基于La—VaR模型的中國國債市場流動性風(fēng)險(xiǎn)研究

摘 " 要：本文基于La-VaR模型測度中國國債市場流動性風(fēng)險(xiǎn)，并選取2009—2015年上證國債指數(shù)為數(shù)據(jù)，采用GARCH-VaR模型和La-VaR模型度量國債市場所面臨的流動性風(fēng)險(xiǎn)，分析La-VaR模型對我國國債市場流動性風(fēng)險(xiǎn)測度的有效性。結(jié)果表明：相對于傳統(tǒng)的VaR模型，La-VaR模型能更好的測度國債市場的流動性風(fēng)險(xiǎn)，且La-VaR模型的預(yù)測結(jié)果與國債市場的表現(xiàn)大致吻合，可對國債市場進(jìn)行較好的預(yù)測。

關(guān)鍵詞：國債市場;流動性風(fēng)險(xiǎn);La-VaR模型

中圖分類號：F224 " " " "文獻(xiàn)標(biāo)識碼：A "文章編號：1003-9031（2016）01-0017-06 "DOI：10.3969/j.issn.1003-9031.2016.01.03

一、引言

“流動性是市場的一切”，也就意味著流動性是證券市場的生命力所在。而流動性風(fēng)險(xiǎn)作為目前資本市場的主要風(fēng)險(xiǎn)之一，其對于整個金融市場的影響可謂是舉足輕重。1997年的亞洲金融危機(jī)、1998年的俄羅斯金融風(fēng)暴以及2007年美國次貸危機(jī)無一不說明了金融市場流動性的缺失會導(dǎo)致重大金融危機(jī)的發(fā)生?，F(xiàn)如今，隨著我國不斷深化對國債市場乃至整個債券市場的改革，債券市場在整個證券市場中扮演的角色愈發(fā)重要，且投資者對債券市場的流動性需求也愈發(fā)提高，而國債市場作為債券市場的重要一環(huán)，國債市場的流動性風(fēng)險(xiǎn)也不容忽視。鑒于流動性風(fēng)險(xiǎn)管控在國債市場發(fā)展過程中的重要性，本文將對中國國債市場的流動性風(fēng)險(xiǎn)進(jìn)行實(shí)證研究。

流動性對于整個市場而言至關(guān)重要。Schwartz（1988）就曾指出市場流動性、波動性和定價(jià)效率是反映金融市場質(zhì)量最核心的三個要素[1-2]。Demesetz（1968）指出較高的交易需求導(dǎo)致了提供流動性服務(wù)中間商可以謀取利潤，而買賣價(jià)差則是交易者為了獲取交易及時性所付出的成本，自此，用買賣報(bào)價(jià)價(jià)差作為流動性的衡量指標(biāo)被廣泛應(yīng)用于流動性研究的各個領(lǐng)域[3]。Pastor和Stambaugh（2003）提出假說，對于流動性較差的股票的較高預(yù)期收益是對市場層面上（系統(tǒng)）流動性風(fēng)險(xiǎn)的補(bǔ)償[4]?；谶@一假說的研究通常會構(gòu)造共同的流動性風(fēng)險(xiǎn)因子[5]。Amihud（2002）等對流動性則定義為在一定時間內(nèi)完成交易所需要的成本，或?qū)ふ乙粋€理想價(jià)格所需要的時間，并定義非流動性測度指標(biāo)ILLIQ，ILLIQ指標(biāo)越高，股票的流動性越差[6]。

