商業(yè)銀行結構化產(chǎn)品風險測度實證研究

本文為西安市社會科學規(guī)劃基金重點項目《銀行間交易對西安金融穩(wěn)定的影響研究》（19J55） 階段性成果

【摘 要】 本文運用VaR蒙特卡羅模擬法對招商銀行發(fā)行的一款掛鉤中證500指數(shù)結構化產(chǎn)品的投資風險進行評估，以期為非專業(yè)機構投資者及中小投資者提供一種科學、簡潔、直觀的風險測度與分析方法。因此，投資者必須提高風險意識，選取與自身風險承受能力相匹配的產(chǎn)品，以免遭受損失。

【關鍵詞】 結構化產(chǎn)品;VaR;蒙特卡羅模擬法;風險測度

一、引言

隨著我國金融市場的蓬勃發(fā)展，商業(yè)銀行理財業(yè)務呈迅速增長態(tài)勢，在滿足投資者資產(chǎn)多樣化配置方面發(fā)揮著重要作用。根據(jù)銀行業(yè)理財?shù)怯浲泄苤行呐c中國銀行業(yè)協(xié)會聯(lián)合發(fā)布的《中國銀行業(yè)理財市場報告（2018年）》顯示：“截至2018年底，全國共403家銀行業(yè)金融機構有存續(xù)的非保本理財產(chǎn)品，理財產(chǎn)品4.8萬只，存續(xù)余額22.04萬億元。銀行理財面向個人投資者發(fā)行的一般個人類、高資產(chǎn)凈值類與私人銀行類非保本理財產(chǎn)品存續(xù)余額為19.16萬億元，占全部非保本理財產(chǎn)品存續(xù)余額的86.93%，募集資金為92.72萬億元，占全部非保本理財產(chǎn)品募集資金的78.51%?！睘楸３质袌龇蓊~，銀行對結構化產(chǎn)品持續(xù)創(chuàng)新，以期為投資者提供更加豐富的投資選擇。結構化產(chǎn)品設計靈活、收益結構復雜，可投資于金融衍生品、外匯、股指、大宗商品等高風險領域，其實際投資風險不容小覷。非機構投資者及中小投資者由于自身存在專業(yè)知識局限、風險意識薄弱等原因，導致其無法對產(chǎn)品投資風險做出正確評估。因此，如何選取科學合理的方法對結構化產(chǎn)品的投資風險進行測度意義重大。

本文以招商銀行發(fā)行的一款掛鉤中證500指數(shù)結構性存款產(chǎn)品為例，運用VaR蒙特卡羅模擬法對該產(chǎn)品投資風險進行評估，為非專業(yè)機構投資者及中小投資者提供一種科學、簡潔、直觀的分析方法，使其在對結構性存款預期收益與潛在風險進行充分分析的基礎上做出理性投資決策。

二、文獻回顧

關于結構化產(chǎn)品設計與定價方面的研究，Dos and Statman（2013）指出投資者持有結構化產(chǎn)品往往是為獲取特定的收益目標。Grünbichler and Wohlwend（2005）的研究表明，當資本市場利率極低時，投資者雖然會對結構化產(chǎn)品的息票支付產(chǎn)生濃厚興趣，但卻無法對產(chǎn)品中隱含的風險做出正確評估。McCann and Luo（2006）認為掛鉤型理財產(chǎn)品因其信息不完全公開透明難以有效地進行分析度量，因此具有較大的風險，并通過實證分析來進行研究。Henderson and Pearson（2010）的研究表明，從基金經(jīng)理的角度來看，最優(yōu)的結構性產(chǎn)品所蘊含的風險是大于或等于市場投資組合所帶來的風險的。Chen and Kensinger（1990）、Chen and Sears（1990）、Baubonis et al.（1993）最早對美國的標準普爾指數(shù)票據(jù)、股票掛鉤存款證券及指數(shù)掛鉤存款證券進行了實證分析。國內(nèi)的結構化產(chǎn)品屬于非公開交易，并以銀行發(fā)行的結構化理財產(chǎn)品為主。關彬（2010）的實證研究結果表明中國銀行發(fā)行的匯聚寶產(chǎn)品存在著較高溢價率，并提出降低風險的策略措施。崔海蓉等（2012）在研究結構化產(chǎn)品的創(chuàng)新問題時，嘗試使用前景理論分別從投資者與發(fā)行者兩個不同角度展開研究。王增武和汪圣明（2010）在研究保底封頂型結構化產(chǎn)品時，建立了不確定性框架并運用Choquet期望效用理論，實證結果顯示投資者之所以選擇復雜產(chǎn)品而非簡單產(chǎn)品是因為其對前者的預期收益率估計較高。顧婧等（2018）通過實證分析得出約10%的區(qū)間型股票掛鉤理財產(chǎn)品定價存在偏差這一結論。

