《房地产板块风险论文风险计量论文》由会员分享，可在线阅读，更多相关《房地产板块风险论文风险计量论文（8页珍藏版）》请在金锄头文库上搜索。
1、 房地产板块风险论文风险计量论文：房地产板块风险分析房地产板块风险论文风险计量论文：房地产板块风险分析摘 要：主要对 GARCH 模型在风险计量方面的理论方法进行了梳理，并选取2007年1月4日至2010年12月23日上证房地产指数日收盘价作为数据样本，运用 GARCH 模型 VaR 方法对我国股市中房地产板块的风险进行了实证分析。实证结果表明我国地产股指序列存在集聚效应，GARCH 模型较传统静态法更能够较好的描述我国房地产板块的波动情况，因而测量的 VaR 值更能反映我国地产板块面临的风险程度。关键词：GARCH 模型; VaR 方法;上证房地产指数; 房地产板块1 引言作为风险管理的基础
2、，风险度量不准确，往往导致风险管理策略失效。因此，准确的风险度量方法是金融市场稳定发展的前提，也是投资者做出理性投资决策的重要参照。目前，风险度量的方法主要有：方差方法、半方差模型、对数效用模型和 VaR 方法。由于VaR 方法度量的是风险的绝对值，具有直观性、简洁性和科学性，因此近几年很受欢迎，成为众多学者研究的对象并且被国内外众多金融机构广泛采用。P. Jorion 给出了 VaR 的一个比较权威的定义：在正常的市场条件下，给定的置信水平的一个持有时间内某种风险资产的最坏损失。VaR 定义较为简单，但如何度量国内外学者持有不同观点。大致归为以下三类：非参数方法（包括历史模拟法和蒙特卡罗模拟
3、法） 、半参数方法（包括极值理论等） 、参数方法（包括静态法，简单移动平均法、指数移动平均法和 GARCH 模型等） 。根据我国股票市场的特性，假设收益率服从某一特定分布的 VaR 的参数方法成为度量股票市场风险的主要方法。传统的 VaR 值估计方法即静态法通常是假设股票的收益率序列服从正态分布，其均值和方差是不随时间变化的，但通过实际观察发现，股票收益率的波动常常具有明显的集聚现象，其方差随时间而变化。考虑到异方差性，参数法中的 GARCH 模型能够较好的描述股票收益率序列波动的动态特性，因而，建立GARCH 模型更能够准确的估算股票的 VaR 值，从而对股票市场风险进行更加准确的度量。近十
4、年房地产行业作为国民经济的支柱产业，房价的涨跌备受各界关注。而房地产板块作为股市的重要板块，其涨跌动态行情备受广大股民热议。2010年是房地产市场的调控年，房地产调控政策的连续出台，较大程度上抑制了不断上涨的高房价，而受政策调控影响的地产股也在弱势中震荡徘徊，地产板块估值一度陷入低位。2011年初始，房地产调控依然趋紧， “国八条”的出台以及限购令在全国范围内的推广再次震荡楼市。由于政策的不确定性，未来投资于地产股将会面临怎样的风险，定性判断缺乏说服力，基于科学理论的定量风险度量方法，值得投资者借鉴参考。因此，本文采用基于GARCH 模型的 VaR 方法，对房地产板块一定时间内面临的市场风险进
5、行量化分析，以期给地产股投资者提供可供参考的投资建议，适时调整投资策略。2 GARCH 模型理论简介2003年诺贝尔经济学奖获得者 Robert Engle 于1982年提出自回归条件异方差模型（Auto Regressive Conditional Heteroskedasticity Model，简称 ARCH 模型） 。ARCH 模型的结构取决于移动平均的阶数 q，但有些收益率序列存在着明显的异方差性，此时 ARCH 模型中的 q 值很大，致使参数估计的效率降低，还会引发诸如解释变量多重共线性等其它问题。为了弥补这一弱点，Bollerslev（1986）提出在 ARCH（p）模型中增加
6、q 个自回归项，扩展成 GARCH（p，q）模型。用简单的 GARCH 模型来代替一个高阶的 ARCH 模型，使待估参数大为减少，致使模型的识别和估计都变得容易，较好的弥补了 ARCH 模型的不足。通过对股票市场的长期研究发现，股价下跌和上涨相同幅度时，股票价格下跌过程往往会伴随着更剧烈的波动，为了更好的描述股市的波动，在GARCH 模型中引入非对称性因子，由此衍生发展出一些新的ARCH 类模型。（1）自回归条件异方差模型（ARCH 模型） 。 ARCH 模型通常包括两个方程：一个是收益方程，另一个是条件方差方程，可以表示为：模型通过对历史收益率误差平方的移动平均，把收益率序列的条件异方差纳入
7、分析，可见收益率无论朝哪个方向波动，当前市场波幅也将较大。因此，ARCH 模型较好的刻画了收益率的集聚效应。（2）一般自回归条件异方差模型（GARCH 模型） 。GARCH模型是在 ARCH 模型基础上的一个扩展。模型表示为：与 ARCH（p）模型相比，GARCH（p，q）模型在模型中增加了 q 个自回归项，可用简单的 GARCH 模型代替一个高阶的 ARCH模型，弥补了 ARCH 模型本身固有的缺陷，使待估参数大为减少，提高准确性。（3）其他类型的条件异方差模型。考虑到股价序列波动的非对称性反应，Zakoian 于1990年首先提出 TARCH（threshold ARCH）模型。该模型中引
