在现代经济环境中,金融处于一个十分重要的位置,而商业银行在其中发挥着至关重要的作用,如何透过商业银行的视角对整体金融风险有一定程度的控制,不仅是商业银行关注的问题,更是监管当局和学术界研究的重点问题。在我国商业银行的整体风险管控中,利率风险预防和控制是首个突出并且应当重视的问题。由于国际上利率风险控制浪潮的推进,以及我国倡导利率市场化的步伐加快,中资银行在面临全球金融机构的挑战,如何对商业银行的风险进行有效的度量和管理研究,已经是商业银行管理面临的一大重要课题。商业银行利率风险研究是一个成熟而又新颖的课题,随着国际经济环境下对金融市场管制的逐步放松,出现了大规模的金融产品创新,使得金融市场波动日益频繁,金融机构由过去的市场资源化探索向内部管理和创新方式改革转变,在金融机构经营管理模式渐渐发生改变的同时,有关利率风险方面的预防和控制度量模型理论和实践也在不断探索与创新中。VaR模型在这一背景下发展起来并受到广泛认同,已成为西方各国公认的市场风险度量与管理工具之一。受当前世界经济环境和我国金融市场发展的影响,中国对商业银行利率风险度量的重视程度也在逐渐加强,对利率风险的关注和利率风险预防和控制的技术引入,甚至利率风险的体制问题都有所改善和进步。但是总的来看,随着利率市场化波动的愈发明显,我国商业银行的计量风险技术还不能满足市场风险正在逐步变大的形势,这与发达国家的商业银行风险度量水平还存在一定的距离。当前我国大部分商业银行少有运用比传统的风险度量方法更为精确的VaR模型法进行利率风险的度量,这与国际上通行的先进计量方法存在着较大差距,因此通过建立合适的VaR模型对我国商业银行利率风险进行度量和监管,具有重要的意义,因此,本文基于我国银行同业拆借市场中的隔夜拆借利率进行实证分析,希望在利率风险的理论和实践分析上能结果我国国情有所创新,能为我国从利率风险的理论、模型建立以及监管体系方面的监管扩展做出实际的学术贡献。在对利率风险相关课程的学习以及论文文献的研读中,了解到利率风险是指非预期的市场利率变化导致的对商业银行表内和表外头寸的影响,会对商业银行的资产价值及收益产生直接的影响。其中,在对利率风险度量的方法中,VaR作为一种新兴的模型正在被世界各地的风险监管当局和金融机构所推祟。VaR (Value at Risk)也叫在险价值,是一种利用统计方法计量风险价值的度量方法。现在,VaR模型己经成为了很多国家的金融风险管理标准,并且将其作为分析工具监管金融机构风险的重要工具,其动态监测和量化监管的特点受到金融监管当局和金融机构的认同与欢迎。本文第三章对商业银行利率风险的基本概念进行了理解和阐述,其中包括阐述商业银行利率风险的定义,以及对商业银行利率风险种类的了解。在对利率风险清晰定义的基础上,进一步深入了解商业银行利率风险的分类共有四种,包括重新定价风险、基准风险、收益率曲线风险和隐含期权风险,并对四种利率风险进行了详尽的定义和概念的诠释。对商业银行利率风险的清晰定义和了解有助于正确选择合适的风险度量工具,合理的规避风险。第二部分主要阐述商业银行利率风险度量方法的演进历程,正确认识和选择利率风险的度量方法是实现利率风险科学管理的重要前提,因此对商业银行利率风险度量工具的演变过程了解十分必要。在对传统的两种利率风险度量方法,即利率敏感性缺口分析和持续期模型的了解后,总结出静态的风险度量方法的优点在于简洁易懂,且易于操作和计算,但是都不能全面的反应账户中的综合交易情况。VaR相对于传统的方法,能更为全面的度量综合复杂的银行利率风险,因此受到广大风险监管者和金融机构的推广。总的来说,VaR方法可以分为参数法、非参数法以及半参数法。该部分中主要介绍了GARCH族模型和基于Risk Metrics的混合正态分布两种参数方法,以及历史模拟法和蒙特卡罗模拟法两种非参数方法。在对方法了解的基础上,拟选用GARCH族模型和基于Risk Metrics的混合正态分布两种参数方法对上海银行间同业拆借市场的隔夜拆借利率进行VaR度量的实证分析。第四章主要对上海银行间同业拆借市场的利率数据进行进行统计特征分析,由于SHIBOR比CHIBOR更为符合市场波动规律,市场化自由程度更广且隔夜拆借利率数据最为频繁,因此选择上海银行间同业拆借利率数据进行实证分析,并对其做收益率对数处理。