風(fēng)險(xiǎn)值波動(dòng)率

1、風(fēng)險(xiǎn)值波動(dòng)率風(fēng)險(xiǎn)值波動(dòng)率百科名片隨著金融創(chuàng)新的不斷發(fā)展，對(duì)金融風(fēng)險(xiǎn)的研究逐步深入。國(guó) 際監(jiān)管機(jī)構(gòu)致力于建立國(guó)際統(tǒng)一的風(fēng)險(xiǎn)測(cè)定與管理標(biāo)準(zhǔn)，各 國(guó)管理機(jī)構(gòu)則在研究與本國(guó)相適應(yīng)的方法與政策手段。各國(guó) 金融機(jī)構(gòu)從自己的生存與發(fā)展出發(fā)，也研究并使用了大量的 模型、方法來(lái)管理風(fēng)險(xiǎn)。迄今為止還沒(méi)有一個(gè)完全科學(xué)的方 法被普遍接受。但是，隨著金融風(fēng)險(xiǎn)管理理論的發(fā)展， VaR( Value- at- Risk)方法正在得到改進(jìn)，并被越來(lái)越多的 監(jiān)管機(jī)構(gòu)和金融機(jī)構(gòu)作為風(fēng)險(xiǎn)測(cè)定與管理的強(qiáng)有力工具。1目錄基本內(nèi)涵VaR衡量的方法VaR 的解析方法(Analytic Method)VaR的歷史模擬法VaR的蒙特卡羅法(M

2、onte Carlo ) 績(jī)效評(píng)估展開(kāi)基本內(nèi)涵VaR衡量的方法VaR 的解析方法(Analytic Method)VaR 的歷史模擬法VaR 的蒙特卡羅法( Monte Carlo )績(jī)效評(píng)估展開(kāi)編輯本段基本內(nèi)涵風(fēng)險(xiǎn)值(VaR)是已知的金融界廣泛使用的衡量和管理金融市 場(chǎng)風(fēng)險(xiǎn)的工具之一，也是巴塞爾委員會(huì)要求的銀行評(píng)價(jià)市場(chǎng) 風(fēng)險(xiǎn)資本充足率的數(shù)量依據(jù)。常用的方差-協(xié)方差法計(jì)算VaR 的一個(gè)關(guān)鍵點(diǎn)是準(zhǔn)確預(yù)測(cè)波動(dòng)率。隨著中國(guó)金融改革的不斷 深入，金融機(jī)構(gòu)在風(fēng)險(xiǎn)管理中運(yùn)用適當(dāng)?shù)臉?biāo)準(zhǔn)和方法，可以 提高金融機(jī)構(gòu)的風(fēng)險(xiǎn)管理能力，提升其競(jìng)爭(zhēng)力。風(fēng)險(xiǎn)值，有人翻譯為在險(xiǎn)價(jià)值或風(fēng)險(xiǎn)價(jià)值，有的學(xué)者稱為“風(fēng) 險(xiǎn)值革命”(

3、VaR revolution，Holton，Glyn)、也有學(xué)者形容 為“風(fēng)險(xiǎn)管理的杠桿”(Benchmark of Risk Management， Jorion，1997)。VaR通常被定義為“給定置信區(qū)間的一個(gè) 持有期間的最大預(yù)期損失”，即在未來(lái)一段時(shí)期內(nèi)，當(dāng)基礎(chǔ)資 產(chǎn)價(jià)格產(chǎn)生不利變化時(shí)，在給定置信水平下，所持有的資產(chǎn) 頭寸可能產(chǎn)生的最大可能損失。以搭汽車為例，如果估計(jì)搭 乘100次汽車中，只有1次或5次晚點(diǎn)的時(shí)間超過(guò)10分 鐘，這個(gè)“10分鐘”就是汽車晚點(diǎn)的風(fēng)險(xiǎn)值。用數(shù)學(xué)符號(hào)來(lái)嚴(yán) 格定義VaR :令一個(gè)投資組合的初始價(jià)值為P0，收益率為R，則其持有 期末的價(jià)值為。令R的期望值與波動(dòng)性分

