基于Copula的供應(yīng)鏈金融質(zhì)物組合價(jià)格風(fēng)險(xiǎn)測(cè)度研究

胡海青，陳 迪，張 丹,2，張 瑯

(1.西安理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，陜西 西安 710054； 2.西安交通大學(xué) 經(jīng)濟(jì)與金融學(xué)院，陜西 西安 710061)

0 引言

供應(yīng)鏈金融作為“物流與金融的創(chuàng)新服務(wù)模式”，為中小企業(yè)的融資提供了極大的便利。供應(yīng)鏈金融中的保兌倉(cāng)融資模式與存貨質(zhì)押融資模式是一種以原材料、半成品以及產(chǎn)成品等存貨作為質(zhì)押擔(dān)保物來(lái)降低和規(guī)避貸款風(fēng)險(xiǎn)的業(yè)務(wù)，質(zhì)物價(jià)格的變化會(huì)影響其在未來(lái)融資期限內(nèi)擔(dān)保能力的變化，特別是價(jià)格的極端波動(dòng)，因此準(zhǔn)確度量質(zhì)物的價(jià)格波動(dòng)風(fēng)險(xiǎn)是保障供應(yīng)鏈金融融資業(yè)務(wù)持續(xù)健康發(fā)展的前提。由于商業(yè)銀行在開(kāi)展供應(yīng)鏈金融業(yè)務(wù)時(shí)主要以單一質(zhì)物為主，因此國(guó)內(nèi)外的研究主要集中在單一質(zhì)物價(jià)格風(fēng)險(xiǎn)的測(cè)度，隨著供應(yīng)鏈金融業(yè)務(wù)的不斷發(fā)展與完善，商業(yè)銀行為了增加業(yè)務(wù)的吸引力與靈活性，開(kāi)始逐漸對(duì)多種質(zhì)物構(gòu)成的質(zhì)物組合進(jìn)行質(zhì)押，所以質(zhì)物的多樣性對(duì)商業(yè)銀行的價(jià)格風(fēng)險(xiǎn)管理提出了更高的要求，不同質(zhì)物間價(jià)格波動(dòng)的相關(guān)性對(duì)價(jià)格集成風(fēng)險(xiǎn)測(cè)度的影響也不可小覷。同時(shí)現(xiàn)有集成風(fēng)險(xiǎn)測(cè)度方法多以金融資產(chǎn)的線性相關(guān)關(guān)系為基礎(chǔ)，而存貨等質(zhì)物的收益率具有“尖峰厚尾”特征的事實(shí)表明其并不服從正態(tài)分布，并且多數(shù)質(zhì)物價(jià)格間存在非線性相關(guān)關(guān)系，因此需要引入一種新的理論方法來(lái)刻畫質(zhì)物間的非線性相關(guān)性。此外，與股票、債券等金融資產(chǎn)相比，存貨等質(zhì)物的流動(dòng)性較弱，從風(fēng)險(xiǎn)識(shí)別到風(fēng)險(xiǎn)處理期間的期限較長(zhǎng)，因此對(duì)供應(yīng)鏈金融質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)決策在于長(zhǎng)期價(jià)格風(fēng)險(xiǎn)預(yù)測(cè)?；谝陨戏治觯绾卧谫|(zhì)物多樣化與市場(chǎng)復(fù)雜化的背景下，考慮不同質(zhì)物價(jià)格波動(dòng)之間的非線性相關(guān)性、極端性以及長(zhǎng)期性，對(duì)商業(yè)銀行供應(yīng)鏈金融質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)進(jìn)行風(fēng)險(xiǎn)集成測(cè)度值得深入研究。

基于此背景，本文從商業(yè)銀行的角度出發(fā)，在考慮質(zhì)物組合間價(jià)格波動(dòng)的非線性相關(guān)性，兼顧極端事件發(fā)生的基礎(chǔ)上，引入Copula函數(shù)和CVaR模型，構(gòu)建質(zhì)物組合長(zhǎng)期價(jià)格風(fēng)險(xiǎn)度量模型，量化分析供應(yīng)鏈金融質(zhì)物組合的長(zhǎng)期價(jià)格集成風(fēng)險(xiǎn)。該研究為學(xué)者們研究供應(yīng)鏈金融質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)提供了新思路，同時(shí)豐富并完善了供應(yīng)鏈金融管理與風(fēng)險(xiǎn)管理等相關(guān)理論體系。

1 文獻(xiàn)回顧

由于質(zhì)物的價(jià)格風(fēng)險(xiǎn)主要存在于供應(yīng)鏈金融中的保兌倉(cāng)融資和存貨質(zhì)押融資業(yè)務(wù)中，因此本文主要從這兩個(gè)業(yè)務(wù)入手，對(duì)供應(yīng)鏈金融價(jià)格風(fēng)險(xiǎn)相關(guān)文獻(xiàn)進(jìn)行回顧與梳理。關(guān)于供應(yīng)鏈金融價(jià)格風(fēng)險(xiǎn)防范與控制，現(xiàn)有文獻(xiàn)基于定性研究和定量研究?jī)煞矫嬲J(rèn)為可以通過(guò)風(fēng)險(xiǎn)控制直接工具(利率和質(zhì)押率)、契約設(shè)計(jì)機(jī)制和產(chǎn)品定價(jià)等方式來(lái)實(shí)現(xiàn)。國(guó)外的Cossin和Hricko[1]等學(xué)者在企業(yè)信用風(fēng)險(xiǎn)與質(zhì)物價(jià)格波動(dòng)存在相關(guān)性的基礎(chǔ)上，定量研究了具有價(jià)格風(fēng)險(xiǎn)的質(zhì)物的定價(jià)問(wèn)題。Buzacott和Zhang[2]最早提出可以將企業(yè)的庫(kù)存量與存貨質(zhì)押融資業(yè)務(wù)模式下的貸款額度結(jié)合起來(lái)，以此對(duì)商業(yè)銀行的風(fēng)險(xiǎn)進(jìn)行有效管理。彎地紅[3]以應(yīng)收賬款融資模式為例，認(rèn)為現(xiàn)有的供應(yīng)鏈金融風(fēng)險(xiǎn)規(guī)避機(jī)制不夠完善，應(yīng)在商業(yè)銀行與大型核心企業(yè)之間建立一種新的合作關(guān)系。李毅學(xué)[4]在考慮我國(guó)金融創(chuàng)新下存貨質(zhì)押融資業(yè)務(wù)的環(huán)境和特征后，設(shè)計(jì)了相應(yīng)的業(yè)務(wù)合約條款、關(guān)鍵風(fēng)險(xiǎn)點(diǎn)及其控制指標(biāo)。同時(shí)多數(shù)學(xué)者將對(duì)價(jià)格風(fēng)險(xiǎn)的探討包含在質(zhì)押率問(wèn)題的研究中，李毅學(xué)等[5]運(yùn)用風(fēng)險(xiǎn)評(píng)估模型的“主體+債”評(píng)估策略，對(duì)有關(guān)價(jià)格隨機(jī)波動(dòng)的存貨價(jià)格問(wèn)題進(jìn)行了研究。黃云飛等[6]以鋼材為研究對(duì)象，采用歷史模擬法研究了鋼材存貨質(zhì)押業(yè)務(wù)中的質(zhì)押率問(wèn)題。

