VAR模型范文（精选11篇）

VAR模型 第1篇

Va R, 即风险价值 (Value at Risk) , 是指市场正常波动下, 在一定的概率水平下, 某一金融资产或证券组合在未来特定的一段时间内的最大可能损失。Va R方法可以事前计算风险, 还可以衡量全部投资组合的整体风险。

根据Va R的定义, 可以表示为:

其中, △p为证券组合在持有期△t内的损失, Va R为置信水平c下处于风险中价值。

从上面的定义中我们可以看出, Va R有两个重要的参数:资产组合的持有期及置信水平, 这两个参数对Va R的计算及应用都起着重要的作用。

1. 资产组合的持有期

资产的流动性越强, 相应的持有期越短;反之, 流动性越差, 持有期则越长。在正态假设时, 持有期选择得越短越好, 因为资产组合的收益率不一定服从正态分布, 但在持有期非常短的情形下, 收益率渐进服从正态分布, 这时的持有期一般选为一天。另外, 持有期越短, 得到大量样本数据的可能性越大。持有期太短则监控成本过高;持有期太长则不利于及早发现潜在的风险。

2. 置信水平

置信水平的选取反映了投资主体对风险的厌恶程度, 置信水平越高, 厌恶风险的程度越大。由前面所述Va R的定义我们可以看出, 置信水平的选取对Va R值有很大影响。同样的资产组合, 由于选取的置信水平不同, 计算出的Va R值也不同。由Va R的定义可知, 置信水平越高, 资产组合的损失小于其Va R值的概率越大。也就是说, Va R模型对于极端事件的发生进行预测时, 失败的可能性越小。因此, Basle委员会要求采用99%的置信水平。

二、引入VaR约束的马柯维茨均值——方差模型

经典马柯维茨均值———方差模型为:

其中, R= (R1, R2, …, Rn) T;Ri=E (ri) 是第i种资产的预期回报率;X= (x1, x2, …, xn) T是投资组合的权重向量;Σ= (бij) n×n是n种资产间的协方差矩阵;Rp=E (rp) 和бp2分别是投资组合的期望回报率和回报率的方差。该模型的解在бp-Rp空间是图1中的抛物线, 即投资组合的有效前沿。

鉴于前述Va R方法在风险度量与管理领域中的主流地位, 现在我们考虑在模型中加入Va R约束。假定置信水平为c, 由Va R的定义, 有:

在模型 (Ⅰ) 中考虑Va R约束后, 经典均值-方差模型为:

在正态分布下, (4) 式可化为:

其中, Φ (·) 是标准正态分布的分布函数。

模型 (Ⅱ) 的解在бp-Rp空间中是图1中的弧线AB, 称其为基于Va R约束下的投资组合的有效前沿。

图1中Va R约束表现为一条斜率为Φ-1 (c) 、截距为-Va R的直线。在该直线或其以上的全部投资组合都具有的概率使其回报率超过最小值-Va R;而在直线以下的全部投资组合回报率在置信度下不超过-Va R。这样, Va R约束使投资组合选择仅仅限制在传统有效前沿和Va R约束直线间的阴影部分, 即点A和B之间的弧线上。进一步地, 根据有效集定理, 最优投资组合选择应为抛物线顶点O与点A之间的弧线, 即弧线段OA。

三、模型的几何求解方法

由图1可知, Va R约束的最优投资组合确定时, 只需求出点A和O处的权重即可。在这里我们用几何方法来解决此问题。

设n种资产组合的权重是x1, x2, …, xn-1, xn (其中xn=1-x1-x2-…-xn-1) , 则投资组合的期望回报率Rp=E (rp) 与方差бp2分别可表示为:

在权重空间 (x1, x2, …, xn-1) 中, (8) 式代表等方差超椭球面, бp2取不同值可得到一族同心超椭球面, 中心记为MVP, 表示所有的可能投资组合中风险最小的投资组合的权数; (7) 式代表等期望回报率超平面, Rp取不同值可得到一族平行超平面。因而, n种资产投资组合的最优权重应为等期望回报率超平面与等方差超椭球面的正切点。这些正切点连线就是一条直线, 称为n种资产投资组合的临界线。

(7) 式在点 (x1, x2, …, xn-1) 处的法向量为: (R1-Rn, R2-Rn, …, Rn-1-Rn)

(8) 式在点 (x1, x2, …, xn-1) 处的法向量可简化为:

(P1ΣQWT, P2ΣQWT, PKΣQWT, …, Pn-1ΣQWT)

由临界线定义, 可得临界线方程为

由 (9) 式可得到n-2个方程构成的线性方程组:

其中:

i=1, 2, ∧, n-2, j=1, 2, ∧, n-1根据, Rp2=XTR, бp2=XTΣX将其代入 (6) 式:

因为线性方程组 (10) 的秩是n-2, 所以它的基础解系的个数是1, 用x1分别表示x2, x3, ∧, xn-1, 代入 (11) 式, 就求出x1就可得到相应x2, x3, ∧, xn的值。因为x1有两个根, 因此有两组解, 它们分别是点A和点B处的权重。这样就求出了点A和点B处投资组合的预期回报率RA, RB和方差бB2, бA2。根据方程XTΣX=б2, 令其判别式为零时只有一个解, 求出бo2后, 便可分别求出O点的投资权重及投资回报率R0。

于是可以得到Va R约束下投资组合的选择范围:

联立 (10) 式和 (7) 式, 就可在临界线上求得投资组合最优权重, 该权重下的投资组合的方差为最小, 并通过 (8) 式可算出这个最小方差;同理, 联立 (10) 式和 (8) 式, 就可在临界线上求得投资组合的最优权重, 使得该权重下的投资组合的预期回报率最高, 并且由 (7) 式可算出这个最高的预期回报率。

四、总结

马柯维茨的证券组合理论是现代投资理论和投资实践的基础, 他的均值———方差模型给出了投资决策的最基本也是最完整的框架。投资决策大都是在马柯维茨证券组合理论的框架或基本思想下展开的, 不同的只是收益和风险的描述不同。由于当前Va R在风险测量、风险限额设定和绩效评估中的广泛应用, 因此在马柯维茨证券组合理论的框架下, 基于Va R的投资决策具有重要的实用价值。由于约束条件的复杂性, 传统的Laganerge乘子法无法求解该模型。为此, 我们给出了一种几何求解方法, 研究了在引入Va R的约束条件下的最优投资组合的确定问题。

参考文献

[1]邵欣炜, 张屹山.基于VaR的证券投资组合风险评估及管理体系.数量经济技术经济研究, 2003.12.

[2]金道政, 黄永兴.金融投资学.中国科学技术大学出版社, 2002年.

[3]屠新曙, 王春峰, 巴曙松.投资组合效用问题研究.数量经济技术经济研究, 2002.5.

[4]宁云才, 王红卫.马克维茨组合投资模型的程序化求解方法.数量经济技术经济研究, 2003.10.

中国证券市场风险分析与VAR模型 第2篇

一、中国证券市场风险分析

金融风险是世界各个市场经济国家所面临的共同问题，它不但破坏了一个国家乃至世界经济发展的秩序，而且也直接威胁着一个国家或地区的政治稳定。从墨西哥金融危机、美国南加州橘县的破产到巴林银行倒闭及日本大和银行的惨重损失都充分地说明了这一点。

金融活动总是存在着金融风险，这是因为人类经济活动中①信息总是不完备、不对称的;②人的理性是有限的。并且，由于金融领域知识的专门性及技术的复杂性，加之信息传播手段的现代化，金融活动中信息的不完备性及人的有限理性更为突出，这就使得金融活动具有更大的不确定性特征。但这种较大的不确定性使得金融活动具有较高风险的同时，也具有获得较高收益的可能，即所谓高风险高收益。从金融业的整体来看，金融业越活跃，越多样化，其不确定性空间也就越大，因而金融业的风险也就越高。

1、中国证券市场风险的总体特征：

目前，中国正处于由计划经济体制向市场经济体制转轨的过程之中，旧的体制尚未完全消退，新的体制正在建立，还远不完善。新旧体制处于相互交错的状态之中。一方面，旧的计划体制依然在社会经济的许多领域发挥着种种作用，干扰甚至阻碍着新的市场经济体制的建立和运行;另一方面，新的市场经济体制脱胎于旧的计划经济体制，还很不完善，尚不能有效地规范和调节自身的运行，有时还不得不求助于旧的计划经济体制，使得中国证券市场不仅具有成熟证券市场所具有一般风险因素和证券市场发展初期的特殊风险因素，更具有经济转轨时期特有的体制性风险因素，主要表现为：①由于证券市场中的机构投资者利用经济转轨时期法律法规制定和执行过程中存在着的种种不完善，利用新旧体制交替过程中管理方式方法，甚至管理权限中出现的某些真空地带，利用旧体制下形成的权力系统对新体制的合法干预等，人为地操纵市场，兴风作浪，牟取暴利以及“寻租

行为造成的证券市场的震荡;②由于管理机构缺乏管理经验而对证券市场干预不及时、不果断或进行不正常干预而造成的证券市场的震荡;③由于相当一部分证券发行企业业绩较差，缺乏对证券价格的业绩支持造成的证券市场基础不牢固所酝酿的潜在风险;④由于中国各行业企业与经济走势之间密切的相关关系所造成的证券市场上很高的系统风险。上述几点构成了经济体制转轨时期中国证券市场风险的总体特征。

2、中国证券市场风险成因：

造成中国证券市场特殊风险的主要原因表现在国有产权多层次代理、行政手段和计划管理与市场经济体制的冲突，部门与地区利益分割形成的利益冲突等几个方面。

公有产权多层次代理造成的产权责任不明，监督机制不力是形成中国证券市场的特殊风险因素最主要的原因，它同时导致了证券发行者和证券投资者的不正常行为。

行政手段和计划管理与市场经济体制的冲突对中国证券市场特殊风险的影响表现在两个方面。一方面，这种冲突导致了管理部门对证券市场的不正当干预(这种不正当干预主要不是因为经验不足，而在很大程度上是由于旧体制的惯性作用)，从而破坏了证券市场的正常运行规律，使投资者和发行者对政府政策的稳定性与合理性缺乏信心，也造成了证券市场上的种种“寻租

行为(如设法获得证券的发行配额，获得从事证券业的资格等)，加大了中国证券市场的规制风险。另一方面，这种冲突还表现在有关管理部门对证券发行者(主要是工商业企业)生产经营活动的不正当干预，妨碍了证券发行者生产经营活动的正常进行，影响了其经营效率;或是有关部门对管辖下的上市公司给予某些特殊利益，造成了不同企业间的不平等竞争。

部门与地区利益的矛盾与冲突则导致了各级政府部门和证券管理部门为本地区或本部门的利益有意不恰当地放松对证券市场的管理，甚至暗中纵容某些证券投资者或发行者的违规行为，或在某些管理部门对证券违规者进行处罚的.时候，另一些管理部门却对其进行支持或保护，造成了中国证券市场管理的混乱和某些管理真空，等等。中国证券市场上出现而且屡禁不止的机构投资者和所谓“大户

利用巨额透支进行炒作，联手造市的问题;向投资者提供不恰当优惠的问题;为本地区上市公司减免税收，造成上市公司与非上市公司之间不公平竞争的问题;证券管理法律法规难以制定和出台(因为各部门都希望自己的利益和权利能够在法律法规中得以体现，甚至不惜牺牲法律的完善性和公正性)等，都与这种利益冲突和利益竞争有一定的关系。

3、如何防范证券市场风险：

根据在中国证券市场中所处的地位和所起的作用的不同，对中国证券市场风险的防范与控制需要从投资者管理者两个不同的主体来考虑。一要加强对中介机构和机构投资者监督管理，在改革产权管理制度的同时加强中介机构和机构投资者的内部管理机制和外部约束条件，使之逐步走向规范发展的道路;推动证券公司的兼并与重组，改变券商过多过小的现象，同时改善并加强券商的行业自律。二要发展投资基金市场，养老金市场和各种保险市场，培育规范、稳定的机构投资者，加强对现有机构投资者的监督与管理，使之逐步健全和规范。

此外，一个国家越是开放，就越易受到国际资本流动的影响，而这一影响从来都是具有双刃性的。一方面国际资本流动会缓解外汇供求压力，活跃金融市场，改善国际收支状况;另一方面也潜伏着一定的风险：(1)国际资本的频繁出入，将形成短期内非正常的外汇供求，影响外汇市场的正常秩序，使汇价扭曲。(2)由于国际短期资本流动具有较强的趋利性和投机性，使政府宏观调控难以实施。(3)国际资本在大量获利后可迅速抽逃，引起国内资金经常性短缺。(4)国际金融市场的突发事件可导致国内金融的动荡，影响社会政治经济的稳定。由于国际资本流动可能引发的中国金融风险，所以必须防范国际资本流动对我国金融运行的潜行性影响，应加快各项改革，增强国际竞争能力，维持国民经济持续、快速、健康的发展势头。因为不论是短期资本还是长期资本，最终都要以还本付息、利润汇回或分红派息等回收投资的形式流出，而这要靠经常项目的顺差来支持。如果经常项目不能维持稳定的顺差，则可能形成国际收支风险，影响外商投资环境。通过保持足够的国外资本持续适时流入，使得即使条件变化，国内资本流入减少，甚至发生流向逆转时，金融体系也有经受这种大规模调整的能力，防止金融动荡波及到整个经济领域。

二、Value-At-Risk风险管理理论简介

为控制证券市场上各种衍生工具的风险，近年来一种新的风险管理技术Value-At-Risk(VAR)正受到西方金融机构的普遍关注和采纳。

1、Value-At-Risk(VAR)的定义：

VAR是未来一定时间内，在给定的可能性下，任何一种金融工具和品种的潜在变化。

例如，一家德国公司持有壹亿叁千万美元的外汇头寸，通过计算，测出一天的95%VAR=$932，000。

这个数值表达的信息是未来24小时之内，以95%的可能性保证，美元对马克对换比率的改变导致该家公司的美元损失不会超过$932，000。

这个95%可以这样理解，平均在100天之内，如果该家公司持续地持有该外汇头寸，则在其中任意95天内，$932，000是最大损失极限，而在其余的5

天内，损失有可能突破这个极限。

2、VAR的必要性和客观性

(1)金融结构的变化：市场变得越来越流通，投机活动变得越来越容易。

(2)技术的进步：(金融理论、产品、方法)。

(3)信息技术的快速发展。

(4)庞大资金量和资金复杂度。(例如30种股票，20种债券，5种外汇，17种期货，8种期权)。

(5)需要一个统一的金融工业标准。

3、一些国际金融机构采用VAR的情况

VAR正迅速成为金融市场风险管理的标准，并得到监管机构和私营企业的推许。国际结算银行的巴塞尔委员会要求各成员国必须有针对不同金融品种的内部市场风险的VAR模型。美国证券交易委员会要求上市公司选择通过VAR披露公司经营衍生工具的风险。私营机构方面，大银行如J.P.Morgan已研究出一套工具来测算VAR，美国多数机构投资者也开始采用VAR设定风险标准。

