基于VaR模型的商業(yè)銀行利率風(fēng)險(xiǎn)度量與管理

羅熙茗 付湘山

[摘 要]隨著我國(guó)利率市場(chǎng)化的逐漸深入，利率風(fēng)險(xiǎn)增加了商業(yè)銀行經(jīng)營(yíng)的不確定性，嚴(yán)重時(shí)甚至?xí)?dǎo)致系統(tǒng)性風(fēng)險(xiǎn)。為了度量商業(yè)銀行的利率風(fēng)險(xiǎn)，倫敦銀行間同業(yè)拆借利率（LIBOR）為研究對(duì)象，選取了2009年1月2日至2019年7月10日的隔夜拆借利率，使用VaR模型對(duì)其存在的利率風(fēng)險(xiǎn)進(jìn)行了分析和研究。結(jié)果表明，對(duì)于商業(yè)銀行的隔夜拆借利率敏感型業(yè)務(wù)而言，在90%、95%、99%置信度下的最大損失（風(fēng)險(xiǎn)）分別為資產(chǎn)市場(chǎng)價(jià)值的43.92%、50.36和58.43%，可見(jiàn)商業(yè)銀行面臨的利率風(fēng)險(xiǎn)很大。建議建立存款保險(xiǎn)制度用以對(duì)沖利率風(fēng)險(xiǎn)，增強(qiáng)商業(yè)銀行運(yùn)營(yíng)的穩(wěn)定性。

[關(guān)鍵詞]利率風(fēng)險(xiǎn);VaR模型;風(fēng)險(xiǎn)管理;倫敦銀行間同業(yè)拆借利率

[中圖分類號(hào)] F83? ? ? ? ? ?[文獻(xiàn)標(biāo)識(shí)碼] A? ? ? ? [文章編號(hào)] 2095-3283（2020）03-0064-05

Measurement and Management of Interest Rate Risk of Commercial Banks

—Based on Var Model of a Case Study of Libor

Luo Ximing? ?Fu Xiangshang

（School of Economics and Management China University of Geosciences， Beijing 100083）

Abstract： With the gradual deepening of interest rate liberalization in China， interest rate risk increases the uncertainty of commercial Banks' operation， and even leads to systematic risk in serious cases. In order to measure the interest rate risk of commercial Banks， this paper takes LIBOR as the research object， selects the overnight lending rate on January 2， 2009 solstice and July 10， 2019， and USES the VaR model to analyze and study its interest rate risk. The results show that the maximum loss （risk） in the case of the overnight lending rate sensitive business of commercial Banks under the confidence of 90%， 95% and 99% is 43.92%， 50.36 and 58.43% of the market value of assets respectively， indicating that commercial Banks are faced with great interest rate risk. Therefore， this paper proposes to establish a deposit insurance system to hedge interest rate risks and enhance the stability of commercial Banks.

Key Words： Interest Rate Risk; Commercial Banks; Var Model; Libor

一、引言

利率風(fēng)險(xiǎn)是指利率波動(dòng)使得商業(yè)銀行的實(shí)際收益與預(yù)期收益發(fā)生一定程度的偏差，進(jìn)而使得商業(yè)銀行遭受損失的一種不確定性。隨著世界各國(guó)利率市場(chǎng)化邁入新征程，如何有效地識(shí)別、量化和管理利率風(fēng)險(xiǎn)，成為保證商業(yè)銀行健康穩(wěn)定發(fā)展的重要問(wèn)題。自2018年5月30日銀保監(jiān)會(huì)發(fā)布《商業(yè)銀行銀行賬簿利率風(fēng)險(xiǎn)管理指引》以來(lái)，我國(guó)銀行業(yè)的風(fēng)險(xiǎn)管理架構(gòu)不斷完善，風(fēng)險(xiǎn)偏好與限額管理趨于精準(zhǔn)，風(fēng)險(xiǎn)管理策略有效性逐步提高。

