论文部分内容阅读
【摘 要】 合格境内机构投资者（Qualified Domestic Institutional Investor， QDII）制度的建立和发展为投资者提供了新的投资渠道，但与此同时，国内投资者对于QDII投资风险的认识和防范水平亟待提高。为此，文章采用Copula-GARCH模型建立美国、中国香港、成熟市场、新兴市场的联合分布，以VAR为指标对我国QDII投资风险进行分析，发现我国QDII投资风险较大，在分析我国QDII投资风险偏大的原因的基础上阐述了投资风险评估与控制的措施建议。
【关键词】 律宾QDII； Copula-GARCH模型； 投资风险； 风险控制
中图分类号：F830.59 文献标识码：A 文章编号：1004-5937（2016）04-0032-05
一、引言
我国QDII制度是在人民币资产项目下不可自由兑换、资本市场尚未完全开放的条件下运行境内机构投资海外证券市场的过渡性制度安排。QDII是一种具有资产组合投资特征的海外证券投资，进行风险评估与控制是其投资管理的核心内容之一，加强对QDII投资风险的量化分析与控制具有很强的现实应用价值。
二、文献综述
（一）国外研究
QDII制度是金融市场开放的中间产物，国外直接研究QDII的文献极为少见，虽然韩国、智利曾实行过类似QDII的过渡性机制，但并没有关于这些国家实施QDII的相关文献，我国QDII制度引起了国外学者的关注。Jeremy Siege（2007）认为中国QDII制度的实施为北美和欧洲带来的大量资金有利于缓解资本市场的供给缺口。Casey Hanson and Amabrose Lau（2009）研究了QDII实施对中国香港资本市场的影响：一是提高香港资本市场的流动性，强化了中国内地与中国香港资本市场的关联性；二是扩大了中国香港为内地提供金融服务和资产管理服务的领域。Stephen Green and Raghuram G Rajan（2011）分析了中国QDII制度实施对中国资本市场带来的影响。QDII的实施使得投资资产组合国际化，有利于分散投资风险，缓解人民币升值压力，逐步实现人民币资本项目可兑换。与此同时，QDII制度由于不能控制资本流出时间，可能导致国内投资资金的分流，增加资本流动的易变性，对国内资本市场带来冲击。
（二）国内研究
我国学者对于QDII的研究主要集中于QDII对我国经济金融发展的影响以及QDII制度的完善，关于QDII的风险研究较少，比较具有代表性的研究有：詹玉玲（2009）分析了QDII实施以来国内资本的流出数量，认为QDII对国内资本市场尤其是B股资金的分流加剧了资本市场的资金总量，影响了股票市场的复苏进程。沈玉梅（2010）认为QDII在增强国内资本市场与国际资本市场联动性的同时，使得资金跨境流动变得更加便利，有可能影响汇率稳定以及金融货币政策的有效性。方尊（2012）采用VaR分析方法对QDII的资产配置的汇率风险、市场风险、信用风险和利率风险进行了计算，提出了基金系QDII投资的风险计量模型。
三、研究设计
（一）研究假设
从我国QDII投资的现实运行基础看，我国投资机构对于海外市场的了解不足，缺少专业水平高、从业经验丰富的投资管理人才，导致机构风险规避能力较弱。从我国QDII投资的现实收益情况看，有2/3的基金系QDII投资处于亏损状态，依赖于这样的海外投资资产进行投资组合估计难以达到风险分散的目的。因此假设：我国QDII投资风险较大，尚未达到有效的风险规避目的。
（二）变量选择
1.资产组合风险指标的选择
相对于其他风险指标（如标准差、贝塔值、半方差）而言，VaR从下一阶段可能损失的概率和损失额两个维度来阐述风险的情况，具有相对全面且实用性强的特点。VaR需要的假设条件接近现实情况，简洁明了，而且能够通过设定概率来计算不同风险偏好下的损失值，便于投资者决策，因此，选取VaR作为风险度量指标。VaR基本计量模型为：VaR=ω0[E（R）-R*]，其中ω0为投资组合的初始值，E（R）为投资组合持有期间的期望收益，R*表示置信水平a下投资组合的最低收益率。
2.资产组合联合分布的连接函数的选择
传统的资产组合联合分布假设资产组合符合正态分布，这一假设用于描述“尖峰厚尾”的金融资产会产生很大误差，因此，本文拟采用如下方式来描述金融资产组合的联合分布：（1）以GARCH模型描述单个金融资产的分布；（2）采用Copula连接函数将单个金融资产分布映射到正态分布上，然后按照传统分析构建进行风险分析。文中所用到具体变量的含义将在模型构建部分结合相关模型给予说明。
