張靜　張旭

摘 要：人民幣理財產(chǎn)品收益率的波動性是影響投資者選擇的關(guān)鍵因素。文中以招商銀行招銀進(jìn)寶之鼎鼎成金系列理財產(chǎn)品為研究對象，采用三類SV模型對其收益序列進(jìn)行分析。結(jié)果表明：SV模型可以用來刻畫人民幣理財產(chǎn)品收益率序列的波動特征，并且相對于標(biāo)準(zhǔn)SV模型以及SV-杠桿模型，SV-T模型有更顯著的效果。

關(guān)鍵詞：人民幣理財產(chǎn)品；SV模型；收益率；波動性

當(dāng)前，我國經(jīng)濟(jì)下行壓力增大，面對股市劇烈震蕩、存款利率的多次下調(diào)，投資者為實現(xiàn)資產(chǎn)的保值和增值，急于尋求其他高收益且穩(wěn)健的產(chǎn)品；另一方面，在信貸增速放緩的背景下，商業(yè)銀行為緩解資金壓力、實現(xiàn)利潤最大化，急需拓展新的資金渠道。因此，銀行理財產(chǎn)品成為投資者和銀行的最佳選擇。因此，觀測和分析銀行理財產(chǎn)品收益率指標(biāo)的波動，對于投資者投資決策、商業(yè)銀行業(yè)務(wù)拓展及風(fēng)險管理都具有重要的借鑒意義。

一、文獻(xiàn)綜述

目前國內(nèi)對銀行理財產(chǎn)品波動的研究相對較少。張偉、趙磊（2015）通過構(gòu)建GARCH模型對銀行理財產(chǎn)品波動特征進(jìn)行研究，發(fā)現(xiàn)我國銀行理財產(chǎn)品市場存在“集群波動”特征，且市場沖擊具有“長記憶性”和“杠桿效應(yīng)”。高勇、王東（2015）以Vassicek模型、CIR模型研究銀行理財產(chǎn)品收益率，發(fā)現(xiàn)短期理財產(chǎn)品價格具有較大的不確定性，而長期理財產(chǎn)品的價格趨于穩(wěn)定?；诖?，本文將試圖對銀行短期理財產(chǎn)品收益率進(jìn)行研究，分析其波動的持續(xù)性、杠桿效應(yīng)和厚尾性。

國外研究方面，Asai和McAleer（2011）在SV模型中加入杠桿效應(yīng)和規(guī)模效應(yīng)，實證結(jié)果表明日元兌美元匯率有顯著的杠桿效應(yīng)和規(guī)模效應(yīng)；González-Urteaga（2012）在SV模型中加入回報的跳躍來分析美國和歐洲股票市場，認(rèn)為這樣能夠很好擬合并能夠解釋回報序列的一些特征。國內(nèi)研究方面，樊元、賈蒸（2012）運用具有杠桿效應(yīng)的SV模型對國際現(xiàn)貨貴金屬市場波動分析，得出國際現(xiàn)貨黃金、白銀市場幾乎不存在杠桿效應(yīng)，只在震蕩期內(nèi)存在較弱的杠桿效應(yīng)；白仲林、隋雯霞和劉傳文（2013）提出混合貝塔分布的SV模型對上證A股綜合指數(shù)收益序列進(jìn)行分析，結(jié)果表明該模型更能準(zhǔn)確刻畫收益率的時變特征。綜上可以看出，SV模型主要應(yīng)用于證券市場，并且大多研究成果只是針對波動的某一個特點運用某一擴(kuò)展形式對序列進(jìn)行分析，并不能全面刻畫金融序列的波動特征。

綜上，本文將研究視角放在我國人民幣理財產(chǎn)品收益率波動上，以銀行短期理財產(chǎn)品為研究對象，分別使用SV-N模型、SV-T模型、SV-杠桿模型從不同角度考察人民幣理財產(chǎn)品收益率波動特征，并比較不同模型的擬合效果。

二、實證分析

1.數(shù)據(jù)說明

（1）樣本選取

根據(jù)普益財富公布的2015年2季度銀行理財能力排名報告顯示，招商銀行在發(fā)行能力、收益能力、風(fēng)險控制能力、理財產(chǎn)品豐富性、信息披露規(guī)范性方面都排名在前。因此對招商銀行理財產(chǎn)品收益率的分析可以代表人民幣理財產(chǎn)品收益率的諸多特征。考慮數(shù)據(jù)的可得性，本文選取已到期招商銀行招銀進(jìn)寶之鼎鼎成金系列理財產(chǎn)品收益率為研究對象，樣本區(qū)間為2013年7月15日至2015年8月27日，收益類型為非保本浮動收益，投資品種為組合投資，理財期限為1-3個月，認(rèn)購起點金額為5萬。由于銀行理財產(chǎn)品市場自身的特性，到期收益率數(shù)據(jù)嚴(yán)重缺失，所以本文所指的收益率為預(yù)期收益率。數(shù)據(jù)主要來源于Ifind數(shù)據(jù)庫，和訊網(wǎng)等。

