厦门大学
硕士学位论文
VaR模型在银行利率风险管理中的应用探讨
姓名：陶玲
申请学位级别：硕士
专业：金融学
指导教师：李子白
20080301
内容摘要
内容摘要
随着金融改革的深化以及利率市场化改革的推进，利率风险逐渐成为我国商
业银行的主要风险。而目前，我国商业银行对利率风险的意识淡薄，规避和管理
利率风险的工具匮乏，普遍存在着重新定价风险、基差风险等诸多隐患。因此，
利率风险的管理控制将成为商业银行风险管理的主要内容。探讨商业银行利率风
险衡量方法的选择及管理策略，对现代商业银行的发展有着重要的理论意义和实
际价值。
VaR模型法是一种新型的风险管理工具，作为金融风险测度和控制的量化模
型，它具有简单易操作、应用领域广泛等优点，被国际银行业、证券业、保险业
广泛应用于测量市场风险、业绩评估和监管信息披露等方面。本文首先详细讨论
了利率风险的各种测度方法，通过比较发现，VaR模型在精确量化利率风险方面
有着巨大优势。文章进而以全国银行间同业拆借市场收益率为模拟市场利率变
量，对我国商业银行的利率风险价值(VaR)进行实证研究，分析VaR模型在银行
利率风险评价中的应用性。实证结果表明，在银行间同业拆借市场上，拆借头寸
受利好的消息影响较大。从计算结果来看，考虑了非对称情况的GARCH族模型
计算的VaR值较好地刻画了我国商业银行的利率风险状况。因此，VaR模型法
可以用于我国商业银行利率风险的测度和管理。本文最后对我国商业银行利率风
险管理提出了相应的建议：一方面要加强VaR模型在利率风险测度和评价中的
应用；另一方面也要认识到VaR模型也存在着模型风险，不能独担利率风险管
理的任务，我们应将其与其它风险管理工具和方法相结合，从而建立起一整套完
善的利率风险管理体系。
关键词：利率风险管理；VaR模型；ARCH类模型
ABSTRACT
ABSTRACT
Along with the advancement of financial refc}rnl and the interest rate
liberalization refoi'm。the interest rate risk becomes the main risk of China's
commercial banks gradually．At present，China’S commercial banks have a weak
awareness on the interest rate risk and there exists such latent dangers as re-pricing
risk，basis risk because of the absence of interest rate risk management tools．
Therefore，the interest rate risk management and control will become the main content
of commercial banks’risk management．There will be important theoretical and
practical value to discuss the choice of commercial banks interest rate risk’S
measuring techniques and management strategy．
VaR model which is a new type of risk management tool，is easy to operate as a
quantitative tool to measure and control financial risk．It is widely employed to
measure market risk，assess achievements and disclose supervision information by the
international banking industry，the securities business and the insurance business．The
paper first discusses the various interest rate risk measuring techniques and finds that
the VaR model has a huge superiority in the accuracy of interest rate risk
measurement by comparison．The paper then takes the CHIBOR as simulative interest
rate V撕able to calculate the VaR value of China’S commercial banks and discusses
the application possibility of VaR model in the interest rate risk assessment。The
empirical result indicates that the negative information has a greater effect on the fund
in the inter-bank market．Based on the result，we find that the VaR value calculated by
the GARCH．family models which take the asymmetry into consideration depicts the
condition of China’S commercial bank interest rate risk better．Therefore the VaR
model Can be used in China’S commercial bank interest rate risk appraisal．
As a conclusion，the paper raises some recommendations on China’S commercial
bank interest rate management accordingly．On one hand，we should strengthen and
promote the use of VaR model in interest rate risk measurement and assessment；on
the other hand，we should also realize that we need to establish a set of perfect interest
rate risk management system as the VaR model itself has some defections．
Key words：interest rate risk management；VaR model；ARCH family models
厦门大学学位论文原创性声明
兹呈交的学位论文，是本人在导师指导下独立完成的研究成
果。本人在论文写作中参考的其他个人或集体的研究成果，均在
文中以明确方式标明。本人依法享有和承担由此论文而产生的权
利和责任。
声明人(签名)：钢论
弘堞年年月／o日
厦门大学学位论文著作权使用声明
本人完全了解厦门大学有关保留、使用学位论文的规定。厦门大
学有权保留并向国家主管部门或其指定机构送交论文的纸质版和电
子版，有权将学位论文用于非赢利目的的少量复制并允许论文进入学
校图书馆被查阅，有权将学位论文的内容编入有关数据库进行检索，
有权将学位论文的标题和摘要汇编出版。保密的学位论文在解密后适
用本规定。
本学位论文属于
1、保密( )，在年解密后适用本授权书。
2、不保密(√)
(请在以上相应括号内打“4”)
作者签
导师签
日期：洲年年月Io日
日期：矽莎年媚∥日
导论
一、问题的提出
导论
由于商业银行资产的绝大部分是金融资产，利率波动会直接导致这些金融资
产价值的变化，从而直接影响商业银行的财务状况及运营的稳定性。因此，防范
和控制利率风险是银行风险管理部门最重要的口常工作之一。在利率管制条件
下，利率水平的变动平稳且易于预测，利率风险是商业银行的次要风险，利率风
险管理被商业银行忽视。利率市场化后，利率更多地是接受市场力量的影响，遵
循市场运行规律，利率水平的变动频繁而难以预测。以美国为例，1934年至1970
年的36年间利率仅变动34次，而1970年至1980年的10年间却变动了139次
【l】。因此在利率市场化形势下，随着利率风险上升为商业银行的主要风险，各商
业银行也逐渐认识NC-U率风险管理的重要性。
然而长期以来的利率管制导致我国商业银行的风险管理主要集中在信用风
险管理上，银行对利率变动不敏感，利率风险危机意识彳i强，利率风险管理的方
法技术十分落后，还停留在利用缺口管理、敏感性分析等简单的定性管理阶段，
没有形成系统的管理体制和有效的度量方法。我国商业银行现行的内部评级制度
也还不完善，只是一种信息的收集与罗列。其无论在评级方法、评级结果的检验，
还是在评级工作的组织、评级要求的实施等方面，都与国际性商业银行存在相当
大的差距。主要表现在评级方法偏于定性化、简单化、信用风险揭示严重不足、
基础数据库还彳i符合评级要求、评级结果达不到巴塞尔委员会的标准、监管部门
对评级结果的运用十分有限等。
因此，如何防范和化解利率风险，有效地进行利率风险管理，在利率风险管
理过程中如何对风险进行准确地测量和预测，这些都成为商业银行急待解决的问
题。结合我国的实际情况，借鉴国外先进的利率风险度量和管理方法，建立一套
符合我国国情的利率风险管理系统，对于有效防范、化解和控制我国商业银行所
面临的利率风险，提高银行经营管理水平，化解和防范金融风险，具有十分重要
的意义。
VaR模掣在银行利率风险管理一}一的应Jfj探讨
二、本文的研究方法
实证研究、规范研究和比较研究是本文主要的的研究方法。
本文首先比较研究了各种利率风险测量工具的优劣情况，再通过实证分析探
讨VaR模型在银行利率风险管理中的应用，说明了VaR模型在测定和衡量市场
风险中的作用。
在实证分析我国同业拆借市场数据时，由于同业拆借收益率分布的非正态
性，本文比较运用了ARCH族模型对数据进行拟合，运用方差——协方差方法
来计算同业拆借市场利率的VaR值。
最后文章辅以规范分析和定性分析，指出我国商业银行在利率风险管理中应
加强运用VaR模型，建立一整套完善的利率风险管理系统，并对此提出相关的
政策建议。
三、本文的结构安排
本文共分为五章，内容结构安排如下：
第一章首先对利率风险的概念进行了界定，再说明利率风险的主要分类，即
重新定价风险、基差风险、内含选择权风险、收益率曲线风险。文章接着介绍了
国内外测度利率风险的方法，有敏感性缺口分析法、持续期缺口分析法、模拟分
析法和VaR模型法，最后本文对这些方法的优缺点进行了比较分析，从而得出
VaR模型法在我国银行利率风险管理中有着较大的应用和发展空间的初步结论。
第二章详细说明利率风险的VaR测度方法。第一节首先介绍了VaR的概念
及产生的背景，接着分析了国内外对VaR模型的研究状况。就国内情况来说，
目前学者对VaR模型在股票等资本市场的应用研究得较为深入，而对利用其进
行银行风险管理探讨得较少。第二节介绍了VaR的主要计算方法，即方差——
协方差法、历史模拟法和蒙特卡罗模拟法。通过比较这三种方法的优劣以及联系
我国的实际情况，本文主要采用方差——协方差法计算VaR值。
第三章是实证部分，也是本文的重点，详细说明了样本区间的选择以及对数
据的分析，之后通过ARCH族模型对同业拆借市场的数据进行拟合，运用方差
——协方差方法分别在正态分布和t分布的假设前提下计算VaR值，并对VaR
模型的准确性进行检验，得出VaR模型可用于我国商业银行利率风险测度的结
导论
论。
第四章是关于完善我国利率风险管理的思考，在提出具体的政策建议之前，
本文首先指出了我国商业银行在利率风险管理中存在的问题，如内控意识薄弱、
授信决策独立性不够、信息系统的支持不足等。之后，本文联系我国实际情况，
提,LP,／jD强我国利率风险管理的建议。
VaR模型在银行利率风险符理L}J的应用探讨
第一章利率风险类别和测量方法
第一节利率风险类别
在进一步研究商业银行的利率风险之前，我们首先要明确何为风险，何为利
率风险以及银行在金融市场上面临着哪些利率风险。美国经济学家、芝加哥学派
创始人Knight在其1921年出版的名著《风险、不确定性及利润》中，较全面地
分析了风险与不确定性的关系。Knight认为，真正的不确定性与风险有着密切的
联系，也有本质的区别。不确定性是指经济行为人面临的直接或间接影响经济活
动的无法充分准确地加以分析、预见的各种因素，而风险刁i仅取决于不确定性因
素的不确定性的大小，而且还取决于收益函数的性质。【2J简单来说，风险即为从
事后角度来看的由于刁i确定性因素而造成的损失。pJ
商业银行管理研究的风险主要是市场风险，本文重点讨论的是市场风险中的
利率风险。巴塞尔银行业务监管委员会在1997年发布的《利率风险管理原则》
中，将利率风险定义为银行的财务状况暴露在利率的变化之中。具体来说，利率
风险就是指由于利率水平由市场因素决定导致利率变动产生彳i确定性，从而可能
给商业银行的收入和绩效带来影响的风险。利率风险有大小和方向之分，14J利率
风险大小是指利率变动幅度大小带来的风险度，而利率风险方向是指利率变动方
向的变化(上升或下降)给不同资产带来不同风险的情况。商业银行利率风险是
其利率风险大d,年nN率风险方向的组合产物。
在一个高度市场化的利率环境中，受多种因素影响，利率水平通常表现出较
强的波动性。这里所说的利率波动包括两种情况：一种是银行事先预计到的利率
