风险度量

风险度量
风险度量

河北大学本科生毕业论文(设计)撰写规范(参考)

为规范本科生毕业论文(设计)撰写格式,进一步保证本科生毕业论文(设计)质量,特制定本规范。

一、毕业论文(设计)撰写结构要求 1、题目:风险的度量方法与应用研究

2、摘要:风险就是客观存在的不确定性以及可能给企业带来的损失。风险无处不在,较

早的识别并准确的度量风险可以有效地降低或克服风险的危害。随着经济全球化和市场国际化的不断深入发展,信息更新速度非常之快,企业面对的不确定风险不断增加,风险度量方法合理而有效的利用对学术的研究及企业的风险管理至关重要。目前,国内外关于风险度量的方法有很多,其分析侧重点、使用范围各不相同。常用的风险度量模型有VaR 模型 ,一致性风险度量模型,CVaR 模型,ES 模型,DRM 模型及凸转换模型等。为了更好的进行风险管理,本文就当前这几种常见的风险度量模型进行了归纳总结。要有高度的概括力,

语言精练、明确。同时有中、英文对照,中文摘要约300—400汉字;英文摘要约200—300个实词。

3、关键词:VaR,ES,凸转换从论文标题或正文中挑选3~5个最能表达主要内容的词作为关键词,同时有中、英文对照,分别附于中、英文摘要后。

4、目录:写出目录,标明页码。

5、正文:

一、 V AR 模型(Value at Risk ):

在风险管理领域,最流行的风险度量指标就是 VaR ,即我们所熟知的在险价值。该风险度量模型产生于1994年,比较正规的定义是:在正常市场条件下和一定的置信水平α上,测算出在给定的时间段内预期发生的最坏情况的损失大小X 。在数学上的严格定义如下: 设X 是描述证券组合损失的随机变量, ()F x 是其概率分布函数,置信水平为α ,则:

(){}()min |VaR a x F x α=-≥ ()1

a V a R F a

-=-(其中()1F a -是F (x )的反函数) 该模型在证券组合损失X 符合正态分布,组合中的证券数量不发生变化时,可以比较

有效的控制组合的风险。因此,巴塞耳委员会和许多金融机构都将其作为基准的风险度量方法,不仅适用于度量市场风险,而且用于度量信用风险和操作风险。从VaR 的表达式可以看出,VaR 对应于统计学上的分位数,由于分位数的值与分位点以下的概率分布无关,因此VaR 不能度量极端风险。对有些决策者(如银行股东)来说,如果风险度量的目的是衡量和控制银行的破产概率(使VaR 大于银行资本的概率足够小),而不关注一旦银行破产时的实际损失有多大(股东只承担有限责任),那么VaR 不能度量极端风险不是一种缺陷。然而对银行监管者而言,一家银行、尤其是一家大型银行破产后形成的巨额损失会危及整个银行系统的安全,因此VaR 不能度量极端风险是一种重要缺陷。

VaR 的另一缺陷是不满足次可加性,既不满足()()()a a VaR x y VaR x VaR y α+≤+的条件。在一些银行中,VaR 不仅用于度量风险,也用于置配风险(VaR 约束下的资本配置)。一般的做法是,对允许各部门承担的风险进行配置 ,使各部门的风险之和不大于整个银行

可以承受的最大风险。然而由于VaR 不满足次可加性,这种看似合理的风险控制方法,可能会导致整个银行的风险失控,因为用VaR 度量风险时,银行实际承担的风险可能大于各部门的风险之和。而银行也可利用VaR 的这个缺陷来进行监管资本套利,如用各部门VaR 的和来计量整个银行的VaR ,并计算资本要求。

下面证明VaR 不是经济学理性的风险度量方法,因为VaR 不相容于二阶随机占优。我们给出例证如下:设x 、y 为两个风险,分布函数分别为:

()0

90

099.9

900.01199.9849085,100

0.0584100.05

8510

1

10

1

10

y x t t t t t F F t t t t t -?<-??+??-≤--≤??

==?

?-≤??-≤??≥?≥??

即y 为离散型的随机变量,分别以概率0.011、0.039、0.95取值-99.9、-84和10;x 为连续

型随机变量和离散型随机变量的混合,分别以0.05的概率在区间【-90,-85】上取值(为其上的均值分布)、以概率0.95取值10。现在x E =y E =5.125,另外

()()()0100

0.011(99.9)99.99090850.1510.05858584

0.101

84z y x z z z F t F t dt z z z z -∞?≤-?

?+-≤-??

??-=?-≤-???

?-?+-≤-?

?≥-?? 其中,

()2

1900.01199.92100z z +??

?=?+- ???

由于

()()[]0z

y x F t F t dt -∞

-≥?

对一切Z 满足,在许多Z 点可取到严格不等式,x 二阶随机

占优于y 。但若取a=0.05,()()

85,()84,(),a a a a VaR x VaR y VaR x VaR y ==因此VaR 与二

阶随机占有不相容,VaR 不是经济学理性的风险度量方法。

二、一致性风险度量模型 (Coherent measure of risk):

Artzner et al. (1999) 提出了一致性风险度量模型,认为一个完美的风险度量模型必须满 足下面的约束条件:

1、 单调性: (),00X V X X ρ∈≥?≤;

2、 次可加性:()()()X V Y ,;V X Y V X Y X Y ρρρ∈∈+∈?+≤+,

3、 正齐次性:()(),0,X V h

hX V hX h h ρρ∈∈?=;

4、 平移不变性:()V X αραρα∈∈?-,R (X+)=X .

次可加性条件保证了组合的风险小于等于构成组合的每个部分风险的和, 这一条件与我 们进行分散性投资可以降低非系统风险相一致,是一个风险度量模型应具有的重要的属性, 在实际中也具有重要的意义:

首先,次可加性在银行的资本金确定上具有重要意义,如某银行有很多支行组成,每个 支行根据自己的风险分别计算自己的资本金需求数量, 则该银行总的资本金需求量会小于等于每个支行的资本金需求量之和。

其次,次可加性条件在我们求解最优化组合中也具有重要的意义,在该条件下求解最优 化组合的问题变成了一个凸规划,它的解具有存在唯一性。

但我们前面介绍的VaR 模型不满足次可加性条件,它不是一致性风险度量模型,因此在 某种意义上不是一个好的风险度量指标。例如:假设有两个面值100元,且不同时违约的企 业债券A 和B ,初始值都为98.9元,在不同的期末事件发生情况下,这两个债券的支付如下表: 期末事件 A B A+B Prob 1 70 100 170 3% 2 90 100 190 2% 3 100 70 170 3% 4 100 90 190 2% 5

100

100

200

90%

(表一)

从上表中我们可以分别计算出债券A ,债券B ,组合A +B ,5%的VaR 值,如下表: A B A+B 初始值 98.9 98.9 197.8 5%—V aR

8.9

8.9

27.8

(表二) 在上面的例子中,我们看到债券A 和B 的5%-V aR 值的和小于组合A +B 的5%-VaR 的值,这将直接导致我们在投资时,不是进行分散性投资,而是把所以的资金投在某一种债券上,这与我们投资理论是明显相矛盾的。因此,我们有必要提出一种具有一致性的风险度量指标。

3、 CVaR 模型(Condition Value at Risk):

条件风险价值(CVaR )模型是指在正常市场条件下和一定的置信水平α上,测算出在 给定的时间段内损失超过a VaR 的条件期望值。

设 X 是描述证券组合损失的随机变量,()F x 是其概率分布函数,则条件风险价值可以 表示为: {}|()a CVaR E x F x α=-≤

CVaR 模型在一定程度上克服了VaR 模型的缺点不仅考虑了超过VaR 值的频率,而且考虑 了超过VaR 值损失的条件期望,有效的改善了VaR 模型在处理损失分布的后尾现象时存在的问题。当证券组合损失的密度函数是连续函数时,CVaR 模型是一个一致性风险度量模型,

具有次可加性,但当证券组合损失的密度函数不是连续函数时,CVaR 模型不再是一致性风 险度量模型,即CVaR 模型不是广义的一致性风险度量模型,需要进行一定的改进。 4、ES 模型(Expect shortfall ):

期望损失ES 是2001年由Acerbi 引进的、近年来受到银行界关注、并且得到采用的一种风险度量方法。该 模型是在CVaR 基础上的改进版,它是一致性风险度量模型。如果损失 X 的密度函数是连续的,则ES 模型的结果与CVaR 模型的结果相同,如果损失 X 的密度函数是不连续的,则两个模型计算出来的结果有一定差异,定义为:

设 X 是描述证券组合损失的随机变量,()[]F x P X x =≤ 是其概率分布函数,令

()1inf{|()}F p x F x p -=≥

则 ()()ES X α 可以表示为:

()()()1

01

1a

a

a x

p ES X F p dp VaR x dp a

α

-=-

=?

?