4、別為L(zhǎng)和R，在給定置信水平 下該投資組合的最小價(jià)值為。因此，。以上定義實(shí)際上是一種相對(duì)損失，VaR有時(shí)也定義為相對(duì) 于0的絕對(duì)損失，即從上述推導(dǎo)可看出，求解VaR實(shí)際上相當(dāng)于確定最小 價(jià)值P*或是最小收益率R*。通常情況下，VaR可通過(guò)P的 概率分布f ( p )求出。則對(duì)于某一置信水平C下的投資組合 最低價(jià)值P*，有：在假定未來(lái)收益服從正態(tài)分布時(shí)，可簡(jiǎn)化VaR的計(jì)算。此 時(shí)，根據(jù)置信水平選擇一個(gè)度應(yīng)的乘子，用資產(chǎn)組合的標(biāo)準(zhǔn) 差與該乘子相乘，即可求得VaR。與時(shí)間間隔$t相對(duì)應(yīng)的 相對(duì)VaR為：。類似的，絕對(duì)VaR為：。由上述分析可見(jiàn)，計(jì)算VaR的核心在于估計(jì)投資資產(chǎn)的 未來(lái)收益的統(tǒng)計(jì)分布或概

5、率密度函數(shù)。大多數(shù)情況下，直接 估算投資組合的未來(lái)收益幾乎是不可能的，因?yàn)榻鹑诘耐顿Y 組合一般包含種類繁多的金融工具，并且無(wú)法保留估計(jì)過(guò)程 中所需的所有相關(guān)的歷史數(shù)據(jù)。因此，通常將證券組合用其 市場(chǎng)因子來(lái)表示，證券組合價(jià)值是其所有市場(chǎng)因子的函數(shù)。 風(fēng)險(xiǎn)值巧妙地運(yùn)用一些統(tǒng)計(jì)學(xué)的基本觀念于風(fēng)險(xiǎn)的衡量上， 將過(guò)去常用以衡量風(fēng)險(xiǎn)的觀念綜合起來(lái)。人們將它最早應(yīng)用 于金融機(jī)構(gòu)來(lái)衡量市場(chǎng)風(fēng)險(xiǎn)。許多金融風(fēng)暴的產(chǎn)生，表面上 固然與市場(chǎng)風(fēng)險(xiǎn)有關(guān)，實(shí)質(zhì)上卻更可能是由信用風(fēng)險(xiǎn)、流動(dòng) 風(fēng)險(xiǎn)、甚至操作風(fēng)險(xiǎn)所產(chǎn)生。由于風(fēng)險(xiǎn)值觀念的普遍性，這 些風(fēng)險(xiǎn)的標(biāo)準(zhǔn)化風(fēng)險(xiǎn)值也在逐漸發(fā)展起來(lái)。1 編輯本段VaR衡量的方法雖然應(yīng)用VaR方

6、法對(duì)風(fēng)險(xiǎn)進(jìn)行測(cè)定與管理，越來(lái)越受到人 們普遍的認(rèn)同，但至今還沒(méi)有一個(gè)公認(rèn)的最佳實(shí)施方法。方 法基本上可化分為三類：解析方法、歷史模擬法和蒙特卡羅 模擬法。VaR 的解析方法(Analytic Method)解析方法又稱為資產(chǎn)收益的方差-協(xié)方差估計(jì)，在解析方法 中，以Delta-正態(tài)模型便于計(jì)算，實(shí)際使用最多。Delta-正 態(tài)模型通過(guò)映射，把大量的頭寸映射為有限數(shù)量的基本市場(chǎng) 因素，它通過(guò)市場(chǎng)因子而不是頭寸進(jìn)行計(jì)算，從而減少了計(jì) 算的難度。具體計(jì)算流程如下：第一步，識(shí)別基礎(chǔ)市場(chǎng)因子，將投資組合中的金融工具映射 為一系列只受單一市場(chǎng)因子影響的標(biāo)準(zhǔn)頭寸。第二步，估計(jì)市場(chǎng)因子的方差矩陣。假定市場(chǎng)因子

