VaR（共12篇）
VaR 篇1
摘要：世界经济环境的变化使大多数金融和非金融机构面对着日益加剧的金融风险, 风险管理成了21世纪的热门话题。VaR方法是目前国际上金融风险管理的主流方法之一, 它利用数学工具计算金融市场的风险, 可以有效规避市场风险, 在金融领域中有着广泛应用, 把VaR法引入中国的金融风险管理领域, 对于中国的金融市场建设有着重大的现实意义。
关键词：风险价值,置信度,风险矩阵,VaR方法
一、Va R方法的背景及定义
1. Va R产生的背景。
近年来, 金融风险的危害在逐步加大, 人们对金融风险的认识也越来越深入。在金融市场价格比较稳定的背景下, 人们更多地注意的是金融市场的信用风险, 而几乎不考虑市场风险的因素。然而, 自20世纪70年代初布雷顿森林体系崩溃以来, 浮动汇率制下汇率、利率等金融产品价格的变动日益趋向频繁和无序, 20世纪80年代后金融创新及信息技术日新月异的发展, 世界各国金融自由化的潮流使金融市场的波动更加剧烈。当金融衍生工具越来越多地被用于投机而不是保值的目的时, 出于规避风险的需要而产生的金融衍生工具本身也就孕育着极大的风险。于是, 如何有效地控制金融市场尤其是金融衍生工具市场的市场风险, 就成为各种拥有金融资产的机构所面临的亟待解决的问题。Va R法就是在这样的背景下出现的。
2. Va R的定义。
G30, J.P.Morgan提出的Va R风险控制模型在1995年世界银行巴塞尔委员会上被认可采纳之后广泛应用于国外金融机构的风险管理中。Va R即Value at Risk的简称, 译为“风险价值”。某种资产或投资组合的Va R是如下定义的:在一段时间内, 该项资产的价值损失 (可以是绝对值, 也可以是相对值) 不超过Va R的概率必须等于预先确定的值 (即统计学上的置信度) 。用公式表示为:
P (X
二、Va R的优点和局限性
1. Va R的优点。
首先, Va R可以用来简单明了的表示市场风险的大小, 单位是美元或其他货币, 没有任何专业背景的投资者和管理者都可以通过Va R值对金融风险进行评判。再次, 它可以事前计算风险, 不像以往风险管理的方法都是在事后衡量风险大小。因此, 有关高级管理人员事后就少了一个申辩自己不了解风险大小的理由, 得到了监管部门的青睐。最后, 它不仅能计算单个金融工具的风险, 还能计算由多个金融工具组成的投资组合风险, 这是传统金融风险管理所不能做到的。
2. Va R的局限性。
(1) Va R模型着重从分析过去来预测将来, 但是, 市场风险因素过去的变化并不总能精确的预测一个交易组合将来的变化。1998年著名的对冲基金长期资本管理公司出现巨额亏损濒临破产, 就是因为市场波动出现了大幅偏离以往经验值的状况。 (2) 难以精确的模拟所有交易组合的市场风险因素。 (3) 公开的Va R值反映过去的交易头寸, 而将来的风险取决于将来的头寸。 (4) Va R模型若使用一天作为时间基准, 不能准确捕捉到那些无法在一天内清算或规避的头寸的市场风险。 (5) 亚洲金融危机还提醒投资者:Va R法并不能预测到投资组合的确切损失程度, 也无法捕捉到市场风险与信用风险之间的关系。
三、Va R方法的应用领域
目前, Va R方法广泛应用于信息披露、资源分配、绩效评价、金融监管等各种不同的目的。非金融类公司和资产管理者可以利用Va R控制金融风险, 而对于需要集中控制风险的机构, Va R方法更是一种有效的工具。Va R的主要应用领域如下:
1. 内部风险管理与控制。
目前国外已有很多银行、保险公司、投资基金、养老金基金及非金融公司采用Va R方法作为金融衍生工具风险管理的手段。利用Va R方法进行风险控制, 可以使每个交易员或交易单位都能确切地明了他们在进行有多大风险的金融交易, 并可以为每个交易员或交易单位设置Va R限额, 以防止过度投机行为的出现。如果推行严格的Va R管理, 一些金融交易的重大亏损也许就可以完全避免。
2. 业绩评估与资源分配。
Va R方法作为绩效评估工具, 既可用来评估交易员的投资绩效, 也可用来评估模型绩效和针对不同的投资领域进行绩效评估。如果用于不同投资领域的绩效评估, 它可以帮助我们决定将有限的资本资源配置在哪些方面, 这样Va R系统就可为公司提供一种竞争优势, 即适时改变战略, 重点发展那些经Va R值调整后收益值增加的部门。
3. 金融监管。
鉴于其在国家经济中的重要地位, 金融机构的监管一直以来就是一个热门话题。目前国际比较流行的以“资本充足性”为基础的监管框架, 简单明了, 标准一致, 管理上较为方便, 适用于大小不同的金融机构。但是, 以Va R为基础的金融监管模型近年来引起了诸多监管部门的注意。Va R模型比较适合金融机构本身的风险管理要求, 它的缺点是模式比较复杂, 成本高, 且只能计算市场风险部分, 同时, 如果金融机构计算Va R的动机, 不在于风险控制而在于降低资本需求, 对于经营不善的券商反而会加重其经营危机;Va R模式要求主观机关需逐一审查券商所使用的模式及所设定的置信区间, 管理上有一定难度。
4. 信息披露。
市场风险的定量性披露有助于整个金融系统的稳定, 所以目前金融市场上信息的披露业就越来越重要了, Va R顺应了以盯市报告 (mark to market) 为基础的信息充分披露这一现代趋势。Va R方法将多维风险以一个简单的一维数值来表示, 简单明了, 如果成为能够提供有意义的信息的披露工具, 将会大大增加金融机构操作的透明程度, 投资者、存款人、贷款人及交易双方就可以对金融机构施加强大的纪律约束, 促进他们以谨慎的态度管理交易行为。
5. 非金融类公司。
由于现在企业实施跨国经营和多元化经营的现象比比皆是, 它们往往持有多种资产以分散风险, 因此, 非金融机构所受的威胁丝毫不逊于金融机构, 以一家跨国经营石油开采和冶炼的企业为例, 公司的风险将来自于利率、汇率、石油及天然气的价格变化等等。
四、小结
随着社会主义市场经济体制下的金融市场的建立和完善, 金融市场上的行政干预会逐步让位于市场调节, 市场风险的重用性也会日益突出。将Va R法引入中国, 不仅能够为金融机构和投资人提供一种行之有效的市场风险管理工具, 也能够为中央银行、证监会等金融监管部门提供一个风险管理的标准。
另外, 中国经济国际化程度正逐步提高, 中国在境外上市的公司不可避免地被要求执行国际风险管理标准, 把Va R法引入中国的金融风险管理领域, 对于中国的金融市场建设也有重大的现实意义。
参考文献
[1]杜海涛.VaR模型在证券风险管理中的应用[J].证券市场导报, 2000, (8) :57-61.
[2]秦拯, 邹建军.VaR模型在金融领域的应用分析[J].长沙电力学院学报, 2002, (3) :47-49.
[3]王春峰, 万海晖, 张维.金融市场风险测量模型—VaR[J].系统工程学报, 2000, (1) :67-75.
[4]张维然, 田常浩.VaR模型及其在国际银行风险管理中的应用[J].技术经济与管理研究, 2001, (4) :41-42.
[5]张国良.VaR及其基本原理[J].沈阳航空工业学院学报, 2001, (3) :82-84.
[6]陈之楚, 王永霞.金融市场风险之测定工具—VaR法的原理及应用[J].现代财经, 2001, (7) :15-20.
[7]彭坤, 王飚.基于VaR (风险价值) 的金融投资的研究[J].昆明理工大学学报, 2002, (6) :138-142.
VaR 篇2
分位数回归与上证综指VaR研究
把极端分位数所具有的行为特征应用到VaR的研究中,建立上海股市收益率的.条件分位数回归模型,描述其在极端分位数下的变化趋势.同时选取适当的尾部模型,并在此基础之上应用外推法预测非常极端分位数下的条件VaR,并与直接由分位数回归模型预测的结果进行比较.结果表明:两种方法得到的结果变化趋势都是一致的,由外推法预测的结果相对小一些.
