第十章风险管理VAR

合集下载

“市场风险VaR”教案讲义

“市场风险VaR”教案讲义
• 更正式的讲,VaR是描述一定目标时段下资产(或 资产组合)的损益分布的分位点。
• 例如:某个敞口在99%的置信水平下的日VaR值为 1000万美元。
损失和收益的关系可以由图表示,其中右侧的实线表示损 失,左侧的实线表示收益。
• VaR有两个定义
▫ 绝对VAR, 给定置信水平(99%)下的最大损失, 也称VaR(零值)
位数,xp,i,i=1,…,N。 4.计算统计量:
▫ 由中心极限定理,可以得到xp近似服从正态分布, 由此可以得到分位点的点估计和区间估计。
参数法
1、正态分布:
Z = (R – μ)/s denotes a standard normal variable, N(0,1),
不同置信水平对应的临界值
• 我们先选择右端尾部的一个数值 u • 我们可以使用 Gnedenko 的结论:随着分布 u 的增加,
Fu(y ) 趋向于广义帕累托(Pareto)分布。
广义Pareto 分布
• 广义Pareto 分布有两个参数 x (有关分布的形状) 和 b (分布的规模因子)
• 广义Pareto 分布的累计分布函数为
▫ 产生随机向量
• 最后,计算资产组合的价格和VAR 模拟10000次的价格路径,得到资产组合的价格经
验分布,计算1%的分位数。
Monte Carlo Approach优缺点
回顾测试
回顾测试(Back-Testing)
• 回顾测试的过程是统计例外的天数,也就是实际 损失超出VaR的情形.
• 损失可以是实际损失或者理论损失.
▫ VAR(均值)
第二种VaR定义方式与经济资本分配和风险调整后资本收益率 (RAROC )计算一致。
注:

金融风险管理中的VaR模型

金融风险管理中的VaR模型

金融风险管理中的VaR模型VaR是金融风险管理领域中非常重要的一种风险测量模型,可以帮助金融机构识别和控制市场风险、信用风险、操作风险等多种不确定性因素对其业务和投资组合所带来的潜在损失。

本文将对VaR模型的定义、计算方法、优缺点以及应用现状进行讨论。

一、VaR模型的定义VaR模型是一种针对金融风险的风险管理工具,旨在帮助金融机构评估其业务和投资组合在预定置信水平和预定时间段内可能面临的最大可能亏损。

VaR通常用于衡量市场风险、信用风险和操作风险等方面的风险,并且通常基于历史数据和概率分布函数来计算。

二、VaR模型的计算方法VaR模型的计算方法通常有三种:1.历史模拟法:历史模拟法基于历史数据,通过计算过去一段时间内金融工具价格或投资组合价值的分布,来估计未来可能的最大亏损。

这种方法的优点是简单易懂,易于实现。

但它的缺点是忽略了当前市场条件与历史数据的差异。

2.正态分布法:正态分布法假设市场价格或投资组合价值呈正态分布,因此可以利用标准正态分布表将置信水平转化为标准差,进而计算VaR。

这种方法的优点是计算简单,但它的缺点是忽略了市场价格或投资组合价值呈非正态分布的情况。

3.蒙特卡罗模拟法:蒙特卡罗模拟法通过模拟不同的市场行情,来估计未来可能的风险。

这种方法的优点是可以考虑市场价格或投资组合价值呈非正态分布的情况,但它的缺点是计算相对较为复杂,需要大量计算资源和时间。

三、VaR模型的优缺点VaR模型具有以下优缺点:1.优点:(1)可以测量不同类型的风险:VaR模型可以帮助金融机构测量市场风险、信用风险、操作风险等不同类型的风险。

(2)能够识别重要风险源:VaR模型可以帮助金融机构识别其业务和投资组合中最重要的风险源,帮助其进行有效的风险控制。

(3)符合监管要求:许多国家和地区的金融监管机构要求金融机构使用VaR模型来评估其风险承受能力和资本要求。

2.缺点:(1)无法完全预测未来:VaR模型只能基于历史数据和概率分布来进行未来风险的预测,不可能完全预测未来的市场和经济条件。

风险管理3.VaR.