7、的變化服 從正態(tài)分布，估計(jì)分布的參數(shù)，得到方差-協(xié)方差矩陣。 第三步，估計(jì)標(biāo)準(zhǔn)頭寸的Delta。第四步，估計(jì)標(biāo)準(zhǔn)頭寸的方差-協(xié)方差矩陣。標(biāo)準(zhǔn)頭寸的方 差由市場(chǎng)因子的方差和標(biāo)準(zhǔn)頭寸市場(chǎng)因子的Delta決定，相 關(guān)系數(shù)與市場(chǎng)因子之間的相關(guān)系數(shù)數(shù)值相等，但有時(shí)符號(hào)不 同。第五步，組合價(jià)值變化與VaR估計(jì)。使用標(biāo)準(zhǔn)的統(tǒng)計(jì)方法， 根據(jù)標(biāo)準(zhǔn)頭寸的方差、協(xié)方差求組合價(jià)值的變化，得到VaR 的估計(jì)結(jié)果。VaR= ZARp t，其中Rp = d E dT ； ZA=正態(tài) 分布置信區(qū)間估計(jì)；d=為靈敏度，也為投資組合中某項(xiàng)資 產(chǎn)的現(xiàn)金流量。E=為市場(chǎng)因子的協(xié)方差矩陣。市場(chǎng)因子的價(jià)格變化率服從N( L , E )每

8、個(gè)市場(chǎng)因子期望價(jià)格變動(dòng)率L 為零，即 L= L1 , L2 , , LN T = 0 , 0 , , 0 T 該方法最大的優(yōu)點(diǎn)就是簡(jiǎn)單，便于計(jì)算，尤其在投資組合所 對(duì)應(yīng)頭寸數(shù)目較市場(chǎng)因子數(shù)目多時(shí)。JP摩根從1994年以 來(lái)一直致力于向公眾推廣普及的CreditMet rics模型正是基 于Delt a-正態(tài)模型。然而，Delt a-正態(tài)解析法也存在缺陷： 首先，它對(duì)于如股票或匯市崩盤(pán)等事件風(fēng)險(xiǎn)無(wú)能為力。由于 事件風(fēng)險(xiǎn)不經(jīng)常發(fā)生，因而歷史數(shù)據(jù)無(wú)法充分地表達(dá)有關(guān)事 件風(fēng)險(xiǎn)的信息。其次，許多金融資產(chǎn)收益率分布都存在/肥 尾0(Fat tail)現(xiàn)象，由于VaR著重考慮投資組合收益率分 布的左半部分，

9、存在肥尾現(xiàn)象時(shí)，以正態(tài)分布假設(shè)為基礎(chǔ)的 模型不能很好地符合實(shí)際的VaR。1VaR的歷史模擬法歷史模擬法采用的是全值估計(jì)法，即根據(jù)所持有的資產(chǎn)組合, 過(guò)去的一段期間的收益率的歷史變化和當(dāng)前的市場(chǎng)價(jià)格，重 新構(gòu)造資產(chǎn)組合未來(lái)價(jià)格和收益率的可能變化值，再經(jīng)過(guò)從 小到大排序，得到損益分布，通過(guò)給定置信區(qū)間下的分位數(shù) 求出VaR。舉例說(shuō)明，假設(shè)投資組合中各項(xiàng)資產(chǎn)過(guò)去101天 的歷史價(jià)格資料已知，則若想計(jì)算投資組合持有1天的風(fēng)險(xiǎn) 值，其操作流程包含五個(gè)步驟：第一步，利用投資組合中各資產(chǎn)過(guò)去歷史價(jià)格變動(dòng)量，配合 各資產(chǎn)當(dāng)前的市場(chǎng)價(jià)格，計(jì)算各資產(chǎn)的未來(lái)價(jià)格模擬值。第二步，將第一步所求得的投資組合中各資產(chǎn)價(jià)格模

