多風險窗口下動態(tài)質押的鋼材價格風險研究

多風險窗口下動態(tài)質押的鋼材價格風險研究

0傳統(tǒng)質押率模型的應用隨著工業(yè)競爭從公司之間的競爭轉變?yōu)楣溨g的競爭，供應鏈金融起源于工業(yè)競爭。供應鏈金融被視為銀行和物流企業(yè)共同提供的一種“金融與物流集成式的創(chuàng)新服務”,其實質是一種物流企業(yè)參與下的質押擔保業(yè)務。盡管供應鏈金融市場潛力巨大,但是對供應鏈金融風險問題的擔憂一直制約著動產(chǎn)質押融資業(yè)務的繁榮。作為主要業(yè)務模式的存貨質押貸款是通過使用存貨作為質押物來降低和規(guī)避貸款的信用風險。在進行質押貸款的評定過程中,對質押資產(chǎn)的估價是為了評判在未來的貸款時期內質押品的價值是否能保持對貸款的擔保能力,質押品的擔保能力通過質押率來體現(xiàn)。商業(yè)銀行實踐中,《供應鏈融資業(yè)務管理辦法》中只規(guī)定了“以貨物或者貨權質押的,為借款人提供融資的比例最高不得超過質物價值的70%,期限最長不得超過一年”。具體質押率由貸款銀行采用經(jīng)驗估值法綜合確定,而經(jīng)驗法無法給出定量決策依據(jù),銀行在具體業(yè)務實踐中還相當謹慎。因此,質押率作為風險控制的核心變量是實現(xiàn)供應鏈融資貸款風險規(guī)避和促進該類業(yè)務發(fā)展的一個重要問題。近年來,國內外學者對質押存貨的貸款價值比率進行一些積極的探索。Cossin和Huang外生給定了企業(yè)的違約概率,利用簡化方法得出了與銀行風險承受能力相一致的質押率;李毅學,馮耕中等沿用Cossin和Huang的研究思路,綜合考慮了外生的企業(yè)違約概率,針對價格隨機波動的存貨,應用“主體+債項”的風險評估策略分析了下側風險規(guī)避的銀行在質押存貨的期末價格服從一般分布和幾種具體分布時的質押率決策。需要指出的是,上述定量模型均是基于數(shù)理優(yōu)化方法并以銀行期望收益為目標函數(shù)得到質押率,進一步講,基于質押存貨實際價格波動特征的大樣本實證研究則相對匱乏。隨著現(xiàn)代金融風險管理技術的飛速發(fā)展,研究者們開始使用風險管理工具來管理質押業(yè)務取得長足的進步。其中,上世紀九十年代J.P.Morgan提出的VaR(ValueatRisk)風險分析和度量方法在實踐中獲得了廣泛的應用。國內學者王志誠最早使用VaR方法度量股票質押業(yè)務中的市場風險,建立質押率的定量模型,得出的質押率與質押股票未來市場的最低價值呈顯著正相關。上述文獻均是建立在有效金融市場中、收益率服從獨立正態(tài)分布的假設下,因此在進行質押期內風險預測時,采用了RiskMertrics度量方法中的時間平方根法則。但是,大量實證研究表明,資產(chǎn)收益率往往并非獨立正態(tài)分布,而是表現(xiàn)出尖峰厚尾特征以及波動集聚性。作為反映市場時變特征最常用的波動率模型,GARCH模型能有效捕捉資產(chǎn)收益率的聚類及異方差現(xiàn)象,在度量條件波動率方面得到了學術界廣泛應用?；诖?GARCH模型被引入金融風險管理領域VaR的度量中,作為預測波動率主要方法之一,獲得了金融實務界廣泛應用。Ricardo采用GARCH族模型預測資產(chǎn)收益服從厚尾分布下的VaR,以應對未來可能最大的損失。國內學者龔銳、陳仲常,劉慶富、仲偉俊等學者基于GARCH族模型并考慮了能刻畫資產(chǎn)收益尖峰厚尾特性的t分布和GED分布,分別對國內股指序列以及期銅等大宗產(chǎn)品的期貨進行了VaR測度,得到了較為滿意的結果。同樣,上述學者均是基于VaR-GARCH族模型研究股指、債券以及大宗物品的期貨風險,這些交易品種已有相對健全的風險控制手段,比如保證金制度、漲跌停板制度等等,加之流動性好,清算期短,因此絕大多數(shù)的基于VaR-GARCH模型的風險測度研究均是兩周以內的短期風險(尤以一天為主),即以過去一段時間序列數(shù)據(jù)為樣本,預測未來一天內的日風險價值。