La_VaR模型在股票市场流动性风险度量中的应用
流动性风险的预测分析模型研究
流动性风险的预测分析模型研究一、引言流动性风险是指资产转换为现金或其他可交易资产的速度，以及这种资产的可获得性。
流动性风险可能会导致投资者无法及时出售资产，或者被强制以低于市场价值的价格出售资产，从而使其蒙受损失。
流动性风险是金融市场中一个重要的风险因素，对于投资者而言，流动性风险的控制是非常重要的。
本文将探讨流动性风险的预测分析模型，帮助投资者有效地控制流动性风险。
二、流动性风险的预测分析模型1. VAR 模型VAR 模型是一种基于时间序列数据的多元统计模型，可以帮助投资者分析不同变量之间的关系和影响。
在流动性风险预测中，投资者可以使用 VAR 模型来研究不同的影响因素，如市场流动性、公司财务等。
通过VAR 模型，投资者可以计算出每个因素的贡献度和影响程度，从而进行风险控制。
2. 多元回归模型多元回归模型是一种利用多个自变量来预测因变量的统计模型。
在流动性风险预测中，投资者可以将各种因素作为自变量，包括市场流动性、公司财务、宏观经济环境等因素。
通过多元回归模型，可以得到每个因素的系数，从而计算出因素之间的影响程度和贡献度，帮助投资者制定针对性的风险控制策略。
3. SVM 模型SVM 模型是一种基于机器学习的分类模型，它可以通过样本数据学习出分类规则，从而识别不同类型的数据。
在流动性风险预测中，投资者可以使用 SVM 模型来构建分类模型，将投资标的（如股票、债券等）分为流动性高和流动性低两种类型，从而预测未来的流动性风险。
4. 随机分析模型随机分析模型是一种基于蒙特卡罗模拟的价格预测模型，可以模拟不同的市场情景，帮助投资者进行风险评估和控制。
在流动性风险预测中，投资者可以通过随机分析模型模拟不同的流动性风险情景，从而对未来的风险进行预测和掌控。
三、结论流动性风险作为金融市场中的重要风险因素，对于投资者而言是非常重要的。
通过流动性风险的预测分析模型，可以帮助投资者更有效地进行风险控制和管理。
本文介绍了几种常见的流动性风险预测分析模型，并探讨了它们在流动性风险预测中的应用，希望对投资者进行风险控制提供参考。
基于LA-VaR的股指期货保证金设置探讨
基于Ｌ － ａ Ａ Ｖ Ｒ的股指期货保证金设置探讨
王 志新
（ 江 工 商 大学 统计 与 数 学 学 院 ， 浙 江杭 州 ３０ ６ ） 浙 １０ ８
【 摘
（０ １ｆ 给 出 了 Ｖ Ｒ在 风 险 管 理 方 面 的 成 功 应 用 ２０ ） ｑ ａ Ａ ｇｌ ｉ等 （０４ ￣ ｎｅ ｄｓ ２ ０ ）１ ｉ 针对 ５种 股 票 价格 指数 ． 比分 析 对 了 Ｇ Ｒ Ｈ、 Ｇ Ｒ Ｈ 和 Ｔ Ａ Ｃ 模 型 在 拟 合 效 果 上 ＡＣ ＥＡ Ｃ Ｇ Ｒ Ｈ 的优 劣 。指 出样 本 量 的 大 小 是 影 响 各 个 Ｇ Ｒ Ｈ 模 型 Ａ Ｃ
金融市场上不容忽视 的一种风险．综合考虑市场风险
和 流动 性 风 险 的 Ｖ Ｒ模 型称 为 Ｌ — ａ （＆ｉ ｉ － ｄ ａ Ａ Ｖ Ｒ ｔ ｕ ｔ ａ． ｄｙ
ｉｓ ｄＶ Ｒ） 在 这 一 方 面 ， ａ ｇａ Ｄｉ ｏｄ Ｓ ｈ ｅｍａ ｎ ｕｔ ａ 。 ｅ Ｂ ｎ ｉ、 ｅ ｌ、 ｅ ｕ ｒ ｎ ｂ
Ｖａ 对 我 国利 率 风 险 的度 量 进 行 了研 究 Ｒ，
、
文献综述
传 统 Ｖ Ｒ模 型 度 量 的 是 市 场 风 险 ． ａ ａ ｖ Ｒ模 型 的一 些 改 进 算 法 主要 是 针 对金 融 收 益 分 布 的 “ 峰 厚 尾 ” 尖 特 征， 并未 涉 及 对 流 动性 风 险 的 度量 险 Ｖ Ｒ度量 中的应用 ． ａ
比较 了 Ｒｓｍ ｔｃ 及 Ｇ Ｒ Ｈ 族 的 ｌ 种 模 型 分 别 在 ｉ ｅｉ ｋ ｒｓ Ａ Ｃ １
正态分布和 ｓｅ ｅ — 分布下度 量 Ｖ Ｒ的精确程度 ｋｗ ｄ ｔ ａ 李
VaR在风险管理中的应用及实证分析
