中国股指期货日内不对称流动性调整VaR度量摘要：本文在考虑买卖双方间不对称流动性及其不对称程度大小的基础上，计算买卖双方的流动性成本，对已有的流动性调整收益率方法进行扩展，提出日内不对称流动性调整VaR计算方法，并计算中国沪深300股指期货不同头寸下的不对称流动性调整VaR。研究结果表明，市?龃嬖诘牟欢猿屏鞫?性及其程度大小会导致买卖双方面临不同流动性风险。相比传统VaR度量方法以及简单加总市场风险和流动性风险的方法等，不对称流动性调整VaR模型能更好地反映日内市场风险。关键词：不对称流动性；流动性调整收益率；日内VaR：F2223文献标志码：A：1009-055X（2017）05-0016-11doi：1019366/jcnki1009-055X201705003一、引言风险价值度（valueatrisk，VaR）是指在一定的置信水平与持有期内，某一金融资产或资产组合在未来资产价格波动下所面临的最大损失额。VaR以单个数字的形式把已知金融资产组合的可能损失与发生概率结合起来衡量资产组合面临的整体风险，有利于金融机构及监管当局进行风险控制。目前VaR已成为国际上风险管理中广泛应用的重要工具之一。近年来随着市场环境的剧烈变化以及风险种类的多样化，流动性风险显示出越来越大的破坏力。从LTCM的失败到2008年危害全球经济的金融危机，流动性风险加剧了市场损失。因此，市场开始重视流动性风险的管理和控制。仅仅考虑市场风险的VaR没有把流动性风险涵盖在内，会导致其大多数时候低估整体风险。国外学者在研究中尝试把流动性风险纳入成熟的VaR度量模型之中，提出VaR度量的改进模型。如Bangia等人（2001）[1]3-13从外生流动性风险方面入手，用价差来衡量外生流动性，提出将流动性风险纳入VaR计算的BDSS模型。Angelidis和Benos（2006）[2]通过考察雅典订单驱动市场的买卖价差行为，建立了包含价差变量的流动性调整VaR模型（LiquidityadjustedVaR，简称La_VaR）。在中国学者的研究中，杜海涛（2002）[3]直接采用价格与成交量结合的非流动性指标，即L=（Ph-Pl）/（Pl×V）来度量流动性给交易带来的成本，从而度量流动性风险。宋逢明和谭慧（2004）[4]则考虑通过持有期来反映流动性风险，把投资者的偏好通过效用函数引入La_VaR的计算当中，综合反映内生流动性风险与外生流动性风险。武磊（2009）[5]则使用流动性调整的收益率LaR=R-C去衡量La_VaR，其中C=R/V，R为收益率，V为成交量。林辉（2010）[6]在Bangia等人（1999）[1]的基础上，通过建立GARCH模型，估计中间价格和价差回报序列的期望与标准差，构建条件异方差的时变价差La_VaR模型。而刘向丽和常云博（2015）[7]在武磊（2009）[5]的基础上提出一种度量流动性成本的方法，即C=（Ph-Pl）/（Pm×V），C为每交易一单位资产造成的价格波动，V为成交量，令L=R-XC/2为流动性调整的收益率，X为交易头寸，然后用GARCH模型来拟合L序列的均值和标准差从而计算La_VaR，并运用沪深300股指期货主力合约的5分钟高频数据去做实证研究，较为合理准确地衡量包括流动性风险的整体风险。综合现有考虑流动性风险的VaR研究，本文认为刘向丽和常云博（2015）[7]提出的流动性调整收益率的方法综合考虑了流动性风险的外生性和内生性并结合价格和成交量两个指标，是比较准确的衡量方法，但关于收益率的流动性调整，还要考虑更多的市场流动性特征。尤其是日内交易，金融市场的不对称流动性以及其不对称的程度大小，将产生不对称---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---的流动性风险，对VaR的计算产生影响。金融市场的流动性具有不对称性，不对称性是指卖方与买方之间的不对称性。Huang和Wang（2010）[8]认为市场参与费用导致的交易间不协调促使流动性供求的不对称性的产生。交易者在市场中要不断调整持有的头寸以达到最优，但是买卖双方对于交易的渴望度是不对称的，从而导致内部订单不平衡，当这种不平衡以及对流动性的需求过于偏向某一方时，就会产生流动性极端不对称情况，如Xiang和Zhu（2014）[9]提及的卖方（买方）循环。相比于市场流动性不对称程度较轻的情况，在卖方循环和买方循环中，买卖双方对于流动性的需求更大，更倾向于交易...