基于VaR—GARCH模型的工商银行股票价格波动率分析

摘 要： 本文在GARCH模型的基础上，建立工商银行股票的对数收益率波动率模型，并根据条件方差序列计算VaR值。结果发现拟合程度较好，失败概率不高。

关键词： VaR值；GARCH模型；工商银行

一、引言

银行股是我国证券市场的重要组成部分，是名副其实的权重股，而四大行之一的工商银行以其超强的盈利能力，一直被国人称之为“第一大行”，其过往在沪深股市中一直表现平平，直到17年开始，其股价不断上涨，在八个月中，累计最大涨幅竟超过了46%，股价远高于2007年沪指在6000点的位置，并处于历史最高位。不论是由于市场投资理念的改变还是融资融券业务对商业银行股票价格的影响，工商银行股票价格的波动与风险都值得我们深究。

二、研究设计

（一）模型构建

本文主要通过建立VaR-GARCH模型研究我国工商银行的股票价格波动率，收集工商银行每日收盘价，对股价进行对数收益率处理后，运用GARCH模型建立股票对数收益率的波动率模型，然后根据不同波动率模型的拟合效果，得出不同置信水平下的VaR值。通過对工商银行股票风险和波动率的研究，为投资者提供建议。

（二）数据选取

本文选取2016年1月至2017年12月的工商银行（代码：601398）股票收盘价进行分析，共487个样本。数据来源：国泰安（CSMAR）数据库。

三、实证分析

对股价数据进行处理，得到对数收益率数据。首先对其进行平稳性检验，在1%，5%，10%的显著水平下，T统计量绝对值大于ADF值，因此拒绝原假设。正态性检验，P值为0，拒绝正态分布假设。

（一）构建GARCH模型

对序列进行序列自相关和偏自相关检验，其系数均落入两倍的估计标准差内，且Q统计量的对应p值大于置信度0.05，故序列在5%的显著性水平上不存在显著的相关性，因此将均值方程设定为白噪声，rt=πt+εt。将序列去均值化，得到新序列，运用残差的平方相关图检验法检验ARCH效应，序列存在自相关，因此有ARCH效应。对其对数收益率的波动图进行观察如下：

可以看出收益率unsay明显的波动率聚集性和时变性的特征。

分别建立GARCH（1，1），GARCH（1，2），GARCH（2，1）模型，对比三个模型，GARCH（1，1）所有系数都通过t检验，效果最好。

因此建立模型结果如下：

（二）VaR计算检验

在一定置信水平下，根据得出的条件方差方程，可以得出条件方程的估计临界值，VaR值的计算基于条件方差序列，公式如下：

，VaRt是t时刻的在线值，zα是不同置信水平下不同分布的临界值，σt是t时刻由GARCH模型得到的标准差值。

在0.05的显著水平下进行失败频率检验，结果如下：

根据以上结果可看出，在0.05置信水平下，VaR检验的失败概率为5.7%，且实际失败天数大于预期失败天数，因此实际风险可能略高于预期。

四、结论

实证结果证明，GARCH模型可以较好拟合我国股市情况，VaR模型也可以较好的反映我国股票波动率与风险，5.70%的失败风险是可以接受的。从波动率的角度出发，工商银行股价波动具有明显聚集性和时变性特征，从VaR值结果来看，股票价格风险不高，适合投资者进行投资。

作者简介：宋彬 女、1988年4月 河北省 博士研究生 国家开发银行总行。