VaR在风险管理中的应用及实证分析摘摘摘摘要要要要在过去的二十年里,风险管理作为一个独立领域出现在世界舞台上。
它的出现迅速引起了金融领域的学者和工作者的关注,对它的研究也如雨后春笋般开展起来。
风险度量作为风险管理的关键环节,不断受到人们的注意;对其度量方法的研究也不断地创新。
VaR(Value-at-Risk)作为度量风险的有效方法,在实际工作中受到重视。
VaR 即风险价值,是当代风险管理的理论基础,本文将基于 VaR 方法分析其在风险管理中的应用,并将对上海股票市场上进行实证分析。
首先,我们将通过分析 2008 年金融危机产生的原因及造成的后果,提出进行风险管理的重要性。
其次,简述风险及风险管理,并进一步说明风险度量的意义。
然后,将系统性的论述 VaR 方法及其在金融领域的应用,包括其适用条件、分布假设和模型建立等等。
最后,将使用 EGARCH(1,1)-GED 模型计算上证综合指数收益率的 VaR 值并分析上海股市的风险状况。
本文通过以上分析,将说明 VaR 方法在我国风险度量方面的有效性。
提出在使用 VaR 方法时,应该分析所要研究数据的特征,进而选择合适的模型。
文章最后将对我国风险管理和 VaR 方法使用提出相应建议。
关关关关键键键键词词词词: : : : 金融危机风险管理 VaR GARCH 模型 GED 分布指数收益率IAbstractIn the past two decades, the risk management as an independent field appearedon the world stage. It quickly caught the attention of the scholars and professionals inthe field of finance. The studying of it also has sprung up. Risk measurement as thekey part of risk management constantly gets the attention of the people. Also thestudying of the measurement method is constantly innovated. In the practical work,VaR Value at Risk is used as an effective method to measure riskThe VaR is the theoretical basis of contemporary risk management. Based on VaR method, this paper will analyze its application in the risk management, and carryon the empirical analysis on the Shanghai stock marketFirstly, through analyzing the causes of the financial crisis in 2008 and theconsequences of it we will put forward the importance of risk management. Secondly,risk and risk management will be briefly discussed, and further, the significance ofrisk measurement will be illustrated. Then, we will systematically discuss the VaRmethod and its application in the financial sector, including the applicable conditions,distribution