风险管理3.VaR.
考虑在内,我们得出一年的99% VaR为580万美元 单笔贷款所对应VaR的和为400美元,贷款组合的VaR比贷款
VaR的总和高180美元,这违反了次可加性
例 9.8
考虑例9.6,单笔贷款所对应的VaR为200万美元 损失服从0~1 000万美元的均匀分布,因此,预期亏损为200万
美元与1000美元之间的中间值,即600万美元 两笔贷款组成的组合的VaR为580万美元,组合的预期亏损等于
在展望期为1年,97.5%置信度下,组合的VaR为1100万美元, 单笔贷款所对应VaR的和为200万美元,贷款组合的VaR比贷款 VaR的总和高900美元,这违反了次可加性
例 9.7
考虑例9.5,单笔贷款,在2.5%的尾部分布中,有2%的概率损 失为1 000万美元,有0.5%的概率损失为100万美元
例 9.5
假定两个独立贷款项目在1年内均有0.02的概率损失1 000万美元, 同时均有0.98的概率损失100万美元,任意一个单笔贷款在展望 期为1年,97.5%的置信度下的VaR为100万美元
将两个贷款叠加产生一个资产组合: 0.02×0.02=0.000 4的概率损失2 000万美元 2×0.02×0.98=0.039 2的概率损失1 100美元 0.98×0.98=0.960 4的概率损失200万美元
满足一致性条件的风险度量(续)
同质性:假定一个交易组合内含资产品种和相对比例不变, 但内含资产的数量增至原数量的λ倍,此时新交易组合的风 险应是原风险的λ倍
次可加性:两个交易组合相加所组成的一个新交易组合的 风险度量小于或等于最初两个交易组合的风险度量的和
VaR满足前3个条件,但不一定永远满足第4个条件 预期损失满足所有4个条件

风险管理VaR(ValueatRisk)

风险管理VaR(ValueatRisk)

风险管理VaR(ValueatRisk)敏感性法是测量市场因子每个单位的不利变化可能引起的投资组合的损失。

波动性方法是收益标准差作为风险量度。

这两种方法都是利用统计学原理对历史数据进行分析,对风险的度量有指导意义。

VaR 方法是JP Morgan开发的,是使用合理的金融理论和数理统计理论,定量地对给定的资产所面临的市场风险给出全面的度量。

VaR 模型来自两种金融理论的融合:(1)资产定价和资产敏感性分析方法、(2)对风险因素的统计分析。

VaR 是指在市场正常波动下,某一金融资产或证券组合的最大可能损失。

公式为:Prob(ΔP > VaR)= 1 - c式中:ΔP —证券组合在持有期内的损失;VaR —置信水平 c 下处于风险中的价值。

VaR 最大优点是提供了一个统一的方法来测量风险,把风险管理中所涉及的主要方面——投资组合价值的潜在损失用货币单位来表达,简单直观地描述了投资者在未来某一给定时期内所面临的市场风险。

VaR 的主要计算方法:1、局部估值法(Local-valuation Method)是通过仅在资产组合的初始状态做一次估值,并利用局部求导来推断可能的资产变化而得出风险衡量值。

德尔塔—正态分布法就是典型的局部估值法。

德尔塔—正态分布法假定组合回报服从正态分布,则:VaR = W0·Zα·σ·SQRT(Δt)式中,W0 —为初始投资额;Zα —标准正态分布下置信度α对应的分位数;σ —组合收益率的标准差;Δt —持有期。