（三）模型构建
1.GARCH（1，1）模型
（四）样本选择
由于基金系QDII投资占所有QDII投资比例在61%以上，更为投资者所接受，而银行系QDII投资风险较低，因此，本文选择基金系QDII作为研究对象。在QDII投资的资产组合中，股票所占的比例较高，投资的基金也与股票有着密切的联系，因此，本文以QDII投资的股票价格指数波动来反映股票市场的市场风险，并统一采用摩根士丹利资本国际公司的系数指数进行计量。考虑到不同形态的资本市场具有不同的风险水平，本文将样本数据分为中国香港（HM）、美国（AM）、新兴市场（NM）、其他成熟市场（DM）。由于我国的QDII制度开始于2006年，因此本文数据的时间区间选择为2007—2013年12月。
四、实证分析
（一）描述性统计（见表1）
从样本资本市场指数的收益序列均值接近0的统计结果看，样本市场的投资收益为市场平均水平，投资于四个市场的投资组合的均值也应为市场平均水平，而我国的QDII投资出现较大的亏损表明QDII投资具有较大的风险。新兴市场和中国香港市场较高的标准差说明其指数波动幅度大，美国市场次之，新兴市场指数波动高的原因在于成熟度不高，市场对信息的敏感性强，中国香港市场则是因为国际游资的大量进出以及与新兴市场（中国股市）的密切联系，美国市场较高的指数波动是国际资本聚集、金融衍生品创新等因素综合作用的结果。 （二）显著性检验
1.ADF检验
样本市场投资收益率序列的ADF检验结果见表2—表4。
样本序列的P值均小于0.01，表明各序列在1%水平上拒绝原假设，即各序列为平稳序列。
2.协整检验
如果序列之间具有稳定的相关关系就可以采用椭球Copula族中的恒定Copula函数进行分析，因此，本文对序列进行协整性检验以考察其相关关系的稳定性。
上述检验结果表明四个序列具有协整关系，即各序列相关关系具有稳定性。
（三）实证检验
1.GARCH估计
通过计算收益率序列的自相关性确定GARCH模型的阶数，最终确定选用GARCH（1，1）进行分析，分别结算各个市场收益率序列GARCH模型系数。
表4统计结果显示AIC、SC、HQ值均小于-5，表明模型的拟合度高，同时，除常数项外其余变量的系数在5%水平上显著，因此，模型较好地描述了HM市场的收益率序列。
表5中AM收益率序列的AIC、SC、HQ接近-6，表明GARCH模型对序列的描述较优，模型估计的各系数在5%水平显著相关。
表6新兴市场EM收益率序列的AIC、SC、HQ均小于-5.5，该数值较小，表明GARCH模型对序列的描述较优，同时，模型估计的各系数在5%水平显著相关。
表7其他成熟市场DM收益率序列的AIC、SC、HQ接近-6，该数值较小，表明GARCH模型对序列的描述较优，同时，除方程常数项外，模型估计的各系数在5%水平显著相关。
根据以上统计参数整理如下各序列GARCH模型的重要参数，见表8。
根据上面的分析，可以将各序列GARCH模型估计出的重要参数整理在表中，参数有收益方程中的常数、波动方程的各个系数及尾部学生t分布的自由度，以方便条件分布的求解。
2.VaR的计算
根据上文计算得到的参数按照正态Copula函数和t-Copula函数计算各序列的VaR值。
（3）计算各序列VaR
根据比例测算和最优测算得到我国QDII投资组合的VaR以及最优投资组合下的VaR。
表9的测算结果表明，现有投资组合下，投资组合在四个样本市场的投资比例分别为69%、7.9%、8.1%和15%，在正态Copula下VaR为-2.06%，在t-Copula下VaR为-0.76%，显著高于最优组合下的风险水平，我国QDII投资风险存在较大风险。最优组合下，在正态Copula下，中国香港与美国市场的投资比例接近0，这与实际情况不太符合，合理的解释是在正态Copula下，新兴市场与其他成熟市场足以覆盖中国香港与美国投资，而在t-Copula下，投资比例较为均匀，兼顾了收益水平与风险水平，是一种较为理想的投资组合方式。
五、结论与建议
实证结果表明我国QDII投资风险较大，这与我国QDII投资的实际表现相符，表明我国的QDII投资并没有真正实现通过全球化投资来降低风险，需要采取有效的应对措施。
（一）完善风险监管体系
本文所采用的计算方法计算出来的VaR值作为一种预测性指标能够较为全面地反映风险水平，可靠度高且易获取，可以用做投资机构对投资组合的风险监测与控制。国外资产管理的经验表明，最有效的风险管理措施是建立一套综合各类资产类别和投资战略的风险预算体系，建立起有效的风险预测、评估和应对机制。