波动；另一种银行事先没有预计到的波动。在前一种情况下，银行可以根据各种
管理手段减少其对银行造成的损失，甚至可以在一定程度上利用该种波动获得额
外的经济利益。对于后一种情况，如果银行存在较大的利率风险敞口，那么在波
动开始后银行必然要面临巨额的损失。为了增加收益减少损失，银行一方面要对
利率未来的波动情况进行预测，另一方面也要对自身的利率风险敞口进行度量。
本文主要对后一种情况进行研究，并提出相应的利率风险管理方法。下面将具体
介绍商业银行在经营管理中遇到的利率风险种类【5J。
4
第一章利率风险类别和测量方法
一、重新定价风险
重新定价风险(re．pricing risk)也称为成熟期不相匹配风险(Maturity-Mismatch
Risk)，是商业银行最主要和最常见的利率风险形式。它来源于银行资产、负债
到期日的不同(对固定利率而言)或重新定价的时间不同(对浮动利率而言)。由于
这些重新定价的不相匹配性，当利率发生变化时，它们可以使银行的收益和主要
经济价值暴露于不可预测的变动中。例如，如果银行以短期存款作为长期固定利
率贷款的融资来源，当利率上升时，贷款的利息收入是固定的，但存款的利息支
出却会随着利率的上升而增加，从而使银行的未来收益减少和经济价值降低。
目前，我国商业银行仍然以传统的存贷款业务为主要业务，数据资料表明，
我国商业银行将近70％的营业收入来自于存贷款利差收入。16J同时存在贷款期限
长期化、活期存款比重上升的趋势【7J。2007年我国GDP增速再次超过11．4％，
CPI指数上涨4．8％，涨幅比上年提高3．3个百分点，通货膨胀的压力彳i断加大。
针对这种情况，央行一年内六次调高人民币存贷款基准利率，从2007年12月
21日起，金融机构一年期存款基准利率上调O．27个百分点，由当时的3．87％提
高到4．14％；一年期贷款基准利率上调0．18个百分点，由当时的7．29％提高到
7．47％；其他各档次存贷款基准利率也相应调整。【8l虽然这次存贷款基准利率的
调整是同步的，没有给银行带来损失。甚至还由于首次下调活期存款利率0．09
个百分点，客观上给银行带来正面的影响，但是我国商业银行这种负债的短期化
和资产的长期化之间的不匹配现象将为其带来长期的利率风险。
二、基差风险
基差风险(basis risk)是由于对具有类似定价性质的不同工具在利息支付和利
息调整上的不完全相关性引起的。当一般利率水平的变化引起不同种类的金融工
具的利率发生程度不等的变动时，银行的盈利就会面临一定的风险，即基差风险。
即使银行在资产和负债的重新定价时间相同，但是只要存款利率的调整幅度与贷
款利率的调整幅度不完全一致，银行就会面临风险。
基差风险也称为利率定价基础风险，是从名义利率角度考察利率风险，实质
是名义利率差风险，它大体上有两种表现形式：一类是在存贷款利率波动幅度不
一致的情况下，存贷利差缩小导致银行净收入减少的风险；另一类是短期存贷款
VaR模型在银行利率风险锊理巾的应『|J探讨
利差波动与长期存贷款利差波动幅度不一致，且这种不一致与银行资产负债结构
不相协调，从而导致净利息收入减少的风险。假设一家金融机构按照一个月美国
国库券利率对一年期贷款每月重新定价一次，而这笔贷款的资金来源于一笔一年
期的存款，且存款利息每月按伦敦银行同业拆借利率(LIBOR)重新定价一次。由
于美国国库券利率和LIBOR很少按同一幅度调整，所以该金融机构就面临着这
两种基准利率的利差发生意外变化而导致的净利差变化的风险。
三、内含选择权风险
内含选择权风险(embedded option risk)又叫期权性风险，是一种越来越重要
的利率风险，它来源于银行资产、负债和表外业务中隐含在期权选择中的风险。
一般而言，期权赋予其持有者买入、卖出或以某种方式改变某一金融工具或金融
合同的现金流量的权利，而非义务。期权可以是单独的金融工具，如场内(交易
所)交易期权和场外期权合同，也可以隐含于其他的标准化金融工具之中，如债
券或存款的提前兑付、贷款的提前偿还等选择性条款。一般而言，期权和期权性
条款都是在对买方有利而对卖方不利时执行，因此，此类期权性工具因具有刁i对
称的支付特征而会给卖方带来风险。比如，若利率水平显著上升，存款客户可以
从银行取出未到期的定期存款，然后再以新的、较高的利率重新存款；而在利率
下降时，贷款客户有可能提前偿还银行贷款，然后再以低利率重新筹集资金。不
管怎样，银行的净利息收入都会降低，增加银行的经营风险。
我国《储蓄管理条例》规定，定期储蓄存款在存期内遇有利率调整，按存单
开户日挂牌公告的相应的定期储蓄存款利率计付利息；未到期的定期储蓄存款，
全部提前支取的，按支取口挂牌公告的活期储蓄存款利率计付利息。我国《个人
住房贷款管理办法》规定，对于贷款期限在1年以上的抵押贷款，当法定利率调
整时，在下一年初开始，按照相应利率档次执行新的利率政策。以上这些规定对
于提前偿付和提前支取的行为都没有采取惩罚性措施，这为客户提供了便利，但
却使银行承担了由于利率变动而带来的损失，即银行面临着内含选择权风险。
四、收益曲线风险
所谓收益曲线(yield curve)是将各种期限债券的收益率连接起来而得到的一
6
第‘一章利率风险类别和测毯方法
条曲线，它反映的是证券的到期期限与到期收益之间的关系。正收益曲线一般表
示长期债券的收益率高于短期债券的收益率，而负收益曲线则表示长期债券的收
益率低于短期债券的收益率。
一般而言，长期利率总是高于短期利率的。但收益曲线的斜率会随着经济周
期的不同阶段而发生变化，使收益曲线呈现出不同的形状。收益曲线意外的移动，
使银行存贷款利率波动不一致，给银行收入或潜在经济价值造成负面影响时，就
产生了收益曲线风险(yield curve risk)，也称为利率期限结构变化风险。例如，
在商业周期扩张阶段，由于货币政策的反向操作，短期利率会高于长期利率。长
短期利率的倒挂，会使银行原本的资产负债期望利差落空，从而引发收益曲线风
险。在金融恐慌期间，长短期利率倒挂的现象会经常出现。如在亚洲金融危机爆
发后，泰国、中国香港等国家和地区为了阻止投机性拆借，都曾把隔夜利率提高
到300％ 1000％的水平。收益率曲线风险还表现为当银行上调存款利率，使得
银行投资的债券市场价格下降，由此带来银行收益减少的风险。
总的来说，商业银行面临的利率风险，最初只有重新定价风险，但随着利率
的波动性加大，越来越多的资产和负债采用浮动利率形式，而不同的基准利率变
动幅度的不一致就产生了基差风险。19世纪80年代以来，随着国际金融证券化
趋势的加强，商业银行资产负债业务也越来越表现出证券投资与融资或贷款证券
化等特征，因此收益曲线水平与形状的改变对银行净利差和资产净值的影响也在
加大，产生收益曲线风险。金融创新和金融业不断加剧的竞争，促使商业银行为
客户提供越来越便捷的服务，并赋予客户较大的灵活性和选择性，但与此同时也
使商业银行在利率水平发生变化时蒙受内含选择权风险。
第二节利率风险测量方法评析
金融风险管理的过程十分复杂，完整的风险管理包括五个环节：辨识、测量、
处理、实施、评估，其中风险测量是金融风险管理过程中最重要的一个环节。风
险测量是基于一系列简单明了的假设模型，量化求解出最大的预期损失，然后据
此制定处理的对策，并在执行中观察、评估、调整优化这一策略。利率风险对商
业银行的影响体现在不同的方面，从不同的角度对不同的方面进行衡量就形成了
不同的方法。这些方法，有的着重静态指标，有的考虑各期现金流的时间价值，
VaR模璎在银行利率风险管理巾的应用探讨
有的从收益的角度出发，有的则关注银行的市场价值。
一、敏感性缺口分析法
(一)方法介绍
敏感性缺口分析法是针对因利率变动而使银行资产和负债的利息收入或支
出发生变化，造成对收益成本不确定的利率风险敞El进行测定的方法。它等于一
定时期内银行的利率敏感性资产与利率敏感性负债的差额，通过对缺口的度量和
管理，来调整银行的资产负债组合，用以控制银行的利率风险。
利率敏感性资产(rate．sensitive assets)是指在一定期限(考察期)内到期的或
需要重新确定利率的资产，它的到期收益率容易随市场利率的变动而变动，主要
包括政府与个人借款者发行的短期证券、短期贷款、可变利率(浮动或可调整利
率)的贷款与证券等。利率敏感性负债(rate．sensitive liabilities)贝lJ指在一定期限(考
察期)内到期的或需要重新确定利率的负债，同样它的到期收益率也容易受到市
场利率变动的影响，主要包括货币市场借款、短期储蓄账户和同业拆借等。敏感
性缺口用公式表示即为：
利率敏感性缺m(GAP)=禾IJ率敏感性资产(RSA)一利率敏感性负债(RSL)
利率敏感性系数=利率敏感性资产÷利率敏感性负债
当GAP>0时，即RSA>RSL，敏感性缺口为正，称之为资产敏感性缺口，
此时利率敏感性系数大于1；当GAP<0时，即RSA<RSL，敏感性缺口为负，称
之为负债敏感性缺口，此时利率敏感性系数小于1；当GAP=0时，即RSA=RSL，
此时敏感性缺口为零，利率敏感性系数为l。当存在正缺口时，利率升高，由利
率敏感性资产所带来的利息收入大于由利率敏感性负债所带来的利息支出，银行
的净利息收入将增加；利率下降，则银行的净利息收入将下降。当存在负缺口时，
情况刚好相反，利率升高，银行的净利息收入将下降；反之，银行的净利息收入
将上升。当存在零缺口时，则不管利率如何变动，由银行利率敏感性资产所带来
的利息收入均等于利率敏感性负债所带来的利息支出，银行的净利息收入彳i变，
也就是说银行的净利息收入对利率变化有免疫力。
由以上的分析可知，银行利率敏感性缺口与银行净利息收入之间存在着固定
的变动关系。利率敏感性缺口管理就是商业银行在预测利率走势的基础上，通过
8
第一。章利率风险类别和测量方法
相应调整资产和负债的结构、数量及期限来保持一定的利率敏感性缺口，从而降
低利率风险，保证实现预期的净利息收入。积极有效的利率敏感性缺口管理甚至
可以使商业银行从市场利率变动中获得额外的收益。
(二)方法评价
敏感性缺口法是商业银行度量利率风险的早期方法，由于其具有原理简单、
计算方便等优点，一直到今天都为各商业银行采用。但敏感性缺口法也存在着一
些缺陷。首先，缺口管理理论实质上是一个期限性很强的理论，它以资产和负债
一系列成熟期来设定不同的时间段，实际上忽略了每个时间段内资产和负债之间
的分布差异。其次，缺口管理战略赖以存在的依据是人们对未来利率的预测情况，
决策执行结果有赖于预测的准确性，但该方法并未对如何进行预测作详细的介
绍。再次，利率变化不仅对银行的资产和负债具有收入方面的影响，还会影响到
这些资产和负债本身的市场价值。但是缺口分析报告所采取的方法是帐面价值核
算法，忽略了银行资产和负债的市场价值变化，使得银行实际承受的利率风险在
缺口分析报告中只能得到部分反映。
二、持续期缺口分析法
(一)方法介绍
90年代初，银行的大量倒闭使得金融监管机构越来越重视银行的资产和负
债的市场价值，以确定它们的清算价值(Liquidation Value)。为了衡量利率变动对
银行市场价值的影响，持续期模型开始被广泛采用。所谓“持续期”指的是以现
金流量的对应现值作为权数计算的加权平均成熟期。持续期D的定义式如下：
D：争，堡：争，刍!!±型
zt。=。l PF。t。=。l PF
鼽卜喜南，
lBy,=c，(1+，．)一
e表示债券在第f期的本息(现金流)支付，，．表示贴现率，门表示债券的
到期期限。
持续期缺口分析是指银行的资产持续期与负债持续期乘以负债资产现值比
9
VaR模型在银行利率风险符理中的应用探讨
的差额。该方法通过分别衡量银行的资产持续期和负债持续期，得到利率变动引
发资产负债持续期差额所带来的银行资本净值变化。用公式表示为：
GD=B一每砬
GD表示持续期缺1：3，见、q分别表示资产和负债的持续期，巴、只分别
表示银行所持资产和负债的现值。
持续期缺1：3和银行净值之间的变动关系见表1．1。
表1-1：持续期缺口与银行净值的关系
持续期缺口利率变动资产市值变动负债市值变动净值巾．值变动
正上升减少> 减少减少
正下降增加> 增加增加
负上升减少< 减少增加
负下降增加< 增加减少
零上升减少减少不变
零下降增加增加不变
资料来源：根据本文分析整理得到。
(--)方法评价
持续期缺口法克服了敏感性缺口法不能衡量利率变动所带来的银行资产负
债净值的变动，可以更加直观稳定地衡量利率风险。但是，持续期缺口法也存在
着一定的缺陷。首先，使用持续期模型的一个重要条件是各时期现金流量的相对
稳定性，而在银行资产中，只有债券等少数固定收益产品所产生的未来现金流能
够被风险管理者所确定。其次，持续期有一个重要假设条件，即收益率曲线是平
坦的，到期收益率不随时间的变化而变化，而现实生活中，收益率曲线往往彳i是
水平的，这制约了持续期缺口的度量精度。
三、模拟分析法
(一)方法介绍
10
第。一章利率风险类别和测量方法
模拟分析法是指通过模拟利率的未来走势及其对现金流量的影响，将利率变
化对收益与经济价值的潜在作用进行的详细评估。这种方法最重要的步骤是对利
率走势的模拟，一般把利率的走势假设为三种条件：一是利率可能达到的最高水
平，二是利率可能达到的最低水平，三是银行主观对未来利率走势的估计，即最
可能达到的值。通过在这三种利率变动水平下盈利的预期来管理利率风险。
模拟法又可分为静态模拟法和动态模拟法【9】。静态模拟法仅评估了银行当期
表内外头寸产生的现金流。而对收益风险的评估，则是根据一种或多种假定利率
变动情景进行模拟，测算出特定时期的现金流量及由此形成的收入流。当对银行
持有头寸的全部预计期限内的现金流进行模拟后，可以把它折成现值，便可测算
出银行经济价值变化的估计值。动态模拟法是指在模拟过程中引入了关于未来利
率走势以及在此期间银行业务预期变化的更为详尽的假设。这些假设包括未来利
率走势的假设、银行客户行为的假设以及银行将面临的未来业务流(新业务)的
假设。对未来数据的假设，还需要进行假设与现实是否相符的检查，即“假设一
致性检查”。动态模拟由于采用了更为复杂的技术，考虑到了支付流与利率的动
