基于分析法度量股票市場(chǎng)風(fēng)險(xiǎn)

作者簡(jiǎn)介：薛立國(guó)（199005-），男，漢族，江蘇鹽城市人，在讀研究生，南京財(cái)經(jīng)大學(xué)，研究方向：西方經(jīng)濟(jì)學(xué)。摘要：本文通過(guò)分析法計(jì)算VaR（Value-at-Risk，在險(xiǎn)價(jià)值），并通過(guò)Kupiec的失敗頻率檢驗(yàn)比較模型的優(yōu)劣,發(fā)現(xiàn)上證股市的風(fēng)險(xiǎn)要略高于深證股市的風(fēng)險(xiǎn)，對(duì)于上證綜指而言，在95%的置信水平下， EGARCH-M模型更好，在99%置信水平下，GARCH-M模型最好，對(duì)于深證成指而言，在95%的置信水平下， PARCH-M更好，在99%置信水平下， GARCH-M模型最好。

關(guān)鍵詞：VaR；分析法一、分析法計(jì)算VaR

VaR①（Value-at-Risk，在險(xiǎn)價(jià)值）作為一種新型的風(fēng)險(xiǎn)度量方法，VaR是指在正常市場(chǎng)條件下，在給定的置信水平下，金融資產(chǎn)或資產(chǎn)組合在一定時(shí)期內(nèi)可能產(chǎn)生的最大損失值。

本文運(yùn)用分析法來(lái)計(jì)算我國(guó)股票市場(chǎng)的VaR的值，選取上證綜指和深證成指日收盤(pán)價(jià)作為研究對(duì)象，通過(guò)變換得到對(duì)數(shù)收益率作為隨機(jī)變量來(lái)對(duì)我國(guó)股票市場(chǎng)進(jìn)行建模，最后對(duì)模型進(jìn)行檢驗(yàn)。

(一)上證綜指對(duì)數(shù)收益率時(shí)間序列的正態(tài)性檢驗(yàn)

表1為上證綜指對(duì)數(shù)收益率的統(tǒng)計(jì)特征表，從圖中可知峰度Kurtosis=134.6177遠(yuǎn)大于正態(tài)分布臨界值3，同時(shí)JB統(tǒng)計(jì)量=3407718遠(yuǎn)大于臨界值5.99。由此可見(jiàn)，上證綜指對(duì)數(shù)收益率并不服從正態(tài)分布，而是具有明顯的尖峰厚尾的特征。因此，在收益率服從正態(tài)分布計(jì)算VaR會(huì)產(chǎn)生較大的誤差。針對(duì)金融時(shí)間序列的尖峰、厚尾的特性，本文考慮采用收益率服從GED分布。分析法計(jì)算VaR其實(shí)質(zhì)在于求條件方差，考慮到GARCH-M模型的時(shí)變方差可以刻畫(huà)股票市場(chǎng)的波動(dòng)性，為此我們可以利用GARCH族模型度量股票市場(chǎng)的在險(xiǎn)價(jià)值VaR。綜上所述，我們考慮采用收益率服從GED分布的GARCH—M族模型。

表1上證綜指對(duì)數(shù)收益率基本統(tǒng)計(jì)特征表指數(shù)均值標(biāo)準(zhǔn)差最大值最小值偏度峰度J-B值P值上證0.0007290.0263130.719152-0.1790515.362101134.617734077180.0000（二）實(shí)證分析

⑴用GARCH-M族模型在GED分布假設(shè)下計(jì)算上證綜指的VaR

GARCH-M族方程與一般的GARCH族方程的區(qū)別在于收益率方程不同，其收益率方程為：

rt=u1+AΣt+ε2t-P（1）

σ2t=α0+α1ε2t-1+…+αpε2t-p（2）

表2上證綜指對(duì)數(shù)收益率GED分布假設(shè)下GARCH-M族模型參數(shù)估計(jì)結(jié)果ModelAα0α1β1γ1δGED

ParameterGARCH(1,1)

-GED-M0.017217

(0.674698)7.91E-06

(6.279656)0.211277

(13.72017)0.805538

(72.72423)1.076381EGARCH(1,1)

-GED-M-0.027154

(-1.179563)-0.480337

(-12.70877)0.308138

(16.86692)0.967825

(270.7189)-0.037195

(-3.560364)1.067685PARCH(1,1)

