【正文】 Takeaway: 1. Measure of market risk: VaR 2. Management of market risk: Forward, futures, swaps and options. 演講完畢，謝謝觀看！ 。 ? 應(yīng)用金融期權(quán)合約管理市場風(fēng)險(xiǎn)的基本思想是，如果預(yù)計(jì)某證券的價(jià)格將上漲，為了減少價(jià)格上漲帶來的成本增加，可以買入該證券的看漲期權(quán)；同樣，如果預(yù)計(jì)某證券的價(jià)格將下跌，為了減少價(jià)格下跌帶來的損失，可以買入該證券的看跌期權(quán)。 ? 應(yīng)用金融互換合約管理市場風(fēng)險(xiǎn)的主要方法是通過交易雙方在未來某一確定時(shí)間內(nèi)，交換一系列現(xiàn)金流的方法實(shí)現(xiàn)的。金融期貨套期保值一般有空頭套期保值、多頭套期保值等。套期保值的基本原理是同一品種的商品，其期貨價(jià)格與現(xiàn)貨價(jià)格受到相同的因素的影響和制約，雖然波動(dòng)幅度會(huì)有不同，但其價(jià)格的變動(dòng)趨勢和方向有一致性。使用金融遠(yuǎn)期合約管理市場風(fēng)險(xiǎn)的主要風(fēng)險(xiǎn)是遠(yuǎn)期合約交易對手的信用風(fēng)險(xiǎn)，因此，在防范市場風(fēng)險(xiǎn)的同時(shí)要注意信用風(fēng)險(xiǎn)。系統(tǒng)風(fēng)險(xiǎn)管理的主要方法是應(yīng)用金融衍生品，所以，本書第五章所介紹的方法都可以應(yīng)用在市場風(fēng)險(xiǎn)的管理中。 ? 價(jià)值分析法的核心是證券內(nèi)在價(jià)值的確定，方法很多，如市盈率法、現(xiàn)金流貼現(xiàn)法等，然而要想確定準(zhǔn)確證券的內(nèi)在價(jià)值不是一件容易的事，需要投資者對宏觀經(jīng)濟(jì)、行業(yè)發(fā)展以及公司的經(jīng)營狀況有全面深入的了解。 三、價(jià)值分析法 ? 價(jià)值分析法也是控制市場風(fēng)險(xiǎn)的主要方法。例如，開放式基金在投資時(shí)，在現(xiàn)金、國債（企業(yè)債）、股票按一定比例分配資金，構(gòu)成投資組合，其目的之一就是控制市場風(fēng)險(xiǎn)。這種方法的基本原理是組合投資的基本理論，此方法也是基金等機(jī)構(gòu)投資者管理市場風(fēng)險(xiǎn)的主要方法之一。在這種風(fēng)險(xiǎn)管理方法中，定期檢查、考核評估、獎(jiǎng)罰等方法是控制金融風(fēng)險(xiǎn)的主要內(nèi)容，它需要長時(shí)間工作的積累與總結(jié)。 ? 這種方法的核心是規(guī)章制度的科學(xué)性和靈活性以及檢查監(jiān)督制度的有效性，如果規(guī)章制度不科學(xué)或缺乏靈活性，不適應(yīng)市場的變化，那么，市場風(fēng)險(xiǎn)就會(huì)加大，反之，則能將市場風(fēng)險(xiǎn)控制在一定范圍內(nèi)，滿足投資者的要求。 一、制度化風(fēng)險(xiǎn)管理方法 ? 制度化風(fēng)險(xiǎn)方法就是制定規(guī)章制度及檢查監(jiān)督制度防范風(fēng)險(xiǎn)的方法，這種方法是實(shí)踐中最常用和有效的方法之一。 Kupiec的檢驗(yàn)方法就是基于這種思想，他提出了兩種檢驗(yàn)方法：失敗頻率檢驗(yàn)法和第一次失敗時(shí)間檢驗(yàn)法。把實(shí)際損失超過 VaR的估計(jì)稱為失敗，把實(shí)際損失低于 VaR的估計(jì)記為成功。 一、 VaR模型的準(zhǔn)確性檢驗(yàn) 檢驗(yàn) VaR模型準(zhǔn)確性的方法有多種，主要包括失敗檢驗(yàn)法、區(qū)間檢驗(yàn)法、分布預(yù)測法、超額損失大小檢驗(yàn)法、方差檢驗(yàn)法、概率預(yù)測法及風(fēng)險(xiǎn)軌跡檢驗(yàn)法等。由于準(zhǔn)確性檢驗(yàn)是在事后進(jìn)行的，所以也稱后驗(yàn)測試 (Backtesting)。 p、 q都是小概率。 如果時(shí)間 t的狀態(tài)是“動(dòng)蕩”的，存在一個(gè)概率 1q ，在時(shí)間 t+1時(shí)，狀態(tài)仍然為“動(dòng)蕩”的，但也存在一個(gè)概率 q ，狀態(tài)轉(zhuǎn)化為“正常狀態(tài)”。 1987股災(zāi)之后，市場的不穩(wěn)定性仍然很大，而簡單的 Jumps 模型隱含有這樣的含義，即在一個(gè) jump出現(xiàn)以后，收益率的易變性重新回到“正常水平” 。 狀態(tài)轉(zhuǎn)換模型（ Regime Switches） Jumps 模型 隱含著收益率的時(shí)間序列中出現(xiàn)遠(yuǎn)離均值收益率的極端值。 例如，下列模型是非常流行的： Jumps 模型（跳躍模型） 其中， 即時(shí)刻 t的收益率總是等于 R, 它服從正態(tài)分布，但每一個(gè)時(shí)期，都存在一個(gè)影響收益率的大沖擊（跳躍） ，其出現(xiàn)的概率為 p 。 不幸的是，這種分布沒有好的性質(zhì)，因此計(jì)算 VaR時(shí)的分界點(diǎn)價(jià)值只能進(jìn)行數(shù)值計(jì)算。