论金融市场风险测量模型—ｖａｒ原理及应用..docVIP

论金融市场风险测量模型—ＶａＲ原理及应用. 摘 要：详细介绍目前测量市场风险的主流模型-VaR，包括VaR产生的背景、VaR的概念；概述VaR的各种计算方法，比较计算方法的优缺点；最后就VaR的作用，应用及其局限性进行讨论。 　　关键词：VaR；历史模拟法；应力测试法；蒙特卡洛法；GARCH方法 　　 　　1 VaR模型方法产生的背景 　　 　　自20世纪70年代初布雷顿森林体系崩溃以来，浮动汇率制下汇率、利率等金融产品价格的变动日益趋向频繁和无序。由于分散金融风险的需要，金融衍生工具应运而生并得到极大的发展。在各种因素影响下，当衍生工具越来越多地被用于投机而非保值的目的时，市场风险就成为金融风险的最主要形式。 　　于是，如何有效地测定的控制这些市场风险便成为金融证券机构、投资者和有关监管层所面临的亟待解决的问题。VaR作为一个概念，最先起源于20世纪80年代末交易商对金融资产风险测量的需要，作为一种市场风险测定和管理的新工具，则是由J.P.摩根最先提出的。30人集团（Group of Thirty）在1993年发表的《衍生产品；惯例与原则》（Derivatives practices and principles）风险报告推荐各国银行使用VaR分析方法。随后，这一建议被银行业广泛接受，并已成为该行业风险管理的标准。 　　 　　2 VaR的基本原理及其计算方法 　　 　　2.1 VaR的概念 　　所谓VaR(Value at Risk)，按字面意思解释就是“按风险估价”，其实质是指在一定的置信度内，由于市场波动而导致整个资产组合在未来某个时期内可能出现的最大价值损失的一种统计测度。在数学上，它表示为投资工具或组合的损益分布（Pamp;L distribution）的α分位数（α-quartile）表达式为：P{△p△t≤－VaR}=α,其中△p△t表示组合p在△t持有期内、在置信度（Ⅰ-α）下的市场价值变化。等式说明了损失值等于或大于VaR的概率为α，或者说，在概率α下，损失值才大于VaR。 　　2.2 VaR的计算方法 　　目前，VaR的计算方法大多都围绕着对投资组合损益分布特征的确定而展开。基本思想是利用投资组合价值的历史波动信息来推测未来情形，只不过对未来价值波动的推断给出的不是一个确定的值，而是一个概率分布。在本文VaR的计算中，将每个证券映射为一系列“市场因子”组合。市场因子是指影响投资组合价值变化的利率、汇率、股指及商品价格等基础因素。按推测市场因子未来变化的方法不同，当前VaR的计算方法大致可分如下几种方法： 　　历史模拟法是一种简单的基于经验的方法，它不需要对市场因子的统计分布做出假设，而是直接根据VaR的定义进行计算，即根据收集到的市场因子的历史数据对证券组合的未来收益进行模拟，在给定置信度下计算潜在损失。 　　 　　蒙特卡罗模拟法与历史模拟法十分类似，它们的区别在于前者利用统计方法估计历史上市场因子运动的参数然后模拟市场因子未业的变化情景，而后者则直接根据历史数据来模拟市场因子的未来变化情景。 　　GARCH方法使用GARCH模型来描述市场因子。GARCH模型是由Engle首先提出的。它和方差协方差法的区别在于Σ的计算。GARCH方法是根据多元GARCH模型，利用极大似然准则估计t时刻市场因子的协方差矩阵Σt。 　　2.3 计算方法的评价 　　历史模拟法：其优点是不需要正态分布等假设，简洁、直观、易于操作。但它是以使用者获取或保存了大量的实际数据为前提的。它的缺点是缺乏活性。历史模拟法假定了收益分布在整个样本时限内是固定不变的。同时它不能提供比样本点中最大损失还要坏的预期损失。使用者所选取的样本大小对预测结果会造成很大的影响。此外，运用HS无法作特殊情况下的敏感性测试。 　　方差协方差法：计算简便，只需要估计每种资产的标准差和它们之间的相关系数就可以得出任意组合的VaR值。然而这种方法基于两个基本的假定：即线性假定和正态分布假定。实际应用时还要有零均值的假定。有研究结果表明：（1）实际的收益率数据分布并不关于零点对称；（2）实际的收益率数据分布尾部概率分布概率要比正态分布大，即厚尾现象。所以使用这种方法会低估风险。 　　GARCH方法：对财务变量回报的分布GARCH模型具有良好的特性，即持续的方差和处理厚尾的能力。但GARCH方法还是用到了零均值的正态分布假定，而且在证券组合的价值函数中用到了一阶近似，从而带来不可避免的偏差。 　　蒙特卡罗模拟法：由于该方法能较好地处理非线性问题，且估算精度好，特别是随着计算机软硬件技术的飞速发展，该方法已逐渐成为计算VaR值的主流方法。但蒙特卡罗模拟法存在两个缺点：其一是计算量太大，