舒 崴 王姝雅

（中央財(cái)經(jīng)大學(xué)，北京 100081）

一、引言

金融體系中各類理財(cái)產(chǎn)品的“剛性兌付”問題早已成為業(yè)內(nèi)和社會(huì)各界討論的焦點(diǎn)，一方面利率市場(chǎng)化的浪潮已經(jīng)不斷壓縮原有銀行等金融機(jī)構(gòu)的利潤空間，銀行的改革創(chuàng)新迫在眉睫，另一方面原有約定俗成的“高收益、低風(fēng)險(xiǎn)”的剛性兌付——收益風(fēng)險(xiǎn)不匹配問題，卻遲遲得不到解決。我們發(fā)現(xiàn)，有一個(gè)重要的因素是購買銀行理財(cái)產(chǎn)品的客戶難以獨(dú)立準(zhǔn)確地評(píng)估產(chǎn)品的風(fēng)險(xiǎn)，銀行為了維持良好聲譽(yù)，只能夠采取“剛性兌付”的方法來解決客戶問題。因此，我們從理財(cái)產(chǎn)品購買者的角度，為剛性兌付問題提出相關(guān)解決思路，通過簡單、易行的VaR模型在歷史模擬法下的應(yīng)用，估計(jì)自身購買的產(chǎn)品可能存在的風(fēng)險(xiǎn)，從而化解一部分銀行的難題。

而銀行理財(cái)產(chǎn)品分類較多，按照投資領(lǐng)域劃分，基本上可以分為：債券型、掛鉤型、信托型和QDII型理財(cái)產(chǎn)品。我們首先研究最為普遍的以股票和以票據(jù)（利率）為基礎(chǔ)資產(chǎn)的銀行理財(cái)產(chǎn)品，采取歷史模擬法進(jìn)行Var分析，給出各自的風(fēng)險(xiǎn)評(píng)價(jià)建議。今后，還可以繼續(xù)研究信托型和QDII型理財(cái)產(chǎn)品，從而為基于歷史模擬法下的VaR理財(cái)產(chǎn)品風(fēng)險(xiǎn)分析給出完整的結(jié)論。

二、文獻(xiàn)綜述

（一）對(duì)銀行理財(cái)產(chǎn)品風(fēng)險(xiǎn)的認(rèn)識(shí)

方瑞（2014）通過分析2013年銀行理財(cái)產(chǎn)品的到期數(shù)量及平均到期收益率，計(jì)算出理財(cái)產(chǎn)品的收益實(shí)現(xiàn)率為99.6%。因此，絕大多數(shù)理財(cái)產(chǎn)品都能實(shí)現(xiàn)預(yù)期的收益率。但是也存在一些非固定收益類產(chǎn)品無法實(shí)現(xiàn)到期收益的現(xiàn)象，因此投資者在選擇理財(cái)產(chǎn)品時(shí)要考慮到自身的風(fēng)險(xiǎn)承受能力，注意規(guī)避風(fēng)險(xiǎn)。杜云婷（2014）淺談了銀行理財(cái)產(chǎn)品的風(fēng)險(xiǎn)控制方法，提出要正確處理銀信管理，均衡收益與風(fēng)險(xiǎn)，科學(xué)設(shè)計(jì)理財(cái)產(chǎn)品并加強(qiáng)監(jiān)管，嚴(yán)守法律規(guī)定以控制操作風(fēng)險(xiǎn)。銀行必須采取有效的控制措施，降低理財(cái)產(chǎn)品的投資風(fēng)險(xiǎn)，才能增加客戶對(duì)理財(cái)產(chǎn)品的信心，推動(dòng)理財(cái)業(yè)務(wù)發(fā)展。