ES 模型对于损失 X 的分布没有特殊的要求,在分布函数连续和不连续的情况下都能保 持一致性风险度量这一性质, 使该模型不仅可以应用到任何的金融工具的风险度量和风险控制,也可以处理具有任何分布形式的风险源,而且保证了在给定风险量的约束条件下最大化预期收益组合的唯一性。例如同样是对于前面表一提到的两个债券,我们采用ES 模型度量债券A 和B ,以及组合A +B 的风险指标,如下表: A B A+B 初始值 98.9 98.9 197.8 5%-ES

20.9

20.9

27.8

可以看到债券A 和B 风险的和大于组合A +B ,与分散性投资理论相一致。 但是,ES 也存在缺陷,它与二阶随机占有不相容。举例如下: 设x 、y 为两个风险,分布函数分别为:

()0

90

099.9

900.01199.9849085,100

0.0584100.05

8510

1

10

1

10

y x t t t t t F F t t t t t -?<-??+??-≤--≤??

==?

?-≤??-≤??≥?≥??

即y 为离散型的随机变量,分别以概率0.011、0.039、0.95取值-99.9、-84和10;x 为连续

型随机变量和离散型随机变量的混合,分别以0.05的概率在区间【-90,-85】上取值(为其上的均值分布)、以概率0.95取值10。现在x E =y E =5.125,另外

()()()01000.011(99.9)99.99090850.1510.05858584

0.101

84z y x z z z F t F t dt z z z z -∞?≤-?

?+-≤-??

??-=?-≤-???

?-?+-≤-?

?≥-?? 其中,

()2

1900.01199.92100z z +??

?=?+- ???

由于

()()[]0z

y x F t F t dt -∞

-≥?

对一切Z 满足,在许多Z 点可取到严格不等式,x 二阶随机

占优于y 。但若取a=0.05,可以得到

()1

(0.01199.90.03984)87.50,0.05

a ES y =

?+?= 另外,()p 0.05VaR 90100P x P ≤=-时,,因此

()()0.05

019010088.750.05

a ES x P dp =

-=?。 由于x 二阶随机占优于y ,但()()a a ES x ES y ,ES 与二阶随机占优并不相容,因此ES

不是经济学理性的风险度量方法。

4、 DRM 模型(Distortion Risk-Measure ):

DRM 模型通过构造一类特殊的变换函数,并通过一定的规则得到一类新的风险度量指 标,它的准确定义为:

设g 是一个变换函数,满足:[]:[0,1]0,1g → 是一个增函数,且 ()()00,11g g ==。

()()()F x g F x *=定义了一个新的概率分布函数。 如果变换函数 g 是一个连续的严格单调的函数,那么F *

和F 是等价概率测度。我们的DRM 模型风险度量指标()X ρ 表

示为:

()()()()()()00

1X E X g F x dx g F x dx ρ+∞

*

-∞

??==-+-????

DRM 模型包含了诸如VaR 、CVaR 等风险度量指标,它是一类更广义的风险度量指标。 例如:

则DRM 模型变为VaR 模型;

则DRM 模型变为CVaR 模型。

同时,DRM 模型的度量指标()X ρ 是否具有一致性,可以从变换函数g 进行判断,当变换函数连续时,DRM 模型的度量指标就是一致性风险度量指标。这一性质为我们根据实际需要构建一致性风险度量指标提供了优质的平台。 在前面,我们对现有的风险度量模型进行了简单的回顾,并分析对比了一致性风险度量 模型和非一致性风险度量模型的优缺点,充分肯定了一致性风险度量模型的优越性。但每一 个一致性模型都是一致性风险度量模型空间中的一个特例, 那么我们是否能够由现有的一致性风险度量模型扩张成一致性风险度量模型空间的一个子空间呢?或者说是否一致性风险度量模型的凸组合仍然是一致性风险度量模型呢?在下面一部分, 我们将对这一问题进行具体的分析。

5、凸转换度量模型

当x 二阶随机占优于y 时,风险厌恶的决策者一致认为x 的风险小于y 的风险,V aR 与ES 不相容于二阶随机占优的事实说明,VaR 与ES 在度量风险时均有可能产生错误结论:将较大风险度量为较小风险、较小风险度量为较大风险,这有可能导致银行或监管机构的决策错误。下面我们引入一种经济学理性的度量方法------凸转换度量。

在这一部分我们研究了一致性风险度量模型凸组合的性质,发现一致性风险度量模型的凸

组合仍然保持一致性,并把这一性质应用到ES 模型,得到了带有风险调整的一致性风险 度量指标。

定理1:假设i ρ,i=1,2,...n 是一系列一致性风险度量指标,i α,i=1,2,...,n 是一系列常数, 且满足

1

1n

i

i α

==∑,则0

n

i i i a ρρ==∑是一致性风险度量指标。

证明:结果是显而易见,只需要在i ρ满足一致性风险度量指标的4个条件的前提下,证明

ρ也满足一致性风险度量指标的4个条件。下面只给出次可加性的证明:由i ρ是一致性风

险度量指标,则对任意的 ()()(),,i i i X V Y V X Y V X Y X Y ρρρ∈∈+∈?+≤+ ()()()()11

n n

i i

i

i

i

i i X Y a X Y a X Y ρρρρ==+=

+≤+????∑∑

()()()()1

1

n

n

i i

i i

i i a X a Y X Y ρρρρ===

+=+∑∑

所以ρ满足次可加性,类似可以证明其它3个性质,证毕。

上面的定理给出了i ρ 是离散的情况, 对于a ρ是一族风险度量指标的情况如 a a ES ρ=, 我们依然可以得到类似的结果。

推论:如果 a ρ是一族一致性风险度量指标 [],a a b ∈,那么对于任何的满足

()1b

a

du a =?

()0du a ≥的()du a 都有()b

a a du a ρρ=?是一致性风险度量指标。

证明:这一结果是显而易见的,它是定理一的连续形式,只需要在 a ρ满足一致性风险度量 指标的4个条件的前提下,证明

ρ也满足一致性风险度量指标的4个条件,下面只给出次

可加性的证明:由 a ρ 是一致性风险度量指标,则对任意的,,X V Y V X Y V ∈∈+∈都有

()()()i i i X Y X Y ρρρ+≤+。因为()du a 满足()1b

a du a =?,()0du a ≥,所以

()()()()()()()b

b

a a a a

a

X Y du a X Y du a X Y ρρρρ+=+≤+??

()()()()()()b

b

a a a

a

du a X du a Y X Y ρρρρ=

+=+?

?

所以a ρ满足次可加性,类似可以证明其它3个性质,证毕。

a ES 模型是一个一致性风险度量指标,我们可以把上面的推论应用到该模型上,假设

()[]1

1,()0,0,1adu a du a a =≥∈?

,则由推论可知:1

()a du a aES ρ=? 是一致性风险

度量指标。

()()()11

1

1a a du a aES du a a

F p dp a ρ-==-??? ()()110

a

du a F p dp -=-??

对上式应用卷积公式得:

()()()11

1

110

()a p

du a F p dp F p dp du a ρ--=-=-????

取 ()1()p

f p du a =

?,因为()0du a ≥ ,则()()1

0p

f p du a =≥? ,且

()f p 是 p 的减

函数,再利用卷积公式有:

()()1

1110

()a

p

f p dp dp du a du a dp ==?

????

()1

1adu a =

=?

由()f p 具有的性质,我们可以把()f p 看作是 p 的概率密度函数。如果p 是现实概率密度函数,则()f p 是经过调整的概率密度函数,()1

10

()F p f p dp ρ-=-?

是经风险调整过

的一致性风险度量指标,可以写成如下定理形式:

定理二:设 X 是描述证券组合损失的随机变量, []()F x P X x =≤是其概率分布函数,

令 ()(){}1

inf |F p x F x p -=≥,则()1

1

()F p f p dp ρ-=-?是一致性风险度量指标当且

仅当

()f p 满足 ()1

()0,1f p f p dp ≥=?,且 ()f p 是 p 的单调减函数。

证明:由上面的推理过程,可知定理成立。 该定理给出了一个判断具有 ()()1

10

F p f p dp ρ-=-

?

形式的度量指标是否具有一致性

的充分必要条件,下面我们看两个例子: 例1、我们取 11

()ospsa f p I a

=

,易检验知 ()1f p 满足定理二中的条件,因此根据定理二有 ()()1

110

F p f p dp ρ-=-? 是一致性风险度量指标。

()()()11

1110

1ospsa F p f p dp F p I dp a

ρ--=-=-??

()1

01a a F p d p E S a

-=-

=? 这与我们前面已知的a ES 是一致性风险度量指标相一致。 例2、我们取

易检验知 ()2f p 是一个密度函数,但不是单调递减的函数,()2f p 不满足定理二中的条件,则由定理二知 ()()1

120

F p f p dp ρ-=-?

不是一致性风险度量指标。

()()()()1

11120

F p f p dp F p a p dp ρδ--=-

=--?

?