hypothesis and model establishment, etc. Finally, we will use the modelof EGARCH 1, 1 - GED to calculate the value of VaR on the benchmark Shanghaicomposite index and analyze the risk status of the Shanghai stock marketThrough the above analysis, this paper will illustrate the effectiveness of VaRmethod in the aspect of risk measurement in China. In the using the VaR method, wewill study the characteristics of the data, and then choose the right model. Finally forrisk management in our country and the using of VaR method we will put forward thecorresponding suggestionsKey words: Financial CrisisRiskManagementVaRGARCH ModelGED DistributionReturn Series of IndexesII目目目目录录录录摘摘要要 I摘摘要要Abstract.II目目目目录录录录 III1 前前前前言言言言 11.1 研研研研究究究究背背背背景景景景及及及及意意意意义义义义 11.2 国国内内外外研研究究现现状状 1国国内内外外研研究究现现状状1.3 本本本本文文文文研研研研究究究究内内内内容容容容. 22222 2222000000007777----2222000000008888金金金金融融融融危危危危机机机机综综综综述述述述. 32.1 2007-2008金金金金融融融融危危危危机机机机回回回回顾顾顾顾. 32.2 2007-2008金金金金融融融融危危危危机机机机造造造造成成成成的的的的影影影影响响响响. 42.3 2007-2008金金融融危危机机成成因因. 5金金融融危危机机成成因因2.4 经经经经验验验验与与与与启启启启示示示示73 风风风风险险险险管管管管理理理理概概概概述述述述83.1 风风风风险险险险的的的的定定定定义义义义83.2 风风风风险险险险的的的的种种种种类类类类93.3 风风险险管管理理..11风风险险管管理理[]3.4 风风风风险险险险管管管管理理理理过过过过程程程程. 153.5 风风风风险险险险管管管管理理理理的的的的伦伦伦伦理理理理道道道道德德德德基基基基础础础础 164 VaR 综综述述. 18综综述述4.1 VaR的的的的起起起起源源源源 184.2 VaR 定定义义 18定定义义4.3 VaR的的的的参参参参数数数数选选选选择择择择.184.4 VaR的的的的数数数数学学学学表表表表达达达达.194.5 一一般般分分布布下下 VaR的的计计算算 19一一般般分分布布下下的的计计算算4.6 正正正正态态态态分分分分布布布布下下下下 VaR 的的的的计计计计算算算算 204.7 VaR的的计计算算方方法法. 20的的计计算算方方法法4.8 VaR模模模模型型型型的的的的事事事事后后后后检检检检验验验验255 GARCH模模模模型型型型及及及及其其其其应应应应用用用用28III5.1 厚厚厚厚尾尾尾尾分分分分布布布布. 285.2 ARCH模模模模型型型型 325.3 GARCH模模模模型型型型325.4 GARCH模模型型的的扩扩展展33模模型型的的扩扩展展5.5 GARCH模模模模型型型型的的的的参参参参数数数数估估估估计计计计 356 实实实实证证证证分分分分析析析析: : : : 上上上上证证证证综综综综合合合合指指指指数数数数的的的的风风风风险险险险度度度度量量量量. 