關于VaR應用于風險測度與信息披露方面的研究，VaR作為市場風險測度和管理的新工具是由J.P Morgan的風險管理人員在1994年最先提出。1993年4月，巴塞爾銀行監(jiān)管委員在其公布的《市場風險的監(jiān)管處理意見》中建議使用VaR作為度量市場風險的方法。1996年1月巴塞爾銀行監(jiān)管委員會發(fā)布了《包含市場風險的資本充足率標準修訂案》，明確提出將VaR方法與內(nèi)部模型法結合來度量銀行未來可能面臨的市場風險的規(guī)定。此后，VaR方法在全球范圍內(nèi)被全面推廣。在風險測度方面，Katerina， Simon（1996）認為VaR模型提供了測算市場風險的統(tǒng)一指標，能夠有效幫助金融機構進行風險管理，并在監(jiān)管部門實行有效監(jiān)管方面發(fā)揮積極作用。楊彩林等（2010）分別采用歷史模擬法和方差—協(xié)方差法的VaR模型對中國股票市場風險進行實證分析，得出滬深股市整體風險較大，但深市又大于滬市的結論。劉輝等（2017）利用上證綜指日收益率的歷史數(shù)據(jù)，通過實證研究表明在市場波動性不發(fā)生變化的情況下，歷史模擬法計算的VaR能夠有效地度量市場風險。在信息披露方面，Rockafellar and Uryasevs（2000）指出VaR順應了以“逐日盯市”為基礎的信息披露這一現(xiàn)代趨勢。Andrew（1999）認為VaR在用于信息披露的過程中以簡單明了的數(shù)字而非技術的形式向投資者、存款人、貸款人及交易雙方傳達了一家公司存在的各種各樣的金融風險，同時使信息對稱化，使原本在信息中占有優(yōu)勢的一方不能隱瞞其風險從而停止采取使其自身獲益而可能對在信息中占有劣勢的群體蒙受巨大損失的交易行為。

綜上所述，國內(nèi)外學者的研究均表明結構化產(chǎn)品由于設計復雜、信息不透明、定價存在偏差等問題導致其隱含風險較高，投資者很難對其風險做出正確評估。而VaR方法不僅能有效解決投資風險測度問題，還能在很大程度上解決信息不對稱問題，提高信息披露程度。然而在現(xiàn)有研究中，關于將VaR方法應用于結構化產(chǎn)品投資風險評估的文獻還有待進一步補充和豐富。

三、VaR理論概述

1、VaR的定義

VaR（Value at Risk）又稱風險價值法，其含義是指在市場正常波動下，某一資產(chǎn)或資產(chǎn)組合在給定的持有期內(nèi)和給定的置信水平下可能遭受的最大損失。其數(shù)學表達式為：

其中Δpt為資產(chǎn)在持有期t內(nèi)的損失，VaR表示在置信水平C下處于風險中的價值。VaR計算涉及的兩個主要參數(shù)包括持有期和置信水平。

2、VaR計算方法

常用的VaR計算方法有三種：

（1）方差-協(xié)方差法

方差-協(xié)方差法的基本假設是風險因子收益的變化服從正態(tài)分布，然后通過歷史數(shù)據(jù)分析和估計該風險因子收益分布的參數(shù)值。該方法下VaR的計算可表示為：

