《VaR模型及其在金融风险管理中的应用》文档格式.doc

《VaR模型及其在金融风险管理中的应用》文档格式.doc

《《VaR模型及其在金融风险管理中的应用》文档格式.doc》由会员分享，可在线阅读，更多相关《《VaR模型及其在金融风险管理中的应用》文档格式.doc（11页珍藏版）》请在冰点文库上搜索。

该协议通过对不同类型资产规定不同权数来量化风险，是对银行风险比较笼统的一种分析方法。

（二）90年代以后随着衍生金融工具及交易的迅猛增长，市场风险日益突出，几起震惊世界银行和金融机构危机大案（如巴林银行、大和银行等事件）促使人们对市场风险的关注。

一些主要国际大银行开始建立自己的内部风险测量与资本配置模型，以弥补《巴塞尔协议》的不足。

主要进展包括：

市场风险测量新方法—ValueAtRisk（VaR）（风险价值方法）。

这一方法最主要代表是摩根银行的“风险矩阵）系统”；

银行业绩衡量与资本配置方法——信孚银行的“风险调整的资本收益率（RiskAdjustedRettlrnonCapital，简称Raroc）”系统。

　　（三）最近几年一些大银行认识到信用风险仍然是关键的金融风险，并开始关注信用风险测量方面的问题，试图建立测量信用风险的内部方法与模型。

其中以J.P.摩根的CreditMetrics和CreditSuisseFinancialProducts（CSFP）的CreditRisk+两套信用风险管理系统最为引入注目。

　　1997年亚洲金融危机爆发以来，世界金融业风险（如1998年美国长期资本管理公司损失的事件）出现了新特点，即损失不再是由单一风险所造成，而是由信用风险和市场风险等联合造成。

金融危机促使人们更加重视市场风险与信用风险的综合模型以及操作风险的量化问题，由此全面风险管理模式引起人们的重视。

　　经过多年努力，风险管理技术已达到可以主动控制风险的水平。

目前有关研究侧重于对已有技术的完整和补充，以及将风险计值法推广到市场风险以外（包括信用风险、结算风险、操作风险）等其他风险领域的尝试。

从金融风险定量管理技术来看，国际金融组织和金融机构先后发展了如下新技术

（1）新资本协议

　　1999年6月3日，巴塞尔银行委员会发布关于修改1988年《巴塞尔协议》的征求意见稿，该协议对银行风险管理新方法给予充分的关注，具体表现在：

对银行进行信用风险管理提供更为现实的选择，方法有三种：

①对现有方法进行修改，将其作为大多数银行计算资本的标准方法，在这种情况下，外部信用评估（指标准普尔和穆迪公司等的评级）可用来细致区分某些信用风险。

②对于复杂程度较高的银行，巴塞尔银行委员会认为可将其内部评级作为确定资本标准的基础，并且对于某些高风险的资产，允许采用高于100％的权重。

③新协议明确指出：

“一些利用内部评级的、复杂程度更高的银行还建立了以评级结果（以及其它因素）为基础的信用风险模型。

这种模型旨在涵盖整个资产组合的风险这一特点，在仅仅依靠外部信用评级或内部信用评级中是不存在的。

但是由于一系列困难的存在，包括数据的可获得性以及模型的有效性，很显然信用风险模型目前还不能在最低资本的制定中发挥明显作用。

”委员会希望在经过进一步的研究和实验后，使用信用风险模型将成为可能，并将汁划关注这方面的进展。

这说明，巴塞尔银行委员会在一定程度上肯定了目前摩根等国际大银行使用的计量信用风险模型。

　　对市场风险管理方面进展给予肯定，并突出了利率风险和操作风险的管理。

此外还肯定了一些新的金融创新工具。

如新协议就资产证券化问题提出了新风险权重计量方案，对某几种短期承诺采用20％的信用风险转换权数。

并明确指出：

“降低信用风险的技术如信用衍生产品的近期发展使银行风险管理的水平大幅度提高。

”

（2）、风险价值法（VAR）

　　在风险管理的各种方法中，VAR方法最为引人瞩目。

尤其是在过去的几年里，许多银行和法规制定者开始把这种方法当作全行业衡量风险的一种标准来看待。

VAR之所以具有吸引力是因为它把银行的全部资产组合风险概括为一个简单的数字，并以美元计量单位来表示风险管理的核心——潜在亏损。

VAR实际上是要回答在概率给定情况下，银行投资组合价值在下一阶段最多可能损失多少。

　　VAR特点①可以用来简单明了表示市场风险的大小，单位是美元或其他货币，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；