()1a F a V a R

-=-= 这与我们前面介绍的a VaR 不是一致性风险度量指标相一致。

另外,从函数()f p 的单调性,我们还可以看到作为一致性风险度量指标,必须给予坏 的情况更大的权重,而这一点也正体现了人们的风险厌恶程度,就像给定一个效用函数就确 定了一个人的风险厌恶度,同样给定了一个函数()f p 同样表明一个人的风险厌恶程度。 凸转换度量 是一致的,经济学理性的风险度量方法,满足同单调可加性。(1)毕业论文

正文:包括前言、本论、结论三个部分。

前言(引言)是论文的开头部分,主要说明论文写作的目的和现实意义,简述本课题国内外现状及对所研究问题的认识,并提出论文的中心论点等。前言要写得简明扼要,篇幅不要太长。

本论是毕业论文的主体,包括研究内容与方法、实验材料、实验结果与分析(讨论)等。在本部分要运用各方面的研究方法和实验结果,分析问题,论证观点,尽量反映出自己的科研能力和学术水平。

结论是毕业论文的收尾部分,是围绕本论所作的结束语。其基本的要点是总结全文、加深题意、简述自己的创新成果或新见解。

(2)毕业设计说明书正文:包括前言、本论、结论三个部分。

前言(引言):说明本设计的目的、意义、范围及应达到的技术要求;简述本课题在国内外的发展概况及存在的问题;本设计的指导思想;阐述本设计应解决的主要问题。

本论:

①设计方案论证:说明设计原理并进行方案选择。说明为什么要选择这个设计方案(包括各种方案的分析、比较);阐述所采用方案的特点(如采用了何种新技术、新措施、提高了什么性能等)。

②计算部分:这部分在设计说明书中应占有相当的比例。要列出各零部件的工作条件、给定的参数、计算公式以及各主要参数计算的详细步骤和计算结果;根据此计算应选用什么元器件或零部件;需采用计算机的设计还应包括各种软件设计。

③结构设计部分:包括机械结构设计、各种电气控制线路设计及功能电路设计、计算机控制的硬件装置设计等,以及以上各种设计所绘制的图纸。

④样机或试件的各种实验及测试情况:包括实验方法、线路及数据处理等。

⑤方案的校验:说明所设计的系统是否满足各项性能指标的要求,能否达到预期效果。校验的方法可以是理论验算(即反推算),包括系统分析;也可以是实验测试及计算机的上机运算等。

结论:概括说明设计的情况和价值,分析其优点和特色、有何创新、性能达到何水平,并应指出其中存在的问题和今后改进的方向。

6、参考文献:在毕业论文(设计说明书)末尾要列出在论文(设计)中参

考过的专著、论文及其他资料,所列参考文献应按文中参考或引证的先后顺序排列。

7、致谢:简述自己做毕业论文(设计)的体会,并应对指导教师和协助完成论文(设计)的有关人员表示谢意。

8、注释:对论文中所应用的名词术语的解释或是对引用处的说明,采用脚注形式。

9、附录:对于一些不宜放在正文中,但有参考价值的内容,可编入附录中。例如,公式的推演、编写的算法、语言程序等。外文文献及译文放入附录中。

二、毕业论文(设计)撰写格式要求

1、毕业论文一律打印,采取A4纸张,页边距一律采取:上、下2.5cm,左3cm,右1.5cm,行间距取多倍行距(设置值为1.25);字符间距为默认值(缩放100%,间距:标准),封面采用教务处统一规定的封面。

2、字体要求

论文所用字体要求为宋体。

3、字号

第一层次题序和标题用小三号黑体字;第二层次题序和标题用四号黑体字;第三层次及以下题序和标题与第二层次同;正文用小四号宋体。

4、页眉及页码

毕业论文各页均加页眉,采用五号字宋体居中,打印“河北大学XXXX届本科生毕业论文(设计)”。页码从正文开始在页脚按阿拉伯数字(宋体小五号)连续编排,居中书写。

5、摘要及关键词

中文摘要及关键词:“摘要”二字采用三号字黑体、居中书写,“摘”与“要”之间空两格,内容采用小四号宋体。“关键词”三字采用小四号字黑体,顶格书写,一般为3—5个。

英文摘要应与中文摘要相对应,字体为小四号Times New Roman。

6、目录

“目录”二字采用三号字黑体、居中书写,“目”与“录”之间空两格,第一级采用小三号宋体字,其他级题目采用四号宋体字。

7、正文

正文的全部标题层次应整齐清晰,相同的层次应采用统一的字体表示。第一级为“1”、“2”、“3”、等,第二级为“1.1”、“1.2”、“1.3”等,第三级为“1.1.1”、“1.1.2”等,具体格式要求详见模板(模板从教务处主页文件下载专区下载)。

8、参考文献

参考文献要另起一页,一律放在正文后,在文中要有引用标注,如×××[1],具体格式要求详见模板(模板从教务处主页文件下载专区下载)。

9、注释

正文中在右上角加数码,形式为“①”,同时在本页使用WORD中页脚注功能,注文采用小五号宋体,具体格式要求详见模板(模板从教务处主页文件下载专区下载)。

10、附录

“附录”二字采用小三号黑体,“附”与“录”中间空两格。外文资料及译文放入附录中,外文资料可用A4纸复印,如果打印,采用小四号Times New Roman 字体,译文采用小四号宋体打印,格式参照毕业论文(设计)文本格式要求。

11、图、表、公式

图: a.要精选、简明,切忌与表及文字表述重复。

b.图中术语、符号、单位等应同文字表述一致。

c.图序及图名居中置于图的下方,用五号字宋体。

表: a.表中参数应标明量和单位的符号。

b.表序及表名置于表的上方。

c.表序、表名和表内内容采用五号宋体字。

公式:a.编号用括号括起写在右边行末,其间不加虚线。

b.公式中的英文字母和数字可以采用默认的字体和字号。

图、表与正文之间要有一行的间距,公式与正文之间不需空行;文中的图、表、附注、公式一律采用阿拉伯数字分章编号。如:图2-5,表3-2,公式(5-1)(“公式”两个字不要写上)等。若图或表中有附注,采用英文小写字母顺序编号。

12、量和单位

要严格执行GB3100—3102:93有关量和单位的规定(具体要求请参阅《常用量和单位》,计量出版社,1996);物理量用斜体,单位用正体;

单位名称的书写,可以采用国际通用符号,也可以用中文名称,但全文应统一,不要两种混用。

13、标点符号

注意中英文标点符号的区别,不能混用。

三、毕业论文(设计)装订存档要求

毕业论文(设计)按以下顺序左侧装订归档:

封面→任务书→开题报告→指导情况记录→答辩记录→评阅书及成绩评定

表→中、英文摘要(含关键词)→目录→正文→参考文献→致谢→附录(含外文资料及中文译文)。

注:根据学科专业特点,各学院可参考本规范制定切合本学院实际情况的撰写规范。

金融风险度量方法Var与CVar的实用性研究(一)

金融风险度量方法Var与CVar的实用性研究(一) 摘要]本文从Var与CVar两种金融风险度量方法的引入出发,对两种金融风险度量方法的概念、性质、特点等进行了深入的对比分析,并配以实证算例,总结出二者优缺点以及实用性,以方便今后的应用与研究。 关键词]风险度量VarCVar 一、引言 1952年美国经济学家Markowitz首次提出收益与风险的度量理论——期望与方差度量方法,从而开创了风险度量的量化时代。然而,随着理论研究的不断深入,研究者对期望与方差度量方法提出越来越多的质疑。首先,它与投资者对风险效用心理是不一致的;其次,期望与方差方法在实际应用当中有一个弊端就是它在运算时对所提供的数据要求严格,实际操作起来也比较复杂。基于以上情况,现代金融机构与金融理论研究者对Var与CVar等度量方法投入了更多的关注。 二、度量方法 度量方法最早是由J.P.Morgen创建的。从上世纪90年代至今,金融领域的研究者对这一度量方法的研究取得了显著的进展,它也被越来越多的金融机构所接受与认可,日益成为风险度量主要工具之一。 Var的概念:Var(ValueatRist)可直译为在险价值,它是按事先设定的置信水平对投资者手中所持有的头寸可能面临损失的一种估计。即在预设置信水平100(1-a)%前提下有,其中X为一随机变量,代表金融资产的损益。 Var的主要性质:设R表示随即变量X的全集则Var满足(1)a∈R,平移不变性V(X+a)=V(X)+a(2)正其次性对h>0,有V(hX)=hV(X),表示风险与头寸规模是成正比的。(3)对所有的X有Y∈R 表示Var满足单调可加性却不满足次可加性。(4)当资产收益服从有限方差椭圆分布时Var与期望方差满足如下关系式这里E(X)代表资产的期望收益,V(X)为资产的标准差,qa是标准分布函数的a%分位数。 VAr的主要特点:(1)Var实质上是满足损失分布的某一特定概率分位点,这个概率通常可以取99%或95%。(2)Var是不满足一致性公理的风险度量。(3)如果金融资产的损益分布服从椭圆分布时,并且资产损益均值相等时,Var与一价随机占优相一致。附n价随即占优定义如下,设分布函数F(X),n阶分布函数,,设X1与X2表示两种金融资产随机损益,若满足F(n)(X1)≤F(n)(X2)则称X1(n价)随即占优X2,记为X1≥(n)(X)2。那么对Var有X1≥(1)X2(4)Var 具有尾部损失测量不充分性。尾部损失测量不充分性也称作为损失性,即无法考察到分位点以下的损益信息。诚然,这部分信息属于概率数学当中的小概率事件,但是它却有可能带来金融领域严重危机。(5)Var关于a是非连续的。 三、CVar度量方法 CVar度量方法是Rockafeller和S.Uryasev于2000年提出的。作为CVar度量方法的改进版CVar 度量方法依靠其对风险更准确的描述特性,迅速得到专业人士的认可,近些年来发展势头迅猛。 CVar的概念:CVar(CondtionalValueatRist)可直译为条件在险价值,或称平均超值损失。它是在投资损失大于某个给定的Var值条件下的期望损失。 CVar主要性质:CVar满足一致性公理即R表示随即变量全集,对X,Y∈R有(1)正齐次性CV(aX)=aCV(X)它能够反映出风险与头寸规模是成正比的。(2)单调性若X≤Y则有CV(X)≥CV(Y)表明损失大的头寸风险也相应较大。(3)次可加性CV(X+Y)=CV(X)+CV(Y)表明投资风险分散化原理。(4)平移不变性CV(X+a)=CV(X)-a表明追加一定数量的无风险投资,风险会减少同等数量。CVar度量方法的主要特点:(1)CVar不再是一个单一的分位点,而是尾部损失的均值,通过取Var的积分和求得。(2)因为它完全考虑了整个的风险存空间,因此可以有效避免尾部损失。