（二）剛性兌付問題研究

剛性兌付問題日益突出。鄒曉梅（2014）提到剛性兌付正在阻礙著我國金融市場(chǎng)的發(fā)展，剛性兌付導(dǎo)致投資者只關(guān)注投資收益而忽略了風(fēng)險(xiǎn)，即投資者對(duì)風(fēng)險(xiǎn)不敏感；發(fā)起人一旦遭受到系統(tǒng)性沖擊時(shí)，如果無法繼續(xù)維持剛性兌付又會(huì)使得投資者變?yōu)轱L(fēng)險(xiǎn)敏感者，引發(fā)金融恐慌。李將軍，范文祥（2014）指出“剛性兌付”一定程度地推動(dòng)了理財(cái)產(chǎn)品的發(fā)展。而其中的驅(qū)動(dòng)因素主要是金融機(jī)構(gòu)對(duì)資金需求方的風(fēng)險(xiǎn)水平的低估，而“剛性兌付”滿足了投資者對(duì)資產(chǎn)保值增值的要求同時(shí)投資者對(duì)“高收益無風(fēng)險(xiǎn)”的偏好也是推動(dòng)力之一。作者提出破解困局的關(guān)鍵在于做好基礎(chǔ)工作，重塑金融功能資金鏈條。

（三）VaR模型

對(duì)于VaR模型的應(yīng)用，孟之聿（2014）對(duì)時(shí)下熱門的13種網(wǎng)絡(luò)理財(cái)產(chǎn)品進(jìn)行VaR風(fēng)險(xiǎn)分析，分別采用歷史收益率模擬法計(jì)算出寶寶類產(chǎn)品的VaR數(shù)值。作者通過分析得出結(jié)論，投資者應(yīng)較為關(guān)注產(chǎn)品的收益率波動(dòng)范圍及保本收益率，以這兩個(gè)指標(biāo)排名理財(cái)產(chǎn)品，排名靠前的較符合投資者的投資偏好。

因此，總的來看，VaR方法引入中國十幾年，在國內(nèi)的研究相對(duì)較多，但針對(duì)銀行各類理財(cái)產(chǎn)品的實(shí)證和模型比較匱乏。VaR風(fēng)險(xiǎn)測(cè)量方法的優(yōu)化和應(yīng)用和測(cè)度在我國還有很大的提升空間，所以本文就以股票、票據(jù)型理財(cái)產(chǎn)品出發(fā)，研究了VaR模型的實(shí)際應(yīng)用。

三、引用方法

（一）VaR模型與歷史模擬法

風(fēng)險(xiǎn)價(jià)值VaR（Value at Risk）是指在未來的一個(gè)特定時(shí)期(一天、一周或一年等)內(nèi)，當(dāng)基礎(chǔ)資產(chǎn)價(jià)格發(fā)生不利變化時(shí)在一定的置信度下，所持頭寸可能產(chǎn)生的最大損失。其涉及的三個(gè)參數(shù)為：持有期、置信水平和歷史觀測(cè)期間，具體形式如下：

其中Δw為金融資產(chǎn)在持有期的損失，（1-α）為置信水平。

VaR的計(jì)算方法主要集中為三種，分別是蒙特卡洛法、歷史模擬法、方差—協(xié)方差法。本文所采用的歷史模擬法主要優(yōu)點(diǎn)有：歷史模擬法直觀、簡單、便于進(jìn)行計(jì)算，過程容易被掌握；它是一種非參數(shù)估計(jì)方法，不需要對(duì)市場(chǎng)等變量建立數(shù)學(xué)模型，減少了參數(shù)估計(jì)模型的風(fēng)險(xiǎn)，只需要假定未來的收益率或市場(chǎng)因子與歷史數(shù)據(jù)服從同一分布；另外，由于市場(chǎng)風(fēng)險(xiǎn)因子不需要服從正態(tài)分布等概率分布，所以這個(gè)方法可以處理一些金融數(shù)據(jù)所特有的問題如尖峰后尾等。

