基于La―VaR模型的中國國債市場流動(dòng)性風(fēng)險(xiǎn)研究

　　國債市場，是國債發(fā)行和流通市場的統(tǒng)稱，是買賣國債的場所。中央銀行通過在二級(jí)市場上買賣國債(直接買賣，國債回購、反回購交易)來進(jìn)行公開市場操作，借此存吐基礎(chǔ)貨幣，調(diào)節(jié)貨幣供應(yīng)量和利率，實(shí)現(xiàn)財(cái)政政策和貨幣政策的有機(jī)結(jié)合。

　　摘要：本文基于La-VaR模型測度中國國債市場流動(dòng)性風(fēng)險(xiǎn)，并選取2009―2015年上證國債指數(shù)為數(shù)據(jù)，采用GARCH-VaR模型和La-VaR模型度量國債市場所面臨的流動(dòng)性風(fēng)險(xiǎn)，分析La-VaR模型對我國國債市場流動(dòng)性風(fēng)險(xiǎn)測度的有效性。結(jié)果表明：相對于傳統(tǒng)的VaR模型，La-VaR模型能更好的測度國債市場的流動(dòng)性風(fēng)險(xiǎn)，且La-VaR模型的預(yù)測結(jié)果與國債市場的表現(xiàn)大致吻合，可對國債市場進(jìn)行較好的預(yù)測。

　　關(guān)鍵詞：國債市場;La-VaR模型;流動(dòng)性風(fēng)險(xiǎn)

　　一、引言

　　“流動(dòng)性是市場的一切”，也就意味著流動(dòng)性是證券市場的生命力所在。而流動(dòng)性風(fēng)險(xiǎn)作為目前資本市場的主要風(fēng)險(xiǎn)之一，其對于整個(gè)金融市場的影響可謂是舉足輕重。1997年的亞洲金融危機(jī)、1998年的俄羅斯金融風(fēng)暴以及2007年美國次貸危機(jī)無一不說明了金融市場流動(dòng)性的缺失會(huì)導(dǎo)致重大金融危機(jī)的發(fā)生�，F(xiàn)如今，隨著我國不斷深化對國債市場乃至整個(gè)債券市場的改革，債券市場在整個(gè)證券市場中扮演的角色愈發(fā)重要，且投資者對債券市場的流動(dòng)性需求也愈發(fā)提高，而國債市場作為債券市場的重要一環(huán)，國債市場的流動(dòng)性風(fēng)險(xiǎn)也不容忽視。鑒于流動(dòng)性風(fēng)險(xiǎn)管控在國債市場發(fā)展過程中的重要性，本文將對中國國債市場的流動(dòng)性風(fēng)險(xiǎn)進(jìn)行實(shí)證研究。

　　流動(dòng)性對于整個(gè)市場而言至關(guān)重要。Schwartz(1988)就曾指出市場流動(dòng)性、波動(dòng)性和定價(jià)效率是反映金融市場質(zhì)量最核心的三個(gè)要素[1-2]。Demesetz(1968)指出較高的交易需求導(dǎo)致了提供流動(dòng)性服務(wù)中間商可以謀取利潤，而買賣價(jià)差則是交易者為了獲取交易及時(shí)性所付出的成本，自此，用買賣報(bào)價(jià)價(jià)差作為流動(dòng)性的衡量指標(biāo)被廣泛應(yīng)用于流動(dòng)性研究的各個(gè)領(lǐng)域[3]。Pastor和Stambaugh(2003)提出假說，對于流動(dòng)性較差的股票的較高預(yù)期收益是對市場層面上(系統(tǒng))流動(dòng)性風(fēng)險(xiǎn)的補(bǔ)償[4]。基于這一假說的研究通常會(huì)構(gòu)造共同的流動(dòng)性風(fēng)險(xiǎn)因子[5]。Amihud(2002)等對流動(dòng)性則定義為在一定時(shí)間內(nèi)完成交易所需要的成本，或?qū)ふ乙粋�(gè)理想價(jià)格所需要的時(shí)間，并定義非流動(dòng)性測度指標(biāo)ILLIQ，ILLIQ指標(biāo)越高，股票的流動(dòng)性越差[6]。

