基于VaR 模型的人民幣理財產(chǎn)品收益率波動性研究——以光大銀行為例

尹智超

（內(nèi)蒙古大學(xué)經(jīng)濟管理學(xué)院，內(nèi)蒙古 呼和浩特 010021）

一、引言

2004 年11 月，光大銀行在全國首次推出了名為“陽光理財B 計劃”的人民幣理財產(chǎn)品，開了我國銀行發(fā)行理財產(chǎn)品的仙鶴。由于該產(chǎn)品收益率高于同期存款利率而廣受好評，引發(fā)了業(yè)界研發(fā)和發(fā)行人民幣理財產(chǎn)品的熱潮。

2012 年以來，受國家宏觀調(diào)控政策以及國內(nèi)外經(jīng)濟形勢影響，流通領(lǐng)域內(nèi)貨幣相對不足使銀行面臨“錢荒”，余額寶、新浪微銀行等互聯(lián)網(wǎng)金融倒逼銀行改革，2013 年自7 月20 日起，中國人民銀行全面放開金融機構(gòu)貸款利率管制，取消金融機構(gòu)貸款利率0.7 倍的下限，中國利率市場化邁出關(guān)鍵一步。對于銀行來說，靠固定利差獲取高收益的時代結(jié)束，標(biāo)志著銀行自力更生時代的到來。面對內(nèi)外雙重壓力，理財產(chǎn)品可能是能在激烈市場環(huán)境中生存的一個重要法寶。

本文以光大銀行為例，實證分析了人民幣理財產(chǎn)品收益率的波動性，并得出了相關(guān)結(jié)論，闡述了對銀行理財產(chǎn)品的見解。

二、方法介紹

（一）單位根檢驗

如果序列不平穩(wěn)，那么回歸分析中就存在偽回歸，用最小二乘法檢驗無偏性無效。通過單位根檢驗，如果序列存在單位根，則說明序列是不平穩(wěn)的，那么我們不能對序列進行回歸分析，當(dāng)一個序列進行d 階差分后成為平穩(wěn)序列，那么這個序列為d 階平穩(wěn)序列，通常使用ADF 檢驗法。

（二）偏自相關(guān)分析

自相關(guān)是指時間序列中相鄰變量之間的相關(guān)性，對于模型 yt=b0+b1x1t+b2x2t+…+bkxkt+εt， 如 果：Cov(εt，εt-i) ＝E(εtεt-i)≠0，(i=1，2，…，s)則稱模型存在著自相關(guān)性。偏相關(guān)則忽略其他中間變量影響，真實地反映兩邊兩間的相關(guān)性。通過偏自相關(guān)分析，得到序列的自回歸階數(shù)P，從而為AR（P）模型的簡歷打下基礎(chǔ)。

（三）AR（P）模型

AR（P）模型是一種線性預(yù)測模型，它表明yt不僅依賴yt-1，而且還依賴于yt-2等。更一般地，這個過程有以下形式：

其中ut為白噪聲，φp為自回歸系數(shù)。

（四）ARCH 效應(yīng)檢驗以及GARCH 模型簇

對自回歸模型AR（P）進行ARCH 檢驗，分析序列隨機擾動項是否能用GARCH 模型簇進行建模。如果存在ARCH 效應(yīng)，則可以使用GARCH 模型簇對AR（P）的隨機擾動項建模。

GARCH 模型是分析金融數(shù)據(jù)重要的回歸模型，與普通回歸模型相比，GARCH 模型對誤差的方差進行了進一步的建模，對波動性的分析和預(yù)測非常適用。

（五）VaR 模型

VaR 模型由Ch-restopher! Sims（1980）引入到經(jīng)濟學(xué)中，該模型把系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值來構(gòu)造模型，從而將單變量自回歸模型推廣到多元時間序列變量組成的“向量”自回歸模型。滯后P 階的VaR 模型表達式為：

其中，Yt為k 維內(nèi)生變量向量，Xt為d 維外生變量向量，μt是k 維誤差向量，A1，A2，…，Ap和B 是待估系數(shù)矩陣。將GARCH 模型生成的條件方差序列帶入VaR 計算公式中即可求得VaR 的值。

