1、企业债券利率风险度量研究一、前言在这个金融产品蔓延得越来越厉害和金融的位置越来越突出的今天，越来越多的投资者踏入证券投资领域，有价证券的投资越来越炽热。证券投资中比拟常见的有股票投资，债券投资，基金投资和各种金融衍生品的投资等等。债券投资作为诸多证券中重要的组成局部，其重要性已是众所周知。而在国债、金融债券和企业债券等众多债券中，企业债券亦是各种债券投资中的重要组成局部，扮演着越来越重要的角色。企业债券在投资过程中面临着各种类型的风险，如信用风险，购置力风险和利率风险、再投资风险等等，这诸多风险对企业债券投资的成功与否起着至关重要的作用，将严重影响到债券投资者和企业所有者的切身利益。在这众多风
2、险中，利率风险作为其中重要的一项风险，理应引起投资者和企业所有者的格外重视。市场利率的变动使得企业债券的出售价格面临着极大的风险，因此，在市场利率波动的今天，企业债券投资的收益亦是承受着巨大的风险。所以，在当前，如何度量企业债券的利率风险进而进行有效的管理，使得企业所有者扩大收益减少损失，使得企业债券的投资者得到实惠和利益，极大地降低损失便成为当务之急。基于上述原因，本文将对企业债券利率风险的度量进行研究。二、VAR模型伴随金融理论以及金融工具的持续创新，企业所面临的市场风险以及内部风险的复杂性、相关性也持续增加，波动性方法以及灵敏度方法也逐步被一种可以全面量化复杂投资组合风险的市场定量工具V
3、AR方法所取代。VAR提供一种在市场正常波动情况下对资产组合可能的最大损失的一种统计测度方法，可以弥补传统风险量化方法中的缺乏，能够用来测度包含利率风险在内的多种市场风险，具有更广的适用范围。VAR即指风险价值，是处于风险当中的价值，即指在市场的正常波动中，某一金融资产或是投资组合在将来特定的时间段内以及特定的置信水平下有可能会产生的最大损失，能够表示为：probPVAR=1-。在上述公式中，prob代表资产价值损失大于可能损失上限VAR的概率，P代表在持有期内投资组合的可能损失值，VAR就代表在置信水平之下的风险价值。定义代表了本文有N%的把握，在将来的T时间段内，损失不会超于VAR。比方：
4、在金融市场正常波动中，某商业银行的市场价值在将来的24小时之内，在95%的置信水平中，VAR值为1000万元。意味着有95%的把握能够确保：在将来的24小时之内，企业市场价值的最大损失不多于1000万元，或平均20天才会产生一次市值损失多于1000万。三、基于VaR模型下的实证分析一数据的选取与处理 1、数据的选取因为利率期限的结构模型重点利率瞬时变化，因此必须使用瞬时利率对利率期限的结构模型进行拟合。可视在实际情况下往往难以得到瞬时利率的数据，因此必须在各种各样利率品种当中选取中最可以表示利率的瞬时变化利率品种去有效替代瞬时利率。通常情况下，找寻瞬时利率替代利率的品种必须遵守两个重要性原那么
5、：首先即是所选取利率同其它利率之间存在着较强的关联性。从理论而言，瞬时利率同其它品种利率之间存在着完全关联，因此某一品种利率同其他品种利率之间的有着越强的关联性，更加能够有效替代瞬时利率。其次那么要求选取的利率在交易量非常大，在交易上比拟频繁。必须要交易量大、交易频繁的利率品种可以有效作为替代瞬时利率。可是上面两个选取瞬时利率的替代品种在原那么上一些时候并不存在着一致性，即是指关联性强的一些利率品种在交易量上并非很大，因此本文需要在瞬时利率选取之时同时照顾到上述两个原那么，最大限度确实保二者的统一性。当前，国内货币市场大致包含银行间的债券市场、银行间的拆借市场以及商业票据的市场。利率品种主要包
6、含：银行间的拆借市场重IBO001、IB0007、IB0014、IB0020、IB0060、IB0090和IB01208和银行间的债券市场中8007、8001、8021、8014、R1M、R2M、R3M、R4M、R6M、R9M以及R1Y等多达十几个的品种，这其中包含短期利率的品种达13个。在本文中，选取替代瞬时利率的手段即首先在银行间的拆借市场以及银行间的债券市场当中选取日常交易量很大的IB0001、B0007、8001以及8007这4个品种，针对这4个品种展开关联性检验，选取其中最为关联性利率品种，假设有多个品种利率在关联性上都非常类似的状况，因此就这多个品种利率之间进行再次的筛选，选取那些
7、交易量最大，交易最为频繁的利率品种有效替代瞬时利率。本文主要选取2010年1月4日至2012年5月31日共592个日利率数据对于IBO001、IBO007、R001和R007之间关联性展开检验，具体如下表1：表1 利率数据关联性检验结果R001R007IBO001IBO007R001R007IBO0010.921IBO007由表1能够看到，R001与R007各自同其它品种利率之间存在更强的关联性，因为二者在关联性上非常的接近，因此下面再对交易量的数据进行考察，找到最近几年里R001在交易量上远远的大于R007，按照所选取替代瞬时利率的上述两个原那么，本文选取R001作为瞬时利率替代。 2、数据