VaR 取决于两个重要的参数:持有期和置信度。

正态分布法的优点在于大大简化了计算量,但是由于其具有很强的假设,无法处理实际数据中的厚尾现象,具有局部测量性等不足。

2、完全估值法(Full-valuation Method)是通过对各种情景下投资组合的重新定价来衡量风险。

(1)历史模拟法。

核心在于根据市场因子的历史样本变化模拟证券组合的未来损益分布,利用分位数给出一定置信度下的VaR 估计。

风险管理中的VaR方法

风险管理中的VaR方法

风险管理中的VaR方法VaR(Value at Risk)是一种常用的金融风险管理方法,能够对投资组合中的每个资产及整个组合的风险程度进行全面且精准的测量。

VaR方法旨在确定对于一定置信水平下的投资组合损失额度上限,以帮助投资者合理配置资金,减少投资风险。

一、VaR方法的定义和计算VaR是指以一定的置信水平(例如95%、99%等)为概率级别,在特定的时间周期内,所能承受的最大不利市场风险。

VaR方法的核心是通过对历史资产收益率数据的分析,来确定未来几天或几周内的可能最大损失额度上限。

VaR方法还可以在不同的置信水平下计算投资组合的风险程度,例如50%或90%等。

VaR方法的计算通常采用历史模拟法、蒙特卡罗模拟法和基于分布函数的方法等。

历史模拟法是通过对历史数据进行统计分析,得出每个资产的收益率分布,并利用这些数据模拟未来的市场风险,从而计算投资组合的VaR。

蒙特卡罗模拟法则是通过对各种因素进行随机抽样,模拟未来市场的走势,并计算投资组合的VaR。

基于分布函数的方法是利用一定形式的概率分布函数,来计算投资组合的VaR。

二、VaR方法的优缺点VaR方法具有下列优点:1. 通过计算不同置信水平下的VaR,可以灵活地控制投资组合的风险程度;2. VaR方法可以帮助投资者理解市场风险的本质,并预测未来损失的可能规模和概率;3. VaR方法可以提供决策层所需要的信息,帮助他们进行风险把握和资产配置。

VaR方法也存在以下缺点:1. VaR无法考虑极端事件的发生概率和损失程度,因此可能出现无法预测的风险;2. VaR方法的计算过程需要使用大量的历史数据和复杂的模型计算,因此可能存在计算误差和模型风险;3. VaR无法估计与市场事件无关但对投资组合损失的潜在风险,例如盈余管理、财务舞弊等。

三、VaR方法的应用VaR方法广泛应用于金融市场、投资银行、基金管理和风险管理等领域。

在基金管理中,VaR方法可用于测量基金的风险和确定合理的资产配置。

金融风险管理中的VaR模型及应用研究

金融风险管理中的VaR模型及应用研究

金融风险管理中的VaR模型及应用研究在金融投资中,风险管理是一项关键性工作。

为了规避风险,投资者需要采用不同的方法对风险进行测算、监控和控制。

而其中,以“价值-at-风险”(Value-at-Risk,VaR)模型为代表的方法,成为许多金融机构和投资者对风险管理进行实践的重要途径。

本文将从VaR模型的概念、计算方法、应用研究等方面进行分析探讨。

一、VaR模型的概念和计算方法VaR是指某一风险投资组合在未来一段时间内,尝试以一定置信度(通常为95%、99%)估计其最大可能损失金额。

VaR分析的目的是定量化风险,并作为投资者制定投资决策的重要参考依据。

VaR模型的计算方法包括历史模拟法、蒙特卡洛模拟法和正态分布法。

历史模拟法利用历史价格数据,模拟投资组合的未来价值变化;蒙特卡洛模拟法则采用随机方式,给出多种可能的结果;正态分布法基于正态分布假设,可以采用数学公式得出VaR数值。

在实际应用中,不同的计算方法适用于不同的投资组合和风险管理要求。

二、VaR模型应用研究的进展VaR模型在金融投资中的应用已经逐步成为一项主流的风险管理方法。

然而,在实践应用中,VaR模型存在一些局限性和问题,如对极端事件的处理能力不足、对交易流动性和市场风险变化的关注不足等。

针对这些问题,学者们开展了一系列研究,并不断改进VaR模型。

例如,将VaR模型与条件风险价值(CVaR)模型相结合,可更好地处理极端风险;利用高频数据和机器学习等方法,可提高计算结果的准确性和实时性;同时,还可以通过分层支持向量回归(Layered Support Vector Regression)等方法,对VaR值进行修正和预测。

