ＪｆＩＩＩ Ｉ Ｉ Ｉ Ｉ Ｉ ＩＩ ＩＩＩ ＩＩ Ｉ ＩＪ

，Ｙ３５７４７ １ １
分类号。Ｆ８３２ 单位代码ｔ：１ ０４２２
学 号。２０１６１１３６６
密级：公开

硕士学位论文
。
Ｔｈｅｓｉｓ ｆｏｒ Ｍａｓｔｅｒ Ｄｅｇｒｅｅ 一

（专业学位）
论文题目：
基于ＶａＲ ７＆ＣＶａＲ的我国商业银行
利率风险研究
Ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ Ｉｎｔｅｒｅｓｔ Ｒａｔｅ Ｒｉｓｋ ｏｆ Ｃｏｍｍｅｒｃｉａｌ Ｂａｎｋｓ ｉｎ Ｃｌ＇ｆｉ，＇ｎａ

Ｂａｓｅｄ ｏｎ ＶａＲ ａｎｄ ＣＶａＲ

作者 姓 名
范鸿室 ：一一
培养 单 位中泰证券金融研究院
专业学位名称 应用统进 ：

指导 教 师 要亡羞教授
合作 导 师

２０１９ 年５ 月２０ 日

万方数据
 分类号：Ｆ好ｚ 单位代码：１０４２２
学
密级：铆 号：２，１ｂｏＳｈ６

⑧ ∥户蒙办季
硕士学位论文
Ｔｈｅｓｉｓ ｆｏｒ Ｍａｓｔｅｒ Ｄｅｇｒｅｅ
（专业学位）

论文题目：鹳№良友ｃ恂足自勺锨目赢西心ｊ钏霹冈趁剜宅
腿跏，，ｃｈ ｏｎ
１ｆ；Ｉｅ厶杏时ｇ，，－ｆｅ胁友。ｔ ６栩册０－ｃ４以勃ｎ幻

１ｈ幽。凡趴彩０ｄ ｏｒｎ 坛疋坑＾彳 ＣＶａｌＬ

作者姓名！乞刍耋
培养 单
位聋纽差垒猁主搓，
专业名称左垭刍弛
指导教师量￡岩毯．遗
合作导师
一

、，０１年 乡月 ｂ日

万方数据
 原创性声明

本人郑重声明：所呈交的学位论文，是本人在导师的指导下，

独立进行研究所取得的成果。除文中已经注明引用的内容外，本

论文不包含任何其他个人或集体已经发表或撰写过的科研成果。

对本文的研究做出重要贡献的个人和集体，均已在文中以明确方

式标明。本声明的法律责任由本人承担。

论文作者签名：二窆．函拿一 Ｅｔ 期：銎１１：鱼：皇里

关于学位论文使用授权的声明

本人完全了解山东大学有关保留、使用学位论文的规定，同

意学校保留或向国家有关部门或机构送交论文的复印件和电子

版，允许论文被查阅和借阅；本人授权山东大学可以将本学位论

文的全部或部分内容编入有关数据库进行检索，可以采用影印、

缩印或其他复制手段保存论文和汇编本学位论文。

（保密论文在解密后应遵守此规定）

敝储虢缉翩虢塑刍期：逊．如

万方数据
 山东大学硕士学位论文

目录

摘ｊ暮………………………………………………………………………………………………………………．．Ｉ

Ａｂｓｔｒａｃｔ……………………………………………………………………………．…………………………ＩＩＩ

第一章绪论……………………………………………………………………………１
１．１研究背景与意义……………………………………………………………．１

１．２利率风险度量研究综述……………………………………………………．２

１．３研究思路、创新点与不足…………………………………………………．４

第二章商业银行利率风险综述……………………………………………………。７

２．１商业银行利率市场化及其风险……………………………………………．７

２．２利率风险及简要成因分析…………………………………………………．８

２．３国际利率市场化简述………………………………………………………．９

２．４我国商业银行利率市场及相关政策………………………………………１２

第三章利率风险度量模型简介………………………………………………………１５

３．１利率敏感性缺口法…………………………………………………………ｌ ５

３．２ ＶａＲ方法及ＣＶａＲ方法……………………………………………………ｌ ６

第四章实证分析………………………………………………………………………２ １

４．１ ＳＨＩＢＯＲ简介………………………………………………………………………２１

４．２ ＡＲＣＨ及ＧＡＲＣＨ模型理论知识介绍……………………………………２ １

４．３实证数据预处理……………………………………………………………………２３

４．４ ＶａＲ与ＣＶａＲ计算…………………………………………………………２７

４．５利率风险变化相关因素分析………………………………………………３６

４．６商业银行利率敏感性偏离度分析…………………………………………３８

４．７基于ＣＶａＲ的利率压力测试………………………………………………３９

第五章研究总结与展望……………………………………………………………．．４ｌ

５．１总结…………………………………………………………………………………………………４ｌ

５．２研究建议……………………………………………………………………４２

参考文献………………………………………………………………………………４５

致谢…………………………………………………………………………．…………………………………．．４９

万方数据
 山东大学硕士学位论文

ＣｏＮＴＥＮＴ

Ｃｈｉｎｅｓｅ Ａｂｓｔｒａｃｔ…………．……………………………………………………………．……………………Ｉ

Ａｂｓｔｒａｃｔ…………．……………………………………………………………………．………………．……．ＩｌＩ

１ Ｉｎｔｒｏｄｕｃｔｉｏｎ………………………………………………………………．……………………………．．１

１．１ Ｒｅｓｅａｒｃｈ Ｂａｃｋｇｒｏｕｎｄ ａｎｄ Ｓｉｇｎｉｆｉｃａｎｃｅ………………………………………………．．１

１．２ Ｒｅｓｅａｒｃｈ Ｓｕｍｍａｒｙ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．…．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．２

１．３ Ｒｅｓｅａｒｃｈ Ｉｄｅａｓ，Ｉｎｎｏｖａｔｉｏｎｓ ａｎｄ Ｄｅｆｉｃｉｅｎｃｉｅｓ………………………………………．４

２ Ｓｕｍｍａｒｙ ｏｆ Ｉｎｔｅｒｅｓｔ Ｒａｔｅ Ｒｉｓｋ ｏｆ Ｃｏｍｍｅｒｃｉａｌ Ｂａｎｋｓ……………………………．…．．７

２．１ Ｃｏｍｍｅｒｃｉａｌ Ｂａｎｋ Ｉｎｔｅｒｅｓｔ Ｒａｔｅ Ｍａｒｋｅｔｉｚａｔｉｏｎ ａｎｄ Ｒｉｓｋｓ………………………．７

２．２ Ｉｎｔｅｒｅｓｔ Ｒａｔｅ Ｒｉｓｋ ａｎｄ Ｃａｕｓｅ Ａｎａｌｙｓｉｓ．．．．．…．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．８

２．３ Ｍａｒｋｅｔｉｚａｔｉｏｎ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｉｎｔｅｒｅｓｔ Ｒａｔｅ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．９

２．４ Ｉｎｔｅｒｅｓｔ Ｒａｔｅ ａｎｄ Ｒｅｌａｔｅｄ Ｐｏｌｉｃｉｅｓ ｏｆ Ｃｏｍｍｅｒｃｉａｌ Ｂａｎｋｓ………………………１ ２

３ ＩⅡｔｒｏｄｕｃｔｉｏｎ ｏｆ Ｍｅａｓｕｒｅｍｅｎｔ Ｍｏｄｅｌ…………………………………………………………１５

３．１ Ｉｎｔｅｒｅｓｔ Ｒａｔｅ Ｓｅｎｓｉｔｉｖｉｔｙ Ｇａｐ Ｍｅｔｈｏｄ…………………………………………………１ ５

：；．：２１ ＶａＲ ａｎｄ ＣＶａＲ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．…．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．１６

４ Ｅｍｐｉｒｉｃａｌ Ａｎａｌｙｓｉｓ…………………………．…………………………．……………………………．：！】【

４．１ Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ ＳＨＩＢｏＲ…………………………………………………………………．．２ ｌ

４．２ Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ ＡＲＣＨ ａｎｄ ＧＡＲＣＨ Ｍｏｄｅｌ Ｔｈｅｏｒｙ……………………………．．２ １

４．３ Ｅｍｐｉｒｉｃａｌ Ｄａｔａ Ｐｒｅｐｒｏｃｅｓｓｉｎｇ……………………………………………………………２３

４．４ Ｃａｌｃｕｌａｔｉｏｎ ｏｆＶａＲ ａｎｄ ＣＶａＲ…………………………………………………………．．２７

４．５ Ｒｅａｓｏｎ ｆｏｒ ｔｈｅ Ｃｈａｎｇｅ ｏｆ Ｉｎｔｅｒｅｓｔ Ｒａｔｅ Ｒｉｓｋ………………………………………．３６

４．６ Ａｎａｌｙｓｉｓ ｏｆＤｅｖｉａｔｉｏｎ Ｄｅｇｒｅｅ ｏｆ Ｉｎｔｅｒｅｓｔ Ｒａｔｅ Ｓｅｎｓｉｔｉｖｉｔｙ……………………．．３８

４．７ Ｓｔｒｅｓｓ Ｔｅｓｔ Ｂａｓｅｄ ｏｎ ＣＶＡＲ………………………………………………………………３９

５ Ｃｏｎｃｌｕｓｉｏｎｓ ａｎｄ Ｐｒｏｓｐｅｃｔ…………………………………………………………………………ｑＩ】【

５．１ Ｃｏｎｃｌｕｓｉｏｎｓ……………………………………………………………………………………．４１

５．２ Ｒｅｓｅａｒｃｈ Ｓｕｇｇｅｓｔｉｏｎ…………………………………………………………………………４２

Ｒｅｆｅｒｅｎｃｅ………………………………………………………………………………………………………４５

Ａｃｋｎｏｗｌｅｄｇｅｍｅｎｔ…………………………………………………………………………………………４９

万方数据
 山东大学硕士学位论文

摘要

随着金融市场的不断发展，为顺应市场需求、促进经济繁荣，我国于１９９２

年正式提出了利率市场化，并逐步放开利率管制，利率不再受政府统一调控，而

是随市场波动变化。二十余年间，利率市场化在极大程度上完善了国内经济体系，

推动了银行业的发展；同时也带来了极大的利率风险。目前利率风险已经成为银

行面临的最为主要的风险之一，因此使用合理方法对利率风险进行度量与管控已

成为商业银行稳定发展的前提与基础。

本文基于我国利率市场化现状，对商业银行利率风险的度量与管理进行了研
究。首先，本文对利率市场化进行了简要背景描述，并对国内外利率风险度量文

献进行了梳理；其次，对利率风险相关概念进行了叙述，阐述了其定义、主要成

因与类别，并回顾了具有代表性的其他国家利率市场化历史及我国利率市场化的

发展路程，同时介绍了常见的利率风险度量方法，包括敏感性缺口法、ＶａＲ方法

以及ＣＶａＲ方法等，并说明了各类方法的优点及缺陷；再次，选取对我国利率市

场具有良好代表性的ＳＨＩＢＯＲ隔夜利率作为样本数据进行实证分析，通过计算

ＶａＲ与ＣＶａＲ衡量我国商业银行的利率风险：首先使用历史模拟法，随后使用参
数法、运用ＥＧＡＲＣＨ（２，１）．ＧＥＤ模型刻画利率波动率并计算数据结果，实证

结果表明，使用ＶａＲ方法对银行利率风险进行度量是可行的、但ＣＶａＲ在极端

情况下对风险有着更佳的描述能力，在对利率风险进行估计时，应同时参考这两

种方法，做到对银行利率风险的全面把控；最后，本文提出了基于ＣＶａＲ的利率

压力测试、并根据实证分析结果对商业银行利率风险管理提出了相关建议。

关键词：商业银行利率风险；ＶａＲ；ＣＶａＲ；利率市场化

万方数据
 山东大学硕士学位论文

万方数据
 山东大学硕士学位论文

ＡＢ ＳＴＲＡＣＴ

Ｗｉｔｈ ｔｈｅ ｃｏｎｔｉｎｕｏｕｓ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｔｈｅ ｆｉｎａｎｃｉａｌ ｍａｒｋｅｔ．ｉｎ ｏｒｄｅｒ ｔｏ ｃｏｍｐｌｙ ｗｉｔｈ

ｍａｒｋｅｔ ｄｅｍａｎｄ ａｎｄ ｐｒｏｍｏｔｅ ｅｃｏｎｏｍｉｃ ｐｒｏｓｐｅｒｉｔｙ，Ｃｈｉｎａ ｏｆｆｉｃｉａｌｌｙ ｐｒｏｐｏｓｅｄ ｉｎｔｅｒｅｓｔ

ｒａｔｅ ｌｉｂｅｒａｌｉｚａｔｉｏｎ ｉｎ ｌ ９９２．ａｎｄ ｇｒａｄｕａｌｌｙ ｌｉｂｅｒａｌｉｚｅｄ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｃｏｎｔｒ０１．Ｉｎｔｅｒｅｓｔ ｒａｔｅｓ

ａｒｅ ｎｏ ｌｏｎｇｅｒ ｒｅｇｕｌａｔｅｄ ｂｙ ｔｈｅ ｇｏｖｅｒｎｍｅｎｔ，ｂｕｔ ｃｏｍｐｌｅｔｅｌｙ ｃｈａｎｇｅ ｗｉｔｈ ｍａｒｋｅｔ

ｆｌｕｃｔｕａｔｉｏｎｓ．Ｉｎ ｔｈｅ ｐａｓｔ ２０ ｖｅａｒｓ．ｉｎｔｅｒｅｓｔ ｒａｔｅ ｌｉｂｅｒａｌｉｚａｔｉｏｎ ｈａｓ ｇｒｅａｔｌｙ ｉｍｐｒｏｖｅｄ ｔｈｅ
ｄｏｍｅｓｔｉｃ ｅｃｏｎｏｍｉｃ ｓｙｓｔｅｍ ａｎｄ ｐｒｏｍｏｔｅｄ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｔｈｅ ｂａｎｋｉｎｇ ｉｎｄｕｓｔｒｙ．Ａｔ

ｔｈｅ ｓａｍｅ ｔｉｍｅ．ｉｔ ｈａｓ ｂｒｏｕｇｈｔ ｇｒｅａｔ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋｓ．Ａｔ ｐｒｅｓｅｎｔ．ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋ ｈａｓ

ｂｅｃｏｍｅ ｏｎｅ ｏｆ ｔｈｅ ｍｏｓｔ ｉｍｐｏｒｔａｎｔ ｒｉｓｋｓ ｆａｃｅｄ ｂｙ ｂａｎｋｓ．Ｔｈｅｒｅｆｏｒｅ．ｕｓｉｎｇ ｒｅａｓｏｎａｂｌｅ

ｍｅｔｈｏｄｓ ｔｏ ｍｅａｓｕｒｅ ａｎｄ ＣＯｎｔｒｏｌ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋ ｈａｓ ｂｅｃｏｍｅ ｔｈｅ ｐｒｅｍｉｓｅ ａｎｄ ｂａｓｉｓ
ｆｏｒ ｔｈｅ ｓｔａｂｌｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｃｏｍｍｅｒｃｉａｌ ｂａｎｋｓ．
Ｂａｓｅｄ ｏｎ ｔｈｅ ｍａｒｋｅｔｉｚａｔｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ ｒａｔｅｓ ｉｎ Ｃｈｉｎａ．ｔｈｉｓ ｐａｐｅｒ ｓｔｕｄｉｅｓ ｔｈｅ
ｍｅａｓｕｒｅｍｅｎｔ ａｎｄ ｍａｎａｇｅｍｅｎｔ ｏｆ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋ ｏｆ ｃｏｍｍｅｒｃｉａｌ ｂａｎｋｓ．Ｆｉｒｓｔｌｙ，ｔｈｉｓ

