VAR方法在我国沪深300股指期货风险管理的应用

刘虎啸 杨克明

摘 要：2010年4月16日中国金融交易市场推出了沪深300股指期货。股指期货的出现，对于金融产品的发展起到了推动作用。但是作为我国新兴的交易市场，其机制并未完全成熟，其高杠杆、操作复杂等特征，容易给投资者带来损失。通过对沪深300股指期货的数据实证研究，观察VaR-GARCH模型在股指期货的实际风险管理中的应用价值，并针对股指期货风险提出一些防范措施建议。

关键词：VaR风险价值法；股指期货；GARCH模型

中图分类号：F23 文献标识码：A doi：10.19311/j.cnki.16723198.2019.31.051

1 引言

股票市场的风险，可以分为两种风险：一种是系统性风险；另一种则是非系统性风险。非系统性风险是由持有某个股所面临的风险，而系统性风险则是对于整个股票市场的价格有影响的风险。对于非系统性风险，可以通过资产组合的手段规避或者减小风险，而对于系统性风险，无法进行投资手段来进行规避，因此股指期货应运而生。股指期货合约是交易雙方在交易场所进行公开竞价买卖标的物为股票指数的一种标准化合约，通过股指期货合约，可以与股票市场交易进行反向操作，从而达到实现对股票市场风险的一种消除，使投资者实现套期保值。我国自2010年在金融交易所上市沪深300股指期货开始，股指期货的种类逐渐增多，并且在前5年的成交量以及持仓量都是逐渐递增的，统计数据显示，在2018年沪深300的股指期货成交量达到7486825手，同比2017年增长82.56%，交易额78277.77，同比增长73.59%，年末持仓量76320手，同比增长97.99%，可以体现在我国股指期货的需求还是较大的。

然而股指期货在发挥其抵御风险的积极作用的同时，也会产生很大的风险。在我国，股指期货市场仍然是一个不成熟，机制不够健全的市场。期货本身作为一种具有高杠杆性，高流动性的金融衍生工具，会吸引一些风险偏好者以及投机者，并将其作为一种攫取高收益的工具，操纵市场，从而导致其他交易者受到损失。此外，相比于其他实体期货，股指期货也具有一些带有自身特性的风险，例如，当期货现货市场出现价格不一致时，会导致出现基差风险；期货现货市场资产价值不一致或者资产规模不一致的时候，会出现保值率风险；当期货现货市场的流动性大小出现不一致的时候，会出现流动性风险。高收益的同时也会带来高风险，因此对于股指期货的风险管理是必不可少的。

2 VAR方法以及GARCH模型简述

在上世纪，由于对于风险的量化不够明晰，出现许多灾难性的金融事件，例如英国巴林银行事件，日本大和银行事件，因此人们开始寻求对风险的量化方法，VAR方法也就应运而生。VAR风险价值度这一概念最早在1990年由J.P.摩根提出，当时开发出的产生报告的计算机系统，能够让银行的管理人员能够简洁明了的认识到银行所面临的风险。在之后1994年，J.P.摩根将自己开发的完善的模型RiskMetrice公布于世，自此之后越来越多的软件公司开始研发自己的VAR系统，风险价值度这一概念，因此得到了金融机构的广泛认可，在1996年巴塞尔委员会，基于风险价值度，发布了最新的协议修正案，并与1998年得到执行。

风险价值度分析法，其定义是在正常的市场条件下，未来某一时间段，一定的置信区间内，所持有的资产组合发生的最大损失。其特性是可以将风险量化，即可以用具体的数字去衡量资产风险，正是由于这样的特点，可以使风险价值度的应用得以推广。其优点如下：第一，风险价值可以去计量未来某一段时间的金融资产风险；第二，可以去计量一个资产组合的整体风险；第三，所得到的风险计量结果是数值，由于简单明了容易受到更多的人喜爱。

在现在为止，VAR风险价值度的计算方法主要有这样三种：

（1）方差-协方差法，这种方法首先将资产组合的分布假设为正态分布，然后收集相关的历史数据，通过历史数据的样本来估算参数值，最后结合置信度，以及估算好的参数对VAR进行计算。

（2）历史模拟法，这种方法不需要特别的假设风险因子的分布，只须要知道历史数据，通过历史数据得到的分布函数，来代表未来的分布函数，根据这个分布函数得到未来的VAR。

（3）蒙特卡洛模拟法，这种方法首先通过历史数据去确定相关系数以及风险因子等参数，然后将所有的因子进行随机的参数化设定。然后通过模型对风险因子来模拟价格走势的设定，对于不同的时间段均可以采用这种完全模拟的方法对市场价格合理化评估，通过反复的拟合，最终可以得到资产组合的收益分布，从而通过这个分布可以得到VAR。

