北美天然气价格波动探究和其风险度量

《北美天然气价格波动探究和其风险度量》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、北美天然气价格波动探究和其风险度量【摘要】能源金融作为一种崭新的金融形态，已成为世界经济的重要分支，如何度量能源金融的风险已经成为金融风险管理的全新课题。本文利用偏t分布下的GARCH族模型对北美天然气价格的波动进行实证分析。并使用最近非常流行的DaR（DrawdownatRisk,风险跌幅）作为天然气价格的风险度量指标，并使用模型对未来跌幅风险进行预测。研究结果表明，基于偏t分布下的GARCH族模型较好地反映出天然气价格波动的各种特点，而且经模型测算的动态DaR值能够准确地表现出能源金融收益率

2、的实际跌幅风险。【关键词】GARCH族模型偏t分布动态DaR波动分析一、引言能源金融是国际能源市场和国际金融市场不断相互渗透与融合的产物，不仅被视为国际能源市场的一个重要手段和工具，还被欧美发达国家作为保障国家能源安全的能源战略的一个重要组成部分。近些年以来很多科研工作都被致力于石油价格的波动性研究，费德勒（1996）认为石油价格的波动对宏观经济有重要的影响，莫亚等（2003）对布伦特石油市场存在的各种风险进行了度量。但是随着全球气候变化和节能减排越来越成为国际社会关注的热点，天然气作为一种清洁

3、髙效的能源，其在国际能源市场中的份额将不断扩大，其价格波动也将对全球经济产生重大影响。全球天然气贸易主要分为北美、欧洲和亚太三大区域市场，其中以北美天然气金融市场最为发达。因此北美天然气市场的波动特征必将受到人们的广泛研究。在金融时间序列分析中GARCH族模型的理论和应用研究受到国内外学术界的推崇，但是很多对GARCH族模型的研究仅集中于GARCH(1,1)模型，虽然在一定程度上解释了收益序列的尖峰厚尾和波动聚集现象，但是仍未很好地描绘金融序列的尾部特征以及非对称性。VaR表示风险价值，是金融风

4、险管理中的重要风险度量方法，是指在一定的置信度下，某一金融资产或证券组合在未来特定的一段时间内的最大可能损失，但是不能度量极端风险的发生。最近，一种新的风险度量统计指标一一跌幅(DD)受到实务人员的青睐，是指在一定时间内，某项资产或资产组合价格从最高点跌到现在时点的程度。DaR是对DD定义的延伸，表示的是在给定的一段时间内，在某个置信度下，该资产跌幅的上确界。它能度量极端风险的发生，因此越来越受到投资者的偏爱。本文将建立偏t分布下ARMA-APARCH模型对北美天然气市场的波动给出联合分析，用以

5、刻画收益率跌幅序列分布的非对称性以及波动正负的非对称性。首先介绍偏t分布的ARMA-APARCH模型，并具体提出DaR的定义和使用计算方法;其次对模型进行分析，给出参数估计并对模型进行回测检验和预测未来跌幅风险；最后分析模型结果，讨论北美天然气价格波动特征。二、模型介绍(一)波动率估计的GARCH方法Bollerslev(1986)在ARCH(q)模型的方差方程中引入残差方差滞后项，得到广义的ARCH模型，即GARCH(p,q)模型。APARCH模型是GARCH族模型结构最为灵活的一种。如下所示

6、：其中8>0,-1(二)波动率估计本文采用偏t分布下的AR(1)-APARCH(1,1)模型和最普通的正态分布下的AR(1)-GARCH(1,1)对收益率跌幅序列进行拟合，并比较分析两者拟合效果的好坏。估计结果如表3.2.1所示。表3.2.1GARCH族模型的参数估计注：1.表中括号中的数值表示对应估计参数的P值。2.LM(10)表示标准化残差的ARCH效应检验，滞后阶为10,括号中为P值。3.Q(7)表示标准化残差的Ljung-BoxQ检验,滞后阶为7,括号中为P值。由以上估计的结果可知，正态

7、分布下的AR(1)-GARCH(1,1)模型的al系数的拟合显著性不高，而偏t分布下的AR(1)-APARCH(1,1)模型的al系数，o系数和峰度系数的拟合显著性较低。但是ARCH效应检验表明，两个模型的标准化残差已经没有ARCH效应；而Ljung-BoxQ检验表明，两个模型的标准化残差之间没有相关性。综上所述，GARCH族模型很好地拟合了跌幅序列的波动数据。(三)动态DaR估计及基于DaR的成功率检验为了准确地判断GARCH簇模型估计的DaR有效性如何，我们进行了成功率检验，即通过比较模型计

8、算的DaR值超过实际DD(t)值的频率与对应的置信水平是否接近或相等。表3.3.1给出了基于两个GARCH模型的DaR成功率检验。表3.3.1动态DaR成功率检验从表3.3.1中得知，基于AR(1)-APARCH(1,1)-sstd模型计算的DaR值超过实际DD(t)值的频率比基于AR(1)-GARCH(1,1)-norm模型计算的DaR值超过实际DD(t)值的频率更加接近实际置信水平，即基于偏t分布的AR(1)-APARCH(1,1)模型测算的DaR更能准确地反应市场真实的跌幅风险。(四)预测