基于GARCH-VaR模型的新三板市場流動性風險量化：理論、實證與優(yōu)化策略一、緒論1.1研究背景與意義1.1.1研究背景新三板，即全國中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)，作為我國多層次資本市場的重要組成部分，自2013年正式揭牌運營以來，經(jīng)歷了快速發(fā)展與不斷變革。2012年9月20日，新三板在國家工商總局注冊，2013年12月，國務(wù)院發(fā)布決定明確其全國性公開證券市場的性質(zhì)，此后，新三板不斷擴容，掛牌公司數(shù)量迅速增長。截至2017年一季度末，新三板掛牌公司總數(shù)突破11000家，掛牌公司總市值達到44390.92億元，市場規(guī)模急劇擴張，為眾多中小企業(yè)提供了融資與發(fā)展的平臺。2019年10月25日，中國證監(jiān)會啟動全面深化新三板改革，2020年3月1日施行的新《證券法》進一步明確其法律地位，新三板的市場定位、結(jié)構(gòu)、功能等得到進一步優(yōu)化。截至2023年底，新三板新增掛牌公司326家，同比增長超兩成，展現(xiàn)出持續(xù)的活力與發(fā)展?jié)摿?。在我國資本市場體系中，新三板處于承上啟下的關(guān)鍵位置，連接著眾多中小企業(yè)與資本市場，為中小企業(yè)提供了股權(quán)融資、規(guī)范治理、提升知名度等機會，促進了創(chuàng)新型、創(chuàng)業(yè)型、成長型中小企業(yè)的發(fā)展，完善了資本市場的層次與結(jié)構(gòu)，對提高資本市場資源配置效率具有重要意義。然而，在新三板市場發(fā)展過程中，流動性風險問題逐漸凸顯，成為制約市場進一步發(fā)展和投資者參與的關(guān)鍵因素。流動性是金融市場的重要屬性，它直接關(guān)系到市場的交易效率、價格發(fā)現(xiàn)功能以及投資者的交易成本和投資策略的實施。新三板市場由于掛牌企業(yè)大多為中小企業(yè)，規(guī)模相對較小、經(jīng)營穩(wěn)定性較弱、信息披露質(zhì)量參差不齊等原因，導致市場的流動性相對不足。當市場缺乏流動性時，投資者在買賣證券時可能面臨交易難以達成、買賣價差過大等問題，這不僅增加了投資者的交易成本，還可能導致投資者無法及時調(diào)整投資組合，從而增加投資風險。對于市場整體而言，流動性不足會影響市場的價格發(fā)現(xiàn)功能，降低市場的有效性，阻礙資本的合理流動和資源的優(yōu)化配置，甚至可能引發(fā)市場的不穩(wěn)定。在量化金融風險領(lǐng)域，GARCH-VaR模型具有重要的應(yīng)用價值。VaR（ValueatRisk）即風險價值，是指在一定的置信水平下，某一金融資產(chǎn)或投資組合在未來特定的一段時間內(nèi)可能遭受的最大損失。它為風險度量提供了一個直觀且易于理解的指標，使得投資者和金融機構(gòu)能夠?qū)撛诘娘L險有一個量化的認識。然而，傳統(tǒng)的VaR計算方法在處理金融時間序列的波動性時存在一定的局限性，而GARCH（廣義自回歸條件異方差）模型能夠有效地刻畫金融時間序列的異方差性和波動聚集性，即過去的波動對未來波動有顯著影響，波動會呈現(xiàn)出集群現(xiàn)象。將GARCH模型與VaR相結(jié)合，能夠更準確地度量金融資產(chǎn)的風險，充分考慮市場波動的時變特征，為風險管理提供更可靠的依據(jù)。在股票市場、期貨市場等金融領(lǐng)域，GARCH-VaR模型已得到廣泛應(yīng)用，并取得了較好的風險度量效果，為新三板市場流動性風險的量化研究提供了有益的借鑒。1.1.2研究意義從理論層面來看，本研究有助于豐富金融風險量化研究的內(nèi)容。新三板市場具有獨特的市場結(jié)構(gòu)和交易特征，與主板、創(chuàng)業(yè)板等市場存在差異，現(xiàn)有的金融風險量化研究多集中于成熟市場，對新三板市場的針對性研究相對較少。通過運用GARCH-VaR模型對新三板市場流動性風險進行量化研究，可以深入探討該市場風險的特征和規(guī)律，為金融風險理論在新興市場的應(yīng)用提供實證支持，拓展金融風險量化研究的邊界和深度，為后續(xù)研究提供新的視角和方法參考，進一步完善金融風險度量的理論體系。從實踐角度出發(fā)，對于投資者而言，準確量化新三板市場的流動性風險可以幫助他們更好地了解投資風險狀況，合理評估投資組合的風險水平，從而制定更加科學合理的投資策略。投資者可以根據(jù)風險度量結(jié)果，調(diào)整投資組合中資產(chǎn)的配置比例，選擇流動性風險較低的資產(chǎn)，或者采取相應(yīng)的風險對沖措施，降低投資損失的可能性，提高投資收益的穩(wěn)定性。對于監(jiān)管者來說，掌握新三板市場流動性風險的量化情況有助于加強市場監(jiān)管。監(jiān)管部門可以依據(jù)風險度量結(jié)果，制定更加有效的監(jiān)管政策和措施，如完善市場交易制度、加強信息披露要求、規(guī)范市場參與者行為等，以提高市場的流動性和穩(wěn)定性，防范系統(tǒng)性風險的發(fā)生，維護金融市場的健康有序發(fā)展，保護投資者的合法權(quán)益。1.2國內(nèi)外研究現(xiàn)狀1.2.1國外研究現(xiàn)狀在GARCH-VaR模型的理論研究方面，國外學者做出了開創(chuàng)性的貢獻。Engle于1982年首次提出自回歸條件異方差（ARCH）模型，該模型能夠有效刻畫金融時間序列的異方差特性，為后續(xù)研究奠定了基礎(chǔ)。此后，Bollerslev在1986年對ARCH模型進行拓展，提出廣義自回歸條件異方差（GARCH）模型，大大簡化了ARCH模型中參數(shù)估計的復雜性，使得模型能夠更高效地捕捉金融時間序列的波動聚集現(xiàn)象。這一創(chuàng)新使得GARCH模型在金融領(lǐng)域得到廣泛應(yīng)用，成為研究金融市場波動性的重要工具。在金融市場風險量化應(yīng)用領(lǐng)域，國外學者運用GARCH-VaR模型進行了大量研究。Jorion在其研究中系統(tǒng)地闡述了VaR的概念、計算方法以及在風險管理中的應(yīng)用，并將GARCH模型引入VaR計算，通過實證分析展示了GARCH-VaR模型在度量金融資產(chǎn)風險方面相較于傳統(tǒng)方法的優(yōu)勢，能夠更準確地反映市場風險的動態(tài)變化，為金融機構(gòu)和投資者提供了更可靠的風險評估工具。此后，眾多學者基于不同的金融市場數(shù)據(jù)和資產(chǎn)類別，對GARCH-VaR模型進行了深入研究和改進。如Alexander運用GARCH族模型對股票市場收益率的波動性進行建模，并結(jié)合VaR方法對投資組合的風險進行度量，發(fā)現(xiàn)不同的GARCH模型在不同市場條件下表現(xiàn)出不同的風險度量效果，進一步豐富了GARCH-VaR模型在股票市場風險量化方面的研究成果。在新興市場流動性風險研究方面，部分國外學者也給予了關(guān)注。Calomiris等學者對新興市場的金融風險進行了研究，發(fā)現(xiàn)新興市場由于市場機制不完善、信息不對稱等因素，流動性風險更為突出。他們認為傳統(tǒng)的風險度量方法在新興市場可能存在局限性，而GARCH-VaR模型在考慮市場波動性的時變特征方面具有優(yōu)勢，有望更準確地度量新興市場的流動性風險。但由于新興市場數(shù)據(jù)的可得性和質(zhì)量問題，以及市場結(jié)構(gòu)和交易規(guī)則的特殊性，將GARCH-VaR模型應(yīng)用于新興市場流動性風險度量仍面臨諸多挑戰(zhàn)。不過，這些研究為后續(xù)在新興市場開展流動性風險量化研究提供了思路和方向。1.2.2國內(nèi)研究現(xiàn)狀在國內(nèi)，對GARCH-VaR模型的應(yīng)用研究也取得了一定成果。眾多學者將該模型應(yīng)用于不同金融市場和金融產(chǎn)品的風險度量。楊帆選取上證綜合指數(shù)、上證180指數(shù)、深圳成份指數(shù)、香港恒生指數(shù)作為研究對象，通過對這些指數(shù)的收益率序列進行正態(tài)性檢驗、平穩(wěn)性檢驗、ARCHLM檢驗，發(fā)現(xiàn)GARCH族模型適合計算我國證券市場的VaR。采用GARCH、TARCH、EGARCH模型，以及GARCH模型在正態(tài)分布、t分布、GED分布下計算各個指數(shù)的VaR，并通過Kupiec的失敗頻率檢驗法對模型進行準確性檢驗，結(jié)果表明這些模型計算的VaR比歷史模擬法更精確，為我國證券市場風險度量提供了新的方法和視角。在新三板市場相關(guān)研究方面，國內(nèi)學者也逐漸展開探索。部分研究關(guān)注新三板市場的流動性現(xiàn)狀及影響因素，發(fā)現(xiàn)新三板市場存在流動性不足的問題，企業(yè)規(guī)模、行業(yè)屬性、信息披露質(zhì)量等因素對流動性有顯著影響。但在運用GARCH-VaR模型對新三板市場流動性風險進行量化研究方面，目前的研究還相對較少。已有的研究主要圍繞新三板市場的風險特征進行初步分析，尚未形成系統(tǒng)的量化研究體系。與成熟資本市場相比，新三板市場在市場結(jié)構(gòu)、交易機制、投資者群體等方面存在差異，現(xiàn)有的GARCH-VaR模型應(yīng)用研究成果難以直接應(yīng)用于新三板市場，需要結(jié)合新三板市場的特點進行針對性研究。當前國內(nèi)研究的重點主要集中在完善GARCH-VaR模型在金融市場風險度量中的應(yīng)用，探索如何根據(jù)不同金融市場的特點對模型進行優(yōu)化和改進，以提高風險度量的準確性和可靠性。