ｐａｐｅｒ ｇｉｖｅｓ ａ ｂｒｉｅｆ ｂａｃｋｇｒｏｕｎｄ ｄｅｓｃｒｉｐｔｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｍａｒｋｅｔｉｚａｔｉｏｎ。ａｎｄ ｃｏｍｂｓ

ｔｈｅ ｌｉｔｅｒａｔｕｒｅ ｏｆ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋ ｍｅａｓｕｒｅｍｅｎｔ ａｔ ｈｏｍｅ ａｎｄ ａｂｒｏａｄ；Ｓｅｃｏｎｄｌｙ．ｉｔ
ｄｅｓｃｒｉｂｅｓ ｔｈｅ ｒｅｌｅｖａｎｔ ｃｏｎｃｅｐｔｓ ｏｆ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋ．ｅｘｐｏｕｎｄｓ ｉｔｓ ｄｅｆｉｎｉｔｉｏｎ．ｍａｉｎ

ｃａｕｓｅｓ ａｎｄ ｃａｔｅｇｏｒｉｅｓ．ａｎｄ ｒｅｖｉｅｗｓ ｔｈｅ ｈｉｓｔｏｒｙ ｏｆ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｍａｒｋｅｔｉｚａｔｉｏｎ ｉｎ ｏｔｈｅｒ

ｒｅｐｒｅｓｅｎｔａｔｉｖｅ ｃｏｕｎｔｒｉｅｓ ａｎｄ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｃｏｕｒｓｅ ｏｆ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｍａｒｋｅｔｉｚａｔｉｏｎ ｉｎ

Ｃｈｉｎａ．ａｎｄ ｉｎｔｒｏｄｕｃｅｓ ｔｈｅ ｃｏｍｍｏｎ ｃｏｎｃｅｐｔｓ．Ｔｈｅ ｋｎｏｗｌｅｄｇｅ ｏｆ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋ

ｍｏｄｅｌ，ｉｎｃｌｕｄｉｎｇ ｓｅｎｓｉｔｉｖｉｔｙ ｇａｐ ｍｅｔｈｏｄ，ＶａＲ ｍｅｔｈｏｄ ａｎｄ ＣＶａＲ ｍｅｔｈｏｄ，ｉｌｌｕｓｔｒａｔｅｓ

ｔｈｅ ａｄｖａｎｔａｇｅｓ ａｎｄ ｄｉｓａｄｖａｎｔａｇｅｓ ｏｆ ｖａｒｉｏｕｓ ｍｅｔｈｏｄｓ．Ｔｈｉｒｄｌｙ，ｔｈｅ ｏｖｅｒｎｉｇｈｔ ｉｎｔｅｒｅｓｔ

ｒａｔｅ ｏｆ ＳＨＩＢＯＲ．ｗｈｉｃｈ ｉＳ ａ ｇｏｏｄ ｒｅｐｒｅｓｅｎｔａｔｉｖｅ ｏｆ Ｃｈｉｎａ’Ｓ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｍａｒｋｅｔ．ｉＳ

ｓｅｌｅｃｔｅｄ ａｓ ｔｈｅ ｓａｍｐｌｅ ｄａｔａ ｆｏｒ ｅｍｐｉｒｉｃａｌ ａｎａｌｙｓｉｓ．ａｎｄ ｔｈｅ ｏｖｅｒａｌｌ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋ ｏｆ

Ｃｈｉｎａ’Ｓ ｃｏｍｍｅｒｃｉａｌ ｂａｎｋｓ ｉＳ ｍｅａｓｕｒｅｄ ｂｙ ｃａｌｃｕｌａｔｉｎｇ ＶａＲ．Ｆｉｒｓｔ．ｔｈｅ ｈｉｓｔｏｒｉｃａｌ

ｓｉｍｕｌａｔｉｏｎ ｍｅｔｈｏｄ ｉＳ ｕｓｅｄ ｔｏ ｃａｌｃｕｌａｔｅ ｔｈｅ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋ．ＡＲｅｒ ｔｈａｔ．ｉｎｔｅｒｅｓｔ ｒａｔｅ

ｒｅｔｕｒｎ ｓｅｒｉｅｓ ｉＳ ｅｓｔａｂｌｉｓｈｅｄ，ｉｎｔｅｒｅｓｔ ｒａｔｅ ｖｏｌａｔｉｌｉｔｙ ｉＳ ｄｅｐｉｃｔｅｄ ｂｙ ＥＧＡＲＣＨ（２，１）．ＧＥＤ

ｍｏｄｅｌ．ａｎｄ ｄａｔａ ｒｅｓｕｌｔｓ ａｒｅ ｃａｌｃｕｌａｔｅｄ ｂｙ ｐａｒａｍｅｔｒｉｃ ｍｅｔｈｏｄ．Ａｔ ｔｈｅ ｓａｍｅ ｔｉｍｅ．ＣＶｒａＲ

ｉＳ ｃａｌｃｕｌａｔｅｄ ｔｏ ｓｕｐｐｌｅｍｅｎｔ ＶａＲ ｒｅｓｕｌｔｓ．Ｅｍｐｉｒｉｃａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ＶｒａＲ ｍｅｔｈｏｄ ｉｓ

ｕｓｅｄ ｔｏ ｍｅａｓｕｒｅ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋ ｏｆ ｄｉｆｉｅｒｅｎｔ ｂａｎｋｓ．Ｉｔ ｉＳ ｆｅａｓｉｂｌｅ ｔｏ ｍｅａｓｕｒｅ ｉｎｔｅｒｅｓｔ

ｒａｔｅ ｒｉｓｋ．ｂｕｔ ＣＶ．ａＲ ｈａｓ ｂｅｔｔｅｒ ｄｅｓｃｒｉｐｔｉｖｅ ａｂｉｌｉｔｖ ｔｏ ｒｉｓｋ ｉｎ ｅｘｔｒｅｍｅ ｃａｓｅｓ．Ｗｈｅｎ
ｅｓｔｉｍａｔｉｎｇ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋ．ｗｅ ｓｈｏｕｌｄ ｒｅｆｅｒ ｔｏ ｔｈｅｓｅ ｔｗｏ ｍｅｔｈｏｄｓ ｔｏ ｃｏｎｔｒｏｌ ｔｈｅ
ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋ ｏｆ ｂａｎｋｓ ｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙ．Ｆｉｎａｌｌｙ．ｂａｓｅｄ ｏｎ ｔｈｅ ｅｍｐｉｒｉｃａｌ ｒｅｓｕｌｔｓ。
ｔｈｉｓ ｐａｐｅｒ ｒｅｓｅｎｔｓ ａ ＣＶＡＲ－ｂａｓｅｄ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｓｔｒｅｓｓ ｔｅｓｔ．ｉｔ ａｌｓｏ ｐｕｔｓ ｆｏｒｗａｒｄ ｓｏｍｅ

ｓｕｇｇｅｓｔｉｏｎｓ ｏｎ ｔｈｅ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｒｉｓｋ ｍａｎａｇｅｍｅｎｔ ｏｆ ｃｏｍｍｅｒｃｉａｌ ｂａｎｋｓ．

