【REITs的风险度量方法分析2700字】

REITs的风险度量方法分析目录TOC\o"1-3"\h\u16883REITs的风险度量方法分析 1198961.1REITs风险度量的必要性 1251141.2REITs风险度量方法 231551.3VaR风险度量方法 2277121.3VAR-GARCH风险度量模型 31.1REITs风险度量的必要性无论是香港还是其他国家或地区，其REITs的发展环境都不尽相同，最终导致REITs的结构、发行形式、税收等方面的不同，但它们都有一个共同点，这些REITs产品背后的相关法律、政策都在不断地完善，积极推动REITs的建设，促进当地房地产市场健康且多元化发展。REITs的出现对于我国房地产金融市场是一个创新的存在，国家也在逐步支持REITs在房地产市场上的创新发展，REITs的发展优势不言而喻。但还是需要注意：我国REITs的发展环境尚未成熟，法律、政策、制度、监管等方面还需要不断完善。尽管发达国家或是地区有着成功的发展经验，但我国境内有着中国特色的房地产市场和金融体制，因此在经验借鉴的方面还是会谨慎对待。尽管我国REITs市场的发展空间巨大，但也要注意到：目前世界上标准REITs所带来的利好并不代表我国境内REITs的情况，需要看到REITs背后的风险。例如，在政策和法律法规上，我国缺乏相关的发展经验，不能提供稳定的市场环境以支持REITs的发展，这背后就存在着风险隐患；另外，随着REITs的发展，政策与法规会逐步完善，它们会与REITs不断地磨合，磨合的过程中所带来的不利影响是值得注意的。当前我国关于REITs的法律法规尚不健全和税收优惠制度界限不明确对REITs的发展造成一定的阻碍，REITs没有实现良性且健康的发展。在房地产股票市场中，房地产股票价格上升，其对应的REITs估值随之增加，当房地产股票价格下降时，其对应的REITs估值也会下降。在利率变动水平上，利率的变动会影响REITs的收益。其他类证券类产品与REITs产品具有替代关系，证券类产品的收益利率上升，投资者可能会选择抛售REITs产品而投资其他证券类产品，REITs产品的收益会因此收到影响，导致REITs价格下降。因此在面对不同类型的风险时，投资者需谨慎投资REITs产品，要对REITs进行风险度量。1.2REITs风险度量方法金融业在我国国民经济中占据核心地位，其运行影响着经济建设的进程。金融市场在当下背景迅速发展，与此同时带来不同程度的金融风险，此时风险度量显得尤为重要。风险度量能在很大程度上帮助众多投资者有效规避金融风险，在决策层面上做出正确选择。目前的国内外金融市场通常采用三种方法对风险进行度量，分别是：方差度量方法、下侧风险度量方法和VaR度量方法。方差度量方法是金融风险度量的最早且权威的度量方法，具有良好的适用性和便利性。随着对度量方法的深入探究，该度量方法的弊端也逐渐显现：方差其本身就具有一定的偏差，实际的金融风险不能被度量。虽然方差度量方法帮助众多投资者在一定程度上规避风险，但偏差的存在同时也使得众多投资者失去更多的收益机会。下侧风险度量方法有效改进方差度量方法中的问题，即期望收益值低于收益率部分。下侧风险度量方法不需要过于精细的假设条件，应用于不同的分布情况，尤其是现实生活中的非正态分布的情况。该方法具有一定的主观性，在使用方法的过程中需要确定目标收益率，不能很好地反映潜在损失量。下侧风险度量方法不能准确反映潜在损失量，VaR度量方法是基于此情况进行改进与研究后所提出的。VaR度量方法计算过程如下：在正常的市场条件，置信水平a给定的情况下，对风险投资组合在未来时段可能会出现的最大期望损失进行计算。在给定的概率a的条件下，金融损失率是不会比VaR高的。