国际结算银行的巴塞尔协议规定必须采用10天的99%的VAR，也就是说机构必须储备能应付3年一遇的股市洪水的足够资金，该标准于1月1日在欧共体全体成员国正式执行。

Citibank(美国花旗银行)采用95.4%的VAR，BankAmericaandJ.P.Morgan(美洲银行和摩根银行)采用95%的VAR，皇家苏格兰银行采用97.5%的VAR。

4、如何测算VAR

首先使用债券市场的历史数据来模拟现时证券投资组合的回报，然后计算盈利和损失的时间系列，并假设历史性的分配与未来的收益相关联。

5、VAR的特征

VAR通过非技术形式表述风险;VAR测算整个风险投资组合的风险，包括不同投资之间的互相影响;VAR于事前进行风险预测。

6、使用VAR管理风险

使用VAR可设定交易员的底线。

VAR数值突然增大，显示几种可能性：①不同的经理人是否对某一特定品种加大投入;②交易员下单量是否过于庞大;③市场是否突然变得反复无常。VAR可以反向操作来找寻风险的出处。

7、建立中国金融业风险管理的紧迫性

(1)历史经验：纵向看，深交所**、上交所国券期货**、去年12月中国证券股市下跌**;横向看，巴林银行、日本住友公司等。

(2)散户及大户对自身暴露在市场的头寸具有不可避免的市场风险。

(3)机构对内部操盘员的交易风险控制及整个机构的风险管理。

(4)为证监委和各大银行提供风险管理技术。

(5)我国境外上市公司将被要求执行国际风险标准。

(6)出于国内风险管理的需要，应发展适合中国国情的风险管理标准并与国际标准接轨。

□赛格导航科技股份公司郭宏伟

VAR模型 第3篇

关键词：VAR；蒙特卡洛模拟法；市场风险；公司风险；国家风险

一、VAR模型的发展历程

（一）VAR模型概况

VAR（Value at Risk）是在险价值，指按某一确定的置信度，对某一给定的时间期限内不利的市场变动可能造成投资组合的最大损失的一种估计，它是利用概率论和数理统计进行风险量化和管理的方法。1952年Baumol首次提出了VAR的概念，随后国内外学者对VAR展开了深入的研究。J.P.Morgan于1994年10月公布了风险度量（Risk Metrics）体系并将其作为了金融风险测定和管理的工具。1996年提出将VAR看作是在既定头寸被冲销或重估前可能发生的市场价值最大损失的估计值，把VAR描述为是对正常市场波动的度量；Philippe Jorion（1997）将VAR定义为一种标准统计技术估计金融风险的方法；Kevin Dowd（1998）指出VAR是在给定的持有期内，一定置信水平下资产组合的最大期望损失。在早先的研究中，他们都通过VAR模型刻画了风险的不同特性。

在VAR模型的自身发展上，国内外众多学者也根据市场的发展、研究工具的更新以及计量水平的提高而不断完善，估计方式日益增多，准确性与实用性有所提高。

在金融市场的不断发展中，VAR模型不断被用到了风险管理的各个方面，从而也进行了更深层次的研究以及探索了一些新的研究领域。一方面VAR模型不断被运用到市场风险、信用风险以及操作风险等的风险管理中；另一方面VAR模型根据市场发展的需要，拓宽了应用的范围，如王文进、吴晓（2008）研究了基于Credit Metrics模型的汽车消费信贷业务的信用风险管理。

但是在近年的研究中，一些研究者认为银行用来计算VAR值的一些主要方法存在严重问题以至于导致了近年来的金融危机。Robert Sollis（2009）指出，如果VAR在未来的金融管理中将作为主要的管理工具的话，需要进一步提高估计技术和回溯测试过程。

（二）VAR模型的方法

经过多年的发展与应用，VAR方法不断衍生，运用最普遍的就是历史模拟法、方差-协方差法以及蒙特卡洛模拟法。而这三种方法又各有其优势与缺陷。

历史模拟法是根据过去一段时间内的各种金融数据的分布来确定未来某持有期该金融工具的收益以及损失，从而推算VAR的值。它需要大量的样本数据并假定金融资产价格变动服从同分布，而实际表明，金融市场上的大部分金融变量的标准差不符合正态假设，由此暴露了历史模拟法的应用缺陷；方差-协方差法是先运用历史资料计算出某投资组合收益的方差、标准差以及协方差，再利用正态分布与置信区间来计算VAR值；蒙特卡洛模拟法则是强调多次反复模拟某一组合的随机过程，通过每次结果形成的分布而将会不断收敛于真实情况，从而估计VAR值。由于各种方法存在一定缺陷，为满足需要，学者不断提出新的模型，如Engle（1982）提出了ARCH和GARCH模型并将各种变形引入金融经济学，充分揭示了资产风险的各种动态变化过程。随后还有学者根据单期静态风险测度不能满足需要而不断推广到多期动态情形。

而在当前的研究中，一些评论指出了VAR方法的缺陷，在此基础上又提出了新的方法：VCV方法、HS方法以及MCS方法。三种方法各有优劣，VCV方法因其简单而使用广泛并以资产回报服从条件正态分布为假设，但是由于很多资产不服从条件正态分布，VCV方法通常会低估VAR值；HS方法也因其对VCV方法进行简单改善而被广泛使用，他不再要求资产回报服从条件正态分布，但是在选取的样本量中很可能得到十分不同的VAR估计值；由于MCS的复杂性以及需要大量证券投资组合，他并没有前两种方法运用普遍，但是其优势在于不会限制研究者假定正态分布。由于上述方法存在的缺陷，管理者就需要进行回溯测试以更好地进行风险管理。

二、VAR风险管理模型的具体应用及存在的问题

VAR模型除了在理论上有不断的发展，在实际应用中也在不断深入。在金融市场风险、信用风险、公司风险以及国家风险等方面都有不断的研究。

（一）VAR模型的具体应用

1、金融市场风险管理。金融市场风险是各类主体面临的主要的风险，金融主体在运用VAR方法进行市场风险管理时都需要考虑两个方面的因素：时间范围以及置信水平。由于VAR方法存在某些缺陷，条件VAR、边际VAR以及增量VAR不断出现来改善VAR方法，而在选取指标也有不同的方法：参数法、历史模拟法以及蒙特卡洛法，这是当前估计市场风险比较有效的方法。

2、公司风险管理。在公司风险管理方面，银行对风险的管理尤为重视，随着越来越多大银行暴露出市场风险，巴塞尔委员会在1988年签署了资本协议，通过运用内部风险估值方法来控制风险同时在满足一定条件下引入了VAR方法。但是VAR方法也不能没有缺陷地被银行运用，某些时候很难准确估计VAR值，同时在证券组合日益复杂的银行系统里，银行很难决定防范风险的指标，因此银行需要经常通过压力测试和回溯测试的方法来检验VAR方法的准确性，尤其是银行运用VAR方法来管理资本充足性的市场风险时更需要进行检验测试。

3、国家风险管理。由于风险的多样性和可传染性，各种市场风险、信用风险会在全球范围内不断传播，同时在市场一体化和经济全球化的时代，国家风险也日益暴露，而国家风险也将影响到一国经济的发展以及政治的稳定程度。Michael McAleer， Bernardo da Veriga，和Suhejla Hoti 根据10国家的数据运用VAR框架进行了研究，发现运用单一指标和组合管理的方法能够预测这十个国家条件方差组合风险的回报，结果表明，瑞士、日本和澳大利亚的国家风险比阿根廷、巴西和墨西哥的国家风险相比更可能维持在当前水平。这一研究能够反映当前世界各国的稳定程度。因此VAR同样能够成为估量国家风险的管理工具，根据时间序列模型，VAR方法能够为政策制定者以及其他经济人提供一个预测未来收益和国家风险的准确方法，明确国家风险边界，同时为国家之间进行投资提供可供选择的参考。

（二）VAR方法存在的问题

由于VAR方法存在很多假设条件以及当前经济变化的多样性、某些信息的不可获得性，VAR方法并不能估计所有类型的风险。同时受到数理及概率统计等科学的限制，实际风险暴露无法完全通过预设的模型来反映，尽管VAR方法在不断的完善，但是仍然存在很多不足，需要进一步研究。

三、小结

VAR方法由于原理简单、易于操作，已经成为金融风险度量和信息披露的重要工具。

但目前无论是在计算方法还是优化资产组合充当风险管理工具时都需要进一步的完善。因此，未来VAR的研究发展趋势仍将集中在探索分析法和蒙特卡洛模拟更好结合的方法以及如何使VAR发展成为兼顾极端风险和普通风险的一致性风险计量工具两个方面。在更好运用的同时不断完善VAR方法，从而更有效地进行风险管理。（作者单位：湘潭大学商学院）

参考文献：

[1]陈燕君.基于VAR的汇率风险度量方法文献综述[J].经济研究导刊，2011（24）：74-75.

[2]Rober Sollis. value at risk： a critical overview[J].Journal of Financial Regulation and Compliance Vol.17 No.4，2009pp.398-414.

[3]Anis Cecilia-Nicoleta， Roth Anne-Marie， Apolzan Carmen-Maria.value at risk-corporate risk measurement[J].JEL Classification：M21，G30，C58.

[4]Ioan TRENCA. the use in bank of value at risk method in market risk management[J].JEL Classification：G21，G32.

上海市车牌拍卖的VAR模型分析 第4篇

关键词：私车牌照,拍卖,刚性需求,VAR模型,脉冲影响

自1978年改革开放以来, 上海市面对不断增加的道路交通压力, 借鉴了新加坡、香港等成功解决城市交通问题的方式, 于1986年开始实行车牌额度拍卖政策。2000年, 上海市又开始实行无底价的私车拍卖政策, 政策几度变更。2008年, 上海市政府对车牌拍卖方式进行了大的调整, 实行两阶段拍卖政策。但是随着拍卖政策的不断完善, 上海市车牌拍卖的成交价格却在波动中不断上涨。

学者们从理论和实证等多方面对上海市车牌拍卖政策做了研究, 主要分为三类: (1) 从拍卖角度, 界定了上海市车牌拍卖对应的拍卖理论, 即多物品拍卖理论, 同时推理论证这种拍卖的有效性与否; (2) 从政策制定角度, 分析上海市车牌拍卖的实施给居民带来的利与弊的比较, 得出是否应该实行车牌拍卖政策的观点; (3) 从博弈论角度, 将拍卖的过程看成是竞拍者之间、竞拍者与政策制定者之间的博弈, 由此论证新的政策是否是最优的。

上述文献在分析上海市车牌拍卖问题时, 多是做了理论分析, 没有直接点出影响车牌价格偏离内在价值的原因。本文在收集并分析了上海市车牌拍卖近十年的数据的基础上, 做了定量分析, 给出了拉高车牌价格的原因, 重点分析了供求关系与车牌价格之间的相关性, 运用VAR模型, 构建了上海市车牌成交均价、竞标人数、车牌投放数量的动态模型, 探讨了三者之间的传导与作用。

1 推高车牌额度价的主要因素分析

1.1 市场的刚性需求

据悉, 上海现有沪牌私车120万辆, 外省市牌照车50多万辆, 还有大量的公车, 上海的城市交通状况已经处于一种比较严峻的状态, 私车牌照投放不可能无限制“放量”。另一方面, 近年来上海新开楼盘多数集中在外环以外的区域, 上海市民对私车的刚需较为强劲, 每月拍牌者一般在2万人以上。供求关系的紧张显而易见。

1.2 市场投机炒作

由于很多急需车牌的准车主没有在额度拍卖中取得车牌, 于是二手车市场便出现了车牌转卖。“黄牛”们根据当月车牌的中标价再加几千元转手卖出。由于市场需求旺盛, 本应成为市场补充的“场外交易”, 反而成了价格引领者。

1.3 消费者的心理预期

本文对2003年1月至2012年12月份的车牌额度拍卖的最低成交价做了自回归分析, 从回归效果看, 车牌额度拍卖成交价格的回归拟合的很好, 得到本期车牌额度拍卖成交价与上期成交价的线性回归方程:

显而易见, 居民作为理性人, 在参与车牌拍卖之前一定会对车牌拍卖的历史成交价进行调查, 以此为基础, 给出此次竞拍的合理价位。

2 研究方法与变量的选取

2.1 研究方法

VAR模型是一种非结构化的方程模型, 常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击, 从而解释各种经济冲击对经济变量形成的影响。

本文主要在VAR模型估计的基础上, 使用格兰杰因果检验、脉冲响应和方差分解来进行实证分析, 在分析中为了消除异方差的影响对变量取对数。

脉冲响应函数描述了来自随机扰动项的一个标准差大小的信息冲击对变量当前和未来取值的影响, 通过脉冲响应函数可以检验车牌成交均价、竞标人数、投放数量的变化对彼此的影响强度和持续时间。方差分解法把系统中的每一个内生变量的波动按其成因分解成各随机扰动项影响的总和, 通过方差贡献大小, 来衡量随机扰动项对变量的相对重要程度。

