前言：本站為你精心整理了金融市場風險的特征研究范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

一、我國股票價格指數(shù)波動的特征

在整個金融市場體系中，股票市場始終處于重要的位置。金融市場的變化能夠通過股票價格指數(shù)的波動反映出來。同時，股票價格指數(shù)的波動程度也會對金融市場的穩(wěn)定產(chǎn)生影響。如果股票價格指數(shù)在短時期內(nèi)出現(xiàn)大幅波動，就必然會對金融市場的穩(wěn)定造成影響。在后金融危機時期，我國的股票價格指數(shù)具有以下特征:1．股票價格指數(shù)的非平穩(wěn)性通常情況下，金融市場的股票價格都具有不規(guī)律波動的特征。近些年來，隨著我國股票市場的快速發(fā)展，股票市場的體系和機制也在不斷改善。同時，由于我國對資本項目的管制逐步放開，也使得大量國際資本流入。我國股票市場同世界上其他主要股票交易市場的聯(lián)系更加緊密。在當今先進的交易手段和資金趨利性驅(qū)使下，國際資本在各個股票市場的流動頻率更高。受此影響，股票價格的變動也就更加難以預測。這主要表現(xiàn)在股票價格走勢所具有的非平穩(wěn)性上。圖1是2011年1月4日—2013年11月26日上海證券交易所股票價格指數(shù)的走勢圖。從中可以看出，股票指數(shù)價格走勢具有明顯的非平穩(wěn)特征。圖2是上證指數(shù)波動圖。從中可以看出股票價格指數(shù)波動的不規(guī)律性。其中很多波動都存在異方差的特點。圖3是這個時期上證指數(shù)走勢穩(wěn)定性的檢驗結果。從結果可以看出ADF＞臨界值，所以上證指數(shù)的變化過程是非平穩(wěn)的。2．股票價格指數(shù)的長期記憶性股票價格的長期記憶性是指當前股票的價格很長一段時間以前的股票價格存在著密切的聯(lián)系。圖4是上證指數(shù)的自相關圖，從中可以看出上證指數(shù)具有很強的記憶性。這說明現(xiàn)在上證交易所中的股票價格同之前的價格存在著較大的聯(lián)系，這會使得股票價格具有極強的不穩(wěn)定性。圖5是上證指數(shù)自回歸模型擬合圖。從中可以看出，高階的自回歸模型擬合得非常好，這也從另一方面驗證了股票市場價格具有長記憶性的風險。這表明，一旦像2008年那樣金融危機再次爆發(fā)，我國股票市場在很長時間內(nèi)都難以恢復。

