VAR模型金融风险管理（共10篇）
VAR模型金融风险管理 篇1
一、引言
由于中国市场经济发展刚刚起步、股票市场与保险市场发展也比较晚、统计数据比较缺乏等因素,很少有西方学者对中国的金融发展和经济增长之间的关系进行研究。中国学者在对中国金融发展和经济增长的关系的研究中,所使用的研究数据是2000年之前的季度数据,然而在20世纪90年代,我国的股票市场和保险市场发展刚刚起步,并不能很好的反映出对经济增长的影响;也有些学者是从金融规模、金融效率和金融结构三个方面对金融发展和经济增长的关系进行了研究,并没有考虑到股票市场和保险市场的发展水平。综上,股票市场和保险市场的发展水平是我们不可忽视的金融发展的指标。
所以,我在已有的研究基础上,采用了我国2004年1月到2015年9月的季度数据,从金融规模、金融效率、股票市场发展水平和保险市场发展水平四个角度对我国金融发展和经济增长之间的关系进行了实证研究,希望能够指出对我国经济增长具有针对性的建议。
二、指标选取与数据来源
1.指标选择
金融规模(FIR)用金融相关率表示,等于银行业金融机构总资产与总负债余额之和除以GDP。金融发展效率指标我们用总资产与总负债的比SLR来表示。股票市场发展水平指标用股票成交金额与GDP的比STOCK来表示。保险市场发展水平用保费收入与GDP的比INSURE来表示。经济增长指标,我们选取广为接受的国内生产总值GDP来表示。
2.数据来源与处理
本文采取的是2004年1月到2015年9月的季度数据,并且借助Eviews8.0进行数据的处理。为了减少异方差,本文对各个指标进行了自然对数变换,变换后分别记为LGDP、LFIR、LSLR、LIN-SURE、LSTOCK,变换后原来时间序列的协整关系并不会受到影响。此外,本文所有的数据均来自中国人民共和国国家统计局。
三、实证分析
1.单位根检验
为了保证时间序列的平稳性,我们采用ADF检验,对序列进行平稳性检验。由表1可知,取了自然对数之后的序列都是非平稳的,但是一阶差分之后的序列都是平稳的,从而我们认为以上5个变量都是一阶单整的,即服从I(1)过程。
下面可进一步对时间序列进行Johansen协整分析。Johansen协整检验是一种基于向量自回归模型(VAR)的检验方法,进行协整检验以前,需要先确定VAR模型的结构。
2.基于VAR模型的分析
选择VAR模型的滞后阶数时,一方面想使滞后阶数足够大以便完整反应所构造模型的动态特征。另一方面,滞后阶数越大需要估计的参数也就越多,模型的自由度就越小。通常进行选择时,需要综合考虑,既有足够数目的滞后项,又有足够数目的自由度。确定滞后阶数方法:以“*”标记出依据相应准则选出来的滞后阶数为准。通过表2,全部准则选出来的滞后阶数都是5,所以我们建立滞后阶数为5的VAR模型,即VAR(5)。
在此基础上,可以对一阶差分之后的时间序列,即DLGDP、DLFIR、DLSLR、DLINSURE、DLSTOCK,进行协整检验。本文采用Johansen检验方法,表3表明,在5%的显著水平下,时间序列存在3个协整关系。
3.方差分解分析
与脉冲响应函数的分析视角相反,方差分解是把系统中每个内生变量的波动按其成因分解为各方程新息相关联的组成部分,从而可以判断各新息对内生变量的相互重要性。
为了确定金融发展对经济增长的影响程度,我们对VAR模型中的经济增长变量进行方差分解,分解结果如表4,经济增长的变动主要受自身的影响,在第一期达到了100%,随着时间下降的趋势一直衰退到第四期,达到大约34%,之后上下波动,但一直稳定在40%左右。来自金融规模的冲击对经济增长的贡献率,在第4期达到了25%,之后略有衰退,但在第八期达到了最大值27%,后来一直稳定保持在26%左右。来自金融效率的冲击对经济增长的贡献率,在前两期接近于0,在第4期达到了最大值14.9%,之后一直稳定保持在13%左右。来自股票市场的冲击对经济增长的贡献率在第1期达到了最大值20.6%,之后逐渐减少到12.9%左右。来自保险市场的冲击对经济增长的贡献率在第2期达到了最大值10.5%,之后对经济增长的解释一直在10%以下上下波动。
以上表明,金融规模的扩张对经济增长起着至关重要的作用,金融效率的提高和股票市场的发展对经济增长也起着相对重要的作用。
四、结论和建议
我们通过多变量VAR系统,运用协整检验,格兰杰因果检验,脉冲响应和方差分析,对我国金融发展和经济增长之间的关系进行了实证研究,结论如下:
1.通过格兰杰因果检验,我们可以得出保险市场的发展水平和金融效率之间、金融规模和经济增长之间存在着双向的因果关系;提高金融效率和保险市场的发展水平也能促进金融规模的扩张;然而经济的增长、金融规模的扩张和股票市场发展水平的提高又能促进金融效率的提高。
2.通过脉冲响应函数,我们可以得到这样一个传导机制:金融效率的提高能够推动金融规模的扩张,金融规模的扩张又能带动经济的增长,经济的增长又能促进金融效率的提高。
3.通过方差分析,我们可以得出金融规模的扩张对经济的增长起着至关重要的作用,金融效率的提高和股票市场的发展对经济的增长也起着相对重要的作用。其中,金融规模对经济增长的解释能够达到27%左右。
综上,结合我国实际情况,对我国金融发展提出以下建议:首先,降低银行业集中度,提高中小金融机构在银行业中的比重引起银行业激烈的竞争,以此扩张金融规模,促进经济增长。其次,完善中小企业融资体系,鼓励金融创新,优化我国的金融结构,以此提高金融效率,进而促进经济增长。再次,扩大股票市场规模,提高非国有上式公司的数量,同时解决信息不对称问题,加强金融监管。最后,政府应减少对保险市场的监管,优化资本配置效率,实现资本向保险市场的部分转移,以此带动保险市场的发展,促进我国经济增长。
参考文献
[1]孙士金,孙世霞.上海金融发展与经济增长[J].统计教育,2009.11.
[2]马长友.中国金融结构与经济增长的实证分析[J].社会科学研究,2005.3.
[3]常京京.中国金融发展与经济增长的动态关系研究[J].黑龙江工程学院学报,2015.12.
[4]饶晓辉,钟正生.保险能否促进经济增长-基于中国的实证研究[J].上海经济研究,2005.12.
[5]李仁建.中国股票市场发展与经济增长关系的实证研究[J].统计与决策,2003.10.
VAR模型金融风险管理 篇2
根据证券收益的基本特性,对上证指数和深证指数收益率序列分别构建基于正态分布、t分布和GED分布的`EGARCH模型及EGARCH-M模型.通过计算两种模型在三种分布下的VaR值,对沪深股市风险进行分析.分析结果表明,深圳股市比上海股市有更大的风险,基于GED分布假定下的EGARCH-M模型能更好的反映收益率的风险特性.
作 者：殷俊强 何春雄 YIN Jun-qiang HE Chun-xiong 作者单位：华南理工大学数学科学学院,广州,510640 刊 名：科学技术与工程 ISTIC英文刊名：SCIENCE TECHNOLOGY AND ENGINEERING 年，卷(期)：2008 8(12) 分类号：O213 关键词：VaR EGARCH模型 EGARCH-M模型 后验测试★ 建立模板
★ 职场如何建立自信心
★ 建立现代企业制度
★ 怎么建立业务关系范文
★ 建立大学社团申请书
★ 建立党员活动室方案
★ 建立商业关系的范文
★ 如何给宝宝建立安全感
★ [团队游戏]如何建立信任
VAR模型金融风险管理 篇3
关键词：VAR；蒙特卡洛模拟法；市场风险；公司风险；国家风险
一、VAR模型的发展历程
（一）VAR模型概况
VAR（Value at Risk）是在险价值，指按某一确定的置信度，对某一给定的时间期限内不利的市场变动可能造成投资组合的最大损失的一种估计，它是利用概率论和数理统计进行风险量化和管理的方法。1952年Baumol首次提出了VAR的概念，随后国内外学者对VAR展开了深入的研究。J.P.Morgan于1994年10月公布了风险度量（Risk Metrics）体系并将其作为了金融风险测定和管理的工具。1996年提出将VAR看作是在既定头寸被冲销或重估前可能发生的市场价值最大损失的估计值，把VAR描述为是对正常市场波动的度量；Philippe Jorion（1997）将VAR定义为一种标准统计技术估计金融风险的方法；Kevin Dowd（1998）指出VAR是在给定的持有期内，一定置信水平下资产组合的最大期望损失。在早先的研究中，他们都通过VAR模型刻画了风险的不同特性。
在VAR模型的自身发展上，国内外众多学者也根据市场的发展、研究工具的更新以及计量水平的提高而不断完善，估计方式日益增多，准确性与实用性有所提高。
在金融市场的不断发展中，VAR模型不断被用到了风险管理的各个方面，从而也进行了更深层次的研究以及探索了一些新的研究领域。一方面VAR模型不断被运用到市场风险、信用风险以及操作风险等的风险管理中；另一方面VAR模型根据市场发展的需要，拓宽了应用的范围，如王文进、吴晓（2008）研究了基于Credit Metrics模型的汽车消费信贷业务的信用风险管理。
但是在近年的研究中，一些研究者认为银行用来计算VAR值的一些主要方法存在严重问题以至于导致了近年来的金融危机。Robert Sollis（2009）指出，如果VAR在未来的金融管理中将作为主要的管理工具的话，需要进一步提高估计技术和回溯测试过程。
（二）VAR模型的方法
经过多年的发展与应用，VAR方法不断衍生，运用最普遍的就是历史模拟法、方差-协方差法以及蒙特卡洛模拟法。而这三种方法又各有其优势与缺陷。
历史模拟法是根据过去一段时间内的各种金融数据的分布来确定未来某持有期该金融工具的收益以及损失，从而推算VAR的值。它需要大量的样本数据并假定金融资产价格变动服从同分布，而实际表明，金融市场上的大部分金融变量的标准差不符合正态假设，由此暴露了历史模拟法的应用缺陷；方差-协方差法是先运用历史资料计算出某投资组合收益的方差、标准差以及协方差，再利用正态分布与置信区间来计算VAR值；蒙特卡洛模拟法则是强调多次反复模拟某一组合的随机过程，通过每次结果形成的分布而将会不断收敛于真实情况，从而估计VAR值。由于各种方法存在一定缺陷，为满足需要，学者不断提出新的模型，如Engle（1982）提出了ARCH和GARCH模型并将各种变形引入金融经济学，充分揭示了资产风险的各种动态变化过程。随后还有学者根据单期静态风险测度不能满足需要而不断推广到多期动态情形。
而在当前的研究中，一些评论指出了VAR方法的缺陷，在此基础上又提出了新的方法：VCV方法、HS方法以及MCS方法。三种方法各有优劣，VCV方法因其简单而使用广泛并以资产回报服从条件正态分布为假设，但是由于很多资产不服从条件正态分布，VCV方法通常会低估VAR值；HS方法也因其对VCV方法进行简单改善而被广泛使用，他不再要求资产回报服从条件正态分布，但是在选取的样本量中很可能得到十分不同的VAR估计值；由于MCS的复杂性以及需要大量证券投资组合，他并没有前两种方法运用普遍，但是其优势在于不会限制研究者假定正态分布。由于上述方法存在的缺陷，管理者就需要进行回溯测试以更好地进行风险管理。
二、VAR风险管理模型的具体应用及存在的问题
VAR模型除了在理论上有不断的发展，在实际应用中也在不断深入。在金融市场风险、信用风险、公司风险以及国家风险等方面都有不断的研究。
（一）VAR模型的具体应用
1、金融市场风险管理。金融市场风险是各类主体面临的主要的风险，金融主体在运用VAR方法进行市场风险管理时都需要考虑两个方面的因素：时间范围以及置信水平。由于VAR方法存在某些缺陷，条件VAR、边际VAR以及增量VAR不断出现来改善VAR方法，而在选取指标也有不同的方法：参数法、历史模拟法以及蒙特卡洛法，这是当前估计市场风险比较有效的方法。
2、公司风险管理。在公司风险管理方面，银行对风险的管理尤为重视，随着越来越多大银行暴露出市场风险，巴塞尔委员会在1988年签署了资本协议，通过运用内部风险估值方法来控制风险同时在满足一定条件下引入了VAR方法。但是VAR方法也不能没有缺陷地被银行运用，某些时候很难准确估计VAR值，同时在证券组合日益复杂的银行系统里，银行很难决定防范风险的指标，因此银行需要经常通过压力测试和回溯测试的方法来检验VAR方法的准确性，尤其是银行运用VAR方法来管理资本充足性的市场风险时更需要进行检验测试。
3、国家风险管理。由于风险的多样性和可传染性，各种市场风险、信用风险会在全球范围内不断传播，同时在市场一体化和经济全球化的时代，国家风险也日益暴露，而国家风险也将影响到一国经济的发展以及政治的稳定程度。Michael McAleer， Bernardo da Veriga，和Suhejla Hoti 根据10国家的数据运用VAR框架进行了研究，发现运用单一指标和组合管理的方法能够预测这十个国家条件方差组合风险的回报，结果表明，瑞士、日本和澳大利亚的国家风险比阿根廷、巴西和墨西哥的国家风险相比更可能维持在当前水平。这一研究能够反映当前世界各国的稳定程度。因此VAR同样能够成为估量国家风险的管理工具，根据时间序列模型，VAR方法能够为政策制定者以及其他经济人提供一个预测未来收益和国家风险的准确方法，明确国家风险边界，同时为国家之间进行投资提供可供选择的参考。
（二）VAR方法存在的问题
由于VAR方法存在很多假设条件以及当前经济变化的多样性、某些信息的不可获得性，VAR方法并不能估计所有类型的风险。同时受到数理及概率统计等科学的限制，实际风险暴露无法完全通过预设的模型来反映，尽管VAR方法在不断的完善，但是仍然存在很多不足，需要进一步研究。
三、小结
VAR方法由于原理简单、易于操作，已经成为金融风险度量和信息披露的重要工具。
但目前无论是在计算方法还是优化资产组合充当风险管理工具时都需要进一步的完善。因此，未来VAR的研究发展趋势仍将集中在探索分析法和蒙特卡洛模拟更好结合的方法以及如何使VAR发展成为兼顾极端风险和普通风险的一致性风险计量工具两个方面。在更好运用的同时不断完善VAR方法，从而更有效地进行风险管理。（作者单位：湘潭大学商学院）
参考文献：
[1]陈燕君.基于VAR的汇率风险度量方法文献综述[J].经济研究导刊，2011（24）：74-75.