证券风险度量方法的比较分析

实习调查报告(本科) 学院数学与统计学院 专业 年级 姓名 论文题目证券风险度量方法的比较分析 指导教师职称教授 成绩 2016年10月17日

证券风险度量方法的比较分析 0引言 近二十年来,随着计算机技术的普及及推广,金融市场世界一体化趋势得到加强,金融衍生工具的广泛使用,使金融创新层出不穷.与此同时,金融市场风险日渐突出,市场风险的度量就成为市场风险管理中的基础和核心.在风险管理中,会涉及许多统计问题,例如,证券价格的变化规律如何?价格与收益作为风险度量对象各有什么特点?如何运用金融工程的技术方法解决我国经济发展中的风险问题等.本文着重分析了度量风险的几种统计指标,并对该几个指标的统计性质进行了对比分析,实证地对有关度量指标进行了计算。 1 证券风险度量方法的发展 20世纪80年代以来,随着信息技术迅猛发展,各国金融创新和自由化的浪潮更是史无前例,金融证券市场的波动进一步加剧。与此同时,出于分散风险的需要,金融衍生工具产生并得到了迅速发展.当衍生工具越来越多地被用于投机而非保值的目的时,出于规避风险的需要而产生的金融衍生工具本身也孕育着极大的风险.近年来,英国巴林银行的倒闭,日本大和银行的巨额交易亏损等都与金融衍生工具的滥用有关。于是,金融证券市场尤其是衍生工具市场的市场风险日益凸现并受到人们的关注,如何有效地测定和控制这些市场风险便成为金融证券机构、投资者和有关监管层所面临的亟待解决的问题。 用方差表示的波动率测量和β系数等风险敏感度指标作为风险的度量,在实践中得到了广泛的应用,同时也都存在着一定的缺陷。因此在风险管理中,仅用一项指标是远远不够的,必须采用多方位立体框架来测量和量化风险。 金融工程技术在一些经济发达国家的应用实践告诉我们,金融工程已经渗透进市场经济的每一个领域,金融衍生工具的广泛使用,使风险管理的面貌发生了很大的改观;同时,金融衍生工具到金融工程的作用,通过干中学,引入一些可被利用的金融工程成果,使金融工程在中国获得实质性的发展,又要认识到中国发展金融工程的条件并不十分理想,要根据中国的实际,谨慎地使用各种金融衍生工具。 2 风险尺度

信用风险的度量方法

一、信用风险度量方法与模型 1.传统的信用风险评价方法 (1)要素分析法。 要素分析法是通过定性分析有关指标来评价客户信用风险时所采用的专家分析法。 常用的要素分析法是5C要素分析法,它主要集中在借款人的道德品质(Character)、还款能力(Capacity)、资本实力(Capital)、担保(Collateral)和经营环境条件(Condition)五个方面进行全面的定性分析,以判别借款人的还款意愿和还款能力。 根据不同的角度,有的将分析要素归纳为“5W”因素,即借款人(Who)、借款用途(Why)、还款期限(When)、担保物(What)及如何还款(How)。 还有的归纳为“5P”因素,即个人因素(Personal)、借款目的(Purpose)、偿还(Payment)、保障(Protection)和前景(Perspective)。 无论是“5C”、“5W”还是“5P”,其共同之处都是先选取一定特征目标要素,然后对每一要素评分,使信用数量化,从而确定其信用等级,以其作为其销售、贷款等行为的标准和随后跟踪监测期间的政策调整依据。 (2)特征分析法。 特征分析法是目前在国外企业信用管理工作中应用较为普遍的一种信用分析工具。它是从客户的种种特征中选择出对信用分析意义最大、直接与客户信用状况相联系的若干因素,将其编为几组,分别对这些因素评分并综合分析,最后得到一个较为全面的分析结果。

一般所分析的特征包括客户自身特征、客户优先性特征、信用及财务特征等。特征分析法的主要用途是对客户的资信状况做出综合性的评价,它涵盖了反映客户经营实力和发展潜力的所有重要指标,这种信用风险分析方法主要由信用调查机构和企业内部信用管理部门使用。 (3)财务比率分析法。 信用风险往往是由财务危机导致的,因此,可以通过及早发现和找出一些特征财务指标,判断评价对象的财务状况和确定其信用等级,从而为信贷和投资提供决策依据。 财务比率综合分析法就是将各项财务分析指标作为一个整体,系统、全面、综合地对企业财务状况和经营情况进行剖析、解释和评价。这类方法的主要代表有杜邦财务分析体系和沃尔比重评分法。 杜邦财务分析体系是由美国杜邦公司创立的,它以净值报酬率为龙头,以资产净利润率为核心,重点揭示企业获利能力及其前因后果,通过对某项综合性较强的财务比率的逐层分解,将相关财务指标联系起来,形成一个综合体系,以便清楚地反映各项财务指标的相互关系。 沃尔比重评分法是由财务综合评价领域的著名先驱者之一亚历山大·沃尔创立的,他把若干个财务比率用线性关系结合起来,以此评价企业的信用水平。他选择了七种财务比率,即流动比率、产权比率、固定资产比率、存货周转率、应收账款周转率、固定资产周转率和自有资金周转率,分别给定各自的分数比重,通过与标准比率(行业平均比率)进行比较,确定各项指标的得分及总体指标的累计分数,从而得出企业财务状况的综合评价,继而确定其信用等级。 2.多变量信用风险判别模型 多变量信用风险判别模型是以财务会计信息为基础,以特征财务比率为解释变量,运用数量统计方法建模。多变量信用风险判别模型主要

金融风险度量的传统方法

第五章 金融风险度量的传统方法 第一节 金融风险度量的传统方法 一、用价差率来衡量风险 价差率是用来测算单个证券投资风险最简单的方法,其计算公式如下: 价差率=2╳(最高价-最低价)/(最高价+最低价)╳100% 上式中的最高价、最低价是指该证券在相应各期限(如年)的最高价和最低价,价差率法的实质是直接将证券的可能波动幅度作为衡量风险的指标。 用价差率来衡量证券的波动幅度和风险,计算简单方便,意义清晰直观;价差率越大,意味着股票的风险越大,反之,则股票的风险越小。而且,可以根据具体情况和需要,采取不同的期限,如年、月、周等来计算价差率。不过,由于用价差率来测量风险时所包含的内容过于狭窄,其精确度和适用范围非常有限。 二、灵敏度分析与β系数法 灵敏度(Sentivity)是收益的方差与产生这一方差的某一随机变量(如利率、汇率等)的方差之比,它是两个方差的比值。设以V 表示收益,χ表示影响收益的市场随机变量,S 表示收益V 对χ的灵敏度,则: V S χ ?=? 或者以两方差的百分比的比值表示为: //V V S χχ ?=? 如某一债券价格对利率的敏感度为5,则它意味着1%的利率方差将产生5%的债券收益方差。若债券价值为10000,则其价值变动的方差为500。 如果某投资组合的收益或价值受到几个市场随机变量的影响,那么该投资组合的风险就需要由这几个灵敏度组成的灵敏度变量来描绘。例如,某证券投资组合的市场价值依赖于各有关货币的利率、汇率、证券价格指数。这时,需将投资组合价值对这些变量的灵敏度都计算出来,但不能将它们直接相加。因为那样意味着各随机变量将在同一时间以给定的幅度变动,从而会夸大风险。