在新三板市場研究方面，未來的研究趨勢可能是深入挖掘新三板市場的風險特征，構(gòu)建適合新三板市場的流動性風險量化模型，為新三板市場的風險管理和監(jiān)管提供更有力的理論支持和實踐指導，進一步推動新三板市場的健康發(fā)展。1.3研究方法與內(nèi)容1.3.1研究方法文獻研究法：通過廣泛查閱國內(nèi)外關(guān)于GARCH-VaR模型、金融市場流動性風險以及新三板市場相關(guān)的學術(shù)文獻、研究報告、政策文件等資料，梳理已有研究成果和不足。全面了解GARCH-VaR模型的發(fā)展歷程、理論基礎(chǔ)、應(yīng)用現(xiàn)狀，以及金融市場流動性風險的度量方法和影響因素，為本文的研究提供堅實的理論支撐。例如，在研究GARCH-VaR模型原理時，參考Engle、Bollerslev等學者關(guān)于GARCH模型的開創(chuàng)性文獻，深入理解模型的構(gòu)建和參數(shù)估計方法；在分析新三板市場流動性風險研究現(xiàn)狀時，綜合國內(nèi)外相關(guān)文獻，明確研究的空白點和發(fā)展方向。實證分析法：收集新三板市場的相關(guān)數(shù)據(jù)，包括股票價格、成交量、成交額等，運用計量經(jīng)濟學軟件進行數(shù)據(jù)處理和模型估計。首先，對新三板市場流動性風險的相關(guān)指標進行統(tǒng)計分析，初步了解市場風險的特征和分布情況。然后，構(gòu)建GARCH-VaR模型，將數(shù)據(jù)代入模型中進行參數(shù)估計和風險度量，得到新三板市場流動性風險的VaR值。通過實證分析，檢驗GARCH-VaR模型在新三板市場流動性風險度量中的有效性和準確性，為研究結(jié)論提供數(shù)據(jù)支持和實證依據(jù)。對比分析法：將GARCH-VaR模型與其他風險度量模型，如歷史模擬法、蒙特卡洛模擬法等進行對比分析。從風險度量的準確性、計算效率、對市場波動的適應(yīng)性等多個角度，比較不同模型在新三板市場流動性風險度量中的優(yōu)劣。同時，對比分析不同市場條件下，GARCH-VaR模型度量結(jié)果的差異，以及不同置信水平對VaR值的影響。通過對比分析，突出GARCH-VaR模型在新三板市場流動性風險度量中的優(yōu)勢和適用性，為投資者和監(jiān)管者選擇合適的風險度量模型提供參考。1.3.2研究內(nèi)容本文共分為六個章節(jié)，各章節(jié)主要內(nèi)容如下：第一章：緒論：闡述研究背景與意義，介紹新三板市場的發(fā)展歷程、現(xiàn)狀以及流動性風險問題的重要性，說明運用GARCH-VaR模型研究新三板市場流動性風險的理論和實踐意義。梳理國內(nèi)外研究現(xiàn)狀，對GARCH-VaR模型的理論研究、在金融市場風險量化應(yīng)用以及新興市場流動性風險研究等方面的成果進行綜述，分析現(xiàn)有研究的不足，明確本文的研究方向。同時，介紹研究方法與內(nèi)容，為后續(xù)研究奠定基礎(chǔ)。第二章：GARCH-VaR模型原理與方法：詳細介紹GARCH模型的基本原理，包括ARCH模型的提出和GARCH模型的拓展，闡述GARCH模型如何刻畫金融時間序列的異方差性和波動聚集性，以及模型的參數(shù)估計方法。深入講解VaR的概念、計算方法和應(yīng)用，分析VaR在金融風險管理中的作用和局限性。在此基礎(chǔ)上，說明GARCH模型與VaR相結(jié)合的原理和方法，構(gòu)建GARCH-VaR模型，為后續(xù)實證研究提供理論模型。第三章：新三板市場流動性風險特征分析：對新三板市場的發(fā)展現(xiàn)狀進行全面分析，包括市場規(guī)模、掛牌企業(yè)特征、交易制度等方面，探討新三板市場在我國資本市場中的地位和作用。深入研究新三板市場流動性風險的表現(xiàn)形式，如交易不活躍、買賣價差大、成交量低等，分析導致流動性風險的因素，包括企業(yè)自身因素、市場制度因素、投資者結(jié)構(gòu)因素等。通過對新三板市場流動性風險特征的分析，為后續(xù)運用GARCH-VaR模型進行風險度量提供現(xiàn)實依據(jù)。第四章：基于GARCH-VaR模型的新三板市場流動性風險實證檢驗：確定研究樣本和數(shù)據(jù)來源，收集新三板市場相關(guān)的時間序列數(shù)據(jù)，包括股票價格、成交量、成交額等，并對數(shù)據(jù)進行預(yù)處理，如數(shù)據(jù)清洗、異常值處理等。對數(shù)據(jù)進行統(tǒng)計性描述分析，計算收益率、標準差、偏度、峰度等統(tǒng)計指標，初步了解數(shù)據(jù)的分布特征。進行單位根檢驗、ARCH效應(yīng)檢驗等，驗證數(shù)據(jù)的平穩(wěn)性和異方差性，為構(gòu)建GARCH-VaR模型提供數(shù)據(jù)基礎(chǔ)。運用計量經(jīng)濟學軟件，構(gòu)建GARCH-VaR模型，估計模型參數(shù)，計算新三板市場流動性風險的VaR值，并對模型結(jié)果進行分析和討論。第五章：實證結(jié)果分析與風險管理策略建議：對GARCH-VaR模型的實證結(jié)果進行深入分析，評估模型的準確性和有效性，通過與實際市場情況對比，驗證模型是否能夠準確度量新三板市場的流動性風險。分析不同置信水平下VaR值的變化情況，以及模型參數(shù)對風險度量結(jié)果的影響?；趯嵶C結(jié)果，從投資者和監(jiān)管者的角度提出相應(yīng)的風險管理策略建議。對于投資者，建議根據(jù)風險度量結(jié)果合理調(diào)整投資組合，選擇流動性風險較低的資產(chǎn)，采取風險對沖措施等；對于監(jiān)管者，建議加強市場監(jiān)管，完善市場交易制度，提高市場透明度，促進市場流動性提升，防范系統(tǒng)性風險發(fā)生。第六章：研究結(jié)論與展望：總結(jié)本文的主要研究結(jié)論，概括GARCH-VaR模型在新三板市場流動性風險度量中的應(yīng)用效果，強調(diào)研究的創(chuàng)新點和實踐價值。分析研究過程中存在的不足，如數(shù)據(jù)樣本的局限性、模型假設(shè)的合理性等，并對未來研究方向進行展望，提出進一步完善新三板市場流動性風險量化研究的建議，為后續(xù)研究提供參考。1.4研究創(chuàng)新點在模型應(yīng)用方面，創(chuàng)新性地將GARCH-VaR模型應(yīng)用于新三板市場流動性風險量化研究。以往對新三板市場風險的研究多集中于定性分析或簡單的風險指標描述，在風險量化研究中，運用GARCH-VaR模型的案例較少。本研究將GARCH模型對金融時間序列波動聚集性和異方差性的有效刻畫能力與VaR在風險度量方面的直觀優(yōu)勢相結(jié)合，為新三板市場流動性風險度量提供了新的方法和思路，彌補了該領(lǐng)域在模型應(yīng)用方面的不足，有助于更準確地揭示新三板市場流動性風險的動態(tài)變化特征，為風險管理提供更可靠的量化依據(jù)。在數(shù)據(jù)選取上，采用了最新的、全面的新三板市場交易數(shù)據(jù)。涵蓋了多維度的信息，不僅包括股票價格數(shù)據(jù)，還納入了成交量、成交額等與流動性密切相關(guān)的數(shù)據(jù)指標。通過對這些豐富數(shù)據(jù)的分析，能夠更全面、準確地反映新三板市場的實際運行狀況和流動性風險特征。與以往研究中數(shù)據(jù)選取的局限性相比，本研究的數(shù)據(jù)更具時效性和完整性，能夠更好地適應(yīng)新三板市場不斷發(fā)展變化的特點，為研究結(jié)論的可靠性提供了有力的數(shù)據(jù)支持。在分析視角上，從多個角度對新三板市場流動性風險進行綜合分析。不僅關(guān)注市場層面的風險因素，還深入探討了企業(yè)自身因素、投資者結(jié)構(gòu)因素以及市場制度因素等對流動性風險的影響。同時，在運用GARCH-VaR模型進行風險度量后，從投資者和監(jiān)管者兩個不同主體的角度出發(fā)，提出針對性的風險管理策略建議。這種多視角的分析方法，打破了以往研究單一視角的局限，能夠更全面、深入地理解新三板市場流動性風險的形成機制和影響因素，為市場參與者和監(jiān)管部門提供更具針對性和可操作性的風險管理建議。二、GARCH-VaR模型相關(guān)理論2.1GARCH模型原理2.1.1GARCH模型的定義與基本形式GARCH模型，即廣義自回歸條件異方差（GeneralizedAutoregressiveConditionalHeteroskedasticity）模型，由Bollerslev于1986年提出，是對Engle在1982年提出的自回歸條件異方差（ARCH）模型的重要拓展。金融時間序列常常呈現(xiàn)出條件異方差性，傳統(tǒng)的回歸模型假設(shè)誤差項具有恒定的方差，但在金融領(lǐng)域，資產(chǎn)收益率的波動往往隨時間變化，ARCH模型能夠刻畫這種異方差性，然而當ARCH模型的階數(shù)較高時，參數(shù)估計變得復雜，計算量大幅增加。GARCH模型通過引入條件方差的滯后項，有效簡化了模型結(jié)構(gòu)，增強了對金融時間序列波動性的刻畫能力。GARCH模型一般由條件均值方程和條件方差方程構(gòu)成。