态交互作用，因此，可以更好地反映隐性或显性期权的影响。
(--)方法评价
模拟分析法建立在大量现实数据的基础上，采用预期走势的分析，相比敏感
性缺口法和持续期缺口法，它度量利率风险更加符合现实，也更加详尽。但是模
拟分析法关于长期限变化的假设的可靠性很低，通常只适用于短期限。此外，模
拟分析法对数据的种类和准确度要求较高，依赖于计算机技术和统计技术的发
展，模型较为复杂，商业银行需付出较高的成本。
四、VaR模型分析法
VaR(Value at Risk)模型产生于1 994年，又称风险价值衡量法，最初用于市
场风险的度量，以后开始延伸到信用风险的度量，利率风险作为市场风险的一种
主要表现形式，也是其度量的对象。VaR模型法是本文的研究重点，第三章将对
其作详细的介绍和分析。
总的来说，敏感性缺口法主要衡量重新定价风险，模拟分析法和VaR模型
分析法可以对银行总体利率风险进行衡量，而持续期缺口法既可以衡量银行总体
VaR模型在银行利率风险竹理l{J的应用探讨
利率风险，也可以衡量银行单个资产或负债价值的利率风险。在实际工作中，我
们需根据不同的情况选择合适的利率风险度量方法，做到风险的衡量收益大于风
险的衡量成本。
12
第■章利率风险测量的VaR模型法
第二章利率风险测量的VaR模型法
第一节VaR的产生背景及研究发展状况
一、VraR的产生背景
1996年初，十国集团签署了《资本协议关于市场风险的补充规定》，也称巴
塞尔协议的补充协议。其核心内容是银行必须量化市场风险并计算相应的资本要
求。计算市场风险的方法有两种，即标准化方法和内部模型法。内部模型法认可
机构运用成熟的内部风险模型进行市场风险的计算。到了20世纪90年代，金融
风险管理进入了以概率估计和模型摸拟为基础的系统化、动态化管理阶段。
VaR(value at risk)就是众多的此类方法中一种倍受青睐的模型，并被国际清算银
行(BIS)采纳为国际标准。VaR方法可以把各金融工具、资产组合以及金融机构
总体的市场风险量化为一个数字，这使得机构投资者与市场监管者能够很方便地
将其与其它数字指标进行比较，如将金融机构的市场风险与其利润总额或资本总
额进行比较，从而判断其承受市场风险的能力大小。
VaR作为一个统计概念，本身不过是个数字，它是一家机构面临“正常”市
场波动时，相信自己的资产组合可能遭受的最大损失。这个定义隐含的意思是说，
遭受比VaR更大损失的概率是确定的、很小的值。【1 o】ffjJorion(1997)给出的权威定
义，可将其表述为“给定置信区间的一个持有期内的最坏的预期损失”，IIlJ即在
一定的持有期和一定的置信度内，某金融工具和投资组合所面临的潜在的最大损
失金额。从Jorion的定义中，我们可以推断Va嘘重要的特征：
1．VaR是个总结性度量值。尽管度量特定风险的总结性方法有多种，但VaR
度量风险的方法却较为独特，它是在综合的框架下考虑了市场风险所有可能的来
源。这一特征使VaR方法独具吸引力。
2．VaR要求用随机形式表达一个组合未来的损益(以下称P&L)，对于未来
的每个预期，P&L或P&L的区间都可以与其所发生的概率相联系。
3．VaR值的大小依赖于所选择的时间范围。如对于一个特定的组合，我们预
期的一天的VaR值会小于一个月的VaR值。
VaR模型在银行利率风险管理f|1的应用探讨
二、VaR的研究发展状况
VaR模型源自马科维兹于1952年创立的基本均值——方差模型。u2】蒂尔·古
尔迪曼(Till Guldimann)被视为“风险价值”这一术语的创立者，由G．30集团在1993
年发表的题为《衍生产品的实践和规则》报告中首次提出，并迅速得到学者的关
注。Kupiec(1995)提出了检验VaR模型的返回检验法。ll 3J而后，学者们集中于研
究VaR的计算方法。Hendrics(1996)、Chew&Lilian(1996)、Duffle&Pan(1997)等对
计算VaR的三种方法——历史模拟法、参数方法和蒙特卡罗模拟法都做了很好的
综述。1141115】【161随着研究的深入，vaR的应用开始被普遍关注。1996年，巴塞尔银
行监管委员会(BCBS，Basle Committee ofBank Supervision)在其发布的《资本协议
市场风险补充规定》中，要求将VaR纳入市场风险资本度量的范畴。随后欧盟和
美国金融监管当局也对市场风险实施资本监管，推荐VaR作为市场风险度量方
法。1997年巴塞尔委员会公布了《利率风险管理十二原则》的报告，分别从董事
会及高层管理人员的作用、利率风险管理政策及控制规程、风险测算与监控系统、
独立控制机制、监管机构应掌握的信息等五个方面对银行的市场风险监管提出要
求。此后，VaR逐渐成为国际金融市场风险管理的主流方案。加州大学欧文分校
的Philippe Jorion(1997)在其专著中第一次全面介绍了VaR方法的数理基础、计算
方法及应用范围。【1IJShuku“2000)认为VaR能够用于根据风险来调整投资和交易
的绩效，充当绩效评价的工具。【l 7JHelmut(2001)认为，VaR能够为交易者确定资
金头寸的上限以及如何配置资本提供参考。【l 8J而随着VaR研究的逐步深入，反面
的意见渐渐显露。Artzner(1999)0出了资本充足性监管目的下的风险度量需要满
足的几个属性，而VaR恰好不能满足其中的“次可加性”(Subadditivity)国。[191对
于这一问题，Acerbi&Tasche(2002)提出了用Expected Shortfall的方法来代替VaR。
PlJ沿着这一思路也产生了相当多的文献，但这些文献与本文关系1i大，故不再阐
述。
近些年来，国内学者也引入了VaR分析方法来对某些理论和实际问题进行
深入的分析和探讨，其中较有代表性的有：郑文通(1997)分析了金融风险管理的
VaR方法后认为，我国引入VaR方法能够为金融机构和投资人提供一种行之有
⋯VaR作为风险测度的指标，不满足次可加性公理，即意味着当用VaR模型度量风险时，某种投资组合的
风险可能会比各组成成分证券风险之和还要大，从而导敛投资者不愿多样化投资的情况。[20】
14
第_章利率风险测罱的VaR模型法
效的市场风险管理工具，也能够为金融监管部门提供风险管理标准。122J刘宇飞
(1999)对VaR的内涵和度量方法进行了介绍；123J戴国强(2000)进行分析后指出，
VaR风险计量模型将为我国金融监管机构提供有效的工具。【24】刘国旗(2000)【25】、
叶青(2000)、王美今和王华(2002)运用方差——协方差法，结合GARCH模型，
对我国股市风险和波动性进行了分析。【26】【271迟国泰等(2002)在银行资产负债表中
引入VaR方法，以贷款组合的VaR约束以及法律法规约束和经营管理约束为条
件，建立了基于VaR收益率约束的贷款组合优化模型。【28】
目前，对VaR的研究已经深入到不同方法细节和具体业务的讨论。袁丽胜、
朱世武(2002)对VaR模型的事后检验问题进行了深入的研究，并对上证指数的收
益状况运用历史模拟泫进行了计算和检验。129J龙海明、黄卫(2002)探讨了Credit
Metrics方法应用于我国消费信贷业务信用风险控制的可能性。t30lt志诚(2003)
将VaR应用于股票质押贷款业务中质押率的确定，颇具创新意义。【3lJ周毓萍、
孔莉娜和黄彬(2006)讨论了VaR方法在中国商业银行信用风险管理和利率风险
管理中的应用，并相应给出算例，认为用来衡量利率风险的值的关键是从资产价
值和收益两方面着手，进而对商业银行资产负债、表外交易头寸的重新定价风险、
基差风险、收益曲线风险、选择权风险进行测度。【32J
总的来说，目前大家主要研究的是VaR模型在资本市场尤其是股票市场上的
应用，而较少探讨如何用VaR模型管理我国商业银行的利率风险。
第二节VaR的基本原理及计算方法
一、VaR的基本原理
VaR本质上是对金融资产组合价值波动的统计测量，其核心在于构造金融资
产组合价值变化的概率分布。它的基本思想仍然是利用金融资产组合价值的历史
波动信息来推断未来情形，只不过对未来价值波动的推断给出的不是～个确定
值，而是一个概率分布。根据VaR的定义，我们可以得到：
Prob(△P>VaR)=l-c
其中，廿为证券组合在持有期缸的损失，vaR为置信水平C下处于风险中
的价值。换而言之，在某个确定的概率下，损失不会超过VaR。
VaR模璎在银行利率风险管理【}I的应用探讨
例如，J．P．Morgan公司1994年年报披露，1994年该公司一天的95％VaR值
为1500万美金，也就是说该公司以95％的可能性保证，在未来24小时之内某一
特定时点上的资产组合价值的损失不会超过1500万美金。
VaR有两个重要的参数：资产组合的持有期和置信水平。这两个参数对VaR
的计算及应用都起着重要的作用。
(一)资产组合的持有期
从投资者的角度来说，资产组合的持有期应由资产组合自身的特点来决定。
资产的流动性越强，相应的持有期越短；反之，流动性越差，持有期则越长。国
外商业银行由于其资产的高度流动性，一般选择持有期为一个交易日；而各种养
老基金所选择的持有期则较长，一般为一个月。在应用正态分布假设时，持有期
选择得越短越好，因为资产组合的收益率不一定服从正态分布，但在持有期非常
短的情形下，收益率渐进服从正态分布，这时的持有期一般选为一天。另外，持
有期越短，得到大量样本数据的可能性越大。巴塞尔委员会要求银行用以计算资
本要求的内部模型法必须是两个星期(10个交易日)的持有期。这一规定主要
基于两方面的考虑：一方面，当市场丧失流动性或因其他原因致使参与者无法交
易时，组合实际承受的风险变大了；另一方面，对于期权等价格变化呈非线性特
点的资产或组合，较长的持有期是更为审慎而必要的选择。
(二)置信水平
置信水平是一个可以选择的参数，理论上讲可以选择大小在0和1之间的任
何百分数。置信水平的选取反映了投资主体对风险的厌恶程度，置信水平越高，
厌恶风险的程度越大。而出于实际的需要，90州9％是一个常见的范围，具体
的选择则要视计算VaR的目的而定。大型金融机构通常选择95％左右的置信水
平，如J．P．Morgan。监管当局以VaR为基础进行资本监管时，通常把置信水平
定得很高，如99％t33】。因为这样可以提高银行的资本充足水平，实现更为稳健
的监管。由前面所述VaR的定义我们可以看出，置信水平的选取对VaR值有很
大影响。同样的资产组合，由于选取的置信水平不同计算出的VaR值也不同。
置信水平越高，资产组合的损失小于其VaR值的概率越大，也就是说，VaR模
型对于极端事件的发生进行预测时失败的可能性越小。表2．1归纳了一些银行和
非金融公司采用的持有期和置信水平(等于1．P)。
16
第『二章利率风险测最的VaR模型法
表2-1：一些金融机构或组织选用的持有期和置信水平
公司名称持有期置信水平(％)
Banks Trust(信孚银行) 1年99
City Bank(花旗银行) 95．4
J．P．Morgan(摩根银行) 1天95
Bank of International Settlements(围际清算银行) 10天99
The Group ofThirty(30国集团) l天95
Basel Committee(巴塞尔委员会) 10天99
资料来源：(意)皮埃特罗·潘泽，维普·x·班塞尔著，綦相译．用VaR度量市场风险[M]．机械工业出版
社，2001(09)：P99。
二、VaR的计算方法①
为了描述资产组合价值分布特征，人们建立了不同的模型，从而形成了不同
的VaR模型体系，适用于不同的市场条件、数据水平、精度要求等。根据所选
参数种类的不同主要分为参数法(fully parametric)和非参数法(non-parametric)。
参数法即方差——协方差法，包括简单平均法(EQMA)、指数加权移动平均法
(EWMA)、广义自回归条件异方差法(GARCH)等。非参数法主要有历史模
拟法和蒙特卡罗模拟法。不同模型的选用，除了对评估结果精确度的把握，计算
的成本也是非常重要的考虑因素。
(一)方差——协方差法(Analysis Variance-Covariance approach)
方差——协方差法的基本思想是对组合内资产收益率的分布做出假设，并且
令投资组合收益率是各资产收益率的线性组合。在正态假设下投资组合的VaR
为：
VaR=ot6W
其中，0【为给定置信水平下所对应的分位数，6为资产收益率的标准差，W
是资产组合的价值。
①本文足从银行利率风险管理的角度，探讨将VaR作为一个测度风险的工具管理银行利率风险的可行性，
『人I此对VaR的计算方法只是简明扼要地介绍其原理和思想，至于其本身复杂的计算过程和模型扩展本文并
未展开讨论。
VaR模型在银行利率风险管理巾的应JiJ探讨
因此，求组合的VaR也就相当于求该组合收益率的标准差。一旦得出投资
组合收益率的标准差，相应的VaR值也就确定了。由投资组合理论，资产组合
的标准差是通过组合内各资产的方差——协方差矩阵求出的，因此这种方法被称
为方差——协方差矩阵法。资产组合收益的标准差的度量方法有以下三种常见方
法：
1．简单平均法(equally moving average approach，EQMA)。它对所有历史收
益率的波动数据采用相等的权重，标准差：
吼铲：、√／—丽击备窆∽(‘吖--广)z
2．指数加权移动平均法(exponentially weighted moving average approach，
EWMA)。它对不同时期的波动采用不同的权重，时期越近权重越大，时期越远
权重越小。该方法采用指数权重度量波动性，标准差为：
吼=
其中兄(0<旯<1)为衰退因子(decay factor)。此方法较好地弥补了简单平均法
的不足，不同时期的历史数据赋予不同的权重，可以有效减少波动的长记忆性，
缩短过去某一较大(或较小)值的影响时间。
3．广义自回归条件异方差法(GARCH)。该方法充分考虑了数据的变异性聚类
现象，即变异往往在一段时间内连续出现偏高或偏低情况。运用GARCH模型所