其中，vo表示資產(chǎn)或資產(chǎn)組合的初始值，zc表示標準正態(tài)分布下對應于置信度C的分位數(shù)，σ表示資產(chǎn)或資產(chǎn)組合收益的標準差，Δt表示資產(chǎn)或資產(chǎn)組合的持有期。

（2）歷史模擬法

歷史模擬法采用的是全值估計方法，通過歷史數(shù)據(jù)刻畫各項風險因子在過去某一時間內(nèi)的變化情況，并將其直接作為風險因子未來變化的模擬情況，進而模擬出資產(chǎn)組合未來收益的可能分布。在該方法中，VaR是通過組合損益分布在給定置信度下對應的分位數(shù)而計算出來的。

（3）蒙特卡羅模擬法

蒙特卡羅模擬同樣屬于全值估計方法，可以處理非線性、大幅波動、模型風險、極端情景以及“肥尾”等問題;它利用計算機生成隨機數(shù)據(jù)（而非實際抽樣數(shù)據(jù)）對風險因子的未來變化路徑進行模擬，由于計算機可以無限次地生成隨機數(shù)據(jù)以反復進行這一模擬，從而最大限度地獲得風險因子的可能取值，更加準確地描繪資產(chǎn)組合的未來損益分布，進而計算得出VaR。蒙特卡羅模擬法的這一優(yōu)勢及其他特性，使其成為目前計算VaR值最為有效的方法。

四、實證分析

1、產(chǎn)品說明

本文選取招商銀行“焦點聯(lián)動”之中證500指數(shù)表現(xiàn)聯(lián)動理財產(chǎn)品（118019），該產(chǎn)品的基本信息如表1所示：

2、VaR計算式及參數(shù)設定

本文對招商銀行“焦點聯(lián)動”之中證500指數(shù)表現(xiàn)聯(lián)動理財產(chǎn)品的VaR計算式定義為：

該定義式說明，對于給定的特定投資情景下，如果當預期收益大于實際收益，則VaR值為負，故存在投資風險;如果當預期收益小于實際收益，則VaR值為正，故不存在投資風險。

計算VaR時所涉及的相關參數(shù)設定如表2所示：

3、產(chǎn)品VaR值計算

（1）期望收益率

本文選取2010年1月4日至2017年12月4日期間中證指數(shù)有限公司公布的中證500指數(shù)（000905）日收盤價，總計1925個樣本數(shù)據(jù)來進行蒙特卡羅模擬（數(shù)據(jù)來源于Wind數(shù)據(jù)庫）。首先，通過@risk軟件進行數(shù)據(jù)分布匹配，圖4-1顯示中證500指數(shù)日收盤價最佳匹配結果為RiskGamma分布，故本文將使用該分布對4個觸發(fā)觀察日當天中證500指數(shù)（000905）收盤價進行蒙特卡羅模擬，模擬次數(shù)均為1000次，根據(jù)表4-4中數(shù)據(jù)可計算出理財產(chǎn)品的期望收益率為：E（R）≈4.46%。