與之相比,以場外交易為主的現(xiàn)貨風控手段則相對較為匱乏,因此其動態(tài)質押率的設定顯得更為重要。由于流動性與風險性成反向關系,與股票、債券、期貨等金融資產(chǎn)不同,存貨質押業(yè)務中的現(xiàn)貨質物的流動性較前者弱,風險較前者大,加之風險發(fā)現(xiàn)到風險處置的時間差,清算期必然相對較長,導致銀行風險持有期延長,因此存貨動態(tài)質押率設定的核心在于預測其長期價格風險,即以過去一段時間序列樣本預測未來N個月后或更長時間的風險價值,其關鍵技術在于解決:一是業(yè)務層面,風險持有期限與金融產(chǎn)品期限的問題;二是模型層面,數(shù)據(jù)頻率與預測頻率的問題,即以現(xiàn)有的短期數(shù)據(jù)樣本如何去預測未來長期(多期)的風險,亦或小樣本決策問題。基于以上認識,論文的主要工作體現(xiàn)在:(1)不同于現(xiàn)有研究中質押期內靜態(tài)設置質押率的方法,通過綜合考量宏觀經(jīng)濟環(huán)境、貸款企業(yè)的資信水平、質物的流動性并結合銀行自身的風險偏好程度,提出在既定產(chǎn)品期限(質押期)內設定多風險窗口,動態(tài)設置質押率管理價格風險,以期協(xié)調處理業(yè)務層面產(chǎn)品期限與風險持有期限的問題。(2)為了更好的刻畫鋼材收益率序列的異方差性和尖峰厚尾特征,放棄了基于正態(tài)假設的RiskMetrics方法,而引入了廣義誤差分布(GeneralizedErrorDistribution,GED),建立VaR-GARCH(1,1)-GED模型;(3)預測未來波動率時,樣本外預測更具實用性,文中以樣本外預測方法預測未來質押期不同風險窗口的波動率,而且預測對數(shù)收益率服從尖峰厚尾分布的長期波動率,考慮到在實踐中廣泛采用的時間平方根法則要求的獨立正態(tài)假設,在此已不適用,而且與條件均值相比,VaR對時變的條件波動率更為敏感,因此文中忽略質物收益率的自相關性,進而給出了厚尾分布下長期風險VaR的解析式,解決從模型層面如何采用短期數(shù)據(jù)頻率預測長期風險的問題;(4)任何模型都不可能完全預測風險,為了提高模型的風險覆蓋率,文中引進系數(shù)K;(5)回測檢驗時,基于失效率法則建立長期風險的碰撞序列函數(shù),觀察價格序列擊穿無風險價格以及貸款額的頻率,以保證研究的可靠性;(6)最后引入風險率和效率損失率兩個指標對模型得到的質押率和銀行采用的經(jīng)驗估值法進行比較,得出在較短風險窗口內,模型法可以較好控制風險的同時,亦可顯著降低效率損失。1模型假設和算法1.1鋼材價格定值模型具有流動性好、變現(xiàn)能力強、易于保存等優(yōu)良品相的鋼材一直被銀行視為存貨質押業(yè)務中較為理想質物,論文將以鋼材時間序列為實驗樣本。鋼材市場價格是動態(tài)波動的,具有同金融資產(chǎn)價格相似的特點,模型基于以下假設:(1)質押期內,銀行根據(jù)自身的風險偏好、供應鏈金融交易對手資信狀況、質物本身的流動性以及供應鏈運營狀況,選擇不同的風險窗口T,質押率也會隨之不同;(2)鋼材價格具有隨機波動性,不同宏觀經(jīng)濟環(huán)境下的質押率也應不同。(3)存貨質押業(yè)務是短期融資行為(1年以內),故假設質押期內銀行貸款利率不變。1.2融資額的算定綜合考慮影響質物價格收益序列的尖峰厚尾特征及波動集聚性等多方面因素,建立厚尾分布下的Va-GARCH(1,1)模型計算質物的長期價格風險,即質物在未來設定的風險窗口內以一個很大的可能性被損失掉的價值。銀行則根據(jù)自身的風險承受能力給出其不同風險窗口內相應置信度下的VaR。質物的價值扣除相應的VaR之后就可以得到質物的融資額。鋼材的質押率就可以用融資額與鋼材的當前市場價值的比值表示(沿用證券公司股票質押管理辦法(2004)中質押率的定義(1))。下面給出計算質押率的幾個步驟:1.2.1計算質量保證木材的經(jīng)濟效益假定質押鋼材在t日的市場價格為Pt,t-1日的市場價格為Pt-1,質押鋼材日收益率采用對數(shù)收益率為,1.2.2條件方差波動率測算鋼材質押物的波動率即是指質押鋼材收益率的標準差σ。