VAR模型在我國同業拆借市場中的應用研究

姜怡悅（陜西國際商貿學院）

■引言

商業銀行作為金融機構的核心，利率的變動對金融市場的穩定發揮重要的作用。1996年，同業拆借市場開始實現利率市場化，迄今為止，已經經歷了20年的歷程。此外，2015年央行多次調整利息，如何應對利率的變動帶來的影響值得我們深思。利率的市場化對商業銀行產生一定的影響，同時對其經營方式也提出更高的要求，VAR模型的應用就是在利率市場化的背景下產生的，根據歷史數據的變化特點，借助不同的方法對未來的損失進行估計，在衡量市場利率風險方面占據一定的優勢。

目前，關于VAR模型的應用為數不少，主要應用于金融領域。張寧（2013）通過VAR模型的建立，對利率風險衡量中的不同方法進行比較，得出GARCH模型估算VAR的結果較為準確，但長期應用時，應結合多種方法進行，提高預測的準確度[1]。辛俚（2012）從GARCH及正態分布法兩個方面應用參數法對同業拆借利率風險VAR進行度量，發現兩種方法在估計結果上的差異，得出在極端風險情況下應采用GARCH模型進行估算的結論[2]。房小定、呂鵬（2013）研究發現GARCH和EGARCH在估算上海同業拆借利率收益率的VAR時具有較好的效果[3]。宿玉海、王美伶（2015）通過GARCH和TGARCH的對比研究，發現商業銀行利率風險呈現增大的趨勢[4]。陳思婧（2013）運用GARCH模型對數據進行分析，得出同業拆借利率厚尾、負偏度等基本特性[5]。縱觀相關研究，發現學者們主要從參數法角度對VAR模型進行估計，而非參數方面的研究比較欠缺。那么，我國現階段同業拆借市場利率呈現何種特征，如何運用非參數法解決VAR模型在同業拆借中的應用，本文主要從這兩方面對我國同業拆借市場進行探討。

■VAR模型實證部分

（一）數據來源

本文將數據分成兩部分進行處理，選取2012年1月4日到2014年12月31日上海同業拆借利率共749個數據作為基礎數據，借此了解我國同業拆借市場的基本情況，選取2015年1月4日到2015年12月31日上海同業拆借利率共248個數據作為樣本外的預測，借此了解VAR模型在我國同業拆借市場的應用。所有數據處理采用EXCEL，EVIEWS6.0及JAVA軟件完成。

我國同業拆借利率波動比較明顯，因此，在數據分析之前，需要對原始數據進行處理，將同業拆借利率取對數后進行差分，得到同業拆借利率收益率，記為rt=lnshibort-lnshibort-1。

（二）數據檢驗

1.正態性檢驗

建立VAR模型時，需要對數據的分布情況有所了解。因此，本文首先對收益率數據進行正態性檢驗,同業拆借收益率的均值為1.16e-05，標準差為0.093170，峰度值為13.69279，遠大于正態分布的3，因此呈現尖峰右偏的形態。Jarque-Bera的值為3563.963，遠大于95%置信區間的臨界值，且對應概率值為0，小于0.05，因此，拒絕原假設，同業拆借利率收益率不服從正態分布。

2.平穩性檢驗

數據只有在滿足平穩性的前提下，才可以進行相應模型的建立。本文借用ADF檢測方法對數據的平穩性進行分析[6]，由于是收益率的數據，因此，選取不含截距及趨勢項，平穩性檢驗結果如表1所示。

表1 同業拆借利率收益率ADF檢驗結果

從表1可以看出，ADF檢驗值為-22.87211，小于95%置信區間的臨界值，且對應概率值為0，小于0.05，因此，拒絕原假設，同業拆借利率收益率不存在單位根，即數據是平穩的，可以進行VAR模型的建立。

3.自相關性檢驗

對于金融時間數據，常存在后一時刻與前一時刻的數據密切相關，即存在自相關問題。因此，需要對同業拆借利率收益率的數據進行自相關性分析，收益率與其滯后一期的概率值為0，小于0.05。因此，拒絕原假設，原數據存在自相關性。同時可以看出，自相關系數和偏自相關系數在k=1后很快地趨于0 ，因此取p=1，q=1，通過ARMA（1,1）對模型進行估計。

4.異方差性檢驗

由于金融時間序列數據可能存在異方差現象，需要對同業拆借利率收益率的數據進行異方差檢驗。根據自相關性的檢驗結果，本文采取對ARMA（1,1）的殘差進行分析。在k≧10，殘差序列的自相關系數近似為0，即存在異方差，同業拆借利率收益率存在波動的聚集性。

（三）VAR模型的應用

VAR模型的計算方法很多，如參數法、半參數法、非參數法等[7]，根據前文數據檢驗的結果，結合本文的研究，在此選取非參數法對VAR模型進行估計，主要運用歷史模擬法和蒙特卡洛模擬法兩種方法完成。

1.歷史模擬法

根據相關原理，其計算過程如下:

（1）將樣本內第2天到第749天的收益率進行升序排列。

（2）用樣本容量748乘以顯著性水平1%，即第7個收益率的值，該值為1%顯著性水平下的最低收益率。

（3）利用VAR模型的公式VAR=E(rt)-ra，計算第750天1%顯著性水平下的相對VAR。

（4）以此類推，用第3天到第750天的收益率推算第751天的相對VAR，直到求出第997天的VAR，整個過程可以運用java程序完成。

2.蒙特卡洛模擬法

根據相關原理，其計算過程如下：

（1）計算第2天到第749天的收益率，求出該748個數據的均值及方差。

（2）將值帶入收益率波動的方程rt=rt-1+rt-1(E(rt)+σε)(2.1)

（3）運用軟件產生標準正態分布的隨機數ε。

（4）根據公式2.1計算rt的1000個模擬數據。

（5）將1000個模擬數據進行升序排列，取1%顯著性水平下的最低收益率的值ra。

（6）利用VAR模型的公式VAR=E(rt)-ra，計算第750天1%顯著性水平下的相對VAR。

（7）以此類推，重復（1）——（6）步驟，用第3天到第750天的收益率推算第751天的相對VAR，直到求出第997天的VAR，整個過程可以運用java程序完成。

■結論及討論

通過研究，我們了解了我國同業拆借市場的一些基本特征，并從兩個方面運用非參數法對未來數據進行模擬，得出以下結論及解決對策。

（1）同業拆借市場利率收益率具有自相關性，下一時刻的收益率受到上一時刻的影響。可見，我國同業拆借利率市場化水平并不顯著，應進一步加大改革力度，確保利率市場化的有效落實。

（2）同業拆借市場存在較強的波動性，且波動存在一定的聚集效應。可見，我國面臨的利率風險不容忽視，商業銀行應采取措施，進行資產組合，規避風險。

（3）在同業拆借市場化水平不高的情況下，同業拆借利率收益率呈現非正態分布的情形，對模型的應用提出更高的要求。運用非參數法估算VAR模型可以避免尖峰厚尾及波動對數據的影響。

（4）方法的差異對結果的估算存在一定的偏差，因此，在運用VAR模型估計未來數據時，應根據數據自身特點，結合多種方法對未來風險情況進行模擬，以期避免利率風險。