投資銀行理論與實(shí)務(wù)一風(fēng)險(xiǎn)管理(編輯修改稿)
2025-03-11 11:26 本頁面
【文章內(nèi)容簡(jiǎn)介】 置信水平太低對(duì)應(yīng)著損失超過 VaR值的極端事件發(fā)生的概率過高，這使 得 VaR值失去意義；置信水平過高，可以避免上述問題，但會(huì)因?yàn)榻y(tǒng)計(jì) 樣本中反映極端事件的數(shù)據(jù)減少而導(dǎo)致對(duì) VaR值估計(jì)的準(zhǔn)確性下降。 第三節(jié) 基于 VaR 的市場(chǎng)風(fēng)險(xiǎn)管理二、 VaR的計(jì)算方法 1．歷史模擬法 歷史模擬法直接根據(jù)風(fēng)險(xiǎn)因子收益的歷史數(shù)據(jù)來模擬投資組合的未來損益分布，利用分位數(shù)給出一定置信度下的 VaR的估計(jì)值。主要的計(jì)算步驟如下： （ 1）映射，即首先識(shí)別出基礎(chǔ)的風(fēng)險(xiǎn)因子，收集風(fēng)險(xiǎn)因子適當(dāng)時(shí)期的歷史數(shù)據(jù)（通常是 3～ 5年的日數(shù)據(jù)），并用風(fēng)險(xiǎn)因子表示出資產(chǎn)組合中各個(gè)金融資產(chǎn)的盯市價(jià)值； （ 2）根據(jù)風(fēng)險(xiǎn)因子過去 N+1個(gè)時(shí)期的價(jià)格時(shí)間序列，計(jì)算風(fēng)險(xiǎn)因子過去 N+1個(gè)時(shí)期價(jià)格水平的實(shí)際變化（得到 N個(gè)變化水平）。假定未來的價(jià)格變化與過去完全相似，即過去 N+1個(gè)時(shí)期價(jià)格的 N個(gè)變化在未來都可能出現(xiàn)，由此結(jié)合市場(chǎng)因子的當(dāng)前價(jià)格水平可以直接模擬風(fēng)險(xiǎn)因子未來一段時(shí)期的 N種可能的價(jià)格水平； （ 3）運(yùn)用資產(chǎn)定價(jià)公式，根據(jù)模擬出的風(fēng)險(xiǎn)因子未來的 N種可能價(jià)格水平，求出證券組合的 N種未來盯市價(jià)值，并與當(dāng)前風(fēng)險(xiǎn)因子的資產(chǎn)組合價(jià)值比較，得到證券組合未來的 N個(gè)潛在損益，即損益分布； （ 4）根據(jù)上述求解的損益分布，通過分位數(shù)求出給定置信度下的VaR。 第三節(jié) 基于 VaR 的市場(chǎng)風(fēng)險(xiǎn)管理2．方差 — 協(xié)方差法 方差 — 協(xié)方差法是假定風(fēng)險(xiǎn)因子收益的變化服從特定的分布（通常為正態(tài)分布），然后通過歷史數(shù)據(jù)分析和估計(jì)該風(fēng)險(xiǎn)因子收益分布的參數(shù)值如方差、相關(guān)系數(shù)等，進(jìn)而根據(jù)下式整理出整個(gè)投資組合收益分布的特征值： 其中 為整個(gè)投資組合收益的標(biāo)準(zhǔn)差； 、 為風(fēng)險(xiǎn)因子 i和j的標(biāo)準(zhǔn)差； 為風(fēng)險(xiǎn)因子 i和 j的相關(guān)系數(shù)； 為整個(gè)投資組合對(duì)風(fēng)險(xiǎn)因子 i變化的敏感度，有時(shí)也被稱為 Delta。在正態(tài)分布的假設(shè)下， 為組合中每個(gè)金融工具對(duì)風(fēng)險(xiǎn)因子 i的 Delta之和 。 ? ? ? ? ? ?? ???IiIjjiijjiPa xx1 1VaR ????????P? i? j?ij? ixix第三節(jié) 基于 VaR 的市場(chǎng)風(fēng)險(xiǎn)管理3．蒙特卡羅模擬法 蒙特卡羅模擬法也稱為隨機(jī)模擬法，其基本思路是首先建立 一個(gè)概率模型或隨機(jī)過程，使它的參數(shù)等于問題的解，然后 通過對(duì)模型或過程的觀察計(jì)算所求參數(shù)的統(tǒng)計(jì)特征，最后給 出所求問題的近似值，解的精度可以用估計(jì)值的標(biāo)準(zhǔn)誤差表 示。