376.1 数数数数据据据据选选选选取取取取. 376.2 数数数数据据据据检检检检验验验验. 376.3 模模型型选选择择. 40模模型型选选择择6.4 上上上上证证证证综综综综合合合合指指指指数数数数收收收收益益益益率率率率 VaR的的的的计计计计算算算算416.5 后后后后验验验验测测测测试试试试. 426.6 上上上上海海海海股股股股市市市市风风风风险险险险波波波波动动动动分分分分析析析析. 436.7 结结结结论论论论与与与与建建建建议议议议 447 综综述述. 45综综述述参参参参考考考考文文文文献献献献. 46致致致致谢谢谢谢 (48)IV VaR 在风险管理中的应用及实证分析1 前前前前言言言言1.1 研研研研究究究究背背背背景景景景及及及及意意意意义义义义自上世纪 90 年代以来,金融危机在世界范围内不断涌现。
中国股票市场流动性风险研究
中国股票市场流动性风险研究流动性是股票市场的的重要属性之一，流动性链条的断裂会造成严重的损失，形成流动性风险。
随着中国股票市场的不断发展，上市公司、投资者对流动性风险的日益重视，因此研究当前中国股票市场流动性风险现状具有重要的现实要求。
本文在国内外流动性风险研究的学术成果基础上，构造适合中国股票市场流动性风险度量指标，借鉴L-VaR模型，并在上海A股市场选取样本进行了实证研究，通过实证结果认识到当前中国股票市场流动性风险现状，最后提出减小流动性风险影响的相关建议。
关键词：股票市场流动性；流动性风险；流动性风险度量指标；L-VaR 模型一、引言21.1 研究的背景与意义21.1.1 研究流动性风险的背景21.1.2 研究流动性风险的意义31.2 流动性风险概述4二、股票市场流动性风险度量指标的构造52.1 流动性风险度量指标构造原则52.2 中国股票市场流动性风险度量指标的构造6三、股票市场流动性风险值的度量—模型73.1 概述模型73.2 流动性风险值L-VaR的定义73.3 流动性风险值的计算方法83.4 流动性风险值的含义10四、中国股票市场流动性风险的实证研究104.1 实证研究的样本选取与数据说明104.2 实证过程114.3 实证结果154.4 结果分析16五、结论与建议165.1 结论165.2 建议175.2.1 对投资者的建议175.2.2 对制度的建议17一、引言1.1 研究的背景与意义1.1.1 研究流动性风险的背景股票市场作为筹资者和投资者进行筹资和投资的平台，有利于实现社会资源的有效配置。
O’Hara(2003)指出，证券市场的主要功能就是提供流动性和价格发现。
股票市场（主要指的是二级市场）必须能够让投资者能以最低的成本迅速的完成交易，既股票市场必须保持足够的流动性，才能保证资源配置的有效性。
所以说流动性是股票市场形成和发展的基础和前提。
股票市场要有流动性，但现实中不一定所有的市场都能保持足够的流动性，当投资者选择在这种市场投资时，不可避免的受到流动性不足所带来的风险。
VaR风险测量模型在我国股票市场中的应用
VaR风险测量模型在我国股票市场中的应用
陈立新
【期刊名称】《大连交通大学学报》
【年(卷),期】2004(025)002
【摘要】VaR是风险估值模型(Value at Risk)的简称,是近年来国外兴起的一种金融风险管理工具.本文在国内外学者的研究基础上,运用我国证券市场的有关数据对VaR风险测量模型在我国股票市场风险测量中的具体应用作了实证分析,旨在寻找一套符合我国国情的具有可操作性的证券市场风险测量体系,从而促进我国证券市场的健康发展.
【总页数】4页(P72-75)
【作者】陈立新
【作者单位】大连铁道学院,管理工程系,辽宁,大连,116028
【正文语种】中文
【中图分类】F830.91
【相关文献】
1.VaR风险测量模型在我国股票市场中的应用研究 [J], 陈立新
2.VaR法在股票市场风险测量中的应用 [J], 顾琳