-GED-M-0.026397

(-1.146292)0.000444

(1.780874)0.179462

(15.37804)0.851777

(96.86748)0.102109

(3.184858)0.980492

(8.661895)1.079621注：括號(hào)內(nèi)z統(tǒng)計(jì)量的值

注：表中的GED Parameter為GED分布的形狀參數(shù)（該參數(shù)的作用是通過(guò)調(diào)用分位數(shù)函數(shù)@qged(p,v)來(lái)計(jì)算GDE分布的分位數(shù)，其中p表示置信水平，v代表形狀參數(shù)）

從模型的估計(jì)參數(shù)來(lái)看，各模型的參數(shù)在5%顯著性水平下的t值的絕對(duì)值基本都大于2，即在5%的顯著性水平下均顯著。

表3上證綜指對(duì)數(shù)收益率GED分布假設(shè)下

GARCH-M族模型置信水平為95%時(shí)VaR計(jì)算結(jié)果后驗(yàn)表Model置信

水平VaR

最小值 VaR

最大值VaR

均值VaR

標(biāo)準(zhǔn)差失敗

次數(shù)失敗率GARCH(1,1)

-GED-M95%-0.542773-0.010682-0.0353830.028861450.045EGARCH(1,1)

-GED-M95%-0.542484-0.010676-0.0353640.028845410.041PARCH(1,1)

-GED-M95%-0.542878-0.010684-0.0353900.028866440.044從表3可知，對(duì)于上證綜指而言，在95%的置信水平下，以上三個(gè)模型計(jì)算VaR比較準(zhǔn)確，精度較高。

表4上證綜指對(duì)數(shù)收益率GED分布假設(shè)下

GARCH-M族模型置信水平為99%時(shí)VaR計(jì)算結(jié)果后驗(yàn)表GARCH

(1,1)-N-M99%-0.240421-0.024972-0.0469720.018605140.014EGARCH

(1,1)-N-M99%-0.205564-0.020645-0.0465320.016625150.015PARCH

(1,1)-N-M99%-0.202636-0.022828-0.0466790.017416170.017從表4可知，對(duì)于上證綜指而言，在99%的置信水平下，以上三個(gè)模型計(jì)算VaR比較準(zhǔn)確，精度較高。

⑵用GARCH-M族模型在GED分布假設(shè)下計(jì)算深證成指的VaR

表5深證成指對(duì)數(shù)收益率GED分布假設(shè)下

GARCH-M族模型參數(shù)估計(jì)結(jié)果ModelA α0 α1β1γ1δGED

ParameterGARCH(1,1)

-GED-M-0.054864

(-1.226691)7.53E-06

(5.047544)0.094817

(9.534295)0.886557

(74.92280)1.228343EGARCH(1,1)

-GED-M-0.073890

(-1.760229)-0.378626

(-7.256661)0.205389

(12.38394)0.972260

(176.2290)-0.049063

(-4.328638)1.236238PARCH(1,1)

-GED-M-0.090310

(-2.143278)0.000423

(1.588457)0.109222

(11.33845)0.893356

(83.50981)0.272368

(4.777806)1.020478

(7.162238)1.233295從模型的估計(jì)參數(shù)來(lái)看，各模型的參數(shù)在5%顯著性水平下的t值的絕對(duì)值基本都大于2，即在5%的顯著性水平下均顯著。

表6深證成指對(duì)數(shù)收益率GED分布假設(shè)下

GARCH-M族模型置信水平為95%時(shí)VaR計(jì)算結(jié)果后驗(yàn)表Model置信

水平VaR

最小值VaR

最大值VaR

均值VaR

標(biāo)準(zhǔn)差失敗

次數(shù)失敗

率GARCH(1,1)

-GED-M95%-0.137667-0.015404-0.0298130.011713490.049EGARCH(1,1)

-GED-M95%-0.117003-0.012821-0.0295460.010639510.051PARCH(1,1)

-GED-M95%-0.103492-0.013434-0.0296100.010935530.053從表6可知，對(duì)于深證成指而言，在95%的置信水平下，以上三個(gè)模型計(jì)算的VaR比較準(zhǔn)確，精度較高。

endprint

表7深證成指對(duì)數(shù)收益率GED分布假設(shè)下

GARCH-M族模型置信水平為99%時(shí)VaR計(jì)算結(jié)果后驗(yàn)表Model置信

水平VaR

最小值VaR

最大值VaR

均值VaR

標(biāo)準(zhǔn)差失敗

次數(shù)失敗

率GARCH(1,1)