從前人對流動性的定義和影響因素來看，流動性至少涉及三方面內(nèi)容，即價(jià)格、數(shù)量和時間。一般地，分別以密度、深度、彈性對以上三個方面進(jìn)行刻畫[7-9]。Liu（2006）和Hasbrouck（2009）等進(jìn)一步將流動性總結(jié)為三個維度：交易成本、交易速度、價(jià)格沖擊。在使用不同的計(jì)量方法對市場流動性和信用風(fēng)險(xiǎn)進(jìn)行測量時[10-11]。Schwartz（2010）得出結(jié)論認(rèn)為，流動性風(fēng)險(xiǎn)是更重要的因素，該結(jié)論與Acharya， Pedersen（2005）相一致[12-13]。針對流動性風(fēng)險(xiǎn)的測度，不少學(xué)者在傳統(tǒng)VaR模型的基礎(chǔ)上引入流動性變量，形成了專門針對流動性風(fēng)險(xiǎn)的風(fēng)險(xiǎn)價(jià)制度模型。John C. Hull（2008）曾指出，經(jīng)流動性調(diào)節(jié)過后的VaR等于在傳統(tǒng)VaR的基礎(chǔ)上加上各個頭寸資金與價(jià)格溢差百分比乘積之和。由于價(jià)差具有隨機(jī)波動性，基于以上思路，Bangia A和Diebold F（1999）提出了基于價(jià)差來計(jì)算流動性的La-VaR模型[15]。Yoshifumi Hisata ，Yasuhiro

Yamai（2000）通過考慮市場的流動性水平和投資者交易頭寸大小對變現(xiàn)價(jià)值的影響把市場影響機(jī)制引入VaR模型中[16]。

在國內(nèi)的相關(guān)研究中，流動性的測度通常包括市場寬度、深度、彈性和即時性四個維度，除了運(yùn)用四個維度測度流動性，楊之曙和吳寧玫（2000）指出交易股數(shù)、交易量（金額）、交易次數(shù)、換手率、價(jià)格的波動性、市場參加者人數(shù)、交易書目也可以被認(rèn)為是市場流動性的替代指標(biāo)[17]。其中，換手率等指標(biāo)經(jīng)常被用來衡量流動性。蘇冬蔚和熊家財(cái)（2013）、仲黎明、劉海龍和吳沖鋒（2003）、劉林（2012）、張蕊和王春峰（2010）均采用換手率和其他相關(guān)指標(biāo)來衡量流動性[18-21]。除了流動性的三大維度，Amihud所提出的ILLIQ指標(biāo)也十分受中國學(xué)者的青睞，即每日回報(bào)的絕對值和成交金額之間的比值。姚亞偉等（2012）、孫彬等（2010）、王東旋等（2014）、李文鴻、田彬彬和周啟運(yùn)（2012）均采用Amihud的ILLIQ指標(biāo)衡量流動性[22-25]。在有關(guān)流動性風(fēng)險(xiǎn)測度的研究中，戴國強(qiáng)、徐龍炳和陸蓉（2000）指出，VaR方法提供了一種風(fēng)險(xiǎn)管理的思路，這種思路不僅可用于市場風(fēng)險(xiǎn)的管理，還可用于信用風(fēng)險(xiǎn)、流動性風(fēng)險(xiǎn)和其它風(fēng)險(xiǎn)的管理[26]。周毓萍（2005）認(rèn)為流動性缺口是流動性風(fēng)險(xiǎn)的量化指標(biāo)，為了更好的管理流動性風(fēng)險(xiǎn)，VaR能夠量化損失的大小[27]。但彭坤和王飚（2002）認(rèn)為VaR也并非萬應(yīng)良藥，由于VaR模型假定市場因素收益率要服從正態(tài)分布，所以他們認(rèn)為該模型不符合實(shí)際情況[28]。

針對VaR在基本假設(shè)上存在的問題，龔銳、陳仲常和楊棟銳（2005）使用GARCH模型較好的刻畫了收益的動態(tài)變化特征，考慮了對數(shù)收益率方差的動態(tài)性與時變性[29]。張瑞軍和孟浩（2013）運(yùn)用基于GARCH的VaR模型針對離岸債券市場風(fēng)險(xiǎn)狀況進(jìn)行了分析[30]。宋逢明和譚慧（2004）則在VaR可以較好測度風(fēng)險(xiǎn)的思路上繼續(xù)深入，將流動性風(fēng)險(xiǎn)加入到VaR模型中，建立了一個基于股票市場實(shí)際特點(diǎn)的對流動性風(fēng)險(xiǎn)進(jìn)行調(diào)整后的VaR模型[31]。針對債券市場的流動性風(fēng)險(xiǎn)研究，聞岳春和程同朦（2010）采用La-VaR模型對債券投資中來自債券市場的市場風(fēng)險(xiǎn)和流動性風(fēng)險(xiǎn)進(jìn)行計(jì)量[32]。

