章楷樂　張藝　李金金

摘要：本文基于新型冠狀病毒疫情蔓延的市場背景出發(fā)，由于疫情屬于突發(fā)性事件，不是利率波動(dòng)的關(guān)鍵因素具有隨機(jī)性、不確定性，因此將新型冠狀病毒疫情當(dāng)做對利率的外部沖擊。通過構(gòu)建ARMA模型消除利率的自相關(guān)性，進(jìn)而建立GARCH類模型進(jìn)行利率波動(dòng)性研究。實(shí)證分析結(jié)果表明：Shibor收益率波動(dòng)存在著顯著的非對稱性，即杠桿效應(yīng);上海同業(yè)拆解市場無論“好消息”，還是“壞消息”都對市場利率波動(dòng)產(chǎn)生了正向沖擊，且“好消息”的沖擊程度大于“壞消息”的沖擊程度。

關(guān)鍵詞：新型冠狀病毒疫情? 利率? GARCH類模型

一、引言

2020年開年，新型冠狀病毒疫情迅速蔓延，對各行業(yè)尤其是第三產(chǎn)業(yè)的影響不容忽視。在控制疫情蔓延的同時(shí)，如何發(fā)揮利率對經(jīng)濟(jì)的杠桿作用，對緩解經(jīng)濟(jì)壓力，穩(wěn)定金融市場情緒至關(guān)重要。一、從中觀層面分析，行業(yè)的復(fù)工延遲將影響行業(yè)的利潤率，利潤率的降低會(huì)降低貨幣的需求，甚至?xí)岣咩y行不良貸款率。二、利率漲跌直接影響著金融產(chǎn)品的定價(jià)以及風(fēng)險(xiǎn)規(guī)避，疫情期間，金融市場的惶恐情緒高漲，引起投資者非理性行為增加，短期內(nèi)金融市場波動(dòng)不確定性增加。

上海銀行間同業(yè)拆借利率（Shibor）是我國利率市場化的進(jìn)程中利率體系的最重要的基礎(chǔ)設(shè)施之一。以Shibor為核心的利率體系正在形成，所以選取Shibor具有一定的代表性。新型冠狀病毒作為突發(fā)性事件，不屬于影響利率的內(nèi)在因素。因此將疫情作為一次外部沖擊，研究其所帶來的擾動(dòng)的不確定性以及沖擊程度。以建立ARMA模型作為均值方程消除Shibor時(shí)間序列的自相關(guān)性，進(jìn)而通過PARCH和TARCH模型研究Shibor的波動(dòng)的對稱性以及外部擾動(dòng)具體的沖擊力度。對于利率的政策性調(diào)劑、各產(chǎn)業(yè)融資、融市場投資者決策等方面具有一定的參考性。

二、文獻(xiàn)綜述

國內(nèi)外學(xué)者對利率波動(dòng)性已經(jīng)進(jìn)行了一系列充分研究，大多是基于GARCH類模型來對利率進(jìn)行研究。李志輝、劉勝會(huì)（2006）基于 GARCH模型研究拆借利率時(shí)間序列模型，以同業(yè)拆借市場為例對我國商業(yè)銀行利率風(fēng)險(xiǎn)進(jìn)行了度量研究，研究結(jié)果證明，我國國有商業(yè)銀行和農(nóng)村信用社的利率風(fēng)險(xiǎn)偏大，城市商業(yè)銀行次之，外資商業(yè)銀行利率風(fēng)險(xiǎn)最小。馮科、王德全（2009）以 2002年6月4日至 2009年3月31日期間我國銀行同業(yè)拆借利率為研究對象，研究發(fā)現(xiàn)，通過選擇適當(dāng)滯后階數(shù)的 ARMA-GARCH類模型，可以有效地刻畫同業(yè)拆借利率的動(dòng)態(tài)特性。

此外，也有一些學(xué)者研究了突發(fā)性疫情對國家經(jīng)濟(jì)造成的影響。胡鞍鋼（2003）從潛在經(jīng)濟(jì)增長率的角度指出：雖然SARS會(huì)為中國造成嚴(yán)重的經(jīng)濟(jì)損失，產(chǎn)生負(fù)面影響，但是如果能夠采取有效措施控制疫情擴(kuò)散和發(fā)展，中國經(jīng)濟(jì)仍將保持較高增長率。

