VAR方法范文（精选10篇）

VAR方法 第1篇

金融工具的价格变动, 会给金融机构和其他金融市场参与者带来收益或损失。收益是有利的, 而损失则可能造成灾难性的后果, 后者正是金融市场风险的表现。四类基础性的市场价格因子, 包括利率、股票价格、汇率和商品价格等, 通过一定的映射传导过程, 影响金融工具及资产组合的市场价值, 可见金融市场风险的源头, 是这四大价格变量的波动, 它们的变化频率和幅度等状况, 直接决定金融市场风险的高低。正常市场条件下, 基础价格因子稳定, 市场风险较低, 不幸的是, 1973年“布雷顿森林体系”崩溃以来, 全球范围内, 汇率、利率、股票价格和商品价格等的高度波动性呈现不断加剧的趋势。这些变动主要包括:经济金融全球化、技术创新、放松金融管制和金融创新等, 它们大大增加了金融市场和工具的关联度、复杂性、不确定性和波动性, 使得金融市场风险上升, 结构成分复杂, 难以测量分析。金融市场风险不断累积, 日益复杂化, 如何管理它, 尤其是对其进行较为准确的测量, 成为金融实务界、学术界和监管当局的重大问题和任务。以Va R为主的现代金融市场风险测量、管理方法, 正是在这样的背景下, 逐步建立和发展起来的, 它可以将不同市场因子、不同资产组合的风险加以集成加总, 充分考虑各种风险来源的相互作用, 较好地反映金融市场风险复杂结构间的动态影响, 得到较为准确的风险暴露估计。

二、Va R的基本原理与分析

(一) 、Va R的基本原理

Va R, 即风险价值 (Value at Risk) , 是指市场正常波动下, 在一定的概率水平下, 某一金融资产或证券组合在未来特定的一段时间内的最大可能损失。由于Va R值可以用来简明地表示市场风险的大小, 因此没有任何专业背景的投资者和管理者都可以通过Va R值对金融风险进行评判, 并且Va R方法可以事前计算风险, 它不像以往风险管理的方法都是在事后衡量风险大小。另外, Va R方法还可以衡量全部投资组合的整体风险, 这也是传统金融风险管理所不能做到的。Va R方法的这些特点使得它逐渐成了度量金融风险的主流方法, 越来越多的金融机构采用Va R测量市场风险, 使用Va R作为风险限额, 特别是监管当局也在使用Va R确定风险资本金, 这使得许多金融机构及其业务部门在投资选择时, 往往需要满足Va R约束。

根据Va R的定义, 可以表示为:

Pr ob (ΔP>Va R) =1-c

其中, ΔP为证券组合在持有期Δt内的损失, Va R为置信水平c下处于风险中的价值。

从上面的定义中我们可以看出, Va R有两个重要的参数:资产组合的持有期和置信水平。这两个参数对Va R的计算及应用都起着重要的作用。

1. 资产组合的持有期

从投资者的角度来说, 资产组合的持有期应由资产组合自身的特点来决定。资产的流动性越强, 相应的持有期越短;反之, 流动性越差, 持有期则越长。国外商业银行由于其资产的高流动性, 一般选择持有期为一个交易日, 而各种养老基金所选择的持有期则较长, 一般为一个月。在应用正态假设时, 持有期选择得越短越好, 因为资产组合的收益率不一定服从正态分布, 但在持有期非常短的情形下, 收益率渐进服从正态分布, 这时的持有期一般选为一天。另外, 持有期越短, 得到大量样本数据的可能性越大。Basle委员会选择10个交易日作为资产组合的持有期, 这反映了其对监控成本及实际监管效果的一种折衷;持有期太短则监控成本过高, 持有期太长则不利于及早发现潜在的风险。本文主要对股票投资组合进行分析, 持有期选为一个交易日。

2. 置信水平

置信水平的选取反映了投资主体对风险的厌恶程度, 置信水平越高, 厌恶风险的程度越大。由前面所述Va R的定义我们可以看出, 置信水平的选取对Va R值有很大影响, 同样的资产组合, 由于选取的置信水平不同计算出的Va R值也不同。由于国外已将Va R值作为衡量风险的一个指标对外公布, 因此各金融机构有选取不同的置信水平以影响Va R值的内在动力。例如, 国外各银行选取的置信水平就不尽相同, 美洲银行和J.P.Morgan银行选择95%, 花旗银行选择95.4%, 大通曼哈顿银行 (Chemical and Chase) 选择97.5%, 信孚银行 (Bankers Trust) 选择99%。由Va R的定义可知, 置信水平越高, 资产组合的损失小于其Va R值的概率越大, 也就是说, Va R模型对于极端事件的发生进行预测时失败的可能性越小, 因此, Basle委员会要求采用99%的置信水平。

(二) 、Va R的公式推导

设资产组合的初始价值为W, 持有期末的期望收益为R, R的数学期望和标准差分别为μ和σ, 在给定的置信水平c下, 期末资产组合的最低值为W*=W (1+R*) , 其中R*为相应的最低收益率 (一般为负值) , 则:

Va R也可由资产组合值的概率分布推导而得, 由Va R的定义:

该式等价于:

即组合价值低于W*的概率为1-c。设资产组合的价值W服从正态分布, α为标准正态分布相应的分位数, 则:

其中φ (ε) 为标准正态分布密度函数。又由

可知:

将 (2) 式代入 (1) 式可得:

这就是正态分布假设下Va R的一般表达式。

以上为计算Va R的一般方法, 在实际应用中, 根据对市场因子波动性预测方法的不同, Va R的求解方法可分为方差协方差法、历史模拟法以及蒙特卡洛模拟法。

(三) 、Va R的求解方法

方差协方差法的基本思想是对组合内资产收益率的分布做出假设, 并且令投资组合收益率是各资产收益率的线性组合, (3) 式便是该方法在正态分布假设下得到的结果。应用历史模拟法计算Va R不需要对资产组合收益的分布作出假设。这种方法是借助于过去一段时间内的资产组合收益的频度分布, 通过找到历史上一段时间内的平均收益以及既定置信区间下的最低收益水平来推断Va R的值, 该方法的本质是用收益率的历史分布来代替收益率的真实分布, 以此来求得资产组合的Va R值。Monte Carlo模拟法最早于1942年由研制原子弹的科学家研制并加以应用, 其名称Monte Carlo来自法国南部著名的赌城。在金融市场上, Monte Carlo模拟法用来模拟确定时期不同情形下的资产组合值, Monte Carlo模拟法是计算Va R的各种方法中最为有效的方法。对于资产组合的不同分布状况以及各种非线性的情形, Monte Carlo模拟法都可以得到令人满意的结果。