（2）樣本的統(tǒng)計特征

觀察{yt}的時序圖可以看出序列存在波動的聚集性，即大的波動后面緊跟一段時間大的波動，小的波動后面緊跟一段時間小的波動，說明可能存在條件異方差性。由表1的統(tǒng)計結(jié)果來看，該理財產(chǎn)品收益率序列偏度小于0，具有負(fù)向偏度；峰度統(tǒng)計量大于3，說明該收益率序列具有尖峰厚尾特性；其正態(tài)統(tǒng)計量（J-B）很大，因此拒絕正態(tài)分布的假設(shè)。

波動率建模必須考慮序列的平穩(wěn)性，因此對收益率序列進(jìn)行平穩(wěn)性檢驗，由表2可見，收益率序列在各個顯著性水平下都是拒絕原假設(shè)的，因此是平穩(wěn)序列。

綜合以上分析，可以對人民幣理財產(chǎn)品的對數(shù)收益率序列建立SV模型。

2.估計結(jié)果分析

本文運用馬爾科夫鏈-蒙特卡洛模擬（MCMC）的方法對參數(shù)進(jìn)行估計，通過Openbugs軟件對三類模型進(jìn)行程序化的處理，借此實現(xiàn)對模型參數(shù)后驗分布的檢驗。首先對每個待估參數(shù)進(jìn)行100000次迭代，舍棄最初的10000次，這樣將得到參數(shù)的均值、標(biāo)準(zhǔn)差以及MC誤差值等。

3.模擬結(jié)果的比較分析

通過上表進(jìn)行詳細(xì)分析，可以觀察到：

第一，對于波動水平參數(shù)μ，在SV-杠桿模型和SV-N模型下的模擬值相差不大，說明在這兩個模型下人民幣理財產(chǎn)品的波動水平差異并不顯著。而SV-杠桿模型和SV-N模型要比SV-t模型的參數(shù)估計值要大，這說明人民幣理財產(chǎn)品在SV-N模型和SV-杠桿模型下表現(xiàn)出更強(qiáng)烈的波動。

第二，對于持續(xù)性參數(shù)φ，三類模型的估計值都在0.9以上，最大的SV-t模型為0.956，最小的為SV-N模型為0.905。這一方面驗證了人民幣理財產(chǎn)品市場具有波動的集聚性，另一方面說明SV-t模型能更好的刻畫收益率序列波動持續(xù)性。

第三，對于波動的擾動水平，前文有記τ=σ，因此通過精度參數(shù)τ來衡量。在三個模型參數(shù)τ的估計值中，SV-N模型的τ值最小，且SV-T模型下的τ值要遠(yuǎn)大于SV-N模型和SV-杠桿模型的估計值，因此SV-N模型、SV-杠桿模型擬合下體現(xiàn)出的噪音比SV-t模型的要高，表明SV-t模型能更好的擬合人民幣理財市場收益序列的波動信息。

第四，在SV-t模型中有自由度參數(shù)κ，估計值為6.241，體現(xiàn)了人民幣理財產(chǎn)品具有尖峰厚尾的特性。這一性質(zhì)在SV-N模型和SV-杠桿模型中并不能體現(xiàn)出來。

第五，在SV-杠桿模型中還有考察杠桿效應(yīng)的相關(guān)系數(shù)ρ，估計值為0.256。由于只有在ρ<0時才存在杠桿效應(yīng)，這說明人民幣理財產(chǎn)品在樣本期內(nèi)不存在杠桿效應(yīng)。

4.模型的DIC值比較分析

通過DIC（Deviance Information Criterion）準(zhǔn)則可判斷三類模型的優(yōu)劣。

三、結(jié)論與建議

本文以人民幣理財產(chǎn)品為研究對象，分別采用標(biāo)準(zhǔn)SV模型、SV-T模型、SV-杠桿模型對人民幣理財產(chǎn)品收益率序列的波動性進(jìn)行度量研究。通過實證分析，得出以下結(jié)論與建議：