綜上所述，各學(xué)者的研究或是集中于利率領(lǐng)域，或是研究突發(fā)性疫情對國家宏觀層面的影響。本文則是采眾家之所長，將疫情與利率指標(biāo)相結(jié)合的角度進(jìn)行研究。研究角度新穎是特色之一，另一方面由于新型疫情并未完全控制，而對經(jīng)濟(jì)的前瞻又刻不容緩，從而在數(shù)據(jù)選取方面，追溯到13年的Shibor波動(dòng)較強(qiáng)的時(shí)期，以史為鑒，使得模型在此次疫情下得到更好的擬合。在建立ARMA模型作為均值方程消除Shibor時(shí)間序列的自相關(guān)性之后通過PARCH和TARCH模型研究Shibor的波動(dòng)的對稱性以及外部擾動(dòng)具體的沖擊力度。對于利率的政策性調(diào)劑、各產(chǎn)業(yè)融資、金融市場投資者決策等方面具有一定的參考性。

三、實(shí)證分析

（一）數(shù)據(jù)的選取與處理

選取2013年1月4日至2020年3月6日的上海銀行間隔夜同業(yè)拆借利率，共1790個(gè)交易數(shù)據(jù)，數(shù)據(jù)來源于東方財(cái)富網(wǎng)。為了更好的觀測Shibor的波動(dòng)特征并且得到平穩(wěn)的金融時(shí)間序列數(shù)據(jù)，所以取其自然對數(shù)收益率進(jìn)行分析：

以rt表示Shibor對數(shù)收益率。

（二）數(shù)據(jù)分布特征

從圖 1可以看出，Shibor的波動(dòng)集聚性非常明顯，大幅度的下降往往伴隨著大幅的上升，因此數(shù)據(jù)可能存在條件異方差性。

從圖 2可以看出Shibor直方圖的分布峰度為20.82995遠(yuǎn)遠(yuǎn)大于正態(tài)分布峰度值3，因此Shibor收益率具有明顯的尖峰態(tài)。一方面可能是數(shù)據(jù)選取區(qū)間的跨度不夠，并且金融時(shí)間序列數(shù)據(jù)往往具有“尖峰后尾”特征。另一方面也可能是國內(nèi)對于利率產(chǎn)品的投機(jī)色彩濃重，利好消息的沖擊程度反而大于利空消息沖擊程度，與國外資本市場的滾動(dòng)效應(yīng)相反。

（三）構(gòu)建ARMA模型

1.序列單位根檢驗(yàn)。構(gòu)建ARMA模型的重要前提之一是要求時(shí)間序列數(shù)據(jù)是平穩(wěn)的，所以在進(jìn)行模型的構(gòu)建之前檢驗(yàn)數(shù)據(jù)的穩(wěn)定性，檢驗(yàn)結(jié)果表明Shibor對數(shù)收益率序列不含單位根，可以直接用于構(gòu)建時(shí)間序列模型。

2.選擇模型階次。根據(jù)Shibor收益率序列的自相關(guān)，偏自相關(guān)圖可以初步選定ARMA（1，1），ARMA（1，2），ARMA（2，1），ARMA（2，2）四個(gè)模型進(jìn)行參數(shù)估計(jì)。在Eviews8.0中輸出不同階數(shù)的ARMA模型的結(jié)果。根據(jù)信息準(zhǔn)則，ARMA（1，2）的擬合效果最好，但是常數(shù)項(xiàng)對應(yīng)的P值為0.6245，并不顯著，故剔除。剔除之后，重新對模型ARMA（1，2） 進(jìn)行估計(jì)和檢驗(yàn)，。結(jié)果表明，剔除常數(shù)項(xiàng)后，模型的系數(shù)顯著，并且AIC值更小，說明修改后的模型更加準(zhǔn)確，擬合度更好。因此，可以寫出模型表達(dá)式為：

（四）構(gòu)建ARMA-GARCH模型

1.ARCH效應(yīng)檢驗(yàn)。前文中ARMA（1，2）模型的殘差序列同Shibor收益率序列一樣，波動(dòng)集聚性十分明顯，可能仍然存在條件異方差性，所以需要建立GARCH模型進(jìn)一步消除序列的條件異方差性。建立GARCH類模型之前要先進(jìn)行ARCH效應(yīng)檢驗(yàn)，如果存在ARCH效應(yīng)才可以進(jìn)行CARCH模型的擬合。

在Eviews8.0中，進(jìn)行ARMA（1，2）模型的ARCH-LM檢驗(yàn)，F(xiàn)統(tǒng)計(jì)量的值為159.3917，其對應(yīng)的p值為0。小于0.01，即在5%的顯著性水平下拒絕原假設(shè)，從而說明殘差序列是存在ARCH效應(yīng)的，因此可以進(jìn)行GARCH類模型的擬合。

