第章 金融市场风险的度量.ppt

3. Gamma-CF方法和Gamma-Johnson方法产生的主要背景： 若采用资产组合价值的损益 关于风险因子变化向量的二阶Talyor展式作为 的近似，即使风险因子的收益率服从正态分布， 也不服从正态分布，此时计算VaR就比较麻烦。 二、基于Delta-Gamma类方法的VaR计算  ——(二) 其他重要的Delta-Gamma类方法 Gamma-CF方法的基本思想： 通过非标准正态分布 的偏度和峰度对标准正态分布的分位数进行调整，从而得到 自身的分位数近似计算公式。 Gamma-Johnson方法的基本思想： 对非正态分布 做一个单调变换，使得变换之后的随机变量服从标准正态分布。 二、基于Delta-Gamma类方法的VaR计算  ——(二) 其他重要的Delta-Gamma类方法 三、基于Hull-White正态变换方法 1. Hull-White正态变换方法，最早由Hull和White (1998)提出，核心思想是： (1) 利用变换 将风险因子收益率 rit (非正态随机变量，分 布函数为Git) 变换为标准正态随机变量 fit； (2) 利用Cholesky分解方法，模拟生成关于多元 正态随机向量(f1t , f2t , … , fnt)的样本； 三、基于Hull-White正态变换方法(续) (3) 利用逆变换 得到风险因子收益率随机向量 (r1t, r2t,…,rnt) 的样本； (4) 在上述样本基础上计算VaR。 第八节 压力试验 引言 1. 现实市场中的非正常波动或者极端波动的事件和情景时有发生，金融风险因子或金融资产价值的变化分布往往呈现出明显的“厚尾”特征，此时继续运用经典的VaR方法度量厚尾分布事件的风险将有可能产生较大的估计偏差。 引言(续) 对于厚尾分布，通常有两种理解： 一种是与正态分布比较，把峰度比正态分布高的分布称为厚尾分布。包括t-分布、对数正态分布、广义误差分布、混合正态分布等。 本文厚尾分布皆是这种意义的。 另一种是Ramazan Gencay的定义，即满足 的分布F（x）称为厚尾分布。 按该定义，上述的分布都不是厚尾的。 3. 压力试验和极值理论是目前度量厚尾分布事件风险的两种基本方法。本节介绍压力试验，下一节介绍极值理论。 4. 压力试验，是在模拟或构造未来可能出现的极端情景的基础上，对极端情景及其影响下的资产组合的价值变化做出评估和判断。 5. 压力试验的两种主要方法： (1) 情景分析法 (2) 系统化压力试验 引言(续) 三、基于Monte Carlo模拟法计算VaR的应用举例 2016年11月10日，某投资者买入10000股招商银行股票，价格为17.80元/股。 请问： 假定招商银行的股价变动服从几何Brown运动，请用连续型方法模拟出招商银行股价在未来两天内变化的一条样本路径。 下一个交易日，在99%置信度水平下，该投资者的最大可能损失是多大？ 三、基于Monte Carlo模拟法计算VaR的应用举例 2016年11月10日，某投资者构造了一个投资组合，将100万元按50%的权重分别投资到了招商银行和新华保险这两个股票。请基于Monte Carlo模拟法分析该投资者在下一个交易日的损益情况。 请问： 该投资头寸的期望值是多少？ 在95%置信度水平下，该投资者的最大可能损失是多大？ 三、基于Monte Carlo模拟法计算VaR的应用举例 第一步 以历史数据估计风险因子的分布特征 风险因子协方差矩阵Σ 　 ΔS（美元/英镑） Δr （%/年） Δr* （%/年） ΔS 3.02E-05 -1.89E-05 -0.000515 Δr -1.89E-05 0.001305 0.000145 Δr* -0.000515 0.000145 0.011152 风险因子样本均值 　 ΔS Δr Δr* 　 0.00055 -0.000395 -0.010132 第二步 风险因子协方差矩阵的Cholesky分解 a 0.005495453 下三角矩阵T b -3.44E-03 d -9.37E-02 c 0.035960699 e -0f 0.048429394 三、基于Monte Carlo模拟法计算VaR的应用举例(续) 第三步 利用Monte Carlo模拟方法生成三个风险因子的样本 第四、第五步 估值并计算VaR 风险因子的随机数 风险因子未来变化的可能取值 远期合约价值和损益的可能取