作 者：关静 史道济 GUAN Jing SHI Dao-ji 作者单位：天津大学理学院,天津,300072 刊 名：统计与信息论坛 CSSCI英文刊名：STATISTICS & INFORMATION FORUM 年，卷(期)： 23(12) 分类号：O213 关键词：分位数回归 极端分位数 VaR我国个股的VaR度量与实证检验 篇3
关键词：VaR；GARCH模型；EWMA模型
一、引言
VaR的含义是“处于风险中的价值”，具体来说，VaR是指在一定的持有期及置信度内，某一资产或资产组合所面临的的最大潜在损失。 例如，某项资产在96%的置信水平下的日VaR为50万元，其意义就是在正常的市场条件下，该项资产每天的损失超过50万元的可能性为4%（即1-96%）。计算VaR的关键在于计算资产收益率的方差或标准差，本文运用EWMA模型和GARCH模型分别对个股（中国石油）的VaR值进行计算，并将两种模型下的VaR值与实际损失进行比较，比较两种方法的优劣。
二、VaR的计算模型
1）VaR的计算公式
本文主要运用参数法来计算VaR，参数法就是假定金融资产收益率服从某种分布，再根据修正参数和该资产的期初价值计算出VaR。在正态分布的假定条件下，VaR的计算公式如下：
VaRt=Pt-1ασt（1）
其中，VaRt和σt表示第t个时期的VaR和标准差，Pt-1表示t-1期的资产价格，α为标准正态分布的分位数。如果置信水平为95%，则=196。计算VaR的关键在于计算资产收益率的方差或标准差。
2）资产收益率方差的计算
（1）EWMA模型
EWMA方法即指数移动平均方法。EMWA根据历史数据距当前时刻的远近，分别赋予不同的权重，距离现在越近，赋予的权重越大因为越远的历史信息所起的作用越小。RiskMetrics就是通过假定收益率服从正态分布，然后采用EWMA方法估计和预测资产收益率的波动性与相关性，继而估计资产的VaR，其模型如下：
rt～N（0，σ2t）（2）
σ2t+1=（1-λ）r2t+λσ2t（3）
其中，rt和σ2t分别是t时期的收益率和方差，λ是衰减因子，其取值范围在0到1之间。在实践中，方差序列的初始值通常取收益率的平方，此外可根据最小化平均误差的标准来选择最优的衰减因子。为简化，本文根据RiskMetrics，计算日VaR直接取λ=0.94。
（2）GARCH模型
目前，GARCH模型已经被广泛地应用于描述股票价格、利率、汇率、期货价格等金融时间序列的波动性特征。一般的GARCH模型可以表示为
yt=x'tb+εt，t=1，2，……，T（4）
Et=σtvt（5）
σ2t=ω+∑qi=1αiε2t-1+∑qi=1βiσ2t-i（6）
其中，（4）式称为条件均值方程，{yt}表示时间序列，可用资产收益率代替，为外生变量向量，b为系数向量，εt为均值方程的随机扰动项：（5）式为εt的定义式，νt为白噪声，εt的方差为σ2t；（6）式称为条件方差方程，（6）式表示条件方差有3个组成部分：常数项ω、前q期的扰动项的平方之和（即ARCH项）以及前p期的条件方差之和（即GARCH项），αi和βi为相应的系数。一般地，可用最大似然法估计GARCH模型。
三、实证分析
1）计算股票的收益率，分析其统计特征：本文收集了中国石油（601857）在2008年03月31日至2014年03月28日的收盘价，共1446个观测值。接着运用r=ln（Pt/Pt-1）对收益率r进行计算，该序列共有1445个观测值。通过eviews6.0对收益率r进行描述性统计，期望均值和标准差分别为-0.000492， 0.017698；Jartque-Beta统计量为 2399.719，对应的P值为0.00，意味着收益率并不服从正态分布。
表1
2） 利用EWMA模型估计股票的条件方差和条件标准差：利用式（3）估计条件方差，选择衰减因子λ=0.94，进而得到基于EWMA模型计算的该股票条件方差和条件标准差序列，分别为v_1和std_1。
3）利用GARCH模型估计股票的条件方差和条件标准差：利用eviews6.0中的GARCH（1，1）模型估计股票的条件方差及条件标准差，结果如表2。条件方差方程的估计结果为：σ2t=245E-06+0066617ε2t-1+0923098σ2t-1。根据此模型预测其条件方差v_2，并算出其标准差std_2。
把std_1和std_2组成一个Group对象，并查看它们的变化情况，结果如图1所示。可见，通过EWMA模型和GARCH（1，1）模型计算的条件方差具有类似的变化轨迹。
4）计算股票的VAR值：根据公式（1），计算置信水平c=0.95时的VAR值，此时，标准正态分布的分位数α=1.96。利用Eviews软件分别计算出EWMA模型下的VaR_1和 GARCH（1，1）模型下的VaR_2。
5）比较股票的VAR值与股票的实际损失。本文用loss=p-p（-1）计算股票的实际损失序列loss。“series ne_VaR_1=-VaR_1”命令把VaR_1值转换为负值，以反映在置信水平为95%时的股票的最大损失。同理把VaR_2值转换为负值。把loss序列、ne_VaR_1序列和ne_VaR_2序列组成一个Group对象，并查看其变化情况。结果如图2所示。
图1两种模型估计的标准差图示图2loss，ne-VaR1，neVaR2图示
从图2可见，两种方法下的VaR值都包括了大部分的实际损失，有少部分实际损失超过了VAR的估计结果。
根据置信水平为95%下VaR的定义，实际损失超过VaR的概率小于5%，因此，在实际损失的观测值总数为1445的情况下，实际损失超过VaR的总次数应小于1445*0.05=72.25次。为计算实际损失超过VaR_1的总次数，在Eviews主窗口的命令输入栏输入公式“series test1=（loss<0 and loss 四、结论 本文以中国石油为例，通过EWMA模型和GARCH模型分别估计其股价的条件方差及条件标准差，进而计算其VaR值。最后将两种方法下的VaR值与实际损失进行比较，发现GARCH模型的下的VaR值GARCH（1，1）模型得到的VaR值更优于EWMA模型下的VaR值。（作者单位：东南大学） 参考文献 [1]江涛. 基于 GARCH 与半参数法 VaR 模型的证券市场风险的度量和分析： 来自中国上海股票市场的经验证据[J]. 金融研究， 2010 （6）： 103-111. VaR按照字面解释就是风险价值, 也称在险价值, 其含义是:市场正常波动下, 在一段时间内, 某一金融资产和证券组合的最大可能损失, 更确切的指, 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间内的最大可能损失。用公式表示为P (X VaR定义的前提假设有: 1、市场有效性假设, 即有关证券的各种信息都反应在价格中; 2、市场随机波动的, 不存在自相关性。 二、VaR的衡量方法 虽然Va R方法对风险进行测量与管理, 越来越受到人们的普遍认同, 但至今还没有一个公认的最佳实施方法。总体上有三种方法:解析方法、历史模拟法、蒙特卡罗法。 1、VaR的解析方法。解析方法又称为资产收益的方差-协方差估计, 在解析方法中, 以Delta-正态模型便于计算, 实际使用最多, 具体计算流程如下: 第一步, 识别基本市场因子, 将投资组合中的金融工具映射为一系列只受单一市场因子影响的标准头寸; 第二步, 估计市场因子的方差矩阵, 假定市场因子的变化服从正态分布, 估计分布的参数, 得到方差-协方差矩阵; 第三步, 估计标准头寸Delta; 第四步, 估计标准头寸的方差-协方差矩阵; 第五步, 组合价值变化与V a R估计:使用标准的统计方法, 根据标准头寸的方差、协方差求组合价值的变化, 得到VaR的估计结果:Va R=zασpt, 其中σp=dΣd T;zα=正态分布置信区间估计;d=灵敏度, 也为投资组合中某项资产的现金流量。Σ=市场因子的协方差矩阵;市场因子的价格变化率服从N (μ, Σ) , 每个市场因子期望价格变化率μ为零, 即μ=[μ1, μ2, ……μn]T=[0, 0, ……0]T 该方法最大的优点就是简单, 尤其是在投资组合所应对的头寸数目较市场因子数目多时。