2.GARCH類模型的確定。為了探討Shibor收益率的波動(dòng)對稱性以及杠桿效應(yīng)，所以選擇構(gòu)建PARCH模型以及TARCH模型。一般來說，常令p=1，2，q=1，2。根據(jù)輸出結(jié)果的AIC，SC，Log likehood等指標(biāo)確定模型最終階數(shù)。

（1）PARCH模型分析。

如表 1所示，在PARCH模型中PARCH（2，2）的AIC，SC同時(shí)達(dá)到最小，并且對數(shù)似然函數(shù)值達(dá)到最大，所以選取 PARCH（2，2）模型建模的擬合優(yōu)度達(dá)到最優(yōu)。PARCH（2，2）模型輸出結(jié)果為：

同時(shí)根據(jù)表1可得，PARCH（2，2）模型得ARCH-LM檢驗(yàn)結(jié)果可知，殘差序列不再含有ARCH效應(yīng)，即PARCH（2，2）模型已經(jīng)消除了條件異方差性的影響。而且從方程的表達(dá)式可以看出Shibor收益率存在著非對稱性效應(yīng)，即上海同業(yè)拆解市場在受到不同類型的消息沖擊時(shí)會(huì)有不同程度的反應(yīng)。為了繼續(xù)探討這種不同信息對Shibor的沖擊程度，構(gòu)建TARCH模型進(jìn)行深度分析。

（2）TARCH模型分析。

如表 2所示，在TARCH模型中TARCH（2，2）的AIC，SC同時(shí)達(dá)到最小，并且對數(shù)似然函數(shù)值達(dá)到最大，所以選取 TARCH（2，2）模型建模的擬合優(yōu)度達(dá)到最優(yōu)。

同時(shí)根據(jù)表2可得，TARCH（2，2）模型的ARCH-LM檢驗(yàn)結(jié)果可知，殘差序列不再含有ARCH效應(yīng)，即TARCH（2，2）模型已經(jīng)消除了條件異方差型的影響。并且由于條件方差圖表明條件方差都大于零，所以模型具備穩(wěn)定性。項(xiàng)的系數(shù)為-0.00093，即上海同業(yè)拆解市場確實(shí)存在著杠桿效應(yīng)，再次證明Shibor收益率波動(dòng)存在非對稱性，同時(shí)表明“好消息”的沖擊程度大于“壞消息”的沖擊程度，解釋了Shibor收益率呈現(xiàn)尖峰態(tài)。但是遠(yuǎn)遠(yuǎn)小于ARCH項(xiàng)系數(shù)，表明杠桿效應(yīng)較低。

四、結(jié)論與建議

綜上分析，Shibor收益序列是平穩(wěn)序列，但是具有明顯的“尖峰”態(tài)，不服從正態(tài)分布，此外Shibor收益率序列圖表明其具有異方差性，應(yīng)當(dāng)選用ARMA均值方程消除其異方差性;Shibor收益率波動(dòng)存在著顯著的非對稱性，即杠桿效應(yīng)使得上海同業(yè)拆解市場在受到不同類型的消息沖擊時(shí)會(huì)有不同程度的反應(yīng);上海同業(yè)拆解市場 “好消息”的沖擊程度大于“壞消息”的沖擊程度。

鑒于Shibor以上特征，提出以下參考性建議：國家相應(yīng)部門應(yīng)當(dāng)完善信息披露及監(jiān)督制度，避免由于不實(shí)信息引起利率的波動(dòng)，干擾投資者的決策理性行為，尤其是在當(dāng)前疫情情況下，謠言猛如虎;在此次新型冠狀病毒下各行業(yè)需密切關(guān)注財(cái)務(wù)風(fēng)險(xiǎn)，合理規(guī)避，商業(yè)銀行做好不良貸款率上升的處理;投資者遇到“利好消息”時(shí)可以理性分析，合理交易，但是由于“利空消息”的非對稱效應(yīng)的存在，因此需要更加冷靜，理性規(guī)避風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1]張文斗，祖正虎，許晴等.突發(fā)大規(guī)模疫情對經(jīng)濟(jì)的影響分析[A].軍事醫(yī)學(xué)，2014，38（2）：124-128.

[2]馮科，王德全.同業(yè)拆借利率的ARMA-GARCH模型及VaR度量研究[A].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2009（11）：36-40.

[3]夏若雯，程宇.基于ARIMA-GARCH模型對上海銀行間隔夜拆放利率的實(shí)證分析[A].商業(yè)經(jīng)濟(jì)，2016（5）：130-132.

[4]胡鞍鋼.SARS危機(jī)對我國經(jīng)濟(jì)發(fā)展的影響分析[J].管理評(píng)論，2003（4）：37-38.

作者單位：天津科技大學(xué)