周 瓊，黃 溪，周 華

(1.中南財經(jīng)政法大學(xué) 公共管理學(xué)院，湖北 武漢430073;2.武漢大學(xué)社會保障研究中心，湖北武漢430072;3.中南財經(jīng)政法大學(xué)經(jīng)濟(jì)學(xué)院，湖北武漢430073)

在金融危機(jī)中，各國的金融監(jiān)管機(jī)構(gòu)發(fā)現(xiàn)僅采用微觀審慎監(jiān)管來防范金融危機(jī)已明顯不足，這種監(jiān)管模式將各金融機(jī)構(gòu)之間的風(fēng)險割裂開來，無法從整個金融系統(tǒng)的角度對風(fēng)險進(jìn)行管理。在這種背景下，人們開始關(guān)注宏觀審慎監(jiān)管。如今，宏觀審慎監(jiān)管已經(jīng)成為金融監(jiān)管發(fā)展的主要方向。

微觀審慎監(jiān)管與宏觀審慎監(jiān)管是相對應(yīng)的兩個概念，前者更注重對個體金融機(jī)構(gòu)風(fēng)險的防范，認(rèn)為各金融機(jī)構(gòu)的風(fēng)險間不存在聯(lián)系，且所采用的風(fēng)險模型是外生的;而后者則更關(guān)注金融體系的風(fēng)險，認(rèn)為各金融機(jī)構(gòu)之間的風(fēng)險存在相互關(guān)系并將影響整體金融體系的風(fēng)險，所采用的風(fēng)險模型是內(nèi)生的［1］。

宏觀審慎監(jiān)管中的重要組成部分是“逆周期監(jiān)管”，旨在減弱金融體系存在的內(nèi)在順周期性(procycality，又稱“親周期性”)。順周期性最早源自于銀行體系內(nèi)的巴塞爾協(xié)議，巴塞爾協(xié)議要求當(dāng)經(jīng)濟(jì)下行時銀行增加資本配置，降低風(fēng)險，而當(dāng)經(jīng)濟(jì)上行時，減少資本配置，承擔(dān)更大的風(fēng)險，使得銀行承擔(dān)的風(fēng)險與經(jīng)濟(jì)周期之間存在明顯的順周期性。

而這種順周期性會使得經(jīng)濟(jì)向好時過“熱”，出現(xiàn)通脹和資產(chǎn)泡沫等問題;在經(jīng)濟(jì)向下時過“冷”，出現(xiàn)通縮和經(jīng)濟(jì)衰退等問題［2］。擴(kuò)展到所有金融機(jī)構(gòu)，若其他金融機(jī)構(gòu)同樣存在順周期性，那么整個金融體系將在經(jīng)濟(jì)向好時承擔(dān)“超額”風(fēng)險，加大了金融危機(jī)爆發(fā)的可能，而當(dāng)經(jīng)濟(jì)向下時金融體系所承擔(dān)的風(fēng)險不足，使得經(jīng)濟(jì)進(jìn)一步下行的壓力加大。所以研究各類金融機(jī)構(gòu)是否存在順周期性對于我國實施宏觀審慎監(jiān)管是首要工作。

基金作為一種集合理財?shù)墓ぞ?，在我國金融體系中的重要程度正不斷增加。從規(guī)模角度來看，非貨幣型基金的總體規(guī)模已經(jīng)達(dá)到了2.13萬億，而同期我國的上市公司總市值約為28.02萬億，在非貨幣型基金中規(guī)模最大的是開放式基金，約占非貨幣型基金總規(guī)模的95%以上，所以針對開放式基金的順周期效應(yīng)分析具有重要意義。

本文將首先使用VaR法對開放式基金的風(fēng)險進(jìn)行測度，在此基礎(chǔ)上分析開放式基金投資的風(fēng)險變動是否與經(jīng)濟(jì)波動呈同方向變動，進(jìn)而驗證開放式基金是否存在順周期性。

一、文獻(xiàn)綜述

在采用VaR法對風(fēng)險進(jìn)行度量方面，國內(nèi)外學(xué)者進(jìn)行了許多研究。G30小組1993年最早在其所發(fā)布的《衍生產(chǎn)品的實踐及規(guī)則》中提出了這一方法，隨后P.Jorion［3］對其進(jìn)行了深入研究，認(rèn)為VaR是在給定置信區(qū)間下的最大預(yù)期損失，并提出了在不考慮收益分布情況下的VaR的計算公式:

其中E(W)為預(yù)期的投資組合價值，W*為給定置信區(qū)間下的最差投資組合的價值，W0為初始投資，W為持有期末的投資組合價值，且W=W0(1+R)，R*為初始投資的投資回報率，μ為在給定置信水平下的最差投資收益率，為年均標(biāo)準(zhǔn)差。

在此之后，國外學(xué)者對VaR的研究主要集中在更優(yōu)的VaR計算模型和檢驗方法上。Beder［4］用八種不同方法計算了三中投資組合的VaR值，并分析了不同因素對VaR值的影響程度。Goorbergh和Vlaar［5］對比了靜態(tài)模型、GARCH模型、歷史模擬法和極值方法，發(fā)現(xiàn)GARCH所度量出的VaR值是最優(yōu)的。Kupieo［6］提出可使用返回值檢驗法來檢驗計算所得VaR值的有效性，并給出了不同持有期限的置信區(qū)間。Philippe Bouchaud和Marc Potters［7］提出可以使用金融資產(chǎn)收益率的非正態(tài)性來簡化非線性投資組合的VaR 值。Kevin Dowd［8］，Turan G Bali［9］提出使用極值的方法計算VaR值，后者通過實證研究還發(fā)現(xiàn)，極值法所得到的理論VaR值比傳統(tǒng)方法更精確。David X Li［10］提出半?yún)?shù)模型，該模型不需要預(yù)先假設(shè)收益率符合特定分布，而是使用三階中心矩和四階中心矩統(tǒng)計量來計算VaR值。Christoffersen和Errunza［11］提出傳統(tǒng)VaR計算方法中的正態(tài)分布假設(shè)會使得模型很難捕捉金融市場劇烈波動時的極端價格。JR.Graham和CR.Harvey［12］詳細(xì)介紹了計算VaR的歷史模擬法、蒙特卡羅模型法和德爾塔正態(tài)法，并就三者的優(yōu)劣進(jìn)行了比較。

國內(nèi)學(xué)者對于VaR的研究始于1997年鄭文通［13］的論文《金融風(fēng)險管理的VaR方法及其應(yīng)用》，文中對VaR方法的產(chǎn)生背景、計算方法以及引入國內(nèi)的必要性進(jìn)行了介紹。姚剛［14］介紹了VaR值的計算方法以及參數(shù)法處理線性與非線性資產(chǎn)定價模型的區(qū)別，隨后國內(nèi)的研究開始集中于將VaR方法具體應(yīng)用于我國資本市場以及對VaR方法進(jìn)行創(chuàng)新性嘗試;劉宇飛［15］對如何將VaR方法應(yīng)用于我國金融機(jī)構(gòu)監(jiān)管進(jìn)行了研究。杜海濤［16］對用VaR方法度量市場指數(shù)和單個證券風(fēng)險、基金績效考核等方面進(jìn)行了研究，并應(yīng)用滬深兩市指數(shù)計算了VaR值。范英［17］使用指數(shù)加權(quán)移動平均方法計算了滬深兩市的最優(yōu)衰減因子，并在次基礎(chǔ)上估計了大盤的風(fēng)險值，得出我國股票市場波動較大的結(jié)論。王春峰［18］指出了蒙特卡羅法中存在的缺陷，并提出基于馬爾可夫鏈蒙特卡羅的VaR值計算方法。陳守東、俞世典［19］使用分別基于正態(tài)分布、t分布和GED分布的GARCH模型對我國滬深指數(shù)的VaR值進(jìn)行了實證分析，認(rèn)為t分布與GED分布效果更優(yōu)。

國內(nèi)學(xué)者對于將VaR法應(yīng)用于開放式基金也進(jìn)行了許多有益的探索與研究。劉建橋［20］通過引入GARCH模型發(fā)現(xiàn)傳統(tǒng)T-M模型和H-M模型會高估基金投資組合的系統(tǒng)風(fēng)險，此外還發(fā)現(xiàn)在用參數(shù)法計算VaR值時，假設(shè)t分布會使得結(jié)果過于保守，當(dāng)數(shù)據(jù)明顯不符合正態(tài)分布時建議使用GED分布。杜子平、何輝、張勇和馮嘉毅［21］針對我國開放式基金收益率序列的尖峰、厚尾、有偏和波動時變的特征，通過構(gòu)建GJR-Aaymmetric-Laplace模型，在非對稱Laplace分布、Laplace分布和正態(tài)分布三種假設(shè)下對12只開放式基金計算VaR值并進(jìn)行返回檢驗，發(fā)現(xiàn)其中非對稱Laplace分布假設(shè)最優(yōu)。