随着技术和数据处理手段的不断改进,VaR模型在未来的风险管理中的应用将更加广泛和完善。

三、VaR模型的局限性虽然VaR模型在风险管理中有着广泛的应用,但也有一些局限性。

首先,VaR 模型往往基于假设性条件,对于一些极端风险和非线性风险等难以做出准确预测。

全面风险管理VaR计算方法知识点梳理

全面风险管理VaR计算方法知识点梳理:VaR的含义——⼀个特定时期内,⼀定置信区间下的最⼤损失。

例如,某⼀天某交易在95%置信⽔平下,最⼤损失40万美元。

这里的40万就是该交易在当天的VaR。

VaR的计算⽅法1.历史模拟法历史模拟法——根据历史数据直接预测将来可能发⽣的情形。

这种⽅法的出发点是,将历史记录看作未来情况的路径之⼀,通过对不同路径的比较,得出所需结果。

第⼀,将最后⼀个数据当作是当前值,⽽将这500天的数据看做是未来1天的500种可能路径,依次求出每天的变化率与当前值的乘积,作为未来⼀天变化的可能值第⼆,根据表中计算得到的数据,求出组合的价值。

如果所求的VaR是99%置信度下,损失不超过某数值。

则可以将最坏的五种情形列出,VaR就是第五个值。

如果是N天的持续期,则在此基础上乘以T1、Excele历史模拟法单资产步骤: 选定当日资产价格,按照公式一次计算依次求出每天的变化率与当前值的乘积,(结果见J列)。

结果VaR(1,95%)值是选取的模拟结果按照从小到大排序第25个值,用的公式为:small(选中J列,25)2、Excele历史模拟法双资产步骤:假定A、B两资产投资额分别为5000和2000. 选定A、B 的当前资产价格,资产模拟结果(I列)公式为:依次为5000*A历史资产价格/11022.06+2000*B 历史资产价格/5179 ;再用small 公式(选中I列,25)补充:老师又计算资产组合的变化率,用公式:(模拟结果值-7000)/7000;VaR(1,95%):再用small 公式选出我们预估的变化率。

再用公式7000*(1+变化率)。

2.蒙特卡洛模拟法蒙特卡洛模拟法——假设资产价格的变动服从某种随机过程,利用计算机模拟,在目标时间范围内产⽣随机价格的路径,并⼀次构建资产报酬分布,进⽽推算VaR。

映射与投资组合的VaR3. Excele蒙特卡洛单资产步骤:原理是运用公式:St=St-1+ St-1*(μΔt+δ*ε)补充说明:老师的excel结果是按照课件案例做法做的部分步骤。