Ｋｅｙｗｏｒｄｓ：Ｉｎｔｅｒｅｓｔ Ｒａｔｅ Ｒｉｓｋ；ＶａＲ；ＣＶａＲ；Ｉｎｔｅｒｅｓｔ Ｒａｔｅ Ｍａｒｋｅｔｉｚａｔｉｏｎ

万方数据
 山东大学硕士学位论文

万方数据
 山东大学硕士学位论文

第一章绪论

１．１研究背景与意义

商业银行自诞生以来，就对全球经济存在着重大影响。商业银行进行金融活

动、提供金融服务的过程，从某种程度上来看，亦是产生与承担风险的过程。其

中对经济市场影响最为显著的风险之一即为利率风险，它在极大程度上影响着商

业银行的财务状况、经营模式与日常运作，从而与我国经济发展程度与国民经济

的稳定增长息息相关。

随着金融市场的不断发展，许多国家均顺应经济发展趋势，逐步放开了利率

管制，从而完成了利率市场化。我国在改革开放后，初步建立了具有中国特色社

会主义的经济体系，市场在计划经济后迎来了繁荣与发展、也为后期的利率市场

化打下了基础；１９９２年，我国正式提出发展利率市场化、由市场供求关系决定

利率水平，并于随后近二十年时间内颁布各项政策条款以改革利率市场；２１世

纪初期，外币存款利率首先放开，随后几年间央行多次调整存款及贷款基准利率；

２０１３年，中国的利率市场化改革初步完成。

利率市场化加快了市场的成长，推动了银行业的繁荣向前；另一方面，伴随

利率市场化，传统业务依靠利差带来的红利显著下降。同时，在历经较长时间的

统一管制后，银行在直面市场时对利率风险的管理仍较欠缺，一些银行还缺乏相

应的有效系统。

由于我国利率自由的实施时间仍较短，部分银行在市场波动及变化时还缺乏

相应的理论研究和应用经验。自２０１７年以来，随着国内大环境监管环境趋严、

市场风险增大，商业银行面临压力激增。如何在更复杂的金融环境下把控风险，

在严峻的经济环境下保持商业银行自身优势、同时实现“弯道超车”，对每个商业

银行来说均亟待解决。本文在总结梳理利率风险理论的基础上，参考其他国家利

率市场化经验，运用国内近期数据衡量国内利率风险，从而提出相应的建议及方

案。

万方数据
 山东大学硕士学位论文

１．２利率风险度量研究综述

１．２．１国外研究综述

国外最早的利率风险度量方法要追溯到１９８３年，摩根公司首次提出了利率

缺口这一概念，通过计算不同分类的资产与负债来衡量利率风险；１９９４年，摩

根公司提出了ＶａＲ指标，这一指标的建立将之前难以被量化衡量的风险通过简

洁的数字形式展示出来，一经推出就获得了学界的关注。Ｂｕｔｌｅｒ（１９９６）提出了

将历史模拟法结合非参数估计的方法［２】以衡量ＶａＲ；Ｊｏｒｉｏｎ Ｐ．（１９９７）在著作中

对ＶａＲ进行了全面的描述【８】；同年９月１９日，国际监管机构正式推出管理原则，

对利率风险的主要形式进行细致阐述，要求银行对交易进行利率风险管控；

Ｂｅｎｎｉｎｇａ Ｓ，Ｗｉｅｎｅｒ Ｚ．【１１（１９９８）对ＶａＲ的原理、使用情景及缺陷进行了进一步研

究；Ｄａｖｉｄ Ｌｉ（１９９９）【３】贝０提出了计算ＶａＲ的半参数法，该方法不依赖于样本数

据的分布情况、仅依靠样本中心距估计ＶａＲ。

在ＶａＲ的发展过程中，其计算方法主要分为包括历史模拟法的非参数法、

基于模型的参数法以及包括极值理论的半参数法，然而在实际应用中，其缺陷也

渐渐暴露出来。Ｒｏｃｋａｆｅｌｌａｒ和Ｕｒｙａｓｅｖｌｌｌ】（２０００）发现ＶａＲ不能很好的满足风险

管控标准，随即提出了ＣＶａＲ方法作为补充。Ｆｒｅｄｒｉｋ、Ｈｅｌｍｕｔ和Ｄａｎｔ５】（２００１）

利用蒙特卡罗方法模拟信用风险分布，通过建立一种新的模型同时调整金融工具

组合中的所有头寸，并求出受到交易约束的ＣＶＡＲ的最小值。Ｒ．Ｔｙｒｒｅｌｌ等【１０】

（２００２）以指数跟踪为例，通过线性规划进一步说明了ＣＶａＲ计算的数值效率和

稳定性。２００４年，权威机构进一步介绍了利率风险的管控的方法，并提出将ＶａＲ

作为管控工具。Ｄｅｎｎｉｓ等人【４】（２００５）研究了不同模型对汇率头寸产生有用ＶａＲ

估计的能力，且对ＶａＲ值同时进行了点估计与区间估计。Ｇｌｅｂ和Ａｄｉｌ［６］（２００６）

在Ｒｏｃｋａｆｅｌｌａｒ和Ｕｒｙａｓｅｖ［１１】（２０００）的基础之上将线性规划技术与离散梯度的非

光滑优化方法进行了比较，研究表明，这种方法非常有效，可用于优化规模较大

的投资组合。Ｈｕａｎｇ和Ｈｓｕｔ７】（２０１５）构建了ＧＡＲＣＨ．ＥＶＴ－Ｃｏｐｕｌａ．ＣＶａＲ模型以

提高资产组合效用。Ｓｋａｎｄｅｒ、Ｙｏｓｒａ和Ａｈｍｅｄｌｌ２１（２０１６）研究了七种分布下、基

于ＧＡＲＣＨ、ＧＪＲ和ＦＩＧＡＲＣＨ三种模型下的２１种ＶａＲ模型的性能。Ｍａｚｉａｒ、

Ａｎｄｒｅａｓ和Ｒａｌｆｌ９］（２０ １ ８）采用ＧＡＲＣＨ．ＥＶＴ Ｃｏｐｕｌａ与ＡＲＭＡ．ＧＡＲＣＨ．ＥＶＴ Ｃｏｐｕｌａ

万方数据
 山东大学硕士学位论文

模型进行样本外预测，并模拟ｌＯ个股指的一日前收益，结果表明运用

ＧＡＲＣＨ．ＥＶＴ模型能有效降低投资组合风险。

１．２．２国内研究综述

在我国利率市场化初期，研究利率风险的相关文献还并不多，第一篇关于

ＶａＲ的文章出现与１９９７年，牛昂１２１１详细阐述了ＶａＲ的产生背景及计算方法；随

后几年间，ｊ３／ｇＮＵｔ２５１（１９９８）对ＶａＲ进行了更细致的阐述，并提出了资产组合及

期权风险值的衡量方法；刘宇飞［２０１（１９９９）在前人的基础上对ＶａＲ的三种计算

方法进行了比较，并阐述了ＶａＲ在金融监管中的意义；叶青［２６１（２０００）对上证

收益率序列以及深圳收益率序列建立了ＧＡＲＣＨ模型以计算ＶａＲ值，并将所得

结果与半参数法计算出的ＶａＲ值作比较，认为两种模型可以相互配合使用；李

聪［１６１（２００６）运用ＧＡＲＣＨ类模型衡量股市风险，发现对于深证综指数据，

ＥＧＡＲＣＨ模型的效果最佳、且正态分布对风险的刻画程度差于ＧＥＤ与ｔ分布；

陈金龙，张维１１３１（２００２）首次引入ＣＶａＲ的概念，并构建统一模型与投资组合结

合及改进，得到了最优投资组合；林辉，何建敏【１ ８１（２００３）阐述了ＶａＲ的不足

之处，同时介绍了ＣＶａＲ对ＶａＲ的改善之处；田新民，黄海平［２３１（２００４）将ＣＶａＲ

和ＶａＲ方法与传统的均值．方差模型从模型的适用性和复杂性上进行了比较，前

者在精度与广度上均优于传统方式；朱翔翔，姚俭［３２１（２０１４）选取沪深３００为样

本，基于ＧＡＲＣＨ模型计算ＣＶａＲ，可对股指收益率风险进行准确合理的描述。

近年来，随着ＶａＲ及ＣＶａＲ在投资组合方面的应用不断加深，其在银行领

域中的应用也逐年增加。刘琦铀，张能福，刘铁生［１９ｌ（２０１０）在ＧＡＲＣＨ方法上，

采用ＣＶａＲ测量借贷风险，结果表明ＣＶａＲ可预测极端情况下的风险；李旭超，

蒋岳祥【１７１（２０１４）构建了ＡＲ（２）．ＴＡＲＣＨ（１，１）．ＥＶＴ模型，在解释Ｓｈｉｂｏｒ收益率

的序列相关性的同时，使用ＶａＲ值计算收益率动态风险值；张丽康１２７］（２０１８）

通过ＥＧＡＲＣＨ方法计算ＶａＲ与ＣＶａＲ，以模拟ＳＨＩＢＯＲ七日拆借利率的风险，

发现ＡＲＭＡ．ＥＧＡＲＣＨ．ＧＥＤ方法对其具有较优的估计效果。

万方数据
 山东大学硕士学位论文

１．３研究思路、创新点与不足

１．３．１文章研究思路

本文在研究理论知识的基础之上，运用文献研究法及实证研究法，运用ＶａＲ

方法及金融统计方法结合实证结果，阐述了对我国商业银行利率风险，对其进行

刻画。主要构成部分如下：

第一章为本文导论，从本文的研究背景与意义出发，梳理国内外商业银行利

率风险估测方式及涉及ＶａＲ法、ＣＶａＲ法的文献，叙述了文章的研究思想、创新

与不足之处。

第二章重点介绍了利率风险相关知识。首先，简单叙述了银行的利率风险及

其自由化，其次介绍了其他国家利率自由的历史经验、反观我国利率市场化的发

展路程，最后说明了利率风险的概念、种类及成因。

第三章为本文的基础模型理论。叙述了常见的度量方法，如敏感性缺口法、

ＶａＲ方法以及ＣＶａＲ方法。

第四章为本文实证部分。通过历史模拟法与参数法分别计算ＶａＲ与ＣＶａＲ，

以２０１２年至２０１９年３月２３日的ＳＨＩＢＯＲ Ｏ／Ｎ利率作为实证数据，对Ｏ／Ｎ利率

进行基本统计性分析后，估计其ＶａＲ值及ＣＶａＲ值；同时，对计算所得ＶａＲ值

及ＣＶａＲ值进行简要分析，并检验了利率风险变化与ＰＭＩ的因果关系；最后为

使本部分结果更全面，对我国部分银行进行了利率敏感性偏离度口的分析，同时

提出了基于ＣＶａＲ的利率压力测试。

第五章对全文做出结论，并参照第四章的数据提出了针对我国银行的提议。

１．３．２可能创新点与不足

本文在实证分析中同时采用ＶａＲ方法与ＣＶａＲ方法及敏感性缺口法，在ＶａＲ

与ＣＶａＲ的计算结果之上，得出ＰＭＩ与ＶａＲ二者互为Ｇｒａｎｇｅ因果关系，因而可

将ＰＭＩ作为观测利率风险的辅助指标；同时基于ＣＶａＲ数据进行了利率压力测

试。

文章研究过程中仍存在一些不足之处。首先，在样本数据的选取上仅针对

ＳＨＩＢＯＲ隔夜数据，未涉及市场上其他利率相关产品数据，因此得出结果对市场

万方数据
 山东大学硕士学位论文

的整体刻画还有待提高；其次，利用历史模拟法及参数法计算ＶａＲ及ＣＶａＲ仍

存在一定的局限性，在计算时可使用其他方法，如蒙特卡罗模拟法等作比较与补

充。

万方数据
 山东大学硕士学位论文

万方数据
 山东大学硕士学位论文

第二章商业银行利率风险综述

２．１商业银行利率市场化及其风险

作为当今金融市场中的关键金融机构，商业银行对全球市场存在着极为显著

的影响。作为经济社会的产物，现代银行约诞生于１ ７世纪６０年代末期。经过几

百年的发展，由最早的仅具备单纯借贷功能，发展到现在集货币交换、货币制造

以及流通等职能于一身，具备存款、贷款等多种业务。在金融市场上，其庞大的

资金储蓄及各类信用中介活动起到至关重要的经济调节作用，对社会经济具有显

著影响。简而言之，我国银行在国民经济及金融市场中占据非常重要的地位。

随着金融市场及银行之间业务的往来，利率随之而生。在各项经济活动中，

诸多复杂的信用活动均与不同利率相对应，毫不夸张地说，利率对整个金融市场

有着显著的影响。对银行来说，与各项业务相关的利率种类可谓五花八门：商业

银行与外部机构间存在存款准备金率、再贴现利率等等；与政府之间有国债利率

等；个人、家庭或企业等和银行通常涉及存款利率、贷款利率等；商业银行内部

更是存在着许多种类，例如银行间市场同业拆借利率等。每项利率背后，都关联

着相应的信用关系。面对诸多市场种类，利率市场化顺势而出。

利率市场化，即利率不受统一管制，转而由市场供求确定。作为“看不见的

手”，市场根据资金供求自动调控利率大小、到期日及风险结构。其内在分为两

个层面：其一，利率由市场调节，不再由权力机构统一决定；其二，央行充分利

用金融可调动资源，以再贴现及公开市场业务影响市场，而非发布强制命令。利

率市场化包含以下内容：首先，市场业务的两方决定利率，包括交易价格、范畴、

担保和归还；其次，市场自发选择利率大小，业务的到期日及具体利率完全由交

易双方协议决定；再次，同业拆借利率及长期国债利率为市场中主导利率，作为

市场中交易量最大的代表性利率，同业拆借利率及国债利率有极大可能影响其余

利率水平；最后，央行有权干预资产利率，但仅是以间接方式影响利率市场，基

于利率市场化的实质而言，其目的是改变利率的定价机制，使利率作为价格杠杆

引导市场资金流动，提高资金使用效率。

在利率市场化的过程中，金融机构与金融交易主体共同确定和选择交易过程

中的各种因素，其活动本身即是对利率交易机制的重新建立；与此同时，市场的

万方数据
 山东大学硕士学位论文

供求格局也随利率的确定划分，对消除不规范金融市场操作大有脾益、同时可推

动资本市场规范健康发展。利率自由对商业银行业务亦有较大冲击，如存取款业

务，在商业银行间的角逐中其资金成本将随市场走势波动，随着业务竞争日益剧

烈，银行存取款利率必将受到影响；再如银行主要业务，部分银行传统业务曾受

益于统一利率红利，而市场化下的利率必将促使银行开发新型综合类业务、以适

应新的利率市场并从中获利；同时各银行同业业务也将随之更具差别化、模式更

具创新。一言以蔽之，利率市场化是顺应金融市场的增长趋势而产生的，它带来

的诸多益处也将使金融交易更为繁荣。

２．２利率风险及简要成因分析

随着利率市场化的发展，金融市场尤其是银行业交易中所涉及的利率不再受

管制约束，各利率由市场这只“看不见的手”进行调节，在带来更自由交易的同时，

也会带来风险。在利率随市场波动的同时，银行金融资产价值亦随之波动，这一

变化带来的风险即为利率风险。银行内部及外部因素均会导致银行利率风险，内

部影响可能来源于银行利率风控不当、资产负债表结构失衡等；外部因素可来自

除银行内部控制外的诸多方面，金融环境对银行业务产生不利影响时，资产损失

及风险也将伴随而来。

作为国际清算银行的标准机构，巴塞尔委员会在监管准则的制订上具有相当

的权威性及话语权，在１９９７年的《利率风险管理原则中》，利率风险被界定为

利率的改变对银行的经营及存续境况导致的风险。根据不同情境下的风险，巴塞

尔委员会将其分为以下四类：

（１）重新定价风险（Ｒｅｐｒｉｃｉｎｇ Ｒｉｓｋ）

银行资产负债与表中业务到期日及重新定价之间通常存在实施时间差异，这

一时间上的差异性即为重新定价风险产生的源头，也是其中最为基础和常见的一

项。当利率浮动时，重新定价风险将损害银行资金和内在经济价值，例如利率下

降时，由于融资利息支出可变而现金流不变，银行将面临内在价值的上升及收入

增加。

（２）收益率曲线风险（Ｙｉｅｌｄ ＣｕｒＶｅ Ｒｉｓｋ）

重新定价错配会影响收益率曲线，从而可能导致利率倒挂、对银行资金流动

万方数据
 山东大学硕士学位论文

及收入产生严重负面影响，收益率曲线风险从中而生。收益率曲线变缓时，存贷

款之间利差减小，银行未来收入减少；相反，收益率曲线走势加剧时，部分产品

的内在经济价值将下降。

（３）基准风险（Ｂａｓｉｓ Ｒｉｓｋ）

基准风险来源于运用不同工具进行利息收支调整时的不对称性，例如，一

家金融机构使用一年期存款提供贷款，贷款利率与存款利率根据两个外国同业拆

借市场利率确定，此时两种利率引发利差给金融机构带来了基准风险。对重新定

价及到期日相近的资产、负债而言，受此种风险的影响较为显著。

（４）期权性风险（Ｏｐｔｉｏｎ Ｒｉｓｋ）。

银行资产、负债及表外业务中，往往包含各种期权，因此期权性风险也隐藏

其中。期权赋予持有者到期交易的权利而非义务，大多数金融产品中往往隐含期

权特性，其中也包括银行的交易与非交易账户。客户可在利率变动时选择改变取

款或还款时间，这一举动将会显著影响银行收入：具体而言，在利率增加时，资

金有较大可能流出，银行需抬高利率吸引新的存款人；相反，当利率走低时，贷

款会随着提前还款终止，银行需要降低利率以吸纳新的资金存入。作为风险的承

担者，银行需始终在期权类工具的有效性管理上花费较大精力。

利率风险对于商业银行的影响是显著且不容忽视的，不论是银行自身经济价

值以及收入、还是未来银行业务的创新与发展，均与利率风险息息相关。

２．３国际利率市场化简述

２．３．１美国利率市场化

２０世纪３０年代，美国经济出现下行趋势，为重振市场繁荣，美联储制定了

包括Ｑ条例在内的众多管制条例，利率受到强制性管制。在后来的几十年内，

凭借这些条例，美国经济重振雄风、市场飞速发展。然而进入６０年代后，Ｏ条

例的负面影响开始显现，银行利润随利差的下降而逐步降低，交易者在买卖时选

择绕开商业银行、直接投向市场，商业银行的地位一落千丈，“金融脱媒”开始显

现，其次是市场走向低迷。面对各方面的声讨，管理当局开始酝酿利率市场化，

计划废除包括Ｑ条例在内的利率管制条例。１９８０年，放宽贷款的利率管制：１９８２

年，利率改革正式实施， 《高恩．圣杰曼存款组织法》颁布实施；１９８６年利率完

万方数据
 山东大学硕士学位论文

全放开，美国的利率市场化也基本告一段落。

在利率改革中，美国采取“先长、后短、先大、后小”的基本原则：１９７３年，

完全废除了全部大额存单的管理控制；１９７８年推出了利率上限浮动的货币市场

存单，并在存款业务中引入了自动转账账户；１９８０年，批准全部金融机构设立