　　從前人對流動(dòng)性的定義和影響因素來看，流動(dòng)性至少涉及三方面內(nèi)容，即價(jià)格、數(shù)量和時(shí)間。一般地，分別以密度、深度、彈性對以上三個(gè)方面進(jìn)行刻畫[7-9]。Liu(2006)和Hasbrouck(2009)等進(jìn)一步將流動(dòng)性總結(jié)為三個(gè)維度：交易成本、交易速度、價(jià)格沖擊。在使用不同的計(jì)量方法對市場流動(dòng)性和信用風(fēng)險(xiǎn)進(jìn)行測量時(shí)[10-11]。Schwartz(2010)得出結(jié)論認(rèn)為，流動(dòng)性風(fēng)險(xiǎn)是更重要的因素，該結(jié)論與Acharya， Pedersen(2005)相一致[12-13]。針對流動(dòng)性風(fēng)險(xiǎn)的測度，不少學(xué)者在傳統(tǒng)VaR模型的基礎(chǔ)上引入流動(dòng)性變量，形成了專門針對流動(dòng)性風(fēng)險(xiǎn)的風(fēng)險(xiǎn)價(jià)制度模型。John C、 Hull(2008)曾指出，經(jīng)流動(dòng)性調(diào)節(jié)過后的VaR等于在傳統(tǒng)VaR的基礎(chǔ)上加上各個(gè)頭寸資金與價(jià)格溢差百分比乘積之和。由于價(jià)差具有隨機(jī)波動(dòng)性，基于以上思路，Bangia A和Diebold F(1999)提出了基于價(jià)差來計(jì)算流動(dòng)性的La-VaR模型[15]。Yoshifumi Hisata ，Yasuhiro

　　Yamai(2000)通過考慮市場的流動(dòng)性水平和投資者交易頭寸大小對變現(xiàn)價(jià)值的影響把市場影響機(jī)制引入VaR模型中[16]。

　　在國內(nèi)的相關(guān)研究中，流動(dòng)性的測度通常包括市場寬度、深度、彈性和即時(shí)性四個(gè)維度，除了運(yùn)用四個(gè)維度測度流動(dòng)性，楊之曙和吳寧玫(2000)指出交易股數(shù)、交易量(金額)、交易次數(shù)、換手率、價(jià)格的波動(dòng)性、市場參加者人數(shù)、交易書目也可以被認(rèn)為是市場流動(dòng)性的替代指標(biāo)[17]。其中，換手率等指標(biāo)經(jīng)常被用來衡量流動(dòng)性。蘇冬蔚和熊家財(cái)(2013)、仲黎明、劉海龍和吳沖鋒(2003)、劉林(2012)、張蕊和王春峰(2010)均采用換手率和其他相關(guān)指標(biāo)來衡量流動(dòng)性[18-21]。除了流動(dòng)性的三大維度，Amihud所提出的ILLIQ指標(biāo)也十分受中國學(xué)者的青睞，即每日回報(bào)的絕對值和成交金額之間的比值。姚亞偉等(2012)、孫彬等(2010)、王東旋等(2014)、李文鴻、田彬彬和周啟運(yùn)(2012)均采用Amihud的ILLIQ指標(biāo)衡量流動(dòng)性[22-25]。在有關(guān)流動(dòng)性風(fēng)險(xiǎn)測度的研究中，戴國強(qiáng)、徐龍炳和陸蓉(2000)指出，VaR方法提供了一種風(fēng)險(xiǎn)管理的思路，這種思路不僅可用于市場風(fēng)險(xiǎn)的管理，還可用于信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和其它風(fēng)險(xiǎn)的管理[26]。周毓萍(2005)認(rèn)為流動(dòng)性缺口是流動(dòng)性風(fēng)險(xiǎn)的量化指標(biāo)，為了更好的管理流動(dòng)性風(fēng)險(xiǎn)，VaR能夠量化損失的大小[27]。但彭坤和王飚(2002)認(rèn)為VaR也并非萬應(yīng)良藥，由于VaR模型假定市場因素收益率要服從正態(tài)分布，所以他們認(rèn)為該模型不符合實(shí)際情況[28]。