刻画的条件方差来计算VaR是其计算方法的一个较新的发展方向，这在本章第
三节中将作细致的探讨。
(二)历史模拟法(Historical Simulation)
历史模拟法是一种相对简单的VaR计算方法。顾名思义，该方法利用资产或
市场因子的历史价格数据来模拟未来情景。它不对市场因子或资产收益的未来分
布作出假设，而是直接将市场因子或资产价格的历史数据当作未来可能的情景
集。将情景集中的资产价格排序后得到口水平分位数，即可得到VaR值。它的计
算过程可以总结如图2．1。
18
第_章利率风险测最的VaR模型法
图2．1：历史模拟法计算VaR的流程图
资料来源：根据本文分析整理得到。
(三)蒙特卡罗模拟法(Monte Carlo Simulation)
蒙特卡罗模拟法与历史模拟法比较类似，同样利用历史数据来对未来情景进
行模拟。与历史模拟法不同的是，蒙特卡罗法不直接模拟市场因子或资产的未来
价格，而是首先根据其历史数据得到未来概率分布的参数，如正态分布中的均值
和方差，然后利用随机模拟来产生未来资产价格的可能情景集，再根据置信水平
得到VaR值。蒙特卡罗模拟的技术可分为以下四个主要步骤，如图2—2所示。
图2．2：蒙特卡罗模拟的计算步骤
资料来源：根据本文分析整理得到。
19
VaR模型在银行利率风险臀理中的应JfJ探讨
关于这三种方法的比较，可参见表2-2。【34】
表2．2：VaR三种计算方法的比较
方差——协方筹法历史模拟法蒙特卡罗模拟法
数据收集难易程度容易困难容易
方法实现难易程度容易较容易困难
计算速度快速快速缓慢
向管理者解释较容易容易困难
难易程度
市场不稳定结果产生偏差结果产生偏差结果产生偏差
可以检验其他的标准
●
检验其他假设的能力差和相关系数，不能无都可以检验
检验其他分布的假设
资料来源：曹乾，何建敏．VaR．金融资产市场风险计量模型及其对我陶的适用性研究【J】．中央财经大学学报，
2004(5)：P33。
三、对VaR模型的评价
(一)VaR模型的优点
1．VaR模型概念简单、理解容易。由于其将风险状况量化为一个具体数值，
容易为管理者理解和掌握。它还可以测量不同市场因子、不同金融工具构成的复
杂证券组合和不同业务部门的总体市场风险暴露以及不同资产价格变化之间的
相关性，适合监管部门的风险监管。
2．VaR值明确地反映了市场风险，如果定期地测定各个金融机构的VaR值
并且公布结果，可以令普通投资者了解金融机构的经营状况，增强市场的透明度，
并且督促银行管理者加强与客户的沟通，增进双方的信任和投资者的信心。
3．VaR模型对风险的测量是建立在数理统计与概率论的理论基础上的，在有
大量的金融交易数据的前提下，VaR方法在计算金融风险时，是相对较为简单和
科学的，较之其他方法有更强的可操作性。同时它又不缺乏理论上的科学性，为
20
第二章利率风险测量的VaR模型法
高层管理者比较不同业务部门的风险暴露大小，基于风险调整的绩效评估、资本
配置、风险限额设置等，提供了一个简单可行的方法，适于银行进行内部监管和
风险控制。13副
(--)VaR模型的缺陷
1．VaR模型存在着模型风险。多项研究表明对于同样的资产组合，不同的
VaR估计方法，甚至不同的软件使用同一种估计方法得出的VaR结果均可能出
现较大的偏差，这是由于VaR在前提中设置了不同的假设条件而造成的。此外，
在样本的选择和数值计算方法的选择等各个估计程序中VaR也存在着模型风险。
因此，为了保证结果的可靠性，必须对其进行检验，这就大大加重了计算的难度
和复杂程度。[361此外，VaR只是市场处于正常变动下市场风险的有效测量，它不
能处理金融市场处于极端价格变动的情形，如股市崩盘等。
2。VaR模型在使用时隐含了一定的前提假设。VaR模型法是一种向后看的方
法(backward looking)，它对未来的损失估计是基于历史数据，并假定金融资产组
合的未来走势与过去是高度相似的，可以根据过去的历史数据来推测未来的市场
风险。然而事实上，市场风险往往是由一些突发的重大事件造成的，这种突发的
市场波动一般与过去的市场走势没有太多的联系。这样来看，VaR模型估计出来
的市场风险并不能涵盖所有的市场风险。我们在使用VaR模型法时，还必须结
合敏感性分析和压力测试等方法。
3．我国运用VaR模型法的客观困难。VaR模型法是建立在大量的历史数据
的基础之上的，而我国金融市场发展的历史短，样本数据有限。由于利率、汇率
没有完全市场化，同宏观政策还存在着一定的联系，市场风险还可能来自人为因
素。因此在我国使用VaR模型法存在着特殊的难度。这一点也需要我们从加速
金融体系改革，增强市场的透明度来入手加以解决。
第三节ARCH类模型
一、ARCH类模型概述
由前文的表述可知，用方差——协方差法计算VaR值需确定投资组合收益率
的分布形式。最早的计算参数的方法是假设收益率服从正态分布，然后根据这一
2l
VaR模型在银行利率风险锊理【{1的应刚探讨
分布的统计特征，如期望、方差再进一步计算VaR。这类方法的隐含假设是现在
的收益变化与过去的收益变化一样，收益的方差或标准差是不随时间变化的常
数。然而金融市场中的时间序列数据常常表现出不稳定的特点，某一时间段内波
动幅度较大，另一时间段内波动幅度相对较小，出现波动集群现象(volatility
clustering)。该现象的出现源于外部冲击对金融资产价格波动的持续性影响，使
得收益率的分布表现出尖峰厚尾(fat tails)的特征。这类序列随机搅动项的无条件
方差是常量，条件方差是变化的量。这时如果仍然用正态假设来计算VaR值，
就会低估风险。【10】
为了处理上述问题，Engle于1982年提出了条件异方差自回归(Auto
Regressive Conditional Heteroskedasticity，ARCH)模型，【3 7J它的主要功能在于解
释收益率序列中比较明显的变化是否具有规律性，并且说明了这种变化前后依存
的内在传导是来自某一特定类型的非线性结构，而不是方差的外生结构变化。该
模型在当时被认为是最集中反映了方差变化的特点，因而被广泛应用于金融数据
的时间序列分析。Bollerslev(1986)在ARCH模型基础上提出了GARCH模型，对
异方差(波动率)进行估计。【38IGARCH模型虽然可以描述尖峰厚尾性和异方差性，
却无法解决金融时间序列数据波动存在的杠杆效应(Leverage Effects)①。于是，
Nelson(1991)、Zakoian(1994)提出的非对称性(Asymmetric)GARCH模型(包括
TARCH、EGARCH)也被引人风险价值VaR计算。【39】【40】
叶青(2000)、邹建军等人(2003)在分析我国股市风险时，在条件正态分布假
设基础上，运用GARCH模型计算风险价值VaR，虽然克服了异方差性，但却忽
视了金融时间序列数据的尖峰厚尾性。[261[411王美今和王华(2002)通过对比分析上
海股票市场的静态VaR模型，GARCH．Normal模型和GARCH．t模型后认为，基
于正态假设的静态模型明显不成功；GARCH-Normal模型仅部分解决了金融时
间序列中尖峰、宽尾的问题，无法令人满意；GARCH．t分布较之正态分布具有
更宽的尾部，因而，能更好地描述厚尾性问题。暖7】陈守东和俞世典(2002)运用基
于Normal分布、t分布和GED分布下的GARCH族模型对深圳股票市场和上海
股票市场的风险进行分析后表明，用t分布和GED分布假定下的GARCH族模
①Black(1976)211 Chri Stie(1982)研究发现美罔股票的当期报酬率与未来波动性存在负相关关系，并试图解释
个股收益的这种不对称波动特征。市场卜．的投资有一般对负的价格变化比对正的价格变化更加敏感，从而
导敛较大的波动性。凶i叮，在金融理论中把此．类效应成为杠lrF效心(1everage effects)。
第二章利率风险测节的VaR模型法
型能更好地反映出收益率的风险特性。1421m-新时(2003)、胡援成和姜光明(2004)
与陈收和曹雪平(2004)在不同分布假设下，分别采用GARCH族模型进一步研究
了我国沪深股市的风险价值计算。143]144】f45】
二、ARCH类模型的主要形式
ARCH类模型一般由两个方程组成，一个是条件均值方程，另一个是条件方
差方程。条件方差方程为金融回报数据的随机波动性过程提供了简单的解析形
式，不同的ARCH模型对资产组合收益率方差的假定不同。ARCH类模型中应
用最广泛的主要有ARCH、GARCH、非对称GARCH、GARCH．M等模型。
(一)自回归条件异方差(autoregressive conditional heteroscedasticity,ARCH)
模型
ARCH模型的最基本的特点是假设观测数据的方差呈现自相关，即观测误差
的方差是其滞后值的函数，是随时间变化的。ARCH只是最简单的线性单变量方
差。它允许条件方差作为过去误差的平方的函数随时间变化，是外生变量、滞后
的内生变量、时间、参数和前期残差的函数。一般地，ARCH(q)模型给出的线性
回归形式如下：
f 只h～N(X．B，蠢)
{z=％+％年，+⋯+％t。
I 乞=只一iv,∥
其中，‘一，是在f一1时刻的信息集合，只是一些外生变量和被预测变量的滞
后值构成的向量，∥、口是待定参数‰>0，％，⋯口。≥0
(--)广义ARcH(generaIized ARCH，GARCH)模型
GARCH模型是对ARCH模型的重要扩展，它的定义式如下：
，：=∥+q
q l‘一。～Ⅳ(o，砰)
q P
Z=ao+Z口Z-，+Σ屈吐，
I=l ，=1
其中，P≥O，q≥0，嘭≥o(i=0，1，2，⋯，g)，屈≥0(i=1，2，⋯P)。
VaR模型在银行利率风险管理【}】的应用探讨
上式为GARCH(p，q)模型，GARCH模型同样具有ARCH模型的特点，能模
拟价格波动的集群性现象。两者的区别在于，GARCH模型的条件方差不仅是滞
后残差平方的线性函数，而且是滞后条件方差的线性函数。实质上，GARCH过
程是无限阶的ARCH过程。现实应用中表明：一个GARCH过程比一个纯ARCH
过程更节省变量。一般，GARCH(1，1)应用较为广泛，其模型表达式为：
Z=口o+口l蠢l+届畦l
(Z)GARCH模型的扩展
标准的GARCH(p，q)模型在应用中存在以下的不足：首先，它不能解释收益
和收益变化波动之间出现的负相关现象。其次，GARCH(p，q)模型为了保证砰非
负，假定所有系数均大于零。这些约束隐含着6t的任何滞后项增大都会增加一，
因而排除了仃?的随机波动行为，这使得在估计GARCH模型时可能出现震荡现
象。针对GARCH模型的不足，学者们提出很多改进的方案，例如：非对称GARCH
模型(EGARH模型、TGARCH模型等)，均值GARCH(GARCH．M)模型。
1．指数GARCH模型(exponential GARCH，EGARCH)
EGARCH模型由Nelson于1991年提出，其条件方差为：
·ncr?=ao+喜驴“喜q针乃嚣
EGARCH模型中条件方差采用了自然对数形式，意味着In一非负，且杠杆
效应是指数型的。模型的另一个重要特征就在于引入一个参数y，若7≠0，说明
信息作用非对称；7<0时，则杠杆效应显著，即市场受负冲击要比正的冲击引
起更大的波动，具有杠杆效应。
2．TGARCH模型
TARCH(Threshold ARCH)模型最先由Zakoian(1990)提出，它具有如下形式
的条件方差：
P q Z=％+Σ口，蠢，+藏。Z一。+Σ层畦，
kl fIl
24
第_章利率风险测量的VaR模型法
其中z是一个名义变量西=骺篙
由于引入西，证券价格上升信息(毛>0)和下降信息(毛<0)对条件方差的作用
效果刁i同。上升时藏，Z一，=o，其影响可用系数Σ：。呸代表，下降时为Σ：。q+缈。
若缈≠0，则说明信息作用是非对称的。当妒>0时，存在杠杆效应。
(四)均值GARCH(GARCH—M)模型
在金融学中的大多数模型中都假设资产的预期收益率与资产预期风险是成
正比例的，即通常所说的风险越大，收益也越大。在某些特殊情况下，金融资产
的收益和收益变化波动之间又会出现负相关现象。处理以上情况的一种方法是设
定证券的收益可部分地由它的风险所决定。Engle、Lilien和Robins(1987)建议设
定GARCH．M(ARCH．in．mean)模型，即：
l ，；=／t+AGt+毋
J p q
l彳=‰+Σ口，t，+Σ屈吐，
L t=l I=1
(口o>0，％，⋯，口．口≥O，屈，⋯，Pq≥0)
均值GARCH模型与一般GARCH模型的主要区别在于在收益方程中引入标
准差，考虑了风险。如果A是正的且具有统计显著性，那么由条件方差增加所
给定的风险增加会导致均值收益的上升，A可被解释为风险报酬(risk premium)。
如果A是负值，则说明资产收益和资产的波动之间负相关，波动越大，收益越
小。
25
VaR模型在银行利率风险锊理r}，的应川探讨
第三章银行同业拆借市场的VaR模型实证分析
第一节样本区间选择与数据分析
一、样本区间选择
同业拆借市场业务是人民币业务中主要面对市场风险的业务，并且同业拆借
市场利率已基本上是市场化的。因此，本文以全国银行间同业拆借市场利率作为
市场化利率的模拟变量，考察用VaR模型计算我国商业银行拆借头寸的风险m。
同业拆借市场亦称“同业拆放市场”，是金融机构之间进行短期、临时性头寸调
剂的市场。1996年建立初，同业拆借市场利率市场化程度不高，交易量也不大。
在人民银行的政策引导和监督管理下，同业拆借市场在规范中稳步发展。2002
年6月1口起，中国#t-}F交易中心为金融机构办理外币拆借中介业务，从此统一、
规范的国内外币同业拆借市场正式启动，丰富了交易品种，提高了市场交易效率，
使同业拆借利率的市场化程度大大提高。作为货币市场的重要组成部分，同业拆
借市场在调节金融机构流动性和货币政策传导方面发挥了重要作用。
综上所述，同业拆借市场利率可以作为利率变量度量利率风险。本文选取
