REITs的風險度量方法分析目錄TOC\o"1-3"\h\u16883REITs的風險度量方法分析 1198961.1REITs風險度量的必要性 1251141.2REITs風險度量方法 231551.3VaR風險度量方法 2277121.3VAR-GARCH風險度量模型 31.1REITs風險度量的必要性無論是香港還是其他國家或地區(qū)，其REITs的發(fā)展環(huán)境都不盡相同，最終導致REITs的結(jié)構(gòu)、發(fā)行形式、稅收等方面的不同，但它們都有一個共同點，這些REITs產(chǎn)品背后的相關(guān)法律、政策都在不斷地完善，積極推動REITs的建設，促進當?shù)胤康禺a(chǎn)市場健康且多元化發(fā)展。REITs的出現(xiàn)對于我國房地產(chǎn)金融市場是一個創(chuàng)新的存在，國家也在逐步支持REITs在房地產(chǎn)市場上的創(chuàng)新發(fā)展，REITs的發(fā)展優(yōu)勢不言而喻。但還是需要注意：我國REITs的發(fā)展環(huán)境尚未成熟，法律、政策、制度、監(jiān)管等方面還需要不斷完善。盡管發(fā)達國家或是地區(qū)有著成功的發(fā)展經(jīng)驗，但我國境內(nèi)有著中國特色的房地產(chǎn)市場和金融體制，因此在經(jīng)驗借鑒的方面還是會謹慎對待。盡管我國REITs市場的發(fā)展空間巨大，但也要注意到：目前世界上標準REITs所帶來的利好并不代表我國境內(nèi)REITs的情況，需要看到REITs背后的風險。例如，在政策和法律法規(guī)上，我國缺乏相關(guān)的發(fā)展經(jīng)驗，不能提供穩(wěn)定的市場環(huán)境以支持REITs的發(fā)展，這背后就存在著風險隱患；另外，隨著REITs的發(fā)展，政策與法規(guī)會逐步完善，它們會與REITs不斷地磨合，磨合的過程中所帶來的不利影響是值得注意的。當前我國關(guān)于REITs的法律法規(guī)尚不健全和稅收優(yōu)惠制度界限不明確對REITs的發(fā)展造成一定的阻礙，REITs沒有實現(xiàn)良性且健康的發(fā)展。在房地產(chǎn)股票市場中，房地產(chǎn)股票價格上升，其對應的REITs估值隨之增加，當房地產(chǎn)股票價格下降時，其對應的REITs估值也會下降。在利率變動水平上，利率的變動會影響REITs的收益。其他類證券類產(chǎn)品與REITs產(chǎn)品具有替代關(guān)系，證券類產(chǎn)品的收益利率上升，投資者可能會選擇拋售REITs產(chǎn)品而投資其他證券類產(chǎn)品，REITs產(chǎn)品的收益會因此收到影響，導致REITs價格下降。因此在面對不同類型的風險時，投資者需謹慎投資REITs產(chǎn)品，要對REITs進行風險度量。1.2REITs風險度量方法金融業(yè)在我國國民經(jīng)濟中占據(jù)核心地位，其運行影響著經(jīng)濟建設的進程。金融市場在當下背景迅速發(fā)展，與此同時帶來不同程度的金融風險，此時風險度量顯得尤為重要。風險度量能在很大程度上幫助眾多投資者有效規(guī)避金融風險，在決策層面上做出正確選擇。目前的國內(nèi)外金融市場通常采用三種方法對風險進行度量，分別是：方差度量方法、下側(cè)風險度量方法和VaR度量方法。方差度量方法是金融風險度量的最早且權(quán)威的度量方法，具有良好的適用性和便利性。隨著對度量方法的深入探究，該度量方法的弊端也逐漸顯現(xiàn)：方差其本身就具有一定的偏差，實際的金融風險不能被度量。雖然方差度量方法幫助眾多投資者在一定程度上規(guī)避風險，但偏差的存在同時也使得眾多投資者失去更多的收益機會。下側(cè)風險度量方法有效改進方差度量方法中的問題，即期望收益值低于收益率部分。下側(cè)風險度量方法不需要過于精細的假設條件，應用于不同的分布情況，尤其是現(xiàn)實生活中的非正態(tài)分布的情況。該方法具有一定的主觀性，在使用方法的過程中需要確定目標收益率，不能很好地反映潛在損失量。下側(cè)風險度量方法不能準確反映潛在損失量，VaR度量方法是基于此情況進行改進與研究后所提出的。VaR度量方法計算過程如下：在正常的市場條件，置信水平a給定的情況下，對風險投資組合在未來時段可能會出現(xiàn)的最大期望損失進行計算。在給定的概率a的條件下，金融損失率是不會比VaR高的。