國債市場，是國債發行和流通市場的統稱，是買賣國債的場所。中央銀行通過在二級市場上買賣國債(直接買賣，國債回購、反回購交易)來進行公開市場操作，藉此存吐基礎貨幣，調節貨幣供應量和利率，實現財政政策和貨幣政策的有機結合。
摘要：本文基於La-VaR模型測度中國國債市場流動性風險，並選取2009―2015年上證國債指數爲數據，採用GARCH-VaR模型和La-VaR模型度量國債市場所面臨的流動性風險，分析La-VaR模型對我國國債市場流動性風險測度的有效性。結果表明：相對於傳統的VaR模型，La-VaR模型能更好的測度國債市場的流動性風險，且La-VaR模型的預測結果與國債市場的表現大致吻合，可對國債市場進行較好的預測。
關鍵詞：國債市場;La-VaR模型;流動性風險
一、引言
“流動性是市場的一切”，也就意味着流動性是證券市場的生命力所在。而流動性風險作爲目前資本市場的主要風險之一，其對於整個金融市場的影響可謂是舉足輕重。1997年的亞洲金融危機、1998年的俄羅斯金融風暴以及2007年美國次貸危機無一不說明了金融市場流動性的缺失會導致重大金融危機的發生。現如今，隨着我國不斷深化對國債市場乃至整個債券市場的改革，債券市場在整個證券市場中扮演的角色愈發重要，且投資者對債券市場的流動性需求也愈發提高，而國債市場作爲債券市場的重要一環，國債市場的流動性風險也不容忽視。鑑於流動性風險管控在國債市場發展過程中的重要性，本文將對中國國債市場的流動性風險進行實證研究。
流動性對於整個市場而言至關重要。Schwartz(1988)就曾指出市場流動性、波動性和定價效率是反映金融市場質量最核心的三個要素[1-2]。Demesetz(1968)指出較高的交易需求導致了提供流動性服務中間商可以謀取利潤，而買賣價差則是交易者爲了獲取交易及時性所付出的成本，自此，用買賣報價價差作爲流動性的衡量指標被廣泛應用於流動性研究的各個領域[3]。Pastor和Stambaugh(2003)提出假說，對於流動性較差的股票的較高預期收益是對市場層面上(系統)流動性風險的補償[4]。基於這一假說的研究通常會構造共同的流動性風險因子[5]。Amihud(2002)等對流動性則定義爲在一定時間內完成交易所需要的成本，或尋找一個理想價格所需要的時間，並定義非流動性測度指標ILLIQ，ILLIQ指標越高，股票的流動性越差[6]。
從前人對流動性的定義和影響因素來看，流動性至少涉及三方面內容，即價格、數量和時間。一般地，分別以密度、深度、彈性對以上三個方面進行刻畫[7-9]。Liu(2006)和Hasbrouck(2009)等進一步將流動性總結爲三個維度：交易成本、交易速度、價格衝擊。在使用不同的計量方法對市場流動性和信用風險進行測量時[10-11]。Schwartz(2010)得出結論認爲，流動性風險是更重要的因素，該結論與Acharya， Pedersen(2005)相一致[12-13]。針對流動性風險的測度，不少學者在傳統VaR模型的基礎上引入流動性變量，形成了專門針對流動性風險的風險價制度模型。John C、 Hull(2008)曾指出，經流動性調節過後的VaR等於在傳統VaR的基礎上加上各個頭寸資金與價格溢差百分比乘積之和。由於價差具有隨機波動性，基於以上思路，Bangia A和Diebold F(1999)提出了基於價差來計算流動性的La-VaR模型[15]。Yoshifumi Hisata ，Yasuhiro