VaR度量方法结合了方差方法和下侧方法，准确反映金融风险的损失量和概率。不过该方法只能在正常的市场条件下使用，计算过程相对复杂。VaR度量方法已被世界各主要银行、公司、金融机构等广泛采用，国际性研究机构30人小组和国际掉期交易商协会、国际清算银行和巴塞尔委员会等团体一致推荐，将VaR方法作为市场风险测量的最佳方法。1.3VaR风险度量方法VaR（ValueatRisk）就是在险价值。VaR是指在一定的置信水平下，某一金融资产或组合在特定期间内所面临的最大损失价值。假设在某一金融资产的收益率的统计分布图中，存在某一区域的面积占总面积的5%，那么该金融资产的在险价值就是此时5%的分位数，这里的5%常用α表示，称为显著性水平，亦可理解为犯错误的概率;置信水平用a表示，即有a=1-α，那么该金融资产的置信水平a为95%。常见VaR的数学表达式如下：Prob(ΔP＞VaR)=a或Prob(ΔP＜-VaR)=α；其中，ΔP表示某一金融资产或组合在特定期间内的损失价值，VaR表示在给定置信水平a下可能的损失上限，a表示给定的置信水平。例如，某一投资机构所持有的金融资产组合在未来的24小时之内，置信水平为95%，VaR的值为100万元。这就可以理解为：在下一个交易日内价格变化所带来的损失超过100万元的概率为5%，即有95%的把握价格变化带来的损失在100万元以内。1.3VAR-GARCH风险度量模型历史模拟法、方差-协方差方法和蒙特卡洛模拟这三种方法是常见计算VaR的方法。本文则采用历史模拟法计算VaR值。方差-协方差方法依赖常态假设，但实际情况常常不遵循常态假设；蒙特卡洛模拟计算容易掌握但需要投入较大的费用；历史模拟法能够处理收益率序列产生的“厚尾”现象，不需要进行分布假设且计算简单。因此历史模拟法为更优选择。金融产品的数据存在着“尖峰厚尾”的现象，尖峰厚尾的特征是相较于标准正态分布来说的，标准正态分布的峰度为3，偏度为0；金融产品的数据往往不是正态分布，其峰度更大，也就是说图形上更尖了，两边的尾巴与正态分布对比更厚，下降的趋势不快。VaR=资产初始价格×置信区间下的分位数×收益波动率的标准差。当残差分布服从正态分布时，有VaR=P0Zaσ，P0为资产初始价格，收益波动率的方差为σ²，即其标准差为σ,Za为正态分布在置信水平为a下的分位数；当残差分布服从T分布时，有VaR=P0Taσ,Ta为正态分布在置信水平为a下的分位数。在金融市场中，历史数据呈现出来的结果是大多的金融资产收益序列的波动性较强，且存在着尖峰厚尾的特征。Engle很早发现上述特征，于是便提出ARCH模型。ARCH模型（自回归条件异方差模型）解决了传统计量经济学中时间序列变量的波动幅度（方差）是固定的情况，ARCH模型的提出使得时间序列的波动性能被准确模拟，时间序列分析贴近实际情况。在使用ARCH模型的过程中，需要很多的参数进行建模，限制的条件相对较多，因此Bollerslev在ARCH模型基础上提出GARCH模型。GARCH模型（广义自回归条件异方差模型），对误差的方差进行一次建模，且参数的要求较少，在某种程度上该模型对时间序列的波动性拟合的效果更好，对波动率的集群性现象做出解释。GARCH模型包括均值方程和条件方程两部分，GARCH（p,q）模型的表达式有：条件均值方程：Rt=μ+εt；条件方差方程：σt²=C+α1εt-1²+α2εt-2²+…+αpεt-p²+β1σt-1²+β2σt-2²+…+βqσt-q²；其中，Rt为日收益率，μ为收益均值，εt为残差项，C为常数项，α、β参数，p为历史收益率的p阶滞后，q为前期方差的q阶滞后。在搜集资料的过程中发现，许多学者采用GARCH(1,1)模型进行参数的估计，因此本文采用GARCH(1,1)模型计算各基