一、引言

随着资本市场深化发展，证券公司面临的市场风险愈发复杂。为落实金融风险防控要求，强化风险计量与监测，证券公司需完善市场风险计量模型。风险价值（VaR）自1994年提出后，逐步被监管机构及金融机构认可，成为市场风险定量分析的关键指标，为金融机构量化未来潜在损失提供依据，进而指导投资决策。二、理论研究

传统计量VaR值的方法如历史模拟法、参数法和蒙特卡洛模拟法存在局限性。历史模拟法基于“历史会重演”假设，缺乏对尾部风险的估计；参数法基于正态分布假设，无法捕捉厚尾特征和波动聚集现象；蒙特卡洛模拟法对模型设定敏感，且计算复杂。GARCH类模型基于波动聚集特性建模，能更好处理金融数据存在的尖峰肥尾特征和异方差问题。

（1）

GARCH模型是ARCH模型的延伸，能捕捉历史波动对当前波动的累计效应，更为符合金融数据波动的持续性特征。EGARCH模型是对GARCH模型的改进，增强了对非对称效应的捕捉能力，支持更为灵活的收益率分布，如t分布和广义误差分布（GED）。

三、实证分析

传统VaR计量方法缺陷主要来源于静态波动率的假设。本文以沪深300指数为标的，综合运用参数法、历史模拟法、GARCH类模型（含EGARCH扩展）等方法进行动态VaR的计量。选取2014-2016年沪深300的日收益率作为基础数据，收益率序列呈现非正态分布，存在明显的尖峰厚尾特征和自相关现象，具有典型的波动聚集性特征，因此可以采用GARCH类模型来分析收益率序列的波动率变化。

图1：ADF检验

图2：Ljung-Box检验

图3：QQ图

表1：ARCH-LM检验

在对GARCH类模型的选择上，采用GARCH（1，1）和EGARCH（1，1，1）进行建模，置信水平设置为95%，滚动窗口期为250个交易日。

图4：日收益率与VaR计量结果对比图

表2：模型VaR突破天数统计（预期突破率=5%）

从计量结果可以看出，在市场剧烈波动时期，GARCH类模型在VaR的计量上显示出优势，能更及时地反映潜在风险，回溯测试的突破次数更接近理论值，且EGARCH模型对市场下行风险更加敏感，更适用于尾部风险显著的市场。

四、结论

本文通过对GARCH类模型计量VaR的简要介绍，说明GARCH类模型是市场风险定量分析中必不可少的工具，能为金融机构在捕捉市场动态风险、提高风险计量准确性上提供便利，对防范系统性金融风险具有实践意义。

（作者：华宝证券风险管理部）

（CIS）

（文章来源：证券日报）