2.2 模型的选择

为了研究车牌价格、投标人数、车牌投放数量之间存在的长期均衡及短期关系, 建立由这三个内生变量组成的非结构化VAR模型。

2.3 变量选取

基于上文对影响车牌拍卖价格因素的分析, 选取的变量是上海市车牌当月投放数量、当月参与的竞标人数、车牌成交价格的均价, 均为上海车牌网上数据。

3 实证分析

实证分析的基本步骤是:先对选定的变量进行平稳性检验, 进而进行滞后期的确定, 然后对残差进行检验, 以确保估计的结果符合VAR的经典假设, 再对变量序列做单位根检验, 看是否平稳, 若平稳可以进行Granger因果检验, 然后构造VAR模型;在建立的模型基础上, 进行脉冲响应和方差分解分析, 最后做出预测。 (1) 变量平稳性检查。对LJB、LJJ、LTF三个变量平稳性进行检查, 根据它们有漂移项、无漂移项, 有趋势项、无趋势项系数的显著性判断, 这三个变量均含有漂移项和趋势项, 因此对每个变量的漂移项和趋势项进行单位根检验, 结果显示三个变量均是平稳的。 (2) 车牌拍卖VAR模型滞后期的确定。从运行结果可知LR、FPE、AIC、SC和HQ都指向同样的1阶滞后期, 因此应该选择VAR (1) 进行后续分析。

3.1 VAR模型残差检验

VAR模型估计出来以后, 还必须对其残差进行检验, 以确保估计的结果符合VAR的经典假设。选择好滞后阶数以后 (这里选择滞后阶数为1期) , 从残差交叉相关情况的结果来看, 各变量之间残差不存在交叉相关的情况。如果存在就必须重新修正设定的模型。

3.2 检验模型的稳定性

通过单位根模型检验, 6个根的模的倒数都落在单位圆内, 所以平稳性条件得到满足。

3.3 格兰杰非因果性检验

为确定变量之间的相互关系, 在建立VAR模型之前, 对VAR模型中的变量进行Granger因果关系检验。第一, 在5%的显著性水平下, 竞标人数是车牌成交均价的Granger原因, 也就说明竞标人数的波动将会引起车牌成交均价的变动;第二, 车牌投放量与竞标人数互为Granger原因, 即车牌投放量的变化影响车牌成交的均价, 同时受到车牌成交均价的影响;第三车牌成交均价是车牌投放数量的Granger原因, 即车牌成交均价的波动将会引导政府投放车牌数量。

3.4 VAR模型的脉冲响应函数和方差分解

由于VAR模型参数的OLS估计量只具有一致性, 单个参数估计量的经济解释是比较困难的。想要对一个VAR模型做分析, 要观察系统的脉冲响应函数和方差分解。

3.4.1 脉冲响应函数

脉冲响应函数是描述一个内生变量对误差冲击的反应。以上海市车牌拍卖的竞标人数、成交均价、车牌投放数量的对数为内生变量的脉冲响应, 如图1。横轴表示滞后阶数, 纵轴表示内生变量对冲击的响应程度。

图1考虑到VAR模型中变量次序的不同, 分析的结果也有很大程度上的不同, 所以进行广义脉冲响应分析。

由第一张图, 可以看出, LJB对其自身的一个标准差扰动具有明显的正效应, 也就是说竞标价格短期自相关。给LTF一个扰动, LJB有正的响应, 并逐渐趋于平稳。给LJJ一个扰动, LJB在滞后第一起有正的响应, 整体影响不明显。其经济意义为:短期内, 竞标人数的增加意味着新车需上牌的车主增加, 但是当期车牌投放量有限, 没有拍到车牌的车主作为竞标人累计到接下来的竞标周期里, 所以竞标人数有短期内有自相关性。当政府增加车牌投放量, 竞标者会觉得竞拍成功的几率大, 所参加竞拍的人也同样增加。

第二张图中, LJJ对其自身的一个标准差扰动也具有明显的正效应, 但是随后效应迅速降低。给LJB一个冲击, LJJ总体呈现正效应, 在第二期达到峰值。给LTF一个冲击, LJJ对冲击的反应开始呈现负效应, 之后呈现微弱的正效应。其经济意义为:短期内, 中标价格的上涨会冲击竞标者的心里预期, 累计的需求者急于得到车牌, 并且担心车牌价格继续上涨, 所以提高竞拍的出价。竞标人数的增加就是需求的增加, 在车牌供给几乎不变的情况下, 竞标者只能出高价才能拍到车牌。

第三张图中, LTF也对其自身的一个标准差具有明显的正效应。给LJB一个冲击, LTF呈现正效应。给LJJ一个冲击, LTF总体呈现正效应。其经济意义为:竞标人数的增加使政府投放车牌数量增加。而价格的增加, 促使政府对拍卖进行调控, 而车牌投放量正是政府可调控的要素。

3.4.2 方差分解

为进一步分析每一个结构冲击对内生变量变化的贡献程度, 本文对VAR (1) 进行了方差分解, 以下为价格的方差分解, 如表表1所示:

由表1可知, 车牌拍卖价格开始主要受到自身波动的影响, 随时间的推移受到竞标人数的影响越来越大, 投放量对其从始至终几乎没什么影响, 最高为0.403%。其经济意义为:政府实行车牌拍卖的初衷是限制车牌量, 所以在车牌投放量上很难有大的变动, 所以车牌供给曲线是一条缓慢上涨的曲线, 而需求曲线则是弹性较小的曲线, 所有车牌拍卖价格的变动除了受预期的影响外, 较大程度上取决于竞标数量。

4 结语

本文运用VAR模型, 构建了上海市车牌拍卖的成交均价、车牌投放量、竞标人数之间的动态关系系统, 根据2003年1月份至2014年3月份的月度数据进行了实证分析。在实证分析中, Granger因果关系分析表明, 竞标人数的变化是车牌成交均价的Granger原因, 而竞标人数与投放数量互为Granger原因, 成交均价又是投放数量的Granger原因。为了分析三者之间的动态关系, 建立了VAR (1) 模型。通过VAR (1) 模型及脉冲响应分析表明, 车牌成交均价除受到竞标人数的影响外, 大部分是受到自身预期的影响, 而且三者相互间影响也是短期的。

参考文献

[1]王平平, 孙绍荣.车辆牌照拍卖模型[J].运筹与管理, 2005, 2 (14) .

[2]王金桃, 罗维.汽车牌照额度拍卖规则调整的理论分析与实证研究[J].系统管理学报, 2010, 19 (6) .

[3]刘德吉.上海车牌拍卖的政策效应分析——基于公共政策视角[J].产业与科技论坛, 2008 (7) .

[4]冯苏苇.私车牌照拍卖与拥挤收费的政策联动效果研究[J].交通运输系统工程与信息, 2012, 12 (3) .

VAR模型 第5篇

摘要：本文运用VAR计量模型，根据1978-2011年我国城镇化率与人均GDP的数据，实证检验了我国城镇化与经济增长是否存在互动关系，结果肯定了这一观点，并结合脉冲响应函数讨论了两者间的影响时滞，从人力资本、规模经济、产业结构的角度分析了互动关系产生的原因。

关键词：城镇化；经济增长；VAR

引言

城镇的快速发展源于工业革命，作为经济活动的中心，城镇为社会与经济发展提供所需的资源、制度、现代技术和价值观念，并改变产业的空间布局和生产组织形式，优化资源配置。随着工业化的发展，不同地区或国家因禀赋差异，城镇化发展水平各不相同。我国正处在工业化发展的中期阶段，城镇化是带动经济增长，实现产业转型的重要组成部分。城镇化是我国基于城镇发展提出的概念，国外的研究主要建立在城市化这个概念，就城镇化研究的文献因此集中于我国，特别是城镇化与经济增长的关系。如周一星（1997）對比了全球157个国家及地区1977年的相关数据，发现其中的137个国家及地区存在城镇化水平与人均GDP显著性关系；张颖和赵民（2003）借助钱纳里有关城镇化与人均GNP的论证，构造了城镇化与经济发展的一般模型；刘耀彬（2006）使用协整检验和格兰杰因果关系检验，验证了我国不同时期经济增长与城镇化的关系，结果显示两者互为原因；易善策（2008）的研究指出，城镇化与经济增长存在关系的同时，也与产业结构相关，并受到市场经济转型的影响。

模型设定

经济增长与城镇化存在关系，两者相互影响的程度因地区存在差异，原因在于不同国家或地区的禀赋及传导机制的不同。国内外学者都曾运用实际数据验证了城镇化与经济增长的关系，本文将借助VAR方法实证研究我国城镇化发展与经济增长的关系。

在综合比较现有文献对城镇化指标选取的基础上，选择城镇化率作为测度中国城镇化的指标，城镇化率是指城镇人口占总人口的比率。经济增长指标的可选择性较大，如国内生产总值、人均国内生产总值、人均可支配收入等，为了反映国内产出状况及剔除人口规模的影响，这里选取人均国内生产总值作为衡量经济增长的指标。

数据方面，本文选取了1978年至2011年的数据，以1978年为起始年份，原因在于1978年我国城市化方进入发展时期，在这一时间以前，即改革开放前，我国城市化进程基本处于停滞不前，同时也考虑到统计数据的可得性。本文的数据出自历年《中国统计年鉴》。为了取得良好的特性，消除异方差，本文对两个变量都采用了对数形式，城市化率和人均GDP分别为lnurb和lnpcgdp。

实证检验

为了避免研究中存在“伪回归”的现象，本文对两项指标采取了单位跟检验（ADF）。走势图中显示两项指标都存在一定的趋势，经过ADF检验，lnpcgdp和lnurb做一阶差分后在1%显著性水平下显著。为了保证平稳性，在下面的分析中两个变量都取一阶差分，分别用dlnpcgdp和dlnurb表示。

本文通过LR、FPE、AIC、SC、HQ5项标准检验，结果表明在VAR模型中应选择滞后期为2。计算结果如下：

根据VAR（2）模型，格兰杰因果检验的结果如下表所示。从表中可以看出在5%的显著性水平下，拒绝dlnurb不是dlnpcgdp的格兰杰原因的原假设，城镇化是经济增长的格兰杰原因，同时拒绝的dlnpcgdp不是dlnurb的格兰杰原因的原假设，经济增长也是城镇化的格兰杰原因。

脉冲响应函数刻画了内生变量对误差变化大小的反应，具体的结果如下图所示：

结果表明，人均GPD的标准差对其自身的影响，整体体趋势呈现先增大后减小并逐渐趋于稳定；城镇化的一个标准差对于人均GDP始终为负向响应，表明城镇化的突然波动只会造成给GDP进程带来负面影响；城镇化对于人均GDP响应，表示人均GDP的变化对于城镇化进程的影响难以把握，但总体来看还是存在正向的响应关系；城镇化的标准差对其自身的影响，始终存在正向的响应关系，表明当前的城镇化水平与其滞后期存在一定的关系。

结论

根据实证结果，城镇化与经济增长间存在互动关系，表明中国城镇化与经济持续发展能够得到互相促进。从人力资本的角度，城镇化的过程让农村人口向城镇转移，农村人口通过教育或直接从业进入城镇，其后期为社会创造的价值或生产率都要高于第一产业。从规模经济的角度，城镇人口的聚集可以带来产业方面的集聚，并产生外部性；我国经济高速发展的同时，带动城市规模也不断扩张，新兴城市不断涌现。从产业结构调整的角度，第三产业多以人力资本的集聚为特点，由农村转移的劳动力可通过人力资本投入提升劳动生产率并进入第三产业，因此吸收了因城镇化过程剩余的大量劳动力。现阶段，我国城镇化依然存在许多问题，制约了经济带动城镇化的进程，尽管我国经济总量不断提升，但在内部制度安排上还有许多需要改进及完善的方面，如法制建设、户籍制度、土地政策、社会保障体系、信用体系、资源损耗和环境保护等，因此未来需要探索适应我国特点的方式，走新型城镇化的道路。（作者单位：西北农林科技大学经济管理学院）

参考文献

[1]蔡继明.中国城乡比较生产力与相对收入差别[J].经济研究，1998（1）：11-19.

[2]陈钊，陆铭.城市化、城市倾向的经济政策与城乡收入差距[J].经济研究，2004（6）：34-45.

[3]朱孔来等.中国城镇化进程与经济增长关系的实证研究[J]，统计研究，2011（9），80-87.

VAR模型 第6篇

随着高风险的金融产品随即推出(股指期货，融资融券等)，需要投资者对风险有更清醒地认识，VAR模型正是这样一种定量工具，目前已受到业界的广泛认可，为全世界许多金融机构所采用。然而，在中国的金融市场中很多金融资产的收益率并不符合VAR模型的假设要求，许多实证研究表明收益率分布不但存在尖峰厚尾特性，而且收益率残差对收益率的影响还存在非对称性。当市场受到负冲击时，股价下跌，收益率的条件方差扩大，导致股价和收益率的波动性增大;反之，股价上升，波动性减小。股价下跌导致公司的股价下降，如果假设公司债务不变，则公司的财务杠杆上升，持有股票的风险提高，负冲击对条件方差的这种影响又被称作杠杆效应。由于GARCH模型中，正的和负的冲击对条件方差的影响是对称的，因此GARCH模型不能刻画收益率条件方差的非对称性。为了衡量收益率波动的非对称性，Glosten.Jagannathan与Runkel (1989) 提出了GJR模型，在条件方差方程中加入了负冲击的杠杆效应。Nelson (1991) 提出的EGARCH模型中，条件方差被表示成指数型的，同时加强误差项部分对模型的影响力度。

二、文献回顾

关于波动性模型的根源，传统理论以Engle (1982) 提出的自回归异方差模型 (即ARCH模型) 以及它的扩展模型为源头。由于ARCH模型在预测金融时间序列数据的优势，这一领域的研究和探讨不断深入，对它的各种扩充和修改成为热门的研究专题，相继产生了许多的有关理论及应用方面的研究成果。Bollerslev (1986) 将其一般化，除了考虑误差项的滞后期之外，同时还加入了误差项条件方差的滞后期，从而导出了广义自回归条件异方差模型即GARCH模型。一般地，条件异方差的ARCH-GARCH模型可以理解为对波动性的信息冲击模型。这种解释要求在周末和假日期间对波动性有影响的信息，其冲击效果能够逐渐聚积起来。Black (1976) French, Schwert和Stambaugh (1987) Nelson (1991) 提出了理论和经验的证据阐明了利好消息与利坏消息对股市的不对称影响。Engel和Ng (1993) 比较了允许利好消息和利坏消息对未来的波动性有不同影响的非对称波动性模型，提出了信息冲击曲线的概念，并且用这个概念作为标准的计量工具，来测量信息是如何影响波动性的;Glosten, Jagannathan, Runkle (1993) 提出的GJR-GARCH模型和Nelson (1991) 提出的EGARCH模型是较好的两个非对称波动性模型。更进一步的，他们提供了这样的一个事实:EGARCH模型产生了比其它模型预测的条件方差要大的多的条件方差。Su, Fleisher (1998) 和Yeh, Lee (1997) 分别对中国股票市场波动性模型进行了研究。Su与Fleishe用非高斯的，厚尾的分布估计了GARCH模型。他们发现政府的市场干预政策影响了股市的波动。Yeh与Lee (1997) 利用GJR-GARCH非对称模型来拟合每天中国股市的收益率，在高波动期间，得到了过高的条件方差估计。Wei (2004) 用两个股票市场的星期数据，检验了GARCH, GJR-GARCH, QGARCH的预测结果，发现QGARCH模型是最好的。