然而, Delta-正态解析法也存在缺陷:一方面, 它对于股票或者汇市崩盘等风险无能为力, 由于事件风险不经常发生, 因而历史数据无法充分的表达有关时间风险的信息;另一方面, 许多金融资产收益率分布都存在“尾肥” (fat tail) 现象, 由于Va R着重考虑投资组合收益率分布左半部分, 存在尾肥现象时, 以正态分布假设为基础的模型不能很好的符合实际的V a R。 2、VaR的历史模拟法。历史模拟法采用的是全值估计法, 即根据所持有的资产组合, 过去一段时间的收益率的历史变化和目前的市场价格, 重新构造资产组合的未来价格和收益率可能的变化值, 再经过从小到大排序, 得到损益分布, 通过给定置信区间下的分位数求出V a R, 操作流程包括5个步骤: 第一步, 利用投资组合中各资产过去历史价格变动量, 配合各资产目前的市场价格, 计算各资产的未来价格模拟值。 第二步, 将第一步所求得的投资组合中各资产价格模拟值, 依目前所持有资产之头寸权重, 重新计算投资组合的价值。 第三步, 以各资产目前价格计算投资组合目前的价值。 第四步, 由第二步和第三步可得出未来收益率的模拟值。 第五步, 将所有构造的未来收益率的模拟值, 由小到大顺序排列, 在给定置信水平下1-α, 依分位数即可得出风险值。 历史模拟法是一种非参数估计方法, 可以很好的处理非正态分布以及解决“尾肥”现象;并且该方法是一种全值估计, 可有效地处理非线性组合。但是, 历史模拟法对历史数据依赖程度非常高, 对所有各期历史数据赋予相同的权重, 而且它假定过去能够很好地代表将来, 这样就采用一种样本路径, 从而忽略了临时的波动性。 3、VaR的蒙特卡罗法 (Monte Carlo) 。蒙特卡罗模拟法也称为随机模拟法 (random-simulation) 是假设资产价格的变动依附在某种随机过程的形态, 利用电脑模拟, 在目标范围内, 产生随机价格的路径, 以此构造资产收益率分布, 进而推估风险值。 蒙特卡罗模拟法为目前各风险值计算方法中较为常见者, 它涵盖非线性资产头寸的价格风险、波动性风险, 甚至可以计算信用风险。但是, 蒙特卡罗模拟法需要繁杂的电脑技术和大量的重复抽样, 既昂贵又费时;对于代表价格变动的随机模型, 若是选择不当, 会导致模型风险的产生。 三、结束语 近年国内外理论界对Va R方法的研究有了较快发展, 尤其是J P摩根Riskmetrics方法的提出, 对风险因子的收益率取对数以及时间序列加入衰减因子, 提高模型的实测效果, 使Va R模型的发展达到一个空前的高度。本文通过对几种Va R方法的简单介绍对比, 力求能够理清Va R的应用思路, 力求对风险管理提供参考建议。 摘要：近年来, 随着世界金融市场的日趋规范、壮大, 各金融机构之间的竞争也发生了根本的变化, 从过去的资源掠夺转变为内部管理与创新方面的竞争, 促使金融机构的经营管理发生了深刻的变化, 金融风险管理逐渐成为现代金融管理的基础和核心。本文通过对几种VaR方法的简单介绍, 力求能够理清VaR的应用思路, 力求对风险管理提供参考建议。 关键词：VaR,解析方法,历史模拟法,蒙特卡罗法 参考文献 [1]、杜海涛.VaR模型及其在证券风险管理中的应用.[N]证券市场导报, 2000 (8) [2]、叶淑英, 占洪.投资组合的风险度量研究.[J]沿海企业和科技, 2009 (5) [3]、莫君慧, 赵云松.浅议VaR方法及其应用.[J]经济研究导刊, 2009 (16) 原理很简单，建立一个空目录，将目录和/var/log/clientmqueue 进行同步，即达到清空目录的效果， 代码如下复制代码 mkdir /tmp/emtydir/ sudo rsync -ar --delete /tmp/emptydir/ /var/spool/clientmqueue/ 关键词：VaR；市场风险；风险资本 一、我国商业银行的市场风险现状 近年来，伴随着金融全球化和自由化改革的日益加深，金融衍生产品不断涌现，同时我国利率市场化的步伐逐渐加快，银行业正在经历一场利率管制逐渐放松，存款利率不断攀升，金融竞争不断加剧的变革。在这样的背景下，我国商业银行必然会面临更多的挑战和机遇，市场风险也会渐渐加大，具体体现在以下几点： （一）商业银行的利率风险 利率风险作为商业银行市场风险的主要部分，是指市场利率的非预期变化对银行资产和收益的市值产生影响的可能性。金融资产在商业银行资产中占有的比例很大，利率的微小波动会对这些资产价值造成直接的巨大影响，严重的甚至会引起商业银行财务危机或者导致银行关闭。所以，从商业银行稳健和安全经营的角度来说，有效地对市场利率风险进行监控和管理有着非凡的作用。 （二）商业银行的汇率风险 汇率风险是指在国际业务经营活动中，商业银行由于各国货币之间汇率发生波动而使商业银行的资产在持有或者运用过程中遭受意外损失或者取得额外收益的可能性。就目前中国而言，实行的是以市场供求为基础的浮动汇率制度，在这种汇率制度下，人民币汇率保持了基本的稳定。但是由于近年来美国实行的量化宽松的货币政策以及国际形势的变动，当前人民币对美元的汇率面临着非常大的升值压力。对于我国商业银行来说，为了提高业绩、提升竞争力，必须在竞争过程中密切关注人民币汇率走势，审时度势，做好金融资产的保值和增值，最大努力地规避汇率风险，防范风险，促进金融市场稳定发展。 二、关于金融机构市场风险计量的工具 伴随着市场风险的增大以及监管要求的提高，商业银行所要面临的风险和挑战也日益增加。全球在吸取灾难教训的同时，都在不断加强对市场风险的计量和控制，到现阶段已经形成了相对完善的市场风险计量和控制体系。 （一）集中管理 国际商业银行在实行条线管理的基础上，对资金实行内部资金转移定价，并通过这一体系将各业务条线的风险集中到资金部门进行集中统一管理。通过内部资金转移价格体系，各业务条线的资产与负责严格匹配，相应地，商业银行业务的市场风险转移到资产负债管理部门进行集中管理。因而全行市场业务风险仅由资金部的资产负债管理部门和交易部门承担，承担主要集中，便于对全行资产负债表内、表外业务市场风险的集中计量和控制。 （二）全面市场风险计量体系 从国际商业银行的市场风险管理实践来看，市场风险计量方法经历了一个不断演进的过程，逐步建立起了一个多层次、相互补充、涵盖资产负债表内和表外业务的全面市场风险计量体系。目前主要使用的市场风险计量方法包括利率缺口分析法、外汇敞口分析法、久期分析法、风险价值方法。 （三）限额管理 以限额管理为手段，实现对不同类型市场风险的有效控制。在风险定量计量的基础上，国际商业银行主要运用限额管理手段对市场风险进行控制，这些限额包括交易限额、风险限额、止损限额，已形成一套相对完善的限额管理体系。从风险管理工具上，则主要运用各种金融衍生工具对市场风险头寸进行对冲，对资产负债利率风险进行主动管理，将市场风险暴露降低到风险限额以内。 三、金融机构市场风险计量--VaR模型 2007年开始由美国次级住房抵押贷款坏账点燃的美國次贷危机席卷全球，这场危机表面上是贷款人不能按时归还商业银行借款引发的信用风险，实际却可以归结为华尔街金融机构过高估计市场预期，贪婪的利用各种新的衍生金融产品获取财富。终于，从2007年底以来，大批涉及次级住房抵押贷款资产的金融机构纷纷倒闭。一场全球性的金融危机沿着经济全球化的链条迅速蔓延。 这场危机告诉我们市场风险的监控是如此的重要，而像VaR方法这样的定量化的风险度量工具无疑是有效地市场风险监控所必不可少的。从我国商业银行的发展现状来看，采用VaR方法对我国商业银行进行风险管理既符合国际规范又适合我国金融形势的要求。 首先，随着我国金融市场化程度的增加，金融市场风险管理势在必行。对于我国来说，目前的市场风险主要来自外汇汇率的变动。随着货币市场的发展、利率自由化步伐的加快以及人民币最终将实现可自由兑换，利率、汇率以及许多商品价格的短缺频繁波动将不可避免。许多市场因素将更加显示出内生经济变量的特点，即随着经济周期的变化而呈现更大的波动性。因此，市场风险的重要性也会日益突出，增加市场风险管理势在必行。而将VaR方法引入我国，能够为我国商业银行提供一种行之有效的市场风险管理工具。 其次，我国经济转轨时期的商业银行急需要一整套行之有效的管理方法。我国商业银行长期在计划经济管理之下，一些计划经济的管理方法目前仍被沿用，我国商业银行本身并没有自己的风险测量的定量方法。