基于混合密度網(wǎng)絡的股市流動性風險研究

朱悅宏　張晨曦

【摘要】本文提出了運用混合密度網(wǎng)絡計算流動性指標的密度分布，并將其納入到VaR框架計算股市的流動性風險。首先，構(gòu)建了一個股票市場流動性的度量指標。其次，由于混合密度網(wǎng)絡可以任意逼近真實的密度函數(shù)，可較好地滿足金融時間序列尖峰胖尾的統(tǒng)計特征。所以我們用混合密度網(wǎng)絡來估計流動性指標的密度分布。最后，將混合密度網(wǎng)絡輸出的條件密度函數(shù)納入到較成熟的VaR框架中，進而度量流動性風險?；诨旌厦芏染W(wǎng)絡來進行流動性風險管理，為豐富風險管理技術提供了一個新的思路和手段。

【關鍵詞】流動性風險；混合密度網(wǎng)絡；VaR

1.引言

流動性是證券市場的一個重要性質(zhì)，但因為市場流動性具有多重性，所以學術界至今還沒有辦法對市場流動性給出一個全面的定義，現(xiàn)有的每個定義都是為了強調(diào)市場的某個方面而給出的。

流動性是證券市場除了波動性以外另外一個重要的特性。尤其是對于可交易的證券而言，流動性即買賣大量某種證券而不致其價格劇烈波動的一種價格平衡能力。當某種金融資產(chǎn)的買賣量暫時失衡時，就會出現(xiàn)不能按其公允價格買進（賣出）該種資產(chǎn)的情況，這就造成了流動性風險。流動性風險是可交易證券除了價格風險以外面臨的另一項重要的風險。流動性也同樣會影響市場價格的不確定性，和投資于價格風險大的股票能獲得較高的風險溢價一樣，流動性差的股票也會有較高的流動性風險溢價以吸引投資者。Timotheos Angelidis和Alexandros Benos研究表明，在新興的股票市場中，流動性風險占高價股總風險的3.4%，占低價股總風險的11%。由此可見，流動性風險是研究金融風險時必須考慮的一個重要部分。然而由于流動性形成機制受很多復雜因素的影響，所以對于流動性和流動性風險的研究比較分散，而且爭議較多，缺乏一致的理論框架體系。大部分的研究集中于市場微觀結(jié)構(gòu)的研究領域，從流動性的含義和形成機理入手，對流動性的度量方法進行廣泛的研究，但是對于流動性風險的度量僅有很少的研究。

流動性風險對于新興的中國股票市場而言，是不可忽視的一部分。如何把對流動性風險的度量納入到整個風險度量的框架中去，無論是對市場監(jiān)管者還是投資者，都是需要考慮的問題。

從目前來看，主要集中于如何將流動性風險納入到較為成熟的風險度量標準VaR的框架中，也就是利用VaR的方法度量流動性風險。

目前VaR的估計主要是基于均值一方差分析框架的波動性分析方法（如GARCH模型族等），極值理論、歷史模擬以及分位數(shù)回歸方法等。但金融時間序列數(shù)據(jù)是條件分布具有尖峰胖尾特征的異方差序列，這些特征的存在使得很難用簡單的隨機過程進行描述。所以1982年Engle提出的ARCH模型以及其后（G）ARCH的擴展模型在文獻中得到了廣泛的應用。GARCH模型族往往是對金融資產(chǎn)收益的歷史數(shù)據(jù)做各種假設，譬如，假定金融資產(chǎn)收益的擾動項均值為零，方差服從自回歸過程；假定條件期望是前期收益率的線性函數(shù)等，并且是基于歷史數(shù)據(jù)的殘差計算條件方差。但是，GARCH模型族基于的金融資產(chǎn)收益的條件方差和條件分布的形狀卻是變化的，GARCH對此無能為力。

為了解決上述問題，本文將運用混合密度網(wǎng)絡（Mixture Density Networks，簡稱MDN）估計VaR值。因為MDN不僅能夠處理條件均值和條件方差是時變的分布，而且最大優(yōu)點即為能夠根據(jù)分布直接估計出條件密度，從而計算VaR，所以適合金融時間序列常有的異方差特征的要求。