在上述研究中，學(xué)者們從不同角度探討了如何規(guī)避供應(yīng)鏈金融業(yè)務(wù)的價(jià)格風(fēng)險(xiǎn)，然而卻未直接對(duì)價(jià)格風(fēng)險(xiǎn)展開(kāi)定量測(cè)度。精確測(cè)度質(zhì)物價(jià)格風(fēng)險(xiǎn)是有效地控制和防范供應(yīng)鏈金融價(jià)格風(fēng)險(xiǎn)的前提，鑒于此，國(guó)內(nèi)外學(xué)者對(duì)質(zhì)物價(jià)格風(fēng)險(xiǎn)測(cè)度進(jìn)行了相關(guān)研究。如國(guó)外學(xué)者He等[7]以鋼材為例，應(yīng)用VaR方法研究了質(zhì)物鋼材的價(jià)格風(fēng)險(xiǎn)。胡啟帆[8]采用歷史模擬法對(duì)現(xiàn)貨銅的價(jià)格風(fēng)險(xiǎn)價(jià)值VaR進(jìn)行了測(cè)度。何娟和蔣祥林等[9]構(gòu)建了VaR-GARCH模型對(duì)質(zhì)物鋼材的價(jià)格風(fēng)險(xiǎn)進(jìn)行了測(cè)度，并認(rèn)為該方法比歷史模擬法精確度更高。唐少麟等[10]、孫元花[11]分別將VaR理論應(yīng)用到倉(cāng)單質(zhì)押風(fēng)險(xiǎn)與質(zhì)物鋁價(jià)格風(fēng)險(xiǎn)測(cè)度的研究中，為商業(yè)銀行開(kāi)展相關(guān)質(zhì)押業(yè)務(wù)提供了科學(xué)依據(jù)。不難看出，上述學(xué)者主要選擇VaR來(lái)度量供應(yīng)鏈金融存貨質(zhì)押融資業(yè)務(wù)的價(jià)格風(fēng)險(xiǎn)，盡管VaR已經(jīng)成為測(cè)度金融市場(chǎng)風(fēng)險(xiǎn)的主流方法，但是還存在很多不足。對(duì)VaR的爭(zhēng)議主要集中在VaR不能充分地預(yù)測(cè)極端情況，如McKay和Keefer曾研究得出VaR并不能反映類似“美國(guó)1987年股災(zāi)”這樣的金融市場(chǎng)極端情況。據(jù)此，學(xué)術(shù)界提出了用CVaR測(cè)度風(fēng)險(xiǎn)，Rockafellar和Uryasev[12]率先提出了CVaR的概念，認(rèn)為CVaR是在一定持有期內(nèi)，風(fēng)險(xiǎn)值超過(guò)給定置信水平下的VaR的平均損失。王娜等[13]在采用VaR和CVaR方法測(cè)度我國(guó)開(kāi)放式基金績(jī)效時(shí)，通過(guò)返回性測(cè)試發(fā)現(xiàn)基于CVaR方法更能夠提高風(fēng)險(xiǎn)測(cè)度的精確度。隨著學(xué)者們研究的深入，少數(shù)學(xué)者開(kāi)始將CVaR應(yīng)用于供應(yīng)鏈、供應(yīng)鏈金融領(lǐng)域中，李夏[14]構(gòu)建基于CVaR的供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估模型，對(duì)供應(yīng)鏈綜合風(fēng)險(xiǎn)進(jìn)行了評(píng)估。何娟、王建和蔣祥林[15]將CVaR方法應(yīng)用到質(zhì)物價(jià)格風(fēng)險(xiǎn)中，為研究供應(yīng)鏈金融質(zhì)物風(fēng)險(xiǎn)開(kāi)辟了新思路。

關(guān)于供應(yīng)鏈金融質(zhì)物類型的研究，現(xiàn)有文獻(xiàn)主要以單一質(zhì)物為主，而商業(yè)銀行在開(kāi)展供應(yīng)鏈金融業(yè)務(wù)時(shí)，會(huì)面臨選擇由多種質(zhì)物構(gòu)成的質(zhì)物組合，因此商業(yè)銀行更應(yīng)該關(guān)注質(zhì)物組合的整體風(fēng)險(xiǎn)，而不是單一質(zhì)物的風(fēng)險(xiǎn)。如果將單一質(zhì)物的價(jià)格波動(dòng)作為一個(gè)風(fēng)險(xiǎn)驅(qū)動(dòng)因子，那么質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)將是所有單一質(zhì)物風(fēng)險(xiǎn)驅(qū)動(dòng)因子的共同作用，并且這些單一風(fēng)險(xiǎn)因子并不孤立，存在一定的相關(guān)性。因此可將金融資產(chǎn)的集成風(fēng)險(xiǎn)引入到供應(yīng)鏈金融質(zhì)物組合的風(fēng)險(xiǎn)測(cè)度中?？傮w來(lái)看目前對(duì)于集成風(fēng)險(xiǎn)的研究還處于起步階段，傳統(tǒng)的集成風(fēng)險(xiǎn)測(cè)度方法認(rèn)為風(fēng)險(xiǎn)因子之間存在線性相關(guān)的關(guān)系，集成風(fēng)險(xiǎn)的大小就是單一風(fēng)險(xiǎn)的簡(jiǎn)單加總。Rachev et al.[16]曾系統(tǒng)地闡述了用線性相關(guān)系數(shù)來(lái)確定金融資產(chǎn)之間相依性所存在的缺陷。大量研究表明單個(gè)金融資產(chǎn)收益率分布具有“尖峰厚尾”的特征，并不服從正態(tài)分布。顯然傳統(tǒng)的集成風(fēng)險(xiǎn)測(cè)度方法違背了非線性相關(guān)的事實(shí)，從而高估或低估整體風(fēng)險(xiǎn)，導(dǎo)致風(fēng)險(xiǎn)資本的不合理分配。而Copula方法與理論可以較好地度量風(fēng)險(xiǎn)因子之間的非線性、非對(duì)稱性的相關(guān)關(guān)系，因此基于Copula函數(shù)的風(fēng)險(xiǎn)度量模型得到了國(guó)內(nèi)外學(xué)者的高度關(guān)注。國(guó)外學(xué)者Dias et al.[17]利用Copula模型研究了不同類型匯率間的相依關(guān)系，研究結(jié)果表明Copula模型在刻畫匯率間相關(guān)關(guān)系時(shí)要優(yōu)于其他模型。Rosenberg和Schuermann[18]運(yùn)用Copula函數(shù)對(duì)17家跨國(guó)商業(yè)銀行和從事證券經(jīng)營(yíng)的金融機(jī)構(gòu)的三種風(fēng)險(xiǎn)進(jìn)行集成測(cè)度，并與各類風(fēng)險(xiǎn)簡(jiǎn)單相加后的結(jié)果進(jìn)行對(duì)比，結(jié)果表明后者會(huì)高估總體風(fēng)險(xiǎn)。劉祥東[19]、姚德權(quán)和王文進(jìn)[20]通過(guò)Copula連接集成模型構(gòu)建了商業(yè)銀行風(fēng)險(xiǎn)集成管理框架。周孝華等[21]、陳堅(jiān)[22]、茍紅軍等[23]將Copula模型應(yīng)用到投資組合的風(fēng)險(xiǎn)研究中。近年來(lái)，學(xué)者們又將Copula函數(shù)引入到能源、供應(yīng)鏈金融等新興領(lǐng)域中，趙魯濤和李婷[24]構(gòu)建Copula-VaR模型對(duì)能源產(chǎn)業(yè)的投資組合價(jià)格風(fēng)險(xiǎn)進(jìn)行測(cè)度研究，何娟和王建[25]將Copula函數(shù)應(yīng)用到存貨質(zhì)押融資業(yè)務(wù)的價(jià)格風(fēng)險(xiǎn)測(cè)度中，之后何娟、王建和蔣祥林[15]通過(guò)Copula函數(shù)模型為商業(yè)銀行提供了一種質(zhì)物組合風(fēng)險(xiǎn)管理的新模式。

