第13章 市场风险： 模型构建法.pptVIP

市场风险：模型构建法 窦玉龙 基本方法论 计算VaR时须设定两个参数：时间展望期及置信度。假定交易组合的价值变化在某指定展望期服从正态分布，交易组合价值变化的期望值通常假设为零，所以VaR的计算公式为 : VaR = 模型构建法对由股票、债券、商品和其他产品长短头寸所组成的资产组合中十分实用，其理论基础是马科维茨关于组合管理的先驱性理论。由资产自合中的基础资产的均值和方差，以及产品回报的相关性，估计市场的方差及协方差。 计算交易组合的VaR的假设条件：市场变量每天的百分比变化服从正态分布，并且组合价值变化每天的变化也服从正态分布。 基本方法论 我们现在考虑当交易组合只包含单一资产时如何使模型建立法来计算VaR。假定交易组合只包含价值为1000万美元的微软公司股票，在计算中我们选择10天的展望期，同时我们假定置信的数量。在计算过程中首先将展望期选定为一天。 假定微软公司股票的波动率为每天2%，因为交易头寸的数量为1000万美元，交易组合每天价值变化的标准差为1000万美元的2%，即200000美元。 在模型构建中，我们往往需要假定在展望期上，市场价格的期望值为0，这一假设虽然不是绝对正确，但无论如何是一个合理假设。同标准差相比，市场变量在一个较小区间内价格变化的期望值相对较小。例如，微软公司的年回报大约是20%，以一天计，预期回报大约是0.2/252=0.08%，与此对应每天价格变化的标准差大约为2%。考虑10天的展望期，预期回报大约为0.08%*10=0.8%，而10天所对应的回报标准差为6.3%。 截至目前，我们得出微软公司的股票每天价格变化的标准差为200000 美元，并且每天价格变化的均值为0.我们假定价格的变化服从正态分布。因为N（-2.33）=0.01，我们得出正态分布下，价格变化下降大于2.33倍的标准差的概率为1%，另外一种等价的说法是，在正态分布下，我们有99%的把握肯定价格下降程度不会超过2.33倍的标注差，因此，我们得出1000万美元的微软股票的一天展望期的99%VaR等于 2.33*200000=466000（美元） 假定微软股票每天之间变化相互独立，因此N天的VaR等于一天的VaR乘以N的1/2次方。10天的99%VaR等于 466000*10^0.5=1473621(美元) 两个资产的情形 接下来考虑由价值1000万美元微软股票及价值为500万美元的ATT股票的交易组合。假定微软及ATT的股票价值变化服从二元正态分布，分布的相关系数为0.3。由统计学中一个标准的结果得出，如果变化X及Y的方差分别为σX和σY，变量的相关系数为ρ，那么X+Y的标准差为 σ（X+Y）=（σX^2+σY^2+2ρ*σX*σY)^0.5 在应用这一结果时，令X为微软股票价格每天的价格变化，令Y为ATT股票价格每天的价格变化， σX=200000，σY=50000 因此，由两种股票所组成的交易组合的标准差为220227。 交易组合价值变化的期望值为0，并且价值变化服从正态分布。我们得出一天展望期的99%VaR等于 220227*2.33=513129（美元） 10天展望期99%VaR=513129*(10)^0.5=1622657 风险分散的收益 我们以上考虑的例子满足以下性质： 由单一微软股票组成的交易组合的10天展望期的99%VaR等于1473621美元。 由单一ATT股票组成的交易组合的10天展望期的99%VaR等于368405美元。 由微软及ATT两种股票组成的交易组合的10天展望期的99%VaR等于1622657美元。 数量（1473621+368405）-1622657=219369（美元） 代表风险分散的收益。如果微软及ATT的相关系数等于1，由微软及ATT共同组成的交易组合的VaR等于微软的VaR加上ATT的VaR,因为相关系数小于1，这一性质会造成部分风险的分散化解。 推广 以上讨论的例子是采用线性模型来计算VaR的特例。假定，我们持有某交易组合的价值为P,在交易组合中有n个不同资产，投资组合中资产i数量为αi，定义为Δxi为资产i的每天回报，投资αi数量于资产i所产生的每天回报为αi*Δxi， 并且ΔP=Σαi*Δxi 式中，ΔP为整个交易组合实际的价值变化。 在上一节讨论的例子中，投资组合在第1项资产的投资数量为1000万美元，在第2项资产的投资数量为5