证券公司融资融券业务风险控制研究

肖翔

[摘 要] 以证券公司融资融券业务为背景，从定量的角度出发，研究和分析融资融券业务的风险控制问题。首先介绍融资融券业务的内涵，其次将VAR方法应用于该业务的风险控制，介绍了用历史模拟法对服从正态分布的数据进行处理的步骤以及建立AR（1）-Garch（1，1）模型处理非正态分布数据的方法，然后根据得到的数据处理结果进行动态保证金比例的设定。

[关键词] 融资融券；风险控制；VAR方法；历史模拟法；GARCH模型

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 19. 045

[中图分类号] F830.2 [文献标识码] A [文章编号] 1673 - 0194（2018）19- 0104- 04

0 前 言

融資融券业务是一种信用交易，是指券商把资金借给投资者供他买入上市证券或把证券借给投资者供他卖出，同时收取一定担保物的经营活动。融资融券业务是把“双刃剑”，由于融资融券特有的杠杆性、做空机制等特点，使得证券公司在开展此项业务时，除了享受到业务创新所带来的收入外，还将面临更大的风险[1]。融资融券业务的开展有利于我国证券市场逐渐走向成熟，并有利于发挥出证券市场的融通资金、资产定价以及资本有效配置等基本职能[2]。

我国目前两项交易均未正式开展，无论谁先谁后，卖空机制的引入均是证券市场发展的必然[3]。由此可见，证券公司对融资融券业务的风险控制更是势在必行。因此研究证券公司融资融券业务的风险控制体系具有重要的现实意义。

1 融资融券业务内涵

融资融券交易是指证券金融机构在投资者进行证券交易时，以投资者提供的部分现金作保证或有价证券抵押为前提，为其代垫所需的其余现金或有价证券，帮助客户完成证券交易的行为[4]。

融资交易是指当投资者预计某证券价格上涨并想买入该证券时，通过融资融券交易方式，按照初始保证金的水平预交一部分价款，其余差额由券商垫付，同时买进证券，当证券价格上涨后，再高价卖出证券将所借价款还给券商，并从中赚取收益的交易方式[5]。

融券交易是指当投资者预计证券价格下降时，借助信用交易方式，向券商交纳一定的保证金后由券商垫付证券同时将证券出售，等价格下跌后，再低价买进证券还给证券商，从中赚取差价收益的交易方式[6]。

2 基于VAR方法的融资融券业务风险控制

VAR方法是一种对市场风险量化表示的风险价值模型。以长江证券的日收益率为研究对象，首先对其进行正态检验，运用VAR历史模拟法对服从正态分布的序列处理得到长江证券的日VaR值，并据此设定动态保证金比例。引入GARCH模型来计算不服从正态分布的序列的日VaR值并完成动态保证金比例的设定。

2.1 VAR的基本原理

VAR方法是于1993年被提出的常用于金融机构的风险管理的风险价值模型。其含义指：在市场正常波动下，某一金融资产或证券组合的最大可能损失。

VAR的公式可以表示为：

P（ΔpΔt≤VaR）=α（1）

其中，P指事件发生的概率，ΔpΔt指在资产持有期内的损失额度，α代表置信水平。

2.2 单个融资融券标的证券市场风险的评估

2.2.1 样本数据的选择与处理

本部分选取融资融券试点的标的证券之一的长江证券（000783）来进行实证分析。本文研究的是融资融券的日VaR值，按照规定，本文选定的观察期为250天。选取2014年12月1日到2015年12月1日这232个交易日的数据作为样本长度，观察2015年12月2日到2016年12月8日这250个交易日的情况。

证券的收益率体现了证券的潜在风险，本文选取证券数据的几何收益率作为数据处理的研究对象，它的计算公式如下：

Rt=ln■（2）

其中Rt为证券在t日的几何收益率，Pt为第t日的收盘价，Pt-1为上一日的收盘价。

2.2.2 数据分析

（1）正态性检验

通过软件Eviews 7.2对收益率序列数据进行分析，得到的结果如图1所示。

正态分布的峰值为3，从上图可知， P值为0.587 407，则接受原假设，样本数据服从正态分布，因而可以用历史模拟法进行分析。

（2）历史模拟模型是一种非参数法，只是通过回溯过去时间对当前头寸的重放，VaR历史模拟模型需要考虑置信水平、持有期和观察期等三个要素[7]。针对长江证券，应用历史模拟法求250个观察日的日VaR值的步骤如下：

将2015年12月2日设为观察日，对其前面232个数据进行升序排列。

用，232×（1-α），其中α为置信水平，本文选取95%，计算结果为11.6，四舍五入为12，因此在已按升序排列的数据表中选择第12位作为观察日2015年12月2日的VaR值。

把2015年12月2日的收益率添加进序列，重复1，2两步，即可依次得到250个观察日的日VaR值。

按照历史模拟法得出的2015年12月2日的日VaR值为-0.094 48，如果长江证券拥有的资金数量为1 000万元，则此数值表示，有95%的概率可以保证，长江证券在2015年12月2日的损失不会超过94.5万元。损失相对较大，所以长江证券的市场风险问题不容小觑，对其风险的控制势在必行。

2.2.3 返回检验

对由历史模拟法得出的日VaR值进行返回检验可以使结果更加准确，本部分利用Kupiec提出的LR检验即似然比率检验，若LR>3.841，则不能通过检验。

LR=-2ln[（1-α）T-NαN]+2ln（1-）T-N（N/T）N（3）

其中，N指检验失败的次数，T是选定的观察期天数，P是指失败率。

当置信水平为95%，观察期为250天时，Kupiec的失败次数区间为[6，20]，如果N≥20，说明VaR值相对于正常值较低，不能准确估计出发生最大损失的概率，若N≤6，说明大部分的对数收益率是大于VaR值的，此模型较平稳。