10、擬值， 依當(dāng)前所持有資產(chǎn)之頭寸權(quán)重，重新計(jì)算投資組合的價(jià)值。 第三步，以各資產(chǎn)當(dāng)前價(jià)格計(jì)算投資組合當(dāng)前的價(jià)值。第四步，由第二步和第三步可得出100筆未來(lái)收益率的模擬 值。第五步，將所構(gòu)造的未來(lái)收益率的模擬值，由小到大順序排 列，在給定置信水平下1- A，依分位數(shù)即可得出風(fēng)險(xiǎn)值。 歷史模擬法是一種非參數(shù)估計(jì)方法，它不需要假定金融資產(chǎn) 的統(tǒng)計(jì)分布，因而可以很好地處理非正態(tài)分布以及解決“肥尾” 現(xiàn)象；并且該方法是一種全值估計(jì)，可有效地處理非線性組 合。但是，歷史模擬法對(duì)歷史數(shù)據(jù)依賴程度非常高；對(duì)所有 各期歷史數(shù)據(jù)賦予相同的權(quán)重；而且它假定過(guò)去能夠很好地 代表將來(lái)，這樣就采用一種樣本路徑，從而忽略了臨

11、時(shí)的波動(dòng) 性。1VaR的蒙特卡羅法(Monte Carlo)蒙特卡羅模擬法也稱為隨機(jī)模擬法(random simulation)， 是假設(shè)資產(chǎn)價(jià)格的變動(dòng)依附在某種隨機(jī)過(guò)程的形態(tài)，利用電 腦模擬，在目標(biāo)范圍內(nèi)，產(chǎn)生隨機(jī)價(jià)格的路徑,以此構(gòu)造資產(chǎn) 收益率分布，進(jìn)而推估風(fēng)險(xiǎn)值。蒙特卡羅模擬法與歷史模擬 法的基本概念相似，但不同之處在于，蒙特卡羅模擬法的價(jià) 格變動(dòng)率$Pi是從所指定的隨機(jī)過(guò)程中任意抽取出來(lái)的。 蒙特卡羅模擬法為已知的各風(fēng)險(xiǎn)值計(jì)算方法中較為常見(jiàn)者，它涵蓋非線性資產(chǎn)頭寸的價(jià)格風(fēng)險(xiǎn)、波動(dòng)性風(fēng)險(xiǎn)，甚至可以 計(jì)算信用風(fēng)險(xiǎn)?？商幚砭邥r(shí)間變異的變量、肥尾、不對(duì)稱等 非正態(tài)分布和極端狀況。但是，蒙特卡羅

12、模擬法需要繁雜的 電腦技術(shù)和大量的重復(fù)抽樣，既昂貴又費(fèi)時(shí)；對(duì)于代表價(jià)格 變動(dòng)的隨機(jī)模型，若是選擇不當(dāng)，會(huì)導(dǎo)致模型風(fēng)險(xiǎn)的產(chǎn)生。1編輯本段績(jī)效評(píng)估風(fēng)險(xiǎn)值預(yù)測(cè)了未來(lái)可能產(chǎn)生的最大損失，除了應(yīng)用在資本準(zhǔn) 備和避險(xiǎn)策略上以外，其明確量化風(fēng)險(xiǎn)的特性，則是作為績(jī) 效評(píng)估的最佳利器。由于高風(fēng)險(xiǎn)常伴隨高的收益，高收益的 操作績(jī)效則可能是高額損失的預(yù)告，因此評(píng)估操作績(jī)效時(shí)， 風(fēng)險(xiǎn)的考慮更加重要。將VaR的觀念引用到收益的調(diào)整上， 則產(chǎn)生了風(fēng)險(xiǎn)調(diào)整后的資本收益率(Risk- Adjusted Return on Capital，RAROC)。RAROC的中心思想是將風(fēng)險(xiǎn)帶來(lái) 的未來(lái)可預(yù)計(jì)的損失量化為當(dāng)期成本，直接對(duì)