8、入一个名义变量 dt，使股价上涨信息（ t0）和股价下跌信息（t0 ）对条件方差的作用效果不同。随后 Nelson 于1991年提出指数 GARCH（Exponential GARCH，简称 EGARCH）模型，模型中条件方差采用了自然对数形式，意味着 t 非负且杠杆效应是指数型的。模型的另一个重要特征就在于引入一个参数 ，若 10，说明信息作用非对称。当 0时，杠杆效应显著，即股市受负的冲击要比正的冲击引起更大的波动。GARCH 模型是对方差模拟（不是标准差） ，而不同冲击对于不同幂次的标准差影响不同，基于这个思想，幂 ARCH（Power ARCH，简称 PARCH）模型对 GARCH 模
9、型做了进一步的拓展，在模型中引入两个参数，一个是捕捉不对称信息的参数 ，另一个是标准离差参数 。3 关于房地产板块风险度量的实证分析3.1 数据来源及处理由于上证房地产指数（证券代码000006）是描述股票市场中地产板块行情的总体性指标。因此，本文选取上证房地产指数2007年1月4日至2011年3月10日的收盘价作为样本数据，样本个数为1017，数据来源于新浪财经 http:/ pt 为地产股指每日收盘价，为前一日收盘价。3.2 数据基本分析（1）基本统计特征分析。利用软件 Eviews5.0对地产股指对数收益率序列进行基本的统计分析，分析结果见表1。根据上表所得的上证房地产指数对数收益率的偏
10、度、峰度以及J-B 值可知，我国地产股指对数收益率分布不符合正态分布，存在着一定的尖峰、厚尾特征。因而，传统的假设收益率序列服从正态分布的静态法并不能成为度量房地产板块风险的可靠方法。3.3 其它特征分析时间序列特征分析。利用软件 Eviews5.0对上证房地产指数对数收益率序列做简单的折线图分析，从图中可见，收益率序列具有明显的集聚效应，即一次大的波动后往往伴随着较大的波动，一次小的波动后往往伴随着较小的波动。因此，初步判断上证房地产指数对数收益率序列可能存在异方差性。平稳性检验。用单位根（ADF）检验方法对上证房地产指数对数收益率序列进行平稳性检验，检验结果的 t 统计量值为-30.17，
11、小于显著性水平为1%的临界值，说明至少在99%的置信水平下拒绝原假设，原序列不存在单位根。所以，上证房地产指数对数收益率序列是显著平稳的。异方差性检验。从上证房地产指数对数收益率折线图可以直观看出序列存在明显的集聚效应，可以初步判断序列可能存在异方差现象，但仍需进一步的准确判断。因此，本文对上证房地产指数对数收益率序列进行 ARCH 效应检验，结果表明序列确实存在着高阶 ARCH 效应，见表2。3.4 GARCH 模型的建立根据以上分析可知，上证房地产指数对数收益率为平稳序列，且不存在自相关，所以收益方程为一般均值回归方程。由于对数收益率序列存在高阶 ARCH 效应，因而考虑建立 GARCH
12、模型。在建立 GARCH 模型之前，用 AIC 和 SC 信息准则经过反复试算，判断滞后阶数（p，q）为（1，1）比较合适，所以本文建立GARCH（1，1）模型，模型具体形式如下：从模型的估计参数和 z 统计量值来看，方差方程中各变量在95%的置信水平下都显著。对估计残差再做异方差效应的 LM 检验，发现不存在明显的异方差现象，因此，以上模型能够较好的描述上证房地产指数对数收益率序列的异方差现象。根据上述回归方程预测下一期的收益率 rt+1 和方差2t+1，本实验采取静态预测法，得出上证房地产指数下一日的方差预测值为0.000436，标准差为0.02088。4 上证房地产指数的 VaR 值计算
13、及准确性检验基于 GARCH 模型的上证房地产指数的 VaR 值计算方法，可以在一般的方差协方差法模型的基础上变形为下列形式：其中， 为前一日股价指数， 为置信度为99%下的标准正态分布的临界值， 为对数收益率序列的标准差。由上文 VaR 计算公式得到在99%置信水平下上证房地产指数一日期限的 VaR 值为VaR=3552.792.330.02088=172.84，结果表明在99%的置信水平下上证房地产指数下一个交易日（2011年3月11日）可能最大下跌172.84点。5 结论通过以上对房地产板块风险度量的实证分析，得出以下结论：第一，我国地产股指对数收益率序列的波动确实存在着集聚效应，表明采
14、用一般传统的静态 VaR 计算方法不能很好的刻画我国房地产板块的波动行情，计算出来的 VaR 值也失去它的参考意义。基于 GARCH 模型的 VaR 方法弥补其不足，能够较好的描述地产股指序列的波动，计算的 VaR 值可信度高，能够给予地产股投资者一定的参考建议。第二，本文基于 GARCH 模型的 VaR 方法计算出在99%置信水平下上证房地产指数下一个交易日（2011年3月11日）最大可能下跌172.84点，说明近期股市中房地产板块面临的风险较大，投资者需谨慎投资。第三，由于我国股票市场不够成熟，结构特征快速变化，而且房地产板块的股价行情受房地产政策影响较大，所得结论不仅受统计方法的影响，还取决于所用样本。另外，本文基于 GARCH 模型计算的地产股 VaR 值的准确性仍需进行进一步验证。参考文献1龚锐，陈仲常，杨栋锐. GARCH 族模型计算中国股市在险价值（VaR）风险的比较研究与述评J. 数量经济技术经济研究，2005， （7）.2 江涛. 基于 GARCH 与半参数法 VaR 模型的证券市场风险的度量和分析.来自中国上海股票市场的经验证据J. 金融研究，2010， （6）.3 刘沅沅，贺栋. 基于 GARCH 模型对房地产板块和金融板块的风险分析J. 商场现代化，2010， （3）.4 易丹辉.数据分析与 EViews 应用M.北京：中国人民大学出版社，2008