通過(guò)對(duì)現(xiàn)有相關(guān)文獻(xiàn)的整理，不難發(fā)現(xiàn)，現(xiàn)有研究存在以下不足：第一，針對(duì)質(zhì)物價(jià)格風(fēng)險(xiǎn)的極端情況考慮不足，然而供應(yīng)鏈金融質(zhì)物組合中的金屬、能源類的質(zhì)物價(jià)格與金融資產(chǎn)類似，具有尖峰厚尾等特征，其價(jià)格波動(dòng)的極端情況才更是商業(yè)銀行在開(kāi)展供應(yīng)鏈金融業(yè)務(wù)重點(diǎn)關(guān)注的對(duì)象。第二，現(xiàn)有研究考慮到供應(yīng)鏈金融質(zhì)物組合長(zhǎng)期價(jià)格風(fēng)險(xiǎn)的較少，與金融資產(chǎn)相比，存貨等質(zhì)物的流動(dòng)性較弱，從發(fā)現(xiàn)風(fēng)險(xiǎn)到風(fēng)險(xiǎn)處理之間的清算期較長(zhǎng)，并且質(zhì)物存在一定的質(zhì)押期限，這些都表明商業(yè)銀行對(duì)質(zhì)物價(jià)格風(fēng)險(xiǎn)控制的核心在于預(yù)測(cè)質(zhì)物的長(zhǎng)期價(jià)格波動(dòng)風(fēng)險(xiǎn)。第三，質(zhì)物選取存在單一性，對(duì)單一質(zhì)物價(jià)格風(fēng)險(xiǎn)研究較多，而對(duì)質(zhì)物組合價(jià)格風(fēng)險(xiǎn)研究較少。

本文在現(xiàn)有研究基礎(chǔ)上提出構(gòu)建Copula-CVaR模型來(lái)測(cè)度供應(yīng)鏈金融二元質(zhì)物組合的長(zhǎng)期價(jià)格風(fēng)險(xiǎn)，將CVaR與VaR測(cè)度結(jié)果進(jìn)行對(duì)比，比較分析短期價(jià)格風(fēng)險(xiǎn)與長(zhǎng)期價(jià)格風(fēng)險(xiǎn)，將Copula模型與傳統(tǒng)風(fēng)險(xiǎn)測(cè)度方法下的風(fēng)險(xiǎn)值進(jìn)行對(duì)比，以期能夠保守謹(jǐn)慎合理地評(píng)估質(zhì)物組合價(jià)格風(fēng)險(xiǎn)大小，對(duì)商業(yè)銀行開(kāi)展供應(yīng)鏈金融業(yè)務(wù)的價(jià)格風(fēng)險(xiǎn)防范提供量化支持。

2 模型構(gòu)建

本文構(gòu)建Copula-CVaR的風(fēng)險(xiǎn)度量模型，對(duì)供應(yīng)鏈金融質(zhì)物組合的價(jià)格波動(dòng)進(jìn)行測(cè)度。首先估計(jì)出各個(gè)單一質(zhì)物的邊際分布，再結(jié)合最優(yōu)Copula函數(shù)估計(jì)出供應(yīng)鏈金融質(zhì)物組合的聯(lián)合分布，在此基礎(chǔ)上運(yùn)用蒙特卡洛模擬法計(jì)算短期價(jià)格風(fēng)險(xiǎn)VaR和CVaR，進(jìn)而引入時(shí)間平方根法則測(cè)度質(zhì)物組合的長(zhǎng)期價(jià)格風(fēng)險(xiǎn)VaR和CVaR，為商業(yè)銀行的供應(yīng)鏈金融業(yè)務(wù)風(fēng)險(xiǎn)管理活動(dòng)提供一定的決策依據(jù)。

2.1 單一質(zhì)物邊際分布的確定

在求出質(zhì)物組合的聯(lián)合分布之前需要擬合出單一質(zhì)物收益率的邊緣分布，目前確定隨機(jī)變量的分布主要有參數(shù)估計(jì)法和非參數(shù)估計(jì)法。其中參數(shù)估計(jì)法是首先假定隨機(jī)變量服從某種分布形式，如泊松分布，t分布，正態(tài)分布等，然后利用樣本數(shù)據(jù)估計(jì)假定分布中的參數(shù)，最后檢驗(yàn)其是否接受假定的分布形式。而非參數(shù)估計(jì)法事先不假定樣本服從某種分布，而是基于經(jīng)驗(yàn)分布或者核密度估計(jì)，根據(jù)樣本數(shù)據(jù)將經(jīng)驗(yàn)分布函數(shù)或核密度估計(jì)的分布近似為隨機(jī)變量所服從的分布。由于質(zhì)物價(jià)格波動(dòng)類似于金融變量收益率的波動(dòng)，往往呈現(xiàn)出“尖峰厚尾”特征，很難在常見(jiàn)的含有參數(shù)分布找到合適的分布來(lái)估計(jì)，因此本文選擇利用核密度來(lái)估計(jì)三種單一質(zhì)物的邊際分布。

2.2 質(zhì)物組合聯(lián)合分布的確定

供應(yīng)鏈金融質(zhì)物組合的價(jià)格波動(dòng)受多方面因素的影響，除了組合中單一質(zhì)物價(jià)格波動(dòng)的影響外，質(zhì)物間價(jià)格波動(dòng)的相關(guān)關(guān)系也是影響質(zhì)物組合整體價(jià)格風(fēng)險(xiǎn)的另一重要因素。本文選用Copula函數(shù)來(lái)刻畫質(zhì)物間的相依關(guān)系。在計(jì)算出Copula函數(shù)的參數(shù)前需要利用K-S檢驗(yàn)法判斷單一質(zhì)物的邊緣分布是否服從[0,1]均勻分布。在金融相關(guān)性分析中常用的Copula函數(shù)主要有兩大類：橢圓Copula族和阿基米德Copula族。其中橢圓Copula族主要包括正態(tài)Copula和t-Copula，阿基米德Copula族主要包含Clayton Copula、Frank Copula和Gumbel Copula等。二元正態(tài)Copula函數(shù)的分布函數(shù)表達(dá)式為：

C(u1,u2;ρ)=Φρ(Φ-1(u1),Φ-1(u2))

(1)

其中，u1,u2是兩個(gè)金融變量，ρ是對(duì)角線元素為1的對(duì)稱的正定矩陣，Φρ(·,·,·)是相關(guān)系數(shù)矩陣為ρ的標(biāo)準(zhǔn)二元正態(tài)分布函數(shù)，Φ-1(·)是標(biāo)準(zhǔn)二元正態(tài)Copula分布函數(shù)的逆函數(shù)。

二元t-Copula函數(shù)的分布函數(shù)表達(dá)式為：C(u1,u2;ρ,v)

(2)

二元Clayton Copula函數(shù)的分布函數(shù)表達(dá)式為：

(3)

其中u1,u2是兩個(gè)金融變量，θ是相關(guān)參數(shù)，當(dāng)θ趨于0時(shí)，變量u1,u2趨于獨(dú)立，當(dāng)θ趨于∞時(shí)，變量u1,u2趨于完全相關(guān)。

二元Frank Copula函數(shù)的分布函數(shù)表達(dá)式為：

(4)