LIBOR即倫敦同業(yè)拆借利率，是在倫敦銀行內(nèi)部交易市場(chǎng)上的商業(yè)銀行對(duì)存于非美國(guó)銀行的美元進(jìn)行交易時(shí)所涉及的利率。LIBOR常常作為商業(yè)貸款、抵押、發(fā)行債務(wù)利率的基準(zhǔn)。同時(shí)，浮動(dòng)利率的長(zhǎng)期貸款利率也會(huì)在LIBOR的基礎(chǔ)上確定。LIBOR同時(shí)也是很多合同的參考利率。結(jié)合LIBOR近年來(lái)的實(shí)踐運(yùn)行情況可發(fā)現(xiàn)，LIBOR在理論上和實(shí)踐上存在合理性與可操作性，可以及時(shí)并準(zhǔn)確地反映當(dāng)前資金供給與需求變化，并且在將來(lái)能夠作為連接金融市場(chǎng)和金融體系的各個(gè)機(jī)構(gòu)之間的紐帶，擔(dān)任未來(lái)各國(guó)貨幣政策調(diào)控體系主要政策工具的基準(zhǔn)利率。

二、文獻(xiàn)綜述

（一）利率風(fēng)險(xiǎn)方面的研究

劉松林、朱霞（2010）使用了由 Duffee 建立的回歸方程，經(jīng)過(guò)計(jì)算他們得出利率風(fēng)險(xiǎn)與信用風(fēng)險(xiǎn)兩者之間存在著負(fù)相關(guān)關(guān)系，作為進(jìn)行風(fēng)險(xiǎn)管理的部門必須強(qiáng)化相關(guān)管理制度的建設(shè)，進(jìn)一步提升利率風(fēng)險(xiǎn)的計(jì)量水平和利率風(fēng)險(xiǎn)的管理水平，而不能只考慮一種類型的風(fēng)險(xiǎn)。姚遠(yuǎn)（2011）選擇七家上市銀行，以2006年至2007年的數(shù)據(jù)為樣本，應(yīng)用利率敏感性缺口模型進(jìn)行實(shí)證研究，著重考察利率敏感性缺口、缺口率、利率敏感性比率、偏離這四個(gè)指標(biāo)，得出結(jié)論：商業(yè)銀行一年期以上資產(chǎn)、負(fù)債期限不匹配，長(zhǎng)期利率風(fēng)險(xiǎn)凸顯，并提出可以通過(guò)調(diào)整資產(chǎn)負(fù)債結(jié)構(gòu)來(lái)增強(qiáng)長(zhǎng)期資產(chǎn)和負(fù)債的匹配度。謝曉雪（2012）總結(jié)了商業(yè)銀行利率風(fēng)險(xiǎn)管理面臨的挑戰(zhàn)，指出提高自主定價(jià)水平和風(fēng)險(xiǎn)定價(jià)能力是實(shí)現(xiàn)有效利率風(fēng)險(xiǎn)管理的關(guān)鍵。向陽(yáng)（2013）強(qiáng)調(diào)基于利率市場(chǎng)化的前提，商業(yè)銀行在進(jìn)行風(fēng)險(xiǎn)管理時(shí)應(yīng)該充分利用利率衍生產(chǎn)品，高效管理利率市場(chǎng)風(fēng)險(xiǎn)。王晉忠、高菲（2015）應(yīng)用最小方差以及套期保值等模型，通過(guò)對(duì)比分析的方法，分別研究利率衍生工具在對(duì)沖風(fēng)險(xiǎn)過(guò)程中的作用，闡明利率風(fēng)險(xiǎn)管理效果較好的方法為把利率互換和國(guó)債期貨的動(dòng)態(tài)模型與最小方差模型相結(jié)合。王清、邱靜和劉雨露（2015）以工商銀行為例，運(yùn)用缺口模型實(shí)證分析，指出現(xiàn)階段我國(guó)商業(yè)銀行利率風(fēng)險(xiǎn)管理意識(shí)淡薄，利率風(fēng)險(xiǎn)管理手段落后，需進(jìn)一步加強(qiáng)。

