衡量场风险的指标

衡量市场风险的指标【篇一：衡量市场风险的指标】系数越高，系统性风险越大，资产要求的风险收益也就越高，相应的期望收益也就越高。2.在险价值(value-at-Risk)在险价值(value-at-Risk,简称vaR)方法自881中山大学学报(社会科学版)2015年第6期20世纪90年代早期提出后，在金融机构得到了广泛运用，已经成为风险管理的国际标准。vaR的定义为资产(组合)在一定的持有期(holdingperiod)，一定的置信水平通常被设(confidencelevel)1一下可能的最大损失。在实践中定为1%或5%。例如，如果=5%,则vaR是在95%置信度下金融机构面临的最大损失。因此，vaR=-q，其中q是金融机构收益率R的分位数:prRq{}=vaR方法有很多优点，但也有其局限性。首先，vaR是一个非一致风险测度，不满足次可加性的要求。其次，对尾部风险的估计不足，vaR无法反映处于分位点下方的尾部损失，而在危机爆发时，尾部损失才是关注的焦点。最后，vaR忽略了金融机构之间的互相联系和影响，无法捕捉金融机构之间的风险溢出效应。针对这些缺陷和不足，学者们开发了一些vaR的变种，包括预期资本不足(expectedshortfall,即es)和条件风险价值(conditionalvalueatRisk,WcovaR)等。3.预期资本不足通常被设(es)es是基于极值理论的一种风险度量工具，自1997年亚洲金融危机后逐渐成为人们关注的热点。es的定义是在正常市场条件和一定的置信水平下，给定时间段内超出vaR值损失的条件期望值，即最糟的概率下可能发生损失的均值。es考察尾部损失的均值而非单一分位点。es的模型如下:es=eR|Rq{}阿特兹纳等(artzneretal.,1999)，阿瑟比、挪迪欧和西尔托里(acerbi,nordio&sirtori,2001)，阿瑟比与塔什(acerbi&tasche,2002)，亚麦与尤芝(yamai&yoshiba,2005)等证明了在方法论上，es优于vaR,并且满足连续函数条件下的次可加性，从而满足风险计量的一致性要求。acharya等(2010)指出，es比vaR更稳健，因为vaR不能捕捉极端(例如低于1%或5%分位数)情形的负收益。es和vaR结合在一起，现在已经成为度量在发生极端情况时金融机构所面临风险的标准工具。4.条件风险价值(covaR)针对vaR方法忽略了金融机构之间的联系和影响这一缺陷，艾德里安与布兰纳梅尔(adrian&brunnermeier,2008)提出了条件在险价值co-vaR方法。covaR指的是金融资产j关于i的条件风险价值，即当金融资产i(通常指收益率)损失处于vaRia的水平时，金融资产j所处的vaR风险水平，模型如下:prxjcovaRj\i|xi=vaRi{}=其中,1一为置信水平。covaR本质上是条件概率分布的分位数，代表了金融资产i对j的风险溢出效应，包含了无条件在险价值和溢出风险价值。溢出风险价值定义为covaR与无条件vaR的差值:covaRj|i=covaRj|i-vaRj如果取i为金融市场的系统风险，则衡量了单个机构对整个系统风险的贡献程度。5.边际预期不足(marginalexpectedshortfall,mes)acharya等(2010)在es的基础上提出了边际预期不足(marginalexpectedshortfall,mes)模型。对于一个包含n个机构的组合，系统预期不足(systemicexpectedshortfall,ses)被定义为:ses=iyieri|Rq{}其中，yi代表第i个机构在组合中的权重，代表第i个机构的收益率。组合中第i个机构对ses的贡献程度被定义为mes:mesi=?ses?yi=eri|Rq{}acharya等(2010)构建了一个简单的理论模型，证明如果监管者基于ses对金融机构征税，将有助于降低金融机构承担风险的动机，从而减少它们的违约引起的外部性。(二)度量指标的比较从以上各风险度量指标的定义可以看出，5个变量都衡量的是市场风险，但是从经济学和统计学的角度来看，其侧重点是不一样的。衡量的是单个资产预期收益率和市场预期收益率之间的一致性，所侧重的是预期收益率整体分布。但981系统性市场风险度量指标的测算与评价是，没有理由假设个体资产和市场之间的相关度在整体分布都保持一致，尤其是在极端分布的时候。因此后面的几种度量方法都抛弃了整体分布的一致性，转而研究极端分布的情况。所不同的是：vaR强调的是极端分布的分位点，而es则更进一步强调的是极端分布的均值。不过，尽管vaR和es都指出了极端分布在风险中的重要性，但二者毕竟基于单个资产的分布状态，忽略了系统性的重要作用。因此covaR和mes从经济意义上来说又更进一步，在变量定义中重新引进了系统的重要性。