【商業(yè)銀行市場風(fēng)險實證探究文獻(xiàn)綜述3000字】

商業(yè)銀行市場風(fēng)險實證研究國內(nèi)外文獻(xiàn)綜述本節(jié)研究了GARCH族模型和VaR模型的發(fā)展以及之前學(xué)者應(yīng)用這一模型展開的一系列研究，這是本文研究的現(xiàn)實基礎(chǔ)，本文是在此基礎(chǔ)上運(yùn)用GARCH族模型和VaR模型對股份制商業(yè)銀行的市場風(fēng)險進(jìn)行研究，分析探討該模型的適用性。1模型發(fā)展股份制商業(yè)銀行的市場風(fēng)險是指，由于市場因素例如利率、匯率、政策等變動的不確定性而導(dǎo)致的股份制商業(yè)銀行收益的不確定性，為了準(zhǔn)確度量市場風(fēng)險的大小，國內(nèi)外的學(xué)者們進(jìn)行了不懈地探索研究。1952年美國經(jīng)濟(jì)學(xué)家WilliamJ.Baumal提出了VaR（在險價值）理論，即在給定的置信水平下，如何選擇證券投資組合來達(dá)到最高的期望收益。VaR被提出之后，又有無數(shù)的經(jīng)濟(jì)學(xué)家、數(shù)學(xué)家和計量學(xué)家對這一模型不斷進(jìn)行完善，PhillppeJorion[2](1995)系統(tǒng)的闡述了VaR的概念、原理和應(yīng)用范圍。Giot[3](1996)詳細(xì)論述了計算VaR值的三種傳統(tǒng)方法，方差-協(xié)方差法、歷史模擬法和蒙特卡羅模擬法。EngleR[4](1982)首次提出的ARCH(自回歸條件異方差)模型，該模型是GARCH模型的雛形。隨后，為了克服ARCH模型存在缺陷，Bollersllev[5](1986)對ARCH模型進(jìn)行了完善，進(jìn)而提出了GARCH模型。但是，GARCH只能解釋對稱的序列，所以TGARCH、EGARCH兩種的模型應(yīng)運(yùn)而生，這兩種模型能夠較好地解釋序列的非對稱效應(yīng)。陳守東和俞世典[6](2002)首次將GARCH模型應(yīng)用到國內(nèi)的證券市場，并給出GARCH模型基于正態(tài)分布、t分布、GED分布三種不同分布下的VaR值。周濤和程晨[7](2011)利用GARCH類模型對上證國債指數(shù)進(jìn)行分析，研究發(fā)現(xiàn)非對稱GARCH模型的風(fēng)險度量結(jié)果優(yōu)異，表明該收益率序列具有聚集性、杠桿效應(yīng)。2模型應(yīng)用DavidH.Pyle[8]（1977）最早將VaR模型引入商業(yè)銀行的市場風(fēng)險度量領(lǐng)域。杜海濤（2000）在對我國證券風(fēng)險管理的實證分析中首次運(yùn)用了VaR模型，并得到了有效的結(jié)論。StuartHyde[9]（2002）在運(yùn)用多種計量模型來度量匯率風(fēng)險后指出GARCH-VaR模型是最優(yōu)的。Martens.M[10]（2002）在分析外匯風(fēng)險時運(yùn)用GARCH模型分析了匯率的日波動性，根據(jù)結(jié)果合理的使用VaR模型計算出了外匯風(fēng)險。葉青[11]（2000）在分析我國股市的風(fēng)險價值時運(yùn)用GARCH模型處理了金融時間序列的異方差的問題。王華[12]（2002）發(fā)現(xiàn)實際的金融時間序列并不一定符合正態(tài)分布，這與VaR的假定不相符，會造成VaR的計算結(jié)果出現(xiàn)偏差，他在分析GARCH模型在正態(tài)分布和T分布的情況后指出，在T分布的假定下結(jié)果更為有效。閆璐[13]（2006）以管理為切入點(diǎn)，詳細(xì)闡述了VaR在商業(yè)銀行市場風(fēng)險管理的實際應(yīng)用。李成和馬國校[14]（2007）以2002年至2006年我國每日的同業(yè)拆借利率為研究對象，使用GARCH-VaR模型對商業(yè)銀行利率風(fēng)險進(jìn)行了研究。顧雪松[15](2009)將GARCH－VaR模型應(yīng)用到股指期貨保證金的風(fēng)險度量中，研究表明該模型能較好地反映收益率序列的尾部分布特征。高岳和朱憲辰[16]（2009）運(yùn)用極值理論和GARCH-VaR模型處理分析了銀行間的同業(yè)拆借利率之后，指出我國銀行面臨的利率風(fēng)險波動幅度較小，比較穩(wěn)定，但是長期將會處于高風(fēng)險狀態(tài)。