3.VaR方法在我国股票市场中的应用与分析 [J], 刘永祥
-VaR模型在股票市场流动性风险度量中的应用 [J], 胡晖;王琰
5.VaR模型在中国股票市场风险评估中的应用 [J], 杨霞
因版权原因，仅展示原文概要，查看原文内容请购买。
金融风险管理中的VaR模型及应用
金融风险管理中的VaR模型及应用随着金融市场的不断发展，金融风险管理变得越来越重要。
金融风险管理是指通过对风险的识别、量化和控制，以及对风险的管理和监测，使企业能够在风险控制的范围内保持稳健的发展。
VaR（Value at Risk）是一种量化风险的方法，随着其在金融中的广泛应用，VaR已经成为了金融风险管理的主要工具之一。
VaR是指在一定时间内，特定置信水平下，资产或投资组合可能面临的最大损失。
VaR模型是通过数学方法对投资组合的风险进行分析和量化，来计算投资组合在未来一段时间内的最大可能亏损。
VaR模型最初是由瑞士银行家约翰·布鲁纳尔在1994年提出的，该模型被广泛应用于银行、保险、证券等金融机构的风险管理中。
在VaR模型中，置信水平是非常重要的一个参数。
置信水平是指VaR计算时所选择的风险分布中，有多少的概率是不会超过VaR值的。
通常，置信水平选择95%或99%。
如果置信水平为95%，则意味着在未来一段时间内，该投资组合亏损超过VaR值的概率小于5%。
VaR模型的核心是风险分布。
常用的风险分布有正态分布、t分布和蒙特卡罗模拟法，其中，正态分布和t分布是最常用的风险分布。
在计算VaR时，需要对投资组合的风险分布进行估计，然后根据选择的置信水平来计算VaR值。
如果VaR值很大，则表明投资组合的风险很高，需要采取相应的风险控制措施。
VaR模型的应用范围非常广泛，它主要用于投资组合的风险管理。
在投资组合的构建中，VaR模型可以用来优化投资组合，使得风险最小化。
同时，在投资组合的风险管理中，VaR模型也可以用来进行风险监测和风险控制。
此外，VaR模型还可以用来进行波动率计算。
波动率是衡量金融市场风险的重要指标，其代表了价格或投资组合价值的波动程度。
在金融市场中，波动率越大，表明风险越高。
VaR模型可以通过对历史数据的分析，估计出资产或投资组合的波动率，以便更好地进行风险管理和预测。
虽然VaR模型已经被广泛应用于金融风险管理中，但是VaR模型也存在一些局限性。
VaR模型在风险管理中的应用
ＶａＲ模型在风险管理中的应用VaR技术是目前市场上最为有效的风险管理技术。
此方法建立在科学的基础上，为人们提供了一种关于市场风险的综合性度量。
通过该方法，银行可以使用同一单位（如美元）去测度银行可以承受的风险底线。
与传统的风险衡量方法相比，VaR提供一种考虑杠杆、相关性和当前头寸的组合风险的整体观点。
因此，这的确是一种有远见的风险衡量方法。
一、何谓VaR美国加州大学金融学教授菲利普乔瑞指出：VaR是一定时期内的最大损失，它使得实际损失超过这个值的概率小于一个我们预先设定的值。
换言之，VaR是指在正常的市场条件和给定的置信水平下，一种金融资产或资产组合在既定时期内所面临的最大潜在市场价值损失额。
其数学定义如公式为：Prob(Δp>VaR)=1－c。
其中，c为置信水平，Δp为金融工具或其组合在风险持有期间内的实际损失。
例如，某一投资公司持有的证券组合在未来24小时内，置信度为95%，证券市场正常波动的情况下，VaR值为800万元。
其含义是指，该公司的证券组合在一天（24小时）内，有95%的把握判断该投资公司在下一个交易日内的损失在800万元以内，或者说，由于市场价格变化而带来的最大损失超过800万元的概率为5%。
二、VaR的优点银行风险管理过程中难度最大的工作就是风险的测算问题，只有对市场风险进行精确量化，才能使商业银行风险管理者能够实现对风险的把握，提高银行对市场风险的控管理水平，避免类似巴林银行倒闭事件的再次发生。
与过去传统的市场风险管理方法相比，VaR方法在对市场风险的衡量方面具有明显的优点，是一种更有效的市场风险衡量方法。
