市场风险VaR课件.ppt

市场风险VaR;内容提要;VaR的定义;VaR的定义;VaR有两个定义 绝对VAR， 给定置信水平（99%）下的最大损失，也称VaR（零值） VAR（均值） ;;注： 大多数 VaR 都是短期风险，如1天、10天（监管者要求） 巴塞尔协议规定p=99% 对于内部资产，p=99.96%;VaR与ES的定义;VaR不满足次可加性的例子;VaR与ES的定义; VaR的计算;计算VaR的步骤;影响VaR计算的几个主要因素;几种常见的计算方法;历史模拟法（Historical Simulation Approach）;历史模拟法计算例子;; 10天VaR;历史模拟法的推广;;2、更新波动率 利用第i天波动率与当前波动率的不同，使用一种更新波动率的模式，并基于在第i天观测到的百分比变化来调整市场变量。例如,假定 是 的两倍。 市场变量在第i个情形会变成 ;3、自助法 假定有500个数据 由观测样本x=(x1，…，xn)构造经验分布函数Fn; 从Fn中抽取简单样本X*=（X1， …，Xm ），m=n, 重复步骤（2）N次，由Bootstrap子样得到样本p分位数，xp，i，i=1，…，N。 计算统计量: 由中心极限定理，可以得到xp近似服从正态分布，由此可以得到分位点的点估计和区间估计。 ;参数法;不同置信水平对应的临界值 ;如何选择c和时间段Dt;1日VaR 和 10日 VaR;均值方差法计算股票组合的VaR;（2）计算风险因子 Rv的分布：假设价格服从对数正态分布，日收益率 服从正态分布。假设股票收益率Ri服从正态分布，mi和si，相关系数为r。 （3）计算股票i的 1日和10日VAR;（4） 计算资产组合1日和10日的VaR ;通过对这两支股票一年的历史数据，可以估计收益率的均值和方差分别为 代入数据;where VaR1, VaR2, and VaRV denote the one-day value at risk at the 99 percent confidence level for 注意，资产组合的VaR小于两个资产的VaR的和，这反映了由于权益资产不完全相关而引起的资产组合效应。 ;均值方差法计算其他金融产品的VaR;均值方差分析的优缺点;均值方差的推广;2、t分布 大多数收益率是“胖尾”的。可使用t分布来描述，用三个指标 均值m、方差s2和自由度v V描述了胖尾形， v越小，尾部越胖；v越大，t分布越趋于正态分布。对于金融时间序列，v的取值常在4和8之间。;极值理论;广义Pareto 分布;参数的最大??然估计;运用极值理论估计VaR;极值理论的例子; 令u=200，nu=13。采用Excel计算中的 Solve程序，可求得使似然函数达到 最大值的参数值为 在99%的置信水平下的VaR值为 ;有关u的选择;蒙特卡罗模拟;计算股票组合的VaR;将上述过程离散化， 利用均匀分布随机数，可以得出构造价格路径所需要的随机数据。;当有多个风险资产 服从式（27）的几何布朗运动随机过程 ，相关系数为rij，均值为mi，方差为si，可将多变量方程写为 X = (X1, . . . , Xn)是多元正态随机向量，均值等于0，方差矩阵为S，Sij = E(XXT) = rij,;产生随机向量X = (X1, . . . , Xn)的方法 先产生n个正态随机变量随机数 计算矩阵A，使得S = AAT，例如 产生随机向量;最后，计算资产组合的价格和VAR 模拟10000次的价格路径，得到资产组合的价格经验分布，计算1%的分位数。 ;Monte Carlo Approach优缺点;回顾测试;8.*;Kupiec构建了一种基于首次出现损失超过VAR的时间的检验。 设 表示首次出现损失超过VAR所需要的天数，服从几何分布，零假设p=1-c,似然比检验为;;巴塞尔规则;在黄灯区，监管者根据出现特例事件的原因决定是否加以处罚。 模型的构成严谨。偏差的发生是因为头寸报告不准确，或者程序码错误。 模型的准确度科研提高。偏差发生是因为模型不能准确地衡量风险（到期观察值不足） 同日交易。头寸在当天发生变化 运气不好。 市场波动非常大或者相关性变化 ;回溯问题的要点在将运气不好和错误模型分开。下面的表给出了正确模型;后验测试注意事项;我国商业银行关于返回测试的;（三）内部模型的返回检验应至少满足以下要求： 1．商业银行应每日计算基于T-1日头寸的风险价值与T日的损益数据并进行比较，如损失超过风险价值则称为发生一次突破。 2．上述风险价值的持有期为1天，置信区间、计算方法以及使用的历史数据期限等参数应与使用内部模型法计提市场风险资本要求时所用参数保持一致。 3．突破的统计方