新型冠狀病毒疫情下利率波動性研究

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，由于疫情屬于突發性事件，不是利率波動的關鍵因素具有隨機性、不確定性，因此將新型冠狀病毒疫情當做對利率的外部沖擊。通過構建ARMA模型消除利率的自相關性，進而建立GARCH類模型進行利率波動性研究。實證分析結果表明：Shibor收益率波動存在著顯著的非對稱性，即杠桿效應;上海同業拆解市場無論“好消息”，還是“壞消息”都對市場利率波動產生了正向沖擊，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，對各行業尤其是第三產業的影響不容忽視。在控制疫情蔓延的同時，如何發揮利率對經濟的杠桿作用，對緩解經濟壓力，穩定金融市場情緒至關重要。一、從中觀層面分析，行業的復工延遲將影響行業的利潤率，利潤率的降低會降低貨幣的需求，甚至會提高銀行不良貸款率。二、利率漲跌直接影響著金融產品的定價以及風險規避，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，短期內金融市場波動不確定性增加。

上海銀行間同業拆借利率（Shibor）是我國利率市場化的進程中利率體系的最重要的基礎設施之一。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性事件，不屬于影響利率的內在因素。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時間序列的自相關性，進而通過PARCH和TARCH模型研究Shibor的波動的對稱性以及外部擾動具體的沖擊力度。對于利率的政策性調劑、各產業融資、融市場投資者決策等方面具有一定的參考性。

二、文獻綜述

國內外學者對利率波動性已經進行了一系列充分研究，大多是基于GARCH類模型來對利率進行研究。李志輝、劉勝會（2006）基于 GARCH模型研究拆借利率時間序列模型，以同業拆借市場為例對我國商業銀行利率風險進行了度量研究，研究結果證明，我國國有商業銀行和農村信用社的利率風險偏大，城市商業銀行次之，外資商業銀行利率風險最小。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拆借利率為研究對象，研究發現，通過選擇適當滯后階數的 ARMA-GARCH類模型，可以有效地刻畫同業拆借利率的動態特性。

此外，也有一些學者研究了突發性疫情對國家經濟造成的影響。胡鞍鋼（2003）從潛在經濟增長率的角度指出：雖然SARS會為中國造成嚴重的經濟損失，產生負面影響，但是如果能夠采取有效措施控制疫情擴散和發展，中國經濟仍將保持較高增長率。

綜上所述，各學者的研究或是集中于利率領域，或是研究突發性疫情對國家宏觀層面的影響。本文則是采眾家之所長，將疫情與利率指標相結合的角度進行研究。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，而對經濟的前瞻又刻不容緩，從而在數據選取方面，追溯到13年的Shibor波動較強的時期，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時間序列的自相關性之后通過PARCH和TARCH模型研究Shibor的波動的對稱性以及外部擾動具體的沖擊力度。對于利率的政策性調劑、各產業融資、金融市場投資者決策等方面具有一定的參考性。

三、實證分析

（一）數據的選取與處理

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拆借利率，共1790個交易數據，數據來源于東方財富網。為了更好的觀測Shibor的波動特征并且得到平穩的金融時間序列數據，所以取其自然對數收益率進行分析：

以rt表示Shibor對數收益率。

（二）數據分布特征

從圖 1可以看出，Shibor的波動集聚性非常明顯，大幅度的下降往往伴隨著大幅的上升，因此數據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遠遠大于正態分布峰度值3，因此Shibor收益率具有明顯的尖峰態。一方面可能是數據選取區間的跨度不夠，并且金融時間序列數據往往具有“尖峰后尾”特征。另一方面也可能是國內對于利率產品的投機色彩濃重，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效應相反。

（三）構建ARMA模型

1.序列單位根檢驗。構建ARMA模型的重要前提之一是要求時間序列數據是平穩的，所以在進行模型的構建之前檢驗數據的穩定性，檢驗結果表明Shibor對數收益率序列不含單位根，可以直接用于構建時間序列模型。

2.選擇模型階次。根據Shibor收益率序列的自相關，偏自相關圖可以初步選定ARMA（1，1），ARMA（1，2），ARMA（2，1），ARMA（2，2）四個模型進行參數估計。在Eviews8.0中輸出不同階數的ARMA模型的結果。根據信息準則，ARMA（1，2）的擬合效果最好，但是常數項對應的P值為0.6245，并不顯著，故剔除。剔除之后，重新對模型ARMA（1，2） 進行估計和檢驗，。結果表明，剔除常數項后，模型的系數顯著，并且AIC值更小，說明修改后的模型更加準確，擬合度更好。因此，可以寫出模型表達式為：