对我国股票市场的波动性研究，特别是利用主流方法如广义自回归条件异方差模型 (GARCH) 和随机波动模型的研究尚处于起步阶段。近几年，我国学者也利用GARCH模型对中国股市进行了研究。例如，丁华 (1999) 以上海证券市场的A股指数为对象，分析了ARCH现象，并建立了ARCH (1) 和ARCH (2) 模型;魏巍贤 (1999) 等利用上证综合指数收益率和深证成分指数收益率估计了线性GARCH模型和两种非线性GARCH模型，并对这三种模型的预测效果做了比较;罗付岩 (2005) 在不同分布的假设下建立了GARCH-Va R模型，并与正态分布下的GARCH-Va R模型进行了比较。张慧莲 (2006) 以Student-t分布假设下的GJR模型为基础，测量了收益率波动性的杠杆效应，并根据GJR模型应用Monte Carlo模拟方法，测定了收益率和持有期收益率的风险价值。

本文是对上证50指数的随机性、平稳性和正态性检验的基础上，用GARCH模型、GARCH-M模型以及EGARCH-M模型对上证50指数的市场风险进行了实证分析，结果表明在经历了股改和金融风暴后的中国证券市场中GARCH模型的效果是最好的。

三、数据描述及实证分析

（一）数据描述

本文研究所用的数据是上证50指数的每日收盘价，时间跨度为从2005年1月4日到2009年2月20日，总共999个样本数据，数据来源于大智慧交易软件。

常用的收益率有简单收益率、对数收益率等，本文使用对数收益率，因为对数收益率有更容易处理的统计性质。这里，对数收益率的定义为：

rt为第t日上证50指数的日对数收益率，Pt为第t日的上证50指数收盘价，Pt-1为第t-1日的上证50指数的收盘价。

下面是样本数据的基本统计：

用EViews软件对数据进行基本分析后，可以得出上证50指数是符合随机性和平稳性的，但其收益率的正态性明显不满足。

（二）实证分析

分别用GARCH模型，GARCH-M模型和EGARH-M模型对上证50字数进行风险测量, 结果如下表。

四、结论

将三个表对比分析可以得出：从实际偏离和理论模型偏离来看，模型都有一定的偏离，但各个模型均能通过失败率检验，因此都不能在95%的置信水平上被拒绝，从模型的拟合优度来看(主要看基于赤池信息量AIC值分析)，如表最后一列所显示：GARCH模型、GARCH-M模型、EGARCH-M模型的顺序，AIC的值GARCH模型最小，说明其拟合的优度最好。所以，本文推荐运用GARCH模型对上证50指数进行风险分析与预测。这说明在中国的证券参与者的风险意识普遍不强。在选取最优VAR计量模型的同时，本文发现并证实了上证50指数收益率存在“后尾”分布、方差的时变性以及非对称性的风险特征。

摘要：随着中国金融期货交易所的成立, 我国股指期货的推出就越来越临近了, 但股指期货是一种风险较高的金融衍生产品, 因此, 在股指期货推出之前, 需要研究有关指数的市场风险。以上证50指数作为研究标的, 在对其随机性、平稳性和正态性检验的基础上, 结合国际上广泛采用的市场风险测量工具——VaR (value at risk) , 对测量上证50指数市场风险相关问题进行实证研究, 结果表明在中国的证券市场GARCH模型的结论是最准确的。

关键词：股指期货,上证50指数,市场风险

参考文献

[1]Bollerslev T.Generalized Autoregressive Conditional Heteroskedasticity[J].Journal of Econometrics, 1986 (31) .

[2]Black F Studies in Stock Price Volatility Changes[J].In Proceedings of the 1976 Business Meeting of the Businessand Economics Statistic section, American Statistical Ass-ciation, 1976 (4) .

[3]French K J, Schwert G W, Stammbaugh R.Expected Stock Return and Volatility[J].Journal of Financial E-conomics, 1987 (17) .

[4]Nelson D B.Conditional Heteroskedasticity in Asset Re-turns:A new approach[J].Econometrica, 1991 (59) .

[5]Engle R F, Ng V Measureing and Testing the Impact of News on Volatility[J].Journal of Finance, 1993 (30) .

[6]丁华.股价指数波动中的ARCH现象[J].数量经济与技术经济研究, 1999 (9) .

[7]王军波.利率成交量对股价波动的影响GARCH修正模型的应用[J].系统工程理论与实践, 1999 (9)

[8]罗付岩.基于fattailed-garch的VaR模型[J].系统工程, 2005, 11 (23) .

VAR模型 第7篇

自20世纪70年代初布雷顿森林体系崩溃以来, 浮动汇率制下汇率、利率等金融产品价格的变动日益趋向频繁和无序。由于分散金融风险的需要, 金融衍生工具应运而生并得到极大的发展。在各种因素影响下, 当衍生工具越来越多地被用于投机而非保值的目的时, 市场风险就成为金融风险的最主要形式。

于是, 如何有效地测定的控制这些市场风险便成为金融证券机构、投资者和有关监管层所面临的亟待解决的问题。VaR作为一个概念, 最先起源于20世纪80年代末交易商对金融资产风险测量的需要, 作为一种市场风险测定和管理的新工具, 则是由J.P.摩根最先提出的。30人集团 (Group of Thirty) 在1993年发表的《衍生产品;惯例与原则》 (Derivatives practices and principles) 风险报告推荐各国银行使用VaR分析方法。随后, 这一建议被银行业广泛接受, 并已成为该行业风险管理的标准。

2 VaR的基本原理及其计算方法

2.1 VaR的概念

所谓VaR (Value at Risk) , 按字面意思解释就是“按风险估价”, 其实质是指在一定的置信度内, 由于市场波动而导致整个资产组合在未来某个时期内可能出现的最大价值损失的一种统计测度。在数学上, 它表示为投资工具或组合的损益分布 (P&L distribution) 的α分位数 (α-quartile) 表达式为:P{△p△t-VaR}=α, 其中△p△t表示组合p在△t持有期内、在置信度 (Ⅰ-α) 下的市场价值变化。等式说明了损失值等于或大于VaR的概率为α, 或者说, 在概率α下, 损失值才大于VaR。

2.2 VaR的计算方法

目前, VaR的计算方法大多都围绕着对投资组合损益分布特征的确定而展开。基本思想是利用投资组合价值的历史波动信息来推测未来情形, 只不过对未来价值波动的推断给出的不是一个确定的值, 而是一个概率分布。在本文VaR的计算中, 将每个证券映射为一系列“市场因子”组合。市场因子是指影响投资组合价值变化的利率、汇率、股指及商品价格等基础因素。按推测市场因子未来变化的方法不同, 当前VaR的计算方法大致可分如下几种方法:

历史模拟法是一种简单的基于经验的方法, 它不需要对市场因子的统计分布做出假设, 而是直接根据VaR的定义进行计算, 即根据收集到的市场因子的历史数据对证券组合的未来收益进行模拟, 在给定置信度下计算潜在损失。

应力测试法是一个与历史模拟完全相反的方法, 也称为情景分析, 它考虑的是当金融变量发生大的变化时对投资组合价值的影响, 它主观地假设一些情景, 如:收益率在一个月内移动±100个基本点, 或货币突然贬值30%, 设为情景S, 然后在这种情景S下对投资组合中的资产重新定价:undefined, 其中Ri, t是每种资产所占的权重, 可得出情景S理投资组合的收益率, 然后对每种情景S分配一个概率Ps, 重复上述过程, 这样就可得到投资组合收益率的概率分布, 据此计算VAR。

参数法大致可以分为方差协方差法 (Variance-Covariance) 、蒙特卡洛模拟法 (Monte Carlosimulation) 、GARCH方法 (GARCH family models) 。

方差协方差法的核心是基于对资产报酬的方差-协方差矩阵进行估计, 其中最有代表性的就是J.P morgan's Risk Metrics方法。当资产组合包含两种以上的资产时, 假定组合有n种资产, 每种资产的收益率为Ri (t) , 其中i=1, 2, , n, VaRi=-ασi, tWi。

令VaR= (VaR1, VaR2, , VaRn) T, F= (Рi, j) n*n, 为N种资产的相关系数矩阵。则有:undefined。

蒙特卡罗模拟法与历史模拟法十分类似, 它们的区别在于前者利用统计方法估计历史上市场因子运动的参数然后模拟市场因子未业的变化情景, 而后者则直接根据历史数据来模拟市场因子的未来变化情景。

GARCH方法使用GARCH模型来描述市场因子。GARCH模型是由Engle首先提出的。它和方差协方差法的区别在于Σ的计算。GARCH方法是根据多元GARCH模型, 利用极大似然准则估计t时刻市场因子的协方差矩阵Σt。

2.3 计算方法的评价

历史模拟法:其优点是不需要正态分布等假设, 简洁、直观、易于操作。但它是以使用者获取或保存了大量的实际数据为前提的。它的缺点是缺乏活性。历史模拟法假定了收益分布在整个样本时限内是固定不变的。同时它不能提供比样本点中最大损失还要坏的预期损失。使用者所选取的样本大小对预测结果会造成很大的影响。此外, 运用HS无法作特殊情况下的敏感性测试。

方差协方差法:计算简便, 只需要估计每种资产的标准差和它们之间的相关系数就可以得出任意组合的VaR值。然而这种方法基于两个基本的假定:即线性假定和正态分布假定。实际应用时还要有零均值的假定。有研究结果表明: (1) 实际的收益率数据分布并不关于零点对称; (2) 实际的收益率数据分布尾部概率分布概率要比正态分布大, 即厚尾现象。所以使用这种方法会低估风险。

GARCH方法:对财务变量回报的分布GARCH模型具有良好的特性, 即持续的方差和处理厚尾的能力。但GARCH方法还是用到了零均值的正态分布假定, 而且在证券组合的价值函数中用到了一阶近似, 从而带来不可避免的偏差。

蒙特卡罗模拟法:由于该方法能较好地处理非线性问题, 且估算精度好, 特别是随着计算机软硬件技术的飞速发展, 该方法已逐渐成为计算VaR值的主流方法。但蒙特卡罗模拟法存在两个缺点:其一是计算量太大, 一般来说, 复杂证券组合往往不同币种的各种债券、股票, 远期和期权等多种证券, 期基础市场因子包括多种比重不同, 其线不同的利率、汇率、股指等, 构成一个庞大的因子集合。其二是Monte Carlo模拟的维数高。静态性的缺陷, 传统的蒙特卡罗模拟法由于采用抽样方法产生随机序列, 均值和协方差矩阵不变, 而经济问题中的变量都具有时变性, 用静态的方法处理时变变量时必然会产生一定的偏差。而且传统的蒙特卡罗方法难于从高维的概率分布函数种抽样。

3 VaR的作用、应用及其局限性

3.1 VaR的作用与应用

VaR方法最大的好处在于利用一个结构性的方法论及一个单一的指标来更精确地衡量一个组合的风险, 并将其用货币单位表示, 具有风险度量的直观性和一致性, 能对各种不同类型的资产给出统一的风险度量。VaR主要有以下作用: (1) 信息报告的工具。VaR的披露能够用于在较高层次上的评估交易及投资过程中的风险管理状况, 同时以较通俗的形式将公司的金融风险披露给股东。 (2) 资源配置的工具。交易者可根据披露的VaR对自己的资产头寸进行调整, 在有限的资本资源内调整各种资产组合以降低风险。 (3) 绩效评价工具。VaR使得管理层根据交易员面临的不同风险而调整其赢利。VaR模型具有事前风险防范的作用。VaR简洁的含义和直观的价值判断方式, 使得资产组合的风险, 能够具体化为一个可以与收益相配比的数字, 从而有利于经营管理目标的实现。

VaR模型可以简单明了地表示市场风险的大小, 即使没有任何专业背景的投资者和管理者都可以通过VaR值对金融风险进行评判。VaR模型对银行风险的质量和管理是一个有效的工具。它对正常市场条件下重要交易的短期风险的衡量尤为有用。具体来说VaR模型在以几个方面有着广泛的应用: (1) VaR模型可用于风险控制。1993年7月“三十人集团”在其发表的研究报告《衍生产品惯例与原则》中, 建议以VaR模型进行风险控制, 可以使每个交易员或交易单位能确切知道他们在进行有多大风险的金融交易, 并可以为每个交易员和交易单位设置VaR限额, 以防止过度投机行为的出现。 (2) VaR模型可用于业绩评估。 (3) VaR模型可用于金融监管。在这方面最典型的例子当数国际清算银行巴塞尔委员会关于资本充足率的规定。 (3) VaR模型可以用于计算保证金。芝加哥商品交易所开发的保证金计算系统SPAN其基本原理就是VaR。

3.2 VaR的局限性

首先, VaR对未来损失的估计基于历史数据, 是建立在“历史可以在未来复制其自身”之上的, 但实际情况往往却并非如此。样本数据本身可能并没有包含足够的历史信息。

其次, 它的管理对象相对较窄, 着重衡量正常情况下的市场风险, 对于市场上的突发性风险、信用风险、操作风险、法律风险及战略风险等难以进行量化。

第三, 模型风险的存在。即由于同样的VaR模型可以使用方差一协方差法、历史模拟法和随机模拟法 (蒙特卡罗法) 等不同的方法得到资产收益的不同概率分布, 计算出不同的VaR值。因此实践中一般都要求使用返回检验来检验VaR模型的有效性。

第四, 在VaR管理体系中, 受到重视的只是概率因素。完整的金融风险管理包括风险的识别、测定和控制三个过程, 单纯依据风险可能造成损失的客观概率, 只关注风险的统计特征, 并不是系统风险管理的全部。

4 我国应用VaR模型的制约因素

我国市场经济和金融体系的发展还处于初级阶段, VaR技术在我国金融机构风险管理中的应用环境还不是很成熟: (1) 我国金融市场起步较晚, 使用VaR模型中所需的样本数据有限, 而且我国数据的采集和分析的基础工作十分薄弱, 给VaR模型的建立及其有效性的检验造成了相当的困难。 (2) 我国金融市场发展尚处于初级阶段, 还很不规范, 市场环境、交易规则的剧烈变化以及过度投机、市场操纵等人为因素的存在, 使得资产收益关联度和系数都不稳定, 历史数据与未来状况的可比性不强。 (3) 我国金融市场受政策性及其它人为因素的影响很大, VaR通常代表可能很有规律地发生的潜在损失, 却不能帮助金融机构规避无法承受的损失。

5 结语

目前我国正于经济转轨时期, 市场风险日益突显, 特别是在国际金融一体化以及金融创新工具日新月异的今天, 开放金融服务业也是大势所趋。因此, 我们必须加强金融研究风险管理, 构建金融研究风险防范体系, 因而国内、国际的金融市场风险的重要性也日益突出。所以, 有必要将VaR模型引入中国使其为金融机构和投资者提供一种行之有效的市场风险管理工具, 同进也为证监会等金融监管部门提供一个风险管理的标准。

摘要：详细介绍目前测量市场风险的主流模型-VaR, 包括VaR产生的背景、VaR的概念;概述VaR的各种计算方法, 比较计算方法的优缺点;最后就VaR的作用, 应用及其局限性进行讨论。

关键词：VaR,历史模拟法,应力测试法,蒙特卡洛法,GARCH方法

参考文献

[1]刘春峰, 万海晖, 张维.金融市场风险测量模型-VaR[J].系统工程学报, 2000, 15 (1) :67-75.

