금속광산품 시장 위험은 광산벨트가 있는 나라의 시장 조건의 불확실성으로 광업투자의 불확실성을 야기하는 것을 말한다. 국제 광산품 시장은 실물시장과 금융시장의 특징, 특히 최근 몇 년간 대량의 자금이 유입되면서 금융의 특징이 강화되었다. 금속 선물 시장의 가격 변동은 투자 기업이 직면하거나 직면하게 될 위험을 직접 반영합니다. 외환시장에서의 환율 변동은 간접적인 관점에서도 투자기업에 위험을 초래할 수 있다. 국제 금속 선물 시장에서 금속 선물의 가격은 일반적으로 미국 달러로 가격이 책정되기 때문에 국내 기업의 경우 국제 투자를 위해서는 먼저 인민폐를 해당 외화로 변환하여 외화를 사용해야 국제시장에서 유연하게 운영할 수 있다.
금속 광물 자원 가격 위험은 금속 선물 거래에서 가장 보편적이고 빈번한 위험으로, 모든 선물 제품에 존재한다. 이는 각 선물 제품의 거래가 이 제품의 가격 변화에 대한 예측을 바탕으로 하기 때문입니다. 실제 가격의 변화 방향이나 폭이 거래상의 예측과 이탈할 경우 그에 따른 손실을 초래할 수 있다.
환율위험은 외환위험이라고도 하는데, 환율변동으로 인해 기업이 외화로 측정한 모금 자금의 가치가 변할 가능성이 있다. 환율 변동 위험은 환율 변동으로 인해 외화를 보유하거나 사용하는 프로젝트 회사나 기타 이익 참가자들에게 손실을 초래할 위험을 말합니다. 프로젝트 융자의 비용과 이익은 금융시장의 환율 변동에 비교적 민감하다. 첫째, 자국 통화와 국제 주요 통화 간의 환율 변화의 위험은 생산 비용과 비용에 영향을 줄 뿐만 아니라 국내 시장의 경쟁도 심화시킬 것이다. 외국 동종 제품의 생산자들은 이 시장이 더 매력적이라는 것을 알게 될 것이기 때문이다. 둘째, 각국 통화 간의 교차 환율 변화도 국제 시장에서의 프로젝트 경쟁에 간접적으로 영향을 미칠 수 있습니다. 마지막으로, 환율 변화도 프로젝트의 부채 구조에 영향을 미칠 것이다.
금속 광물 시장 위험 측정 방법 분석은 주로 금융 시장 위험 관리 이론을 통해 시장 위험 가치 (VaR) 를 금속 광산 제품 시장 위험 측정 지표로 선택하는 것입니다. VaR 방법은 JPMORGAN 이 먼저 내놓은 것으로 실제로 널리 사용되고 있습니다. 시장 위험 측정에는 여러 가지 방법이 있으며 VaR 방법은 현재 금융 시장 위험 측정의 주류 방법입니다. VaR 계산 방법에는 과거 시뮬레이션 방법, 분산-경사 분산 방법 및 몬테카를로 시뮬레이션 방법이 포함됩니다. 과거 및 몬테카를로 시뮬레이션에 비해 분산-경사 분산법의 장점은 필요한 데이터의 양이 적고 조작하기 쉬우므로 실제로 널리 사용되고 있다는 것입니다.
VaR 의 장점은 서로 다른 시장 요인, 시장별 위험을 하나의 숫자로 통합하고, 서로 다른 위험 출처와 상호 작용으로 인한 잠재적 손실을 보다 정확하게 측정하며, 금융 시장 발전의 역학, 복잡성 및 글로벌 통합 추세에 적응할 수 있다는 것입니다.
VaR 계산 방법의 기본 아이디어는 먼저 금속 광물 시장 위험 요소에 따라 시장 위험 요소를 분석하는 기능입니다. 둘째, 시장 위험 요소를 예측하는 변동성 모델을 구축하여 시장 위험 요소의 변동성을 예측합니다. 마지막으로 시장 위험 계수의 변동성을 기준으로 시장 위험 가치와 분포를 추정하여 VaR 값을 계산합니다.