從以往的研究結(jié)果來看，流動性風(fēng)險(xiǎn)的相關(guān)研究大都集中于股票市場，對于債券市場的流動性風(fēng)險(xiǎn)研究相對較少，而定位于國債市場的流動性風(fēng)險(xiǎn)研究則更是少之又少，本研究的創(chuàng)新之處在于：選取上證國債指數(shù)為樣本，采用La-VaR模型（BDSS模型），研究基于我國國債市場的流動性風(fēng)險(xiǎn)測度問題。

二、模型設(shè)定與實(shí)證方法設(shè)計(jì)

（一）模型設(shè)定

傳統(tǒng)的VaR的定義，為在某一個既定的置信水平下，在特定的持有期內(nèi)，資產(chǎn)組合可能會遭受的最大損失。對于傳統(tǒng)的在險(xiǎn)價(jià)值而言，側(cè)重于衡量資產(chǎn)組合所面臨的市場風(fēng)險(xiǎn)，并沒有涵蓋流動性風(fēng)險(xiǎn)在內(nèi)，考慮到這一點(diǎn)，1999年，Bangia、Diebold、Schuermann、Stroughair提出了基于買賣價(jià)差的流動性風(fēng)險(xiǎn)模型——La-VaR模型，也就是BDSS模型。他們的基本思路為：在傳統(tǒng)VaR模型的基礎(chǔ)上加上了一個增量，這個增量也就是價(jià)差帶來的流動性風(fēng)險(xiǎn)。

假設(shè)某資產(chǎn)當(dāng)前的中間價(jià)格為S0，資產(chǎn)的對數(shù)收益率為，收益率rt代表的是資產(chǎn)真實(shí)價(jià)值給投資者帶來的收益。Bangia等給出了未來1個持有期內(nèi)，置信水平為c，頭寸為1單位的La-VaR的解析式，

其中，著表示相對價(jià)差的期望值，？滓？著表示相對價(jià)差的標(biāo)準(zhǔn)差，？酌是相對價(jià)差的刻度因子，也就是在正態(tài)分布假設(shè)下所對應(yīng)的置信水平。由于在進(jìn)行資產(chǎn)交易的時候，存在著要價(jià)與報(bào)價(jià)，所以價(jià)差總是為總價(jià)差的一半，也就需要相對價(jià)差乘上1/2。

由公式可知，BDSS模型實(shí)質(zhì)上是將La-VaR模型具體分為了兩個部分，其中S0[1-exp代表中間價(jià)格波動的風(fēng)險(xiǎn)，也就是我們所說的傳統(tǒng)的VaR，而則代表以價(jià)差計(jì)算的流動性風(fēng)險(xiǎn)，由此便得到了La-VaR模型。Bangia等人針對賣出價(jià)與買入價(jià)的溢差的不定性做出了改進(jìn)，但假設(shè)產(chǎn)品的賣出價(jià)與買入價(jià)的溢差的百分比分布相互獨(dú)立，這種假設(shè)相對來說比較保守。

本文將在BDSS模型的基礎(chǔ)之上，通過對流動性指標(biāo)及其數(shù)據(jù)可得性進(jìn)行分析，結(jié)合我國國債市場的實(shí)際情況，重新設(shè)定了買賣價(jià)差的定義。設(shè)定債券價(jià)格的開盤價(jià)Pk，收盤價(jià)Ps，最高價(jià)Ph，最低價(jià)Pt，價(jià)差S0則為最高價(jià)Ph與最低價(jià)Pt的差值，中間價(jià)格Pt=（Pk+Ps+Pt+Ph）/4，相對價(jià)差即為S=S0/Pt。

