社保基金投资风险思索基金投资论文.docVIP

社保基金投资风险思索基金投资论文 一、引言 社会保障基金（简称社保基金）是指依据国家法律、法规和政策的规定，为满足社会保障的需要，通过各种渠道、采取各种形式筹集到的用于社会保障各项用途的专项资金。2001年，为使社保基金试水资本市场，我国成立了全国社会保障理事会，主要负责管理全国社会保障基金。目前，全国社会保障基金共有5个系列的投资组合，分别是“1”字开头的股票投资组合、“2”字开头的债券投资组合、“5”字开头的新股型组合、“6”字开头的稳健配置组合以及“0”字开头的指数化投资组合。其中，“0”字头的001、002组合由社保基金会投资部自行管理，其余的由社保理事会委托具有社保基金投资管理人资格的金融机构管理。全国社会保障基金自成立至2009年末，累计投资收益额2448.59亿元，年均投资收益率为9.75%（《全国社会保障基金理事会基金年度报告》（2009）），远远高于银行年存款利率。但是社保基金在获得相对较高收益的同时，又承担着怎样的风险？社保基金投资的首要原则是安全性，准确地测度社保基金投资风险对控制风险的前提，对保证社保基金投资的安全性具有重要的意义。目前关于我国社保基金投资组合风险测度的研究，主要采用的是简单的VaR方法测度若干只重仓股的风险（崔玉杰等，2003；刘子兰、严明，2006）[1-2]。尚未将相对先进的风险测度技术引入到社保基金投资组合风险测度中。投资组合风险测度的关键问题之一是金融资产相关结构的建模。Copula被认为是刻画金融资产相关结构的一种新方法，它将边缘分布与变量间的相关结构分开来进行研究，使得对问题的分析更加灵活。自从Embrechts（1999）[3]将Coupla引入到金融领域后，Copula在风险测度领域取得了一系列的成果（Embrechts等，2003；李建平等，2010）[4-5]。近年来，一些学者把GARCH模型、极值理论（EVT）与Copula结合，研究投资组合的风险。刘志东（2006）[6]提出了基于Copu-la-GARCH-EVT模型的资产组合选择模型及其混合遗传算法。应益荣和詹炜（2007）[7]基于Copula-EVT模型研究了资产组合的ES。傅强、邢琳琳（2009）[8]基于Copula-EVT模型测度了投资组合的CVaR。Wang等（2010）[9]基于GARCH-EVT-Copula模型研究了外汇组合的VaR和CVaR。本文将GARCH-VET-Copula引入到社保基金投资组合风险测度中，以期更加准确地测度风险，为社保基金风险管理提供科学的决策依据。 二、测度模型 （一）GARCH模型 金融时间序列的一个显著特点是存在条件异方差，Engle于1982年提出自回归条件异方差（ARCH）模型来刻画时间序列的条件二阶矩性质，并通过条件异方差的变化来刻画波动的时变性及聚集性。用ARCH模型对非平稳时间序列建模过程中会遇到滞后阶数过大甚至趋于无穷，导致计算上的过高复杂性，这就引入了广义ARCH—GARCH模型。ìí?????rt=μt+εtεt=h1/2tξt,ξt~i.i.F(?)ht=α0+∑i=1qαiε2t-i+∑i=1pβiht-i（1）其中，p0，q0，α00，αi0（i=1，2，...，q），βi0（i=1，2，...，p）。式（1）称为GARCH（P,Q）模型。均值项μt一般用自回归移动平均过程ARMA模型进行拟合，滞后阶数一般根据自相关图和偏自相关图以及AIC、SC等确定。不同的ξt分布可以得到不同的GARCH模型，常见的假设F(?)为标准正态分布N(0,1)、自由度v的tv分布、广义误差分布（GED）。若用极值理论EVT的广义极值分布或者广义Pareto分布来拟合ξt的条件分布F(?)，模型就称为EVT-GARCH。 （二）极值理论（EVT） 一般来说，金融资产收益都具有尖峰厚尾的特征，极值理论不是针对整个分布建模，仅考虑尾部，避开了分布假设难题，有助于处理风险度量中的厚尾问题。一元极值分布理论包括BMM（BlockMaximaModel）和POT（PeaksOverThreshold）。前者主要是对组最大值建模，需要采用大量的数据；后者则是对观察值中所有超过某一较大阈值的数据建模，能有效地使用有限的极端观察值，因此通常被认为在实践中是最有用的。本文采用POT进行建模。基于EVT建模时，必须要求收益率序列是独立同分布的。首先采用FIGARCH模型对收益率序列建模，提取标准化的残差ξt。假设F(z)为Z（ξt所对应的随机变量）的分布函数，u为阈值，z-u表示超额值，其超额分布函数记为：Fu(y)=P(Z-uy|Zu)=(F(z)-F(u))/(1-F(u))（2）对于条件超额分布函数Fu(y