（二）變量選取與具體過程

我們將數(shù)據(jù)樣本期劃分為兩段，其中第一段是作為基期，利用Eviews 6.0軟件對(duì)兩類理財(cái)產(chǎn)品分別對(duì)其相對(duì)應(yīng)的市場(chǎng)影響因子進(jìn)行OLS回歸。在這里，股票類的理財(cái)產(chǎn)品的相關(guān)因素選擇的是上證每月開盤指數(shù)，因?yàn)殂y行的理財(cái)產(chǎn)品做出開始銷售的決定需要看上一月股市平均表現(xiàn)并預(yù)期一定未來的走勢(shì)，因此這一月的開盤指數(shù)能較好的反應(yīng)這樣的權(quán)衡。具體的方程為：

而對(duì)票據(jù)類理財(cái)產(chǎn)品，因?yàn)槠渲饕c市場(chǎng)利率掛鉤，而SH IBOR利率作為公認(rèn)的相對(duì)市場(chǎng)化的利率，所以在估計(jì)模型中采取的自變量是每月SH IBOR利率。

其次，采用兩種不同歷史模擬方法應(yīng)用于兩類理財(cái)產(chǎn)品第二段樣本期間數(shù)據(jù)的未來預(yù)測(cè)估計(jì)，分別得出兩組VaR值，并與實(shí)際數(shù)據(jù)測(cè)算的VaR值進(jìn)行對(duì)比，從而決定選擇哪種方法與實(shí)際情況更為一致。

四、數(shù)據(jù)處理與數(shù)據(jù)來源

首先，實(shí)際收益率未公布的銀行理財(cái)產(chǎn)品接近40%，而且已公布的實(shí)際收益率與預(yù)期收益率在絕大多數(shù)情況下都是相等的，因此，本文在VaR模型中運(yùn)用的實(shí)際到期收益均采用預(yù)期到期收益作為替代。其次，股票型理財(cái)產(chǎn)品本文選取的是全國各家銀行2008年1月到2011年3月的理財(cái)產(chǎn)品的平均收益率，對(duì)應(yīng)的自變量選取的則是對(duì)應(yīng)每月的上證指數(shù)的開盤價(jià)格；而票據(jù)類型的理財(cái)產(chǎn)品本文選取的是國有商業(yè)銀行2008年1月到2011年2月的理財(cái)產(chǎn)品的平均收益率，對(duì)應(yīng)自變量選取的是1月期的Shibor報(bào)價(jià)利率的日算術(shù)平均值。

所有理財(cái)產(chǎn)品月度數(shù)據(jù)來源于Wind數(shù)據(jù)統(tǒng)計(jì)，并刪除異常數(shù)據(jù)。軟件采用Eviews6.0版本，時(shí)間區(qū)間為2008年1月到2011年2月，樣本容量38*2=76個(gè)。

對(duì)于采集到的有限的數(shù)據(jù)容量，我們采用分段的方法來應(yīng)用VaR模型，對(duì)2008-01到2010-05的數(shù)據(jù)進(jìn)行回歸，剔除自回歸因素的干擾得出回歸方程，用2010-06及之后的9組數(shù)據(jù)進(jìn)行檢驗(yàn)，分別得出市場(chǎng)因子模擬法與歷史收益率模擬法下的VaR值與實(shí)際值對(duì)比。

五、實(shí)證結(jié)果與分析

下面將展示兩類理財(cái)產(chǎn)品的實(shí)證回歸結(jié)果，以及歷史模擬法下的VaR分析。

（一）以股票為基礎(chǔ)資產(chǎn)的理財(cái)產(chǎn)品實(shí)證分析

在第一段樣本期內(nèi)，我們的回歸結(jié)果為：

由結(jié)果可知，兩個(gè)系數(shù)均顯著。但是對(duì)時(shí)間序列來說，可決系數(shù)并不是非常理想，原因主要有：采取的因變量本身難以完全解釋銀行理財(cái)產(chǎn)品收益率的變動(dòng)，但是上證指數(shù)是最為簡單的對(duì)股票市場(chǎng)的衡量；另外，D.W值為1.3可能存在一定程度的自相關(guān)問題。