2004年5月24日到2007年12月29口的中国银行间同业拆借利率(CHIBOR)为
样本@，考虑到交易量及对市场变动的反应灵敏程度，选择其中的隔夜加权利率
作为观测对象，@样本容量为908，样本数据持有期为一天，即At=1。本文的数
据来源于Wind(万得)金融证券数据库，数据处理使用Eviews 3．1软件。
二、样本数据分析
(一)平稳性检验
在计量经济模型中，序列的平稳性会直接影响到模型的效果，非平稳的数据
序列会产生谬误回归。因此，在建模之前应首先检验样本数据的平稳性。
①同业拆借头寸只是向、lk银行资产负债表中的一种资产，本文只是以拆借净头寸为例来说明问题。并且目前
我陶商业银行其他资产面临的利率的『fi场化程度彳i够，小能够完全用同qk拆借市场利率来分析理论风险值。
9由-j．早明同业拆借市场交易的数据资料不全，本文未找到1996年后2004年5月24日之的的矧业拆借市
场利率的数据，这在’。定科度上影响了本文计算结果的准确性。·
。2007年1月1日，上海银行l’日J同,Iktt；借利率(SHIBOR)建立，是人民银行培养的皋准利率体系，市场
化程度商，但由于这一体系建立时问短，数据量小，不能满足模型的数据需求。故未选取该市场E的拆借
利率作为变量。
第三章银行同qk拆借市场的VaR模型实证分析
将样本期间内的银行同业拆借隔夜加权利率用时间序列图(图3·1)表示。
图3-1：同业拆借隔夜加权利率波动图
E三圃
资料来源：Eviews 3．I软件根据利率波动状况绘制。
由图3．1可以看出，隔夜拆借利率的波动剧烈，不能对其直接进行数据处理。
为了得到稳定的时间序列数据，本文用拆借利率对数收益率来做分析。对数收益
率是采用对数一阶差分形式，即设第t日的收益率为，：=In皿一111哆-l，皿是t
日拆借市场加权平均利率。转换后的收益率波动图见图3-2。
图3．2：同业拆借收益率时序图
资料来源：Eviews 3．1软件根据利率波动状况绘制。
VaR模掣在银行利率风险管理f}l的应JfJ探讨
由图3．2可以看出，同业拆借收益率围绕在均值周围波动，不存在趋势，因
此可以选择不带时间趋势的回归模型对其进行ADF(Augmented Dickey-Fuller)单
位根检验。ADF检验适用于高阶自回归的变量时间序列平稳性检验，本文的检
验基于下列方程：
正
缸=Po+局，+p2At,一l+ΣOAr,一f+u，
检验的原假设为：Ho：p=1；备择假设为：HI：p<1。若ADF值大于临界
值，则接受Ho，意味着变量时间序列含有一个单位根，即时间序列是不平稳的；
若ADF值小于临界值，则拒绝Ho，接受H1，变量时间序列是平稳的。检验得到
的结果见表3．1。
表3-1：ADF统计量
ADF统计量临界值
1％Cfitical Value ．3．4403
．32．14759 5％Critical Value ．2．865l
l 0％Critical'Calue ．2．5687
资料来源：根据Eviews 3．1计算得到。
ADF统计量小于Eviews给出的显著水平1％一10％的ADFI[在界值，因此拒绝拆
借利率收益率存在单位根的零假设，即意味着收益率序列是平稳的。
(二)正态性检验
如果样本数据满足正态分布，要求出同业拆借市场利率的风险值，只要利用
正态分布表找到标准正态分布在给定置信水平C下的一个上分位点Z，使得
1巾e掀)dw，根据一z=错B口可求出与置信度C相对应¨，即
厂’=一z万√出+础，从而直接求得：
VaR=wo[E(r)-r+】-Wo(∥At-r+)
=％(肚，+za4At一肚f)
第一章银行同业拆借市场的VaR模型实证分析
：=woZ,罗,／-瓦i (3．1)
先用Q—Q图来检验样本数据的正态性。Q．Q图是用来检验样本分布的一种
统计图形技术，它把被检验数据的实际分位数所指定分布的理论分位数描绘在图
形上。如果被检验的样本数据符合正态分布，则样本数据的点就会落在一条直线
上。而如果其存在左下端向下弯曲，右上端向上弯曲的现象，则存在比较明显的
厚尾现象。图3—3即为样本数据的Q．Q图。
旦
芑
∞
j
a
●一
仍
E
L．
o
Z
图3．3：同业拆借收益率Q．Q图
R
资料来源：Eviews 3．1软件根据利率波动状况绘制。
观察图3．3，数据点没有都落在一条直线上，而是向上弯曲，可初步判断同
业拆借收益率不满足正态分布。下面的图3。4是更为精确的收益率分布直方图和
描述性统计：
VaR模型在银行利率风险管理ffI的应用探讨
图3-4：收益率分布直方图
资料来源：Eviews 3．1软件根据利率波动状况绘制。
Seti箦：R
SaTDlel 907
Obsovations 907
Mean
Median
Maximam
M—nlm
Std．Dev．
Skewness
Ktttosis
Jatque-Bera
Pra锄lity
0．00016
旬．0吃33
Q46071
-1．090笾
Q09蜮
-1．2勉
20．5717
11903．1
Q0c00C
由图3-4可知，收益率序列的偏度(S)为．1．245，数据分布向左偏移，峰值(K)
高达20．57，分布尾端粗壮，出现“尖峰厚尾”现象，明显不符合正态分布，④并
且尾部和中间包含了大量的统计信息。此外，J．B值㈢高达11903．15，远大于在
0．05置信水平下J．B的临界值5．991，也说明该收益率序列显著异于正态分布。
(三)自相关检验
自相关检验的目的是检验各期的拆借利率是否具有相关性。对收益率的滞后
量求自相关函数值和偏自相关函数值，最大滞后期一般取为样本容量的十分之一
^r 一
或算术根，即假设样本容量为N，最大滞后期为M，则M=兰或√Ⅳ。在本例中
lU
N=908，M=908／10或√908，我们取M=30。拆借收益率的相关系数见表3．1。
”正态分布的偏度S=0；峰度K=3，当分布尾端比正态分布的尾端粗壮时，K>3，反之，K<3。
呵．B即Jarque．Bera，是正态检验统计最，它服从Z2分布，在0．05的置信水平下，JB的临界值Z2(2)=5．5991
30
第『三章银行同业拆借市场的VaR模型实证分析
表3．1：CHIBOR序列自相关检验结果
滞后自相关系数偏相关系数滞后自相关系数偏相关系数
期数AC PAC 期数AC PAC
．0．068 ．0．068 ．0．092 ．0．104
1 16
2 ．0．116 17
．0．111 ．0．109 ．0．155
3 ．0．054 ．0．072 18 0．086 0．007
4 19
0．020 ．0．003 0．054 0．009
5 ．0．026 ．0．04l 20 ．0．008 ．0．040
6 ．0．088 —0．097 21 ．0．002 ．0．02l
7 —0．021 ．0．045 0．003 —0．032
22
8 ．0．010 ．0．044 23 0．017 ．0．032
9 ．0．077 ．0．107 24 0．015 ．0．003
10
0．080 0．053 O．051 0．028
25
11 26
．0．015 ．0．038 ．0．029 ．0．039
12 —0．075 ．0．093 27 O．014 0．036
13 —0．011 ．0．034 28 ．0．020 —0．048
14
0．006 ．0．039 0．005 ．0．03l
29
15 O．019 ．0．019 30 0．025 0．03l
资料来源：根据Eviews 3．1计算得到。
由表3．1可知，同业拆借收益率序列与其滞后两期的序列相关系数为．0．1 11，
与其滞后30期的序列相关系数为．0．025。因而，同业拆借收益率序列的白相关程
度较低。
(四)异方差性检验
由前文的同业拆借收益率时序图可以看出同业拆借收益率的波动具有明显
的时变性，且不同时期波动性的大小也不相同，同时波动出现聚集现象(Volatility
Clustering)，即在一段时间里波动性较大，而在另外一段时间里的波动性较小，
波动率随时间出现连续偏高或偏低的情况。因而，银行间同业拆借利率序列可能
存在异方差，故对其进行更精确的异方差检验叫：iung．Box Q检验和LM检验。
VaR模型在银行利率风险管理t}，的应川探讨
1．Ljung．Box O检验统计量的表达式为：
驴咖蚴善南2
其中rj为第j个自相关系数，n为样本容量，m为自相关系数的个数。在自
相关系数为零假设下，Q占服从z2分布，其自由度为自相关系数的个数m。通过
Eviews 3．1计算得到的结果见表3．2。
表3．2：CHIBOR序列异方差性检验结果I
滞后期数Q—Stat Prob 滞后期数Q-Stat Prob
l 4．150l 0．042 16 51．756 0．000
2 15．349 0．000 17 62．706 0．000
3 18．042 0．000 18 69．580 0．000
4 18．404 0．001 19 72．259 0．000
5 19．045 0．002 20 72．325 0．000
6 26．063 0．000 21 72．329 0．000
7 26．483 0．000 22 72．337 0．000
8 26．582 0．001 23 72．595 0．000
9 32．096 0．000 24 72．803 0．000
10 37．950 0．000 25 75．200 0．000
1l 38．153 0．000 26 76．000 0．000
12 43．358 0．000 27 76．188 0．000
13 43．475 0．000 28 76．573 0．000
14 43．507 0．000 29 76．595 0．000
15 43．857 0．000 30 77．199 0．000
资料来源：根据Eviews 3．I计算得到。
由表3-2可知，对于滞后期数是30的时间序列，Q=77．199，概率值P近似
等于0，小于。5％的显著性水平，因此我们拒绝零假设，即同业拆借收益率存在
着强烈的异方差性。
笫三章银行同、lk拆借市场的VaR模型实证分析
2．对收益率进行LM检验。检验统计量￡M=nR2～Z2(g)，给定显著性水
平口和自由度q，如果LM>Z(g)，则拒绝原假设，认为序列存在ARCH效应，
即数列存在异方差。如果LM-<Z(g)，则1i能拒绝原假设，说明序列不存在ARCH
效应。取q=10阶，结果见表3-3：
表3-3：CHIBOR序列异方差检验结果H
F．stati stic 6．919057 Probability 0．000000
Obs4 R-squared 64．9666 l Probability 0．000000
资料来源：根据Eviews 3．1计算得到。
Z2检验的相伴概率P值接近于0，小于显著性水平口=0．05，拒绝原假设，
同样说明序列存在异方差。
g
由于LM检验的辅助回归方程一=％+％“2¨+⋯+gq材L。=‰+Σ甜三，中
，-l
uL。的滞后阶数很高(如q=10)时，检验仍然显著，即残差存在高阶ARCH(p)
效应，故考虑采用GARCH(p，q)模型。①
一、VaR计算方法的选择
第二节实证结果
如前文所提到的，VaR的计算有三种主要方法：方差——协方差法、历史模
拟法和蒙特卡罗模拟法。这三种方法在实际运用中各有不足：
1．方差——协方差法：VaR的计算依赖于正态性假设，然而事实上有宽尾现
象，无法满足假设前提；不适于处理非线性、期权性头寸的计算；无法处理极端
事件。
2．历史模拟法：需要大量的日回报历史数据，这对于我国建立时间不长的银
行同业拆借市场来说不易搜集；计算结果很难转换成更长期限的未来预测值；在
心当用ARCH模型描述某些时问序列，阶数q需取一个很大的值时，可以采用GARCH模型。【拍】
33
VaR模型在银行利率风险箭理中的应川探讨
置信水平上的预测值较粗糙；只有当历史数据集包含尾部事件时预测时才包含尾
部风险。
3．蒙特卡罗模拟法：方法和过程不直观，不透明，难以解释；需要详细计算
并且费时，编程比较复杂，技术要求高；模拟价格与“真实世界’’价格相差一个
水平。
根据以上分析，本文采用方差——协方差方法计算同业拆借市场收益率风险
值，主要理由如下：银行同业拆借市场建立初期，交易量小且交易数据难以搜集，
无法满足模拟法对数据量的要求；关于同业拆借收益率分布的非正态问题，一方
面本文样本数据的持续期较短，仅为1天，收益率渐进服从正态分布；另一方面
本文通过GARCH族模型进行数据的拟合，并在t分布的假设下计算同业拆借收益
率的VaR值，从而可在一定程度上解决收益率分布的“尖峰厚尾”问题。因此VaR
的计算公式(3—1)变为：
阮R=q—I(E(r)-r’)=q一1口。O"t (3-2)
VaR,是t-1时期预测下一天的风险价值；E(r)是利率的预期值；，_+是最低利
率；皈是在给定置信水平c时所对应的分布的分位数；q是t．1时期预测的下一
天的同业拆借收益率的波动性；q一。是f-1时期对资产价值。
二、GARCH模型条件标准差的计算
近几年来的理论与实证研究都说明许多经济变量的时间序列，尤其是金融时
间序列的非正态性都有着深厚的异方差根源(这在本文的样本数据检验中也得到
证实)，在这个前提下GARCH模型来反映收益的分布式合适的。
根据前文自相关检验可知，同业拆借收益率序列自相关性较弱。故GARCH
的均值方程可设为：R=∥+￡，接下来要确定条件异方差方程的阶数。一般来
讲，低阶GARCH就能充分捕获数据中的波动丛集性，在金融学术文献中，很少
使用和考虑高阶模型。147】因此，分别设q=l，2；p=l，2；共做4次回归，再根
据AIC准则～确定GARCH模型的阶数。本文用Eviews3．1进行处理后，得到的
。AIC(Akaike information criterionff旨"赤池信息准则，足确定最优滞后阶数的‘种方法，其基本原理是：
AIC(k)=．2L／n+2k／n，满足AIC(m)=min{AIC(k)I k=l，2，3⋯}的m就是最优滞后阶数。本文以AIC最小为筛
选原则，米选择最适滞后期数。
第三章银行同qk拆借市场的VaR模型实证分析
结果见表3．4：