三、Va R法的应用及其局限性

(一) 、Va R法的应用具体来说可以在以下几个方面得到广泛应用

1. Va R值可用于风险控制

利用Va R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着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Va R限额, 以防止过度投机行为的出现。

2. Va R值可用于业绩评价指标

在金融投资中, 高风险总是伴随着高收益, 交易员可能冒着巨大风险去追求高额利润。例如, 银行家信托公司的业绩评价指标称为“经风险调整的资本收益” (Risk Adjusted Return on Capital, 简称RAROC) , RAROC=收益/Va R值。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Va R值较高, RAROC值也不会很高, 其业绩评价也就不会很高。可见, Va R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。此外, Va R方法也可以用于对投资项目的业绩评估中, 利用Va R方法计算经风险调整后的项目收益情况, 可以使公司更好地选择在最小风险下获取最大收益的项目。

3. Va R法可用于金融监管

这方面最典型的例子当数国际清算银行巴塞尔委员会关于资本充足率的规定。1995年4月, 巴塞尔委员会公布的《有关在资本充足率协议中纳入市场风险因素的补充文件》中规定, 从1997年年底开始, 其成员银行在设置应付风险的资本金额时除考虑信用风险外, 还要考虑市场风险。在计算市场风险时, 成员银行可以采用巴塞尔委员会制定的标准计算方法, 也可以采用自己的内部Va R模型, 在利用内部模型计算市场风险时, 必须满足巴塞尔委员会设置的最低标准, 即至少要计算置信度为99%, 持有期为10天的每日Va R值。成员银行也可以自由决定采取更加严格的计算标准。

(二) 、Va R法的局限性

Va R法衡量的是市场风险, 如单纯依靠Va R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, Va R表示的是一定置信度内的最大损失, 但决不能排除高于Va R值的损失发生的可能性。假如一天99%的Va R=$1000万, 仍然会有1%的可能性损失超过1000万美元, 这种损失一旦发生, 给经营者带来的损失将是巨大的。此外已有的成熟的测定方法中, 或使用历史值直接测算现在或将来资产 (组合) 收益率的可能分布, 或使用历史数值计算相关的参数, 根据这些参数并利用假定的价格路径, 来模拟将来的收益率的分布, 并计算相应的Va R值, 即均是静态风险环境下的Va R值, 一旦环境发生变化这样得出的Va R就毫无意义。故动态风险环境下, 不能用Va R方法, 或者要对Va R方法做一些修正。在金融风险管理中, Va R方法不能涵盖一切, 仍需综合使用其它定性定量方法。

参考文献

[1]杨洁, 刘连卫.基于VaR的金融市场风险测量.黑龙江对外经贸, 2006

[2]黄玉龙, 张国威.金融市场风险与VaR方法.西南民族大学学报, 2005

[3]马崇明.金融市场风险计量VaR方法研究.集团经济研究, 2005

[4]鲁炬, 谷伟.VaR金融市场风险管理中的对比研究.统计与决策, 2004

[5]洪源源, 蒋洪迅.基于VaR模型的金融市场风险评估系统与软件研究.计算机工程与应用, 2004

VAR方法 第2篇

【关键词】VaR商业银行信用风险管理利率风险管理

一、VaR方法的研究现状

1．VaR方法的国外研究现状

VaR的产生是IP摩根公司用来计量市场风险的产物。2001年，巴塞尔委员会(Basle Committee)发布了旨在替代旧版巴塞尔协议的《新巴塞尔资本协议》。新巴塞尔协议突出了风险管理全面化的理念。VaR被运用于商业银行风险管理始于对市场风险的监管。其中，人们对VaR方法在风险管理中的应用都做了相应的研究。从国外的研究情况来看，David H．Pyle在《Bank risk management：Theory》一文中指出风险管理中主要是针对市场风险、信用风险、经营风险和操作风险这四种风险；同时，强调了风险管理的技术发展，特别是VaR方法在风险管理中的应用。

2．VaR方法的国内研究现状

就中国目前的研究状况而言，在信用风险衡量方面，马杰、任若恩在《VaR方法在外汇风险管理中的应用》一文中运用VaR技术防范微观汇率风险。郭战琴、周宗放在《VaR方法在银行信用风险防范中的应用》一文中讨论了VaR方法在银行配置风险资本中的应用，分别基于贷款价值服从不同分布的情况进行讨论并给出算例。刘晓星、何建敏、赵立航在《基于VaR的商业银行信用风险管理研究》一文中根据计算VaR的三种主要方法的分析认为应用VaR方法有利于银行实现对信用风险的动态管理，风险资本金的优化配置，信用管理绩效评价的完善。

在利率风险衡量方面，中国由于数据的搜集问题，还无法用VaR模型来准确衡量利率风险的大小。至于研究方面，只有代军勋在其博士论文中也谈到用VaIL方法来衡量商业银行信用风险和利率风险，而对于用VaR方法来衡量利率风险也仅仅是通过举例说明，并没有深入的研究。

3．VaR方法的前提

由于VaR方法的分析是建立在大量历史数据的基础之上的，所以，VaR方法使用的前提是要有大量的历史数据作为分析基础，同时，还要假定这些数据的分布是正态分布等等。正是在这些假设前提下，推倒出了VaR的计算原理如下所示。

考虑一种金融资产，假定W_o为金融资产的初始价值，R是持有期内的投资回报率，w是金融资产的期末价值，E(w)为金融资产的期末预期价值，w^*为在给定置信水平下金融资产的期末最低价值，则在持有期末，金融资产的价值表示为w=W_ox(1十R)。假定回报率R的期望回报和其波动性分别为μ和σ。如果在某一置信水平c下，金融资产的最低价值为w^*-W_o(1+R^*)，则根据VaR的定义，在一定的置信水平下，金融资产在未来特定的一段时间内的最大可能损失，可以定义VaR为： VaR=E(w)-w^*=-W_o(R^*-μ)

(1—1)