其中u1,u2是兩個(gè)金融變量，λ是相關(guān)參數(shù)，當(dāng)λ趨于0時(shí)，變量u1,u2趨于獨(dú)立，當(dāng)λ>0時(shí)，變量u1,u2正相關(guān)，當(dāng)λ<0時(shí)，變量u1,u2負(fù)相關(guān)。

二元Gumbel Copula函數(shù)的分布函數(shù)表達(dá)式為：

C(u1,u2;α)=exp{-[(-lnu1)1/α+(-lnu2)1/α]α},α∈(0,1]

(5)

其中u1,u2是兩個(gè)金融變量，α是相關(guān)參數(shù)，當(dāng)α=1時(shí)，變量u1,u2相互獨(dú)立，當(dāng)α趨于0時(shí)，變量u1,u2趨于完全相關(guān)。

(1)Copula參數(shù)的選擇

Copula函數(shù)參數(shù)估計(jì)的方法主要包括參數(shù)法估計(jì)和非參數(shù)法估計(jì)。參數(shù)法中又包含了最大似然估計(jì)法(MLE)和兩階段估計(jì)法(IFE)，由于參數(shù)法在估計(jì)參數(shù)前需要對(duì)單一資產(chǎn)的邊際分布進(jìn)行假定，其估計(jì)效果主要依賴于變量的邊緣分布函數(shù)的擬合效果，穩(wěn)定性較差。因此本文使用非參數(shù)法中的核密度估計(jì)法來(lái)估計(jì)Copula參數(shù)，該方法不需要對(duì)邊緣分布進(jìn)行先驗(yàn)參數(shù)假定，Copula函數(shù)參數(shù)估計(jì)的精度較高。

(2)最優(yōu)Copula函數(shù)選擇

(6)

2.3 基于蒙特卡洛模擬的供應(yīng)鏈金融質(zhì)物價(jià)格風(fēng)險(xiǎn)的度量

(1) 短期動(dòng)態(tài)價(jià)格風(fēng)險(xiǎn)測(cè)度

為了避免多期預(yù)測(cè)帶來(lái)的不精確性，我們采用滾動(dòng)時(shí)間窗的風(fēng)險(xiǎn)預(yù)測(cè)方法測(cè)度短期動(dòng)態(tài)價(jià)格風(fēng)險(xiǎn)，即首先利用樣本數(shù)據(jù)(t=1,2,…,1455)，預(yù)測(cè)第1456個(gè)交易日的風(fēng)險(xiǎn)值，隨后保持樣本量不變(T=1455)，將樣本向后平移1個(gè)交易日，進(jìn)而計(jì)算出短期動(dòng)態(tài)價(jià)格風(fēng)險(xiǎn)值。

假設(shè)兩種質(zhì)物的收益率分別為X1和X2，其邊際分布分別用F(x1)和F(x2)表示。

首先，確定所要計(jì)算的價(jià)格風(fēng)險(xiǎn)VaR和CVaR的置信水平，本文選取90%、95%和99%。

其次，產(chǎn)生隨機(jī)數(shù)。根據(jù)選擇出的描述兩種質(zhì)物收益率相關(guān)結(jié)構(gòu)的最優(yōu)Copula函數(shù)以及Copula相關(guān)參數(shù)，通過(guò)蒙特卡洛模擬產(chǎn)生服從[0,1]均勻分布的二維隨機(jī)樣本u1和u2。

然后，模擬收益率。通過(guò)各邊際分布函數(shù)F(x1)和F(x2)，經(jīng)過(guò)逆概率變化得到相應(yīng)的收益率x1=F(U1)和x2=F(u2)。

接著，多次模擬，逐漸逼真。重復(fù)上述過(guò)程3000次，模擬得到各樣本質(zhì)物第1456個(gè)交易日價(jià)格風(fēng)險(xiǎn)價(jià)值的3000種可能情景值，由此可得到價(jià)格收益率的經(jīng)驗(yàn)分布。

最后，計(jì)算VaR和CVaR。將模擬得到的3000個(gè)收益率按照從小到大的順序進(jìn)行排序，排序后的收益率序列中下方α分位數(shù)，也就是第3000×(1-α)個(gè)模擬值為該置信水平下的質(zhì)物組合風(fēng)險(xiǎn)值VaR。本文按照CVaR的定義，用大于VaR的全部值的平均值來(lái)估算價(jià)格風(fēng)險(xiǎn)CVaR值。

為了將傳統(tǒng)方法測(cè)度的質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)與基于Copula函數(shù)測(cè)度的風(fēng)險(xiǎn)進(jìn)行對(duì)比，本文利用蒙特卡洛模擬法測(cè)度了單一質(zhì)物的短期動(dòng)態(tài)價(jià)格風(fēng)險(xiǎn)值。與上述步驟類似，不同的是在第二步產(chǎn)生隨機(jī)數(shù)過(guò)程中，是利用Matlab生成服從[0,1]均勻分布的隨機(jī)數(shù)u，通過(guò)邊際分布函數(shù)F(x)，經(jīng)過(guò)逆概率變換x=F-1(u)，得到樣本質(zhì)物收益率。

(2) 長(zhǎng)期價(jià)格風(fēng)險(xiǎn)測(cè)度模型

在供應(yīng)鏈金融業(yè)務(wù)中，存貨等質(zhì)物具有流動(dòng)性較弱、清算期較長(zhǎng)、存在質(zhì)押期限等特征，這無(wú)疑會(huì)使質(zhì)物價(jià)格風(fēng)險(xiǎn)的持有期加長(zhǎng)，因此有必要對(duì)供應(yīng)鏈金融質(zhì)物價(jià)格的長(zhǎng)期風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。本文借鑒我國(guó)學(xué)者何娟等[15]的研究，采用時(shí)間平方根法則來(lái)預(yù)測(cè)供應(yīng)鏈金融質(zhì)物組合的長(zhǎng)期價(jià)格風(fēng)險(xiǎn)，同時(shí)采用單日VaR的均值來(lái)代替單日VaR值，以此來(lái)解決單日風(fēng)險(xiǎn)預(yù)測(cè)的高估或低估。在具體的實(shí)踐中，質(zhì)押期往往不會(huì)超過(guò)1年，據(jù)此本文分別選擇1天、2周、1個(gè)月、3個(gè)月、6個(gè)月、9個(gè)月以及12個(gè)月共7個(gè)風(fēng)險(xiǎn)窗口作為長(zhǎng)期價(jià)格風(fēng)險(xiǎn)窗口期。

在計(jì)算出255個(gè)滾動(dòng)的短期動(dòng)態(tài)價(jià)格風(fēng)險(xiǎn)VaR和CVaR后，我們借助時(shí)間平方根法則計(jì)算質(zhì)物的長(zhǎng)期價(jià)格風(fēng)險(xiǎn)。長(zhǎng)期風(fēng)險(xiǎn)預(yù)測(cè)的具體解析式(以VaR為例，CVaR的計(jì)算與VaR類似)如下：

(7)

關(guān)于傳統(tǒng)測(cè)度長(zhǎng)期價(jià)格風(fēng)險(xiǎn)的方法(無(wú)風(fēng)險(xiǎn)分散)即為組合內(nèi)各質(zhì)物價(jià)格風(fēng)險(xiǎn)的VaR值的簡(jiǎn)單加權(quán)平均。二元質(zhì)物組合長(zhǎng)期價(jià)格風(fēng)險(xiǎn)的計(jì)算如下:

VaR(T)=ω1VaR1(T)+ω2VaR2(T)

