人民币个人理财产品收益率波动性分析

【摘要】人民币理财产品受货币政策、产品设计以及经济环境等各种因素的影响。由于因素的影响具有持续性和延续性，所以理财产品收益率的变动具有时间特性。通过ARMA模型可以分析收益率的波动性的基本特征，在ARM模型存在ARCH效用的情况下，采用GARCH模型分析人民币理财产品收益率的波动。以此得到人民币理财产品收益率的波动描述模型和结构化分析方法。

【关键词】人民币理财产品 收益率 GARCH模型

一、引言

伴随着经济的发展，金融创新形式的不断出现，银行理财产品正成为一种越来越重要的投资项目。银行理财业务是商业银行协助客户分析自身财务状况并充当其投资顾问的相关业务，属于商业银行中间业务。一般的理财产品是由商业银行与相关的金融机构自己设计并推销的。具体的操作过程是将所集合的资金依据产品合同投资到金融市场。在获得收益后，再结合合约把所得分红。

目前，银行理财产品可以按照时间和是否保本以及收益率的固定与否划分为多种不同的类型。因此，不同的理财产品由于属性的不一致，导致理财产品的风险及收益各有不同。其中理财产品收益率是银行和投资方最为关注的指标，一方面收益率是银行设计理财产品最为重要的考虑因素，同时，收益率也是影响投资方选择理财产品的最重要的决策指标。但是银行理财产品的收益率并不仅受市场供求关系的影响决定，收益率的变化还受各种宏微观环境的影响。

二、影响理财产品收益率的因素分析

货币政策、个人理财产品自身的设计以及国内社会环境和经济环境的几个方面分析其如何影响个人理财产品收益率。

（一）货币政策

货币政策指的是央行利用各种各样的货币工具对利率和货币供给量予以调节，从而达到既定经济目标的方针和措施的总和。货币政策主要分为扩张性货币政策和紧缩性货币政策，不同的货币政策下由于货币的供应量和利率的不同从而会对理财产品收益率产生影响。

一般而言，货币供应量增加时，商业银行为会提高理财产品的收益率，实现帮助投资者增值保值的目的来吸引投资，而货币供应量减小时则为相反，商业银行会适当降低理财产品收益率。利率的波动直接引起对应金融资产价格的波动，从而间接对挂钩金融资产的各类理财产品收益率产生影响。利率上升时，资金面就会紧张，相应的商业银行就会上调发行产品的收益率，夺取资金；利率下降时，资金流动足，商业银行从资金成本的角度考虑亦不愿用高收益率产品来取得资金，因所以理财产品的收益率相对变低。

（二）产品设计

理财产品在设计的过程中，不同产品对理财产品的购买时限和权利等内容有不同的规定，并会影响双方的收益分配，最终通过理财产品收益率的方式体现出来。其中最影响较大的时是委托期限，收益获取方式和提前终止权。

委托期限的长短会对个人理财产品的市场风险以及资金的时间价值产生影响，从而对其收益率产生影响。一般情况下个人理财产品的委托期限与其收益率呈正相关的变动，委托期限越长，理财产品的收益率就相对较高。委托期限越短，其收益率也会相对减小。理财产品的收益获取方式主要涉及是否保本以及收益是否固定。一般来说非保本类型的产品收益率比保本型产品的收益率高，浮动收益类型的产品收益率要比固定收益率的产品高。提前终止权使权利方拥有随时终止产品购买持续的权利，不利于资金的管理和使用，所以，设计有客户可提前终止权的理财产品收益率会相对减小。而银行拥有提前终止权时，理财产品收益率会更高。

（三）经济环境

经济形势整体良好的时候，包括理财产品在内的整个金融市场往往呈现出繁荣的状态，在这种环境中的企业经营能力普遍较好，承担风险的能力较强，信用风险较低，银行就会调高理财产品的收益率。当外部经济形势整体表现不强时，金融市场也会低迷，承担风险的能力很低，信用风险上升，银行就会降低理财产品的收益率。

三、人民币个人理财产品收益率ARMA模型构建

考虑到货币政策，经济环境以及理财产品的设计具有一定的惯性和延续性，所以理财产品收益率的变化可以采用时间序列的方法进行模拟和分析。ARMA模型是研究时间序列的重要方法，由AR模型与MA模型“混合”构成。可以在通过检验的情况下用于长期追踪理财产品收益率。

为方便研究，同时更好地与当前理财产品的情况一致，研究选取了中国银行2016年下半年发布的中银智荟理财计划产品，样本数共184个。分析思路是先进行收益率描述性分析，之后利用ARMA-GRACH模型进行波动测度，最后计算该理财产品的风险价值VaR并证明模型分析在金融领域的可行性。实证分析过程使用的软件主要是EVIEWS和EXCEL。

利用EVIEWS软件，对样本期内的理财产品收益率序列R进行描述性统计，其结果如下所示。

可以看出，2016年下半年内产品的收益率呈现出明显的波動。理财产品样本期内，该理财产品收益率的均值为0.051549，说明该理财产品的平均收益率为5.1549%；另外，偏度值为0.044745，大于正态分布的标准偏度值0，峰度值为2.040651，小于正态分布的标准峰度值3，因此，理财产品收益率R时间序列具体尖峰厚尾的特点。