根据以上定义，计算VaR就相当于计算最小值w^*或最低的回报率R^*。考虑金融资产未来回报行为的随机过程，假定其未来回报的概率密度函数为标准正态分布ψp(ε)，其中，ε的均值为O，标准差为1。一般而言，R^*是负的(价格负向波动)，可用-｜R^*｜表示。进一步，把R^*和其概率密度函数(标准正态分布)的偏离a>0联系起来，即：

-a=[-R^*-μ]／σ(a＞0)

(1-2)

μ、σ分别为金融资产未来收益率的期望和标准差，所以，(1－2)式可变为：

1－c=∫－∞^w0^{f(w)dw=∫-∞}-｜R^*｜f(r)dr=∫-∞^-aφ(ε)dε(1-3)

从标准正态分布分位数表中查到一a的值，则，

R^*=μ-aσ

(1 4)

VaR=W0(R^*-μ)=W0 aσ

(1-5)

二、VaR方法在中国商业银行风险管理中的应用

本文结合中国国情，主要分析VaR方法在中国商业银行信用风险管理和利率风险管理中的应用。

1.NaP方法在中国商业银行信用风险测量中的应用

(1)中国商业银行信用风险管理中存在的问题

就中国商业银行而言，风险集中体现在由于拥有巨额不良贷款而带来的信用风险上。而且，随着中国加入WTO，银行业务的国际化趋势也会越来越明显，在以放松金融管制为主要内容的“金融自由化”和“金融国际化”改革浪潮的影响下，中国商业银行的市场化程度将越来越大，必然会面临更大的信用风险，从而对整个金融体系的稳定乃至整个国民经济的安全构成极大的威胁。根据2002年的统计数字，可以更直观的了解中国商业银行信用风险的严峻形势。截至2002年底，四大国有商业银行平均不良资产比例为25．37％，比例远高于2000年世界前20家大银行3．27％的比例，而且远远高于东南亚金融危机前该地区各银行的水平(不超过6％)。美国的不良资产率普遍在0．67％以下，欧洲在2％以下，中国的不良贷款总额高居亚洲第二位，仅次于目前经济停滞不前的日本。这说明受中国政策和企业的影响，银行遭受着巨大的信用风险，一旦这些风险转化为现实损失，不仅有可能导致银行破产，而且，将对整个国民经济产生多米诺骨牌效应。

就中国而言，信用风险管理方面存在以下问题：(1)没有建立科学的信用风险管理体系。现代商业银行信用风险管理体制的最大特征是纵向式的。而目前中国商业银行是以分行为经营单位的体制，它致使中国商业银行的信用风险管理体制也都是横向的。这种横向的管理体制造成了金融低效率。(2)没有建立商业银行信用风险的度量与管理的先进技术。现代商业银行的信用风险管理技术非常丰富，与传统的信用风险管理主要依赖定性分析与主观判断截然不同，现代信用风险管理越来越注重定量分析。而中国商业银行在信用风险管理的模型应用和管理技术上还亟待进一步的发展。因此，研究VaR方法在中国商业银行信用风险管理中的应用是势在必行的。

(2)VaR在中国商业银行信用风险度量中的一个实例

本文用一个实例来说明VaR方法在衡量商业银行信用风险中的应用。

假设一笔固定利率，不可提前偿还的住房抵押贷款，年利率为6％，数额为一万元，期限为5年。通常情况下，该笔贷款是按月等额偿还，直到最后一次偿还时结清贷款本息。在不可提前偿还的假定下，贷款的定价公式是：

A=P(F／P，i，n)／(F／A，i，n)

(2—1)

其中，A是月偿还额；P是贷款数额，即本例中的10000元；i是贷款年利率，即6％；n是贷款期限，即5年；(F／P，i，n)表示年末终值系数；(F／A，i，n)表示等额年金终值系数。

由于之前假定该笔贷款按年等额偿还，可以算得该笔贷款每年的现金流量为：

A=P(F／P，i，n)／(F／A，i，n)=10000x0．0803÷0．3382=2374(元)

由于数据的获得性问题，本文进一步假定，该笔贷款的借款人的初始信用评级为BBB级，贷款为无担保优先级。

贷款价值均值：μ=10734元

标准差：σ=258元

正态分布下，5％的VaR=1．65σ=1．65x258=426元

1％的VaR=2．330．=2．33x258=601元

这里计算的VaR是基于贷款价值均值的相对VaR计算结果表明，在贷款价值为正态分布的假设条件下，该笔消费贷款有5％的可能性在第二年的损失超过426元，有1％的可能损失超过601元；换句话说，该笔消费贷款在第二年的损失有95％的可能性不会超过426元，有99％的可能性不会超过601元。因此，通过计算消费贷款的VaR值，我们对该笔消费贷款的风险状况就有了明确的了解。银行可以根据消费者的信用状况和风险承受能力来进行消费贷款的决策。本例中，按贷款本金计算，意味着在第二年有5％的可能性本金损失超过4．26％，有1％的可能本金损失超过6．01；按贷款均值计算，在第二年有5％的可能性贷款价值损失超过3．97％；有1％的可能性贷款价值损失超过5．60％。如果银行确定的风险标准为99％的概率水平下贷款价值损失率必须小于5％，那么很显然地该笔消费贷款的风险性已经超过了银行内部确定的风险控制标准，银行就可以拒绝这笔贷款申请，或者要求借款人增加抵押物，甚至干脆提前收回贷款或出售该笔消费贷款。

2、VaR方法在中国商业银行利率风险测量中的应用

(1)中国商业银行利率风险管理中存在的问题

中国商业银行的利息收入和利息支出取决于资产和负债的数额、结构和期限，在利率波动频繁的情况下，当中国商业银行资产与负债的期限结构不对称，或者资产与负债的利差波动不同步时，中国商业银行将遭受很大的利率风险。利率市场化以后，利率水平由市场供求决定，利率波动更加频繁，利率水平的波动以及利率期限结构的变化都会影响商业银行的净现金流和市场价值，使中国商业银行承担利率风除。

从体制上来看，利率风险管理是商业银行资产负债管理的核心内容，需要有一套严密科学权威性的组织体系和决策机制以利于准确、及时、科学地决策。中国从上到下并没有建立起利率风险管理体制，在利率管制下，中国商业银行的资产负债管理侧重于对安全性、流动性的管理，主要关注的是信贷风险和流动性风险，缺乏对利率风险的监管。在现行的金融产权制度下，中国商业银行内部管理层次多，委托代理链条过长，控制风险难，国有企业和中国商业银行还未建立起合理的公司法人治理结构，使得中国商业银行难以形成有效的经营约束机制和激励机制自然难有动力进行利率风险管理。