ＮｏＷ业务，即业务具有可转让支付命令；１９８２年，无利率上限、无最短期限的

存款账户诞生；１９８３年，除ＮＯＷ账户外，所有账户的利率上限均被取消；１９８６

年，所有账户的利率上限被取消。经过１６年时间，美国彻底完成了利率市场化，

“金融脱媒”得到抑制，利率完全受市场波动影响。

利率市场化后，美国众多银行的负债结构出现变化，贷款数量增长、存款占

比下降，资金逐步转移至向高收益产品；曾占银行业务核心地位的借贷业务利润

下降，促使资产证券化业务的诞生与发展；同时，诸多影子银行诞生，包括对冲

基金和信用转换。

２．３．２日本利率市场化

二战后，受历史因素影响，日本普遍实行低利率政策以刺激经济增长及市场

交易，随之而来的则是经济严重滞涨。为改善这一状况，政府开始大量发售低利

率国债，但这些产品市场流通性较差，在一定程度上影响了承办银行的资金状况，

因此在２０世纪７０年代末，银行要求政府放松对国债利率的管控，以促使其上市

交易。这一要求也为后来日本利率市场化拉开了帷幕。在国债利率自由化后，日

本国内金融市场开始活跃起来，随之而来的是更多品种丰富的债券产品、以及竞

争更加激烈的金融市场。２０世纪９０年代，在日本经济快速发展的压力下，美国

政府的不满情绪日益增加，迫于其压力，日美间日元美元委员会成立，在外汇管

理上放宽管制，利率更趋向于自由化。１９８５年３月，推出了新型储蓄方式ＭＭＣ，

利率参考每周日账户所在银行公布的大额可转让存单发行率，账户有效期为６

个月以下、１个月以上：１９８５年１０月，废除对大额定期存款储蓄的管制；１９９１

年７月，日本正式放开对利率的管控；１９９４年，全部利率完全市场化。

可以看出，日本的利率市场化遵守“先国债后存款、先大额后小额”原则，这

一进程中，不乏多种多样的创新性产品，市场的活跃交易即促成了产品的创新、

也反向为市场注入了更多活跃性。

万方数据
 山东大学硕士学位论文

２．３．３阿根廷利率市场化

与以上国家不同，阿根廷在利率市场化后经历了严重的金融危机。作为第一

个实施利率改革的发展中国家，阿根廷于１９７１年开始实施诸多政策，但由于此

时阿根廷国内经济环境并不稳定，在利率调整后，大量资金流出银行，这次改革

还未完全开始便草草收场；直到１９７５年，基于国内严重的通胀影响，政府重启

了利率改革计划，放开除存款利率外所有相应限制；１９７６年，将存款利率上限

上调至５５％；ｌ ９７７年，全面放开利率限制。

然而，在利率市场化后，阿根廷国内通货膨胀率仍未得到控制，国内存款利

率一度飙升至５３％。此时大量投资者转向利率较低的外国借贷市场，但由于无法

偿还贷款致使倒闭，许多国内银行也因企业的破产冲击而破产；银行发放贷款，

放松了贷款发放的风险控制，不合格贷款量激增，导致房产和股市价格迅速增长，

最终于１９８１年３月爆发了金融危机。

阿根廷利率市场化的彻底失败，最主要的原因来自上世纪末期宏观经济的不

稳定、且国家内部经济环境并不乐观。阿根廷在世界经济动荡时期本身就受到了

一定冲击，且改革开始时正处于通胀严重时期，本身国家内部还存在一定社会问

题与矛盾，改革是不得不勉强为之。在国家本身市场还未完全成熟、内外部环境

不甚乐观情况下，贸然激进的开始利率市场化改革，必定会导致利率的过高或过

低，最终给银行业甚至国家经济带来极大的负面影响。

万方数据
 山东大学硕士学位论文

２．４我国商业银行利率市场及相关政策

自１９７８年改革开放以来，中国在经济体制上成功过渡至市场经济、创建了

具有中国特色社会主义的经济体制，随着市场的不断活跃与繁荣，利率亦随之发

展并具备了早期的市场化趋势；１９９２年，我国开始为利率市场化发展准备，制

定实施政策，逐步推进政府领导的利率市场化的建设与发展，由起初几年的改革

准备阶段、到随后的推进阶段，在以央行为首的的金融管理机构的管理与领导下，

我国的利率自由稳步向前，发展势头较好。基本发展趋势由货币和债券利率开始、

结束至存贷款利率，其中存款和贷款市场改革采用“先外部后内部、先存款后贷

贷款”的基本路线。简要发展历程如下：

１９９３年，我国确定放松利率管控，明确表示银行存贷款利率在规定范围内

自发变动；１９９６年，国债发行利率市场化开始启用价格招标，同年６月放开同

业拆借市场利率；１９９７年，债券市场现券交易利率自由化；１９９８年，对准备金

制度和金融债券利率进行了改革和招标；次年９月，国债实施招标发行。

进入２１世纪，随着我国成功加入世贸组织，外币存款利率首先放开，随后

中外机构的利率管理政策在０２年得到统一；同年，９个城市向国外交易者启用

人民币交易；２００６年，人民币利率互换交易场所开放、金融机构短期贷款利率

增加，同年９月，提出“上海银行间同业拆放利率”（ＳＨＩＢＯＲ），此为报价制的

货币市场基准利率；２００７年ＳＨＩＢＯＲ正式启用。

２００８年１２月２３日，央行下调金融机构存贷款基准利率和再贴现利率。１

年期存款利率由２．５２％下调至２．２５％；１年期贷款利率下调。同时，下调人民银

行对金融机构再贴现利率。

２０１０年１２月２３日，下调金融机构存贷基准利率和再贴现利率。１年期存款

利率由２．５２％下调至２．２５％；１年期贷款利率由５．５８％下调至５－３ １％；再贴现利率

下调１．１７个百分点至１．８０％。

２０１３年７月２０日，央行发出全面放开金融机构贷款利率管制的公告。首先取

消金融机构贷款利率０．７倍的下限，其次放开票据贴现利率管制，转为由金融机

构决定其水平。最后是始终推进差别化的房屋贷款政策，促进房地产积极正常发

展，个人房屋贷款利率变动区间暂不作改动。

２０１ ５年，央行四次下调贷存基准利率，年初机构贷款基准利率下调至５．３５％、

万方数据
 山东大学硕士学位论文

存款基准利率下调２．５％；同年５月，基准利率再次下降；６月２８日，金融机构

一年期贷款基准利率下调、一年期存款基准利率下调；８月２６日，贷款基准利

率下调至４．６％、基准利率下调至１．７５％。

２０１ ８年１０月１５日，中国人民银行接连下调各银行存款准备金率，至１个

百分点，取代其所借央行的中期借贷便利，支持小微企业、民营企业及创新型企

业融资。

在政府及金融管理机构的积极调控下，目前我国形成了较为规范的利率市

场，其中同业拆借市场、外汇市场、银行间债券市场及国债市场基本实现利率市

场化。然而值得注意的是，随着利率市场化进程深入，风险也将随之而来冲击市

场，而作为核心金融企业的银行业则首当其冲。所以，如何管控利率风险，从而

在市场变动时对其进行合理规避，成为银行经营管理中的主要问题之一。

万方数据
 山东大学硕士学位论文

万方数据
 山东大学硕士学位论文

第三章利率风险度量模型简介

利率风险常见度量方法包括敏感性缺口法、持续性缺口法以及ＶａＲ方法等，

以下重点介绍敏感性缺口法及ＶａＲ方法。

３．１利率敏感性缺口法

利率敏感性缺口基本思想为通过资产与负债衡量利率风险，其公式可表示

Ｇ，＝Ａ，一Ｌ，，

其中，Ｇ，表示利率敏感性缺口，Ａ，为利率敏感性资产，三，为利率敏感性负

债。当Ｇ，大于０，即为资产敏感性缺口，代表收入与利率共同增减；Ｇ，小于０

时，为负债敏感性缺口，代表收入与水平反向增减：Ｇ，为０，此时银行利息收入

与利率水平无关。

当利率变动时，为衡量净收入利率，公式定义如下：

ＡＮｌ＝ＡＲ×Ｇ，，

其中ＡＮＩ为利率变动时的净利息收入变化，ＡＲ为利率变化。可以看出，Ｇ，

为正时，若ＡＲ为正、则ＡＮＩ大于０，若ＡＲ为负、则删７小于０；此时利率增加
将带来净利息收入增长、而利率减少则会导致收入降低。相反，Ｇｒ为负时，若ＡＲ

为正、则伽小于０，若ＡＲ为负、则△Ⅳ，大于０；即负缺口时，利率升高将导
致净利息收入减少、而利率降低则会增加净利息收入。而当Ｇ，为０时，净利息

收入与利率变动无关。

在对Ｇ，进行横向对比时，可采取敏感性比率偏离度等进行指标比较，具体

公式如下：

Ｒ卿＝鲁，
口＝ＳＲ－１，ＳＲ＝鲁，

万方数据
 山东大学硕士学位论文

其中Ｒ绅为缺口率，Ａ，为利率敏感性资产，口为敏感性比率偏离度，ＳＲ为

敏感性比率，三，为利率敏感性负债。若计算得出的绝对值或ａ较高，即代表此

时资产风险程度较高。

在多种计算方式中，利率敏感性缺口法为最早被使用的方法之一，它的概念

及计算均比较简单。运用利率敏感性缺口分析可以量化表示由于利率变动给资产

和负债带来的影响程度，在判断利率未来变动的情况下，银行可利用该指标进行

参考作用，及时调整业务以规避风险。但它也具有一些不容忽视的缺点：作为静

态分析方法，它对于银行的权益类资产是无效的，使用方面较为局限；且对于负

债、隐含期权类资产等亦失效。

３．２ ＶａＲ方法及ＣＶａＲ方法

３．２．１ ＶａＲ方法的产生背景

上世纪７０年代，随着布雷顿森林体系解体，固定汇率体系崩溃，全球范围

内金融市场风险急速增加，汇率、利率、股票价格等波动增强；９０年代，全球

金融市场再度受挫，随着英国巴林银行倒闭、美国长期资本公司巨额亏损，如何

有效管控金融风险成为大型金融机构的首要问题。此时监管部门对市场日益增加

的风险因素极为担忧，急切要求构建安全的交易环境；与此同时，金融市场迫切

需要一种有效的市场风险计量方法。为满足这一需求，Ｊ．Ｐ．Ｍｏｒｇａｎ公司的风险管

理人员创立了风险矩阵系统，推动开发了ＶａＲ方法，它通过测量不同交易及不

同部门风险、并以数值形式汇总展示。在ＶａＲ方法推出后的２年内，据美国相

关机构的调查结果显示，约３２％的集团己使用ＶａＲ方法。到目前为止，ＶａＲ方

法已被众多金融机构及机构投资者所应用。

３．２．２ ＶａＲ定义及数学表达

ＶａＲ全称为Ｖａｌｕｅ ａｔ Ｒｉｓｋ，意味风险中的价值。其定义为在选取的置信区间

内，未来某金融资产或承受的最大损失。用数学公式可表达为：

尸（△％＜燃）＝１一口，

万方数据
 山东大学硕士学位论文

其中△以，为金融资产在出内所受的损失，ａ为显著性水平。公式中表明，

计算的ＶａＲ核心为显著性水平口、持有期ｔ，除此之外还有资产收益的分布等。

在持有期的选择上，主要受以下三个因素影响：金融市场的实际流动情况、

样本规模以及头寸。流动性与持有期成反比。在样本规模的选择上，资产持有期

越短、样本数据越多，样本分布也越倾向于正态分布。持有期也与投资组合的头

寸调整有关，持有期越长、组合中的头寸越有可能变动；持有期越短，投资组合

中头寸往往保持不变。

置信水平反映了金融机构对于风险的偏好程度，若机构偏向于较低风险，则

置信水平应取偏高数值；若计算ＶａＲ仅为了观察比较市场风险，则可任意选择。

同时，置信水平的差异也会导致所需成本的区别，二者之间成正相关关系。国际

清算银行建议的置信水平为９９％，在实际应用中通常在９０％至９９％之间取值。

３．２．３ ＶａＲ的计算方法

目前ＶａＲ的常见计算方法包括参数法、半参数法以及非参数法，下就各方

法选取具有代表性的计算方式进行介绍：

（１）参数法

参数法中的常用的方法为方差．协方差法，它假设数据收益服从正态分布，

在计算出收益的波动率序列后，对ＶａＲ值进行计算，其定义的公式如下：

ＶａＲ＝％ｚ。ｃｒＶＡｔ，

其中ｖ０为资产初始价值，ｚ。为显著性水平为口下时的分位数，出为持有期，

盯为波动率。因此，估计ＶａＲ值的核心工作即为计算出波动率序列，本文采用

广义自回归条件异方差法对波动率进行估计与计算。

（２）半参数法

厚尾模型为计算ＶａＲ的典型半参数法。假设扛，）为一单调递增序列，其中任

一Ｘ．均为顺序统计量，其分布函数在Ｘ—ｏ。时的二阶展开式为：

，（ｘ）≈１一ａｘ一“Ｏ＋ｂｘ一卢）口。，卢＞０，

其中口，
其中“ ｂＭ，１Ｌ！』ｎｌ兰ｆ：ａ数参为卢，，卢为参数， ＝Ｍ【、∑１＝１ １ｎ焘ｊ，
＼ “肼＋Ｉ／
为一随机数。则在此定义下，
为一随机数。则在此定义下’

万方数据
 山东大学硕士学位论文

ＶａＲ计算公式为：

眦：‰ｆ，丝］彪％，
＼月／

其中Ｋ为资产初始价值，刀为样本个数。

（３）非参数法

常见的非参数法包括历史模拟法及蒙特卡罗模拟法。历史模拟法假定历史

数据变化与未来数据波动变化一致，并基于历史数据进行计算，其简要计算思路

如下：首先利用历史数据与资产现价、计算资产未来价格，其次按照目前资产的

比例计算模拟的投资组合价值，最后将模拟价值按大ｄｑｌ页，序、在ａ下计算风险值。

然而历史模拟法在假设上较不合理、且计算量较大，同时对一些极端情况无法覆

盖。蒙特卡洛模拟法无需对数据进行任何假设，可用于估计各类型风险。它模拟

的是变量的随机过程，通过对历史样本采取有放回的抽样。首先需选择随机过程

及参数，然后模拟产生随机变量、再计算出资产价格，重复多次模拟后计算ＶａＲ

值。与历史模拟法相比，蒙塔卡罗模拟法可得到较准确结果，且适用的假设情况

较多，对处理非线性资产价格风险及厚尾的非正态分布效果较好，但它过于依赖

随机过程的选择，且计算量较大，同时在计算时依赖历史数据。

３．２．４ ＣＶａＲ方法

ＶａＲ方法的出现从很大程度上丰富了对风险的衡量方式，它能简洁的描述出

风险大小及风险发生可能性；然而在实际应用中，ＶａＲ也存在一定局限性。比如

在极端情况下ＶａＲ对风险的衡量将失效，它仅为分布中的某个分位数、无法有

效描述分布中的极端情况；ＶａＲ不满足次可加性、这代表在投资组合的风险计算

中，将无法对各项资产进行叠加。因此，ＲｏｃｋａｆｅＵｅｒ和Ｕｒｙａｓｅｖ在２０００年提出

了ＣＶａＲ以更全面的对风险进行衡量。ＣＶａＲ又称条件风险价值，其基本公式如

下：

ＣＶａＲ＝Ｅ（ＸＩＸ＞ｇａＲ）．
由上式可看出，ＣＶａＲ描述的是金融资产超出ＶａＲ后的平均尾部损失。实际

意义为在极端概率下的平均资产损失。例如，某金融资产某日的ＶａＲ为２００美

万方数据
 山东大学硕士学位论文

元、ＣＶａＲ为３５０美元、其显著性水平为５％，则说明该金融资产在该日资产损

失有９５％的可能性不超过２００美元、而有５％的概率其平均损失超过３５０美元；

同时，ＣＶａＲ是单调、次可加的，且具有传递不变性。可以看出，ＣＶａＲ在很大

程度上弥补了极端概率情况下ＶａＲ对风险描述的空白。

万方数据
 山东大学硕士学位论文

万方数据
 山东大学硕士学位论文

第四章实证分析

实证部分选取２０１２年至２０１９年３月２３日、共ｌ ７９９个ＳＨＩＢＯＲ Ｏ／Ｎ利率

作为分析数据，预计在对数据进行基本统计性分析后，选取ＧＡＲＣＨ族模型模拟

方差，最后利用历史模拟法及参数法计算ＶａＲ值及ＣＶａＲ值并做比较分析。

４．１ ＳＨＩＢＯＲ简介

ＳＨＩＢＯＲ即上海银行间同业拆借利率（Ｓｈａｎｇｈａｉ Ｉｎｔｅｒｂａｎｋ Ｏｆｆｅｒｅｄ Ｒａｔｅ），为

同业互相资金交换时愿意支付的利息。银行除上缴或留存一部分存款准备金外，

部分银行帐面上会留有超额准备金，同时一部分银行的帐面上会出现准备金短缺

的现象，此时就需要向其他银行借入资金。其计算方法为按每天各机构价格降序

排列，剔除掉最高、最低４家之后，取剩余均值即为ＳＨＩＢＯＲ。按照资金的期限

区分共分有八个品种，包括隔夜（Ｏ／Ｎ）、一周（１Ｗ）、两周（２Ｗ）、１个月

（１Ｍ）、３个月（３Ｍ）、６个月（６Ｍ）、９个月（９Ｍ）及１年（１Ｙ）。ＳＨＩＢＯＲ

工作小组确定成员后，对业务进行监管并指定发布成员。作为一种单利、无担保、

批发型利率，ＳＨＩＢＯＲ的制定形式和在国际市场中使用的伦敦同业拆借利率的形

式相似，在研究我国利率市场的过程中，ＳＨＩＢＯＲ具有良好的代表性与研究价值。

４．２ ＡＲＣＨ及ＧＡＲＣＨ模型理论知识介绍

４．２．１ ＡＲＣＨ模型

在金融时间序列的应用中，常用到的一类方法为ＡＲＣＨ模型方法，其全称

为自回归条件异方差模型。１９８２年，由Ｅｎｇｌｅ在分析英国通货膨胀率序列时首次

提出。其定义如下：若随机过程ｐ？）服从彳尺（ｐ）过程，即：
￡？＝口。＋口ｌｓ三ｌ＋…＋口ｐｓ三Ｐ＋叩，，
Ｙ，２Ｙ，一ｌ＋占ｒ，

式中切，）独立同分布，且有Ｅ（ｑ，）＝０，Ｄ（ｑ，）＝名，则称ｐ，）服从ｐ阶的ＡＲＣＨ

过程，￡，～ＡＲＣＨ（ｐ）。为方便其性质研究，通常将ＡＲＣＨ（ｐ）模型表示如下：

万方数据
 山东大学硕士学位论文

Ｙｌ＝盘＋ｓｉ，
’ ＇ ’

