房地产市场风险测度的一个相关方法
基于层次分析法的房地产投资风险评估
２ 运用层 次分析法进行权重计算
Ａ
Ｂ ８ ：
Ｂ 、
１ １ ２
Ｂ ：
２ １
Ｂ ！
５ ２
良
３ １ ２
Ｂ ．
１／ ２ １ ４
评分值
０２ ７ ６７ Ｏ ０５ １ ２
１ １ ，５ １ ’ ，２
Ｘ２ ３
Ｘ； ３
２
评 分值
０ ８６ ５ １ Ｏ ０ １ ９４ ０ ０ ３ ９０
（） ３ 综合 ．计算各层各个因素的组合权重 ．得到相 对于
二 、运用层次分析法进行房地产投 资风 险评估举例 １房地产投资风险划分
层 次 分 析法 （ ｎ ｌ ｉ Ｈｅａ ｈ ｒｃｓ ．Ａ Ｐ 是 一种 定 性 和 Ａ ａｙ ｃ ｉ ｒ ｙＰｏ ｅｓ Ｈ ） ｔ ｒｃ
定量相结合、系统化 层 次化 的方法 ，广泛应用于复杂决策 问题 的处理 ． 其主要步骤是 ： １分解 ． （） 将一个复杂的系统分解为一个 阶梯层次的结构模型 （ ） ２ 判断 对同一层次的因素进行两两比较
投 姿 分 祈
基于层次分祈法的房地产投姿冈险评估
一庞 家 权 江苏 省丹 阳市 建设工 程招 投标 管理办 公室
・ 王治均
江苏 科技大 学 土木工 程 与建 筑学 院
［ 摘 要］ 房 地 产投 资是 一 项 高投 入 、 高 回报 的 事 业 ， 同时 也是 一 项 高 风 险 的事 业 。 本 文将 层 次 分析 法 运 用 于房 地产 投
评分值
０ ９８ ３ ０ ０． ９ ８ ３０
Ｏ ０ １ ９ ５ ０ ６５ ０ ７
Ｂ
Ｘ ×：
市场风险测度之VaR方法
市场风险测度之VaR方法VaR方法是一种基于统计学和概率论的市场风险测度方法，其核心思想是通过测量投资组合或资产的价格变动范围，来估计在一定置信水平下的最大可能损失。
VaR方法通过考虑价格波动、相关性和分布假设等因素，将市场风险以单一的数值表示，为投资者提供了一个快速且直观的衡量标准。
VaR方法的测算过程相对简单，通常可以通过历史数据、模拟分析和风险度量模型等多种方式来完成。
其中，历史数据法是最常用的方法之一，它通过分析过去一段时间的市场价格变动情况，计算得出投资组合或资产的VaR值。
模拟分析法则是基于随机模拟的方法，通过生成大量随机价格路径，从中计算得出VaR值。
风险度量模型则是建立在统计学和数理金融理论的基础上，通过建立适当的数学模型，计算得出VaR值。
VaR方法的测度结果可以为投资者提供一定的参考信息，帮助他们更好地识别和管理市场风险。
通过测算VaR值，投资者可以了解到在特定置信水平下的最大可能损失，从而对投资组合或资产的风险水平进行评估和控制。
例如，当VaR值较高时，投资者可以采取适当的对冲或风险管理策略来降低风险暴露；反之，当VaR值较低时，投资者可以考虑适度增加投资组合的风险敞口以追求更高的回报。
然而，需要注意的是，VaR方法存在一定的局限性。
首先，VaR方法是基于历史数据和假设的，对于极端市场事件的预测能力有限。
其次，VaR方法只提供了风险的下限，并不能绝对保证投资组合或资产的损失不会超过VaR值。
因此，在使用VaR方法进行风险测度时，投资者应该结合其他市场风险测度方法和风险管理工具，综合分析和评估风险暴露。
总之，VaR方法作为一种常用的市场风险测度方法，在金融领域发挥着重要的作用。
它通过测算最大可能损失来衡量投资组合或资产的市场风险，为投资者提供了一个快速且直观的风险度量标准。
然而，需要注意的是，VaR方法有其局限性，投资者应该在使用过程中综合考虑其他因素，并采取适当的风险管理策略。
基于KMV模型对我国房地产上市公司的信用风险测度
基于KMV模型对我国房地产上市公司的信用风险测度随着我国房地产行业的快速发展，房地产上市公司在市场中起着重要的作用，但随之而来的信用风险也成为了市场关注的焦点。
为了评估房地产上市公司的信用风险，我们可以采用KMV模型进行测度。
本文将通过介绍KMV模型的原理及在我国房地产上市公司中的应用，分析其在信用风险测度中的优势和局限性，并结合实际数据对我国房地产上市公司进行信用风险的具体测度。
【引言】房地产上市公司在我国经济发展中扮演着重要的角色，其信用风险具有一定的特殊性和复杂性。