从风险管理方法来看，由于长期利率管制，中国缺乏利率风险管理的金融工具。大部分银行由于缺乏有关利率风险管理的系统软件，利率风险管理的基础数据很难采集，信息加工处理很难正常运作，利率和手段的滞后，导致了中国商业银行对宏观经济政策以及中央银行货币政策的变化反应迟钝，一旦遇到利率的频繁调换，便对突如其来的利率风险无所适从。中国的商业银行常常是分工某一部门负责执行中央银行的利率政策，缺少商业银行自身的利率政策及其有效的决策机制。总之，研究VaR方法在中国商业银行利率风险管理中的应用同样是迫在眉睫的。

(2)VaR在中国商业银行利率风险度量中的一个实例

在考虑利率期限结构非平行移动下的银行利率风险时，可采用VaR方法来进行风险测量。结合利率风险的定义和VaR的定义可知，在衡量利率风险时，VaR是指利率发生变化时，银行资产负债头寸以及衍生金融工具头寸等价值在给定的置信水平下和给定的时间区间内的最大期望损失。利率风险VaR值可以定义为如下形式：

VaR=-W₀ασ

(2-2)

W^o为银行利率敏感资产或负债，σ为利率的波动，σ为由置信水平确定的乘子。这样我们就可以计算利率曲线非平行移动下商业银行各项资产和负债的VaR值了。

例：有一种金融资产，其初始价值为100万美元，持有一个投资期，持有期内的预期投资回报率为10％，投资回报的标准差为2％，投资回报的变动服从标准正态分布，要求该种金融资产在95％置信水平下的VaR。

则这种金融资产在95％的置信水平下的VaR为

VaR=-W₀ασ=-100x1．645x2％=-3．29(万美元)

也就是说，该种金融资产在95％置信水平下的最大损失为3 29万美元。

三、结论

通过研究得出以下结论：

(1)计算信用风险的VaR值的关键是估计违约率和违约率的相关性。投资银行和金融机构已经研制出许多专门的模型来估计信用风险的违约率，如JP摩根的Creditmetrics模型(1997)、KMV公司的模型、瑞士信贷集团的Creditrisk+模型和Mckinsey公司的Creditportfolioview模型。关于违约率和违约相关性的数据有专门的金融服务公司提供，如JP摩根、KMV公司、标准普尔(standard&Poor)、穆迪投资服务公司(Moodv)。

(2)而用来衡量利率风险的VaR值的关键是从资产价值和收益两方面着手，尽而对商业银行资产负债、表外交易头寸的重新定价风险、基差风险、收益曲线风险、选择权风险进行测度。

纵观全局，银行的资本充足水平是一家银行防范风险的最后一道关卡，是衡量一家银行和一个国家银行业竞争力的重要标志，也是银行安全的保证，而在中国商业银行中，除已上市的四家国有商业银行外，其它商业银行的资本充足率普遍偏低，远低于当前国际大银行的平均11．6％的水平。不论是从防范金融风险的角度，还是从国有商业银行走向国际化，走向资本市场，真正实现资产组合管理的要求来看，中国商业银行都必须应用先进的风险管理方法和风险度量技术，提高风险管理水平，增强竞争力。

引入先进的风险度量方法的目的是希望中国能真正建立符合巴塞尔新资本协议的风险监控和管理机制，并切实改善国有商业银行的财务状况，增强竞争力。由于VaR能够间接地代表风险水平、并测度趋势项下的风险。因此，在制度和技术上做好运用VaR等数量方法来衡量商业银行风险的准备，对中国商业银行有着重要的意义。换句话说，要运用VaR等数量技术，中国商业银行需要做好必要的准备。

[注]该文系湖北金融发展与金融安全研究中心科学技术研究项目，编号：Y2005016

VaR方法测量金融风险应用浅述 第3篇

目前, VaR方法以综合衡量风险的功能被广泛地应用于风险管理的实践, 并受到巴塞尔委员会的认同和赞赏。随着中国开放的进一步发展, 中国金融机构在风险衡量和管理上必将与世界接轨, VaR测量风险方法在我国也必将成为最核心的风险测量技术。

一、我国证券市场的波动性和收益的概率分布

波动性是证券市场的主要特征;而且, 波动性和收益分布的确定是计算VaR值的核心内容之一。为此, 我国金融理论界的学者进行了大量实证分析, 这为建立计算VaR值的模型提供了重要的理论支持。下表列举了我国部分学者针对证券市场的波动性和概率分布所得出的实证结论。

从文献的结论可以看出, 我国的股票市场具有从集现象, 即存在异方差, 这意味着在模型选择中用GARCH模型或指数移动平均模型估计方差更符合市场实际;更有甚者的结论证明了方差不存在, 这表明刻画波动性的随机模型更复杂。异方差的结论说明我国股市的波动极不规则。从股票市场的收益分布来看, 存在着细腰后尾现象, 即非正态分布。这表明极端值出现的概率较大, 会使从以值在正态假设下被低估, 这一问题应该在VaR建模中引起高度重视。

二、VaR测量方法在我国的应用研究

1. 数据匾乏

波动性的测量和收益分布的确定需要大量的历史数据。目前, 我国的金融市场还处于发展阶段, 金融产品品种少, 其中最适用姚沮测量的资产组合是股票和债券。

然而, 我国的股票市场从成立到现在也只有十余年的历史, 而且很多股票还是在最近几年的扩容过程中才上市的, 交易的数据非常有限。特别是由于股票市场的不规范, 新上市的股票容易成为被炒作的对象, 升值的潜力很大, 往往在投资组合里占有较大的比重, 这就使得对新上市股票占有较大比重的投资组合运用VaR方法测量市场风险因数据不足而变得非常困难。此外, 按巴塞尔委员会对金融机构使用VaR度量风险的要求, VaR模型的有效性必须进行返回检验, 即运用历史数据多次输入模型, 并将得出的结果与预测的VaR值比较, 这样, 返回检验所需要的历史数据更多。由此可见, 数据匾乏就成为我国证券市场运用VaR衡量金融风险的最大制约因素。

