王婧鋆
山西财经大学 山西太原
【摘要】本文以易方达基金公司的市场风险度量和控制为研究主题，学习和查找国内外文献中各种对基金市场风险的测度方法，发现传统VaR方法在衡量市场风险时并没有考虑到金融资产收益率的时间序列问题。所以从这个角度出发，本文初步决定采用合适于易方达基金管理公司的风险测度方法—GARCH-VaR模型。
本文主要是对以下几个问题进行深入的研究：首先，对所选样本数据进行描述性分析，如偏度、峰度等进行一系列的统计分析；其次，通过采用GARCH-VaR模型对易方达基金的市场风险进行评估；最后基于上述研究，提出一些管控风险的对策。通过理论和实证研究，对易方达基金管理公司进行风险管控有着一定的促进意义。
【关键词】开放式基金;市场风险度量与管控;GARCH-VaR模型
一、引言
投资基金集中了市场中所有投资者的资金，分别由托管人委托职业经理人员进行管理，专门从事证券市场的证券投资活动。
随着全球经济的迅猛发展及经济全球化的不断推进，传统的风险度量的方法，如方差-协方差法、历史模拟法等都存在着各自的问题，无法对我国基金市场的市场风险进行准确的度量。本文采用GARCH-VaR模型对易方达基金的市场的风险进行度量，希望对认识基金业市场风险起到一定的促进作用。
二、基金风险的理论研究
1.2.3.（一）VaR的定义
VaR即在险价值，是指在给定的置信度下，既定的投资期间内，资产组合预计最大的损失值
则VaR的数学表达式为
.png)
我们可以看到，GARCH模型由两部分构成，一部分是ARCH项，一部分是GARCH项。而为了计算方便，本文采用GARCH(1,1)来进行，具体表达式为：
.png)
三、GARCH-VaR模型易方达基金风险测量的实证分析
4.（一）样本的选取
本文选取2017年12月31日至2019年12月31日易方达基金管理公司旗下的10只开放式基金累计净值数据，并且剔除了节假日等无效数据，共计样本点大概有2000多个。数据来源于resset数据库，来源可靠。表3-1为所选取的基金。
.png)
对于样本数据收益率的处理包括百分比收益率和对数收益率。对于金融资产而言，为了去消除可能存在的异方差影响，本文采用对数收益率发对数据进行处理。其公式为：
.png)
JB统计量服从自由度为2的分布。如果他JB统计量大于该分布的统计值，则认为其不服从正态分布。
.png)
我们可以得出以下结论：十只基金的偏值均为负数，且峰值均大于3，我们可以初步的得出这10只基金存在“尖峰厚尾”的现象，且不服从正态分布。
2.平稳性检验
使用GARCH模型必须要保证序列的平稳性。为了检验样本数据的收益率序列的平稳性，采用了ADF检验方法，分别在置信度为1%、5%、10%下进行检验，所得结果如表3-3所示。
.png)
将ADF检验统计量与1%、5%、10%置信下检验临界值进行比较，可以发现t统计量都远远小于临界值，则拒绝原假设，说明此样本收益率序列平稳。
3.ARCH检验
1982年，恩格尔提出了检验残差序列是否存在ARCH效应。本文采用ARCH-LM来进行检验。如果残差序列不存在ARCH效应，自相关和偏相关系数在所有滞后阶数都应为0，反之存在ARCH效应。
这里我们以110005基金为例，样本共443个，由图4-2可以看出F值为2.047，在5%的显著水平下，认为该样本序列存在ARCH效应。其他9个基金均采用同样方法，可以得到同样结果，如图3-4所示。
.png)
图3-4 ARCH效应检验结果
（三） 易方达基金市场风险度量
1.建立GARCH(1,1)模型
结合上文理论部分的内容，为了简化计算此处我们采用GARCH(1,1)模型。此外，对于下文中VaR的计算我们采用t分布来进行描述。因此，本文建立的是t分布下的GARCH(1,1)模型。具体结果如表3-5所示。
.png)
从表3-5我们可以看出，ARCH项和GARCH项系数之和80%以上都接近于1，认为建立的GARCH(1,1)模型 具有较好的平稳性。
2.再次进行ARCH-LM检验：
此次我们采用ARCH-LM检验方法对所建立的GARCH模型再次进行检验。由于10只基金检验结果庞大，此处以10001为例，进行了ARCH-LM检验。结果如图3-6所示。
.png)
图3-6 再次ARCH效应检验
由图我们可以看到，在5%的置信水平下，F值与LM统计量所对应的p值都大于了5%，表明该收益率的时间序列都不存在异方差性。其余的9只样本基金也按照同样的方法在Eviews中进行计算，结果均为不存在异方差。
3.VaR计算
本文采用的是t分布下的GARCH(1,1)模型。如果服从t分布，则VaR的计算公式为
.png)
通过Eviews对将GARCH模型下条件方差计算结果输出，同时加入沪深300指数，以方便下面比较。
.png)
从表中我们可以看出，整体来说我们所选取的易方达基金VaR值各不相同，但数值都不是很大，与沪深300比较来看，易方达开放式基金所面对的风险小于沪深300。这是由于基金管理人通过投资于不同金融工具以达到了分散风险的能力，这也体现了基金管理人的专业水平，提高了整个市场的运作效率。
四、结论
本文从易方达基金中抽取样本，并引入GARCH-VaR模型计算在t分布下的VaR值。得出以下结论：
1.易方达基金管理公司中所选择的10只开放式基金中，其样本的收益率序列均存在“尖峰厚尾”特征，并不服从正态分布；随后对样本数据进行了ARCH检验，存在ARCH效应，符合建立GARCH模型的条件。
2.建立t分布下的GARCH模型，并建立均值自回归方程，计算得到了10只基金的VaR值，与沪深300相比，说明这些基金存在一定的市场风险，但并不是很大，投资较为安全。
3.对于易方达基金风险的管控，我们可以通过创新基金产品研发，做到产品多样化；散投资种类；加强基金市场风险防范体系等方式来进行规避。
参考文献
[1]陈维龙，GARCH-VaR模型在开放式基金风险度量中的应用[J],2010,(2),35-05
[2]陈圣滔,刘长青,基于GARCH-VaR模型族对万科A股风险的实证研究[J],洛阳师范学院学报,2015,(11)96-04
[3]顾雪松,基于GARCH-VaR的股指期货保证金模型[J],2009,(13),65-04
[4]高铁梅,《计量经济分析方法和建模》[M]
[5]江涛,基于GARCH与半参数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数据[J],金融研究,2010,(06),103-09
[6]李向军,我国社保基金投资管理问题研究[]D,北京,财政部财政科学研究院,2007
[7]刘向丽,常云博,中国沪深300股指期货风险度量-基于流动性调整的收益率方法的研究[J],系统工程与实践,2015,(07),1760-10
[8]刘增霞,基于VaR的互联网货币基金风险度量及其绩效研究[D],山东,山东财经大学,2016
[9]刘倩.李洁.基于GARCH-VaR和GARCH-CVaR模型的货币基金产品风险研究[J]，经济研究导刊，2019,82-02