我国证券中的市场风险度量技术及其管理

VIP免费

3.0 牛悦 2024-11-19 4 4 1.3MB 53 页 15积分

侵权投诉

第一章绪论

§ 1.1 引言

近二十年来，由于受经济全球化与金融一体化、现代金融理论及信息技术、金

融创新等因素的影响，全球金融市场迅猛发展，金融市场呈现出前所未有的波动

性，工商企业、金融机构面临着日趋严重的金融风险。金融风险不仅严重影响了工

商企业和金融机构的正常运营和生存，而且还对全国乃至全球金融及经济的稳定

发展构成了严重威胁[1]。近年来频繁发生的金融危机造成的严重后果充分说明了这

一点。因此，金融风险引起了全球工商企业、金融机构、政策当局及学术界的密切

关注，金融风险管理成为工商企业和金融机构经营管理的核心能力之一。

风险管理的基础与核心是对风险的定量分析和评估，即风险测量。随着金融

市场和金融交易的规模、动态性和复杂性的增加，金融理论和金融工程的发展，

金融市场风险测量技术也变得更为综合、复杂。目前，金融市场风险测量的主要方

法包括灵敏度分析、波动性方法、VaR、压力试验（stress testing）和极值理论

（extreme value theory）。其中 VaR 是目前金融市场风险测量的主流方法。VaR 方

法是由 JP Morgan 公司率先提出的。当时 JP Morgan 总裁 Weatherstone 要求其下属

每天下午在当天交易结束后的 4点15 分，给他一份一页的报告，说明公司在未来

24 小时总体上的潜在损失是多大。为了满足这一要求，JP Morgan 的风险管理人员

开发了一种能够测量不同交易、不同业务部门市场风险，并将这些风险集成为一

个数的风险测量方法。由于金融系统的高风险性、信息的严重不对称性、金融系统

在经济中的核心地位及金融危机的严重后果，都要求金融机构有严格有效的内部

风险管理 VaR 模型，而且各国也加强了这方面的监管，如巴塞尔委员会 1996 年

发布的“市场风险补充规定”及欧盟 1996 年的“资本充足性指示”采用的“内部

模型法”、美联储 1995 年提出的用于确定银行业市场风险资本充足性要求的“事

前承诺模型”（precommitment model）都是基于 VaR 方法的模型。基于对金融市

场行为深入理解基础上的 VaR 模型较好的反映了金融市场的实际行为，较精确的

测量了金融机构面临的实际市场风险水平。近十年来，它获得了广泛应用，范围

涉及证券公司、投资银行、商业银行、养老基金及非金融企业等。1995 年Wharton 商

学院的一项调查表明，被调查的美国非金融企业中，使用VaR 评估其衍生交易风

险的占29%；Institute Investor 杂志1995 年的调查指出，32%的被调查企业使用了

VaR；而纽约大学同期的调查指出，60%的被调查养老基金使用了 VaR[2]。

计算 VaR 的关键在于确定证券组合的未来损益的统计分布或概率密度函数，

它分三步完成：映射过程——把组合中的每一种头寸的回报表示为其市场因子的

函数；市场因子的波动性模型——预测市场因子的波动性；估值模型——根据市

场因子的波动性估计组合的价值变化和分布。在这三步中，波动性模型和估值模

型是其核心与难点，目前 VaR 的计算方法都是基于对这两种模型的选择和组合。

而在计算波动性与估值中我们都要考虑市场因子的未来变化的分布情况，在

实际计算中我们一般考虑它服从正态分布，正态分布具有良好的性质如对称性、

可加性、相关性容易测量等特点，它可以极大的简化计算模型，而在金融市场分

我国证券市场中的市场风险度量技术及其管理

析中具有极其重要的地位。而在金融市场的实际运用中人们发现历史回报率分布

并不是与正态分布一致的，短期历史回报的分布往往是略微偏斜的，且其尾部要

比正态分布尾部更厚，一般称之为“尖峰厚尾现象”。金融市场交易过程实际上

就是一个以金融产品价格为核心的风险与收益的度量与决策问题，任何一项金融

决策都要面对许多不确定因素，这些不确定因素都将影响并反映在金融产品的风

