金融市场风险的特征研究

前言：本站为你精心整理了金融市场风险的特征研究范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

一、我国股票价格指数波动的特征

在整个金融市场体系中，股票市场始终处于重要的位置。金融市场的变化能够通过股票价格指数的波动反映出来。同时，股票价格指数的波动程度也会对金融市场的稳定产生影响。如果股票价格指数在短时期内出现大幅波动，就必然会对金融市场的稳定造成影响。在后金融危机时期，我国的股票价格指数具有以下特征:1．股票价格指数的非平稳性通常情况下，金融市场的股票价格都具有不规律波动的特征。近些年来，随着我国股票市场的快速发展，股票市场的体系和机制也在不断改善。同时，由于我国对资本项目的管制逐步放开，也使得大量国际资本流入。我国股票市场同世界上其他主要股票交易市场的联系更加紧密。在当今先进的交易手段和资金趋利性驱使下，国际资本在各个股票市场的流动频率更高。受此影响，股票价格的变动也就更加难以预测。这主要表现在股票价格走势所具有的非平稳性上。图1是2011年1月4日—2013年11月26日上海证券交易所股票价格指数的走势图。从中可以看出，股票指数价格走势具有明显的非平稳特征。图2是上证指数波动图。从中可以看出股票价格指数波动的不规律性。其中很多波动都存在异方差的特点。图3是这个时期上证指数走势稳定性的检验结果。从结果可以看出ADF＞临界值，所以上证指数的变化过程是非平稳的。2．股票价格指数的长期记忆性股票价格的长期记忆性是指当前股票的价格很长一段时间以前的股票价格存在着密切的联系。图4是上证指数的自相关图，从中可以看出上证指数具有很强的记忆性。这说明现在上证交易所中的股票价格同之前的价格存在着较大的联系，这会使得股票价格具有极强的不稳定性。图5是上证指数自回归模型拟合图。从中可以看出，高阶的自回归模型拟合得非常好，这也从另一方面验证了股票市场价格具有长记忆性的风险。这表明，一旦像2008年那样金融危机再次爆发，我国股票市场在很长时间内都难以恢复。