為了避免出現(xiàn)時(shí)間序列“偽回歸”的問題，我們對(duì)方程進(jìn)行了協(xié)整分析。依次對(duì)X、Y序列進(jìn)行單位根檢驗(yàn)，結(jié)果顯示它們都沒有單位根，且均在5%水平下平穩(wěn)，不存在為回歸問題，具體檢驗(yàn)結(jié)果如下：

表1 股票型模型中變量的ADF檢驗(yàn)結(jié)果

接下來，我們采用歷史模擬法對(duì)第二段樣本期間的數(shù)據(jù)進(jìn)行VaR分析。

1.市場(chǎng)因子模擬法。首先，我們先建立X的一階差分序列ΔX(-t)=X(-t+1)-X(-t)，其中等式右端兩個(gè)數(shù)據(jù)為從現(xiàn)在到過去T+1個(gè)連續(xù)交易日的歷史數(shù)據(jù)，其中t=1,2，...，T。根據(jù)標(biāo)準(zhǔn)歷史模擬法的假定，風(fēng)險(xiǎn)因子的未來變化完全等同于過去，于是可以用過去已經(jīng)發(fā)生的T中的因子變化作為風(fēng)險(xiǎn)因子未來可能出現(xiàn)的T中的變化，從而市場(chǎng)因子X（t）未來可能的取值為：

其中，X（0）即為第一階段OLS過程中的最后一個(gè)數(shù)值。

然后，將得到的新的時(shí)間序列X＇（t）帶回到第一階段模型中，求出未來可能出現(xiàn)的Rfuture，并將其從大到小排序，由于我們的樣本期較小，我們選擇較為居中的置信水平95%作為我們的目標(biāo)置信水平。由于可能存在較大的誤差，我們用線性插值法估計(jì)出一個(gè)較為合理的估計(jì)值。最后我們計(jì)算VaR值與原始數(shù)據(jù)中第二段里Yield的VaR值進(jìn)行比對(duì)。

2.歷史收益率模擬法。歷史收益率模擬法本質(zhì)上與市場(chǎng)因子模擬法近似，但是不同的是市場(chǎng)因子模擬法考慮了自變量與因變量的映射關(guān)系，從而對(duì)自變量的歷史數(shù)據(jù)估計(jì)出市場(chǎng)因子未來可能出現(xiàn)的情況，再帶回模型估計(jì)出收益率未來可能的情況；而歷史收益率模擬法則更加直接，僅僅對(duì)收益率的歷史數(shù)據(jù)估計(jì)未來理財(cái)產(chǎn)品收益率的分布情況。

因此，需要先建立起收益率在第一階段的一階差分ΔY(-t)=Y(-t+1)-Y(-t)，具體的解釋與市場(chǎng)因子模擬法類似，在此不再贅述。同理可得，建立新的時(shí)間序列Yield＇（t）=Y(0)+ΔY（-t）。選定同樣的5%顯著性水平之后，求出VaR值，同樣我們將計(jì)算出的值與真實(shí)的Var值進(jìn)行對(duì)比。

表2 股票型理財(cái)產(chǎn)品VaR值比較

（二）以票據(jù)（利率）為基礎(chǔ)資產(chǎn)的理財(cái)產(chǎn)品實(shí)證分析

由2008-01到2010-05的數(shù)據(jù)回歸出來標(biāo)準(zhǔn)格式回歸結(jié)果為：

從可決系數(shù)上來看，方程的可決系數(shù)是62.8%，擬合程度一般，觀察方程的D.W.值，可知其接近于0，正自相關(guān)程度較大。通過LM的殘差自相關(guān)檢驗(yàn)發(fā)現(xiàn)確實(shí)存在一階自相關(guān)，而基本不存在二階自相關(guān)。因此，消除一階自相關(guān)，引入一階滯后項(xiàng)SH IBOR(-1)，再次進(jìn)行OLS回歸，結(jié)果如下：