　　針對VaR在基本假設(shè)上存在的問題，龔銳、陳仲常和楊棟銳(2005)使用GARCH模型較好的刻畫了收益的動(dòng)態(tài)變化特征，考慮了對數(shù)收益率方差的動(dòng)態(tài)性與時(shí)變性[29]。張瑞軍和孟浩(2013)運(yùn)用基于GARCH的VaR模型針對離岸債券市場風(fēng)險(xiǎn)狀況進(jìn)行了分析[30]。宋逢明和譚慧(2004)則在VaR可以較好測度風(fēng)險(xiǎn)的思路上繼續(xù)深入，將流動(dòng)性風(fēng)險(xiǎn)加入到VaR模型中，建立了一個(gè)基于股票市場實(shí)際特點(diǎn)的對流動(dòng)性風(fēng)險(xiǎn)進(jìn)行調(diào)整后的VaR模型[31]。針對債券市場的流動(dòng)性風(fēng)險(xiǎn)研究，聞岳春和程同朦(2010)采用La-VaR模型對債券投資中來自債券市場的市場風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)進(jìn)行計(jì)量[32]。

　　從以往的研究結(jié)果來看，流動(dòng)性風(fēng)險(xiǎn)的相關(guān)研究大都集中于股票市場，對于債券市場的流動(dòng)性風(fēng)險(xiǎn)研究相對較少，而定位于國債市場的流動(dòng)性風(fēng)險(xiǎn)研究則更是少之又少，本研究的創(chuàng)新之處在于：選取上證國債指數(shù)為樣本，采用La-VaR模型(BDSS模型)，研究基于我國國債市場的流動(dòng)性風(fēng)險(xiǎn)測度問題。

　　二、模型設(shè)定與實(shí)證方法設(shè)計(jì)

　　(一)模型設(shè)定

　　傳統(tǒng)的VaR的定義，為在某一個(gè)既定的置信水平下，在特定的持有期內(nèi)，資產(chǎn)組合可能會(huì)遭受的最大損失。對于傳統(tǒng)的在險(xiǎn)價(jià)值而言，側(cè)重于衡量資產(chǎn)組合所面臨的市場風(fēng)險(xiǎn)，并沒有涵蓋流動(dòng)性風(fēng)險(xiǎn)在內(nèi)，考慮到這一點(diǎn)，1999年，Bangia、Diebold、Schuermann、Stroughair提出了基于買賣價(jià)差的流動(dòng)性風(fēng)險(xiǎn)模型――La-VaR模型，也就是BDSS模型。他們的基本思路為：在傳統(tǒng)VaR模型的基礎(chǔ)上加上了一個(gè)增量，這個(gè)增量也就是價(jià)差帶來的流動(dòng)性風(fēng)險(xiǎn)。

　　假設(shè)某資產(chǎn)當(dāng)前的中間價(jià)格為S0，資產(chǎn)的對數(shù)收益率為，收益率rt代表的是資產(chǎn)真實(shí)價(jià)值給投資者帶來的收益。Bangia等給出了未來1個(gè)持有期內(nèi)，置信水平為c，頭寸為1單位的La-VaR的解析式，

　　其中，著表示相對價(jià)差的期望值，?滓?著表示相對價(jià)差的標(biāo)準(zhǔn)差，?酌是相對價(jià)差的刻度因子，也就是在正態(tài)分布假設(shè)下所對應(yīng)的置信水平。由于在進(jìn)行資產(chǎn)交易的時(shí)候，存在著要價(jià)與報(bào)價(jià)，所以價(jià)差總是為總價(jià)差的一半，也就需要相對價(jià)差乘上1/2。

　　由公式可知，BDSS模型實(shí)質(zhì)上是將La-VaR模型具體分為了兩個(gè)部分，其中S0[1-exp代表中間價(jià)格波動(dòng)的風(fēng)險(xiǎn)，也就是我們所說的傳統(tǒng)的VaR，而則代表以價(jià)差計(jì)算的流動(dòng)性風(fēng)險(xiǎn)，由此便得到了La-VaR模型。Bangia等人針對賣出價(jià)與買入價(jià)的溢差的不定性做出了改進(jìn)，但假設(shè)產(chǎn)品的賣出價(jià)與買入價(jià)的溢差的百分比分布相互獨(dú)立，這種假設(shè)相對來說比較保守。

　　本文將在BDSS模型的基礎(chǔ)之上，通過對流動(dòng)性指標(biāo)及其數(shù)據(jù)可得性進(jìn)行分析，結(jié)合我國國債市場的實(shí)際情況，重新設(shè)定了買賣價(jià)差的定義。設(shè)定債券價(jià)格的開盤價(jià)Pk，收盤價(jià)Ps，最高價(jià)Ph，最低價(jià)Pt，價(jià)差S0則為最高價(jià)Ph與最低價(jià)Pt的差值，中間價(jià)格Pt=(Pk+Ps+Pt+Ph)/4，相對價(jià)差即為S=S0/Pt。

