基于VaR模型的商業(yè)銀行利率風(fēng)險的研究

汪錦琪 熊鵬飛

【摘要】自上世紀(jì)布雷頓森立體系崩盤之后，國際金融行業(yè)進入自由發(fā)展和自主創(chuàng)新階段，利率管理制度也多樣化。隨著市場利率化的不斷發(fā)展，利率風(fēng)險漸漸成為各國商業(yè)銀行穩(wěn)定運營的重大威脅，傳統(tǒng)的資產(chǎn)負(fù)債管理弊端漸顯，越來越難以適應(yīng)金融發(fā)展的速度以及風(fēng)險管控的需求。本文以商業(yè)銀行同業(yè)拆借市場為例，選取近三年的749個真實的樣本數(shù)據(jù)，通過VaR計量模型的計算與分析，提出適合商業(yè)銀行管理風(fēng)險的舉措，以及對宏觀經(jīng)濟狀態(tài)把握方面的建議，對于商業(yè)銀行平穩(wěn)運行有積極意義。

【關(guān)鍵詞】商業(yè)銀行；利率風(fēng)險；VaR模型

1研究背景

市場利率化的呼聲不斷高漲，伴隨著利率不受管制而自由浮動的現(xiàn)象，何種金融資產(chǎn)的價值會收到更大的影響，金融機構(gòu)根據(jù)CAPM模型對自身資產(chǎn)定價也相當(dāng)程度受到市場利率的影響，利率波動對商業(yè)銀行的收益影響逐漸顯著。商業(yè)銀行不斷著眼于應(yīng)對利率風(fēng)險。

我國金融市場發(fā)展的比較晚，發(fā)達程度還不高，在面對全球化金融合作潮流中，對于風(fēng)險的管控能力明顯不足。西方國家金融自由發(fā)展和自主創(chuàng)新的大潮正在席卷著全球，我們既要積極地伸出手去擁抱開放的金融環(huán)境，同時要加強自身的安全保護。

2商業(yè)銀行利率風(fēng)險探究

2.1利率風(fēng)險的成因分析

商業(yè)銀行利率風(fēng)險指的是由于利率的非預(yù)期波動而造成銀行預(yù)期收益的損失，適當(dāng)?shù)睦曙L(fēng)險有助于商業(yè)銀行提高自身業(yè)務(wù)水平和創(chuàng)新業(yè)務(wù)技術(shù)，但利率風(fēng)險超過一定值會對商業(yè)銀行的安全性運營產(chǎn)生極大威脅。

利率風(fēng)險的主要成因如下：其一是商業(yè)銀行資產(chǎn)負(fù)債業(yè)務(wù)失衡，商業(yè)銀行的收益主要來自于存貸款之間的利差，以較低的利率借出一定期限的資金，而在期限內(nèi)存款利率上升，存貸款利差減少，銀行損失收益；其二是我國實行有管理的浮動匯率制，利率不只是由市場供求關(guān)系決定，央行運用貨幣政策調(diào)整存貸款利率時往往幅度不一致，這也是造成利率風(fēng)險的可能性：其三是消費者的選擇造成的風(fēng)險，央行通過調(diào)節(jié)存貸款利率來調(diào)節(jié)企業(yè)和居民在投資儲蓄消費方面的需求，同樣各經(jīng)濟主體的行為選擇會影響到市場資金流向，形成利率風(fēng)險。其四是商業(yè)銀行對于市場利率預(yù)測的不準(zhǔn)確性，資產(chǎn)的價格取決于其未來現(xiàn)金流的收入和被選擇作為貼現(xiàn)水平的利率，商業(yè)銀行根據(jù)資產(chǎn)定價模型對自身的資產(chǎn)進行定價，如果對選為貼現(xiàn)的利率把握不準(zhǔn)確，會造成定價不實，收益不確定。

2.2我國商業(yè)銀行利率風(fēng)險的管理

2.2.1金融市場因素

市場機制不夠健全，市場發(fā)達程度制約著金融活動，缺乏人才和技術(shù)也制約著金融活動，我國金融市場的市場利率化程度總體不高，對于利率的波動無法用任何數(shù)理模型完整的預(yù)測到，這對管理利率風(fēng)險有很大的阻礙。同時，金融市場信息披露不完全，導(dǎo)致市場有效性不足，資金價格的影響因素不能及時的被利率所反映，造成風(fēng)險管理上的不完善。

