基于CTE与HG风险度量资本配置方法比较分析.docVIP

基于CTE与HG风险度量资本配置方法比较分析 　　[摘要]本文分析了条件尾部期望（Conditional Tail Expection，CTE）和一般Haezendonck_Goovaerts风险度量（以下简称HGRM）模型在资本配置中所表现出的差异性.本文对恒等Young函数、幂Young函数、对数Young函数，计算了相应的资本配置模型的解析表达式，然后用CTE和HG风险度量这两种方法，在总损失风险 的条件下，计算保险公司对个体风险的资本配置数额.通过数值模拟，这两种风险度量在资本配置上表现出的差异性进行比较分析.分析结果表明：在Young函数取下凸函数时，及风险态度为风险偏好时，基于HG方法得出的需要配置到个体风险上的资本数较小；在Young函数取下凹函数时，及风险态度为风险厌恶时，基于HG方法得出的需要配置到个体风险上的资本数较大. 　　[关键词]CTE；HG风险度量；Young函数；资本配置 　　前言 　　资本配置是在给定金融机构资本总量的基础上，将资本在不同的业务线中进行合理分配，使配置的资本和承担的风险相匹配.资本配置是否合理将影响管理者对相关决策的判断，直接关系到一个金融机构的生死存亡.所以很多学者将资本配置视为理论及实务研究的重点，其中许多研究是基于风险度量的方法解决资本配置问题.Urban（2003）基于方差、标准差、半方差、在险价值（Vaule-at-Risk，VaR）、预期损失（ES）、协方差等风险度量对不同保险组合头寸的资本配置进行了理论研究，文中指出风险度量值可以认为是分配到风险上的资本数额. 　　具体的，设某金融机构由n个业务线组成，其整体的经营信息如下：第i个业务线的风险为Xi（），Xi是定义于某个概率空间上的随机变量，且Xi是相互独立的，机构的总风险为. 　　从上述的论述中知资本配置的前提条件是对金融机构的风险进行量化分析.对风险进行量化主要有VaR、CTE、HG风险度量等方法.VaR是指在某一特定的持有期内，在给定的置信水平下，某一金融资产或证券组合的最大可能损失.詹雪瑞和刘俊梅（2013）对基于VaR和ES的资本配置方法进行了比较分析，得出基于ES的经济资本配置方法比基于 VaR 的经济资本配置方法更能反映资产的风险特征，更便于实施. 　　CTE可用如下公式进行计算： 　　CTE反映了损失超过部分的相关信息，即表示的是当损失超过它的部分时的损失值数学期望的大小[6].因此，在厚尾、偏斜等非正态分布的情况下，CTE对损失分布的数理特征能给予精确的刻画.考虑总损失的情况下，用表示为第i个风险的CTE贡献，即可认为是Xi对总风险S超过分位点的平均贡献[7]. 　　综上，以往基于风险度量的资本配置模型大多是线性的，在复杂的风险环境中，非线性形式的风险度量往往比线性风险度量更符合实际情形.HGRM是一族性质优良、应用广泛的风险度量.HGRM是Haezendonck和Goovaerts（1982）提出的基于Orlicz保费原理的风险度量（参见文献Haezendonck和Goovaerts，1982；Goovaerts等，2003）.由文献（Rockafellar和Uryasev，2000，2002）知，HGRM可以被视为一个广义的CTE，它们在处理组合问题中有一些很好的性质，比如次可加性，参见文献（Goovaerts等，2003，2004））. 　　本文基于CTE和HGRM方法研究在总损失风险的条件下，对个体风险Xi的资本配置数额.依据文献（Haezendonck和 Goovaerts，1982；Goovaerts等，2004）的定义，X1的HGRM为 　　其中表示置信水平，它与保险人的风险厌恶程度有关， X为门限值. 　　本文余下部分构成如下：第1节本文对恒等Young函数、幂Young函数、对数Young函数、计算了相应的资本配置模型的解析表达式.第2节是定理证明. 第3节给出了数值模拟与比较研究. 　　3、数值模拟与结果分析 　　本节运用R语言对个体风险资本配置情况进行数值计算，对CTE与HGRM方法的差异性进行对比分析. 　　时，同样假定有50个业务线构成的组合，个别业务线的风险的模拟数据来自于.同样取.当时，结果见表1. 　　从表1可以看出，在假定时，给定时，在条件下，.而且风险值随着q的增加都在增加. 　　上述模拟中，在资产组合的条件下，我们研究了对个体风险的资本配置情况.得出的情况与单个风险情况类似，当Young函数为下凸函数时，用HG风险度量得出的对风险的资本配置数额仍然较小. 需要配置的个体风险上的资本数额较少.从风险偏好角度来说，HG风险度量更符合保险人的对风险的态度. 　　时，同样假定有50个业务线构成的组合，个别业务线的风险的模拟数据来自于