[2]詹原瑞.市场风险的度量;VaR的计算与应用[J].系统工程理论与实践, 1999, (12) 1-7.

VAR模型 第8篇

随着2005年底股市转暖，以及温和的通货膨胀，已使越来越多的人投资股市，这一时期的开户数剧增，股市规模空前扩大。而且股权分置改革的完成，扫除了我国股市发展的制度性障碍。在这样的新环境下，人们开始重新审视股市的财富效应问题。我国学者对中国是否存在财富效应问题意见不一。本文通过实证检验发现我国股市的财富效应尚未明显显现。

二、中国股市财富效应的实证

综观对我国股市财富效应进行研究的有关文献, 我们发现大多数研究方法没有考虑到时间序列的非平稳性, 容易造成“伪回归”。针对上述问题, 本文主要利用基于向量自回归模型 (VAR) ，“让数据自己说话”(古扎拉蒂, 1997)，来研究消费与财富之间的因果及长短期关系。VAR模型是非结构化的多方程模型，它较之结构模型的优点是它不带有任何事先约束条件, 将每个变量均视为内生变量, 避开了结构建模方法中需要对系统中每个内生变量关于所有变量滞后值函数的建模问题。

（一）变量及数据说明

本文选取了我国2001年第一季度至2008年第一季度共29个季度数据作为分析对象，以股票流通市值Vt及社会消费品零售总额Ct作为代表变量，选取股票的流通市值作为代表变量是由于此变量更加能反映股市的规模及活跃度，剔除了我国大部分的非流通股的份额。本文数据均来源与国家统计局和中国人民银行的月度报表，并经过整理得到的。由于Ct和Vt存在季节变化，故先用移动平均法进行季节调整，同时，为了消除异方差的影响，我们对各变量取对数。

(二) 变量的单位根检验

一般而言, 几乎所有表示绝对量指标的宏观经济变量都是非平稳的、具有时间趋势。因此, 在进行具体的经验方程估计和相关检验之前, 通常都需要进行单位根检验，消除“伪回归”，以考察经济变量是否具有时间趋势, 进而确定是否有必要采用协整分析方法。常用的单位根检验方法为Dickey和Fuller (1974) 提出的ADF检验法。本文利用E-views5.0软件分别对两变量的水平值和一阶差分进行A D F单位根检验，结果见表1，从表1可以看出各序列在5%的显著水平下一阶差分都是平稳的, 也就是都是属于序列I。

对这样的经济变量不能采用普通回归分析方法检验它们之间的相关性，而应该采用协整方法进行检验分析。

(三) 协整检验

由于上述变量都是单整的，因此，我们可以利用Johansen协整检验法检验判断它们之间是否存在协整关系，并进一步确定相关变量之间的符号关系。Johansen协整检验法是一种基于V A R模型的检验方法，在检验之前, 首先必须确定VAR模型的结构。以赤池信息准则 (AIC) 信息准则最小为依据选择最优滞后阶数, 本文中滞后三阶的AIC值最小，因此，我们确定滞后阶数为三阶来构建VAR模型，具体结果见表2。

表2显示, 社会消费品零售总额和股票流通市值之间存在协整关系, 表明两者之间有长期的相关关系但其并不能具体指出是否存在短期因果关系。因此, 需要进一步检验。

(四) 格兰杰因果检验

Granger因果关系法是用来判定两个或多个非平稳时间序列之间“谁为主因, 谁为果”的有效方法。本文根据S准则应该选取滞后3期检验, 采用非平稳序列下的格兰杰因果检验法对消费Ct及股票流通市值Vt进行检验, 可得到表3的结果:

由表3可以看出:股票流通市值与消费支出之间不存在短期因果关系。

(五) 基于VAR模型的脉冲响应函数分析和方差分解

1、脉冲响应函数

脉冲响应函数用于衡量来自随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响。从图3可知, 社会消费品零售总额Ct对其自身的一个标准差新息反应较弱, 不到0.024的变化，其对来自股票流动市值Vt新息在第一期没有反应，在7.5期之前呈微弱的负向反应，7.5期之后，影响为正，且随着时间推移影响程度越来越大;从图4可看出，股票流通市值对来自自身的新息在第1期反应为流通市值增加0.1, 第5期反应比较明显, 约为0.3, 5期后随着时间推移影响越来越弱，在8期后其影响程度呈负向。该序列对来自社会消费品零售总额的新息在前7期呈不到0.1的负向反应, 随着时间的推移, 其影响是正的, 并且影响程度越来越大。

图3 C t对一个标准差新息的响应图4 Vt对一个标准差新息的响应

2、方差分解

V A R模型中，通过方差分解的方法可以对每个变量的波动按其成因分解，从而了解各新息对变量的相对重要性。由图5可看出，以社会消费品零售总额Ct自身变动为因变量的方程占社会消费品零售总额预测误差的90%左右，居民股票资产即流通市值对预测误差的贡献率只有10%左右。从图6可以看出，以股票流通市值Vt自身变动为因变量的方程占了股票流通市值Vt占了误差的近80%，社会消费品零售总额对预测误差的贡献率有近20%。

图5社会消费品零售总额的方差分解图6股票流通市值的方差分解

（六）结论

由以上V A R模型脉冲响应函数及方差分解结果，可得出以下结论：

1、社会消费品零售总额的变动幅度较小，而股票市场的波动较大，流通市值的变动较为剧烈。

2、居民消费对股票流通市值几乎没有影响，只有0.8%的响应，而股票流通市值对居民消费影响较大，股票市值一个标准差新息使得居民消费减少10%。股市活跃程度高的时候，由于赚钱效应，居民会减少消费，投资股市;而股市增长放缓的时候，居民会增加消费。可见，消费与股票资产之间存在的是替代效应，财富效应并未显现。

三、实证结果的解释

通过前面的分析，笔者认为目前中国股市的财富效应尚未显现。我国股市换手率过高、居民的消费习惯以及股市的“挤占效应”，导致了我国目前股市的财富效应还未明显的显现出来。

(一)换手率居高不下。在世界成熟的股票市场中, 换手率相当低, 且比较稳定, 甚至表现出换手率下降的特征。美国纽约股市换手率在50%-60%之间, 东京股市在20%-30%之间, 韩国、伦敦、中国香港地区、泰国和新加坡股市则呈稳定下降的趋势。而我国股市换手率相当高, 且起伏很大。1993年, 上海和深圳股票市场的换手率分别为341%和213%, 而到1996年, 已分别达到591%和902%，2006至2007年间，两市换手率超过了1000%，仅沪市A股换手率一直在200%以上，06、07两年更是换手率空前高涨。这充分表明了我国股市过度投机与不稳定的特点。

在这样的股票市场上, 股价的上升很难使人形成持久性收入预期, 居民通过股市所得的暂时性收入不能有效转化为持久性收入, 于是股票市场改变居民收入预期提高消费倾向的作用极其有限, 股市的财富效应难以发挥。

(二)从我国居民的消费习惯来看，我

国公众的消费倾向相对较低(即我国的储蓄率较高)，在边际消费倾向递减规律作用下，股价上涨所带来的消费增量很小，而且由于我国住房、医疗、教育等体制进行改革，过去的高福利政策被废除，公众的消费预期骤然上升。这样即使股票价格上涨，但公众为了准备应对未来的较大规模消费支出，在短期内反而会增加储蓄。根据国家统计局的数据，我国居民的储蓄额由2001年的73762.4亿元已增加至2007年的172534.2亿元。

(三)从股市的“挤占效应”来看，股市上涨会对消费产生两种效应:一是通过增加财富，对消费正向影响的效应，即股市的“消费效应”;二是因股市持续攀升而产生的赚钱效应对社会资金产生的巨大吸引力而减少储蓄，以及使原本用于即期的消费转化为股票投资，或者因股市长期下跌，投资者被套牢，从而减少了当前消费，即所谓的“挤占效应”。而我国股市的波动较大，居民难以通过股市来形成现实财富的增加，并且也难以形成消费预期。故股市上涨的第一种效应，在我国未普遍存在。由于我国股市投机性的特点，挤占效应较为明显。挤占效应约束了财富效应的广度。

一个缺乏财富效应，缺乏赚钱效应的股市，是不会健康成长的股市。因此, 在当前有效需求不足的情况下, 要采取多种方式和途径, 更好地规范和发展我国的股票市场, 以发挥它对消费需求、经济增长的促进作用。当务之急，是要建立规范健康的股票市场，培育理性投资理念。规范健康的股票市场有利于形成投资者稳定的预期, 只有这种预期稳定时, 投资者才会把股市的暂时收益看成持久收入进而形成财富效应。政府应减少证券市场的政策性波动, 增加政策的可信度，创建持续繁荣、稳定的证券市场, 在增加投资者财富的同时, 增加对证券市场的信心，减少投资者由于股票财富的不确定性而产生的投机行为。与此相对应, 引导投资者利用价值理念理性投资，只有这样才会有利于股市发展和财富效应的发挥。

摘要：本文以2001年第一季度至2008年第一季度的季度数据为样本, 运用基于VAR模型的协整检验、Granger因果检验、脉冲响应函数及方差分解的方法研究了我国股市的财富效应问题, 结果发现我国股市的财富效应未明显显现, 而表现为对消费的替代效应。究其原因, 我国股市换手率过高、股市的“挤占效应”以及居民消费习惯等因素严重制约了财富效应的发挥。

关键词：股票市场,财富效应,脉冲响应,方差分解

参考文献

[1]、新帕尔格雷夫经济学大辞典[M].北京:经济科学出版社, 　1996.

[2]、李伟舵.我国股票市场财富效应实证研究　[J], 经济纵横, 2007 (2)

[3]、李振明.中国股市财富效应的实证分析[J].经济科学, 2001, (3) .

[4]、卢嘉瑞, 朱亚杰.股市财富效应及其传导机制　[J], 经济评论, 2006 (6)

[5]、曲丽清, 汪红丽.中国股市财富效应的实证分析　[J], 上海金融, 2007 (6)

VAR模型 第9篇

关键词：沪深300指数,上证国债,VAR模型

一、引言

中国股市经历了2015年上下两个半年的超热行情和暴跌行情, 上证指数从年初的3000点暴涨至6月最高点5178, 中国广大股民在短暂的时间里感受了两种完全不同的行情, 股票市场在2015年进入理性发展阶段。然而, 反观我国固定收益市场, 特别是债券市场, 行情一片大好, 例如上证国债指数, 年初145, 截至11月底收盘指数为153, 价格指数一路上扬, 利率区间已经越来越小。股市的大起大落是否与债券市场的上扬有着直接的反向关系呢?或者其它的响应呢?本文将从股票市场和国债市场出发, 利用VAR模型进行进一步的研究, 以求得到理想的要求。股票市场的价格指数选用沪深300指数, 能够较好的反映股票的一般行情变化, 还选用了沪深300指数的交易量。

二、背景事实

典型事实:股票价格和国债趋势。

股票价格选用沪深300指数, 沪深300指数表示股市的价格, 数据选用时间:2007~2015的月度数据, 2007年是2008年全球金融危机最后的盛宴, 股市指数也在这个时候达到了历史最高点6000点, 在历经了10年的股市发展后还是没有达到这个高度, 股市在跟随2008年的全球金融危机断崖式下跌, 重回2000点之下, 并且在3000点以下爬行, 在2009年之后缓慢恢复, 这个时候的中国股票市场平淡。随着国内经济和金融改革的不断进行, 金融限制条件的不断下降, 从2014年开始, 股票市场又开始了新一轮的“疯牛”行情, 股票指数2300点一路飙升至2015年的5000多点, 一时间资本市场活跃度上升。但是随着这波“疯牛”行情的不断上扬, 我国金融市场的弊端不断的隐现, 以高杠杆抬升的股票市场也曝光在大众的目光之下, 随后国家对股票市场进行清杠杆政策, 股票市场一路下跌, “过山车”式的行情让人看不懂。

然而我国债券市场确实一条非常的平稳上扬态势, 出2007年的111点到2015年10月底的152, 上证国债指数上涨了40%左右, 在上涨的过程中几乎没有大的下降。股票市场的上下巨大的波动与债券市场的一路上扬视乎没有太多的关联性。中国债券市场相对与国外来说还是一个不够成熟的市场, 债券的收益率是很稳定的, 特别是在股票市场行情不好的时候, 偏风险性的资金也会进入债券市场避避风头, 加上2008年金融危机后中国4万亿财政刺激效益结束以后我国房地产市场的长期非增长型形势, 也在客观上为债券市场的流动性增加了很大一部分。寻求固定收益的资金在债券市场里尝到了甜头, 避开了股市和房地产市场的波动和低迷。以2015年为例, 2015年年初的时候, 上证国债指数是146点, 接力国债的持续性上涨, 国债行情属于温和增长的态势, 但是随着6月份股市的重大转变, 各路资金紧急从股市里逃离, 自然而然的流向债市, 助长了下半年债券市场的这波的牛市, 债券利率也是一路收窄, 10年期的国债收益率跌破3%关口。2015年的的股票行情的大变也推动了债券市场的发展, 2015年债券发行量不断增高, 2015年前三季度, 我国债券市场上主要债券品种发行规模合计156940.52亿元, 同比增幅在30%以上。2015年第三季度, 我国债券市场上主要债券品种发行规模合计67369.69亿元, 较上季度增长超15%, 较上年同期增长约100%, 其中, 政府债 (包括国债和地方政府债) 、资产支持证券、公司债和同业存单的发行量环比和同比均有较大幅度增长。截至第三季度末, 主要债券品种存量规模达到63.27万亿元。