表3-4：同业拆借利率波动模型试算结果
滞后阶数GARCH AIC GARCH—M AIC 1’ARCH AIC EGARCH AlC
(1，1) ．2．051043 ．2．061046 ．2．088243 ．2．091 338
(1， 2) ．2．051214 ．2．059819 ．2．088133 ．2．088856
(2，1) ．2．062256 ．2．065696 ．2．104789 ．2．097665
(2， 2) ．2．071571 ．2．071 947 ．2．102591 ．2．096006
资料米源：根据Eviews 3．1计算得到。
根据AIC准则，通过比较，得到GARCH族模型的条件方差(括号中为z
统计量)分别表示如下：
(一)GARCH(2，2)
r ^
l ‘=0．002282+量
I ‘ (0．964189) ‘
I砰=0．26，，84246,2_l一0·2，5，753 1
E-2_2+1．㈣52㈣66，。4)4 o-,2．．1-0(．-1053．71876623)8畦2862354 l (7 ) (一7 858688) ”⋯⋯V ～⋯⋯～7
根据以上估计结果可知，％显著为正，表明过去波动的扰动蠢。对市场利率
未来波动有正向的减缓作用，说明了利率波动的类聚特征；其次，％、展、肛之
和接近于l，则冲击将对条件方差产生长久记忆，即利率序列的波动在短期内不
会向其均值回归，当前信息对预测未来利率的波动有重要意义。
(二)GARCH．M(2。2)
，：=0．022982-0．294仃++￡
‘
(3 032819) (一3 00928I)
‘ ’
=0．319738占三，一0．303776蠢，+1．509875《1—0．526619仃二2
(7．510754) 一(-0．303776)
‘‘
(25．45648)
‘。
(-10 01073) 。。
A<0，说明在同业拆借市场上，同业拆借利率的波动越大，商业银行面临
的利率风险也越大，因而其收益也就越小。
(--)TARCH(2，1)
VaR模型在银行利率风险箭理中的应』|J探讨
I ‘=0．005645+占，
Z (2 2 7 78lo J
I Z=o撄0021 5+0．(8349578 t，一o(蔓乏0462年2—0㈨．20㈨8卿1 3J4 si．tz一·+0(55．89．，32，2。，7831072)084301 499624) )6￡l l ‘
(3 (8 )
‘‘
(一3． (-6．196959 J
‘‘‘
(55．32317)
‘1
缈<0，说明同业拆借市场上存在着反杠杆效应，即与一般杠杆效应所描述的
负面消息对市场冲击更大的现象相反，银行间同业隔夜拆借市场的正面消息对市
场的冲击更大，有着明显的乐观投资情绪，商业银行头寸拆借不理智，受利好消
息影响更大，盲目性强。这也说明我国商业银行利率风险管理意识和技术较差，
缺少科学合理的头寸管理策略。
(四)EGARCH(2，1)
hor,2=-0㈤．3剐40川39⋯1+0．9抽5脚64妒4㈦I+0m．33192211294，8吲【一，5yjj，2) ‘，2．02，62J
‘
‘o J Irr．I
I
—o．1 5 +． +． 一_Q7_13 E,_2[0 1 1 3393 6'-1 0 081665 e,-2
(-3．153215’lO"t一2 l(2．7709钔05—1 (2 041443l
o-,一2
y<0，同样验证银行同业拆借收益率反杠杆效应显著。
三、同业拆借收益率VaR的计算结果
本文的置信水平定为多数金融机构选择的95％，将前文估计得到的GARCH
族模型的条件标准差q代入公式玩憾=q一。口。q(其中q—l是银行f一1时期持有的
同业拆借净头寸)，即可得到商业银行隔夜同业拆借头寸的VaR值。由前文的同
业拆借收益率序列的正态性检验可知，拆借收益率序列并一i服从正态分布且具有
厚尾性。大量文献研究表明t分布是比正态分布的概率密度函数具有更宽尾部的
一种分布，适合于分析具有厚尾性的分布，本文在计算正态分布假设下的VaR之
后，以t分布为假设，计算银行间同业拆借收益率序列的风险价值。计算结果见
表3．5。
第三章银行同业拆借巾．场的VaR模型实证分析
表3．5：商业银行隔夜同业拆借VaR值单位：亿元
模型均值最大值最小值
GARCH(2，2)-N 31．04473 677．4016 0．245846
GARCH(2，2)-t 34．59669 754．906 0．273974
GARCH-M(2，2)-N 31．14358 705．8607 0．241061
GARCH-M(2，2)-t 34．70684 786．6212 0．268642
TARCH(2，1)-N 28．16995 537．0037 0．199268
TARCH(2，1)-t 31．39299 598．4446 0．222067
EGARCH(2，1)-N 27．781 08 412．807l 0．218764
EGARCH(2，1)-t 30．95963 460．038l 0．243793
资料来源：根据Eviews 3．1计算结果整理得到。
由表3．5可知，商业银行在同业拆借市场的每口头寸的利率风险值十分巨大，
我国商业银行在利率市场化进程中的利率风险不可忽视。考虑到同业拆借市场头
寸占银行利率敏感性资产或负债的比例还不大，如果考虑所有利率敏感性资产负
债的话，商业银行利率风险值将会更大。随着利率市场化进程的加快，利率风险
已经成为每一个商业银行必须面对的重要问题之一。
第三节模型准确性检验
一、VaR模型的准确性检验
VaR模型的准确性检验是指VaR模型的测量结果对实际损失的覆盖程度。正
如前文提到的VaR模型法存在模型风险，使用方差——协方差法、历史模拟法、
蒙特卡罗模拟法等不同的方法得到的资产收益的概率分布不同，这样会对同样的
资产组合得到巧i同的VaR值，使得VaR的可靠性难以把握。一项针对VaR的研
究曾对三个假定的组合使用八种具体的方法来估算每个组合的VaR值，发现对
同一组合，这八种方法估算出的VaR值最大相差14倍。这使得无论监管部门还
是金融机构自身都很难对彳i同的VaR模型进行评价和选择。正是由于这种局限
性，巴塞尔银行监管委员会要求使用事后检验(Back testing)来检验金融机构所使
用的VaR模型的有效性。VaR模型的准确性有多种表示形式，因此其检验方法
VaR模型在银行利率风险管理巾的应用探讨
也有多种，主要有失败频率检验法、超额损失大小检验法、方差检验法以及概率
预测法。本文主要采用最直接的检验方法一失败频率法检验模型的正确性。
把实际损失超过VaR值记为失败，实际损失低于VaR值记为成功。如果假
定VaR估计具有时间独立性，则失败观察的二项式结果代表了一系列独立的贝
努里试验，失败的期望概率为P’(=l-c，c为置信度)。例如，如果置信水平是
95％，则每次试验的失败概率应为5％。因此，检验模型的准确性相当于检验失
败概率等于特定概率的原假设。Kupiec的失败频率检验方法就是基于这种思想。
假定计算VaR的置信度为c，实际考察天数为T，失败天数为N，则失败频
率为P(N／T)。原假设为P=p+。这样对VaR模型准确性的评估就转化为检验失
败频率P是否显著不同于P’。
由二项式过程可得到N次失败在T个样本中发生的概率为：
(1一p)卜ⅣPⅣ
Kupiec提出了对原假设P=P‘最合适的检验是似然比率检验：
LR=-21hi(1一P‘)71一ⅣP’Ⅳ]+2h[(1一N／T)7’一Ⅳ(Ⅳ／丁)Ⅳ】
在原假设的条件下，统计量LR服从自由度为l的Z2分布。在一定的显著性
水平如95％下，我们可以构造相应的接受域。不同置信水平下的接受域如表3-6
所示。显然，置信水平越高，检验越困难，当检验样本中数据很少时更是如此。
表3—6-Kupiee检验的接受域
概率水平P 失败次数的接受区间N
T=255天T=510天T=1000天
0．01 N<7 1<N<ll 4<N<17
0．025 2<N<12 6<N<2l 15<N<36
O．05 6<N<2l 16<N<36 37<M<65
0．075 11<N<28 27<N<5l 59<N<92
O．10 16<N<36 38<N<65 81<N<120
资料来源：菲利普·乔瑞．VaR：风险价值—金融风险管理新标准【M】．北京：中信出版社，2005．
第j章银行同qk拆借巾．场的VaR模型实证分析
以T=255，p=0．osY刁fftJ，只要损失偏离天数N落在[6，21]之间则认为VaR模型
预测是有效的。若N>21则表明VaR模型低估了大额损失发生的可能性；若N<6则
表明VaR模型的估计过于保守。
本文计算的银行间同业拆借利率VaR模型估计的Kupiec检验结果见表3—7。
表3—7：银行间同业拆借利率VaR模型估计的Kupiee检验结果
模型期望失败天数实际失败天数实际失败率LR值①
GARCH(2，2) 46 66 0．072687 8．69
GARCH(2，2)-t 46 51 0．056167 0．7
GARCH—M(2，2) 46 62 0．068282 5．77
GARCH-M(2，2)-t 46 47 0．051762 O．06
●
TARCH(2，1) 46 62 0．068282 5．77
TARCH(2，1)-t 46 49 0．053965 o．3
EGARCH(2，1) 46 61 0．067181 5．12
EGARCH(2，1)-t 46 50 0．055066 0．47
资料来源：根据Eviews 3．1计算结果整理得到。
由表3．7可知，在同业拆借收益率服从正态分布假设前提下，GARCH族模
型计算的VaR值的实际失败天数要大于期望天数，低估了市场风险，模型被拒
绝，这与胡援成、姜光I韭j(2004)研究上证综指口回报波动的结论一致。mJ而t分
布下的实际失败天数接近期望失败天数，且事后检验的LR较小，计算出来的
VaR值较好地刻画了同业拆借市场上的风险状况。另外GARCH．GED模型也可
用来解决￡分布的非正态问题，本文限于篇幅，不再作进一步讨论。
二、小结
1．GARCH．M模型中均值方程中考虑了收益和风险的关系，引入了标准差项
去刻域风险对收益的影响，这体现在最后计算的VaR结果上。相比而言，
GARCH．M、EGARCH和TARCH模型计算的VaR值要好于用GARCH模型得到
o
95％置信水平下自由度为l的Z2分布的分位数为3．841，当LR>3．841时，拒绝初始假设，模型被拒绝。
39
VaR模型在银行利率风险霄理中的应用探讨
的结果，考虑非对称情况的条件异方差模型效果要好于不考虑非对称情况的简单
GARCH模型。
2．在考虑非对称情况时，TARCH和EGARCH模型的计算结果一致表明银
行同业拆借收益率存在反杠杆效应，即收益率上升的正面消息引起的市场波动更
大。这主要是商业银行在同业拆借市场上拆借头寸并不理智，受利好消息的影响
较大。
3．GARCH．Normal模型由于对条件分布的假设不正确，仅部分解决了同业
拆借收益率序列中“尖峰厚尾”问题，这是因为不仅￡的无条件分布存在厚尾现
象，其条件分布通常也是非正态的。而收益率分布的厚尾现象越突出，用正态分
布假设计算出来的VaR值就被低估得越严重，从而可能对商业银行产生危险的
后果。商业银行在计算风险值时，应采用考虑了g，条件分布非正态性的GARCH．t
和GARCH．GDE模型。
4．我国银行同业拆借市场在应用VaR模型时还存在问题。我国同业拆借市
场起步较晚，数据库整体上不能满足风险计量的要求，数据信息量不够，数据不
具有代表性，有时不能及时获得，反映不够全面；只能度量可交易资产和负债的
市场风险，面对利率冲击，银行通常更关心利率变动对利差的冲击，而不是对可
交易工具价格的冲击，从这一点来说，它的作用还不如传统的久期和缺口方法。
第四章完善我圈银行利率风险管理的思考
第四章完善我国银行利率风险管理的思考
由于我国商业银行利率风险管理起步较晚，YaR技术在利率风险计量中的应
用仍旧处于探索阶段。另外，我国的利率市场化改革，一方面可以促使商业银行
增强资产负债管理水平，改善商业银行经营效益；另一方面，对商业银行的业务
产生巨大的冲击，使商业银行利率风险增大，成为一种影响银行经营绩效的重要
风险。因此，加强商业银行利率风险管理，已经成为我国商业银行的重要课题。
第一节我国银行利率风险管理存在的问题
一、我国银行利率风险管理中的固有问题
(一)利率风险内部控制意识薄弱
由于我国长期以来实行的是官定利率，利率一般由政府制定，商业银行缺乏
对利率定价的权利，只能被动接受，因此对由利率变动所引发的风险不够重视，
或者说即使意识到利率变动可能带来银行收益的变化，也认为这是由政府决定
的，自己无能为力，导致商业银行一般只关注信用风险的管理，而忽视利率风险
管理。风险管理往往留于表面，没有形成自上而下包括银行所有职能部门的统一
风险管理体系。以我国工商银行为例，在其年年报中，对于利率的风险管理，仅
以简单的文字加以概括：“利率风险管理建立利率风险管理框架，明确产品定价
政策，建立贷款定价模型和利率核心指标，起草了利率风险管理暂行办法，为建
立全方位、多层次的利率风险管理体系奠定基础。”【48】
利率风险管理意识淡薄，主要表现为：一方面，一些基层行只讲存款数量，
不求存款质量，更不考虑存款结构，存款利率一旦提高，即会导致筹资成本增加；
另一方面，一些基层行在贷款方面只考虑企业需要或短期收益，不考虑商业银行
自身资金来源结构，短期资金用于长期贷款，造成资产与负债结构不相匹配，当
利率发生波动时，造成商业银行经营效益下降。
(二)风险管理和授信决策的独立性不强
国际上大多数商业银行都已经设立了资产负债管理委员会专门进行利率风险
管理，并确定了利率风险管理在资产负债管理中的核心地位。如汇丰银行在集团
4l
VaR模型在银行利率风险管理中的应用探讨
总部乃至各分行层面都设立资产负债管理委员会，负责整个集团或分行范围内所
有利率风险管理重大事项的决策。
我国商业银行的利率管理仍是沿用多年以来的模式，即总行多个部门平行管
理、总分行两级管理的模式。这样的管理模式存在多头管理、缺乏综合协调、浪