（二）實(shí)證方法設(shè)計(jì)

本文首先對時間序列數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)及ARCH效應(yīng)檢驗(yàn)，在存在高階ARCH效應(yīng)的基礎(chǔ)上采用四種GARCH模型對比估計(jì)時間序列的波動率，從中選出最優(yōu)的GARCH模型并在此結(jié)果之上，使用模型構(gòu)建法建立VaR模型與La-VaR模型。

三、實(shí)證分析

（一）數(shù)據(jù)

由于抽樣選取債券樣本有一定的難度且無法整體反應(yīng)整個國債市場的流動性，本文決定選用債券指數(shù)來綜合反應(yīng)我國國債市場狀況。選擇標(biāo)準(zhǔn)有二，一則能較好的反映我國國債市場的整體情況;二則該指數(shù)需要在交易日具有價(jià)格波動。綜合以上兩個標(biāo)準(zhǔn)，本文選擇上證國債指數(shù)作為樣本，該指數(shù)是上證指數(shù)系列的第一只債券指數(shù)，是以上海證券交易所上市的所有固定利率國債為樣本，按照國債發(fā)行量加權(quán)而成，可以綜合的反映我國國債市場整體變動狀況。該指數(shù)采用的是派氏加權(quán)綜合價(jià)格指數(shù)公式來進(jìn)行計(jì)算，并以樣本國債的發(fā)行量為權(quán)數(shù)進(jìn)行加權(quán)①。

由此，本文將選取上證國債指數(shù)2009年1月1日至2015年6月30日數(shù)據(jù)為樣本數(shù)據(jù)。其中前4年的數(shù)據(jù)（2009年1月1日至2012年的12月31日）用于回歸參數(shù)估計(jì)，2013-2015年為預(yù)測區(qū)間。數(shù)據(jù)來源為wind數(shù)據(jù)庫。

（二）數(shù)據(jù)基本分析

1.描述性統(tǒng)計(jì)及正態(tài)分布檢驗(yàn)

以上證國債指數(shù)為數(shù)據(jù)，對其進(jìn)行取對數(shù)并差分，得到收益率r，即

其中，Pt為上證國債指數(shù)第t日最后的收盤價(jià)，Pt-1為第t-1日最后的收盤價(jià)，其描述性統(tǒng)計(jì)結(jié)果如下：

由圖1可知，偏度S=-0.358126lt;0，峰度K=24.27459gt;3，與標(biāo)準(zhǔn)正態(tài)分布（S=0，K=3）相比，收益率r呈現(xiàn)出左偏尖峰的分布態(tài)勢。所以，在選擇分布假設(shè)時，應(yīng)選擇更能體現(xiàn)”尖峰厚尾”的t分布或GED分布。

2.聚集性檢驗(yàn)

金融時間序列往往具有聚集性，從收益率r序列的時序圖中我們看到，收益率序列的聚集性明顯，即每一次小幅度波動后面往往跟著的是較小幅度的波動，而每一次大幅度波動后面往往跟著的是較大的波動。數(shù)據(jù)的前半段與后半段形成鮮明對比，前半段整體呈現(xiàn)出較大波動，而后半段波動較小。

3.平穩(wěn)性及相關(guān)性檢驗(yàn)

采用ADF單位根檢驗(yàn)法檢驗(yàn)序列的平穩(wěn)性，原假設(shè)為：序列存在單位根，即序列為非平穩(wěn)序列。

結(jié)果顯示：原假設(shè)不成立，序列不存在單位根，是平穩(wěn)序列。

圖3的數(shù)據(jù)為殘差相關(guān)性檢驗(yàn)結(jié)果，從圖中可以看出，自滯后3期開始，自相關(guān)系數(shù)和偏相關(guān)系數(shù)在統(tǒng)計(jì)上為顯著，且Q統(tǒng)計(jì)量也顯著。

