基于VaR模型的商业银行利率风险的研究

汪锦琪 熊鹏飞

【摘要】自上世纪布雷顿森立体系崩盘之后，国际金融行业进入自由发展和自主创新阶段，利率管理制度也多样化。随着市场利率化的不断发展，利率风险渐渐成为各国商业银行稳定运营的重大威胁，传统的资产负债管理弊端渐显，越来越难以适应金融发展的速度以及风险管控的需求。本文以商业银行同业拆借市场为例，选取近三年的749个真实的样本数据，通过VaR计量模型的计算与分析，提出适合商业银行管理风险的举措，以及对宏观经济状态把握方面的建议，對于商业银行平稳运行有积极意义。

【关键词】商业银行；利率风险；VaR模型

1研究背景

市场利率化的呼声不断高涨，伴随着利率不受管制而自由浮动的现象，何种金融资产的价值会收到更大的影响，金融机构根据CAPM模型对自身资产定价也相当程度受到市场利率的影响，利率波动对商业银行的收益影响逐渐显著。商业银行不断着眼于应对利率风险。

我国金融市场发展的比较晚，发达程度还不高，在面对全球化金融合作潮流中，对于风险的管控能力明显不足。西方国家金融自由发展和自主创新的大潮正在席卷着全球，我们既要积极地伸出手去拥抱开放的金融环境，同时要加强自身的安全保护。

2商业银行利率风险探究

2.1利率风险的成因分析

商业银行利率风险指的是由于利率的非预期波动而造成银行预期收益的损失，适当的利率风险有助于商业银行提高自身业务水平和创新业务技术，但利率风险超过一定值会对商业银行的安全性运营产生极大威胁。

利率风险的主要成因如下：其一是商业银行资产负债业务失衡，商业银行的收益主要来自于存贷款之间的利差，以较低的利率借出一定期限的资金，而在期限内存款利率上升，存贷款利差减少，银行损失收益；其二是我国实行有管理的浮动汇率制，利率不只是由市场供求关系决定，央行运用货币政策调整存贷款利率时往往幅度不一致，这也是造成利率风险的可能性：其三是消费者的选择造成的风险，央行通过调节存贷款利率来调节企业和居民在投资储蓄消费方面的需求，同样各经济主体的行为选择会影响到市场资金流向，形成利率风险。其四是商业银行对于市场利率预测的不准确性，资产的价格取决于其未来现金流的收入和被选择作为贴现水平的利率，商业银行根据资产定价模型对自身的资产进行定价，如果对选为贴现的利率把握不准确，会造成定价不实，收益不确定。

2.2我国商业银行利率风险的管理

2.2.1金融市场因素

市场机制不够健全，市场发达程度制约着金融活动，缺乏人才和技术也制约着金融活动，我国金融市场的市场利率化程度总体不高，对于利率的波动无法用任何数理模型完整的预测到，这对管理利率风险有很大的阻碍。同时，金融市场信息披露不完全，导致市场有效性不足，资金价格的影响因素不能及时的被利率所反映，造成风险管理上的不完善。

同西方发达国家相比，我国金融市场上金融工具种类较少，性质单一，市场主体无法拥有充足的金融衍生工具来保证资产的收益。商业银行的资金运作渠道单一，这对商业银行保持自身收益的稳定性提出很大的挑战。

2.2.2宏观经济方面

我国实行有管理的浮动利率制，我国的金融市场是市场决定与政府作用的统一体，由于央行的货币政策传到具有相对程度的时滞性，所以商业银行在利率风险的防范与度量方面也具有相对的时滞性，不能很及时的锁定并防止风险带来的收益损失。

2.2.3商业银行层面

商业银行在利率风险的防范和管理上存在观念落后性和行动滞后性，较少应用先进的管理技术，本身的资产负债业务结构单一，也不利于保障本身的安全性，在管理利率风险时过于依赖宏观调控，缺乏自主性，往往在濒临风险浮出水面才有所警觉。

满足客户随时取款的能力和保障维持自身发展盈利是商业银行需要权衡的两种原则，这两种原则会使得商业银行在持有不同期限的各金融资产中抉择，利率期限结构表明，短期资产利率高，长期资产利率相比较之下更倾向于下降，这会造成商业银行的利率风险。

3模型的实证

3.1模型的含义

VaR即value at risk，也称为在险价值，是指金融资产或者资产组合处于风险暴露中的头寸，该模型是指在一定的置信水平条件下，在一定期限内持有某种资产或资产组合的最大可能损失。

VaR模型的应用有利于风险管理当局在风险识别阶段分清风险的“轻重缓急”，知道在多大的概率条件下会损失多少，这涉及到对机会成本的把握，在管控风险时将资源用到什么方面才能发挥最大的用处，保证收益损失的最小化。