二、金融市场风险的测度方法

当前，很多国家都采用建立相关模型对本国金融市场的风险进行研究和监控。对金融模型的研究主要分为传统的金融风险模型和金融计量经济模型。而在这两者中主要使用的都是时间序列模型，这其中包括传统参数模型与非参数模型。下面几种是现在被广泛使用的模型:1．传统的金融风险模型在以往的研究中，金融市场风险的度量一直都是重点讨论的内容。资本资产定价模型(CAPM)和概率风险值模型(VaR)是最常用的两种模型。(1)CAPM模型是在投资组合理论和资本市场理论基础上形成发展起来的，是度量金融市场风险最早使用的方法。其主要是以投资的预期收益与风险方差值作为度量金融风险的指标。这是人们首次在对金融市场风险的研究中使用的具有统计特性的风险度量指标。它使得人们在进行相关投资活动时，可以对风险进行定量控制。(2)VaR模型是度量金融市场风险另一种常用的方法。该模型是将众多不可测的主观因素转化为运用数理统计方法和计量技术的客观概率数值，使隐性风险显性化。它主要被用来衡量外部冲击下金融市场风险爆发的概率。但是，VaR模型也存在着一定的缺陷，那就是在外界的冲击下，金融市场风险的概率值估计会随着金融时间序列分布的改变而发生偏倚。而在金融危机爆发期，由于这类外部冲击的出现是经常性的，所以使得VaR模型无法很好地度量金融危机时期金融市场的实际风险。2．金融计量经济模型通过人们对金融市场长期的研究发现，由于其中异方差的存在，使得整个金融市场的运行呈现出非参数(非线性)的特征。因此，人们开始使用非参数模型对金融市场风险进行度量。下面是几种常用的计量模型和方法。(1)GARCH模型。GARCH模型又称广义自回归条件异方差模型，其原理是通过资产收益的条件方差来度量金融市场风险的波动性。由于金融风险的波动存在着单位根的特征，这使得其中条件方差的变化会对以后各期的条件方差预测产生持续性的影响。并且，这种影响不会随着时间的推移而快速趋向于零。而通过建立GARCH模型可以很好地解决这一问题，提高对金融市场风险度量的准确性①。(2)ES模型。ES模型又称期望损失模型，主要是被用来度量损失超过VaR平均水平的条件期望值。ES模型是VaR模型非参数形式中的一种。它在保留了VaR模型优点的同时，弥补了VaR模型不满足“次可加性”以及没有考虑尾部风险等缺陷。(3)Copula模型。Copula模型又称连接转换函数模型，主要被用来描述资产组合的分布和波动特性。它在多变量时间序列相关性分析上，可以代替向量GARCH作为极值理论的有益补充。它通过将边缘分布和相关结构分开来研究的建模方法为建立描述多种金融资产模型提供了新思想。根据Sklar定理，Copula是将联合分布函数去掉所包含的边缘分布信息后所剩下的信息，这部分也就是两变量的相关结构。由于可用的Copula函数有20多种，并且均含有未知参数α，需要通过样本进行估计。目前通常的处理方法是对资产组合的边缘密度做出假设，然后运用ML(极大似然估计)估计α。对于Copula模型的研究给后金融危机时期金融市场的风险防范与控制提供了强有力的理论支持。(4)Copula-TGARCH。Copula-TGARCH模型通常被用于进行金融资产投资。当人们需要研究资产之间相互的协方差关系，筛选不存在波动持续性或者具有协同持续关系的一组金融资产投资时，通常使用Copula-TGARCH模型进行分析，它使得所选的投资组合在一定程度上可以规避波动持续性带来的金融风险［3］。(5)其他分析方法。现在还有很多利用非参数方法对非线性模型族的转换进行研究。这是利用数学中同构空间变换的思想，寻找将复杂非参数模型族转化为简单模型的简便方法。一般说，非线性模型的转换是通过对非参数模型的分解来实现的。当前主要采用的方法有谱分析方法②、因变量的参数变换、窗函数的变换方法等。非参数方法是在不需要对模型的具体形式做出假设的基础上，对波动做出估计，据此来探讨经济现象之间的内在关系。这对于探讨经济现象之间的本质关系可以起到很好的理论指导效果。其优点是:对模型结构的先前验证信息要求很少，并且能为进一步的参数拟合提供有用的感性认识。同时，对于时间分布过长、内容过大的金融市场信息，非参数方法也可以被用来检验金融市场的波动是否存在协同持续现象。非参数模型还可以被用来解决金融市场中存在波动持续性的问题。这种问题的存在会加大投资者未来投资收益的风险。目前，人们已经通过大量的实证研究发现，一系列存在很高持续性的金融资产收益序列的某种线性组合，可能不再具有波动的持续性。这种方法就给防范持续性金融市场风险提供了可能。

三、结论

通过上述分析不难看出，整个金融市场特别是股票市场的运行过程中存在着非平稳性和非线性的特点。因此，在将模型应用于金融市场风险研究时存在一定的缺陷。特别是参数模型很难反映一些重要的金融市场非线性特征。在这种情况下，即使可以找到概括和解释能力很强的参数结构，也难以避免随着时间推移频繁改变的参数问题。而非参数模型由于存在不需要对数据生成过程的先验信息做出过多的假设的优点，并且由于不受分析期限结构的限制，已经在相关的金融资产组合投资选择中被广泛地使用。同时，非参数模型分析还可以对金融市场中各种潜在风险的特征进行分析，并且能够将其爆发后可能对整个金融市场造成的影响进行初步的度量。因此，建议金融市场相关的监管部门和机构，充分利用金融模型检验得出的金融市场风险特征分析结果，对整个金融市场风险进行防范与监控，降低整个市场中潜在风险爆发的可能性，维护整个金融市场的平稳运行。

作者：张开宇单位：渤海银行股份有限公司天津分行