VaR模型是一种商业银行内部风险管理模型，其风险值以绝对值表示，内容明确，因此适合于我国商业银行进行学习和握掌握。此外，VaR风险管理方式有益于我国商业银行内外的监督和管理，各商业银行根据其资本金或能承受风险的程度以定量的方式分配给各分支机构一定的风险额度，各分支机构根据VaR模型可随时知道各自的风险值，当风险值超过风险额度时，通过资产重新组合，把风险值调整到允许的范围内。当上级部门或者监管部门发现问题并向商业银行提出时，商业银行也可以根据VaR模型及时调整资产组合。 第三，随着我国商业银行所面临的风险的日趋复杂以及组合投资在我国的兴起，将利率风险、汇率风险等各种形式的风险汇总综合考虑和衡量的必要性越来越大，这就为综合衡量市场风险的VaR模型的应用提供了广阔的发展空间。所以，将VaR方法引入我国商业银行的金融风险管理领域，对于我国商业银行的发展有着重大的意义。相信在不远的未来，VaR模型必将以其科学性、实用性、综合性和国际性等特点得到我国商业银行的重视和青睐。 综合以上对商业银行市场风险度量现状及发展趋势的分析，基于风险价值的VaR模型方法正发挥着越来越重要的作用。 结论 在新巴塞尔协议以及巴塞尔协议III中，关于资本金计算公式的设计和相关参数的确定与检验都借鉴了VaR的思想和方法。VaR方法因其概念简单，易于沟通，成为当今国际银行业风险计量和信息披露的标准工具。 并且近年来发生的灾难性的金融事件也解释了为何VaR在金融界得以风行的原因。但是VaR只应被视为第一道的近似值。风险价值是基于统计方法得出的这一事实，并不能掩盖它仍只是一种估计。使用这不应该被引入误区，而应认识到VaR的局限性。正如J.P摩根风险管理委员会主席史蒂文.蒂克所言："有一点应该明白，VaR已不是一种风险测量的方法论，而应该成为一种管理手段，这种手段是与此行业人员的经验水平及公司所能承受的风险水平联系在一起的。" 参考文献： [1] ]胡开春.股票市场驱动并购研究评述[J].财经科学，2007，（1）. [2]闫万涛.我国商业银行的全面风险管理研究[D].四川大学，2010. [3] 秦国平.基于VaR 的我国商业银行市场风险计量研究[D].江西财经大学，2010. [4]陈旭辉.基于VAR 的我国商业银行市场风险度量研究[D].湖南大学，2010. [5]戴科，彭智.商业银行市场风险管理中的VaR模型[J].价值工程，2005（8）. VaR是一种利用统计技术来度量有价证券金融市场风险的方法。P.Jorion给出了一个比较权威的定义:VaR是指在正常的市场波动条件下, 资产组合在给定置信度和一定的持有期内可能的最大损失。用数学公式描述如下:prob (-Δp>VaR) =α, 其中Δp为证券组合在持有期Δt内的损失;α为预先给定的置信度;VaR为在置信度α下处于风险中的价值。 VaR本身是一个数字, 属于统计概念的范畴, VaR回答了:发生损失大于给定的VaR的概率小于α, 也就是我们可以用1-α的概率保证损失不会超过VaR。例如, 某公司每天交易的有价证券的日VaR值在95%的置信水平下为50万美元, 这就是说, 在正常的市场条件下, 在今后24小时内发生大于50万美元亏损的可能性为5%, 或者说该公司能以95%的把握保证在今后24小时内损失不会超过50万美元。这一数据不仅给出了公司市场风险暴露的大小, 同时也给出了损失的概率。 2 VaR的计算 2.1 历史模拟法 在使用历史模拟法计算VaR时, 是将一个资产组合映射为一个历史的价格分布, 这样一来, 对每一天都可以计算其在该分布之下的利润或损失, 并可以将这个序列简单的排序, 相应于事先给出的理想的置信区间的收益率就是所要计算的VaR值。这意味着:如果事先指定的置信区间为99%时我们可以挑选1000个样本数据点中的第10个数据作为VaR的估计值。 2.2 蒙特卡罗模拟法 蒙特卡罗模拟法, 主要思路是反复模拟决定金融工具价格的随机过程, 每次模拟都可以得到组合在持有期末的一个可能值, 进行大量的模拟, 那么组合价值的模拟分布将收敛于组合的真实分布, 这样通过模拟分布可以逼近真实分布, 从而求出VaR。 第一步, 情景产生。选择市场因子变化的随机过程和分布, 估计其中相应的参数, 模拟市场因子的变化路径, 建立市场因子未来变化的情景。 第二步, 组合估值。对市场因子的每个情景, 利用定价公式或其他方法计算组合的价值及其变化。 第三步, 估计VaR。根据组合价值变化的模拟结果的分布, 计算出给定的置信度下的VaR。 在实际金融市场中, 投资促和通常包括多个市场因子, 因此需要模拟多变量情况。多变量随机模拟的基本原理和单变量相同, 只是随机数产生的方法不同。考虑n个变量 (市场因子) , 如果变量间完全不相关, 可以分别独立产生随机数序列。如果变量间存在相关性 (假定其协方差矩阵为∑) , 那么在模拟中需要产生一个n维随机变量序列Z, 使得其协方差矩阵为∑。假设n个市场因子服从联合正态分布, 则Z的产生方法如下: 产生一个n维随机向量X= (X1, X2, …, Xn) T, Xl～N (0, 1) , 且Xl与Xj相互独立; 对协方差矩阵进行分解∑=AAT, 得到下三角矩阵;令Z=AX, 得到所需要的Z。根据定价公式, 得到证券组合的多个可能价格, 由此计算出损益, 根据给定的置信度, 计算分位数, 就可以得到证券组合的VaR。 金融风险是与金融活动相伴随的。我国的证券市场仍属于新兴市场, 金融市场潜在的风险很大, 随着金融市场的逐步对外开放, 国际金融市场的动荡对我国金融市场的影响将更加直接。 自资本市场兴起以来, 人们就一直努力寻找一个更能测定风险的方法, 传统资产负债管理ALM (Asset-Liability Management) 过于依赖报表分析, 缺乏时效性;而利用方差及β系数来衡量风险太过于抽象, 不直观, 而且反映的只是市场 (或资产) 的波动幅度;而CAMP (资本资产定价模型) 又无法揉合金融衍生品种。上述几种方法都无法准确定义和度量金融风险时, G30集团在研究衍生品种的基础上, 于1993年发表了题为《衍生产品的实践和规则》的报告, 提出了度量市场风险的VaR (Value at Risk:风险价值) 方法, 已成为目前金融界测量市场风险的主流方法, 稍后由J.P.Morgan推出的用于计算VaR的Risk Metrics风险控制模型历史模型法 (HSM) , 是被众多金融机构广泛采用, 经过十多年的发展, 对VaR求值又出现了:方差—协方差分析方法 (Var—Cov) , 蒙特卡拉罗模拟方法 (Monte—Carlo) 等。 二、VAR定义与方法简介 1. VaR定义 VaR按字面的解释就是“处于风险状态的价值”, 即在一定置信水平和一定持有期内, 某一金融工具或其组合在未来资产价格波动下所面临的最大损失额。 2. VAR基本方法简介 历史模拟方法 (HSM) 计算VaR值 历史模拟法是借助于计算过去一段时间内的资产组合风险收益的频度分布, 通过找到历史上一段时间内的平均收益以及在既定置信水平α下的最低收益率, 计算资产组合的VaR值。 历史模拟法假定收益随时间独立同分布, 以收益的历史数据样本的直方图作为对收益真实分布的估计, 分布形式完全由数据决定, 不会丢失和扭曲信息, 然后用历史数据样本直方图的P—分位数据作为对收益分布的P—分位数波动的估计。 3. 方差—协方差分析方法 (Var—Cov) 计算VaR值 方差—协方差法同样是运用历史资料, 计算资产组合的Va R值。其基本思路为: 首先, 利用历史数据计算资产组合的收益的方差、标准差、协方差; 其次, 假定资产组合收益是正态分布, 可求出在一定置信水平下, 反映了分布偏离均值程度的临界值; 第三, 建立与风险损失的联系, 推导VaR值。 设某一资产组合在单位时间内的均值为σ, 标准差为R~ (Nμ, σ2) , 又根据正态分布的性质, 在置信水平α下, 可能发生的偏离均值的最大距离为ω0=μ-ασ。 根据Aa R=ω0[E (R) -R*], 因为E (R) =μ, 有 Va R=ω0[μ- (μ-ασ) ] 假设持有期为△t, 则均值和标准差分别为这时上式则变为: 因此, 我们只要能计算出某种资产组合的标准差αp, 则可求出其Va R的值, 一般情况下, 某种资产组合的标准差可通过如下公式来计算。 