[2]Rober Sollis. value at risk： a critical overview[J].Journal of Financial Regulation and Compliance Vol.17 No.4，2009pp.398-414.
[3]Anis Cecilia-Nicoleta， Roth Anne-Marie， Apolzan Carmen-Maria.value at risk-corporate risk measurement[J].JEL Classification：M21，G30，C58.
[4]Ioan TRENCA. the use in bank of value at risk method in market risk management[J].JEL Classification：G21，G32.
VAR模型金融风险管理 篇4
所谓危机的传染, 是指—个国家的危机导致另一个国家发生危机的可能性, 它强调的是某一个国家发生危机的原因就是另一个国家发生的危机——如果另一个国家没有发生危机, 这个国家原本也不会发生危机[1]。目前已有的传染检验方法多集中在资产价格的协同运动上, 主要有资产价格的相关性分析、波动性溢出分析、发生危机的条件概率检验、协整分析等。
目前已有的传染检验方法多集中在资产价格的协同运动上, 主要有资产价格的相关性分析、波动性溢出分析、发生危机的条件概率检验、协整分析等。资产价格相关效应不能证明Massion定义的“纯粹传染”的存在;波动性溢出分析效应检验的结果可能由于内生变量的异方差的存在而受影响;发生危机的条件概率检验同样由于可能存在变量的异方差性导致结果误差的风险;协整分析则适应于长期动态效应进行研究, 不适应具有短期性、突发性特征的现代危机。
此外, 还有新闻溢出分析、极端值分析等。综观以上各种方法主要是通过方差-协方差矩阵或相关系数来分析市场相关程度, 主要目的是检验数据生成过程中参数的稳定性, 但是如果存在内生变量、忽略变量和异方差性等问题, 其参数稳定性的检验结果往往是有偏的。虽然在某些特殊情况下可以进行修正, 但其结果不具有普适性, 并且这些方法都无法再现传染的动态效应, 更无法将传染冲击的力度定量化。
2.检验方法
2.1方法介绍
鉴于传统检验方法的多种弊端, 本文提出运用向量自回归 (VAR) 系统来检验金融危机的传染效应。VAR (Vector Autoregression) 系统是Sims于1980年提出的一种新型宏观经济计量模型, 它由一组动态联立方程构造而成。与一般联立方程组模型不同, VAR系统将所考虑的经济变量纳入一个系统, 能够反映系统的完全信息。VAR系统中包含的所有变量都视为内生变量, 避免了划分内生变量和外生变量以及识别模型等复杂问题, 从而解决了以回归分析为基础的研究方法的 (潜在的) 内生性问题。在VAR系统中, 经济理论的作用仅限于选择变量和确定变量的滞后长度, 从而使经济理论对统计推断的限制减少到最低程度。VAR系统的解释变量全部都是滞后变量, 因而可以描述变量之间的动态联系。此外, VAR系统还有独特的分析功能, 如对变量之间的Granger因果关系进行检验、脉冲响应 (Impulse responses) 分析等。Granger因果检验和脉冲响应分析并不是建立在参数估计基础上的, 因此它能避免传统的基于参数估计的检验方法中的忽略变量、内生变量和异方差性等问题。正是由于VAR模型具有上述优点和功能, 所以它很适合于检验金融危机的传染效应。
对金融危机发生前后世界上几个代表性的主要股票指数之间的Granger因果关系的变化进行分析, 可以判断是否存在传染效应。如果危机前后股票指数之间不存在因果关系, 则这种情况不存在传染;如果危机前后股票指数之间存在因果关系, 则需进一步分析才能判断是否存在传染效应, 为此, 可进行脉冲响应分析。脉冲响应分析是指系统对其某一变量的一个冲击所做出的反映, 它可以动态地描述某国发生的危机对其它国家冲击的强度和冲击持续的时间, 如果一个国家的脉冲相应比其他国家的脉冲响应急剧增加, 则可以说明传染效应的存在;否则, 不存在传染效应。
2.2 Granger因果检验
对{Xt}和{Yt}两个时间序列, 依据Granger的定义, 如果相对于仅用Yt的过去值来预测Yt时, Xt的过去值能用来改进对Yt的预测。即如果Xt的过去值能统计地改进对Yt的预测, 则称Xt因果于 (Granger-causes) Yt。Granger因果检验不仅能对变量之间的长期关系进行检验, 而且也能对变量之间的短期关系进行检验。对不存在单位根的两个平稳序列, 可以定义如下方程:
undefined
检验从Xt到Yt的因果关系, 即为检验βj的零假设。
原假设H0:βj=0, j=1, 2, …, m
各择假设H1:βj≠0, ∀j, 1≤j≤m
如果接受原假设, 则不存在Xt到Yt的因果关系;反之, 则存在Xt到Yt的因果关系。
2.3脉冲响应函数
考虑一个P阶向量自回归 (VAR) 模型:
undefined
其中, Yt由内生变量组成的k维向量, Ai是系数矩阵, B是常数向量, εt是k维误差向量, 其协方差矩阵为Ω。
一般地, 如果 (2) 式是可逆的, 则它能表示成一个向量移动平均模型 (VMA) :
undefined
其中, Ψs是系数矩阵, C是常数向量, 它们可由 (2) 式中的Ai和B求出。
根据 (3) 式可以看出, 系数矩阵Ψs的第i行第j列元素表示, 变量i对由变量j产生的单位冲击的S期滞后反映, 即VAR系统中变量i对变量j的S期脉冲响应。
这里隐含了一个假设, 即误差向量εt的各分量之间不相关。但一般情况下上述假设并不成立, 也就是说向量εt不是标准的向量白噪声, Ω也不是对角阵。为此, 常做如下变换:
由于误差向量的协方差矩阵Ω是正定的, 因此存在一个非奇异阵P使得PP'=, 于是 (3) 式可以表示为:
undefined
经过变换, 原误差向量εt变成标准的向量白噪声ωt。此时, 系数矩阵ΨsP的第i行第j列元素表示, 系统中变量i对变量j的一个标准误差的正交化冲击的S期脉冲响应。
3.美国金融危机的实证研究
数据的选取:本文选取了自2006年1月至2008年10月的法国CAC指数, 英国富时100指数, 德国DAX指数, 道琼斯指数和上海上证综合指数。以周平均指数计量, 共145个观察值。本文选取了有代表性的世界主要股票指数作为分析的对象, 用股票市场指数来判断一国资本市场和另一国资本市场的关联程度, 如果在一段时间内两国股指变化有因果关系说明两国资本市场关联程度较大, 反之, 说明两国资本市场关联程度较小。
(1) 单位根检验平稳性
由Granger因果关系的定义知, 所检验的时间序列必须保证严格平稳的前提, 否则容易出现“伪回归”所以在进行Granger因果检验之前先对单位根进行检验。这里采用的是LLC的ADF单位根检验。
undefined
假设检验:H0:α=0, H1:α<0
H0假设存在单位根。如果接受原假设H0而拒绝H1, 说明序列y1存在单位根, 是非平稳的;否则说明序列yt不存在单位根, 是平稳的。
从表1的结果可以看出, 5个国家的时间序列数据均接受存在单位根的原假设, 即原序列为非平稳序列;一阶差分后继续检验, 在1%显著性水平下拒绝存在单位根的原假设, 一阶差分序列平稳。可见5个国家时间序列均为I (1) 过程, 可进一步对时间序列的一阶差分序列进行Granger因果检验。
注:*表示在1%的显著性水平下拒绝序列为非平稳的原假设, 1%的临界值为-3.476472.Level为ADF统计量, 1st为一阶差分条件下ADF统计量。
(2) Granger 格兰杰因果关系检验
undefined
使用联合假设
undefined
虚拟假设H0:X不是引起Y的格兰杰原因。
检验结果如表2:
注:因样本容量大于120所以1%、5%、10%的临界值均为1.00.
从上面Granger因果检验可以看出在10组数据中, 具有双向因果关系的有5对, 单向因果关系的有4对, 不具有因果关系的有5对。其中涉及上海上证综合指数的4组数据中只有与美国具有双向的因果关系, 与欧盟的指数具有单向的因果关系。而剩余的6组不含上证综指的数据中有4对数据具有双向因果关系, 2对数据具有单向因果关系。
具有双向因果关系的国家是:美国与德国、美国与英国、美国与中国、美国与法国、法国与德国。具有单向因果关系的国家是:英国对法国、德国对英国、德国对中国、法国对中国。
从结果中可以看出, 美国与其他四个国家都存在着资本市场的传染效应。四个国家的资本市场都与美国具有紧密的联系, 所以由次可见由美国次贷危机引起来的全球金融危机波及范围之广。
(3) 脉冲响应检验
为了进一步分析由美国次贷危机引起的全球金融危机对其他四个国家资本市场影响的深度, 本文分别对美国与其他四个国家的指数数据进行脉冲响应检验。
脉冲响应检验的结果可见附录1。
从脉冲响应检验的结果可以看出金融危机发生后, 中国受到美国资本市场的冲击相比较其他国家比较小。其他国家受到冲击后脉冲图下滑趋势较明显。
4.结论及政策建议
结论
(1) 由以上分析可见美国, 英国, 法国, 德国股指变化更具有因果关系的特征, 而中国股指变化与上述四国因果关系较弱, 说明中国资本市场与其他几国资本市场的关联程度较低。
(2) 金融危机的传染过程存在逆向反馈机制。金融市场走向危机的强烈信号及各国投资者对美国金融市场投资的直接损失和心理预期的逆转, 导致相关国家金融市场陷入危机, 并将危机信号向美国反向传递。
(3) 金融危机交叉传染导致危机程度加深。金融危机在国家间的网状交叉传染形成危机传染的恶性循环, 导致危机程度渐进加深。
(4) 从分析结果可以看出, 非接触性传染渠道在这次金融危机中发挥的重大作用。季风效应和净传染效应在其中表现的淋漓尽致。美国金融危机并没有恶化其他国家的经济基本面, 但与其金融市场具有高度相关性的德国, 英国和法国却受其影响较大, 而与资本市场没有全面开放的中国受其影响较小。
防范金融危机传染的政策建议
(1) 审慎开放资本项目, 加强外资流向监管。新兴市场的金融危机总是出现在金融自由化和较大规模的资本流人之后, 因此, 资本项目的开放要遵循审慎性、渐进性的原则。同时, 加强对外资流向的监管, 防止外资大规模的流进流出对我国造成冲击。
(2) 建立我国金融危机预警体系。金融危机爆发前, 一国经济运行会表现出一些不正常的迹象, 因此, 我们要建立适合我国国情的预警体系对潜在的金融危机及时预警, 以便采取措施来预防金融危机的发生。
摘要：20世纪90年代以来, 世界金融危机频繁爆发并表现出显著的传染性。本文以美国金融危机为例, 建立VAR模型, 对其传染效应进行实证分析, 得出在美国金融危机发生的情况下, 通过资本市场的传导, 中国相对于发达国家影响较小, 最后提出有效的危机传染防范措施。
关键词：危机传染,VAR模型,Granger检验,脉冲响应
参考文献
[1]王春峰, 康莉, 王世彤.货币危机的传染:理论与模型[J].国际金融研究, 1999, (1) :44-50.