(1) GARCH 패밀리 모델을 기반으로 한 VaR 계산
1)VaR 계산의 기본 원리.
VaR 에서 위험 가치로 번역된 것은 시장의 정상적인 변동으로 인해 금융 자산 또는 증권 포트폴리오의 최대 손실을 의미합니다. 더 정확히 말하자면, 특정 확률 수준과 특정 보유 기간 동안 특정 금융자산이나 증권조합의 최대 손실을 가리킨다. 수학 언어로 VaR 을 정의할 수 있습니다. 즉, 알파 (0,1) 를 지정된 확률 수준으로, 알파 수준에서 포트폴리오 P 의 VaR 은 다음과 같이 정의됩니다.
해외 석유 및 가스 및 광물 자원 이용 위험 평가 및 의사 결정 지원 기술
형식 중: 함수 (α) 는 수익 Rp 의 누적 분포 함수의 역함수입니다. VaR 의 본질은 Rp 의 α-quantile 입니다.
VaR 추정의 조건부 분산 방법은 동적 VaR 계산의 분석 방법에 속하며, VaR 계산에서 핵심은 변동률을 추정하는 것입니다. 변동률 모델에 따라 VaR 계산의 차이가 형성됩니다.
이 책은 런던 구리와 인민폐의 달러화에 대한 환율에 대해 수일 수익률 시계열을 연구하여 VaR 의 계산 공식을 선정한 것이다.
해외 석유 및 가스 및 광물 자원 이용 위험 평가 및 의사 결정 지원 기술
형식 중: t 는 t 일을 의미합니다. Pt-1 은 이전 거래일의 종가입니다. Z α는 표준 정규 분포의 임계값이고, 1,5,10 의 임계값은 각각-2.33,-1.64,-1.28 입니다. T 는 GARCH 모델에서 추정한 수익률 시퀀스 조건의 표준 편차입니다.
2)VaR 모델 사후 테스트.
시장 위험 측정 모델의 유효성을 검증하기 위해 VaR 모델의 계산 결과가 실제 손실에 적용되는 정도를 검증해야 합니다. 이 책은 Kupiec 검사를 사용하여 제작된 모델의 적합성을 점검한다. 검사 샘플에서 손실이 VaR 보다 높은 횟수, T 는 총 검사 샘플 수, A 는 정해진 중요도 수준, F 는 실패율을 나타냅니다. 여기서:
해외 석유 및 가스 및 광물 자원 이용 위험 평가 및 의사 결정 지원 기술
테스트의 가정은
입니다해외 석유 및 가스 및 광물 자원 이용 위험 평가 및 의사 결정 지원 기술
우도 비율 통계는
입니다해외 석유 및 가스 및 광물 자원 이용 위험 평가 및 의사 결정 지원 기술
원래 가정에서 LR 은 자유도가 1 인 X2 분포에 복종합니다. 큰 샘플 조건에서도 정규 분포로 접근할 수 있으며, 마찬가지로 좋은 검사 효과가 있다. (1) 에서 H0 을 거부하면 VaR 모델이 실패합니다.
3)GARCH(p, q) 패밀리 모델의 기본 원리.
금융 위험은 주로 금융 자산 가격의 변동으로 인한 것이다. 대량의 실증 연구에 따르면 금융자산의 변동 분포는 첨봉후미성과 변동집결성을 가지고 있다. 즉 금융시장 변동은 종종 이차성을 나타낸다. 1986 년 Bollerslev 는 Engle(1982) 이 제안한 자체 회귀 조건 차이 모델 (ARCH) 을 바탕으로 GARCH 모델을 구축하여 금융 시장 위험의 이러한 특성을 더 잘 포착할 수 있게 되었습니다. ARCH 및 그 이후에 생성되는 확장 모델 TGARCH, EGARCH 등을 GARCH 모델 패밀리라고 합니다. 현재 GARCH 패밀리 모델을 기반으로 금융시장 위험가치 (VaR) 에 대한 연구는 이미 매우 풍부하다. 예를 들어, 공 루이, 첸 zhongchang 등 (2005); 첸 수오 포인트, 유세전 (2007); 김수, 허홍우 (2007); 정원자 (2009) 등.
