(风险测度.docVIP

1.风险测度的缘起 Markowzti时代之前，金融风险曾被视为期望收益的修正系数。1952年， Marko初zt提出用与收益分布的均值的偏离，即方差来测度与各单个资产的收益 相应的风险，而在考虑多资产投资组合时，用组合内各对资产之间的协方差决定 该组合风险水平，即Cov[X，Y]二E[X，Y]一E[X]E[Y]，其中X和Y为随机收益。 Marko诚zt的主要创新在于他通过所有单个资产的联合分布来测度投资组合 的风险。多元分布由所有成分随机变量的边缘统计特性以及它们的相关结构来刻 画。Mkarowizt用单变量分布的乘积来描述前者，通过每对随机收益之间的相关 系数来描述后者，即P(x，Y)一ocvlx，Y]/(弓时尹，其中丐和几分别表示独立 随机变量X和Y的标准差。 我们注意到，Markowizt模型与恰当的效用函数密切相关。效用函数允许投 资者在对资产和资产组合进行排序时有个人主观选择。当相关的分布不是正态分 布时，尽管是对称的分布，效用函数就必须为二次函数。而在实际中，这样的限 制阻碍了Makrowizt模型在投资组合上的应用。使得模型的应用仅限于由收益的 联合正态分布所描述的投资组合，在这种情形下，所有资产的收益以及它们之间 的相关结构均是正态的。 1%3年，Mkarowizt的学生sh哪e根据Mkarowizt的模型建立了一个计算相 对简化的模型—单一指数模型，即刀模型。这一模型假设资产收益只与市场总 体收益相关，从而大大降低了计算量。各种证券的收益与市场收益之间的线性依 赖关系的测度刀，引出了主要的定价理论，如cAPM和APT。这些模型都在“正 态世界”中发展，而当他们被用于日常生活中的情况时，则有可能导致错误的结 果。比如说，非市场的贷款是完全非对称的，甚至是有尖峰的，并且，某些发展 中国家的公债的收益分布可能包含极值。 不幸的是，Markowizt模型已经被视为问题的解决方案，而且被不恰当地用 于很多风险不能用方差描述、依赖性不能用线性相关系数来测度的实际案例中 了，而且有时所用的效用函数根本不是二次函数。因此，很可能会得出非理性的 结果，影响风险监管效果。 2.新的研究进展 多元正态分布模型之所以非常吸引人，是因为任意两个随机变量之间的相关 性都可以由它们的边缘分布和线性相关系数完全描述。很明显，这些模型离实际 应用的要求还有较大的差距。实际中，单个资产的投资回报的积累分布是偏斜的 (非对称的)、有峰值的或是胖尾的。更有甚者，资产的投资回报是非连续分布的。 由于缺乏恰当的理论框架，先进模型的引入受到了阻碍。 于是有学者考察了单变量收益的统计模型，进而利用连接函数技术将其推广 到了多元变量的情形。连接函数的概念从1970年代中期开始发展，研究多元分 布。但连接函数的使用仍然不能解决小概率事件的处理问题，如分布的尾部问题 等。 近几年，关于新的风险测度的研究主要集中在以下5个不同但关系密切的方 面: 1.风险测度的定义以及一致(ocheerni)风险测度的结构 2.保险溢价(premia)理论的合理性 3.最佳交易(gooddeals)理论 4.广义双曲型Leyv过程 5.多元分布的相关性研究一连接函数(cPuolaunfctino) 进行第一个方向研究的代表人物有:PhihppeArtZner，FerddyDelbaen’ Jena一MaerEber和DvaidHehat。几乎是在同时，ShunaWnag，VirginiaYoung， 和H印汀yPnajer在研究保险溢价问题时得到了与投资问题相似的结论。与此同时， setwartHodges提出了最佳交易(gooddeals)理论。1995年Eberiein和Keller将双 曲型分布引入到金融中，给出了一个对每日资产价值分布的非常精确的拟合。这 一研究与广义Lvey运动的研究有关。最后一个方向就着重研究连接函数(cPuola 九nctoin)在相关尾事件，即非正常事件同时发生的可能性的调查中的应用。这类 事件之所以值得研究是因为在此情况下，可能发生的损失程度将非常惊人。不论 是线性相关还是其它的相关测度都不能完全描述这类事件。出于这样的原因，许 多研究者将连接函数技术应用到广义的随机变量的相关结构的分析中。可见，有 关的研究正在从多个方面试图解决随机变量分布对风险测度的影响问题。有关新 的风险测度的研究可能是被金融机构所制定的规则的新趋势和学术界对应用不 正确甚至是误导的风险测度的反应所带动的。毕竟，金融机构要求有非常成熟的 控制模型。 1994年，在险价值(Valueat形ks，下文简称vaR)的概念，在一片赞扬声中 诞生。这种方法的明确的任务就是回答下面这样一个问题:在确定的概率下，投 资者如何预期将会在某年某月某天损失多少钱?他