三、实证研究结果及分析

(一) 变量与数据

本文在对沪深300指数与上证国债指数的动态相关作用研究中, 内生变量为: (1) 表示股票价格的沪深300的价格指数 (gpspj) ; (2) 表示股票流动性的变量沪深300指数的交易量 (gpcjl) ; (3) 表示债券价格的上证国债价格指数 (gzspj) ; (4) 表示债券流动性的上证国债的交易量 (gzcjl) 。各个样本变俩个的时间跨度为2007.01~2015.10, 数据均来源于“w ind资讯”。

(二) 数据平稳性检验

VAR模型是ijianli在平稳的数据基础之上的, 为了避免时间序列数据所存在的伪回归的现象, 对各个数据取对数。用lngspj、lngpcjl、lngzspj和lngzcjl来表示变换后的变量。采用ADF单位根方法对进行平稳性检验, 结果如图表3。

从图表1中我们可以看出, lngspj、lngpcjl、lngzspj和lngzcjl存在单位根, 是非平稳的, 因为其检验统计量全部大于1%、5%、10%的临界值, 可知不能拒绝原假设。分别将序列lngspj、lngpcjl、lngzspj和lngzcjl进行一阶分差后, 得到序列Dlngpcyl、Dlngpspj、Dlngzcyl和Dlngzspj, 再次对其进行单位根检验。结果显示Dlngpcyl、Dlngpspj、Dlngzcy l和Dlngzspj检验统计量均小于显著性水平1%、5%、10%的临界值, 在1%的显著性可以拒绝原假设, 表明两组序列是平稳的。综上所述, 单位根检验结果表明, 非平稳序列lngspj、lngpcjl、lngzspj和lngzcjl在经过一阶差分后平稳, 所以, lngspj、lngpcjl、lngzspj和lngzcjl均为一阶单整, 即lngspj--I (1) 、lngpcjl—I (1) 、lngzspj—I (1) 和lngzcjl—I (1) 。

(三) 滞后阶数的选择

VAR模型中确定滞后阶数, 在Dlngzspj和Dlngpcy l、Dlngpspj建立的VAR模型中, 滞后阶数选择结果如表2所示。模型 (即以Dlngzspj和Dlngpcy l、Dlngpspj为变量的VAR的模型) 选择的最优滞后阶数为4, 建立VAR模型。

(四) 格兰杰因果检验

对于模型变量Dlngzspj和Dlngpcyl、Dlngpspj之间是否存在格兰杰因果关系进行检验, 结果如图表3。由图表3的格兰杰检验结果可知, 模型中Dlngzspj能格兰杰引起Dlngpspj, 而Dlngpspj不能格兰杰引起Dlngzspj;Dlngzspj不能格兰杰引起Dlngpcyl, 而Dlngpcy l能格兰杰引起Dlngzspj。

(五) 模型稳定性检验

由图表4可知, 模型的AR根的倒数都是在单位圆之内, 即模型是稳定的, 因此可以对两个模型进行脉冲响应分析和方差分解分析。

(六) 模型估计得结果

对模型建立VAR模型进行估计, 估计结果为:

方程矩阵估计结果当中只有少数系数是不显著的, 大部分在统计上市显著的, 但是整体上看, 以Dlngzspj为自变量的方程从F统计量来看是显著的, 方程的拟合度也比较高。各应变量的方程系数有正有负, 大小不一, Dlngpcjl对自变量Dlngzspj的影响是非常小的, Dlngpspj对Dlngzspj影响系数小, 但是比Dlngpcjl的影响系数要大。对此, 我们还可以进行脉冲响应函数和发差分解对此作出的解释。

(七) 脉冲响应分析

图表6是基于模型的脉冲响应函数的曲线, 横轴是响应函数的追踪期数, 纵轴是因变量的响应程度, 从图中结果可以看出, 可以将响应函数的追踪期数设定为10期。

首先, 我们分析股票价格对于债券价格的响应情况和响应路径。从图3中可以看出, 上证国债价格指数对沪深300价格指数的响应都是在横轴之下, 表现为一种负的响应, 几乎10期都是, 越往后期越稳定, 收敛于0.具体的响应轨迹是:第1期的响应为-0.0009, 第2期的时候上升到-0.0003, 到了第3期的时候又下降到-0.0013, 第4期上升到-0.0001, 股票价格的影响主要是在钱四期, 后面6期就逐渐收敛, 冲击也逐步减弱。

从以上的分析我们可以得到这样的结论:股票价格对在整个考察期间内对债券价格都是负的影响, 时滞偏短, 然后逐渐减弱。影响随着时间的变化, 在前4期有所波动, 反映了资本市场之间比较敏感的影响, 资金的流通比较顺畅, 股票价格的上升会吸收一部分原活动于债券市场的资金, 对债券市场价格形成一个较大的冲击, 当行情稳定或者不好使, 着这个响应有相对的减弱。也是符合市场的现实观察。

其次我们来观察股票流动性对于债券市场的冲击影响, 如图表7。

从图表7中可以看出股票的流动性表示变量交易量对债券市场价格的影响有正有负, 影响较大的是前4期的正冲击, 尽管第1期的冲击数值为负数, 但是近视为0, 到第2期则上升到0.003, 最大的冲击来自于第3期, 数值达到0.005, 第4期的时候又下降到0.003, 后面6期的冲击比较小, 但是大多数为负这里可以很好的解释, 股票的流动性随着时间的变动缓慢对债券市场产生影响, 开始的时候是正的影响, 股票市场的流动性增强, 也是表明整个资本市场资金流动性的增强, 会正面带到那个债券市场的上升, 但是时间久了, 这个响应就会相对减弱, 甚至是为轻微的负冲击, 这个都是市场的正常反应, 时滞效益还是比较明显的。

(八) 方差分解分析

由于方差分解结果在第10期后基本趋于稳定, 所以本文只给出到第10期的方差分解结果。方差分解分析结果见图表8:

结果债券市场价格的变动住哟来自于自身冲击。第1期的时候高达95%, 股票交易量的影响几乎为零, 股票市场价格的影响为5%。进入第2期自身冲击的降为94%, 股票流动性的影响开始出现, 将近1%, 股票市场价格的影响继续上升, 这三者之间的趋势一直持续到底10期。当第10期的时候, 自身冲击的影响以及降到只有78%, 股票流动性的影响为3%, 股票市场价格的影响为19%。这种此消彼长的冲击是符合市场的正常表现的, 短期内的债券市场价格变动主要还是收到自身前后市场需求的影响, 外部因素短期内是很难有非常大的影响, 特别是在固定收益市场, 市场本身就是一个求稳定收益的市场, 风险偏好较强的资金不会再债券市场里寻求增值, 但是随着时间的变化, 股票市场也会上下波动, 这种波动会促使资金往返于两个市场之间, 对债券市场的影响就会逐渐的增强。

四、结论

本文通过建立自向量回归模型, 以我国2007.01~2015.10的样本数据为基础, 利用脉冲响应函数、方差分解分析了我国股票市场价格和流动性对债券市场价格的影响。选取的变量是沪深300指数, 沪深300指数, 上证国债指数。分析了这将近10年内, 股票市场对债券市场的影响。

首先, 股票市场的价格对债券市场的价格是负相关的影响, 但是影响并没有想象中的那么重要, 只是在前4期的时候会有一个比较大的影响。

其次, 股票市场的流动量对债券市场的影响是正相关的, 影响只是短期的。

VAR模型 第10篇

摘 要：文章运用向量自回归模型对影响房地产价格的多项因素进行分析，选取上海市2011年1季度至2016年1季度的季度数据为样本，建立了影响房地产价格因素的VAR模型，定量分析了各因素对房地产价格的影响程度，并利用方差分解分析各因素对房地产价格的影响时滞、持续时间和作用强度。研究结果表明，短期内房地产价格受房产税影响较大，但长期房地产价格走向仍受制于市场供需的影响，因此实施房产税的同时应完善配套政策设计，从根源上解决房地产市场的供求矛盾，实现房地产价格的良性调控与稳态变化。

关键词：VAR模型；房地产价格；房产税；影响效应

中图分类号：F830.33 文献标识码：A 文章编号：1006-8937（2016）33-0139-06

1 引 言

房产税作为国家或政府以房产为征税对象向房屋的产权所有人征收的一种财产税，在我国主要肩负着抑制房价、调节收入分配、管理房地产市场结构和提高住房使用率的作用。自1998年住房改革以来，房地产行业在市场化的过程中迅猛发展，在显著带动国民经济增长和拉动投资需求的同时也日益暴露出房价攀升过快、投机炒作盛行、普通民众难以承担高房价等问题，针对这一现状政府采取了一系列的财政、货币调控政策，旨在抑制房价上涨，促使房地产市场回归平稳运行。

在这一背景下，房产税的征收成为社会共同关注的话题，其能否有效抑制房价过快上涨也成为人们讨论的热点。2011年1月28日，个人住房房产税改革试点工作在上海和重庆两地正式启动，引起各界的广泛关注，然而政策实行已满四年，并没有很好地实现预期效果，上海和重庆的房价仍然高居不下，这让人们对房产税的调控效应产生质疑。

基于此，本文对上海试点房产税对房价的影响进行实证研究，分析上海房产税对房价的影响效应，同时综合考虑影响房价的各种因素，探究影响房价的主要因素，在此基础上力图总结出普适性的经验与改进建议，为优化房产税政策、明确房地产市场改革方向提供助力。

2 文献综述

2.1 房价影响因素

关于房价的影响因素这一问题国内外已有较丰富的研究成果，目前的研究文献主要从土地价格、经济基本面、房地产供求关系以及宏观调控这四个方面展开论证。

2.1.1 土地价格

对土地价格与房价的关系，国外具有代表性的研究主要有：美国经济学教授阿瑟.奥沙利文认为，简单的成本决定论并不能解释地价和房价之间的因果关系，正是因为对住宅的需求旺盛导致对土地的需求增加，从而提高了地价，地价高是住宅价格增长的结果。

Peng和Wheaton（1994）利用香港1965至1990年的数据对土地供给约束的溢出效应进行了实证分析，研究结果显示土地供给对地价、住宅价格和住宅供给都有较大影响，土地供给不足会导致住宅供给总量下降，影响消费者预期未来土地稀缺和租金上涨，最终导致土地价格和住宅价格同时上涨。

关于土地价格在房价上涨中所起的作用，国内研究呈现出两种不同的观点：

况伟大（2006）在研究中发现我国土地市场供小于求，短期内房价与地价相互影响，长期来看地价是房价的Granger因。

而朱道林、董玛力（2005）则认为，虽然房价与地价呈现同方向的变化趋势，但土地需求实质上是住房需求的引致需求，因此地价上涨是房价上涨的结果而不是原因。

2.1.2 经济基本面

Capozza等（2002）的研究结果表明对房价的变化有较强解释的经济变量包括收入增长、城市规模、人口规模和建造成本。

况伟大（2012）在研究中认为房价主要是由收入和人口决定的，收入和人口的变动可以预测房价的长期变动。

史涌动、陈日清（2008）利用2001至2006年的时间序列数据研究了不确定性条件下的房地产价格决定因素，实证表明居民收入、按揭贷款利率等基本面因素对房价的实际影响相对较小。

2.1.3 房地产市场供求

根据新古典学派的理论，一些学者认为需求决定价格，房价最终是由房地产市场的供求关系决定的。

姚先国、黄炜华（2001）认为，房地产供给在短期内是缺乏弹性的，因此决定房地产价格的主要因素是需求而不是供给。

蔡穗声（2010）认为我国房地产市场面临结构性供给不足的现状，区域供给不足与区域供给过剩并存，导致房价普遍偏高。

史涌动、陈日清（2008）在同一篇文章中指出，代表适应性预期的房地产价格自身的变动冲击是引起房价上涨的主要因素，我们可以理解为人们对房价上涨的预期影响需求，使得购房行为更倾向于是投资需求而不是消费需求。

2.1.4 宏观调控

周江（2005）、杨树江（2005）等学者认为，从调整住房结构、完善住房保障、增加中低价位住宅、完善住房供应结构这四个方面入手是降低房价增速的重要手段。

刘琳、刘红玉（2003）等人的研究表明，调控房价的主要手段是调控土地，土地调控的主要措施应该是调整土地的出让量而不是地价，税费率的调整可以作为调整地价和房价关系的主要手段之一。

2.2 房产税对房价影响的现有理论

关于房产税对房价影响的研究，主要有以下三种理论。

2.2.1 难抑房价论

Simon（1943）和Netzer（1966）提出了房产税与房价关系理论的“传统观点”。他们假设整个国家的资本回报率固定、资本自由流动，从而资本不承担任何税负，房产税完全由购房者独自承担，从而导致高房价。

我国学者主要从供求失衡和投资推动两个角度来论述这一观点：

张健铭（2011）认为房产税改革只是目前房地产市场宏观调控中的一项举措，只有从供求关系上入手，有效打击房地产市场上的投机行为，才能从根本上平稳房价；

贾祖国（2013）从供给角度进行分析并得出结论：要解决目前大城市商品房价格不断上涨的问题，最关键的还是大幅增加土地供应，尤其是普通商品房以及保障房的供应。

再如王晨曦，汪驰等（2012）认为：中国的股市由于制度原因始终无法吸引大多数投资者，加之其他投资渠道有限，而房地产具有安全且收益高的特点，成为众多投资者的不二选择，从而使得房产税在中国难以抑制房价。

