基于GARCH-VaR和GARCH-CVaR模型的貨幣基金產(chǎn)品風險研究

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，我國的理財產(chǎn)品種類也越來越多。基于GARCH-VaR和GARCH-CVaR模型，對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行研究，對其基金收益率的異方差性、尖峰厚尾等特征進行實證分析。實證結(jié)果表明，一是對不同的貨幣基金產(chǎn)品建立VaR和CVaR模型進行風險度量時，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，即其對貨幣基金產(chǎn)品風險的度量優(yōu)于VaR模型。

關(guān)鍵詞：GARCH-VaR;GARCH-CVaR;基金風險

中圖分類號：F830.91? ? ? ? 文獻標志碼：A? ? ? 文章編號：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、理財基金、場內(nèi)基金以及分級基金五種類型，本文主要研究我國基金產(chǎn)品中的貨幣基金產(chǎn)品風險，在貨幣基金產(chǎn)品中選取具有代表性的兩只基金，通過建立模型對這兩只基金的風險進行分析。

二、實證分析

（一）數(shù)據(jù)處理

我國學者在對基金風險進行度量時，一般采用GARCH-VaR、GARCH-CVaR等相關(guān)方法，對理財市場的基金進行分析（如宋光輝等，2014;黃崇珍、曹奇，2017）。本文主要從該角度出發(fā)，比較兩者同時進行GARCH模型時對模型分布選擇是否一致，并研究CVaR和VaR模型對兩款基金產(chǎn)品風險的度量效果是否一致，試圖探討較為科學的貨幣基金產(chǎn)品風險度量模型。

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)，每個基金1 735個數(shù)據(jù)，共3 470個樣本數(shù)據(jù)，用以進行下文的實證分析。考慮到金融產(chǎn)品價格的變動時間序列或其收益回報率序列是比較之下比較平穩(wěn)的，有利于進一步進行實證分析，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數(shù)收益率，Pt是第t天的基金每日萬份收益價格。

由實證結(jié)果可知（表格和圖省略），余額寶的對數(shù)收益率序列是存在波動性的，且JB統(tǒng)計量為264 154.5，這個值遠大于臨界值的，并且峰度為63.44836，也是遠大于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%置信水平下的檢驗標準值，為平穩(wěn)序列。而匯添富全額寶的對數(shù)收益率序列統(tǒng)計特征具有相同特征，因此匯添富全額寶也是尖峰厚尾、不服從正態(tài)分布，同時是平穩(wěn)序列。

對兩只基金處理后的序列進行ARCH-LM和殘差自相關(guān)檢驗，并用LM對序列的條件異方差進行ARCH檢驗。結(jié)果顯示，兩只基金的LM統(tǒng)計量均在1%下顯著，即該殘差序列具有GARCH效應。接下來，對序列建立相應的GARCH族模型進行研究，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GARCH模型下的三種分布進行選擇，選取標準依據(jù)AIC信息準則，GARCH-N分布下應選擇GARCH（1，6），GARCH-t分布下應選擇GARCH（1，3），GARCH-GED分布下應選擇GARCH（1，6）。

（三）VaR的計算

此處建立一個LR統(tǒng)計量，對由VaR模型求出來的值進行檢驗：

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實證結(jié)果可知，在余額寶的時間序列中，GARCH-t模型的LR統(tǒng)計量值是最小的，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間序列中，也僅有GARCH-GED模型的LR統(tǒng)計量值是最小的且在置信區(qū)間內(nèi)。

（四）CVaR的計算

在此構(gòu)建一個檢驗統(tǒng)計量LE，來度量CVaR和VaR在失敗時的差距：

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

CVaR實證結(jié)果表明，在余額寶的時間序列中，GARCH-N模型得出的LE統(tǒng)計量值在三個模型中是最小的。因此對余額寶來說，GARCH-N模型針對CVaR模型的估計效果最佳。在匯添富全額寶的時間序列中，GARCH-t模型的LE統(tǒng)計量值最小。因此對匯添富全額寶來說，GARCH-t模型最適合用來估計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）和騰訊理財通（匯添富全額寶000397）兩個貨幣基金作為研究樣本，最終可以得出以下結(jié)論：首先，對不同的貨幣基金產(chǎn)品建立VaR和CVaR模型進行風險度量時，適合采用的GARCH分布是不同的。如在95%的置信水平下，對于余額寶時間序列來講，在進行VaR模型時最適合采用GARCH-t模型，在進行CVaR模型時最適合采用GARCH-N模型;對于匯添富全額寶時間序列來講，在進行VaR模型時最適合采用GARCH-GED模型，在進行CVaR模型時最適合采用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，即其對貨幣基金產(chǎn)品風險的度量優(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，與此同時這些互聯(lián)網(wǎng)金融產(chǎn)品帶來的風險也就越發(fā)復雜、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險，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)品本身的風險防范出發(fā)，繼續(xù)探索科學的風險度量模型，對金融產(chǎn)品進行風險度量，建立風險預警機制，從兩個角度出發(fā)對我國貨幣基金產(chǎn)品和金融產(chǎn)品進行風險控制。

參考文獻：

[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)品風險和績效評價的實證分析——基于EGARCH-GED模型的VaR方法[J].上海立信會計金融學院學報，2018，（6）：60-69.

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

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