再次進(jìn)行LM自相關(guān)檢驗(yàn)發(fā)現(xiàn)確實(shí)沒有自相關(guān)情況出現(xiàn)，而且擬合程度得到了很大程度的改善，D.W.也基本在可以接受的范圍之內(nèi)。經(jīng)過協(xié)整檢驗(yàn)和長期均衡分析發(fā)現(xiàn)，三者之間存在長期均衡的關(guān)系。

改進(jìn)之后的方程擬合圖如下：

圖1 票據(jù)型理財(cái)產(chǎn)品回歸擬合圖

因此，接受最終的方程形式。接下來進(jìn)入第二階段歷史模擬法下的VaR分析。

與股票型理財(cái)產(chǎn)品方法類似，在市場(chǎng)因子模擬法下，建立SHIBOR的一階差分序列為SHIBOR2=SHIBOR-SHIBOR(-1)，估計(jì)SHIBOR的未來可能發(fā)生情況，建立序列SHIBORF=SHIBOR*+SHIBOR2，再帶入相應(yīng)的模型中，求出YIELD的未來可能序列YIELD future。而在歷史收益率模擬法下，建立YIELD的一階差分序列YIELD=YIELD-YIELD(-1)，直接估計(jì)YIELD未來可能出現(xiàn)的情況，建立序列YIELD future2=YIELD*+YIELD1。選定同樣的5%顯著性水平之后，求出VaR值，同樣我們將計(jì)算出的值與真實(shí)的Var值進(jìn)行對(duì)比，如下圖：

表3 股票型理財(cái)產(chǎn)品VaR值比較

六、結(jié)論與政策建議

通過兩階段（OLS回歸、通過不同歷史模擬法測(cè)算VaR）的計(jì)算，由股票型理財(cái)產(chǎn)品VaR值比較、票據(jù)型理財(cái)產(chǎn)品VaR值比較兩張結(jié)果表可知，相比于第二階段的真實(shí)VaR值，歷史收益率模擬法相較市場(chǎng)因子模擬法更為接近真實(shí)的水平，但兩者與真值都十分接近，有一定實(shí)踐價(jià)值，可以供投資者、銀行等金融機(jī)構(gòu)作自身風(fēng)險(xiǎn)評(píng)估與風(fēng)險(xiǎn)管理之用。從數(shù)值大小來看，歷史收益率模擬法的值均往下偏離，而市場(chǎng)因子模擬法均往上偏離，反應(yīng)歷史收益率法可能更加保守，而市場(chǎng)因子模擬法則可能高估了收益率的風(fēng)險(xiǎn)。

可以進(jìn)一步優(yōu)化之處在于：我們選擇的OLS回歸中只有單一的變量，難以真實(shí)的反應(yīng)剩余市場(chǎng)因子對(duì)理財(cái)產(chǎn)品收益率的影響，因此需要進(jìn)一步對(duì)銀行理財(cái)產(chǎn)品收益率影響因素的鑒定。此外，標(biāo)準(zhǔn)歷史模擬法是相對(duì)簡單的方法，還可以運(yùn)用matlab來采取蒙特卡洛法進(jìn)行n趨于無窮次的模擬實(shí)驗(yàn)，從而進(jìn)一步細(xì)分得出90%、95%、99%置信水平下的VaR值，供投資者和需要分析的各方來進(jìn)一步研究。綜上，歷史收益率模擬法相對(duì)市場(chǎng)因子模擬法對(duì)股票類和票據(jù)類銀行理財(cái)產(chǎn)品的風(fēng)險(xiǎn)衡量（VaR）有較高的準(zhǔn)確性，而且與實(shí)際情況較接近，可以作為投資者自身測(cè)評(píng)風(fēng)險(xiǎn)的簡易工具。