綜上所述，國內(nèi)外學(xué)者對于VaR值的度量方法研究較為充分，針對數(shù)據(jù)的不同特點選擇了適合的模型。在開放式基金風(fēng)險研究方面，主要集中于對風(fēng)險的測量與模型的選擇和改進(jìn)上，缺少對結(jié)論實際意義的研究。因此本文將基于我國開放式基金的VaR值，從經(jīng)濟(jì)周期的角度對其變動進(jìn)行研究，力圖驗證其順周期性的存在性。

二、模型與方法

近年來，大量的實證研究表明，由于金融時間序列數(shù)據(jù)的波動性具有非正態(tài)性和時變性，傳統(tǒng)的計量模型不能很好地描述這樣的時間序列。另外，K.Nystrom和J.Skoglund的研究結(jié)果表明AR(1)適用于度量金融資產(chǎn)收益率的條件均值，針對這幾點，本文提出AR(1)－TGARCH(1，1)模型;接著對開放式基金的VaR進(jìn)行計算，最后采用ARMA模型來研究開放式基金的風(fēng)險與GDP增長率的關(guān)系。

1.TGARCH 模型

由于金融數(shù)據(jù)存在著自相關(guān)、異方差以及非對稱性，本文建立TGARCH模型來刻畫這些現(xiàn)象。另外，由于金融數(shù)據(jù)具有尖峰、厚尾的特性，故采用t分布來表示白噪聲的分布，TGARCH(P，Q)公式如下:

其中，dt－k是一個虛擬變量，當(dāng) ut－k＜ 0 時，dt－k=1;否則，dt－k=0。只要 γk≠ 0，就存在非對效應(yīng)。

2.VaR風(fēng)險度量模型

VaR表示在一定置信水平下，某一金融資產(chǎn)或資產(chǎn)組合在未來特定的時間內(nèi)資產(chǎn)價格波動下所面臨的最大損失，其公式為

其中，c為給定的置信水平，ΔP為持有期內(nèi)投資組合的損失。

3.ARMA 模型

為了研究VaR和GDP增長率的關(guān)系，建立基本ARMA模型，公式如下:

其中，p、q表示相應(yīng)變量的滯后階，εt為殘差項。

三、實證分析

為了研究整個基金市場的風(fēng)險，這里選取了中證基金指數(shù)的收盤價進(jìn)行分析。中證基金指數(shù)覆蓋了所有的開放式基金，因而能夠很好地反映整個基金市場的風(fēng)險。樣本期間為2003年1月2日至2011年10月28日，共有2 140組有效數(shù)據(jù)。數(shù)據(jù)來源于wind金融數(shù)據(jù)庫。筆者利用軟件MATLAB2011b和Eviews6.0進(jìn)行模型估計。由于數(shù)據(jù)沒有缺失，故而將中證基金指數(shù)的第t日的收益率定義為:Rt=ln(pt)－ln(pt－1)，其中pt表示第t日的收盤價，為了能夠觀察其波動情況，我們將中證基金指數(shù)的每日收益率，畫出時序圖，如圖1所示。

圖1 中證基金指數(shù)每日收益率時序圖

從時序圖上看出，中證基金指數(shù)的收益率在2007年和2008年的波動比較大，這主要是由于開放式基金主要投資于股票和債券上，而受金融危機(jī)影響，股票和債券價格在這2年波動性較大。

1.AR(1)－TGARCH(1，1)模型的建立

對于基金指數(shù)收益率序列，建立AR(1)－TGARCH(1，1)模型，消除自相關(guān)性和異方差性以及非對稱性，模型如下:

對原收益率序列進(jìn)行估計得到的結(jié)果如表1所示。

表1 中證基金指數(shù)AR(1)－TGARCH(1，1)模型的參數(shù)估計結(jié)果

2.基金VaR值的計算

利用MATLAB2011b軟件進(jìn)行計算得到基金指數(shù)的VaR值。中證基金指數(shù)的各期在1%、5%和10%的置信度下的VaR值如圖2所示。

