




文档简介
第第04章章 市场风险:风险价值市场风险:风险价值VaR 王王 鹏鹏 博士博士 西南财经大学中国金融研究中心西南财经大学中国金融研究中心 wangpengcd 引言引言 金融机构的投资组合价值往往取决于成百上千个市场变量。 某些用于考察某些特殊市场变量对于投资组合价值影响的 度量指标,如Delta、Gamma、Vega等,尽管这些风险度 量很重要,但并不能为金融机构高管和监管人员提供一个 关于整体风险的完整图像。 2/64 引言引言 风险价值VaR (Value at Risk)是试图对金融机构的资产 组合提供一个单一风险度量,这一度量能够体现金融机构 所面临的整体风险。 VaR最早由J. P. Morgan投资银行提出,随即被各大银行、 基金等金融机构采用。 3/64 引言引言 目前,VaR已经被巴塞尔委员会用来计算世界上 不同地区银行的风险资本金,包括针对市场风险、 信用风险和操作风险的资本金。 本章内容: VaR的概念 VaR的计算例子 VaR与ES VaR与资本金 VaR中的参数选择 后验分析(Backtesting analysis) 4/64 4.1 VaR的定义的定义 VaR:我们有X的把握,在未来T 时期内,资产组合价值 的损失不会大于V。 V :资产组合的VaR VaR是两个变量的函数:持有期T 和置信度X% VaR可以由投资组合收益(Profit)的概率分布得出,也可 以由投资组合损失(Loss)的概率分布得出。 5/64 4.1 VaR的定义的定义 当采用收益分布时,VaR等于收益分布第(100-X) %分位数 的负值 6/64 4.1 VaR的定义的定义 当采用损失分布时,VaR等于损失分布第X% 分位数。 例:当T =5,X =97%时,VaR对应于投资组合在5天后收 益分布的3分位数的负值,也对应于投资组合在5天后损 失分布的97分位数。 7/64 4.2 VaR的计算例子的计算例子 Example 1 假定一个交易组合在6个月时的收益服从正态分布,分布 的均值为2(单位:百万美元),标准差为10。 由正态分布的性质可知,收益分布的1分位数为 2-2.3310,即-21.3。 因此,对于6个月的时间期限,在99置信度下的VaR为 21.3(百万美元)。 8/64 4.2 VaR的计算例子的计算例子 Example 2 假定一个1年期项目的最终结果介于5000万美元损失和 5000万美元收益之间,中间的任意结果具有均等的可能性。 项目的最终结果服从由-5000万美元到+5000万美元的均匀 分布,损失大于4900万美元的可能性为1。 因此,在1年后,基于99置信度的VaR为4900万美元。 9/64 4.2 VaR的计算例子的计算例子 Example 3 一个1年期项目,有98的概率收益200万美元,1.5的概 率损失400万美元,0.5的概率损失1000万美元。 10/64 4.2 VaR的计算例子的计算例子 在这样的累积分布下,对应于99累积概率的损失为400 万美元。 VaR400万美元 可以这样描述:我们有99的把握认为在未来1年后该项 目损失不会超过400万美元。 11/64 4.2 VaR的计算例子的计算例子 Example 4 续上例,试求99.5置信度下的VaR 上图显示,介于400万美元和1000万美元中的任何损失值 出现的可能性都不超过99.5。 VaR在这一情形下不具备唯一性 一个合理选择:将VaR设定为这一区间的中间值,即 99.5%置信度下的VaR为700万美元。 12/64 4.3 VaR与与ES 在应用VaR时,实际上是在问“最坏的情况将会是怎样”, 这一问题是所有金融机构高级管理人员都应关心的问题。 VaR将资产组合价值对各种不同类型市场变量的敏感度压 缩成一个数字,这使管理人员的工作大为简化。 另外,VaR也比较容易进行后验分析(Backtesting analysis)。 13/64 4.3 VaR与与ES 然而,VaR却有会使交易员有冒更大风险的缺陷。 例如,一家银行限定某个交易员的投资组合在未来一天内 99的VaR额度为1000万美元,该交易员可以构造某一资 产组合,该组合有99.1的可能每天的损失小于1000万美 元,但有0.9的可能损失5000万美元。 这一组合满足了银行的监管规定,但很明显,交易员使银 行承担了不可接受的风险。 14/64 4.3 VaR与与ES 交易员所追求的概率分布: 15/64 4.3 VaR与与ES 许多交易员喜欢承担更大的风险,以期得到更大的收益。 