（二）VaR模型在利率風(fēng)險(xiǎn)度量中的運(yùn)用

趙敬（2012）通過(guò)VaR模型的基本原理和具體操作方法對(duì)我國(guó)的利率風(fēng)險(xiǎn)度量指標(biāo)體系進(jìn)行了評(píng)估，得出了GED分布下的GARCH（1，1）模型能較好地描述我國(guó)商業(yè)銀行所面臨的利率風(fēng)險(xiǎn)狀況等結(jié)論。王勇飛（2012）使用了風(fēng)險(xiǎn)價(jià)值VaR模型對(duì)銀行間市場(chǎng)債券質(zhì)押式回購(gòu)利率風(fēng)險(xiǎn)進(jìn)行測(cè)度，從而對(duì)利率風(fēng)險(xiǎn)進(jìn)行有效評(píng)估，得出了商業(yè)銀行對(duì)其他風(fēng)險(xiǎn)運(yùn)用VaR模型進(jìn)行度量的時(shí)候應(yīng)根據(jù)不同的樣本選擇不同的GARCH模型進(jìn)行計(jì)算，我國(guó)商業(yè)銀行必須加快對(duì)VaR模型的應(yīng)用研究，提高銀行利率風(fēng)險(xiǎn)的管理能力等結(jié)論（王勇飛，2012）。徐靈（2013）使用了VaR方法中的方差—協(xié)方差法與歷史模擬法對(duì)我國(guó)商業(yè)銀行利率的風(fēng)險(xiǎn)管理和度量進(jìn)行了評(píng)估，得出了商業(yè)銀行需要建立全面的數(shù)據(jù)信息系統(tǒng)，并選擇適當(dāng)?shù)闹眯潘胶统钟衅陂L(zhǎng)度，以便于結(jié)合VaR方法中的方差—協(xié)方差法與歷史模擬法，同時(shí)配合壓力測(cè)試及后測(cè)檢驗(yàn)，從而更好地預(yù)防極端風(fēng)險(xiǎn)對(duì)商業(yè)銀行造成的影響這一結(jié)論。何堤（2013）通過(guò)VaR模型和GARCH模型對(duì)上海銀行間同業(yè)拆借利率進(jìn)行風(fēng)險(xiǎn)度量研究，得出了SHIBOR 價(jià)格收益率序列波動(dòng)在很大程度上依賴過(guò)去的價(jià)格波動(dòng)和誤差，上海同業(yè)拆放利率市場(chǎng)價(jià)格波動(dòng)風(fēng)險(xiǎn)可由過(guò)去的價(jià)格風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。李艷珍等（2016）運(yùn)用GARCH族模型模擬市場(chǎng)利率變動(dòng)和VaR模型度量商業(yè)銀行利率風(fēng)險(xiǎn)，得出了我國(guó)商業(yè)銀行短期利率風(fēng)險(xiǎn)較大，我國(guó)銀行間同業(yè)拆借利率序列不存在顯著的杠桿效應(yīng)等結(jié)論。

三、模型與數(shù)據(jù)

隨著我國(guó)逐步推進(jìn)利率市場(chǎng)化，利率風(fēng)險(xiǎn)管理也顯得越來(lái)越重要，學(xué)者對(duì)這一部分的研究愈加重視?；谇叭说难芯?，本文采用倫敦同業(yè)拆借利率數(shù)據(jù)，運(yùn)用VaR模型對(duì)商業(yè)銀行所面臨的利率風(fēng)險(xiǎn)進(jìn)行了測(cè)算和分析，對(duì)存在的問(wèn)題提出了相關(guān)政策建議。

（一）VaR模型簡(jiǎn)介

VaR（Value at Risk）即處于風(fēng)險(xiǎn)中的價(jià)值，一般被稱為風(fēng)險(xiǎn)價(jià)值或在險(xiǎn)價(jià)值，是指在市場(chǎng)正常波動(dòng)下，某一金融資產(chǎn)或證券組合的最大可能損失（何堤，2013）。VaR方法將銀行的全部資產(chǎn)組合風(fēng)險(xiǎn)概括為一個(gè)簡(jiǎn)單的數(shù)字，并以美元計(jì)量單位來(lái)表示風(fēng)險(xiǎn)管理的核心——潛在虧損。這也正是VaR能夠成為全行業(yè)衡量風(fēng)險(xiǎn)的一個(gè)方法標(biāo)準(zhǔn)的原因。VaR通?？梢员硎緸椋?/p>

Prob（△P>VaR）=1-α? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

其中：Prob為概率，ΔP為資產(chǎn)組合的最大可能損失，α為置信水平，VaR表示置信度為α的風(fēng)險(xiǎn)價(jià)值。由此可知，置信水平的高低和持有期的長(zhǎng)短是影響VaR值的兩個(gè)重要參數(shù)。