-GED-M99%-0.219585-0.024571-0.0475530.01869380.008EGARCH(1,1)

-GED-M99%-0.186280-0.020413-0.0470390.016938150.015PARCH(1,1)

-GED-M99%-0.164876-0.021401-0.0471730.017421150.015從表7可知，對(duì)于深證成指而言，在99%的置信水平下，以上三個(gè)模型計(jì)算的VaR比較準(zhǔn)確，精度較高。

（三）VaR模型的失敗率檢驗(yàn)的基本原理

Kupiec（1995）提出的失敗率檢驗(yàn)法將實(shí)際損失值與VaR模型計(jì)算出的預(yù)測(cè)損失值比較，實(shí)際損失值較大則記為失敗，用失敗的天數(shù)除以總觀察天數(shù)得到的失敗率與預(yù)先設(shè)定的VaR估計(jì)的顯著性水平比較，越接近則該VaR模型的預(yù)測(cè)效果越好。他假定VaR的估計(jì)具有時(shí)間獨(dú)立性，則失敗觀察的二項(xiàng)式結(jié)果代表一系列的伯努利試驗(yàn)，失敗的期望概率為α（α為顯著性水平），假定實(shí)際觀察天數(shù)為T(mén)，失敗天數(shù)為N，則失敗率為p＝N／T。原假設(shè)為p=α，Kupiec提出采用似然比率檢驗(yàn)，LR統(tǒng)計(jì)量為：

LR=2[(1-α)T-NαN]+2ln[(1-p)T-NpN]

在原假設(shè)下，統(tǒng)計(jì)量服從自由度為1的χ2分布。

Kupiec給出了失敗率檢驗(yàn)方法的接受域，見(jiàn)表5..1

表7檢驗(yàn)區(qū)域值標(biāo)準(zhǔn)概率水平P失敗次數(shù)N的接受域T=255天T=510天T=1000天0.01N<71

表8上證綜指和深證成指GARCH族模型失敗次數(shù)統(tǒng)計(jì)表股票指數(shù)上證綜指深證成指置信水平95%99%接受域37

（四）結(jié)論分析

⑴上證綜指和深證成指的比較發(fā)現(xiàn)

無(wú)論是在95%的置信水平還是99%置信水平，上證綜指的VaR標(biāo)準(zhǔn)差均大于深證成指的VaR標(biāo)準(zhǔn)差。

結(jié)論：上證股市的風(fēng)險(xiǎn)要大于深證股市。

綜上所述：上證股市的風(fēng)險(xiǎn)要略高于深證股市的風(fēng)險(xiǎn)，對(duì)于上證綜指而言，無(wú)論是在95%還是在99%置信水平下， GED分布的EGARCH-M模型更好，對(duì)于深證成指而言，無(wú)論是在在95%下還是在99%置信水平下，GED分布的GARCH-M模型最好。

參考文獻(xiàn)

[1]李慶全．VaR方法在中國(guó)股票市場(chǎng)的風(fēng)險(xiǎn)度量中的應(yīng)用研究［Ｄ］．云南：昆明理工大學(xué)，2011：

[2]廖飛．VaR方法在我國(guó)證券投資基金中的應(yīng)用研究［Ｄ］．貴州：貴州財(cái)經(jīng)大學(xué)，2011：

[3]孟躍輝．VaR方法在滬深股市風(fēng)險(xiǎn)度量中的應(yīng)用［Ｄ］．安徽：安徽大學(xué)，2012：

[4]錢(qián)思思．基于價(jià)格極差—GARCH模型VaR風(fēng)險(xiǎn)研究［Ｄ］．四川：西南財(cái)經(jīng)大學(xué)，2012：

[5]王超．基于VaR模型的風(fēng)險(xiǎn)價(jià)值度量研究［Ｄ］．山東：山東財(cái)經(jīng)大學(xué)，2013：

[6]趙鵬．基于GARCH模型的VaR方法的實(shí)證研究［Ｄ］．山東：山東大學(xué)，2013

注解

①譚春芝、滕莉莉、謝玉華．金融工程學(xué)理論與實(shí)務(wù)（第二版）［Ｍ］．北京：北京大學(xué)出版社，2012：73-74．

(下接第83頁(yè))