针对房地产上市公司的信用风险，准确测度具有重要意义，可以为投资者、监管部门和公司自身提供重要的参考和决策依据。
KMV模型是一种基于结构化模型的信用风险测度方法，具有较为广泛的应用价值。
本文将对其原理及在我国房地产上市公司中的应用进行探讨。
KMV模型是由美国Kurtzman, Macavoy, Miller & Co. （简称KMV）公司于20世纪80年代初提出的，其核心思想是基于结构化模型，通过测度公司资产价值与债务价值之间的关系，从而计算公司的违约概率。
该模型主要包括三个组成部分：公司资产价值、债务价值和违约概率。
具体而言，它基于Black-Scholes期权定价模型，通过测度公司资产的波动性、资产价值以及债务价值，计算得到公司的违约概率。
在我国房地产上市公司中，KMV模型可以具体运用的步骤如下：对房地产上市公司的资产进行评估，包括不动产、土地储备、在建工程等；测度其资产的波动性，包括了行业风险、宏观经济环境等因素；然后，结合公司债务结构，测度其债务价值；通过KMV模型的公式计算得到公司的违约概率。
通过这一系列步骤，可以较为全面地测度房地产上市公司的信用风险。
【KMV模型在信用风险测度中的优势和局限性】KMV模型在信用风险测度中有着诸多优势。
该模型基于结构化模型，可以较为全面地考虑企业内部和外部因素对其信用风险的影响，能够更为准确地反映公司的实际违约情况。
基于KMV模型对我国房地产上市公司的信用风险测度
基于KMV模型对我国房地产上市公司的信用风险测度
近年来，中国房地产市场快速增长，成为我国经济的支柱产业。
随着房地产市场的发展，房地产上市公司面临着越来越严重的信用风险。
为了准确测度房地产上市公司的信用风险，可以运用KMV模型，对其进行量化评估。
KMV模型是一种常见的信用风险测度模型，基于资产价值和违约概率来评估公司的信用风险。
KMV模型认为，公司的信用风险可以通过绝对坏账损失概率来衡量，绝对坏账损失概率又可以通过公司的资产风险和违约概率来计算得出。
对于房地产上市公司来说，其主要资产是房地产资产。
评估这些资产的风险是测度信用风险的重要一步。
房地产市场的波动性较高，特别是在经济不稳定时期，房地产资产价值可能有较大的下降。
需要对这些资产的价值变动进行模拟和预测，得出公司资产的风险价值。
违约概率也是测度信用风险的重要因素。
违约概率可以通过公司的财务状况来评估。
房地产上市公司通常具有较高的债务水平，高杠杆率使得其更容易陷入违约境地。
需要综合考虑公司的财务指标，如负债率、偿债能力等，来计算违约概率。
通过以上步骤，可以运用KMV模型对我国房地产上市公司的信用风险进行测度。
测度结果可以提供给投资者和金融机构参考，帮助他们进行风险评估和决策制定。
对于房地产上市公司来说，正确评估信用风险可以帮助它们制定有效的风险管理策略，预防和应对潜在的违约风险。
基于KMV模型对我国房地产上市公司的信用风险测度
基于KMV模型对我国房地产上市公司的信用风险测度KMV模型是一种基于市场风险的信用风险测度模型，它可以帮助我们对房地产上市公司的信用风险进行测度和评估。
本文将基于KMV模型，对我国房地产上市公司的信用风险进行分析和评估。
1. KMV模型简介KMV模型是由美国Moody's Analytics公司开发的一种信用风险测度模型。
该模型通过分析公司的资产价值、债务水平、市场风险、和公司的财务杠杆等因素，来评估公司的违约风险。
KMV模型的核心思想是公司的违约概率与公司的资产价值、债务水平和市场风险等因素相关，违约概率可以通过模型计算得出。
2. 房地产上市公司的特点房地产上市公司通常具有以下特点：高负债水平、大量的资产投资、较高的市场风险。
由于房地产行业的特性，房地产上市公司的财务杠杆通常比较高，而且它们往往需要大量的资金来进行土地开发、房屋建设等活动，这导致它们的资产负债比例较高。
房地产行业受市场环境和政策调控影响较大，市场风险也相对较高。
3. KMV模型在房地产上市公司的应用在对房地产上市公司的信用风险进行测度时，可以按照以下步骤使用KMV模型：- 收集公司的财务信息，包括资产价值、债务水平、市场风险等相关数据。