（二）數(shù)據(jù)選取與分析

本文選取倫敦同業(yè)拆借利率（LIBOR）的隔夜數(shù)據(jù)作為VaR模型實(shí)證的對(duì)象。LIBOR是倫敦的第一流銀行之間短期資金借貸的利率，是國(guó)際金融市場(chǎng)大多數(shù)浮動(dòng)利率的基礎(chǔ)利率。該利率一般分為兩個(gè)利率，即貸款利率和存款利率，兩者之間的差額為銀行利潤(rùn)。通常報(bào)出的利率為隔夜（兩個(gè)工作日）、7天、1個(gè)月、3個(gè)月、6個(gè)月和1年期。而隔夜利率在銀行間的使用頻率相對(duì)較高，因此本文選取2009—2019年共2253個(gè)隔夜（O/N）倫敦同業(yè)拆借利率為樣本，研究商業(yè)銀行的利率風(fēng)險(xiǎn)，數(shù)據(jù)來(lái)源為和訊網(wǎng)（http：//www.hexun.com）。

四、結(jié)果與討論

（一）平穩(wěn)性分析

為了能夠使用GARCH族模型，對(duì)2009—2019年的倫敦銀行間同業(yè)拆借美元利率進(jìn)行擬合，必須要保證該金融時(shí)間序列的穩(wěn)定性。而檢驗(yàn)LIBOR時(shí)間序列平穩(wěn)性的直觀方法，是繪制其時(shí)序圖。2009—2019年倫敦銀行間隔夜拆放利率時(shí)序圖如圖1所示（由于部分日期數(shù)據(jù)缺失，共收集到有效數(shù)據(jù)2253個(gè)）。

由圖1可以看出，LIBOR利率具有較大的不穩(wěn)定性。若直接用其進(jìn)行建模分析，會(huì)產(chǎn)生嚴(yán)重的自相關(guān)性以及波動(dòng)性的問(wèn)題。由此，為了得到比較平穩(wěn)的隔夜LIBOR收益率的時(shí)間序列數(shù)據(jù)，本文對(duì)所有收集到的隔夜LIBOR收益率進(jìn)行對(duì)數(shù)差分處理，得到的結(jié)果記為r。計(jì)算公式如下：

rt=ln（LIBORt）-ln（LIBORt-1）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

上式中，rt為第t日隔夜LIBOR收益率的對(duì)數(shù)差分收益率。ln（LIBORt）和ln（LIBORt-1）分別為第t日和第t-1日的隔夜LIBOR 收益率。后文稱由rt構(gòu)成的時(shí)間序列為收益率序列。

為了進(jìn)一步驗(yàn)證收益率序列具有平穩(wěn)性，下面進(jìn)行單位根檢驗(yàn)（augmented dickey-fuller test）。單位根檢驗(yàn)是指，檢驗(yàn)系列中是否存在單位根過(guò)程?？梢宰C明，若序列中存在單位根過(guò)程，則該序列必然不平穩(wěn)，由此將導(dǎo)致回歸分析中出現(xiàn)偽回歸。用Eviews10軟件對(duì)收益率序列做單位根檢驗(yàn)，結(jié)果如圖2所示。

由圖2可知，ADF檢驗(yàn)所得的t統(tǒng)計(jì)量值小于顯著性水平為1%、5%和10%給出的參考值。因此可以得出結(jié)論：收益率序列不存在單位根過(guò)程，具有較好穩(wěn)定性。

（二）自相關(guān)檢驗(yàn)

大量實(shí)證研究表明，由于經(jīng)濟(jì)行為的滯后性，經(jīng)濟(jì)變量的慣性，其他隨機(jī)偶然因素的影響，觀測(cè)數(shù)據(jù)的處理等因素，金融時(shí)間序列數(shù)據(jù)常常表現(xiàn)出顯著的時(shí)間慣性特點(diǎn)，即時(shí)間序列的不同時(shí)點(diǎn)上的數(shù)據(jù)存在某種程度的相互關(guān)聯(lián)性。如果不考慮數(shù)據(jù)的自相關(guān)性，將會(huì)導(dǎo)致模型預(yù)測(cè)失效，顯著性檢驗(yàn)失效以及參數(shù)估計(jì)無(wú)效等問(wèn)題。所以，本文在構(gòu)建GARCH族模型之前對(duì)收益率序列進(jìn)行自相關(guān)檢驗(yàn)。各個(gè)滯后期自相關(guān)和偏相關(guān)系數(shù)如圖3所示。

由圖3可知，收益率序列r的自相關(guān)系數(shù)AC與偏相關(guān)系數(shù)PAC不全為零，證明LIBOR收益率序列存在一定的自相關(guān)性。但其滯后2期的自相關(guān)系數(shù)AC值為0.004，滯后10期的自相關(guān)系數(shù)AC值為0.000，可見(jiàn)其自相關(guān)程度較低。