贯彻以上的理论，对长江证券数据进行分析处理得到在置信水平为95%，观察期为250天的条件下，失败次数为12次，失败率为4.8%，将此数据代入LR计算公式得到LR的值为0.0213<3.841，因此不能拒绝初始假设，实验结果通过检验。

2.2.4 利用VaR实现标的证券保证金比例设定

保证金比例是调整融资融券交易规模的重要手段，用于控制投资者初始资金的放大倍数[8]。保证金比例与市场风险息息相关，为了有效控制市场风险，各证券公司必须合理设定证券保证金比例。

基于融资融券市场风险的动态保证金设置是以动态的市场风险VaR值为基础，选取最近一年或者一个季度中最大的日VaR绝对值，并把它作为未来一定时期内动态保证金设置的基础[9]。应用历史模拟法得到观察期250天的日VaR值，选取观察期内日VaR值的绝对值最大的VaR值作为证券保证金比例，结合长江证券从2015年12月2日到2016年12月8日这段为期250天的观察期的日VaR数据，得到VaR绝对值的最大值为0.094 48，则证券保证金比例设为9.45%。

2.2.5 对于非正态分布的收益率序列日VaR值求取方法

历史模拟法要求收益率数据服从正态分布，然而，大部分的对数收益率序列并不服从正态分布，对此类序列的数据处理，历史模拟法不再适用，本小节选取中信证券2017年5月2日到2018年5月2日这245个交易日的收益率为样本数据，利用Eviews 7.2软件，对其建立AR（1）-GARCH（1，1）模型，通过求得每日的日VaR值，随后根据求得的日VaR值对标的证券保证金比例进行设定。

（1）数据正态性分析（见图2）

从图中可以看出，收益率序列的J-B检验的值为441.761 8，P值为0，拒绝原假设，序列不满足正态分布。下面将利用Eviews 7.2软件，对其建立AR（1）-GARCH（1，1）模型，从而求得每日的日VaR值，随后根据这些日VaR值对标的证券保证金比例进行设定。

（2）收益率序列的平稳性检验及条件异方差检验（见图3）

由图3可以发现，在显著性水平为1%的情况下，ADF统计量为-7.276 902<-3.457 515，拒绝原假设，因此序列具有平稳性。

GARCH（1，1）中的（1，1）是指阶数为1的GARCH项，和阶数为1的ARCH项，AR（1）-GARCH（1，1）就是用一阶的AR模型作为均值方程。

图4显示已在Eviews 7.2中根据中信收益率序列建立了AR（1）-GARCH（1，1）模型，回归结果如图4所示，三个自变量均通过了检验。

然后对残差序列进行条件异方差检验，生成残差序列后，用White檢验方法来判断残差序列是否存在条件异方差，结果如图5所示，P值均为0，可以发现残差序列存在条件异方差。

（3）计算日VaR值

通过图4可以得到GARCH模型的方差方程为：

σt2=0.0 000 199+0.218 584ε■■+0.765 255σ■■（4）

根据VaR的计算公式VaR=tασtv0。本文取t分布自由度为6，置信水平为99%，则t0.95=1.943，在计算相对VaR时，v0可以取为1，在Eviews 7.2中，可以生成方差序列，将这些已知量代入公式，即可得到每日的日VaR值。

将中信证券245个交易日的日收益率与日VaR值相比较，日收益率小于VaR下限的个数为4个，风险可控概率为98.4%，大于置信水平95%；大于VaR值上限的个数为9个，风险可控概率为96.3%，大于置信水平95%。如图6所示。因此，基于此设定保证金比例非常合理。

（4）设定融资融券保证金比例

由结果可知，2018年2月12日，中信证券的日VaR值为-8.1%，其意义为，客户在进行融资时，未来一天即2018年2月13日，市场价格向下波动的最大比例为当前价格的8.1%，融券时，未来一天的市场价格向上波动最大比例为当前价格的8.1%。则中信证券当天融资融券账户保证金比例最低设定为8.1%+α，其中α由券商根据交易所及公司业务管理和风险控制的要求设定。

3 结 论

VAR方法能够全面评估融资融券标的证券及资产组合的市场风险，也能够衡量投资组合内的各个标的证券的风险贡献。VAR方法具有的种种优点使其被广泛应用于风险的评估。利用日VaR值进行动态保证金比例的设定是VAR方法的重要应用。在此基础上，对具有不同统计特征的数据进行不一样的处理模式极大地提高了该方法的准确性。

主要参考文献

[1]胡希敏. C证券公司融资融券业务风险控制研究[D].杭州：浙江理工大学，2016.

[2]周生辉. 国元证券融资融券业务的风险控制研究[D].蚌埠：安徽财经大学，2015.

[3]杨晓霞. 发展我国融资融券业务的可行性研究[D].广州：暨南大学，2007.

[4]闻华.我国证券公司融资融券业务风险控制研究[D].桂林：桂林理工大学，2010.

[5]皖君.融资融券[M].北京：中国科学技术出版社，2008：12.

[6]李进安.证券公司风险管理研究[D].南京：南京农业大学，2005.

[7]王淑梅，秦记者，郭旗.基于VAR历史模拟模型的融资融券市场风险衡量研究[J].时代金融，2013（14）：62，68.

[8]罗银银.我国证券公司融资融券业务的风险控制研究[D].株洲：湖南工业大学，2013.

[9]郭旗. 基于VaR的证券公司融资融券市场风险评估及防范[D].沈阳：沈阳大学，2012.