　　(二)實(shí)證方法設(shè)計(jì)

　　本文首先對時(shí)間序列數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)及ARCH效應(yīng)檢驗(yàn)，在存在高階ARCH效應(yīng)的基礎(chǔ)上采用四種GARCH模型對比估計(jì)時(shí)間序列的波動(dòng)率，從中選出最優(yōu)的GARCH模型并在此結(jié)果之上，使用模型構(gòu)建法建立VaR模型與La-VaR模型。

　　三、實(shí)證分析

　　(一)數(shù)據(jù)

　　由于抽樣選取債券樣本有一定的難度且無法整體反應(yīng)整個(gè)國債市場的流動(dòng)性，本文決定選用債券指數(shù)來綜合反應(yīng)我國國債市場狀況。選擇標(biāo)準(zhǔn)有二，一則能較好的反映我國國債市場的整體情況;二則該指數(shù)需要在交易日具有價(jià)格波動(dòng)。綜合以上兩個(gè)標(biāo)準(zhǔn)，本文選擇上證國債指數(shù)作為樣本，該指數(shù)是上證指數(shù)系列的第一只債券指數(shù)，是以上海證券交易所上市的所有固定利率國債為樣本，按照國債發(fā)行量加權(quán)而成，可以綜合的反映我國國債市場整體變動(dòng)狀況。該指數(shù)采用的是派氏加權(quán)綜合價(jià)格指數(shù)公式來進(jìn)行計(jì)算，并以樣本國債的發(fā)行量為權(quán)數(shù)進(jìn)行加權(quán)①。

　　由此，本文將選取上證國債指數(shù)2009年1月1日至2015年6月30日數(shù)據(jù)為樣本數(shù)據(jù)。其中前4年的數(shù)據(jù)(2009年1月1日至2012年的12月31日)用于回歸參數(shù)估計(jì)，2013-2015年為預(yù)測區(qū)間。數(shù)據(jù)來源為wind數(shù)據(jù)庫。

　　(二)數(shù)據(jù)基本分析

　　1、描述性統(tǒng)計(jì)及正態(tài)分布檢驗(yàn)

　　以上證國債指數(shù)為數(shù)據(jù)，對其進(jìn)行取對數(shù)并差分，得到收益率r，即

　　其中，Pt為上證國債指數(shù)第t日最后的收盤價(jià)，Pt-1為第t-1日最后的收盤價(jià)，其描述性統(tǒng)計(jì)結(jié)果如下：

　　由圖1可知，偏度S=-0、358126<0，峰度K=24、27459>3，與標(biāo)準(zhǔn)正態(tài)分布(S=0，K=3)相比，收益率r呈現(xiàn)出左偏尖峰的分布態(tài)勢。所以，在選擇分布假設(shè)時(shí)，應(yīng)選擇更能體現(xiàn)”尖峰厚尾”的t分布或GED分布。

　　2、聚集性檢驗(yàn)

　　金融時(shí)間序列往往具有聚集性，從收益率r序列的時(shí)序圖中我們看到，收益率序列的聚集性明顯，即每一次小幅度波動(dòng)后面往往跟著的是較小幅度的波動(dòng)，而每一次大幅度波動(dòng)后面往往跟著的是較大的波動(dòng)。數(shù)據(jù)的前半段與后半段形成鮮明對比，前半段整體呈現(xiàn)出較大波動(dòng)，而后半段波動(dòng)較小。

　　3、平穩(wěn)性及相關(guān)性檢驗(yàn)

　　采用ADF單位根檢驗(yàn)法檢驗(yàn)序列的平穩(wěn)性，原假設(shè)為：序列存在單位根，即序列為非平穩(wěn)序列。

　　結(jié)果顯示：原假設(shè)不成立，序列不存在單位根，是平穩(wěn)序列。

　　圖3的數(shù)據(jù)為殘差相關(guān)性檢驗(yàn)結(jié)果，從圖中可以看出，自滯后3期開始，自相關(guān)系數(shù)和偏相關(guān)系數(shù)在統(tǒng)計(jì)上為顯著，且Q統(tǒng)計(jì)量也顯著。

　　綜上所述，通過對收益率序列的描述統(tǒng)計(jì)、正態(tài)性檢驗(yàn)、聚集性檢驗(yàn)及平穩(wěn)性檢驗(yàn)可得：收益率序列是平穩(wěn)序列，并不服從正態(tài)分布，分布的“尖峰厚尾”性和聚集性明顯且殘差序列存在自相關(guān)現(xiàn)象，據(jù)此，本文選用能反映波動(dòng)時(shí)變性的GARCH族模型估計(jì)波動(dòng)率，且分布假設(shè)選擇t分布或GED分布。

