影響顯著.從上述的實(shí)證結(jié)果可見,在同一分布和GARCH模型下,置信水平越高,估算的CVaR和VaR失敗天數(shù)越小,CVaR和VaR結(jié)果對(duì)實(shí)際損益的覆蓋程度越高,因此,置信水平的選擇對(duì)CVaR和VaR的計(jì)算有顯著的影響.
為了比較CVaR與VaR對(duì)匯率風(fēng)險(xiǎn)的測(cè)度效果,先將表4~表6中99%置信水平下各分布的數(shù)值匯總成如下表7,再進(jìn)行對(duì)比分析.
從表7的比較結(jié)果可見,在99%置信水平下,基于相同的分布假定和GARCH模型,CVaR的均值大于相應(yīng)的VaR估計(jì)的均值;從失敗天數(shù)和失敗率來看,CVaR的失敗天數(shù)和失敗率均小于相應(yīng)的VaR的失敗天數(shù)和失敗率,尤其是t分布假定下,3種模型的失敗天數(shù)減少了50%,這表明相對(duì)于VaR而言,CVaR是一種能覆蓋更大范圍尾部風(fēng)險(xiǎn)的風(fēng)險(xiǎn)測(cè)度指標(biāo).
95%、90%置信水平下對(duì)CVaR與VaR的比較,類似于表7,因篇幅有限表格不再列出,具體數(shù)據(jù)參見表4~表6,此處只作結(jié)果分析.在95%置信水平下,基于相同的分布假定和GARCH模型,CVaR的均值大于相應(yīng)的VaR估計(jì)的均值;從失敗天數(shù)和失敗率來看,CVaR的失敗天數(shù)和失敗率均小于相應(yīng)的VaR的失敗天數(shù)和失敗率,其中t分布假定下,3種模型失敗天數(shù)的減少力度最大,減幅近69%,GED分布和正態(tài)分布假定下,3種模型失敗天數(shù)的減幅分別在65%和60%左右,這表明相對(duì)于VaR而言,CVaR是一種能覆蓋更大范圍尾部風(fēng)險(xiǎn)的風(fēng)險(xiǎn)測(cè)度指標(biāo).
表7 99%置信水平下CVaR與VaR的比較Tab.7 Comparative results between CVaR and VaR under 99%confidence level
90%置信水平下,基于相同的分布假定和GARCH模型,CVaR的均值大于相應(yīng)的VaR估計(jì)的均值;從失敗天數(shù)和失敗率來看,CVaR的失敗天數(shù)和失敗率均小于相應(yīng)的VaR的失敗天數(shù)和失敗率,其中t分布假定下,3種模型失敗天數(shù)的減少力度最大,減幅在68%左右,GED分布和正態(tài)分布假定下,3種模型失敗天數(shù)的減幅分別在61%和55%左右,這表明相對(duì)于VaR而言,CVaR是一種能覆蓋更大范圍尾部風(fēng)險(xiǎn)的風(fēng)險(xiǎn)測(cè)度指標(biāo).
通過前文CVaR和VaR的風(fēng)險(xiǎn)測(cè)度對(duì)比結(jié)果,可以得到以下結(jié)論:
(1)分布假定顯著影響CVaR對(duì)VaR的改進(jìn)效果.3種置信水平下,均是t分布假定下各模型失敗天數(shù)的減少力度最大,這表明t分布能更準(zhǔn)確地描述匯率收益率序列的變化特征,其估算的CVaR結(jié)果對(duì)VaR結(jié)果的改進(jìn)效果更顯著.
(2)置信水平顯著影響CVaR對(duì)VaR的改進(jìn)效果.95%和90%置信水平下,各模型失敗天數(shù)的減少力度較大,減幅均高達(dá)60%以上,而99%置信水平下,各模型失敗天數(shù)的減幅相對(duì)較小,導(dǎo)致這一現(xiàn)象的原因是:在99%置信水平下,僅有1%的尾部風(fēng)險(xiǎn)被VaR忽略,此時(shí),VaR值對(duì)實(shí)際損失的覆蓋程度已經(jīng)較高,失敗率也已較低,進(jìn)而使得該置信水平下CVaR對(duì)VaR的改進(jìn)效果不明顯.
[1]Artzner P,Delbaen F,Eber JH,et al.Coherentmeasure of risk[J].Mathematical Finance,1999(3):203-228.
[2]Acerbi C,Tasche D.On the coherence of expected shortfall[J].Journal of Banking and Finance,2002,26(4):1491-1507.
[3]徐緒松,楊小青,陳彥斌.半絕對(duì)離差證券組合投資模型[J].武漢大學(xué)學(xué)報(bào):理學(xué)版,2002(3):297-300.
[4]李仲飛,汪壽陽.EaR風(fēng)險(xiǎn)度量與動(dòng)態(tài)投資決策[J].數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究,2003(1):45-51.
[5]Rockafeller T,Uryasev S.Optimization of conditional value-at-risk[J].Journal of Risk,2000,2(3):21-42.
[6]周小敏.基于GARCH模型的CVaR金融風(fēng)險(xiǎn)測(cè)度研究[D].長(zhǎng)沙:湖南大學(xué)碩士學(xué)位論文,2007:32.