同西方發(fā)達國家相比，我國金融市場上金融工具種類較少，性質(zhì)單一，市場主體無法擁有充足的金融衍生工具來保證資產(chǎn)的收益。商業(yè)銀行的資金運作渠道單一，這對商業(yè)銀行保持自身收益的穩(wěn)定性提出很大的挑戰(zhàn)。

2.2.2宏觀經(jīng)濟方面

我國實行有管理的浮動利率制，我國的金融市場是市場決定與政府作用的統(tǒng)一體，由于央行的貨幣政策傳到具有相對程度的時滯性，所以商業(yè)銀行在利率風(fēng)險的防范與度量方面也具有相對的時滯性，不能很及時的鎖定并防止風(fēng)險帶來的收益損失。

2.2.3商業(yè)銀行層面

商業(yè)銀行在利率風(fēng)險的防范和管理上存在觀念落后性和行動滯后性，較少應(yīng)用先進的管理技術(shù)，本身的資產(chǎn)負(fù)債業(yè)務(wù)結(jié)構(gòu)單一，也不利于保障本身的安全性，在管理利率風(fēng)險時過于依賴宏觀調(diào)控，缺乏自主性，往往在瀕臨風(fēng)險浮出水面才有所警覺。

滿足客戶隨時取款的能力和保障維持自身發(fā)展盈利是商業(yè)銀行需要權(quán)衡的兩種原則，這兩種原則會使得商業(yè)銀行在持有不同期限的各金融資產(chǎn)中抉擇，利率期限結(jié)構(gòu)表明，短期資產(chǎn)利率高，長期資產(chǎn)利率相比較之下更傾向于下降，這會造成商業(yè)銀行的利率風(fēng)險。

3模型的實證

3.1模型的含義

VaR即value at risk，也稱為在險價值，是指金融資產(chǎn)或者資產(chǎn)組合處于風(fēng)險暴露中的頭寸，該模型是指在一定的置信水平條件下，在一定期限內(nèi)持有某種資產(chǎn)或資產(chǎn)組合的最大可能損失。

VaR模型的應(yīng)用有利于風(fēng)險管理當(dāng)局在風(fēng)險識別階段分清風(fēng)險的“輕重緩急”，知道在多大的概率條件下會損失多少，這涉及到對機會成本的把握，在管控風(fēng)險時將資源用到什么方面才能發(fā)揮最大的用處，保證收益損失的最小化。

從定義中可以知道，計算VaR需要考慮三個變量的確定：

（1）置信水平，記為α。巴塞爾國際銀行監(jiān)管委員會建議的置信水平是95%，考慮到后續(xù)檢驗的拒絕域太小而產(chǎn)生誤差，所以本文的置信水平選擇95%。

（2）持有期，也成展望期，可記為T。持有期考慮到銀行結(jié)算資產(chǎn)收益的清算頻率和數(shù)據(jù)的跨度與時效性的矛盾問題，本文選擇了近三年來749個隔夜拆借利率的真實數(shù)據(jù)作為實證的數(shù)據(jù)。

（3）收益率分布的概率密度，用f（r）表示。利率分布特征多樣化，可能服從正態(tài)分布也可能服從偏態(tài)分布，如何尋求并選擇既符合事實有能簡化計算操作的分布規(guī)律是重點，本文后續(xù)會論證正態(tài)分布可以很好的滿足要求。

3.2模型的計算方法

用VaR模型進行風(fēng)險管理，關(guān)鍵之處在于如何計算VaR值，目前最主要的就是參數(shù)法和非參數(shù)法。具體的操作主要有三種方法：（1）8一正態(tài)法，是參數(shù)法計算VaR的一種方式，基于歷史數(shù)據(jù)，利用數(shù)理統(tǒng)計知識對假定的參數(shù)進行估計，從而確定模型，計算簡單，操作簡易，但對數(shù)據(jù)分布特征要求較高。（2）歷史模擬法。數(shù)據(jù)容易獲取，對未來數(shù)據(jù)的分布有較高要求，希望其類似于歷史分布。（3）蒙特卡羅模擬法，集各家之所長，首先是要確定是數(shù)據(jù)的分布特征，但不要求數(shù)據(jù)一定是正態(tài)分布，也可以是偏態(tài)分布或其他分布。本文只說明δ—正態(tài)法來計算VaR。

3.3數(shù)據(jù)收集和整理

3.3.1數(shù)據(jù)的收集

同業(yè)拆借市場是商業(yè)銀行等金融機構(gòu)進行短期資金融通的場所，市場利率化程度是所有的金融市場中最高的。隔夜拆借利率也是市場利率化程度的標(biāo)志，相比其他利率，影響因素要較少一些。本文選取了自2015年1月4日到2017年12月29日的749個真實的SHIBOR數(shù)據(jù)（來自中國貨幣網(wǎng)[http：∥www.chinamoney.com.cn/index.html]）。通過對這些數(shù)據(jù)的整理和分析來實證VaR模型在風(fēng)險管理中的實用性。