隨著我國資產(chǎn)管理行業(yè)的監(jiān)管逐步放松，銀行、保險(xiǎn)公司、信托公司、證券公司、期貨公司、第三方資管公司的混業(yè)經(jīng)營已成為新常態(tài)，銀行要在新常態(tài)中捍衛(wèi)自己在金融產(chǎn)品方面的地位，少不了同各金融機(jī)構(gòu)打理財(cái)服務(wù)的“創(chuàng)新”之戰(zhàn)。除此之外，隨著我國市場(chǎng)化程度進(jìn)一步加深，各方包括投資者的自我風(fēng)險(xiǎn)管理顯得愈發(fā)重要。因此我們給出的建議是：

1.隨著存款“脫媒”的顯現(xiàn)，銀行自身應(yīng)當(dāng)防范事前風(fēng)險(xiǎn)，尤其要控制業(yè)務(wù)人員的操作風(fēng)險(xiǎn)，加強(qiáng)審核力度防范道德風(fēng)險(xiǎn)。設(shè)計(jì)“風(fēng)險(xiǎn)可隔離、風(fēng)險(xiǎn)可計(jì)量、投資者可承受”的資管理財(cái)產(chǎn)品，有效平衡風(fēng)險(xiǎn)與收益。要以客戶為中心，建立完善的客戶風(fēng)險(xiǎn)承受等級(jí)評(píng)估體系，針對(duì)不同客戶提供不同的理財(cái)投資服務(wù)。

2.加強(qiáng)信息公開透明度，金融市場(chǎng)的穩(wěn)定發(fā)展重要前提之一便是信息的充分和對(duì)稱，為了減少市場(chǎng)風(fēng)險(xiǎn)，銀行應(yīng)當(dāng)加大理財(cái)產(chǎn)品收益、風(fēng)險(xiǎn)的透明度，建立關(guān)于金融產(chǎn)品的權(quán)威信息中心，讓投資者能公平地獲得信息。投資者獲取較為充分的市場(chǎng)及產(chǎn)品信息，有利于不斷弱化“剛性兌付”的思想。

3.采用VaR模型來分析理財(cái)產(chǎn)品的風(fēng)險(xiǎn)，在一定程度上適用于我國的金融市場(chǎng)，因此應(yīng)當(dāng)加大開發(fā)VaR模型的力度，構(gòu)造適合我國銀行理財(cái)產(chǎn)品風(fēng)險(xiǎn)的組合風(fēng)險(xiǎn)管理模型，設(shè)計(jì)簡單的易推廣的模型形式便于平民投資者學(xué)習(xí)和應(yīng)用。

[1]Bulter S J and Sehachter B.，Estimating Value at Risk with precision measure by combining kernel estimation with historical simulation[J].Review of Derivatives Research，1998，(l):371-390.

[2]Jorison，P.，Risk:Measuring the Risk in Value at Risk[J].Financial Analysts Journal，November 1996，47-55.

[3]杜云婷.淺談銀行理財(cái)產(chǎn)品發(fā)展的動(dòng)力及風(fēng)險(xiǎn)控制[J].東方企業(yè)文化，2014，(14):222-224

[4]方瑞.從收益實(shí)現(xiàn)情況看銀行理財(cái)產(chǎn)品的風(fēng)險(xiǎn)[J].中國信用卡，2014，(08)：74-75

[5]李將軍，范文祥.金融理財(cái)產(chǎn)品“剛性兌付”困局的成因及其化解[J].現(xiàn)代經(jīng)濟(jì)探討，2014，(11):44-48.

[6]孟之聿.基于歷史模擬法對(duì)余額寶等熱門理財(cái)產(chǎn)品的VaR實(shí)證分析[J].電子商務(wù)，2014，(44):83-85

[7]余俊俠.芻議商業(yè)銀行理財(cái)產(chǎn)品風(fēng)險(xiǎn)管理[J].時(shí)代金融（下旬），2013，(36)：153

[8]鄒曉梅.剛性兌付不應(yīng)持續(xù)[J].中國金融，2014（04）：54-55