[2]张志波等.基于VAR模型的金融危机传染效用检验方法与实证分析[J].管理工程学报, 2005, (3) :115-120.
[3]李子奈, 叶阿忠.高等计量经济学[M].北京:清华大学出版, 2000.231-234.
[4]Sebastian Edwards.Interest.Rates, Contagion and Cap-ital Control[A].NBER Working Paper.2000, No.7801.
VaR模型在我国基金投资中应用 篇5
[关键词]VaR模型;历史模拟法;股票型基金;净值收益率
[中图分类号]F833/837
[文献标识码]A
[文章编号]1009-9646(2010)08-0049-02
一、VaR模型
1VaR方法。VaR(Value at Risk)因其能比较准确地反映出金融市场风险状况且易于理解,有助于金融机构或投资者对金融资产进行事前风险监控和事后风险评估,在金融市场风险测量及风险管理领域得到广泛应用。VaR字面含义是指“处于风险中的价值”,学术界一般将其定义为在市场正常波动下,某一金融资产或资产组合的最大可能损失,或者说VaR就是在一定置信水平下,某一金融资产或资产组合在未来一定期间内的最大潜在损失值。
VaR模型化的一般描述为:Prob(AP>VaR)=1-a;为金融资产在持有期t内的损失;VaR为在给定置信水平1-a下的风险价值,即可能的损失上限。
2模型选择。在实际工作中,当人们计算VaR值式,通常运用正态求解法、历史模拟法以及蒙特卡罗模拟法三种方法。本文采用历史模拟法,也就是不对资产收益率的分布作出任何假设,从历史数据中可以利用有用的信息,来帮助我们预测未来值。既避免了正态分布法求解VaR时因金融数据具有尖峰、后尾的非正态特征而低估风险,又免除蒙特卡罗的繁杂的计算量。而且历史模拟法足以实现本文研究目的。
历史模拟法:假设现在的时间为t=0Si(t)为第1项资产在时间t的价格,以历史模拟法来估算未来一天的风险值的程序。
(1)通过n+1个交易日资产价格计算整理得到n个收益率。
(2)将这n个按历史情况模拟出的收益率数据由小到大依序排列,依照不同的置信水平找出相对应分位数的I临界报酬率。
(3)则在下一个交易日,在一定的置信度下风险价值(VaR)为si(O)乘以步骤2的临界报酬率。
二、实证分析
1为了使基金风险评价具有可比性,时间区间选取06到09年,符合条件的股票型基金有94只,按照新浪网上股票型基金分类为6种风格。表中结果是采用历史模拟法,在置信区间下的最大损失比例,将此比例乘以上一交易日的收益率就可以得到下一交易日收益率的波动范围。
表2.0(交易日数据900—1000个。数据来源:CSMAR系列研究数据库)
2应用分析与策略投资
(1)对基金波动性的评价。基于2006～2009年973个交易日数据得出上证综指VaR值、不同风格下基金的平均VaR值以及股票型基金的平均VaR值,从而作为基准与各个基金的VaR值作比较,如果小于基准值表明该基金风险较平均水平要低或者较大盘要小。
表2.0是计算出基准VaR值,从表中可以看出积极成长型基金相对其他风格的股票型投资基金风险要低,而且也低于大盘,表明该风格的基金在正常情况下能够跑赢大盘,所以投资股票型基金时应该首选积极成长型。
(2)对基金所承诺的投资目标进行评价。基金进行投资组合会采取不同的投资策略和投资风格,对投资目标做出不同的承诺。像银华优质增长股票基金属于积极成长型,该基金以积极成长型未投资理念,适合较为激进型的投资者。而例如景顺长城精选蓝筹股票基金则定位稳健成长型,谋求基金资产长期稳定增值,也就比较适合较为稳健的投资者。
按照这两只基金的承诺,银华优质增长股票基金应该比景顺长城精选蓝筹股票基金更具有风险性,但是通过计算99%、95%、90%置信水平下的VaR值,前者的VaR值比后者的小。(银华:-5.18467%、-3.23163%、-2.17957%;景顺:-5.33884%、-3.46104%、-2.63664%)
也就是说实际上前者风险小于后者。这说明,基金并不一定都能按照他们各自的承诺实现他们的投资目标,投资人可以运用VaR方法来对其进行评价来决定自己的投资方向。
VAR模型金融风险管理 篇6
1 国内外海洋经济研究现状
国内对海洋经济的研究从可持续发展角度出发,分析其影响因素并构建评价指标体系,对中国沿海区域海洋经济可持续发展能力进行评价[3,4]。国外学者对海洋经济的研究多从海洋产业与其他产业的关联性入手。Goldsmith[5]和Levine[6]的研究结果表明,加大金融支持有助于经济发展,两者之间存在正一阶关系[7]。Virtanen等[8]从海洋渔业的角度探讨其附加值和对就业的促进作用,证明海洋经济不仅在沿海地区而且在内陆地区都具有重要性。
2 山东海洋经济及金融业现状
山东作为经济大省,GDP历年来稳居全国前列,其中GOP(用GOP代表海洋产业发展,具体用海洋生产总值表示)对山东GDP的贡献率相比全国海洋生产总值对GDP的贡献率有较大优势。山东海洋经济经历1996—2006年的蛰伏期,从2007年开始步入快速上升期;山东海洋产业依赖于其得天独厚的海洋资源,近年来在山东GDP中的比重逐年加大,已经成为山东经济发展的重要支柱产业;其中以海洋第三产业发展最为迅速,不仅带动相关产业的发展,对山东经济协调发展、实现经济转型都有极其重要的作用。
山东金融业近年来稳步发展、逐年提升,尤其是新一届省政府领导班子在金融改革方面有很多创新性举措,如完成《山东省地方金融条例》的起草,为山东省金融秩序和投资环境提供法律保障;山东“政府和社会资本合作”(PPP)工作也取得较大进展,成为首个PPP项目概算总投资额破万亿的省份。尽管取得阶段性的成绩,但是山东金融业占GDP比重偏低,金融业总体发展趋势较为缓慢且存在一定波动,主要体现在2002年相较2001年金融业总产值有小幅回落,2004年相较2003年金融业总产值有较大幅度下降;但在近20年的研究样本周期中,其总体处于稳步向上的发展趋势。
3 研究依据与模型设定
3.1 研究依据
根据《中国海洋统计年鉴》和《山东统计年鉴》中1996—2015年数据,研究海洋经济发展对山东金融业的影响,得出山东海洋经济发展与山东金融业发展的内在关联。为方便数据处理,对所用到的数据统一取对数处理。
3.2 模型设定
向量自回归模型简称VAR模型,是一种常用的计量经济模型,于1980年由克里斯托弗·西姆斯(Christopher Sims)提出,使用该方法的前提是变量必须通过平稳性检验且存在因果关系[7]。建立回归模型来验证理论假说,其中变量代表时间序列数据;LNGOP代表海洋产业发展,具体用海洋生产总值取自然对数表示;LNFVA代表山东省金融业发展,具体用山东省金融业总产值取自然对数表示。
4 实证检验
4.1 平稳性检验
采用回归分析方法,通过1996—2015年的时间序列对以上几个理论假设进行实证检验,将时间序列以年为单位进行划分。
数据变量的平稳性是传统计量经济分析的基本前提条件,因而首先对LNGOP、LNFVA数据变量进行平稳性检验。由数据平稳性检验结果可知(表1),这两组数据虽然原数据并不平稳,但是经过二阶差分后,数据都是平稳的。
4.2 格兰杰因果检验
根据上述分析,虽然ADF检验的结果时间序列系列不单整,但是存在二阶单整,数据在二阶情况下是平稳的,因此可以对时间序列进行回归分析。采用格兰杰因果检验,考虑到各时间序列的影响时效性,进行滞后期为1~3的格兰杰因果检验,检验结果如表2至表4所示。
结合F检验和P值,当滞后期为1和2时,LN-GOP不是LNFVA的格兰杰原因这一零假设在5%的水平下统计检验显著,LNFVA不是LNGOP的格兰杰原因在5%的水平下统计检验不显著;在滞后期为3的情况下,LNFVA不是LNGOP的格兰杰原因尽管在5%的水平下统计检验不显著,但是在10%的水平下统计检验显著。这说明山东海洋经济发展对金融业发展有较为显著的促进作用,而金融业发展对海洋经济发展促进作用有限。
4.3 脉冲函数分析
探讨了山东海洋经济与金融业发展的关联机制,对其进行VAR模型构建,并进行脉冲响应函数分析,来进一步验证格兰杰因果检验结果。如图1所示,模型所有单位根全部位于单位圆内,说明VAR模型结构稳定,可以对其进行脉冲函数分析。
根据LNFVA脉冲响应关系(图2),给定LN-GOP一个标准单位的正冲击,LNFVA从第2期开始会由于海洋经济的变化呈现同向反应,且增长弹性系数先增后减,最终趋于零,这表明山东海洋经济的发展对山东金融业的发展有持续性的促进作用,但是在较长时间后其促进作用趋向于减弱。根据LNGOP脉冲响应关系(图3),给定LNFVA一个标准单位的正冲击,LNGOP从第1期开始出现同向反应,但是从第4期开始快速变为负向反应并趋于稳定,这表明山东金融业的发展并未显著促进山东海洋经济的发展,甚至从较长的时间周期来看,山东金融业成为海洋经济发展的限制因素。
5 结论
通过以上分析可以看出,山东海洋经济的发展能够显著促进金融业的发展,这可能是由于海洋经济的发展促进整体经济尤其是沿海经济的发展,进而改善金融业投资环境,从而促进金融业的发展。山东金融业对海洋经济发展在短期有一定的促进作用,但是支持力度有限,在较长时间周期甚至限制海洋经济的发展,这可能是由于金融业的持续低迷影响资金对于海洋相关产业的投入,尤其是对海洋船舶工业、海洋交通运输业以及滨海旅游业造成较大影响,进而阻碍海洋经济的发展[9]。
从整个研究的时间周期看,山东省海洋经济和金融业发展整体保持较好,尤其是从2007年开始,海洋经济发展步入快速上升期,金融业也持续稳定向上,二者整体发展趋势一致。
6 对策和建议
当前世界石化产业形势不景气,尤其是新能源的发展对于海洋石化产业、油轮运输、海油工业等造成很大影响,需要引起重点关注,及时进行海洋石油化工方面的技术创新以及相关海洋能源产业的核心技术突破。
此外,山东省应加快海洋经济结构战略性调整,推动海洋传统产业优化升级,同时还要加快培育和大力发展战略性海洋新兴产业[10]。以中韩自贸区以及山东省人民政府“金改22条”为契机,建立产业投资和保障机制,着重打造以海洋经济为主的外贸产业示范区域和涉海金融体系,充分发挥政府、企业、非营利组织等治理主体自身作用,更好地实现半岛蓝色经济区一体化发展[11]。
尽管目前山东金融业对海洋经济的支撑作用并不明显,但是金融业可以为海洋经济的发展提供资金支持,以此促进海洋经济的发展,通过海洋经济发展为其带来的红利又可促进金融业自身快速发展。将海洋经济与金融业作为未来山东经济发展与转型的重点,促进二者联动,从而实现经济的可持续发展。
参考文献
[1]中华人民共和国国家质量监督检验检疫总局,中国国家标准化管理委员会GB/T20794-2006海洋及相关产业分类[S].北京:中国标准出版社,2006.
[2]赵兵.山东金融业增加值两年增加30%提前达到“十二五”目标[EB/OL].(2015-08-12)[2016-06-30].http://www.dzwww.com/2015/sdsjrgg/topic/201508/t20150812_12896834.htm.