在金融時間序列分析中，對于資產(chǎn)收益率序列r_t，常見的條件均值方程可表示為：r_t=\mu+\sum_{i=1}^{p}\varphi_ir_{t-i}+\sum_{j=1}^{q}\theta_j\epsilon_{t-j}+\epsilon_t其中，\mu為常數(shù)項，代表資產(chǎn)收益率的均值水平；\varphi_i和\theta_j分別為自回歸系數(shù)和移動平均系數(shù)；p和q分別為自回歸階數(shù)和移動平均階數(shù)；\epsilon_t為白噪聲過程，代表隨機擾動項，它反映了在當前信息集下無法被模型解釋的部分，通常假設(shè)\epsilon_t服從均值為0、方差為\sigma_t^2的正態(tài)分布或其他特定分布。條件方差方程則用于描述收益率波動的時變特征，其一般形式為：\sigma_t^2=\omega+\sum_{i=1}^{p}\alpha_i\epsilon_{t-i}^2+\sum_{j=1}^{q}\beta_j\sigma_{t-j}^2其中，\sigma_t^2表示t時刻的條件方差，它衡量了在t時刻基于過去信息對資產(chǎn)收益率波動的預(yù)期；\omega為常數(shù)項，代表長期平均方差，反映了方差的穩(wěn)定水平；\alpha_i和\beta_j分別為ARCH項系數(shù)和GARCH項系數(shù)，\alpha_i衡量了過去的隨機擾動（即收益率的殘差平方\epsilon_{t-i}^2）對當前條件方差的影響程度，體現(xiàn)了收益率波動的短期記憶性，\beta_j則衡量了過去的條件方差\sigma_{t-j}^2對當前條件方差的影響程度，反映了收益率波動的長期持續(xù)性；p和q分別為ARCH項和GARCH項的階數(shù)。當p=1，q=1時，得到最為常用的GARCH(1,1)模型，其條件方差方程為\sigma_t^2=\omega+\alpha\epsilon_{t-1}^2+\beta\sigma_{t-1}^2，該模型在實際應(yīng)用中既能較好地捕捉金融時間序列的波動特征，又具有相對簡潔的形式，便于參數(shù)估計和模型分析。2.1.2GARCH模型的構(gòu)建與參數(shù)估計構(gòu)建GARCH模型需要遵循一系列嚴謹?shù)牟襟E，以確保模型能夠準確地描述金融時間序列的波動性特征。首先是數(shù)據(jù)收集與預(yù)處理階段，收集新三板市場相關(guān)的時間序列數(shù)據(jù)，如股票價格、成交量、成交額等，并將其轉(zhuǎn)化為收益率序列。在數(shù)據(jù)收集過程中，需確保數(shù)據(jù)的準確性、完整性和一致性，對于缺失值和異常值要進行合理處理。缺失值可以采用插值法、均值填充法等進行填補，異常值則可通過統(tǒng)計檢驗方法進行識別并進行修正或刪除，以避免其對模型結(jié)果產(chǎn)生較大干擾。數(shù)據(jù)探索性分析是構(gòu)建模型的重要環(huán)節(jié)，通過計算收益率序列的均值、中位數(shù)、標準差、偏度、峰度等統(tǒng)計量，對數(shù)據(jù)的基本特征進行初步了解。偏度反映了數(shù)據(jù)分布的不對稱程度，峰度則衡量了數(shù)據(jù)分布的尖峰厚尾程度。繪制數(shù)據(jù)的折線圖、直方圖、自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖等，有助于直觀地觀察數(shù)據(jù)的變化趨勢、分布形態(tài)以及自相關(guān)情況。若自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖顯示收益率序列存在自相關(guān)和偏自相關(guān)，則需要進一步考慮采用合適的自回歸移動平均（ARMA）模型來描述均值過程。確定GARCH模型的類型和階數(shù)是構(gòu)建模型的關(guān)鍵步驟。根據(jù)數(shù)據(jù)的特征和研究目的，可以選擇不同類型的GARCH模型，如標準GARCH模型、EGARCH模型（指數(shù)廣義自回歸條件異方差模型）、TGARCH模型（門限廣義自回歸條件異方差模型）等。標準GARCH模型適用于描述波動對稱的時間序列，而EGARCH模型和TGARCH模型則能夠捕捉波動的非對稱性。在實際應(yīng)用中，可通過比較不同模型的擬合效果來選擇最優(yōu)模型，常用的比較指標有赤池信息準則（AIC）、貝葉斯信息準則（BIC）等，AIC和BIC值越小，表明模型的擬合效果越好，在選擇模型階數(shù)時，通常從低階模型開始嘗試，如GARCH(1,1)模型，逐步增加階數(shù)，觀察模型擬合效果和參數(shù)的顯著性，選擇最合適的階數(shù)。在確定模型類型和階數(shù)后，需對模型進行參數(shù)估計，常用的方法是極大似然估計法（MLE）。極大似然估計法的基本思想是在給定樣本數(shù)據(jù)的情況下，尋找一組參數(shù)值，使得樣本數(shù)據(jù)出現(xiàn)的概率最大。對于GARCH模型，假設(shè)收益率序列r_t服從特定的分布，如正態(tài)分布、t分布或廣義誤差分布（GED），基于該分布構(gòu)建似然函數(shù)。以正態(tài)分布為例，似然函數(shù)為：L(\theta)=\prod_{t=1}^{T}\frac{1}{\sqrt{2\pi\sigma_t^2}}\exp\left(-\frac{\epsilon_t^2}{2\sigma_t^2}\right)其中，\theta=(\mu,\omega,\alpha_1,\cdots,\alpha_p,\beta_1,\cdots,\beta_q)為待估計參數(shù)向量，T為樣本容量。通過對似然函數(shù)取對數(shù)并求導，利用數(shù)值優(yōu)化算法（如BFGS算法、牛頓法等）求解對數(shù)似然函數(shù)的最大值，從而得到模型參數(shù)的估計值。在參數(shù)估計過程中，要確保估計結(jié)果的合理性和顯著性，對不顯著的參數(shù)可進行剔除或重新調(diào)整模型，以提高模型的質(zhì)量。2.1.3GARCH模型的特點與優(yōu)勢GARCH模型具有諸多獨特的特點，使其在金融時間序列分析中展現(xiàn)出顯著的優(yōu)勢。它能夠有效刻畫金融時間序列的波動性聚類現(xiàn)象，即大幅波動和小幅波動往往會集中出現(xiàn)。在金融市場中，資產(chǎn)價格的波動并非隨機且均勻分布，而是存在一定的聚集性，過去的波動會對未來的波動產(chǎn)生影響。GARCH模型通過條件方差方程中的ARCH項和GARCH項，能夠充分捕捉這種波動的聚集特征，\alpha_i和\beta_j的存在使得過去的擾動和條件方差對當前條件方差產(chǎn)生影響，從而準確描述波動的持續(xù)性和聚集性。GARCH模型對金融時間序列的尖峰厚尾特征具有良好的適應(yīng)性。傳統(tǒng)的正態(tài)分布假設(shè)在描述金融資產(chǎn)收益率時往往存在局限性，實際的收益率分布通常具有尖峰厚尾的特點，即極端事件發(fā)生的概率高于正態(tài)分布的假設(shè)。GARCH模型可以通過假設(shè)殘差服從非正態(tài)分布，如t分布或廣義誤差分布（GED），來更好地擬合收益率序列的尖峰厚尾特征，從而更準確地度量金融風險。相較于其他模型，GARCH模型在描述市場風險時具有明顯的優(yōu)勢。與簡單的移動平均模型相比，移動平均模型僅考慮了過去收益率的簡單平均，無法捕捉波動的時變特征，而GARCH模型能夠動態(tài)地反映市場波動的變化，更準確地度量風險的動態(tài)變化過程。在處理金融時間序列的異方差性方面，GARCH模型比普通的線性回歸模型更具優(yōu)勢，普通線性回歸模型假設(shè)誤差項方差恒定，無法處理金融數(shù)據(jù)中常見的異方差問題，而GARCH模型通過條件方差方程專門對異方差進行建模，能夠更準確地刻畫金融時間序列的波動特征，為風險管理和投資決策提供更可靠的依據(jù)。2.2VaR模型原理2.2.1VaR模型的定義與計算方法VaR（ValueatRisk）即風險價值，是一種廣泛應(yīng)用于金融領(lǐng)域的風險度量工具。它是指在一定的置信水平下，某一金融資產(chǎn)或投資組合在未來特定的一段時間內(nèi)可能遭受的最大損失。例如，若某投資組合在95%的置信水平下，10天的VaR值為100萬元，這意味著在未來10天內(nèi)，該投資組合有95%的可能性損失不會超過100萬元，或者說有5%的可能性損失會超過100萬元。用數(shù)學公式表示為：P(\DeltaP\leq-VaR)=\alpha，其中P表示概率，\DeltaP表示投資組合在持有期內(nèi)的損失，VaR為在險價值，\alpha為給定的置信水平。VaR模型有多種計算方法，其中參數(shù)法、歷史模擬法和蒙特卡洛模擬法是較為常見的三種方法。參數(shù)法，又稱為方差-協(xié)方差法，假設(shè)投資組合的收益率服從正態(tài)分布，基于投資組合中各資產(chǎn)的均值、方差和協(xié)方差來計算VaR。首先計算投資組合的預(yù)期收益率和方差，對于由n種資產(chǎn)組成的投資組合，其收益率R_p=\sum_{i=1}^{n}w_iR_i，其中w_i為第i種資產(chǎn)的權(quán)重，R_i為第i種資產(chǎn)的收益率。投資組合的方差\sigma_p^2=\sum_{i=1}^{n}\sum_{j=1}^{n}w_iw_j\sigma_{ij}，\sigma_{ij}為資產(chǎn)i和資產(chǎn)j收益率的協(xié)方差。在正態(tài)分布假設(shè)下，根據(jù)給定的置信水平\alpha，可確定相應(yīng)的分位數(shù)z_{\alpha}，則VaR值可計算為VaR=z_{\alpha}\sigma_p\sqrt{\Deltat}，\Deltat為持有期。