金融风险度量方法选择及适用性分析

金融风险度量方法选择及适用性分析 在很长时期内风险价值模型(Value at Risk,以下简称VaR)都作为首选来度量风险,然而其理论和应用都存在缺陷。VaR并没有考虑潜在的尾部风险,而且不满足一致性风险度量的公理条件,即VaR不是一个理想的风险度量。本文从理论上分析了VaR模型存在的缺陷,并介绍其他风险度量模型,研究其特性,最后在此基础上提出金融风险度量选择的依据。 关键词:风险价值一致性风险度量期望短缺谱风险度量扭曲风险度量 回顾金融风险管理理论的发展史,20世纪70年代是现代金融风险管理发展的重要年代。布雷顿森林体系破产之后,利率、汇率等市场风险问题在金融机构的风险管理中日益凸显。而1973年4月,芝加哥期权交易所(CBOE)的正式运营以及著名的布莱克-舒尔茨期权定价模型的发表标志着现代金融风险管理时代的到来。20世纪90年代,以金融工程为代表的现代金融风险管理技术发展迅速,市场风险和信用风险的量化管理也得到了很大的发展。然而长期资本管理公司(LTCM)的破产为金融工程的应用提出了警示。金融工程的发展使得大量的数理统计模型在金融风险管理中获得应用,这其中包括著名的VaR模型。 我国金融市场是一个发展中的新兴市场,金融风险管理的手段还比较落后,主要以定性分析为主,重在事后分析和评估,缺少事前风险防范和控制。随着我国的金融改革的发展和金融市场的进一步开放,金融监管的原则与风险管理的技术必须符合国际惯例要求。 VaR模型的产生及其局限性 风险管理的基础和核心是对风险的定量分析和评估,即风险度量。传统的风险度量方法如Beta、Delta、久期和凸性等仅适用于特定的金融工具或领域,难以全面反映风险覆盖情况。在这一背景下,1993年G30小组首先提出风险价值(Value at Risk)的概念,VaR模型旨在估计给定投资工具或组合在未来资产价格波动下可能的潜在损失。这一指标最大的优点是能够测量由不同市场因子导致的风险,以及不同市场的总风险,能够较为准确地测量不同风险因子及其相互作用而产生的损失,能够适应金融市场发展的动态性、复杂性和全球化的趋势。 然而,VaR度量的是正常市场情况下的市场风险,在现实中,金融市场出现剧烈波动的极端市场情形大量存在,即VaR并没有考虑潜在的极端市场情形。对VaR实践的评估以及对风险度量的进一步研究指出VaR并非一个一致性风险度量,其不满足次可加性的公理条件,从而无法进行风险分散。 正是由于VaR还存在着理论与应用上的缺陷,推动了风险度量的进一步发展。在VaR的基础上许多研究者提出了风险度量的其他方法。Acerbi and Tasche (2002)提出期望尾部损失ES(Expected Shortfall,以下简称ES),Wang(1996)提出扭曲风险度量的概念,Acerbi(2002,2004)将经济学的风险偏好理论引入风险度量中,提出了谱风险度量,从而使风险管理的实践者有了更多的选择。 基于分位数回归的风险度量 (一)风险价值VaR VaR的含义是“风险中的价值”,JP Morgan将VaR看作既定头寸冲消或重估前可能发生的市场价值的最大损失的估计值。而VaR比较权威的定义由Jorion (1997)提出,将其定义为给定置信水平下,风险资产在持有期内可能遭受的最

企业财务风险的识别与度量

企业财务风险的识别与度量 摘要:财务风险是不以人的意志为转移而客观存在的。企业财务状况的好坏直接影响企业的生存和发展,进而影响我国的经济发展和社会稳定,对企业财务风险管理进行系统深入的研究,具有极为重要的意义。本文在结合中外学者对财务风险的研究基础上,浅析企业财务风险的识别和度量方法。由于我国关于财务风险管理理论的研究还不够完善,因此这对于研究我国企业财务风险的识别和度量具有非常重要的理论价值和现实意义。 关键词:财务风险;风险识别;风险度量 正文: 企业财务风险存在于企业财务管理工作的各个环节,是现代企业面对市场竞争的必然产物,并贯穿于企业生产经营的整个过程中,因此是不可避免的。企业只有加强对财务风险的识别、预测和控制,才能在激烈的市场竞争中将风险降至最低水平,使企业价值最大化的财务目标得以实现。在此问题上,国内外学者都有很大贡献。 Fitzpatrick(1932)对财务危机预测进行单变量破产预测模型研究,他以19家公司为样本,将样本分为两组,即破产与非破产。结果发现判别能力最高的是净利润/股东权益和股东权益/负债两个比率。 Beaver(1966)在其论文《Financial Ration as Predictions of Failure》中率先提出了单变量分析法。Beaver选择了79对公司组成样本,分别检验了反映公司不同财务特征的6组30个变量在公司破产前1-5年的预测能力,他发现最好的判别变量是营运资本/流动负债和净利润/总资产。 Altman(1968)首次运用多变量分析技术对企业财务危机进行判别分析。他从流动性、获利能力、财务杠杆、偿债能力和活动性5个方面选用了22个变量作为预测备选变量,通过对1946-1965年33家破产制造企业和33家非破产配对企业的研究分析,根据误判率最小的原则,最终确定营运资产/资产总额、留存收益/资产总额、息税前利润/资产总额、股东权益市场价值/总负债账面价值

金融风险度量方法研究

龙源期刊网 https://www.360docs.net/doc/f21520792.html, 金融风险度量方法研究 作者:蒋彦平 来源:《现代经济信息》2013年第15期 摘要:随着经济全球化进程的逐渐发展,金融市场在这一背景之下,大大小小不同的波动更加容易出现。其中金融波动对金融市场的稳定性造成了一定的影响,导致金融风险的存在也日益严重。在美国经济危机爆发,对全球经济造成了严重的影响之后,更加提升了人们对金融风险的重视。那么为了能够对金融风险进行有效的预防,就必须要找到一个科学合理的风险度量方法。下面本文就对金融风险度量方法进行详细的分析。 关键词:金融;风险;度量方法 中图分类号:F832.3 文献标识码:A 文章编号:1001-828X(2013)08-0-01 金融风险的出现不但会对金融机构的正常运行产生一定的影响,甚至还会导致连锁反应的出现,从而造成全球经济动荡。各金融机构为了能够对金融风险进行有效的控制,均加强了对其科学合理风险度量方法的研究,以此确保可以对金融风险进行准确的评估,提高金融风险控制力度[1]。其中由于各金融风险之间也具有一定的差异性,因此其度量方法也有所不同,下 面本文就对目前金融市场,最常用的三种进行探讨。 一、金融风险方差度量方法 在Markowitz1952年所发表的《资产选择》中,首次对金融理论进行了定量化的研究,那么Markowitz也就成为了第一个对金融市场风险,采用数量方法进行度量的人。其中他的资产组合理论是在规范分析的基础上,对人们在进行资产选择时,怎样才能够对金融风险进行有效避免,从而获取最大化的经济效益的方法进行的探讨。其中一开始市场风险的原型就是在资产组合理论中出现的,Markowitz曾把它称为是一种具备不确定性的资产收益。Markowitz对于 这一资产收益不确定性的度量,采用的是统计学中的方差或者标准差,那么这一方法也就成为了金融风险度量中的最早方法,金融风险大小也就第一次被Markowitz采用具体的数量进行的刻画。方差这一金融风险度量方法不但具有概念明确、统计性好以及容易理解的优点,同时在收益率对正态分布假设条件服从的条件下,可以把组合方差分别称为多个单个的资产收益率方差和协议差。金融风险的方差度量方法,具有良好的适用性和简便性,因此到目前为止,其不但在金融风险度量中使用范围最广,使用最广泛,同时也是之中影响最大的度量方法[2]。但 随着人们对金融风险本质认识的深入,这一度量方法所展示出来的弊端也越来越多,其中方差方法本身的定义就和风险的原始含义具有偏差,对于真实风险的大小不能够进行度量,其虽然可以帮助投资者规避一定的风险,但是也具有使其失去更多收益机会的可能。另外方差方法的假设具有一定的严格性,具有比较繁重的计算任务,因此也就迫使人们不断的对新的金融风险度量方法进行探寻,以能够对方差方法中所具有的弊端进行消除,从而提高金融风险度量的科学性、合理性和准确性[3]。