[3]牛德强.山东省海洋经济可持续发展协调机制研究[J].中国海洋大学学报:社会科学版,2015(1):44-49.
[4]刘明.区域海洋经济可持续发展能力评价指标体系的构建[J].经济与管理,2008,22(3):32-35.
[5]GOLDSMITH R.W.Financial structure and development[M].New Haven:Yale University Press,1969.
[6]LEVINE R.Financial development and economic growth:views and agenda[J].Journal of Economic Literature,1997,35(2):688-726.
[7]高强,熊福涛,翟惠琳.山东省海洋经济与陆地金融体系协调发展关系研究[J].中国渔业经济,2015,33(1):11-15.
[8]VIRTANEN J,AHVONEN A,HONKANEN A,et al.Regional socio-economic importance of fisheries in Finland[J].Fisheries Management and Ecology,2001,8(4/5):393-403.
[9]王晓惠,李宜良,周洪军,等.金融危机对我国海洋经济的影响分析[J].海洋开发与管理,2009,26(3):90-94.
[10]李文增,鹿英姿,王刚,等.“十二五”时期加快我国战略性海洋新兴产业发展的对策研究[J].海洋经济,2011,01(4):13-17.
VAR模型金融风险管理 篇7
关键词：金融发展,对外贸易,VAR模型,格兰杰因果检验,Johanson协整检验
一、金融发展与国际贸易的文献综述与机理分析
1. 机理分析。
H-O-S理论认为, 资源禀赋条件的差异以及各种商品不同的生产技术系数是国际贸易中各国比较优势的来源, 一国应出口密集使用其丰裕要素的商品而进口密集使用其贫乏要素的商品。金融部门是一个重要而特殊的部门。金融体系具有降低风险、有效配置资源、动员储蓄、便利交易和加强监督管理功能 (Levine, 1997) 。发挥这些功能能够增加资本积累、推进技术创新, 继而影响国际贸易的比较优势。金融发展影响对外贸易的途径 (如图1所示) 。
2. 国外相关研究。
古典与新古典贸易理论依赖技术比较优势, 要素禀赋比较优势以及垄断竞争产品差异化框架下的分工进行分析。近年, 经济学已达成共识, 即社会、经济、法律与政治制度等是经济绩效的核心决定因素。因此, 与技术和禀赋的作用相类似, 制度的比较优势也是国际贸易方式的重要因素。Kletzer和Bardhan (1987) 就信贷市场不完全如何影响国家间分工和贸易模式进行了开创性研究, 提出:一国的比较优势受金融制度影响, 金融发展水平高的国家在生产外部融资需求高的制成品部门具有比较优势。Beck从规模经济角度研究金融发展与国际贸易之间关系, 在对65个国家1966—1995年近三十年的数据所做的跨部门数据显示, 金融发展水平与制成品出口/GDP、制成品出口/总出口等反映贸易结构的比率之间呈现正相关。从降低风险的角度研究, Eaton, Grossman (1985) 认为, 当金融市场不尽完善时, 将引起贸易干涉, 一国金融市场的完善程度会影响一国的商业政策。Feeney和Hillman (2001) 建立了一个关于本国金融市场功能和国内风险分散的模型。Ju and Wei (2005) 发展的木桶理论将金融发展比较优势纳入新古典的Heckscher-Ohlin-Samueson框架。Rajan&Zingales (1998) 从行业层面证明了国内金融发展对行业生产和成长的促进作用。
3. 国内的相关研究。
中国学者也做了相关研究, 主要从实证上分析了中国对外贸易发展和金融发展的关系。孙兆斌 (2004) 认为, 金融在资本积累和配置等方面的重要作用使之成为出口商品结构优化的关键性因素之一。陈建国、杨涛 (2005) 对1992—1999年间中国金融发展对于出口结构升级的促进效应做了初步的实证分析。齐俊妍 (2005) 在综述相关文献的基础上, 将金融发展因素引入H-O的理论框架中, 说明金融发展可以通过提高资本禀赋和促进技术进步影响一国的比较优势。沈能 (2006) 以1980—2003年数据为分析样本, 采用Geweke分解检验和协整分析方法, 就金融发展与国际贸易的因果关系进行实证检验。
近些年来, 浙江省的外贸经济一直快速稳定地发展, 对外贸易对浙江经济发展的影响日益增大。同时, 在浙江外贸经济蓬勃发展的背景下, 浙江省金融的发展呈现出多样性、高效性、超前性和国际性的特征。本文在前人研究的基础上, 利用有关数据分析浙江省金融发展与贸易增长的关系, 并试图从宏观金融层面提出促进浙江省出口贸易快速增长和结构优化的政策建议。
二、实证分析相关指标数据选取
1. 金融发展指标。
国际上通用的是Goldsmith和Mckinnon的金融发展指标——金融相关率 (FIR) , 即金融资产与GDP的比率。在中国的省域研究文章中多采用地区金融机构存贷款余额之和作为金融资产, 考虑到浙江省私营企业、集体企业、三资企业在浙江省进出口贸易中扮演重要的角色 (图2) , 我们认为, 非国有经济获得银行贷款额可以较好的衡量浙江省金融中介的发展对于出口贸易的影响。由于数据可得性原因, 我们以金融机构的短期贷款中乡镇企业贷款、三资企业贷款与个体私营企业贷款之和代表非国有经济获得的银行贷款。这一指标同时也反映了金融体系的资金配置效率, 记为FI (经过基期价格调整) 。
2. 对外贸易指标。
本文将以下两个指标作为对外贸易发展的指标, 其一经过基期价格调整的对外贸易总额, 即浙江省进出口总额;其二是出口结构指标, 我们采用的是工业制成品与初级产品出口额之比。前者反映浙江省进出口的规模, 后者则反映出口贸易的结构变动, 分别记为IE和EX。从数据可收集性以及经济政策的连续性出发, 本文分析1994年以来浙江省金融发展和对外贸易的关系。为了消除数据中存在的异方差, 这里采用自然对数建立VAR模型。三个变量定义如下:ln FI=log (FI) ;ln IE=log (IE) ;ln EX=log (EX) 。
三、金融发展与浙江省对外贸易关系的协整和格兰杰检验
首先对变量的平稳性进行检验, 同时考察变量的单整阶数, 即对变量及其差分进行单位根检验。
1. 单位根检验与协整检验。
时间序列ln FI, ln IE, ln EX, 一阶差分后是平稳的, 即是一阶单整。时间序列ln EX、ln FI、ln IE的单整阶数相同, 可能存在协整关系, 即长期稳定的比例关系。本文使用Johanson (1995) 协整检验方法对时间序列金融发展水平FI, 对外贸易规模IE和对外贸易结构EX进行协整检验。在进行Johanson协整检验前, 首先确定VAR模型的结构。
用赤池 (Akaike) 信息准则 (AIC) 或用施瓦茨 (Schwartz) 准则 (SC) 选择最大滞后期k值。经过选择, k=1。同时, 我们用LM统计量检验残差序列有无自相关, 怀特 (White) 检验是否存在异方差, JB (Jarque-Bera) 检验残差的正态性, 结果表明在5%的显著水平上各方程回归的残差序列均满足正态性, 不存在自相关和异方差。且VAR模型的全部特征根的倒数值都在单位圆内, 表明VAR模型是稳定的。通过模型选择的联合检验, 确定最合适的协整检验模型为协整空间中有常数项而不含趋势项模型。ln EX, ln FI之间Johanson协整检验结果 (见表1) , 显示变量之间有且只有一个协整关系;ln IE、ln FI之间Johanson协整检验结果, 显示变量之间不存在协整关系。
*denotes rejection of the hypothesis at 5%significance level。
2. 向量误差修正模型和协整关系。
由Johansen检验得知金融发展与对外贸易结构变量之间存在一个协整关系, 即金融发展水平与出口结构变化之间存在长期的均衡关系。因此可以建立包含一个协整方程的向量误差修正 (VEC) 模型。模型结构选择保持与Johanson协整检验结构的一致性。这里省略向量误差修正模型具体形式。
3. 格兰杰因果关系检验。
为更好观察金融发展、贸易规模与贸易结构的动态关系, 可进行格兰杰因果关系检验。由于Δln FI与Δln IE, Δln EX是平稳的。基于此, 我们对Δln FI与Δln IE, Δln EX进行格兰杰因果检验, 同时对存在协整关系的ln EX与ln FI进行格兰杰因果关系检验。结果表明, 在5%显著水平下, Δln FI与Δln IE, Δln EX都不存在单向因果关系, 即短期, 金融发展不是对外贸易增长的Granger原因, 同时贸易增长也不是金融发展的Granger原因, 贸易结构优化不是金融发展的Granger原因, 同时金融发展也不是贸易结构优化的Granger原因。从长期关系来看, 金融发展与对外贸易结构变量之间存在一个协整关系, 即金融发展水平与出口结构变化之间存在长期的均衡关系。
4. 对实证结果的现实分析。
(1) 浙江省金融发展对该省对外贸易结构在短期内影响不大, 而长期看来, 金融总量的增加与贸易结构之间存在长期的均衡关系。此结果说明:金融发展水平的提高优化了浙江省出口贸易商品结构。但是浙江省现在的金融发展水平还比较低, 导致出口商品结构呈低度化特征, 制成品出口中还是以劳动密集型商品和加工贸易产品出口为主。 (2) 浙江省金融发展与贸易规模之间不存在协整关系, 短期金融发展与贸易规模也不互为Granger原因。金融总量的增加在短期内对对外贸易增长作用不明显, 金融发展没有实现对外贸易的规模经济效应。出现这一结果的原因很多, 如在浙江省出口企业中占有相当比重的浙江省中小企业, 出口贸易融资很大程度上不是依赖银行信贷, 而是民间信贷, 即非正规金融。非正规金融在中小企业融资过程中扮演了重要的角色。在我们本文所选择的金融发展指标中, 没有体现这一融资形式, 主要是出于民间融资的统计难度。另外, 我们的金融发展指标也没有考虑证券股票等融资方式。因此, 浙江省金融发展与对外贸易规模间的关系的实证研究有待扩展。
四、政策建议
目前, 浙江省的国际竞争力都是建立在劳动力基础上的比较优势, 贸易结构的主导产品是劳动密集型产品。若贸易结构发生变化, 需要形成以资本密集型或技术密集型为基础的比较优势, 所以比较优势面临着向更高级化转换的需要。当前浙江省金融部门发展水平与发达国家相比还相对落后, 制约着浙江省出口结构的升级。因此, 促进金融发展对出口部门都有着重要意义。通过金融发展, 可以为出口企业提供更加有效的融资渠道, 以高效的资本配置支持其产业和出口商品结构升级, 提升在国际分工和竞争中的地位。浙江省目前金融资产规模实现了超常规的发展, 金融发展与对外贸易的关联度逐渐提高, 但金融效率整体不高, 相关金融市场存在制度性缺陷, 金融工具单一等金融发展滞后因素制约着出口结构的升级。
为促进对外贸易的发展, 必须采取综合措施促进省内金融业的发展, 包括大力发展金融中介、加强信用体制, 提高信贷配置的效率;另外对非正规金融予以适当的指导, 从规范角度对它们进行管理, 让社会资金发挥应有的作用。推动证券市场发展, 规范市场行为以及提高金融服务整体水平, 为企业提供有效的直接融资渠道, 以满足对外贸易对金融支持的丰富多样的要求。对于不同行业的外贸企业, 不同企业的不同发展阶段都要有不同的融资方式和渠道, 特别是对于沉没成本比较高的高新技术产业融资。
参考文献
[1]沈能.金融发展与国际贸易的动态演进分析———基于中国的经验数据[J].世界经济研究, 2006, (6) .
[2]陈建国, 杨涛.中国对外贸易的金融促进效应分析[J].财贸经济, 2005, (1) .
[3]齐俊妍.金融发展与贸易结构———基于HO模型的扩展分析[J].国际贸易问题, 2005, (7) .
[4]孙兆斌.金融发展与出口商品结构优化[J].国际贸易问题, 2004, (9) .
[5]Beck, Financial Dependence and International Trade[J].Review of International Economics, 2003.
[6]Hur, J., Raj, M., Y.Riyanto.The Impact of Financial Development and Asset Tangibility on Export[J].World Development, 2006.