盯？２倥ｏ＋口Ｉ￡工±＋…＋口Ｄｓ二口，

其中￡，～Ｎ（Ｏ，仃？），口？为条件方差。ＡＲＣＨ模型的实质为将历史波动信息作

为条件刻画波动变化，利用该模型可刻画出受时间变化影响的条件方差。在实际

应用中，ＡＲＣＨ模型通常对参数具有较高要求、预测的波动率偏高，其条件方差

仅依赖Ｐ个值，通常在Ｐ值较小时估计效果较差。因此在此模型基础上，ＧＡＲＣＨ

模型应运而生。

４．２．２ ＧＡＲＣＨ模型

在实际应用中，对某些存在ＡＲＣＨ效应的时间序列，参数通常不能通过假

设性检验。此时可考虑ＧＡＲＣＨ模型、即广义ＡＲＣＨ模型，该模型由Ｂｏｌｌｅｒｓｌｅｖ

于１９８６年提出，基于ＡＲＣＨ增加了异方差函数的Ｐ阶自相关性，ＧＡＲＣＨ（ｐ，ｑ）

的基本形式如下：

Ｙ，＝∥＋ｓ，，
Ｐ ｑ

仃？＝口。＋∑口，Ｅ。２＋∑只盯三，．
ｉ＝１ ，＝ｌ

通过ＧＡＲＣＨ模型可以看出，通常一个大的ｓ三，或仃三。会引起一个较大的盯？，

在实际交易中，金融资产收益率的方差序列往往对正未预期收益及负未预期收益

的反应不同，正未预期收益常常会造成较大方差，这种现象为收益对条件方差的

不对称效应，拟合时则需要非对称ＧＡＲＣＨ模型。非对称ＧＡＲＣＨ模型包括

ＴＧＡＲＣＨ模型、ＥＧＡＲＣＨ模型及ＰＧＡＲＣＨ模型，它们与ＧＡＲＣＨ模型在方差

方程上区别较大。如ＥＧＡＲＣＨ模型，其方差等式针对Ｉｎ仃？进行分析，其一般表

达式如下：

ｉｎｏ＂？＝∞＋∑：：．岛仃三，＋∑：。口，Ｉ鸬一．／盯。－Ｅ（／．ｔＨ／盯。）Ｉ＋∑：：．％／－ｚ，＿ｋ／仃，一。．

万方数据
 山东大学硕士学位论文

４．３实证数据预处理

４．３．１数据平稳性检验

首先检验序列平稳性。在随机时间序列中，平稳通常定义为：对于随机时间

序列Ｙｔ，若其期望值、方差及自协方差值与时间ｔ无关，则称只为平稳序列，对

任意ｔ需满足条件如下：

（１）Ｅ◇，）＝∥，其中／．ｔ为常数；

（２）ｖａｒ（ｙ，）＝盯２，其中盯２为常数；

（３）ｃｏｖ（ｙ，，Ｙｆ一，）＝ｃ，其中ｃ为常数。

在实证分析中，若时间序列出现非平稳性，则将会影响实证结果，带来重大

误差。因此在实证开始之前，需检验序列是否平稳。

画出１７９９个样本的时间序列图如下：

图４．１ Ｓｈｉｂｏｒ隔夜拆借利率时间序列图

如图所示，时间序列波动剧烈且不存在递增或递减规律性，因此初步判定

Ｓｈｉｂｏｒ隔夜拆借利率非平稳序列；取其对数化后的一阶差分序列，即收益率序列

作图如下：

万方数据
 山东大学硕士学位论文

图４－２ Ｓｈｉｂｏｒ隔夜拆借收益率时间序列

由图４．２可看出，序列在０附近上下波动，且大部分时候较平稳，因此推测

判断收益率序列是平稳的。为验证这一想法，采用广泛使用的ＡＤＦ单位根检验

其序列平稳性，其基本思想为验证时间序列是不是含单位根，若序列含单位根则

为非平稳序列。通过Ｅｖｉｅｗｓ对收益率序列检验结果整理如下：

表４－１收益率序列ＡＤＦ检验结果

显著性水平 ｆ统计量 ＡＤＦ检验ｔ统计量 检验概率

ｌ％ －３．４３３７８７

５％ ．２．８６２９４５ ．３６．８３６７５ ０．００００

１０％ ．２．５６７５６５

通过表４．１可以看出，收益率序列拒绝原假设，序列不存在单位根，即收益

率序列为平稳序列，可对该序列进行下一步的实证。

４．３．２数据描述性统计分析

下对收益率序列进行分布分析，利用初步结果判定其分布情况。基本统计量

包括均值（Ｍｅａｎ）、中位数（Ｍｅｄｉａｎ）、标准差（Ｓｔｄ．Ｄｅｖ）、偏度（Ｓｋｅｗｎｅｓｓ）、

峰度（Ｋｕｒｔｏｓｉｓ）及Ｊ．Ｂ统计量（Ｊａｒｑｕｅ．Ｂｅｒａ Ｐｒｏｂａｂｉｌｉｔｙ）。其中，偏度用来描述
样本序列的形状，反映了样本与均值之间的偏差程度：若为正数则右偏、负数为

左偏分布、若为０则为正态分布；峰度刻画了样本序列分布的高峰形状，若大于

３则普遍形状“高瘦”、小于３则“矮胖”；若样本序列为正态分布，则Ｊ．Ｂ统计量

万方数据
 山东大学硕士学位论文

服从自由度为２的卡方分布。

∞０ ！＿
。掌 Ｓｅｒｉｅｓ：Ｒ
“牟
加０ ｉｉ Ｓａｍｐｌｅ １ １７９９
一
冀
蓦壬
÷彗善 Ｏｂｓｅｒｖａｔｉｏｎｓ １ ７９８
。孽
∽ｉ
∞０ ｊ
奠 篱 ａ０ Ｏ Ｏ １ ５ １
；
麓
㈦
一Ｏ ０ Ｏ ＯＯ
蛐０ ｊ蔓
蘩
堇
。；磁 ６２５
篓 ＝；¨ｊｌ
柏０ ６２ ５ ０，Ｏ ４
煮 蠹蔓
ｉ・
０一Ｏ ８ ２２，４ ４
鬟

～一一～～～一
煮
∞０ ０ ６６ ３ ｇ ７ ７

黧燃一
薯
；∽ ２ ｃ！§Ｄｍ３＆ ５ Ｏ ６９ １
薹

∞０ １｛；。

搿 Ｊａｒｑｕｅ－Ｂｅｒａ ３１ ５４４．６６

伯Ｏ 菇
Ｐｒｏｂａｂｉｌｉｔｙ ０。００００００
”￡

—愿 霪黏
警
麓 蔓垂ｉｉｉｌ；ｉ
０ 一ｉ事ｊ

图４－３收益率序列描述性统计图

由上图可知，收益率序列最大值为０．５６２５２ｌ，最小值为一０．６２５ １０１４；偏度为

０．３６３９７７，分布右偏：峰度为２３．５０６９，高于正态分布峰值，且Ｊ．Ｂ统计量该路

为０，该分布具有一定的尖峰特征。由以上数据可粗略看出，收益率序列非正态

分布。为证实序列并非正态分布，可画出Ｑ－Ｑ图进行进一步检验，若为正态分

布，则图像中的点将均匀分布在正态分布直线附近，且二者走势一致。

图４－４收益率序列Ｑ．Ｑ图

由Ｑ．Ｑ图可知，曲线两端与正态分布直线有明显偏离，因此收益率序列并

万方数据
 山东大学硕士学位论文

非正态分布、且具有有厚尾现象。

４．３．３自相关性检验

自相关性指序列中两项之间协方差不为０，它在金融时间序列中较为常见，

通常变量的滞后性会导致序列自相关。当序列存在自相关性时，它可能会对模型

的检验及估计产生一定影响。利用Ｅｖｉｅｗｓ检验序列自相关性，可观测到序列自

相关系数ＡＣ及偏相关系数ＰＡＣ呈震荡式递减，且均不等于０；Ｐ值均为０，明

显小于任一置信度，拒绝了非相关性的假设。因此收益率序列具有一阶自相关性。

ＡｕｔｏｃｏｒｒｅＩａｔｉｏｎ ＰａｒｔｉａＩ ＣｏｒｒｅＩａｔｉｏｎ ＡＣ ＰＡＣ Ｑ—Ｓｔａｔ Ｐｒｏｂ

１ ０．１４０ ０ １４０ ３５．２８７ ０．０００

２—０．０２７—０ ０４７ ３６ ５６０ ０．０００

３—０ ０５９—０ ０５０ ４２ ８９４ ０ ０００

４—０ ０７４—０．０６１ ５２．７９６ Ｏ．０００

５—０．０４２—０ ０２８ ５６．０２０ ０．０００

６—０ ０５５—０ ０５４ ６１ ３９２ ０．０００
７ ０ ０１２ ０．０１８ ６１．６３５ ０．０００

８—０．０３７—０ ０ｒ－４ ６４．１３０ ０ ０００

９—００３８—０．０３６ ６６ ８１０ ０．０００
１ ０—０．０９２—０．０９５ ８２．０１６ ０．０００
１１—０．０２７—０ ０１１ ８３．３２１ ０ ０００
１２ ０ ０１７ ０．００２ ８３．８３１ ０．０００

１３ ０ ０１２—０ ００８ ８４．１０１ ０．０００

１４—０ ００９—０．０３３ ８４．２５６ ０．０００

悃小１ｉｒｌ小１ｉｒ小１ｉｒ小巾 小 恼小１ｉｒｌ小１ｉｒ 小１ｉｒ 小 １５—０ ００２—０．００７ ８４．２６１ ０．０００

图４．５收益率序列自相关性检验结果

－２６－

万方数据
 山东大学硕士学位论文

４．４ ＶａＲ与ＣＶａＲ计算

４．４．１非参数法计算ＶａＲ

历史模拟法完全使用历史数据模拟当前收益率，它假设所有收益率是独立同
分布的。选取置信水平为９５％，基于历史模拟法计算ＶａＲ的思路如下：首先选
取一定大小的历史收益率样本，此处选择样本范围为第１天至第１６００天；随后

按照降序排列样本，即序列中第一个值为样本序列中的最大值、序列中最后一个

值为样本序列中的最小值；最后，按照选取的置信水平选取降序序列中的相应分

位数即为第１６０１天的ＶａＲ值，此处选择９５％的分位数。若计算下一个ＶａＲ值，

则保持样本大小不变，选取范围由第ｌ天至第１６００天变为第２天至第１６０１天，

以此类推得到ＶａＲ序列。由定义可知，各降序序列中后５％的均值即为ＣＶａＲ。

计算结果如下表，其中失败概率为收益率大于ＶａＲ的天数除以总天数：

表４．２历史模拟法计算ＶａＲ及ＣＶａＲ结果

均值 最大值 最小值 方差 失败概率

ＶａＲ Ｏ．０４７６ ０．０９５５ ０．０２３０ ０．０００４ ２０．１０％
ＣＶａＲ Ｏ．０７１３ ０．１９１５ ０．０２９２ ０．００１５ １９．２０％

从上表可看出，运用该法计算出的ＶａＲ与ＣＶａＲ失败概率均较高，意味着

该方法对计算收益率序列的风险无效，可能原因有以下两点：第一，收益率序列

存在自相关性，且短期内有较大波动，影响了计算结果的准确性；第二，在实证

试算中发现，若初始样本范围为３０、１００、５００、１０００、１６００时，ＶａＲ失败率分

别为５３．１３％、４４％、４２．２９％、３８％、２０．１０％，说明选取样本范围越大、失败概

率越低、对风险的估计效果越好；因此本文中此方法失效可能由于历史数据量不

足。

４．４．２参数法计算ＶａＲ

（１）ＡＲＣＨ效应检验

在利用参数法进行实证分析之前，通常需要检验序列是否具有ＡＲＣＨ效应，

即残差是否具有异方差特性及自相关性，若存在则需引入ＧＡＲＣＨ模型拟合序

万方数据
 山东大学硕士学位论文

列。本文选用ＡＲＣＨ ＬＭ检验法，其原假设为假设序列不存在ＡＲＣＨ效应，构

建Ｆ统计量或卡方统计量进行假设检验。其中用于检验的回归方程表达式为：

∥？＝口。＋∑口，∥三ｌ＋ｓ，．
Ｊ＿ｌ

首先建立一阶自回归方程：

‘＝Ｏ．１３９９９４‘一Ｉ＋占，，

在此方程残差基础上对做ＬＭ检验，结果如下：

Ｔｅｓｔ Ｅｑｕａｔｉｏｎ：

Ｄｅｐｅｎｄｅｎｔ Ｖａｒｉａｂｌｅ：ＲＥＳＩＤＡ２
Ｍｅｔｈｏｄ：Ｌｅａｓｔ Ｓｑｕａｒｅｓ
Ｄａｌｅ：０３缆１１１ ９ Ｔｉｍｅ：１ ６：５１
Ｓａｍｐｌｅ（ａ喇ｕｓｔｅｄ）：７ １７９９
Ｉｎｃｌｕｄｅｄ ｏｂｓｅｒｖａｔｉｏｎｓ：１７９３ ａｆｔｅｒ ａｄｊｕｓｔｍｅｎｔｓ