二、实证测度方法与样本数据说明(一)实证测度方法在前部分的讨论中，我们给出了系统性市场风险度量指标的理论定义，但是在实际操作过程中，无法观测到资产的实际分布状态。因此在实际操作中还需要借助一些技术手段进行测度。1.的测度对系数进行估计的基础是capm模型，即ri=rf+(rm—rf)。如果假设每个收益率的观测是总体收益率分布的一次抽样，那么就可以借助资产的日收益率对市场日收益率进行线性回归小r=人+人irm所得的斜率系数即人i为i的估计值。2.vaR的测度vaR计算的重点是对资产未来收益率分布的估计。目前学术界较为常用的测度方法有三种:方差协方差法、历史模拟法和蒙特卡洛模拟法。方差协方差法需要对资产的收益率做出特定假设(假设资产(对数)收益率服从正态分布或t分布)；蒙特卡洛模拟法则需要设定资产价格运动的随机过程，反复生成时间序列，得到资产价值未来分布的统计估计。为了避免人为设定带来的测度干扰，本文采用历史模拟法，利用历史分布来估计真实的收益率分布，以历史ri的5%分位点的绝对值作为资产i的vaRi5%的度量。3.es的测度根据和vaR同样的度量思想，本文同样采用历史模拟法，利用历史分布来估计真实的收益率分布，以历史ri的5%分位点以下的平均收益作为esi5%的度量。4.covaR的测度covaR的测度方法有三种：基于极端事件的动态二阶矩法、基于历史收益率的bootstrapping模拟法和分位点回归法。在国内，叶五一等(2008)、高国华等(2011)、周天芸等(2012)曾用不同方法对covaR进行估计。adrian和brunner-meier(2011)指出分位点回归是计算covaR的特别有效的估计。因此本文使用分位点回归(quan-tileRegression)的方法来计算covaR,利用市场收益估计资产i的5%分位点回归估计值可以表示如下:人ri|m5%=A5%+Ai5%rm其中Ari|m5%，表示给定市场收益的情况下，资产i的5%分位点收益估计值；根据vaR的定义，我们可以得到vaRi5%|rm=人ri|m5%，再根据covaR的定义，如果令rm=vaRm5%，则可以得到:covaRi|rm=vaR

m5%5%=vaRi5%|vaRm5%=A5%+Ai5%vaRm5%根据历史收益数据估算vaRm5%，带入上述5%分位点回归方程，即可得到资产i的cova-Ri|rm=vaRm5%5%。5.mes的测度我们同样采用历史数据估算mesi。根据mes的定义mesi=eri|Rq{}，因此本文首先找出rmq5%的样本，然后利用这些样本计算出资产i的平均收益，所得值即为mesi5%的度量。（二）样本数据说明尽管自中国金融系统建立以来尚未爆发显性的系统性金融机构危机，但2008年的金融危机无疑为从市场表现度量各金融机构系统性风险提供了自然实验窗口。也就是说，如果各种金融机构系统性风险测量指标真的有警示功能，那么我们预期：从截面数据上来看，由指标测算出的风险越大的金融机构，则其在金融危机期间的市值损失应该更多。基于这种想法，我们就可以利用2008年的金融危机窗口评估各种风险度量指标091中山大学学报（社会科学版）2015年第6期的优劣。一般认为，由美国次贷危机引发的金融危机在2008年6月开始传导至中国，因此本文以2008年6月1日起之后的半年作为中国金融危机影响最深的时间段，并以此时间段计算各金融机构的市值损失，视为实现的系统性预期资本化不足（Realizedses）。由于风险度量指标的测算需要使用提前半年的数据，因此，本文选择的样本为在2007年12月31日前已上市的金融机构，共28家。其中，商业银行14家，保险公司4家，证券和信托公司10家。表1列出了各金融机构在此期间的市值损失。表1各金融机构在2008年6月1日2008年11月30日期间的市值损失市值损失损失排名公司代码公司名称65.65%1600837海通证券60.93%2601166兴业银行60.17%3600036招商银行59.81%4601318中国平安57.36%5600000浦发银行55.81%6000686东北证券55.27%7000783长江证券55.09%8600109国金证券53.54%9000001深发展a53.45%10601601中国太保53.37%11000728国元证券49.11%12600816安信信托47.94%13000563陕国投a47.88%14002142宁波银行47.78%15601169北京银行45.80%16000562宏源证券45.76%17601328交通银行44.38%18600016民生银行44.32%19601099太平洋42.87%20600030中信证券41.35%21600643爱建股份39.92%22601939建设银行39.92%23601009南京银行38.12%24600015华夏银行36.75%25601628中国人寿36.43%26601998中信银行33.23%27601398工商银行33.05%28601988中国银行三、实证结果（一）度量指标的估计和相关性分析1.度量指标的估计结果利用前文所述的实证测度方法，本文对金融危机传导至中国前半年的时间区间（即2007年12月1日2008年5月31日）内各系统性市场风险度量指标进行了测算。表2列出了这些指标的计算结果。表2各金融机构2007年12月1日2008年5月31日系统性风险测度结果公司代码vaRescovaRmes0000011.126.76%8.10%10.53%6.30%0005621.458.24%9.31%9.65%55%0005631.428.43%9.59%9.94%7.97%0006861.439.99%10.00%11.12%8.63%0007281.459.99%10.00%11.01%7.60%0007832.448.96%81%10.54%8.68%0021421.035.90%7.49%7.73%7.19%6000001.1352%8.64%11.14%5.38%6000151.116.30%7.69%9.09%5.44%6000161.066.01%6.78%7.51%6.46%6000301.306.73%8.06%8.66%7.47%6000361.015.80%6.58%8.32%5.42%6001091.489.99%10.00%11.05%7.15%6006431.328.41%9.03%11.05%7.68%6008161.319.82%9.97%119.97%11.25%6.77%6008371.429.58%9.90%11.40%7.64%6010090.904.4.93%6.35%6.53%6.22%6010991.089.75%9.95%11.08%6.86%6011661.0361.036.92%8.27%11.16%5.62%6011691.005.40%6.71%6.29%6.38%6013181.6.38%60131%6013980.814.8.08%601625%6019880.743.13%9.17%9.58%801%5.56%6.45%537%8.72%8.87%829%4.33%4.79%429%6013280.974.04%6016011.147.26%6019390.884.12%6019980.985.91%6.81%6.84%18%8.59%8.35%43%5.98%5.95%36%6.92%7.05%6.34%注：为了直观理解之便，vaR、es、covaR、mes都采用了正数进行表述，因此按照定义，其数值越大表明其风险越大，下同。191系统性市场风险度量指标的测算与评价2.度量指标的相关性在测算完各金融机构的风险测度的基础上，一个很自然的问题是表中的各种指标之间的相关性如何，即：尽管各项指标背后的经济原理不同，但它们同样都度量了金融机构的系统性风险，如果不同的投资者（或监管者）根据自身偏好选取了不同的指标，那么它们之间会不会出现较大的背离？基于这一想法，我们首先检验了各变量之间的相关性系数（如表3所示）。由表3可以看到，mes和covaR之间的相关性最小，但相关系数也达到了0.49,且在1%的统计水平下显著;vaR和es之间的相关性更是高达0.97。这些统计数据说明我们选取的各种风险测度的指标之间并没有出现较大的背离，也就是这些指标尽管背后的原理有一定的差异，但从实际数据来看，它们之间还是呈现出了较大的一致性。表3各风险测度指标之间相关性系数表vaRescovaRmes1.00vaR0.71***1.00es0.72***0.97***1.00covaR0.61***0.91***0.91***1.00mes0.70***0.67***0.75***0.49***1.00注：上标***表示在1%的水平下显著。(二)度量指标的风险测度效果比较在前文基础工作之后，我们就可以比较这5个指标的风险测度拟合效果。从图1可以看到，5个指标都和金融危机期间金融机构的市值损失呈现出正向关系。说明这几个指标在不同程度上都有一定的风险测度价值，尤其值得关注的是vaR、es、covaR、mes4个指标。从图中可以看到，由于变量的定义方式以及中国股票市场中的涨停板限制，图1各指标与金融危机期间市值损失的散点图291中山大学学报(社会科学版)2015年第6期表4各风险测度与金融危机中市值损失的回归检验被解释变量：各金融机构在2008年6月1日2008年11月30日期间的市值损失截距项0.342***(5.59)0.306***(5.61)0.221***(2.94)0.223*火*(3.58)0.316***(3.32)0.116**(2.34)vaR2.459*(3.33)es3.180*(3.51)covaR2.850*(4.24)mes2.404*(1.76)n2828282828R20.1740.2990.3220.4090.107adj-R20.1420.2720.2960.3860.072注：括号中为变量t值，上标*、**、***、分别表示在10%、5%、1%的统计水平下显著。