歷史模擬法是基于過去一段時間內(nèi)投資組合的實際收益情況，通過重新抽樣來模擬未來可能的收益分布，從而計算VaR值。具體步驟為，收集投資組合過去T個時期的收益率數(shù)據(jù)R_1,R_2,\cdots,R_T，將這些收益率按照從小到大的順序排列。對于給定的置信水平\alpha，找到對應(yīng)的分位數(shù)位置k=(1-\alpha)T，若k為整數(shù)，則VaR值為排序后第k個收益率對應(yīng)的損失值；若k不是整數(shù)，通過線性插值法確定VaR值。蒙特卡洛模擬法通過隨機生成大量的可能市場情景，模擬投資組合的未來收益，進而計算VaR。首先確定影響投資組合價值的市場因子，如股票價格、利率、匯率等，并建立市場因子的隨機模型，如幾何布朗運動模型來描述市場因子的變化。利用歷史數(shù)據(jù)估計模型的參數(shù)，通過計算機隨機數(shù)生成器產(chǎn)生大量的隨機數(shù)，代入市場因子的隨機模型中，得到大量的市場因子可能取值，根據(jù)投資組合與市場因子的關(guān)系，計算在不同市場情景下投資組合的價值，從而得到投資組合價值的分布，根據(jù)給定的置信水平確定VaR值。2.2.2VaR模型的應(yīng)用場景與局限性VaR模型在金融領(lǐng)域有著廣泛的應(yīng)用場景。在金融機構(gòu)風險管理方面，金融機構(gòu)可以通過計算VaR值來衡量其資產(chǎn)組合面臨的風險水平，確定風險資本的儲備量，滿足監(jiān)管要求。銀行在進行貸款業(yè)務(wù)、投資業(yè)務(wù)等時，運用VaR模型評估風險，合理配置資本，確保在風險可控的前提下實現(xiàn)盈利。投資決策過程中，投資者可以根據(jù)VaR值評估不同投資組合的風險，結(jié)合自身的風險承受能力和投資目標，選擇合適的投資組合。對于風險偏好較低的投資者，會傾向于選擇VaR值較小的投資組合，以降低潛在損失；而風險偏好較高的投資者，可能會在一定風險承受范圍內(nèi)追求更高的收益，選擇VaR值相對較大但預(yù)期收益也較高的投資組合。然而，VaR模型也存在一定的局限性。VaR模型基于歷史數(shù)據(jù)進行風險度量，假設(shè)未來市場情況與歷史數(shù)據(jù)所反映的規(guī)律相似，當市場出現(xiàn)重大結(jié)構(gòu)變化或突發(fā)事件時，歷史數(shù)據(jù)可能無法準確預(yù)測未來風險，導致VaR模型的度量結(jié)果失效。在金融危機等極端市場條件下，資產(chǎn)價格的波動特征與歷史常態(tài)有很大差異，基于歷史數(shù)據(jù)計算的VaR值可能嚴重低估風險。VaR模型假設(shè)投資組合的收益服從特定的分布，如正態(tài)分布，但實際金融市場中的收益分布往往具有厚尾特征，即極端事件發(fā)生的概率高于正態(tài)分布的假設(shè)。這使得在使用參數(shù)法計算VaR時，可能會低估極端風險發(fā)生的可能性和損失程度，無法準確反映投資組合面臨的真實風險。VaR模型只是一個統(tǒng)計量，它只能給出在一定置信水平下的最大可能損失，無法揭示風險的來源和因果關(guān)系。投資者和金融機構(gòu)難以根據(jù)VaR值深入分析風險產(chǎn)生的原因，從而難以采取針對性的風險管理措施來降低風險。對于復雜的非線性金融工具，如期權(quán)等，傳統(tǒng)的VaR模型計算可能不準確，因為期權(quán)的價值與標的資產(chǎn)價格、波動率、行權(quán)價格、到期時間等多個因素相關(guān)，且存在非線性關(guān)系，傳統(tǒng)VaR模型的假設(shè)和計算方法難以準確刻畫其風險特征。2.3GARCH-VaR模型的結(jié)合2.3.1結(jié)合的理論基礎(chǔ)金融市場的風險度量是投資者和金融機構(gòu)關(guān)注的核心問題之一，準確度量風險有助于合理配置資產(chǎn)、制定投資策略以及有效管理風險。GARCH模型與VaR模型的結(jié)合具有堅實的理論基礎(chǔ)，這種結(jié)合為金融市場風險度量提供了更有效的工具。金融時間序列呈現(xiàn)出復雜的波動特征，其中異方差性和波動聚集性是兩個重要特性。異方差性表明金融資產(chǎn)收益率的波動并非恒定不變，而是隨時間變化；波動聚集性則體現(xiàn)為大幅波動和小幅波動往往集中出現(xiàn)。傳統(tǒng)的風險度量模型在處理這些特性時存在局限性，難以準確捕捉金融市場的風險動態(tài)變化。GARCH模型的優(yōu)勢在于能夠精準刻畫金融時間序列的異方差性和波動聚集性。通過條件方差方程，GARCH模型將過去的擾動和條件方差納入對當前條件方差的計算中，充分考慮了收益率波動的持續(xù)性和記憶性。當市場出現(xiàn)大幅波動時，GARCH模型能夠及時捕捉到這種變化，并反映在條件方差的調(diào)整上，從而更準確地描述市場波動的時變特征。VaR模型作為一種廣泛應(yīng)用的風險度量工具，能夠在給定的置信水平下，量化金融資產(chǎn)或投資組合在未來特定時間段內(nèi)可能遭受的最大損失。然而，傳統(tǒng)的VaR計算方法在處理金融時間序列的波動性時，往往假設(shè)波動率恒定或采用簡單的歷史平均方法，這與金融市場的實際情況不符，導致VaR值的計算不夠準確。將GARCH模型與VaR模型相結(jié)合，可以充分利用GARCH模型對波動性的準確估計，為VaR計算提供更精確的參數(shù)。GARCH模型估計出的時變波動率能夠反映市場波動的最新信息，使得VaR值能夠更真實地反映金融資產(chǎn)在不同市場條件下的風險水平。在市場波動加劇時，GARCH模型估計的波動率會相應(yīng)增大，基于此計算出的VaR值也會增大，從而更準確地提示投資者和金融機構(gòu)面臨的潛在風險。在正態(tài)分布假設(shè)下，結(jié)合GARCH模型與VaR模型的原理可以通過以下數(shù)學推導進一步說明。設(shè)資產(chǎn)收益率序列r_t滿足GARCH模型，條件方差為\sigma_t^2，由GARCH模型的條件方差方程\sigma_t^2=\omega+\sum_{i=1}^{p}\alpha_i\epsilon_{t-i}^2+\sum_{j=1}^{q}\beta_j\sigma_{t-j}^2確定。對于VaR的計算，在正態(tài)分布下，給定置信水平\alpha，對應(yīng)的分位數(shù)為z_{\alpha}，則基于GARCH模型的VaR值可表示為VaR_{t}=z_{\alpha}\sigma_t，其中\(zhòng)sigma_t是由GARCH模型估計得到的t時刻的條件標準差。這種結(jié)合方式充分利用了GARCH模型對波動率的動態(tài)估計能力，使得VaR值能夠更準確地反映資產(chǎn)在不同時期的風險狀況，克服了傳統(tǒng)VaR模型對波動率估計的局限性，為金融風險管理提供了更可靠的依據(jù)。2.3.2模型的構(gòu)建步驟構(gòu)建GARCH-VaR模型是一個系統(tǒng)且嚴謹?shù)倪^程，涉及多個關(guān)鍵步驟，每個步驟都對模型的準確性和有效性產(chǎn)生重要影響。以下將詳細介紹構(gòu)建GARCH-VaR模型的具體步驟：數(shù)據(jù)收集與預(yù)處理：收集新三板市場相關(guān)的時間序列數(shù)據(jù)，包括股票價格、成交量、成交額等。這些數(shù)據(jù)是模型構(gòu)建的基礎(chǔ)，其質(zhì)量和完整性直接影響模型的結(jié)果。對收集到的數(shù)據(jù)進行預(yù)處理，檢查數(shù)據(jù)的準確性，填補缺失值，處理異常值。對于缺失值，可以采用線性插值、均值填充、時間序列預(yù)測等方法進行填補；對于異常值，可通過統(tǒng)計檢驗（如3倍標準差法則）進行識別，并根據(jù)具體情況進行修正或刪除，以確保數(shù)據(jù)的可靠性。數(shù)據(jù)探索性分析：在構(gòu)建模型之前，對預(yù)處理后的數(shù)據(jù)進行探索性分析，以了解數(shù)據(jù)的基本特征和分布情況。計算收益率序列的均值、中位數(shù)、標準差、偏度、峰度等統(tǒng)計量，通過這些統(tǒng)計量可以初步判斷數(shù)據(jù)的中心趨勢、離散程度、分布的對稱性和尖峰厚尾特征。繪制收益率序列的折線圖，觀察其隨時間的變化趨勢，是否存在明顯的周期性、趨勢性或異常波動；繪制直方圖，了解數(shù)據(jù)的分布形態(tài)；繪制自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖，判斷收益率序列是否存在自相關(guān)和偏自相關(guān)現(xiàn)象，為后續(xù)模型的選擇和構(gòu)建提供依據(jù)。確定GARCH模型類型和階數(shù)：根據(jù)數(shù)據(jù)的特征和研究目的，選擇合適的GARCH模型類型，如標準GARCH模型、EGARCH模型、TGARCH模型等。標準GARCH模型適用于波動對稱的時間序列；EGARCH模型能夠刻畫波動的非對稱性，對正負沖擊的反應(yīng)不同；TGARCH模型則專門用于捕捉金融市場中的杠桿效應(yīng)，即負向沖擊對波動率的影響大于正向沖擊。在確定模型類型后，通過比較不同階數(shù)的GARCH模型的擬合效果來選擇最優(yōu)階數(shù)。常用的比較指標有赤池信息準則（AIC）、貝葉斯信息準則（BIC）等，AIC和BIC值越小，表明模型的擬合效果越好，在實際應(yīng)用中，通常從低階模型開始嘗試，如GARCH(1,1)模型，逐步增加階數(shù)，觀察模型擬合效果和參數(shù)的顯著性，最終確定最合適的模型類型和階數(shù)。