其中, n为资产组合的金融工具的种类;ωi为第i种金融工具的资产组合中的比例;σi, σj为第i, j种金融工具的标准差;pij为金融工具i, j的相关系数。 4. 蒙特卡拉罗模拟方法 (Monte—Carlo) 计算VaR值 蒙特卡罗模拟方法可以较好地处理非线性、非正态问题。其主要思路是反复模拟决定金融工具价格的随机过程, 每次模拟都可以得到组合在持有期的一个可能值, 如果进行大量模拟, 那么组合价值的模拟分布将收敛于组合的真实分布。这样通过模拟分布可以导出真实分布, 求出Va R值。 蒙特卡罗模拟法与历史数据模拟法在很多方面有相似之处, 但最大的不同之处在于, 历史数据模拟法需要用到考察期内市场因子的变化数据, 以生成N个模拟的投资组合盈亏。而蒙特卡罗模拟法则不然, 它只需根据市场因子历史变化的数据, 选定一个合理的分布, 然后在此基础上用虚拟变量生成器 (pseudo random generator) 来模拟市场因子的各种可能变化。接着在此基础上构造投资组合的假设盈亏, 最后确定Va R值。除了选定特定分布并以此来模拟市场因子的变化以外, 其余步骤都大体与历史数据模拟法相同。 三、VAR特点及应用 1. VaR方法的特点 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, 没有任何专业背景的投资者和管理者都可以通过VaR值对金融风险进行评判; 第二, 可以事前计算风险, 不像以往风险管理的方法都是在事后衡量风险大小; 第三, 不仅能计算单个金融工具的风险。还能计算由多个金融工具组成的投资组合风险, 这是传统金融风险管理所不能做到的。 2. VaR的应用 第一, 用于风险控制。目前已有超过1000家的银行、保险公司、投资基金、养老金基金及非金融公司采用VaR方法作为金融衍生工具风险管理的手段。利用VaR方法进行风险控制, 可以使每个交易员或交易单位都能确切地明了他们在进行有多大风险的金融交易, 并可以为每个交易员或交易单位设置VaR限额, 以防止过度投机行为的出现。如果执行严格的VaR管理, 一些金融交易的重大亏损也许就可以完全避免。 第二, 用于业绩评估。在金融投资中, 高收益总是伴随着高风险, 交易员可能不惜冒巨大的风险去追逐巨额利润。公司出于稳健经营的需要, 必须对交易员可能的过度投机行为进行限制。所以, 有必要引入考虑风险因素的业绩评价指标。 第三, 估算风险性资本 (Risk-based capital) 。以VaR来估算投资者面临市场风险时所需的适量资本, 风险资本的要求是BIS对于金融监管的基本要求。 参考文献 [1]周大庆, 风险管理前沿[M].北京:中国人民大学出版社, 2003 [2]阎庆民, 中国银行业风险评估及预警系统研究[M].北京:中国金融出版社, 2005 1. 证券组合的收益—风险衡量与Markowitz理论假设条件 设一投资组合具有n种证券, 其收益率分别为r1, r2……rn, 用向量表示为r= (r1, r2……rn) T, 期望值向量E (r) = (u1, u2……un) T反映了各种证券的期望收益率, 方差δi2=D (r1) 反映了第i种证券的风险, 协方差δij=δji=cov (ri, rj) 反映了第i种证券与第j种证券收益率的相关系数 (i, j;1、2……n) , V= (δij) 为r的协方差阵。X= (x1, x2……xn) T表示组合证券投资比例向量, 满足enT=1, 其中en= (1, 1……1) T为元素全为1的n维列向量。组合证券投资的收益率为R=rTX=∑xiri。则投资组合的期望收益率m=E (R) =UTX, 投资组合的风险 (方差) δ2=D (R) =∑∑XiXjδij=XTVX。 马科维茨证券组合理论认为:投资者进行决策时总希望尽可能小的风险获得尽可能大的收益, 或在收益率一定的情况下, 尽可能降低风险, 即研究在满足预期收益率m≥m0的情况下, 使其风险最小;或在满足既定风险δ2≤δ02的情况下, 使其收益最大, 也即通过下面模型 (A) 或 (B) 来进行证券组合投资决策。 模型 (A) :minδ2=XTVX 模型 (B) :max m=uTx Markowitz组合投资的定量模型是建立在一系列严格的假设条件基础之上的, 主要包括: 1.证券市场是有效的, 证券的价格反映了证券的内在经济价值, 每个投资者都掌握了充分的信息, 了解每种证券的期望收益率及标准差, 是价格接受者。投资者可以无限借入资金, 也就是说投资者资金量无限大;并且税收和交易成本不予考虑。 2. 证券投资者的目标是:在给定的风险水平上收益最大, 或在给定的收益水平上风险最低, 就是说, 投资者都是厌恶风险的。 3. 投资者以期望收益率来衡量未来实际收益率的总体水平, 以收益率的方差来衡量收益的风险性, 因而投资者在决策中只关心投资的收益率和方差, 如果要他们选择风险 (方差) 较高的方案, 他们都要求有额外的收益率作为补偿。 4. 投资者追求其每期财富期望效用的极大化, 投资者具有单周期视野, 所有Xi是非负的, 即不允许买空与卖空。 5. 每种证券的收益率都服从正态分布;证券具有无限可分性, 也就是说投资者必要的话可以购买部分股权;各种证券的收益率之间有一定的相关性, 它们之间的相关程度可以用相关系数或者收益率之间的协方差来表示。 二、Markowitz的均值——方差模型的缺陷 Markowitz最优资产组合选择的均值-方差模型, 是用于估计投资者投资组合风险与收益的一种有力的工具。但由于其采用的均值——方差模型存在着以下缺陷: 1. 均值——方差模型利用方差来衡量投资风险, 即预期收益相对于平均收益的离散程度越大, 风险也就越大。 然而不符合实际情况, 因为现实情况中, 如果投资收益超出平均收益越多, 投资者应该更倾向于高的投资收益, 而不是因为由此引起的方差 (风险) 越大而厌恶它, 从而不能使组合优化达到最佳。 2. 均值——方差模型未能提供衡量投资者风险厌恶程度的指标。 投资者不能够根据自己的风险厌恶来使自己的组合达到最佳, 不同偏好的投资者可能具有不同的衡量标准, 其效用函数不同, 拥有不同的风险测度, Marlowitz均值—方差模型仅仅是效用函数的特例。据研究, 只有证券收益率服从正态分布条件, 方差才是风险的有效测度。然而根据对美、日证券业人员的调查结果, 投资者对风险、收益的理解不对称, 更谈不上均匀分布在均值左右, 而统计数据也表明r1并不一定服从正态分布, 因而选择何种度量风险的测度标准, 对投资组合的证券及比例的选择尤为重要。 3. Markowitz根据以往各种证券之间的关联方式和程度推测它们未来的关联情况。 但在现实中, 由于投资者之间的博弈的影响, 证券之间的关联情况并非稳定常态, 而是常常发生较大的变化和震荡。这使得通过以往的数据计算出来的证券收益率的协方差矩阵未必能够代表未来的情况。 二、引入VAR代替方差后的修正——基于Markowitz的均值-VAR组合模型 1.VAR模型 VAR作为市场风险测定和管理的一种工具, 由J.P.Morgan最先提出, 指的是“在正常的市场条件下, 给定置信区间的一个持有期内的最坏的预期损失。”其在数学上表示为投资工具或组合的损益分布 (P&L distribution) 的α分位数 (α-quantile) , 相应的表达式为Pr (-ΔpΔt≥VAR) =α (ΔpΔt表示组合P在Δt持有期内市场价值变化。) VAR模型提出的最初, 仅仅用于度量市场风险。但经过长期应用和发展, 该模型已经逐渐扩展到信用风险、交易风险等多种风险的管理, 成为目前金融界进行风险组合管理的一个重要方法。将VAR方法引入Markowitz组合投资理论的研究, 在一定程度上能够弥补了投资组合理论在风险度量上的不足。对此, 可以在均值-方差模型的基础上引进VAR约束, 建立基于VAR约束下的组合优化模型。 2.VAR约束下的组合优化模型——均值-VAR模型 均值-VAR模型, 指的是在均值-方差模型的基础上, 即寻找在给定的收益约束下, 使组合的VAR最小的投资组合。模型内容为: (1) 当组合的收益服从正态分布时, 均值-VAR有效集是均值-方差有效集的子集, 因此均值-VAR有效集可能为空。对于正态分布, 使用均值-VAR方法与期望效用最大化模型得到的结果一致 (或至少近似一致) 。 (2) 假定具有均值-方差偏好的投资者在组合VAR小于或等于V∈R的限制下选择投资组合, 则可以得到VAR约束下的组合优化模型为: 其中, c为置信水平, c=1-α是给定的VAR值。给定一持有期, 令置信水平下某风险组合的VAR为F (-v) =1-c的收益率v, F (*) 是给定期末组合收益率的累积分布函数。对于任意c, c*∈ (0, ∞) 且Ф (-c*) =1-c, Ф (*) 是标准正态累积分布函数。在证券回报率为正态分布情况下, 根据大数定理, 式Prob (rp<-VAR) ≤1-c可转化为: 此时VAR约束变为: 显然, VAR约束线是一条斜率为Ф-1 (c) , 截距为-V的一条直线。此时原式组变形为: 即得到了VAR约束下的组合优化模型。 三、引入VAR约束之后投资组合选择的影响因素 由于VAR的计算结果受收益率分布及给定置信水平的影响, 所以利用VAR代替方差, 建立最优投资分配模型后, 投资组合的选择也不再仅仅受投资者的风险规避度影响, 而且还受到计算VAR时置信水平的选择以及VAR约束值的大小的影响。 1. VAR具有非凸及非次可加性, 因此当投资组合收益的分布不服从正态或对数正态分布时, 配置最优投资组合时, 使用VAR度量风险会产生较大困难。 2. 置信水平越高, 表明投资者越厌恶风险, 估计的风险也越大, 导致最终的投资分配方案趋于保守化。 四、总结 基于VAR风险测度的最优投资分配模型相对于均值-方差模型来说, 考虑到了投资者的风险厌恶程度, 因此更具有现实意义。VAR已经被越来越多的金融机构VAR采用作为风险限额, 以测量市场风险, 同时也为监管当局使用以确定风险资本金的依据。因此, 金融机构及其业务部门投资选择时往往需要满足VAR的约束条件, 加之VAR是在一定置信水平之下即将面临的最大损失值, 从而提供了一种反映投资者风险承受能力的指标, 使得投资者能选择适合自己风险偏好的组合优化模型。 参考文献 [1]王春峰 万海晖 张 维:金融市场风险测量模型-VAR[J].系统工程学报, 2000 (2) [2]胡荣芳:对Markowitz的均值-方差模型改进的两种思路[J].现代商业 , 2007, (12) [3]菲利普·乔瑞:证券组合与投资分析[M].北京:高等教育出版社, 1997 [4]李 苏:投资组合模型及其边界分析[J].宁夏大学学报 (自然科学版) , 2005, (03) [5]姚 京 李仲飞:基于VAR 的金融资产配置模型[J].中国管理科学, 2004, 12 (1) [6]杜海涛:VAR模型在证券风险管理中的应用[M], 2000.8 [7]王春峰:金融市场风险管理——VAR方法[M].天津:天津大学出版社, 2000 1. Va R理论假设。 (1) 市场有效性假设; (2) 市场波动是随机的, 不存在自相关; (3) 收益率符合正太分布。 2. Va R理论介绍。Va R定义为:公司或资产在一定的置信水平和目标时间段下预期的最大损失。数学表达式为: ΔPt表示投资组合P在t持有期, 置信水平为α下的价值损失, 是一个随机变量。 假定P0为初始价值, R是投资回报率, 则证券组合的价值可以表示为P=P0 (1+R) 。假定回报率R的期望回报和波动性分别为μ和σ, 如果在某一置信水平α下, 证券组合最低价值为P*=P0 (1+R*) , 根据Va R的定义, 相对Va R可表示为: 所以, 计算Va R就相当于计算最小值P*或最低回报率R*。因为证券组合未来回报是一个随机过程, 假定其未来回报率概率密度函数为f (x) , 则对某一置信水平α下的证券组合最低回报率R*, 有: 如果分布是正态分布, 满足方差—————协方差法的假设, 则可简化Va R的计算。即f (x) 服从正态分布, 将 (2) 式标准化, 有: Φ (ε) dε, 其实a就是在指定置信水平α下回报率的左分位数。最小回报率可表示为: 把 (3) 式代入 (1) 式, 得: 3. 基于Va R的RAROC指标。 RAROC中:“ROC”指某一时期基金持有的证券组合的收益, 而“Va R”指证券组合在给定的置信水平和持有期下预期的最大可能损失。RAROC模型描述了单位资本损失所获得的收益, 它在某种程度上反映了风险资本的效率。投资者可以根据自己的风险偏好选择具有不同RAROC的基金产品。 二、实证分析 1. 本文进行实证分析主要有以下几个步骤: (1) 通过基金日净值计算日收益率, 做出数据直方图 (SPSS) 。 (2) 对日收益率作正态性检验, 分别计算出个基金的峰态和偏态系数, 并进行K-S检验后判定基金是否服从正态分布 (SPSS) 。 (3) 对服从正态分布的基金, 计算其均值、方差、Va R值和RAROC值。 (4) 分别对收益率、RAROC指标值进行排序 (Excel) 。 (5) 将RAROC指标与收益率指标进行对比分析, 探讨RAROC的优越性并进行总结。 2. 样本数据选取。 本文选取开放式基金作为研究对象。为了使研究结论更具一般性, 要求所选取的样本一是覆盖范围要尽可能的宽;二是要有代表性;三是样本考察期要适当, 有比较充足并且连续的数据。本文选取了10只开放式基金作为样本, 评价期间为2008年2月25日至2009年2月23日共244个有效日。 3. 数据来源。 样本基金分别从不同基金公司选取, 排除了同一个公司管理投资的共性, 样本为:平衡型:博时增长、华夏红利、易方达平稳、国泰精选、华安宝利、景顺平衡;成长型:南方高增、广发优选;指数型:嘉实300;价值型:富国天益。 4. 基金收益率正态分布检验: 基金的Va R计算方法较多, 但是为了简化运算, 我们首选在收益率分布为正态分布的假设前提下进行的:“方差、协方差”方法。 (1) 以“博时增长”基金为例介绍样本基金的收益分布情况。样本正态分布K-S检验显著性概率P=Sig.=0.200>0.05, 故样本基金博时增长日收益率服从正态分布。通过SPSS运算数据显示:均数-0.001611;标准误差0.0011631;方差0.0003273;标准差0.0180940;偏度系数0.129;峰度系数0.301。 (2) 用同样的方法对10只基金的偏度、峰度及K-S检验显著性概率分别进行计算, 所得结果反映出样本基金有以下特点:1) 10只基金的K-S检验显著性概率均大于0.05, 即样本基金的收益率均服从正态分布, 这和金融理论的前提假设一致。2) 10只基金均存在高狭峰现象 (表明其收益率变化较集中) , 10只基金均具有正偏斜 (即其收益率分布密度较集中于左侧) 的特点, 但总体偏斜程度与正态分布差异不是很大。 综上所述, 以基金收益率为正态分布假设为前提的金融模型有其合理性。 三、基金Va R的计算结果 经过以上的检验, 发现所选取的样本基金收益率均服从正态分布。根据“方差、协方差”的Va R计算方法可知在95%的置信度情况下, Va R=P0*1.65σ。 运用excel软件计算上述10只基金95%置信度下的Va R值, 并对各基金的Va R值进行排名, 按照基金排名升序分别为:嘉实300、国泰精选、南方高增、富国天益、华夏红利、博时增长、广发优选、华安宝利、景顺平衡、易方达平稳。 四、样本基金的RAROC值计算结果 结果按照基金名称 (RAROC:绩效;RAROC排序;Mean:收益率均值;Mean排序) 分别为:华夏红利 (-0.000461649;1;-0.001181;2) 、国泰精选 (-0.000568192;2;-0.001908;6) 、南方高增 (-0.000587624;3;-0.002297;9) 、富国天益 (-0.000592505;4;-0.0019;5) 、华安宝利 (-0.00061281;5;-0.001256;3) 、易方达平稳 (-0.000640958;6;-0.00118;1) 、广发优选 (-0.000642273;7;-0.001913;8) 、博时增长 (-0.00070399;8;-0.001705;4) 、嘉实300 (-0.000755339;9;-0.002652;10) 、景顺平衡 (-0.000904759;10;-0.00191;7) 。 五、结论 1. 