②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；

③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。

　　VAR主要应用①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。

②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。

　　但VAR方法也有其局限性。

VAR方法衡量的主要是市场风险，如单纯依靠VAR方法，就会忽视其他种类的风险如信用风险。

另外，从技术角度讲。

VAR值表明的是一定置信度内的最大损失，但并不能绝对排除高于VAR值的损失发生的可能性。

例如假设一天的99％置信度下的VAR＝＄1000万，仍会有1％的可能性会使损失超过1000万美元。

这种情况一旦发生，给经营单位带来的后果就是灾难性的。

所以在金融风险管理中，VAR方法并不能涵盖一切，仍需综合使用各种其他的定性、定量分析方法。

亚洲金融危机还提醒风险管理者：

风险价值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间的相互关系。

　　（3）风险调整的资本收益法

　　风险调整的资本收益是收益与潜在亏损或VAR值的比值。

使用这种方法的银行在对其资金使用进行决策的日个候，不是以盈利的绝对水平作为评判基础，而是以该资金投资风险基础上的盈利贴现值作为依据。

　　每家银行都清楚风险与收益的关系。

在进行一项投资时，风险越大，其预期的收益或亏损也越大，投资如果产生亏损，将会使银行资本受侵蚀，最严重的情况可能导致银行倒闭。

虽然银行对投资亏损而导致的资本侵蚀十分敏感，但银行必须认识到，承担这些风险是为厂盈利，问题的关键在于，银行应在风险与收益之间寻找一个恰当的平衡点，这也是Raroc的宗旨所在。

决定Raroc的关键是潜在亏损即风险值的大小，该风险值或潜在亏损越大，投资报酬贴现就越多。

　　Raroc可用于业绩评估，如果交易员从事高风险的投资项目，那么即使利润再高，由于VAR值较高，Raroc值也不会很高，其业绩评价也就不会很高。

实际上近几年出现的巴林银行倒闭、大和银行亏损和百富勤倒闭等事件中，都是由于对某一个人业绩评价不合理所致，即只考虑到某人的盈利水平，没有考虑到他在获得盈利的同时承担的风险对其进一步重用的结果。

Raroc方法用于业绩评估，可以较真实地反映交易人员的经营业绩，并对其过度投机行为进行限制，有助于避免大额亏损现象的发生。

　　（4）、信贷矩阵（CreditMetrics）

　　1997年4月初，美国J．P摩根财团与其他几个国际银行——德意志摩根建富、美国银行、瑞士银行、瑞士联合银行和BZW共同研究，推出了世界上第一个评估银行信贷风险的证券组合模型（CreditMetrics）。

该模型以信用评级为基础，计算某项贷款或某组贷款违约的概率，然后计算上述贷款同时转变为坏账的概率。

该模型通过VAR数值的计算力图反映出：

银行某个或整个信贷组合一旦面临信用级别变化或拖欠风险时所应准备的资本金数值。

该模型覆盖了几乎所有的信贷产品，包括传统的商业贷款；

信用证和承付书；

固定收入证券；

商业合同如贸易信贷和应收账款；

以及由市场驱动的信贷产品如掉期合同、期货合同和其他衍生产品等。

具体计算步骤是首先对信贷组合中的每个产品确定敞口分布；

其次，计算出每项产品的价值变动率（由信用等级上升、下降或拖欠引起）；

再次将单项信贷产品的变动率汇总得出一个信贷组合的变动率值（加总时应考虑各产品之间的相互关系）。

由此可见，在假定各类资产相互独立的情况下，每类资产信用风险组合的风险值等于该类资产的敞口分布与其信用等级变动或拖欠的变动率。

即等于信用等级变动或拖欠变动率x贷款额。

　　（5）最近，美国华盛顿国际金融研究所针对当前的主要信用风险模型以及资产组合模型进行了分析测试，旨在找出衡量信用风险的最好方法，为计量信用风险确定一种比较规范的模型，并用于确定资本金的分配，从而为国际银行业的发展及其风险监管创造条件，并计划与巴塞尔银行委员会合作进行这方面的工作。

