1、基于極值理論的同業(tngy)拆借利率風險度量 基于AR-GARCH-POT方法的VaR值的比較分析 匯報(hubo)人：湯 敏 鐘芳清 專 業：金 融 時 間：2014年12月25日文章來源：數量經濟技術經濟研究，2009（08）共二十七頁目 錄 三、實證(shzhng)研究一、寫作(xizu)背景與文獻綜述 二、理論模型詳解 四、結論分析與政策建議2共二十七頁2013年工作(gngzu)總結寫作(xizu)背景1、利率市場化2、巴塞爾協議要求利率風險管理3、銀監會在商業銀行市場風險管理指引指出鼓勵內部模型計量風險價值1.1 寫 作 背 景3共二十七頁1.2 文獻(wnxin)綜述VaR研究

2、我國同業拆借利率及市場(shchng)風險方法：ARIMA及GARCH模型擬合我國銀行隔夜拆借市場利 率收益序列結論：AIMA模型的預測能力比GARCH模型更好 方法：ARCH模型以及VAR模型 結論：通過上述模型能夠度量銀行間7日同業拆借利 率風險任兆璋、彭化非（2005）李志輝、劉勝會（2006）共二十七頁1.2 文獻(wnxin)綜述VaR研究我國同業拆借利率(ll)及市場風險方法：采用VaR模型通過2002年11月11日至2006年3月30日我國銀行間同業拆借市場每日加權平均利率進行實證研究,結論：顯示t分布不適合描述我國銀行間同業拆借利率序列的分布狀況,，GED分布能較好刻畫我國同業

3、拆借利率序列的分布。方法：采用基于廣義誤差分布假設的ARMA一GARCH模型結論：擬合了同業拆借市場利率不對稱的尾部特征,測度了我國各類商業銀行該項業務的市場風險和風險結構。李成、馬國校(2007）許友傳等(2007）共二十七頁1、EVT極值理論（關注尾部特征，前提：獨立(dl)同分布）1、正態分布2、學生(xu sheng)T分布3、GED分布參數方法改進措施1.2 文獻綜述共二十七頁MCMC估計(gj)VaREVT和GRACH滬深股市的極值(j zh)VaR測度GARCH和SV對比研究VAREVT和正態，t分布對比EVT在測量極端風險有極強的優越性王春峰（2000）封建強（2002）余素紅

4、（2004）魏宇（2008）1.2 文獻綜述問題：1、忽略獨立同分布前提。2、缺乏規范的后驗分析。共二十七頁AR-GARCH模型近似(jn s)獨立同分布的殘差序列AR-GARCH模型近似獨立同分布(fnb)的殘差序列VaR回測檢驗1.3 文章創新POT對殘差序列極值分析得出殘差序列VaR和ES，回代得出序列VaR和ES。規范方法回測檢驗檢測同業拆借市場風險歷史變動情況VS共二十七頁2013年工作(gngzu)總結寫作(xizu)背景2.1 理論模型（1） 注：ESp定義為在一定的置信水平p下,某一資產或投資組合在未來特定時間內的損失超過VaRp的條件期望,它滿足次可加性、齊次性、單調性、平移

5、不變性條件,是一致性風險度量模型。9共二十七頁寫作(xizu)背景2.1 理論(lln)模型（2）10共二十七頁寫作(xizu)背景2.2 參數估計（1）超期限期望(qwng)圖：（確定閾值u） 超限函數期望圖為點(u,e(u)構成的曲線,選取充分大的u作為閾值,使得當xu時e(x)為近似線性函數。 （1）當xu時如果e(u)向上傾斜,說明參數為正; （2）如果e(u)當xu時向下傾斜,說明數據來源于尾GPD分布。 在參數1時，具有(jyu)明顯的帕累托分布閾值(y zh)U估計3 實證分析（3） 根據公式計算得到各類模型所得到的殘差序列的超限期望圖。共二十七頁GPD參數值3 實證(shzhn

6、g)分析（4）說 明 Embrechets(1999)認為，1/應該在3-4之間，但是表中的卻不符合，原因是AR-GARCH模型，過濾了，得到的殘差序列(xli)在一定程度上消除了尖峰后尾現象，所以估計值會偏小。共二十七頁3 實證(shzhng)分析（5）共二十七頁其中 是條件(tiojin)方差序列收益率序列(xli)的VaR，ES估計3 實證分析（6） 在得到殘差序列VaR,ES值后，把殘差序列的VaR，ES代入說模擬的AR(1)-GARCH(1,1)模型中。然后得出收益率序列RT的VaR,ES值，由于收益率序列的Rt的VaR和ES值是時變的，數據為能一一列出。共二十七頁回測檢驗(jiny

7、n)3 實證(shzhng)分析（7）它是指檢驗VaR模型的計算結果對實際損失的覆蓋程度。 選取樣本期內的交易日的VaR與同期實際回報進行對比,計算溢出(失敗)天數N。溢出率E=N/T,并將E值與顯著性水平1-c進行比較,來判定模型的準確性。（1）若E1-c,說明模型低估了風險;（2）E3.841,拒絕LR3.841,接受共二十七頁結論(jiln)3 實證(shzhng)分析（8）（1）u變化時，溢出天數影響不大，GDP分布對于殘差尾部擬合具有穩定性。（2）95%,99%,雖然高估了風險（E5%)，但是LR均接近3.841，即使未通過檢驗，但是也未出現低估風險。共二十七頁計算方法：非極值方法(

8、fngf)估計效果3 實證(shzhng)分析（9）PK 由GARCH(1,1)模型回歸得到的參數估計值,通過條件方差,從而得到時變的標準差,乘以收益率分布不同假設下的相應置信度的分位數,得到時變的VaRt,其中初始資產在此標準化為1。共二十七頁結論(jiln)3 實證(shzhng)分析（10）（1）VaR值比經過POT方法估計得明顯偏小。（2）t分布除外，其他兩類均通過Kupiec檢驗，出現低估風險，而t分布下，又嚴重高估風險，而且差別很大。AR-GARCH-POT方法更優 理由：(1)沒有低估風險;(2)沒有嚴重高估風險;(3)無論采用何種殘差估計模型(收益率時間序列方程),所得結果差異

9、不大;(4)GPD超限樣本數量對于最終風險估計結果影響不大。共二十七頁3 實證(shzhng)分析（11）AR-GARCH-POT方法考察長期(chngq)變動趨勢共二十七頁1.2.政府(zhngf)商業銀行(shn y yn xn)穩步推進利率市場化進程,利率市場化改革不可冒進加大金融市場創新力度,完善和豐富利率期貨期權等利率風險管理工具市場引進先進的利率風險管理模型、方法和技術。健全利率風險管理組織體系,有效地管理和控制利率風險。1.2.3 結論與建議共二十七頁講解(jingji)者：湯 敏共二十七頁內容摘要基于極值理論的同業拆借利率風險度量。文章來源：數量經濟技術經濟研究，2009（08）。結論：AIMA模型的預測能力比GARCH模型更好。 結論：通過上述模型能夠度量銀行間7日同業拆借利。方法：采用VaR模型通過2002年11月11日至2006年3月30日我國銀行間同業拆借市場每日加權平均利率進行實證研究,。（1）當xu時如果e(u)