【正文】 沒有直接反映企業(yè)的違約率； 不易采用有效的向后測試法； 不能確保估值的穩(wěn)定性； 還不是一種通用的風險測度法 ， 對其進行度量的技術(shù)水平還不完善 鑒于 ES具有優(yōu)于 VaR的性質(zhì) ， 而且對于原來采用 VaR進行風險度量的商業(yè)銀行只需在原有的系統(tǒng)上升級就能使用 ES， 不必廢除原有系統(tǒng) ， 因而隨著金融全球化的發(fā)展 ， 為防范日益增大的金融風險 ，ES具有廣泛的應(yīng)用前景 。由于采用傳統(tǒng)方法來估計很困難， ES的向后測試需要比較實際損失超過 VaR的期望值與估算出的 ES，但是實際損失超過 VaR水平的頻率很低，故需要更多數(shù)據(jù)，同時對期望值的計算精度也不高 。 ? 從實際運用的角度看， ES依賴于估計的穩(wěn)定性及有效的向后測試方法的選擇。例如在 99%置信水平下組合 A的 VaR為 1000萬美元，組合 B為 1500萬美元，比較 VaR可知組合 A的風險要小于組合 B的風險。但 ES剛好考慮的是尾部損失的期望值大小，因此在一定程度上排除了尾部風險。次可加性（投資組合風險值不超過其各個組成部分的風險值之和）意味著具有組合風險分散化效應(yīng)，違背次可加性將對風險資本金的分配產(chǎn)生了較大的困難，給全面風險管理帶來很大的障礙，同時本來由于風險分散化效應(yīng)使得金融機構(gòu)能用比理論潛在損失少得多的資本來運作的好處也不存在了。 但我們由 ES的性質(zhì)知它是滿足二階隨機占優(yōu)的 ， 從這個意義上來說 ，ES更符合理性化條件 。 F(x) VaRα 1 VaRα 2 （ 1 ? x VaR只滿足一階隨機占優(yōu) ， 不滿足二階隨機占優(yōu) ， 而二階隨機占優(yōu)考慮了投資者的偏好問題 （ 假定投資者為風險厭惡的 ） 。 下圖顯示了這一點 。 VaR和 ES在風險度量方面的性質(zhì)比較 VaR不是光滑連續(xù)的 。 ES是比 VaR更為優(yōu)良的統(tǒng)計估計值 ， 運用 ES技術(shù)進行風險度量可以避免 VaR的內(nèi)在缺陷 ， 起到金融風險優(yōu)化的作用 。其特點為： ? 1 自上而下的方法 ? 2 多維預(yù)測 ? 3 長遠戰(zhàn)略性方法 商業(yè)銀行市場風險度量 ES模型 ? 盡管 VaR在對市場風險進行定量計算上發(fā)揮著不可或缺的作用 ， 但是在一致性風險度量體系下其固有的缺陷一覽無遺 。 紐約利率 7景源于紐約第 126條監(jiān)管條例 ， 它要求企業(yè)測試一下 7種利率變化情景對公司的影響： ? l 原有利率 ? l 利率在頭 10年每年均勻遞增 ％ ， 然后維持不變 ? l 利率在頭 5年每年均勻遞增 1％ ， 其后的 5年間每年均勻遞減 1％ ， ? 然后維持不變 ? l 利率即刻跳升 3％ ， 然后維持不變 ? l 利率即刻跳低 3％ ， 然后維持不變 ? l 利率在頭 10年每年均勻遞減 ％ ， 然后維持不變 ? l 利率在頭 5年每年均勻遞減 1％ ， 其后的 5年間每年均勻遞增 1％ ， ? 然后維持不變 極端測試與情景分析的比較分析 ? 極端測試 測試銀行在關(guān)鍵市場變量突變情況下的表現(xiàn)狀況。 情景分析 ? 所謂情景分析是假定包括政治、經(jīng)濟、軍事在內(nèi)的投資環(huán)境發(fā)生變化，首先分析市場主要變量的可能變化，進而分析對商業(yè)銀行資產(chǎn)組合的影響 ? 情景分析是一個戰(zhàn)略角度的分析技巧，它使得公司能夠評價各種不同的偶然事件對自身利潤流量的潛在影響。 3. 對眾多風險因素進行不同幅度的測試所帶來的工作量巨大。 ? 極端測試的缺陷 1. 測試變量與測試幅度選擇問題。 2. 極端測試不需要明確得出發(fā)生某一類事件的可能性大小，因而沒有必要對某一種變化確定一個概率，相對較少涉及復(fù)雜的數(shù)學(xué)知識，非常適合交流。在這種情況下，損益結(jié)果是嚴格線性的。下圖中表示的是即期匯率上下波動時對損益的影響?，F(xiàn)在我們手中有一份遠期合同，需要在合同到期時按照當時的即期匯價賣出 。 ? 極端測試的步驟 ? 選擇測試對象 ? 鑒定假設(shè)條件 ？ ，新的假設(shè)是什么？ ？ ? 重新評估產(chǎn)品組合的價值 ? 決定行動計劃 ? 極端測試實例 對一種貨幣（德國馬克）的單一角度的極限測試。參數(shù)風險也稱為估測風險，它源于測量參數(shù)不精確，即使在一個完全穩(wěn)定的環(huán)境下，我們都不可能觀測到真實的期望回報以及波動度隨著參數(shù)數(shù)量的增加，參數(shù)風險也不斷擴大，用來估測風險的參數(shù)越多，由于其內(nèi)部相互作用而產(chǎn)生錯誤的幾率就越大，它們對風險測度的誤導(dǎo)性就越大。 