VaR风险控制模型

㈠.VaR模型基本思想

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。

JP.Morgan定义为：

VaR是在既定头寸被冲销（beneutraliged）或重估前可能发生的市场价值最大损失的估计值；

而Jorion则把VaR定义为：

“给定置信区间的一个持有期内的最坏的预期损失”。

㈡.VaR基本模型

根据Jorion（1996），VaR可定义为：

VaR=E（ω）-ω*①

式中E（ω）为资产组合的预期价值；

ω为资产组合的期末价值；

ω*为置信水平α下投资组合的最低期末价值。

又设ω=ω0（1+R）②

式中ω0为持有期初资产组合价值，R为设定持有期内（通常一年）资产组合的收益率。

ω*=ω0（1+R*）③

R*为资产组合在置信水平α下的最低收益率。

根据数学期望值的基本性质，将②、③式代入①式，有

VaR=E[ω0（1+R）]-ω0（1+R*）

=Eω0+Eω0（R）-ω0-ω0R*

=ω0+ω0E（R）-ω0-ω0R*

=ω0E（R）-ω0R*

=ω0[E（R）-R*]ω

∴VaR=ω0[E（R）-R*]④

上式公式中④即为该资产组合的VaR值，根据公式④，如果能求出置信水平α下的R*，即可求出该资产组合的VaR值。

㈢.VaR模型的假设条件

VaR模型通常假设如下：

⒈市场有效性假设；

⒉市场波动是随机的，不存在自相关。

一般来说，利用数学模型定量分析社会经济现象，都必须遵循其假设条件，特别是对于我国金融业来说，由于市场尚需规范，政府干预行为较为严重，不能完全满足强有效性和市场波动的随机性，在利用VaR模型时，只能近似地正态处理。

VaR模型计算方法

从前面①、④两式可看出，计算VAR相当于计算E（ω）和ω*或者E（R）和R*的数值。

从目前来看，主要采用三种方法计算VaR值。

⒈历史模拟法（historicalsimulationmethod）

⒉方差—协方差法

⒊蒙特卡罗模拟法（MonteCarlosimulation）

㈠．历史模拟法

“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。

一般地，横轴衡量某机构某日收入的大小，纵轴衡量一年内出现相应收入组的天数，以此反映该机构过去一年内资产组合收益的频度分布。

首先，计算平均每日收入E（ω）

其次，确定ω*的大小，相当于图中左端每日收入为负数的区间内，给定置信水平α，寻找和确定相应最低的每日收益值。

设置信水平为α，由于观测日为T，则意味差在图的左端让出

t=T×

α，即可得到α概率水平下的最低值ω*。

由此可得：

VaR=E（ω）-ω*

㈡.方差—协方差法

“方差—协方差”法同样是运用历史资料，计算资产组合的VaR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μ，数准差为σ，R*～μ（μ、σ），又设α为置信水平α下的临界值，根据正态分布的性质，在α概率水平下，可能发生的偏离均值的最大距离为μ-ασ，

即R*=μ-ασ。

∵E（R）=μ

根据VaR=ω0[E（R）-R*]有

VaR=ω0[μ-（μ-ασ）]=ω0ασ

假设持有期为△t，则均值和数准差分别为μ△t和，这时上式则变为：

VaR=ω0·

α·

因此，我们只要能计算出某种组合的数准差σ，则可求出其VaR的值，一般情况下，某种组合的数准差σ可通过如下公式来计算

其中，n为资产组合的金融工具种类，Pi为第i种金融工具的市场价值，σi第i种金融工具的数准差，σij为金融工具i、j的相关系数。

除了历史模拟法和方差—数准差法外，对于计算资产组合的VaR的方法还有更为复杂的“蒙特卡罗模拟法”。

它是基于历史数据和既定分布假定的参数特征，借助随机产生的方法模拟出大量的资产组合收益的数值，再计算VaR值。

风险估价技术比较

分类步骤HSMVaR—CovMonte—Carlo

⒈确认头寸找到受市场风险影响的各种金融工具的全部头寸

⒉确认风险因素确认影响资产组合中金融工具的各种风险因素

⒊获得持有期内风险因素的收益分布计算过去年份里的历史上的频度分布计算过去年份里风险因素的标准差和相关系数假定特定的参数分布或从历史资料中按自助法随机产生

⒋将风险因素的收益与金融工具头寸相联系将头寸的盯住市场价值（marktomarketvalue）表示为风险因素的函数按照风险因素分解头寸（riskmapping）将头寸的盯住市场价值（marktomarketvalue）表示为风险因素的函数

⒌计算资产组合的可变性利用从步骤3和步骤4得到的结果模拟资产组合收益的频度分布假定风险因素是呈正态分布，计算资产组合的标准差利用从步骤3和步骤4得到的结果模拟资产组合收益的频度分布

⒍给定置信区间推导VAR排列资产组合顺序，选择刚好在1%或5%概率下刚≥1的那一损失用2.33（1%）或1.65（5%）乘以资产组合标准差排列资产组合顺序，选择刚好在1%或5%概率下刚≥1的那一损失

VaR模型在金融风险管理中的应用

VaR模型在金融风险管理中的应用越来越广泛，特别是随着VaR模型的不断改进，不但应用于金融机构的市场风险、使用风险的定量研究，而且VaR模型正与线性规划模型（LPM）和非线性规划模型（ULPM）等规划模型论，有机地结合起来，确定金融机构市场风险等的最佳定量分析法，以利于金融机构对于潜在风险控制进行最优决策。

