VaR发展和近期国外探究文献综述.docVIP

VaR发展和近期国外探究文献综述中图分类号：F011文献标识：A文章编号：1009-4202(2013)07-000-02 摘要近年来，VaR（Value at Risk）已经成为全球范围内重要的衡量以市场风险和信用风险为主的金融风险的指标值，受到越来越多国外学者的重视并产生了许多重要的研究成果。本文首先阐述了VaR早期发展，并重点针对2010年后的国外新最研究成果进行综述。 关键词VaR发展文献综述 一、VaR的定义及早期发展 VaR（Value at Risk），即风险值或在险价值。它是G30的全球衍生品研究小组于1993年开始推广、使用的风险管理方法。目前对于VaR比较权威的定义是由Jorion(2005)给出的:VaR是在一定的置信水平下和一定的目标期内，预期的最大损失。其数学定义为:prob(xVaR)=1-α其中，X表示投资组合在持有期内的损失，VaR为置信水平α下处于风险中的价值。VaR值的计算方法众多，其中广泛应用的主要有历史模拟法、蒙特卡洛模拟法和方差―协方差法。 早在2000年以前，VaR方法已经成为金融机构进行风险管理的主要方法之一。国际清算银行和巴塞尔银行监管委员会都推荐使用VaR系统来估价市场头寸和评价金融风险。 然而，并非VaR的流行就意味着它没有缺陷。事实上,早在上世纪末Artzner（1999）等学者提出了相容性风险度量的概念，并得出一个行之有效的风险测量方法必须满足正齐性、次可加性、单调性及过渡不变性这四条公理假设,只有满足这四条性质的风险测量方法才是一致性风险度量。Artzner通过实证研究认为VaR在非正态分布的情况下不能满足次可加性,即VaR不是一个一致性风险度量。而且VaR不能测度超过VaR的损失,不能很好地控制尾部风险，VaR还存在排序不稳定的缺陷。 为了弥补这些不足，2000年以后国外学术界对VaR的研究主要集中于提出各种修正模型。其中最重要的一种就是最早被美国学者Roekafellar和Uryasev(2000)提出的条件风险值（CVaR）。作为VaR的修正模型，CVaR既保持了VaR的较好性质，又克服了VaR的不足：Pflug(2000)分析并证明了CVaR满足一致性风险测度四大公理的性质，并在此基础上构建了相应的证券组合的优化模型。Anderson(2001)运用CVaR方法对信用风险进行了检测分析，证明了CVaR是凸函数，可以用来构建有效的优化方法。Nikolas(2002)通过运用CVaR方法对资本的优化配置进行了实证分析，表明基于CVaR的风险最优化模型适用于不对称返回分布。Kibzun等(2003)讨论了CVaR优于VaR的众多特性及二者之间的联系，并给出了他们之间的关系式。至此CVaR完成了从市场风险度量手段到信用风险及多样化风险度量的转变，使得CVaR风险度量的框架得到了进一步扩大。 二、2010年至今VaR方法的发展与应用 2010年以来国外学者关于VaR的研究主要集中于以下两个方面： 1.其他风险指标的结合以满足相容性风险度量条件 一些国外学者改进了参数和半参数VaR方法，比如Dimitrakopoulos、Spyrou等（2010）运用VaR方法量化了1995年至2003年美洲、亚洲和欧洲的新兴资本市场的股票组合风险。在事后检验中发现对于1997年金融危机这类突发事件，VaR方法的预测会存在较大偏误，而参数VaR方法拟合和预测效果更好。Chun-Pin Hsu等（2012）通过联合极值理论（EVT）和多样copula模型来构建投资收益的联合分布的半参数方法来克服传统的通过蒙特卡洛仿真方法求解的资产组合的VaR值存在胖尾、尖峰、回归分布的非线性等不良特征。作者对六个亚洲市场的资产组合的数据的VaR值进行拟合，通过事后检测证实了这种方法可以获得更精确的VaR拟合值。也有一些学者通过引入风险价值、和期望不足(ES)作为投资组合保险策略绩效的评价指标,弥补上述研究的不足。J.Sadefo Kamdem(2012)，在假设风险因子服从凸性广义拉普拉斯分布的假设下，引入动态Delta-GLD-VaR、Delta-GLD-ES、Delta-MGLD-VaR、Delta-MGLD-ES与此同时运用条件多元相关GARCH模型给出了估计VaR值和ES值的显性线性方程。用这种方法得出的VaR值和ES值具有风险因子分布胖尾情况下更好的拟合历史样本数据的特点。Gregor N.(2012）通过对1500个包含了股票、商品以及外汇的资产组合的数据进行实证，比较了运用copula-GARCH模型和动态条件相关模型(DCC)模型预测投资组合风险的VaR和ES值的准确性。并发现某些特定形式的copula模型的确同较好的拟合