最終選擇隨機(jī)效應(yīng)模型。模型結(jié)果為

lnZit=αi-0.545HHIit+γconit+εit

3.結(jié)果分析。如上我們發(fā)現(xiàn)lnZ與HHI之間成反向關(guān)系，而lnZ越大說(shuō)明銀行違約風(fēng)險(xiǎn)越小，那么HHI與銀行違約風(fēng)險(xiǎn)為正向關(guān)系，即銀行集中度越大銀行的破產(chǎn)風(fēng)險(xiǎn)越大，也就是說(shuō)銀行集中度的增大不利于銀行抵御自身的違約風(fēng)險(xiǎn)。

五、總結(jié)

本文從銀行股權(quán)結(jié)構(gòu)的一個(gè)方面-銀行股權(quán)集中度的角度出發(fā)，對(duì)9家上市銀行的違約風(fēng)險(xiǎn)進(jìn)行建模，并加入銀行總資產(chǎn)規(guī)模、銀行貸款增長(zhǎng)率、銀行留存收益率以及銀行盈利性這些控制變量。最終通過(guò)面板模型的估計(jì)結(jié)果得出結(jié)論：銀行股權(quán)集中度越高，銀行自身的違約風(fēng)險(xiǎn)越高，上市商業(yè)銀行在面臨存款保險(xiǎn)即將到來(lái)的大勢(shì)面前，適當(dāng)分散大股東的控股能力，將有助于保護(hù)銀行不受各種信用違約事件的影響。

參考文獻(xiàn)

[1]權(quán)艷青、曹維凱和吳楠.中國(guó)上市銀行股權(quán)集中度與績(jī)效關(guān)系的實(shí)證研究[J].經(jīng)濟(jì)研究導(dǎo)刊,2013(183):61-106.

[2]王永梅、劉慧玲.銀行股權(quán)結(jié)構(gòu)與風(fēng)險(xiǎn)承受—基于我國(guó)上市銀行數(shù)據(jù)的研究[J].當(dāng)代會(huì)計(jì)評(píng)論2010(2):1-12.

[3]朱瑾、朱恩濤.我國(guó)上市銀行股權(quán)集中度與經(jīng)營(yíng)績(jī)效的實(shí)證分析[J].證券市場(chǎng) 2008(10):85-87.

[4]laetitia,L.,Frank,S..Bank insolvency risk and time-varying Z-score measures[J].Journal of international financialmarkets,institutions and money,2013(73-87).

[5]Laeven,L.andLevine,R..Bankgovernance,regulation and risk taking[J].Journal of Financial Economics,2009(93):259-275.

[6]Saunder,A,Strock,E.andTravlos,N,G..Ownershipstructure,deregulation,and bank risk taking[J].Journal of Finance,1990(2):643-654.

表7深證成指對(duì)數(shù)收益率GED分布假設(shè)下

GARCH-M族模型置信水平為99%時(shí)VaR計(jì)算結(jié)果后驗(yàn)表Model置信

水平VaR

最小值VaR

最大值VaR

均值VaR

標(biāo)準(zhǔn)差失敗

次數(shù)失敗

率GARCH(1,1)

-GED-M99%-0.219585-0.024571-0.0475530.01869380.008EGARCH(1,1)

-GED-M99%-0.186280-0.020413-0.0470390.016938150.015PARCH(1,1)

-GED-M99%-0.164876-0.021401-0.0471730.017421150.015從表7可知，對(duì)于深證成指而言，在99%的置信水平下，以上三個(gè)模型計(jì)算的VaR比較準(zhǔn)確，精度較高。

（三）VaR模型的失敗率檢驗(yàn)的基本原理

Kupiec（1995）提出的失敗率檢驗(yàn)法將實(shí)際損失值與VaR模型計(jì)算出的預(yù)測(cè)損失值比較，實(shí)際損失值較大則記為失敗，用失敗的天數(shù)除以總觀察天數(shù)得到的失敗率與預(yù)先設(shè)定的VaR估計(jì)的顯著性水平比較，越接近則該VaR模型的預(yù)測(cè)效果越好。他假定VaR的估計(jì)具有時(shí)間獨(dú)立性，則失敗觀察的二項(xiàng)式結(jié)果代表一系列的伯努利試驗(yàn)，失敗的期望概率為α（α為顯著性水平），假定實(shí)際觀察天數(shù)為T(mén)，失敗天數(shù)為N，則失敗率為p＝N／T。原假設(shè)為p=α，Kupiec提出采用似然比率檢驗(yàn)，LR統(tǒng)計(jì)量為：