（二）优化资产配置
资产配置直接影响着投资组合的风险水平，实证结果表明我国QDII投资配置尚未达到理想水平，需要机构投资者进一步扩展资产配置有效边界，综合权衡收益与风险。从本文分析的结果看，我国机构投资对于中国香港、美国市场投资过高，忽略了其他成熟资本市场以及新兴市场的投资，加强此类市场的研究与资源配置是下一步的行动方向。当然，简单调整投资比例不足以有效控制风险，还需要针对不同市场实施不同的投资策略。具体而言，在成熟市场上应分析证券的真实价值，寻找具有宽泛的安全投资边界的股票或债券；在新兴市场上，着重于证券的成长性，以分享新兴市场经济快速增长带来的收益。
（三）加强海外市场调研
我国QDII投资所需要的信息严重匮乏，主要依靠评估机构收集的信息，这些信息具有片面性，需要用批判的态度加以利用，逐步建立起自己的海外投资评估机构，负责相关市场的调研，包括该国或地区市场的估值方法、政策、法律、运作机制，甚至具体投资股票或证券上市公司的一手资料，真正做到“知己知彼”。
【主要参考文献】
[1] SIEGE J. Measuring the Risk in Value at Risk of Chinese QDII investments [J].Financial Analysts Journal，2007，52：47-56.
[2] HANSON C A. On the Risk of Stocks in the Long Run in China[J].Financial Analysts Journal，2009，52：69-71.
[3] WILLIAM N G，LILF K G R. Long-Term Global Market Correlations and China stock market performance[J].The Journal of Business，2005，78（1）：33-57.
[4] 包卫军，徐成贤.基于多维t-Copula函数的投资组合的VaR分析[J].统计与决策，2008（20）：37-39.
[5] 郝礼祥，程希骏.基于Copula-VaR方法对上证和深证的研究[J].中国科学院研究生院学报，2008（5）：682-686.
[6] 郁露露.基于互惠性视角的机构投资者公司治理效应分析[J].会计之友，2013（3）：22-26.
【关键词】 律宾QDII； Copula-GARCH模型； 投资风险； 风险控制
中图分类号：F830.59 文献标识码：A 文章编号：1004-5937（2016）04-0032-05
一、引言
我国QDII制度是在人民币资产项目下不可自由兑换、资本市场尚未完全开放的条件下运行境内机构投资海外证券市场的过渡性制度安排。QDII是一种具有资产组合投资特征的海外证券投资，进行风险评估与控制是其投资管理的核心内容之一，加强对QDII投资风险的量化分析与控制具有很强的现实应用价值。
二、文献综述
（一）国外研究
QDII制度是金融市场开放的中间产物，国外直接研究QDII的文献极为少见，虽然韩国、智利曾实行过类似QDII的过渡性机制，但并没有关于这些国家实施QDII的相关文献，我国QDII制度引起了国外学者的关注。Jeremy Siege（2007）认为中国QDII制度的实施为北美和欧洲带来的大量资金有利于缓解资本市场的供给缺口。Casey Hanson and Amabrose Lau（2009）研究了QDII实施对中国香港资本市场的影响：一是提高香港资本市场的流动性，强化了中国内地与中国香港资本市场的关联性；二是扩大了中国香港为内地提供金融服务和资产管理服务的领域。Stephen Green and Raghuram G Rajan（2011）分析了中国QDII制度实施对中国资本市场带来的影响。QDII的实施使得投资资产组合国际化，有利于分散投资风险，缓解人民币升值压力，逐步实现人民币资本项目可兑换。与此同时，QDII制度由于不能控制资本流出时间，可能导致国内投资资金的分流，增加资本流动的易变性，对国内资本市场带来冲击。
（二）国内研究