(8)

其中ω1、ω2分別為單一質(zhì)物的權(quán)重，本文進(jìn)行加權(quán)平均，均為1/2。

為了更好地把握模型的可靠性，本文采用Kupiec提出的基于失敗頻率的返回檢驗(yàn)法對(duì)各種模型下的供應(yīng)鏈金融質(zhì)物組合價(jià)格風(fēng)險(xiǎn)值的有效性進(jìn)行檢驗(yàn)。本文選擇檢驗(yàn)天數(shù)為255個(gè)交易日，即以樣本內(nèi)的第1個(gè)交易日至第1455個(gè)交易日的日對(duì)數(shù)收益率數(shù)據(jù)為時(shí)間窗口，通過(guò)每次移動(dòng)一個(gè)時(shí)間窗口預(yù)測(cè)第1456至1710個(gè)交易日的短期動(dòng)態(tài)風(fēng)險(xiǎn)值。

2Ln[(1-P*)T-N(P*)N]～χ2(1)

(9)

3 實(shí)證分析

3.1 樣本選取與統(tǒng)計(jì)性特征分析

在供應(yīng)鏈金融業(yè)務(wù)的具體實(shí)踐操作中，一般會(huì)選擇物權(quán)清晰，性質(zhì)穩(wěn)定，易于倉(cāng)管、運(yùn)輸與結(jié)算，流動(dòng)性強(qiáng)、以及市場(chǎng)前景良好且價(jià)格公開(kāi)透明的產(chǎn)品作為質(zhì)押物。基于以上原則，本文擬選取長(zhǎng)江有色市場(chǎng)1#白銀、A00鋁、1#銅三種質(zhì)物作為樣本質(zhì)物。本文選擇三種質(zhì)物的日現(xiàn)貨交易均價(jià)作為樣本數(shù)據(jù)，數(shù)據(jù)均源自萬(wàn)德數(shù)據(jù)庫(kù)。本文選擇2010年1月1日至2017年1月18日期間交易日的數(shù)據(jù)作為樣本數(shù)據(jù)，鑒于個(gè)別數(shù)據(jù)缺失和各樣本的數(shù)據(jù)區(qū)間保持一致，在此只對(duì)三種樣本質(zhì)物均存在交易情況下進(jìn)行統(tǒng)計(jì)，并未做任何插值處理，樣本區(qū)間共1710組數(shù)據(jù)，其中選擇2010年1月1日至2015年12月31日區(qū)間的日交易價(jià)格數(shù)據(jù)用于估計(jì)模型參數(shù)，共1455組數(shù)據(jù)，2016年1月1日至2017年1月18日區(qū)間255組樣本數(shù)據(jù)用于評(píng)價(jià)模型效果。

為消除價(jià)格波動(dòng)對(duì)于價(jià)格水平的依賴關(guān)系，本文通過(guò)對(duì)三種質(zhì)物價(jià)格的原始數(shù)據(jù)進(jìn)行對(duì)數(shù)差分，以此獲得各質(zhì)物價(jià)格t時(shí)刻的對(duì)數(shù)日收益率數(shù)據(jù)：Rt=Ln(Pt)-Ln(Pt-1)，其中Pt為該質(zhì)物在t時(shí)刻的價(jià)格。白銀、鋁和銅的對(duì)數(shù)日收益率序列如圖1所示。

圖1可以看出三種質(zhì)物的收益率波動(dòng)表現(xiàn)出較為顯著的集聚效應(yīng)，具有一般金融資產(chǎn)收益率波動(dòng)的特征。同時(shí)下表列出了三種質(zhì)物對(duì)數(shù)收益率的描述性統(tǒng)計(jì)分析結(jié)果。

圖1 三種質(zhì)物日對(duì)數(shù)收益率變化趨勢(shì)圖

表1 單一質(zhì)物收益率統(tǒng)計(jì)性描述表

由表1可知，白銀、鋁和銅三種質(zhì)物的日對(duì)數(shù)收益率偏度值均小于0，表明三種質(zhì)物的收益率序列均為左偏分布，同時(shí)其峰度遠(yuǎn)大于標(biāo)準(zhǔn)正態(tài)分布的峰度，說(shuō)明該收益率序列是典型的高厚尾分布，具有顯著的“尖峰厚尾”特征。據(jù)此，可初步判斷三種質(zhì)物的對(duì)數(shù)收益率序列不服從正態(tài)分布。為了更清楚地了解三種質(zhì)物日對(duì)數(shù)收益率序列分布，本文采用K-S檢驗(yàn)和J-B檢驗(yàn)來(lái)判斷其是否服從正態(tài)分布，結(jié)果如表2所示。由下表可以看出三種質(zhì)物均拒絕了原假設(shè)，表明白銀、銅和鋁三種質(zhì)物的收益率序列均顯著不服從正態(tài)分布，進(jìn)一步說(shuō)明三種質(zhì)物對(duì)數(shù)收益率序列服從某種“高峰厚尾”分布。

表2 供應(yīng)鏈金融三種單一質(zhì)物收益率分布的正態(tài)性檢驗(yàn)結(jié)果

綜上所述，白銀、銅和鋁三種質(zhì)物的對(duì)數(shù)收益率序列均表現(xiàn)出顯著的非正態(tài)分布，具有“尖峰厚尾”特征，因此可采用金融市場(chǎng)風(fēng)險(xiǎn)測(cè)度方法，即建立Copula-CVaR模型來(lái)測(cè)度供應(yīng)鏈金融質(zhì)物組合的價(jià)格集成風(fēng)險(xiǎn)。

3.2 邊際分布的確定

上述分析可知，白銀、鋁和銅三種樣本質(zhì)物的日對(duì)數(shù)收益率服從某種尖峰厚尾分布，而常見(jiàn)分布中很難找到這種類型分布，因此本文選用非參法中的核密度估計(jì)法來(lái)對(duì)三種質(zhì)物的收益率邊際分布進(jìn)行估計(jì)。圖2中的灰色曲線分別是利用Gaussian核函數(shù)求出質(zhì)物白銀、鋁和銅的核密度曲線。從圖中結(jié)果可看出，核密度估計(jì)曲線較好地?cái)M合了三種質(zhì)物日對(duì)數(shù)收益率，也就是說(shuō)白銀、鋁和銅三種質(zhì)物的核密度估計(jì)能夠較好地?cái)M合其邊際分布。

圖2 供應(yīng)鏈金融三種單一質(zhì)物的頻率直方圖與核密度估計(jì)圖

為了進(jìn)一步確定三種質(zhì)物的邊際分布，本文調(diào)用Matlab中的ecdf函數(shù)求得樣本經(jīng)驗(yàn)分布函數(shù)，如下圖中的灰色曲線所示，圖中的黑色曲線是采用上一步的Gaussian核函數(shù)估計(jì)出的分布函數(shù)曲線。不難發(fā)現(xiàn)，三種質(zhì)物的經(jīng)驗(yàn)分布函數(shù)圖與核密度估計(jì)的分布函數(shù)圖幾乎是重合的，基于此，我們可認(rèn)為利用核密度擬合邊緣分布與利用經(jīng)驗(yàn)分布函數(shù)擬合邊緣分布的結(jié)果是一致的，即利用Gaussian核函數(shù)估計(jì)供應(yīng)鏈金融單一質(zhì)物的邊際分布是合理準(zhǔn)確的。

