内蒙古稀土市场风险中的GARCH模型的构建效果

摘要： 我国是稀土资源大国，但各稀土产业企业对稀土市场缺乏合理的风险管控，导致稀土市场发展缓慢，规模不经济。文章尝试着对目前内蒙古有色金属稀缺资源之稀土市场风险管理系统构建合理的理论模型，并预测稀土价格变化频率，控制价格损失频率在较低范围内，为稀土投资者提供风险管理手段。 
　　Abstract： China is a country of rare earth resources，but the the rare earth industry lack of reasonable risk control on rare earth market， resulting in a slow developing and not reasonable market. The paper tries to construct a reasonable theoretical model for nonferrous metal of scarce resources in Inner Mongolia rare-earth-market risk management system， and predict the frequency of price changes， in order to achieve rare-earth-market risk management for investor by controlling the price of loss frequency in a low range. 
　　关键词： 市场风险；GARCH模型；稀土交易 
　　Key words： market risk；GARCH model；rare earth trade 
　　中图分类号：F832 文献标识码：A 文章编号：1006-4311（2015）15-0010-03 
　　0 引言 
　　稀土被誉为“新材料之母”，普遍用于电子信息、光能、核能、航空航天等高科技产业。稀土资源交易属于有色金属稀缺资源交易板块，我国拥有环球约90%的稀土产品，但缺少对稀土产品的定价权。 
　　2014年3月28日，中国首个以稀土产品为主的大宗商品现货电子交易所——包头稀土产品交易所正式开始运营；5月28日，第十一届上海衍生品市场论坛会表明稀土期货新品种即将面市。由此包头、天津等稀土现货地方性交易中心的建立，随着上海期货交易所全国性稀土品种的上市，基本形成了两层架构的稀土金融产品市场框架，为稀土资源的保护和成长开辟了新方向[1]。截至10月，交易额已达近万吨，是稀土行业转变营销理念，创新商业模式，实现转型升级，打造中国未来稀土价格指数的一个重要标志。 
　　已往几十年间，稀土资源的无序及过分开采，严重危害我国的资源安全。我国政府从稀土产业现有问题着眼，提出加速技术进步，强化行业管理，规范交易市场等措施。稀土资源的可持续和健康发展迫在眉睫，稀土市场的风险管理是重中之重。 
　　20世纪90年代以来，国际金融市场上频繁爆发的金融风暴，使得定量风险管理方法渐渐成为金融风险管理领域的研究核心[2]。文章的研究目的在于借鉴国际先进风险管理模式，探索现阶段我国稀土资源交易市场风险的特征，构建合理的风险管理模型，对加强我国有色金属市场风险管理有着重要的意义。本文以内蒙古稀土交易市场某股票的真实数据为例，切和实际地采用GARCH模型分析了该股票的风险，从而为更多稀土投资者防范风险提供了一种有效手段。 
　　1 国内外研究现状 
　　自本世纪初以来，金属材料的价格已经上升到历史上的名义最高点。根据伦敦金属交易所的数据，在商品研究局（CRB）的所有六个主要商品类别中，金属在2002-2008年的商品繁荣期经历了巨大的价格波动。特别是在大宗商品市场崩溃的金融危机期间，基本金属价格下降了60%-75%的幅度[3]。金属价格波动与宏观经济周期、金融市场的一体化是近年来研究的热点。LABYS等人证明，金属价格的共性反映了大宗商品市场的共同商业周期及趋势等因素。影响金属价格的因素与宏观经济有关，如工业生产，消费价格，利率，股票价格，汇率[4]。CHEN在最近的研究中研究了21种金属的价格时间序列的性质，发现价格波动性的34%可归因于1972年至2007年期间的全球宏观经济因素[5]。根据2004年至2011年中国大宗商品市场的交易数据，金属期货的价格波动和宏观冲击吸引了大量投资和对冲交易。 