（三）條件異方差檢驗(yàn)

由圖1可以直觀看出，隔夜LIBOR收益率序列在不同時(shí)間段內(nèi)波動(dòng)幅度也不同。前半段收益率波動(dòng)較為平緩，后半段收益率波動(dòng)有所加劇。這意味著LIBOR收益率樣本數(shù)據(jù)可能存在異方差，有待條件異方差檢驗(yàn)。

具體的檢驗(yàn)方法是，運(yùn)用自回歸條件異方差模型，簡(jiǎn)稱ARCH模型（Autoregressive heteroskedasticity model）。該模型將當(dāng)前所有可得的信息作為已知前提，進(jìn)而運(yùn)用自回歸的方式來(lái)描述數(shù)據(jù)序列方差的變化及其特征。首先運(yùn)用最小二乘法對(duì)2252個(gè)隔夜LIBOR數(shù)據(jù)序列構(gòu)建一階自回歸。進(jìn)而用Eviews10軟件對(duì)收益率進(jìn)行之后一階的ARCH-LM檢驗(yàn)，定量地判斷收益率序列是否存在ARCH效應(yīng)。檢驗(yàn)結(jié)果如圖4所示。

從ARCH-LM檢驗(yàn)結(jié)果來(lái)看，在95%的置信度水平下，F(xiàn)統(tǒng)計(jì)量等于736.2328，相伴概率為0.0000;Obs*R-squared統(tǒng)計(jì)值等于553.7367，相伴概率等于0.0000。兩個(gè)相伴概率均小于其臨界值，應(yīng)當(dāng)拒絕原假設(shè)而接受備擇假設(shè)，即隔夜LIBOR收益率序列的殘差在上述條件下存在顯著的ARCH效應(yīng)。

由此，本文采用GARCH族模型對(duì)收益率數(shù)據(jù)序列進(jìn)行擬合，根據(jù)已有實(shí)證研究的經(jīng)驗(yàn)，p=1或2，q=1或2可以較好地刻畫金融時(shí)間序列。運(yùn)用Eviews10軟件分別檢驗(yàn)分析N-GARCH（1，1）、N-GARCH（1，2）、N-GARCH（2，1）、N-GARCH（2，2），結(jié)果如表1所示。

運(yùn)用Eviews10軟件分別檢驗(yàn)分析GED-GARCH（1，1）、GED-GARCH（1，2）、GED-GARCH（2，1）、GED-GARCH（2，2），結(jié)果如表2所示。

運(yùn)用Eviews10軟件分別檢驗(yàn)分析t-GARCH（1，1）、t-GARCH（1，2）、t-GARCH（2，1）、t-GARCH（2，2），結(jié)果如表3所示。

上述結(jié)果表明，所有GARCH族模型均通過(guò)了顯著性檢驗(yàn)，同時(shí)GED-GARCH（1，2）模型的AIC值和SC值最小。根據(jù)日本統(tǒng)計(jì)學(xué)家赤池弘次創(chuàng)立的AIC信息準(zhǔn)則（Akaike Information Criterion）以及SC準(zhǔn)則（Schwarz Criterion），通過(guò)比較不同分布滯后項(xiàng)的模型擬合優(yōu)度，以確定合適的滯后期長(zhǎng)度。具體操作時(shí)，在目標(biāo)模型中不斷增加滯后變量，直到AIC值和SC值都不再降低為止。換句話說(shuō)，AC和SC值越小表明模型的擬合程度越好。由此，本文選擇GED-GARCH（1，2）模型對(duì)收益率數(shù)據(jù)序列進(jìn)行擬合，計(jì)算結(jié)果如圖5所示。

（四）VaR計(jì)算

首先，本文根據(jù)收益率數(shù)據(jù)序列擬合GED-GARCH（1，2）方程。接著，利用Eviews10軟件的GARCH估計(jì)模塊得出收益率序列r的一步向前預(yù)測(cè)條件均值和方差。最后，利用在VaR的定義式，得出不同置信度下的VaR測(cè)算值。具體公式如下：

本文將頭寸設(shè)為1個(gè)單位，進(jìn)而測(cè)算了自由度為9.314714的GED（廣義誤差分布）在90%、95%和99%置信水平下的分位數(shù)。將其與各置信度下的條件均值、條件標(biāo)準(zhǔn)差以及VaR計(jì)算結(jié)果整理如表4所示。