图４－６收益率序列ＬＭ检验结果

上表中Ｆ统计量及卡方统计量Ｐ值均为０，证明拒绝原假设，且收益率序列

具有ＡＲＣＨ效应。

（２）ＧＡＲＣＨ类模型建立及计算

经过以上各步骤可知，收益率序列为平稳序列、非正态分布且具有ＡＲＣＨ

效应，因此可采用ＧＡＲＣＨ模型拟合仃２：同时，因ＥＧＡＲＣＨ方法在实际应用中

万方数据
 山东大学硕士学位论文

刻画效果较好，亦采用ＥＧＡＲＣＨ方法进行估计。首先考虑对ＧＡＲＣＨ（ｐ，ｑ）模

型及ＥＧＡＲＣＨ（ｐ，ｑ）模型定阶，根据ＡＩＣ值及ＳＣ值确定模型阶数，ＡＩＣ值及

ＳＣ值越小、计算结果越优。利用Ｅｖｉｅｗｓ计算出的试算结果如下：

表４．３收益率序列ＧＡＲＣＨ模型试算结果

滞后阶致 ＭＣ ＳＣ

ＧＡＲＣＨ・（１，１） 一４．５５６８１７ －４．５３８４７４

ＧＡＲＣＨ－（１，２） －４．５５８９８２ －４．５３７５８１

ＧＡＲＣＨ－（２，１） －４．５７６８６７ —４．５５５４６６

ＧＡＲＣＨ－（２，２） －４．５７６８２２ ．４．５５２３“

ＥＧＡＲＣＨ－（１，１） ．４．３４６７９５ ．４．３２８４６０

ＥＧＡＲＣＨｆｆ Ｉ，２） －４．３７６０１６ －４．３５４６２５

ＥＧＡＲＣＨＫ２，１） －４．４４４６５４ ．４．４２６３ｌ ９

ＥＧＡＲＣＨＫ２．２） －４．４ ｌ ９３７９ －４．３９４９３２

由上表可看出，模型为ＧＡＲＣＨ（２，１）及ＥＧＡＲＣＨ（２，１）时ＡＩＣ及ＳＣ

值最小。且在前文中，通过对收益率序列进行统计量分析，证明其不服从正态分

布、且分布形式尖峰厚尾，因此采用ＧＡＲＣＨ（２，１）及ＥＧＡＲＣＨ（２，１）在ｔ

分布及ＧＥＤ分布下分别对收益率序列进行拟合，拟合结果汇总如下：

表４－４ ＧＡＲＣＨ模型及ＥＧＡＲＣＨ模型在不同分布下拟合结果

模型 系数是否显著
ＧＡＲＣＨ（２，１）．ｔ 不
口

ＧＡＲＣＨ（２，１１一ＧＥＤ 是
ＥＧＡＲＣＨ（２，１）－ｔ 否

ＥＧＡＲＣＨ（２，１）－ＧＥＤ 是

采用ＧＡＲＣＨ（２，１）．ＧＥＤ模型及ＥＧＡＲＣＨ（２，１）一ＧＥＤ模型的估计结果如

下：

万方数据
 山东大学硕士学位论文

Ｖａｒｉａｂｌｅ Ｃｏｅｆｆｉｃｉｅｎｔ Ｓｌｄ．Ｅｒｒｏｒ ｚ－Ｓｔａｔｉｓｔｉｃ Ｐｒｏｂ

Ｃ ０．０００１ ５２ ２．Ｉ？Ｅ－０５ ６．９８２５７３ Ｏ．００００

Ｒ（－１） ０．３０２６３２ Ｏ．００８４１ ０ ３５．９８３４４ ０．００００

ＧＥＤ ＰＡＲ．ＡＩｄＥＴＥＲ ０．５６８４２２ ０．０１ ６２８９ ３４．８９６１７ ０．００００

一０．００６８９１ Ｍｅａｒｌ ｄｅｐｅｎｃｌｅｎｔ ｖａｔ —０．０００２２６

Ｒ—ｓｑｕａｒｅｄ
Ａ囟ｕｓｔｅｄ Ｒ－ｓｑｕａｒｅｄ 一０．００７４５．２ Ｓ．Ｄ．ｄｅｐｅｎｄｅｎｔ ｖａｒ ０．０６８１８９

Ｓ＇Ｅ．ｏｆ ｒｅｇｒｅｓｓｉｏｎ ０．０：６８４４３ Ａｋａｉｋｅ ｉｎｆｏ ｃｒｉｔｅｄｏｎ －４．５７６８６７

ＳＵｍ ｓｑｕａｒｅｄ ｒｅｓｉｄ ８．４０８５１７ Ｓｃｈｗａｒｚ ｃｒｉｔｅｒｉｏｒｌ ４．５５５４６６

４１ １ ９．３１ ５ Ｈａｎｎａｎ－Ｑｕｉｎｎ ｃｒｉｔｅｒ －４．５６８９，６６
Ｌｏｇ ｌｉｋｅｌｉｈｏｏｄ
ＤＵｒｂｉｎ・ＶＶａｔｓｏｎ ｓｔａｒ ２．２８０３５７

