开放式基金流动性风险研究.docx

开放式基金流动性风险研究
【摘要】流动性风险是开放式基金面临的一个主要风险。本文提出了一个全新的流动性指标来度量流动性的大小，进而建立模型得到了流动性风险值。经检验，开放式基金市场风险和流动性风险之间存在明显的正反馈效应，需要采取措施对开放式基金的流动性风险进行有效管理。
　　【关键词】开放式基金流动性风险VaR正反馈效应
　　一、引言
　　开放式基金的流动性风险是指基金管理者为满足投资者的赎回要求，将其所持资产变现时，交易价格的不确定性与可能遭受的价值损失。在此次金融危机的蔓延中，流动性风险扮演了重要角色，导致全球主要金融市场流动性严重不足。而基金作为金融市场的主要参与者，同样面临着巨大的风险，其中一些也因为损失惨重和面临投资者的赎回要求而被清算。本文对开放式基金的流动性风险进行了研究，并以华安创新证券投资基金为对象进行了实证分析，进而给出了开放式基金流动性风险的管理措施。
　　二、开放式基金流动性风险的度量
　　1、度量指标的构造
　　市场流动性是指能以较低的交易成本即时完成一定数量的交易指令，同时对市场价格影响较小或者价格有大的波动之后能及时回复到原来水平的市场交易能力。通常，流动性包含了三个方面，即速度、价格和交易量，而要准确全面地度量流动性风险需要考虑四个方面的影响因素。一是宽度，这是从价格方面入手。最常见的是买卖价差，即当买卖价差足够小时，市场具有宽度，否则缺乏宽度。二是深度，这是从数量方面入手，反映某一价格水平可交易的数量。深度指标可以衡量市场的价格稳定程度，即在深度较大的市场，一定数量的交易对价格的冲击较小。三是速度，这是从交易的即时性上入手，即投资者若决定买卖证券，可以立刻得到满足。四是弹性，这是从稳定性上入手。弹性较好的市场，较大数量的交易可在较短时间内得到执行，造成的价格较大变化能够立刻返回到均衡水平。
　　现有研究中的流动性度量指标都可以在一定程度上对流动性进行度量，但不能反映以上四个方面的所有影响。为了更具有全面性和有效性，下面通过综合考虑四个方面的影响来构造本文所使用的流动性度量指标。
　　中国股票市场是指令驱动的交易机制，一般情况下都可以在适当的价位使证券买卖得以成交，除非遇到涨停板或跌停板。对于因净赎回波动导致变现量波动而产生的流动性风险，跌停板是阻碍其交易的主要原因。因此，在构造流动性指标时，本文用证券非跌停的平均概率来衡量“速度”的影响。“弹性”主要通过交易的数量和价格的变化来度量证券买卖对市场稳定性的影响，是从市场稳定性的角度来考虑的。本文用相对波动性的概念来衡量“弹性”因素，其中相对波动性即为当日的证券波动性与一定时期内证券平均波动性的比值。“宽度”是从价格方面来衡量流动性，而“深度”是从交易量方面来衡量流动性的，因此，通过价格和交易量可以综合考虑这两个方面的影响。
　　最后构造出的流动性指标

　　动性成正比，而与换手率、非跌停概率成反比。它综合考虑了宽度、深度、速度和弹性等流动性度量所需考虑的四个方面因素。
　　这样构造的流动性指标不仅可以在经济意义上对影响流动性的因素进行合理解释，而且免除了量纲的影响。从指标可以看出，流动性指标值的大小与宽度、深度、速度、弹性都成反比关系。结合开放式基金因投资者意外赎回所导致的被动变现量，可以得到开放式基金的流动性风险值。
　　对于中国的开放式基金，赎回数据由每个季度的季报发布，数据发布的频率较低，而且中国的开放式基金成立后所运行的时间都比较短，缺乏足够的样本数据来准确估计和度量开放式基金赎回量与各主要影响开放式基金赎回的因素之间的关系从而也难以估计出开放式基金赎回量在一定置信度下可能达到的最大值。本文基于程巍的计算结果，对于假定的一个总量为15亿份的开放式基金，根据模拟数据计算出了开放式基金赎回量大于或等于既定赎回量的概率，如表1。

　　指标的标准差，k是在一定置信度下开放式基金总资产的被动变现比例，W是开放式基金的总资产。
　　在LV?琢R的计算公式中，对初始风险值进行了取半值处理，这是因为开放式基金由于被动变现而产生的流动性损失只有在市场下跌时才会发生。在这里，本文假定市场下跌的概率是1/2。由上述公式可知，LV?琢R的计算原理与VaR基本类似，这是对传统VaR方法的有益补充，可以通过这种方法测度开放式基金流动性风险的大小，然后根据基金的风险承受能力和流动性需求来合理配置资产。
　　2、实证分析
　　以华安证券投资基金在2008年第三季度所持有的股票组合为对象进行实证分析，时间区间为2006年8月1日到2008年10月31日。首先需要明确流动性指标的分布情况，这样有利于选择适当的VaR度量方法。使用Eviews软件计算出华安创新流动性指标常用统计量，得到华安创新流动性指标的偏度和峰度分别约为和，与正态分布的偏度值和峰度值有较大差距，JB统计量为，也否定了流动性指标服从正态分布的假设。
　　流动性风险与市场风险有着密切的关系，由于市场风险度量中的收益率存在明显的异方差性，进而流动性指标也很可能受异方差的影响。使用Eviews软件进行流动性指标的ARCH检验，如表3。