（四）構建ARMA-GARCH模型

1.ARCH效應檢驗。前文中ARMA（1，2）模型的殘差序列同Shibor收益率序列一樣，波動集聚性十分明顯，可能仍然存在條件異方差性，所以需要建立GARCH模型進一步消除序列的條件異方差性。建立GARCH類模型之前要先進行ARCH效應檢驗，如果存在ARCH效應才可以進行CARCH模型的擬合。

在Eviews8.0中，進行ARMA（1，2）模型的ARCH-LM檢驗，F統計量的值為159.3917，其對應的p值為0。小于0.01，即在5%的顯著性水平下拒絕原假設，從而說明殘差序列是存在ARCH效應的，因此可以進行GARCH類模型的擬合。

2.GARCH類模型的確定。為了探討Shibor收益率的波動對稱性以及杠桿效應，所以選擇構建PARCH模型以及TARCH模型。一般來說，常令p=1，2，q=1，2。根據輸出結果的AIC，SC，Log likehood等指標確定模型最終階數。

（1）PARCH模型分析。

如表 1所示，在PARCH模型中PARCH（2，2）的AIC，SC同時達到最小，并且對數似然函數值達到最大，所以選取 PARCH（2，2）模型建模的擬合優度達到最優。PARCH（2，2）模型輸出結果為：

同時根據表1可得，PARCH（2，2）模型得ARCH-LM檢驗結果可知，殘差序列不再含有ARCH效應，即PARCH（2，2）模型已經消除了條件異方差性的影響。而且從方程的表達式可以看出Shibor收益率存在著非對稱性效應，即上海同業拆解市場在受到不同類型的消息沖擊時會有不同程度的反應。為了繼續探討這種不同信息對Shibor的沖擊程度，構建TARCH模型進行深度分析。

（2）TARCH模型分析。

如表 2所示，在TARCH模型中TARCH（2，2）的AIC，SC同時達到最小，并且對數似然函數值達到最大，所以選取 TARCH（2，2）模型建模的擬合優度達到最優。

同時根據表2可得，TARCH（2，2）模型的ARCH-LM檢驗結果可知，殘差序列不再含有ARCH效應，即TARCH（2，2）模型已經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，所以模型具備穩定性。項的系數為-0.00093，即上海同業拆解市場確實存在著杠桿效應，再次證明Shibor收益率波動存在非對稱性，同時表明“好消息”的沖擊程度大于“壞消息”的沖擊程度，解釋了Shibor收益率呈現尖峰態。但是遠遠小于ARCH項系數，表明杠桿效應較低。

四、結論與建議

綜上分析，Shibor收益序列是平穩序列，但是具有明顯的“尖峰”態，不服從正態分布，此外Shibor收益率序列圖表明其具有異方差性，應當選用ARMA均值方程消除其異方差性;Shibor收益率波動存在著顯著的非對稱性，即杠桿效應使得上海同業拆解市場在受到不同類型的消息沖擊時會有不同程度的反應;上海同業拆解市場 “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：國家相應部門應當完善信息披露及監督制度，避免由于不實信息引起利率的波動，干擾投資者的決策理性行為，尤其是在當前疫情情況下，謠言猛如虎;在此次新型冠狀病毒下各行業需密切關注財務風險，合理規避，商業銀行做好不良貸款率上升的處理;投資者遇到“利好消息”時可以理性分析，合理交易，但是由于“利空消息”的非對稱效應的存在，因此需要更加冷靜，理性規避風險。

參考文獻：

[1]張文斗，祖正虎，許晴等.突發大規模疫情對經濟的影響分析[A].軍事醫學，2014，38（2）：124-128.

[2]馮科，王德全.同業拆借利率的ARMA-GARCH模型及VaR度量研究[A].中央財經大學學報，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證分析[A].商業經濟，2016（5）：130-132.

[4]胡鞍鋼.SARS危機對我國經濟發展的影響分析[J].管理評論，2003（4）：37-38.

作者單位：天津科技大學