险与收益上，所以如何精确地度量金融交易过程中的收益和风险，就成为金融交

易决策的核心，而这一个问题又回到实际回报的尾部分布上来。

近年来大量的物理学家与数学家把他们本学科的深厚的基础理论用于对金融

理论的研究中，产生了大量的理论与实际成果，解决了很多金融学自身很难突破

的问题，充实了金融研究方法体系。运用物理的或数学工具去研究和分析金融交

易中的各种问题，可以很精确地刻画出金融交易过程中的各种行为及其可能结果

使有关金融交易的决策更为简洁和精确。而金融机构和工商企业中为了获得竞争

优势也都乐于采用更为精确和复杂的金融定价公式、风险测量模型和对冲策略等。

这种状况极大地推动了现代金融市场的发展，新的金融产品不断推陈出新，人们

的研究方向逐渐走向金融市场的微观结构[3]，从微观方面建立数学模型来论证现

实的金融市场现象。

§ 1.2 本文所研究的问题和主要工作

金融学是一门迅速发展的科学,它与实际应用密切相关。现代的基础学科如物理

学、数学等的进展推动着人们对金融市场更深一步的探究，本文就是根据中国实

际状况把统计物理学中的稳定分布引入到 VaR 模型中，建立风险定量模型，并对

股市的微观状况和建立新型期权进行一定的探讨。

§ 1.2.1 我国金融机构和企业的风险管理状况

我国进入 WTO 以后，工商企业逐渐成为整个全球市场的完全参与者，它们和

世界上的其它公司一样都必须进行市场风险管理，才能在残酷的竞争中取胜。但

我国的企业都是从计划经济转型而来，它们自己不是主动与外国企业进行商业买

卖，对市场风险意识很少或者根本不存在，这种状况一定要转变，才能适应千变

万化的市场经济，这些方面我们应多向跨国公司学习[4]。而我国金融机构已面临

严重的金融市场风险。之所以尚未出现经营危机，一方面是由于信息不完全对称，

使公众对金融机构的不良资产的严重程度没有充分的了解；另一方面是因为公众

存有政府决不会让金融企业倒闭的信念。正是由于我国金融机构还没有出现公众

信任危机，所以还能在不良资产状况严重的情况下正常运行。同时，居民储蓄的

不断的增长，也掩盖了金融机构的支付困难，但这种高风险的的状态如不尽快消

减，则某些意外事件极可能引发大规模的金融风险，必须引起全社会的高度重视，

从宏观上加以监督，同时金融机构也应自身加强其内部监管，不要导巴林银行的

覆辙[5]。

而我国企业与金融机构虽然面临着金融市场与历史、体制等原因带给它们的巨

大风险，但普遍风险管理意识薄弱，没有设置专门的风险管理部门，更不用谈风

第一章绪论

险定量模型，但随着 WTO 的加入，这一现象就会得到根本改观，也希望我的探讨

能对他们有所帮助。

§1.2.2 总体购架设计

本文的设计主要是针对中国证券市场上，投资者对自己的投资所面对的风险

进行测量和规避。

由于中国证券市场是不太成熟与稳定的新型市场，经常出现暴涨暴跌的情景，

金融数据明显满足不了正态分布的要求。本文从市场的微观机制出发，分析了风

险的来源是中心极限定理中收敛的不一致性，当 X很大时，N有限，高斯分布与

实际相差很大，而风险正是这一部分产生，把重点放在正态尾部的修改上，讨论

了中心极限定理最后收敛于稳定分布与截断稳定分布，把它们引入到回报率的实

际分布中，而渗流理论中的简单模型也从机理上证实了这一点。

把稳定分布引入到 VaR 模型中后，主要根据 VaR 的分析方法和模拟方法对中

国证券市场上的投资风险建立定量模型。我国的股票市场不适合CAPM 模型，无法

适应 VaR 的市场因子（股指）理论,只有根据股票组合的大量历史数据分析,进行

主成份分析或者因子分析，减少维数，从而根据 GARCH-Stable 模型得到投资于我

国股市的风险。在债市风险定量化中我国债券的种类不是很多，没有可以完全反

应市场利率的国债市场因子，也只能分析债券组合的大量历史数据，为了减少

Monte Carlo 模拟维数，首先也要进行主成份分析或者因子分析，多变量 Monte

