VaR在我国股指期货风险管理中的应用

【摘要】 2011年4月16日，沪深300指数期货正式上市，迄今为止，已成功运行近两年时间。它的推出为投资者套期保值、规避风险提供了新的途径，但也蕴含着巨大的风险，其交易机制具有高杠杆性、可操作性、交易策略复杂性等特征，一旦投资失误，将会给投资者带来巨大损失。因此，本文先指出防范股指期货风险的重要性，然后基于沪深300指数期货数据，运用GARCH—var模型对风险价值法（VaR）在我国股指期货风险管理中的应用价值进行分析鉴定，并提出一些防范措施，以促进我国股指期货市场的健康发展。

【关键词】 股指期货 风险价值法（VaR） 防范措施

一、防范股指期货风险的重要性

股指期货，全称是股票价格指数期货，也称股价指数期货、股指，它是一种以股价指数为标的物的标准化期货合约，即双方约定在未来的某个特定日期，可以按照事先确定的股价指数的大小，进行标的指数的买卖。股票指数期货价格乘以合约乘数就是其合约的价值，股指期货具有风险规避功能、价格发现功能和资产配置功能，同时具有跨期性、杠杆性和联动性的自身特点。

经过多年的探索，在2010年4月16日，我国终于正式推出以沪深300指数作为标的物的沪深300股指期货。2010年度，按单边计算，本期成交量为45873295手，成交额为4106987672.96万元，本期持仓量29805手；在2011年度，按单边计算，本期成交量为50411860手，同比增长4538565手，成交额为4376585521.65万元，同比增长269597848.69 万元，本期持仓量48443手，同比增长18638手。可以看出，随着我国经济的发展，金融体系的逐步完善，股指期货投资者的数量和成交金额将会越来越大，对其进行风险防范也显得越来越重要。

与其他金融衍生产品一样，股指期货也具有高风险、高收益的特征。其交易具有其他金融衍生品所拥有的共同的风险：包括市场风险、信用风险、流动性风险、操作风险、法律风险等；此外，股指期货除了具备金融衍生产品的总体风险之外，还由于其标的物、合约设计、交易制度和结算方式等特殊性而具有一些自身特定的风险，主要包括基差风险、保值率风险、流动性差异风险等。股指期货交易的高杠杆性、价格变化的敏感性和交易策略的复杂性，使其交易蕴含着巨大的风险，并远远超过了股票现货市场，由于实行保证金制度，其“高杠杆”、“以小博大”的交易特点使投资者面临更大的风险敞口，价格小幅波动，就可能造成交易者损失大量保证金，情状况若恶化，他们极可能无力偿还而违约。此外，投资者盲目入市、非理性投机因素的存在，加大了投资者损失发生的概率，一旦投资失误，将会出现数倍于投资额的损失，也就是说投资者获取高额收益的可能性的同时必须承担高额风险，那么股指期货的风险管理就显得尤为重要。

因此，本文研究股指期货的风险管理，不论是从理论上还是实践上都是相当必要的，下面本文将选取一个视角，探讨一下风险价值法（VaR）在我国股指期货风险管理中的使用价值，争取为投资者进行风险防范和控制提供一个有效的工具，同时促进我国股指期货市场的健康发展。

二、风险价值法（VaR）的应用价值分析

1、风险价值法（VaR）

风险价值法VaR（Value—at—Risk）是一种以规范的统计技术来度量市场风险的新标准，目前在金融数学领域被广泛使用，它是在正常的市场条件下，给定一定时间区间和置信水平，测度最大损失的数学方法。其优点在于将不同的市场因子、不同市场的风险集成为一个数，较准确测量由不同风险来源及其相互作用而产生的潜在损失，适应了金融市场发展的动态性、复杂性和全球整合性的趋势。VaR的计算方法主要有蒙特卡洛模拟法、历史模拟法、方差—协方差法等，其中比较常用的是利用参数方法计算VaR的方差—协方差法。

2、样本选取

鉴于股指期货的标的物和期货的价格运行接近，本文将用沪深300指数价格代替沪深300股指期货价格计算以“天”为单位的VaR值。模型中的参数估计将使用Eviews5.0软件实现。为反映最新的期指情况，样本数据时间跨度为2010年4月19日至2012年3月30日，共计沪深300指数收盘价475个。其收益率是采用对数一阶差分形式，即设第d日的收益率为rd，pd为第d日沪深300指数的收盘价格，则rd=lnpd—lnpd—1。

3、GARCH—VaR模型检验

（1）平稳性检验。在建立金融模型前，首先要求相应的数据序列是平稳的。单位根检验主要用来判断时间序列的平稳性。本文使用ADF单位根检验方法对日收益率序列进行检验。如果ADF检验统计量值小于给定的显著性水平的临界值，那么可以在该显著性水平上认为样本序列没有单位根，也就是平稳的。反之，则认为样本序列有单位根，即不平稳的。用Exiews5.0对沪深300指数收益率序列进行ADF检验的结果如表1所示。

从表1可以看出，日收益率序列的ADF检验统计量的值为—9.765721，均小于其在1%、5%和10%显著性水平下的临界值，也就是有99%的把握认为沪深300指数收益率序列没有单位根，即序列是平稳的，可以建立GARCH模型。

（2）正态性检验。通常的模型假设残差服从正态分布，但在实际应用中，收益率序列存在着“尖峰厚尾（Leptokurtosis）”性，即收益率分布的峰度比标准正态分布的峰度高。因此，计算VaR时应该考虑用于描述尾部特征的其他分布来代替正态分布。

使用Exiews5.0，获得沪深300指数收益率的描述性统计结果，如图1所示。

柱状图描述了沪深300指数日收益率475个数据在区间的分布情况。从右表数据可以看出，日收益率序列明显不服从正态分布，该序列的偏度（skewness）为—0.3172103。与标准正态分布相比，序列具有左偏、尖峰和后尾的特征。同时，Jarque—Bera统计量的数值相当之大，为19653.63；且其概率P=0，从而拒绝了序列服从正态分布的假设。