一、VaR定义

　　VaR（Value at Risk）即风险价值，作为一种风险评估方法，本质是在一定概率下标的资产在未来一段时间内的最大损失。它的最大优点在于能够将所有金融资产潜在亏损用具体数值表示，风险管理者能够通过风险量化指标使得风险控制和管理相对容易。

　　对于资产组合VaR值的度量实际上就是对资产组合收益率波动的度量，通过收益率的历史波动情况推测未来在一定概率下的最低收益率，从而得到资产价值最大损失情况。计算资产组合VaR值的关键在于对收益波动的度量，由此衍变出很多对于收益率分布情况进行描述的方法。

　　传统方法都是假定波动率是常数，但实际上金融数据存在异方差。我们通过GARCH模型捕捉方差变动情况，使用条件方差计算VaR值达到度量市场风险的效果。

　　二、A股市场VaR值度量

　　为了计算A股市场的VaR值，首先需要对数据取样，我们将时间区间分成两个部分，分别为数据收集期和检验期。数据收集期是指构建模型所需要数据的历史时期，而检验期是指评价各种模型表现的未来时期。我们选取2005年4月29日之后的数据度量证券市场的VaR值，将2005年5月9日至2008年4月30日作为模型构建期，2008年5月1日至2009年4月10日为模型检验期，使用各种模型通过上证综合指数日收益率计算VaR值。

　　1、传统方法度量市场VaR值

　　首先我们使用传统方法对风险进行度量，通过历史模拟法、模特卡罗模拟法和方差协方差法求得证券市场收益率的静态VaR值。

　　2、基于GARCH模型度量市场VaR值

　　为了解决金融时间序列数据的异方差性，我们基于GARCH模型对证券市场动态VaR值进行计算。检验发现均值方程残差具有ARCH效应，我们根据收益率数据建立GARCH（q，p）模型，对残差分布进行检验，发现均值方程的残差服从t分布，在t分布下求得证券市场的VaR值。

　　国外研究报告表明，金融时间数据可能具有杠杆效应，导致波动率描述方程会发生结构变化。为了检验A股市场是否存在杠杆效应，即负信息对市场造成的冲击大过正信息对市场造成的冲击，我们使用TARCH模型和EGARCH模型综合判断。通过TARCH模型和EGARCH模型的条件方差方程发现，作为反应市场信息杠杆效应的非对称项系数是不显著的，也就是说在用来描述杠杆效应的TARCH模型和EGARCH模型理论框架下，A股市场在2005年5月9日至2008年4月30日期间并没有数据证明市场存在杠杆效应。

　　3、模型回测

　　在模型检验期2008年5月1日至2009年4月10日，通过上证综指的日收益率情况对模型进行回测。在模型检验期内，一旦日损失率超过模型所计算的VaR值，我们判断为失败，通过失败率挑选最优风险度量模型。通过各种模型失败率我们发现，无论在95%的置信度还是99%的置信度下，静态VaR估值模型全部低估了市场风险，失败概率远远大于置信度，不能适用于目前市场风险的度量。而动态VaR估值模型的失败率与之前给定的置信度较为接近，能够较为准确的度量市场风险。

　　通过以上模型测算表明A股市场波动率存在群聚性，但是波动率并不存在国外市场的杠杆效应，正负消息对市场波动率的冲击是相同的。通过对静态VaR模型和动态VaR模型失败率的比较发现，基于GARCH（1，1）-t分布模型计算的VaR值能够根据市场环境的变化对后市风险进行准确度量。

　　4、VaR模型运用策略

　　VaR模型作为一种风险度量工具，在基金公司、资产管理公司、金融机构得到广泛的使用，其主要作用在于提示风险，管理风险，已经成为现代金融风险管理中不可或缺的一种度量风险工具。而VaR模型在现实中不仅可以管理风险，而且可以通过该模型衍生出各种投资策略，在低风险下取得高收益。如通过对置信度的选择获得相应的市场VaR值，当市场损失率大于VaR值时买入权证组合，待市场回升后卖出组合。又如当投资者确定投资组合以后，VaR值可用来确定个股的买入价格。通过历史数据选择一定的置信度，在此置信度下保证所买股票当天的整体成本最低。

　　三、近期应警惕市场下跌风险

　　我们基于GARCH（1，1）-t分布模型计算近期证券市场VaR值，通过所得结果可知，近期证券市场VaR值呈小幅放大现象。这一现象说明目前市场风险正在积聚，投资者需注意市场随时有下跌的风险。但是从单日跌幅来看，单日内跌幅不会过大。通过模型计算，近期日跌幅小于3.09%的概率为95%，仅有5%的概率会使得市场日跌幅超过3.09%。