3.3.2平穩(wěn)性檢驗

為了防止模型實證過程出現(xiàn)偽回歸現(xiàn)象，需要對數(shù)據(jù)的平穩(wěn)性進行檢驗，本文對數(shù)據(jù)進行了一階差分處理，采用ADF單位根法來檢驗平穩(wěn)性。樣本數(shù)據(jù)分布和單位根檢驗結(jié)果如圖表1。

由表2可以看出，數(shù)據(jù)ADF統(tǒng)計量在1%、5%和10%的水平下都小于各自的臨界值，由此我們可以認(rèn)為以上數(shù)據(jù)是平穩(wěn)的。

3.3.3正態(tài)性檢驗

利用δ—正態(tài)法對VaR進行計算首先需要對收益數(shù)據(jù)進行正態(tài)性檢驗，這是一個大前提。利用Eviews8.0軟件，對數(shù)據(jù)進行檢驗，結(jié)果如下。

原假設(shè)為收益數(shù)據(jù)分布是正態(tài)分布，檢驗結(jié)果表明，JB值為1.142820，相對較小，P=0.564729>0.05，表明數(shù)據(jù)的正態(tài)性良好，即數(shù)據(jù)近似服從正態(tài)分布。

VaR的計算依賴于數(shù)據(jù)呈現(xiàn)特定的分布，本文前面已經(jīng)證明收益數(shù)據(jù)平穩(wěn)且服從正態(tài)分布。對于資產(chǎn)價值有

4模型的優(yōu)勢和不足

4.1模型的優(yōu)勢

4.1.1技術(shù)要求低

VaR模型事實上是一種數(shù)理統(tǒng)計模型的應(yīng)用，不要求運用的人有專業(yè)的金融知識或者技術(shù)，對于風(fēng)險管理當(dāng)局和其他需要進行風(fēng)險管理的人來說都是簡易可行的方法。

4.1.2可以預(yù)估風(fēng)險

與傳統(tǒng)的資產(chǎn)負(fù)債管理方式相比，克服了只能從既定的數(shù)據(jù)得出結(jié)論和只能看到過去的風(fēng)險狀態(tài)的弊端，VaR模型可以在過去的數(shù)據(jù)基礎(chǔ)上預(yù)估未來的風(fēng)險，使商業(yè)銀行可以更早更及時的防范可能發(fā)生的風(fēng)險。

4.2模型的不足

4.2.1模型應(yīng)用數(shù)據(jù)方面

本文未將VaR計量方法與其他風(fēng)險管理模型比較，對于數(shù)據(jù)經(jīng)常常出現(xiàn)的“尖峰厚尾”現(xiàn)象，本文也未做出詳細的探討，這些問題將在本人的后續(xù)研究中得到研究。

4.2.2過分依賴于數(shù)據(jù)分布

本文是假設(shè)數(shù)據(jù)樣本分布呈現(xiàn)或者近似正態(tài)分布，在此基礎(chǔ)上利用VaR模型進行風(fēng)險度量，在利率樣本數(shù)據(jù)大量隨機分布情況下，往往會呈現(xiàn)“厚尾”的特征，利用此模型度量可能會出現(xiàn)偏差，不夠準(zhǔn)確。在小范圍數(shù)據(jù)偏差的情況下，可以采用其他方法加以佐證，力求更精確。

4.2.3過于依賴歷史數(shù)據(jù)

模型歷史模擬法有一個潛在的假設(shè)就是期待后續(xù)的數(shù)據(jù)分布和歷史數(shù)據(jù)分布有相同或者相似的分布，這樣的預(yù)估才是有效的，但是長期過程中，利率會隨著時間的變化而出現(xiàn)走高或者走低的狀況，這會使模型的預(yù)測出現(xiàn)偏差。

隨著金融市場的不斷完善，利率市場化不斷深入，技術(shù)不斷革新，后續(xù)的數(shù)據(jù)和前期的數(shù)據(jù)也不可能完全符合相似的分布特征。歷史平穩(wěn)的數(shù)據(jù)特征下使用的模型，也無法面對極端的金融環(huán)境下的突發(fā)事件。所以，商業(yè)銀行需要實時跟進金融市場數(shù)據(jù)變化，持續(xù)推動創(chuàng)新風(fēng)險管理模式。