LR=2[(1-α)T-NαN]+2ln[(1-p)T-NpN]

在原假設(shè)下，統(tǒng)計(jì)量服從自由度為1的χ2分布。

Kupiec給出了失敗率檢驗(yàn)方法的接受域，見(jiàn)表5..1

表7檢驗(yàn)區(qū)域值標(biāo)準(zhǔn)概率水平P失敗次數(shù)N的接受域T=255天T=510天T=1000天0.01N<71

表8上證綜指和深證成指GARCH族模型失敗次數(shù)統(tǒng)計(jì)表股票指數(shù)上證綜指深證成指置信水平95%99%接受域37

（四）結(jié)論分析

⑴上證綜指和深證成指的比較發(fā)現(xiàn)

無(wú)論是在95%的置信水平還是99%置信水平，上證綜指的VaR標(biāo)準(zhǔn)差均大于深證成指的VaR標(biāo)準(zhǔn)差。

結(jié)論：上證股市的風(fēng)險(xiǎn)要大于深證股市。

綜上所述：上證股市的風(fēng)險(xiǎn)要略高于深證股市的風(fēng)險(xiǎn)，對(duì)于上證綜指而言，無(wú)論是在95%還是在99%置信水平下， GED分布的EGARCH-M模型更好，對(duì)于深證成指而言，無(wú)論是在在95%下還是在99%置信水平下，GED分布的GARCH-M模型最好。

參考文獻(xiàn)

[1]李慶全．VaR方法在中國(guó)股票市場(chǎng)的風(fēng)險(xiǎn)度量中的應(yīng)用研究［Ｄ］．云南：昆明理工大學(xué)，2011：

[2]廖飛．VaR方法在我國(guó)證券投資基金中的應(yīng)用研究［Ｄ］．貴州：貴州財(cái)經(jīng)大學(xué)，2011：

[3]孟躍輝．VaR方法在滬深股市風(fēng)險(xiǎn)度量中的應(yīng)用［Ｄ］．安徽：安徽大學(xué)，2012：

[4]錢(qián)思思．基于價(jià)格極差—GARCH模型VaR風(fēng)險(xiǎn)研究［Ｄ］．四川：西南財(cái)經(jīng)大學(xué)，2012：

[5]王超．基于VaR模型的風(fēng)險(xiǎn)價(jià)值度量研究［Ｄ］．山東：山東財(cái)經(jīng)大學(xué)，2013：

[6]趙鵬．基于GARCH模型的VaR方法的實(shí)證研究［Ｄ］．山東：山東大學(xué)，2013

注解

①譚春芝、滕莉莉、謝玉華．金融工程學(xué)理論與實(shí)務(wù)（第二版）［Ｍ］．北京：北京大學(xué)出版社，2012：73-74．

(下接第83頁(yè))

最終選擇隨機(jī)效應(yīng)模型。模型結(jié)果為

lnZit=αi-0.545HHIit+γconit+εit

3.結(jié)果分析。如上我們發(fā)現(xiàn)lnZ與HHI之間成反向關(guān)系，而lnZ越大說(shuō)明銀行違約風(fēng)險(xiǎn)越小，那么HHI與銀行違約風(fēng)險(xiǎn)為正向關(guān)系，即銀行集中度越大銀行的破產(chǎn)風(fēng)險(xiǎn)越大，也就是說(shuō)銀行集中度的增大不利于銀行抵御自身的違約風(fēng)險(xiǎn)。

五、總結(jié)

本文從銀行股權(quán)結(jié)構(gòu)的一個(gè)方面-銀行股權(quán)集中度的角度出發(fā)，對(duì)9家上市銀行的違約風(fēng)險(xiǎn)進(jìn)行建模，并加入銀行總資產(chǎn)規(guī)模、銀行貸款增長(zhǎng)率、銀行留存收益率以及銀行盈利性這些控制變量。最終通過(guò)面板模型的估計(jì)結(jié)果得出結(jié)論：銀行股權(quán)集中度越高，銀行自身的違約風(fēng)險(xiǎn)越高，上市商業(yè)銀行在面臨存款保險(xiǎn)即將到來(lái)的大勢(shì)面前，適當(dāng)分散大股東的控股能力，將有助于保護(hù)銀行不受各種信用違約事件的影響。

參考文獻(xiàn)

[1]權(quán)艷青、曹維凱和吳楠.中國(guó)上市銀行股權(quán)集中度與績(jī)效關(guān)系的實(shí)證研究[J].經(jīng)濟(jì)研究導(dǎo)刊,2013(183):61-106.

