进入90年代后,随着国际金融市场的日趋规范、壮大,各金融机构之间的竞争也发生了根本性变化,特别是金融产品的开发创新,使金融机构从过去的资源掠夺转变为内部管理与创新方面的竞争,从而导致各金融机构的经营管理发生了深刻的变化。发达国家的各大银行、证券公司和其他金融机构在积极参与金融产品(工具)的创新和交易的过程中,金融风险管理问题成为其基础和核心。 在金融风险管理模型上,国际金融组织和金融机构先后发展了一系列新技术：①巴塞尔银行委员会的新资本协议、②G30集团和J.P.Morgan等研究和发展的风险价值法(VaR)、③风险调整的资本收益法、④美国J.P.摩根财团与其他几个国际银行——德意志摩根建富、美国银行、瑞士银行、瑞士联合银行和BZW共同研究,推出了世界上第一个评估银行信贷风险的证券组合模型(Credit Metrics)、⑤美国华盛顿国际金融研究所针对当前的主要信用风险模型以及资产组合模型提出的标准计量信用风险模型等。在众多的风险管理技术和方法中,特别是VaR方法最为引入瞩目。尤其是在过去的几年里,许多金融机构和法规制定者开始把这种方法当作全行业衡量风险的一种标准来看待。 随着利率市场化进程的逐步加快,我国商业银行资产负债经营中面临的利率风险逐渐凸现,这直接威胁着我国商业银行经营效益及运行的稳定性。而与加速的利率市场化进程极不相称的,是我国商业银行目前利率风险管理水平的相对低下,现行的利率风险管理方法已不足以应对日渐增大的利率风险。因此,我国商业银行迫切需要借鉴国际先进的管理技术和经验来管理我国商业银行的利率风险。 在我国,由于对VaR模型理论上的研究起步较晚,以及我国金融市场自身的约束条件,使VaR模型未能得到广泛的运用。而作为WTO及巴塞尔协议的成员国,我国商业银行急需在风险测量方法及管理理念、政策以及体系建设等方面尽快调整并逐步与国际惯例接轨。因此,研究并借鉴先进的VaR模型管理我国商业银行利率风险具有重要的现实意义和深远影响。 VaR(Value at risk),是指在正常的市场条件和给定置信水平下,投资组合在既定时期内可能遭受的最大价值损失。VaR模型本质上是对资产组合价值波动的统计测量,其核心在于构造资产组合价值变化的概率分布。其基本思想是利用资产组合价值的历史波动信息来推断未来情况。VaR计算方法中比较主流的三种算法分别是历史模拟法,方差-协方差法及蒙特卡罗模拟法。历史模拟法是一种简单的基于经验的方法,不需要对利率风险因子的统计分布做出假设,而直接根据VaR的定义计算；方差-协方差法的核心是基于资产收益的方差-协方差矩阵进行估计,该方法的重要假设是单个市场因子的变动服从正态分布；Monte Carlo模拟法是通过随机数模拟市场因子的变化,根据市场因子的变化得到组合损益的N个可能结果,从而在观测到的损益分布基础上通过分位数计算VaR。由于这几种算法各有各的优势及局限性,因此,在商行实际操作中,如何在合适的情况下选择合适的算法是决定风险预测结果是否精确的关键。近年来,为了改进VaR模型的精度,理论界及银行业界大量学者进行了大量的研究工作,做出了包括针对“厚尾”、“波动的集簇性”等等现象做出的模型改进。 在我国,由于VaR能够实现对市场风险的量化分析,可以对投资组合或机构所需承担的市场风险而发生的潜在损失有一个客观的、事前的估计值；可以用VaR为业务单位或交易员设置头寸限额,从而避免由于交易员过度投机而导致银行市场风险加大；可以用它来比较不同业务之间的市场风险情况,从而进行资源配置；并且可以用它对交易员进行绩效评估……正因为以上种种的显著优势,笔者认为在当前阶段引入VaR风险计量模型是有其实践意义的。但另一方面,VaR的应用也有一定的局限性,例如对历史数据的高要求,其计算方法尚不完善,及其仅仅适用于可交易资产风险评估等。基于此,寻求并建立一个适合我国商业银行的VaR利率风险管理体系便显得尤为重要。 为了验证在当前阶段的中国商业银行利率风险管理方面引入VaR技术是否已经具备一定的条件,我们可以选取银行间市场中规模较大,数据较全,市场性较强的银行间债券回购市场为例做实证分析。通过Eviews软件对银债市场收益率序列作描述统计,我们可以得到以下结论：我国银行间债券市场收益率的分布不是正态分布,存在尖峰厚尾及波动集束现象。由于历史模拟法对风险因子分布形态不作任何要求,而GARCH模型则能较好地描述波动集束现象,我们可以分别以这两种计算方法来计算VaR值。总体来说,这两种方法都可以较为客观地预测出银债市场的利率风险。历史模拟法,由于其计算不受收益分布形态的影响,所以在对中国银债市场利率这种非正态分布的分析上,显示出了它的优势。GARCH法得到的VaR值略为偏高,它可能更好地捕捉到了风险的特征,但也存在着高估风险的可能。