　　从表3中可以看出，检验结果否定了流动性指标不存在异方差性的原假设。由于流动性指标存在明显的异方差性，就需要动态描述流动性指标的各期方差情况。本文使用Eviews软件分别对GARCH、GARCH、GARCH、GARCH、ARCH、ARCH等六个模型进行了参数回归和假设检验，发现只有ARCH模型通过了异方差性检验和参数的P值检验。因此，本文选用ARCH模型来描述流动性指标的异方差性。估计出的ARCH模型方程为

　　其中，ARCH是本期流动性指标的方差，RESID是上一期流动性指标的残差，RESID是上两期流动性指标的残差。
　　同样使用Eviews软件对ARCH模型得到的流动性指标波动率进行ARCH效应检验，结果如表4，可以看出F统计量和TR2统计量均有较大的P值，说明异方差性已经消失。检验也说明使用ARCH模型能够有效解决华安创新流动性指标的异方差问题，有助于更准确地估计出流动性风险的VaR值。

　　三、开放式基金流动性风险与市场风险的正反馈效应
　　开放式基金所面临的市场风险和流动性风险存在很密切的相关关系。市场风险的加大会提高流动性损失发生的概率，而流动性风险的加大也会进一步加重市场风险，它们之间存在较明显的正反馈现象。
　　1、正反馈效应的检验
　　格兰杰因果检验可用来检测两个变量之间是否存在格兰杰因果关系。如果两个变量之间存在明显的格兰杰因果关系，则一个变量的变化与另一个变量的变化之间互为因果，会进一步加大变量的变化程度，而正反馈效应反映的正是两个变量之间的互相强化现象，因此，本文选用格兰杰因果检验来对变量之间的正反馈效应进行检验。选取的两个变量分别是华安创新的相对市场风险值XDMVAR和相对流动性风险值XDLVAR，相对风险值即是用百分率表示的风险值，格兰杰因果检验的滞后阶数分别选取2、3、4、5、6，检验结果如表5。
　　由表5可以看出，在滞后阶数分别是2、3、4、5、6时，相对市场风险值和相对流动性风险值之间互为格兰杰因果关系，也就说明了市场风险和流动性风险之间存在明显的正反馈效应。
　　2、开放式基金流动性风险管理措施
　　开放式基金流动性风险的来源主要有三个方面，包括资产配置缺乏流动性、申购量的意外减少、赎回量的意外增加等。资产配置方面，为了合理地配置资产以应对流动性风险，基金管理者需要持有适当的高流动性资产，比如现金、短期国债等。此外，广义的资产配置也包括主动负债，即主动对外融资。基金管理者在适当的情况下，可在银行间同业拆借市场进行资金融通，或者向商业银行申请短期贷款。但是，主动负债有一个不足之处，负债的成本是由未赎回的投资者承担的，如果成本过大，会降低未赎回者的长期投资意愿，进而加大流动性风险，所以需要对主动负债有一定的限制。
　　申购量方面，较低的申购费率有利于增加投资者的申购量，有效的营销策略可以增加申购开放式基金的投资者数量。同时，建立持有人清单，预测不同资金来源的投资者的流动性需求，有利于基金管理者提前做好相关准备工作。对于大额资金投资者，基金管理者需要定期进行沟通，了解其流动性需求和进一步的投资计划，这有利于稳定开放式基金的资金来源。此外，还可以向一些机构发行定向基金单位，以增加基金的现金流入量。
　　赎回量方面，较高的赎回费率和赎回限制会延缓投资者的赎回，使基金管理者有足够的时间筹集足够的现金来应对意外赎回。采取有效的营销策略可以影响投资者的赎回态度，基金营销人员通过对投资者的说服和教育，提高投资者的理性程度，会改变一些非理性投资者的赎回选择。基金管理者允许投资者以较低的成本在同一基金家族内的不同基金品种之间进行转化，可以减轻积极管理者兑付现金的压力。
　　在流动性风险和市场风险的相互影响中，正反馈效应的存在加大了风险的波动幅度，提高了开放式基金面临较大风险损失的可能性，因此需要采取措施降低两种风险的正反馈效应。一是对市场风险和流动性风险分别进行有效的度量和管理，使其均在开放式基金所接受的范围之内。二是应该尽快推出股指期货等可以用来对冲市场风险的金融工具，使开放式基金在不抛售股票的情况下能有效对冲市场风险。三是尽可能拓展开放式基金资金的来源渠道，降低流动性风险转化为市场风险的速度，从而减弱正反馈效应的影响。四是做好对投资者的营销工作，使投资者树立理性的长期投资观念，避免暂时的市场风险导致投资者赎回而产生流动性风险。

　　【参考文献】
　　[1] 帅晋瑶、陈晓剑：开放式基金流动性指标研究[J].运筹与管理，2006.
　　程巍、穆杰、王金玉、潘德惠：应用极值理论预测开放式基金赎回量[J].东北大学学报，2005.
　　Anil Bangia, Francis X. Diebold, Til Schuermann, John D. Stroughair: Modeling liquidity risk, with implications for traditional market risk measurement and management[Z].Working paper, the Wharton School-University Pennsylvania.
　　张晓峒：计量经济学软件Eviews使用指南[M].南开大学出版社，2003.
　　张树德：金融计算教程——MATLAB金融工具箱的应用[M].清华大学出版社，2007.
　　阎春宁：风险管理学[M].上海大学出版社，2002.