金融证券VaR模式运用思索

1、我国证券市场风险的实证分析

运用VaR模型，对深证证券市场在选定时间段内的风险进行分析．首先确定表达风险的分析指标．在这里，我们只考虑简单情形，直接对股票指数进行分析，这样避免了投资组合对市场因子的映射过程．为了消除价格序列的非平衡，我们将其转化为收益率序列．收益率有一般受益率与几何收益率两种．下面的分析都是建立在几何收益率的基础之上．在计算证券市场资产收益率时，选择了深证综合指数作为市场指数．对Var持有期的选择为一个交易日．以95%作为置信度．样本选用2010年1月4日至2010年5月10日的深证综指日收盘价数据．为简单起见，我们基于GARCH（1，1）模型进行分析。将参数估计结果带入上式即可求出方差，再将方差带入VaR的定义式tt1tVaRPq中就可求得VaR值，其中，tVaR：当天预计下一天深证综指在给定置信度下的最大可能下跌点数，文中取负值；t1P：第t-1天的深证综指指数点数；q：给定置信水平下对应分布的分位数，本文选用GED分布，分位数为1.6448；t：当天预测下一天指数的标准差．于是得到了所有的日Var值，据此求得在95%的置信水平下的检验样本的日均Var值为-37.4518，也就是说，在此期间，从平均的角度来说，深证综指在下一天下跌点数超过37.4518的概率为5%．

当天的实际损失超过Var值记为失败一天，累计共有3天．我们对Var模型进行准确性检验，也称事后检验，是指Var的测量结果对实际损失的覆盖程度．由上面的分析可知实际失败率为0.0357，是实际失败天数占所观测天数的比例．故简单分析该模型通过了准确性检验．当然，也可以对其使用统计量的方法进行检验，常见的是Kupiec失败频率检验．规定一些符号，T为观测天数，N为实际失败天数，p为实际失败频率．基本思想就是检验假设*pp是否显著，*p为期望失败频率，计算T*(1)．假定VaR估计具有时间独立性，失败出现的次数可视为一系列独立的贝努利实验，则在T次实验出现N次的概率为NNTNTCp(1p)，提出的检验统计量：TNNTNN**LR2ln1NTNT2ln1pp．在零假设成立的条件下，统计量服从卡方分布，自由度为1，其在95%置信水平下的临界值为3.84．当LR>3.84时，我们就拒绝原假设．而我们求得的LR值为0.897<3.84，从而接受原模型．

2、结论

从上文我们可以看出，GED分布是适合我国证券市场的情况的．用VaR模型进行风险评估是可行的，且其结果是可信的．但是，Var方法考察的是在正常市场条件下的市场风险状况，并没有考察极端市场条件下或者不可预测事件发生时所带来的风险．另外，Var对历史数据的依赖性也受到了很多批判，假设用历史数据可以很好的预测未来的不确定性，然而突发事件的发生会导致基于历史数据的模型失效．针对诸多不足，学者们提出了更为合理的方法，诸如条件风险价值，尾风险价值等多种方法。