对于VaR在国外的应用，正如文中引言指出，巴塞尔委员会要求有条件的银行将VaR值结合银行内部模型，计算适应市场风险要求的资本数额；

G20建议用VaR来衡量衍生工具的市场风险，并且认为是市场风险测量和控制的最佳方法；

SEC也要求美国公司采用VaR模型作为三种可行的披露其衍生交易活动信息的方法之一。

这表明不但金融机构内部越来越多地采用VaR作为评判金融机构本身的金融风险，同时，越来越多的督管机构也用VaR方法作为评判金融机构风险大小的方法。

我国对VaR模型的引介始于近年，具有较多的研究成果，但VaR模型的应用现在确处于起步阶段，各金融机构已经充分认识到VaR的优点，正在研究适合于自身经营特点的VaR模型。

本部分就VAR模型在金融机构风险管理中的应用及其注意的问题介绍如下：

例1，来自JP.Morgan的例子

根据JP.Morgan1994年年报披露，该公司1994年一天的95%VAR值平均为1500万美元，这一结果可从反映JP.Morgan1994年日收益分布状况图中求出。

该公司日均收益为500万美元，即E（ω）=500万美元。

如果给定α=95%，只需找一个ω*，使日收益率低于ω*的概率为5%，或者使日收益率低于ω*的ω出现的天数为254×

5%=13天，从图中可以看出，ω*=－1000万美元。

根据VAR=E（ω）－ω*=500－（－1000）=1500万美元

值得注意的是，这只是过去一段时间的数值，依据过去推测未来的准确性取决于决定历史结果的各种因素、条件和形势等，以及这些因素是否具有同质性，否则，就要做出相应的调查，或者对历史数据进行修正。

这在我国由于金融机构非完全市场作用得到的数据更应该引起重视。

例2，来自长城证券杜海涛的研究

长城证券公司杜海涛在《VaR模型在证券风险管理中的应用》一文中，用VaR模型研究了市场指数的风险度量、单个证券的风险度量和证券投资基金净值的VaR等，研究表明，VaR模型对我国证券市场上的风险管理有较好的效果。

下面就作者关于市场指数的风险度量过程作一引用，旨在说明VaR的计算过程（本文引用时有删节）。

第一步正态性检验

首先根据2000年1月4日至2000年6月2日期间共94个交易日的日收益率做分布直方图，由于深沪两市场具有高度相关性，此处仅以上证综合指数为例计算1。

上证综合指数日收益率分布表现出较强的正态特征：

众数附近十分集中，尾部细小。

分析表明，深市指数也有相同的特征。

下面利用数理统计的方法对2000年4月3日至6月2日期间上述3种指数的日收益率的分布情况进行正态性检验，检验结果如下：

W（深证综指）=0.972445

W（深证成指）=0.978764

W（上证综指）=0.970279

W为正态假设检验统计量，当样本容量为40时取α=0.05（表示我们犯错误的概率仅为α=0.05），此时W0.05=0.94，只有当W有关这三种指数日收益率的相关统计量见表1。

表1三种指数日收益率统计量

通过上面的分析，我们可以得出三种指数的日收益率基本上服从N（μ,σ），由于三种指数的平均日收益率非常接近零值，故可近似为N（0，σ）。

第二步VaR的计算

由于正态分布的特点，集中在均值附近左右各1.65σ区间范围内的概率为0.90，用公式表示为：

P（μ-1.65σμ+1.65σ）=0.05；

则有P（X>

μ-1.65σ）=0.95。

根据上面的计算结果可知在95%的置信度情况下：

VaR值=T日的收盘价×

1.65σ。

取2000年4月3日至2000年6月2日的数据，然后根据上面的公式可以计算出深证综指、深证成指、上证综指3种指数在2000年6月2日的VaR值分别为：

深证综合指数VaR=591.34×

1.65×

0.013363=13.04

深证成份指数VaR=4728.88×

0.012582=98.17

上证综合指数VaR=1916.25×

0.012391=39.17

其现实意义为：

根据该模型可以有95%的把握判断指数在下一交易日即6月5日的收盘价不会低于T日收盘价－当日的VaR值；

即深证综合指数不会低于：

591.34－13.04=578.30

深证成份指数不会低于：

4728.88－98.17=4630.71

上证综合指数不会低于：

1916.25－39.17=1877.08。

第三步可靠性检验

现在来检验该模型的可靠性。

根据3种指数的VaR来预测下一个交易日的指数变动下限，并比较该下限和实际收盘价，看预测的结果与我们期望值之间的差别。

现将样本区间内实际收盘指数低于预测下限的天数与95%置信度情况下的可能出现的期望天数作一统计对比，结果见表2。

表2模型期望结果与实际结果的比较

通过上面的计