Carlo 模拟关键是产生多变量的随机函数，然后根据模拟情景算出组合价值的分

布，得到风险价值。

知道了风险大小，就要寻求规避风险的方法，在文章的最后一部分根据

Black-Scholes 公式，把波动性设为一个随机过程，对它的变动设计一个可以规

避证券波动风险的期权，由于此期权满足的特定方程用分析方法求解困难，用

Monte Carlo 模拟得到它的期权定价。

我国证券市场中的市场风险度量技术及其管理

第二章金融市场风险测量的理论与方法

§2.1 金融市场风险测量的主要技术

我们认识到无论是企业还是金融机构都面临着风险,而金融市场风险是最重要、

基本和可控的。目前，金融市场风险测量的主要方法包括灵敏度分析、波动性方法

VaR、压力试验和极值理论。

灵敏度方法是利用金融资产价值对利率、汇率、股票指数和商品价格等市场因

子的敏感性来测量金融资产市场风险的方法。假定金融资产的价值为 P，其市场因

子为x1，x2，…，xn，D1，D2，…，Dn 为资产价值对相应市场因子的灵敏度，则

，它表示市场因子变化一个百分数单位时金融资产价值变化的百

分数，是测量金融市场风险的基础，但只有金融资产价值变化与市场因子变化呈

线性关系时上述等式才成立，而许多金融资产具有非线性行为，只有当市场因子

发生微小变化时才线性近似，是一种对风险的局部测量。针对不同的金融资产、不

同的市场因子存在不同类型的灵敏度，债券有久期、凸性，股票有，针对衍生

工具有Delta、Gamma、Theta、Vega、Rho 等。

波动性方法是通过规范的统计方法量化如方差或标准差描述未来收益的不确

定性，在一定程度上测量了金融资产价格的变化，但它没有描述收益的偏离方向

和程度，同时也没有反映证券的损失到底有多大。

灵敏度方法是针对不同的金融工具测量其对市场因子的敏感性，反映了不同

金融工具的交易方式，主要适用于简单金融市场环境下（单一产品、单一风险）

的风险测量，或复杂金融环境下的前台业务。它无法测量证券组合的风险，无法

展开有效的风险控制和限额限定，也没有考虑组合的风险分散效应；波动性方法

一样也不能给出一定损失发生的可能性。为了解决传统的风险测量方法所不能解

决的各种问题，产生了一种能全面测量复杂证券组合的市场风险的方法—VaR，

将在下面的章节中详述。

金融市场中常常出现一些极端的情形，如市场崩溃、金融危机、政治巨变或自

然灾害等，在这些情况下，经济变量间金融市场因子间的一些稳定关系就会遭到

破坏。一些原本不该出现的意外联系在极端市场情况下就会出现，原来风险控制

的假定和计算参数发生了巨大变化，不再适用于正常市场情况下的风险测量模型，

为了测量极端市场状况下的金融市场风险，人们引入压力实验和极值分析方法。

压力实验是测量市场因子发生极端的不利变化时，金融机构的组合证券的损失大

小，包括识别那些会对金融机构产生致命损失的情景，并评估这些情景对金融机

构的影响。极值分析则是通过对收益的尾部分布进行统计分析，从另外一个角度

估计极端市场条件下金融机构的损失，这两种方法是对正常市场情况下VaR 的补

充[6]。

§2.2 VaR

第一章绪论

所谓VaR 按字面意思解释就是“给风险估价”，它是在正常市场波动情形下

对证券组合可能损失的一种统计测度。实际上VaR 的概念非常简单，如图所示，

首先使用当前市场因子的价格（利率、汇率、商品的价格）对当前的证券组合进行

估价，然后使用未来情景价格对证券组合的未来价值进行重新估价，并且计算证

券组合价值的变化—即证券组合未来的收益与损失。如果使用一系列的未来情景

价格对证券组合的未来价值进行估价，就可以得到证券组合未来收益的一个分布。

这样就可得到在一定置信水平下的证券组合未来损失值即 VaR 图：

价值0

价值1证券收益 1

价值2证券收益 2

价值n α

证券收益 n

证券组合收益的频率分布

图2-1 VaR 的概念图

具体来说，VaR 是指在一定的持有期及置信度内，某一证券组合所面临的最

大潜在损失。用数学公式表示为：

(2-1)