圖3 供應(yīng)鏈金融三種單一質(zhì)物的經(jīng)驗(yàn)分布函數(shù)圖與核分布估計(jì)函數(shù)圖

3.3 基于多元Copula的質(zhì)物組合聯(lián)合分布的確定

(1)三種質(zhì)物價(jià)格風(fēng)險(xiǎn)的邊際分布擬合檢驗(yàn)

表3中的K-S統(tǒng)計(jì)量及其概率值均表明，在1%的顯著性水平下供應(yīng)鏈金融三種單一質(zhì)物白銀、鋁和銅的邊際分布均服從(0,1)均勻分布，滿足利用Copula模型度量質(zhì)物組合中質(zhì)物價(jià)格間相關(guān)結(jié)構(gòu)的要求。以此為基礎(chǔ)，下文可以進(jìn)一步對(duì)Copula模型參數(shù)進(jìn)行估計(jì)并選取出最優(yōu)Copula模型，以此獲得質(zhì)物組合的聯(lián)合分布。

表3 供應(yīng)鏈金融三種單一質(zhì)物的邊際分布擬合K-S檢驗(yàn)

(2)Copula模型參數(shù)估計(jì)及最優(yōu)Copula模型選擇

五種Copula模型的參數(shù)估計(jì)結(jié)果如表4和表5所示。

表4 供應(yīng)鏈金融二元質(zhì)物組合正態(tài)Copula與t-Copula相關(guān)結(jié)構(gòu)參數(shù)表

表5 供應(yīng)鏈金融二元質(zhì)物組合阿基米德Copula函數(shù)參數(shù)估計(jì)值

根據(jù)前文模型構(gòu)建，在計(jì)算出五種Copula模型參數(shù)之后，本文通過(guò)計(jì)算二元質(zhì)物組合的理論Copula函數(shù)與經(jīng)驗(yàn)Copula函數(shù)之間的平方歐式距離來(lái)檢驗(yàn)擬合優(yōu)度，檢驗(yàn)結(jié)果如表6所示。

表6 供應(yīng)鏈金融二元質(zhì)物組合五種Copula模型平方歐式距離

從表6我們不難看出，在白銀和鋁、白銀和銅以及鋁和銅三組質(zhì)物組合中，t-Copula模型的平方歐式距離最小，分別為0.0278、0.0324、0.0273；而Clayton-Copula模型的平方歐式距離最大，分別達(dá)到0.1431、0.1739、0.3303。由此，我們可以認(rèn)為t-Copula模型是刻畫質(zhì)物組合中質(zhì)物間相依關(guān)系的最優(yōu)選擇，表明白銀和鋁、白銀和銅、鋁和銅三組質(zhì)物組合不僅具有對(duì)稱的尾部，而且尾部較厚。在選擇出最優(yōu)Copula函數(shù)后，結(jié)合單一質(zhì)物邊際分布，我們可以求出供應(yīng)鏈金融二元質(zhì)物組合的聯(lián)合分布。

3.4 基于蒙特卡洛模擬法的供應(yīng)鏈金融質(zhì)物價(jià)格風(fēng)險(xiǎn)VaR和CVaR測(cè)度

(1)單一樣本質(zhì)物價(jià)格風(fēng)險(xiǎn)VaR和CVaR測(cè)度

1)單一質(zhì)物短期動(dòng)態(tài)價(jià)格風(fēng)險(xiǎn)VaR和CVaR測(cè)度及失效率檢驗(yàn)

依據(jù)構(gòu)建的模型，本文采用滾動(dòng)時(shí)間窗口的風(fēng)險(xiǎn)預(yù)測(cè)方法，運(yùn)用蒙特卡洛模擬法來(lái)測(cè)度90%、95%和99%三種置信水平下白銀、鋁和銅三種質(zhì)物第1456個(gè)交易日至第1710個(gè)交易日的短期動(dòng)態(tài)價(jià)格風(fēng)險(xiǎn)值VaR和CVaR，共255個(gè)。由于篇幅原因，具體VaR和CVaR值在此不列出。之后需要運(yùn)用Kupiec的失敗頻率檢驗(yàn)法對(duì)各個(gè)模型的有效性進(jìn)行檢驗(yàn)。本文選擇考察天數(shù)為255個(gè)交易日，根據(jù)失敗頻率檢驗(yàn)原理，可計(jì)算出樣本數(shù)據(jù)為255時(shí)失敗頻率檢驗(yàn)接受原假設(shè)的區(qū)間和比例，如表7所示。

表7 失敗頻率檢驗(yàn)接受的區(qū)間和比例

依據(jù)表7和單一質(zhì)物短期動(dòng)態(tài)風(fēng)險(xiǎn)值，下表匯總出當(dāng)考察天數(shù)為255天時(shí)，供應(yīng)鏈金融三種單一質(zhì)物在不同置信水平下價(jià)格風(fēng)險(xiǎn)VaR和CVaR模型的失敗次數(shù)。

表8 T=255時(shí)供應(yīng)鏈金融單一質(zhì)物價(jià)格風(fēng)險(xiǎn)VaR和CVaR模型的失敗次數(shù)

基于表8結(jié)果，從風(fēng)險(xiǎn)測(cè)度模型的有效性來(lái)看，VaR和CVaR值通過(guò)失敗頻率檢驗(yàn)的天數(shù)均在失敗頻率檢驗(yàn)的接受區(qū)間內(nèi)，這說(shuō)明了VaR和CVaR均可衡量三種單一質(zhì)物的價(jià)格風(fēng)險(xiǎn)。但是具體而言，CVaR的失敗次數(shù)小于VaR的失敗次數(shù)，這主要是因?yàn)镃VaR模型考慮到極端事件的發(fā)生，因此質(zhì)物價(jià)格損失大于其CVaR值的概率較小，模型對(duì)極端事件發(fā)生預(yù)測(cè)成功的可能性就越大。基于此，從考慮極端價(jià)格波動(dòng)的角度出發(fā)，CVaR方法比VaR方法更可靠。

2)單一質(zhì)物長(zhǎng)期價(jià)格風(fēng)險(xiǎn)VaR和CVaR測(cè)度

根據(jù)短期價(jià)格風(fēng)險(xiǎn)測(cè)度結(jié)果，采用時(shí)間平方根法則對(duì)三種單一質(zhì)物的長(zhǎng)期價(jià)格風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，結(jié)果如表9所示。

表9 不同風(fēng)險(xiǎn)期限下三種單一質(zhì)物長(zhǎng)期價(jià)格風(fēng)險(xiǎn)值

表9我們可以得出以下結(jié)論：

第一，根據(jù)VaR和CVaR的定義，在接下來(lái)一天，白銀、鋁和銅的日對(duì)數(shù)收益率，有99%的把握可以認(rèn)為其損失不會(huì)超過(guò)0.04978、0.01908和0.03305，如果損失超過(guò)了這些值，那么有99%把握可以確定三種質(zhì)物收益率的損失期望值即平均損失會(huì)達(dá)到0.06831、0.02302和0.04209。同理，可對(duì)其他置信度和風(fēng)險(xiǎn)持有期下的三種質(zhì)物的價(jià)格風(fēng)險(xiǎn)進(jìn)行分析，分析結(jié)論可以為商業(yè)銀行在供應(yīng)鏈金融業(yè)務(wù)價(jià)格風(fēng)險(xiǎn)管理方面提供一些直觀而翔實(shí)的資料，有助于商業(yè)銀行作出正確抉擇。