일반화 된 자동 회귀 조건 이분 산성 모델 (GARCH 모델) 은 각 지수의 변동성을 분석합니다. 구체적인 모델링 단계는 다음과 같습니다. 1 수익률 시퀀스에 대한 부드러움 및 자기 상관성 검사 ② 관련 계수와 Q 통계량에 따라 ARMA 모델을 식별합니다. ③ 평균 방정식을 설정하고, 잔차 자기 상관성 검사에 따라 모델 맞춤 효과를 결정하고, LM 방법을 사용하여 시퀀스 잔차 항목에 대한 ARCH 효과 검사를 수행합니다. ④ GARCH 모델의 매개 변수 추정을 위해 최대 우도 방법을 사용한다. ⑤ 피팅 우수성 통계 평가 모델에 따르면.
A.GARCH 모델.
1986 년 볼레슬레브가 가르시아 모델을 제안했습니다. GARCH(p, Q) 모델의 일반 공식은 평균 방정식과 분산 방정식의 두 부분으로 구성됩니다.
쓰기 가능
해외 석유 및 가스 및 광물 자원 이용 위험 평가 및 의사 결정 지원 기술
형식 중: εt 는 잔차입니다. Rt 는 수익률입니다. GARCH 항목 계수인 J 는 임의 오차 항목의 분산 지연 기간이 현재 분산에 미치는 영향을 나타냅니다. I 는 AHCH 항목 계수로, 이전 기간의 임의 오차 항목이 즉각적인 오차 분산에 미치는 영향을 나타내며, 새로운 정보에 대한 시장의 반응을 묘사한다. σt 는 조건부 분산으로 시장의 변동성을 묘사합니다. 여기서 모델 매개 변수는 c≥0, ω≥0, α≥0, β≥0 의 제약 조건을 충족시킵니다.
B.TGARCH 모델.
Zakoian(1990) 및 Glosten, Jaganathan 및 Runkle(1993) 이 제안한 TGARCH (임계 TGARCH) 모델의 일반적인 형식은
입니다해외 석유 및 가스 및 광물 자원 이용 위험 평가 및 의사 결정 지원 기술
GARCH 모델과 비교했을 때, 정보의 영향을 설명하기 위해 TGARCH 모델에 임계값 dt-1 이 설정되었습니다.
여기서 dt-1 은 0 또는 1 을 취하는 명목 변수입니다. 시장에서 이득이 좋거나 나쁜 것이 조건 분산에 미치는 영향은 다르다. 상승할 때, T ≥ 0 은 좋은 소식을 의미하고, 그 영향 계수는 하락이고, T ᥲ 0 은 이공 메시지를 나타내며, 그 영향 계수는 0 인 경우 정보 작용이 비대칭적이라는 것을 의미합니다. Y/0 이면 레버 효과가 있는 것으로 간주됩니다.
또한 위의 모델에서는 GARCH 패밀리 프로세스가 넓고 안정적입니다.
4) 실증 분석.
A. 데이터 소스
이 주제의 금속 선물의 종가 가격은 런던 선물거래소에서 발표한 구리 종가 일 종가 가격을 채택하여 대지능 소프트웨어로 다운로드한다. 환율에 사용된 자료는 미국 연방준비은행 세인트루이스 지점 연방준비경제데이터베이스 (Federal Reserve Economic Data) 에서 제공한 통계에서 미국 달러화에 대한 인민폐 환율이다. 2 개의 데이터 선택 간격은 2005/07/22 ~ 2009/09/04 까지이며, 비업무일과 일부 거래 자료의 누락을 공제합니다. 누락된 데이터의 처리는 당일 누락된 자료의 전날과 다음 날의 평균을 당일 누락된 자료로, 1 * * * * 각각 1063 개의 데이터를 처리합니다.