方差-协方差法能够更好的去刻画时间序列的特征，并且由于这种方法取得数据更加方便可靠，因此本文选用方差-协方差法来对股指期货进行计量研究。

在1982年，ENGAL首次提出ARCH模型，随后，在1986年，波列斯列夫在ARCH模型的基础上提出GARCH模型。对于股市的收益曲线，一般会呈现出“尖峰厚尾”的形式，而并不是一个标准的正态分布。而GARCH模型在方差以及处理厚尾的分析上能够有显著的优势，通过GARCH模型与VAR模型相联合，能够使得所得到的模型，有效的解决数据在时间序列上留存的尖峰厚尾特征，从而对数据特征有更为准确的描述。

3 数据选取与描述

3.1 样本数据的选取

鉴于股票期货的标的物与期货的价格基本一致，本文所采用的数据为HS300股指价格替代HS300股指期货的价格计算目标期限以为“日”单位的VAR值。样本数据时间跨度从2017年9月1日到2019年4月30日，共计403个交易日的收盘价。对于数据的研究，采用对数收益率，对数收益率将采用加减运算，相比于乘除法而言更利于建模，此外，用对数收益率可以防止指数时间序列受到非平稳波动的影响。具体的表达式如下：

Rt=ln（ptpt-1）=lnPt - lnp（t-1），其中Rt表示第t日的收益率，Pt表示第t日的沪深股指的收盘价。

通过所得到的402个数据，建立出对数收益率序列。可以用Eveiwes 7.2所得出的时间序列图如图1所示。

3.2 样本数据正态性检验

从图2可以看出，时间序列的标准差σ为0.012926，偏度S为-0.026183，峰度K为5.098757，显然偏度S小于0且峰度K大于3，可知，并不符合正态分布。时间序列分布具有尖峰且向左拖尾的特征。J-B值为74.00967，概率P=0，进一步拒绝序列分布为正态分布的假设。

3.3 样本数据平稳性检验

在建立模型之前，需要假设相应的数据序列是平稳的，因此本文采用ADF单位根检验法对时间序列进行平稳性检验。如果所得到的ADF是小于给定水平下的临界值，则可以认定该序列是没有单位根，表明序列平稳，反之，则序列不平稳。

通过图3可以看到，在ADF检验结果中，ADF检验值为-20.05713，均小于在1%，5%，10%水平的临界值-3.446402，-2.868511，-2.570549，并且ADF检验结果P值为0，在三个置信水平下均拒绝原假设。因此可以认为该序列是没有单位根，即序列具有平稳性。

3.4 样本数据相关性检验

在做传统回归模型时，往往需要随机误差项是没有自相关的，但是在实际，很难满足这样的假定，倘若出現随机误差项有自相关，会导致模型的准确率下降，因此对该序列的相关性进行检验。

从图4中，可以看出，自相关和偏相关值均超出了两条虚线的对称区域。并且可以看到，收益率序列的Q统计量尤为显著，其AC和PAC值均不为0，因此可以判断序列存在条件异方差性。

3.5 建立VaR-GARCH模型

通过对样本数据进行统计检验分析，可以看到收益率时间序列，存在着集群现象，序列平稳，但是有尖峰左拖尾的非正态性特征且存在着条件异方差性。通过选择GARCH模型对时间序列进行重新拟合，去解决序列所存在的异方差性等问题。通过Eviews对收益率序列建立GARCH（1，1）模型，得到参数结果如表1所示。

通过表中可以看到AIC值和SC值较小，表示所构建的模型能够较好的拟合数据，α+β之和小于1，因此所构建的GARCH模型是稳定的，可以满足约束条件，消除原本存在的异方差性。进一步构建出在正态分布下的TGARCH模型和EGARCH模型，通过所得实证结果，可以发现在TGARCH（1，1）中的γ≠0，表明HS300股指期货收益率对数序列对股市外部利好利空消息存在“杠杆效应”，且利好消息的系数为0.076007（α系数），利空消息的系数可知为0.086578（即α+γ），可知，此时收益率对数序列对利空消息的敏感程度更大。EGARCH（1，1）中的≠0，此时的利好消息的系数为0.002373（即α+），利空消息的系数为0.006435（即α-），此时的收益率对数序列对利空消息更敏感，沪深300股指期货在价格下跌波动性更强，但相较于TGARCH（1，1）模型，所受的影响较小。