1.人民幣理財產(chǎn)品的收益率序列存在較強(qiáng)的波動持續(xù)性以及尖峰厚尾特性。這意味著目前在金融脆弱性、金融自由化的背景下，投資者應(yīng)依據(jù)對市場預(yù)期的判斷，合理配置資金，防止收益率大幅波動的極端事件對自身財富的影響；金融機(jī)構(gòu)需要有相應(yīng)的應(yīng)急措施，提高理財產(chǎn)品市場的流動性等，防止異常的收益率波動風(fēng)險。

2.通過波動水平exp（μ）值的觀察，人民幣理財產(chǎn)品在SV-N模型和SV-杠桿模型下表現(xiàn)出更強(qiáng)烈的波動。對于波動的擾動水平，SV-t模型的τ值比SV-標(biāo)準(zhǔn)模型、SV-杠桿模型要高，說明人民幣理財產(chǎn)品在SV-t模型擬合下的噪音小。這表明，SV模型可以用來刻畫人民幣理財產(chǎn)品收益率序列的波動特征，并且相對于標(biāo)準(zhǔn)SV模型以及SV-杠桿模型，SV-t模型有更顯著的效果。

3.本文是以3個月內(nèi)理財產(chǎn)品為研究對象，結(jié)果表明短期限理財產(chǎn)品易受到業(yè)績、市場、投資者行為影響，存在較大不確定性和波動。建議監(jiān)管機(jī)構(gòu)加強(qiáng)對理財產(chǎn)品投資標(biāo)的、募集規(guī)模和信息披露規(guī)則等方面進(jìn)行規(guī)范，降低市場風(fēng)險。

參考文獻(xiàn)：

[1]張偉，趙磊.基于全市場和分機(jī)構(gòu)視角的銀行理財產(chǎn)品收益率波動特征研究[J].華北金融，2015，（9）：4-9.

[2]高勇，王東.商業(yè)銀行理財產(chǎn)品收益率變動特征研究[J].金融理論與實踐，2015，（05）.

[3]Asai M，McAleer M.Alternative Asymmetric Stochastic Volatility Models[J].Econometric Reviews，2011，（5）.

[4]Ana González-Urteaga.Further empirical evidence on stochastic volatility models with jumps in returns[J].Spanish Review of Financial Economics，01/2012； 10（1）：11-17.

[5]樊元，賈蒸.基于SV模型的國際現(xiàn)貨貴金屬市場收益波動的杠桿效應(yīng)分析[J].數(shù)學(xué)的實踐與認(rèn)識，2012，42：53-60.

[6]白仲林，隋雯霞，劉傳文.混合貝塔分布隨機(jī)波動模型及其貝葉斯分析[J].統(tǒng)計與信息論壇，2013，（4）.

[7]Harvey A， etal. Multivariate stochastic variance models [J]. Review of economic studies， 1994， 61： 247- 267.

[8]Ghysel E， Harvey A C， Renault E. Stochastic volatility [J]. Review of Economic Studies， 1994， 132- 183.

[9]Liesenfeld R， Jung R C. Stochastic volatility models： conditional normality versus heavy-tailed distribution [J]. Journal of Applied Eonometrics， 2000， 15： 137- 160.

[10]Ruiz E. Quasi-maximum likelihood estimation of stochastic volatility models [ J]. Journal of Econometrics， 1994，63： 289- 306.

[11]Kim Shephard & Chib. Stochastic volatility： likelihood inference and comparison with ARCH models [J]. Review of Economic Studies， 1998， 65： 361- 393.

[12]Renate Meyer， Jun Yu. BUGS for a Bayesian Analysis of Stochastic Volatility Models [M].Auckland Department of Economics Working Paper No. 212. Avilable at Social Science Research Netw ork（ SSRN） ， 2000.

[13]中央國債登記結(jié)算責(zé)任有限公司、全國銀行業(yè)理財信息登記系統(tǒng).中國銀行業(yè)理財市場年度報告（2014）[R].中國理財網(wǎng)（www.chinawealth.com.cn）2015.05.18.

[14]祝紅梅.銀行理財產(chǎn)品定價的實證研究—從利率市場化的視角[J].投資研究，2012，（9）.

[15]秦偉良，顏華實.基于SV-M模型的全球股市交易指數(shù)波動與收益率的多分辨分析[J].運籌與管理，2010，（02）.

[16]楊義迅，蘇越良.滬深股市的波動性分析--基于t分布下GARCH和SV模型的比較[J].河南科學(xué)，2013，（3）：400-403.