綜上所述，通過對收益率序列的描述統(tǒng)計(jì)、正態(tài)性檢驗(yàn)、聚集性檢驗(yàn)及平穩(wěn)性檢驗(yàn)可得：收益率序列是平穩(wěn)序列，并不服從正態(tài)分布，分布的“尖峰厚尾”性和聚集性明顯且殘差序列存在自相關(guān)現(xiàn)象，據(jù)此，本文選用能反映波動時變性的GARCH族模型估計(jì)波動率，且分布假設(shè)選擇t分布或GED分布。

（三）ARCH效應(yīng)檢驗(yàn)

為了更好的建立GARCH模型，我們需要對上證國債指數(shù)收益率進(jìn)行ARCH效應(yīng)檢驗(yàn)。首先運(yùn)用最小二乘法對收益率時間序列數(shù)據(jù)進(jìn)行線性回歸，得到其殘差，然后運(yùn)用EVIEWS對殘差序列進(jìn)行ARCH-LM檢驗(yàn)，一般來說，如果LM檢驗(yàn)的滯后期很大（如大于7），檢驗(yàn)依然顯著，則說明殘差序列存在高階ARCH（q）效應(yīng)，所以在這里選擇滯后期為7，得到的檢驗(yàn)結(jié)果如下：

表3最小二乘法擬合的ARCH-LM檢驗(yàn)結(jié)果中F統(tǒng)計(jì)量和LM統(tǒng)計(jì)量對應(yīng)P值均為0，小于顯著性水平，拒絕原假設(shè)，殘差序列存在ARCH效應(yīng)。結(jié)果同時表明模型殘差序列在5%顯著性水平下具有高階ARCH效應(yīng)，綜合上述ARCH-LM檢驗(yàn)和殘差平法相關(guān)性檢驗(yàn)的結(jié)果，可以據(jù)此建立GARCH模型。

（四）GARCH模型估計(jì)

通過以上基本檢驗(yàn)可知，上證國債指數(shù)收益率為平穩(wěn)序列，所以收益方程為一般均值回歸方程。在建立GARCH族模型之前，用AIC與SIC信息準(zhǔn)則，本文選擇滯后階數(shù)（p，q）為（1，1）。利用GARCH-t分布、GARCH-GED分布、GARCH-M-t分布、GARCH-M-GED分布四種模型對上證國債指數(shù)建立模型，選取時間段為2009年1月1日至2012年12月31日的日數(shù)據(jù)，由此得到GARCH模型以對2013年1月1日至2015年6月30日的波動率進(jìn)行估計(jì)，本文對四種模型里的參數(shù)進(jìn)行估計(jì)，各個方程的參數(shù)估計(jì)如下：

根據(jù)匯總結(jié)果可以看出，對隨機(jī)誤差項(xiàng)分別采用t分布和GED分布（廣義誤差分布）所得到的GARCH模型中，采取t分布的模型不符合GARCH模型的前提假設(shè)，所以排除在外。所以，應(yīng)選用GARCH-GED模型或GARCH-M-GED模型。

對于GARCH-GED模型和GARCH-M-GED模型，根據(jù)AIC與SC準(zhǔn)則，GARCH-M-GED模型的結(jié)果表現(xiàn)的相對優(yōu)異，采取該模型來求得波動率。

（五）預(yù)測結(jié)果與分析

1.VaR模型與La-VaR模型結(jié)果對比

運(yùn)用上述GARCH-M-GED模型，本文采取在置信度99%的水平下求取VaR模型與La-VaR模型結(jié)果，其預(yù)測結(jié)果折線圖如下：

從圖4可以看出，二者預(yù)測結(jié)果的走勢基本上趨同，但在2013年5月至7月產(chǎn)生了較大波動，且預(yù)測結(jié)果在6月達(dá)到了最大峰值，在這期間，風(fēng)險(xiǎn)呈現(xiàn)出較大水平。在2013年11月至2014年6月與2014年9月至2015年6月，預(yù)測結(jié)果均呈現(xiàn)出一輪的高頻波動，但是波動水平不大。

2.回顧測試

（1）例外天數(shù)