2.2.2 抑制房价论

关于抑制房价的观点，李彬（2010）认为消费性需求只随着租金的变化而变化，房产税的开征不会对其造成直接影响，但会使投资性需求减少。

从短期来看，房地产市场增量供给保持稳定，开征房产税使得房地产的潜在投资收益下降而风险上升，这将导致资金从房产投资市场流出，使得住房存量供给增加。

根据短期内需求与供给变动的动态均分析，开征房产税使得闲置房产的持有成本增加。为转嫁税负，持有者将尽量减少房产闲置时间，使得房产租赁市场供给增加，租金下降。租金下降所产生的替代效应使部分原打算自置房产的消费性投资者暂缓或放弃购房计划，继续通过租赁方式解决住房问题，消费性住房需求下降。

因此短期内房产税出台将使房产的消费性与投资性需求同时下降且供给增加，这将使房价下降。

从长期来看，房地产供给取决于土地供给，但房产税使房产长期需求下降且回归居住本质，改变了需求结构，供给结构也将发生相应转变。

2.2.3 无影响论

在吕立新（2010）看来，房产税对抑制购房需求会起到一定作用，但是作为一个税种，不能把它看成调控房价的利器，长期来看它对房价的抑制作用是有限的。

中国社科院财贸所高培勇认为，房价等于成本、利润和税金的总和，房产税只对税金部分进行调节，故而对房价的影响作用不大。

2.3 简要评述

对于以上三种观点，本文倾向于房产税难以抑制高房价的观点。从新古典的供求曲线角度分析，价格的变趋势受供求关系的影响，从短期来看，房产税改变了住房持有者的预期，使得存量供给增加，房价短暂回落。

但长期看来，中国很多一二线城市的工业化和城镇化进程不断加快，商品房的刚性需求依然很大，如果不能有效地增加供给，那么房价上涨的趋势就很难改变。这也解释了上海市房产税开征初期房价短期回落随后仍然上涨的局面，接下来本文将运用实际数据来论证这一观点。

3 VAR模型介绍及变量选取

3.1 VAR模型简介

本文选取的样本数据为时间序列数据，选取的变量是经济变量，而由观察所得的经济变量大多是非平稳的，如果采用传统的回归分析很可能产生伪回归的问题。

同时传统的计量经济方法是以经济理论为基础来描述变量间的关系，而经济理论通常并不能对变量之间的相互动态作用提供严谨的解释，并产生内生性问题。

而向量自回归模型对于预测相互联系的时间序列系统和分析随机扰动的影响是十分方便的，因此我们选取VAR模型作为分析房产税对上海房价影响的工具。

向量自回归模型将要分析的变量都看作内生变量，每个变量都依赖于自身和其他所有变量的滞后值，从而构建一个分析系统变量之间的同时性问题、分离各变量对自己和其他变量的冲击的动态反映问题。

P阶无约束VAR模型的数学表达式如下：

其中，是维内生变量，是维外生变量，是滞后阶数，是被估计的系数矩阵，是样本个数，维矩阵和维矩阵是待估计的系数矩阵，是维扰动列向量，它们之间可以同期相关，但不与自己的滞后值相关且不与等式右边的变量相关。冲击向量是白噪声，没有结构性的含义，又被称为简化形式的冲击向量。

3.2 变量选取

由于个人住房房产税政策实施才满5年，上海市统计局并未提供本轮政策下的房产税征收明细，只按季度提供了房产税的总额，因此本文选取房产税总额除销售面积，研究上海市新的房产税政策下单位面积税额对整体房地产市场房价的影响。上海市新建房的销售价格指数和二手房销售价格指数的季度数据来源于Wind数据库和中金在线。

其它变量的选取：根据文献综述中归纳的影响房价的几大要素，本文主要将从供求关系和经济基本面两个角度选取变量。采用商品房开盘面积和商品房销售面积来衡量房地产市场的供求情况，用上海市GDP和上海市城镇居民人均可支配收入来反映经济形势对房价变化趋势的影响。见表1。

4 房产税对房价影响的实证分析——基于上海市的 经验数据

4.1 数据平稳性检验

VAR模型是建立在平稳的数据基础之上的，非平稳的时间序列数据直接进行回归很可能产生伪回归，因此我们需要对序列进行平稳性检验。

在进行平稳性检验之前，对各数据做取对数的处理，以消除异方差问题，同时还会使其趋势线性化，随后采用ADF单位根方法对上述数据进行平稳性检验，结果见表2。

由表2可以看到，LNSH_BPN、LN_SHBT、LNSH_FA、LNSH_SA、LNSH_DPI和LNSH_GDP的ADF值的概率P值均大于0.05%，因此不能拒绝序列有一个单位根的原假设，变量均非平稳。分别将所有序列进行一阶差分处理后，再进行ADF检验，结果显示非平稳序列LNSH_BPN、LN_SHBT、LNSH_FA、LNSH_SA、LNSH_DPI和LNSH_GDP在经过一阶差分后平稳，即所有序列均为一阶单整，可以进行协整检验。

4.2 滞后阶数的选择

由ADF检验可知，原时间序列均为非平稳序列，且均为一阶单整，因此我们可以通过协整分析对非平稳变量的线性组合进行检验，看其是否平稳。如果平稳，那么可以认为变量间存在长期均衡关系，否则不能进行后续的检验。在进行协整检验前，我们需要先建立VAR模型来确定最佳滞后阶数，确定最佳滞后阶数的意义在于：如果滞后期太小，误差项就可能产生严重的自相关问题；若滞后阶数太大，就会导致自由度减少，影响被估参数的有效性。本文对变量LNSH_BPN、LN_SHBT、LNSH_FA、LNSH_SA、LNSH_DPI和LNSH_GDP建立VAR模型，并确定其最佳滞后阶数，结果见表3。

在确定最优滞后期时，通常参考AIC和SC两种标准，在本文检验中，两种方法显示的最小阶数一致，故模型的最优滞后期的选择为4阶。

4.3 Johansen协整检验

由Johansen协整检验结果我们可以得知，在5%的显著水平下各变量之间存在长期协整关系，并具有3个协整向量。见表4。由此可以得到各变量之间的一个协整方程：

LNSH_BPN=-004LNSH_BT+0.23LNSH_SA-1.35LNSH_FA-0.36LNSH_DPI+0.03LNSH_GDP

从中我们可以看到，房产税每增加一个单位，住房价格指数仅下降0.04个单位，可见房产税的调控效应十分微弱，而反映在上海市近五年的房价走势上，如图1所示。

则是房产税实施以来仅在第一年稍微抑制房价涨幅，但并不能阻止随后房价迅猛上涨的势头。而房屋供给没增加一个单位，住房价格指数会下降1.35个单位，可见增加住房供给对抑制房价的上涨效果显著，与本文之前的假设相吻合，即抑制房价关键在于改善住房供求结构，尤其是供给结构。

另外，房屋销售面积、上海市GDP与房价变动趋势呈反向变动关系，这与实际经济意义相吻合，住房需求的增加和经济的发展都会促使房价上涨。

4.4 格兰杰因果检验

Granger因果检验是利用某个变量的滞后项来检验其对其他一个或多个变量当期值的影响的方法。

如果显著，则说明改变量对其他变量存在Granger因果关系；如果影响不显著，说明该变量对另一个变量或几个变量不存在Granger因果关系。

Granger因果检验要求序列是平稳的，对于非平稳的数据，在通过了协整检验之后，可对各变量一阶单整的平稳数据进一步建立将短期波动与长期均衡联系在一起的VEC模型，并对各变量进行Granger因果关系检验。在这里，我们不列出VEC模型，仅列出对于分析问题有帮助的Granger因果检验结果。见表5。

从表5可以看出，商品房的开盘面积和销售面积是房价的Granger因，这就证明房地产市场的供求能够影响房价。由协整方程可知，商品房的开盘面积与房价呈负向关系，而商品房的销售面积与房价呈正向关系。

故我们可以认为房地产市场的供求关系是影响房价的原因，且房地产市场供给增加，房价越低；需求增加，房价下降，而房产税和其他经济基本面并不是影响房价的原因。

4.5 方差分解分析

方差分解分析，见表6。

由方差分解分析可以看出，房产税对房价的贡献度初期仅为3%，且随着时间的推移不断衰减，最终趋于无影响；房屋新开盘面积对房价变动的贡献度最终稳定在23%左右，影响力较大。对房屋的需求和整体经济形势也贡献出一定的影响因子。因此，我们可以认为房产税不能从根本上实现调控房价的目标。

5 研究结论与建议

由上一章数据检验和实证分析可以得出，上海市房产税试点在政策实施初期起到了一定的遏制房价上涨的作用，这主要是通过改变人们的心理预期使得供求关系发生局部调整，从而使房价在短期内出现回落。

但长期来看，房产税并不能起到抑制房价的作用，一方面是因为现有的房产税政策设计不甚合理，其存在的一些缺陷使得房产税政策没有发挥出应有的调控效应；另一方面是因为调控房价的根源在于调整优化房地产市场的供求结构。

基于此，本文将主要从完善房产税政策和调节房地产市场供求结构两个角度提出改进建议：

5.1 完善房产税制设计

目前上海试点的房产税政策并未起到预期的调控作用，这主要与新的房产个税政策设计不甚合理有关，同时我们也应该认识到房产税改革对于调节房价的作用有限，在完善房产税制改革的同时更需要加强配套措施和相关制度的建设，从根本上实现供求结构的优化平衡。

5.1.1 扩大房产税税基

目前上海试点的改革方案中规定的征税对象主要是针对增量房进行征税，从税负公平的角度来讲，无论是增量房还是存量房都享受了本地区的公共服务和周边基础设施，应当共同承担税负。

同时通过对存量房征税能促使投机性住房持有者改变预期，增加存量房的供给，打击投机性购房需求，缓解住房供求结构性不平衡的矛盾。因此现行改革方案可考虑扩大税基，将存量房一并纳入征税范围。

5.1.2 提高房产税税率

目前上海市改革方案中的两档税率为0.4%和0.6%，而从国际经验来看，西方普遍设置的房产税税率为1%，我国当前税率明显偏低，削弱了税收政策的调控效应。鉴于我国处于房产税改革初期，我国居民缴纳房产税的责任意识与观念还有待强化，可以考虑逐步提高房产税税率，在充分发挥房产税的调节效果的同时，有效增加政府财政收入，优化财政收入结构，降低对“土地财政”的依赖，从而有效降低房地产开发的土地成本，减轻房价上涨压力。

同时，增加的房产税收入可以作为廉租房和经济适用房的建设基金和相关财政补贴来源，进一步优化住房市场供给结构，实现税收的合理利用。

5.2 调节房地产市场供求结构

长期以来，我国商品房住宅市场上存在着供不应求的局面，随着城市化的推进和人口的增长，房地产市场的刚性需求会持续增长，加剧房价上涨的压力。目前我国政府对房地产市场的调控政策主要从“限购”入手，即限制房地产市场需求，但我们知道要解决市场供求结构失衡的问题，在进行需求管理的同时还应有配套的供给侧改革，在需求和供给内部也应分别针对投机性需求和刚性需求、投资性住房供给和普通商品房供给采取不同的调控措施，为此可以做到以下方面。

5.2.1 加强保障性住房管理建设

加强保障性住房建设是调节房地产市场供给结构性失衡的一项重要措施，政府可以着重从以下两方面入手：

①增加保障性住房的供给，缓解中低收入水平群体住房供给严重不足的矛盾。

具体做法表现为：在土地供给环节，土地管理部门应该根据市政府制定的未来一段时间内的保障性住房的建设计划，优先保障经济适用房建设的土地需求，同时对其土地供应价格实施优惠。在保障性住房建设上，以利益共享为基本运作方式，明确开发商楼盘建设中保障性住房的比例，在开发商以优惠价格让渡、出租给普通居民的同时，政府给予开发商一定的财政补贴，以实现保障性住房的稳定供给。

②加强保障性住房的资源分配管理。

可以通过建立保障性住房房管理档案系统，完善产权登记制度，建立申报者诚信档案和抽查制度等方式来减少信息不对称，促进保障性住房市场的公开透明化，使得低收入人群的住房需求得到切实满足，避免权力寻租和机会主义行为的滋长。

5.2.2 扩大和发展二手房市场

由上一章的实证分析我们得出，房产税的开征有利于促进二手房市场的发展，同时我们也应认识到二手房市场是消化我国投资性住房存量过剩的一个重要渠道，为此发展二手房市场能有效缓解当前我国房地产市场结构过度倚重一级市场的局面，实现存量资源的优化配置。细化二手房市场交易规则，构建全面的二手房市场网络信息平台，减少信息不对称，降低二手房的交易成本；避免购房者因处于信息劣势而承担大部分税负转嫁所导致的购房成本增加，从而促进市场规模的扩大。

同时对于当前限制二手房交易的政策也应适度放宽，对于已满5年的二手房可将其排除在20%的个税之外，从而保持二手房交易市场的稳定与发展，引导商品房供给结构的优化与均衡发展。

5.2.3 培育和完善住房租赁市场

一个成熟的房地产市场应当包括一级市场、二级市场以及住房租赁市场，我国目前住房租赁市场发展困难一个重要的原因在于，我国的房屋房价租金比远高于国际警戒值200，房屋销售市场的超风险收益使得开发商和房屋持有者都倾向于一次性销售交易而不是获得持续的租金收入。

针对住房租赁市场的发展困境，本文从供给和需求两方面分别提出对策：对于供给不足的问题，可以通过财税补贴和政府引导基金等方式鼓励开发商参与到廉租房和公租房的建设之中，增加租赁市场的住房供给；对于有效需求不足的问题，一方面可以加快建设租赁信息服务平台，培育规范的住房租赁经营机构，减少交易中的不确定性和风险，降低交易成本。

另一方面对于中国传统的“重买轻租”的购房理念，通过后期的宣传实现人们认知的转变是很漫长的过程，为此可以通过为低收入者提供租房补贴等经济激励来促使人们选择租房，增加住房租赁市场的有效需求。

6 结 语

综上所述，本文通过查找上海市开征房产税后的房价实际走势和数据实证分析认为：房产税只是作为房价调控的一个具体环节，不能寄托其来实现抑制最终房价上涨的目标，应当继续完善配套的措施和制度建设，改善房地产市场供求结构，才能从根本上实现房地产市场的良性发展。

参考文献：

[1] 高铁梅.计量经济分析方法与建模——EViews应用及实例[M].北京：清 华大学出版社，2005：263-280.