B. 수익률 시퀀스의 기본 특성 분석
시장 수익률은 수일 수익률에 대한 형식으로
로 정의됩니다해외 석유 및 가스 및 광물 자원 이용 위험 평가 및 의사 결정 지원 기술
형식 중: ri, t 는 I 시장 t 일째의 수익률입니다. Pi, T 는 I 시장 T 일의 가격이고, I 는 1 을 취하면 구리 시장을 나타내고, I 는 2 를 취하면 외환시장을 나타낸다. 수익률 시퀀스의 주요 통계 특징은 그림 9.18 에 나와 있습니다. 변동 집결성과 폭발성이 모두 존재한다는 것을 알 수 있지만, 두 수익률 서열은 모두 무작위라고 볼 수 있다.
그림 9.18 수익률 시리즈의 주요 통계 특징
표 9.12 에 제시된 수익률 서열의 주요 통계 특징에 따르면, 런던 구리 수익률 서열은 좌측으로, 인민폐는 달러화 수익률 서열은 우측으로 알 수 있다. 둘 다 첨봉후미현상을 가지고 있으며, 환율시장은 선물시장보다 뚜렷하다. J-B 통계 테스트에 따르면 둘 다 정규 분포의 가정에 복종하는 것을 거부한다. Q(20) 와 Q2(20) 값에서 알 수 있듯이, 두 가지 수익률 시퀀스와 수익률 제곱 시퀀스는 모두 1 의 중요도 수준에 있으며, 시퀀스 종속성이 없다는 원래 가설을 거부합니다. 즉, 모두 뚜렷한 시퀀스 종속성이 있어 변동의 집결성이 두드러진다는 것을 알 수 있습니다. GARCH 모델로 모델링하기에 적합합니다.
표 9.12 두 수익률 시퀀스의 주요 통계적 특징
GARCH 모델의 매개 변수 추정:
A. 런던 구리의 최적 모델은 GARCH (1,1):
해외 석유 및 가스 및 광물 자원 이용 위험 평가 및 의사 결정 지원 기술
B. 미국 달러화에 대한 인민폐의 최적 모델은 tgarch (1,1):
해외 석유 및 가스 및 광물 자원 이용 위험 평가 및 의사 결정 지원 기술
형식 중: 괄호 안의 데이터는 매개변수 추정의 표준 편차를 나타내고, * * * 는 99 신뢰도에서 현저하고, * * 는 95 신뢰도에서 현저하다는 것을 나타냅니다. * 90 의 신뢰도에서 현저하다는 것을 나타냅니다.
C.VaR 계산 및 분석.
스타일 9.14 와 스타일 9.15 를 통해 런던 구리와 인민폐의 달러 대비 대수 수익률 시퀀스의 조건 차이를 계산하여 시변 시그마 T 를 얻고, 스타일: 에 따라 VaR 을 계산할 수 있다. (알버트 아인슈타인, Northern Exposure (미국 TV 드라마), 계절명언) 여기서 Pt-1 은 지난 거래일의 종가입니다. 계산의 편의를 위해, 여기서 1 위안으로 표준화한다. Z α는 표준 정규 분포의 임계값이고, 1,5,10 의 임계값은 각각-2.33,-1.64,-1.28 입니다. 신뢰 수준은 90,95,99 의 일일 VaR 값이며 실제 수익률과 비교된다. 그림 9.19 를 참조하십시오.
그림 9.19 다른 신뢰도에서의 VaR 값과 실제 수익률의 비교
D. Kupiec 실패율 테스트를 사용하여 제작된 모델을 사후 테스트합니다.
표 9.13 사후 테스트 결과 분석
표 9.13 에서 알 수 있듯이, 지정된 신뢰 수준에서 설정된 VaR 모델이 합리적이라는 것을 알 수 있습니다. 텅스텐과 F 를 비교해 보면 구리 Garch (1,1) 모델 예측 결과가 실제 손실을 기본으로 하고 RMB/USD 의 TGARCH (1,1) 모델이 시장 위험을 약간 과소평가한다는 것을 알 수 있다.