首先，VaR把对预期未来损失的大小和该损失发生的可能性结合起来，不仅让投资者知道可能损失的规模，而且知道其发生的可能性。
在前面我们所介绍的商业银行风险价值的计算过程中，我们可以看到不管是采用哪一种估算方法，最后所计算出来的VaR值都是和一定的置信水平相联系的。
而且，不同置信水平之上的VaR值还可以相互转换，这不仅使管理者能更清楚地了解商业银行在不同可能程度上的风险状况，而且方便了不同的管理需要。
La-VaR模型在股票市场流动性风险度量中的应用
La-VaR模型在股票市场流动性风险度量中的应用内容摘要:本文对Bangia等学者提出的BDSS模型进行了理论推导,并针对我国的订单驱动型股票市场,对BDSS模型中的相对价差进行调整,优化了BDSS模型。
本文将优化的BDSS模型与BDSS模型、基于GARCH族的传统VaR模型进行后验测试对比分析,证明优化的BDSS模型比GARCH族的VaR模型和BDSS 模型更能够充分的估计流动性风险,更加符合我国的实际情况。
关键词:股票市场流动性风险La-VaR模型BDSS模型优化上世纪90年代,VaR(Value at Risk)被提出并逐渐成为市场风险的标准计量方法。
Jorion给出的目前比较公认的VaR定义,指在某一给定的置信水平下,资产组合在未来特定的一段时间内可能遭受的最大损失。
流动性风险是金融风险的一种,指由于市场交易不足而无法按照当前的市场价值进行交易所造成的损失。
它是一种综合性风险,是其他风险在金融机构整体经营方面的综合体现。
因此流动性的问题开始引入到风险值的计算当中,使风险值针对流动性风险作调整,而衡量流动性调整的风险值(La-VaR)则是本文要讨论的问题。
1999年Bangia、Diebold、Schuermann和Stroughair四位学者提出了著名的基于流动性调整的La-VaR ,即BDSS模型,为以后的研究做出了相当大的贡献。
但是,Bangia等学者在提出BDSS模型的时候,并没有进行严格的数学推导,这使得该模型对价差的估计缺乏理论依据。
国外关于流动性风险的相关研究很少,多数研究仍然处于理论研究阶段,目前仍然没有一个统一的、令人信服的理论框架。
而且国外的研究多是基于做市商制度,而我国的股票市场是订单驱动型市场,与做市商制度有着很大的区别,而针对于我国股票订单驱动型市场的研究更少。
因此本文希望借鉴当前风险管理技术的新发展,在介绍传统的金融风险度量工具VaR(value at risk)的基础上,引入股票市场的流动性因素,使其在VaR中有所体现,针对我国订单驱动的股票市场建立La-VaR (liquidity adjust value at risk)模型。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
θ
ｚ
ｃ
σ）］＋
（ε－＋
ｔ
γσ＇）｝（１
）），但是并没
有进行严格的数学推导，这使得该模型对
价差的估计缺乏理论依据，故需要从理论
上重新修正 Ｂ Ｄ Ｓ Ｓ 模型。
设资产在未来 ｔ 时刻的中间价格是 ｓ ， ｔ
其实际的交易价格（交割价格或成交价格）
为 ｐ ，则由 Ｒｏｌｌ 中间价格、价差和交易价 ｔ
格计算公式有：
为了精确地 测量 ＶａＲ，必须考 虑股票回报波动的 重尾性以及价格冲 击的不对称性。本 文初步确定了 ６ 个 模型作为比较的对 象：残差序列基于
正态分布假设的 Ｇ Ａ Ｒ Ｃ Ｈ 模型（下文记为 Ｇ Ａ Ｒ Ｃ Ｈ － Ｎ ）；为考察回报波动的重尾性， 选用基于 ｔ 分布的 Ｇ Ａ Ｒ Ｃ Ｈ （下文记为 Ｇ Ａ Ｒ Ｃ Ｈ － Ｔ ）；基 于 广 义 误 差 分 布 的 Ｇ Ａ Ｒ Ｃ Ｈ （下文记为 Ｇ Ａ Ｒ Ｃ Ｈ － Ｇ Ｅ Ｄ ）；基于 正态分布的 Ｅ Ｇ Ａ Ｒ Ｃ Ｈ （下文记为 ＥＧＡＲＣＨ－Ｎ）；基于 ｔ 分布的 ＥＧＡＲＣＨ（下 文记为 Ｅ Ｇ Ａ Ｒ Ｃ Ｈ － Ｔ ）；基于广义误差分布 的 Ｅ Ｇ Ａ Ｒ Ｃ Ｈ （下文记为 Ｅ Ｇ Ａ Ｒ Ｃ Ｈ － Ｇ Ｅ Ｄ ）； 通过它既能考察回报的重尾性，又能观测 价格冲击的非对称性。