我国学者对于QDII的研究主要集中于QDII对我国经济金融发展的影响以及QDII制度的完善，关于QDII的风险研究较少，比较具有代表性的研究有：詹玉玲（2009）分析了QDII实施以来国内资本的流出数量，认为QDII对国内资本市场尤其是B股资金的分流加剧了资本市场的资金总量，影响了股票市场的复苏进程。沈玉梅（2010）认为QDII在增强国内资本市场与国际资本市场联动性的同时，使得资金跨境流动变得更加便利，有可能影响汇率稳定以及金融货币政策的有效性。方尊（2012）采用VaR分析方法对QDII的资产配置的汇率风险、市场风险、信用风险和利率风险进行了计算，提出了基金系QDII投资的风险计量模型。
三、研究设计
（一）研究假设
从我国QDII投资的现实运行基础看，我国投资机构对于海外市场的了解不足，缺少专业水平高、从业经验丰富的投资管理人才，导致机构风险规避能力较弱。从我国QDII投资的现实收益情况看，有2/3的基金系QDII投资处于亏损状态，依赖于这样的海外投资资产进行投资组合估计难以达到风险分散的目的。因此假设：我国QDII投资风险较大，尚未达到有效的风险规避目的。
（二）变量选择
1.资产组合风险指标的选择
相对于其他风险指标（如标准差、贝塔值、半方差）而言，VaR从下一阶段可能损失的概率和损失额两个维度来阐述风险的情况，具有相对全面且实用性强的特点。VaR需要的假设条件接近现实情况，简洁明了，而且能够通过设定概率来计算不同风险偏好下的损失值，便于投资者决策，因此，选取VaR作为风险度量指标。VaR基本计量模型为：VaR=ω0[E（R）-R*]，其中ω0为投资组合的初始值，E（R）为投资组合持有期间的期望收益，R*表示置信水平a下投资组合的最低收益率。
2.资产组合联合分布的连接函数的选择
传统的资产组合联合分布假设资产组合符合正态分布，这一假设用于描述“尖峰厚尾”的金融资产会产生很大误差，因此，本文拟采用如下方式来描述金融资产组合的联合分布：（1）以GARCH模型描述单个金融资产的分布；（2）采用Copula连接函数将单个金融资产分布映射到正态分布上，然后按照传统分析构建进行风险分析。文中所用到具体变量的含义将在模型构建部分结合相关模型给予说明。
（三）模型构建
1.GARCH（1，1）模型
（四）样本选择
由于基金系QDII投资占所有QDII投资比例在61%以上，更为投资者所接受，而银行系QDII投资风险较低，因此，本文选择基金系QDII作为研究对象。在QDII投资的资产组合中，股票所占的比例较高，投资的基金也与股票有着密切的联系，因此，本文以QDII投资的股票价格指数波动来反映股票市场的市场风险，并统一采用摩根士丹利资本国际公司的系数指数进行计量。考虑到不同形态的资本市场具有不同的风险水平，本文将样本数据分为中国香港（HM）、美国（AM）、新兴市场（NM）、其他成熟市场（DM）。由于我国的QDII制度开始于2006年，因此本文数据的时间区间选择为2007—2013年12月。
四、实证分析
（一）描述性统计（见表1）
从样本资本市场指数的收益序列均值接近0的统计结果看，样本市场的投资收益为市场平均水平，投资于四个市场的投资组合的均值也应为市场平均水平，而我国的QDII投资出现较大的亏损表明QDII投资具有较大的风险。新兴市场和中国香港市场较高的标准差说明其指数波动幅度大，美国市场次之，新兴市场指数波动高的原因在于成熟度不高，市场对信息的敏感性强，中国香港市场则是因为国际游资的大量进出以及与新兴市场（中国股市）的密切联系，美国市场较高的指数波动是国际资本聚集、金融衍生品创新等因素综合作用的结果。 （二）显著性检验
1.ADF检验
样本市场投资收益率序列的ADF检验结果见表2—表4。
样本序列的P值均小于0.01，表明各序列在1%水平上拒绝原假设，即各序列为平稳序列。
2.协整检验
如果序列之间具有稳定的相关关系就可以采用椭球Copula族中的恒定Copula函数进行分析，因此，本文对序列进行协整性检验以考察其相关关系的稳定性。
上述检验结果表明四个序列具有协整关系，即各序列相关关系具有稳定性。
（三）实证检验
1.GARCH估计
通过计算收益率序列的自相关性确定GARCH模型的阶数，最终确定选用GARCH（1，1）进行分析，分别结算各个市场收益率序列GARCH模型系数。
表4统计结果显示AIC、SC、HQ值均小于-5，表明模型的拟合度高，同时，除常数项外其余变量的系数在5%水平上显著，因此，模型较好地描述了HM市场的收益率序列。
表5中AM收益率序列的AIC、SC、HQ接近-6，表明GARCH模型对序列的描述较优，模型估计的各系数在5%水平显著相关。
