CVaR风险度量及投资组合优化实证分析.docVIP

CVaR风险度量及投资组合优化实证分析 　　【摘要】CVaR法是在VaR法基础上优化改进而来的风险度量方法。通过CVaR法对金融资产风险进行评估，对投资组合资产配置进行优化等成为了金融风险管理的重要内容。本文首先对比了CVaR和VaR法的区别，并通过比较A股和H股收益分布的特征得出A股更适用CVaR模型的结论。通过多因子选股模型选出投资组合成分，再使用均值-CVaR模型对投资组合进行优化，最终得到不同置信度和阀值下投资组合的优化结果。从而证明了该模型的有效性，突出了CVaR法在国内证券市场的使用价值和意义。 　　【关键词】CVaR VaR 投资组合 优化 　　一、引言 　　金融危机的周期性使得金融监管与金融风险管理成为了一直以来的焦点问题。如何在危机中减少甚至避免金融资产受到损失成为了理论研究与从业人员共同面对的难题。上世纪九十年代开始，VaR成为了金融风险度量最主要的模型。随后，压力测试、情景分析、返回检验等作为针对VaR缺陷的弥补手段开始广泛运用在金融机构风险管理中。而CVaR则在2000年左右作为VaR的改进方法被首次提出，迅速受到了学者的广泛关注和研究。 　　中国证券市场起步较晚，前后尚不足三十年时间。目前仍旧存在制度不完善、金融机构不成熟、金融工具不全面等问题，对于“收益率神话”过分追捧。2014年8月开始，中国股票市场在杠杆效应和改革消息的刺激下指数急剧上涨，在10个月时间内上涨超过150%，却又在随后不到20个交易日内暴跌35%。对于杠杆的过度使用和对风险的忽视造成了难以补救的资产损失，引起了金融监管者对于风险的关注。 　　作为股票市场运行的极端情况，这样的真实数据为金融风险管理和资产安全性评估提供了重要依据。通过使用风险度量模型来对投资组合进行优化，并在此基础上利用这类数据进行回测模拟是发达国家金融风险监管较为常见的测试方法。本文则是在与VaR对比分析基础上利用均值-CVaR模型来对投资组合进行优化，并利用数据进行检验模拟，从而验证CVaR方法的有效性。 　　二、CVaR度量效果的对比分析 　　从提出的时间和理论基础来看，CVaR（Conditional Value at Risk）是VaR（Value at Risk）的改进和修正方法。但作为风险度量方法，两者都具有各自的优劣特征，并被广泛运用到理论研究和实际风险控制中。 　　（一）VaR原理及特征 　　VaR，即在险价值法。意义为在一定的时间内，在一定的置信度下，投资者最大的期望损失。用数学或统计学的方式来表达即为： 　　在John C.Hull的著作《Options，Futures，and Other Derivatives》中，将VaR在实际运用中的结论定义为：有X%的把握，在今后的N天内损失不会大于V。 　　VaR作为风险度量的方法，最核心的参数为时间展望期（N天）和置信度（X%），用于描述在今后的N天内，当损失在1-X这个左尾分位点上时的期望值。 　　VaR的计算方法主要分为三种：历史模拟法（historical simulation approach）、模型构建法（model-building approach，也叫参数模型法）、蒙特卡洛模拟法（Monte Carlo simulation approach）。 　　表1 VaR主要计算方法简介 　　表格2 VaR主要计算方法优缺点对比 　　VaR的主要性质和特征包括： 　　（1）变换不变性：VaR（X+a）=VaR（X）+a，a∈R； 　　（2）正齐次性：VaR（hX）=hVaR（X），h0； 　　（3）协单调可加性：VaR（X1+X2）=VaR（X1）+VaR（X2）； 　　（4）不具有次可加性和凸性：这违背了组合投资能够分散风险的特性； 　　其中次可加性是VaR法存在一致性度量缺陷的主要原因。为了具有一致性度量的效果，通常会通过引入压力测试，针对极值使用BMM和POT来进一步分析。 　　（二）CVaR原理及特征 　　CVaR，即条件风险价值。意义为在一定的时间内，在一定的置信度下，投资者超过VaR分界点损失的期望值。用数学或统计学的方式来表达即为： 　　CVaRa=E（X|X≥VaRa） 　　从表达式中可以看出，CVaR相比于VaR更关注尾部风险。这也和两者的性质有关。VaR实际是一个分位点，而CVaR则是条件期望值，是超过某个分位点的损失的平均值。因此CVaR更加能够反映投资组合潜在的极端损失。作为VaR风险度量方法的改进，不仅保留了VaR的一些性质，如变换不变性、正齐次性等，还满足了次可加性：ρ（X+Y）≤ρ（X）≤ρ（Y）。 　　（三）VaR与CVaR在股票市场适用性的对比分析 　　相比于VaR，CVaR对极值风险的衡量更加全面。因