基于MDN的這一特性，在應用中主要將其應用于預測金融資產(chǎn)收益的方差和模擬收益的分布來進行風險管理，為豐富風險管理技術提供了一個新的思路和手段。

本文結(jié)構(gòu)安排如下：第1節(jié)簡要介紹混合密度網(wǎng)絡；第2節(jié)介紹流動性風險指標的定義；第3節(jié)給出實證分析結(jié)果；最后，結(jié)論在第4節(jié)給出。

2.混合密度網(wǎng)絡

3.流動性風險指標的定義

3.1 流動性指標設計

由于市場流動性具有多重性，所以到目前為止，流動性的衡量還沒有統(tǒng)一的指標。國外大部分文獻進行流動性分析的前提條件是市場存在做市商。由于中國資本市場，尤其是證券市場并不存在做市商制度，而且微觀市場結(jié)構(gòu)理論研究表明，股票市場的交易制度將直接影響市場流動性及其風險，也將影響到研究中市場流動性及其指標的選擇。所以我們很難參照西方學者的研究來進行市場流動性及其風險的研究。

我國滬深證券市場建立至今只有二十多年的時間，國內(nèi)理論和實務界對金融市場微觀結(jié)構(gòu)理論的研究尚處于起步階段，在近幾年才開展了對證券市場流動性的相關研究工作，但大部份研究仍然停留在構(gòu)造流動性風險度量指標、衡量市場流動性狀況和刻畫流動性模式等層面，只有少部分研究涉及流動性風險的度量。

5.結(jié)論

由于MDN不需要假定數(shù)據(jù)的分布，直接依據(jù)金融資產(chǎn)收益的歷史數(shù)據(jù)估計出條件密度函數(shù)值，用一個混合密度函數(shù)去任意逼近真實的密度函數(shù)，可較好地滿足尖峰胖尾的統(tǒng)計特征。進一步地利用MDN的輸出和數(shù)值模擬算法可以得到任意置信水平的VaR估計量，將其應用于風險管理是一種有益的嘗試。

流動性是衡量市場微觀結(jié)構(gòu)好壞和市場優(yōu)劣表現(xiàn)的重要指標之一。市場需要流動性，但是并不是每個市場每個時刻都具有充分的流動性，因此投資者在市場上不可避免地會遭受流動性風險的威脅。所以投資者，尤其是大額交易者必須進行有效的流動性風險管理。

本文通過構(gòu)建流動性指標，并運用MDN估計上證A股指數(shù)、上證B股指數(shù)、深證A股指數(shù)、深證B股指數(shù)的流動性指標的分布，進而將其納入VaR框架中，研究流動性風險具有重要的現(xiàn)實意義。

參考文獻

[1]Bishop，C.M.Mixture density networks.Technical Report NCRG/94/004[R].Neural Com-puting Research Group，Aston University，Birmingham，F(xiàn)ebruary，1994.

[2]宋逢明，譚慧.VaR模型中流動性風險的度量[J].數(shù)量經(jīng)濟技術經(jīng)濟究，2004，6：114-123.

[3]C.Schittenkopf，G.Dorffner & E.J.Dockner.Volatility Prediction with Mixture Density Network，in L.Niklasson，M.Boden & T.Ziemke，ICANN98-Proceedings of the 8th Int-ernational Conference on Artificial Netural Networks[C].Springer，Berlin，1998：929-934.

[4]Kupiec P H.Techniques for Verifying the Accuracy of Risk Measurement Models[J].The Journal of Derivatives，1995（2）：73-84.

作者簡介：

朱悅宏（1975—），女，黑龍江哈爾濱人，碩士，工程師，現(xiàn)供職于天津航天長征火箭制造有限公司。

張晨曦（1986—），女，天津人，碩士，助理工程師，現(xiàn)供職于天津航天長征火箭制造有限公司。