即prob（Δｐ＞－VaR）＝１－α, VaR 为在置信水平 α下处于风险中的价值。

例如J.P.M 公司 1994 年年报披露，1994 年该公司一天的 95% VaR 植为960

万美元，其含义是指该公司可以以 95%的可能性保证，1994 年每一特定时点上的

证券组合再未来 24 小时之内，由于市场价格变动而带来得损失不会超过960 万美

元。VaR 将证券组合风险概括为一个简单的数字，便于高层管理者掌握、上报给监

管机构以及在年报中披露。

§2.2.1 VaR 计算的基本思想

VaR 本质上是对证券组合价值波动的统计测量，其核心在于构造证券组合价

值变化的概率分布。基本思想仍然是利用证券组合价值的历史波动信息来推断未

来情景，只不过对未来价值波动的推断给出的不是一个确定值，而是一个概率分

布。例如已知过去 101 天的某一证券的历史波动情况，推断第102 天该证券的价值

最简单的方法是计算过去 101 天该证券的波动（如标准差）以此得出第 102 天该

证券的价值波动。但这样得出的值实际上是用一种过去的平均情况推断未来，误

差显然太大，而 VaR 的思想是过去 101 天的波动构成了 100 种波动情景，在第

102 天每一种波动都可能发生，因此第 102 天的价值波动存在 100 种可能性，由

此其价值波动构成了一个概率分布。

在大多数情况下，由于证券组合庞大而复杂，且保留证券组合中所有证券的

未来情景价格表

未来情景价格表2

未来情景价格表1

当前价格表

我国证券市场中的市场风险度量技术及其管理

历史数据不太现实，因此直接估算某种证券组合的收益（或损失）几乎是不可能

的，在 VaR 的计算中将每一证券映射为一系列“市场因子”如利率、汇率、股指及

商品价格等基本变量。因此 VaR 的基本步骤包括：辩识市场因子，并将证券组合

中的每一证券价值用市场因子表示；推测市场因子未来某一时期的变化情景；由

市场因子的未来情景估测证券组合的未来价值；求出损益分布，在给定置信度下

计算出VaR 的值。

对于正态分布：

(2-2)

当给出置信水平，就可以计算出相应的最小回报R*和VaR，

（）

(2-3)

假定参数μ和σ是在一天的时间间隔上计算出来的，则时间间隔为ΔT 的相对

VaR 为：

VaRR= = (2-4)

类似地，对于绝对VaR 有如下形式：

VaRA= (2-5)

2.2.2 VaR 计算中的关键问题：

计算 VaR 的关键在于确定市场因子（股指、利率、汇率）等损益的统计分布或

概率密度函数和市场因子的波动性模型和估值模型。

对于市场因子一般取收益的对数回报，一个资产的单期对数回报为单期简

单回报加 1后取自然对数，即：

（2-6）

多期对数回报为：

（2-7）

对数回报相对于简单回报有以下优点：

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

第一章绪论第一章绪论§1.1引言近二十年来，由于受经济全球化与金融一体化、现代金融理论及信息技术、金融创新等因素的影响，全球金融市场迅猛发展，金融市场呈现出前所未有的波动性，工商企业、金融机构面临着日趋严重的金融风险。金融风险不仅严重影响了工商企业和金融机构的正常运营和生存，而且还对全国乃至全球金融及经济的稳定发展构成了严重威胁[1]。近年来频繁发生的金融危机造成的严重后果充分说明了这一点。因此，金融风险引起了全球工商企业、金融机构、政策当局及学术界的密切关注，金融风险管理成为工商企业和金融机构经营管理的核心能力之一。风险管理的基础与核心是对风险的定量分析和评估，即风险测量。随着金融市场和金融...

展开>> 收起<<

我国证券中的市场风险度量技术及其管理.doc

共53页,预览6页

还剩页未读，继续阅读

我国证券中的市场风险度量技术及其管理

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: