理论基础（参考）.pdfVIP

理论基础 1. 风险值（VaR ）概念 风险值概念指在一段时期内，一定置信水平下，当市场发生最坏状况时，投资组合的最 大可能损失金额。 在正常市场条件下，对于给定的置信水平(或比率) 1- α% ，其对应的临界值(或分位数)即 为该项金融资产或投资组合在统计上的最大可能损失金额，称为风险值(VaR)。 α%是最坏情况发生的概率。 设定最坏情况发生的概率越小，VaR 就越大。 VaR 值是一个与其置信水平有关的相对概念。 风险值的评估期间通常为一天，而置信水平为 95% ，评估期间的长度与风险值的大小 有密切的关系，通常来说，评估期间越长，风险值就越大。 2.VaR 度量方法比较 1）协方差矩阵法 协方差矩阵法度量风险值 （VaR ）的前提条件是假设风险因子的变化服从多元正态分布， 而真正要估计就是波动率（方差）和相关系数。 在正态分布的假设下，风险值存在公式解，可轻易比较不同评估期间与不同置信水平下 风险值的高低。统计上用的是参数估计技术。 不同情形下有两类方法：直接估算法和逼近法。 直接估算法：在投资组合为风险因子的线性函数、且风险因子的变化服从多元正态分布 的条件下（如，投资组合收益率服从多元正态），可以直接估算出投资组合的风险值。单一 资产情形时，只要估计资产收益率的方差，投资组合情形下，就要估计和分解资产收益率之 间的协方差矩阵。 逼近法：在投资组合与其包含的风险资产因子为非线性关系时，如著名的 Black-Scholes （1973））期权定价公式描述的期权价格与其标的物价格之间的关系等。就可以利用 Taylor 展开式来近似这种非线性函数关系，并利用 Taylor 展开来估算风险值。一阶 Taylor 展开为 Delta-Normal 逼近法；二阶 Taylor 展开为 Delta-Gamma 逼近法。 用协方差矩阵法度量风险值 （VaR ）时，关键是要估计方差或估计和分解资产收益率之 间的协方差阵。也就是说估算风险值首先是要估算资产收益的波动性。 2 ）历史模拟法 历史模拟法的基本假设是资产收益的过去变化状况会在未来完全重现。 历史模拟法利用过去一段时间资产收益资料，估算投资组合变化的的统计分布 （经验分 布），再根据不同的分位数求得相对应的置信水平的风险值。 为了提高历史模拟法的估算精度，还可以用一些修正方法，如指数加权移动平均法、自 助法（bootstrap）和核估计法(Kernel density function) 。 3 ）蒙特卡罗模拟法 蒙特卡罗模拟法 （Monte Carlo Simulation, MCS）是在一定的统计分布假设下模拟风险因 子变化的情境。首先假设资产收益为某一随机过程（process）,并根据所设定的价格变动过 程，大量模拟未来各种可能发生的情境，然后将每一情境下投资组合变化值排序，给出投资 组合变化的分布，据此就可以估算不同置信水平下的 VaR 值。 实际应用时，对于不同的风险因子有许多的统计分布族可以应用，常用的分布族有：正 态，对数正态，GARCH 等。 一般情况下，蒙特卡罗模拟至少要经过以下三步： 1. 建立描述风险因子动态演变模型； 2. 随机模拟误差项； 3. 求解模型包含风险因子的值。 第 1 页第 1 页 理论基础 3. VaR 的事后检验 事后检验的原理： 事后检验的目的，就是看实际观测到的结果与所定义风险度量的置信水平是否一致，如 模型中定义了 99%置信度下的风险值，那么，就要考察这个风险值是否真的覆盖了真实损失 的 99% 。 事后检验一般采用一种移动窗口的方法进行计算。 事后检验的两类错误概率： 第一类错误，使用特定失效天数作为判定模型正确性的标准，拒绝正确模型的概率； 第二类错误，使用特定失效天数作为判定模型正确性的标准，接受错误模型的概率。 4.VaR 的特点 第一，可以用来简单明了表示市场风险的大小，没有任何技术色彩，没有任何专业背景