供应链金融价格风险测度及管理研究最新章节_王建著

2.1 引言

面对业务实践中风险管理的现实需求，国内外学者对供应链金融的研究主要集中在风险决策领域，且多通过供应链融资中的决策优化来达到风险管控的目的。其中最具代表性的是Buzacott and Zhang（2004）通过对供应链中存在资金约束的零售商的分析发现，银行只有同时考虑利率、贷款限额（质押率）以及借款企业的资产负债状况，才能合理地控制风险，实现较高的收益。以此为基础，Srinivasa and Mishra（2011）发现，供应链中制造商和零售商均存在资金约束时，从供应链整体的角度进行集中决策对于商业银行和企业而言均是最好的选择；Chen and Cai（2010）则将第三方物流企业引入存在资金约束的零售商的供应链融资决策中。除此之外，Caldentey and Haugh（2009）引入弹性的金融套期保值的思想，用于供应链采购合同风险的控制；Lee and Rhee（2010，2011），Yang（2011）研究了贸易信用对企业存货决策的影响，以及贸易信用和贷款额度的关系。国内学者于洋和冯耕中（2003），胡海青（2012）等，窦亚芹等（2012）以及关旭等（2012）也围绕供应链金融业务的风险进行了较为系统的研究。但是，上述研究并未就质押物的价格风险展开定量研究。有鉴于此，He et al（2012），李毅学等（2011）研究了单一质物的价格风险测度，但并未针对质物组合风险展开研究，这主要囿于银行在开展质押业务时往往以单一质物为主。随着业务快速推进，业务模式不断衍化，银行为分散风险，同时增加业务的灵活性和吸引力，有必要针对混合质物开展质押业务。事实上，近年来出现的一系列供应链金融风险事件，尤其是近期上海钢贸供应链金融的银企纠纷，很大程度上源于商业银行尚未构建合理质物组合来分散质物价格风险，从而集聚了过高的贷款集中度风险。

近几年国内外学者对供应链金融质押物的组合开始进行积极的探索研究，如Draughon（1991），Corbett et al（1999）等。需要指出的是，上述学者并未进行大样本的实证分析，以验证模型的有效性。事实上，自Markowitz（1952）提出投资组合理论以来，分散化投资已成为最为重要的风险管理策略之一。作为衡量风险分散化效应的相关性系数可谓是投资组合理论的核心，然而其只能刻画资产之间的线性相关关系，而对广泛存在的非线性关系尤其是引起极端损失的尾部相关无能为力。Copula函数却可以在不限制各变量条件边缘分布的情况下，刻画多个变量之间的条件相关关系，尤其是尾部相关结构，其参数估计简单，而且可以引入以GARCH族模型为代表的条件波动率模型刻画边缘资产收益表现出的波动集聚性和时变性等特征，因此，广泛应用于资产相关结构的刻画、风险的测度、组合的选择优化以及资本的配置。代表性文献见Jondeau（2006），Huang（2009）等。上述研究成果对于运用Copula理论和GARCH族模型研究质物组合的条件相关性和风险测度以及风险资本的配置具有重要的理论和现实意义。

值得注意的是，上述学者多是基于Copula理论和GARCH族模型研究股指、债券以及大宗物品的期货风险，绝大多数风险测度研究均是两周以内的短期风险（尤以一天为主），即以过去一段时间序列数据为样本，预测未来一天内的日风险价值。与股票、期货等金融资产不同，存货质押业务中的现货质物的流动性较前者弱，导致银行风险持有期延长，因此存货价格风险决策的核心在于预测其长期价格风险，即以过去一段时间序列样本预测未来 N 个月后或更长时间的风险价值，其关键技术在于解决：一是业务层面，风险持有期限与金融产品期限的问题；二是模型层面，数据频率与预测频率的问题，即以现有的短期数据样本如何去预测未来长期（多期）的风险，抑或小样本决策问题。

基于以上认识，与现有研究相比，本章主要贡献在于，引入Markowitz分散化投资思想，建立二元Copula-GARCH族模型，缓释供应链金融实践中单一质物所带来的与日俱增的集中度风险。①建立ARMA-GARCH族模型以及二元Copula模型（简称“二元Copula-GARCH族模型”），刻画现货质物收益率呈现出的自相关性、“尖峰厚尾”以及波动集聚性等典型事实特征以及质物间的非线性相关结构，通过样本外滚动预测方法进行动态VaR预测，并引入传统历史模拟法和基于正态分布的EWMA方法与之对比；②鉴于Kendall秩相关系数τ较线性相关系数描述范围更广、经济意义更明确，选取弱相关组合（铜和螺纹钢）和强相关组合（铜和铝）两类不同Kendall秩相关系数质物组合，分析不同 τ 值下VaR的差别；③给出一类新的数据生成方法，以样本内收益率的条件波动率和Copula函数模拟生成四组相关性由弱到强的模拟质物组合，拓展研究不同相关性对组合VaR的影响，避免现货数据库不完善带来的“小样本”问题，进一步验证模型的普适性；④异于目前未考虑贷款资金成本的单一质物的静态质押率研究现状，依据物流企业自身风险偏好水平，综合考虑宏观经济环境、借款企业资信水平、质物流动性等，将He et al（2012）单一质物动态质押率的研究成功推广至质物组合价格度量，既定质押期内置于多风险窗口下，协调处理业务层面产品期限与风险持有期限的问题；⑤提出考虑贷款资金成本的质物组合动态质押率模型，从效率损失的角度检验组合分散风险的能力；⑥引入时间平方根法则解决动态质押率设定的核心——长期风险预测难题，得出长周期VaR计算解析式，处理短周期数据频率与长周期风险预测频率问题。