中图分类号：F830.9 文献识别码：A 文章编号：1001-828X（2017）009-0-01
一、背景
在期货市场上市交易的大宗商品大多是关系国计民生的初级商品，价格波动普遍受到各方?P注。期货商品的价格风险是期货交易中微观主体所面临的主要风险，市场监管者也需要通过一些指标来量化价格风险，以减缓风险给市场交易者们带来的潜在危害。
由于期货市场的价格风险同样蕴涵着大量的市场信息，对之进行研究有助于系统地认识期货价格的特征、了解期货价格形成的内在机理、信息传递方式及市场运行效率。因此，研究期货的价格风险对于发展我国期货市场具有重要意义。
二、VaR的概念
VaR是目前一种流行的金融风险管理工具，对于估计给定资产组合在未来价格可能的波动下或损失很有帮助。假定一个证券组合初始价值为P0，收益率R的期望值为?，波动性为σ，且在给定置信水平下投资组合的最低价值为P*=P0（1+R*），则VaR可表为：
实际应用中，由于各种各样因素的影响，无论采用哪种方法都会产生一定的偏差，监管部门和金融机构必须以评估模型的准确性。
VaR模型的准确性检验是指VaR模型的测量结果对实际损失的覆盖程度，最直接的检验方法就是考察实际损失超过VaR的概率：把实际损失超过VaR值的事件记为失败，实际考察失败天数为N，则失败频率为p=N/T。例如，如果置信度为95%，则失败的概率应为5%，零假设是p=5%，VaR检验模型的准确性相当于检验失败概率等于特定概率，最合适的检验是似然比率检验：
在零假设的条件下，统计量LR服从自由度为1的分布。
三、数据选择和VaR值计算
本文采用Wind数据库上期所期货铜最为活跃的三月连续数据，样本区间为2012年1月至2017年2月，数据均为日数据，选择对数收益率时间序列作为分析对象。
首先，应用VaR方法计算四种GARCH模型（GARCH，GARCH-M，EGARCH，TGARCH）分别基于正态分布、t分布和广义误差分布（GED）的VaR风险值，再根据有效性检验比较得出检验表现最好的模型。
用GARCH类模型在三种分布下求得条件方差后，就可以进行VaR的计算：
计算出的VaR是由模型基于历史数据得出的风险价值，其预测结果有待有效性检验。下表是失败频率检验的结果。
表中，bic为贝叶斯信息准则，N是指考察期内实际失败天数的和，LR统计量是根据公式计算得到。
四、结语
根据实证计算的结果，我们可以得出以下结论：
从分布来看，所有基于t分布的模型都严重地高估了风险，似然比统计量都被拒绝，说明t分布不符合我国商品期货市场。所有的模型在正态分布和GED分布下都通过了后验检验，且在GED分布下得到的LR统计量值均相应地比低于正态分布下的LR统计量，说明相比于正态分布，GED分布更能有效地度量市场风险。
基于同一分布下的各种模型相差不大。根据bic信息准则，在正态分布下，GARCH要略优于其它模型；在GED分布下，同样要略优于另三个模型。因此，GARCH-GED模型是最优的。