- 计算公司的违约概率。
根据KMV模型的公式，可以通过公司的资产价值、债务水平、市场风险等因素来计算出公司的违约概率。
- 评估公司的信用风险。
根据公司的违约概率，可以对公司的信用风险进行评估，确定其信用风险水平。
4. 房地产上市公司的信用风险测度案例分析以某房地产上市公司为例，假设该公司的资产价值为1000万元，债务水平为600万元，市场风险为20%，则可以按照KMV模型的公式计算出该公司的违约概率为5%。
根据违约概率，可以评估该公司的信用风险水平为中等风险。
5. 总结和展望基于KMV模型对我国房地产上市公司的信用风险进行测度，可以帮助投资者和金融机构更好地理解和评估这些公司的信用风险，并采取相应的风险管理和控制措施。
房地产金融风险指标分析
房地产金融风险指标分析关于房地产的开发建设以及住房贷款风险，国内外已经有不少学者对此进行了研究，并给出了许多具有借鉴意义的测量指标和具体的方法，另外政府方面也对于房地产的监管与风险测度给出了一些可用的指标。
1.美国金融监管机构提出的指标众所周知，巴塞尔资本协议当中有对资本风险权重进行确定，在房地产金融贷款方面，对于充分属于借方的房产抵押贷款规定可以赋予35%的优惠贷款风险权重。
另外巴塞尔资本协议中的违约损失率的规定也与房地产有关，在抵押贷款的存续期之内的违约损失率不得低于10%，并且相关规定强调了商业银行在信用风险评估方面尽量使用标准化法以及规范的内部评级法。
其委员会为了使资本的计算更加准确，匹配于银行的信用风险，提出要使用基于内部评级法的信用评估方法，这对于房地产金融的发展意义重大。
而美国在一段时间内过于维持进行市场的自由度和活力，对金融市场的监管十分欠缺，后来由于美国社会经济中房地产行业的发展势头过于迅猛，住房投资与贷款过于膨胀，开始重视对房地产行业的贷款规模，并对房地产行业的银行贷款在银行资本中所占的比例进行了规定。
2006年底，美国商业银行所持有的各类房地产相关贷款的数量，已经远远超过了上世纪80年代房地产低迷时期美国商业银行所持有的数量。
因此，由美国的联邦储备委员会、货币监理署以及存款保险公司三个机构联合建议提出，除了需要对商业银行在房地产贷款发放方面设定上限，还建议具有商业性质的房地产贷款额度上限设为银行本金的3倍，房地产开发建设贷款的上限则设置为银行本金的100%。
避免一旦房地产市场遭遇萧条而导致银行破产。
2.我国银行监管机构规定的指标对于我国银监会有关房地产银行信贷的指标主要规定包括贷款价值比、住房消费者每月的房贷支付率以及房地产开发商的自有资金比例等。
首先，在贷款价值比这一指标下面还有三个主要子指标，主要有:个人住房贷款价值比。
关于这一子指标的规定，我国1998年就颁发了《个人住房贷款管理办法》，其中规定的是住房消费借款人应先自己承担所购住房全额住房价款的20%的比例金作为购房首付，后来，该项规定至2006年6月1日被调整为按全额价款的30%支付首付，但为了更好地满足一些中低收入家庭的买房需求，对于自住住房的购买并且住房面积不超过90平米的消费者仍收取首付的20%的数额。
市场风险的测度方法Value-at-Risk(VaR)
主要内容： 第一节、引言 第二节、 VaR的基本概念 第三节、独立同分布正态收益率下的VaR 第四节、放宽独立同分布正态收益率假设下的VaR
第一节、引言
一、为什么要测度市场风险？（ Why a Measure of Market Risk?） 1、报道信息 我们一个数据来反映我们面临的风险; 2、资源配置 风险资产是一种稀缺资源。企业如何分配这些资源，取决于企 业各项投资时所面临的不同风险；
(2)熵值法没有突出损失与收益之间的差别，这与投资者的 心理感受不符；
(3)熵值法最明显的不足是它没有考虑损失的大小，而仅考 虑各种状态分布的概率；
(4)熵值法没有考虑证券投资收益率的变化频率问题。
3、风险下偏矩计量理论
风险的下偏矩计量理论有着方差理论不可比拟的优越性。
首先，它仅将损失作为风险的计量因子，反映了投资者对 风险的真实心理感受，符合行为科学的原理；