對于傳統(tǒng)的股票期權(quán) ， 這些假設(shè)是成立的 ，但是對于如短期利率期權(quán) ， 運用這一模型就不合適了 。 函數(shù)形式的風險是模型風險中最典型的風險類型 ， 如果對證券進行估價的函數(shù)選取不當 ， 就會導(dǎo)致估價誤差增大 。 在歷史的圖形突然發(fā)生了突然而劇烈變化的情況下 ， 就會導(dǎo)致基于歷史數(shù)據(jù)的模型失效 。 然而 ， 即使過去的數(shù)值測量完全精確 ， 也不能保證將來不會應(yīng)產(chǎn)過去從未發(fā)生過的 ， 令人措手不及的事情 。 ④適用于正常市場條件下對于市場風險的衡量，而對 于市場出現(xiàn)極端情況時卻無能為力。 ② VAR方法適用于包括利率風險、匯率風險、價格風 險及衍生工具風險在內(nèi)的各種市場風險的衡量。 巴塞爾委員會要求采用 99%的置信區(qū)間。BankersTrust選擇 99%?；ㄆ煦y行選擇%。并非整齊劃一，一般在 95%到 99%之間。通常采用的置信水平為 5%、 %和 1%。 一些流動性很強的交易頭寸往往需以每日為期計算風險收益和 VaR值； 一些期限較長的頭寸 ,如養(yǎng)老金和其它投資基金 ,則可以以每月為期 ；巴塞爾委員會要求銀行以兩周 ,即 10個營業(yè)日為持有期。正如前面提到的不同期限波動率的區(qū)別一樣，不同持有期間的 VaR也相差很大，期限越長，市場參數(shù)的波動率就越大，相應(yīng)的 VaR也會增大?；蛘哒f每天將市場風險導(dǎo)致?lián)p失的數(shù)額約束 在 3500萬元以內(nèi)的概率有 99%。 舉例說明： 以銀行 Bankers Trust的數(shù)字為例。 稱 1%的置信水平下的 VaR值。 根據(jù)標準正態(tài)分布的性質(zhì)，有如下表達式： P(損失 ) =% P(損失 ) =1% 表示該筆資產(chǎn)在一天內(nèi)的損失超過 %，損失超過 的概率為 1%。 商業(yè)銀行市場風險綜合衡量體系 市場風險綜合衡量體系由 VAR方法、極限測試和情景分析三種相互補充的技術(shù)共同組成。 商業(yè)銀行市場風險衡量的歷史演變 5）預(yù)期分析階段 以風險價值為主體的市場風險綜合衡量體系具有明顯的局限性，比如主要衡量正常變動下的市場風險，不能有效處理金融市場處于極端價格變動的情形，且不具備凸性，不能反映分散化效應(yīng)等。 商業(yè)銀行市場風險衡量的歷史演變 4）綜合衡量體系階段（風險價值、情景分析與極限測試） 90年代后銀行管理者逐漸注意到金融衍生工具日益廣泛的應(yīng)用所帶來的風險沖擊，建立一套有明確獨立性和權(quán)限的市場風險管理職能成為當務(wù)之急，并迫切需要準確及時的市場風險衡量方法的出臺。 商業(yè)銀行市場風險衡量的歷史演變 3）動態(tài)模型階段 八十年代初期 ， 計算機技術(shù)發(fā)展迅猛 ， 帶動了資產(chǎn)負債管理軟件的開發(fā)與應(yīng)用 ， 市場風險衡量的收益與成本兩方面都朝著有利的方向邁進 。另外 ， 它假設(shè)隨著利率的變化 ， 債券現(xiàn)金流并不受影響 ， 而現(xiàn)實中很多債券在到期日前可以提前贖回 (或賣出 )，導(dǎo)致其持續(xù)期發(fā)生突然的變化 。 2） 運用麥考萊持續(xù)期或修正持續(xù)期衡量利率風險簡單明了 ， 但存在某些局限性 。 由于持續(xù)期分析中要選取貼現(xiàn)利率 ， 而貼現(xiàn)利率的選擇范圍是很大的 ， 因此 ， 不同的利率會帶來不同的結(jié)果 。 持續(xù)期缺口與銀行凈值之間的關(guān)系 DGAP 利率變動 凈值變動 正 上升 減少 正 下降 增加 負 上升 增加 負 下降 減少 零 上升 不變 零 下降 不變 持續(xù)期分析的優(yōu)點 ? 持續(xù)期分析擺脫了缺口分析中對考察期進行劃分的難題，而使用現(xiàn)值對銀行資產(chǎn)和負債的利率風險進行考察，這不僅考慮了短期的利率風險，對較長期的利率風險也進行了分析 。 持續(xù)期缺口模型 商業(yè)銀行可以使用 持續(xù)期缺口 (duration gap簡稱 DGAP)來衡量 資產(chǎn)負債的利率風險 。 rDD??? 1mod 現(xiàn)舉例加以說明 ， 假設(shè)某投資者有意購買一種面值為 1 000元的債券 ， 債券的期限是 10年 ， 年息票率為 10%(每年付息一次 )， 當前市場利率為 12%， 那么可以計算出該債券的麥考萊