VAR模型金融风险管理 篇8
众所周知,城镇化与工业化二者之间的关系密不可分,在实现现代化的进程中,城镇化和工业化发挥着十分重要的作用。同时,工业化发展带动第二、第三产业的发展,促进人口向城镇集聚,而人口集聚必然带来劳动生产率的提高、基础设施的扩大,从而推动工业化发展。金融是现代经济的核心,在一国经济的发展中有着举足轻重的地位。那么,金融发展、工业化和城镇化三者之间是否存在内在关系,又存在怎样的内在关系?本文通过建立VAR模型,对甘肃省的金融发展、工业化、城镇化的内在关系进行实证分析,尝试对此做出相应的解答。
二、文献综述
从现有文献来看,国外学者对城镇化、金融发展和工业化的研究较早。例如钱纳里(1975)通过定量分析,认为在城镇化进程中,第一产业所占的比重逐渐降低,第二、第三产业所占的比重不断上升,并且城镇化和工业化的作用过程由紧密型发展到松散型。布莱恩·贝利(1965)通过定性分析,认为一个国家的经济发展水平与该国的城市化程度之间有着某种联系,即城镇化会促进经济增长,同时经济增长也会加快城镇化建设,二者之间存在一定的正相关关系。休·T·帕特里克(1966)认为,金融发展对经济增长的影响在国家发展的不同阶段,所起的作用不同。King和Levine(1997)认为,只有不断地进行创新与资本积累,金融发展才能对城镇化产生推动效应。
在城镇化与工业化的研究上,国内学者得出的结论大致相同。例如姜爱林(2002)认为,城镇化可以促进工业化的发展,工业化也能为城镇化发展提供动力,二者相辅相成。夏春萍等(2012)指出,工业化和城镇化相互依赖,工业化发展推动城镇化进程,城镇化建设又可以带动工业化发展。李国平(2008)通过分析指出,城镇化与工业化大致可以协调发展,但是在中西部地区的某些省份,城镇化程度远远低于全国平均水平,而东北地区却恰恰相反。然而,并非所有地区的城镇化与工业化都能协调发展,刘传玉(2006)以甘肃省为例,通过理论与实证分析证实了这一点,即甘肃省的工业化阻碍了城镇化发展,甘肃省扭曲的产业结构和不合理的工业布局是导致二者不协调的根源。
国内学者对金融发展与城镇化的研究主要集中于金融对城镇化的支持方面。例如,伍艳(2005)分析指出,西部欠发达地区在城镇化进程中,由于金融结构不合理、金融市场效率低下,金融发展对城镇化没有起到支撑作用,因此需要通过推行金融区域创新、完善金融机构体系等方式来加大金融支持力度,从而推进城镇化发展。郭璇(2014)运用计量分析方法对金融发展与城镇化的支持效应进行研究,她认为金融发展在城镇化进程中具有支持效应。张正斌(2008)在城镇化的衡量指标上分别采用了以人口计量和以收入计量的城镇化率,然后通过计量分析方法研究了金融发展与两个城镇化指标之间的关系,研究发现,金融发展通过带动经济发展,提高第二、第三产业产值比重,增加农民收入,促进城镇化发展。郭江山(2011)在构建VAR模型的基础上,对河北省30年的相关数据进行研究,结果发现,金融发展对城镇化建设有促进作用,并且这种作用在不断增强。
由此可见,现有文献大多是单独研究金融发展与城镇化、城镇化与工业化的关系,很少有人对金融发展、城镇化和工业化三者之间的内在关系进行系统研究,而对西部欠发达地区的金融发展、城镇化、工业化之间内在关系的研究更是少之又少。基于此,本文以甘肃省为研究对象,通过构建向量自回归模型,并结合1983~2014年相关数据,研究金融发展、城镇化和工业化三者之间的动态关系,为今后甘肃省的城镇化发展、金融发展和工业化发展提供理论基础和现实依据。
三、指标的选取和数据来源
(一)指标的选取
1. 城镇化指标。
城镇化是指农村人口不断向城镇聚集的过程,其中反映城镇化水平高低的一个重要指标为城镇化率。本文采用甘肃省城镇人口占总人口的比重来表示甘肃省的城镇化率(UR),即:
2. 工业化指标。
工业发展是伴随着第一产业比重下降,第二产业、第三产业比重上升(库兹涅茨,1944),随着农业产值比重下降,农业活动逐渐向非农业活动转换,大量农业劳动力转向非农业部门,因而用非农就业比重可以准确地反映工业化进程(IND),即:
3. 金融发展指标。
金融发展为工业化和城镇化提供资金支持,鉴于甘肃省的资本市场发展缓慢,金融机构主要通过发放贷款来支撑城镇化与工业化发展。所以本文采用金融机构贷款余额与GDP的比值来衡量金融发展水平(FIN),即:
(二)数据来源
本文选取甘肃省1983~2014年的年度数据为样本,共计32个样本点。原始数据主要来源于《甘肃统计年鉴》、《甘肃发展年鉴》、《甘肃国民经济和社会发展统计公报》等。
四、实证分析
(一)ADF检验
通常情况下,经济活动的时间序列数据是不平稳的,它们在时间上往往表现为一致性的上升或下降,即使它们之间没有任何真正的联系,在进行回归时也会出现高度的拟合性。为了避免出现此种情况,在进行回归分析前,先要对各变量进行平稳性检验。本文采用Dickey和Fuller提出的ADF单位根检验法进行平稳性检验,并借助Eviews 6.0进行操作,结果见表1。其中:检验类型中的C、T、P分别表示常数项、趋势项和滞后期数;当ADF大于临界值时,表明时间序列不平稳;D为各变量的一阶差分项。
从表1中可以看出,原序列IND的ADF统计值小于1%的显著性水平下的临界值,则说明变量IND在1%的显著性水平下是稳定的,而变量UR和FIN的ADF统计值均大于1%的显著性水平下的临界值,表明变量UR和FIN在1%的显著性水平下是不稳定的。对不稳定的变量进行一阶差分后,DUR和DFIN分别在1%的显著性水平下平稳。由此可见,变量UR、IND和FIN不同阶单整。
(二)最优滞后阶数选择
在对VAR模型进行估计前,先要确定最优滞后阶数。本文根据LR、FPE、AIC、SC和HQ原则,确定模型的最优滞后阶数为1。结果如表2所示。
注:*表示在5%的显著性水平下拒绝原假设。
(三)VAR模型估计
由上文可知,DFIN、IND和DUR为平稳序列,可以建立VAR模型。通过检验,得出最优滞后阶数为1,构建含有变量DFIN、IND和DUR的VAR(1)模型,矩阵形式如下:
从VAR模型的估计结果来看,对于金融发展指标,滞后1期的工业化指标与城镇化率对其存在较大的影响;对于工业化指标来说,滞后1期的金融发展指标、城镇化率对其均存在一定影响,且城镇化率对其影响更大;对于城镇化率,滞后1期的金融发展指标与工业化指标对其存在一定影响。
(四)脉冲响应函数分析
进行脉冲响应和方差分解的前提是确定VAR模型的稳定性。如果VAR模型所有特征根的倒数都小于1并且都在单位圆内,则该模型是稳定的;相反,若所有特征根的倒数都大于1并且都在单位圆外,则说明得到的结果有些是无效的,该模型不稳定。对VAR模型的平稳性检验,如图1所示。
由图1可知,VAR模型所有的特征根都在圆内,则甘肃省金融发展、城镇化与工业化的VAR模型是平稳的,因此可以进行脉冲响应函数分析。
脉冲响应函数是分析当一个误差项发生变化,或者说模型受到某种冲击时对系统的动态影响,即在随机扰动项上施加一个标准差大小的冲击后对内生变量当前和未来取值的动态影响。图2、图3、图4、图5、图6、图7分别是基于DFIN与DUR、DFIN与IND、IND与DFIN、IND与DUR、DUR与IND、DUR与DFIN的VAR(1)模型绘制的脉冲响应函数曲线图,追踪期皆为十年。其中,横坐标表示冲击作用的滞后期间数,纵坐标表示单位冲击引起的波动(以百分比表示),实线表示内生变量对冲击的响应曲线,虚线表示正负两倍标准差偏离带。
1. 金融发展与城镇化、工业化。
由图2可知,给定一单位城镇化冲击,金融发展指标随即做出反应。前两年中,金融发展对城镇化的响应为负,随着时间的推移,城镇化单位信息冲击呈增长趋势并为正响应,但是响应较弱,在第5年时趋于平稳。由图3可知,给定一单位工业化冲击,金融发展指标即期产生负响应,并在第2年达到最低值,随后,工业化单位信息冲击呈增长趋势,从第4年开始转为正响应,在第5年时,脉冲响应有所减弱,并趋于稳定。从经济意义上来说,城镇化和工业化对金融发展都有促进作用。在建设城镇化的进程中,人口和生产要素不断聚集,金融机构和金融产品不断增加,从而加大了金融机构的获利空间,促使金融发展。工业化发展能够带动经济增长,促使越来越多的资金投入,从而为金融发展提供重要支撑。
2. 工业化与金融发展、城镇化。
由图4可知,在前两年,工业化对金融发展的冲击为0,从第四年开始,脉冲响应为负响应,且逐渐趋于平稳。从图5可得,给定一单位城镇化冲击,工业化指标随即做出反应,在整个响应期内,工业化对城镇化的冲击皆为正响应,在第2年时冲击最大,其响应值为0.07,之后逐渐下降,在第6年时趋于平稳。
改革开放30多年来,甘肃省工业在经济中一直处于主导地位,是全省经济增长的主要动力,但从脉冲响应图中可以看出,金融发展滞后于工业化,这主要是因为甘肃省的金融起步较晚,金融发展缓慢且规模有限,金融机构数量较少,因此金融对工业企业的资金供给不能满足甘肃省工业发展的融资需求。在城镇化进程中,随着人口向城镇聚集,城镇劳动力增加,从而促进工业和第三产业的发展。同时,城镇化能够集约利用土地,从而为工业发展提供一定的空间。由此可知,金融发展滞后于工业化,而城镇化能够带动工业化。
3. 城镇化与工业化、金融发展。
由图6可知,在整个追踪期内,城镇化对工业化的脉冲响应为负,在第2年时冲击最大,随后逐渐减弱,在第8年时趋于平稳。从图7可知,给定一单位金融发展冲击,城镇化指标随即做出反应,在整个追踪期内,城镇化对金融发展的冲击皆为正响应,且在第2年时达到峰值,之后逐渐下降,在第8年时趋于平稳。
经济学家钱纳里在1975年提出世界发展模型,该模型指出,在工业化早期,工业化通过调整生产供给结构来满足城镇化对基础设施、服务、非农劳动力就业等的需求,从而促进城镇化发展。人均生产总值是国际上用来衡量工业化进程的指标,2014年甘肃省人均生产总值为4256.6美元(2014年人民币汇率的平均值约为1美元兑换6.21人民币),根据钱纳里多国模型,甘肃省正处于工业化中级阶段,也就是工业化促进城镇化阶段。但是从图6的脉冲图来看,工业化阻碍城镇化发展,两者之间发展不协调,这与理论分析结果相背离。
甘肃省产业结构扭曲是工业化与城镇化不协调的根源。一直以来,重工业在甘肃省工业中占据主导地位,这种扭曲的产业结构对劳动力的吸纳能力有限,不利于人口非农化转换,加上甘肃省走的是以政府为主导(主要是中央政府)的“嵌入式”工业化道路,这种工业布局未能有效地带动其他产业发展和城镇化集中。从图7可知,给定一单位金融发展冲击,城镇化指标随即做出反应,在整个追踪期内,城镇化对金融发展的冲击皆为正响应,在第二年时冲击最大,随后下降,在第8年时趋于平稳。从经济意义上来说,金融发展对城镇化有带动作用。甘肃省改革开放30多年里,即使金融市场发展缓慢,金融工具不够丰富,融资渠道单一,但是信贷资金的增加还是对城镇化的发展起到了促进作用。
(五)方差分解分析
方差分解用来分析变量的扰动项对于变量变动的贡献度,反映了变量变动的相对重要性。表3和表4分别给出了城镇化和工业化指数的预测方差分解结果。
从城镇化水平方差分解结果来看,城镇化对来自当期自身的因素冲击最大,在第1年达到88.23594,在第2年时已下降到73.73073,随后自身的冲击逐渐减弱。在第1年时,工业化对城镇化的冲击为4.783242,随着时间的推移,工业化对城镇化的影响不断增强,在第10年时,工业化对城镇化的冲击达到12.18865。金融发展对城镇化的冲击在第2年时最大,达到19.39178,在第6年时趋于稳定,基本保持在17.5的水平,而且金融发展对城镇化的作用要大于工业化对城镇化的作用。
从工业化水平方差分解结果来看,工业化对当期自身的冲击最大,随着时间的推移,影响逐渐减弱。在第1年时,城镇化对工业化冲击为0,随后逐渐增加,在第10年时,冲击为1.284649,相比而言,城镇化对工业化的影响较弱。金融发展对工业化的影响随着时间的推移不断增强,在第10年时,冲击达到11.66460。
五、主要结论和政策建议
(一)主要结论
本文运用甘肃省1983~2014年的年度数据,通过建立VAR模型研究了甘肃省金融发展、城镇化与工业化之间的动态关系,得到如下结论:
从VAR模型估计可知,城镇化和工业化能够带动金融发展;城镇化促进工业化,而工业化阻碍城镇化发展;金融发展滞后于工业化,但对城镇化发展有带动作用。
通过脉冲响应函数分析发现,城镇化与工业化并没有同步发展,二者之间发展不协调,其主要原因是甘肃省产业结构扭曲和工业布局不合理,未能很好地吸纳劳动力,不利于人口非农化转换,同时未能有效地带动其他产业发展。在城镇化过程中,随着人口和生产要素的不断聚集,金融产业得以发展,从而为城镇化的发展提供了资金支持。但是甘肃省金融发展滞后于工业化,金融工具不够丰富,融资渠道单一,因此在未来的工业化进程中,必须加快金融服务业发展,拓宽融资渠道,促进金融工具升级,为工业化的发展提供有力的支撑。
(二)政策建议
通过上面的实证结果,针对目前甘肃省城镇化、工业化与金融发展所面临的主要问题,本文提出如下政策建议:
1. 推动甘肃省新型城镇化建设。
建设以“丝绸之路经济带”为廊道,以陇海—兰新铁路为依托的城镇群为平台,发挥中心城市的辐射力,协调城镇群之间、城镇群内部城市之间的关系。进而推动跨区域城市之间产业分工、基础设施等协调联动。同时构建城乡高度融合的一体化功能空间,推动基础设施、产业链条、公共服务向乡村扩散,实现大中小城市、小城镇和新型农村社区的协调发展。
2. 加快工业结构调整。
积极推进产业转型升级,加快信息化和工业化高度融合的新型工业化发展。用高新技术和先进技术提升石油化工、冶金有色、建材等产业发展水平,调整产品结构,延伸产业链条,优化资源配置,提高后续资源保障能力,壮大产业基地,发展产业集群。同时依托资源和产业优势,培育发展新能源和新能源装备制造业、新材料、新医药、生物制造、信息技术等战略性新兴产业。建设全国重要的特色农产品生产加工基地,鼓励农产品龙头加工企业整合资源,引导企业按园区模式布局,发展产业集群。
3. 加快发展金融服务业,加强金融监管。
着力培育兰州西部区域性金融中心,加快金融产业集聚。吸引金融机构进驻甘肃省,支持地方中小银行,鼓励民间信贷机构发展,拓宽融资渠道。加强农村金融体系建设,鼓励发展以服务农业为主的地方中小银行。进一步培育发展保险市场,大力发展多层次资本市场,推动企业通过发行股票、公司债券等多种形式,提高直接融资比例,拓宽金融服务业。从而为甘肃省工业化发展和城镇化建设提供资金支持。
参考文献
姜爱林.论城镇化与工业化的关系[J].社会科学研究,2002(6).