vaR、es、mes的极值都大致被锁定在10%以内，但是由于covaR的测度中采用了回归方法进行估计，其极值可以超越10%,因此从这一点上来说，covaR比vaR、es、mes有更多的信息。表4给出了各指标和市值损失之间的回归检验。从结果可以看到，5个回归模型都至少在10%的统计水平下显著①。说明以往文献所定义的5种市场风险度量指标对金融机构的市场风险都有一定的解释能力，变量有其真正的经济含义。从变量的解释能力来看，5个指标中，covaR的解释能力最高，模型的R方达到40.9%。考虑到这仅仅是单变量回归的结果，模型的R方很高表明covaR的确表现出了优异的风险测度拟合能力。该结果说明：尽管5个指标都能衡量中国上市金融机构的市场风险，但是从金融危机这种极端风险的角度来说，covaR还是具有更优的风险测度能力。此外，风险测度功能稍次的变量是es和vaR。es的解释力度比vaR稍强，这也印证了es比vaR更稳健的观点。因为vaR不能捕捉极端情形的负收益。最后，和mes的风险测度力度稍差，其中mes的风险测度能力最差，这一结果和acharya等(2010)的结果大相径庭。acharya等(2011)指出，mes在系统性市场风险的测度中具有更好的解释能力，但是从本文的实证结果来看，该结果是最差的。究其原因，可能是我国的市场中存在涨跌停的限制，这种限制导致我们在测算mes的时候可能会存在偏差。四、结论加强宏观审慎监管已经成为各国金融监管改革的共同趋势，为避免金融体系风险的溢出效应给整体宏观金融体系带来的冲击，对金融机构的风险监测与识别则构成了宏观审慎监管的重要内容。以往的文献已经在金融机构系统性风险的度量上构建了一系列指标，但是尚未回答这些指标孰优孰劣的问题。本文以2008年金融危机时期的中国上市金融机构市值损失(负外部性的替代指标)为样本，对基于股票市场数据的5种常用系统性市场风险391系统性市场风险度量指标的测算与评价①单变量回归中，模型f值的显著性和单变量t值的显著性是一致的。度量指标进行了测算和效果比较。实证研究发现，covaR是最好的系统性市场风险度量指标，es和vaR次之，和mes最差。这一结果与基于各风险度量指标的经济含义和统计特性的预期效果基本符合。本文的研究结果具有一定的政策意义与实践价值。首先，对于监管部门来说，本文的结果表明，使用covar对金融机构进行风险评估，有助于监管部门更准确地监测单个金融机构的系统性市场风险，进而未雨绸缪。其次，本文的结果还有助于金融机构进行内部风险管理。国内的金融机构在内部风险控制方面还远远落后于国际水平，其中一个重要的原因在于，很难找到一个合适的风险度量指标体系。本文的结果表明，covaR在金融机构系统性风险测度方面具有良好的解释能力，应当被纳入金融机构内部风险控制的指标体系当中。第三，本文的结果对于普通投资者进行风险评估与管理也有一定的参考价值，可以帮助投资者梳理自己所投资产品的系统性市场风险。因此可以预期，在不久的将来，co-vaR有可能逐渐取代vaR成为新的、主流的风险管理工具和监管政策工具。〔参考文献〕高国华，潘英丽.银行系统性风险度量基于动态co-vaR方法的分析.上海交通大学学报，2011,(12).叶五一，缪柏其.应用门限分位点回归模型估计条件vaR.系统工程学报，2008,(2).周天芸，周开国，黄亮.机构聚集、风险传染与香港银行的系统性风险.国际金融研究，2012,(4).朱元倩，苗雨峰.关于系统性风险度量和预警的模型综述.国际金融研究，2012,(1).acerbic.,nordioc.&sirtoric.,expectedshortfallasatoolforfinancialRiskmanagement.arxivpreprintcond-mat/0102304.2001.acerbic.andtasched.,expectedshortfall:anaturalco-herentalternativetovalue-at-Risk.economicnotes.2002,(31):379388.acharyav.,pedersenl.,philippont.,andRichardsonm.measuringsystemicRisk,workingpaper1002,federalReservebankofcleveland.2010acharyav.v.andyorulmazert.toomanytofailananalysisoftimeinconsistencyinbankclosurepolicies.journaloffinancialintermediation,2007,(16):131.adriant.andbrunnermeierm.k.covaR.workingpaper,federalReservebankofnewyork.2008.adriant.andbrunnermeierm.k.covaR.workingpaper，federalReservebankofnewyork.2011.artznerp.,delbaenf.,eberj.