為了檢驗(yàn)La-VaR模型是否有效，我們需要進(jìn)行回顧測試來對實(shí)驗(yàn)結(jié)果進(jìn)行檢驗(yàn)。在回顧測試中，我們需要將模型結(jié)果同歷史數(shù)據(jù)進(jìn)行比較，在預(yù)測區(qū)間內(nèi)，如果實(shí)際損失超過VaR模型的預(yù)測值，則將改日認(rèn)定為例外，所有例外的合計(jì)則稱為例外天數(shù)。如果例外的天數(shù)占總體天數(shù)的比例小于1%，說明VaR模型結(jié)果比較令人滿意，如果例外天數(shù)占總體天數(shù)的比例遠(yuǎn)遠(yuǎn)大于1%，我們將認(rèn)定所估計(jì)的VaR偏低。在這里，我們將對傳統(tǒng)的VaR模型與La-VaR模型進(jìn)行比較，從而檢驗(yàn)La-VaR模型是否比傳統(tǒng)的VaR模型更具有優(yōu)越性。

從例外天數(shù)的結(jié)果可以看出，La-VaR模型能比VaR模型更好測度流動性風(fēng)險(xiǎn)。

（2）失敗率檢驗(yàn)

根據(jù)John C. Hull所提到的失敗率檢驗(yàn)法，我們可以進(jìn)一步細(xì)化的比較La-VaR模型與VaR模型的實(shí)際效果。假定VaR的展望期為1天，置信度為x%，如果VaR模型準(zhǔn)確無誤，那么每天的損失超出VaR的概率為p=1-x。

當(dāng)例外個數(shù)大于例外期望值時，給出原假設(shè)：對應(yīng)樣本中的任意一天，例外情況發(fā)生的概率為p。當(dāng)例外個數(shù)小于例外的期望值時，給出原假設(shè)：對應(yīng)樣本中的任意一天，例外情況發(fā)生的概率大于p。通過EXCEL中的BINOMDIST函數(shù)，選擇把握程度為5%，得出VaR模型與La-VaR模型的失敗率結(jié)果如下：

根據(jù)結(jié)果可以看到，VaR模型的天數(shù)為17，對應(yīng)的原假設(shè)為對應(yīng)任意一天，例外發(fā)生的概率為p。經(jīng)過函數(shù)BINOMDIST的計(jì)算，其概率為5.28716E-05，小于5%，則應(yīng)該拒絕原假設(shè)，即對應(yīng)任意一天，例外發(fā)生的概率大于0.01。而La-VaR模型的天數(shù)為2，對應(yīng)的原假設(shè)為對應(yīng)任意一天，例外發(fā)生的概率大于p，其概率為0.939802617，大于5%，則應(yīng)該拒絕原假設(shè)，即對于任意一天，例外發(fā)生的概率小于0.01。由此失敗率結(jié)果可以看出，La-VaR模型比VaR模型的效果更為優(yōu)越，更好地測控了國債市場涵蓋流動性風(fēng)險(xiǎn)的風(fēng)險(xiǎn)價(jià)值度。

四、結(jié)論

“發(fā)展債券市場須深化國債市場改革”，國債市場作為我國債券市場的一部分，其成長的好壞直接關(guān)系著整個金融市場發(fā)展的快慢，也對我國整體的經(jīng)濟(jì)改革有著重大的影響。然而，每一次金融改革的背后都必然會伴隨著一定的風(fēng)險(xiǎn)，在對國債市場進(jìn)行深化改革的同時，風(fēng)險(xiǎn)問題自然不容忽視，由此，本文著眼于國債市場進(jìn)行流動性風(fēng)險(xiǎn)實(shí)證分析，具有一定的現(xiàn)實(shí)意義，并結(jié)合實(shí)證結(jié)果，得到了以下結(jié)論：

第一，從實(shí)證分析發(fā)現(xiàn)，通過對上證國債指數(shù)的收益率時間序列進(jìn)行基本分析，發(fā)現(xiàn)該序列具有明顯的”尖峰厚尾”特征，且結(jié)合GARCH模型結(jié)果表明，相對于t分布假設(shè)下的GARCH模型，GED分布假設(shè)下的GARCH模型能夠更好反映出收益率的風(fēng)險(xiǎn)特征。