2. 定价问题

资产定价是VaR模型得以实施的关键, 这是因为VaR测量风险方法需要一个关键技术即映射, 而映射实际上是资产对市场因子的定价问题。按照外国的经验, 市场因子越多, VaR值的估计就越精确, 但也会带来巨大的计算成本。以形skirnetrics为例, 仅固定收益类资产就确定了15个市场因子, 即15个不同期限的到期收益率。由于中国股票目前不适用CAPM模型, 这使得中国股票市场在确定市场因子时变得很复杂。多项实证表明, 中国股票的定价更适用多因素模型, 即股票的价格不仅取决于股票价格指数, 而且受公司规模等多种超市场因素的影响, 这些影响因素都可视为模型因子, 因此, 建立多因素模型己成为我国开发测量VaR系统的关键。

3. VaR在我国应用的可行性研究

我国是一个新兴的金融市场国家, 诸如数据匾乏和定价问题使得我国开发像发达国家那样复杂的VaR模型变得非常困难。但是, 也正因为我国的金融市场刚刚起步, 金融产品品种稀少, 使得我国投资机构的组合所包含的种类有限, 这又为我国开发适合我国实际情况的VaR模型带来极大便利。由于金融产品品种稀少, 我国投资组合所包含的资产类别不过是国债和股票, 这将有利于姚以模型中市场因子的选择。从债券来看, 我国组合里的品种种类主要是国债, 而且国债的品种少, 这就可以省去市场因子选择过程, 可直接用国债的期限结构作为市场因子建模。从股票来看, 由于我国的投资组合大都较小, 组合里的品种有限, 因而可将股票本身的收益率当作市场因子来建模。至于新上市股票的历史数据不足问题, 可用市场上与其相似的股票作为其近似的代表, 从而计算出组合的VaR值。等到条件成熟以后, 可以考虑从下面两个系统来生成VaR:第一个系统是按本章第二节所述的方法形成多因素模型, 从而确定市场因子;第二个系统是测量VaR系统, 其具体模型可按下面的讨论进行选择。由此可见, 在我国证券市场建立VaR模型在技术上是可行的。

4. 模型的选择研究

从参数的选择来看, 为便于反映新股比重较大的投资组合的市场风险和便于返回检验, 在历史数据不足的情况下, VaR模型的持有期限不宜过长, 置信水平也应定在比较低的水平。按发达国家的经验, 置信水平的选择范围是95%~99%, 在我国目前阶段以定于下限为宜, 即95%。从模型的选择来看, 由于我国收益分布的非正态特征, 正态发布假定会严重低估极端条件下的VaR值, 为此, 我国理论界提出了用具有厚尾特征的概率分布函数模型去解决厚尾问题, 如t分布、混合正态分布、极值分布等。其中, 极值分布作为一种非参数估计方法, 只研究极端值的分布情况, 可以在总体分布未知的情况下, 依靠样本数据, 得到总体中极值的变化性质, 因而, 在理论界大都建议用极值理论去建立VaR模型。就模拟法而言, 由于历史数据的不足和我国股票市场波动的不规则 (即异方差现象和方差不存在现象, “历史再现”的假设难于成立, 随机过程模型的确定也有待市场有效性的进一步提高, 这导致了模拟法在中国当前应用的失效。在中国目前阶段, 用极值理论去建立适合我国国情的VaR模型可能是最佳选择, 但从长期来看, 蒙特卡罗方法也是发展的方向。

三、VaR在我国应用的措施

VaR方法在我国金融界己被充分肯定, 但目前仍处于理论探讨阶段, 停留在模型的比较过程中, 还未真正进入VaR的实施阶段, 也就是说还没有开发出VaR测量风险系统。在这种情况下, 为使VaR测量技术早日应用到国内风险管理的实践中去, 提高风险管理水平, 可采取如下措施:

1. 定期报告VaR值制度

我国历来是一个崇尚行政命令的国度, 制度约束甚至超过利益约束。为此, 证监会或其他监管部门应制定制度, 要求证券公司和各类基金像上市公司的中报或年报一样, 定期公告其组合的VaR值, 并激励开发独立的VaR测量风险系统。这样, 以证券组合为突破口, 迅速推广VaR测量风险方法在我国的应用, 以达到提高我国整体风险管理水平的目的。

2. 形成开发VaR模型的激励机制

在国外, 一些大的金融机构能利用其VaR测量系统提供测量VaR值的服务, 这给我们启示:一旦实施定期公告VaR值制度, 市场对VaR测量风险系统的需求会大大增加, 这将激励全国研究和开发适合我国实际情况的VaR测量系统, 并进行商业化运作, 使VaR测量风险方法从研究到应用在我国金融领域全面展开。

参考文献

[1]陈忠阳著:《金融风险分析与管理研究》, 北京:中国人民大学出版社, 2001年4月.

[2]王春峰著:《金融市场风险管理》, 天津:天津大学出版社, 2001年2月.

我国个股的VaR度量与实证检验 第4篇

关键词：VaR；GARCH模型；EWMA模型

一、引言

VaR的含义是“处于风险中的价值”，具体来说，VaR是指在一定的持有期及置信度内，某一资产或资产组合所面临的的最大潜在损失。 例如，某项资产在96%的置信水平下的日VaR为50万元，其意义就是在正常的市场条件下，该项资产每天的损失超过50万元的可能性为4%（即1-96%）。计算VaR的关键在于计算资产收益率的方差或标准差，本文运用EWMA模型和GARCH模型分别对个股（中国石油）的VaR值进行计算，并将两种模型下的VaR值与实际损失进行比较，比较两种方法的优劣。

二、VaR的计算模型

1）VaR的计算公式

本文主要运用参数法来计算VaR，参数法就是假定金融资产收益率服从某种分布，再根据修正参数和该资产的期初价值计算出VaR。在正态分布的假定条件下，VaR的计算公式如下：

VaRt=Pt-1ασt（1）

其中，VaRt和σt表示第t个时期的VaR和标准差，Pt-1表示t-1期的资产价格，α为标准正态分布的分位数。如果置信水平为95%，则=196。计算VaR的关键在于计算资产收益率的方差或标准差。

2）资产收益率方差的计算

（1）EWMA模型

EWMA方法即指数移动平均方法。EMWA根据历史数据距当前时刻的远近，分别赋予不同的权重，距离现在越近，赋予的权重越大因为越远的历史信息所起的作用越小。RiskMetrics就是通过假定收益率服从正态分布，然后采用EWMA方法估计和预测资产收益率的波动性与相关性，继而估计资产的VaR，其模型如下：

rt～N（0，σ2t）（2）

σ2t+1=（1-λ）r2t+λσ2t（3）

其中，rt和σ2t分别是t时期的收益率和方差，λ是衰减因子，其取值范围在0到1之间。在实践中，方差序列的初始值通常取收益率的平方，此外可根据最小化平均误差的标准来选择最优的衰减因子。为简化，本文根据RiskMetrics，计算日VaR直接取λ=0.94。