其基本步驟如下： （ 1）針對(duì)現(xiàn)實(shí)問題建立一個(gè)簡(jiǎn)單且便于實(shí)現(xiàn)的概率統(tǒng)計(jì)模 型，使所求的解恰好是所建立模型的概率分布或其某 個(gè)數(shù)字特征，比如是某個(gè)事件的概率或者是該模型的 期望值； （ 2）對(duì)模型中的隨機(jī)變量建立抽樣方法，在計(jì)算機(jī)上進(jìn)行 模擬試驗(yàn)，抽取足夠的隨機(jī)數(shù)，并對(duì)相關(guān)的事件進(jìn)行 統(tǒng)計(jì)； （ 3）對(duì)模擬結(jié)果加以分析，給出所求解的估計(jì)及其方差的 估計(jì)，必要時(shí)改進(jìn)模型以提高估計(jì)精度和模擬計(jì)算的效率。 第三節(jié) 基于 VaR 的市場(chǎng)風(fēng)險(xiǎn)管理三 、 VaR的特點(diǎn)及其局限性 1． VaR的特點(diǎn) （ 1） VaR適用面廣，不僅適用于衡量包括利率風(fēng)險(xiǎn)、外匯風(fēng)險(xiǎn)、股價(jià)風(fēng)險(xiǎn)、商品價(jià)格風(fēng)險(xiǎn)和衍生金融工具風(fēng)險(xiǎn)在內(nèi)的各種市場(chǎng)風(fēng)險(xiǎn)，還適用于不同金融工具構(gòu)成的投資組合的市場(chǎng)風(fēng)險(xiǎn)和不同業(yè)務(wù)部門的總體市場(chǎng)風(fēng)險(xiǎn)； （ 2） VaR有利于比較不同業(yè)務(wù)部門之間風(fēng)險(xiǎn)大小，有利于進(jìn)行基于風(fēng)險(xiǎn)調(diào)整的績(jī)效評(píng)估、資本配置和風(fēng)險(xiǎn)限額設(shè)置等； （ 3） VaR是基于資產(chǎn)組合層面上的風(fēng)險(xiǎn)度量工具，充分考慮了不同資產(chǎn)價(jià)格之間的相關(guān)性，體現(xiàn)了資產(chǎn)組合分散化對(duì)降低風(fēng)險(xiǎn)的作用； （ 4） VaR可以度量資產(chǎn)集中度風(fēng)險(xiǎn)，為對(duì)此集中度進(jìn)行總量控制提供依據(jù)，有利于經(jīng)濟(jì)主體的決策高層對(duì)整個(gè)企業(yè)風(fēng)險(xiǎn)情況的判斷，當(dāng)然也有助于監(jiān)管部門的監(jiān)管。 第三節(jié) 基于 VaR 的市場(chǎng)風(fēng)險(xiǎn)管理2． VaR的局限性 （ 1） VaR主要適用于正常市場(chǎng)條件下對(duì)市場(chǎng)風(fēng)險(xiǎn)的衡量，對(duì)市場(chǎng)價(jià)格的極端變動(dòng)導(dǎo)致的資產(chǎn)組合的損失卻無能為力 ； （ 2） VaR適用于衡量那些交易頻繁、市場(chǎng)價(jià)格容易獲取的金融工具的風(fēng)險(xiǎn)情況，但對(duì)于那些流動(dòng)性較差的資產(chǎn)如銀行貸款， VaR衡量風(fēng)險(xiǎn)的能力則受到一定的限制 ； （ 3）運(yùn)用 VaR進(jìn)行風(fēng)險(xiǎn)衡量和分析時(shí)存在著所謂的模型風(fēng)險(xiǎn)（ model risk），同樣 VaR模型往往會(huì)因?yàn)槭褂脷v史模擬法、蒙特卡羅模擬法等不同方法而得到不同的資產(chǎn)收益的概率分布。這可能導(dǎo)致同樣的資產(chǎn)組合卻得到不同的 VaR值， VaR的可靠性難以把握 ； （ 4） VaR模型對(duì)歷史數(shù)據(jù)的依賴性較大，如歷史模擬法就直接依賴于大量的歷史數(shù)據(jù)。
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1