风险度量研究综述

风险度量研究综述 上海期货交易所首席计算机专家 李大鹏博士 上海期货交易所博士后工作站 谷艳玲博士 内容摘要:本文对金融市场风险度量理论的研究进展进行了简要的评述,着重阐述以往风险度量工具的缺陷以及最新风险度量的研究进展。 1.风险度量理论研究进展 “风险”(Risk)一词本身是中性的,Savage(1954),Von和Morgenstern (1953),Dreze(1974)将风险定义为对未来结果不确定性的暴露(Exposure to uncertainty)。以此类推,金融风险就是指金融市场的交易者在金融活动中对未来结果不确定性的暴露。风险度量实际上就是建立一个规则,使得任何一个可能的风险头寸都对应一个数值,即风险度量大小的值。金融风险的度量就可以看成是度量市场交易者所持有头寸的不确定收益,这个收益可以是正的(获利)也可以是负的(损失)。如果用一个随机变量表示这个不确定收益,风险度量就是从一个随机变量集合映射到实数域的范函。用一个简单的数字来量化金融市场交易者的风险暴露,已经成为目前比较流行的风险度量方法。世界各地的金融机构,包括投资银行、保险公司、银行信托为增强自身运作中的风险管理能力,都在寻找合适的风险度量工具。 按照风险来源的不同,金融风险主要可以分为五种类型(Marrison,2002):市场风险1(Market risk), 信用风险2(Credit risk),流动性风险3(Liquidity risk),操作风险 1由于市场因素(如利率,汇率,股价以及商品价格等)的波动而导致的金融交易者的资产价值变化的风险。这些市场因素对金融交易者造成的影响可能是直接的,也可能是通过对其交易对手,供应商或者消费者所造成的间接影响。 2由于借款人或市场交易对手的违约(无法偿付或者无法按期偿付)而导致损失的可能性。几乎所有的金融交易都涉及信用风险问题。 3由于资产流动性降低而导致的金融交易者可能损失的风险。当金融交易者无法通过变现资产,或者无法减轻资产作为现金等价物来偿付债务时,流动性风险就会发生。

外汇风险的度量

外汇风险的度量 一、外汇风险的直接度量 外汇风险的直接度量法,是指衡量由于汇率的波动给有关外汇市场经济主体的外汇资产价值带来影响的度量方法。通过这类金融风险度量方法,外汇市场经济主体的管理者可以直接掌握汇率发生变动的情况下外汇投资组合的损失。直接度量外汇风险的金融风险度量法主要有外汇敞口分析、VaR度量方法和极端情况下的各类方法。 在这些方法中,外汇敞口分析可以衡量经济主体因其外币资产和负债组合的不相匹配或外汇买卖的不相匹配而可能产生的外汇亏损或盈利所形成的外汇风险。这种方法具有计算简便、清晰易懂的优点,但它忽略了各币种汇率变动的相关性,难以揭示由于各币种汇率变动的相关性所带来的外汇风险。目前,为大多学者所使用的外汇风险直接度量方法主要是VaR度量法以及在极端情况下所使用的各种直接度量方法。 (一) VaR度量法 VaR的度量法可以将不同市场因子、不同市场的风险集成一个数,较准确地测量由不同风险来源及其相互作用而产生的潜在损失的风险。该方法又可以分为参数分析法、非参数分析法以及情景分析等,这些方法各有特点但均存在不足。 参数分析方法是VaR计算中最为常用的方法,一般是建立在汇率波动是正态分布假设之上的,能正确地估计外汇资产价值变

动的分布函数,并且在得出该分布函数后准确地计算出该分布函数的参数值。但用它没有考虑到在现实汇率的时间序列波动中表现出来的厚尾现象和非正态汇率波动现象。 非参数的测量方法包括历史数据模拟法和蒙特卡罗模拟法。历史数据模拟法所需数据从历史的收益率序列中取样,在应用过程中不需对外汇市场的复杂结构做出任何假设和考虑汇率波动分布非正态的问题。但当波动率在短期内变化较大时历史模拟法估计不准(Engle, 1982),并且选取的历史数据对VaR值的预测有很大影响。另一种非参数方法为蒙特卡罗模拟法,可以用来观测那些人们认为将要发生,但历史观测值中没有出现的事件。该方法考虑到波动性的时变性、厚尾和极端事件,在解决数据的非正态分布等复杂的问题上表现出了极大的灵活性。但由于测量结果取决于模拟的次数,导致该方法耗时、依赖于电脑并且模拟的代价较高。国内学者朱宏泉等(2002)和王春峰等(2000)均发展了用蒙特卡罗模拟计算VaR的新方法,对非参数方法进行了扩展性研究。 情景分析是测量外币资产与负债组合在汇率发生极大的变化时的敏感度,优点是通过计算资产组合面临的潜在的最大损失找出较为脆弱且容易发生问题的部分,便于经济主体对汇率风险的度量与控制。缺点在于其效果很大程度上依赖于有效情景的构造和选择, 一旦预期的各种组合变动与实际情况存在较大的差距,对汇率风险分析的结果就会失去实践意义,甚至会引发错误

市场风险管理办法

xx市场风险管理办法 第一章总则 第一条为提高本行的市场风险管理水平,保护我行避免遭受到因承担了超越我行风险偏好而产生的不可预测的损失,根据中国银行业监督管理委员会《商业银行市场风险管理指引》的规定,结合本行实际,制定本办法。 第二条本办法适用于我行交易帐户与银行帐户所承担的一切市场风险。 第三条本办法的制定基于以下目的: (一)股东的长期风险调整收益最大化 (二)依据风险容忍度和谨慎性限额来管理整体市场风险 (三)有效地支配风险敞口以协助在利率变动中获利 第四条本办法是由我行风险合规部拟定,经行长办公会研讨,报董事会予以批准。风险合规部负责至少每年审定本办法与配合业务发展,市场风险管理目标及法规上的要求相匹配。本办法的所有变更必须由行长办公会审核,同意后再报董事会批准。

第二章市场风险管理组织架构 第五条我行的风险管理自上而下由董事会通过行长实施。为了使风险管理更为有效,风险管理权限由董事会授权高级管理层至各业务部门,风险权限组织如下: 第六条风险承担部门和风险控制部门之间存在明确的责任分割。控制部门负责监管和独立报告风险状况。我行的稽核监察部根据董事会要求对审批的政策进行进一步的审核。 (一)董事会 我行的董事会是我行市场风险管理的决策机构,同时决定我行的风险偏好。我行如因市场风险遭受任何经济损失或股值的贬值为董事会负最终责任。在市场风险管理方面,董事会职责主要包括:明确我行市场风险管理目标;批准我行的风险管理和策略,以及风险

管理构架,其中包括组织结构、管理层的职责、风险管理相关事宜的授权、风险鉴别与度量,风险监管与控制及管理风险收益率及风险组织结构和市场风险结构的管理;制定企业策略和资产负债可承受的风险水平,批准限额以管理我行的市场风险;决定我行审核的风险限额和政策,但不包括程序上的操作的改变。任何程序上的操作上的改变由我行高级管理层批准;通过对政策遵循的复审及审计报告监管市场风险管理的有效性。 (二)高级管理层 高级管理层有鉴别、复审及对市场风险管理提供战略指导的责任。 (三)风险合规部 负责辅助我行市场风险管理的职能部门是风险管理部。该部独立于风险承担的前台业务部门。其主要职责是辅助高级管理层的决策,提供我行的总体市场风险情况,同时负责对业务部门(包括交易与银行帐户)所承担的所有市场风险提供监督职能。其责任包括拟定市场风险政策,指导原则和程序;为市场风险提供集中监管、报告和控制框架;分析我行交易帐户和资产负债表结构中的市场风险;辅助鉴别新产品及活动固有的风险;辅助评估市场风险限额的应用及超额批准;适当时,制定风险价值及其他风险量化方法,并进行必要的风险计算;向高