（2）不同情景下的VaR值

假設投資者用50萬元購買該類產(chǎn)品，不同情景下的VaR值可根據(jù)（1）式計算得出，計算結果如表4所示：

五、結論

本文運用VaR蒙特卡羅模擬法對招商銀行發(fā)行的掛鉤中證500指數(shù)結構化產(chǎn)品進行實證分析發(fā)現(xiàn)，若在4個觸發(fā)觀察日中的任意一個觀察日發(fā)生觸發(fā)事件，則VaR值為負，即該結構化產(chǎn)品對于投資者而言不存在投資風險，同時可以帶來較為可觀的投資收益，然而發(fā)生觸發(fā)事件并獲得8.24%收益率的置信水平最大不超過18.3%。當置信水平達到61.9%以上時，投資者將處于情景五，只能獲得0.00%的收益率且VaR值為正，故存在投資風險。如果投資者在對自身風險承受能力未進行充分了解的情況下，只根據(jù)產(chǎn)品風險揭示書上標注的風險等級及條件預期收益率來選擇此類結構化產(chǎn)品，將會面臨較大的投資風險，這與其實際風險承受能力可能并不匹配。因此，投資者必須提高風險意識，選取與自身風險承受能力相匹配的產(chǎn)品，以免遭受損失。此外，商業(yè)銀行應當嘗試將VaR模型引入理財業(yè)務風險管理體系，主動揭示產(chǎn)品的交易結構、風險構成、估值方法等關鍵信息，以科學、簡潔、直觀的方式向投資者闡明產(chǎn)品的風險大小;同時還需完善和細化客戶風險承受評級體系并嚴格執(zhí)行，從而使得金融創(chuàng)新真正發(fā)揮其融資理財作用。

【參考文獻】

[1] Dos S R， Statman M. Options and Structured Products in Behavioral Portfolios [J].Journal of Economic Dynamics and Control，2013.37（1）137～153.

[2] Grünbichler A， Wohlwend H. The valuation of structured products： Empirical finding for the Swiss market [J].Financial markets and portfolio management，2005.19（4）361～380.

[3] McCann C， Luo D. Are Stuctured Products Suitable for Retail Investors？[R].Securities Litigation and Consuliting Group.Inc. Reprrt， 2006.44～45.

[4] Henderson B J， Pearson N D. The dark side of financial innovation： A case study of the pricing of a retail financial product [J].Journal of Financial Economics，2010.100（2）227～247.

[5] Chen A H， Kensinger J W. An analysis of market-index certificates of deposit [J].Journal of Financial Services Research，1990.4（2）93～110.

[6] Chen K C， Sears R S. Pricing the SPIN [J].Financial Management， 1990.19.36～47.

[7] Baubonis C， Gastineau G， Purcell D. The bankers guide to equity-linked certificats of deposit [J].The Journal of Derivatives，1993.1（2）87～95.

[8] Katerina， Simons.Value at Risk-New Approaches to Risk Management [J].New England Economic Review，1996（9）23-45.

[9] Rockafellar R T， Uryasev S. Optimization of conditional Value-at-Risk [J].The Journal of Risk，2000.79-95.

[10] Lo， Andrew W.The Three Ps of Total Risk Management. Financial Analysts Journal [M].1999.55.13～26.

[11] 關彬.結構性金融產(chǎn)品收益風險分析及設計創(chuàng)新[J].濟南：山東社會科學，2010（2）99～102.

[12] 崔海蓉，何建敏，胡小平.結構化金融產(chǎn)品的最優(yōu)設計與定價——基于發(fā)行者與投資者視角[J].北京：中國管理科學，2010.18（4）8～13.

[13] 王增武，汪圣明.結構性金融產(chǎn)品的定價與投資決策研究：不確定性方法[J].北京：金融評論，2010.2（1）34～37.

[14] 顧婧，程翔，周勇.區(qū)間型股票掛鉤類結構性產(chǎn)品定價模型與偏差檢驗[J].長沙：系統(tǒng)工程，2017（6）18～25.

[15] 楊彩林，張琴玲.VaR模型在我國滬、深股市風險度量中的實證.武漢：統(tǒng)計與決策，2010（18）133～136.

[16] 劉輝，姚海祥，馬慶華.波動性變化下的VaR歷史模擬法實證研究[J].合肥：運籌與管理，2017.26（12）112～118.

【作者簡介】

李雪桐（1986.05—）女，漢族，陜西西安人，全球化與國際戰(zhàn)略專業(yè)碩士，銀行、金融與國際大宗交易專業(yè)碩士，歐亞學院金融學院講師，研究方向：金融風險管理與金融衍生品.