夏春萍,刘文清.农业现代化与城镇化、工业化协调发展关系的实证研究--基于VAR模型的计量分析[J].农业技术经济,2012(5).
李国平.我国工业化与城镇化的协调关系分析与评估[J].地域研究与开发,2008(5).
刘传玉.工业化与城市化:理论及对甘肃的实证分析[J].兰州商学院学报,2006(1).
伍艳.西部欠发达地区城镇化进程中的金融支持[J].西南民族大学学报,2005(2).
张正斌.宁夏金融发展与城镇化关系的实证研究[J].宁夏师范学院学报,2008(3).
郭江山.基于VAR模型的城镇化、工业化与金融发展动态分析--以河北省为例[J].河北师范大学学报(哲学社会科学版),2011(4).
石林,肖春梅,张晓燕.基于VAR模型的新疆城镇化、工业化与金融发展[J].企业经济,2013(10).
VAR模型金融风险管理 篇9
1 文献综述
自20世纪以来,国内外经济学家一直致力于金融发展与经济增长之间存在关系的研究。J.Q.Gurley和E.S.Shaw在1955年探究了金融发展与经济增长之间相互作用的路径,提出金融是经济发展的“驱动力”,增加金融机构分布密度及提升金融服务质量都可以量化为经济增长率[1]。R.W.Goldsmith[2]深入分析了1860—1963年35个国家的金融结构及金融发展问题,认为金融发展与经济增长之间存在近似平衡的关系。R.G.King[3]等利用1960—1989年的相关数据检验了80个国家的金融发展与经济增长的关系。结果表明:在不发达国家金融促进经济增长,在发达国家经济增长能带动金融发展。石盛林[4]认为银行间存在的垄断竞争行为导致县域金融密度与县域经济增长之间存在“倒U型”关系。高晓燕等[5]运用全国东、中、西部47个县2005—2011年的经济数据,通过建立面板数据模型分析,得出结论:我国东部和西部县域经济的增长与县域金融发展规模呈负相关关系,而中部与县域金融发展规模呈正相关关系;东、中、西部的县域经济与县域金融发展效率都呈正相关关系,并且东部的正相关性表现得更显著。郭艳玲[6]通过构建随机前沿模型和面板数据模型,运用山东省91个县(市)经济数据分析,实证结果显示:县域金融体系效率和经济增长之间存在非线性“倒U型”关系,金融规模、投资水平和政府支出水平对经济增长有显著的正向影响。
2 模型、指标和数据的选取
2.1 模型构建
根据生产函数理论框架,将县域经济作为“生产产出”要素、金融发展水平和固定资产投资作为“生产投入”要素用于生产过程。所以,县域金融发展与经济增长关系的生产函数可表示为:
式中:Y表示县域经济产出,F表示县域金融发展水平,L表示县域劳动力投入,K表示县域固定资产投入。研究目的是分析县域金融发展与县域经济增长的关系,因此引入县域固定资产投资作为控制变量。同时,黑龙江省县域地区劳动力剩余现象较为突出,为了更好地衡量县域金融发展水平和资本投入要素与经济增长的关系,借鉴温涛等[7]的研究,对县域劳动力投入增加容量限制,即有:
令代表县域地区劳动力投入达到最大规模,那么县域经济产出只由县域金融发展水平和县域固定投资投入水平决定。由(1)和(2)式可以得出:
对(3)式取全微分有:
根据黑龙江省县域金融发展实际情况,结合已有的研究文献,笔者将金融规模、金融效率和金融机构分布密度作为衡量县域金融发展水平的指标,分别表示为FC、FE、FDA,即有:
对(5)式全微分后带入(4)式得:
用β1代表县域资本投入的边际产出,β2、β3、β4分别代表金融规模、金融效率和金融机构分布密度的边际产出。同时考虑到数据的可得性,将模型中d K由投资水平(FI)来代替,则可将(6)式简化为:
在忽略其他因素对经济增长的影响的情况下,可以利用模型(7)构建资本投入量和金融发展水平对经济增长影响的计量模型:
模型(8)中,β0代表常数项,μ代表随机误差项,d Y/m表示人均经济总量。
模型(8)表示,前期的投资水平、金融规模、金融效率和金融机构分布密度与经济增长之间均有影响。同时,由于投资水平、金融效率等变量对经济增长的影响是滞后的。以GDP代替d Y/m表示人均经济总量,为了减少异方差性,对经济产出量GDP取自然对数。因此,笔者构建如下模型进行实证分析:
式中:i为滞后阶数。
2.2 指标选取
2.2.1 县域经济发展水平指标选取
经济增长一般用三种度量方法来衡量:一是使用国内生产总值的增长率,二是使用国内生产总值,三是使用人均国内生产总值。对于县域经济增长也可以用以上三种度量方法来衡量。研究选取地区人均生产总值(ln GDP)作为衡量县域经济增长的指标,由于地区人均生产总值不仅能够反映出县域的经济总量,而且能够客观、真实地反映出县域经济发展状况。
2.2.2 县域金融发展水平指标选取
1)金融规模(FC)。金融总量在实际收集过程中,县域经济的有价证券数据和县域现金融通量难以获得,所以研究用金融机构的存贷款余额之和代替县域金融资产总量。即金融规模FC=M/G,式中:M表示金融机构的存贷款余额之和,G表示县域人均生产总值。
2)金融效率指标(FE)。将存款转化为贷款,实现资源有效配置、促进经济发展是金融的核心功能。金融效率是指金融中介机构将存款转化为贷款支持经济发展的效率,映射金融中介机构实现金融资源有效配置的能力。研究使用县域金融中介机构贷存比代表县域金融效率,即金融效率FE=N/Q,式中:N表示县域金融贷款,Q表示县域金融存款。
3)金融机构分布密度指标(FDA)。县域金融机构分布密度FDA=S/R,式中:S表示县域金融机构数量,R表示县域人口(万人),反映每万名县域人口拥有的县域金融机构数量。
2.2.3 投资水平指标选取
本研究描述投资水平的变量是利用县域全社会固定资产投资与GDP的比率,这一指标用FI表示。
2.3 数据来源
鉴于研究对象是黑龙江省县域金融发展与县域经济增长关系、变量的时间滞后性影响及研究的合理性,研究运用1992—2013年经济数据,相关数据来源于《黑龙江金融年鉴》(1993—2013)、《黑龙江统计年鉴》(1993—2014)、《中国县域统计年鉴》(1993—2014)。
3 实证分析
3.1 单位根检验
为了避免“伪回归”现象发生,以及确定各变量的平稳性。研究运用ADF检验法对各变量进行单位根检验。原假设(Ho):序列是非平稳的。若样本计算的ADF值>临界值,则接受原假设,原序列非平稳;若ADF值<临界值,则拒绝原假设,原序列平稳。文章的所有检验结果都是运用Eviews6.0软件得出。单位根检验结果见表1。
注:检验形式中(C,T,L)分别代表常数项、趋势项、滞后阶数;Dln GDP、DFC、DFE、DFDA、DFI分别代表相应的一阶差分。
由表1的检验结果可知:ln GDP、FC、FE、FDA、FI的水平值都接受原假设,说明因变量和自变量水平值存在非平稳性;一阶差分后,变量Dln GDP在10%显著性水平上具有平稳性,其余变量均在1%和5%显著性水平下具有平稳性。因此,所有变量在10%显著性水平下是一阶差分平稳的,即各变量属于I(1)。根据协整检验的条件,由于各序列是一阶差分平稳,满足协整检验的条件,故可以进行协整检验。
3.2 协整检验
研究选用Jonhansen检验法进行协整检验。根据SC准则确定VAR模型的最优滞后期为2。利用相关检验对其进行检验,发现拟合优度较好,残差序列也具有平稳性。Jonhansen协整检验结果见表2。
注:*表示在5%显著性水平下拒绝原假设。
根据变量间的协整关系,可以得到以下协整方程:
方程(10)表明,所选变量即县域人均经济总产值、县域金融效率、县域金融机构分布密度、县域金融规模以及县域投资水平之间存在长期均衡关系。其中,县域金融机构分布密度和投资水平与县域人均经济增长存在负相关;而代表县域金融发展水平的金融效率、金融规模与县域人均经济增长存在正相关。这说明,金融机构分布密度和投资水平不利于县域人均经济增长;而金融效率和金融规模有利于促进县域人均经济增长。
3.3 Granger因果检验
在验证了各变量之间具有协整关系以后,进一步通过Granger因果检验验证各县域金融发展水平指标与经济增长之间的关系,见表3。
由表3可知:在最优滞后期内,县域金融规模、效率、机构分布密度和投资水平在10%的置信水平下表现为县域人均经济增长的Granger原因,即县域金融发展是县域人均经济增长的Granger原因,县域金融发展对县域人均经济增长具有一定的促进作用。但是县域人均经济增长不是县域金融规模的Granger原因,而是县域金融机构分布密度、效率和投资水平的Granger原因。进而能够说明,县域金融效率、机构分布密度和投资水平与县域人均经济增长之间存在相互促进作用。
3.4 脉冲响应分析
通过协整检验,验证了县域金融发展与人均经济增长之间存在长期均衡关系,且是人均经济增长的Granger原因,所以笔者通过运用VAR向量自回归进行冲击效应分析,进一步检验县域金融发展与人均经济增长之间的短期动态关系(见图1~4)。脉冲响应函数描述的是在随机扰动项上增添1单位标准冲击对内生变量当期值和未来值的影响轨迹,横轴代表滞后阶数,纵轴代表内生变量对冲击的相应程度。
从图1中可以看出,县域人均经济增长对县域金融规模一个标准差的冲击反应,滞后1期后,开始呈现负增长态势。但滞后2期后,开始呈现快速增长态势。滞后8期后,开始呈现缓慢下降态势。从短期短看,县域金融规模对县域人均经济增长起到逆向作用;从长期来看,县域金融规模对县域人均经济增长具有正向促进作用,但存在一定滞后性。从图2中可以看出,县域人均经济增长对县域金融机构分布密度一个标准差的冲击反应处于正向响应过程,前2期呈现稳步增长态势。滞后3期后,开始呈现快速增长态势,说明金融机构分布密度促进县域人均经济增长作用较强。从图3中可以看出,县域人均经济增长对县域金融效率一个标准差的冲击反应处于负向响应过程,当滞后2期时,负向响应效果达到最小值。滞后3期后,开始呈现稳步增长态势。说明县域金融效率在一定程度上起到抑制效果,也契合了县域资金“倒流”现象,造成金融效率低。从图4中可以看出,县域固定投资水平在短期内能够促进县域人均经济增长,且在滞后2期时达到最大值。在滞后5期时,县域人均经济增长呈现出负向响应,从长期来看,县域固定投资水平对县域人均经济增长存在抑制作用。
3.5 方差分解
运用Sins(1980)方差分解法,通过求解扰动项对VAR模型预测均方差的贡献度,了解县域金融规模、效率、机构分布密度和固定资产水平对县域人均经济增长的冲击作用,方差分解结果见表4。
从表4中可以看出:县域人均经济增长的变化受自身扰动项的冲击影响呈下降趋势,后又趋于稳定变化,县域金融规模和金融机构分布密度为重要的影响因素。从短期来看,县域金融规模、效率和固定投资水平对县域人均经济增长的冲击大于县域金融机构分布密度对县域经济增长的冲击;从长期来看,县域金融规模和金融机构分布密度对县域人均经济增长有着重要的作用,分别对县域人均经济增长做了11.999 210%和19.730 990%的贡献度,而县域金融效率和固定投资水平对县域人均经济增长做了4.604 575%和0.782 973%的贡献度。不论是从短期还是长期来看,县域金融规模对县域人均经济增长的冲击均较大,对于县域人均经济增长的贡献度较高。