VaR度量方法結(jié)合了方差方法和下側(cè)方法，準確反映金融風險的損失量和概率。不過該方法只能在正常的市場條件下使用，計算過程相對復雜。VaR度量方法已被世界各主要銀行、公司、金融機構(gòu)等廣泛采用，國際性研究機構(gòu)30人小組和國際掉期交易商協(xié)會、國際清算銀行和巴塞爾委員會等團體一致推薦，將VaR方法作為市場風險測量的最佳方法。1.3VaR風險度量方法VaR（ValueatRisk）就是在險價值。VaR是指在一定的置信水平下，某一金融資產(chǎn)或組合在特定期間內(nèi)所面臨的最大損失價值。假設在某一金融資產(chǎn)的收益率的統(tǒng)計分布圖中，存在某一區(qū)域的面積占總面積的5%，那么該金融資產(chǎn)的在險價值就是此時5%的分位數(shù)，這里的5%常用α表示，稱為顯著性水平，亦可理解為犯錯誤的概率;置信水平用a表示，即有a=1-α，那么該金融資產(chǎn)的置信水平a為95%。常見VaR的數(shù)學表達式如下：Prob(ΔP＞VaR)=a或Prob(ΔP＜-VaR)=α；其中，ΔP表示某一金融資產(chǎn)或組合在特定期間內(nèi)的損失價值，VaR表示在給定置信水平a下可能的損失上限，a表示給定的置信水平。例如，某一投資機構(gòu)所持有的金融資產(chǎn)組合在未來的24小時之內(nèi)，置信水平為95%，VaR的值為100萬元。這就可以理解為：在下一個交易日內(nèi)價格變化所帶來的損失超過100萬元的概率為5%，即有95%的把握價格變化帶來的損失在100萬元以內(nèi)。1.3VAR-GARCH風險度量模型歷史模擬法、方差-協(xié)方差方法和蒙特卡洛模擬這三種方法是常見計算VaR的方法。本文則采用歷史模擬法計算VaR值。方差-協(xié)方差方法依賴常態(tài)假設，但實際情況常常不遵循常態(tài)假設；蒙特卡洛模擬計算容易掌握但需要投入較大的費用；歷史模擬法能夠處理收益率序列產(chǎn)生的“厚尾”現(xiàn)象，不需要進行分布假設且計算簡單。因此歷史模擬法為更優(yōu)選擇。金融產(chǎn)品的數(shù)據(jù)存在著“尖峰厚尾”的現(xiàn)象，尖峰厚尾的特征是相較于標準正態(tài)分布來說的，標準正態(tài)分布的峰度為3，偏度為0；金融產(chǎn)品的數(shù)據(jù)往往不是正態(tài)分布，其峰度更大，也就是說圖形上更尖了，兩邊的尾巴與正態(tài)分布對比更厚，下降的趨勢不快。VaR=資產(chǎn)初始價格×置信區(qū)間下的分位數(shù)×收益波動率的標準差。當殘差分布服從正態(tài)分布時，有VaR=P0Zaσ，P0為資產(chǎn)初始價格，收益波動率的方差為σ2，即其標準差為σ,Za為正態(tài)分布在置信水平為a下的分位數(shù)；當殘差分布服從T分布時，有VaR=P0Taσ,Ta為正態(tài)分布在置信水平為a下的分位數(shù)。在金融市場中，歷史數(shù)據(jù)呈現(xiàn)出來的結(jié)果是大多的金融資產(chǎn)收益序列的波動性較強，且存在著尖峰厚尾的特征。Engle很早發(fā)現(xiàn)上述特征，于是便提出ARCH模型。ARCH模型（自回歸條件異方差模型）解決了傳統(tǒng)計量經(jīng)濟學中時間序列變量的波動幅度（方差）是固定的情況，ARCH模型的提出使得時間序列的波動性能被準確模擬，時間序列分析貼近實際情況。在使用ARCH模型的過程中，需要很多的參數(shù)進行建模，限制的條件相對較多，因此Bollerslev在ARCH模型基礎上提出GARCH模型。GARCH模型（廣義自回歸條件異方差模型），對誤差的方差進行一次建模，且參數(shù)的要求較少，在某種程度上該模型對時間序列的波動性擬合的效果更好，對波動率的集群性現(xiàn)象做出解釋。GARCH模型包括均值方程和條件方程兩部分，GARCH（p,q）模型的表達式有：條件均值方程：Rt=μ+εt；條件方差方程：σt2=C+α1εt-12+α2εt-22+…+αpεt-p2+β1σt-12+β2σt-22+…+βqσt-q2；其中，Rt為日收益率，μ為收益均值，εt為殘差項，C為常數(shù)項，α、β參數(shù)，p為歷史收益率的p階滯后，q為前期方差的q階滯后。在搜集資料的過程中發(fā)現(xiàn)，許多學者采用GARCH(1,1)模型進行參數(shù)的估計，因此本文采用GARCH(1,1)模型計算各基