由上述VaR的計(jì)算結(jié)果可知：對(duì)于商業(yè)銀行的隔夜拆借利率敏感型業(yè)務(wù)而言，在90%的置信度下的最大損失（風(fēng)險(xiǎn)）為資產(chǎn)市場(chǎng)價(jià)值的43.92%;在95%的置信度下的最大損失（風(fēng)險(xiǎn)）為資產(chǎn)市場(chǎng)價(jià)值的50.36%;在95%的置信度下的最大損失（風(fēng)險(xiǎn)）為資產(chǎn)市場(chǎng)價(jià)值的58.43%。由此可見(jiàn)，世界各地的商業(yè)銀行都應(yīng)該充分重視利率風(fēng)險(xiǎn)的實(shí)時(shí)監(jiān)測(cè)及管理。

五、結(jié)論與對(duì)策建議

（一）研究結(jié)論

本文選用2009—2019年倫敦銀行間同業(yè)拆借利率的隔夜（O/N）數(shù)據(jù)進(jìn)行了實(shí)證研究，收益率數(shù)據(jù)的樣本容量為2253個(gè)。在實(shí)證過(guò)程中，首先對(duì)隔夜LIBOR收益率進(jìn)行對(duì)數(shù)差分處理，得到較為穩(wěn)定的時(shí)間序列。進(jìn)一步，運(yùn)用Eviews10軟件對(duì)2253個(gè)樣本數(shù)據(jù)從平穩(wěn)程度、是否存在自相關(guān)性和是否存在條件異方差性三個(gè)方面進(jìn)行檢驗(yàn)?？梢缘贸鲆韵陆Y(jié)論：

第一，收益率序列具有弱平穩(wěn)的條件。第二，收益率序列存在較低程度的一階自相關(guān)特性，模型的擬合效果較好。第三，由ARCH-LM檢驗(yàn)結(jié)果可知，收益率序列存在條件異方差，即收益率序列的殘差序列存在顯著的ARCH效應(yīng)，可以用GARCH族模型進(jìn)行擬合。

經(jīng)過(guò)比對(duì)不同GARCH族模型的擬合效果，根據(jù)AIC信息準(zhǔn)則以及SC準(zhǔn)則，本文發(fā)現(xiàn)：GED-GARCH（1，2）模型對(duì)收益率數(shù)據(jù)序列的擬合效果最佳。據(jù)此擬合方程，本文測(cè)算了不同置信度下的VaR數(shù)值。結(jié)果表明：對(duì)于商業(yè)銀行的隔夜拆借利率敏感型業(yè)務(wù)而言，在90%、95%、99%置信度下的最大損失（風(fēng)險(xiǎn)）分別為資產(chǎn)市場(chǎng)價(jià)值的43.92%、50.36和58.43%。因此，本文得出“商業(yè)銀行的利率風(fēng)險(xiǎn)較大，對(duì)利率風(fēng)險(xiǎn)的實(shí)時(shí)監(jiān)測(cè)和管理十分必要”的結(jié)論。

（二）對(duì)策建議

1.建立存款保險(xiǎn)制度

存款保險(xiǎn)制度的必要性在于它為存款提供了繼商業(yè)銀行之后的第二道屏障，當(dāng)銀行無(wú)力償還存款時(shí)，保險(xiǎn)公司將代為償還，這樣既可使存款人的安全性大大增加，同時(shí)增加了銀行的信用，也起到了穩(wěn)定金融體系的作用。審慎監(jiān)管制度、最后貸款人制度和存款保險(xiǎn)制度構(gòu)成了維護(hù)金融安全的三道防線。

2.利率與匯率改革雙管齊下

利率和匯率是市場(chǎng)經(jīng)濟(jì)下進(jìn)行投資的風(fēng)向標(biāo)，也是我國(guó)宏觀調(diào)控的主要工具。推動(dòng)金融市場(chǎng)改革，尤其是利率和匯率市場(chǎng)化雙管齊下，可增強(qiáng)市場(chǎng)在經(jīng)濟(jì)中的資源配置作用，增強(qiáng)配置效率，促進(jìn)經(jīng)濟(jì)機(jī)構(gòu)的調(diào)整與整體發(fā)展。而且，二者必須齊頭并進(jìn)，相互補(bǔ)充。相對(duì)應(yīng)的，利率是貨幣價(jià)格的國(guó)內(nèi)指標(biāo)，匯率是貨幣價(jià)格的對(duì)外指標(biāo)。同樣，內(nèi)外指標(biāo)形成、運(yùn)行必須協(xié)調(diào)一致，整體經(jīng)濟(jì)才可以實(shí)現(xiàn)穩(wěn)定發(fā)展。