针对目前国内现有的评价体系存在局限性, 在新模型 中引入了反映基金所面临风险信息的Va R指标, 将风险指标和传统的基金业绩评价指标相结合, 据此建立基于Va R的基金业绩评价模型。此模型能克服传统的评价方法的不足, 使评价结果更加客观、准确。以10支基金在考察期内的市场表现情况为例, 实证结果表明, 与原有的评价体系相比, 新模型具有更好的评价能力。 2. 基金的业绩和大盘有着明显的相关性, 即受到系统性风险的影响。 宏观经济的走势在很大程度上影响着大盘走势, 在考察期间, 受经济危机的影响, 大盘呈现明显下跌的趋势, 10支基金的期望收益率均为负值。这说明, 在宏观经济环境良好时, 大部分基金的业绩也随之走好;当宏观经济受到影响而低迷时, 基金也会受到影响而业绩变差。 3. 以RAROC作为基金绩效评价指标, 与单纯以基金收益率作为评价指标不同。 RAROC是考虑风险调整后的收益。所以就一般而言, 收益率很高的基金, RAROC指标值不一定就见得很高 (如上一部分的例子所示) 。从这点看, 单纯的追求高收益并不一定会获得好的绩效, 当市场大幅波动的时候, 高收益伴随着高风险的特点更加突出。因为RAROC综合考虑了风险与收益两方面因素, 从总体上对基金的经营能力做出了评价, 所以它比收益率具有更多的优点。从RAROC值的排序可以看出, 在市场波动的时候, 平衡型基金的波动较小, 而指数型基金波动较大。这说明, 对于一般的风险厌恶型投资者, 在市场走势看好时, 可以考虑购买指数型基金增加收益;市场走势不好时, 可以考虑持有平衡型基金减小损失;市场走势不明朗时, 购买指数型基金相对于平衡型基金要承担更多的风险, 投资者应根据自己的情况谨慎投资。 4. 本文初步尝试将风险信息纳入基金业绩评价体系, 很多研究尚待进一步深入进行。 比如, 从风险的度量方面来看, Va R方法本身存在一定的缺陷, Va R是在一定的假设条件下进行的, 常用的Va R计算方法只是对市场处于正常变动下市场风险的有效度量, 它不能准确处理金融市场中非正常因素所导致的变动的情形。因此, 对金融市场出现的非正常变动的极端情形时, 市场风险的度量还需要进一步分析研究。 参考文献 [1]杨飞虎.证券投资基金业绩评价研究[M].北京:中国财政经济出版社, 2008. [2]杜书明.基金绩效衡量理论与实证研究[M].北京:中国社会科学出版社, 2003. [3]蔡明超.证券投资基金绩效评价理论与实务[M].上海:上海财经大学出版社, 2005. [4]黄福广.证券投资基金评级理论与方法[M].北京:中国经济出版社, 2005. [5]李凌波.中国证券投资基金业绩评价与风险管理[M].长沙:湖南大学出版社, 2006. 【关键词】 股指期货 风险价值法（VaR） 防范措施 一、防范股指期货风险的重要性 股指期货，全称是股票价格指数期货，也称股价指数期货、股指，它是一种以股价指数为标的物的标准化期货合约，即双方约定在未来的某个特定日期，可以按照事先确定的股价指数的大小，进行标的指数的买卖。股票指数期货价格乘以合约乘数就是其合约的价值，股指期货具有风险规避功能、价格发现功能和资产配置功能，同时具有跨期性、杠杆性和联动性的自身特点。 经过多年的探索，在2010年4月16日，我国终于正式推出以沪深300指数作为标的物的沪深300股指期货。2010年度，按单边计算，本期成交量为45873295手，成交额为4106987672.96万元，本期持仓量29805手；在2011年度，按单边计算，本期成交量为50411860手，同比增长4538565手，成交额为4376585521.65万元，同比增长269597848.69 万元，本期持仓量48443手，同比增长18638手。可以看出，随着我国经济的发展，金融体系的逐步完善，股指期货投资者的数量和成交金额将会越来越大，对其进行风险防范也显得越来越重要。 与其他金融衍生产品一样，股指期货也具有高风险、高收益的特征。其交易具有其他金融衍生品所拥有的共同的风险：包括市场风险、信用风险、流动性风险、操作风险、法律风险等；此外，股指期货除了具备金融衍生产品的总体风险之外，还由于其标的物、合约设计、交易制度和结算方式等特殊性而具有一些自身特定的风险，主要包括基差风险、保值率风险、流动性差异风险等。股指期货交易的高杠杆性、价格变化的敏感性和交易策略的复杂性，使其交易蕴含着巨大的风险，并远远超过了股票现货市场，由于实行保证金制度，其“高杠杆”、“以小博大”的交易特点使投资者面临更大的风险敞口，价格小幅波动，就可能造成交易者损失大量保证金，情状况若恶化，他们极可能无力偿还而违约。此外，投资者盲目入市、非理性投机因素的存在，加大了投资者损失发生的概率，一旦投资失误，将会出现数倍于投资额的损失，也就是说投资者获取高额收益的可能性的同时必须承担高额风险，那么股指期货的风险管理就显得尤为重要。 因此，本文研究股指期货的风险管理，不论是从理论上还是实践上都是相当必要的，下面本文将选取一个视角，探讨一下风险价值法（VaR）在我国股指期货风险管理中的使用价值，争取为投资者进行风险防范和控制提供一个有效的工具，同时促进我国股指期货市场的健康发展。 二、风险价值法（VaR）的应用价值分析 1、风险价值法（VaR） 风险价值法VaR（Value—at—Risk）是一种以规范的统计技术来度量市场风险的新标准，目前在金融数学领域被广泛使用，它是在正常的市场条件下，给定一定时间区间和置信水平，测度最大损失的数学方法。其优点在于将不同的市场因子、不同市场的风险集成为一个数，较准确测量由不同风险来源及其相互作用而产生的潜在损失，适应了金融市场发展的动态性、复杂性和全球整合性的趋势。VaR的计算方法主要有蒙特卡洛模拟法、历史模拟法、方差—协方差法等，其中比较常用的是利用参数方法计算VaR的方差—协方差法。 2、样本选取 鉴于股指期货的标的物和期货的价格运行接近，本文将用沪深300指数价格代替沪深300股指期货价格计算以“天”为单位的VaR值。模型中的参数估计将使用Eviews5.0软件实现。为反映最新的期指情况，样本数据时间跨度为2010年4月19日至2012年3月30日，共计沪深300指数收盘价475个。其收益率是采用对数一阶差分形式，即设第d日的收益率为rd，pd为第d日沪深300指数的收盘价格，则rd=lnpd—lnpd—1。 3、GARCH—VaR模型检验 （1）平稳性检验。在建立金融模型前，首先要求相应的数据序列是平稳的。单位根检验主要用来判断时间序列的平稳性。本文使用ADF单位根检验方法对日收益率序列进行检验。如果ADF检验统计量值小于给定的显著性水平的临界值，那么可以在该显著性水平上认为样本序列没有单位根，也就是平稳的。反之，则认为样本序列有单位根，即不平稳的。用Exiews5.0对沪深300指数收益率序列进行ADF检验的结果如表1所示。 从表1可以看出，日收益率序列的ADF检验统计量的值为—9.765721，均小于其在1%、5%和10%显著性水平下的临界值，也就是有99%的把握认为沪深300指数收益率序列没有单位根，即序列是平稳的，可以建立GARCH模型。 （2）正态性检验。通常的模型假设残差服从正态分布，但在实际应用中，收益率序列存在着“尖峰厚尾（Leptokurtosis）”性，即收益率分布的峰度比标准正态分布的峰度高。因此，计算VaR时应该考虑用于描述尾部特征的其他分布来代替正态分布。 使用Exiews5.0，获得沪深300指数收益率的描述性统计结果，如图1所示。 柱状图描述了沪深300指数日收益率475个数据在区间的分布情况。从右表数据可以看出，日收益率序列明显不服从正态分布，该序列的偏度（skewness）为—0.317210<0，峰度（kurtosis）为34.50592>3。与标准正态分布相比，序列具有左偏、尖峰和后尾的特征。同时，Jarque—Bera统计量的数值相当之大，为19653.63；且其概率P=0，从而拒绝了序列服从正态分布的假设。 GARCH（p，q），即广义自回归条件异方差模型能够准确地描述分析并动态地刻画收益的异方差性，因此本文选用GARCH模型来对收益序列进行描述；由于收益率序列不服从正态分布，具有尖峰厚尾的特征，而t分布能够刻画这种现象，故本文使用了服从t分布的GARCH模型描述日收益率序列的变化特征。用Exiews5.0对收益率序列作GARCH（1，1）模型参数估计，其结果如表2所示。 