（2）GARCH模型

目前，GARCH模型已经被广泛地应用于描述股票价格、利率、汇率、期货价格等金融时间序列的波动性特征。一般的GARCH模型可以表示为

yt=x'tb+εt，t=1，2，……，T（4）

Et=σtvt（5）

σ2t=ω+∑qi=1αiε2t-1+∑qi=1βiσ2t-i（6）

其中，（4）式称为条件均值方程，{yt}表示时间序列，可用资产收益率代替，为外生变量向量，b为系数向量，εt为均值方程的随机扰动项：（5）式为εt的定义式，νt为白噪声，εt的方差为σ2t；（6）式称为条件方差方程，（6）式表示条件方差有3个组成部分：常数项ω、前q期的扰动项的平方之和（即ARCH项）以及前p期的条件方差之和（即GARCH项），αi和βi为相应的系数。一般地，可用最大似然法估计GARCH模型。

三、实证分析

1）计算股票的收益率，分析其统计特征：本文收集了中国石油（601857）在2008年03月31日至2014年03月28日的收盘价，共1446个观测值。接着运用r=ln（Pt/Pt-1）对收益率r进行计算，该序列共有1445个观测值。通过eviews6.0对收益率r进行描述性统计，期望均值和标准差分别为-0.000492， 0.017698；Jartque-Beta统计量为 2399.719，对应的P值为0.00，意味着收益率并不服从正态分布。

表1

2） 利用EWMA模型估计股票的条件方差和条件标准差：利用式（3）估计条件方差，选择衰减因子λ=0.94，进而得到基于EWMA模型计算的该股票条件方差和条件标准差序列，分别为v_1和std_1。

3）利用GARCH模型估计股票的条件方差和条件标准差：利用eviews6.0中的GARCH（1，1）模型估计股票的条件方差及条件标准差，结果如表2。条件方差方程的估计结果为：σ2t=245E-06+0066617ε2t-1+0923098σ2t-1。根据此模型预测其条件方差v_2，并算出其标准差std_2。

把std_1和std_2组成一个Group对象，并查看它们的变化情况，结果如图1所示。可见，通过EWMA模型和GARCH（1，1）模型计算的条件方差具有类似的变化轨迹。

4）计算股票的VAR值：根据公式（1），计算置信水平c=0.95时的VAR值，此时，标准正态分布的分位数α=1.96。利用Eviews软件分别计算出EWMA模型下的VaR_1和 GARCH（1，1）模型下的VaR_2。

5）比较股票的VAR值与股票的实际损失。本文用loss=p-p（-1）计算股票的实际损失序列loss。“series ne_VaR_1=-VaR_1”命令把VaR_1值转换为负值，以反映在置信水平为95%时的股票的最大损失。同理把VaR_2值转换为负值。把loss序列、ne_VaR_1序列和ne_VaR_2序列组成一个Group对象，并查看其变化情况。结果如图2所示。

图1两种模型估计的标准差图示图2loss，ne-VaR1，neVaR2图示

从图2可见，两种方法下的VaR值都包括了大部分的实际损失，有少部分实际损失超过了VAR的估计结果。

根据置信水平为95%下VaR的定义，实际损失超过VaR的概率小于5%，因此，在实际损失的观测值总数为1445的情况下，实际损失超过VaR的总次数应小于1445*0.05=72.25次。为计算实际损失超过VaR_1的总次数，在Eviews主窗口的命令输入栏输入公式“series test1=（loss<0 and loss

四、结论

本文以中国石油为例，通过EWMA模型和GARCH模型分别估计其股价的条件方差及条件标准差，进而计算其VaR值。最后将两种方法下的VaR值与实际损失进行比较，发现GARCH模型的下的VaR值GARCH（1，1）模型得到的VaR值更优于EWMA模型下的VaR值。（作者单位：东南大学）

参考文献

[1]江涛. 基于 GARCH 与半参数法 VaR 模型的证券市场风险的度量和分析： 来自中国上海股票市场的经验证据[J]. 金融研究， 2010 （6）： 103-111.

VAR方法 第5篇

一、Va R模型存在的问题

1. 样本数据问题

Va R模型是建立在大量的历史数据基础上的, 而我国金融市场的数据库不能满足风险计量的数据要求, 即数据信息量不够、数据不具有代表性, 数据不能及时获得、反映不够全面等等。这与我国金融发展的历史和多年来形成的金融体制有关, 因为没有形成一个开放的金融市场环境, 数据信息很封闭。运用数理统计方法计量分析都面临着样本数据问题。在利用模型进行分析和预测时要用足够的历史数据, 对分析数据的检验同样要求数据量, 如对Va R模型有效性进行返回测试要求的数据期限更长。如果按照巴塞尔银行监管委员会的要求, 采用99%的置信水平和10日持有期限, 一次返回检验就需要三年的历史数据, 我国证券市场上的许多股票都难以满足要求。此外数据有效性也是一个重要问题, 而且由于市场的发展不成熟, 使一些数据不具有代表性。市场炒作, 消息的引导等原因, 使数据非正常变化较大, 缺乏可信性。寿险产品具有长期性的特点, 而寿险发展的时期又不长, 上个世纪九十年代随着央行的普遍降息, 寿险产品的增殖利率也多次下调, 有的产品只有短短几个月的生命期, 新产品如分红险, 万能险, 投资连结险的大量涌现, 各家公司积累的数据不多且可信度不大。并且, 由于统计手段限制重视程度不够等因素使的各家保险公司的数据分析水平处于参差不齐的状况。

2. 风险因子的确定问题

在Va R模型中, 首要的一步是对组合中的资产进行风险的分解, 从而确定所包含的风险因子, 引入的风险因子的个数越多, 计算的维数越大, 计算越困难, 也越精确。因此首先要在精确且完整的反映组合的风险与提高运算效率之间进行权衡。在我国目前的寿险公司中, 还没有公司建立Va R的风险管理体系, 即使应用Va R较为完善的银行等金融机构也没有建立其Va R风险管理体系, 一旦寿险公司等金融机构要用Va R进行风险衡量, 就没有适合我国实际的Va R模型可以利用, 就要花费相当长的时间和相当大的财力和人力去进行风险因子的确定。

