论文部分内容阅读
本文对我国商业银行利率风险进行研究.选取上海同业拆借利率中具有代表性的隔夜拆借利率作为研究对象,通过建立贝叶斯AGARCH模型来分析SHIBOR收益率序列的波动性以及对VaR进行计算.本文主要内容有：第一章阐述了选题的背景和研究意义,并进行了相关的文献综述.第二章简要的介绍了我国商业银行利率风险的管理体制,包括利率的定义、识别和度量.第三章选取2007年1月4日到2013年5月29日为样本区间,以SHIBOR隔夜拆借利率数据为研究对象,对SHIBOR收益率序列的数据特征进行了分析,发现其具有波动集聚性,尖峰厚尾特征,非对称性,存在明显的ARCH效应的特征,因此建立了AGARCH(1,1,1)模型,利用极大似然法对模型参数进行了估计.选取2013年5月30日到2014年8月15日的数据为预测区间,根据所建立的AGARCH模型,预测出下一期的条件均值和条件方差,用于第五章计算VaR值.考虑到在第三章建立AGARCH模型时,由于模型对参数有一些条件约束,使得在利用极大似然法对参数进行估计时比较复杂；同时为了提高模型的精度,在第四章建立贝叶斯AGARCH模型,通过设定参数的先验分布和样本的似然函数,利用贝叶斯原理求出参数的后验分布,并利用MH抽样算法对参数进行估计.从而建立了非对称的贝叶斯AGARCH(1,1,1)模型,根据该模型发现α1+λ1+β1的估计值之和为0.83153,小于1,波动不具有持续性,λ1=0.02001>0,说明SHIBOR对数收益率序列具有“杠杆效应”,进一步对模型进行了灵敏度分析,从结果看出尽管初始值的设定不同,但贝叶斯AGARCH(1,1,1)模型的参数估计结果基本是一致的；并与第三章中的AGARCH模型进行了比较,结果表明贝叶斯方法估计AGARCH(1,1,1)模型的参数,其误差明显小于极大似然法.同样根据所建立的贝叶斯AGARCH模型,可预测出下一期的条件均值和条件方差.第五章,对我国商业银行利率进行VaR风险度量.分别利用AGARCH模型和贝叶斯AGARCH模型,具体预测下一期的条件均值和条件方差,在此基础上计算VaR值.结果表明,在95%的置信水平下,以多头头寸为例,基于贝叶斯AGARCH模型在预测期内计算的平均日VaR值为0.0878,要比AGARCH模型计算的0.1010小；为检验VaR模型的有效性,采用失败检验法进行回测检验,发现贝叶斯AGARCH模型的失败率为4.92%,更加接近预期的失败率5%,利用贝叶斯AGARCH模型对我国商业银行利率风险进行度量更加准确.第六章是对文章的总结与结尾.