金融风险管理的var方法及其应用

金融风险管理的var方法及其应用一、什么是VAR方法。

VAR啊,简单来说就是在险价值(Value at Risk)。

它就像是金融世界里的一个小卫士,专门用来衡量在一定的置信水平下,金融资产或者投资组合在未来特定一段时间内可能遭受的最大损失。

比如说,我们有个投资组合,用VAR方法一算,就能知道在95%的置信水平下,未来一天或者一个月啥的最多可能会亏多少钱。

这就像是给我们的投资装了个风险预警器,让我们心里有点底。

VAR的计算方法有好几种呢,像历史模拟法、方差 - 协方差法还有蒙特卡洛模拟法。

历史模拟法就是把过去的价格数据拿过来,按照这些历史数据重新构建出资产组合的收益分布,然后根据这个分布去算VAR。

这就好比我们看过去的天气预报记录,来推测明天天气可能的变化范围一样。

方差 - 协方差法呢,它是假设资产的收益率服从某个特定的分布,通常是正态分布啦,然后根据这个分布的方差和协方差这些参数来计算VAR。

这个方法计算起来相对简单,但是前提假设比较严格哦。

蒙特卡洛模拟法就比较高级啦,它是通过计算机模拟很多次不同的市场情景,然后得到资产组合的收益分布,再去计算VAR。

这个方法的优点是能够处理复杂的资产组合和非正态分布的情况,但是计算量超级大,就像要做很多很多复杂的数学题一样。

二、VAR方法在金融风险管理中的应用。

1. 市场风险的管理。

在市场风险这块,VAR可是大有用处。

比如说银行,银行有好多投资产品和交易业务。

用VAR方法就能准确地算出自己在股票、债券、外汇这些市场上可能面临的风险。

这样银行就可以根据VAR的值来决定自己的风险敞口,也就是决定自己在各个市场上冒多大的风险合适。

要是VAR算出来的值太大,超过了银行能承受的范围,银行就可以采取措施啦,像减少某些高风险资产的持有量,或者增加对冲操作之类的。

就像我们发现自己出去玩的预算可能不够了,就会少去几个贵的景点或者找些省钱的玩法一样。

对于投资基金公司也是一样的道理。

金融风险管理中的var模型及其应用

金融风险管理中的var模型及其应用金融风险管理是金融机构在业务运作中面临的一种重要挑战。

为了有效地管理金融风险,金融机构需要采用适当的风险测量模型和工具来评估和控制风险水平。

其中,Value at Risk (VaR) 模型是金融风险管理中最为常用的模型之一。

VaR模型是一种用来衡量金融投资组合或金融机构面临的风险程度的方法。

它可以用来估计在给定置信水平下,投资组合或资产在未来一段时间内可能出现的最大损失额。

VaR模型的核心思想是通过对历史数据的分析,计算出在未来一定时间内资产或投资组合的价值变动的可能范围,从而提供投资者或金融机构制定风险管理策略的依据。

VaR模型的应用十分广泛。

首先,在投资组合管理中,VaR模型可以帮助投资者评估不同投资组合的风险水平,并选择合适的投资策略。

通过计算不同投资组合的VaR值,投资者可以比较不同投资组合的风险敞口,并选择相对较低风险的投资组合来降低整体风险。

在金融机构的风险管理中,VaR模型可以用来评估机构面临的市场风险、信用风险和操作风险等。

金融机构可以通过计算VaR值来确定自身的风险敞口,并采取相应的风险管理措施。

例如,当VaR值超过机构预先设定的风险限制时,机构可以采取风险对冲、减仓或停止某些高风险业务等措施来控制风险。

VaR模型还可以用于金融监管。

监管机构可以要求金融机构报告其投资组合的VaR值,以评估机构的风险水平,并采取相应的监管措施。

同时,VaR模型也可以用于制定宏观风险管理政策,帮助监管机构评估整个金融系统的风险敞口,及时发现和应对系统性风险。

然而,VaR模型也存在一些局限性。

首先,VaR模型基于历史数据,对未来的不确定性无法完全捕捉。

其次,VaR模型假设资产收益率的分布是对称的,忽视了极端事件的可能性。

最后,VaR模型无法提供损失的概率分布,只能给出在一定置信水平下的最大损失额。

为了克服VaR模型的局限性,研究者们提出了许多改进和扩展的模型。