　　郑明贵，陈艳红剖析了我国建立稀土期货交易市场、加强稀土产业政策执行度、严格把握稀土出口额以及对稀土开发、生产设立专项研究等调控稀土资源的政策方向[6]。周代数，李小芬等指出中国“稀土悖论”的根本原因：资源开发过度、产业集中度偏低、期货市场跟进不足等，并提出了相应对策[7]。自2009年以来，中国有色金属工业进行了产业整合，受到了政府的大力支持。危平，唐慧泉等采用 DEA法对我国2007到2011年间有色金属企业的技术效率及变动进行了研究[8]。高兴佑分析了我国缺少稀土定价话语权的原因，给出提高产业集中度、建立稀土期货市场等使稀土产业可持续发展的若干建议[9]。边璐，张江朋等利用VEC模型得出我国当前仅对初级稀土产品具备有限价格控制能力，其价格波动受投机、投资需求的影响，而对于高技术、军事范畴的稀土产品价格往往受控于国际市场需求影响。此研究为加速稀土期货市场的成立提供了理论依据，对未来稀土产业健康发展有重要意义[10]。 
　　国内外有关有色金属理论的研究，为我国稀土产业企业市场风险管理提供了良好的理论基础和借鉴意义。以下使用GARCH模型对稀土交易市场风险进行实证研究。 
　　2 基于GARCH模型的实证研究 
　　2.1 数据来源及处理 
　　由于金融市场的有效性，稀土交易市场价格变化的信息会很快反映到稀土生产企业的股票交易中。所以，本文以包钢稀土为研究对象，选取2013年10月25日至2014年10月24日，扣除节假日共245个交易日的收盘价。本文数据来源于东方财富网和新浪财经网站。对原始数据值做对数收益率的形式，即rt=lnPt-lnPt-1，其中Pt为第t日的收盘价，Pt-1为第t-1日的收盘价。主要采用Eviews8.0对数据进行处理及分析。

　2.2 用Eviews8.0进行统计分析 
　　对序列rt的统计结果进行分析总结，具体结果如下： 
　　2.2.1 正态分布检验 
　　对收益率序列的正态分布检验一般都采用JB统计量检验方法：在零假设下，JB统计量服从x2分布[11]。如果JB统计量的概率小于给定的显著水平，那么说明相应的置信水平下我们就拒绝原假设，从而序列不服从正态分布；反之，则接受服从正态分布的零假设。具体检验见图1所示。 
　　检验结果：变量不服从正态分布。从检验图2中可以看出，均值为-0.000899，标准差为0.019253，偏度为0.219663>0，说明序列向右偏；峰度为7.311938>3，收益率分布比正态分布陡峭。JB检验量显著，P值<0.05，说明拒绝原假设为正态分布的假设。所以序列rt不服从正态分布。 
　　2.2.2 单位根检验 
　　研究时间序列数据的最主要的前提条件就是要求数据的平稳性，所以对于本文的该组数据来说要对其进行ADF单位根检验。如果不对其进行单位根检验，则相关的研究也就不具有任何研究意义和价值。本文主要采用的ADF检验收益率序列的平稳性。 
　　结果如表1所示。 
　　检验结果：通过了单位根检验，数据平稳。从表1可以看出，T统计量的值为-16.68941，小于1%显著水平下的临界值，所以在1%的显著水平下拒绝收益率具有1个单位根的原假设，说明收益率序列是平稳的。 
　　2.2.3 条件异方差检验 
　　股票价格收益率序列常常用一种特殊的单位根过程，即随机游动模型描述。所以首先利用最小二乘法估计AR模型，结果如下： 
　　rt=3.15E-05-0.539743rt-1+■t（1） 
　　其中R2=0.29049，DW=2.33417，由残差图（图2）检验模型是否存在条件异方差。 
　　从图2可以看出波动的“成群”现象：波动在一些较长的时间内非常小，在其他一些较长时间内很大，说明存在条件异方差。 
　　通过ARCH检验考察AR模型的误差项是否存在条件异方差。检验结果F统计量19.5986，LM统计量18.2648，概率P值为0.00<0.05，拒绝原假设，所以误差序列存在条件异方差，存在ARCH效应。 
　　2.2.4 GARCH模型估计 