李建成和鄒方正[17]（2010）引入GARCH-VaR模型，選取參數(shù)計算出外匯資產(chǎn)的風(fēng)險補(bǔ)償金，定量度量了商業(yè)銀行的外匯風(fēng)險，并為外匯風(fēng)險的監(jiān)測和管理提供了一些建議。肖紅艷和王宗潤[18]（2010）運(yùn)用Copula-GARCH模型度量商業(yè)銀行的信用風(fēng)險和匯率風(fēng)險，計算出VaR值，茲證明此種模型計量匯率風(fēng)險是有效的。邰瑩瑩[19]（2011）在分析我國商業(yè)銀行的市場風(fēng)險管理中存在的問題后，創(chuàng)造性的提出在VaR模型和壓力測試中運(yùn)用CAPM思想。楊夫立[20](2012)基于GARCH類模型，對金融時間序列在不同分布下(正態(tài)分布、ｔ分布和廣義誤差分布)的VaR計算方法進(jìn)行討論，同時對VaR的準(zhǔn)確性進(jìn)行檢驗。魏振祥、楊晨輝和劉新梅[21]（2012）利用VaR模型和GARCH族模型研究了滬深300股指期貨面臨的市場風(fēng)險。程淑芳[22]（2014）選擇上證綜指和深圳成指為參數(shù)，運(yùn)用GARCH族模型對股市的流動性風(fēng)險進(jìn)行分析，指出在突發(fā)外部風(fēng)險時，深市的波動比滬市更強(qiáng)。呂東杰[23](2017)針對VaR模型刻畫尾部風(fēng)險存在的缺陷，構(gòu)建GARCH－CVaR模型，實證結(jié)果顯示該模型在對上市銀行系統(tǒng)風(fēng)險進(jìn)行度量時表現(xiàn)出色。Jhe-Jheng[24]（2018）運(yùn)用Copula-GARCH模型計算出了CDs投資組合的絕對值VaR。趙鵬舉[25]（2019）運(yùn)用GARCH-VaR模型分析了創(chuàng)業(yè)板和主板的波動性以及市場風(fēng)險，指出相較于主板市場而言，創(chuàng)業(yè)板的風(fēng)險和回報都較高。3文獻(xiàn)評述VaR模型和GARCH族模型自提出起，就受到了廣泛的關(guān)注，后來的研究學(xué)者不斷完善模型，探索其在不同領(lǐng)域的應(yīng)用，最終發(fā)現(xiàn)這個模型在市場風(fēng)險的度量領(lǐng)域能發(fā)揮很大的作用。目前國內(nèi)外對該模型的研究已經(jīng)趨于成熟，模型被廣泛應(yīng)用于股市的市場風(fēng)險度量、同業(yè)拆借市場風(fēng)險的度量和商業(yè)銀行市場風(fēng)險的度量。其中學(xué)者針對商業(yè)銀行的市場風(fēng)險做了大量的研究，模型的準(zhǔn)確性和優(yōu)越性在一次次實證中的到了許多學(xué)者的認(rèn)可。隨著經(jīng)濟(jì)的發(fā)展，不僅僅是行業(yè)之間的差別的大，行業(yè)內(nèi)部的差異性也越來越大，學(xué)者現(xiàn)在也不再是針對整體進(jìn)行研究，而是開始細(xì)化、具體化研究對象。關(guān)于對股市市場風(fēng)險的研究也細(xì)化到對創(chuàng)業(yè)板和主板市場風(fēng)險的研究，對商業(yè)銀行市場風(fēng)險的研究具體到了對利率風(fēng)險、匯率風(fēng)險和股價風(fēng)險的研究上。本文將在之前學(xué)者研究的基礎(chǔ)上，以股份制商業(yè)銀行的市場風(fēng)險為研究主題，選取8家股份制商業(yè)銀行進(jìn)行實證分析，探討GARCH-VaR模型在股份制商業(yè)銀行市場風(fēng)險度量中的優(yōu)越性，為我國股份制商業(yè)銀行應(yīng)對市場風(fēng)險提出合理化的建議。參考文獻(xiàn)［1］宋濤.基于VaR的商業(yè)銀行市場風(fēng)險度量研究—以浦發(fā)銀行為例[D].大學(xué)碩士學(xué)位論文，2012.［2］PhilippeJorion.ValueatRisk[M].McGraw-Hill,1996(3):345-366.［3］Giot,LaurentS.Marketriskincommoditymarkets:aVaRapproach[J]ForthcomingInJournalofFuturesMarkets,1996(07):34-40.［4］EngleR.F..AutoregressiveConditionalHeteroskedasticitywithEstimatesoftheVaRiabceofU.K.Infletion[J].Econometrica,1985(05):987-1008.