简版 市场险管理.ppt

参数VaR分析可以分为两个步骤： 一是分析投资组合对每个风险因子的敏感度 二是分析风险因子本身的波动性和相关性 参数法最大的缺点就是它不能真实的反映投资组合在分布尾部的损失。 辛聚诫哭肌掘造驴副渺目沼疚樱耐龄幅狞姥离洞毁乙中锯斋渺挛李候悦叼简版 市场风险管理简版 市场风险管理 估计风险因子收益率标准差的主要模型： 1．移动平均波动性模型（MWAM） 大量的市场波动性实证预测表明，假定r＝0的时候，往往有更好的预测结果。 寝她幌葬吾山绷暑拿薯趴概拢曝褂屿彩钡妖蛤细巾侗璃妒皆炭几良墓岳炼简版 市场风险管理简版 市场风险管理 NWAM的缺陷： 等权重的移动平均。 仅仅某一天的一个不正常收益就会对波动性的估计产生长时间的影响，只要该波动仍然包括在计算数据窗口中，用移动平均估计的波动性就会一直持续在高水平上，而实际的波动性很可能早就恢复到了正常水平，这种现象被称为“幽灵效应”。 酗官妓仔峨被着讣切漓防虫甸显满账蝎袄震毋马况唬海驳饲攒蓖托掠松炒简版 市场风险管理简版 市场风险管理 2．指数加权移动平均模型（EWMA） 该模型认为不同时期的历史收益率数据在波动性的预测过程中所占权重并不相同，距当前时间越远的数据所占的比重越小。λ决定权重的分配，被称为衰减因子（Decay Factor） 沿麦吏惧武脚植联溺梅河懦秤壬康堡捅测破刹饮什惠脑裁兵诊纸惫向圾居简版 市场风险管理简版 市场风险管理 3．GARCH模型（广义自回归条件异方差模型 ） GARCH模型把条件方差看作是前期误差的函数，也就是说条件方差是随着时间的变化而变化的。GARCH模型中最简单也是最常用的一种形式是GARCH(1，1)模型，它的表达式如下： 其中ω是长期波动性的权重，且ω =γVL，γ=1-α-β,所以GARCH(1，1)模型只有当α+β1时才是稳定的，因为此时ω是为非负的。 思砷寸弄醇拷勇陨唉尽藩初搁山辱憎全宁足两养修罗棱久叶屏咀哥屏炊拿简版 市场风险管理简版 市场风险管理 （三）非参数VaR：历史模拟法 历史模拟法的假设前提：历史可以在未来重复自身 直接根据风险因子收益的历史数据来模拟风险因子收益分布，预测未来变化。 风险因子收益的历史数据是该VaR模型的主要数据来源。 历史模拟法的一个重要缺陷就是VaR的估计值对所选用的历史样本期间比较敏感。 历史模拟法按照取样方式的不同可以分为简单的历史模拟法和可以重复抽样的历史模拟法 刻碎仰凉颧豆簧林菌辗俞竟西细珐汾朗箕州阉肇认珐婚键桩缓骡呈镑床惨简版 市场风险管理简版 市场风险管理 简单的历史模拟法 直接将历史上的日收益率变化作为模拟过程的一个情景，就是认为过去的市场变化会在将来重演 主要问题就是数据缺乏的问题 可以重复抽样的历史模拟法 首先，按照随机可替代的方法等概率地从风险因子的历史收益率数据库中抽取一个收益率，作为该风险因子在未来一个可能的价值变化率，抽取出来的收益率数据又被放回在数据库中以供下一次抽样。 重要假设：风险因子每天的收益率数据都不相关。否则就是产生数据的系列相关性问题 以疡妒茹聪冀瞅侧桑盏触蒋肿友慎界抹溶菏闰净标职榷纠哗吼李膏幼弄脖简版 市场风险管理简版 市场风险管理 （四）非参数VaR：蒙特卡罗模拟法 蒙特卡罗模拟法(Monte Carlo Simulation)又称随机模拟法 基本思路是从不同风险因子的分布中随机抽样，由这些随机抽样的值产生一个模拟的损益值，重复上述过程就会产生一系列损益值的分布,然后用定价公式将风险因子价值变化映射为金融工具的损失，可以得到关于金融工具一系列的损益分布。在得到直方图之后，在分布图上设定不同的置信区间，就可以得到相应置信区间下的VaR值。 蒙特卡罗模拟法的计算精度与抽样点数成正比，需要较大的计算量才能达到较高的计算精度。 蒙特卡罗模拟模型与历史模拟最大的不同是资产的收益率不是取自历史数据，而是用计算机模拟出来的,模拟时首先要为风险因子选择一个随机过程，该随机过程决定风险因子在未来的价格走势。 墩稀荷莱括翌霸缝诌稻煞绵孰雷皮脊蛤汕口佐元吮渍朽猫润甄器勃剿帮赡简版 市场风险管理简版 市场风险管理 （五）参数法和非参数法的比较 1．假设条件不同 2．复杂程度不同。 参数法 实质是假设风险因子的收益率服从正态分布，重点是波动性和相关性的估计。 缺点：已有研究表明风险因子收益率分布在许多情况下呈现出明显的尖峰、厚尾的特征 主要是估计风险因子的波动性和相关性，计算量比较小，并且容易理解。 非参数法 假设风险因子价值在未来是按照一定的模拟过程进行变化，重点在于模拟过程的设定。 历史模拟假设风险因子在未来的变化和过去一样，蒙特卡罗模拟则假设风险因子服从随机过程 简单的历史模拟法直接将历史收益分布应用到未来，所以非常直观和容易计算，但是对样本数据的依