金融风险管理原理分析报告.pptVIP

4.4.3 金融风险的管理技术 分散风险的组合法 规避风险的保险法 转移风险的保值法 Markowitz的均值方差模型 套期保值（Hedge） 保险 VaR损失从概念上很好地刻画了市场风险，但要使它真正成为能够提供关于市场风险信息的有力工具，还依赖于它的各种计算方法。 由于VaR损失运用的是基于概率置信度的概念，因此它的计算涉及较多的概率统计方法和理论。 Bender曾用多种常见的计算方法对三种假设的金融资产组合进行了VaR估计测定，结果发现各种不同的方法之间有很大的差异，这表明VaR测定对模型、参数、数据以及相关假设的依赖性非常强。 4.5. 市场风险管理的VaR方法 在RiskMetricsTM思想方法的基础上，众多的学术研究和金融机构针对不同金融资产的特点推出了一系列不同的数学计算方法，不同程度地满足了金融机构和其他各类投资者对金融资产市场风险管理所提出的要求，同时也极大地丰富了金融工程学的研究内容。 对于金融机构来说，VaR损失模型的计算方法至关重要。 目前大多数学者对VaR损失模型的研究主要集中在对其计算方法的各种探讨，提出了众多的计算思路。 方差-协方差方法 历史模拟法 Monte Carlo 模拟法 4.5.1 VaR的计算方法 三种常见的计算VaR的方法： 假设资产的损失服从正态分布。 这是一种参数化的求解方法。 资产损失的正态化假设具有一定程度的合理性，其优点在于能大大简化VaR的计算过程。 1. 方差-协方差方法 假设投资者持有1000万美元的微软公司股票。该股票的波动率为每天2%，在展望期上市场价格变化的期望值为0。 资产每天价值变化的标准差为：1000×2%=20万美元 由N(-2.33)=0.01知，价格下跌大于2.33倍标准差的概率为0.01，或者说，有99%的把握价格下跌不会超过标准差的2.33倍。 因此，1000万美元微软股票的一天展望期的99%VaR为： 2.33×20 = 46.6万美元 1000万美元微软股票的10天展望期的99%VaR为： 46.6 × = 147.3621万美元 利用求解次序统计量的方法对资产的VaR损失作出估计 不对资产损失的历史数据所服从的统计分布作出任何模型假设， 不依赖于任何描述历史数据变化规律的计量模型，它是模型独立（model independent）的一种方法，是非参数化的方法。 2. 历史模拟法 许多金融资产的价格规律无法用已知的概率分布加以简单地描述，但是许多实证研究的结果发现它们的时间序列却能够用相关的方程加以刻画 Monte-Carlo模拟法: 利用这种描述时间序列规律的方程进行计算机模拟可以推知资产损失的近似分布，从而获得金融资产的VaR损失额。 Monte-Carlo模拟法是参数化与非参数化相结合的一种方法。 3. Monte-Carlo模拟法 方 法 特点 不足之处 方差－协方差方法 1）直观，易于处理； 2）当市场因子为正态变量且资产头寸与市场因子之间为线性关系，这种方法最为理想 1）依赖于资产收益（或损失）的正态分布假设，当该假设不满足时，误差可能很大 2）当资产组合中包含有期权等非线性资 产时，这种方法不适合使用 3） 需要采用一定的方法作风险因子分析 历史模拟法 1）直观，易于解释； 2）是一种非参数方法，不依赖于任何关于资产收益的统计分布假设，不需要估计均值、相关系数 等参数 1）当历史样本数据量较小时，估计的结 果并不一定可靠 2）当历史样本数据量较大时，估计的结 果并不一定精确 Monte-Carlo模拟法 1）具有较强的灵活性，对于头寸结构复杂的资产组合的计算特别有用 2）采用相应的技术可以减少模拟次数但不降低精度 1 ）需要对资产收益作出一定的统计分布假设 2）计算精度和速度依赖于模拟所采用的算法，对使用者要求较高 表4-4 三大类主要的计算方法比较 VaR方法不仅是银行度量风险的重要工具，而且对任何涉及未来现金流动的公司和投资者都是度量风险最佳方法之一。事实上，资产/负债、未来的现金流都存在不确定性，这种不确定性的原发因素是风险源。 对于面临潜在风险的主体而言，不仅要有预期的收益目标，更要估计自己所能承担的最大损失，然后计算未来现金流可能带来的收益和损失。 4.5.2 VaR方法在金融风险管理中应用 投资者最关心的两个方面：投资组合未来可能带来收益和损失。 计算损失的方法之一——VaR方法。 如果所计算的VaR值在某一置信水平下超过了事先确定的某一损失目标，有两种解决办法：（1）调整资产负债结构或证券投资组合降低风险头寸，来减少风险；（2）通过对冲转移风险来减少风险。两种方法可以共用，