沪深300股指期货交易风险及VaR应用

沪深300股指期货交易风险及VaR应用内容摘要：金融衍生工具的创新是出于防范金融风险的需要，但金融衍生工具在化解金融风险的同时本身孕育着新的风险,股指期货交易是投资者规避股票市场系统风险的有效工具，但股指期货市场只是分散、转移了股票市场的风险，并没有将风险消除，并且股指期货市场还拥有自身的风险，由于其具有杆杆效应，可使交易主体面临的风险被放大，因此股指期货交易风险管理更显得重要。股指期货风险管理首先是风险识别，作为市场宏观主体政府监管部门和交易所及微观主体的中介机构和投资者应各自确认所面临的风险类别和风险来源，评估风险发生的可能性及可能影响，在风险识别后，再准确定量测度所面临的风险，其测度方法主要是使用计量模型来刻画市场因素的不利变化而导致的价值损失的大小，本文介绍了股指期货的风险来源，并介绍了用VaR对沪深300股指期货市场风险进行测量和管理的方法。一、股指期货交易的风险来源股票指数期货的交易风险，可定义为由于股票指数期货市场运作的不确性，给市场宏观主体和微观主体以及整个社会、经济环境造成危害的可能性。股票指数期货交易风险可分为以下几种：1.市场风险市场风险又称价格风险，股指期货价格风险包括投机者对期货价格的预测失误风险和套期保值风险。套期保值风险是指股票期货指数变动不完全与股票现货指数变动成比例，使套期保值的对冲交易发生变化或破裂所造成的风险，造成股票指数期货市场无法发挥应有的套期保值功能。套期保值中主要的风险为基差风险，由于现货价格与期货价格之间的收敛性是不确定的，尤其是在期货到期之前进行对冲，期货价格常常会过度偏离现货价格，基差风险就可能增大。2.信用风险信用风险又称违约风险，当交易的对方不愿意或不能够完成契约责任时，信用风险就会出现。对手违约又可分为敌意违约和被迫违约两类。前者为有能力履约但故意不履约，后者为的确没有能力履约（如破产等原因）而不能履约。对于股指期货交易而言，信用风险发生的概率极小，原因是在进行股指期货交易时，交易所有一套独特的交易体系，如设立一系列的保证金制度，最低资金要求，逐日盯市结算措施及强行平仓制度等，使整个市场的信用风险下降。但这种由结算公司充当所有投资者的交易对手，并承担履约责任，一旦结算公司出现风险暴露，由于其风险过度集中，则将危及到整个体系的安全。3.流动性风险流动性风险包括两类风险，一种是市场流动性风险，另一类是资金流动性风险。市场流动性风险是指市场交易量不足或无法获得市场价格，导致投资者无法及时平仓的风险。资金流动性风险是指因市场投资者流动资金不足而导致合约到期时无法履行合约支付义务或无法按合约要求追加保证金的风险。在股指期货市场上资金流动性风险通常是投机者操纵市场的重要手段。如果多、空方主力严重违规，将会使无数空头或多头面临爆仓的危险，人为造成资金流动性风险。如我国“327国债期货事件”，由于空方主力严重违规、使多方面临爆仓的绝境，便是人为制造流动性风险的实例。4.操作风险操作风险是由于人为因素和风险管理控制方面的失误而产生亏损的风险。其本质属于管理问题。引起操作风险的主要原因，有人为的错误、电脑系统的故障、操作程序错误、系统失灵或内部控制失效等等。如巴林银行倒闭案，就是典型的内控机制系统造成的。一是管理层缺乏强烈的风险管理意识，使公司管理制度约束软化，对里森上报的交易结果超乎寻常的高盈利未引起重视，二是风险管理制度的设计和执行中出现问题，矩阵式的多头共管的风险管理模式造成了管理的真空和空白，第三是缺乏必要的内部控制制度，如里森身兼前台交易和后台清算两大要职，可以很方便的调拨资金，从中作弊，最后使这家历史悠久实力雄厚的世界级银行毁于股指期货交易之中。5.法律风险法律风险是交易合约及其内容与相关法律制度发生冲突致使合约无法正常履行或无法获取所期待的经济收益所造成的风险。当然，也包括相关法规制定不及时、不完整，当市场发生剧烈波动时被迫采取临时措施而造成的风险。例如，我国在“327国债期货事件”及其它品种期货市场上都曾采取过的协议平仓，便是实例。二、VaR在沪深300股指期货交易风险管理中的应用在股指期货市场上，微观主体的风险主要是市场风险，英国巴林银行、大和银行等一系列事件使人们意识到市场风险不仅会伤及自身，且由于金融机构在经济金融系统中的核心敏感地位和金融风险的传染性，还可能会导致触发整个金融体系的系统性风险。因此，微观主体的风险管理是整个风险管理体系十分重要的基础环节。那么市场风险能否以一个量化指标表示出来？以便于进行适当的风险控制，这不仅解决微观主体的风险测量问题，而且从市场宏观主体政府监管部门和交易者的角度看，也希望能掌握具体的量化指标来了解被监管对象从事衍生工具交易时所面临市场风险的大小。VaR技术就是在这种需要的条件小产生的，它在20世纪80年代晚期首先被应用于一些大的金融机构。1994年JP摩根公司创立了RiskMetrics系统，它能够预测全世界30个国家140种金融工具的VaR值，它的出现对于VaR的应用是一个极大的推动。现在，VaR技术被广泛应用于银行、非银行金融机构以及机构投资者之中。同时，金融监管当局也大力推广VaR技术的应用。VaR技术正日益成为被广泛采用的风险测量和管理工具。1.VaR的概念及其基本方法VaR（ValueatRisk）即在险价值法，是指在正常的市场条件和给定的置信水平下，投资者在给定的时间区间内最大期望损失（或最大损失），或者说，在正常的市场条件下和给定的时间内，某一投资组合发生VaR值损失的概率仅为给定的概率水平（置信水平）之内。它是一种将概率论与数理统计结合起来的分析风险的方法。从VaR的概念可以看出有三个因素的确定是非常重要的：置信水平、目标期限和观察时间。（1）置信水平它表示根据某种概率测算结果的可信程度。在测量不同金融资产的VaR值时，根据不同金融资产的不同特征，置信水平的选择也不一样，但一般在95％—99％之间取值。（2）目标期限又称持有期限，它是衡量回报波动性和关联性的时间单位，即取得观察数据的频率，所观察的数据是以日、周、月还是年来计的，它一般根据资产组合调整的速度来具体确定。调整速度较快的组合（如银行的隔夜拆借）应选用较短的期限，调整速度较慢的组合（如基金的头寸）则可选用较长的时间期限。（3）观察期间是对给定持有期限回报的波动性和关联性考察的整个时间长度，即选取数据的时间范围。对观察期间的选择更多地是从历史数据和市场结构性变化之间权衡，历史数据当然是越长越好，但时间太长，则市场结构性变化的可能性就越大，又会使其数据无法反映现实和未来的情况。目前，推算金融产品风险因子收益分布的方法主要有三种：历史模拟法、方差——协方差法和蒙特卡罗法。历史模拟法是在假定数据的历史变化直接对未来变化构成影响之下，用过去的市场因素改变量来预测组合未来的盈亏，估算其VaR值；方差——协方差法先假定风险因子收益的变化服从特定的分布（通常是正态分布），然后通过历史数据分析和估计该风险因子收益分布的参数值，最后得出整个投资组合收益分布的特征值；蒙特卡罗模拟法与历史模拟法在很多方面有相似之处，但最大的不同之处在于，历史模拟法需要用到考察期内市场因素的变化数据，以生成N个模拟的投资组合盈亏，而蒙特卡罗模拟法则不然，它只需根据市场因素历史变化的数据，选定一个合理的分布，然后在此基础上用随机变量生成器模拟市场因素的各种可能变化，接着在此基础上构造投资组合的假设盈亏。2、股指期货市场风险的VaR计算方法对套期保值而言其损益不决定于期货价格波动而是取决于基差的波动，其交易的市场风险主要是基差波动风险，当做空时，基差的缩小直接表明其套期保值者的风险增大，当做多时，基差的扩大则意味着增加套期保值的风险，因此用VaR技术测量套期保值风险应对做空时进行基差波动的下限测量，做多时进行基差波动的上限测量。对于投机交易则其市场风险则主要为期货价格波动风险，只要求刻画出收益的损失情况，做多时对下限进行测量，做空时对上限进行测量。