第二，實(shí)證結(jié)果表明，通過進(jìn)行例外天數(shù)的回顧測試，采用La-VaR模型衡量流動性風(fēng)險(xiǎn)，能夠大幅度的降低例外天數(shù)，且在失敗率的檢驗(yàn)中，La-VaR模型的預(yù)測結(jié)果更是可將對應(yīng)于任意一天例外發(fā)生的概率控制在1%的范圍內(nèi)。由此，結(jié)合La-VaR模型與VaR模型的回顧測試結(jié)果對比可表明，基于流動性風(fēng)險(xiǎn)的La-VaR模型較之傳統(tǒng)的VaR模型而言，更能準(zhǔn)確的反映我國國債市場的流動性風(fēng)險(xiǎn)。

第三，La-VaR模型的預(yù)測結(jié)果與國債市場的實(shí)際較大波動相吻合。從La-VaR模型的預(yù)測結(jié)果折線圖可以看出，2013年5月至7月產(chǎn)生了較大波動，且預(yù)測結(jié)果在6月左右呈現(xiàn)出最大峰值。而在實(shí)際中的2013年6月20日，整個債券市場經(jīng)歷了”錢荒”的巨大沖擊，這場爆發(fā)在銀行間債券市場的流動性危機(jī)無疑給整個債券市場也帶來了巨大影響，而國債市場作為債券市場的重要組成部分也未能幸免，從2013年5月開始，金融市場的資金利率全線攀升，整個債券市場都面臨著前所未有的巨大流動性危機(jī)，隨之而來的風(fēng)險(xiǎn)水平也驟然提高，而這一點(diǎn)與本文所得到的預(yù)測結(jié)果不謀而合，在2013年6月左右的La-VaR模型結(jié)果巨幅波動，其波動水平高達(dá)平常波動水平的2-3倍。由此可見，La-VaR模型不僅比VaR模型更好的測度國債市場的流動性風(fēng)險(xiǎn)，且對國債市場的表現(xiàn)也可進(jìn)行較好的預(yù)測。

參考文獻(xiàn)：

[1]Brunnermeier，M..Deciphering the liquidity and credit crunch 2007—2008[J]. Journal of Economic Perspectives，2009（23）：77-100

[2]Schwartz RobertX.Equity Markets： Structure，Trading and Performance[M].Haper amp;Row Press，1988.

[3]Demesetz H.，The cost of transaction，Quarterly[J]. Journal of Economics，1968（82）：33-53.

[4]Pastor，L.，Stambaugh，R.F.. Liquidity risk and expected stock returns [J]. Journal of Political Economy， 2003（111）：642-685.

[5]M.RezaBradrania，MauricePeat.Characteristic liquidity，systematic liquidity and expected returns[J]. Journal of International Financial Markets，Institutions amp; Money. 2014（33）：78-98.

[6]Yakov Amihud.lliquidity and stock returns：cross-section and time-series effects[J].Journal of Financial Markets，2002（5）：31-56.

[7]Harris L.Minimum Price Variation，Discrete Bid-ask Spreads and Quotation Sizes [J]. Review of Financial Studies，1994（7）：147-178.

[8]Garbade K D，Silber W L.Structural Organization of Secondary Markets;Clearing Frequency， Dealer Activity and Liquidity [J]. The Journal of Finance，1979（34）：577-593.

[9]Kyle A S. Continuous Auctions and Insider Trading. Econometrica[J].1985（53）：1315-1335.

[10]Liu W.. A Liquidity-Augmented Capital Asset Pricing Model[J].Journal of Financial Economics， 2006（82）：631-671.

[11]Hasbrouck J. . Trading Costs and Returns for U.S. Equities： Estimating Effective Costs from Daily Data[J].The Journal of Finance，2009（64）：1445-1477.