对于收益率时间序列，可能会存在着一定的自相关，当期水平会受到前期水平的影响，故利用EVIEWS软件计算理财产品收益率R的自相关和偏自相关数据，结果显示序列R在1阶、5阶、6阶、10阶时的自相关函数值超过了95%的置信区间，在1阶、5阶、6阶、10阶时的偏自相关函数值超过了95%的置信区间，故应该拒绝R序列自相关函数值和偏自相关函数值为0的假设，这说明理财产品收益率R存在显著的自相关性，需要建立自相关模型进行分析。根据ARMA模型回归的AIC值和SC值结果可知，无论AIC值还是SC值，都是ARMA（5，6）模型的值最小，因此，理财产品收益率R的自回归模型为ARMA（5，6），其具体公式为：

其中，εt为模型估计的随机扰动项。

同时，得到的ARMA（5，6）模型估计结果如下表所示。

由以上表中的估计结果可以看出，AR（5）和MA（6）估计系数显著性检验的P值都为0.0000，因此，估计系数都是显著的，再次表明理财产品收益率R确实存在相关性。进一步检验模型是否有ARCH效应情况存在，首先得到的ARMA（5，6）模型残差平方的自相关和偏自相关图如下。

上图结果显示，自相关和偏自相关函数值在5阶和6阶时都超过了95%的置信区间，这说明残差平方序列存在显著的自相关性，故存在异方差现象。进一步采用ARCH-LM法进行检验，两个统计量相对应的Prob.值都是小于0.05的，故应该拒绝不存在ARCH效应的原假设，因此，所建立的ARMA（5，6）模型确实存在ARCH效应，适合采用GARCH模型来进行分析。

四、收益率波动性特征分析

由以上的分析可知，理财产品收益率R存在着一定的ARCH效应，需要进一步建立GARCH模型来分析。在保证能够消除ARCH效应的前提下，尽量选择比较简约的GARCH模型因此，构建最终采用理财产品收益率波动性分析模型为：

ARMA（5，6）-GARCH（1，1）

其具体形式如下所示：

均值方程为：■

条件方差方程为：■

采用EVIEWS软件，对以上建立的ARMA（5，6）-GARCH（1，1）模型进行分析，残差平方序列的自相关函数值和偏自相关函数值在各阶都没有显著超过95%的置信区间，这说明残差平方序列不存在显著的自相关性，即不存在异方差现象。进一步采用ARCH-LM检验法验证ARCH效应检验的两个统计量P值都大于0.05，故在5%显著水平下应该接受模型不存在ARCH效应的假设，因此，模型已经不存在ARCH效应。由此得到的ARMA（5，6）-GARCH（1，1）模型估计结果为：

均值方程为：■

条件方差方程为：■

综合以上估计结果看出，条件方差方程中，ε■■系数反映了外部冲击对汇率收益率波动情况的影响，其估计系数为0.046085，该系数显著性检验的P值为0.2926，大于0.05，故不显著，这说明理财产品收益率波动性受到外部冲击的影响不明显；ε■■的系数反映了系统的长期记忆性，其估计系数为0.912441，该系数显著性检验的P值为0.0000，小于0.05，故该系数显著，说明理财产品收益率波动性受到前期波动的显著影响；同时，ε■■和σ■■两个估计系数相加的和为0.958526，小于1，说明所建立的模型是稳定的。

五、结果分析

通过以上对理财产品收益率波动性的分析，可以得出如下基本结论：

一是理财产品收益率时间序列存在尖峰厚尾特征，平稳性检验结果显示其是平稳的，但自相关和偏自相关显示存在自相关性，故建立自回归模型进行分析，通过比较选择，最终确定的模型为ARMA（5，6），自相关性得到了消除。

二是ARCH-LM检验法对ARMA模型检验发现，模型存在着显著的ARCH效应，故适合采用GARCH模型进行分析，最终建立的理财产品收益率波动性模型为ARMA（5，6）-GARCH（1，1）模型，该模型能够较好地对理财产品收益率波动性进行分析。

三是在ARMA（5，6）-GARCH（1，1）模型估计的基础上，计算得到了99%置信水平下的理财产品收益率VaR值，利用失败检验法进行准确性检验可知，各样本的最低收益率都没有超过其实际收益率，故可以利用GARCH模型來进行VaR测度。

四是结合模型的实证分析结果我们可以看出经济模型工具在分析金融工具方面有着重要的作用。商业银行在设计理财产品的过程中可以利用经济模型工具审慎的分析其收益率的波动性。以2016年作为例子，初期与后期的理财产品收益率波动较大，因此银行可以在年初以及年末时相应的降低理财产品的收益率来规避风险。而在中期银行则可以上调理财产品的收益率来实现资产的增值。

参考文献

[1]刘铁鹰，田波平.GARCH类模型和状态空间模型波动率预测评价[J].财经论坛，2009（16）：118-120.

[2]Yiuman Tse.Price Discovery and Volatility Spillovers in the DJIA Index and Futures Markets[J].Journal of Futures Markets，1999，19（8）：911～930.

[3]Duffie，D，Singleton，K..Simulsted Moments Estimation of Markov Model-sod Asset Prices[J].Econometrica，1993（61）：929—952.

作者简介：王春雨（1977-），男，汉族，山东诸城人，任职于淮海工学院，研究方向：供应链与金融。