度因子的取值区间，这里γ∈［２．０，４．５］，
在后文的实证分析中取γ ＝２，因为从（１）
式可以看出，Ｌ ａ － Ｖ ａ Ｒ 值会随着γ值的增
大而增大，如果在γ取最小值 ２ 时，计算出
的 Ｌ ａ － Ｖ ａ Ｒ 值依然比 Ｇ Ａ Ｒ Ｃ Ｈ 模型计算得
到的 ＶａＲ 值大，则说明当γ取更大的值时，
Ｌ ａ － Ｖ ａ Ｒ 值会比 Ｖ ａ Ｒ 值更大，也就能够更
ＢＤＳＳ Ｅ ２７ ２６ ２３ ２３ ２５ ３２ ２４ ２３ ３５ ３８
ｅ ０．０１２９ ０．０１２３ ０．０１０９ ０．０１１１ ０．０１１９ ０．０１５２ ０．０１１７ ０．０１０８ ０．０１９４ ０．０１７９
改进后 Ｂ Ｄ Ｓ Ｓ
Ｅ
ｅ
１３
０．００６２
１６
０．００７６
１
０．０００５
１３
０．００６３
卖价差来衡量和深度用报价深度来衡量都
远远低于美国和香港股市，从如此小的买
卖价差来看，似乎我国股票市场的流动性
非常好，但是报价深度却远远低于美国和
全国贸易经济类核心期刊 ９３
财经视线 Finance Economy
香港股市，这意味着实际交易时投资者面 临的流动性成本远远超过了表面所看到的 低买卖价差。针对我国股市的这一特征，本 文在实证分析中，提出以下方法来替代 Ｂ Ｄ Ｓ Ｓ 模型中的买卖价差。
财经视线 Finance Economy
Ｌａ－ＶａＲ 模型在股票市场 流动性风险度量中的应用
■ 胡晖 王琰（首都经济贸易大学经济学院 北京 １０００２５） ◆ 中图分类号：Ｆ２２２．３ 文献标识码：Ａ
内容摘要：本文对 Ｂａｎｇｉａ 等学者提出的 ＢＤＳＳ 模型进行了理论推导，并针对我 国的订单驱动型股票市场，对 ＢＤＳＳ 模 型中的相对价差进行调整，优化了 ＢＤＳＳ 模型。本文将优化的 ＢＤＳＳ 模型与 ＢＤＳＳ 模型、基于 ＧＡＲＣＨ 族的传统 ＶａＲ 模型进行后验测试对比分析，证明优 化的 ＢＤＳＳ 模型比 ＧＡＲＣＨ 族的 ＶａＲ 模型 和 ＢＤＳＳ 模型更能够充分的估计流动性 风险，更加符合我国的实际情况。 关键词：股 票 市 场 流动性风险 Ｌ ａ － ＶａＲ 模型 ＢＤＳＳ 模型优化
国外关于流动性风险的相关研究很少，
多数研究仍然处于理论研究阶段，目前仍 然没有一个统一的、令人信服的理论框架。 而且国外的研究多是基于做市商制度，而 我国的股票市场是订单驱动型市场，与做 市商制度有着很大的区别，而针对于我国 股票订单驱动型市场的研究更少。因此本 文希望借鉴当前风险管理技术的新发展， 在介绍传统的金融风险度量工具 Ｖ ａ Ｒ （ｖａｌｕｅ ａｔ ｒｉｓｋ）的基础上，引入股票市场 的流动性因素，使其在 ＶａＲ 中有所体现，针 对我国订单驱动的股票市场建立 Ｌ ａ － Ｖ ａ Ｒ （ｌｉｑｕｉｄｉｔｙ ａｄｊｕｓｔ ｖａｌｕｅ ａｔ ｒｉｓｋ）模型。
Ｉｔ＝－１，即投资者要以低于中间价格的交易 价格才能卖掉资产。假设ｔ时刻的相对价差
为ε ，由（２）即可得到：ｐ ＝ｓ （１＋Ｉ ）
ｔ
ｔｔ
Ｔ
（３ ），其中，
表示相对价差
计算流动性的 Ｌ ａ － Ｖ ａ Ｒ 模型（下文简称 （Ｒｅｌａｔｉｖｅ Ｂｉｄ－ａｓｋ Ｓｐｒｅａｄｓ），若投资者在
ＢＤＳＳ 模型，即 Ｌａ－ＶａＲ＝ｓ ｛［１－ｅｘｐ（μ －
对抽样的 １ ０ 支股票采用上述方法， 通过比较 ６ 个模型，根据参数的显著性和 对数似然估计量以及计算的 ＶａＲ 效果，分 别筛选出最佳的 Ｇ Ａ Ｒ Ｃ Ｈ 模型Байду номын сангаас结果如表 １ 所示。
由表 １ 可知，对于所选择的样本股票
９２ 商业时代 （原名 《商业经济研究》） ２００９年３１期
来说，Ｇ Ｅ Ｄ 分布均是最佳的选择，然后计 算出每支股票每日的 Ｖ ａ Ｒ。计算出的结果 将在下文与 Ｌａ－ＶａＲ 模型计算出的结果进
