基于VaR方法的开放式基金风险的实证研究

(山西财经大学 山西 太原 030006)

基于VaR方法的开放式基金风险的实证研究

张梦娇童盼

(山西财经大学 山西 太原 030006)

本文通过运用VaR方法分析最新的基金市场的样本数据代表性地展示了开放式基金的市场风险；同时构建了GARCH模型对选择的十只开放式基金样本数据运用EViews7.0统计数据软件计算得出了相应的参数，并且使用计算VaR值的公式计算出每只基金所对应的日收益率的VaR值。进一步讨论了每只基金的日收益率VaR值之间的关系以及它们各自的风险状况。

开放式基金；VaR；GARCH模型

一、数据选择与分析

本文从南方基金管理有限公司网站上选择了十只股票型的开放式基金作为样本数据。严格按照证券监督管理机构在信息披露方面的要求，开放式基金需要每日都公布基金的净收益率，所以在本文中也将以每日来作为时间单位，并且为了维持这十只开放式基金在期限结构上的相同性，在文中对于每只基金选择2013.11.11～2015.4.3这342天的日基金资产净值作为样本数据进行比较，并且以此来分析它们的风险状况。这十只开放式基金的基本信息如下表1-1所示。在文的中，用下面公式计算每只基金的每日收益率：

rt=Ln(pt/pt-1)

其中:pt是每只开放式基金的日资产净值。

表1-1 基金样本数据的基本情况

根据十只开放式基金各自的日收益率数据应用EViews7.0统计数据软件可以得到基金样本数据的日收益率的均值、标准差、峰度、偏度等关键数据。通过数据知道，虽然各只基金每日收益率的标准差值相对来说很相近，但是它们的均值差异还是非常明显的，所以能够在一定的程度上反映出每只基金的盈利能力。从每只基金的日收益率的峰度也能够了解到一些信息，由于对于标准正态分布来说它的峰度值是等于3的，然而所有基金日收益率的峰度值都比3大，所以可以说明的是在这些样本数据内，基金的日收益率曲线都表现出了明显的“尖峰厚尾”特性。

由上面分析知道，开放式基金日收益率的分布表现出来的是非正态性分布和尖峰厚尾的特性，所以使用GARCH(1,1)模型来计算样本数据中的开放式基金的VaR值是合理的。

二、实证结果与结论

通过数值可以非常清楚的看到,这十只开放式基金的日收益率差异非常显著的情况在GARCH(1,1)模型中也很清晰的反映出来，它们的μ值差异异常的显著，甚至出现了负值(例如Z6)。但是,它们的GARCH(1,1)模型的波动序列形态却有着很大的相似性，原因是大多数开放式基金的滞后系数β都是大于0.7 (其中Z4，Z5除外)，而且它们的回报系数α大都小于0.25(其中Z5除外)，并且这些参数在统计数据上都具有显著性，这充分的表明了各只基金的日收益率的变动具有一定的持续特性，它们对市场波动的反映是比较迅速的，而且波动的形态是属于尖细型的。此外，每只基金的α+β<1(其中Z6和Z10的α为负值，可参考性价值小)，这更进一步的体现了开放式基金的变动过程的持续性和稳定性，也就是此序列在过去时刻的变动特性可以在当前时刻被“继承”下来。并且表中的每只基金的较小的AIC值都是小于-5的，也进一步体现了此模型方程的精确性与简洁性。

表2-1 十只开放式基金的VaR值

通过对十只股票型的开放式基金的简单研究有了以下的结论：

首先，开放式基金的日收益率是存在着异方差性的。其次，GARCH(1,1)模型能够比较好的描述这十只开放式基金的波动性。通过t检验量和AIC值以及LNL值看出GARCH(1,1)模型描述基金的日收益率时间序列是比较精确地。通过GARCH(1,1)模型对所选择的样本数据进行每只基金VaR值的计算与检验可以了解到，目前我们国家比较喜欢投资的是股票型的开放式基金，但是各种不同的股票型开放式基金即使在业绩上存在着较大的差异,但是它们对于风险的控制能力却是基本一致的。所以本文的建议是各类基金管理机构应该积极地推广以VaR方法为中心的风险度量与风险管理的机制，也可以运用动态的风险控制方法进行总体的风险管理，同时可以应用计算VaR的值进行风险的结构分析。

[1]陈小红，何浩．开放式基金的VaR值的测算与评估[J]．武汉金融，2006(8)：30～32．

[2]江涛．基于GARCH与半参数法VaR模型的证券市场风险的度量与分析[J]．金融研究，2010(6)：104～111．

[3]刘平．关于开放式基金VaR 风险的比较[J]．经济问题，2011(11)：104～107.

张梦娇，女，汉族，内蒙古乌兰察布市，硕士研究生在读，山西财经大学，风险管理。