风险度量方法研究.pdf

风险度量方法研究 内容摘要：本文在对现有的非一致性风险度量模型和一致性风险度量模型分析的基础上， 提出了一种新的一致性风险度量概念和一类新的风险度量指标，即主观调整的一致性风险度 量模型。现行标准风险管理工具VaR 和内在一致风险度量方法ES 等分别是该度量方法的一 种特例。 关键词： Value at risk （VaR）、Condition Value at risk (CVaR) 、Expected shortfall (ES)、 Distortion Risk-Measure、内在一致性风险度量指标、主观调整的一致性风险度量模型； 近二十年来，由于受经济全球化和金融一体化、现代金融理论及信息技术、金融创新等 因素的影响，全球金融市场迅猛发展，金融市场呈现出前所未有的波动性，金融机构面临着 日趋严重的金融风险。近年来频繁发生的金融危机造成的严重后果充分说明了这一点。因此， 如何更准确合理的度量金融风险成为金融机构、政策当局及学术界的密切关注的热点问题。 一、基本概念和模型回顾 1、 VaR 模型 （Value at Risk ）： 风险价值模型产生于1994年，比较正规的定义是：在正常市场条件下和一定的置信水 平a 上，测算出在给定的时间段内预期发生的最坏情况的损失大小X 。在数学上的严格定 义如下： 设X 是描述证券组合损失的随机变量，F (x) 是其概率分布函数，置信水平为a ，则： VaR (a ) min {x | F (x ) a} 该模型在证券组合损失X 符合正态分布，组合中的证券数量不发生变化时，可以比较 有效的控制组合的风险。因此，2001年的巴塞耳委员会指定VaR模型作为银行标准的风险度 量工具。但是VaR模型只关心超过VaR值的频率，而不关心超过VaR值的损失分布情况，且 在处理损失符合非正态分布 （如后尾现象）及投资组合发生改变时表现不稳定。 2 、 一致性风险度量模型 (Coherent measure of risk)： Artzner et al. (1999) 提出了一致性风险度量模型，认为一个完美的风险度量模型必须满 足下面的约束条件： 1、单调性：X V,X 0 r(X ) 0 ； 2 、次可加性：X V, Y V,X Y V r(X Y) r(X ) r(Y ) ； 3、正齐次性：X V, h f 0, hX V r(hX ) hr(h) 4、平移不变性：X V, a R r(X a) r(X ) a 次可加性条件保证了组合的风险小于等于构成组合的每个部分风险的和，这一条件与我 们进行分散性投资可以降低非系统风险相一致，是一个风险度量模型应具有的重要的属性， 在实际中也具有重要的意义： 首先，次可加性在银行的资本金确定上具有重要意义，如某银行有很多支行组成，每个 支行根据自己的风险分别计算自己的资本金需求数量，则该银行总的资本金需求量会小于等 于每个支行的资本金需求量之和。 其次，次可加性条件在我们求解最优化组合中也具有重要的意义，在该条件下求解最优 化组合的问题变成了一个凸规划，它的解具有存在唯一性。 但我们前面介绍的VaR模型不满足次可加性条件，它不是一致性风险度量模型，因此在 某种意义上不是一个好的风险度量指标。例如：假设有两个面值100元，且不同时违约的企 业债券A和B，初始值都为98.9元，在不同的期末事件发生情况下，这两个债券的支付如下 表： 期末事件 A B A+B Prob 1 70 100 170 3% 2 90 100 190 2% 3 100 70 170 3% 4 100 90 190 2% 5 100 100