二、金融市場風險的測度方法

當前，很多國家都采用建立相關模型對本國金融市場的風險進行研究和監(jiān)控。對金融模型的研究主要分為傳統(tǒng)的金融風險模型和金融計量經(jīng)濟模型。而在這兩者中主要使用的都是時間序列模型，這其中包括傳統(tǒng)參數(shù)模型與非參數(shù)模型。下面幾種是現(xiàn)在被廣泛使用的模型:1．傳統(tǒng)的金融風險模型在以往的研究中，金融市場風險的度量一直都是重點討論的內(nèi)容。資本資產(chǎn)定價模型(CAPM)和概率風險值模型(VaR)是最常用的兩種模型。(1)CAPM模型是在投資組合理論和資本市場理論基礎上形成發(fā)展起來的，是度量金融市場風險最早使用的方法。其主要是以投資的預期收益與風險方差值作為度量金融風險的指標。這是人們首次在對金融市場風險的研究中使用的具有統(tǒng)計特性的風險度量指標。它使得人們在進行相關投資活動時，可以對風險進行定量控制。(2)VaR模型是度量金融市場風險另一種常用的方法。該模型是將眾多不可測的主觀因素轉(zhuǎn)化為運用數(shù)理統(tǒng)計方法和計量技術的客觀概率數(shù)值，使隱性風險顯性化。它主要被用來衡量外部沖擊下金融市場風險爆發(fā)的概率。但是，VaR模型也存在著一定的缺陷，那就是在外界的沖擊下，金融市場風險的概率值估計會隨著金融時間序列分布的改變而發(fā)生偏倚。而在金融危機爆發(fā)期，由于這類外部沖擊的出現(xiàn)是經(jīng)常性的，所以使得VaR模型無法很好地度量金融危機時期金融市場的實際風險。2．金融計量經(jīng)濟模型通過人們對金融市場長期的研究發(fā)現(xiàn)，由于其中異方差的存在，使得整個金融市場的運行呈現(xiàn)出非參數(shù)(非線性)的特征。因此，人們開始使用非參數(shù)模型對金融市場風險進行度量。下面是幾種常用的計量模型和方法。(1)GARCH模型。GARCH模型又稱廣義自回歸條件異方差模型，其原理是通過資產(chǎn)收益的條件方差來度量金融市場風險的波動性。由于金融風險的波動存在著單位根的特征，這使得其中條件方差的變化會對以后各期的條件方差預測產(chǎn)生持續(xù)性的影響。并且，這種影響不會隨著時間的推移而快速趨向于零。而通過建立GARCH模型可以很好地解決這一問題，提高對金融市場風險度量的準確性①。(2)ES模型。ES模型又稱期望損失模型，主要是被用來度量損失超過VaR平均水平的條件期望值。ES模型是VaR模型非參數(shù)形式中的一種。它在保留了VaR模型優(yōu)點的同時，彌補了VaR模型不滿足“次可加性”以及沒有考慮尾部風險等缺陷。(3)Copula模型。Copula模型又稱連接轉(zhuǎn)換函數(shù)模型，主要被用來描述資產(chǎn)組合的分布和波動特性。它在多變量時間序列相關性分析上，可以代替向量GARCH作為極值理論的有益補充。它通過將邊緣分布和相關結構分開來研究的建模方法為建立描述多種金融資產(chǎn)模型提供了新思想。根據(jù)Sklar定理，Copula是將聯(lián)合分布函數(shù)去掉所包含的邊緣分布信息后所剩下的信息，這部分也就是兩變量的相關結構。由于可用的Copula函數(shù)有20多種，并且均含有未知參數(shù)α，需要通過樣本進行估計。目前通常的處理方法是對資產(chǎn)組合的邊緣密度做出假設，然后運用ML(極大似然估計)估計α。對于Copula模型的研究給后金融危機時期金融市場的風險防范與控制提供了強有力的理論支持。(4)Copula-TGARCH。Copula-TGARCH模型通常被用于進行金融資產(chǎn)投資。當人們需要研究資產(chǎn)之間相互的協(xié)方差關系，篩選不存在波動持續(xù)性或者具有協(xié)同持續(xù)關系的一組金融資產(chǎn)投資時，通常使用Copula-TGARCH模型進行分析，它使得所選的投資組合在一定程度上可以規(guī)避波動持續(xù)性帶來的金融風險［3］。(5)其他分析方法?，F(xiàn)在還有很多利用非參數(shù)方法對非線性模型族的轉(zhuǎn)換進行研究。這是利用數(shù)學中同構空間變換的思想，尋找將復雜非參數(shù)模型族轉(zhuǎn)化為簡單模型的簡便方法。一般說，非線性模型的轉(zhuǎn)換是通過對非參數(shù)模型的分解來實現(xiàn)的。當前主要采用的方法有譜分析方法②、因變量的參數(shù)變換、窗函數(shù)的變換方法等。非參數(shù)方法是在不需要對模型的具體形式做出假設的基礎上，對波動做出估計，據(jù)此來探討經(jīng)濟現(xiàn)象之間的內(nèi)在關系。這對于探討經(jīng)濟現(xiàn)象之間的本質(zhì)關系可以起到很好的理論指導效果。其優(yōu)點是:對模型結構的先前驗證信息要求很少，并且能為進一步的參數(shù)擬合提供有用的感性認識。同時，對于時間分布過長、內(nèi)容過大的金融市場信息，非參數(shù)方法也可以被用來檢驗金融市場的波動是否存在協(xié)同持續(xù)現(xiàn)象。非參數(shù)模型還可以被用來解決金融市場中存在波動持續(xù)性的問題。這種問題的存在會加大投資者未來投資收益的風險。目前，人們已經(jīng)通過大量的實證研究發(fā)現(xiàn)，一系列存在很高持續(xù)性的金融資產(chǎn)收益序列的某種線性組合，可能不再具有波動的持續(xù)性。這種方法就給防范持續(xù)性金融市場風險提供了可能。

三、結論

通過上述分析不難看出，整個金融市場特別是股票市場的運行過程中存在著非平穩(wěn)性和非線性的特點。因此，在將模型應用于金融市場風險研究時存在一定的缺陷。特別是參數(shù)模型很難反映一些重要的金融市場非線性特征。在這種情況下，即使可以找到概括和解釋能力很強的參數(shù)結構，也難以避免隨著時間推移頻繁改變的參數(shù)問題。而非參數(shù)模型由于存在不需要對數(shù)據(jù)生成過程的先驗信息做出過多的假設的優(yōu)點，并且由于不受分析期限結構的限制，已經(jīng)在相關的金融資產(chǎn)組合投資選擇中被廣泛地使用。同時，非參數(shù)模型分析還可以對金融市場中各種潛在風險的特征進行分析，并且能夠?qū)⑵浔l(fā)后可能對整個金融市場造成的影響進行初步的度量。因此，建議金融市場相關的監(jiān)管部門和機構，充分利用金融模型檢驗得出的金融市場風險特征分析結果，對整個金融市場風險進行防范與監(jiān)控，降低整個市場中潛在風險爆發(fā)的可能性，維護整個金融市場的平穩(wěn)運行。

作者：張開宇單位：渤海銀行股份有限公司天津分行