基于POT模型的鸡蛋价格风险的VaR与ES度量-《江苏农业科学》(2017年8期).docx

龙源版权所有 基于POT模型的鸡蛋价格风险的VaR与ES度量作者：刘伟 朱新颜 张爱华 孙兆明来源：《江苏农业科学》2017年第08期 摘要：近年来我国鸡蛋市场所呈现出的大幅振荡走势给相关利益主体带来了巨大的价格风险，因此，对鸡蛋价格风险的精确度量有着重要的现实意义。通过对全国鸡蛋平均批发价格的实证研究表明，基于广义帕累托分布的极值理论的POT模型能夠较好地拟合鸡蛋价格极端收益率数据，用POT模型来度量鸡蛋价格的风险价值是适合的。经过测算，在十年一遇、二十年一遇、百年一遇的情形下，衡量我国鸡蛋价格风险的VaR分别为0.81%、1.14%、2.15%，而在VaR超过上述百分比的条件下，鸡蛋价格的ES分别为1.38%、1.81%、3.10%。 关键词：鸡蛋价格；风险度量；POT模型；VaR；ES；帕累托分布；极端收益率 中图分类号： F323.7文献标志码： A文章编号：1002-1302（2017）08-0330-03 我国作为鸡蛋产销第一大国，鸡蛋价格的涨跌触动无数蛋鸡养殖户、鸡蛋贸易商以及消费者的神经。尤其是最近几年来，鸡蛋价格呈现出明显的大幅振荡的走势，如在2014年3月开始的6个月内，鸡蛋价格上涨了44%，并创下历史最高点，而在之后的8个月内，价格又下跌超过30%，给相关利益主体带来巨大的价格风险。因此，如何对在我国有着巨大市场的鸡蛋价格风险进行精确度量，便是一个具有重要意义的研究课题。然而，目前关于鸡蛋市场价格风险研究的相关文献还不多见。研究者更多从鸡蛋价格波动、预测以及预警的角度对鸡蛋价格展开研究。赵一夫等采用Census X12季节调整法和HP滤波法对鸡蛋价格波动展开研究，总结了我国鸡蛋价格长期的变动趋势和周期性波动规律，并分析了影响鸡蛋价格变动的因素[1]。谭银清等针对鸡蛋价格波动所呈现出的季节性、周期性、趋势性特点，通过构建向量自回归模型（VAR），分析鸡蛋价格与各影响因素之间的作用机制，以找出鸡蛋价格波动的成因[2]。徐明凡等利用灰色模型对鸡蛋价格进行相关分析及预测，并得出相对神经网络模型而言，灰色理论模型在对我国鸡蛋价格的预测上具有更有效的预测效果[3]。唐江桥等将自回归移动平均模型（ARMA）作为鸡蛋价格预测模型，运用黑色预警方法对鸡蛋价格的波动进行预警[4]。董晓霞等通过采用门槛自回归模型（TAR）、动量门槛自回归模型（M-TAR）和非对称误差修正模型（ATP-ECM），对鸡蛋的收购价格与零售价格之间是否存在非对称性传导效应进行了检验[5]。但也有少数学者从价格风险的角度对畜产品市场价格风险度量作出尝试。安丽等运用极值理论对我国生猪市场价格进行了拟合，采用VaR（value at risk，VaR）方法度量了我国生猪市场价格风险，并进一步计算了我国生猪市场价格十年一遇、二十年一遇、五十年一遇、百年一遇情况下的风险损失[6]。这为本试验鸡蛋价格风险问题提供了研究思路。张峭等提出利用VaR度量农产品现货市场风险，并计算了7种分布模型（Beta分布、Burr分布、正态分布、Log-Logistic分布、对数正态分布、Gamma分布和Logistic分布）下包括鸡蛋在内的5种畜产品的市场风险值VaR。根据对不同概率分布模型的拟合优度检验结果，认为我国畜产品的市场风险并不服从正态分布，运用VaR方法度量农产品市场风险是可行的[7]。虽然上述研究对鸡蛋价格风险的度量方面提供了有益的思路并作出了有价值的尝试，但有2点不足也不容忽视：首先，先验假设畜产品市场价格波动服从既定概率分布难以得到经验数据的支持。其次，在对价格风险的度量方面，VaR虽然是被广泛认同的最为常用和重要的风险度量方法，然而，由于这一度量方法的内在缺陷，如不满足次可加性等，因而并不是一致性风险度量。而预期不足（expected shortfall，ES）则具备更加优良的性质，是一致性的风险度量。基于上述考虑，本试验尝试引入极值理论研究鸡蛋价格风险度量问题，由于其无须对市场价格波动的整体分布作出假设，只须考虑价格波动的“尾部”，从而避免先验假定价格波动整体分布的缺陷。···试读结束