某交易员:“我还从来没有碰到过一种风险控制系统会使 我的交易无法进行”。 16/64 4.3 VaR与预期损失与预期损失 预期损失ES 一种比VaR更能使交易员产生合理交易动机的风险测度为 预期损失ES(Excepted shortfall),有时又被称为“条 件VaR”(conditional VaR)、“条件尾部期望 (conditional tail expectation)”、“尾部损失”(tail loss)。 ES:超过VaR的损失期望值 17/64 () 1 qq ttttt ESEr rVaR = 0)倍,则新组合的风险测度值应该原组合风险测 度值的n倍; 含义:如果将某交易组合放大两倍,相应的资本金要求也 应该放大两倍。 24/64 4.4 VaR和资本金和资本金 (4)次可加性(Sub-additivity):由两种资产构成的投资 组合的风险测度值应小于等于两种资产各自风险测度值之 和。 含义:该条件与“不要把鸡蛋放在同一个篮子里”的经典 风险管理思想一致,即分散化投资的风险一定要小于等于 集中化投资的风险。 VaR满足条件(1)、(2)、(3),但并不永远满足条 件(4)。 25/64 4.4 VaR和资本金和资本金 Example 5 假定两个独立的贷款项目在1年内均有2的概率损失1000 万美元,同时均有98的概率损失100万美元,因此,任 意一个单笔贷款在期限为1年、置信度为97.5下的VaR均 为100万美元。 将两个贷款叠加产生一个资产组合,组合有0.020.02 0.0004的概率损失2000万美元,有20.020.980.0392 的概率损失1100万美元,有0.980.980.9604的概率损失 200万美元。 26/64 4.4 VaR和资本金和资本金 在时间期限为1年,97.5的置信度下,贷款组合的VaR为 1100万美元,单笔贷款对应的VaR之和为200万美元。 贷款组合的VaR比贷款VaR的总和高900万美元 违反次可加性 27/64 4.4 VaR和资本金和资本金 Example 6 考虑两笔期限均一年,面值均为1000万美元的贷款,每笔 贷款的违约率均为1.25。 当其中任何一笔贷款违约时,收回本金的数量不定,但回 收率介于0100的可能性均等。 当贷款没有违约时,每笔贷款盈利均为20万美元。 28/64 4.4 VaR和资本金和资本金 假定如果任意一笔贷款违约,那么另一笔贷款一定不会违 约。 首先考虑单笔贷款,违约可能为1.25。如果发生违约, 损失均匀地介于01000万美元,这意味着损失大于零的 概率为1.25;损失大于500万的概率为0.625;损失大 于1000万的概率为零。 29/64 0 1000 概率:1.25 4.4 VaR和资本金和资本金 1年期99的VaR是多少? 要求99的VaR,需要找出概率为1的损失值。 设该损失值为X,有: 解得:X200。 对单笔贷款, VaR200 (万美元) 30/64 1000 1.25%1% 1000 X = 4.4 VaR和资本金和资本金 综合考虑两笔贷款。 由于每笔贷款的违约概率均为1.25,且两笔贷款不可能 同时违约,所以两笔贷款中有一笔贷款违约出现的概率为 2.5%。 违约触发的损失介于01000万美元的概率为均等。 31/64 4.4 VaR和资本金和资本金 贷款组合99的VaR是多少? 要求99的VaR,需要找出概率为1的损失值。 设该损失值为X,有: 解得:X600(万美元) 32/64 1000 2.5%1% 1000 X = 4.4 VaR和资本金和资本金 由于一笔贷款违约时,另外一笔贷款会盈利20万美元,因 此将这一盈利考虑在内,可得贷款组合1年期99的VaR 580万美元。 单笔贷款的VaR之和200200400(万美元) 这一结果再次与“贷款组合会带来风险分散效应”的论断 相悖。 33/64 4.5 满足一致性条件的风险度量满足一致性条件的风险度量 满足单调性、转换不变性、同质性、次可加性等四个条件 的风险测度被称为“一致性风险测度” VaR不是一致性风险测度,而ES是一致性风险测度 Example 7 继续考虑例5。每笔贷款的VaR均为100万美元,现在要计 算置信度为97.5的尾部期望损失。 34/64 4.5 满足一致性条件的风险度量满足一致性条件的风险度量 在2.5的尾部概率中,有2的概率损失1000万美元,有 0.5的概率损失100万美元。 