圖2 置信度為1%、5%和10%的中證基金指數(shù)的各期VaR值

為了更好地研究VaR值與宏觀經(jīng)濟(jì)數(shù)據(jù)的關(guān)系，選取置信度為5%的VaR數(shù)據(jù)進(jìn)行研究，并將其取絕對值，對其各期的VaR值的統(tǒng)計特征進(jìn)行描述，畫出時序圖，如圖3所示。從圖3看出，中證基金指數(shù)的VaR值在2003年到2004年比較穩(wěn)定，在2005年第三季度到2009年第二季度呈現(xiàn)M的形狀，之后一段時間也比較穩(wěn)定?？梢钥闯龌鸬腣aR與整個金融市場有很大的相關(guān)性，尤其在金融危機(jī)前后一段時間，整個基金市場的VaR值變動較大。

圖3 置信度為5%的VaR均值、最大值和最小值統(tǒng)計圖

3.基金的VaR值與GDP增長率的關(guān)系研究

首先，為了更加直觀地了解到季度VaR均值和GDP增長率的關(guān)系，畫出時序圖，如圖4所示:

圖4 各期季度VaR均值和GDP增長率關(guān)系圖

這里采用軟件Eviews6.0對季度VaR均值與GDP增長率的數(shù)據(jù)進(jìn)行研究。采用ARMA模型進(jìn)行估計，最后估計結(jié)果如下:

最后，對殘差序列εt進(jìn)行LM檢驗，最終得到的檢驗結(jié)果為:F統(tǒng)計量2.972，概率值(p值)0.066;T×R2統(tǒng)計量 5.611，概率值(p 值)0.060。

檢驗結(jié)果沒有充分理由拒絕原假設(shè)(回歸方程的殘差序列不存在序列相關(guān)性)。

下面對結(jié)果進(jìn)行分析，基金指數(shù)的VaR自身存在著一階自相關(guān)，系數(shù)值為0.687，表明基金期t－1的VaR對t期的VaR影響較大。此外，VaR值與GDP增長率的一階滯后項正相關(guān)，系數(shù)值為0.251，表明在其他條件不變的情況下，GDP增長率每提高1個百分點，整個基金的VaR值增加0.251個百分點。本文認(rèn)為這種情況是由于宏觀經(jīng)濟(jì)數(shù)據(jù)公布時間的滯后所造成的，經(jīng)濟(jì)數(shù)據(jù)的公布往往要滯后幾個月，公布后對金融市場工具價格有較大的影響，從而對基金投資組合的資產(chǎn)價格產(chǎn)生影響，進(jìn)而使得開放式基金的VaR值產(chǎn)生變動?？傮w而言，實證分析的結(jié)果與筆者先前的預(yù)期一致。

四、結(jié)論與政策建議

本文的研究結(jié)果表明，我國開放式基金所承擔(dān)的風(fēng)險具有明顯的順周期效應(yīng)。雖然我國開放式基金的歷史較短，可能無法涵蓋一個完整的經(jīng)濟(jì)周期，但是筆者認(rèn)為結(jié)論仍然具有較強(qiáng)的實際意義。

隨著我國資本市場不斷開放，居民與金融市場之間的聯(lián)系日益緊密與復(fù)雜，而基金作為一種集合理財工具，將社會閑散資金集中投資于資本市場，一方面提供了一種新的投資渠道，另一方面也為我國資本市場快速發(fā)展提供了資金支持，其在金融體系內(nèi)的作用也是日益重要。而開放式基金由于存在明顯的順周期性，會對金融體系整體的順周期性產(chǎn)生正向推動作用，放大金融體系的周期性波動，增加金融危機(jī)爆發(fā)的風(fēng)險。因此，筆者認(rèn)為針對開放式基金構(gòu)建逆周期監(jiān)管框架是十分必要的，對其的監(jiān)管也將是整體宏觀審慎監(jiān)管框架中不可或缺的重要組成部分。本文提出如下的政策建議:

1.由于我國現(xiàn)階段對開放式基金規(guī)定了固定的投資比例下限，不利于開放式基金靈活調(diào)整資產(chǎn)配置進(jìn)行風(fēng)險管理。建議在對開放式基金的監(jiān)督管理中引入動態(tài)最低投資比例，允許開放式基金在金融過度繁榮時適當(dāng)降低風(fēng)險類資產(chǎn)的投資比例，當(dāng)經(jīng)濟(jì)過度衰退時適當(dāng)增加風(fēng)險類資產(chǎn)的投資比例，增加金融體系的平穩(wěn)性。