图４．７ ＧＡＲＣＨ（２，１）一ＧＥＤ模型检验结果

Ｖａｄａｎｅ Ｃｏｅｆｌｉｃｉｅｎｔ Ｓｔｄ．Ｅｒｒｏｒ ｚ－Ｓｔａｔｉｓｔｉｃ Ｐｒｏｂ

Ｃ ０．０００４９７ ４．３１Ｅ－０５ １１ ５４２０４ ０．００００

Ｒ（－１’ ０．３２２９４６ ０．００６４６４ ４９．９５７７４ ０．００：００

Ｖａｒｉａｎｃｅ Ｅｑｕａｔｉｏｎ

Ｃ（３） －０．１ ３８８２０ ０．０１７７２３ —７．８３２７３４ ０．００００

Ｃ（４）０．７６７９２５ ０．０５３２５毒 １２．１４０２６ ０．００００

Ｃｆ５） 一０．５９１ ５２０ ０．０６２５６０ —９．４５５３１ ３ ０．００００

Ｃ（６） 一０．０４２０２４ ０．０１７４５１ －２．４０８１ ０７ ０．０１ ６０

Ｃ盯ｌ ０．９９４８７３ ０．００１ ５０８ ６５９．９２６５ ０．００００

ＧＥＤ ＰＡＲＡＭＥＴＥＲ ０．５８００１ ９ ０．０１７６８４ ３２．７９８７２ ０．００００

Ｒ－ｓｑｕａｒｅｄ ．０．０１４０００ Ｍｅａｒｌ ｄｅｐｅｎｄｅｎｔ ｖａｒ —０．０００２２６

Ａｄｊｕｓｔｅｄ Ｒ－ｓｑｕａｒｅｄ 一０．０１４５６５ Ｓ．Ｄ．ｄｅｐｅｎｄｅｎｔｖａｔ ０．０６８１ ８９

Ｓ．Ｅ ｏｆ ｒｅｇｒｅｓ￥ｉｏｎ ０．０６８６８４ Ａｋａｉｋｅ ｉｎｆｏ ｃｒｉｔｅｄｏｎ －４５９１８２２

ＳＵｍ ｓｑｕａｒｅｄ ｒｅｓｉ（Ｉ ８．４６７８８９ Ｓｃｈｗａｆ－ｚ ｃｎｔｅｒｉｏｎ ４．５６７３６４

Ｌｏｇ Ｉｉｋｅｌｉｈｏｏｄ ４１３３．７５２ Ｈａｒｌｒｌａｔｒｌ－Ｑｕｉｎｎ ｃｒｉｔｅｒ －４，５８２７９３

ＤＵｆ翻ｎ．ｗａｒｓｏｎ ｓｔａｔ ２．３１ ３６８２

图４－８ ＥＧＡＲＣＨ（２，１）．ＧＥＤ模型检验结果

依照检验结果，ＧＡＲＣＨ（２，１）．ＧＥＤ模型建立如下：

＿＝０．０００１＋０．３０２６ｒ，一１＋占，，

盯？＝０．０００７＋１．１３４７Ｅ，：ｌ－０．９２０２占ｊ２＋ｏ．８８１８０－２１．

一３０—

万方数据
 山东大学硕士学位论文

ＥＧＡＲＣＨ（２，１）．ＧＥＤ模型建立如下：

Ｉｎｃｒ？＝－０．１４＋０．７７１乒ｔ¨Ｉ／仃，一ｏ．５９１ｕ。．２ｌ／仃，一０．４２，ｕ，一ｌ／仃，＋ｏ．９９Ｉｎｃｒ¨，

通过两个模型计算出的盯２序列，即可计算收益率序列的ＶａＲ值。

（３）ＶａＲ计算与分析

本文选取参数法计算ＶａＲ值，公式为：

眦＝ｖ。乞盯伍，
将初始交易资产价值设定为ｌ，隔夜拆借持有期设为ｌ天，在显著性水平为

１％、５％及１０％下的ＧＥＤ分位数分别为１．２３８０２０、１．６５２７３９及２．４９８０２８，标准

差序列可由Ｅｖｉｅｗｓ导出，经计算可得出ＶａＲ值各统计量如下：

表４－５收益率序列ＶａＲ计算结果

模型 显著性水平ｙ出最大值玩吠最小值玖砍均值玩氓标准差
１％ ０．８７０２７７ ０．００３３７５ ０．０７２４８９ ０．０８７９４ｌ

ＧＡＲＣＨ（２，Ｉ）－ＧＥＤ ５％ １．１６１８０７ ０．００４５０６ ０．０９６７７２ ０．１ １７４００

ｌＯ％ １．７５６０ｌ ｌ ０．００６８１０ ０．１４６２６６ ０．１７７４４４

ｌ％ １．１９３２０７ ０．００３６４５ ０．０６４６３４ ０．０７４６８４

ＥＧＡＲＣＨ（２，１）－ＧＥＤ ５％ １．５９２９１４ ０．００４８６６ ０．０８６２８６ ０．０９９７０２

ｌＯ％ ２．４０７６０６ ０．００７３５５ ０．１３０４ １ ７ ０．１ ５０６９５

（４）ＶａＲ后验测试

针对ＶａＲ计算结果的有效性检验方法为Ｋｕｐｉｅｃ失败频率检验法。其核心思

想为构造服从ｚ（１）的似然比检验，验证ＶａＲ值是否能涵盖实际风险值。具体做

法为，比较ＶａＲ与实际收益率值，若实际值大于ＶａＲ时则算作估计失败。设丁为

失败天数，Ⅳ为样本总量，则Ｐ＝７＂／Ｎ为失败频率，构造的检验统计量为：

三Ｒ：一２１ｎＩ（１一口）Ｎ－Ｔ口７］＋２ｌｎ【（１一Ｐ）Ⅳ一７’Ｐ丁ｌ
其中ａ为显著性水平，ＬＲ～Ｚ（１）。通过计算出的ＶａＲ值与收益率值做比较

可得出失败天数，在显著性水平为５％下将相关数据带入公式进行计算，结果整

理如下：

万方数据
 山东大学硕士学位论文

表４－６模型有效性检验计算结果

模型 期望失败天数 实际失败天数 失败率ＬＲ统计量

ＧＡＲＣＨ（２，１）－ＧＥＤ ９０ ８０ ４．４％ １．１９２０６３

ＥＧＡＲＣＨ（２，１）－ＧＥＤ ９０ ９３ ５．２％０．１０４３２２

其中期望失败天数＝ａＮ。经计算得出，ＧＡＲＣＨ模型的ＬＲ统计量为

１．１９２０６３，ＥＧＡＲＣＨ模型的ＬＲ统计量为０．１０４３２２，二者均小于Ｚ（１１下５％的分

位数３．４８，故接受原假设，两个模型均通过测验，说明ＧＡＲＣＨ模型及ＥＧＡＲＣＨ

模型均可用来估计利率风险。

为更好的衡量模型对风险的估计效果，以下采用失败率与显著性水平的差异

程度判断。失败率Ｐ越接近口、模型的效果越好。对比Ｐ可发现，ＥＧＡＲＣＨ（２，

１）．ＧＥＤ模型计算得出的实际失败天数与期望失败天数更为接近，说明该模型计

算出的ＶａＲ值较为准确；而ＧＡＲＣＨ（２，１）．ＧＥＤ模型的失败率明显低于显著性

水平，说明ＧＡＲＣＨ模型对利率市场风险有较大程度的低估，若应用该模型，则

银行风控部门的风险管控能力将降低。

（５）ＣＶａＲ值计算及与ＶａＲ值比较

由３．２．３中ＣＶａＲ的定义可知，其描述的是金融资产超过ＶａＲ以后的尾部

平均损失，因此本文根据ＣＶａＲ定义，结合相关文献中对ＣＶａＲ的计算方法【２９】，

根据上节中由ＥＧＡＲＣＨ（２，１）．ＧＥＤ模型计算出的ＶａＲ与ＳＨＩＢＯＲ收益率，

经计算可得出置信水平９５％时２０１２年至２０１９年４月的ＣＶａＲ序列，画出ＣＶａＲ

与ＶａＲ时间序列图如下：

万方数据
 山东大学硕士学位论文

图４－９ ＥＧＡＲＣＨ模型下ＣＶａＲ与ＶａＲ时间序列图

由图像可看出，二者波动趋势基本一致，前５００个数据与后５００个数据波动

剧烈、中段数据较为平稳。ＣＶａＲ曲线一直处于ＶａＲ曲线上方，说明较ＶａＲ而言，

ＣＶａＲ能更全面的描述利率风险信息；同时可以看出，在ＶａＲ出现异常波动时，

ＣＶａＲ值波动会更剧烈、且峰值较平常值更高，这也证明了它在极端情况下对风

险的刻画精度较好、对风险的检测效果要优于ＶａＲ，是对ＶａＲ的有效补充。

为了更好观察ＣＶａＲ的变化趋势，选取其年度均值画出时序图、并与ＶａＲ

时序图作比较如下：

图４．１０ ＣＶａＲ均值与ＶａＲ均值时间序列图

万方数据
 山东大学硕士学位论文

观察上图可知，ＣＶａＲ均值变化趋势与ＶａＲ相同，在日波动率较为剧烈的前

５００天及后５００天内ＣＶａＲ均值较高，且在波动较为剧烈时期ＣＶａＲ均值曲线斜

率略高于ＶａＲ均值曲线，表明ＣＶａＲ在波动异常的极端情况下对风险变化的反

映敏感程度要高于ＶａＲ：与此同时，２０１９年ＣＶａＲ均值达到过去８年内的最大

值Ｏ．３０９９，较ＶａＲ均值在２０１９年的最大值０．２０７１高出４９．６４％，这就意味着若

仅使用ＶａＲ衡量本年度利率风险，将会有较大范围的极端性风险被忽略。

（６）ＣＶａＲ后验测试

为更好的衡量ＣＶａＲ对利率风险的刻画情况，对ＣＶａＲ进行失败率检验。参

考ＶａＲ后验测试中的基本思想，若实际收益率大于模型计算得出的ＣＶａＲ值，

则将其算作一次失败，失败率为失败天数与样本总量之比。计算结果见下表：

表４－７ ＣＶａＲ失败概率检验计算结果

口 期望失败天数 实际失败天数 失败率

５％ ９０ ２０ １．１％

ＣＶａＲ失败概率为１．１％，前文中计算出的ＶａＲ失败概率５．１％。为进一步衡

量ＣＶａＲ对风险度量的有效性，构造统计量如下【１４】：

三＝ｌ吉∑：。一一去∑：。Ｃ啪，Ｉ，
其中Ｘ，表示大于ＶａＲ时的Ｏ／Ｎ收益率、即实际损失值，”为收益率大于ＶａＲ

时的天数。该统计量通过计算实际损失与ＣＶａＲ均值之间的差异来描述ＣＶａＲ的

检验效果，统计量越小则检验效果越好。通过计算可得９５％置信水平下，收益率

实际损失为０．１３８７，ＣＶａＲ均值为０．１６３９，ＶａＲ均值为０．０８６３，统计量为０．０２５２：

与ＶａＲ均值相比，ＣＶａＲ均值与实际损失值更接近，表明ＣＶａＲ对风险的估计效

果更优。同时值得注意的是，此时ＣＶａＲ均值大于收益率实际损失值，表明基于

ＧＥＤ分布下的ＣＶａＲ方法在一定程度上高估了利率市场风险，ＣＶａＲ实际损失较

收益率实际损失高了１８％，意味着在实际操作中有１８％的风险准备金可能会被

浪费。

万方数据
 山东大学硕士学位论文

４．４．３实证结果分析

本文实证数据选取ＳＨＩＢＯＲ Ｏ／Ｎ利率，从２０１２至２０１９年３月２３日共计１７９９

个。首先对数据进行基本处理，经过初步时间序列图像分析，判定原序列非平稳；

随后进行一阶对数查分得到其收益率序列；分析证明ＳＨＩＢＯＲ Ｏ／Ｎ收益率序列

是平稳的，且非正态分布、具有ＡＲＣＨ效应。随后分别运用历史模拟法与参数

法计算ＶａＲ与ＣＶａＲ，采用ＧＡＲＣＨ模型与ＥＧＡＲＣＨ模型估计及计算其条件方

差序列。利用ＡＩＣ准则确定最佳阶数后进行模型模拟，最后选取ＥＧＡＲＣＨ模型
计算方差、根据参数法计算ＶａＲ值，在ＶａＲ值基础上计算得出ＣＶａＲ值，最后

通过检验验证两种方法的准确性与有效性。

通过对ＶａＲ及ＣＶａＲ进行年度统计计算后，可看出由２０１２年至今，利率风

险呈Ｕ型变化，推测利率风险可能受我国金融市场环境状况影响。２０１３年６月，

我国经济市场经历了严重的资金短缺，各大银行加入借钱大军，导致利率激增，

ＶａＲ值与ＣＶａＲ值亦随之迅速增加，随后７月２０日，央行决定全面放开贷款利率

管制，利率完全市场化后其当年ＶａＲ值及ＣＶａＲ值急剧增加，表明市场风险加

剧；在随后的三年期间，风险降低且变化趋于平稳，２０１５年，央行接连下调存

贷基准利率，利率风险也随之降低、在２０１６年达到相对的最低值；次年开始，

利率风险急剧上升，其与当年的市场情况有关：２０１７年监管十分严厉，当年监

管部门发布了超过２０个监管命令；随后２０１８年，中美“贸易战”开始，市场受其

影响剧烈，且国内监管出现更加严格趋势，去通道、去杠杆、金融服务脱虚向实

势不容缓，市场更为严峻，利率波动剧烈、风险也随之增加。

万方数据
 山东大学硕士学位论文

４．５利率风险变化相关因素分析

为进一步探究利率风险的相关因素，本文选取较能代表宏观经济形势的采购

经理人指数（ＰＭＩ）与ＶａＲ值做Ｇｒａｎｇｅ因果分析，以判断利率风险与ＰＭＩ之间

的是否存在一定关系。ＰＭＩ全称为Ｐｕｒｃｈａｓｉｎｇ Ｍａｎａｇｅｒｓ’Ｉｎｄｅｘ，即采购经理指数，

其转折点往往大幅领先于ＧＤＰ，能够较好的反映经济的变化趋势。ＰＭＩ以百分

比表示，当指数高于５０％时，经济呈扩张趋势；当指数低于５０％，特别是非常

接近４０％时，经济环境并非理想。２０１２年至２０１９年ＰＭＩ季度折线图如下：

娩 ０

引 ５

鲋 ０

∞ ５

∞ ０
Ｌ
Ｖ
船 ５
ｙ＼√

图４．１１ ＰＭＩ季度时间序列图

由ＰＭＩ时序图可看出，其大体变化趋势为先增、后降、后增，２０１２年至２０１３

年呈上升趋势；由２０１４年开始至２０１６年呈下降趋势、且２０１５年ＰＭＩ值基本处

于５０％以下；由２０１６年开始，ＰＭＩ值急剧上升。与前文计算得出的ＶａＲ值与

ＣＶａＲ值变化趋势在一定程度上相似。

为判断ＶａＲ值与ＰＭＩ是否相关，首先将计算得出的ＶａＲ数据及ＰＭＩ数据按

季度求均值，观察两个样本序列是否为平稳序列。经ＡＤＦ检验，ＰＭＩ与ＶａＲ均

为非平稳序列，因此对两序列均作一阶差分，由Ｅｖｉｅｗｓ检验可得两个一阶差分

后序列均为平稳序列。此时可检验两个序列的Ｇｒａｎｇｅ因果关系，首先建立ＶＡＲ

模型以确定Ｇｒａｎｇｅ因果分析中的最佳滞后期，在此基础上研究ＰＭＩ与ＶａＲ之间

的因果关系。通过ＶＡＲ模型可得出不同滞后期下的ＡＩＣ与ＳＣ值如下：

万方数据
 图４．１２ ＶＡＲ模型不同滞后期下ＡＩＣ与ＳＣ值

由上图可知，最佳滞后期为ｌ。此时进行滞后期为１的Ｇｒａｎｇｅ因果检验，

检验结果如下：

图４－１３ Ｇｒａｎｇｅ因果检验结果

由图４．１３可知，检验概率均小于１％，证明在ｌ％的显著性水平下，ＰＭＩ与

ＶａＲ互为Ｇｒａｎｇｅ因果关系，即利率风险受我国宏观经济市场影响、且在某种程

度上也影响着金融市场。且观察对比ＰＭＩ时序图与ＶａＲ时序图可知，ＰＭＩ的变

动与ＶａＲ的变动大体一致，因此在检测利率风险变动时，可对ＰＭＩ变动方向进

行跟踪预测，当ＰＭＩ呈现增长趋势时，及时调整存贷款数量及其他中间业务，

以应对可能来临的利率风险增长。

万方数据
 山东大学硕士学位论文

４．６商业银行利率敏感性偏离度分析

ＶａＲ与ＣＶａＲ在一定程度上刻画了我国银行面对的整体利率风险，为对模型

做进一步的补充、同时为了更详细的描述对比各银行之间的利率风险，下采用利

率敏感性偏离度对四家大型银行及三家小型银行的利率风险进行分析，具体理论

见３．１节。选取２０１２年至２０１８年各商业银行公开数据，各银行利率敏感性偏离

度如下：

表４．８各银行利率敏感性偏离度

银行＼时间 ２０１８ ２０１７ ２０１６ ２０１５ ２０１４

建设银行 ｏ．０９３７ ｏ．０８８０ ｏ．０８６４ ０．０８５８ ｏ．０８０７

工商银行 ｏ．０８８５ ｏ．０８８３ ０．０８９４ ｏ．０８８０ ０．０８３９

中国银行 ｏ．０８０３ ｏ．０７２９ ｏ．０７２３ ｏ．０７３０ ｏ．０６８９

农业银行 ｏ．０９２７ ０．０８８０ ｏ．０８７２ ０．０８９７ ｏ．０８９４

平安银行 ｏ．０７５５ ０．０７３４ ｏ．０７３４ ｏ．０６８６ ｏ．０６３２

浦发银行 ｏ．０８２４ ｏ．０７５５ ｏ．０６８０ ｏ．０６７３ ｏ．０６６９

民生银行 ｏ．０７７５ ０．０７６３ ｏ．０７２２ ｏ．０７０６ ｏ．０７０８

图４．１４各银行利率敏感性偏离度

万方数据
 山东大学硕士学位论文

由３．１节理论可知，当利率敏感性偏离度为正时，银行效益与利率变动同方

向变动；反之，当利率敏感性偏离度为负时，银行利润与利率变动异方向变动。

上表中七家银行敏感性偏离度均大于０，证明各银行效益应与利率变动正相关；

且利率敏感性偏离度均呈增长趋势，证明利率风险随着市场发展而增加。然而值

得注意的是，２０１５年央行逐步下调了部分利率，按照理论此时各银行利率敏感

性偏离度应为负数，结果表明，各银行的风险应对及管理措施距离理论还有一定

距离，风险控制水平仍需提高。此外，由上图中可看出，建设银行、工商银行与

农业银行较其他银行的利率敏感性偏离度均偏高，即大型银行与小型银行相比具

有较高的利率风险与较低的利率敏感度。大型银行由于其规模庞大、结构复杂，

面对利率风险时政策实施速度较慢，故其风险防御能力弱于小型银行。而中国银

行作为国有大型银行，其利率敏感性偏离度均低于其余国有银行，证明其在国有

银行中具有较为完备的利率风险管控体系与风险管理制度。

４．７基于ＣＶａＲ的利率压力测试

压力测试是银行风险管理中常用的工具之一，它旨在通过模拟小概率的极端

事件，以检验银行在遇到极端不利情况下的风险承受能力，从而衡量银行资产是

否随之波动、并计算其波动值。在基于前文实证分析结果的基础之上，结合传统

的压力测试思路与利率敏感性缺口法，本文尝试构建基于ＣＶａＲ的利率压力测

试，其基本思路如下：首先设置相应的测试情景；其次通过选定的银行的各资产

敏感性缺口构建模型；最后对不同情景下的资产波动进行计算。

本文基于ＣＶａＲ构建利率压力测试，ＣＶａＲ本身就描述了极端情况下利率变

动的可能大小，因此对实证计算得出的ＣＶａＲ值进行降序排列，选取序列相应数

据作为压力测试的三种情景，如下表所示：

表４．９利率压力测试情景

测试情景 轻度压力 中度压力 重度压力

ＣＶａＲ ５．０８％ １ １．７１％ ２０．２４％

由定义可知，重度压力时ＣＶａＲ为２０．２４％，意味着在此情景下，有５％的概

率ＳＨＩＢＯＲ隔夜利率平均变动为Ｏ．２０２４；其余两种情况同理。对情景设置完毕

后，构建压力测试中的敏感性缺口模型如下：

－３９—

万方数据
 山东大学硕士学位论文

Ｇ，＝Ａ，一Ｌ，，

删＝（∑：。Ｇ。Ｐ，）ａＲ，
其中，Ｇ，表示利率敏感性缺口，Ａ，为利率敏感性资产，三，为利率敏感性负

债，刖Ｗ指利率变动时的净利息收入变动，ＡＲ指利率变动，Ｐ为不同期限资产

的期限区间占比值。在压力测试计算中，针对建设银行２０１８年资产与负债展开

计算，数据来源自中国建设建设银行股份有限公司２０１８年年报，整理如下表：

表４－１０ ２０１８年建行利率敏感性缺口统计表（单位：百万元人民币）

不计息
３嚣 ≥昙三基５年以上 合计

利率敏感性缺口ｌ ５２，７４６ ．１，０１９，８００ １，３０８，１９９ －９，５１１ １，６５９，９６０ １，９９１，５９４

对不同期限的资产负债敏感性缺口定义区间占比值如下【２２】：３个月以内为

０．１ ２５，３个月至１年为０．６２５，１年至５年为３，５年以上为５。利用以上数据可

计算不同情境下的利率压力测试结果，整理如下：

表４．１１ ２０１８年建行利率压力测试结果（单位：百万元人民币）

轻度压力 中度压力 重度压力

净利息收入变动｜４４８，０７０．８２ １，０４９，３８１．８６ １，８１３，７９０．６７

由上表可知，在５％概率的极端事件发生时，若在轻度压力情景下、利率变

动为５．０８％，刖ｗ变动将达４４８０７０．８２百万元；以此类推，中度压力时酬，变动
为１，０４９，３８１．８６百万元、重度压力时蝴变动为ｌ，８１３，７９０．６７百万元。由建设银
行年报数据可知，２０１８年，其核心一级资本净额为１，８８９，３９０百万元，根据压力

