VAR模型在我国同业拆借市场中的应用研究

姜怡悦（陕西国际商贸学院）

■引言

商业银行作为金融机构的核心，利率的变动对金融市场的稳定发挥重要的作用。1996年，同业拆借市场开始实现利率市场化，迄今为止，已经经历了20年的历程。此外，2015年央行多次调整利息，如何应对利率的变动带来的影响值得我们深思。利率的市场化对商业银行产生一定的影响，同时对其经营方式也提出更高的要求，VAR模型的应用就是在利率市场化的背景下产生的，根据历史数据的变化特点，借助不同的方法对未来的损失进行估计，在衡量市场利率风险方面占据一定的优势。

目前，关于VAR模型的应用为数不少，主要应用于金融领域。张宁（2013）通过VAR模型的建立，对利率风险衡量中的不同方法进行比较，得出GARCH模型估算VAR的结果较为准确，但长期应用时，应结合多种方法进行，提高预测的准确度[1]。辛俚（2012）从GARCH及正态分布法两个方面应用参数法对同业拆借利率风险VAR进行度量，发现两种方法在估计结果上的差异，得出在极端风险情况下应采用GARCH模型进行估算的结论[2]。房小定、吕鹏（2013）研究发现GARCH和EGARCH在估算上海同业拆借利率收益率的VAR时具有较好的效果[3]。宿玉海、王美伶（2015）通过GARCH和TGARCH的对比研究，发现商业银行利率风险呈现增大的趋势[4]。陈思婧（2013）运用GARCH模型对数据进行分析，得出同业拆借利率厚尾、负偏度等基本特性[5]。纵观相关研究，发现学者们主要从参数法角度对VAR模型进行估计，而非参数方面的研究比较欠缺。那么，我国现阶段同业拆借市场利率呈现何种特征，如何运用非参数法解决VAR模型在同业拆借中的应用，本文主要从这两方面对我国同业拆借市场进行探讨。

■VAR模型实证部分

（一）数据来源

本文将数据分成两部分进行处理，选取2012年1月4日到2014年12月31日上海同业拆借利率共749个数据作为基础数据，借此了解我国同业拆借市场的基本情况，选取2015年1月4日到2015年12月31日上海同业拆借利率共248个数据作为样本外的预测，借此了解VAR模型在我国同业拆借市场的应用。所有数据处理采用EXCEL，EVIEWS6.0及JAVA软件完成。

我国同业拆借利率波动比较明显，因此，在数据分析之前，需要对原始数据进行处理，将同业拆借利率取对数后进行差分，得到同业拆借利率收益率，记为rt=lnshibort-lnshibort-1。

（二）数据检验

1.正态性检验

建立VAR模型时，需要对数据的分布情况有所了解。因此，本文首先对收益率数据进行正态性检验,同业拆借收益率的均值为1.16e-05，标准差为0.093170，峰度值为13.69279，远大于正态分布的3，因此呈现尖峰右偏的形态。Jarque-Bera的值为3563.963，远大于95%置信区间的临界值，且对应概率值为0，小于0.05，因此，拒绝原假设，同业拆借利率收益率不服从正态分布。

2.平稳性检验

数据只有在满足平稳性的前提下，才可以进行相应模型的建立。本文借用ADF检测方法对数据的平稳性进行分析[6]，由于是收益率的数据，因此，选取不含截距及趋势项，平稳性检验结果如表1所示。

表1 同业拆借利率收益率ADF检验结果

从表1可以看出，ADF检验值为-22.87211，小于95%置信区间的临界值，且对应概率值为0，小于0.05，因此，拒绝原假设，同业拆借利率收益率不存在单位根，即数据是平稳的，可以进行VAR模型的建立。

3.自相关性检验

对于金融时间数据，常存在后一时刻与前一时刻的数据密切相关，即存在自相关问题。因此，需要对同业拆借利率收益率的数据进行自相关性分析，收益率与其滞后一期的概率值为0，小于0.05。因此，拒绝原假设，原数据存在自相关性。同时可以看出，自相关系数和偏自相关系数在k=1后很快地趋于0 ，因此取p=1，q=1，通过ARMA（1,1）对模型进行估计。

4.异方差性检验

由于金融时间序列数据可能存在异方差现象，需要对同业拆借利率收益率的数据进行异方差检验。根据自相关性的检验结果，本文采取对ARMA（1,1）的残差进行分析。在k≧10，残差序列的自相关系数近似为0，即存在异方差，同业拆借利率收益率存在波动的聚集性。

（三）VAR模型的应用

VAR模型的计算方法很多，如参数法、半参数法、非参数法等[7]，根据前文数据检验的结果，结合本文的研究，在此选取非参数法对VAR模型进行估计，主要运用历史模拟法和蒙特卡洛模拟法两种方法完成。

1.历史模拟法

根据相关原理，其计算过程如下:

（1）将样本内第2天到第749天的收益率进行升序排列。

（2）用样本容量748乘以显著性水平1%，即第7个收益率的值，该值为1%显著性水平下的最低收益率。

（3）利用VAR模型的公式VAR=E(rt)-ra，计算第750天1%显著性水平下的相对VAR。

（4）以此类推，用第3天到第750天的收益率推算第751天的相对VAR，直到求出第997天的VAR，整个过程可以运用java程序完成。

2.蒙特卡洛模拟法

根据相关原理，其计算过程如下：

（1）计算第2天到第749天的收益率，求出该748个数据的均值及方差。

（2）将值带入收益率波动的方程rt=rt-1+rt-1(E(rt)+σε)(2.1)

（3）运用软件产生标准正态分布的随机数ε。

（4）根据公式2.1计算rt的1000个模拟数据。

（5）将1000个模拟数据进行升序排列，取1%显著性水平下的最低收益率的值ra。

（6）利用VAR模型的公式VAR=E(rt)-ra，计算第750天1%显著性水平下的相对VAR。

（7）以此类推，重复（1）——（6）步骤，用第3天到第750天的收益率推算第751天的相对VAR，直到求出第997天的VAR，整个过程可以运用java程序完成。

■结论及讨论

通过研究，我们了解了我国同业拆借市场的一些基本特征，并从两个方面运用非参数法对未来数据进行模拟，得出以下结论及解决对策。

（1）同业拆借市场利率收益率具有自相关性，下一时刻的收益率受到上一时刻的影响。可见，我国同业拆借利率市场化水平并不显著，应进一步加大改革力度，确保利率市场化的有效落实。

（2）同业拆借市场存在较强的波动性，且波动存在一定的聚集效应。可见，我国面临的利率风险不容忽视，商业银行应采取措施，进行资产组合，规避风险。

（3）在同业拆借市场化水平不高的情况下，同业拆借利率收益率呈现非正态分布的情形，对模型的应用提出更高的要求。运用非参数法估算VAR模型可以避免尖峰厚尾及波动对数据的影响。

（4）方法的差异对结果的估算存在一定的偏差，因此，在运用VAR模型估计未来数据时，应根据数据自身特点，结合多种方法对未来风险情况进行模拟，以期避免利率风险。