基于GARCH-VaR和GARCH-CVaR模型的貨幣基金產(chǎn)品風(fēng)險(xiǎn)研究

劉倩 李潔

摘 要：隨著我國互聯(lián)網(wǎng)金融模式的不斷發(fā)展，我國的理財(cái)產(chǎn)品種類也越來越多?；贕ARCH-VaR和GARCH-CVaR模型，對(duì)我國基金市場中具有代表性的天弘余額寶基金以及匯添富全額寶進(jìn)行研究，對(duì)其基金收益率的異方差性、尖峰厚尾等特征進(jìn)行實(shí)證分析。實(shí)證結(jié)果表明，一是對(duì)不同的貨幣基金產(chǎn)品建立VaR和CVaR模型進(jìn)行風(fēng)險(xiǎn)度量時(shí)，適合采用的GARCH分布是不同的;二是在相同分布下，CVaR模型可以更有效地覆蓋可能損失的最大值，即其對(duì)貨幣基金產(chǎn)品風(fēng)險(xiǎn)的度量優(yōu)于VaR模型。

關(guān)鍵詞：GARCH-VaR;GARCH-CVaR;基金風(fēng)險(xiǎn)

中圖分類號(hào)：F830.91? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：1673-291X（2019）21-0082-02

一、互聯(lián)網(wǎng)金融發(fā)展概述

隨著近幾年的發(fā)展，目前我國互聯(lián)網(wǎng)金融主要分為三大類：以支付寶、微信支付為代表的支付類，以P2P、眾籌模式為代表的融資類，以及以余額寶等“寶寶”類為代表的理財(cái)類（祝福云等，2018）。我國的基金產(chǎn)品主要分為開放式基金、貨幣基金、理財(cái)基金、場內(nèi)基金以及分級(jí)基金五種類型，本文主要研究我國基金產(chǎn)品中的貨幣基金產(chǎn)品風(fēng)險(xiǎn)，在貨幣基金產(chǎn)品中選取具有代表性的兩只基金，通過建立模型對(duì)這兩只基金的風(fēng)險(xiǎn)進(jìn)行分析。

二、實(shí)證分析

（一）數(shù)據(jù)處理

我國學(xué)者在對(duì)基金風(fēng)險(xiǎn)進(jìn)行度量時(shí)，一般采用GARCH-VaR、GARCH-CVaR等相關(guān)方法，對(duì)理財(cái)市場的基金進(jìn)行分析（如宋光輝等，2014;黃崇珍、曹奇，2017）。本文主要從該角度出發(fā)，比較兩者同時(shí)進(jìn)行GARCH模型時(shí)對(duì)模型分布選擇是否一致，并研究CVaR和VaR模型對(duì)兩款基金產(chǎn)品風(fēng)險(xiǎn)的度量效果是否一致，試圖探討較為科學(xué)的貨幣基金產(chǎn)品風(fēng)險(xiǎn)度量模型。

因此，本文以天弘余額寶（000198）和匯添富全額寶（000397）作為研究樣本，從天天基金網(wǎng)選取兩個(gè)樣本2014年4月1日至2018年12月31日的基金每萬份收益數(shù)據(jù)，每個(gè)基金1 735個(gè)數(shù)據(jù)，共3 470個(gè)樣本數(shù)據(jù)，用以進(jìn)行下文的實(shí)證分析?？紤]到金融產(chǎn)品價(jià)格的變動(dòng)時(shí)間序列或其收益回報(bào)率序列是比較之下比較平穩(wěn)的，有利于進(jìn)一步進(jìn)行實(shí)證分析，因此本文利用公式Rt=lnPt-lnPt-1，即基金每日萬份收益的對(duì)數(shù)收益率來作為樣本數(shù)據(jù)，式中Rt是基金每日萬份收益的對(duì)數(shù)收益率，Pt是第t天的基金每日萬份收益價(jià)格。

由實(shí)證結(jié)果可知（表格和圖省略），余額寶的對(duì)數(shù)收益率序列是存在波動(dòng)性的，且JB統(tǒng)計(jì)量為264 154.5，這個(gè)值遠(yuǎn)大于臨界值的，并且峰度為63.44836，也是遠(yuǎn)大于3，偏度為0.037842，大于0，即為右偏。因此，該序列存在尖峰、后尾的特征，不服從正態(tài)分布的。其ADF的值為-34.65817，該值小于1%置信水平下的檢驗(yàn)標(biāo)準(zhǔn)值，為平穩(wěn)序列。而匯添富全額寶的對(duì)數(shù)收益率序列統(tǒng)計(jì)特征具有相同特征，因此匯添富全額寶也是尖峰厚尾、不服從正態(tài)分布，同時(shí)是平穩(wěn)序列。

對(duì)兩只基金處理后的序列進(jìn)行ARCH-LM和殘差自相關(guān)檢驗(yàn)，并用LM對(duì)序列的條件異方差進(jìn)行ARCH檢驗(yàn)。結(jié)果顯示，兩只基金的LM統(tǒng)計(jì)量均在1%下顯著，即該殘差序列具有GARCH效應(yīng)。接下來，對(duì)序列建立相應(yīng)的GARCH族模型進(jìn)行研究，確定在不同分布下的GARCH模型選擇。