8、的处理1单利向复利转化因为本文所有样本数据均为单利形式，所谓致使各个期限结构在利率之间不存在着可比性，所以需要把单利向连续复利形式进行转化，银行间的债券市场在一天期的回购利率上转化公式是： r 001t=365ln1+R001tX 42计算利率收益率因为在利率风险自身价值的计算过程中，历史模拟法以及德尔塔一正态法所运用数据均为利率收益率的数据，所以需要有效转化连续的复利数据，把当前现有R001类型连续的复利利率数据向收益率的数据进行转化，即指特定数量资金因为利率产生的变化相应收益所产生的变化率，进行转化的公式是： rt =lnr 001t-lnr 001t-1 53、正态性检验对于VaR 模型
9、开展后验测试大致包含正态性的检验以及准确性的检验。正态性的检验对象即是所选择历史数据，当数据服从于正态分布状况之下，能够确保风险价值计算的简化。而准确性的检验那么对VaR 模型的估算结果对于事实上所损失覆盖度进行验证。假设历史数据是服从于正态分布的，那么就会简化风险价值计算。对分布正态性进行检验，重点需要对两个指标进行考虑：偏度与峰度。偏度对分布偏斜度进行描述，主要用于对分布对称性进行检验。在此根底上，本文对所选取592个连续的复利数据以及591个利率的收益率数据展开正态性的检验，结果见表2：表2 数据的正态性检验SkewnessKurtosisJB统计量r001tp=0.00rtp=0.00
10、由表2可以看出，利率及利率收益率偏度与峰度以及JB统计量在值都满足于：Skewness0，Kurtosis 3，JB500JB统计量的值远远比5%置信水平中临界值5.991大，所以说明利率和利率的收益率在分布都具备尖峰厚尾特性，尾部以及中间局部数据所包含的大量信息，同正态分布进行比拟存在着较大差异，因此数据拒绝于服从于正态分布的初始假设。在上面，本文主要选取瞬时替代利率R001；把单利的R001转化成为连续的复利r001t，对于连续复利收益的变化率序列 r t 进行了计算；对于连续复利以及收益率的序列进行了检验都不服从于正态分布。二VAR模型实证分析在VAR模型中，同其它的算法相比，蒙特卡罗模
11、拟法自身有着较为显著优越性，其于随机模型以及随机数出现过程准确的状况之下，所得出的结果更加精确。由于其他的方法在假设的条件上非常繁多，存在较大的误差，于具体的应用中其准确性存在着各种程度的制约，没有一般特性。因此本节重点使用三种VAR的度量方法对利率风险的价值进行计算，这三种方法是德尔塔正态分析法与历史模拟法以及蒙特卡罗模拟法，最后对于三种方法所得出实证结果展开比拟与分析，进而得出适于国内具体状况利率风险的价值计算法。文章选取2010年1月4日至2012年5月31日一天期银行间的债券市场中利率一共有592个的数据重点研究利率风险的价值，具体结果如下表3：表3 一天期银行间的债券市场中利率数据
12、日期r001日期r001日期r0012010-01-042010-08-172011-06-272010-01-052010-08-182011-06-282010-01-062010-08-192011-06-292010-01-072010-08-221.1238682011-06-302010-01-102010-08-231.12E+002011-07-032010-01-112010-08-242011-07-052010-01-122010-08-252011-07-062010-01-132010-08-292011-07-072010-01-142010-08-302011-0
13、7-102010-01-172010-08-312011-07-112010-01-182010-09-012011-07-122010-01-192010-09-022011-07-132010-01-202010-09-052011-07-142010-07-272011-06-072012-05-112010-07-282011-06-082012-05-142010-07-292011-06-092012-05-152010-08-012011-06-122012-05-162010-08-022011-06-132012-05-172010-08-032011-06-142012-0
14、5-182010-08-042011-06-152012-05-212010-08-052011-06-162012-05-222010-08-082011-06-192012-05-232010-08-092011-06-202012-05-242010-08-102011-06-212012-05-252010-08-112011-06-222012-05-282010-08-122011-06-232012-05-292010-08-152011-06-262012-05-302010-08-162011-06-272012-05-31其中，选取2010年1月4日至2011年5月19日共337个数据作为实证区间，2011年5月22日至2012年5月31日共255个数据作为后验测试样本区间。1、德尔塔正态分析法本文对于传统在假设正态分布根底之上的德尔塔一正态法实施局部的改良。对于收益率序列正态分布进行检验的结果标明，收益率的序列在其均值大概趋向零，只不过是峰值比拟的高。在当前情形之下，因此文章同时采用t分布假设对利率风险的价值进行计算。运用t分布假设能够根据t