3.6 VaR值的计算

我们可以采用协方差法计算VaR值，VaR（X）=σN-1（X），根据GARCH模型的描述，可以得到标准差，根据个人的投资风险偏好，选择所需要的置信区间X，即可以得到所需要的VaR值。对于投资者，可以通过计算个人股指期货合约的VaR值，来调整个人的合约数量以及合约部位，从而能够使交易风险处于个人可承受的范围之内。

通过对沪深300股指期货数据的分析，可以发现GARCH模型能够较好的对数据进行拟合。使用GARCH模型拟合后得到的数据计算VaR值，对投资者而言，能够让其在个人股指期货交易中，控制交易风险，VaR-GARCH模型的构建在股指期货风险管理应用中是存在一定价值的，且通过使用EGARCH模型拟合作为HS300股指期货的投资模型参考最为理想。

4 股指期货风险管理对策建议

我国股指期货的出现很大程度的弥补了股票市场单边交易的状况，对于我国资本市场而言，是一次重大的革命，同时对金融市场的发展，也能够起到一定的推动作用。但是，我国股指期货的起步较晚，很多制度法规仍然不健全，同时相比于其他实物标的的期货，股指期货是一种虚拟标的的金融衍生工具，当股指期货在交易时发生风险、出现问题时，对我国的金融市场、资本市场更容易造成严重的影响。因此为保障投资者的正当利益，维护金融市场的稳定性，必须要对股指期货市场的风险进行防范。

4.1 强化监管、建设完整的法律法规体系

股指期货发展较快的西方国家，经过时间的积累，已经逐步构成了较为完善的期货市场的法律法规体系以及监管体系。相较而言，我国作为世界经济大国，资本市场日趋活跃，金融市场日益开放，尤其是在金融衍生品市场发展迅速，但我国对于金融衍生品市场的正式法律法规文件较少，仅有《股票发行与交易管理暂行条例》《期货交易管理暂行条例》，这些暂行条例对于规范我国的期货市场交易而言，是远远不够的。我国股指期货推出已9年，期货市场的高杠杆性，交易灵活性等特性，是急需要从最高层面，制定出完善的有关期货交易的法律的，通过法律保证市场的稳定发展。可以通过借鉴西方国家在期货市场的相关法规文件，结合我国的国情，加快建设期货市场监管体系。

4.2 增强投资者教育

由于股指期货是一种虚拟标的的金融衍生工具，其运行方式较为特殊，对比股票市场交易而言，有更高的杠杆性，同时也会带来更高的风险性，需要投资者有更专业的知识，并且能够对期货市场有较强的判断力。除此之外，我国属于新兴的股指期货市场，大多数投资者并未完全熟悉了解市场，因此需要对投资者在风险管理以及市场交易制度的基础知识进行一定的教育培训，从而使得投资者在交易时能够有信心，在交易操作和风险防范意识上也能有所提升，形成良好的投资价值观，使得股指期货市场能够良性发展，避免出现盲目投资引起市场异常波动。从文中分析，VaR-GARCH模型，对于市场风险的揭示能够起到一定作用，但是并不能以此为唯一依据，盲目相信其效力，仍然需要结合市场行情，避免出现对市场无认知的情况下，做单纯的博弈。

4.3 股指期货品种多样化

对于股指期货这样的新兴的金融衍生工具，其稳定的发展，对于股票市场的良好运行，以及整个金融市场的稳定起着重要的作用。股指期货的入市，一般以单一品种试运行，当品种运行成熟后，根据其运行状况，制定相应的规定，同时根据投资者需求，将品种进行分类优化，这样可以避免单一品种所引发的系统性风险。

目前，我国有三种股指期货，沪深300，中证500，上证50，相对于投资者对金融衍生工具的多样化、精细化等日益增长的需求，可能并未能满足。丰富期货品种的组合序列，使得我国股指期货的广度得到拓展，使得投资者需求得到满足，风险得到分散，对我国股指期货市场的稳定能够起到重要作用。

参考文献

[1]汪洋.我国股指期货风险管理研究[D].合肥：安徽大学，2012.

[2]唐衍伟，陈刚.金融衍生品：股指期货与期权[M].北京：经济科学出版社，2007.

[3]余述胜.国外股指期货交易风险控制分析及借鉴[J].武汉金融，2006，（11）：2331.

[4]陈晓杰.沪深300股指期货仿真交易市场价格风险实证研究[J].当代财经，2008，（8）.

[5]周天恩.基于仿真交易的股指期货与现货指数价格的协整关系研究[J].新西部，2008，（14）.

[6]吴永环.股指期货推出对股票市场影响的研究[M].北京：中央民族大学，2010.