(1)VaR计算方法如果假设资产或资产组合的初始价值为0W，收益率r的期望值为()Er，给定一定置信水平a，则资产组合的VaR可以被定义为资产或资产组合的预期价值与最低价值之差：0(())VaRWErra=-(1)假设初始价值0W1=，上式变为()VaRErra=-(2)根据（2）式计算的VaR相当于用收益率表示的相对损失，称为收益率VaR。根据上述定义，假设收益率r的概率分布为P，只要计算出收益率的期望值()Er，并用()1-Prraa=计算出置信水平a下的最小收益率ra，就可以计算出收益率VaR。目前主要有三种计算VaR的方法：正态分布假定下的方差—协方差方法、历史模拟法和蒙特卡罗模拟法。由于金融资产收益率样本数据一般具有尖峰、胖尾和聚集性特征，所以简单地运用正态分布的方差—协方差方法计算存在一定的局限性。历史模拟法从历史数据中随机抽样，形成大量的收益率序列样本路径，然后根据样本数据的经验分布计算VaR。如果采用均匀分布随机抽样，历史模拟方法也不能准确刻画收益率数据的独特特征。蒙特卡罗模拟法通过估计收益率序列随机模型的参数，然后利用随机模拟方法得到大量的收益率序列样本路径，并依照模拟数据的经验分布计算VaR。因此，蒙特卡罗模拟法能更充分地吸收历史数据的概率分布特征，在一定程度上克服正态分布假设的局限性。自从Engle(1982)提出ARCH模型分析时间序列的异方差性以后，Bollerslev(1986)又提出了GARCH模型，在随后的时间里各种ARCH模型和GARCH模型在金融领域得到广泛的应用。(,)GARCHpq模型的定义如下：tttrme=+*ttthee=22201111ttptptqtqhhhaaeaebb----=++++++011(0,,,0,,,0)pqaaabb≥≥3.沪深300股指期货VaR计算-0.08-0.06-0.04-0.0200.020.040.060.080.105-01-0405-02-2205-04-0105-05-1805-06-2705-08-0405-09-1305-10-2805-12-0706-01-1806-03-0806-04-1706-06-0106-07-1106-08-1806-09-2706-11-22沪深300指数日收益率图1沪深300指数日收益率序列图-0.1-0.08-0.06-0.04-0.0200.020.040.060.080.10.1205-01-0705-02-2505-04-0805-05-2705-07-0805-08-1905-09-3005-11-1805-12-3006-02-1706-03-3106-05-1906-06-3006-08-1106-09-2206-11-10沪深300指数周收益率图2沪深300指数周收益率序列图由于沪深300股指期货还未开始交易，并且股指期货的标的物和期货的价格运行十分接近，本文中用沪深300指数价格代替沪深300股指期货价格分别计算目标期限为日和周的VaR值。期限为日的样本区间为2005年1月4日至2006年11月29日，共454个日交易数据；期限为月的样本区间为2005年1月7日到2006年11月24日，共92个周交易数据。（1）平稳性检验要建立时间序列模型，首先要对时间序列的平稳性进行检验，只有平稳序列才能建立时间序列模型，用ADF统计量对日和周收益序列进行检验，结果如表1表1日和周收益序列单位根检验结果ADF1%临界值5%临界值10%临界值日-8.352381-3.4471-2.8683-2.5703周-4.522851-3.5047-2.8939-2.5838从检验结果可以看出，日和周收益率序列的ADF值都小于临界值，故接受序列平稳的原假设，可以建立GARCH模型。（2）正态性检验计算VaR还有一个分布问题要考虑，通常的模型假设残差服从正态分布，但在实际应用中，收益序列常常存在着尖峰、厚尾性，即收益率分布的峰度比标准正态分布的峰度高。由于金融时间序列的尖峰、厚尾性，计算VaR时应该考虑用于描述尾部特征