[2] 阿瑟.奥沙利文.城市经济学[M].北京：北京大学出版社，2008：236-237.

[3] 况伟大.房产税对房价的影响_来自OECD国家的证据[J].财贸经济，

2012（5）：125-127.

[4] 李昱.房产税对房价影响的研究综述[J].财政金融，2011（6）：186-187.

[5] 胥玲.中国城市房价和地价的决定因素及相互关系[J].财政研究，2009

（11）：10-13.

[6] 况伟大.房价与地价关系研究：模型及中国数据检验[J].财贸经济，

2005（11）：56-63

[7] 余永虎.房产税对房价的影响效应[D].南京：南京大学，2013.

[8] 刘一鸣.房产税对房价影响的实证研究[D].南京：南京大学，2015.

[9] 朱道林，董玛力.地价和房价的经济学分析[J].中国土地，2005（7）：20-21.

[10] Peng R，Wheaton WC. Effects of restrictive land supply on housing

in Hongkong： aneconometric analysis[J].Journal of Housing

VAR模型 第11篇

关键词：实际有效汇率,就业,向量自回归

人民币汇率制度改革以来,人民币已经趋向升值通道:一方面,人民币对美元持续升值已逾20%;另一方面,人民币汇率的波动性逐渐增大,人民币对美元汇率的日波动幅度由汇改之初的千分之三扩大到千分之五。人民币汇率的这一重大变化已经对实体经济产生了不可忽视的影响,其中之一便是我国沿海地区部分出口型企业经营状况恶化甚至破产倒闭。由于这些出口型企业多属于劳动密集型行业,其生存困境必将给原本就已经很严峻的就业问题带来更大的压力。鉴于此,本文拟通过实证分析,探寻人民币汇率变动对我国就业的影响。

一、文献回顾

有关汇率变动的就业效应问题,国内外已有不少学者做过相关研究,他们大致从汇率升贬值和汇率波动性两个角度对此展开研究。关于汇率升贬值的影响,多数研究认为本币实际贬值有利于扩大本国的就业量;相反,本币实际升值则不利于本国就业量的增加。Klein et al.(2003)采用1973-1993年美国制造业分行业数据实证研究表明汇率变动会导致劳动力的重新配置:本币实际升值对制造业就业具有显著的岗位破坏(job destruction)效应,他们还发现本币实际升贬值对就业的影响程度随行业开放程度的提高而上升。Hatemi-J&Irandoust(2006)运用面板数据的单位根和协整分析方法,对法国制造业分行业就业量与汇率波动之间的长期关系进行了实证研究,结果发现法国制造业就业量对实际汇率波动相当敏感,实际汇率升值将导致制造业就业的显著下降。但是,也有研究得出本币贬值不利于就业的结论。Edwards(1989)对39个发展中国家数据进行的实证研究表明,本币实际贬值导致国内产出(从而就业)和实际工资的下降。

关于汇率波动性对就业的影响,一般认为汇率波动越剧烈越不利于增加就业。Burgess and Knetter(1998)的国际比较研究发现,法国和德国的制造业就业很少受汇率冲击的影响,并且向长期均衡状态的调整十分缓慢,而美国、日本、加拿大、英国和意大利的制造业就业受汇率冲击的影响较大,且向长期均衡状态的调整相对迅速。Belke and Gros(2002)的研究表明,汇率波动通过贸易途径对就业的影响是微不足道的,但为了出口,企业需要承受所投入的沉淀成本。由于投资和雇佣工人需要付出成本,变更决策会使企业遭受很大的损失,因而汇率的剧烈波动将会影响企业的投资决策和劳动需求。

近年来,国内也有一些学者对汇率变动的就业效应问题作了卓有成效的研究。万解秋和徐涛(2004)分析了人民币汇率调整对就业的实际影响,认为人民币升值将抑制就业的增长,加重就业负担。范言慧和宋旺(2005)利用制造业总体数据,考察了实际汇率对中国制造业就业的影响,结果发现人民币实际升值将导致制造业就业的下降,而制造业出口份额及投资水平的提高会部分地抵消这一影响。鄂永健和丁剑平(2006)认为,只有当消费者对商品消费的相对风险规避程度比较大,即消费的跨期替代弹性比较小时,本币实际贬值才会促进就业的增加。目前,由于中国消费者商品消费的相对风险规避程度可能比较大,因而人民币实际贬值有利于就业增加。然而从长期来看,中国消费者的相对风险规避程度有下降的趋势,因此过分依赖于低币值的汇率政策来解决失业问题并不可行。

本文将在充分吸收现有研究成果的基础上,以更能反映一国货币整体对外价值的实际有效汇率为分析对象,对人民币实际有效汇率的就业效应进行实证研究。在样本区间和数据选取上,本文采用1994-2007年的季度数据,原因有二:一是这一时期是我国社会主义市场经济体制初步建立并逐步走向完善的时期,整个样本期内不存在经济体制的跃迁问题,与许多横跨计划经济和市场经济两个不同经济体制阶段的研究相比,数据的可比性更强,因而结论也更为可靠;二是采用季度数据而不是年度数据,可以扩大样本容量,增强实证分析结论的稳健性。此外,与现有文献不同的是,本文不仅考察人民币实际有效汇率的水平变动对就业的影响,还将考察人民币汇率波动性对就业的效应。

二、模型、变量与数据检验、评估

(一)模型构建

影响就业的因素很多,汇率只是其中的一个。因此,如果依据经济理论建立结构性经济计量模型,就需要很多解释变量,否则会造成遗漏重要解释变量的设定偏误。但是,受数据可获得性和样本容量的限制,人们很难将所有重要解释变量都纳入模型之中,而VAR模型所具有的特点却可以弥补这一不足。由于它对外生变量和内生变量不必加以区别而同等对待,VAR模型估计的结果具有更高的可靠性。因此,为了考察人民币实际有效汇率的就业效应,本文将对就业、人民币实际有效汇率、人民币实际有效汇率的波动率、国内市场需求规模等变量建立一个VAR模型,并以此为基础进行深入分析。

(二)变量与数据

1. 就业量(empl):

选择城镇就业量季度数据,数据来源于中国经济信息网统计数据库(http://cedb.cei.gov.cn/hongguan.htm)。

2. 实际有效汇率(reer):

采用国际清算银行(BIS)公布的人民币实际有效汇率指数(2000年=100),其数值上升代表人民币对外实际升值,下降代表人民币对外实际贬值。

3. 实际有效汇率的波动率(reervol):

本文借鉴Klaassen(1999)和张静、汪寿阳(2005)的方法,将实际有效汇率的季度波动率定义为每季度中各个月份实际有效汇率指数变动百分比的平方和。

4. 国内市场需求规模(gdp):

本文采用经CPI平减的实际GDP指数(2000年=100),表征国内市场需求规模。企业对劳动的需求产生于消费者对企业所生产的商品的需求。一般来说,本地市场需求规模越大,对劳动的需求也越大。CPI和GDP季度数据来自各期《中国人民银行统计季报》。

以上变量均取自然对数形式,同时为剔除季节性因素的影响,采用X11方法对所有季度数据进行季节调整,图1给出了各变量时间序列图形。

(三)单位根检验

为避免对非平稳时间序列进行回归时造成“伪回归”问题,需要对时间序列做平稳性检验。为此采用ADF单位根检验方法,对就业量(empl)、人民币实际有效汇率(reer)、实际有效汇率的波动率(reervol)以及国内市场需求规模(gdp)等变量进行平稳性检验。由于empl、reer和gdp都存在单位根,因而是非平稳序列,但它们的一阶差分Δempl、Δreer和Δgdp均在1%的显著性水平上拒绝了存在单位根的零假设,因此empl、reer和gdp均为一阶单整序列。另外,reervol在1%的显著性水平上拒绝了存在单位根的零假设,因而为平稳序列。

(四)VAR模型的建立

在进一步分析之前,首先估计一个非限制的VAR模型。由于人民币实际有效汇率的波动率为平稳时间序列,作为外生变量进入VAR系统,建立如下VAR(p)模型:

其中y为由empl、reer和gdp构成的3维内生变量向量,x为由reervol构成的1维外生变量向量,A1Ap和B是待估计的参数矩阵,p为内生变量的最大滞后期,εt为随机扰动项。接下来需要选择VAR模型的最大滞后期p。通常希望滞后期足够长,这样既可以完整地反映所构造模型的动态特征,还可以避免因滞后期太短而导致的严重的误差项自相关和参数估计的非一致性问题。然而从另一方面看,滞后期越长,模型中的待估参数就越多,自由度损失越严重,从而直接影响模型参数估计量的有效性。因此,必须在滞后期与自由度之间寻求某种均衡。实践中,一般根据AIC和SC信息量取值最小的准则确定滞后期p。据此,经过反复试验比较后发现,在p取2时,AIC值和SC值同时达到最小,因此最大滞后期取2,即VAR(2)是最优模型。对VAR(2)模型的估计结果显示,系统外生变量reervol的系数估计值仅为-0.0003,且未通过显著性检验。这表明人民币实际汇率的波动率对就业量的影响不仅在统计上是不显著的,而且从经济意义上看也是微不足道的。

(五)协整检验

为进一步考察就业量(empl)、人民币实际有效汇率(reer)和国内市场需求规模(gdp)等变量之间是否存在长期稳定的均衡关系,即这三个变量之间是否具有协整关系,以前面所建立的VAR(2)模型为基础,采用Johanson和Juselius于1990年提出的迹统计量检验方法进行检验。对于协整的具体形式,经过比较后选择序列有线性趋势,但协整方程仅有截距。由于empl、reer和gdp等变量之间存在、且仅存在1个协整关系,标准化的协整方程为:

方程(2)揭示了就业量、人民币实际有效汇率和国内市场需求规模之间的长期均衡关系。根据这一长期关系,可以得出结论:第一,人民币实际有效汇率和国内市场需求规模都是就业量的重要决定因素;第二,长期来看,人民币实际升值对就业有显著的不利影响,人民币实际有效汇率指数每上升1%,就业量将下降0.1821%;第三,国内市场需求规模与就业量呈正相关关系,国内市场需求规模每增长1%,就业量将上升0.0908%。

三、结论与政策建议

本文基于向量自回归(VAR)模型,对人民币实际有效汇率的就业效应进行了实证分析,得出结论如下:

1.协整分析结果表明就业量和人民币实际有效汇率之间存在着长期均衡关系,人民币实际升值对就业有显著的不利影响。导致就业量对人民币实际有效汇率水平变动较为敏感的主要原因有三:

其一,中国经济的开放程度不断提高,国内经济发展日益依赖于世界市场,我国较高的对外依存度使得国民经济中相当大的比例暴露于汇率风险之中,导致企业经营业绩、进而劳动需求易于受到汇率变动的影响。

其二,中国出口产品较高的劳动密集程度。在技术进步率既定的情况下,如果出口企业资本-劳动比例较小(即出口产品劳动密集程度较高),则出口企业一定产量的减少将导致企业大幅度减少对劳动的需求,而相对较少地减少对资本的需求,因而汇率调整对就业的影响就较大。

其三,出口企业低规模经济程度。在技术进步率既定的情况下,如果企业生产发生了规模经济效应,因而单位劳动的产出水平很高,出口企业一定产量的减少对劳动需求所产生的影响也会很小。也就是说出口企业规模经济程度越高,企业因汇率变动而调整投资水平时对其劳动需求的影响就越小;反之,规模经济程度越低,汇率变动对企业劳动需求的影响就越大。由于中国出口企业的经营管理水平普遍不高,导致其规模经济程度较低,这也使得出口企业劳动需求、进而就业量易于受到人民币汇率变动的影响。

2.人民币实际有效汇率的波动性对就业量的影响很小,且未通过系数的显著性检验。究其原因,可能是因为人民币汇率自1994年以来长期保持了较高程度的稳定性,造成中国出口商习惯上很少关注汇率波动的风险,因此其劳动需求也就基本不受汇率波动性的影响。但是,随着未来人民币汇率弹性的增大,企业将不得不面对汇率波动的风险,汇率波动性对就业的影响也将随之增大。

根据实证分析结论,本文提出几点政策建议:第一,人民币升值速度宜缓不宜急。由于我国经济较强的外向型特征,在国内企业的规模与竞争力还处于较低水平时,人民币持续、快速、单边升值,不可避免地将削弱国内企业的竞争力,进而对就业带来不利影响。因此,人民币升值和人民币汇率制度改革必须充分考虑我国出口企业的承受能力,科学把握汇率制度改革和汇率水平调整的最佳时机、速度和方向。第二,积极稳妥地推进外汇市场建设,发展并完善包括外汇远期交易、外汇期货和期权交易、外汇互换等在内的金融衍生产品,为我国外向型企业规避汇率波动风险提供必要的手段和工具。第三,从长远来看,为了减少汇率波动对企业经营、进而就业的不利影响,还应采取一揽子政策措施,主要包括:推动经济增长从过度依赖外部市场向更多地侧重于国内市场转变;实现外贸发展方式从数量型向质量型转变,改善进出口商品结构和产业层次,提高外贸效益和质量;推动企业走自主研发、自主创新之路,提高产品质量和竞争力等。

参考文献

[1]万解秋,徐涛.汇率调整对中国就业的影响[J].经济研究,2004(2):39-46.

[2]范言慧,宋旺.实际汇率对就业的影响[J].世界经济,2005(4):3-12.

[3]鄂永健,丁剑平.实际汇率与就业[J].财经研究,2006(4):13-24.

[4]张静,汪寿阳.人民币均衡汇率与中国外贸[M].北京:高等教育出版社,2005.

[5]Klein,M.W.,S.Schuh and R.K.Triest.Job Creation,Job Destruction and the Real Ex-change Rate[J].Journal of International Eco-nomics,2003(59):239-265.

[6]Hatemi-J A.and M.Irandoust.The Response of Industry Employment to Exchange Rate Shocks:Evidence from Panel Co-integration[J].Applied Economics,2006(38):415-421.

[7]Edwards,S.Real Exchange Rates,Devalua-tion,and Adjustment Exchange Rate Policy in Developing Countries[M].The MIT Press,Cambridge,Massachusetts,1989.

[8]Burgess,S.and M.M.Knetter.An Internation-al Comparison of Employment Adjustment to Ex-change Rate Fluctuations[J].Reviews of Interna-tional Economics,1998(6):151-163.