一、引言

隨著金融一體化趨勢的加強，全球金融市場迅速發展，同時金融市場風險也在不斷增大，金融風險管理已成為金融機構和工商企業管理的核心內容。20世紀80年代以前，由于金融市場價格變化相對平衡，金融風險突出表現為信用風險等非系統風險。1988年巴塞爾銀行監管委員會所提出的控制銀行風險的措施主要是針對銀行的信用風險而設計的。20世紀80年代以來，全球金融系統發生巨大變化，首先，全球金融體系的變革導致金融市場波動性加強。布雷頓森林體系的崩潰標志著固定價格體系演變為市場價格體系，從而使各類市場（外匯市場、貨幣市場、資本市場和商品市場）價格波動性加劇。加之金融市場一體化趨勢發展導致這種市場波動性的互動、放大和傳染效應。其次，技術不斷進步與放松金融管制。20世紀70年代以來由于現代金融理論的突破，信息技術的巨大發展和金融工程技術的產生與廣泛應用，導致以衍生工具創新發展為主要內容的“金融創新”，在提高市場有效性的同時也增加了金融市場的波動性。而西方發達國家采取的“放松金融管制”政策也為金融創新提供了良好的環境。

面對金融市場風險的增加，許多國際性的金融機構在風險管理方面投入了大量資源，許多著名金融機構如J.P.Morgan、BankersTrust、ChemicalBank、ChaseManhattan等都投入巨額經費開發市場風險管理技術，金融監管當局也在不斷增強市場風險監管。1986年的巴塞爾協定的補充協議《資本協議關于市場風險的補充協議》，要求銀行必須量化市場風險并計算相應資本。市場風險管理的關鍵在于測量風險，即將風險的特性定量化。面對各種復雜衍生金融工具的組合證券，傳統的線性度量如：標準差δ法、久期(Duration)、β系數法都只能適應特定的金融工具，或在特定的范圍內使用，不能確切地指出資產投資損失的可能性到底有多大，難以綜合反映風險承擔情況。因此迫切需要一種既能處理非線性的期權類金融資產又可提供總體風險的市場風險測量方法。在這一背景下，VaR(Value-at-Risk)方法應運而生了。證券市場是高風險市場，是商品經濟、信用經濟高度發展的產物，是市場經濟中的一種高級組織形態。之所以說證券市場是高風險市場，是因為證券價格具有很大的波動性、不確定性，這是由證券的本質及證券市場運作的復雜性所決定的。因此，對證券市場風險的合理度量顯得尤為重要。VaR(Value-at-Risk)作為風險度量工具方法，目前已成為金融機構、非金融企業和金融監管部門測量和監控市場風險的主流工具。但在實際運用中，由于數據抽樣、假設條件、建模過程等影響，無論采用哪一種VaR方法都會產生一定的偏差。對于證券市場而言，若VaR方法低估了實際的風險水平，則可能為投資者帶來巨大的損失；若VaR方法過于保守高估了實際的風險水平，可能會使得投資者喪失投資機會，會損失部分資金的機會成本。

可見，對于VaR方法，無論低估還是高估證券市場風險，都不利于投資者或監管機構進行風險管理。由于在運用VaR估計進行風險管理時，應注意所運用VaR模型的假設與限制，即模型本身的風險。Beder(1995)針對參數方法，如RiskMetrics和加權移動平均法、歷史模擬法、蒙特卡羅模擬法等進行研究比較，結果表明：雖然無法確定VaR的最佳估計法，但是其實證研究中顯示了這三類VaR估計所面臨的限制與問題。Jamshidian(1997)則認為證券報酬的非正態分布、政府經濟政策的改變、市場發生的突發事件、資產流動性、與潛在的信用風險等，均會造成風險值低估。Panayiotisetal(2011)對基于尖峰厚尾收益學生分布的APARCH模型進行了估計，分析發現APARCH模型提高了多頭和空頭頭寸的一天VaR預報精度，另外也評估了擬然率計算的各個模型的表現。鄒新月、呂先進(2003)從實際數據的基本特征出發，討論了VaR方法在尖峰、胖尾分布中的計算公式，結果表明：推廣的VaR計算方法對證券市場風險預警有更可靠的揭示作用。

郭柳、朱敏(2004)運用VaR的基本方法對滬市十支股票進行了實證分析，同時對該十支股票的投資組合市場風險也做了進一步的測算。陳林奮、王德全(2009)運用GARCH類模型對上證指數和中證全債指數序列進行擬合分析，并估計了其多頭和空頭頭寸的VaR值，結果表明：我國股票市場存在顯著的非對稱效應，而債券市場是否存在非對稱效應并不明確。江濤(2010)計算上海股票市場日收益的VaR值時，表明了GARCH和半參數模型的VaR方法比傳統的方法更有效，并較好地刻畫了我國現階段證券市場的市場風險。國內對于VaR及其度量方法的研究文獻雖然較多，但對各種類型的VaR模型本身的變動性和偏離的評估研究卻不多。目前主要用于計算VaR的方法有三類：參數方法、半參數方法和非參數方法。各類方法中依據不同的假設可以建立不同的VaR模型，因此，在選擇不同類型的VaR估計模型時，對不同類型模型本身的變動性和估計偏離程度的研究顯得尤為重要。本文主要結構是：第二節給出了研究數據的來源與選取，還給出了具體的三類用于實證研究的VaR方法；第三節給出了VaR模型變動性的兩個評價標準；第四節展示了各種VaR估計方法在不同的窗口設定下VaR控制風險的表現，并依據以上給出的兩條標準，對VaR模型本身的變動性與偏離程度進行實證研究。

二、數據與研究方法

1.數據的選取

數據采用了上證綜合指數日收盤價數據，時間為1990年12月19日至2005年12月31日共3961個數據，之所以采用上證綜指是為了避免個股各自表現的風險特殊性和片面性，也為了能夠合理評價各種估計模型變動性的需要。在3961個數據中，將02-05年的共717個交易日數據作為VaR估計的檢驗樣本（檢驗樣本之所以沒有選取2005年之后的數據，是由于在多種因素的影響下，我國股票市場在05年后波動極為劇烈，屬于特殊年份的數據，不宜作為VaR模型本身變動性的檢驗基礎），并使用三類方法中的七種估計模型對VaR進行估計，最后對模型估計的變動性和偏離程度進行實證評價。

2.VaR估計模型

這里以上證綜合指數日收盤價格數據為研究對象，置信水平設置為95％和99％兩種情形，移動窗口選取50天、125天、250天以及500天四種情形（近似為兩個月，六個月，一年和兩年），使用參數方法（選用簡單移動平均法(SMA)、指數加權移動平均法(EWMA)（三種參數設定）和GARCH族模型）、半參數方法（選用蒙特卡羅模擬法）以及非參數方法（選用歷史模擬法）來估計02-05年上證綜合指數的日VaR，最后采用二重評價標準對三類VaR估計方法的模型變動性進行實證檢驗。文中主要用于計算VaR的模型簡述如下：