3. 模型问题

由于在计算Va R时使用不同的方法, 不同的模型会得到不同的结果, 使得Va R的可靠性难以把握。因此无论是监管部门还是金融机构本身对不同的Va R模型进行评价和选择都是比较困难的。目前在我国使用Va R来管理风险还是一个空白领域, 不管是风险管理人员的识别能力还是硬件的机制配套都要从零开始, 因此对模型的检验、评价和甄选都是一个漫长而艰苦的过程。其中, 事后检测在确认寿险公司所采用的模型是否妥当方面可以担当重要的角色。事后检测是指事前风险值和事后实际的损益相结合进行比较。如果经过多次, 多期测量, 事后的损益值小于事前风险值, 则模型基本是可靠的。反之若事后的损益值大于事前风险值, 则需要重新修订模型。任何一种经不起事后检测的风险度量模型都将被淘汰。

4. 利率市场化

利率改革的滞后己经成为中国经济改革的瓶颈。利率不能由市场所决定, 不仅造成了金融抑制, 而且使金融资产的配置极为紊乱, 存贷利率、长短利率倒挂的现象屡见不鲜, 利率的非市场化, 还导致了金融资产价格的非市场化, 使价格变动的风险很大程度上变成了政策风险, 这使Va R模型功能难以有效发挥。利率决定的人为化.还使金融产品的定价无从下手, 制约了金融产品和Va R模型的标准化及其推广。利率改变的实质性推进, 是深入发展中国金融风险管理的前提条件。利率也是影响我国寿险公司的一个重要风险因子, 特别是我国寿险公司的利差损问题, 使利率风险变的更加重要。如果利率的市场化功能不能正常发挥, 将使Va R的应用效率大打折扣。

5. 真正市场参与主体的塑造

中国金融市场投机行为丛生的一个重要原因, 就是市场的主要参与主体都是管理问题比较严重的国有机构.这些机构的代理人 (经理人员和市场操作人员) 的风险收益结构较为扭曲。因此, 每一个初衷良好的金融产品最后都有可能扭曲成追逐风险的工具, 这显然不利于金融风险管理的实施与发展。也许, 中国金融市场面临的首要问题就是真正的市场参与主体的塑造问理.

6. 道德危机

利用Va R模型, 各寿险公司可以控制自己公司面临的风险, 但可能会导致“道德危机”的问题, 即为了降低风险资金的要求, 人为减少Va R模型的风险暴露。同样, 寿险公司的各个部门有时为了追逐高利润而不被高层机构察觉, 就人为减少风险暴露。因为Va R模型的保密性, 使监管机构对于模型的检验十分困难, 模型存在的一些严重问题可能无法发现和及时调整。

7. 难以预测的业务增长状况

我国保险市场潜力巨大, 但也有相当的不确定性, 很难对业务的发展状况做出准确预测。与保费收入增长缓慢的市场相比, 我国保险市场正处于一个快速增长的时期, 每年不断增长的保费收入将能够满足当年保险给付的资金需求和营运费用的支出需求, 而以各种准备金形式存在的保险资金需要寻求更加安全的增值空间, 以应对未来集中给付的高峰。一个不稳定的市场产生的Va R信息将不能有效的反映公司面临的风险。

二、Va R方法的完善与修正

应用Va R模型在实践中有上述因素的影响, 导致即使在置信区间内, 偶发事件也会非常集中的发生, 由此带来的风险是致命的, 极端情况的发生将给公司带来巨大的损失。另外, Va R对交易频繁, 成交量大的金融产品风险测量比较准确, 但对交易不活跃, 成交量小的金融品种风险测度的准确性就差些。最后, 我国金融证券市场受许多不确定因素的影响, 市场的有效性不高。因此在应用此方法测量风险时, 仍需结合其他一些定性定量方法, 以保证测量风险更准确、更有效。这就需要对Va R方法做进一步的完善和修正:

1. 完善的数据库体系

保险经营中的各类风险数据、损失数据是保险经营的数理基础, 从相当程度上也可以说, 风险数据、损失数据是保险经营的保险资源。在具体运用风险价值方法时, 我们不仅需要获得各个风险的数据, 也需要总的风险数据。

总的风险需要协方差距阵来整合, 协方差距阵需要长期观察统计才能得出。但目前我国无法得到该数据, 可以用其他国家的数据然后根据中国的实际进行调整。保险经营依据这些保险资源从事保险展业, 通过展业扩充丰富这类资源以提高保险经营水平和展业范围。而我国的寿险公司即使是一些大型公司也缺乏完善的数据库.更为重要的是, 我们利用各种可能的方法和技术对数据进行有效的数据分析, 得出科学和可靠的结论.最后, 寿险公司不仅要建立自己公司的数据库, 还要注意运用其它公司的数据和保险行业协会的数据, 这对一些小型公司和开发新业务的公司尤为重要.

市场持续在变化, 导致使用历史资料所估算出的风险无法反映最新的市场状况。这个缺点也是所有采用历史资料方法所共有的缺点。解决的方法所起来简单, 就是定期更新模型。可是要做到这一点, 就必须设置专门的机构或部门来负责, 需要人力和财务上的支持。

2. 加强补充压力测试和情景分析

为了弥补Va R对非正常情况下风险衡量的不足, 应当加强压力测试和情景分析的补充, 还必须注意采用返回检验, 来检验模型的有效性。压力测试和情景分析有许多相似之处, 都是对未来的极端情况 (往往是不利的情况) 做出主观上的想象, 然后将金融机构或资产组合置于这一设想环境中来考察它的表现。只是压力测试是针对市场中的一个或相关一组变量, 如假定利率骤升100个点或股价暴跌20%, 在短期内的变化进行假设分析, 研究和衡量的是这组市场变量异常变化给投资组合带来的风险。情景分析是从更广泛的视野更长远的时间范围来考察金融机构或投资组合的风险问题。所谓返回检验即是将实际的数据输入到Va R模型中去, 然后比较该模型的预测值与显示结果是否相同的过程, 以此来检验Va R模型的有效性, 并做出适当的模型修正。

除此以外, 还需在管理和制度建设方面的进一步完善, 改进法人治理结构, 建立适合自身的风险管理体系和完善的风险管理报告体系, 通过这些, 将进一步增强Va R的有效性、适用性, 扩展其在寿险领域的应用。