例如,Conditional VaR (CVaR) 模型可以提供在VaR水平以上的损失分布信息,对极端风险有更好的衡量能力。

系统性风险管理中的VaR模型分析

系统性风险管理中的VaR模型分析一、前言在金融行业,风险管理一直是一项非常重要的工作。

为了更好地管理风险,一些模型被开发出来,VaR模型是其中之一。

在本文中,我们将深入研究VaR模型,并分析其在系统性风险管理中的应用。

二、VaR模型的概念VaR模型是风险管理领域中一种广泛使用的测量金融资产风险的方法。

VaR代表“风险价值”,是指在一定的时间内,某一特定的金融资产或投资组合在给定的置信水平下可能经历的最大亏损额度。

依据VaR模型,金融机构可以计算出一个金融产品的最大亏损额和极端亏损概率,从而评估该金融产品的风险。

VaR模型的一般思路是:建立一个历史模型来评估某一资产或投资组合的风险。

这种模型需要以下数据:资产价值,历史价格波动率和置信水平。

三、VaR模型的类型VaR模型有三种类型:历史模拟方法,参数模型方法和混合方法。

1.历史模拟方法历史模拟方法是VaR模型中最简单的一种,同时也是最易于理解的。

该方法使用历史数据来模拟金融产品在未来的变化情况,因此仅适合于稳定的市场。

如果市场非常崩溃,历史模拟方法就会失效。

2.参数模型方法参数模型方法是使用模型来计算金融产品未来的波动率和标准差。

这种方法基于假设,例如收益率服从正态分布或t分布等等。

由于使用参数化模型的方法,因此它往往需要更多的数据,并且需要广泛的金融知识和量化技能。

3.混合方法混合方法是基于历史和参数模型的方法,是VaR模型中比较广泛使用的一种方法。

混合方法结合了历史模拟方法和参数模型方法。

它使用历史收益率来计算金融产品的波动率,并通过模型来计算未来波动率。

四、VaR模型在系统性风险中的应用系统性风险是市场范围内的风险,由于这种风险造成的影响,市场中的许多不同的资产都会体现出相似的收益和亏损。

VaR模型可以帮助金融机构管理系统性风险。

以混合方法为例,金融机构可以使用历史收益率来计算系统性风险,并使用模型来计算未来波动率。

这样做可以帮助金融机构更好地理解系统性风险的潜在影响,并在必要时采取行动。

  1. 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. 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. 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)。
1、未考虑一些事件风险(event risk),如股 市崩盘或汇率重挫的现象。但这也是使用历史 资料估计的模型之通病。
2、不能正确地衡量与风险变量呈非线性关系之 金融工具,Delta-Normal法只考虑一阶导数的 影响,忽略了二阶导数的作用。
3、由于正态分布的假设,不能描述金融市场上 资产收益率分配经常会呈现的「厚尾」(fat tail)现象,低估了极端值(outlier)的比 重,这样VaR值也就被低估了。
J.P.Morgan是业界引导风险管理发展的典范。
9
VAR的定义
所谓风险价值(Value at Risk),是指在一主观给定的 机率(1-α)下,衡量在一目标期间(T,可能为一天、 两星期或十天),因市场环境变动的缘故,使某一投 资组合产生最大的期望损失值。
在统计上较严谨的VaR定义为资产资产组合的单尾信 赖区间,即 Prob((△P(△t,△x)<-VaR))=α
Dennis Weatherstone 1989年出任J.P. Morgan董事会主席,锐意变革: J.P. Morgan 改变保守经营的作风,到更为有利可图的公司 金融和证券市场放手一搏,但也要恪守其引以 为豪的稳健、诚信的传统。
面临着什么样的风险?这些风险是否可以准确 地度量?
4
VAR的由来
25
VAR的度量方法
VaR的度量方法3:历史模拟法 假设有N种资产,观察过去T期的历史资料,个