测试结果，在５％概率的极端重度压力下，其可抵御利率波动带来的风险。

万方数据
 山东大学硕士学位论文

第五章研究总结与展望

５．１总结

文章首先简要阐述了商业银行利率概念及其市场化的相关思想。商业银行以

其巨大的资金储备规模及各项金融业务影响着全球金融市场，因此利率市场化在
一定程度上来说对市场同样存在巨大影响。一方面，利率的市场化可引导市场资

金流动、提高资金使用效率；另一方面，随着利率市场化发展，银行借贷利差会

受到利率变动影响，传统业务会随之受到一定冲击。在总结各国具有代表性的利

率市场化历史经验后，本文回顾了我国的利率市场化进程；实证部分基于

ＳＨＩＢＯＲ近８年数据，采用对金融时间序列具有良好估计效果的ＥＧＡＲＣＨ模型

与ＧＡＲＣＨ模型计算我国利率市场ＳＨＩＢＯＲ收益率的ＶａＲ与ＣＶａＲ。实证部分结

论如下：

（１）分别运用历史模拟法以及参数法计算并对比ＶａＲ及ＣＶａＲ，发现两种

方法下得到的数据结果均表明ＣＶａＲ在对利率风险的衡量上优于ＶａＲ，前者能有

效的描述极端情况下的利率风险、且相较ＶａＲ在波动异常更为敏感。

（２）经过基本描述统计量分析及图像观察，ＳＨＩＢＯＲ收益率序列具有右偏

及尖峰分布；通过时间序列图，可观察到明显的波动聚集性，且经过检验存在

ＡＲＣＨ效应；且样本具有自相关性。上述结论表明，我国同业拆借市场当前交易

受历史交易影响，即历史信息对未来市场价格有效，这表明同业拆借市场有效性

不高、尚未达成完全的市场化。

（３）在建立模型时，根据ＡＩＣ准则及ＳＣ准则得出ＧＥＤ分布对样本序列具

有最好的估计效果。随后建立ＧＡＲＣＨ（２，１）模型与ＥＧＡＲＣＨ（２，１）模型，

经过对比选取估算效果较好的ＥＧＡＲＣＨ（２，１）．ＧＥＤ模型计算得出ＶａＲ值与

ＣＶａＲ值；对ＶａＲ及ＣＶａＲ按照不同年度进行计算并画出时序图，可看出在ＶａＲ

值相对较大年度，均有相关重大金融政策或事件：２０１３年金融机构贷款利率自

由后，当年ＶａＲ值与ＣＶａＲ值急剧增加，表明市场风险加剧；２０１７年金融监管

收紧、监管令密集发布，同时ＶａＲ值及ＣＶａＲ值也急速增长；由图４—１０可看出，

ＶａＲ值及ＣＶａＲ值增速在２０１８年后明显加快，当年正逢中美“贸易战”及金融脱

虚向实政策，利率风险也呈增长趋势。通过Ｇｒａｎｇｅ因果分析可发现，ＶａＲ与ＰＭＩ

万方数据
 山东大学硕士学位论文

之间存在因果关系，且观察二者时序图可发现，ＰＭＩ变动趋势与ＶａＲ变动大体

一致，因此可将ＰＭＩ纳入利率风险管理的观测指标。

（４）采取效果较好的Ｋｕｐｉｅｃ失败频率检验法对ＶａＲ进行检验，利用模型计

算出的ＶａＲ数据构造检验统计量，其结果通过了假设检验，表明利用ＶａＲ值估

计银行利率风险是可行且有效的；利用失败概率与简单统计量检验ＣＶａＲ的估计

效果，发现其失败率较低，使用ＣＶａＲ方法估计利率风险亦是可行的，但ＣＶａＲ

方法在一定程度上低估了利率市场风险。综上，商业银行在对利率风险进行估计

时，应同时参考ＶａＲ及ＣＶａＲ方法，做到对银行利率风险的全面把控。

（５）通过计算各银行利率敏感性缺口可看出，对比中小型银行，国有大型

银行在风险管控上较弱，在利率变动时期往往不能及时进行风险规避，其风控体

系及相关政策亟待提升。

（６）将ＣＶａＲ引入压力测试，在确立相应情景后，结合敏感性缺口构建相

应压力测试模型，并根据银行实际年报数据计算。结果表明重度压力下净利息收

入变动为１，８１３，７９０．６７百万元，小于银行的核心一级资本净额为１，８８９，３９０百万

元；因此判定在极端不利情况下，该银行具有风险抵御能力。

５．２研究建议

在愈发激烈的市场竞争中，各银行若想脱颖而出，则需树立强烈的利率风险

管控意识、建立良好的风险监管控体系。基于文章的基本研究与实证结果，现提

出建议如下：

一、大力推进风险体系的构建及完善。商业银行在推进风险体系发展时，首

先需选择合理的风险估计方法，在合理选取方法的同时，亦可选取多种风险估计

方法进行横向比较，以确保估计结果的精确性及可靠性；其次，在面临风险时需

由被动转变为主动，在良好的风险防御体系基础之上建立多种风险应对方案，多

角度、全方位的应对可能来临风险，仔细深入研究相关金融市场政策、提前规避

风险。

二、加快相关风险管理人才引进及科技人才培养。培养一批专业的风险控制

人员，做好风险前防范、风险中控制、风险后检测及完善工作。在架构风险管理

部门时，务必建立清晰的组织结构，同时做到每个不同结构之间妥善管控、权责

万方数据
 山东大学硕士学位论文

分明。

三、发展创新业务，加快传统业务转型。以往银行盈利通常来源自传统的借

贷利差，由前文实证结果可知，一旦国内经济大环境出现变动，利率风险也将随

之变化；且伴随着市场的不断发展，传统的利差缩减后商业银行将无法进以来原

始业务有效抵御风险。商业银行需逐步减少传统业务比重，大力开发创新金融业

务，加强与其他金融机构的业务开发与合作，创建稳定的利率增长点。

四、不同类型商业银行需各有侧重。大型商业银行结构较为复杂，因此可能

对风险的敏感度弱于中小型银行。但相比后者，其本身拥有众多先天优势，如雄

厚的资金规模、完善的内控制度、对监管层政策的敏感度等，因此国有银行需利

用自身优势升级其风险管理体制，在风控架构及信息传导上借鉴中小型银行的优

秀经验。中小型银行也需在自身基础上完善及细化风险管控。

万方数据
 山东大学硕士学位论文

万方数据
 山东大学硕士学位论文

参考文献

【１】Ｂｅｎｎｉｎｇａ Ｓ，Ｗｉｅｎｅｒ Ｚ．Ｖａｌｕｅ－ａｔ－Ｒｉｓｋ（ＶａＲ）．Ｍａｔｈｅｍａｔｉｃａ ｉｎ Ｅｄｕｃａｔｉｏｎ ａｎｄ

Ｒｅｓｅａｒｃｈ．１ ９９８

Ｂｕｔｌｅｒ Ｊ．Ｓ．Ｉｍｐｒｏｖｉｎｇ ｖａｌｕｅ－ａｔ－ｒｉｓｋ

【２】２ ｅｓｔｉｍａｔｅｓ ｂｙ ｃｏｍｂｉｎｉｎｇ ｋｅｍｅｌｅｓｔｉｍａｔｉｏｎ

ｗｉｔｈ ｈｉｓｔｏｒｉｃａｌ ｓｉｍｕｌａｔｉｏｎ．【ｗｏｒｋｉｎｇ ｐａｐｅｒ］．Ｖａｎｄｅｔｈｉｌｔ Ｕｎｉｖｅｒｓｉｔｙ．１ ９９６

【３】Ｄａｖｉｄ Ｌｉ．Ｖａｌｕｅ ａｔ Ｒｉｓｋ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｖｏｌａｔｉｌｉｔｙ，Ｓｋｅｗｎｅｓｓ ａｎｄ Ｋｕｒｔｏｓｉｓ．Ｗ

ＶＯＷ．ｇｌｏｒｉａｍｕｄｉ．ｏｒｇ．１ ９９９

【４】Ｄｅｎｎｉｓ Ｂａｍｓ，Ｔｈｏｒｓｔｅｎ Ｌｅｈｎｅｒｔ，Ｃｈｒｉｓｔｉａｎ Ｃ．Ｐ．Ｗｏｌｆｆ．Ａｎ ｅｖａｌｕａｔｉｏｎ ｆｒａｍｅ

ｗｏｒｋ ｆｏｒ ａｌｔｅｒｎａｔｉｖｅ ＶａＲ－ｍｏｄｅｌｓ［Ｊ］．Ｊｏｕｍａｌ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｎｅｙ ａｎｄ Ｆｉｎ

ａｎｃｅ．２００５（６）

【５】Ｆｒｅｄｒｉｋ Ａｎｄｅｒｓｓｏｎ，Ｈｅｌｍｕｔ Ｍａｕｓｓｅｒ，ＤａｎＲｏｓｅｎ，ＳｔａｎｉｓｌａａｖＵｒｙａｓｅｖ．Ｃｒｅｄｉｔ ｒｉｓ

ｋ ｏｐｔｉｍｉｚａｔｉｏｎ ｗｉｔｈ Ｃｏｎｄｉｔｉｏｎａｌ Ｖａｌｕｅ－ａｔ－Ｒｉｓｋ ｃｒｉｔｅｒｉｏｎ［Ｊ］．Ｍａｔｈｅｍａｔｉｃａｌ Ｐｒｏ

ｇｒａｍｍｉｎｇ．２００ １

【６】６ Ｇｌｅｂ Ｂｅｌｉａｋｏｖ，Ａｄｉｌ Ｂａｇｉｒｏｖ．Ｎｏｎ－ｓｍｏｏｔｈ ｏｐｔｉｍｉｚａｔｉｏｎ ｍｅｔｈｏｄｓ ｆｏｒ ｃｏｍｐｕｔａｔ

ｉｏｎ ｏｆ ｔｈｅ Ｃｏｎｄｉｔｉｏｎａｌ Ｖａｌｕｅ－ａｔ－ｒｉｓｋ ａｎｄ ｐｏｒｔｆｏｌｉｏ ｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．Ｏｐｔｉｍｉｚａｔｉ

ｏｎ．２００６（５－６）

【７】Ｈｕａｎｇ Ｃ Ｗ，Ｈｓｕ Ｃ Ｐ．Ｐｏｒｔｆｏｌｉｏ Ｏｐｔｉｍｉｚａｔｉｏｎ ｗｉｔｈ ＧＡＲＣＨ－ＥＶＴ－Ｃｏｐｕｌａ－ＣＶ

ａＲ Ｍｏｄｅｌｓ．Ｂａｎｋｉｎｇ ａｎｄ Ｆｉｎａｎｃｅ Ｒｅｖｉｅｗ．２０ １ ５

【８】Ｊｏｒｉｏｎ Ｐ．．Ｖａｌｕｅ ａｔ ｒｉｓｋ：ｔｈｅ ｎｅｗ ｂｅｎｃｈｍａｒｋ ｆｏｒ ｃｏｎｔｒｏｌｌｉｎｇ ｍａｒｋｅｔ ｒｉｓｋ．１ ９

９７

［９１ Ｍａｚｉａｒ Ｓａｈａｍｋｈａｄａｍａ，Ａｎｄｒｅａｓ Ｓｔｅｐｈｅｎ，Ｒａｌｆ Ｏｓｔｅｒｍａｒｋｃ．Ｐｏｒｔｆｏｌｉｏ ｏｐｔｉｍｉ

ｚａｔｉｏｎ ｂａｓｅｄ ｏｎ ＧＡＲＣＨ・ＥＶＴｏＣｏｐｕｌａ ｆｏｒｅｃａｓｔｉｎｇ ｍｏｄｅｌｓ．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒ

ｎａｌｏｆ Ｆｏｒｅｃａｓｔｉｎｇ．２０ １ ８

【１０］Ｒ．Ｔｙｒｒｅｌｌ Ｒｏｃｋａｆｅｌｌａｒ，Ｓｔａｎｉｓｌａｖ Ｕｒｙａｓｅｖ．Ｃｏｎｄｉｔｉｏｎａｌ ｖａｌｕｅ・ａｔ－ｒｉｓｋ ｆｏｒ ｇｅｎｅｒａ

Ｉ ｌｏｓｓ ｄｉｓｔｒｉｂｕｔｉｏｎｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｂａｎｋｉｎｇ ａｎｄ Ｆｉｎａｎｃｅ．２００２（７）

【ｌ １］Ｒｏｃｋａｆｅｌｌａｒ Ｒ Ｔ’Ｕｒｙａｓｅｖ Ｓ．Ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ Ｃｏｎｄｉｔｉｏｎａｌ Ｖａｌｕｅ－ａｔ－Ｒｉｓｋ．Ｊｏｕ

ｍａｌ ｏｆ Ｒｉｓｋ．２０００

【１ ２］Ｓｋａｎｄｅｒ Ｓｌｉｍ，Ｙｏｓｒａ Ｋｏｕｂａａ，Ａｈｍｅｄ ＢｅｎＳａｉｄａ．Ｖａｌｕｅ－ａｔ・Ｒｉｓｋ ｕｎｄｅｒ Ｌｅｖｙ

ＧＡＲＣＨ ｍｏｄｅｌｓ：Ｅｖｉｄｅｎｃｅ ｆｒｏｍ ｇｌｏｂａｌ ｓｔｏｃｋ ｍａｒｋｅｔｓ．Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｒｎａｔｉｏ

．４Ｓ．

万方数据
 山东大学硕士学位论文

ｎａｌ Ｆｉｎａｎｃｉａｌ Ｍａｒｋｅｔｓ，Ｉｎｓｔｉｔｕｔｉｏｎｓ＆Ｍｏｎｅｙ．２０ １ ６

［１３】陈金龙，张维．ＣＶａＲ与投资组合优化统一模型【Ｊ】．系统工程理论方法应

用．２００２（０１）：６８—７１．

［１４】关亚辉．基于ＧＡＲＣＨ－ＣＶａＲ模型的人民币汇率风险测度研究［Ｄ］．成都理工大
学．２０１７．

［１５］郭腾．利率市场化对商业银行的影响［Ｊ】．现代商贸工业，２０１９，４０（０１）：８１．８２．

［１６】李聪．运用ＧＡＲＣＨ族模型在不同分布下对深证综指的ＶａＲ分析［Ｊ】．统计与决

策．２００６（１ ７）：７９—８０．

【１７］李旭超，蒋岳祥．Ｓｈｉｂｏｒ的波动特征和动态风险分析——基于ＡＲ．ＴＡＲＣＨ．ＥＶＴ
模型的实证研究【Ｊ】．南方经济，２０ １ ４（０５）：４２．５ １＋６８．

［１８】林辉，何建敏．ＶａＲ在投资组合应用中存在的缺陷与ＣＶａＲ模型［Ｊ］．财贸经

济．２００３（１２）：４６－４９＋９３．

【１９］刘琦铀，张能福，刘铁生．基于ＧＡＲＣＨ模型的ＣＶａＲ信贷风险度量方法研究［Ｊ】．

统计与决策，２０１０（１０）：２６．２９．

【２０】刘宇飞．ＶａＲ模型及其在金融监管中的应用［Ｊ］．经济科学，１９９９（０１）：４０—５１．

［２ｌ】牛昂．ＶＡＬＵＥ ＡＴ ＲＩＳＫ：银行风险管理的新方法［Ｊ】．国际金融研

究．１ ９９７（０４）：６ １—６５．

【２２】任真林．富滇银行市场风险压力测试研究［Ｄ】．兰州大学，２０１３．

【２３】田新民，黄海平．基于条件ＶａＲ（ＣＶａＲ）的投资组合优化模型及比较研究［Ｊ】．数学

的实践与认识，２００４（０７）：３９．４９．

［２４】闫晶怡，孙璐，于嘉．我国中小商业银行利率风险影响因素及对策分析［Ｊ】．黑龙
江金融。２０ １ ８（１ ０）：５９．６０．

［２５】姚刚．风险值测定法浅析【Ｊ】．经济科学，１９９８（０１）：５６．６１．

［２６］叶青．基于ＧＡＲＣＨ和半参数法的ＶａＲ模型及其在中国股市风险分析中的应

用【Ｊ］．统计研究，２０００（１ ２）：２５．２９．

【２７】张丽康．基于ＥＧＡＲＣＨ模型的商业银行利率风险ＣＶａＲ实证研究［Ｊ］．金融经

济，２０１８（１０）：１３５－１３７．

【２８】张硕．关于我国商业银行利率风险管理的研究【Ｊ】．广西质量监督导

报，２０１９（０１）：１２２＋１ １７．

万方数据
 山东大学硕士学位论文

【２９］张锡．基于ＶａＲ和ＣＶａＲ的金融风险测度研究【Ｊ】．科技与管

理，２０ ｌ ６，ｌ ８（０４）：６２－６８．

［３０】张燕．利率市场化下城市商业银行利率风险管理研究【Ｊ】．科技经济导

刊，２０１ ７（０３）：４—５＋２１．

［３ｌ】张俊．我国商业银行利率风险管理现状及未来发展趋势［Ｊ】．海南金

融，２０ １ ５（０９）：７０—７２＋８８．

【３２］朱翔翔，姚俭．广义误差分布下ＣＶａＲ模型的股市风险研究［Ｊ】．上海理工大学学

报，２０１４，３６（０１）：２ｌ一２５．

万方数据
 山东大学硕士学位论文

万方数据
 山东大学硕士学位论文

致谢

三年的研究生生涯转瞬即逝，最初进入山大校园时的新奇与激动还历历在

目。此刻即将离开校园、走向社会，回顾研究生期间的一千多个日日夜夜，心中

充满了感慨、不舍与感恩。

首先最要感谢的是我的导师贾广岩老师，贾老师认真负责的教学态度以及孜

孜不倦的研究精神始终激励着我。在论文的写作过程中，贾老师全程对我进行了

严谨的指导与帮助，并提出许多发人深省的意见与建议；在日常的学习与生活中，

贾老师也对我充满关心，给予极大的帮助。在此对贾老师表示深深的感谢！此外，

还要感谢金融研究院的众多专业课老师及教务老师，正是因为各位老师的辛勤付

出，我们才有了良好的学习环境。

其次要感谢我的舍友们，三年间我们朝夕相处，共同分享了许多欢乐与烦恼，

也一起创造了很多难忘的回忆，是你们让我成长为更好的自己；分开虽然让人不

舍，但希望毕业之后，我们都能创造出自己想要的美好生活。还要感谢师门的同

学们在三年的学习以及生活中对我的鼓励与帮助，能和优秀的你们一起在贾门相

遇，实属幸运之极。

最后要感谢我的家人，感谢他们始终相信我、支持我、包容我，谢谢你们给

予我最伟大而又最无私的爱，始终默默做我前进路上的后盾与港湾，我爱你们。

万方数据
 学位论文评阅及答辩情况表

专业技术 是否博导
姓名 所在单位 总体评价※
职 务 （硕导）

论 糕・夕林 教矮 柏它
ｆ寸寸 止．每天章 瓮埯
、

又
评 浠ｎ碰 教授 耐草 ’

Ｊ
蒜南犬辛 瓮臻
阅
人

专业技术 是否博导
姓 名 所在单位
职 务 （硕导）

主席
诛互耘 加乏 博车 一Ｊ
；斩江大辛亥章亏簖．
答 －千于占
．Ｉ，ｏ号１ 渤爱 臂卑 吐Ｉ白．天干稻１阪Ｉ ．

幽孑．大茸ｔ椽也舌各涮露
Ｊ

辩
舔？；糠 施讵 ４＂Ｉ阜
・ ・ｌ

委
员 委
企
△

成
员
员

答辩委员会对论文 ●
答辩
畏好 答辩秘书
的总体评价 ＦＪ 日期 沁ｏＩ．ｂ－．ｔ］
备注

※论文评阅：“Ａ”为优秀、“Ｂ”为合格、“Ｃ”为不合格。

※答辩委员会对论文的总体评价：“Ａ”为优秀、“Ｂ”为良好、“ｃ”为合格、“Ｄ”为不合格。

万方数据