-m.andheathd.,coher-entmeasuresofRisk,mathematicalfinance.1999,(9):203228.brunnermeier,markusk.decipheringthe20072008liq-uidityandcreditcrunch.journalofeconomicperspectives.2009,(1):77100.brunnermeierm.,crocketta.,goodhartc.,hellwigm.,persauda.andshinh.thefundamentalprinciplesoffinan-cialregulation.genevaReportsontheworldeconomy11(preliminaryconferencedraft),2009.brunnermeierm.andpedersenl.h.marketliquidityandfundingliquidity.theReviewoffinancialstudies.2009,(22):22012238.debandt,o.andhartmannp..systemicRisk:asurvey.europeancentralbankworkingpaperno.35.2000.fsb,imf&bis.guidancetoassessthesystemicimpor-tanceoffinancialinstitutions,marketsandinstruments:ini-tialconsideration.2009.grayd.andjobsta.taildependencemeasuresofsystemicRiskusingequityoptionsdata-implicationsforfinancialstability.forthcomingworkingpaper,internationalmonetaryfund(imf),washington,d.c，2009.lehar，alfred.measuringsystemicRisk:aRiskmanage-mentapproach.journalofbanking&finance.2005,(29):25772603.markowitzh.portfolioselection.journaloffinance,1952，(7):7791.RerbanklendingandsystemicRisk.journalofmoney,creditandbanking,1996,(28):733762.sharpew.f.,capitalassetprices:atheoryofmarkete-quilibriumunderconditionsofRisk.journaloffinance.1964,(47):1337.yamai,y.andyoshiba,t.,value-at-riskversusexpectedshortfall:apracticalperspective.journalofbankingandfi-nance,2005,29,9971015.491中山大学学报(社会科学版)2015年第6期附：金融机构ipo日期表证券代码证券名称首发上市日期证券代码证券名称首发上市日期000001.sz平安银行19910403601318.shv中国平安20070301600643.sh爱建股份19930426601998.sh中信银行20070427000563.sz陕国投a19940110601328.sh交通银行20070515600816.sh安信信托19940128601009.sh南京银行20070719600837.sh海通证券19940224002142.sz宁波银行20070719600705.sh中航资本19960516601169.sh北京银行20070919000686.sz东北证券19970227601939.sh建设银行20070925000712.sz锦龙股份19970415601601.sh中国太保20071225000776.sz广发证券19970611601099.sh太平洋20071228000728.sz国元证券19970616601788.sh光大证券20090