2.對開放式基金投資組合的風(fēng)險價值進(jìn)行管理，建立逆周期的風(fēng)險預(yù)警體系。當(dāng)開放式基金投資組合風(fēng)險價值過高時，減少風(fēng)險資產(chǎn)配置來降低金融體系的風(fēng)險總額，防止出現(xiàn)通脹或資產(chǎn)泡沫;當(dāng)風(fēng)險價值過低時，增加風(fēng)險資產(chǎn)配置以刺激經(jīng)濟(jì)，防止經(jīng)濟(jì)進(jìn)一步出現(xiàn)通縮或衰退。

本文只是對開放式基金順周期性的初步探討，針對于開放式基金的逆周期監(jiān)管體系還有待進(jìn)一步研究。同時，如何在逆周期監(jiān)管的同時保護(hù)基金投資者的權(quán)益，也是一個逆周期監(jiān)管體系研究中所需要關(guān)注的重點問題，值得繼續(xù)深入研究。

［1］BORIO C.The Macroprudential Approach to Regulation and Supervision:Where do We Stand?［J］.Working Paper，2006(4):108 －110.

［2］SEGOVIANO M A，LOWE P.Internal Ratings，the Business Cycle and Capital Requirements:Some Evidence from an Emerging Market Economy［J］.Discussion Paper，2002:428 －443.

［3］JORION P.Risk:Measuring the Risk in Value at Risk［J］.Financial Analysis Journal，1996(6):47 －56.

［4］BEDER.VaR:Seductive but Dangerous［J］.Financial Analysis Journal，1995，51(5):12 －24.

［5］GOORBERGH，VLAAR P.Value-at-Risk Analysis of Stock Return Historical.Simulation，Variance Techniques or Tail Index Estimation［J］.DNB Staff Reports，1999(3):1 －37.

［6］KUPIEO.Techniques for Verifying the Accuracy of Risk Measurement Models［J］.Journal of Derivatives，1995(3):339 －372.

［7］PHILIPPE B，MARC P.Noise Dressing of Financial Correlation Matrices［J］.Physical Review Letters，1999，83(7):1467 －1470.

［8］KEVIN D.A Value at Risk Approach to Risk-Return Analysis［J］.The Journal of Portfolio Management，1999，25(4):60 －67.

［9］TURAN G B.An Extreme Value Approach to Estimating Volatility and Value at Risk［J］.The Journal of Business，2003，76(1):83 －108.

［10］DAVID X L.Value at Risk Based on the Volatility，Skewness and Kurtosis［R］.Working Paper，1999.

［11］CHRISTOFFERSEN P，VIHANG E.Towards a Global Financial Architecture:Capital Mobility and Risk Management Issues［J］.Emerging Markets Review，2000(5):3 －20.

［12］JOHN R.Graham，Campbell R Harvey.Expectations of Equity Risk Premia，Volatility and Asymmetry from a Corporate Finance Perspective［R］.NBER Working Paper，2001.

［13］鄭文通.金融風(fēng)險管理的VaR方法及其應(yīng)用［J］.國際金融研究，1997(9):58－62.

［14］姚剛.風(fēng)險值測定法淺析［J］.經(jīng)濟(jì)科學(xué)，1998(1):55 －60.

［15］劉宇飛.VaR模型及其在金融監(jiān)管中的應(yīng)用［J］.經(jīng)濟(jì)科學(xué)，1999(1):39－50.

［16］杜海濤.VaR模型在證券風(fēng)險管理中的應(yīng)用［J］.證券市場導(dǎo)報，2000(8):57－61.

［17］范英.VaR方法及其在股市風(fēng)險分析中的應(yīng)用初探［J］.中國管理科學(xué)，2000(8):26－32.

［18］王春峰.金融市場風(fēng)險管理［M］.天津:天津大學(xué)出版社，2001.

［19］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(7):11－17.

［20］劉建橋.中國開放式基金市場風(fēng)險研究［D］.上海:同濟(jì)大學(xué)經(jīng)濟(jì)與管理學(xué)院，2007.

［21］杜子平，何輝，張勇，等.基于GJR-ALaplace方法的開放式基金風(fēng)險研究［J］.技術(shù)經(jīng)濟(jì)與管理研究，2011(7):86－89.