Yamai(2000)通過考慮市場的流動性水平和投資者交易頭寸大小對變現價值的影響把市場影響機制引入VaR模型中[16]。
在國內的相關研究中，流動性的測度通常包括市場寬度、深度、彈性和即時性四個維度，除了運用四個維度測度流動性，楊之曙和吳寧玫(2000)指出交易股數、交易量(金額)、交易次數、換手率、價格的波動性、市場參加者人數、交易書目也可以被認爲是市場流動性的替代指標[17]。其中，換手率等指標經常被用來衡量流動性。蘇冬蔚和熊家財(2013)、仲黎明、劉海龍和吳衝鋒(2003)、劉林(2012)、張蕊和王春峯(2010)均採用換手率和其他相關指標來衡量流動性[18-21]。除了流動性的三大維度，Amihud所提出的ILLIQ指標也十分受中國學者的青睞，即每日回報的絕對值和成交金額之間的比值。姚亞偉等(2012)、孫彬等(2010)、王東旋等(2014)、李文鴻、田彬彬和周啓運(2012)均採用Amihud的ILLIQ指標衡量流動性[22-25]。在有關流動性風險測度的研究中，戴國強、徐龍炳和陸蓉(2000)指出，VaR方法提供了一種風險管理的思路，這種思路不僅可用於市場風險的管理，還可用於信用風險、流動性風險和其它風險的管理[26]。周毓萍(2005)認爲流動性缺口是流動性風險的量化指標，爲了更好的管理流動性風險，VaR能夠量化損失的大小[27]。但彭坤和王飈(2002)認爲VaR也並非萬應良藥，由於VaR模型假定市場因素收益率要服從正態分佈，所以他們認爲該模型不符合實際情況[28]。
針對VaR在基本假設上存在的問題，龔銳、陳仲常和楊棟銳(2005)使用GARCH模型較好的刻畫了收益的動態變化特徵，考慮了對數收益率方差的動態性與時變性[29]。張瑞軍和孟浩(2013)運用基於GARCH的VaR模型針對離岸債券市場風險狀況進行了分析[30]。宋逢明和譚慧(2004)則在VaR可以較好測度風險的思路上繼續深入，將流動性風險加入到VaR模型中，建立了一個基於股票市場實際特點的對流動性風險進行調整後的VaR模型[31]。針對債券市場的流動性風險研究，聞嶽春和程同朦(2010)採用La-VaR模型對債券投資中來自債券市場的市場風險和流動性風險進行計量[32]。
從以往的研究結果來看，流動性風險的相關研究大都集中於股票市場，對於債券市場的流動性風險研究相對較少，而定位於國債市場的流動性風險研究則更是少之又少，本研究的創新之處在於：選取上證國債指數爲樣本，採用La-VaR模型(BDSS模型)，研究基於我國國債市場的流動性風險測度問題。
二、模型設定與實證方法設計
(一)模型設定
傳統的VaR的定義，爲在某一個既定的置信水平下，在特定的持有期內，資產組合可能會遭受的最大損失。對於傳統的在險價值而言，側重於衡量資產組合所面臨的市場風險，並沒有涵蓋流動性風險在內，考慮到這一點，1999年，Bangia、Diebold、Schuermann、Stroughair提出了基於買賣價差的流動性風險模型――La-VaR模型，也就是BDSS模型。他們的基本思路爲：在傳統VaR模型的基礎上加上了一個增量，這個增量也就是價差帶來的流動性風險。
假設某資產當前的中間價格爲S0，資產的對數收益率爲，收益率rt代表的是資產真實價值給投資者帶來的收益。Bangia等給出了未來1個持有期內，置信水平爲c，頭寸爲1單位的La-VaR的解析式，
其中，着表示相對價差的期望值，?滓?着表示相對價差的.標準差，?酌是相對價差的刻度因子，也就是在正態分佈假設下所對應的置信水平。由於在進行資產交易的時候，存在着要價與報價，所以價差總是爲總價差的一半，也就需要相對價差乘上1/2。