估計GARCH模型參數(shù)：使用極大似然估計法（MLE）對選定的GARCH模型進行參數(shù)估計。假設(shè)收益率序列r_t服從特定的分布，如正態(tài)分布、t分布或廣義誤差分布（GED），基于該分布構(gòu)建似然函數(shù)。以正態(tài)分布為例，似然函數(shù)為L(\theta)=\prod_{t=1}^{T}\frac{1}{\sqrt{2\pi\sigma_t^2}}\exp\left(-\frac{\epsilon_t^2}{2\sigma_t^2}\right)，其中\(zhòng)theta=(\mu,\omega,\alpha_1,\cdots,\alpha_p,\beta_1,\cdots,\beta_q)為待估計參數(shù)向量，T為樣本容量。通過對似然函數(shù)取對數(shù)并求導，利用數(shù)值優(yōu)化算法（如BFGS算法、牛頓法等）求解對數(shù)似然函數(shù)的最大值，從而得到模型參數(shù)的估計值。在參數(shù)估計過程中，要對估計結(jié)果進行檢驗，確保參數(shù)的合理性和顯著性，對不顯著的參數(shù)可進行剔除或重新調(diào)整模型，以提高模型的質(zhì)量。計算VaR值：在得到GARCH模型的參數(shù)估計值后，計算條件方差序列\(zhòng)sigma_t^2，并取其平方根得到條件標準差序列\(zhòng)sigma_t。根據(jù)選定的置信水平\alpha，確定相應(yīng)的分位數(shù)z_{\alpha}，對于正態(tài)分布，可通過標準正態(tài)分布表查找分位數(shù)；對于t分布和廣義誤差分布，可利用相應(yīng)的分布函數(shù)計算分位數(shù)。根據(jù)VaR的計算公式VaR_{t}=z_{\alpha}\sigma_t，計算出不同時刻的VaR值，這些VaR值反映了在給定置信水平下，新三板市場資產(chǎn)在未來特定時間段內(nèi)可能遭受的最大損失。三、新三板市場流動性風險分析3.1新三板市場概述3.1.1市場發(fā)展歷程與現(xiàn)狀新三板市場的發(fā)展歷程見證了我國多層次資本市場的逐步完善，對中小企業(yè)的成長與發(fā)展起到了重要的推動作用。其起源可追溯至20世紀90年代末，為解決原STAQ、NET系統(tǒng)掛牌公司的股份流通問題，2001年6月12日，中國證券業(yè)協(xié)會發(fā)布《證券公司代辦股份轉(zhuǎn)讓服務(wù)業(yè)務(wù)試點辦法》，正式啟動代辦股份轉(zhuǎn)讓系統(tǒng)，這便是新三板的前身，主要承接兩網(wǎng)公司和退市公司的股份轉(zhuǎn)讓業(yè)務(wù)，為這些公司提供了一個股份流通的平臺，一定程度上解決了其股權(quán)的流動性問題。2006年1月，經(jīng)國務(wù)院批準，中關(guān)村科技園區(qū)非上市股份有限公司進入代辦股份轉(zhuǎn)讓系統(tǒng)進行股份報價轉(zhuǎn)讓試點，標志著新三板市場的初步形成。該試點旨在為中關(guān)村科技園區(qū)內(nèi)的高科技、高成長中小企業(yè)提供融資和股份轉(zhuǎn)讓服務(wù)，拓寬了中小企業(yè)的融資渠道，推動了科技創(chuàng)新企業(yè)的發(fā)展。此后，新三板市場開始逐步擴容，2012年8月，經(jīng)國務(wù)院批準，決定擴大非上市股份公司股份轉(zhuǎn)讓試點，首批擴大試點新增上海張江高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)、武漢東湖新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)和天津濱海高新區(qū)。2013年12月14日，國務(wù)院發(fā)布《關(guān)于全國中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)有關(guān)問題的決定》，明確全國中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)（新三板）是經(jīng)國務(wù)院批準，依據(jù)證券法設(shè)立的全國性證券交易場所，主要為創(chuàng)新型、創(chuàng)業(yè)型、成長型中小微企業(yè)發(fā)展服務(wù)，這一決定確立了新三板的全國性地位，為其進一步發(fā)展奠定了堅實的政策基礎(chǔ)。自2013年全國擴容以來，新三板市場迎來了快速發(fā)展階段。掛牌企業(yè)數(shù)量急劇增加，2014年底掛牌企業(yè)數(shù)量突破1500家，2015年底更是超過5000家，到2017年一季度末，新三板掛牌公司總數(shù)突破11000家，市場規(guī)模迅速擴大，涵蓋了眾多行業(yè)領(lǐng)域，從傳統(tǒng)制造業(yè)到新興的高科技產(chǎn)業(yè)、現(xiàn)代服務(wù)業(yè)等均有涉及，成為中小企業(yè)對接資本市場的重要平臺。隨著市場的發(fā)展，新三板的制度建設(shè)也在不斷完善，分層制度、交易制度、信息披露制度等逐步建立和優(yōu)化，以提高市場的運行效率和規(guī)范性。2016年，新三板正式實施分層管理，分為基礎(chǔ)層和創(chuàng)新層，不同層次的企業(yè)在信息披露、交易制度等方面有所差異，分層制度的實施有助于提高市場的資源配置效率，激勵企業(yè)規(guī)范發(fā)展和創(chuàng)新。2019年10月25日，中國證監(jiān)會宣布啟動全面深化新三板改革，此次改革旨在提升新三板的市場功能和吸引力，包括設(shè)立精選層、建立轉(zhuǎn)板上市機制、優(yōu)化投資者適當性管理等舉措。2020年7月27日，新三板精選層正式開市，標志著新三板改革取得重要階段性成果，精選層的設(shè)立為優(yōu)質(zhì)中小企業(yè)提供了更高層次的資本市場平臺，提升了企業(yè)的融資能力和市場影響力，也為投資者提供了更多優(yōu)質(zhì)的投資選擇。2023年，新三板市場繼續(xù)保持發(fā)展態(tài)勢，新增掛牌公司326家，同比增長超兩成，展現(xiàn)出持續(xù)的活力。截至2023年底，新三板掛牌公司數(shù)量眾多，市場總市值達到一定規(guī)模，在我國資本市場中占據(jù)著重要地位。在行業(yè)分布方面，信息技術(shù)、工業(yè)、材料等行業(yè)的掛牌企業(yè)數(shù)量相對較多，反映了我國經(jīng)濟結(jié)構(gòu)的特點和產(chǎn)業(yè)發(fā)展的趨勢。信息技術(shù)行業(yè)的快速發(fā)展與創(chuàng)新需求，使得眾多相關(guān)企業(yè)選擇在新三板掛牌，以獲取資本市場的支持，實現(xiàn)技術(shù)創(chuàng)新和業(yè)務(wù)拓展；工業(yè)和材料行業(yè)作為傳統(tǒng)產(chǎn)業(yè)，也借助新三板市場進行轉(zhuǎn)型升級和資源整合。當前，新三板市場的掛牌企業(yè)呈現(xiàn)出多樣化的特點。從企業(yè)規(guī)模來看，涵蓋了大型、中型和小型企業(yè)，其中以中小企業(yè)為主，這些企業(yè)在各自的細分領(lǐng)域具有一定的競爭優(yōu)勢和發(fā)展?jié)摿?。在企業(yè)發(fā)展階段上，既有處于初創(chuàng)期的企業(yè)，也有成長階段和成熟階段的企業(yè)。初創(chuàng)期企業(yè)通過新三板獲得資金支持和市場認可，加速技術(shù)研發(fā)和產(chǎn)品推廣；成長階段企業(yè)借助新三板進一步擴大生產(chǎn)規(guī)模、拓展市場份額；成熟階段企業(yè)則利用新三板進行戰(zhàn)略布局和產(chǎn)業(yè)整合。然而，新三板市場也面臨著一些挑戰(zhàn)，如市場流動性相對不足、企業(yè)質(zhì)量參差不齊、投資者結(jié)構(gòu)有待優(yōu)化等，這些問題制約了市場的進一步發(fā)展，需要通過不斷的改革和完善來加以解決。3.1.2市場交易制度與特點新三板市場的交易制度經(jīng)歷了不斷的發(fā)展與完善，對市場的交易活躍度和流動性產(chǎn)生了重要影響。目前，新三板市場主要采用協(xié)議轉(zhuǎn)讓、做市轉(zhuǎn)讓和集合競價轉(zhuǎn)讓三種交易方式。協(xié)議轉(zhuǎn)讓是新三板市場早期的主要交易方式之一，它允許買賣雙方自主協(xié)商交易價格和數(shù)量，達成一致后通過全國中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)進行成交確認。這種交易方式給予了交易雙方較大的自主權(quán)，能夠滿足個性化的交易需求，但也存在一些弊端。由于信息透明度相對較低，買賣雙方獲取交易信息的渠道有限，導致交易價格的不確定性較大，難以形成有效的市場價格發(fā)現(xiàn)機制，且交易效率相對較低，容易出現(xiàn)交易不匹配的情況，影響市場的流動性。做市轉(zhuǎn)讓制度在新三板市場中具有重要作用，它是指由具備一定實力和信譽的證券公司擔任做市商，做市商持續(xù)向市場提供買賣雙向報價，并在其報價數(shù)量范圍內(nèi)履行與投資者的成交義務(wù)。做市商通過買賣價差獲取利潤，同時為市場提供流動性。做市轉(zhuǎn)讓制度的引入，旨在提高市場的流動性和交易活躍度，穩(wěn)定市場價格。做市商利用自身的專業(yè)能力和信息優(yōu)勢，對掛牌企業(yè)進行估值和定價，為投資者提供參考價格，促進市場的價格發(fā)現(xiàn)。