近年的金融實證研究中,國內外學者發(fā)現(xiàn)金融資產(chǎn)的波動率存在集聚效應(volatilityclustering),這就導致收益率呈現(xiàn)異方差性。為了精準的刻畫收益率的異方差性,引入GARCH模型,而前人研究發(fā)現(xiàn),GARCH(1,1)模型可以描述絕大多數(shù)的金融序列的時變方差,故在此,引入GARCH(1,1)進行鋼材收益率的波動率進行預測。并建立條件均值方程和條件方差方程如下:其中,Rt表示t交易日的對數(shù)收益率;μt為對數(shù)收益率的條件均值,Tsay在其專著中指出絕大多數(shù)的金融資產(chǎn)的對數(shù)收益率序列是不相關或弱相關的,這也成為波動率研究的一個基本思想。故文中,先驗假設對數(shù)收益率不存在自相關。εt=σtzt為隨機擾動項,又稱殘差項,其中zt為新生變量(Innovation);σt2為第t交易日的條件方差;α0為常數(shù)項,α1為ARCH項的參數(shù)估計值,β1為GARCH項的參數(shù)估計值,而且α0>0,α1>0,β1>0。在GARCH模型建模過程中,往往將新生項zt默認設置為正態(tài)分布,而實際上往往呈現(xiàn)尖峰厚尾性,為此,Bollerslev首次提出了學生t分布來刻畫收益率的尖峰厚尾特征,而Nelson發(fā)現(xiàn)廣義誤差分布(GeneralizedErrorDistribution,GED)刻畫收益率序列尖峰厚尾特征具有更為優(yōu)良的性質,因此文中假設zt服從GED分布,其分布密度函數(shù)為:其中,λ=[2(-2/v)Γ(1/v)/Γ(3/v)]1/2,在GED分布中,v=2時,即為正態(tài)分布,v<2則為尖峰厚尾分布。1.2.3厚尾分布下的長期風險運用鑒于質押鋼材價格的波動性,以及風險發(fā)現(xiàn)到風險處置的時間差,存貨質押業(yè)務中VaR的計算實際上是長期風險的預測,而非局限于未來某一天短期風險的預測,這也是近年來金融機構新開展的諸如供應鏈金融等新興業(yè)務的共同特點,同時這也契合了巴塞爾協(xié)議Ⅱ以及最新的巴塞爾協(xié)議Ⅲ對銀行向監(jiān)管機構報告大于兩個周甚至一年的VaR監(jiān)管要求。然而正如引言部分所述,國內外的研究多以2周以內的短期風險為主,關于長期風險預測的研究則相對缺乏?，F(xiàn)有的長期風險的研究均是基于時間平方根法則即,然而時間平方根法則有著嚴格的限定條件,即要求對數(shù)收益率序列服從均值為零的獨立正態(tài)分布,這與大部分金融資產(chǎn)的對數(shù)收益率序列展現(xiàn)出的尖峰厚尾特征不符。在用于股票、期貨等短期風險預測時,得到的VaR只是一個近似值,而對于存貨質押業(yè)務等長周期預測,若采用近似值將產(chǎn)生較大誤差,因此,為了得到更為精確的VaR,Dowd和Sun分別對時間平方根法則進行了修正:其中,Pt為資產(chǎn)的初始價值(為分析方便,全文均以單位資產(chǎn)的價格作為初始價值),Fα-1為置信水平α下的左側分位數(shù),μt,σt分別為兩個估計變量t時收益序列的條件均值和條件波動率。雖然這種方法較初始時間平方根法則有所改進,但條件波動率的預測依然采用了時間平方根法則,這雖然避免預測每日條件波動率的繁瑣,卻同樣對存貨質押業(yè)務長期波動率的預測帶來誤差。因此如何基于考慮了波動率時變性的GARCH(1,1)模型進行厚尾分布下的長期波動率預測成為關鍵。大量實證研究表明,絕大多數(shù)的金融資產(chǎn)的對數(shù)收益序列的條件均值遠小于條件波動率,Dowd等據(jù)此發(fā)現(xiàn),VaR對條件波動率更為敏感,因此為簡化計算以及實際操作的方便,文中暫不考慮條件均值的自相關性,重點研究時變的條件波動率。