(2) 과거 시뮬레이션에 기초한 VaR 계산 방법
과거 모의법 (영문 Hs) 은 VaR 평가에 일반적으로 사용되는 방법으로, 시장 요인의 미래 변화에 대한 확률 분포에 대한 가정이 많지 않고, 시장 요인의 역사적 변화만 이용하여 미래 포트폴리오 손익의 확률 분포를 구축하는 것이 특징이다. 신뢰도 (95,99) 가 지정된 경우 분포 함수를 사용하여 빈도 분포에서 5, 1 을 차지하는 손실 임계값을 VaR 값으로 찾습니다. 역사적 시뮬레이션 방법 단계는 다음과 같습니다.
1) 과거 모의법으로 I 개 자산의 향후 하루 위험식을 추정하는 절차.
1 단계, 지난 N+1 일 제 1 항 자산의 가격을 시뮬레이션 데이터로 선택합니다.
2 단계, 과거 서로 인접한 N+1 가격 데이터를 빼면 해당 자산의 일일 가격 손익 변화량을 얻을 수 있습니다.
단계 3, 단계 2 는 제 1 항 자산이 다음 날 손익을 나타낼 수 있는 상황 (* * * n 가지 가능한 경우) 을 나타내며 변화량을 보상율로 변환하면 n 종의 가능한 보상률을 계산할 수 있다.
4 단계, 단계 3 의 보상률을 작은 것부터 큰 것까지 순서대로 배열하고, 서로 다른 신뢰 수준에 따라 해당 분위수의 임계 보상률을 찾아낸다.
5 단계, 현재 자산 가격에 4 단계의 임계 보상률을 곱하면, 얻은 금액은 과거 시뮬레이션법을 사용하여 추정되는 위험가치 (VaR) 입니다.
2) 실증 분석.
런던 시장의 알루미늄을 예로 들자면, 2007/7/19 ~ 2009/11/18 일 ***592 개 데이터 (Wind 정보 금융 데이터베이스) 를 선택했습니다. 시장 수익률은 rt=ln(pt)-ln(pt-1) 공식을 사용하여 수일 수익률에 대한 형태를 취합니다.
과거 시뮬레이션 방법의 계산 단계에 따라, 다른 신뢰도에서의 시장 위험 가치 계산 결과는 그림 9.20 에 나와 있습니다.
그림 9.20 계산 결과
(3) 두 가지 측정 방법의 비교
일반적으로, 실패 일수와 실패율로 볼 때, GARCH 모델은 주식시장 수익률의 변동을 더 잘 묘사할 수 있다. 계산된 VaR 값으로 볼 때, Hs 방법은 GARCH 모델보다 위험을 과대평가한다. VaR 방법은 정상적인 시장 조건을 가정하여 시장 위험을 추정하는 것입니다.
Hs 방법은 결과의 신뢰성을 추정하는 데 있어서 과거 데이터에 너무 직접적으로 의존한다. 따라서 선택한 고찰기간이 대표적이지 않은 경우 Hs 가 추정한 VaR 값은 시장 위험을 잘 반영하지 못합니다. 후종 방법도 시찰기의 역사 데이터에 의존하지만 결과는 전자만큼 심각하지 않다. 그러나 Hs 법은 간단하고 이해하기 쉽고, 가장 쉽게 이해하고 운용할 수 있으며, 후자의 방법은 확률 통계와 금융 파생 도구의 배경 지식이 필요하다.
요약하자면, GARCH 모델은 VaR 측정에서 정확성과 유연성 등의 특징을 가지고 있으며, 현재 주식시장이 급변하는 상황에서 점점 더 많은 사람들이 받아들이고 있으며, VaR 의 측정 방법에서 주류가 되고 있습니다.