　　(三)ARCH效應(yīng)檢驗(yàn)

　　為了更好的建立GARCH模型，我們需要對上證國債指數(shù)收益率進(jìn)行ARCH效應(yīng)檢驗(yàn)。首先運(yùn)用最小二乘法對收益率時(shí)間序列數(shù)據(jù)進(jìn)行線性回歸，得到其殘差，然后運(yùn)用EVIEWS對殘差序列進(jìn)行ARCH-LM檢驗(yàn)，一般來說，如果LM檢驗(yàn)的滯后期很大(如大于7)，檢驗(yàn)依然顯著，則說明殘差序列存在高階ARCH(q)效應(yīng)，所以在這里選擇滯后期為7，得到的檢驗(yàn)結(jié)果如下：

　　表3最小二乘法擬合的ARCH-LM檢驗(yàn)結(jié)果中F統(tǒng)計(jì)量和LM統(tǒng)計(jì)量對應(yīng)P值均為0，小于顯著性水平，拒絕原假設(shè)，殘差序列存在ARCH效應(yīng)。結(jié)果同時(shí)表明模型殘差序列在5%顯著性水平下具有高階ARCH效應(yīng)，綜合上述ARCH-LM檢驗(yàn)和殘差平法相關(guān)性檢驗(yàn)的結(jié)果，可以據(jù)此建立GARCH模型。

　　(四)GARCH模型估計(jì)

　　通過以上基本檢驗(yàn)可知，上證國債指數(shù)收益率為平穩(wěn)序列，所以收益方程為一般均值回歸方程。在建立GARCH族模型之前，用AIC與SIC信息準(zhǔn)則，本文選擇滯后階數(shù)(p，q)為(1，1)。利用GARCH-t分布、GARCH-GED分布、GARCH-M-t分布、GARCH-M-GED分布四種模型對上證國債指數(shù)建立模型，選取時(shí)間段為2009年1月1日至2012年12月31日的日數(shù)據(jù)，由此得到GARCH模型以對2013年1月1日至2015年6月30日的波動(dòng)率進(jìn)行估計(jì)，本文對四種模型里的參數(shù)進(jìn)行估計(jì)，各個(gè)方程的參數(shù)估計(jì)如下：

　　根據(jù)匯總結(jié)果可以看出，對隨機(jī)誤差項(xiàng)分別采用t分布和GED分布(廣義誤差分布)所得到的GARCH模型中，采取t分布的模型不符合GARCH模型的前提假設(shè)，所以排除在外。所以，應(yīng)選用GARCH-GED模型或GARCH-M-GED模型。

　　對于GARCH-GED模型和GARCH-M-GED模型，根據(jù)AIC與SC準(zhǔn)則，GARCH-M-GED模型的結(jié)果表現(xiàn)的相對優(yōu)異，采取該模型來求得波動(dòng)率。

　　(五)預(yù)測結(jié)果與分析

　　1、VaR模型與La-VaR模型結(jié)果對比

　　運(yùn)用上述GARCH-M-GED模型，本文采取在置信度99%的水平下求取VaR模型與La-VaR模型結(jié)果，其預(yù)測結(jié)果折線圖如下：

　　從圖4可以看出，二者預(yù)測結(jié)果的走勢基本上趨同，但在2013年5月至7月產(chǎn)生了較大波動(dòng)，且預(yù)測結(jié)果在6月達(dá)到了最大峰值，在這期間，風(fēng)險(xiǎn)呈現(xiàn)出較大水平。在2013年11月至2014年6月與2014年9月至2015年6月，預(yù)測結(jié)果均呈現(xiàn)出一輪的高頻波動(dòng)，但是波動(dòng)水平不大。

　　2、回顧測試

　　(1)例外天數(shù)