［5］BollerslevT.Generalizedautoregressiveconditionalheteroskedasticity[J].JournalofEconometrics,1986(3):307-327.［6］陳守東，俞世典.基于GARCH模型的VaR方法對中國股市的分析[J].吉林大學(xué)社會科學(xué)學(xué)報，2002(4):11-17.［7］周濤，程晨.上證國債指數(shù)日收益率的波動特征及對保險投資的影響—基于GARCH模型的實證研究[J].保險研究，2011(5):103-111.［8］BrealeyRichard,LelandHayne-E.,PyleDavid-H..informationalasymmetries,financialstructure,andfinancialintermediation[J].Crossref(2):371-387.［9］StuartHyde.Accountingdiscretion,loanlossprovisioning,anddisciplineofBanks’risk-taking[J].JournalofAccountingandEconomics.2012(01):45-52.［10］MartenM.ForecastingdailyexchangeRATEvolatilityusingintradayreturns[J].JournalofInternationalMoneyandFinance,2001(02):1-23.［11］葉青.基于GARCH和半?yún)?shù)法和VaR模型及其在中國股市風(fēng)險分析[J].統(tǒng)計研究，2000(03):60-63.［12］王華.基于VaR的投資組合優(yōu)化方法研究[D].廈門大學(xué)碩士學(xué)位論文，2002.［13］閆璐.VaR模型在我國商業(yè)銀行市場風(fēng)險管理中的應(yīng)用—以利率風(fēng)險為例[D].對外經(jīng)濟(jì)貿(mào)易大學(xué)碩士學(xué)位論文，2006.［14］李成，馬國校.VaR模型在我國銀行同業(yè)拆借市場中的應(yīng)用研究[J].金融研究，2007(5):62-67.［15］顧雪松.基于GARCH-VaR的股指期貨保證金模型[J].統(tǒng)計與決策，2009(3):65-68.［16］高岳和朱憲辰.基于極值理論的同業(yè)拆借利率風(fēng)險度量—基于AR-GARCH-POT方法的VaR值比較研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009(8):135-147.［17］李健成，鄒正芳.基于GARCH族模型商業(yè)銀行外匯風(fēng)險管理的VaR方法研究[J].數(shù)學(xué)的實踐與認(rèn)識，2010(12):77-82.［18］王宗潤，肖紅艷.基于Copula的商業(yè)銀行信用—匯率風(fēng)險整合的實證研究[J].財務(wù)與金融，2010(4):1-6.［19］邰瑩瑩.我國上市商業(yè)銀行市場風(fēng)險測度新視角—基于CAPM的啟示[J].西南金融，2011(4):61-62.［20］楊夫立.基于GARCH模型的證券投資基金VaR計算與實證研究[J].經(jīng)濟(jì)問題，2012(6):87-91.［21］魏振祥，楊晨輝，劉新梅.滬深300指數(shù)期貨與國內(nèi)外股指期貨市場間的信息傳遞效應(yīng)[J].財貿(mào)經(jīng)濟(jì)，2012(8):64-71.［22］程淑芳.基于GARCH模型的股市流動性風(fēng)險研究[J].中國西部科技，2014(4):23-26.［23］呂東杰.GARCH-CVaR模型及其在我國上市銀行系統(tǒng)性風(fēng)險測度中的理論分析與實證研究[J].現(xiàn)代經(jīng)濟(jì)信息，2017(6):255-256+258.［24］HuangJhe-Jheng,SoLeh-Chyan.ApplicationofCopula-GARCHtoEstimateVaRofaPortfoliowithCreditDefaultSwaps[J].Crossref(2):382-407.［25］趙鵬舉.基于GARCH-VaR模型的創(chuàng)業(yè)板指數(shù)收益率波動特征比較研究[J].價值工程，2019(9):5-9.［26］周誠君.人民幣國際化的歷史進(jìn)程與新機(jī)遇[J].國際金融，2021(