做市商的雙向報價使得投資者能夠更方便地進行買賣交易，減少了交易等待時間，提高了交易效率。然而，在實際運行中，做市轉(zhuǎn)讓制度也存在一些問題。部分做市商的積極性不高，未能充分發(fā)揮其提供流動性的作用；做市商之間的競爭不夠充分，導致買賣價差較大，增加了投資者的交易成本；一些做市商可能存在操縱價格等違規(guī)行為，影響市場的公平性和穩(wěn)定性。集合競價轉(zhuǎn)讓是在一定的時間內(nèi)，對接受的買賣申報一次性集中撮合的競價方式。集合競價按照價格優(yōu)先、時間優(yōu)先的原則撮合成交，能夠更有效地反映市場的供求關(guān)系，形成相對公平的市場價格。集合競價轉(zhuǎn)讓制度的實施，豐富了新三板市場的交易方式，提高了市場的定價效率和透明度。對于投資者來說，集合競價轉(zhuǎn)讓提供了更多的交易機會，使得交易更加公平、公正。但集合競價轉(zhuǎn)讓也面臨一些挑戰(zhàn)，如在市場交易不活躍的情況下，可能出現(xiàn)成交不連續(xù)的情況，影響市場的流動性和投資者的交易體驗。新三板市場在交易活躍度方面與主板市場存在一定差距。由于新三板掛牌企業(yè)大多為中小企業(yè)，規(guī)模相對較小、經(jīng)營穩(wěn)定性較弱、信息披露質(zhì)量參差不齊等原因，導致市場對這些企業(yè)的關(guān)注度和認可度相對較低，投資者參與交易的積極性不高，交易活躍度較低。較低的交易活躍度使得股票的換手率較低，資金流動速度慢，影響了市場的資源配置效率和企業(yè)的融資能力。在投資者結(jié)構(gòu)方面，新三板市場具有自身的特點。由于新三板對投資者設(shè)置了一定的門檻，如對個人投資者的資產(chǎn)規(guī)模和投資經(jīng)驗有要求，這使得能夠參與交易的投資者數(shù)量相對有限，投資者結(jié)構(gòu)以機構(gòu)投資者為主。機構(gòu)投資者具有專業(yè)的投資分析能力和較強的風險承受能力，能夠?qū)炫破髽I(yè)進行深入研究和風險評估，但也存在機構(gòu)投資者之間投資策略趨同的問題，容易導致市場交易行為的一致性，影響市場的穩(wěn)定性。個人投資者在新三板市場中的占比較低，這限制了市場的資金來源和交易活躍度，因為個人投資者的參與能夠增加市場的多樣性和靈活性。隨著新三板市場的發(fā)展，監(jiān)管部門也在逐步優(yōu)化投資者適當性管理，適度降低投資者門檻，以吸引更多投資者參與，改善投資者結(jié)構(gòu)，提高市場的流動性和活躍度。3.2流動性風險的表現(xiàn)與成因3.2.1流動性風險的表現(xiàn)形式在新三板市場中，流動性風險主要體現(xiàn)在交易成本、交易時間和價格波動等多個關(guān)鍵方面。從交易成本來看，買賣價差是衡量流動性的重要指標之一。新三板市場由于流動性不足，做市商在提供雙向報價時，為了補償自身承擔的風險和成本，往往會擴大買賣價差。當市場上買賣雙方的交易意愿不匹配，做市商難以快速找到對手方完成交易時，做市商需要承擔更多的庫存風險，為了彌補潛在的損失，做市商會提高買賣價差。這使得投資者在進行交易時，買入價格相對較高，賣出價格相對較低，直接增加了交易成本。對于一些交易不活躍的股票，買賣價差可能會達到較高水平，如5%甚至更高，這大大降低了投資者的實際收益，抑制了市場的交易活躍度。交易時間方面，流動性風險表現(xiàn)為交易難以達成。在流動性較好的市場中，投資者下達交易指令后，能夠迅速找到對手方完成交易，交易等待時間較短。但在新三板市場，由于市場參與者相對較少，交易不夠活躍，投資者可能需要較長時間才能找到愿意與之交易的對手方，導致交易延遲甚至無法完成。一些掛牌企業(yè)的股票可能幾天甚至幾周都沒有交易記錄，投資者想要買賣股票時，常常面臨有價無市的困境。這種交易時間的延長不僅影響了投資者的資金使用效率，還可能使投資者錯過最佳的投資時機，增加了投資風險。價格波動也是新三板市場流動性風險的重要表現(xiàn)。當市場流動性不足時，較小的交易量就可能對股票價格產(chǎn)生較大影響，導致價格的大幅波動。由于市場上買賣力量的不均衡，少量的買入或賣出訂單就可能打破市場的供需平衡，引發(fā)價格的劇烈波動。當有一筆較大的賣出訂單進入市場時，由于缺乏足夠的買家承接，股票價格可能會迅速下跌；反之，當有較大的買入訂單時，價格可能會快速上漲。這種價格的大幅波動使得投資者難以準確把握股票的真實價值，增加了投資決策的難度，也加大了投資損失的可能性。同時，價格的不穩(wěn)定也影響了市場的穩(wěn)定性和投資者的信心，不利于市場的健康發(fā)展。3.2.2流動性風險的成因分析新三板市場流動性風險的產(chǎn)生是由多種因素共同作用的結(jié)果，涉及市場規(guī)模、投資者結(jié)構(gòu)、信息披露和監(jiān)管制度等多個關(guān)鍵層面。從市場規(guī)模角度來看，新三板掛牌企業(yè)數(shù)量眾多，但整體市值相對較小，企業(yè)規(guī)模普遍不大。眾多中小企業(yè)在新三板掛牌，這些企業(yè)大多處于發(fā)展初期，資產(chǎn)規(guī)模較小，盈利能力不穩(wěn)定，市場影響力有限。與主板市場的大型企業(yè)相比，新三板企業(yè)在融資能力、品牌知名度等方面存在較大差距，這使得市場對新三板企業(yè)的關(guān)注度和認可度相對較低，投資者參與交易的積極性不高，從而導致市場流動性不足。由于企業(yè)規(guī)模較小，股票的流通盤有限，在市場資金量相對固定的情況下，較小的流通盤容易引發(fā)價格的大幅波動，進一步影響市場的流動性。投資者結(jié)構(gòu)對新三板市場流動性風險有著重要影響。新三板市場對投資者設(shè)置了較高的門檻，這在一定程度上限制了投資者的數(shù)量和類型。個人投資者需要具備較高的資產(chǎn)規(guī)模和投資經(jīng)驗才能參與新三板交易，這使得大量普通投資者被排除在外，市場主要以機構(gòu)投資者為主。機構(gòu)投資者雖然具有專業(yè)的投資能力和較強的風險承受能力，但投資策略往往較為趨同，容易出現(xiàn)羊群效應(yīng)。當市場出現(xiàn)不利消息或預(yù)期變化時，機構(gòu)投資者可能會同時調(diào)整投資組合，集中買入或賣出某些股票，導致市場供需失衡，加劇市場波動，影響市場的流動性。由于投資者數(shù)量有限，市場的資金供給和需求難以有效匹配，進一步制約了市場的交易活躍度和流動性。信息披露方面，新三板市場的信息披露制度雖在不斷完善，但與主板市場相比仍存在差距。部分掛牌企業(yè)信息披露不及時、不充分，甚至存在虛假披露的情況，導致投資者難以全面、準確地了解企業(yè)的真實經(jīng)營狀況、財務(wù)狀況和發(fā)展前景。當投資者無法獲取足夠的信息來評估企業(yè)的價值和風險時，會增加投資的不確定性和風險，從而降低投資意愿，抑制市場的交易活躍度。信息不對稱還可能導致市場上出現(xiàn)逆向選擇問題，優(yōu)質(zhì)企業(yè)難以獲得合理的估值和資金支持，而劣質(zhì)企業(yè)卻可能憑借信息優(yōu)勢誤導投資者，獲取資金，這進一步破壞了市場的公平性和資源配置效率，加劇了市場的流動性風險。監(jiān)管制度在新三板市場流動性風險的形成中也起到關(guān)鍵作用。盡管監(jiān)管部門不斷加強對新三板市場的監(jiān)管，但仍存在一些不足之處。交易制度方面，做市商制度在提供流動性方面的作用尚未充分發(fā)揮。部分做市商為了自身利益，可能存在消極做市的情況，沒有積極履行雙向報價和提供流動性的義務(wù)，導致市場交易不活躍。做市商之間的競爭不夠充分，市場缺乏有效的價格競爭機制，使得買賣價差較大，增加了投資者的交易成本，影響了市場的流動性。對市場違規(guī)行為的監(jiān)管和處罰力度有待加強，內(nèi)幕交易、操縱市場等違規(guī)行為時有發(fā)生，這些行為破壞了市場的正常秩序，損害了投資者的利益，降低了投資者對市場的信任度，進而影響市場的流動性。3.3流動性風險對新三板市場的影響3.3.1對企業(yè)融資的影響新三板市場的流動性風險對企業(yè)融資產(chǎn)生了多方面的負面影響，嚴重制約了企業(yè)的發(fā)展和擴張。在新三板市場，企業(yè)融資難度與市場流動性密切相關(guān)。當市場流動性不足時，投資者對企業(yè)股票的交易意愿降低，導致企業(yè)股票的市場需求減少。在這種情況下，企業(yè)通過發(fā)行股票進行融資時，可能面臨認購不足的困境，難以籌集到足夠的資金來支持企業(yè)的發(fā)展。由于交易不活躍，企業(yè)股票的價格可能被低估，這使得企業(yè)在股權(quán)融資時能夠獲得的資金相對減少，進一步增加了融資難度。流動性風險還導致企業(yè)融資成本上升。企業(yè)為了吸引投資者購買其股票或債券，往往需要提供更高的回報，這意味著企業(yè)需要支付更高的股息、利息或其他融資費用。在流動性較差的市場中，投資者承擔了更高的風險，他們要求更高的風險溢價來補償這種風險。由于市場交易不活躍，企業(yè)在發(fā)行證券時可能需要支付更高的承銷費用等中介費用，以吸引金融機構(gòu)幫助其完成融資過程，這些都直接增加了企業(yè)的融資成本。過高的融資成本會壓縮企業(yè)的利潤空間，影響企業(yè)的盈利能力和發(fā)展?jié)摿Γ沟闷髽I(yè)在市場競爭中處于不利地位。從企業(yè)的發(fā)展和擴張角度來看，資金是企業(yè)發(fā)展的關(guān)鍵要素之一。由于流動性風險導致融資難度增加和融資成本上升，企業(yè)可能無法獲得足夠的資金來進行技術(shù)研發(fā)、設(shè)備更新、市場拓展等活動，這嚴重阻礙了企業(yè)的創(chuàng)新和發(fā)展。