　　為了檢驗(yàn)La-VaR模型是否有效，我們需要進(jìn)行回顧測試來對實(shí)驗(yàn)結(jié)果進(jìn)行檢驗(yàn)。在回顧測試中，我們需要將模型結(jié)果同歷史數(shù)據(jù)進(jìn)行比較，在預(yù)測區(qū)間內(nèi)，如果實(shí)際損失超過VaR模型的預(yù)測值，則將改日認(rèn)定為例外，所有例外的合計(jì)則稱為例外天數(shù)。如果例外的天數(shù)占總體天數(shù)的比例小于1%，說明VaR模型結(jié)果比較令人滿意，如果例外天數(shù)占總體天數(shù)的比例遠(yuǎn)遠(yuǎn)大于1%，我們將認(rèn)定所估計(jì)的VaR偏低。在這里，我們將對傳統(tǒng)的VaR模型與La-VaR模型進(jìn)行比較，從而檢驗(yàn)La-VaR模型是否比傳統(tǒng)的VaR模型更具有優(yōu)越性。

　　從例外天數(shù)的結(jié)果可以看出，La-VaR模型能比VaR模型更好測度流動(dòng)性風(fēng)險(xiǎn)。

　　(2)失敗率檢驗(yàn)

　　根據(jù)John C、 Hull所提到的失敗率檢驗(yàn)法，我們可以進(jìn)一步細(xì)化的比較La-VaR模型與VaR模型的實(shí)際效果。假定VaR的展望期為1天，置信度為x%，如果VaR模型準(zhǔn)確無誤，那么每天的損失超出VaR的概率為p=1-x。

　　當(dāng)例外個(gè)數(shù)大于例外期望值時(shí)，給出原假設(shè)：對應(yīng)樣本中的任意一天，例外情況發(fā)生的概率為p。當(dāng)例外個(gè)數(shù)小于例外的期望值時(shí)，給出原假設(shè)：對應(yīng)樣本中的任意一天，例外情況發(fā)生的概率大于p。通過EXCEL中的BINOMDIST函數(shù)，選擇把握程度為5%，得出VaR模型與La-VaR模型的失敗率結(jié)果如下：

　　根據(jù)結(jié)果可以看到，VaR模型的天數(shù)為17，對應(yīng)的原假設(shè)為對應(yīng)任意一天，例外發(fā)生的概率為p。經(jīng)過函數(shù)BINOMDIST的計(jì)算，其概率為5、28716E-05，小于5%，則應(yīng)該拒絕原假設(shè)，即對應(yīng)任意一天，例外發(fā)生的概率大于0、01。而La-VaR模型的天數(shù)為2，對應(yīng)的原假設(shè)為對應(yīng)任意一天，例外發(fā)生的概率大于p，其概率為0、939802617，大于5%，則應(yīng)該拒絕原假設(shè)，即對于任意一天，例外發(fā)生的概率小于0、01。由此失敗率結(jié)果可以看出，La-VaR模型比VaR模型的效果更為優(yōu)越，更好地測控了國債市場涵蓋流動(dòng)性風(fēng)險(xiǎn)的風(fēng)險(xiǎn)價(jià)值度。

　　四、結(jié)論

　　“發(fā)展債券市場須深化國債市場改革”，國債市場作為我國債券市場的一部分，其成長的好壞直接關(guān)系著整個(gè)金融市場發(fā)展的快慢，也對我國整體的經(jīng)濟(jì)改革有著重大的影響。然而，每一次金融改革的背后都必然會(huì)伴隨著一定的風(fēng)險(xiǎn)，在對國債市場進(jìn)行深化改革的同時(shí)，風(fēng)險(xiǎn)問題自然不容忽視，由此，本文著眼于國債市場進(jìn)行流動(dòng)性風(fēng)險(xiǎn)實(shí)證分析，具有一定的現(xiàn)實(shí)意義，并結(jié)合實(shí)證結(jié)果，得到了以下結(jié)論：

　　第一，從實(shí)證分析發(fā)現(xiàn)，通過對上證國債指數(shù)的收益率時(shí)間序列進(jìn)行基本分析，發(fā)現(xiàn)該序列具有明顯的”尖峰厚尾”特征，且結(jié)合GARCH模型結(jié)果表明，相對于t分布假設(shè)下的GARCH模型，GED分布假設(shè)下的GARCH模型能夠更好反映出收益率的風(fēng)險(xiǎn)特征。

　　第二，實(shí)證結(jié)果表明，通過進(jìn)行例外天數(shù)的回顧測試，采用La-VaR模型衡量流動(dòng)性風(fēng)險(xiǎn)，能夠大幅度的降低例外天數(shù)，且在失敗率的檢驗(yàn)中，La-VaR模型的預(yù)測結(jié)果更是可將對應(yīng)于任意一天例外發(fā)生的概率控制在1%的范圍內(nèi)。由此，結(jié)合La-VaR模型與VaR模型的回顧測試結(jié)果對比可表明，基于流動(dòng)性風(fēng)險(xiǎn)的La-VaR模型較之傳統(tǒng)的VaR模型而言，更能準(zhǔn)確的反映我國國債市場的流動(dòng)性風(fēng)險(xiǎn)。