Andersen和Bollerslev等給出了不考慮自相關時,厚尾分布下GARCH(1,1)模型下的長期波動率的預測:至此,長期風險VaR公式可進一步修正為:實踐中,商業(yè)銀行在開展存貨質押業(yè)務時,須選擇合適的風險窗口T去測度風險(篇幅所限,將單列研究風險窗口優(yōu)化模型),實時動態(tài)評估其市場風險,以便在質押期內能根據(jù)風險變化動態(tài)設置質押率。作為衡量風險窗口T內銀行潛在損失值的VaR,需關注風險窗口(持有期)T值和置信水平α兩個參數(shù)的選擇。其中風險窗口T往往被銀行等金融機構視為清算期,這與資產(chǎn)的流動性有關,由于商業(yè)銀行多為流動性強且交易十分迅速的貨幣資產(chǎn),其往往以日為期限計算Va。而對于質物,理論上T值的設定則要結合供應鏈金融市場實際流動性狀況、樣本規(guī)模以及質物資產(chǎn)頭寸的調整等因素予以調整;供應鏈金融實務中,銀行則可以根據(jù)自身的風險偏好,除重點考察融資項下質物本身的流動性即變現(xiàn)能力等質物自身特點外,還要結合供應鏈金融交易對手資信狀況、貸款企業(yè)的償債能力、盈利水平等財務指標以及供應鏈運營狀況進行綜合考量。一般來講,風險持有期限越短,銀行越趨于激進,風險持有期限越長,銀行越趨于保守。而對于置信水平α的選擇則根據(jù)銀監(jiān)會對商業(yè)銀行市場風險的計量要求,取為99%(1)。通過理論釋義和實務操作依據(jù)確定了風險窗口T和置信水平后,即可計算出風險窗口內的VaR,而質物的初始價值減去可能的損失后,即是質物的無風險價值,即用來授信的部分。因此得到質押率公式(9):其中,ω代表質押率;SK為質押開始時質物的無風險價值。盡管VaR-GARCH(1,1)-GED方法在一定程度上能夠刻畫質物收益序列的尖峰厚尾特征以及波動的集聚性,仍難免低估質物的長期價格風險?？紤]到宏觀經(jīng)濟因素、質押物本身的流動性、交易對手資信狀況以及補貨和平倉的成本,這里引入警戒線的概念,更大程度的規(guī)避銀行的風險,如圖1所示。圖1中,在風險窗口T內,若質押物的市場價格跌破警戒線,則通過追加保證金或補貨的方式使質物的價值回到警戒線之上。為處理方便,文中假設,當質物價格跌破警戒線SK時,通過追加保證金或補貨的方式使質物的價值回到警戒線之上,若企業(yè)不及時補貨或拒絕追加保證金,則進行平倉處理。為了提高模型的風險覆蓋率,文中引入修正系數(shù)K=1.1~1.2。銀行在實際操作中,應與選擇風險窗口一樣,在綜合考慮質物的流動性(1)、宏觀經(jīng)濟以及貸款企業(yè)的資信評級等因素后,針對不同企業(yè)不同質物設定不同的K值,以減少逆向選擇和道德風險。后面的實證分析中,先驗假設K=1.1,得到質押率的修正模型:其中,SV為質押融資額,即貸款額。2示范分析2.1樣本數(shù)據(jù)的選擇和統(tǒng)計特征的描述2.1.1估計模型檢驗樣本取自我國房地產(chǎn)等基建行業(yè)需求較為旺盛的螺紋鋼,根據(jù)西本新干線和上海期貨交易所提供的上海螺紋鋼((HRB335)的價格波動數(shù)據(jù)(2),擬以2005/9/05-2008/12/31四年的數(shù)據(jù)(共計868個樣本點)作為確定參數(shù)的估計樣本,2009/1/01-2009/12/31的數(shù)據(jù)(共計261個樣本點)作為檢驗樣本(3),對其進行模擬質押,質押合同起始日為2009年1月1日,質押期設為質押最長期限12個月。如何協(xié)調處理產(chǎn)品期限和風險持有期限顯得很重要。一般來講,風險持有期限越短,銀行越趨于激進,風險持有期限越長,銀行越趨于保守。結合銀行操作實務,風險窗口可分設為1個周、半個月、1個月、2個月、3個月、4個月、5個月、6個月、7個月、8個月、9個月、10個月、11個月和12個月(4)。2.1.2上海螺紋鋼日對數(shù)轉化率序列的adf分析如圖1所示,上海螺紋鋼的對數(shù)日收益率序列的波動呈現(xiàn)明顯的集聚效應,即大的波動后往往跟隨著大的波動,小的波動后跟隨著小的波動。這說明序列R的隨機擾動項可能存在ARCH效應。