较常见的市场风险度度量方法有五种

较常见的市场风险度度量方法有五种: 敏感度分析(sensitivity analysis) 压力测试 情景测试 资本资产定价模型(CAPM) 风险价值(VaR) 敏感度分析是一种有效地风险度量方法。它可以迅速而有效地揭示投资组合价值是如何受到市场因素变化影响的。敏感度分析是指:如果市场风险因素之一(f)发生了细微变化,那么预期的投资组合的价值(V)的变化有多大。所谓市场风险因素是指存在于市场中的一些变数,所以金融工具的价值都可以从这些变数中推导出来。主要的市场风险因素包括利率、信贷信差(credit spreads)、股票(equity)价格、汇率、隐含波动率(implied volatility)、流通产品价格(如黄金和石油)等。除了这些因素的即期价格之外,还包括它们的远期价格。考虑敏感度有三种等价的可相互替代的方法:相关性变化(relative change)、一阶导数以及最佳线性估计(the best linear approximation)。 风险价值(VaR) 指在市场正常的波动情形下,对金融工具可能损失的一种统计测度。更为确切的是指,在一定概率水平(置信度)下,某一金融资产或证券组合价值在未来特定时期内的最大可能损失。用公式表示为: Prob(△Ρ 其中Prob表示:资产价值损失小于可能损失上限的概率。 △Ρ表示:某一金融资产在一定持有期△t的价值损失额。 VAR表示:给定置信水平α下的在险价值,即可能的损失上限。 α为:给定的置信水平。 VAR从统计的意义上讲,本身是个数字,是指面临“正常”的市场波动时“处于风险状态的价值”。即在给定的置信水平和一定的持有期限内,预期的最大损失量(可以是绝对值,也可以是相对值)。例如,某一投资公司持有的证券组合在未来24小时内,置信度为95%,在证券市场正常波动的情况下,VaR 值为800万元。其含义是指,该公司的证券组合在一天内(24小时),由于市场价格变化而带来的最大损失超过800万元的概率为5%,平均20个交易日才可能出现一次这种情况。或者说有95%的把握判断该投资公司在下一个交易日内的损失在800万元以内。5%的机率反映了金融资产管理者的风险厌恶程度,可根据不同的投资者对风险的偏好程度和承受能力来确定。 VaR模型计算方法:⒈历史模拟法(historical simulation method) ⒉方差—协方差法 ⒊蒙特卡罗模拟法(Monte Carlo simulation) 压力测试 VaR和ES这样的风险度量都是在正常的市场条件下评价可能的损失,但是可能导致严重损失甚至破产的极端情形也应当被加入到风险评估和管理中来, 是一个识别和管理那些可能导致巨大损失的情形的过程。包括:场景分析,压力试验模型分析,波动率和相关性的灵敏度分析,政策反馈。 场景分析是指在各种极端但又可能发生的状态下对投资组合进行估值。尤其是包含了关键变量的较大变动,因此,它要求采用完全估值的方法。早期的应用仅仅考虑了关键变量的连贯变动,但却忽略了相关性。更一般性的压力测试给出了对金融变量联合运动的描述,而且可

衡量风险的一个关键指标

衡量基金风险的一个关键指标 Zero 当回撤达到-5%,有人开始吃不下饭 当回撤达到-10%,有人开始睡不着觉 当回撤达到-30%,有人开始怀疑人生 …… ---------------- 今天我们来谈一个买基金时经常被忽略的指标。 买基金,我们理想的状态是赚得多,亏得少。“赚得多”说的是收益,“亏得少”说的是风险。而衡量基金抗风险能力的一个指标就是:最大回撤率。 最大回撤率:在选定周期内任一历史时点往后推,产品净值走到最低点时的收益率回撤幅度的最大值。 最大回撤用来描述买入产品后可能出现的最糟糕的情况。 好多因素会影响最大回撤,比如基金经理的风格、管理能力、对市场趋势的把握、仓位控制等等。 举个接地气的例子。 基金A刚成立时,小王买入了,基金净值为1元。在接下来的1年里,市场行情大好,天时地利人和之下基金A一路顺风顺水涨到了1.5元。此时,小王的回报率为50%。这时候,隔壁的老王眼红了,跟着买入。可惜的是,没过多久市场情况突变,基金净值掉到了1.1元。 虽然对于小王来说,仍然有10%的收益,但是倒霉的老王却亏损了26.67%. ((1.1-1.5)/1.5=-26.67%) 这个26.67%就是基金A的最大回撤率。在最高点1.5元买入,在最低点1.1元卖出,就是上面所说的,买入产品后出现的最糟糕的情况。 所以对于一个优秀的基金经理来说,不仅要努力为千千万万个小王赚取最大回报,也要努力控制最大回撤率,保证在任意一个时点购买自己基金的人,尤其是那些在高点买入的老王们,承担的风险不至于过高。 我们再来看两只基金。

基金A净值从1元涨到了1.6元,最后跌到了1.1元,回报10%,最大回撤31.25% 基金B净值从1元涨到了1.4元,最后跌到了1.1元,回报10%,最大回撤21.43% 整体来看,基金B的回撤控制得更好。但也有人喜欢波动大的,因为每一时点买入的回报和风险都不一样,偏激进的会选择基金A博取较高的收益。 说起来,回撤也并不可怕,关键是回撤后能否起死回生。 因为一只基金回撤20%,那么它需要上涨25%才能回到原来的净值位置;如果回撤50%,就需要上涨100%才能回到原来的净值位置。 所以通常我们认为: 最大回撤越小越好; 回撤和风险成正比,回撤越小,风险越小;回撤越大,风险越大。 那么,如何看基金的最大回撤是高还是低呢?可以拿来和大盘比,也可以和同类型基金比。比如2015年股灾那会儿,上证指数最大回撤约45%,市场上的基金平均回撤控制在20%-40%左右,如果你的基金回撤不仅低于大盘,还低于平均水平,那可以算回撤控制的比较好。 有人问Zero,那能不能就单单看最大回撤来挑基金呢? 当然不行了,还得看净值、涨跌幅、夏普比率等等,得综合多个指标来分析。 不然回撤是控制下来了,但是天天净值就在那“躺尸”,要它何用呢。 稳稳赚钱的基金,才是最skr的! 为了控制最大回撤,很多人都会选择组建基金组合来分散风险,这不失为一个好办法。 说到风险分散,刚好最近有个很火的段子:

风险度量

河北大学本科生毕业论文(设计)撰写规范(参考) 为规范本科生毕业论文(设计)撰写格式,进一步保证本科生毕业论文(设计)质量,特制定本规范。 一、毕业论文(设计)撰写结构要求 1、题目:风险的度量方法与应用研究 2、摘要:风险就是客观存在的不确定性以及可能给企业带来的损失。风险无处不在,较 早的识别并准确的度量风险可以有效地降低或克服风险的危害。随着经济全球化和市场国际化的不断深入发展,信息更新速度非常之快,企业面对的不确定风险不断增加,风险度量方法合理而有效的利用对学术的研究及企业的风险管理至关重要。目前,国内外关于风险度量的方法有很多,其分析侧重点、使用范围各不相同。常用的风险度量模型有VaR 模型 ,一致性风险度量模型,CVaR 模型,ES 模型,DRM 模型及凸转换模型等。为了更好的进行风险管理,本文就当前这几种常见的风险度量模型进行了归纳总结。要有高度的概括力, 语言精练、明确。同时有中、英文对照,中文摘要约300—400汉字;英文摘要约200—300个实词。 3、关键词:VaR,ES,凸转换从论文标题或正文中挑选3~5个最能表达主要内容的词作为关键词,同时有中、英文对照,分别附于中、英文摘要后。 4、目录:写出目录,标明页码。 5、正文: 一、 V AR 模型(Value at Risk ): 在风险管理领域,最流行的风险度量指标就是 VaR ,即我们所熟知的在险价值。该风险度量模型产生于1994年,比较正规的定义是:在正常市场条件下和一定的置信水平α上,测算出在给定的时间段内预期发生的最坏情况的损失大小X 。在数学上的严格定义如下: 设X 是描述证券组合损失的随机变量, ()F x 是其概率分布函数,置信水平为α ,则: (){}()min |VaR a x F x α=-≥ ()1 a V a R F a -=-(其中()1F a -是F (x )的反函数) 该模型在证券组合损失X 符合正态分布,组合中的证券数量不发生变化时,可以比较 有效的控制组合的风险。因此,巴塞耳委员会和许多金融机构都将其作为基准的风险度量方法,不仅适用于度量市场风险,而且用于度量信用风险和操作风险。从VaR 的表达式可以看出,VaR 对应于统计学上的分位数,由于分位数的值与分位点以下的概率分布无关,因此VaR 不能度量极端风险。对有些决策者(如银行股东)来说,如果风险度量的目的是衡量和控制银行的破产概率(使VaR 大于银行资本的概率足够小),而不关注一旦银行破产时的实际损失有多大(股东只承担有限责任),那么VaR 不能度量极端风险不是一种缺陷。然而对银行监管者而言,一家银行、尤其是一家大型银行破产后形成的巨额损失会危及整个银行系统的安全,因此VaR 不能度量极端风险是一种重要缺陷。 VaR 的另一缺陷是不满足次可加性,既不满足()()()a a VaR x y VaR x VaR y α+≤+的条件。在一些银行中,VaR 不仅用于度量风险,也用于置配风险(VaR 约束下的资本配置)。一般的做法是,对允许各部门承担的风险进行配置 ,使各部门的风险之和不大于整个银行