别 固资 定料 为在ωti(期与时目的前收投益资率组为合Ri权,t,重权相重同则)每,期则都每
一期的观察值都可以模拟出投资组合在该期的
收益率Rp,t,由投资组合的收益或损失的次数
分配中,再进一步计算出投资组合VaR,作为 下一期VaR的估计值。例如,观察过去100天的 历史资料,模拟出100个收益率,并转换成100 个利润或损失,在95%的信赖水准下,第5高 的损失就是VaR。
15
VAR的优点
VaR以一个简单的金额来表现,比较容易理解。 VaR同时包含整个投资组合的所有资产,已经
将资产间的相关性纳入考量,一个数字即隐含 了投资组合多角化分散风险的程度。 VaR用信赖水准的概念,报导出发生最大损失 的可能性,这也是传统风险衡量无法做到的。
16
VAR的优点
VaR可应用于投资决策的制定,当欲加入新的投资标的 时,可先行将其纳入投资组合中,计算IVaR值,并与 原投资组合之VaR比较,若IVaR小于VaR,则可考虑将 此投资机会纳入投资组合中。对企业而言,可以设定 愿意承担的VaR,把它视为风险目标,在设计投资组合 的内容时,将此因素列入考虑,调整投资组合的内容 直到符合企业所期望的风险目标,使得投资决策制定 者不再一味追求高获利,也要考量高风险。此外,VaR 还可以用来做资本配置,藉由分配、控管每个部门、 小组,甚至每位交易员的VaR值,使风险能和企业本身 的事业活动配合。VaR虽然是用以衡量市场风险,但其 方法可以适用于信用风险、操作风险的度量。
上式中△P(△t,△x)为资产组合市场价值的改变量, 是预测的时间期间(持有期间)△t与标的资产价格变 动△x所组成的函数;α为信赖水准。
10
VAR的解释
VaR是一种有效的风险管理的方法,采用规范的统计技 术来评估风险的大小。
风险值的计算涉及目标期间以及信赖水准的选择,不 同的持有期间和信赖水准当然会导致不同的风险值。 就目标期间而言,期间越短越能及早侦测出问题,但 越频繁的监控其成本也就越高,目标期间的选择必须 在这两者之间取得平衡点,对于市场风险,巴塞尔监 理委员会规定目标期间为十天;商业银行目标期间大 多设定为一天;退休基金大多以一个月为风险值的目 标期间。而信赖水准的决定则更主观,巴塞尔监理委 员会是规定99%的信赖水准;以银行业为例,信孚银行 (Bankers Trust)亦为99%,花旗银行(Citibank)则 是95.4%,J.P. Morgan RiskMetrics以及美国银行 (Bank America)则选择95%的信赖水准。
24
VAR的度量方法
VaR的度量方法2:Delta-Gamma法 Delta-Gamma法与Delta-Normal法基本假设相
同,均视各市场风险因子之价格变动率为联合 正态分布。然而,与Delta-Normal法不同的是, 当市场风险因子变动后,新的资产组合价值改 用二阶泰勒展开式(Second-order Taylor Series Expansion)加以逼近,因此可同时将 投资组合的Delta、Gamma以及Vega 纳入计算, 提高了计算精度。
12
VAR的特点
VaR 把对预期的未来损失的大小和该损失发生 的可能性结合起来,不仅让投资者知道发生损 失的规模,而且知道其发生的可能性,这是压 力测试和情景分析等其他市场风险衡量方法所 不具备的。
13
VAR的特点
该风险衡量方法适用面宽不同于β 值只适用于 衡量股票价格风险,久期和凸性只适用于衡量 债券和存贷款的利率风险,Delta 等希腊字母 方法只适用于衡量期权等衍生金融工具的风险, VaR 适用于衡量包括利率风险、汇率风险、股 票价格风险以及黄金等商品价格风险和衍生金 融工具风险在内的各种市场风险。
rt t
t t t
t
2 t 1
t 1
其中rt为第t期的收益率,μ为平均收益率。
22
VAR的度量方法
Delta-Normal法的优点:正态分布及线性的假 设提供了计算便利性。
由于正态分布的假设,可以轻易地将一个投资 组合的VaR在不同的信赖水准间转换,只要调 整适当的α值即可,不需要重新计算个别VaR。
