厚尾分布事件中的市场风险度量-压力试验和极值理论.pdfVIP

3.8 厚尾分布事件中的市场风险度量 ——压力试验和极值理论  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。 1 厚尾分布的两种理解  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。按此理解，t-分布、 对数正态分布、广义误差分布、混合正态分 布等均属厚尾分布。  另一种是Ramazan Gencay的定义，即满  足0 esx dF (x)  （s  0 ）的分布F （x ） 称为厚尾分布。但是按该定义，上述的分布 都不是厚尾的。 2 3.8.1 压力试验  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。  本部分仅以度量极端情景下的市场风险为例， 依次介绍两种主要方法：  情景分析法  系统化压力试验。 3 1 ．情景分析法  情景分析法是最常用的压力试验方法，主要 用于评估一个或几个市场风险因子突然从当 前市场情景变化到某些极端情景或事件的过 程中对资产组合价值变化的影响程度。  各种情景分析法的实施主要包含两个关键步 骤：情景构造、情景评估。 4 情景分析法主要包括  典型情景构造法（或标准压力情景法）  历史情景模拟法  VaR情景构造法  Monte Carlo情景模拟法  特殊事件假设法等。 5 （1 ）情景构造  情景构造是情景分析法的基础，其目的在于生成若 干个不同的极端情景，并对极端情景下的风险因子 进行评估。  为便于解释，下面先用数学符号给予刻画。假设r1 ， r ，… ，r 是影响资产组合价值P的n个风险因子， 2 n 对n个市场风险因子依次赋值所得到的一个取值组 合，称为一个市场情景，用向量表示为 r (r r ..., r ) i i,1, i,2, i,n 其中i=0表示当前时刻，i1表示未来第i时刻 6 ① 典型情景构造  典型情景构造，是通过对市场风险因子r 、r 、…、 1 2 rn （例如，利率、汇率、证券价格、商品价格等） 的未来变化进行构造模拟，进而生成极端情景。  由于典型情景的生成方法通常有一些成熟做法或标 准可循，所以典型情景法又称为标准压力情景法。  衍生产品政策集团（Derivatives Policy Group ， 简称DPG ）针对银行业所提出的标准压力情景法比 较全面、系统，也很具影响力，已为许多银行所广 泛应用。