费管理成本等一系列问题。银行风险管理部门在绩效考核、行政管理、授信批准
权限等方面缺乏独立性，基层部门尽职调查的独立性更难以保证，甚至完全依存
于业务发展，影响了风险管理体系作用的发挥。此外，我国银行利率风险管理和
决策层次太多，造成风险管理效率不高，信息不对称，再加上各个层级的审核标
准不统一，因而风险得不到有效控制。这种多层次管理体系还弱化了个人审批责
任，多头管理却又互相推诱，大大削弱了利率风险管理效果。
(三)现有信息系统对利率风险管理的支持不足
利率风险管理是一项技术性较强的系统性工程，需要经过从利率风险的预测
到度量、管理等一系列流程，每一个流程都需要运用模型进行精确的测算，这就
要求有一定的数据资料积累和经验总结。
我国商业银行分支结构设置层次较多，传递链条过长，扁平化程度低，信息
的传递通过金字塔式的组织来完成，造成信息传递的准确性低、时效性差。加上
尚未建立起有效的预测分析数据库和有效的信息决策系统，使得利率风险测度和
管理信息的获取、归集和分析比较分散而且手段落后，反馈渠道不畅通。以上这
些原因导致了商业银行对由于利率的频繁调整而产生的利率风险无所适从。
(四)缺乏风险管理的高级人才
风险管理工作对管理人员的知识结构、专业理论和技术方法要求甚高，而我
国商业银行同时具备专业风险管理知识、技术手段和风险管理经验的人才少之又
少，加之缺乏相应的人才培训机制，导致我国风险管理高级人才奇缺。同时，由
于我国银行业已全面放开，许多外资银行在中国扎根落户，他们凭借优厚的福利
待遇、良好的培训深造、畅通的晋升通道和优质的企业文化，对人才展开了激烈
竞争，导致大批优秀人才流向外资银行，不利于提高我国风险管理的能力。
(五)利率风险的综合管理水平落后
目前我国商业银行使用的利率风险管理模型还多以缺口模型和资本负债配
比为主，这种方法已被证明是相对陈旧的，也缺乏规范的标准和程序，使得对于
42
第四章完善我国银行利率风险管理的思考
同样的资产组合不同的银行所测算的风险结果往往大相径庭。另一方面，银行对
于风险的跟踪评估的时间间隔较长，达不到连续性要求。这都导致我国商业银行
无法对经营过程和银行整体资本负债配置过程中产生的整体风险进行综合评估。
此外，我国利率风险防范的整套机制建设还不完善。一些必要的监测、监控
机制要么尚未建立，即使建立了也往往因为存在诸多问题而仅仅停留在纸面上，
并没有真正落实下去。很多银行应对突发事件的能力较弱，缺乏完善的事前、事
中的预警、预报机制，对资产持有期内的价值变化缺少定期分析，重大问题报告
不及时，从而不能有效地控制利率风险，当风险发生时也不能及时采取纠正措施。
二、我国银行借鉴VaR模型进行利率风险管理存在的问题
(一)缺乏权威的中介机构
中介机构是社会信用体系的构成部分，它提供服务的目的是维护和促进信用
交易的顺利进行，维护社会信用关系，降低交易成本。我国市场经济的建立和发
展时间较短，中介机构行为还不够规范，存在会计师事务所做假帐的情况。中介
机构的不规范行为不仅彳i能降低交易成本，反而有加大成本的反作用。在这种情
况下，商业银行要获得权威的信用数据非常困难，造成在VaR管理技术的计量、
预测和控制中的偏差加大。
(二)银监会的监管效率不高
对银行业监管的效率最主要取决于银监会的独立性，应该保证银监会在人事
任免上独立于政府体系，使之超脱于政府之外，不受政府机构人事更迭和政府领
导个人好恶的影响，而这方面的要求我国目前难以达到，造成我国监管效率的较
低。另外，监管需要足够的经费和高超的信息技术手段，这些都需要较大的资金
投入。而现在的方案是让银监会通过向被监管对象分摊费用筹集其运营费用，扭
曲了监管机构与被监管者的关系。这也在一定程度上影响了监管的公正和效率。
由于以上原因造成的监管效率问题，再加上监管技术、方法的落后，必然会抑制
银行借鉴VaR管理利率风险的积极性。
(三)银行客户信用评级较低
我国商业银行的客户主要是国有企业，而大部分国有企业并没有国际认可的
信用评级。由于根深蒂固的经济、金融及社会纽带，商业银行的债权大部分是对
43
VaR模型在银行利率风险符理l}J的应用探讨
信用评级较低的国内债务主体的债权，一旦交由外部评级机构评级，国内商业银
行会因为大量持有这些企业的债权而必须增加资本充足水平，使经营成本和风险
不可避免地增加。鉴于中国银行业目前的状况，如果采取标准法和内部评级法，
可以预见监管资本总体水平将呈上升之势。这将形成一个两难选择，一方面希望
利用国际标准，提高风险管理的能力，用好稀缺的资本金；另一方面，由于历史
的原因，利用国际标准将增加资本金的要求，从而制约银行采用标准法或内部评
级法。
第二节对我国银行利率风险管理的建议
一、加强VaR模型在风险管理中的应用
(一)建立VaR模型对我国商业银行业的意义重大
1．可以提高我国银行业的风险管理水平。银行业风险监管水平的高低，直接
影响到国家经济的繁荣和稳定。我国商业银行资本充足率不高，风险监管过于程
式化，还留有计划经济行政命令的痕迹，缺乏有效的风险测量体系，不能够适应
金融体制改革和金融业自身发展的需要。
VaR方泫能够对银行各市场风险敞口进行准确的测量，所以将其应用于我国
利率风险管理，能有效地弥补我国商业银行风险测量方面的空白。通过VaR方
法的计算结果，银行管理者可以对银行面临的风险有一个清晰的量化认识，并通
过进一步建立完善的管理组织结构，全面地提高我国商业银行利率风险管理水
平，促进我国货币市场乃至整个金融市场健康稳定的发展，同时也为今后我国商
业银行整体市场风险管理打下良好的基础。
2．有利于建立合理的激励机制。[491迄今为止，银行的业务员或交易人员的业
绩在很大程度上是以总收益来确定的。这种评估方式包含了对交易人员过度投机
的激励，即交易人员有可能为实现个人利益的最大化而使银行承担过大的风险。
为了限制下级部门或交易员的过度投机行为，应引入包含风险因素的业绩评价体
系。如美国银行家信托公司将VaR值用于业绩评估，通过将实际收益除以VaR，
设计出新的业绩评价指标——经风险修正的资本收益(RAROC)。使用这种方法对
资金使用进行决策时，不是以盈利的绝对水平作为评判基础，而是考虑了预期风
第四章完善我困银行利率风险管理的思考
险与收益的关系，从而可对过度投机行为进行限制，达到稳健经营的目的。
3．可以提高我国金融市场的总体监管水平。VaR模型作为衡量金融风险的使
用方法，不仅方便了金融机构的风险管理，而且也有助于监管部门进行有效的管
理。巴塞尔协议肯定了VaR方法在金融监管中的地位和作用，并且在世界范围
内加以推广。通过这项技术，使得以往抽象复杂的市场风险可以量化地出现在监
管部门和投资者眼前，提高了对风险的把握程度，为金融监管部门实施有效监管
提供了依据，从而能够提高金融监管的水平。
4．可以加强衍生金融工具交易中的风险管理。VaR模型不仅对基础金融产品
的市场风险能够加以量化，通过模型的拓展应用于衍生产品同样有效。金融衍生
产品本来是金融风险管理的工具，可是由于其高度的杠杆作用，投机性和价格波
动更加强烈。加上一些管理者对衍生产品的认识不够，盲目投资，不但不能够利
用衍生产品规避风险反而引起了更大的风险。用VaR模型管理衍生产品的市场
风险，可以令银行认识到金融工具的风险对资本金的需求，从而加强我国银行抗
风险的能力，避免出现大的危机。
(二)为VaR方法的应用创造良好的条件
我国商业银行应用VaR方法必须具备一定的条件。VaR体系是以具有大量的历
史数据为前提，需要完善的信用评级系统和先进的技术条件：包括硬件和软件。
目前我国商业银行的经营状况还不能满足这些要求。要利用先进的风险量化管理
技术，首先必须为这些技术的应用创造条件。
1．必须建立完善的信用评级系统。在我国信用评级领域，无论是债券评级还
是企业评级，目前均没有违约率方面的统计。我国银行内部评级开展时间短且不
规范，贷款企业信用评级更多地用于客户的选择及风险的预警，尚未向更深层次
的风险量化管理方向发展。所以，首先必须建立完善的信用评级系统。信用评级
的核心是充分揭示借款人特定债务的信用风险。为此，商业银行应该对影响借款
人未来偿付能力的各种因素及其变化趋势进行全面系统的考察，在定性分析和定
量分析的基础上，再确定借款人的违约可能性及严重程度，以便全面、真实、动
态地反映债务人的信用风险程度，从而得出债务人的最终评级。
2．开发能满足VaR计算需求的信息系统。VaR模型是建立在大量的历史数
据基础上的，没有相关的基础信息和参数，VaR就无法得到准确测量，也难以进
45
'CaR模型在银行利率风险箭理【}】的应用探讨
行事后检验。现阶段我国商业银行还存在数据信息量不够、数据不具有代表性、
数据不能及时获得、反映不够全面等问题，数据库整体上不能满足风险计量的数
据要求。因而，商业银行有必要建立一个专门的信息系统进行利率风险分析，量
化测算利率风险进而主动调整资产负债组合。信息系统应当按资产负债的到期日
或重新定价日建立数据库，能生成每一笔生息资产、负债的距到期日或重新定价
日的剩余期限和合同利率的详细情况。以此信息系统为基础，可进行各种分析，
为银行进行利率风险管理，调整资产负债结构提供依据。为适应这一要求，商业
银行必须改造现有的计算机硬件设施及相应的配套软件系统，为信息系统的建立
提供基础。其次，要尽可能确保统计信息的准确性和及时性。再次，要实现公共
信息的信息共享。
3．选择适合我国商业银行的YaR模型。目前我国商业银行缺乏历史数据的
积累，这大大限制了历史模拟法的使用，而对于方差——协方差法和蒙特卡罗模
拟法的影响相对较小。因此我国目前应以方差——协方差法为主，历史模拟法为
辅，将两者相互结合，互相补充。其次，要选择适合我国商业银行实际风险管理
的置信水平和持有期。基于我国商业银行目前的风险状况和运用VaR模型的实
际能力，以及现阶段数据不足等现实问题的考虑，我国商业银行在利率风险管理
上可以考虑选择95％的置信水平，持有期为1个交易日。由于我国银行间同业拆
借市场，银行间债券市场，包括贴现和再贴现在内的货币市场的利率已实现了市
场化，因此可以将其作为试点，运用YaR模型对其进行利率风险管理。最后，
随着相关数据的逐步积累，商业银行应逐步引用压力测试等方法对VaR的有效
性进行检验。
4．开发一套具有反欺诈功能的风险监测系统。我国应针对目前国内信用环境
差，企业欺诈行为严重的问题，开发一套具有反欺诈功能的风险监测系统。反欺
诈研究是国外风险研究的新成果，通过量化和建模的方法，从中甄别出虚假的财
务数据，将其剔除出去，保证数据的真实性。具体来说就是选择分行业上市公司
样本，运用会计基本原理、结合审计经验判断，确定行业财务指标标准值(或区
域、同类性企业标准指标)，再输入客户财务信息，综合比较财务指标并作出判
断，由此清除虚假报表对银行的欺诈，提高银行使用VaR技术的测量分析基础，
提高模型分析的正确性。此外，政府还应积极完善金融法规，健全经济法律体系，
第四章完善我圉银行利率风险管理的思考
使银行和企业合规地进行经营管理。
二、利用VaR模型加强我国银行风险信息披露
我国商有银行目前对风险信息的披露上存在明显缺口，在风险管理上缺乏数
据说明，这使管理者无法掌握其风险状况，因而不能有效的配置资金。同时对于
投资者而言，他们也无法了解银行面临的实际风险状况，难以做出正确的投资决
策，这更刁<利于有效的金融监管。通过对VaR方法的运用，我国商业银行应及
时建立起风险报告机制，定期在其年报中披露其使用的风险测量模型，潜在假设
和模型的计算及分析结果，逐步创建风险档案(Risk File)，为后续风险管理提供
可靠依据。同时，金融监管部门应制定相应的政策，引导并鼓励金融机构在积极
运用先进风险管理技术的同时加强风险信息的披露。此外，金融监管部f-j自身也
应采用VaR技术来加强监管。
三、加快利率风险管理专业人才的培养
正如前文所述，利率风险的衡量和管理包括许多方法和模型，这些方法和模
型大多数都是西方国家商业银行根据自身情况研究和演变出来的，在我国的国情
下能否适用，需要哪些改进和开发研究，这些都需要有专门的了解我国金融国情
的人才来做。而且利率风险衡量和管理是一个系统性很强、技术性很强的工程，
对人才的知识背景、模型掌握、数学能力都有很高的要求。因此，一方面，我国
应采取切实可行的措施，培养这些熟知我国金融国情的人成为利率风险度量和管
理的高素质人才，包括制定人才培养计划、加强与国际银行业的学术交流、加大
高级人才的海外培训力度等等，重视人的情感情绪、尊重人的价值，以人为本，
最大限度地挖掘人的潜力。另一方面，要加强制度建设，深化人事制度改革，包
括重新构造人力资源的配置机制，改革目前僵化的人事制度，建立与授权授信、
客户经理制、岗位责任制相适应的收入分配和绩效考核制度，加大力度吸引这些
人才留在我国商业银行进行服务，这样才能在银行业全面放开的今天，与外资银
行展开激烈的竞争并保持优势。
47
VaR模型在银行利率风险管理巾的应用探讨
四、建立综合性的利率风险管理系统
(一)争取实现总行的集中监管
我国商业银行已经存在资产负债管理部门，但利率风险的度量及管理并不完
全由资产负债管理部门管理，而是由各个部门分散管理。在这种管理模式下，一
方面，各分行迫于完成存贷款新增指标、利润指标等的压力，在大力吸收存款的
同时，还必须争先放贷，为资金寻找出路。其结果是，总、分行均在不同程度上
承担了利率风险，从而导致利率风险管理过于分散化。因此，我们应在总行建立
资产负债管理部门专门进行利率风险的度量和管理，确定利率和费率的基准水平
和信息系统模式的建设，由总行统一调配全行的资产负债、制定利率定价和利率
政策，并通过内部资金转移价格实行内部利率传导，交由各级分行统一执行，各
级分行定期向总行报告执行情况，由总行进行统一的利率风险监管。这样一来，
既可以避免多头管理的混乱，降低管理的成本，也有利于其它资产、负债和投资
部门集中精力实现自身业务目标，有利于防范和化解利率风险。
以前文运用GARCH．M．t计算的VaR模型为例。在总分行制下，总行可以把
自己能承受的风险分解到下辖的分行去。若是总行的VaR限额为35亿元，那么