因此,在2.5的尾部分布范围内,有2(占2.5的80) 的可能损失1000万美元,有0.5(占2.5的20)的可 能损失100万美元。 预期损失ES为0.8100.218.2(百万美元) 35/64 4.5 满足一致性条件的风险度量满足一致性条件的风险度量 将两个贷款项目结合到一起时,在2.5的尾部概率中,有 0.04的概率损失2000万美元,有2.46的概率损失1100 万美元。 因此,在2.5的尾部分布内,预期损失ES为(0.04/2.5) 20(2.46/2.5)11=11.144(百万美元) 28.2 11.144,故该例中,ES满足次可加性。 36/64 4.5 满足一致性条件的风险度量满足一致性条件的风险度量 一个风险测度可被理解为分位数的某种加权平均 就损失分布而言,VaR对第X 个分位数设定了100的权重, 而对其它分位数设定了0权重; ES对高于X 分位数的所有分位数设定了相同的权重,但 对低于X 分位数的所有分位数设定了0权重。 基于这一思想,我们可以对损失(收益)分布中的所有分 位数赋予不同权重,并由此定义“光谱型风险测度” (Spectral risk measure)。 37/64 4.5 满足一致性条件的风险度量满足一致性条件的风险度量 当光谱型风险测度对第q 个分位数的权重为q 的非递减函 数时,这一光谱型风险测度一定满足次可加性,进而满足 一致性条件。 ES满足以上要求,但VaR不满足,因为VaR对高于X %分 位数的所有分位数设定的权重小于对X 分位数所设定的 权重。 38/64 4.5 满足一致性条件的风险度量满足一致性条件的风险度量 研究人员提出其它风险测度,这些风险测度中,第q 个分 位数的权重随着q 的改变而有较大的变化。 例如,使第q 个分位数所对应的权重wq与e-(1-q)/成比例,这 里的为常数,这种风险测度被称为指数光谱型风险测度 (exponential spectral risk measure)。例如: 39/64 () (1) 1 1 q q e w e = 4.5 满足一致性条件的风险度量满足一致性条件的风险度量 40/64 0.9 1.0 图5-1 权重作为分位数函数的3种情形 ES 0.05 0.15 权重 累积 概率 0.06 0.12 4.6 VaR中的参数选择中的参数选择 计算VaR时,需要预先设定两个参数:持有期和置信度 通常假设:(1)资产价格变化(收益率)服从正态分布; (2)收益率的期望值为零 基于以上两个假定: 其中,X 为置信度,为对应于持有期内资产组合的波动 率(连续复利收益率的标准差),N-1( ) 为累积标准正态 分布函数的反函数(Excel命令:NORMSINV)。 41/64 ()() 11 1VaRNXNX = =(5-1) 4.6 VaR中的参数选择中的参数选择 对任何持有期和置信度,VaR都与成正比。 假设某资产组合在10天持有期上的价值变化服从均值为0、 标准差为2000万美元的正态分布 10天持有期、99置信度下的VaR为: 2000N-1(0.99)4653(万美元) 42/64 4.6 VaR中的参数选择中的参数选择 持有期的选择 持有期的选择要视具体情况而定 证券投资基金账户当中的头寸往往流通性较好,管理人员 的交易行为也往往比较活跃,因此证券基金计算每天的 VaR就非常有意义。 当VaR超出一定界限时,管理人员就需对组合进行调整。 基金公司计算较长时间的VaR没有太大意义,因为在一个 较长的时期内,组合内的资产往往会有较大变化。 43/64 4.6 VaR中的参数选择中的参数选择 对于养老基金投资组合,管理人员往往会选择一个较长的 持有期计算VaR。因为这类资产组合的交易往往不是太活 跃,而且资产的流动性不太好。 这类资产组合的VaR往往每个月计算一次。 44/64 4.6 VaR中的参数选择中的参数选择 45/64 4.6 VaR中的参数选择中的参数选择 对于任何投资组合,往往首先需要计算未来1天的VaR, 然后采用以下公式计算未来T 天的VaR: 46/64 T days1 day VaRVaRT= (4-2) 4.6 VaR中的参数选择中的参数选择 上式的正确性建立在 (1)资产价格的每天变化均独立 (2)价格变化服从正态分布 (3)期望值为零 的基础上。 如果以上条件不符合,(4-2)式就只是一个近似式。 