衡量风险大小的指标有

衡量风险大小的指标有 【篇一:衡量风险大小的指标有】 在财务管理中,经常用来衡量风险大小的指标有()。 a.标准离差 b.边际成本 c.风险报酬率 d.标准离差率 请帮忙给出正确答案和分析,谢谢! 【篇二:衡量风险大小的指标有】 财务管理总论一.名词解释财务管理股东财富最大化企业价值最大化二.简答题 1.什么是财务管理?简述财务管理的主要内容。 2.利润最大化目标有哪些局限性? 3.股东和经营者有哪些冲突?如何有效解决? 4.股东和债权人有哪些冲突?如何有效解决?二.单项选择题 1.在以下企业组织形式中,会导致双重课税的是( a.个人独资企业b.合伙企业 c.个体工商户 d.有限责任公司 2.以下不属于非银行金融机构的是( a.保险公司b.养老基金 c.金融公司 d.城市信用社和农村信用社 3.以下各项中,不属于公司制企业特点的是( a.企业的存续年限受限于业主的寿命b.有限债务责任 c.容易转让所有权 d.存在代理问题 4.股东协调自己和经营者目标的最佳办法是( a.采取监督方式b.采取激励方式 c.同时采取监督和激励方式 d.使监督成本、激励成本和偏离股东目标的损失三者之和最小的办法 5.下列关于企业履行社会责任的说法中,正确的是( a.履行社会责任主要是指满足合同利益相关者的基本利益要求b.提供劳动合同规定的职工福利是企业应尽的社会责任 c.企业只要依法经营就是履行了社会责任 d.履行社会责任有利于企业的长期生存与发展 6.下列各项中,能够用于协调企业所有者与企业债权人矛盾的方法是( a.解聘b.监督 c.激励 d.停止借款 7.企业财务目标,每股利润最大化较之利润最大化的优点在于( a.考虑了资金时间价值因素b.反映了创造利润与投入资本的关系 c.考虑了风险因素 d.能够避免企业的短期行为 8.在下列各项中,能够反映上市公司价值最大化目标实现程度的最佳指标是( a.净利润b.账面资产的总价值 c.每股市价 d.每股利润 9.一级市场和二级市场是金融市场按照()进行的分类。a.交易的证券期限、利率和风险不同b.证券的索偿权不同 c.交易证券是初次发行还是已经发行 d.交易程

最新证券风险度量方法的比较分析资料

学号: 实习调查报告(本科) 学院数学与统计学院 专业 年级 姓名 论文题目证券风险度量方法的比较分析 指导教师职称教授 成绩

2016年10月17日

证券风险度量方法的比较分析 0引言 近二十年来,随着计算机技术的普及及推广,金融市场世界一体化趋势得到加强,金融衍生工具的广泛使用,使金融创新层出不穷.与此同时,金融市场风险日渐突出,市场风险的度量就成为市场风险管理中的基础和核心.在风险管理中,会涉及许多统计问题,例如,证券价格的变化规律如何?价格与收益作为风险度量对象各有什么特点?如何运用金融工程的技术方法解决我国经济发展中的风险问题等.本文着重分析了度量风险的几种统计指标,并对该几个指标的统计性质进行了对比分析,实证地对有关度量指标进行了计算。 1 证券风险度量方法的发展 20世纪80年代以来,随着信息技术迅猛发展,各国金融创新和自由化的浪潮更是史无前例,金融证券市场的波动进一步加剧。与此同时,出于分散风险的需要,金融衍生工具产生并得到了迅速发展.当衍生工具越来越多地被用于投机而非保值的目的时,出于规避风险的需要而产生的金融衍生工具本身也孕育着极大的风险.近年来,英国巴林银行的倒闭,日本大和银行的巨额交易亏损等都与金融衍生工具的滥用有关。于是,金融证券市场尤其是衍生工具市场的市场风险日益凸现并受到人们的关注,如何有效地测定和控制这些市场风险便成为金融证券机构、投资者和有关监管层所面临的亟待解决的问题。 用方差表示的波动率测量和β系数等风险敏感度指标作为风险的度量,在实践中得到了广泛的应用,同时也都存在着一定的缺陷。因此在风险管理中,仅用一项指标是远远不够的,必须采用多方位立体框架来测量和量化风险。 金融工程技术在一些经济发达国家的应用实践告诉我们,金融工程已经渗透进市场经济的每一个领域,金融衍生工具的广泛使用,使风险管理的面貌发生了很大的改观;同时,金融衍生工具到金融工程的作用,通过干中学,引入一些可被利用的金融工程成果,使金融工程在中国获得实质性的发展,又要认识到中国发展金融工程的条件并不十分理想,要根据中国的实际,谨慎地使用各种金融衍生工具。 2 风险尺度

金融风险度量的VaR模型在MATLAB中的使用方法

金融风险度量的VaR模型

摘要:VaR 是使投资风险数量化的工具,旨在估计给定金融资产或组合在正常的资产价格波动下未来可能的或潜在的损失;目前常用的VaR 计算方法大体归为三类:历史模拟法、蒙特卡洛模拟法以及方差一协方差法;各种方法均存在自身假设条件或固有的缺陷,在选择计算VaR 的方法时,需要在计算效率、所需数据信息、准确性之间进行平衡。VaR 作为一种工具主要在风险控制、绩效评价以及金融监管三个方面发挥重要作用。 关键词:VaR 方差一协方差法 历史模拟法 蒙特卡洛模拟法 一、 VAR 思想的产生 VaR (Value at Risk)的思想应追溯到马柯威茨(1952)的均值一方差投资组合理论模型n 。马柯威茨建议使用方差代替靠自觉判断的偏差来衡量风险,但他的大部分著作都致力于研究期望收益与均值一方差结构中风险之间的平衡,这只适应于收益率服从正态分布或投资者具有二次效用函数。而给VaR 带来直接思路的是Roy( 1952),他在投资组合选择时构造的“安全第一(safety-first)”模型中,建议基于给定置信水平下的风险衡量选择那些可将损失大于“灾难水平”的概率最小化的投资组合。Baumol( 1963)也提出了一个基于某些概率水平下较低的置信区间的风险衡量指标。20世纪80年代的J.P.摩根银行的Till Goldimann 首次提出了“风险价值”这一术语,他认为价值风险比收益风险更重要,这为以后VaR 的提出铺平了道路。 二、VaR 的定义 在金融市场上,投资者或金融机构所面临的一个重要的风险是市场风险,即金融工具的市场价值在未来发生变化的可能性。一般而言,投资者所关心的主要是资产价格向下变动的风险。 风险一般用资产回报的波动性或标准差衡量,波动性越大,资产未来回报偏离预期的回报的可能性越大。 但是,波动性并未告诉我们,投资者在今后一段时间内,可能遭受的最大化损失是多少。 现代金融机构已经不满足于知道投资组合的波动性或风险,还想进一步知道一旦风险实现,自己可能遭受何等程度的最大损失。由此产生了风险度量工具。 VaR 指的是在正常的市场条件下以及给定的置信度下,某一证券组合或金融资产在将来特定时间内所可能出现的最大损失,被称为“在险价值”或“风险价值”。数学定义式是: 。 这个公式的含义是:对于某一资产组合来说,在给定的置信水平下,VaR 提供了最大可能的预期损失,即可以以1-c 的概率来保证这一资产组合的预期损失不会大于VaR 。 由VaR 的定义可知,置信水平越高,资产组合的损失小于其VaR 值的概率越大,VaR 模型对于极端事件的发生进行预测时失败的可能性越小。 例:假设一个基金经理希望接下来的10天时间内,以95%概率保证其所管理的基金价值损失不超过100万,那么,VaR 询问的问题是:我们有95%的信心在接下来的10个交易日中损失程度将不会超过100万。 或者说,在未来的10()Pr ob 1p VaR c ?<-=-

几种风险度量方法的比较

几种风险度量方法的比较 VaR(Value at Risk)指市场正常波动下,在一定概率水平(置信度)下,某一金融资产或证券组合价值在未来特定时期内的最大可能损失.VaR方法应用的前提是市场正常波动,但其无法准确度量损失超过VaR这种极端情况时的大小,故我们考虑了度量风险的另一种方法CVaR以及基于GARCH模型对VaR计算方法进行改进.选取上证指数数据分别采用三种方法进行实例分析并进行比较。 标签:风险度量;VaR;历史模拟法;资产组合;CVaR;均值-CVaR模型;GARCH模型 1 VaR模型 VaR一般被称为风险值。Jorion[1]认为VaR是给定置信水平和目标时段下预期的最大损失[2][3]。 2 GARCH模型下VaR计算方法[4] 由相对VaR的计算方法(1)可知绝对VaR的计算方法为VaR=ω0-ω=-ω0R*。其中R*为最低收益率,若假设收益率服从正态分布,则VaR=ω0Zασ,其中Zα为标准正态分布的α分位数,σ为收益率的波动率。我们尝试用GARCH模型估计σ和Zα,进而算出VaR。 GARCH模型是ARCH模型的拓展,要把历史波动信息作为条件,并采用自回归形式来刻画波动的变化,还需考虑异方差函数的p阶自相关形成,GARCH 模型结构如下: 4 实例分析 选择上证指数2015年4月7日-2016年12月21日数据,将分别采用历史模拟法,GARACH模型方法及均值-CVaR方法对数据进行分析,计算VaR值并进行比较。 4.1 利用历史模拟法计算VaR[6] VaR=E[ω0(1+R)]-ω0(1+R*)=Eω0+Eω0R-ω0-ω0R*=ω0[ER-R*] 结合题目,共有419组数据,可解得以下结果: ω0=3361.024,E(R)=-0.00078,R*=R419*0.05=-0.03648 即:VaR=120.00

相关文档
最新文档