在使用历史模拟法的过程中,模拟出了投资组合收益
的分配,同时也可以算出其偏度、峰度,对投资组合
收益的形态可有进一步的了解。
27
VAR的度量方法
历史模拟法的缺点: 对所有的观察值给予相同权重,高估了早期事件的影
响力,也忽略了近期重要事件的影响。 所需的历史资料必须够长,否则估计误差会太大。尤
其当信赖水准很高的时候,需要更长的观察期间来作 为模拟的基础。而如果投资组合中有一些很新的资产, 这些资产很有可能根本没有那么多历史资料。因此, 观察期间长度的取决,也成为一个难以解决的问题。 当投资组合庞大时,计算过程会相当繁杂。同样地, 在计算VaR时,必须分别计算加入新资产前、后的投资 组合价值,没有办法采取较为简洁的方法。
14
VAR的特点
通过调节置信水平,可以得到不同置信水平上 的VaR 值,这不仅使管理者能更清楚地了解到 金融机构在不同可能程度上的风险状况,也方 便了不同的管理需要。
VaR 是一种用规范的统计技术来全面综合地衡 量风险的方法,较其他主观性、艺术性较强的 传统风险管理方法能够更加准确地反映金融机 构面临的风险状况,大大增加了风险管理系统 的科学性。
26
VAR的度量方法
历史模拟法的优点:
观念上容易了解,没有繁杂的模拟、计算过程,容易 执行。
不需要对收益率做出正态分布(或其它分布)的假设, 不需要假设序列独立,因此,能够处理非线性、非正 态分布资产报酬的问题,而且并未排除分配可能具有 厚尾的特性。
不需要估计额外的参数(如投资组合的协方差矩阵 等),不存在选择参数估计方法、或是参数估计发生 误差的问题。
这里Zα是标准正态分布置信度对应的分位数 (常用的99%置信度,对应的分位数为2.33) 。
19
VAR的度量方法
Delta-Normal法计算的核心是计算出个别资产 收益率的波动率σi 。
波动率的计算方法1:简单移动平均方法(SMA)
t
1 n 1
n i 1
(rt
r
)2
其中rt为第t期的收益率,r为从第T-n期到第T1期的平均收益率。
可以将一个投资组合的VaR在不同持有期间之
间转换,如果假设收益率为序列独立
(serially independent),且收益率的方差
为同质方差(homoskedasticity),则投资组
合的方差每一期都相同,于是当持有期间为T
倍时,方差为T倍,标准差就变为时度量方法
Delta-Normal法的缺点:
28
VAR的度量方法
VaR的度量方法4:蒙特卡罗模拟法
蒙特卡罗模拟法是模拟未来特定期间,所可能发生的 资产价格变化,并依此建立资产收益之分配,进而推 估VaR,如此不但涵盖变量的所有可能状况,也可以处 理非常态模型。
第十章: 风险管理-VAR
房勇 2012年12月
1
主要内容
VaR的定义 VaR的优点 VaR的度量 VaR的局限 VaR的延伸
2
VAR的定义
3
VAR的由来
上个世纪九十年代,J.P. Morgan尽管经营保 守,业务发展缓慢,但仍然不能免疫于各种风 险,1989年, J.P. Morgan亏损10亿美元。
6
VAR的由来
随后, Guldimann组织了一个团队着手进行开发工作, 为第二年的研究会议做准备。他们最终开发出一套方 案,RiskMetrics于1994年诞生。这套系统中包含一个 详细的技术性说明文档,以及几百个关键影响因素之 间的协方差矩阵。这个矩阵每天都要更新,这同几年 前的季度更新相比堪称一次飞跃。文档和协方差矩阵 被发布到互联网上,任何人都可以免费获得。虽然服 务是免费的,但宣传推广过程却是大张旗鼓的。众多 财经媒体发布了这项服务的广告和宣传文章, J.P.Morgan代表也到多个城市巡回宣传。
Dennis Weatherstone 提出一个要求:每天下午 四点一刻,财务部门必须准时将一份度量和解 释公司全部风险的报告呈放在他的办公桌上。
面临着什么样的风险?这些风险是否可以准确 地度量?
Till Guldimann是当时J.P. Morgan的市场风 险委员会的主席,他发展出一套后来用于VaR度 量系统中的理念,并首先在公司内部推广使用 VaR度量系统。
相关文档
最新文档