1、方差计量理论
自以收益率的方差作为风险计量指标以来，一直受到多方面批评，许多学者 从不同方面对此问题进行了阐述：
（1）方差是用来衡量收益率的不确定性或易变性的，用其反映风险是不 恰当的。
（2）从效用函数的角度分析，以方差为风险的计量指标，只有在投资者 的效用函数为二项式时才成立，而二次效用函数并不是投资者偏好的恰当 选择，因此，方差不是风险的最好的测度方法。
第一，每种证券的收益率都服从正态分布； 第二，各种证券收益率之间服从联合正态分布； 第三，证券市场为有效市场。 第四，投资者是风险厌恶型的。
证券市场有效性假设是相当苛刻的条件，即使在相当成熟的股票市场也无法 完全满足，即使承认证券市场是有效的，当以方差作为风险的计量指标 时，资源配置的有效性也取决于方差方法的优劣。
房价过度波动的系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型
房价过度波动的系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型沈悦;戴士伟;陈锟【摘要】近年来,房价过度波动已成为引发系统性风险的主要爆发源,给经济金融安全运行带来了一系列负效应.笔者在文献梳理的基础上,针对现有研究视角和方法存在的不足,将测度系统性风险的主流方法——CoVaR模型进行拓展,通过构建GARCH-Copula-CoVaR模型,实证研究了房价过度波动的系统性风险溢出效应.通过研究发现:房价过度波动的系统性风险溢出效应明显,但对不同经济层面的风险溢出效应存在差异,其中对金融机构的风险溢出效应最为显著;经济环境变化对房价过度波动影响显著,其中宏观经济环境和制度条件的变化是引起房价过度波动的原动力,对房价过度波动起决定性作用.为此,在宏观调控政策实施中应尽量保持政策的连续性,避免频繁救市或过度打压房价,既要防范房价过度波动所引发的系统性风险向金融体系和实体经济传导,也应为稳定房价创造良好的宏微观经济环境和制度条件.【期刊名称】《中央财经大学学报》【年(卷),期】2016(000)003【总页数】8页(P88-95)【关键词】房价过度波动;系统性风险;溢出效应;GARCH-Copula-CoVaR模型【作者】沈悦;戴士伟;陈锟【作者单位】西安交通大学经济与金融学院;西安交通大学经济与金融学院;西安交通大学经济与金融学院【正文语种】中文【中图分类】F293.3一、引言及文献综述国际经验表明，由于房地产业在国民经济发展中具有特殊性，一旦出现房价过度上涨或下跌，可能会引发系统性风险，威胁经济金融安全运行，甚或引发系统性危机。
然而，不幸的是，我国近年来出现了房价过度波动，由此所引发的系统性风险已呈不断积聚之势。
虽然宏观调控措施不断出台，但调控效果却不尽如人意。
那么，房价过度波动的系统性风险溢出效应（房价过度波动引起的金融风险在经济体系相互传导，对经济金融安全的破坏程度）到底有多大？给经济金融运行带来的负效应有哪些？引起房价过度波动的原动力又在哪里？弄清这些问题有利于遏制房价过度波动，减小系统性风险扩散带来的负效应。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
房地产市场风险测度的一个相关方法
【摘要】在扩大内需和全面推进住房制度改革等宏观经济政策引导下，我国房地产业蓬勃兴起。
因此，房地产市场出现整体过热，存在一定程度的泡沫的情况。
虽然政府部门不断采取降温措施，但是投资规模增长过快，房价波动幅度大等问题仍然存在。
本文运用极值理论evt和var理论构造房地产市场风险测度计量模型，然后运用失败比率方法检验动态e-var风险测度计量模型的准确性，以期能有效的进行投资的风险管理。
【关键词】房地产收益波动；极值理论；动态e-var；失败比率法
近年来，我国的房地产价格呈现单边上涨的态势，市场风险不断加大。
因此对房地产市场的波动进行分析十分必要。
极值理论evt 是一个能针对具有极端变化的变量进行建模和分析的有效理论。
它不需要假设特定模型，可以通过估计尾部分布，使风险值估计更加准确，此外，由于它是针对极端数据的分析，因此，它比其它任何方法在预测突发事件的能力上都要强。