（二）GARCH模型的選擇

將余額寶在給定95%的置信水平下，分別對(duì)GARCH模型下的三種分布進(jìn)行選擇，選取標(biāo)準(zhǔn)依據(jù)AIC信息準(zhǔn)則，GARCH-N分布下應(yīng)選擇GARCH（1，6），GARCH-t分布下應(yīng)選擇GARCH（1，3），GARCH-GED分布下應(yīng)選擇GARCH（1，6）。

（三）VaR的計(jì)算

此處建立一個(gè)LR統(tǒng)計(jì)量，對(duì)由VaR模型求出來的值進(jìn)行檢驗(yàn)：

在置信水平為95%的情況下，置信區(qū)間接受域的臨界值分別為0和3.84。由VaR實(shí)證結(jié)果可知，在余額寶的時(shí)間序列中，GARCH-t模型的LR統(tǒng)計(jì)量值是最小的，并且也僅有該值是在置信區(qū)間里的。而在匯添富全額寶的時(shí)間序列中，也僅有GARCH-GED模型的LR統(tǒng)計(jì)量值是最小的且在置信區(qū)間內(nèi)。

（四）CVaR的計(jì)算

在此構(gòu)建一個(gè)檢驗(yàn)統(tǒng)計(jì)量LE，來度量CVaR和VaR在失敗時(shí)的差距：

LE度量的是CVaR覆蓋可能損失的最大值的程度，若LE統(tǒng)計(jì)量越小，則說明兩者差距越小，則代表其對(duì)基金產(chǎn)品風(fēng)險(xiǎn)的度量較好。

CVaR實(shí)證結(jié)果表明，在余額寶的時(shí)間序列中，GARCH-N模型得出的LE統(tǒng)計(jì)量值在三個(gè)模型中是最小的。因此對(duì)余額寶來說，GARCH-N模型針對(duì)CVaR模型的估計(jì)效果最佳。在匯添富全額寶的時(shí)間序列中，GARCH-t模型的LE統(tǒng)計(jì)量值最小。因此對(duì)匯添富全額寶來說，GARCH-t模型最適合用來估計(jì)CVaR。

三、結(jié)語

本文選取了貨幣基金市場中以余額寶（天弘余額寶000198）和騰訊理財(cái)通（匯添富全額寶000397）兩個(gè)貨幣基金作為研究樣本，最終可以得出以下結(jié)論：首先，對(duì)不同的貨幣基金產(chǎn)品建立VaR和CVaR模型進(jìn)行風(fēng)險(xiǎn)度量時(shí)，適合采用的GARCH分布是不同的。如在95%的置信水平下，對(duì)于余額寶時(shí)間序列來講，在進(jìn)行VaR模型時(shí)最適合采用GARCH-t模型，在進(jìn)行CVaR模型時(shí)最適合采用GARCH-N模型;對(duì)于匯添富全額寶時(shí)間序列來講，在進(jìn)行VaR模型時(shí)最適合采用GARCH-GED模型，在進(jìn)行CVaR模型時(shí)最適合采用GARCH-t模型。其次，在相同分布下，CVaR模型可以更有效地覆蓋可能損失的最大值，即其對(duì)貨幣基金產(chǎn)品風(fēng)險(xiǎn)的度量優(yōu)于VaR模型。

隨著我國金融體系的不斷完善，互聯(lián)網(wǎng)金融形式不斷豐富，與此同時(shí)這些互聯(lián)網(wǎng)金融產(chǎn)品帶來的風(fēng)險(xiǎn)也就越發(fā)復(fù)雜、越發(fā)多變。防范互聯(lián)網(wǎng)金融產(chǎn)品或金融體系中的風(fēng)險(xiǎn)，不僅要從國家監(jiān)管出發(fā)，健全金融監(jiān)管體系，提高監(jiān)管效能，還要從金融產(chǎn)品本身的風(fēng)險(xiǎn)防范出發(fā)，繼續(xù)探索科學(xué)的風(fēng)險(xiǎn)度量模型，對(duì)金融產(chǎn)品進(jìn)行風(fēng)險(xiǎn)度量，建立風(fēng)險(xiǎn)預(yù)警機(jī)制，從兩個(gè)角度出發(fā)對(duì)我國貨幣基金產(chǎn)品和金融產(chǎn)品進(jìn)行風(fēng)險(xiǎn)控制。

參考文獻(xiàn)：

[1]? 謝平，鄒傳偉.互聯(lián)網(wǎng)金融模式研究[J].金融研究，2012，（12）：11-22.

[2]? 祝福云，周穎，陳媛.互聯(lián)網(wǎng)金融產(chǎn)品風(fēng)險(xiǎn)和績效評(píng)價(jià)的實(shí)證分析——基于EGARCH-GED模型的VaR方法[J].上海立信會(huì)計(jì)金融學(xué)院學(xué)報(bào)，2018，（6）：60-69.

[3]? 宋光輝，吳超，吳栩.互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)度量模型選擇研究[J].金融理論與實(shí)踐，2014，（12）：16-19.

[4]? 黃崇珍，曹奇.基于GARCH-VaR模型的開放式基金風(fēng)險(xiǎn)度量[J].統(tǒng)計(jì)與決策，2017，（1）：152-155.