4 结论
研究利用1992—2013年黑龙江省的时间序列数据,以及单位根检验、协整检验、Granger因果检验、脉冲响应分析和方差分解对黑龙江省县域金融规模、效率、机构分布密度和固定投资水平对县域经济增长的关系进行实证研究。通过实证结果得知,黑龙江省县域金融规模、效率、机构分布密度和固定投资水平与县域人均经济增长之间存在长期稳定的均衡关系,并且当县域金融规模和效率各增加1个单位时,县域人均经济将分别增长2.99%和5.36%。Granger因果检验结果表明:县域金融发展是县域人均经济增长的Granger原因,并且对县域人均经济增长具有促进作用。但是县域人均经济增长不是县域金融规模的Granger原因,而是县域金融机构分布密度、效率和投资水平的Granger原因,进而说明了县域金融效率、机构分布密度和投资水平与县域人均经济增长之间存在相互促进的作用;脉冲响应分析和方差分解分析结果显示:前期的县域人均经济增长对当期的县城人均经济增长影响较大,前期的县域金融规模、效率、机构分布密度和固定投资水平对县域人均经济增长存在不同程度的影响。县域金融机构分布密度和规模对县域人均经济增长贡献度较高,并且县域金融效率对县域人均经济增长的贡献度较低。这说明,现阶段黑龙江省县域金融发展还处于简单的以量带动经济增长的阶段,县域金融效率处于较低水平。从长远来看,过度依靠量的带动是无法满足黑龙江省县域经济持续发展要求的,县域金融发展应该逐步过渡到依靠质的提高来促进县域经济增长的阶段。黑龙江省县域金融体系还存在诸多问题,因此,提高县域金融发展水平促进县域经济增长,是继续深化金融体制改革过程中亟需解决的问题。
5 建议
通过实证分析结果可知:县域金融发展推动了经济快速、可持续增长。为更好地促进县域金融发展对经济增长的推动作用,从以下几个方面提出具体建议:
首先,构建多层次、竞争性的金融组织体系,扩大金融规模,促进经济发展。现阶段,黑龙江省县域金融组织体系主要是由商业银行、政策性银行、农村信用社、农商行四个层次构成。在构建多层次、竞争性的县域金融组织体系的过程中,应充分发挥金融发展在社会资本积累、资本形成能力和资本配置效率积极作用,但同时也要注意金融发展过快于经济增长所产生诸如金融总量失控,信用膨胀、金融运作风险加大、膨胀虚拟资本从而破坏经济平衡持续发展的负面效应[8]。应鼓励县域资本参与组建更多的村镇银行、融资担保公司、资金互助社、贷款公司等新型金融机构,通过建立这些新型金融机构进一步完善多层次的县域金融组织体系,以此来促进县域金融机构进行良性竞争,扩大县域金融供给规模,促进经济发展。
其次,提高金融效率,加快经济发展。县域金融机构应该逐渐实现从量的扩张转变到质的提高,通过提供差异化的金融产品和服务、提高金融从业人员的劳动效率这两方面来降低资金损耗,加强储蓄动员能力。此外,完善风险评估体系,提高储蓄投资转化率,确保储蓄转化为投资的资金,使风险处于可控状态,从而实现利润最大化。
最后,大力发展普惠金融,点亮金融服务“最后一公里”,提高金融机构分布密度,促进经济发展。一方面,应坚持因地制宜原则,令各类金融机构结合各县域地区实际情况,加大金融创新力度,提高金融服务和产品的可获得性、针对性和有效性;另一方面,应适当放宽市场准入机制,支持资金互助社、村镇银行等新型金融机构发展,充分展现微型金融机构的灵活性、人缘和地缘优势,更好地为县域地区居民提供金融服务,提高金融机构分布密度,打通金融服务“最后一公里”空白。
摘要：笔者利用1992—2013年的经济数据,运用VAR自回归模型,对黑龙江省县域金融发展与经济增长关系进行了实证研究。结果表明:县域金融规模、效率、机构分布密度和固定投资水平与县域人均经济增长之间存在长期协整关系,前期的人均经济增长总值对当期的影响较大,前期的县域金融规模、效率、机构分布密度和固定投资水平对当期县域人均经济增长存在着不同程度的影响;县域金融效率、机构分布密度和固定投资水平与县域人均经济增长之间存在双向格兰(Granger)因果关系,县域金融规模与县域人均经济增长之间存在单向Granger因果关系;从整体来看,金融发展推动了经济快速、可持续增长,且县域金融发展与经济增长之间存在彼此相互促进关系,县域金融发展能够有力促进经济增长。
关键词：金融发展,经济增长,协整检验,因果关系检验,脉冲响应分析
参考文献
[1]SHAW E S.经济发展中的金融深化[M].邵伏军,许晓明,宋先平,译.上海:三联出版社,1988.
[2]GOLDSMITH R W.Financial structure and economic development[M].New Haven:Yale University Press,1969.
[3]KING R G,LEVINE R.Financial and growth:Schumpeter might be right[J].Quarterly Journal Eics,1993,108(3):717-738.
[4]石盛林.县域金融对经济增长的影响机理:基于DEA方法的前沿分析[J].财贸经济,2011(4):68-72.
[5]高晓燕,杜金向,马丽.我国县域经济与县域金融互动关系的实证研究:基于我国东、中、西部47个县域的数据分析[J].中央财经大学学报,2013(12):43-49.
[6]郭艳玲.县域金融发展、金融体系效率与县域经济增长:基于山东省91个县的实证研究[J].南方金融,2013(1):46-51.
[7]温涛,冉光和,熊德平.中国金融发展与农民收入增长[J].经济研究,2005(9):30-43.
金融风险度量的VaR方法综述 篇10
关键词：风险,VaR (风险价值) ,应用成果
一、Va R产生的背景
金融工具的价格变动, 会给金融机构和其他金融市场参与者带来收益或损失。收益是有利的, 而损失则可能造成灾难性的后果, 后者正是金融市场风险的表现。四类基础性的市场价格因子包括利率、股票价格、汇率和商品价格等, 通过一定的映射传导过程, 影响金融工具及资产组合的市场价值, 可见金融市场风险的源头, 是这四大价格变量的波动, 它们的变化频率和幅度等状况, 直接决定金融市场风险的高低。正常市场条件下, 基础价格因子稳定, 市场风险较低, 不幸的是, 1973年“布雷顿森林体系”崩溃以来, 全球范围内, 汇率、利率、股票价格和商品价格等的高度波动性呈现不断加剧的趋势。这些变动主要包括:经济金融全球化、技术创新、放松金融管制和金融创新等, 它们大大增加了金融市场和工具的关联度、复杂性、不确定性和波动性, 使得金融市场风险上升, 结构成分复杂, 难以测量分析。金融市场风险不断累积, 日益复杂化, 如何管理它, 尤其是对其进行较为准确的测量, 成为金融实务界、学术界和监管当局的重大问题和任务。以Va R为主的现代金融市场风险测量、管理方法, 正是在这样的背景下, 逐步建立和发展起来的, 它可以将不同市场因子、不同资产组合的风险加以集成加总, 充分考虑各种风险来源的相互作用, 较好地反映金融市场风险复杂结构间的动态影响, 得到较为准确的风险暴露估计。
二、Va R理论及其在国内外的研究情况
(一) Va R的原理
Va R即风险价值 (Value at Risk) , 是指市场正常波动下在一定的概率水平下, 某一金融资产或证券组合在未来特定的一段时间内的最大可能损失。由于Va R值可以用来简明地表示市场风险的大小, 因此没有任何专业背景的投资者和管理者都可以通过Va R值对金融风险进行评判, 并且Va R方法可以事前计算风险, 它不像以往风险管理的方法都是在事后衡量风险大小。另外, Va R方法还可以衡量全部投资组合的整体风险, 这也是传统金融风险管理所不能做到的。Va R方法的这些特点使得它逐渐成了度量金融风险的主流方法, 越来越多的金融机构采用Va R测量市场风险, 使用Va R作为风险限额, 特别是监管当局也在使用Va R确定风险资本金, 这使得许多金融机构及其业务部门在投资选择时, 往往需要满足Va R约束。根据Va R的定义, 可以表示为:P{△p>Va R}=1-c。其中, △p为金融资产组合在持有期△t内的损失, Va R为置信水平c下处于风险中的价值。
从上面的定义中看出, Va R有两个重要的参数:资产组合的持有期和置信水平。这两个参数对Va R的计算及应用都起着重要的作用。
1、资产组合的持有期
从投资者的角度来说, 资产组合的持有期应由资产组合自身的特点来决定。资产的流动性越强, 相应的持有期越短;反之, 流动性越差, 持有期则越长。国外商业银行由于其资产的高流动性, 一般选择持有期为一个交易日, 而各种养老基金所选择的持有期则较长一般为一个月。在应用正态假设时, 持有期选择得越短越好, 因为资产组合的收益率不一定服从正态分布, 但在持有期非常短的情形下, 收益率渐近服从正态分布, 这时的持有期一般选为一天。另外, 持有期越短, 得到大量样本数据的可能性越大。Basle委员会选择10个交易日作为资产组合的持有期, 这反映了其对监控成本及实际监管效果的一种折衷;持有期太短则监控成本过高, 持有期太长则不利于及早发现潜在的风险。
2、置信水平
置信水平的选取反映了投资主体对风险的厌恶程度, 置信水平越高, 厌恶风险的程度越大。由前面所述Va R的定义我们可以看出, 置信水平的选取对Va R值有很大影响, 同样的资产组合, 由于选取的置信水平不同计算出的Va R值也不同。由于国外已将Va R值作为衡量风险的一个指标对外公布, 因此各金融机构有选取不同的置信水平以影响Va R值的内在动力。例如, 国外各银行选取的置信水平就不尽相同, 美洲银行和J.P.Morgan银行选择95%, 花旗银行选择95.4%, 大通曼哈顿银行 (Chemicaland Chase) 选择97.5%, 信孚银行 (Bankers Trust) 选择99%。由Va R的定义可知, 置信水平越高, 资产组合的损失小于其Va R值的概率越大, 也就是说, Va R模型对于极端事件的发生进行预测时失败的可能性越小, 因此, Basle委员会要求采用99%的置信水平。
3、Va R的计算
(1) 任意分布的Va R计算
假设某一资产当前市值为W0, 资产收益率r的概率密度函数为f (r) , 在置信水平下1-α, 期末该资产的最低价值为W*=W0 (1+rα*) , 该资产的期末预期最大损失金额为
其中, E (·) 为期望值;E (r) =μ表示资产的预期收益率, rα*满足。
(2) 正态分布的Va R计算
如果单项资产的收益率r服从正态分布N (μ, σ2) , 则rα*=σzα+μ, 且单项资产的期末预期最大损失金额为VαR=-W0zασ, 单项资产在时间T期末预期最大损失金额为。
对投资组合来说, 设W= (w1, w2, …, wn) 为投资组合中各资产投资比例的向量, 第i种资产的收益率为ri (i=1, 2, …, n) 服从正态分布, 则投资组合的收益率为, 且组合资产收益率的最大的一期损失金额为;时间间隔T期损失金额为, 其中∑= (σij) n为资产的收益率的协方差矩阵且σij=cov (ri, rj) , zα是标准正态分布的α分位数。