分解到分行A、B之后，可以每个分行分别承担17和18亿元的VaR限额。各分
行再将自己VaR限额分解到所辖支行A1、A2(设分行A有两个支行，VaRAl为
8亿元，VaRA2为9亿元)。B分行也可以向下分解给B1、B2和B3(设分行B
有三个支行，VaRm为5亿元，VaRB2为7亿元，VaRB3为6亿元)，使商业银行
的各分支行都能明确自己的最大风险交易额，以防止过度投机行为的出现，确保
商业银行稳健经营。
(二)明确各部I'-JSmJ率风险管理职责分工
利率风险管理流程分为利率风险的识别、计量、评估、监测和控制的全过程。
董事会风险管理委员会根据全行战略目标设置利率风险的目标和政策，作为承担
利率风险管理的职能部门，资产负债管理部门则应建立基本的利率风险衡量、监
测、控制和报告制度，通过运用敏感性缺口法、持续期缺口法、模拟分析法及
VaR模型法等方法衡量利率风险，分析出利率波动对银行资产收益的影响程度，
出具利率风险管理报告，决定风险暴露程度，据此提出有针对性的资产负债管理
策略，通过改变资产负债表的各种构成和结构以及利用金融衍生工具来降低利率
第四章完善我园银行利率风险管理的思考
风险，并随时根据新情况及时调整。对此，我国银行可借鉴国外经验，建立如图
4．1的风险管理组织框架【50】：
图4-1：金融机构风险管理组织结构图
资料来源：高胜荣．论商业银行风险管理中VAR的借鉴【D】．两南财经大学硕士学位论文，2004．"
P59
综上所述，通过采取加强VaR模型的运用、利用VaR模型加强商业银行风
险信息披露、加快利率风险专业管理人才的培养、建立综合性的利率风险管理系
统等一系列的措施，可以改善我国银行利率风险管理较为落后的现状，提高银行
风险管理水平和盈利能力。
49
VaR模型在银行利率风险管理中的应川探讨
结束语
在过去的十几年间，银行风险管理领域发生的最为显著的变化是银行的管理
重点逐渐从传统的资产负债管理过渡为以风险计量和风险优化为核心的全面风
险管理。国际上活跃的各大银行，从未像今天这样重视对风险的计量。对今天的
银行管理者来说，如果还不了解风险价值VaR、风险调整收益(risk．adjusted return)
这样的概念，显然已经不行了。而目前我国商业银行在风险管理中往往忽视风险
控制，银行的收益大多没有经过风险调整。在这样的背景下，本文实证分析了运
用VaR模型度量我国银行利率风险价值的可行性，探讨完善我国利率风险管理体
系的方法。由于我国金融市场的特殊情况以及笔者的水平所限，在文章的写作过
程中存在以下难点和不足：
本文的研究难点主要在于数据的选择和数据的准确性两方面。在运用VaR模
型对我国金融市场进行实证检验时，模型本身需要大量市场化的利率数据，而我
国利率市场化改革进行不久，金融市场上的利率受到管制，没有反映货币市场和
资本市场的供求状况。对于这一点，本文选取了利率市场化改革后的同业拆借市
场利率作为市场利率变量，以力求数据满足模型要求。此外，从计算风险价值的
模型数据要求和模型事后检验的要求来看，本文所采用的历史数据存量可能不足
以确保结果的准确性。
本文还存在以下有待改进的地方：
1．本文只选择了同业拆借市场的隔夜拆借利率这一个样本作为研究对象，而
实际的银行业务通常是由大量的资产组合而成，随着计算机技术的高速发展和信
息量的增大，可以对银行业务进行更符合实际的验证。
2．本文的实证是建立在一种简化模型基础上的，在计算风险价值时，只采用
了方差——协方差的方法，未对其它方法作进一步的探讨和比较，这可能在一定
程度上影响了本文计算结果的准确性，因而实证结果与国际主流组合风险度量模
型结构不可比。
参考文献
[参考文献]
【l】邵伏军．利率市场化改革中的风险及控制[M】．北京：中国金融出版社，2005．
【2】Knight Frank．Risk，Uncertainty andprofit fM】．Boston：Houghton Mifflin，1 92 1．
【3】Peter Newman，Murray Migrate and John Eatwell．The New Palgrave Dictionary ofMoney
andFinance侗【z】．Macmillan Press Limimd，1 992．
[4】上海财经大学金融学院．2005中国金融发展报告【R】．上海：上海财经大学出版社，2005
【5】安东尼·G·科因．利率风险的控制与管理【M】．北京：经济科学出版社，1999．
【6】何勇．我国商业银行经营收入结构转型研究【J】．当代经济科学．2006，(3)：74
[7】戴国强．我国商业银行利率风险管理研究[M】．上海：上海财经大学出版社，2005．
【8】央行2007年第六次调整利率[EB】．http：／／finance．sina．com．en／focus／6cjx／，2007-12．21．
[9】9屈扬．利率市场化背景下我国商业银行利率风险管理研究[D】．西南财经大学硕士学位论
文，2007．
【10】(意)皮埃特罗·潘泽，(美)维普·K·班塞尔著，綦相译．用VaR度量市场风险【M】．北京：
机械工业出版社，2001．
[11】Jorion，Philippe．Value at Rislc The New Benchmarkfo，．Controlling Market Risk【M】．New
Ybrk：McGraw-Hill。1 997．
【12】Markowitz H．Portfolio Selection[J】．Journal ofFinance，1952，(01)：77—91．
【1 3】Kupiec，Paul．Techniques for Veilfying the Accuracy of Risk Measurement Models【J】．
Journal ofDerivatives，1995，(1 2)：73—84．
【1 4】Hendrics．D．Evaluation Value—at—Risk using history data[J】．Economy Policy Review，1 996，
(02)：39-70．
【1 5】Chew，Lilian．Managing derivative risks【M】，New York：John Wiley&Sons，1 996．
[1 6】Duffle．D．，J．Pan．An Overview of Value at Risk【J】．The Journal ofDerivatives，1 997，
(4／3 Spdn91：7—49．
【1 7】Shukur Ghazi，Mantslos Panagiotis．A Simple Investigation of the Granger-Causality Test in
Integrated—cointegrated VaR System【J】．Journal Applied Statistics，2000，(02)：1 02 1．
[1 8】Helmut．Maximum Eigenvalue Versus Tests for the Cointegrating Rank of a VaR Process【J】．
Econometrics Journal，200 1，(04)：28 1．
51
VaR模型在银行利率风险管理中的应用探讨
【1 9]Artzner，P．F．Delbaen，J-M．Eber，D．Heath．Coherent Measure of Risk【J】．Mathematical
Finance，1 999，V01．9(3)：203-228．
【20】姜伟，黄安定．金融风险测度理论发展及评价[J】．当代经济，2007，(08)-137-138．
【2 1】Acerbi．C．，Tasche．D．On the Coherence of Expected Shortfall【J】．Journal ofBanking and
Finance，2002，(26)：1491·150．
【22】郑文通．金融风险管理的VaR方法及其应用[J]．国际金融研究，1 997，(09)：59．62．
【23】刘宇飞．VaR模型及其在金融监管中的应用[J】．经济科学，1999，(10)：P39．50．
【24】戴国强，徐龙炳，陆蓉．VaR方法对我国金融风险管理的借鉴及应用【J】．金融研究，2000，
(07)：45-5 1．
【25】刘国旗．非线形GARCH模型在中国股市波动预测中的应用研究【J】．统计研
究，2000，(01)：49—52．
【26】叶青．基于GARCH和半参数法的VaR模型及其在中国股市风险分析中的应用【J】．统计
研究，2000，(12)：25—29．
[27】王美今，王华．基于GARCH-t的上海股票市场险值分析[J】．数量经济技术经济研
究，2002，(03)：106—109．
[28】迟国泰，奚扬，姜大治，林建华．基于VaR约束的银行资产负债管理优化【J】．金融研究，
2000，(07)：45—51．
【29】袁丽胜，朱世武．事后检验站市场风险管理中的应用【J】．金融研究，2002，(10)：55．60．
【30】龙海明，黄卫．VaR在消费信贷风险管理中的应用[J】．财经理论与实践，2002，(1 1)：
19．24．
【31】王志诚．股票质押贷款率评定的VaR方法[J】-金融研究，2003，(12)：64．71．
【32】周毓萍，孔莉娜，黄彬．VaR方法在中国商业银行风险管理中的应用[J】-当代经济，2006，
(03)：82-84．
【33】Basel committee．Proposal to issue a supplement tO the Basel Capital Accord to cover
market risks【M】．1 995．
[34]曹乾，何建敏．VaR：金融资产市场风险计量模型及其对我国的适用性研究【J】．中央财
经大学学报，2004(5)：31．35．
[351张贤云．VaR模型与我国的金融风险管理【J】．南京财经大学学报，2004，(05)：41．43．
[36】姚京，李仲飞．VAR估计中的模型风险[J】．金融管理，2005，(10)：3．
【37】Engle R．F．Autoregressive conditional Heteroscedasticity with Estimates of the Variance of
52
参考文献
United Kingdom Inflation[J】．Econometr／ca，,1 982，(50)：987·1 008．
【38】Bollerslev T．Generalized autoregressive conditional heteroskedasticity【J】．Journa／of
Economics，1 986，O 1)：307．-327．
[39】Nelson．Conditionalheteroskedastic in asset returns：a new approach【J】．Econometrica,
1991，(59)：347．-370．
【40】Zakoian J．M．Threshold Heteroskedastic Model[J】．Journal ofEconomic Dynamics and
Control，1994，(18)：931·．955．
【41】邹建军，张宗益，秦拯．GARCH模型中计算我国股市风险价值中的应用研究【J】．系统工
程理论与实践，2003，(05)：20-．26．
[42】陈守东，俞世典．基于GARCH模型的VaR方法对中国股市的分析【J】．吉林大学社会科
学学报，2002，(07)：1l—17．
[43】田新时，刘汉中，李耀．沪深股市一般误差分布(GED)下的VaR计算【J】．管理工程学
报，2003，(01)：25．28．
【44】胡援成，姜光明．上证综指收益波动性及VaR度量研究【J】．当代财经，2004，(06)：34．．38．
【45】陈收，曹雪平．基于GARCH和C-F扩展到VaR模型及应用【J】-系统工程，2004，(06)：
29—34．
[46】易丹辉．数据分析与Eviews应用[M】．北京：中国统计出版社，2002．
【47】(英)克里斯·布鲁克斯著，邹宏元主译．金融计量经济学导论[M】．四川：西南财经大学
出版社，2005．
【48】中国工商银行年年报【EB】．http：／／www．icbc．corn．cn／download／nb／2005／2005．pdf,
2007．1 2-28．
[49】(美)菲利普·乔瑞著，张海鱼译．VaR：风险价值——金融风险管理新标准[M]．北京：中
信出版社，2005．
【50】高胜荣．论商业银行风险管理中VAR的借鉴【D]．西南财经大学硕士学位论文，2004．
53
VaR模型在银行利率风险管理l}J的应Jf】探讨
后记
在我的硕士毕业论文完成之际，我首先要感谢我的导师李子白教授。临近毕
业，老师比平时更加忙碌，此时又恰逢其家人生病住院，老师不得不在学校、医
院之间奔忙，经常工作到深夜。既便如此，在论文选题、结构设计、资料收集、
文字处理和修改直到最终定稿的整个过程中，老师一直都给予了我非常细心的指
导和无私的帮助，这种对待工作认真负责的态度让我深深地感动和钦佩。回顾过
往的三年，老师不仅是长辈，指导着我的学业，更是朋友，关心着我的生活。和
老师相处的时光是我这一生中一份宝贵的财富，我将永远记忆和珍惜，再一次谢
谢老师对我的关怀和帮助!
感谢金融系的其他各位老师，他们或是指引我进入新的学术领域，或是加深
了我对原有问题的研究程度，他们渊博的学识和严谨的治学态度使我在研究生三
年学习中受益匪浅。
感谢在厦门大学和我一起生活和学习的同学们，在和他们的交流中，我加深
了对一些专业知识的理解，同时也在紧张的学习之余得到放松，让我收获了宝贵
的友情。
感谢我的父母，没有他们的鼓励、支持和帮助，完成研究生学业和学位论文
的写作几乎是不可能的。
最后感谢在百忙之中评阅论文和参加答辩的各位老师和各位专家1
54
陶玲
2007年3月于厦门大学