13、當(dāng)期盈利進(jìn)行 調(diào)整，衡量經(jīng)風(fēng)險(xiǎn)調(diào)整后的收益大小，并且考慮為可能的最 大風(fēng)險(xiǎn)作出資本儲(chǔ)備，進(jìn)而衡量資本的使用效益，使銀行的 收益與所承擔(dān)的風(fēng)險(xiǎn)直接掛鉤，與銀行最終的盈利目標(biāo)相統(tǒng) 一，為銀行各部門(mén)的業(yè)務(wù)決策、發(fā)展戰(zhàn)略、績(jī)效考核、目標(biāo) 設(shè)定等經(jīng)營(yíng)管理工作提供依據(jù)。RAROC的基本表達(dá)式為：，其中R為收入，OE為經(jīng)營(yíng)成本，EL為預(yù)期損失，CaR 為風(fēng)險(xiǎn)資本。上式中，“收入”包括銀行的利差收入和中間業(yè) 務(wù)等非利息收入；“經(jīng)營(yíng)成本”是指銀行的各種經(jīng)營(yíng)管理費(fèi)用 支出；“預(yù)期損失”有不同的計(jì)量方法，但它有四個(gè)方面的要 素，即違約概率、違約損失率、違約風(fēng)險(xiǎn)值和期限；“風(fēng)險(xiǎn)資 本”是指根據(jù)銀行所承擔(dān)的風(fēng)險(xiǎn)計(jì)算出的

14、最低資本需要，用以 衡量和防御銀行實(shí)際承擔(dān)的、超出預(yù)計(jì)損失的那部分損失， 是防止銀行倒閉的關(guān)鍵。CaR是由VaR衍生而來(lái)，兩者最 大的不同點(diǎn)在于，CaR將資本因素納入衡量之中。VaR是 與銀行的日常營(yíng)運(yùn)有關(guān)；而CaR則是牽涉到處理銀行總體 風(fēng)險(xiǎn)性資本及清償能力的問(wèn)題。使用RAROC對(duì)銀行業(yè)績(jī)進(jìn) 行評(píng)估，是符合銀行經(jīng)營(yíng)管理需要的。通過(guò)該方法進(jìn)行資本 分配和設(shè)定經(jīng)營(yíng)目標(biāo)，銀行的管理人員在確定了銀行對(duì)風(fēng)險(xiǎn) 的最大可承受能力的基礎(chǔ)上，總體計(jì)算銀行所需要的風(fēng)險(xiǎn)資 本與監(jiān)管資本和賬面資本比較，客觀評(píng)價(jià)銀行自身的資本充 足情況，并將有限的資本在各類風(fēng)險(xiǎn)、各種業(yè)務(wù)之間進(jìn)行合 理有效的分配，對(duì)銀行的總體風(fēng)險(xiǎn)和各

15、類風(fēng)險(xiǎn)進(jìn)行總量控制。 而且RAROC從股東角度考慮銀行績(jī)效評(píng)價(jià)結(jié)果，避免銀行 管理者短視行為的發(fā)生，注重銀行經(jīng)營(yíng)風(fēng)險(xiǎn)與銀行未來(lái)發(fā)展 能力相結(jié)合。中國(guó)金融業(yè)欲與國(guó)際性的發(fā)展看齊，管理上的危機(jī)意識(shí)就必 須先與國(guó)際接軌。利用VaR方法進(jìn)行有效率的風(fēng)險(xiǎn)測(cè)定和管 理，不僅有助于金融機(jī)構(gòu)自身的經(jīng)營(yíng)與發(fā)展，而且對(duì)國(guó)家金融安全和宏觀經(jīng)濟(jì)的發(fā)展都會(huì)產(chǎn)生積極的作用。2參考資料.崔悅文、李輝，全國(guó)商情：經(jīng)濟(jì)理論研究，VaR:風(fēng) 險(xiǎn)管理的核心，2006年08期.周大慶，風(fēng)險(xiǎn)管理前沿M，北京：中國(guó)人民大學(xué)出 版社，2003年 .wpSeries(padding-left:5px;margin-bottom:30px.w

16、pSeries .journalyearnum(color:#666.wpSeriesa(text-decoration:none.wpSeries li(padding:0 0 10px 25px;background:url(/static/widget/lemma/wpSeries/wp_1 a41e408.png) no-repeat 0 -42px;line-height:20px.wpSeries .entra(height:28px.wpS eries .entra .more(padding-top:0.wpSeries .entra .from(flo at:right;height:20px;background:url(/static/widget/lemma/ wpSeries/wp_1a41e408.