从定义中可以知道，计算VaR需要考虑三个变量的确定：

（1）置信水平，记为α。巴塞尔国际银行监管委员会建议的置信水平是95%，考虑到后续检验的拒绝域太小而产生误差，所以本文的置信水平选择95%。

（2）持有期，也成展望期，可记为T。持有期考虑到银行结算资产收益的清算频率和数据的跨度与时效性的矛盾问题，本文选择了近三年来749个隔夜拆借利率的真实数据作为实证的数据。

（3）收益率分布的概率密度，用f（r）表示。利率分布特征多样化，可能服从正态分布也可能服从偏态分布，如何寻求并选择既符合事实有能简化计算操作的分布规律是重点，本文后续会论证正态分布可以很好的满足要求。

3.2模型的计算方法

用VaR模型进行风险管理，关键之处在于如何计算VaR值，目前最主要的就是参数法和非参数法。具体的操作主要有三种方法：（1）8一正态法，是参数法计算VaR的一种方式，基于历史数据，利用数理统计知识对假定的参数进行估计，从而确定模型，计算简单，操作简易，但对数据分布特征要求较高。（2）历史模拟法。数据容易获取，对未来数据的分布有较高要求，希望其类似于历史分布。（3）蒙特卡罗模拟法，集各家之所长，首先是要确定是数据的分布特征，但不要求数据一定是正态分布，也可以是偏态分布或其他分布。本文只说明δ—正态法来计算VaR。

3.3数据收集和整理

3.3.1数据的收集

同业拆借市场是商业银行等金融机构进行短期资金融通的场所，市场利率化程度是所有的金融市场中最高的。隔夜拆借利率也是市场利率化程度的标志，相比其他利率，影响因素要较少一些。本文选取了自2015年1月4日到2017年12月29日的749个真实的SHIBOR数据（来自中国货币网[http：∥www.chinamoney.com.cn/index.html]）。通过对这些数据的整理和分析来实证VaR模型在风险管理中的实用性。

3.3.2平稳性检验

为了防止模型实证过程出现伪回归现象，需要对数据的平稳性进行检验，本文对数据进行了一阶差分处理，采用ADF单位根法来检验平稳性。样本数据分布和单位根检验结果如图表1。

由表2可以看出，數据ADF统计量在1%、5%和10%的水平下都小于各自的临界值，由此我们可以认为以上数据是平稳的。

3.3.3正态性检验

利用δ—正态法对VaR进行计算首先需要对收益数据进行正态性检验，这是一个大前提。利用Eviews8.0软件，对数据进行检验，结果如下。

原假设为收益数据分布是正态分布，检验结果表明，JB值为1.142820，相对较小，P=0.564729>0.05，表明数据的正态性良好，即数据近似服从正态分布。

VaR的计算依赖于数据呈现特定的分布，本文前面已经证明收益数据平稳且服从正态分布。对于资产价值有

4模型的优势和不足

4.1模型的优势

4.1.1技术要求低

VaR模型事实上是一种数理统计模型的应用，不要求运用的人有专业的金融知识或者技术，对于风险管理当局和其他需要进行风险管理的人来说都是简易可行的方法。

4.1.2可以预估风险

与传统的资产负债管理方式相比，克服了只能从既定的数据得出结论和只能看到过去的风险状态的弊端，VaR模型可以在过去的数据基础上预估未来的风险，使商业银行可以更早更及时的防范可能发生的风险。

4.2模型的不足

4.2.1模型应用数据方面

本文未将VaR计量方法与其他风险管理模型比较，对于数据经常常出现的“尖峰厚尾”现象，本文也未做出详细的探讨，这些问题将在本人的后续研究中得到研究。

4.2.2过分依赖于数据分布

本文是假设数据样本分布呈现或者近似正态分布，在此基础上利用VaR模型进行风险度量，在利率样本数据大量随机分布情况下，往往会呈现“厚尾”的特征，利用此模型度量可能会出现偏差，不够准确。在小范围数据偏差的情况下，可以采用其他方法加以佐证，力求更精确。

4.2.3过于依赖历史数据

模型历史模拟法有一个潜在的假设就是期待后续的数据分布和历史数据分布有相同或者相似的分布，这样的预估才是有效的，但是长期过程中，利率会随着时间的变化而出现走高或者走低的状况，这会使模型的预测出现偏差。

随着金融市场的不断完善，利率市场化不断深入，技术不断革新，后续的数据和前期的数据也不可能完全符合相似的分布特征。历史平稳的数据特征下使用的模型，也无法面对极端的金融环境下的突发事件。所以，商业银行需要实时跟进金融市场数据变化，持续推动创新风险管理模式。