表1中,偏度大于0,且峰度遠大于3,J-B檢測值顯著,說明上海螺紋鋼日對數(shù)收益率序列呈顯著的尖峰厚尾分布,且D-W值接近于2,可以近似不存在自相關;表2中通過ADF(單位根檢驗),收益率序列是穩(wěn)定分布;而表3通過拉格朗日乘數(shù)檢驗,表明對數(shù)收益率序列存在顯著地ARCH效應,可以運用GARCH模型對波動率建模。2.2ged分布下garch1,1模型由表4模型結果,得到公式(11),(12),并發(fā)現(xiàn)v<2,進一步驗證上海螺紋鋼的日收益率序列為尖峰厚尾分布。而且方程各估計系數(shù)顯著,AIC/SC合理,殘差序列已不存在ARCH效應,因此GED分布下GARCH(1,1)模型是合理的。由公式(12)可得α1+β1=0.86<1,故滿足GARCH(1,1)模型的平穩(wěn)條件,故可以用來預測條件方差,隨機誤差項的條件方差可以收斂到無條件方差:根據(jù)Eviews程序求得GED分布在參數(shù)v為0.853,置信水平為99%時的左側分位數(shù)為-2.87。根據(jù)公式(6)(7)(8)(10)分別計算出12個月(2009/1/01-2009/12/31)模擬質押期內不同風險窗口下的主要實證結果(如表5)。3模型評價3.1預測價格風險管理為了檢驗廣義誤差分布下的VaR-GARCH(1,1)模型的預測精度,必須檢驗模型得出的風險值VaR對質押存貨實際損失的覆蓋程度。在現(xiàn)有VaR的回測中應用范圍最廣的是Kupiec提出的失效率檢驗法以及巴塞爾協(xié)議內部回測模型,均是檢測樣本內日VaR被實際日收益率超越的次數(shù)。這兩種方法并不適于存貨質押業(yè)務的長期風險的回測。為此,基于失效率思想,在預測質押存貨的長期價格風險時,以預測的存貨價格即無風險價值被實際價格擊穿的次數(shù)來檢驗失效率,建立如下碰撞序列:其中,初始價格減去持有內的風險值即為預測價格SK。定義N為風險窗口內的總樣本數(shù),f1為預測價格被實際價格擊穿的次數(shù),則f1/N在統(tǒng)計意義上應接近于1-α,過大或者過小均說明VaR模型不能準確刻畫實際風險。如若存貨價格頻繁擊穿警戒線則可能導致過高的補貨成本,說明價格風險有可能被低估,此時需要繼續(xù)檢驗價格是否擊穿融資額SV,定義擊穿次數(shù)為f2。一旦出現(xiàn)擊穿則說明風險確實被低估,說明質押率設置偏高。銀行則可以通過調整風險窗口和修正系數(shù)K,調整質押率進而實時管控風險。主要結果如表6所示。12個月期限的模擬質押期內,除了3個月、4個月的風險窗口內,均未出現(xiàn)螺紋鋼的價格擊穿警戒線的情況,完全在VaR的置信水平內,可以接受,而在3個月、4個月的風險窗口內卻分別出現(xiàn)了12.3%、3.5%的擊穿,超出了置信水平,但在修正系數(shù)K的緩沖下,價格Pt并未出現(xiàn)擊穿質押融資額SV的情況,從而全面覆蓋了風險,說明修正的VaR-GARCH(1,1)-GED模型在所選的樣本內較為合理的估計了螺紋鋼質押期內面臨的價格風險。3.2質押期不同風險窗口的最低價格質押率反映了銀行對鋼材在未來風險窗口內最低價值的預期。盡管具體的某一次質押率,由于各種隨機因素的干擾,可能無法準確的預測未來出現(xiàn)的最低價值。但從統(tǒng)計意義上講,一個有效模型設定的質押率應與未來鋼材的最低價值呈正相關。即質押率ω與未來鋼材的最低價值PL,T的相關系數(shù)越接近于1,則模型越有效。表7中,列出了模擬質押期內不同風險窗口下上海螺紋鋼的最低價格即最低價值PL,T,與對應的質押率。通過分析發(fā)現(xiàn)質押率ω與未來鋼材的最低價值PL,T的相關系數(shù)非常接近于1(見表8),表明文中模型確定的質押率與鋼材未來的最低價格呈較為顯著的正相關,模型是有效的。3.3融資額度和效率損失的市場價格sv本部分將文中確定質押率的模型方法同經(jīng)驗估值法加以比較,并引入效率損失率θ1、風險率θ2,對修正系數(shù)K=1.1下的模型進行風險和