[2]王永梅、劉慧玲.銀行股權(quán)結(jié)構(gòu)與風(fēng)險(xiǎn)承受—基于我國(guó)上市銀行數(shù)據(jù)的研究[J].當(dāng)代會(huì)計(jì)評(píng)論2010(2):1-12.

[3]朱瑾、朱恩濤.我國(guó)上市銀行股權(quán)集中度與經(jīng)營(yíng)績(jī)效的實(shí)證分析[J].證券市場(chǎng) 2008(10):85-87.

[4]laetitia,L.,Frank,S..Bank insolvency risk and time-varying Z-score measures[J].Journal of international financialmarkets,institutions and money,2013(73-87).

[5]Laeven,L.andLevine,R..Bankgovernance,regulation and risk taking[J].Journal of Financial Economics,2009(93):259-275.

[6]Saunder,A,Strock,E.andTravlos,N,G..Ownershipstructure,deregulation,and bank risk taking[J].Journal of Finance,1990(2):643-654.

表7深證成指對(duì)數(shù)收益率GED分布假設(shè)下

GARCH-M族模型置信水平為99%時(shí)VaR計(jì)算結(jié)果后驗(yàn)表Model置信

水平VaR

最小值VaR

最大值VaR

均值VaR

標(biāo)準(zhǔn)差失敗

次數(shù)失敗

率GARCH(1,1)

-GED-M99%-0.219585-0.024571-0.0475530.01869380.008EGARCH(1,1)

-GED-M99%-0.186280-0.020413-0.0470390.016938150.015PARCH(1,1)

-GED-M99%-0.164876-0.021401-0.0471730.017421150.015從表7可知，對(duì)于深證成指而言，在99%的置信水平下，以上三個(gè)模型計(jì)算的VaR比較準(zhǔn)確，精度較高。

（三）VaR模型的失敗率檢驗(yàn)的基本原理

Kupiec（1995）提出的失敗率檢驗(yàn)法將實(shí)際損失值與VaR模型計(jì)算出的預(yù)測(cè)損失值比較，實(shí)際損失值較大則記為失敗，用失敗的天數(shù)除以總觀察天數(shù)得到的失敗率與預(yù)先設(shè)定的VaR估計(jì)的顯著性水平比較，越接近則該VaR模型的預(yù)測(cè)效果越好。他假定VaR的估計(jì)具有時(shí)間獨(dú)立性，則失敗觀察的二項(xiàng)式結(jié)果代表一系列的伯努利試驗(yàn)，失敗的期望概率為α（α為顯著性水平），假定實(shí)際觀察天數(shù)為T(mén)，失敗天數(shù)為N，則失敗率為p＝N／T。原假設(shè)為p=α，Kupiec提出采用似然比率檢驗(yàn)，LR統(tǒng)計(jì)量為：

LR=2[(1-α)T-NαN]+2ln[(1-p)T-NpN]

在原假設(shè)下，統(tǒng)計(jì)量服從自由度為1的χ2分布。

Kupiec給出了失敗率檢驗(yàn)方法的接受域，見(jiàn)表5..1

表7檢驗(yàn)區(qū)域值標(biāo)準(zhǔn)概率水平P失敗次數(shù)N的接受域T=255天T=510天T=1000天0.01N<71

表8上證綜指和深證成指GARCH族模型失敗次數(shù)統(tǒng)計(jì)表股票指數(shù)上證綜指深證成指置信水平95%99%接受域37

（四）結(jié)論分析

⑴上證綜指和深證成指的比較發(fā)現(xiàn)

無(wú)論是在95%的置信水平還是99%置信水平，上證綜指的VaR標(biāo)準(zhǔn)差均大于深證成指的VaR標(biāo)準(zhǔn)差。

結(jié)論：上證股市的風(fēng)險(xiǎn)要大于深證股市。

綜上所述：上證股市的風(fēng)險(xiǎn)要略高于深證股市的風(fēng)險(xiǎn)，對(duì)于上證綜指而言，無(wú)論是在95%還是在99%置信水平下， GED分布的EGARCH-M模型更好，對(duì)于深證成指而言，無(wú)論是在在95%下還是在99%置信水平下，GED分布的GARCH-M模型最好。