三、實證研究

數(shù)據(jù)選取方面，光大銀行2011 年7 月17 日至2013 年1 月20 日某一人民幣理財產(chǎn)品收益率序列作為研究對象。

（一）折線圖和直方圖

圖1 收益率折線圖

觀察收益序列折線圖可見，收益率序列呈現(xiàn)無規(guī)律波動的特點，同時由直方圖可知，該收益率序列不服從正態(tài)分布。

圖2 收益率直方圖

（二）單位根檢驗

對收益率序列進行單位根檢驗，檢驗其是否平穩(wěn)，結(jié)果如表1 所示。

表1 ADF 檢驗結(jié)果

由上表顯見，收益率序列在各個顯著性水平下均拒絕原假設(shè)，說明收益率序列是平穩(wěn)的。

（三）相關(guān)性檢驗

表2 相關(guān)性檢驗結(jié)果

由相關(guān)性檢驗可知，序列存在自相關(guān)，且存在一階截尾，故可使用AR（1）模型對收益率序列進行估計。

（四）AR（1）模型

建立AR（1）模型，分析結(jié)果如表3 所示。

表3 AR（1）模型分析結(jié)果

Prob(F-statistic)0.002957

由上表可知，在99%置信水平下模型已不存在自相關(guān)，同時DW 值接近2 也證明了這一點。同時，由于AR（1）殘差不服從正態(tài)分布，說明模型可能存在自回歸條件異方差。

（五）ARCH 效應(yīng)檢驗

為判斷能否利用GARCH 建模，先對序列進行ARCH 效應(yīng)檢驗，結(jié)果表4 所示。

表4 ARCH 效應(yīng)檢驗結(jié)果

由上表P統(tǒng)計量值小于1%的顯著性水平可知，原假設(shè)被拒絕，即序列存在ARCH 效應(yīng)。

（六）建立GARCH（1，1）模型

由于序列具有ARCH 效應(yīng)。故可以使用GARCH（1，1）模型對AR（1）的隨機擾動項建模，得到GARCH 模型為：zt=-0.012753+0.129945ε2t-1+0.848171zt-1。并對其殘差序列進行ARCH 效應(yīng)檢驗，結(jié)果如表5 所示。

表5 ARCH 效應(yīng)檢驗結(jié)果

由上表可知，殘差序列不存在ARCH 效應(yīng)。

（七）VaR 的計算

使用Eviews 估計的到99%顯著性水平下VaR 最大值為0.05711427，最小值為0.0100000，與實際收益率相比，真實收益率最小值大于VaR 最小值，說明VaR 模型能對收益率序列進行較好地擬合。

四、結(jié)論和建議

通過實證分析我們發(fā)現(xiàn)，收益率序列是平穩(wěn)序列，存在自相關(guān)性，GARCH（1，1）能較好擬合收益率的波動，并計算出VaR 最大值為0.05711427，最小值為0.0100000。

銀行人民幣理財產(chǎn)品之間雖然在風(fēng)險方面有差異，但本質(zhì)相同，投資者從承擔(dān)的風(fēng)險中獲得相應(yīng)收益作為補償，收益率是風(fēng)險的反映，收益率越高，風(fēng)險往往越大；風(fēng)險越大，收益率也往往越高。

對于投資者而言，理財產(chǎn)品的選擇要結(jié)合自身實際，要意識到較高的投資收益代表承擔(dān)較高的風(fēng)險，對該產(chǎn)品做到認知充分，慎重決策，培養(yǎng)風(fēng)控意識。

對于商業(yè)銀行而言，在產(chǎn)品設(shè)計中要利用VaR 充分考慮風(fēng)險因素，進行風(fēng)險防范，產(chǎn)品投入運行后，要靈活預(yù)測和監(jiān)控風(fēng)險，加強產(chǎn)品創(chuàng)新。

對于相關(guān)政府部門而言，利用VaR 模型可以方便地進行風(fēng)險測度，更合理科學(xué)地對銀行等金融機構(gòu)進行風(fēng)險管理。

總之，無論是個人投資者，還是銀行、政府，都應(yīng)當(dāng)認識到金融理財產(chǎn)品的風(fēng)險，并利用科學(xué)的方法檢測風(fēng)險，及時規(guī)避風(fēng)險，才能實現(xiàn)資產(chǎn)的保值升值。

[1]楊軼雯.商業(yè)銀行理財產(chǎn)品的創(chuàng)新與收益研究[D].上海:上海交通大學(xué)，2008.

[2]李衛(wèi)東.中國商業(yè)銀行理財業(yè)務(wù):發(fā)展趨勢、風(fēng)險及對策[J].廣西金融研究，2008(07).

[3]李嵐.中國個人理財?shù)牟呗匝芯糠治鯷D].重慶：重慶大學(xué)，2006.

[4]曹鳳岐，土海璐.商業(yè)銀行發(fā)展個人金融業(yè)務(wù)的戰(zhàn)略及策略[J].經(jīng)濟界，2004(10).

[5]孫從海.商業(yè)銀行理財與金融市場效率研究[J].金融理論與實踐，2008 (08).

[6]林榕輝，鄭澤星.人民幣理財業(yè)務(wù)定價分析與產(chǎn)品創(chuàng)新[J].金融與經(jīng)濟，2007 (03) .

[7]張超爾.個人理財業(yè)務(wù)發(fā)展策略的比較與借鑒[J].杭州金融研修學(xué)院學(xué)報，2003(05).