818000750.sz国海证券19970709600999.sh招商证券20091117000783.sz长江证券19970731601688.sh华泰证券20100226600109.sh国金证券19970807601288.sh农业银行20100715600000.sh浦发银行19991110601818.sh光大银行20100818600016.sh民生银行20001219601377.sh兴业证券20101013600369.sh西南证券20010109002500.sz山西证券20101115600036.sh招商银行20020409601901.sh方正证券20110810600030.sh中信证券20030106601555.sh东吴证券20111212600015.sh华夏银行20030912601336.sh新华保险20111216601988.sh中国银行20060705002673.sz西部证券20120503601398.sh工商银行20061027002736.sz国信证券20141229601628.sh中国人寿20070109000166.sz申万宏源20150126601166.sh兴业银行20070205600958.sh东方证券20150323数据来源：同花顺ifind【责任编辑：许玉兰；责任校对：许玉兰，杨海文】591系统性市场风险度量指标的测算与评价【篇二：衡量市场风险的指标】口什么是市场风险市场风险是指未来(、、和)的不确定性对实现其既定目标的不利影响。市场风险可以分为、、风险和，这些因素可能直接对企业产生影响，也可能是通过对其、或者间接对企业产生影响。口市场风险的分类1.(1)重新定价风险也称为期限错配风险，是最主要和最常见的利率风险形式，源于银行资产、和到期期限(就而言)或重新定价期限(就而言)之间所存在的差异。这种重新定价的不对称性使银行的或价值会随着利率的变动而发生变化。重新定价的不对称性也会使的斜率、形态发生变化，即收益率曲线的非平行移动，对银行的收益或内在经济价值产生不利的影响，从而形成收益率曲线风险，也称为变化风险。基准风险也称为利率定价基础风险，也是一种重要的利率风险。在和所依据的变动不一致的情况下，虽然资产、负债和表外业务的重新定价特征相似，但是因其和收益的利差发生了变化，也会对银行的收益或内在经济价值产生不利的影响。期权性风险是一种越来越重要的利率风险，源于银行资产、负债和表外业务中所隐含的期权。2.汇率风险是指由于汇率的不利变动而导致银行业务发生损失的风险。汇率风险一般因为银行从事以下活动而产生：一是为提供服务或进行自营活动(外汇交易不仅包括，还包括远期、、和期权等和约的买卖)；而使从事的银行账户中的活动(如、、、跨境投资等)。(1)银行的外汇交易风险主要来自两方面：一是为客户提供外汇交易服务时未能立即进行对冲的外汇；二是银行对外币走势有某种预期而持有的外汇敞口头寸。(2)外汇结构性风险3.股票价格风险是指由于商业银行持有的股票价格发生不利变动而给商业银行带来损失的风险。4.商品价格风险是指商业银行所持有的各类商品的价格发生不利变动而给商业银行带来损失的风险。这里的商品包括可以在上交易的某些产品，如农产品、(包括石油)和等。口市场风险管理的定义市场风险管理是辨识、度量、监测和控制市场风险的全过程。市场风险管理的目标是通过将市场风险控制在企业可以(或愿意)承受的合理范围内，实现经风险调整的的最大化。口市场风险管理的过程和方法1.风险辨识，就是认识和鉴别企业活动中各种损失的可能性，估计市场风险对的影响，通常包括三个方面:分析各种暴露，研究哪些项目存在风险，受何种风险影响，受影响的程度；分析各种风险的特征和成因；进行衡量和风险的大小，确定风险的相对重要性，明确需要处理的缓急程度。.风险度量在确认对公司有显着影响的市场风险因素以后，就需要对各种风险因素进行度量，即对风险进行。目前经常使用的市场风险度量指标大致可以分为两种类型，即风险的相对度量指标和绝对度量指标。相对度量指标主要是测量市场因素的变化与收益变化之间的关系。.，对利率变化的敏感程度，久期用于衡量利率风险。，久期本身对利率变化的敏感程度，通常与久期配合使用，提高利率风险度量的精度。dv01,利率水平变化0.01个百分点，而导致的债券价格的变化程度，用于衡量利率风险。，beta系数是用来衡量个别股票受包括股市价格变动在内的整个影响程度的指标。beta系数用于度量股票价格风险。以下指标仅用于市场(包括、)风险度量的指标(包括期货、期权等)的价格相对于其()价格变化的敏感程度，delta用于度量商品价格风险或股票价格风险。delta本身相对于其标的变化的敏感程度，通常与delta配合使用提高商品价格风险或股票价格风险度量的精度。，衍生产品的价格相对于其o变化的敏感程度，vega用于度量商品价格风险或股票价格风险。