[12]Schwartz，K..Mind the Gap： Disentangling Credit and Liquidity in Risk Spreads[R].Working Paper. University of Pennsylvania Wharton School of Business，2010.

[13]Acharya，V.V.，Pedersen，L.H.. “Asset pricing with liquidity risk[J].Journal of Financial Economics，2005（77）：375-410.

[14]John C.Hull. Risk Management and Financial Institutions[M].China Machine Press，2008： 230-231.

[15]Bangia A，Diebold F，Schuermann T，Stroughair J.”Modeling Liquidity Risk，With Implication for Traditional Market Risk Measurement and Management[J].Risk，1999（12）：68-73.

[16]Yoshifumi Hisata and Yasuhiro Yamai.Research Toward the Practical Application of Liquidity Risk evaluation methods[R].working paper，bank of Japan，2000.

[17]楊之曙，吳寧玫證券市場流動性研究[J]證券市場導(dǎo)報(bào)，2000（1）：25-34.

[18]蘇冬蔚，熊家財(cái).股票流動性、股價(jià)信息含量與CEO薪酬契約[J].經(jīng)濟(jì)研究，2013（11）∶56-70.

[19]仲黎明，劉海龍，吳沖鋒.中國股票市場流動性：過高還是過低——一個國際比較視角的分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2003（25）：58-61.

[20]劉林，倪玉娟.股市流動性市場關(guān)注度與創(chuàng)業(yè)板上市公司轉(zhuǎn)板選擇[J].證券市場導(dǎo)報(bào)，2012（5）∶57-66.

[21]張蕊，王春峰.中國銀行間債券市場流動性風(fēng)險(xiǎn)影響因素及其關(guān)聯(lián)性[J].系統(tǒng)工程，2010（3）∶1-7.

[22]姚亞偉，楊朝軍，黃峰.流動性風(fēng)險(xiǎn)特征：基于中國證券市場的經(jīng)驗(yàn)數(shù)據(jù)分析[J].上海金融，2012（4）：63-70.

[23]孫彬，楊朝軍，于靜.融資流動性與市場流動性[J].管理科學(xué)，2010（2）：81-87.

[24]王東旋，張崢，殷先軍.股市流動性與宏觀經(jīng)濟(jì)[J].經(jīng)濟(jì)科學(xué)，2014（3）：61-71.

[25]李文鴻，田彬彬，周啟運(yùn).股市流動性與股票收益率的面板數(shù)據(jù)實(shí)證分析[J].統(tǒng)計(jì)與決策2012（10）∶150-153.

[26]戴國強(qiáng)，徐龍炳，陸蓉.VaR方法對我國金融風(fēng)險(xiǎn)管理的借鑒及應(yīng)用[J].金融研究，2000（07）：45-51.

[27]周毓萍.淺論Var與商業(yè)銀行流動性風(fēng)險(xiǎn)管理[J].科技與產(chǎn)業(yè)，2005（12）：28-30.

[28]彭坤，王飚.基于VaR（風(fēng)險(xiǎn)價(jià)值）的金融投資的研究[J].昆明理工大學(xué)學(xué)報(bào)，2002（12）：138-142.

[29]龔銳，陳仲常，楊棟銳.GARCH族模型計(jì)算中國股市在險(xiǎn)價(jià)值 （VaR）風(fēng)險(xiǎn)的比較研究與評述[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2005（7）：67-81.

[30]張瑞軍，孟浩.人民幣離岸債券市場風(fēng)險(xiǎn)評價(jià)[J].理論探討，2013（5）：16-18.

[31]宋逢明，譚慧.VaR模型中流動性風(fēng)險(xiǎn)的度量[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2004（6）：114-123.

[32]聞岳春，程同朦.基于Var技術(shù)的債券投資的市場風(fēng)險(xiǎn)與流動性風(fēng)險(xiǎn)管理研究[J].武漢金融，2010（6）∶13-16.

[33]王觀.政策利好消息頻現(xiàn) " 債市”輪子”動起來[N].人民日報(bào)，2015-06-15（18）.