在对SHIOBR对数收益率数据的统计特征分析中,可以得出以下结论：SHIBOR对数收益率数据并不服从正态分布,具有明显的尖峰厚尾特征,该样本是平稳的时间序列数据,并且存在自相关性。在对SHIBOR对数收益率的条件异方差检验中发现,样本序列的残差序列存在明显的ARCH效应,应该可以用于建立ARMA-GARCH模型。在第五章中,用GARCH族模型来对SHIBOR对数收益率数据进行利率风险度量的实证分析。在对GARCH族模型基本思想了解的基础上,首先确定了SHIBOR样本序列的自回归移动平均模型为AR(1),并得出结论：AR(1)基本满足平稳的要求,且不存在序列相关。在此基础上,选择了GARCH、T-GARCH、E-GARCH这三种GARCH族模型的形式来拟合模型的条件异方差,在对残差分布的选择中,不仅使用正态分布形式,还选择了T分布以及广义误差分布分别进行拟合,选择了18种GARCH模型形式对比其AIC值,其中GARCH(1,1)-T、GARCH(1,2)-T、 GARCH(1,1)-G、GARCH(1,2)-G、TGARCH(1,1)-G、TGARCH(1,2)-G EGARCH(1,1)-T、EGARCH (1,2)-T、EGARCH (1,1)-G、EGARCH (1,2)-G模型的AIC和SC值较小,然后对上述选择的模型进行参数显著性检验,剔除系数不显著及效果不优的模型,选择EGARCH(1,2)-G进行VaR值的计算。第三部分对EGARCH(1,2)-G的VaR值进行回测检验,该模型在95%和99%的置信水平下没有通过检验,说明模型对于风险的估计过于保守,或者可能因为数据样本量不够,但在99%的置信水平下拟合效果较好,从一定程度上能刻画SHIBOR收益率的尖峰厚尾特征。接下来,本文使用参数法中的另一个种方法—基于Risk Metrics的混合正态分布来对SHIBOR对数收益率数据进行拟合,在假定上海银行间同业拆借利率对数收益率服从双正态混合分布的前提下,取日收益率衰减因子为0.94,利用Matlab进行EM迭代,最后求得混合正态分布密度函数的参数估计值。通过标准化的SHIBOR对数收益率直方图可以发现,数据的尖峰厚尾信息特征较为明显,特别是尖峰信息特征,因此可以得出结论,混合正态分布相较于正态分布来说,拟合效果较好,在VaR值的计算上也能获得更高的精度。从混合正态分布VaR值的回测检验来看,在置信水平为99%、95%、90%三种情况下,LR统计量均小于临界值,模型通过回测检验,说明混合正态分布情况下,其实际失败天数与期望失败天数非常接近,该模型所测算的VaR值精确度较高,是一种值得推广的VaR度量方法。通过对GARCH族模型和基于Risk-Metrics的混合正态分布模型法的实证结果对比分析来看,首先,两种方法都是利用同一组数据进行实证分析,因此分析的结果可以直接进行对比,来判断方法不同所带来VaR值结果及其精准度不同的影响；其次,两种方法都是基于参数估计的基础得以实现,都属于参数法的范畴,可以对比其同种方法范畴下的不同之处,对方法的选择对比具有实际意义；最后,两种估计法在软件上能较为快速的实现,GARCH族模型通过Eviews软件来实现,而混合正态分布则需要通过Matlab进行编程计算,其计算速度并无差别,都能在软件中短时间显示结果。然而,两种实证分析方法的不同之处能体现在模型理论理解难易程度、软件实现难易程序、计算复杂程度、方法推广程度、计算结果精准度这五个方面的不同。最后,本文针对VaR模型的两种方法实证分析,得出以下结论：第一,在GARCH族模型的实证研究中,针对上海银行间同业拆借利率数据,经过一系列测算,最终选择EGARCH(1,2)-G模型为风险度量模型,利用EGARCH(1,2)-G拟合的的方差预测值对其分别求出每日动态VaR值。第二,在基于混合正态分布方法的拟合中,本文发现混合正态分布对金融时间序列尖峰厚尾特征的描述较为贴切,且能较为灵活的调整双正态分布各自拟合比例,最终得出较为稳定的参数估计值。第二,EGARCH(1,2)-G只有在99%的置信水平下通过Kupiec检验,而混合正态分布方法在三种置信水平下均通过检验。第四,对于极端风险情况的处理,GARCH族模型比混合正态分布模型更优,同时,混合正态分布拟合的每日VaR值更接近风险平均水平,因此对总体水平上的风险度量更为优化,是另一种值得考虑使用的风险度量方法。