第二章金融风险测度概述.ppt

3. 成分vaR 我们继续上文中关于欧元与日元投资组合的例子。根据公式： 我们可以得出投资组合的成分VaR: 通过以上计算，我们得到这两种成分的实际总和确实达到了21211元人民币的整体VaR水平。最大的构成成分是欧元，它的波动性相对于日元来讲较低。 * 谢 谢 * * * 更进一步，另xi代表投资组合中资产i的具体投资额，即:xi=wi几，则投资组合的VaR又可表示为: 在这类模型中，对于方差一协方差矩阵的预测，使用最多的 风险矩阵，风险矩阵采用移动平均方法中的指数移动平均模型(EWMA)预测波动性。它假定过去的回报分布可以合理地预测未来情况，可用历史数据的时间序列分析估计市场因子的波动性和相关性。具体而言，EWMA给出的公式如下: 上式 中为衰变因子，并且必须小于1， 为在己知时刻t-1的有 关信息下对 t 时刻方差的预测， 为时刻t-1的收益率,通过递归代 替 ： * Delta模型计算VaR的主要步骤： (l)风险映射识别基础市场因子，将投资组合中的金融工具映射为一系列只受单一市场因子影响的标准头寸。 (2)市场因子的方差一协方差矩阵估计假设市场因子的变化服从正态分布，估计分布的参数(如方差和相关系数)，得到方差一协方差矩阵。 (3)估计标准头寸的Delta。 (4)估计标准头寸的方差一协方差矩阵根据估计出的Delta和市场因子的方差一协方差矩阵，计算出相应的标准头寸的方差一协方差矩阵。标准头寸的方差由市场因子的方差和标准头寸对市场因子的Delta决定，相关系数与市场因子之间的相关系数数值相等，但有时符号不同。 (5)组合价值变化与VaR估计使用标准的统计方法根据标准头寸的方差、协方差求出组合价值的变化，得到VaR的估计结果 b. Delta一正态法的缺点 (l)优点: ①该方法易于实行，因为它包含一个简单的矩阵乘数，即使是数目较大的资产，此方法也能很快运算。 ②作为一种参数方法，VaR经得起分析，因为边际风险和增量风险的衡量也可从VaR计算过程中得到。 (2)缺点: ①它不能很好地预测突发事件的风险。所谓突发事件是指一些不寻常的或极端的情况，如股票市场崩溃或汇率暴跌。但突发性风险并不是频繁地发生的，所以用最近的历史数据的概率分布很难给予充分的揭示。这是利用历史序列的所有方法的通病。 * ②许多金融资产的收益分布尾部较粗。由于VaR试图在左尾部捕捉投资组合的收益情况，尾部粗大特别麻烦。这会使基于正态近似的模型低估异常值比例和实际风险价值。 ③这个方法不适合度量诸如期权或抵押等非线性金融工具的风险。在这种方法下，期权的头寸可由他们的基本资产有关的Delta来表示。 除上述两种方法外，vaR计算中最典型的算法还有 MonteCar1O模拟法(MC)。 * 该方法是一种随机模拟方法。它用市场因子的波动参数产生市场因子未来变动的大量可能路径(而历史模拟只能根据市场因子的特定历史变动路径产生有限的未来波动情景)。虽然正态分布是MC中最常用的分布假定，而MC却无须假定市场因子服从正态分布。MonteCarlo模拟法依赖于特定的随即过程和所选择的历史数据，计算量大，计算时间长，比上述两种方法更为复杂。鉴于此，不对该种方法不做详尽阐述。 * 4 VaR工具 VaR是作为衡量投资组合风险的一种方法，但是VaR的用途比单单计算一个数值要广得多。在日常的风险管理中，一个典型的问题是:哪种头寸的变化对VaR的影响最大?这类信息是非常有用的，因为投资组合的交易量会根据交易成本的变化而变化。这一点正是VaR工具的用途所在，VaR工具包括边际VaR、增量VaR和成分VaR。 * 1.边际VaR 边际VaR是指当组合中的某种资产增加一个单位时，引起的投资组合VaR的变化值。它也是投资组合VaR对权重的偏导 因为 ，所以得到， 这样第i个资产的边际VaR可以表示为: * 我们回忆一下风险系数β，β是用来衡量一种资产对投资组合整体风险的影响力度。β定义如下: 我们也可以用矩阵形式写出向量β： 总的来说，△VaR与β之间的关系可表示为: * 2.增量VaR 增量VaR是指当组合中增加了一个新的头寸时VaR的变化。我们用α表示新增加的头寸，则增量VaR就是先后VaR的差，也就是 。为尺为了简化计算，我们使用下面的近似计算，我们将 围绕初始点展开成一个系列值的和，那么有: 在上式中，如果离差特别小的的话，我们就可以忽略掉二次项。增量VaR可以近似地表示为： * 3.成分V