參考文獻(xiàn)

[1]李慶全．VaR方法在中國(guó)股票市場(chǎng)的風(fēng)險(xiǎn)度量中的應(yīng)用研究［Ｄ］．云南：昆明理工大學(xué)，2011：

[2]廖飛．VaR方法在我國(guó)證券投資基金中的應(yīng)用研究［Ｄ］．貴州：貴州財(cái)經(jīng)大學(xué)，2011：

[3]孟躍輝．VaR方法在滬深股市風(fēng)險(xiǎn)度量中的應(yīng)用［Ｄ］．安徽：安徽大學(xué)，2012：

[4]錢(qián)思思．基于價(jià)格極差—GARCH模型VaR風(fēng)險(xiǎn)研究［Ｄ］．四川：西南財(cái)經(jīng)大學(xué)，2012：

[5]王超．基于VaR模型的風(fēng)險(xiǎn)價(jià)值度量研究［Ｄ］．山東：山東財(cái)經(jīng)大學(xué)，2013：

[6]趙鵬．基于GARCH模型的VaR方法的實(shí)證研究［Ｄ］．山東：山東大學(xué)，2013

注解

①譚春芝、滕莉莉、謝玉華．金融工程學(xué)理論與實(shí)務(wù)（第二版）［Ｍ］．北京：北京大學(xué)出版社，2012：73-74．

(下接第83頁(yè))

最終選擇隨機(jī)效應(yīng)模型。模型結(jié)果為

lnZit=αi-0.545HHIit+γconit+εit

3.結(jié)果分析。如上我們發(fā)現(xiàn)lnZ與HHI之間成反向關(guān)系，而lnZ越大說(shuō)明銀行違約風(fēng)險(xiǎn)越小，那么HHI與銀行違約風(fēng)險(xiǎn)為正向關(guān)系，即銀行集中度越大銀行的破產(chǎn)風(fēng)險(xiǎn)越大，也就是說(shuō)銀行集中度的增大不利于銀行抵御自身的違約風(fēng)險(xiǎn)。

五、總結(jié)

本文從銀行股權(quán)結(jié)構(gòu)的一個(gè)方面-銀行股權(quán)集中度的角度出發(fā)，對(duì)9家上市銀行的違約風(fēng)險(xiǎn)進(jìn)行建模，并加入銀行總資產(chǎn)規(guī)模、銀行貸款增長(zhǎng)率、銀行留存收益率以及銀行盈利性這些控制變量。最終通過(guò)面板模型的估計(jì)結(jié)果得出結(jié)論：銀行股權(quán)集中度越高，銀行自身的違約風(fēng)險(xiǎn)越高，上市商業(yè)銀行在面臨存款保險(xiǎn)即將到來(lái)的大勢(shì)面前，適當(dāng)分散大股東的控股能力，將有助于保護(hù)銀行不受各種信用違約事件的影響。

參考文獻(xiàn)

[1]權(quán)艷青、曹維凱和吳楠.中國(guó)上市銀行股權(quán)集中度與績(jī)效關(guān)系的實(shí)證研究[J].經(jīng)濟(jì)研究導(dǎo)刊,2013(183):61-106.

[2]王永梅、劉慧玲.銀行股權(quán)結(jié)構(gòu)與風(fēng)險(xiǎn)承受—基于我國(guó)上市銀行數(shù)據(jù)的研究[J].當(dāng)代會(huì)計(jì)評(píng)論2010(2):1-12.

[3]朱瑾、朱恩濤.我國(guó)上市銀行股權(quán)集中度與經(jīng)營(yíng)績(jī)效的實(shí)證分析[J].證券市場(chǎng) 2008(10):85-87.

[4]laetitia,L.,Frank,S..Bank insolvency risk and time-varying Z-score measures[J].Journal of international financialmarkets,institutions and money,2013(73-87).

[5]Laeven,L.andLevine,R..Bankgovernance,regulation and risk taking[J].Journal of Financial Economics,2009(93):259-275.

[6]Saunder,A,Strock,E.andTravlos,N,G..Ownershipstructure,deregulation,and bank risk taking[J].Journal of Finance,1990(2):643-654.