ＶａＲ与ＣＶａＲ在商业银行风险度量方面的比较研究.docVIP

ＶａＲ与ＣＶａＲ在商业银行风险度量方面的比较研究 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：ＶａＲ与ＣＶａＲ在商业银行风险度量方面的比较研究 1 一 、VaR与CVaR理论模型 2 （一）VaR模型 2 （二）CVaR模型 3 二、VaR与CVaR在商业银行风险度量方面的比较 4 （一）VaR模型的缺陷性和CVaR模型的优势 4 （二）CVaR模型的缺陷性有待完善 5 三、商业银行风险度量VaR体系构建的几点建议 6 文2：关于人脸识别技术在商业银行方面的应用 6 1计算机在生物识别技术和人脸识别技术方面的应用 7 2关于人脸识别系统的组成 8 3人脸识别技术在商业银行方面的应用 9 参考文摘引言： 11 推荐阅读文献： 12 原创性声明（模板） 12 文章致谢（模板） 13 正文 ＶａＲ与ＣＶａＲ在商业银行风险度量方面的比较研究 文1：ＶａＲ与ＣＶａＲ在商业银行风险度量方面的比较研究 VaR模型自从1993年由G-30成员国推荐和1994年由JP摩根集团 发展 以来，目前已经得到银行界的普遍认同和广泛采用。但随着VaR模型的广泛应用，其缺陷也逐渐暴露出来。为了改进VaR模型的缺陷，Artzner等在1999年提出了CVaR模型。由于CVaR具有优于VaR的性质，并且其方法在原有VaR体系上升级即便可使用，因此有必要对VaR与CVaR进行比较研究，用CVaR的优点去改进VaR体系。 一 、VaR与CVaR理论模型 （一）VaR模型 处于风险的价值VaR(value at risk)是指给定银行的置信水平，在一段时间内，银行由于具有某种头寸可能遭受的最大损失[1]。用公式可表示为： Prob(△PVaR)=1-c(1) 式中，△P为资产组合在持有期△t内的损失；VaR为置信水平c下处于风险的价值[2] 用VaR模型测量银行风险时，银行首先要确定头寸的持有时间和置信水平；其次，要对处于风险的价值VaR作出判断。其中，持有时间是 计算 VaR的时间范围，确定持有时间要考虑资产组合的流动性、资产组合头寸保持不变假定以及收益回报率服从正态分布假设等因素；而置信水平的确定则要考虑到风险资本需求和监管要求。巴赛尔委员会规定的持有时间标准为10天，置信水平为99%，不同的银行机构可以根据自身情况选择不同的持有时间和置信水平，比如花旗银行选择的持有时间为30天、置信水平为%。处于风险的价值VaR也可被看作是资产组合收益的数学期望值与一定置信水平下资产组合的最低期末价值的差额。用公式可表示为： VaR=E(W)-W △t (2) 式中，W为资产组合收益，E(W)为资产组合收益的数学期望值；W△t为置信水平c下资产组合的最低期末价值。E(W) 与W△t的值可由以下两式得到： 式中，f(w)为资产组合收益的概率密度函数。在确定了持有时间△t、置信水平c和资产组合收益的概率密度函数f(w)之后，便可得到VaR值。可以看到，这里的VaR值指的是正常条件下的VaR值。然而， 金融 环境并不一直都是稳定的，有时会出现剧烈的动荡。当极端情况发生时，这里所计算的VaR值就失去了 参考 价值。为了应对这种极端情况的发生，VaR模型又引入了压力试验(Stress Testing)和极值分析(Extreme Analysis)两种方法。压力试验的核心在于产生、模拟一些违背VaR模型假设的极端市场情景，并评价这些极端情景对资产组合收益的不利影响；极值分析则采用统计方法，通过描述收益变化的尾部统计特征，给出极端条件下VaR与概率水平的准确描述，弥补了一般VaR模型对资产组合收益概率分布的边缘分析不足的弊病[3]。因此可以说，压力试验和极值分析是对VaR模型的有效补充，它们从理论上完善了VaR模型。包括压力试验和极值分析在内的VaR方法是一种定量化衡量风险的方法，它使用单一的指标来衡量资产组合风险，具有一定的直观性；它由于使用规范的统计技术来衡量风险而逐渐成为 现代 金融管理的标准方法。然而，VaR模型也是有缺陷的，为了弥补VaR模型的缺陷，Artzner等在1999年提出了CVaR模型。 （二）CVaR模型 条件风险价值CVaR (Conditional VaR)，又称期望损失(Expected Shortfall)，是指当资产组合的损失大于某个给定的VaR值的条件下，该资产组合的损失的平均值[4]。用公式可表示为： CVaR=E(-X|-XVaR) (5) 式中，X为资产组合的损失额，即X=W△t-E(W)。至于CVaR值的计算，由CVaR的定义很难计算出CVaR值，这是因为在CVaR的定义中涉及到VaR这个参数，并且这个参数又是内生的