最常用的模型是 GARCH (1,1)，模型為： ARCH模型家族非常龐大，你可以參考 Bollerslev, Chou and Kroner的文章 :“ARCH Modeling in Finance” in the Journal of Econometrics (1992)，這里有這些模型的詳細(xì)內(nèi)容和參數(shù)估計(jì)方法。事實(shí)上，從協(xié)方差的計(jì)算開始，協(xié)方差的估計(jì)為： 同樣，利用遞歸的方法 ： 根據(jù) RiskMetrics，現(xiàn)在的估計(jì)值為： ● Exercise: Compute the 99% 1day VaR for the previous examples under the current RiskMetrics estimates. Comment on your results. 標(biāo)準(zhǔn)差的預(yù)測方法及預(yù)測的精確度問題 。 RiskMetrics估計(jì)的方差值為 比以前我們所使用的%的歷史數(shù)據(jù)大。 RiskMetrics (. Man) 提出了一種給予各觀測值不同權(quán)重的方法，最近的觀測值給予更大的權(quán)。如考慮歐元與日圓收益率之間的相關(guān)系數(shù)的移動(dòng)平均值： 同樣，它是隨時(shí)間而變化的。使用距現(xiàn)在較長時(shí)間的數(shù)據(jù)可能與明天收益率標(biāo)準(zhǔn)差的估計(jì)無關(guān)，然而使用較少的數(shù)據(jù)，卻可能降低估計(jì)的精度。 簡單移動(dòng)平均法 考慮收益率方差變化的最簡易方法是應(yīng)用最新的數(shù)據(jù)估計(jì)標(biāo)準(zhǔn)差，例如不是利用象我們在 3年的收益率數(shù)據(jù)而是應(yīng)用最近若干天的數(shù)據(jù)，如 90天的數(shù)據(jù)（前面部分） 。 如果我們?nèi)》讲罟烙?jì)量的均值，如： 如下圖，我們可以看到， 方差的估計(jì)量隨時(shí)間大幅變動(dòng)。 假設(shè) USD/EU外匯收益率 M t 服從 正態(tài)分布，即： 這里， 隨時(shí)間變化。這涉及到資金利用和風(fēng)險(xiǎn)管理的問題。 對于這些問題，使用大樣本數(shù)據(jù)，可以部分地得到解決 。這意味著 1% 最低百分位數(shù)是第 3個(gè)最負(fù)的收益率數(shù)值，因此，由于我們僅有2 低于該數(shù)值的觀測值 , 那么計(jì)算的 VaR數(shù)值并不可靠 ，應(yīng)用統(tǒng)計(jì)的術(shù)語，它不顯著，因?yàn)榇嬖诤艽蟮臉?biāo)準(zhǔn)差。但對這個(gè)數(shù)據(jù)的解釋要小心 。為了計(jì)算 VaR, 對樣本區(qū)間 [0,t]中的每一個(gè) ，令 為股票 S t 的日收益率，我們可以計(jì)算明天股票模擬價(jià)格的變化為： 給定明天股票模擬價(jià)格的分布 ，可以根據(jù) Black and Scholes formula計(jì)算 明天看跌期權(quán)的價(jià)格 ，最后，我們可以計(jì)算證券組合價(jià)值變化的分布。 處理非線性衍生證券的全值法 歷史分布密度方法也可以用來消除我們 題。 同樣，此值比使用正態(tài)分布假設(shè)下，通過計(jì)算均值和標(biāo)準(zhǔn)差，進(jìn)而計(jì)算的 VaR 數(shù)值大（為 $177, ）。為計(jì)算 99% 1 day VaR, 我們只需要計(jì)算 證券組合價(jià)值變動(dòng) 的歷史分布中，左邊1%對應(yīng)的分位數(shù)即可。如 中的例子，我們可以找到 % 的分位點(diǎn)，記為 則： 此值大于獨(dú)立同分布正態(tài)收益率假設(shè)下的 VaR(等于 $78,). 這種方法對估計(jì)大型證券組合的 VaR也是十分有效的 。實(shí)際上（上圖） , 1% 處分界點(diǎn)的值對應(yīng)于 正態(tài)分布中 % 的值 (非標(biāo)準(zhǔn)正態(tài) ), 在實(shí)驗(yàn)（歷史）分布中對應(yīng)于 % 。從圖中可以看出，歷史分布密度圖表現(xiàn)為胖尾細(xì)腰的特征，這就是說， USD/Euro匯率日收益率出現(xiàn)大值或小值的概率比具有相同期望收益率和方差的正態(tài)分布假設(shè)下出現(xiàn)大值或小值的概率大，亦即這些值比正態(tài)分布假設(shè)下作出的預(yù)測更容易發(fā)生。這一部分，我們將分析幾種不同的 VaR 計(jì)算方法，這些方法不依賴于 獨(dú)立同分布正態(tài)收益率的假設(shè) 。 非線性 VaR(NonLinear ValueatRisk) 將（ 2）式重新整理為： 這里， 如果， 非線性 VaR 如果 是 分布的 分位數(shù)，這樣，更好的估計(jì)是： 在這種情況下，我們得到： VaR = 這告訴我們什么？（ 當(dāng)頭寸不服從正態(tài)分布時(shí)， VaR計(jì)算的一般方法 ） 第五節(jié) 非獨(dú)立同分布正態(tài)收益率下的 VaR計(jì)算