企業(yè)可能無法及時抓住市場機遇，錯過發(fā)展的黃金時期，在激烈的市場競爭中逐漸失去優(yōu)勢。對于一些處于成長階段的企業(yè)來說，缺乏資金支持可能導致企業(yè)無法擴大生產(chǎn)規(guī)模，限制了企業(yè)的擴張能力，使其難以實現(xiàn)規(guī)模經(jīng)濟，影響企業(yè)的長期發(fā)展戰(zhàn)略。3.3.2對投資者的影響新三板市場的流動性風險對投資者的投資決策、資產(chǎn)配置和收益實現(xiàn)等方面均產(chǎn)生了顯著影響，增加了投資者的投資難度和風險。在投資決策方面，流動性風險使得投資者在評估投資項目時需要更加謹慎。由于市場流動性不足，投資者在買賣股票時可能面臨交易成本增加、交易時間延長甚至無法成交的風險，這使得投資者在考慮是否投資新三板企業(yè)時，會更加關(guān)注企業(yè)的流動性狀況以及未來的流動性改善預(yù)期。投資者可能會因為擔心無法及時退出投資而放棄一些潛在的投資機會，即使企業(yè)具有較好的發(fā)展前景，但如果流動性風險過高，投資者也可能會望而卻步。流動性風險對投資者的資產(chǎn)配置策略產(chǎn)生了重要影響。投資者在構(gòu)建投資組合時，通常會考慮資產(chǎn)的流動性、風險和收益等因素。新三板市場的流動性風險使得投資者在配置資產(chǎn)時，會減少對新三板資產(chǎn)的配置比例，以降低投資組合的整體流動性風險。這可能導致投資者無法充分利用新三板市場中一些具有高增長潛力的投資機會，影響投資組合的多元化和收益水平。由于新三板市場流動性風險的存在，投資者在進行資產(chǎn)配置時，需要花費更多的時間和精力來評估和管理流動性風險，增加了資產(chǎn)配置的難度和復雜性。在收益實現(xiàn)方面，流動性風險增加了投資者實現(xiàn)預(yù)期收益的不確定性。當投資者需要賣出股票實現(xiàn)收益時，可能由于市場缺乏流動性，無法以理想的價格成交，導致實際收益低于預(yù)期。在市場行情不利時，投資者可能無法及時止損，從而遭受更大的損失。由于流動性風險導致企業(yè)融資難度增加和融資成本上升，企業(yè)的經(jīng)營業(yè)績可能受到影響，進而影響投資者的股息、紅利收益。流動性風險還可能導致市場價格波動加劇，投資者可能因市場的大幅波動而難以把握投資時機，進一步影響收益的實現(xiàn)。3.3.3對市場穩(wěn)定性的影響新三板市場的流動性風險對市場穩(wěn)定性構(gòu)成了嚴重威脅，主要體現(xiàn)在影響市場的價格發(fā)現(xiàn)功能和加劇市場波動兩個方面。價格發(fā)現(xiàn)功能是金融市場的重要功能之一，它能夠使資產(chǎn)價格準確反映其內(nèi)在價值。然而，在新三板市場存在流動性風險的情況下，市場交易不活躍，買賣雙方的交易意愿較低，導致市場上的交易信息不充分，難以形成有效的市場價格。由于缺乏足夠的交易數(shù)據(jù)和市場參與者的充分競爭，股票價格可能無法準確反映企業(yè)的真實價值，出現(xiàn)價格偏離價值的情況。這種價格失真會誤導投資者的決策，使得市場資源無法得到有效配置，影響市場的效率和公平性。流動性風險還會加劇市場波動。當市場流動性不足時，較小的交易量就可能對股票價格產(chǎn)生較大影響，導致價格的大幅波動。由于市場上買賣力量的不均衡，少量的買入或賣出訂單就可能打破市場的供需平衡，引發(fā)價格的劇烈波動。當有一筆較大的賣出訂單進入市場時，由于缺乏足夠的買家承接，股票價格可能會迅速下跌；反之，當有較大的買入訂單時，價格可能會快速上漲。這種價格的大幅波動不僅增加了投資者的風險，也破壞了市場的穩(wěn)定性。市場波動的加劇還可能引發(fā)投資者的恐慌情緒，導致市場信心下降，進一步影響市場的正常運行。當市場出現(xiàn)大幅波動時，投資者可能會紛紛拋售股票，導致市場流動性進一步惡化，形成惡性循環(huán)，嚴重威脅市場的穩(wěn)定運行。四、基于GARCH-VaR模型的新三板市場流動性風險量化實證分析4.1數(shù)據(jù)選取與預(yù)處理4.1.1數(shù)據(jù)來源與樣本選擇本研究選取新三板市場的相關(guān)數(shù)據(jù)進行流動性風險量化分析，數(shù)據(jù)主要來源于Wind數(shù)據(jù)庫，該數(shù)據(jù)庫涵蓋了豐富的金融市場數(shù)據(jù)，具有數(shù)據(jù)全面、準確、更新及時等優(yōu)點，能夠為研究提供可靠的數(shù)據(jù)支持。樣本選擇的時間跨度為2018年1月1日至2023年12月31日，這段時間涵蓋了新三板市場的多個發(fā)展階段，包括市場改革、分層制度完善等重要時期，能夠較為全面地反映市場的變化情況。在股票樣本的選取上，遵循以下標準：選取在樣本期內(nèi)持續(xù)掛牌且交易較為活躍的股票，以確保數(shù)據(jù)的連續(xù)性和有效性。剔除了ST、*ST等存在財務(wù)異常的股票，因為這些股票的價格波動和流動性可能受到特殊因素影響，與正常股票存在差異，會干擾對整體市場流動性風險的分析。為了保證樣本的代表性，按照行業(yè)分布、市值規(guī)模等因素進行分層抽樣，選取了不同行業(yè)、不同市值規(guī)模的股票，涵蓋了信息技術(shù)、工業(yè)、材料、消費等多個行業(yè)領(lǐng)域，以及大、中、小市值規(guī)模的企業(yè)，使得樣本能夠反映新三板市場的整體特征。最終確定的樣本包含了200只股票，這些股票在市場中具有一定的代表性，能夠為研究新三板市場流動性風險提供有力的數(shù)據(jù)支撐。4.1.2數(shù)據(jù)清洗與整理在獲取原始數(shù)據(jù)后，進行了嚴格的數(shù)據(jù)清洗與整理工作，以確保數(shù)據(jù)的質(zhì)量和可靠性。針對數(shù)據(jù)中存在的缺失值，采用了線性插值法進行填補。對于某只股票在某一交易日的成交量缺失值，根據(jù)該股票前后交易日的成交量數(shù)據(jù)，通過線性插值的方式計算出缺失值的估計值，使其能夠反映該股票成交量的變化趨勢。對于異常值的處理，采用3倍標準差法則進行識別。若某一數(shù)據(jù)點偏離均值超過3倍標準差，則將其視為異常值。對于異常的成交額數(shù)據(jù)，通過與同行業(yè)其他股票的成交額數(shù)據(jù)進行對比，結(jié)合市場情況進行分析，判斷其是否為真實的市場交易情況。若為錯誤數(shù)據(jù)，則進行修正或刪除處理，以避免異常值對模型結(jié)果產(chǎn)生較大影響。為了使數(shù)據(jù)更符合模型的要求，對數(shù)據(jù)進行了一系列的整理和轉(zhuǎn)換。將股票價格數(shù)據(jù)轉(zhuǎn)換為對數(shù)收益率序列，對數(shù)收益率能夠更好地反映股票價格的變化率，并且具有平穩(wěn)性和正態(tài)性的特點，有利于后續(xù)的統(tǒng)計分析和模型構(gòu)建。對數(shù)收益率的計算公式為：r_t=\ln(P_t/P_{t-1})，其中r_t為t時刻的對數(shù)收益率，P_t為t時刻的股票價格，P_{t-1}為t-1時刻的股票價格。對成交量和成交額數(shù)據(jù)進行了標準化處理，消除數(shù)據(jù)的量綱差異，使不同股票的數(shù)據(jù)具有可比性。標準化的計算公式為：x^*=\frac{x-\mu}{\sigma}，其中x^*為標準化后的數(shù)據(jù)，x為原始數(shù)據(jù)，\mu為數(shù)據(jù)的均值，\sigma為數(shù)據(jù)的標準差。通過這些數(shù)據(jù)清洗和整理工作，提高了數(shù)據(jù)的質(zhì)量和可用性，為后續(xù)的實證分析奠定了堅實的基礎(chǔ)。4.1.3數(shù)據(jù)的統(tǒng)計性描述對處理后的數(shù)據(jù)進行統(tǒng)計性描述分析，能夠直觀地了解數(shù)據(jù)的基本特征。計算了對數(shù)收益率序列的均值、標準差、偏度和峰度等統(tǒng)計量。結(jié)果顯示，對數(shù)收益率的均值為0.0005，表明樣本期內(nèi)新三板市場股票的平均收益率較低，市場整體表現(xiàn)相對平穩(wěn)。標準差為0.035，反映了收益率的波動程度，說明市場存在一定的波動性，股票價格的變化具有一定的不確定性。偏度為-0.35，表明收益率分布呈現(xiàn)左偏態(tài)，即負向收益率的出現(xiàn)概率相對較高，市場存在一定的下行風險。峰度為4.2，大于正態(tài)分布的峰度值3，說明收益率分布具有尖峰厚尾特征，極端事件發(fā)生的概率高于正態(tài)分布的假設(shè)，市場存在較大的潛在風險。成交量和成交額的統(tǒng)計性描述結(jié)果顯示，成交量的均值為50.2萬股，標準差為35.6萬股，表明不同股票之間的成交量差異較大，市場交易活躍度存在明顯的分化。成交額的均值為280.5萬元，標準差為220.8萬元，同樣反映了成交額的較大離散程度。通過對這些統(tǒng)計量的分析，能夠初步了解新三板市場的交易特征和風險狀況，為后續(xù)運用GARCH-VaR模型進行風險度量提供了數(shù)據(jù)基礎(chǔ)和直觀認識。4.2模型的構(gòu)建與估計4.2.1GARCH模型的選擇與設(shè)定根據(jù)新三板市場流動性風險相關(guān)數(shù)據(jù)的特征以及研究目的，本研究選擇GARCH(1,1)模型來刻畫收益率序列的波動性。GARCH(1,1)模型在金融時間序列分析中應(yīng)用廣泛，具有良好的擬合效果和簡潔的形式，能夠有效地捕捉金融時間序列的異方差性和波動聚集性。