(二) Va R理论国内外研究文献回顾
1、Va R理论国外研究文献回顾
JP.Morgan (1996) 将Va R看作是在既定头寸被冲销或重估前可能发生的市场价值最大损失的估计值。Jorion.P (1997) 把Va R描述为是对正常市场波动的度量, 大于Va R值的损失只会以小概率发生。Beder (1995) 、Kevin Dowd (1998) 指出Va R是在给定的持有期内, 一定置信水平下资产组合的最大期望损失。Engle (1982) 提出自回归条件异方差模型 (ARCH) 。Bollerslev (1986) 提出广义自回归条件异方差模型 (GARCH) 。美国JP.Morgan银行1995年提出以方差—协方差法作为衡量Va R的基本方法。Jorion (1996) 针对各种Va R衡量方法归纳出一个完整架构。
Dowd Kewin (1999) 提出了针对收益率尾部分布超过某一较大阀值的数据进行建模进而计算Va R值的极值模型。Lan-Chih Ho等 (2000) 对亚洲包括日本、韩国等六个地区1997-1998年极端市场境况下的价格指数应用了极值理论。Bacmann等人 (2004) 年应用极值理论分析了包括套利基金、股票和债券的混合投资组合的风险, 并用Va R和ES进行了定量描述。C.Brooks等 (2005) 提出了一种半非参数的极值方法。Matthew Pritsker (2006) 从实证和理论的角度比较全面地分析、探讨以及验证了三种Va R模型———历史模拟法以及改进的两个历史模拟法, 并提出一些建设性的建议和结论, 具有启发性。
2、Va R理论国内研究文献回顾
(1) 侧重于Va R概念、作用和计算方法介绍的文献。中国对Va R方法的理论研究与实际应用起步较晚, 最早始于1997年郑文通的《金融风险管理的Va R方法及其应用》一文。王春峰 (2001) 系统地介绍了Va R的有关理论基础。曹乾等 (2004) 分析了Va R的产生背景、概念、特点、算法以及使用局限性等, 最后探讨了该模型在我国的适用性问题。
(2) 侧重于Va R方法的实证分析和应用的文献。 (1) 基于覆盖正常事件风险的Va R方法实证和应用研究的文献。朱宏泉等 (2001) 应用Va R模型对香港股票市场风险进行了实证分析。叶永刚等 (2003) 利用Va R对我国证券投资基金市场风险进行了度量。薛宏刚和朱世武 (2004) 对中国股票市场上各类Va R方法计算进行了实证研究。胡经生等 (2005) 在对国外利用Va R方法及其拓展模型对投资组合进行风险管理的理论与方法总结的基础上, 主要针对市场风险与流动性风险的投资组合风险管理数量模型, 随机选择五只股票构成投资组合, 并利用1997~2003年的样本数据进行了实证研究。 (2) 基于覆盖尾部事件风险的Va R方法实证和应用研究的文献。田宏伟等 (2000) 讨论了根据极值理论计算风险价值的两类不同的方法。周开国、缪柏其 (2002对香港恒生指数进行研究, 将极值方法与方差—协方差方法的计算结果进行比较。马玉林等 (2003) 将基于极值理论的Va R的方法与基于正态分布和实际分布的Va R方法进行了实证结果的比较。田新时等 (2004) 将基于广义帕雷托分布的Va R模型和其它Va R模型进行了实证结果的比较。彭寿康和顾朋亚 (2007) 采用跳跃—GARCH模型来描述金融资产收益率波动过程, 研究涵盖事件风险的Va R模型的构建方法。
3、国内外Va R研究文献述评
(1) 理论研究和实务应用, 国外均处于领先水平。相对而言, 国外研究更成熟一些:内容上, 无论是广度还是深度都更胜一筹。另外, Va R思想在国外金融领域也有着丰富的实践应用, 二者交相辉映。反观国内, 我国学者的相关研究起步晚一些, 内容与思路上又大体和国外文献类似。而在实务领域, 我国商业银行过去测算的重点基本上是信用风险。
(2) 国外Va R研究文献的演进有更清晰可辨的逻辑线索。国外的研究时间比较长, 文献的数量也特别多, 但按照时间顺序并结合那些主要文献, 我们还是可以理出一个简单的逻辑脉络的:首先, 是从1952年Va R的提出到1993年其正式被引入市场风险管理, 再到Va R作为市场风险管理理念的迅速普及和其概念的进一步明确。其次是Va R方法的迅速发展以及其经典模型方差—协方差法、历史模拟法、蒙特卡罗模拟法的逐步确立, 以成体系。再次, 由于经典模型覆盖尾部事件能力的欠缺, 且小概率事件对于金融机构的市场风险管理有着莫大的意义, 压力测试等风险管理方法逐步受到重视, 尤其是极值理论的研究得以兴起。而国内文献, 是不容易看出像国外研究那种循序渐进的演化过程中所体现出来的较清晰的逻辑脉络的。
(3) 国内外文献研究Va R的重点和难点。对Va R方法研究的重点和难点在于处理好几个要素:置信区间、风险资产持有期、价格损益的随机分布以及样本数据。实证研究表明:置信区间越高, 对模型的精度要求越高;对市场风险投资组合的持有期的选择, 也会影响模型的有效性。对于较短的持有期而言, 可以在计算出日Va R值之后直接应用平方根法则即可。但是, 对于较长的持有期, 应用该法则要谨慎;价格序列是一个随机时间序列, 对于价格损益所遵循的随机分布所做的假设, 最终也会对模型的有效度起决定性的作用;数据的选择也是一个至关重要的问题。市场风险数据的搜集本身就非一件易事;如果使用低频数据, 信息缺失现象过于严重, 使用高频数据, 对数据进行合理的甄选又具有一定的难度;波动性具有时变性的特征选择样本数据的区间过短, 影响参数估计的效果, 过长单位数据权重的合理确定问题就变得异常重要。
(4) 国内外对于Va R的研究仍有待进一步丰富和完善。第一, 研究模型的选择。国内外对于经典Va R模型中方差———协方差法和蒙特卡罗模拟法研究得非常多, 而对历史模拟法研究得相对较少。国外极值理论的研究最近几年比较兴盛, 而国内的类似文献要少得多。第二, Va R的应用。国外研究者多着眼于Va R作为风险计量和市场风险监管的作用, 而国内大量文献对Va R方法在绩效评估、投资组合优化、金融机构竞争力评价体系的构建等方面的作用表现出更多的兴趣。第三, 对各种模型关系的认识以及派生的研究取向的分歧。有的学者热衷于确定最优的Va R模型。但是国内外许多实证研究表明, 由于样本区间、置信水平等因素选取的不同, 大多数模型之间并无绝对的优越性可言, 国外有的研究者也指出, 各个模型之间不是对立与替代的关系, 而是可以互补和相容的。这与本文主张的观点是一致的。至少并无任一有说服力的文献可以证明经典Va R模型体系中的三大方法存在着绝对的优劣区别。因此, 与许多学者一样, 主张应该着力于探索各个模型之间应如何借鉴彼此优点。此外, 许多文献将各种Va R模型进行简单的罗列, 这绝非相互借鉴与互补, 而是属于模型堆砌, 甚至是一种错误的倾向:使操作者疲于选择, 无所适从。综上所述, 在我国金融市场和金融机构快速融入金融自由化和全球化趋势的过程中, 在金融创新蓬勃发展和市场风险日益加巨的背景下, 对基于Va R的市场风险度量方法的研究更具有重要的理论和现实意义。
三、Va R法的各种应用
1、Va R值可用于风险控制
利用Va R方法进行风险控制, 可以使每个交易员或交易单位都能确切地明了他们在进行着有多大风险的金融交易, 并可以为每个交易员或交易单位设置Va R限额, 以防止过度投机行为的出现。
2、Va R值可用于业绩评价指标
在金融投资中, 高风险总是伴随着高收益, 交易员可能冒着巨大风险去追求高额利润。例如, 银行家信托公司的业绩评价指标称为“经风险调整的资本收益” (Risk Adjust-
ed Return on Capital, 简称RAROC) , RAROC=收益/Va R
值。如果交易员从事高风险的投资项目, 那么即使利润再高, 由于Va R值较高, RAROC值也不会很高, 其业绩评价也就不会很高。可见, Va R法用于业绩评估, 可以较真实地反映交易人员的经营业绩, 并对其过度投机行为进行限制。此外, Va R方法也可以用于对投资项目的业绩评估中, 利用Va R方法计算经风险调整后的项目收益情况, 可以使公司更好地选择在最小风险下获取最大收益的项目。
3、Va R法可用于金融监管
这方面最典型的例子当数国际清算银行巴塞尔委员会关于资本充足率的规定。1995年4月, 巴塞尔委员会公布的《有关在资本充足率协议中纳入市场风险因素的补充文件》中规定, 从1997年年底开始, 其成员银行在设置应付风险的资本金额时除考虑信用风险外, 还要考虑市场风险。在计算市场风险时, 成员银行可以采用巴塞尔委员会制定的标准计算方法, 也可以采用自己的内部Va R模型, 在利用内部模型计算市场风险时, 必须满足巴塞尔委员会设置的最低标准, 即至少要计算置信度为99%, 持有期为10天的每日Va R值。成员银行也可以自由决定采取更加严格的计算标准。
四、评价与展望
以上的分析可以看出, Va R概念简单, 容易理解, Va R方法将资产组合的风险具体化为一个可以与收益相配比的数字, 可以用来简单明了表示市场风险的大小。即使没有任何专业背景的投资者和管理者都可以通过Va R值对金融风险进行评判。另外, Va R方法使投资者可以在事前计算投资组合的风险, 其次, Va R方法可以涵盖影响金融资产的各种不同市场因素, 同时该方法也可以测度非线性的风险问题。同时Va R方法不仅能计算单个金融工具的风险, 还能计算由多个金融工具组成的投资组合风险, 这是传统金融风险管理所不能做到的。
尽管Va R方法有广泛的应用价值, 但它也有局限性。首先, 不能排除高于Va R值的巨大亏损发生的可能性, 即使这一概率极其微小。其次Va R技术管理对象相对较窄着重衡量正常情况下的市场风险, 对于市场上突发性风险、信用风险、操作风险、法律风险及战略风险等难以进行量化。最后, 更为重要的是Va R是基于金融资产的客观概率也就是说它对金融资产或投资组合的风险计算方法是依据过去的收益特征进行统计分析来预测其价格的波动性和相关性, 从而估计可能的最大损失。
即便Va R方法有一定的局限性, 但在未来的风险管理中仍然有广泛的应用空间, 如Va R在制定监管期货公司资本标准中的应用研究, Va R在银行间市场的运用, VAR在项目风险分析与评价中的应用, Va R在外汇风险度量中的应用等。
参考文献
[1]戴国强, 徐龙炳.VaR法对中国金融风险管理的借鉴和运用[J].金融研究, 2000, (07) :45-51.
[2]王春峰, 万海辉, 张维.金融市场风险测量模型-VaR[J].系统工程学报, 2000, 15 (1) :74-75.
[3]马超群, 李红权, 张银旗风险价值方法在金融风险度量中的应用[J]预测, 2001, 20 (2) :34-37.
[4]现代金融风险管理-衍生金融工具的使用与风险管理技术的应用 (CFRM培训项目指定用书, FRM考试中文辅导教材) [M].南京大学出版社2007, (07) .
[5]邵欣炜, 张屹山, 基于VaR的证券投资组合风险评估体系, 数量经济与技术经济研究[J], 2003, (12) .