由公式可知，BDSS模型實質上是將La-VaR模型具體分爲了兩個部分，其中S0[1-exp代表中間價格波動的風險，也就是我們所說的傳統的VaR，而則代表以價差計算的流動性風險，由此便得到了La-VaR模型。Bangia等人針對賣出價與買入價的溢差的不定性做出了改進，但假設產品的賣出價與買入價的溢差的百分比分佈相互獨立，這種假設相對來說比較保守。
本文將在BDSS模型的基礎之上，通過對流動性指標及其數據可得性進行分析，結合我國國債市場的實際情況，重新設定了買賣價差的定義。設定債券價格的開盤價Pk，收盤價Ps，最高價Ph，最低價Pt，價差S0則爲最高價Ph與最低價Pt的差值，中間價格Pt=(Pk+Ps+Pt+Ph)/4，相對價差即爲S=S0/Pt。
(二)實證方法設計
本文首先對時間序列數據進行平穩性檢驗及ARCH效應檢驗，在存在高階ARCH效應的基礎上採用四種GARCH模型對比估計時間序列的波動率，從中選出最優的GARCH模型並在此結果之上，使用模型構建法建立VaR模型與La-VaR模型。
三、實證分析
(一)數據
由於抽樣選取債券樣本有一定的難度且無法整體反應整個國債市場的流動性，本文決定選用債券指數來綜合反應我國國債市場狀況。選擇標準有二，一則能較好的反映我國國債市場的整體情況;二則該指數需要在交易日具有價格波動。綜合以上兩個標準，本文選擇上證國債指數作爲樣本，該指數是上證指數系列的第一隻債券指數，是以上海證券交易所上市的所有固定利率國債爲樣本，按照國債發行量加權而成，可以綜合的反映我國國債市場整體變動狀況。該指數採用的是派氏加權綜合價格指數公式來進行計算，並以樣本國債的發行量爲權數進行加權①。
由此，本文將選取上證國債指數2009年1月1日至2015年6月30日數據爲樣本數據。其中前4年的數據(2009年1月1日至2012年的12月31日)用於迴歸參數估計，2013-2015年爲預測區間。數據來源爲wind數據庫。
(二)數據基本分析
1、描述性統計及正態分佈檢驗
以上證國債指數爲數據，對其進行取對數並差分，得到收益率r，即
其中，Pt爲上證國債指數第t日最後的收盤價，Pt-1爲第t-1日最後的收盤價，其描述性統計結果如下：
由圖1可知，偏度S=-0、358126<0，峯度K=24、27459>3，與標準正態分佈(S=0，K=3)相比，收益率r呈現出左偏尖峯的分佈態勢。所以，在選擇分佈假設時，應選擇更能體現”尖峯厚尾”的t分佈或GED分佈。
2、聚集性檢驗
金融時間序列往往具有聚集性，從收益率r序列的時序圖中我們看到，收益率序列的聚集性明顯，即每一次小幅度波動後面往往跟着的是較小幅度的波動，而每一次大幅度波動後面往往跟着的是較大的波動。數據的前半段與後半段形成鮮明對比，前半段整體呈現出較大波動，而後半段波動較小。
3、平穩性及相關性檢驗
採用ADF單位根檢驗法檢驗序列的平穩性，原假設爲：序列存在單位根，即序列爲非平穩序列。
結果顯示：原假設不成立，序列不存在單位根，是平穩序列。
圖3的數據爲殘差相關性檢驗結果，從圖中可以看出，自滯後3期開始，自相關係數和偏相關係數在統計上爲顯著，且Q統計量也顯著。
綜上所述，通過對收益率序列的描述統計、正態性檢驗、聚集性檢驗及平穩性檢驗可得：收益率序列是平穩序列，並不服從正態分佈，分佈的“尖峯厚尾”性和聚集性明顯且殘差序列存在自相關現象，據此，本文選用能反映波動時變性的GARCH族模型估計波動率，且分佈假設選擇t分佈或GED分佈。