47/64 4.6 VaR中的参数选择中的参数选择 自相关性的影响 实际上,资产价格每天的变化之间并非完全相互独立 将资产组合第i天的价格变化定义为Pi,假设Pi与Pi-1的 相关系数为,对于任意i , Pi的方差均为2,则Pi+Pi- 1的标准差为: 48/64 222 2 4.6 VaR中的参数选择中的参数选择 同理,可以计算T 天内的价格变化的标准差: 由上式可以看出,当价格变化存在自相关性时,式(5-2)将 会低估VaR。 49/64 ()() 21 1 21222 T T i i stdPTTT = =+ 4.6 VaR中的参数选择中的参数选择 50/64 T=1 T=2 T=5 T=10 T=50 T=250 0 1.0 1.41 2.24 3.16 7.07 15.81 0.05 1.0 1.45 2.33 3.31 7.43 16.62 0.1 1.0 1.48 2.42 3.46 7.80 17.47 0.2 1.0 1.55 2.62 3.79 8.62 19.35 表5-1 当存在一阶自相关性时T天VaR与1天VaR的比率 4.7 后验分析后验分析 将VaR与实际损失进行对照的过程,称为后验分析 (backtesting analysis)。 如果我们计算了持有期为1天、置信度为99的VaR,则 首先要找出组合每天的损失中有多少次超过了这一VaR值, 并将超过的情形称为exception。 如果exception出现的天数占整体天数的1左右,则说明 VaR计算模型表现良好。 51/64 4.7 后验分析后验分析 如果exception的比例较大,说明VaR值偏低,而这将导致 资本金数量偏低。 如果exception的比例较小,说明VaR值偏高,而这将导致 资本金数量偏高。 一般的,如果VaR的持有期为1天,置信度为X%,如果 VaR模型准确无误,则损失超出VaR的概率应为p=1-X% 假定共有n个观察日,其中有m天的损失超出VaR 52/64 4.7 后验分析后验分析 假定m/n p,说明VaR估计偏低,但我们是否应该拒绝这 一VaR计算模型? 正式的统计检验: H0:对于任意一天,exception发生的概率为p H1:对于任意一天,exception发生的概率大于p 损失超过VaR的天数大于等于m的概率为: 53/64 knk n mk pp knk n = )1 ( )!( ! ! (5-3) 4.7 后验分析后验分析 假设该检验所选定的检验水平为5 如果由式(5-3)所计算的概率小于5,则可以拒绝H0,即 可以认为exception发生的概率大于p,从而拒绝该VaR计算 模型。 反之不能拒绝。 54/64 4.7 后验分析后验分析 Example 采用600天的数据来计算VaR,置信度为99%,在600天中 共发现了9个exception。 Exception期望发生次数为6,是否该拒绝这一VaR计算模 型? 计算大于等于9个exception发生概率的Excel命令: 1BINOMDIST(8, 600, 0.01, TRUE)=0.152 55/64 4.7 后验分析后验分析 如果采用5的检验水平,则不应该拒绝该模型。 假如我们发现exception的次数为12,则可计算出exception 大于等于12的概率为0.020,若再采用5的检验水平,就 应该拒绝该模型。 实际上,若采用5的检验水平,当exception次数超出11 次时,就应该拒绝该VaR计算模型。 56/6
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 社区诊所竞争格局分析
- 人生规划教育主题班会
- 数学社区课件讲解
- 2025年度搬家公司搬家保险业务合作借款协议
- 商业街区垃圾运输服务协议
- 数据治理述职报告
- 校长教师交流工作总结
- 三年级数学教师个人计划模板
- 信息中心工作计划范文
- 初中新学期工作计划范文
- 企业技术标准体系表
- 高中英语话剧作品集《美丽英语Beautiful English》
- 工程勘察重点难点分析及解决措施
- 电力机车禁停标及调谐区标
- DB44∕T 1315-2014 物业服务 档案管理规范
- 春运旅客心理状况的调查分析与对策研究
- T∕CAWA 002-2021 中国疼痛科专业团体标准
- 双重预防体系建设分析记录表格
- 手机保护膜钢化璃玻膜检验标准(版)
- 混凝土面板堆石坝施工技术第五讲
- 论中小学管弦乐队的组织与训练
评论
0/150
提交评论