　　在建立GARCH模型的时候，需要确定相关的阶数，根据AIC与SIC信息准则，经过反复的运算发现，滞后阶数（p，q）为（1，1）时最为合适的描述稀土价格收益率序列的特征。由于大量金融数据能被GARCH（1，1）拟合，且为了方便计算，本文考虑建立GARCH（1，1）模型[11]。 
　　yt=？酌yt-1-1+？滋t？滓■■=？姿+？琢u■■+？茁？滓■■ t=1，2，…，T（2） 
　　模型估计结果如表2所示。 
　　得到均值方程：yt=-0.0855731yt-1（3） 
　　方差方程： 
　　？滓■■=0.000166+0.038819？滋■■+0.583912？滓■■（4） 
　　从GARCH模型方程中得出，ARCH系数（即？琢）和GARCH系数（即？茁）都为正值，并且？琢+？茁=0.622731<1，满足参数的约束条件，说明此模型具有稳定性。 
　　2.2.5 收益VAR值计算 
　　利用GARCH模型计算的相应收益率序列的条件方差ht来计算VAR值，基于GARCH模型族的模型动态VAR计算公式为：VAR=Pt-IZ？琢■，Z？琢是由收益率分布决定的，即分布函数对应的置信度水平为？琢时的分位数值[11]。 
　　下面利用GARCH模型测算的收益率方差代入，分别得到置信区间为95%和99%下的该公司的VAR值[11]。考察时间段为2014年6月3日至2014年10月24日，扣除节假日外共98个交易日，检验结果如表3所示。 
　　可以得到在95%的置信度下，该稀土股票VAR值的成功率为95.92%>95%，预测到的成功日数与实际成功日数相差不大，估计比较准确；而99%的置信度下，成功率97.96%<99%，表明此时有低估风险的可能。 
　　3 结论及对策建议 
　　本文经过验证后收益率序列为非正态序列，而且该序列通过了单位根检验，说明该序列是平稳的。另一方面，由于序列存在ARCH效应，从而考虑建立GARCH（1，1）模型。 
　　该模型较为准确的拟合了内蒙古有色金属市场稀土交易的真实数据，同时通过VAR预测的价格变化，将预测损失与实际损失之差控制在较低范围内，从而达到稀土交易市场的风险管理。 
　　GARCH-VAR模型已被广泛用于金融研究领域，是风险管理的必要手段，本文通过对内蒙古某稀土交易股票的真实交易数据的分析，较充分的证明了此模型的有效性，当然由于内蒙古金融市场的不完善，导致部分参数有少许偏差。 
　　经过验证，此模型可以成为稀土投资者风险管理的手段之一，最终控制风险在自身可承受的范围之内。 
　　基于以上模型分析，内蒙古自治区政府应进一步完善立法，加强宏观调控管理，完善内蒙古金融市场，规范市场交易主体的行为，降低市场风险，吸引更多的投资者。 
　　另一方面，稀土交易所是风险的直接承担者，更需要制定相关政策和规章制度来防范风险，如设置风险准备制度，设置保证金比例等，再借鉴国外先进风险管理模式，对交易市场进行全方位、多层次管理，进而维护交易市场的顺利健康运行。 
　　参考文献： 
　　[1]张镇，石杰.推出期货 发挥稀土金融产品优势[J].稀土信息，2014（08）：32-33. 
　　[2]邹建军，张宗益，秦拯.GARCH模型在计算我国股市风险价值中的应用研究[J].系统工程理论与实践，2003（05）：20-25. 
　　.ScienceDirect，2014，（24）：597-604. 
　　. Resources Policy， 1999， （25）： 229-238. 
　　. Resources Policy， 2010，（35）： 127-140. 
　　[6]郑明贵，陈艳红.世界稀土资源供需现状与中国产业政策研究[J].有色金属科学与工程，2012（04）：70-74. 
　　[7]周代数，李小芬，王胜光.国际定价权视角下的中国稀土产业发展研究[J].工业技术经济，2011（02）：73-77. 
　　. ScienceDirect， 2013，（23）：2797-2806. 
　　[9]高兴佑.我国稀土定价话语权与产业发展[J].内蒙古财经学院学报，2012（06）：52-56. 
　　[10]边璐，张江朋，宋宇辰，等.国际金属价格指数、广义需求与中国稀土产品价格——基于两市场协整视角下的多因素模型研究[J].资源科学，2014（03）：641-652. 
　　[11]李妍，薛俭.基于GARCH-VAR模型的股指期货风险研究[J].中国商贸，2013（23）：79-81.