本文运用evt对房地产金融收益率序列的尾部特征进行分析，并结合var风险管理模型对房地产投资的动态风险进行测度。
1 房地产市场动态e-var测度模型的构建
var模型和evt模型都是风险管理中的重要理论。
针对当前日益变化的房地产动态市场，有必要将evt理论引入var模型，构建一个全新的测度市场风险的方法。
下面，我们将从理论上构造房地产
市场动态e-var测度模型，并探讨其有效性的检验方法。
首先，构造房地产资产价格的收益序列，假设收益序列为y，房地产资产第t月的月均价为p，则y=lnp-lnp。
众所周知，收益与损失是资产投资的两个对立面，因而本文将从资产损失的角度，来进行房地产资产投资风险的测度研究。
假设房地产资产价格的损失序列为x，则x=-y=lnp-lnp。
资产收益/损失序列实质上是一个关于资产收益/损失变量的随
机过程，因此，要引入变量的随机过程方程。
假设房地产资产价格损失的随机过程为：x=u+σz。
其中u表示资产价格损失变量的条件均值，即u=（x|i）；σ2表示资产价格损失变量的条件波动性，即σ2=var（x|i）；i表示（t-1）月的信息集；z则表示随机干扰项。
下面，通过引入变量的随机过程方程，进行资产损失的动态风险值var的推导：
假设持有期下x的边际分布为f（x），那么未来h月的收益/损失分布应该为f（x），估计它的条件分位数为x（h）=inf{x∈r：f（x）≥q}，则f（x）=p{x？刍x|i}=（x|i），即有varr=x=u+σz。
它表示：在100q%的置信水平下，在第t月时对第t+1月可能产生的损失动态预测值，其中z表示分布函数q分位数的反函数f（q）。
依据该公式，要测度资产市场的动态风险值，必须首先估计出条件均值u及条件标准差σ，并求出标准化残差序列以估计z的值。
对近似服从i.i.d特征的标准残差序列进行evt建模，假设样本
总数为n，超过门槛的样本数为n，可以推导出gpd拟合分布函数为（x）=1-1+（x-u）。
在上文的基础上，我们假设k为选择得到的观察值的个数，z为门槛值（可以近似理解为z是门槛值的估计）。
那么对于置信水平q，当q>1- k/n时，可以得出q分位数的估计值为=z+-1。
经过推导可知在条件极值evt下，第t月对第t+1月的风险值（var）测度公式为varr= =+z+-1。
2 动态e-var风险测度的准确性研究
我们在上文中通过将evt模型引入var风险理论，构建出了一个测度房地产市场动态风险的方法。
然而，这一方法是理论上的，它能否有效准确的测度除市场的风险仍需检验。
在var模型的准确性检验中，我们常用的是失败比率方法，其具体判断过程为：1）统计某一时刻测度失败的次数。
具体计数方法是把测度出来的var风险值与实际的损失值相比，如果实际值大于var，那么就计为一次；2）假设显著性水平为p，观察天数为m（充分大），计算测度失败的合理次数。
依据理论，在这m天中，实际损失超过所计算的var 的次数应该是p*m次；3）比较实际收益率超过var的次数与p*m
的差距。
如果实际次数远大于或远小于p*m，则说明该风险测度模型无效。
3 结束语
房地产市场在经济发展中扮演着重要的角色，是经济管理者的重要研究对象。
然而，有关极端波动情况下潜在巨大风险的研究还较
少。
探索测度房地产市场动态极值风险的方法是本论文的目的所在。
然而，由于理论水平、数据获取、研究方法、实践水平等因素的限制，本文还有很多需要改进的地方，敬请各位专家学者批评指正。
【参考文献】
[1]张洲.房地产收益波动性的动态e-var模型及测度研究[d].中南大学，2010.
[2]段学伟.影响我国房地产价格的因素分析[d].北京：中国地质大学，2010.
[3]杨楠.var方法在房地产收益波动性度量中的应用[d].上海财经大学，2006.
[4]张利军.房地产价格随机波动与房地产收益风险值（var）的研究[d].中南大学，2009.
[5]游达明.基于动态e-var模型的房地产收益波动性测度研究
[d].中南大学，2009.
[责任编辑：王静]。