≥ ｐ ｂ，Ｉ ＝ ± １ 表示买卖指示指标，投资者
ｔ
ｔ
若是买进（即做市商卖出）则 Ｉｔ＝１，表示投
资者要以高于中间价格处才能达成交易；
行对比分析。
若投资者是卖出资产（即做市商买进）则
基于价差理论的 Ｌ ａ － Ｖ ａ Ｒ 模 型及实证
（一）修正的 ＢＤＳＳ 模型 １９９９ 年 Ｂａｎｇｉａ 等提出了基于价差来
低的中间价格为ｓ ＊，这里：ｓ ＊＝ｓ ｅｘｐ（μ－
ｔ
ｔ ｔ－１
ｚ σ）（５），若以价差代表流动性风险，则 ｃ
由（４）和（５）得到置信水平为 ｃ 的资产最
ｐ ＝ｓ ＋ Ｉ ｗ （２），其中，ｗ 表示 ｔ 时刻
ｔｔ
Ｔｔ
ｔ
的绝对价差，ｗ ＝ｐ ａ－ｐ ｂ，ｐ ａ 和 ｐ ｂ 分别代
ｔｔ ｔ
ｔ
ｔ
低交易价格为：ｐ ＊＝ｓ ｅｘｐ（μ －ｚ σ）（１－
１
０．０００５
１４
０．００６７
１２
０．００５８
１２
０．００５７
１５
０．００８３
１３
０．００６１
代码
０００００１ ０００００２ ０００００６ ０００００９ ００００１２ ６０００００ ６００００１ ６００００５ ６００００６ ６００００７
名称
深发展 万科 深振业 深宝安 南玻 浦发银行 邯郸钢铁 武钢股份 东风汽车 中国国贸
上 世纪 ９０ 年代，ＶａＲ（Ｖａｌｕｅ ａｔ Ｒ ｉ ｓ ｋ ）被提出并逐渐成为市场风 险的标准计量方法。Ｊｏｒｉｏｎ 给出 的目前比较公认的 ＶａＲ 定义，指在某一给 定的置信水平下，资产组合在未来特定的 一段时间内可能遭受的最大损失。
流动性风险是金融风险的一种，指由 于市场交易不足而无法按照当前的市场 价值进行交易所造成的损失。它是一种 综合性风险，是其他风险在金融机构整体 经营方面的综合体现。因此流动性的问题 开始引入到风险值的计算当中，使风险值 针对流动性风险作调整，而衡量流动性调 整的风险值（Ｌａ－ＶａＲ ）则是本文要讨论 的问题。
其中，ｎ 为头寸数量，当 ｎ 取一个单位时，
由（８ ）即有：
Ｌａ－ＶａＲ＝ｓ －ｓ ｅｘｐ（μ －ｚ σ）＋
［
ｓｔ－１
ｅｘ
ｐ（μ
－ｚｔ－ｃ１σ）ｔ－］（１ ε－＋ｚ
ｃ
ｃ
σε）（９
）
比较（９）和（１）不难发现，本模型
与 ＢＤＳＳ 模型并不相同。本文从标准的相
对价差定义出发，推导出来的 Ｌａ－ＶａＲ，却
ＢＤＳＳ Ｅ １７ １９ １２ ２０ １ １７ １９ １４ ２３ １９
ｅ ０．００８１ ０．００９０ ０．００５７ ０．００９６ ０．０００５ ０．００８１ ０．００９２ ０．００６６ ０．０１２８ ０．００９０
改进后 Ｂ Ｄ Ｓ Ｓ
Ｅ
ｅ
１１
０．００５３
５
０．００２４
１
０．０００５
１
０．０００５
１
０．０００５
１１
０．００５２
９
０．００４４
４
０．００１９
１３
０．００７２
０
０．００００
产生的，而中间价格代表资产的真实价值，
此二者产生的机理不同，故假定二者不具
有相关性，则将（７）代入（６）即可得到：
ｐ ＊＝ｓ ［ｅｘｐ（μ －ｚ σ）］（１－
ｔ
ｔ－１
ｃ
）（８）。
根据 ＶａＲ 的定义有 Ｌａ－ＶａＲ＝ｎ（ｓｔ－１－ｐｔ＊），
期初持有 １ 个单位的资产，且要在 １ 个持有
期内出清，则有 Ｉｔ＝－１。假设资产的真实回
报是中间价格带来的，则ｒ ＝Ｉｎ（ｓ ／ｓ ），即
ｔ
ｔ ｔ－１
ｓ ＝ｓ ｅｘｐ（ｒ ），又由（３）可得：ｐ ＝ｓ
ｔ ｔ－１
ｔ
ｔ ｔ－１
［ｅｘｐ（ｒｔ）］（１－ ）（４）若 ｒｔ～Ｎ（μ，σ２），
则置信水平为 ｃ、持有期为 １ 的资产未来最
＋ｚｃ σε（７），由于
ＥＧＡＲＣＨ－ＧＥＤ
０００００２，６０００００，６００００１，６００００５
价差是由交易成本
代码
０００００１ ０００００２ ０００００６ ０００００９ ００００１２ ６０００００ ６００００１ ６００００５ ６００００６ ６００００７
名称
深发展 万科 深振业 深宝安 南玻 浦发银行 邯郸钢铁 武钢股份 东风汽车 中国国贸
ＢＤＳＳ 模型
在考察外生流动性时，国外的研究大