　　第三，La-VaR模型的預(yù)測結(jié)果與國債市場的實(shí)際較大波動(dòng)相吻合。從La-VaR模型的預(yù)測結(jié)果折線圖可以看出，2013年5月至7月產(chǎn)生了較大波動(dòng)，且預(yù)測結(jié)果在6月左右呈現(xiàn)出最大峰值。而在實(shí)際中的2013年6月20日，整個(gè)債券市場經(jīng)歷了”錢荒”的巨大沖擊，這場爆發(fā)在銀行間債券市場的流動(dòng)性危機(jī)無疑給整個(gè)債券市場也帶來了巨大影響，而國債市場作為債券市場的重要組成部分也未能幸免，從2013年5月開始，金融市場的資金利率全線攀升，整個(gè)債券市場都面臨著前所未有的巨大流動(dòng)性危機(jī)，隨之而來的風(fēng)險(xiǎn)水平也驟然提高，而這一點(diǎn)與本文所得到的預(yù)測結(jié)果不謀而合，在2013年6月左右的La-VaR模型結(jié)果巨幅波動(dòng)，其波動(dòng)水平高達(dá)平常波動(dòng)水平的2-3倍。由此可見，La-VaR模型不僅比VaR模型更好的測度國債市場的流動(dòng)性風(fēng)險(xiǎn)，且對國債市場的表現(xiàn)也可進(jìn)行較好的預(yù)測。

　　參考文獻(xiàn)：

　　[1]Brunnermeier，M..Deciphering the liquidity and credit crunch 2007―2008[J]. Journal of Economic Perspectives，2009(23)：77-100

　　[2]Schwartz RobertX.Equity Markets： Structure，Trading and Performance[M].Haper &Row Press，1988.

　　[3]Demesetz H.，The cost of transaction，Quarterly[J]. Journal of Economics，1968(82)：33-53.

　　[4]Pastor，L.，Stambaugh，R.F.. Liquidity risk and expected stock returns [J]. Journal of Political Economy， 2003(111)：642-685.

　　[5]M.RezaBradrania，MauricePeat.Characteristic liquidity，systematic liquidity and expected returns[J]. Journal of International Financial Markets，Institutions & Money. 2014(33)：78-98.

　　[6]Yakov Amihud.lliquidity and stock returns：cross-section and time-series effects[J].Journal of Financial Markets，2002(5)：31-56.

　　[7]Harris L.Minimum Price Variation，Discrete Bid-ask Spreads and Quotation Sizes [J]. Review of Financial Studies，1994(7)：147-178.

　　[8]Garbade K D，Silber W L.Structural Organization of Secondary Markets;Clearing Frequency， Dealer Activity and Liquidity [J]. The Journal of Finance，1979(34)：577-593.

　　[9]Kyle A S. Continuous Auctions and Insider Trading. Econometrica[J].1985(53)：1315-1335.

　　[10]Liu W.. A Liquidity-Augmented Capital Asset Pricing Model[J].Journal of Financial Economics， 2006(82)：631-671.

　　[11]Hasbrouck J. . Trading Costs and Returns for U.S. Equities： Estimating Effective Costs from Daily Data[J].The Journal of Finance，2009(64)：1445-1477.

　　[12]Schwartz，K..Mind the Gap： Disentangling Credit and Liquidity in Risk Spreads[R].Working Paper. University of Pennsylvania Wharton School of Business，2010.

　　[13]Acharya，V.V.，Pedersen，L.H.. “Asset pricing with liquidity risk[J].Journal of Financial Economics，2005(77)：375-410.

　　[14]John C.Hull. Risk Management and Financial Institutions[M].China Machine Press，2008： 230-231.

　　[15]Bangia A，Diebold F，Schuermann T，Stroughair J.”Modeling Liquidity Risk，With Implication for Traditional Market Risk Measurement and Management[J].Risk，1999(12)：68-73.

　　[16]Yoshifumi Hisata and Yasuhiro Yamai.Research Toward the Practical Application of Liquidity Risk evaluation methods[R].working paper，bank of Japan，2000.