3.完善金融監(jiān)管機(jī)制

利率市場(chǎng)化是我國(guó)金融體系改革中極為關(guān)鍵的一部分，它的順利推進(jìn)對(duì)我國(guó)經(jīng)濟(jì)發(fā)展起到深遠(yuǎn)影響，但也需要相關(guān)金融環(huán)境給予適當(dāng)和必要的支撐，尤其是來(lái)自中央銀行的監(jiān)督和支持。利率市場(chǎng)化改革后，央行不能直接確定商業(yè)銀行的存貸款利率，只能通過(guò)公開市場(chǎng)操作，借助市場(chǎng)機(jī)制傳導(dǎo)，間接對(duì)利率水平進(jìn)行引導(dǎo)和影響。所以，上述傳導(dǎo)機(jī)制應(yīng)在利率市場(chǎng)化改革前就建立和完善。這樣，在面臨改革過(guò)程中的一些突發(fā)情況時(shí)，可通過(guò)完善的機(jī)制進(jìn)行相應(yīng)的反應(yīng)。

[參考文獻(xiàn)]

[1]何堤.上海銀行間同業(yè)拆借利率的風(fēng)險(xiǎn)度量研究——基于GARCH族模型及VaR方法[D].昆明：云南師范大學(xué)，2013：61-65.

[2]李艷珍，李莉.基于VaR模型的我國(guó)商業(yè)銀行利率風(fēng)險(xiǎn)度量[J].金融經(jīng)濟(jì)，2016（8）.

[3]王晉忠，高菲.運(yùn)用衍生工具管理我國(guó)商業(yè)銀行利率風(fēng)險(xiǎn)的效率研究[J].武漢大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2015（6）：65、75.

[4]王清，邱靜，劉雨露.利率市場(chǎng)化下我國(guó)商業(yè)銀行利率風(fēng)險(xiǎn)管理研究——以工商銀行為例[J].西南金融，2015（10）：27、31.

[5]王勇飛.基于VaR模型的我國(guó)商業(yè)銀行利率風(fēng)險(xiǎn)度量研究——以銀行間市場(chǎng)債券質(zhì)押式回購(gòu)利率為例[D].重慶：西南政法大學(xué)，2012：28-35.

[6]史京鑫.互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)防范的研究[J].對(duì)外經(jīng)貿(mào)，2018（10）：102-104.

[7]謝曉雪.利率市場(chǎng)化與利率風(fēng)險(xiǎn)管理[J].中國(guó)金融，2012（15）：28-29.

[8]徐靈.基于VaR模型的我國(guó)商業(yè)銀行利率風(fēng)險(xiǎn)度量及實(shí)證研究[D].長(zhǎng)春：吉林大學(xué)，2013：18-28.

[9]姚遠(yuǎn).商業(yè)銀行利率風(fēng)險(xiǎn)及其防范——基于2006～2010年7家上市銀行數(shù)據(jù)的驗(yàn)證，金融論壇，2011（11）：45、51.

[10]趙敬.VaR模型在我國(guó)商業(yè)銀行利率風(fēng)險(xiǎn)度量中的應(yīng)用研究[D].蘭州：蘭州商學(xué)院，2012：40-42.

[11]朱霞，劉松林.利率市場(chǎng)化背景下商業(yè)銀行利率風(fēng)險(xiǎn)管理[J].金融理論與實(shí)踐，2010（2）：40、43.

（責(zé)任編輯：張彤彤 藍(lán) 亮）

[作者簡(jiǎn)介]羅熙茗（1998-），男，漢族，北京人，本科生在讀，研究方向：經(jīng)濟(jì)學(xué);付湘山（1998-），男，漢族，北京人，本科生在讀，研究方向：經(jīng)濟(jì)學(xué)。

[基金項(xiàng)目]本文受到中國(guó)地質(zhì)大學(xué)（北京）2019年“大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃”資助（項(xiàng)目編號(hào)：X201911415211）。