表6新兴市场EM收益率序列的AIC、SC、HQ均小于-5.5，该数值较小，表明GARCH模型对序列的描述较优，同时，模型估计的各系数在5%水平显著相关。
表7其他成熟市场DM收益率序列的AIC、SC、HQ接近-6，该数值较小，表明GARCH模型对序列的描述较优，同时，除方程常数项外，模型估计的各系数在5%水平显著相关。
根据以上统计参数整理如下各序列GARCH模型的重要参数，见表8。
根据上面的分析，可以将各序列GARCH模型估计出的重要参数整理在表中，参数有收益方程中的常数、波动方程的各个系数及尾部学生t分布的自由度，以方便条件分布的求解。
2.VaR的计算
根据上文计算得到的参数按照正态Copula函数和t-Copula函数计算各序列的VaR值。
（3）计算各序列VaR
根据比例测算和最优测算得到我国QDII投资组合的VaR以及最优投资组合下的VaR。
表9的测算结果表明，现有投资组合下，投资组合在四个样本市场的投资比例分别为69%、7.9%、8.1%和15%，在正态Copula下VaR为-2.06%，在t-Copula下VaR为-0.76%，显著高于最优组合下的风险水平，我国QDII投资风险存在较大风险。最优组合下，在正态Copula下，中国香港与美国市场的投资比例接近0，这与实际情况不太符合，合理的解释是在正态Copula下，新兴市场与其他成熟市场足以覆盖中国香港与美国投资，而在t-Copula下，投资比例较为均匀，兼顾了收益水平与风险水平，是一种较为理想的投资组合方式。
五、结论与建议
实证结果表明我国QDII投资风险较大，这与我国QDII投资的实际表现相符，表明我国的QDII投资并没有真正实现通过全球化投资来降低风险，需要采取有效的应对措施。
（一）完善风险监管体系
本文所采用的计算方法计算出来的VaR值作为一种预测性指标能够较为全面地反映风险水平，可靠度高且易获取，可以用做投资机构对投资组合的风险监测与控制。国外资产管理的经验表明，最有效的风险管理措施是建立一套综合各类资产类别和投资战略的风险预算体系，建立起有效的风险预测、评估和应对机制。
（二）优化资产配置
资产配置直接影响着投资组合的风险水平，实证结果表明我国QDII投资配置尚未达到理想水平，需要机构投资者进一步扩展资产配置有效边界，综合权衡收益与风险。从本文分析的结果看，我国机构投资对于中国香港、美国市场投资过高，忽略了其他成熟资本市场以及新兴市场的投资，加强此类市场的研究与资源配置是下一步的行动方向。当然，简单调整投资比例不足以有效控制风险，还需要针对不同市场实施不同的投资策略。具体而言，在成熟市场上应分析证券的真实价值，寻找具有宽泛的安全投资边界的股票或债券；在新兴市场上，着重于证券的成长性，以分享新兴市场经济快速增长带来的收益。
（三）加强海外市场调研
我国QDII投资所需要的信息严重匮乏，主要依靠评估机构收集的信息，这些信息具有片面性，需要用批判的态度加以利用，逐步建立起自己的海外投资评估机构，负责相关市场的调研，包括该国或地区市场的估值方法、政策、法律、运作机制，甚至具体投资股票或证券上市公司的一手资料，真正做到“知己知彼”。
【主要参考文献】
[1] SIEGE J. Measuring the Risk in Value at Risk of Chinese QDII investments [J].Financial Analysts Journal，2007，52：47-56.
[2] HANSON C A. On the Risk of Stocks in the Long Run in China[J].Financial Analysts Journal，2009，52：69-71.
[3] WILLIAM N G，LILF K G R. Long-Term Global Market Correlations and China stock market performance[J].The Journal of Business，2005，78（1）：33-57.
[4] 包卫军，徐成贤.基于多维t-Copula函数的投资组合的VaR分析[J].统计与决策，2008（20）：37-39.
[5] 郝礼祥，程希骏.基于Copula-VaR方法对上证和深证的研究[J].中国科学院研究生院学报，2008（5）：682-686.
[6] 郁露露.基于互惠性视角的机构投资者公司治理效应分析[J].会计之友，2013（3）：22-26.