第二，從上表可以看出，三種質(zhì)物白銀、鋁和銅的價(jià)格風(fēng)險(xiǎn)VaR和CVaR值隨著風(fēng)險(xiǎn)持有期的增加而增大，符合金融風(fēng)險(xiǎn)相關(guān)理論，風(fēng)險(xiǎn)持有期越長(zhǎng)，白銀、鋁和銅的價(jià)格波動(dòng)的不確定性就越大，表現(xiàn)在風(fēng)險(xiǎn)價(jià)值上即VaR和CVaR值變大。

第三，在每一種置信水平下，白銀的價(jià)格風(fēng)險(xiǎn)值VaR(或CVaR)最大，其次是銅，風(fēng)險(xiǎn)最小的是鋁。該結(jié)果與直觀觀測(cè)結(jié)果是一致的，具體而言，一方面從前文的三種質(zhì)物日對(duì)數(shù)收益率變化趨勢(shì)圖不難看出，相較于鋁，白銀和銅收益率的波動(dòng)較大，產(chǎn)生的風(fēng)險(xiǎn)也就隨之較大。另一方面從統(tǒng)計(jì)特征結(jié)果來(lái)看，白銀、鋁和銅確實(shí)呈現(xiàn)出顯著“尖峰厚尾”、波動(dòng)集聚性等特征，其中，白銀的左尾厚尾特征特別明顯，更易產(chǎn)生極端損失。此外，白銀收益率的均值要大于鋁和銅的收益率，可以說(shuō)白銀相對(duì)于鋁和銅而言收益大，風(fēng)險(xiǎn)也大。總而言之，商業(yè)銀行在構(gòu)建質(zhì)物組合時(shí)，可以加大鋁的持倉(cāng)比例，減少白銀的持倉(cāng)比重。

(2) 二元質(zhì)物組合價(jià)格風(fēng)險(xiǎn)VaR和CVaR測(cè)度

1)二元質(zhì)物組合短期動(dòng)態(tài)價(jià)格風(fēng)險(xiǎn)VaR和CVaR測(cè)度及失效率檢驗(yàn)

從表6可知t-Copula函數(shù)能夠最優(yōu)刻畫兩種質(zhì)物間的相依關(guān)系，其次是正態(tài)Copula，因此很大程度上我們可以認(rèn)為正態(tài)Copula和t-Copula能夠較好地?cái)M合三種質(zhì)物構(gòu)成的二元質(zhì)物組合的聯(lián)合分布，基于此，我們選擇正態(tài)Copula和t-Copula來(lái)擬合質(zhì)物組合的聯(lián)合分布。按照上一節(jié)構(gòu)建的二元質(zhì)物組合短期動(dòng)態(tài)價(jià)格風(fēng)險(xiǎn)測(cè)度模型，通過(guò)每次移動(dòng)一個(gè)時(shí)間窗口預(yù)測(cè)出第1456至1710個(gè)交易日的短期動(dòng)態(tài)風(fēng)險(xiǎn)值，共255個(gè)。由于篇幅原因，具體VaR和CVaR值在此不列出。同理，計(jì)算出短期風(fēng)險(xiǎn)值后需要對(duì)各個(gè)模型的有效性進(jìn)行檢驗(yàn)，下表匯總出當(dāng)考察天數(shù)為255天時(shí)，基于正態(tài)Copula和t-Copula模型下供應(yīng)鏈金融二元質(zhì)物組合在不同置信水平下價(jià)格風(fēng)險(xiǎn)VaR和CVaR模型的失敗次數(shù)。

表10 T=255時(shí)供應(yīng)鏈金融二元質(zhì)物組合價(jià)格風(fēng)險(xiǎn)VaR和CVaR模型的失敗次數(shù)

從表10可以看出：從模型的有效性來(lái)看，一方面無(wú)論何種置信水平下，基于正態(tài)Copula模型和t-copula模型下白銀和鋁、白銀和銅、鋁和銅三種質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)VaR和CVaR模型的失敗次數(shù)都在失敗頻率法接受區(qū)間內(nèi)，而基于傳統(tǒng)的集成風(fēng)險(xiǎn)方法測(cè)度的質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)結(jié)果并沒(méi)有完全通過(guò)回顧測(cè)試。因此正態(tài)Copula函數(shù)和t-Copula函數(shù)能夠有效地刻畫二元質(zhì)物組合中質(zhì)物價(jià)格風(fēng)險(xiǎn)因子間的相依關(guān)系，并且基于Copula函數(shù)構(gòu)建的風(fēng)險(xiǎn)測(cè)度模型可以有效地測(cè)度質(zhì)物組合價(jià)格風(fēng)險(xiǎn)，而傳統(tǒng)的集成風(fēng)險(xiǎn)測(cè)度方法并不能有效地測(cè)度供應(yīng)鏈金融質(zhì)物組合價(jià)格集成風(fēng)險(xiǎn)。另一方面，與單一質(zhì)物價(jià)格風(fēng)險(xiǎn)回顧測(cè)試結(jié)果相似，無(wú)論是不同類型的質(zhì)物組合，還是不同模型、不同置信水平，CVaR的失敗天數(shù)都小于VaR的失敗天數(shù)。因此結(jié)合以上兩點(diǎn)，可認(rèn)為CVaR比VaR能夠更好地、全面地刻畫供應(yīng)鏈金融質(zhì)物組合損益分布。

2)二元質(zhì)物組合長(zhǎng)期價(jià)格風(fēng)險(xiǎn)VaR和CVaR測(cè)度

本小節(jié)在前文基礎(chǔ)上運(yùn)用上述四種模型來(lái)測(cè)度供應(yīng)鏈金融質(zhì)物組合的長(zhǎng)期價(jià)格風(fēng)險(xiǎn)VaR和CVaR，同時(shí)便于與傳統(tǒng)風(fēng)險(xiǎn)測(cè)度方法(不考慮風(fēng)險(xiǎn)間的相關(guān)性)進(jìn)行比較分析，我們還給出了二元質(zhì)物組合價(jià)格風(fēng)險(xiǎn)傳統(tǒng)方法(將兩種單一質(zhì)物價(jià)格風(fēng)險(xiǎn)進(jìn)行簡(jiǎn)單相加)的測(cè)度結(jié)果，結(jié)果如表11所示。

表11 供應(yīng)鏈金融二元質(zhì)物組合長(zhǎng)期價(jià)格風(fēng)險(xiǎn)測(cè)度結(jié)果

續(xù)表11

表11給出了風(fēng)險(xiǎn)持有期分別為1個(gè)交易日、2周、1個(gè)月、3個(gè)月、6個(gè)月、9個(gè)月和12個(gè)月時(shí)供應(yīng)鏈金融二元質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)測(cè)度結(jié)果，從上表我們可以得出以下結(jié)論：

第一，不同的風(fēng)險(xiǎn)持有期內(nèi)，三組質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)不同，但具有逐漸增大的趨勢(shì)，因此商業(yè)銀行在對(duì)供應(yīng)鏈金融業(yè)務(wù)質(zhì)物組合價(jià)格風(fēng)險(xiǎn)進(jìn)行管理時(shí)要特別關(guān)注長(zhǎng)期風(fēng)險(xiǎn)。

第二，在同一風(fēng)險(xiǎn)持有期和置信度下，三組供應(yīng)鏈金融質(zhì)物組合中，白銀和銅組合的風(fēng)險(xiǎn)值VaR和CVaR最大，其次是白銀和鋁質(zhì)物組合，而鋁和銅質(zhì)物組合的風(fēng)險(xiǎn)值最小。這與單一質(zhì)物價(jià)格風(fēng)險(xiǎn)大小排序相一致，前文中我們可知單一質(zhì)物白銀的價(jià)格風(fēng)險(xiǎn)大于質(zhì)物銅，質(zhì)物鋁的價(jià)格風(fēng)險(xiǎn)最小，因此質(zhì)物白銀和銅相組合，其風(fēng)險(xiǎn)最大的可能性較高，相對(duì)而言，鋁和銅的風(fēng)險(xiǎn)都比較小，其組合風(fēng)險(xiǎn)也就較小。