在GARCH模型中，ARCH项和GARCH项的系数检验是显著的，系数估计值分别为0.206847和0.019546，其和（α+β）等于0.226393，小于1，满足GARCH模型参数约束条件。观察AIC和SC值都很小，这说明GARCH（1，1）模型能很好的拟合数据。 （3）VaR计算。由GARCH模型估计得到的条件方差ht，然后可用方差—协方差法来计算VaR值，进而模拟期指收益的VaR上下界值。在计算出沪深300股指期货的日VaR值后，投资者就可以明确自己所持股指期货合约风险的大小，并可以据此来控制和调整自己的合约数量和部位，把所持合约的风险控制在可承受的范围之内。 VaR模型是一种具有多优点的风险估计模型，通过对沪深300股指期货进行实证分析，可以发现，GARCH（1，1）模型能较好的拟合我们所选用的沪深300指数数据，从而根据此模型得出的数据来计算VaR值，这说明风险价值法（VaR）在我国股指期货风险管理中是有实用价值的，所以可引导投资者在其股指期货交易中引入风险价值法，控制交易风险。 三、股指期货风险防范措施 在我国，股指期货市场作为一个新兴的投资领域，它所面临的风险放大效应、高杠杆性及其自身的发展有待完善、体制法规有待健全的现状，使股指市场蕴藏着较大的投资风险。因此为了股指市场的健康发展，也为了保护投资者的合法利益，必须要对股指期货市场中的风险进行防范。 首先，应该完善政府的立法管理，交易所自身的行为规范管理以及行业协会的自律功能三者的结合，保证股指期货市场正常、规范运作，维护交易的公开、公平、公正，促进股指期货市场的健康发展，使投资者明确交易时应当遵守的规则，做到依法交易。同时应加大对股指期货市场的监管力度，防止内幕交易和不正当交易等违法操作手段，并加强对期货经纪公司等股指期货经营服务机构的监督，严格审批制度和监督检查制度，使其做到在客户、职员管理方面要有效实施相关规定，严格按照交易所和证监会的规定建立和完善内部结算和风险管理制度，在投资者开通股指期货交易时，应加强对投资者的风险教育和理论知识传授指导，使投资者充分掌握各种期货交易的知识和技能，提高判断能力，制定正确投资策略，提高风险防范意识和心理承受能力，做到合法经营。 其次，由分析可以看出，VaR模型能够较好地反映市场风险状况，随着各种金融数据的不断累积和完善，其在金融风险管理中的作用将会越来越重要，其分析效果也会越来越精准，对投资者的指导意义也会越来越大。在一定条件下，可以传授他们风险价值法的相关应用知识，帮助其学会利用GARCH—VaR模型来进行风险估价和控制，但同时也要注意不要完全迷信这个模型的效力，应着重强调交易风险的重要性，规避投资者在对股指期货市场缺乏认识的情况下“以小博大”、“高杠杆操作”，降低盲目参与导致的风险损失。 最后，作为投资者，在进入股指期货市场前，一定要审慎地剖析自己，可通过向专业人士和相关服务机构咨询等方式，衡量判断自己的风险偏好和风险承受能力，理性地分析一下自己是否适合进入股指市场，如果适合的话，在进入前，一定要通过阅读书本、国家颁布的相关法律法规及查询网络资料等途径，认真学习股指期货知识，深入了解交易流程及交易风险，可以通过先参加“股指期货模拟交易大赛”、“股指期货基本知识竞赛”等比赛，熟悉交易规则和流程，为参与股指期货交易打好基础，千万不要盲目入市。 【参考文献】 [1] 邹忠盼：股指期货及其风险透视[J].上海经济，2006（11）. [2] 王玉君、屠世浩、王新宇：中国股指期货管理前瞻[J].浙江金融，2008（3）. [3] 刘红波、边宽江、程波、袁志发：VaR数学模型及其计算方法[J].西北农业学报，2008，17（4）. [4] 王盼红：股指期货的风险管理[J].企业导报，2010（10）. [5] 钟长洪：基于风险价值法的股指期货风险管理研究[J].特区经济，2010（8）. 关键词：VAR,历史模拟法,市场因子 1 VAR法在我国当今背景下的应用意义 自从我国加入WTO之后, 随着外汇体制的不断改进, 特别是2005年7月21日进行了人民币汇率形成机制的改革, 人民币汇率不再盯住单一美元, 而是选择若干种主要货币, 赋予相应的权重, 组成一个货币篮子。许多市场因素将表现出内生变量的特点, 也就是随着经济周期的变化而呈现出较大的波动性。外贸企业也不可能像以前那样依靠国家的保护, 必须独立面对诸多风险, 这样就对企业规避风险提出了更高的要求。本文希望尝试运用最新的风险衡量技术———VAR技术, 在微观层面来分析和衡量外汇风险。 2 VAR的基本原理与计算方法 2.1 VAR的概念 VAR (Value at Ris k) , 其含义是指在市场正常波动下, 金融资产或证券组合的最大可能损失。如果采用Philippe Jorion的定义:VAR就是在一定的持有期及置信度内, 某投资组合所面临的最大损失。如果用数学公式来表达: Prob (△P 其中Prob:某事件的概率 △P:某一金融资产在一定的持有期△t内价值的损失额 VAR:置信水平α下的风险价值, 即可能的最大损失 α:置信水平 例如:某公司在2005年的年报中披露, 其2005年的每日置信度为99%时的VAR值平均为1000万美元, 这就意味着, 这家公司在2005年每一个特定的时间点上投资组合在未来的一天内, 由于市场因素的作用所造成的损失超过1000万美元的概率小于1%。 2.2 VAR历史模拟法的基本原理 采用历史数据模拟的方法, 即通过分析给定历史时期所观测到的市场因子的变化, 来预测市场因子的未来变动。具体地说历史模拟法采用的是全值估计的方法, 即通过对历史数据的分析与处理来对资产组合的历史价格水平组合进行重新估值, 计算出资产组合的价值变化, 然后将该资产组合的损益从小到大进行排列, 得到相应的损益分布, 最后通过给定的置信度下的分位数求出可能的最大损失, 即VAR值。 我们可以从图1中得到更直观的解释。假设有一个资产组合, 其价格因子用P (i) 来表示 (其中P (0) 表示当前价格) , 用历史模拟法计算交易日的历史价格序列, 就可以得到价格因子的100个日变化。 如果设P (1) 为未来一日的价格水平, 则假定以前100个变化在未来一日都有可能出现, 则P (1) 有100个可能值: 将这100个可能值从小到大排列, 就能得到未来的价格分布, 根据相应的置信度就能得出VAR值。 3 企业外汇风险计算实例 假设2006年1月24日某外贸企业与外方签订进出口合同, 3个月后将有应收美元账款100万美元, 应付人民币账款200万, 当前人民币兑美元汇率为e=8.0625￥/﹩, 当前美元3个月利率为r1=4.30%, 人民币3个月利率为r2=1.71%, 则该合同的当前市场价值为: 合同当前的市场价值=即期汇率*USD1million/ (1+r1) -RMB2m illion/ (1+r2) =RMB5.7637m illion 3.1历史数据的选取与处理收集2006年1月24日前100天的三个市场因子的历史数据, 计算合同的假设价值, 并计算相邻两日合同变化的值, 得到100个样本数据。 3.2预测2006年1月25日的合同持有价值范围, 并用真实值进行检验 3.2.1在置信度为95%下, 1月25日的合同持有价值上限=RMB5.7637m illion+RMB0.01338m illion=RMB5.77708m illion 持有价值下限=RMB5.7637million-RMB0.00713million=RMB5.75657m illion 即2006年1月25日的合同持有价值范围为 (RMB5.75657m illion, RMB5.77708m illion) 3.2.2真实值进行检验2006年1月25日人民币兑美元汇率e=8.0630￥/﹩, 美元3个月利率为r1=4.32%, 人民币3个月利率为r2=1.71%, 则该合同的市场价值为: 合同的市场价值=即期汇率*USD1million/ (1+r1) -RMB2million/ (1+r2) =RMB5.76273m illion 【VaR】推荐阅读：VaR风险衡量方法综述 篇4
VaR 篇5
VaR 篇6
风险价值VaR模型与算法 篇7
VAR方法及测定方法简介 篇8
VaR 篇9
基于VaR的中国基金绩效评价 篇10
VaR 篇11
试用VAR法衡量企业外汇风险 篇12