，衍生产品的价格相对于距其到期日时间长度变化的敏感程度。，衍生产品的价格对利率水平变化的敏感程度，rho用于衡量利率风险。通常，我们使用相对指标对相关市场风险作，估算市场波动不大和剧烈波动两种情形下的损益。每一次测算时仅考虑一个重要风险因素，比如利率、、证券和等，同时假设其他因素不变。以此为基础，部门可以检测到整个公司的市场风险，并根据需要调整。.绝对指标/。()或()作为金融资产风险的度量指标被学术界和实务界广泛接受。在1952发表的论文《证券组合选择》中，markowitz假定可以视为的不确定性，这种不确定性可以用中的方差(variance)或标准差(standarddeviation)加以度量。比方说，某一金融资产组合的价值为100万美元，标准差为5%，则该组合的风险可能为5万美元。由于方差具有良好的统计特性，被广泛运用于度量金融资产组合的风险。downside-risk。方差/标准差方法同时度量了风险的正面和负面影响，而人们通常认为风险仅有负面影响，因此用方差/标准差方法度量风险不能反映人们的真实心理感受。针对方差/标准差方法的这一缺陷，downside-risk方法不考虑风险的正面影响，仅刻画相对某一水平（通常取总体平均水平或零收益水平）之下的收益率分布状况。该类方法的理论基础是：对于各种收益率分布，投资者在考虑和管理风险时，以着重考察收益率分布的左边，以此为前提，产生了许多刻画相对某一水平之下的收益率分布特征的，其中最具代表性并形成较成熟理论体系的是哈洛的lpm方法。与方差/标准差相似,downside-risk方法主要运用于度量金融资产组合的风险。综合上述方法对风险的进行定量分析，可以使公司明确自身所面临的风险大小，为进一步的风险管理活动奠定基础。口市场风险管理的一般方法一旦公司确认了自身面临的主要风险，并且通过风险度量方法对这些风险有了定量的把握，那些公司现在就可以运用多种手段和工具来对他们所面临的加以定量的管理了。首先需要明确的是，并不存在一种对所有公司都是最优的风险管理方法。不同的公司，甚至是同一公司在不同的发展阶段，其所面临的风险类型和规模都不一样，因此需要针对具体情况采取不同的优化风险管理策略。一般来讲，当公司认为其面临的风险暴露超过了公司可以承受的标准以后，可以采用以下几种方式来管理风险，从而使其风险暴露回复到可以承受的水平之下：风险规避。风险和收益总是相伴而生的，获得收益的同时必然要承担相应的风险。试图完全规避某种市场风险的影响意味着完全退出这一市场。因此，对公司的所有者而言，完全规避风险通常不是】优的策略。风险接受。有些公司在经营活动中会忽略他们面临的部分风险，不会采取任何措施来管理某些类别的风险。有研究发现，几乎所有的瑞士公司都不关心他们所面临的汇率风险。风险分散。很多大的公司和机构往往采取“把鸡蛋放在不同篮子里面”的方法来，即通过持有多种不同种类的并且相关程度很低的资产来起到有效降低风险的目的，而且这种方法的成本往往比较低廉。但是对于小型公司或者个人来说，由于缺乏足够的和研究，他们经常无法有效地分散风险；同时，现代资产组合理论也证明，分散风险的方法只能降低，而无法降低。。市场风险本身是不可能从根本上加以消除的，但是可以通过各种现有的来对市场风险加以管理。例如，企业可以通过运用的方法，将其面临的风险加以分解，从而使其自身保留一部分必要的风险，然后将其余风险通过衍生产品（如互换，远期等）工具传递给他人。或者，通过“操作对冲”的形式风险暴露降低到可以承受的水平之下。例如，公司可以通过调整原料供应渠道，在销售地直接设厂生产或者调整外汇的流入和流出大小等方法来达到上述目的。口市场风险计量方法1.是衡量利率变动对银行当期收益的影响的一种方法。具体而言，就是将银行的所有和付息负债按照重新定价的期限划分到不同的时间段（如1个月以下，1至3个月，3个月至1年，1至5年，5年以上等）。在每个时间段内，将减去，再加上表外业务头寸，就得到该时间段内的重新定价“缺口”。以该缺口乘以假定的利率变动，即得出这一利率变动对净利息收入变动的大致影响。缺口分析是对利率变动进行敏感性分析的方法之一，是银行业较早采用的利率风险计量方法。缺口分析也存在一定的局限性：第一，缺口分析，忽略了同一时段内不同头寸的到期时间或利率重新定价期限的差异。第二，缺口分析只考虑了由于重新定价期限的不同而带来的利率风险，未考虑基准风险。同时，忽略了与期权有关的头寸在收入敏感性方面的差异。第三，和费用是银行的重要来源，但大多数缺口分析未能反映利率变动对非利息收入和费用的影响。第四，缺口分析主要衡量利率变动对银行当期收益的影响，未考虑利率变动对银行经济价值的影响，所以只能反映利率变动的短期影响。2.也称为持续期分析或期限弹性分析，是衡量利率变动对银行经济价值影响的一种方法。具体而言，就是对各时段的缺口赋予相应的敏感性权重，得到加权缺口，然后对所有时段的加权缺口进行汇