第三，在同一置信度下，質(zhì)物組合的CVaR值大于VaR值，但是不同質(zhì)物組合之間的這種差異比較大。通過(guò)對(duì)上表數(shù)據(jù)進(jìn)行整理，發(fā)現(xiàn)在同一置信水平、相同的風(fēng)險(xiǎn)持有期下CVaR與VaR之間的差異性大小排序基本上是：鋁和銅這一質(zhì)物組合的CVaR與VaR的之間差異性最小，其次是白銀和鋁這一質(zhì)物組合，而白銀和銅質(zhì)物組合的CVaR與VaR的差異性最大。這主要是因?yàn)榘足y和銅質(zhì)物組合的波動(dòng)性大，風(fēng)險(xiǎn)值也較大，因此CVaR與VaR之間存在差異性的概率就會(huì)越大。同時(shí)我們也不難發(fā)現(xiàn)隨著置信水平的增加，CVaR與VaR之間的差異逐漸增大，99%置信水平下CVaR與VaR之間的差異最大。

第四，基于正態(tài)Copula模型測(cè)度的供應(yīng)鏈金融質(zhì)物組合價(jià)格風(fēng)險(xiǎn)價(jià)值VaR和CVaR高于t-Copula模型下測(cè)得的結(jié)果。特別是白銀和銅質(zhì)物組合以及鋁和銅質(zhì)物組合中，正態(tài)Copula與t-Copula模型下測(cè)度的價(jià)格風(fēng)險(xiǎn)差異較大，而白銀和鋁質(zhì)物組合中兩種Copula模型的測(cè)度結(jié)果相差不大。因此，對(duì)比最優(yōu)的t-Copula函數(shù)，正態(tài)Copula模型不管是在何種置信水平下都會(huì)高估供應(yīng)鏈金融質(zhì)物組合的價(jià)格集成風(fēng)險(xiǎn)。

第五，采用正態(tài)Copula連接函數(shù)和t-Copula連接函數(shù)所計(jì)算的供應(yīng)鏈金融質(zhì)物組合的價(jià)格集成風(fēng)險(xiǎn)VaR或CVaR小于將供應(yīng)鏈金融單一質(zhì)物價(jià)格風(fēng)險(xiǎn)因子的VaR或CVaR簡(jiǎn)單相加得到的質(zhì)物組合的價(jià)格集成風(fēng)險(xiǎn)，因此不考慮不同質(zhì)物價(jià)格風(fēng)險(xiǎn)因子之間的實(shí)際相關(guān)性往往會(huì)高估質(zhì)物組合的價(jià)格集成風(fēng)險(xiǎn)。對(duì)于商業(yè)銀行而言，風(fēng)險(xiǎn)的高估將會(huì)降低資金的使用效率，并且限制了供應(yīng)鏈金融業(yè)務(wù)的發(fā)展。

4 結(jié)論

本文通過(guò)構(gòu)建Copula-CVaR模型對(duì)供應(yīng)鏈金融白銀、鋁和銅三種質(zhì)物兩兩構(gòu)成的質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)進(jìn)行測(cè)度研究，主要得到以下結(jié)論：從單一質(zhì)物價(jià)格波動(dòng)性來(lái)看，三種單一質(zhì)物的收益率均存在非正態(tài)分布和“尖峰厚尾”特征，具有一般金融資產(chǎn)收益率分布的特點(diǎn)，可以用VaR和CVaR方法來(lái)度量供應(yīng)鏈金融質(zhì)物的價(jià)格風(fēng)險(xiǎn)。從價(jià)格風(fēng)險(xiǎn)模型測(cè)度的有效性來(lái)看，第一，無(wú)論是單一質(zhì)物還是質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)測(cè)度，CVaR模型優(yōu)于VaR。一方面CVaR模型和VaR模型的失敗天數(shù)都在回顧測(cè)試的可接受區(qū)間內(nèi)，表明兩種方法均可用來(lái)測(cè)度供應(yīng)鏈金融單一質(zhì)物和質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)，但是在可接受區(qū)間中，CVaR的失敗天數(shù)明顯少于VaR的失敗天數(shù)。另一方面，K-S檢驗(yàn)和J-B檢驗(yàn)均表明質(zhì)物組合的收益率序列不服從正態(tài)分布，而存在“尖峰厚尾”的分布特征，同時(shí)能夠最優(yōu)刻畫質(zhì)物組合收益率間的相依結(jié)構(gòu)的t-Copula也表明質(zhì)物組合收益率存在厚尾現(xiàn)象。綜上分析，同時(shí)結(jié)合VaR和CVaR的定義，可認(rèn)為CVaR模型比VaR能夠更好地刻畫供應(yīng)鏈金融質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)。第二，t-Copula比正態(tài)Copula更能準(zhǔn)確刻畫供應(yīng)鏈金融質(zhì)物組合間的相關(guān)結(jié)構(gòu)。供應(yīng)鏈金融質(zhì)物組合收益率分布具有對(duì)稱的尾部，而且尾部較厚，由于尾部相依程度的提高，組合中各質(zhì)物價(jià)格極端變化事件得以抵消的概率也會(huì)隨之提高，因此基于正態(tài)Copula模型下的風(fēng)險(xiǎn)測(cè)度結(jié)果將會(huì)高估質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)，不利于商業(yè)銀行的資金配置。而同時(shí)，基于傳統(tǒng)集成風(fēng)險(xiǎn)測(cè)度方法計(jì)算的風(fēng)險(xiǎn)值VaR和CVaR在90%和95%置信水平下并沒(méi)有通過(guò)回顧測(cè)試。因此基于t-Copula構(gòu)建的風(fēng)險(xiǎn)測(cè)度模型最有效。從風(fēng)險(xiǎn)測(cè)度結(jié)果來(lái)看，質(zhì)物間的價(jià)格波動(dòng)存在一定的非線性相關(guān)性，因此傳統(tǒng)集成風(fēng)險(xiǎn)測(cè)度方法(簡(jiǎn)單相加或認(rèn)為是線性相關(guān))計(jì)算的價(jià)格風(fēng)險(xiǎn)值要大于考慮了質(zhì)物收益率間相關(guān)關(guān)系情況下的風(fēng)險(xiǎn)值，可認(rèn)為前者高估了質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)。從長(zhǎng)短期風(fēng)險(xiǎn)值對(duì)比結(jié)果來(lái)看，隨著風(fēng)險(xiǎn)期限的增加，質(zhì)物組合的價(jià)格風(fēng)險(xiǎn)值隨之增大。而對(duì)于商業(yè)銀行而言，質(zhì)押期的存在以及存貨較弱的流動(dòng)性均表明商業(yè)銀行在開(kāi)展供應(yīng)鏈金融業(yè)務(wù)過(guò)程中更應(yīng)關(guān)注長(zhǎng)期價(jià)格風(fēng)險(xiǎn)，以往研究中的短期風(fēng)險(xiǎn)測(cè)度往往會(huì)低估商業(yè)銀行所面臨的價(jià)格風(fēng)險(xiǎn)，不利于商業(yè)銀行資金信貸的優(yōu)化配置。