　　[17]楊之曙，吳寧玫證券市場流動(dòng)性研究[J]證券市場導(dǎo)報(bào)，2000(1)：25-34.

　　[18]蘇冬蔚，熊家財(cái).股票流動(dòng)性、股價(jià)信息含量與CEO薪酬契約[J].經(jīng)濟(jì)研究，2013(11)∶56-70.

　　[19]仲黎明，劉海龍，吳沖鋒.中國股票市場流動(dòng)性：過高還是過低――一個(gè)國際比較視角的分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2003(25)：58-61.

　　[20]劉林，倪玉娟.股市流動(dòng)性市場關(guān)注度與創(chuàng)業(yè)板上市公司轉(zhuǎn)板選擇[J].證券市場導(dǎo)報(bào)，2012(5)∶57-66.

　　[21]張蕊，王春峰.中國銀行間債券市場流動(dòng)性風(fēng)險(xiǎn)影響因素及其關(guān)聯(lián)性[J].系統(tǒng)工程，2010(3)∶1-7.

　　[22]姚亞偉，楊朝軍，黃峰.流動(dòng)性風(fēng)險(xiǎn)特征：基于中國證券市場的經(jīng)驗(yàn)數(shù)據(jù)分析[J].上海金融，2012(4)：63-70.

　　[23]孫彬，楊朝軍，于靜.融資流動(dòng)性與市場流動(dòng)性[J].管理科學(xué)，2010(2)：81-87.

　　[24]王東旋，張崢，殷先軍.股市流動(dòng)性與宏觀經(jīng)濟(jì)[J].經(jīng)濟(jì)科學(xué)，2014(3)：61-71.

　　[25]李文鴻，田彬彬，周啟運(yùn).股市流動(dòng)性與股票收益率的面板數(shù)據(jù)實(shí)證分析[J].統(tǒng)計(jì)與決策2012(10)∶150-153.

　　[26]戴國強(qiáng)，徐龍炳，陸蓉.VaR方法對我國金融風(fēng)險(xiǎn)管理的借鑒及應(yīng)用[J].金融研究，2000(07)：45-51.

　　[27]周毓萍.淺論Var與商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)管理[J].科技與產(chǎn)業(yè)，2005(12)：28-30.

　　[28]彭坤，王飚.基于VaR(風(fēng)險(xiǎn)價(jià)值)的金融投資的研究[J].昆明理工大學(xué)學(xué)報(bào)，2002(12)：138-142.

　　[29]龔銳，陳仲常，楊棟銳.GARCH族模型計(jì)算中國股市在險(xiǎn)價(jià)值 (VaR)風(fēng)險(xiǎn)的比較研究與評述[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2005(7)：67-81.

　　[30]張瑞軍，孟浩.人民幣離岸債券市場風(fēng)險(xiǎn)評價(jià)[J].理論探討，2013(5)：16-18.

　　[31]宋逢明，譚慧.VaR模型中流動(dòng)性風(fēng)險(xiǎn)的度量[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2004(6)：114-123.

　　[32]聞岳春，程同朦.基于Var技術(shù)的債券投資的市場風(fēng)險(xiǎn)與流動(dòng)性風(fēng)險(xiǎn)管理研究[J].武漢金融，2010(6)∶13-16.

　　[33]王觀.政策利好消息頻現(xiàn) 債市”輪子”動(dòng)起來[N].人民日報(bào)，2015-06-15(18).

【基于La―VaR模型的中國國債市場流動(dòng)性風(fēng)險(xiǎn)研究】相關(guān)文章：

淺析基于GARCH-VaR模型的股指期貨風(fēng)險(xiǎn)度量實(shí)證研究03-16

中國股市流動(dòng)性風(fēng)險(xiǎn)測度研究03-18

基于戰(zhàn)略系統(tǒng)的審計(jì)風(fēng)險(xiǎn)模型研究03-04

淺談?dòng)肰aR方法分析中國A股市場的風(fēng)險(xiǎn)03-26

建設(shè)高流動(dòng)性的中國債券二級(jí)市場03-18

淺論我國國債市場的流動(dòng)性03-21

VaR模型及其在金融風(fēng)險(xiǎn)管理中的應(yīng)用02-28

基于ＥＧＡＲＣＨ模型的交易所國債市場波動(dòng)性分析02-26

基于重大錯(cuò)報(bào)風(fēng)險(xiǎn)評估的新審計(jì)風(fēng)險(xiǎn)模型應(yīng)用研究03-01