在構(gòu)建GARCH(1,1)模型時，首先確定條件均值方程。考慮到新三板市場收益率序列可能存在的自相關(guān)和偏自相關(guān)情況，通過自相關(guān)函數(shù)（ACF）和偏自相關(guān)函數(shù)（PACF）分析，發(fā)現(xiàn)部分股票收益率序列存在一定的自相關(guān)性，因此采用自回歸移動平均（ARMA）模型來描述條件均值。對于某只股票的收益率序列r_t，條件均值方程設(shè)定為：r_t=\mu+\sum_{i=1}^{p}\varphi_ir_{t-i}+\sum_{j=1}^{q}\theta_j\epsilon_{t-j}+\epsilon_t其中，\mu為常數(shù)項，代表股票收益率的均值水平；\varphi_i和\theta_j分別為自回歸系數(shù)和移動平均系數(shù)；p和q分別為自回歸階數(shù)和移動平均階數(shù)；\epsilon_t為白噪聲過程，代表隨機擾動項，服從均值為0、方差為\sigma_t^2的正態(tài)分布或其他特定分布。通過對不同p和q取值的ARMA模型進行擬合和比較，根據(jù)赤池信息準則（AIC）和貝葉斯信息準則（BIC）確定最優(yōu)的p和q值，以確保條件均值方程能夠準確地描述收益率序列的均值變化。條件方差方程是GARCH(1,1)模型的核心，用于刻畫收益率波動的時變特征，其方程為：\sigma_t^2=\omega+\alpha\epsilon_{t-1}^2+\beta\sigma_{t-1}^2其中，\sigma_t^2表示t時刻的條件方差，它衡量了在t時刻基于過去信息對股票收益率波動的預(yù)期；\omega為常數(shù)項，代表長期平均方差，反映了方差的穩(wěn)定水平；\alpha和\beta分別為ARCH項系數(shù)和GARCH項系數(shù)，\alpha衡量了過去的隨機擾動（即收益率的殘差平方\epsilon_{t-1}^2）對當前條件方差的影響程度，體現(xiàn)了收益率波動的短期記憶性，\beta則衡量了過去的條件方差\sigma_{t-1}^2對當前條件方差的影響程度，反映了收益率波動的長期持續(xù)性。在模型設(shè)定中，對\omega、\alpha和\beta的初始值進行合理設(shè)定，一般將\omega初始化為一個較小的正數(shù)，如0.001，\alpha和\beta初始化為0.1，這些初始值將作為參數(shù)估計的起點，通過極大似然估計法等方法進行優(yōu)化，以得到更準確的模型參數(shù)估計值。4.2.2VaR模型的參數(shù)設(shè)定在確定VaR模型的參數(shù)時，置信水平和持有期是兩個關(guān)鍵參數(shù)，它們的選擇對VaR值的計算結(jié)果和風險管理決策具有重要影響。置信水平反映了投資者對風險的容忍程度和對風險度量準確性的要求。較高的置信水平意味著投資者對風險的容忍度較低，更關(guān)注極端情況下的風險損失；較低的置信水平則表示投資者對風險的容忍度相對較高。常見的置信水平有90%、95%、99%等。本研究選擇95%和99%兩個置信水平進行分析。選擇95%置信水平是因為它在金融風險管理中被廣泛應(yīng)用，能夠在一定程度上平衡風險度量的準確性和實用性，為投資者提供一個較為常見的風險參考指標。99%置信水平則更側(cè)重于極端風險的度量，能夠反映在極小概率事件發(fā)生時的最大可能損失，對于風險厭惡程度較高的投資者和金融機構(gòu)，關(guān)注99%置信水平下的VaR值有助于評估潛在的極端風險，提前做好風險防范措施。持有期是指計算VaR值所對應(yīng)的時間區(qū)間，它的選擇取決于投資者的投資目標、交易策略和市場情況等因素。較短的持有期能夠更及時地反映市場的短期波動風險，但計算結(jié)果可能波動較大；較長的持有期則更能體現(xiàn)市場的長期風險趨勢，但可能會忽略短期的市場變化。在金融市場風險度量中，常見的持有期有1天、5天、10天等?？紤]到新三板市場的交易活躍度相對較低，市場波動的持續(xù)性較強，本研究選擇10天作為持有期。10天的持有期能夠在一定程度上平滑市場短期波動的影響，更準確地反映新三板市場流動性風險在一個相對較長時間段內(nèi)的變化情況，同時也符合投資者在新三板市場進行投資決策時對風險評估的時間跨度需求，為投資者提供一個較為合理的風險評估時間窗口。4.2.3GARCH-VaR模型的估計結(jié)果運用Eviews軟件對構(gòu)建的GARCH-VaR模型進行估計，得到模型的參數(shù)估計結(jié)果。以樣本中的某只股票為例，在GARCH(1,1)模型部分，條件均值方程中\(zhòng)mu的估計值為0.0012，表明該股票的平均收益率為0.12%；自回歸系數(shù)\varphi_1的估計值為0.15，在5%的顯著性水平下顯著，說明前一期的收益率對當前收益率有正向影響；移動平均系數(shù)\theta_1的估計值為-0.08，在10%的顯著性水平下顯著，體現(xiàn)了移動平均項對收益率的作用。條件方差方程中，\omega的估計值為0.0005，反映了長期平均方差水平；\alpha的估計值為0.18，\beta的估計值為0.75，\alpha+\beta的值接近1，說明該股票收益率的波動具有較強的持續(xù)性，過去的波動對未來波動的影響較大，且\alpha和\beta均在1%的顯著性水平下顯著，表明ARCH項和GARCH項對條件方差的影響顯著。在VaR模型部分，對于95%置信水平，根據(jù)GARCH(1,1)模型估計得到的條件標準差序列，結(jié)合標準正態(tài)分布的分位數(shù)（此時分位數(shù)z_{0.95}=1.645），計算得到該股票10天持有期的VaR值為0.065，這意味著在95%的置信水平下，未來10天內(nèi)該股票投資組合有5%的可能性損失超過6.5%。對于99%置信水平，對應(yīng)的標準正態(tài)分布分位數(shù)z_{0.99}=2.326，計算得到的VaR值為0.092，即在99%的置信水平下，未來10天內(nèi)該股票投資組合有1%的可能性損失超過9.2%。通過對樣本中多只股票的GARCH-VaR模型估計結(jié)果進行分析，可以發(fā)現(xiàn)不同股票的VaR值存在差異，這與股票的流動性、市值規(guī)模、行業(yè)屬性等因素有關(guān)。流動性較差、市值較小的股票通常VaR值較大，表明其面臨的流動性風險較高；而流動性較好、市值較大的股票VaR值相對較小，風險相對較低。行業(yè)屬性也對VaR值有一定影響，新興行業(yè)的股票由于其發(fā)展的不確定性和市場關(guān)注度的變化，可能具有較高的風險，VaR值相對較大；傳統(tǒng)行業(yè)的股票風險相對較為穩(wěn)定，VaR值相對較小。4.3模型的檢驗與評估4.3.1殘差檢驗對GARCH-VaR模型的殘差進行檢驗是評估模型擬合效果和假設(shè)條件合理性的重要環(huán)節(jié)。首先進行自相關(guān)檢驗，通過計算殘差序列的自相關(guān)函數(shù)（ACF）和偏自相關(guān)函數(shù)（PACF）來判斷殘差是否存在自相關(guān)。若殘差存在自相關(guān)，說明模型未能充分捕捉數(shù)據(jù)中的信息，存在遺漏的變量或關(guān)系。對樣本股票的殘差進行自相關(guān)檢驗后發(fā)現(xiàn)，在滯后1-10階的自相關(guān)函數(shù)值和偏自相關(guān)函數(shù)值均在置信區(qū)間內(nèi)，表明殘差不存在顯著的自相關(guān)，模型能夠較好地擬合數(shù)據(jù)的線性部分，不存在明顯的序列相關(guān)性未被解釋。異方差檢驗也是殘差檢驗的關(guān)鍵內(nèi)容。采用ARCHLM檢驗來判斷殘差是否存在異方差性。若殘差存在異方差，意味著模型對數(shù)據(jù)波動性的刻畫不準確，需要進一步改進模型。對樣本股票的殘差進行ARCHLM檢驗，得到檢驗的F統(tǒng)計量和相伴概率。當相伴概率大于顯著性水平（如0.05）時，接受原假設(shè)，認為殘差不存在異方差；反之，則拒絕原假設(shè)，表明殘差存在異方差。檢驗結(jié)果顯示，大部分樣本股票殘差的ARCHLM檢驗相伴概率大于0.05，說明基于GARCH-VaR模型估計得到的殘差不存在顯著的異方差，模型能夠有效地刻畫數(shù)據(jù)的異方差性，對波動性的估計較為準確。此外，還對殘差的正態(tài)性進行檢驗。通過繪制殘差的直方圖和QQ圖，以及進行Jarque-Bera檢驗來判斷殘差是否服從正態(tài)分布。在正態(tài)分布假設(shè)下，GARCH-VaR模型的參數(shù)估計和VaR計算具有特定的理論基礎(chǔ)和統(tǒng)計性質(zhì)。若殘差不服從正態(tài)分布，可能會影響模型的準確性和可靠性。從直方圖和QQ圖來看，殘差的分布大致接近正態(tài)分布，但仍存在一定的偏差；Jarque-Bera檢驗結(jié)果顯示，部分樣本股票殘差的檢驗相伴概率小于0.05，表明殘差不完全服從正態(tài)分布，這提示在使用GARCH-VaR模型時，需要考慮殘差非正態(tài)分布對結(jié)果的影響，可能需要進一步調(diào)整模型或采用其他分布假設(shè)來提高模型的準確性。4.3.2回測檢驗采用失敗頻率檢驗和Kupiec檢驗等方法對GARCH-VaR模型進行回測，以評估模型對風險的預(yù)測能力。失敗頻率檢驗是一種直觀的回測方法，它通過計算實際損失超過VaR值的次數(shù)（即失敗次數(shù)）與總樣本數(shù)的比值，得到失敗頻率，并將其與理論上的失敗概率進行比較。在95%置信水平下，理論上的失敗概率為5%。對樣本股票進行