参考文献

[1]皮埃特罗·潘泽:用VaR度量市场风险[M].机械工业出版社, 2001

[2]王春峰:金融市场风险管理[M].天津大学出版社, 2001

[3]卢仿先 曾庆五:寿险精算数学[M].南开大学出版社, 2001

[4]魏巧芹:保险企业的风险管理[M].上海财经大学出版社2002

金融风险管理VAR方法应用与挑战 第6篇

一、VAR定义与特点

(一) VAR定义

所谓风险价值是运用统计学的技术量化市场风险, 衡量在某一置信水平下, 某一段持有期间内, 风险资产持有人的最大可能损失, 即在 (1-α) %置信水准下, 持有某风险性资产未来特定期间下, 最大损失预期值。

将VAR视为最大期望损失报酬率, 用简单的数学式表示如下:

其中:△P/△Pt为预测下期标的资产报酬率;△t为持有期间, △θ为预期市场风险因子的变动量;|VaR|为在 (1-α) %置信水平下, 最大期望损失报酬率。假设投资组合报酬率呈钟型的正态分布, 则α即为此分布累积至VAR的机率值, 所以在 (1-α) 的置信水平下此分配的最大损失为|VaR|。

(二) VAR特点

在风险管理的各种方法中, VAR方法最为引人瞩目。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的特点如下:可以用来简单明了表示市场风险的大小, 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;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;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。

二、VAR风险管理模型作用与缺陷

(一) VAR风险管理模型作用具体如下:

第一, 计算经济资本, 优化资本配置。经济资本用来抵御风险损失, 因此又称为风险资本。经济资本并不是真正意义上的资本, 可以通过计算VAR确定相应经济资本的大小, 在数值上, 经济资本与VAR相等。基于VAR计算出经济资本后可以进一步达到优化资源配置的目的, 所谓优化资本配置就是更合理地在金融机构内部各级部门、各项业务之间分配经济资本, 将经济资本在金融机构各层面进行合理分配并进行动态调整。

第二, 用于风险控制、业绩评估。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, 用于风险头寸的限定于评价, 以防止过度投机行为的出现。将VAR方法引入风险因素的业绩评价指标, 综合考虑风险与收益的配比, 执行RAROC系统管理, 有利于形成统一的风险管理体系, 避免金融交易的重大亏损。

第三, 估算风险性资本 (Risk-based capital) 。以VAR来估算投资者面临市场风险时所需的适量资本, 风险资本的要求是国际清算银行对于金融监管的基本要求。巴塞尔委员会 (1996) 也明确了用VAR方法结合内部模型法来度量银行面临的市场风险的规定。在新巴塞尔协议中, 将操作风险纳入风险资本的计算和监管框架, 新巴塞尔协议中提供了多种可供选择的计算操作风险资本金的方法, 其中比较复杂的损失分布法 (Loss Distribution Approach) 就需要运用VAR方法来确定操作风险资本。

(二) VAR模型内在缺陷主要有以下几点:

第一, 假设条件:它以正态分布为假定, 集中于正常市场状态下风险, 未考虑“黑天鹅风险”或长厚尾状态在极端市场条件下损失发生的概率可能随着损失规模一道上升;它以市场具有正常流动性、资产可在短期内变现、出价/报价差维持不变为假定, 未考虑极端市场条件下金融资产缺乏流动性的状态。

第二, 市场风险与资产组合:它考虑正常市场条件下资产相关性因素降低风险的作用, 未考虑极端状态下金融资产相关性普遍大幅提高从而增加风险的状态;它考虑市场波动风险, 未考虑一般市场波动以外的特定风险;它主要用于交易活跃、历史数据充分的资产, 难以用于市场交易不充分的资产;它主要用于对历史损失的统计描述, 缺少对未来损失的预测能力。

第三, VAR模型方法:VAR模型可以使用历史模拟法、蒙特卡罗模拟法、分析法等不同的方法, 而使用不同方法对同样的资产组合可以得到不同的VAR值, 这使得VAR的可靠性难以把握。其次, VAR方法对历史数据的依赖性较大。历史模拟法直接依赖于历史数据, 分析法中的参数估计也是来源于历史数据。依据过去的收益数据来确定未来收益的风险存在一定不可靠性。而在新兴金融市场, 历史记录较少, 市场运行机制经常发生变化, 市场投机情绪会在特殊时期得到释放, 这些都使得基于经典统计推断理论的VAR模型的精度和有效性难于得到保证。

三、VAR风险管理方法挑战

(一) VAR风险管理模型与会计记账原则

按照国际会计准则, 金融机构采用公允价值的记账方法, 它们会参照市场上正在交易的相似金融资产的价格来确定自己所持有金融资产的账面价值。因此, 在这次金融危机中, 次级抵押贷款支持证券市场价值的缩水, 将会导致持有这些资产的金融机构的账面价值发生同样程度的缩水。对金融机构而言, 一旦资产账面价值在本期内下降, 它将在资产负债表上进行资产减值, 在利润表上则出现相同规模的账面亏损。而以在险价值 (VAR) 为基础的资产负债管理方法, 则加剧了资本市场的价格下跌, 相应的去杠杆化在资本市场的危机深化中扮演着重要的角色。商业银行、投资银行等金融机构均采用了杠杆经营模式, 即金融机构资产规模远高于自有资本规模。金融机构的各项资产具有不同程度的风险, 而在险价值管理的核心理念, 就在于金融机构的自有资本应该能够弥补该机构承担的总风险, 如以下公式所示:

其中E为金融机构的自有资本, A为金融机构的总资产, V为1美元资产中包含的在险价值。 (1) 表明, 金融机构的自有资本等于该机构承担的总风险。金融机构的财务杠杆被定义为总资产与自有资本的比率, 即:

将 (2) 代入 (1) 中, 可得

公式 (3) 表明, 对于实施以在险价值为基础的金融机构而言, 其财务杠杆比率与其承担的整体风险成反比。如果金融机构承担的整体风险上升, 则该机构将不得不进入去杠杆化阶段。

金融机构主动降低杠杆比率的去杠杆化过程, 原则上有两条途径。途径一是通过出售风险资产来偿还债务, 主动收缩资产负债表, 从分子方面降低杠杆比率;途径二是通过吸引新的股权投资来扩充自有资本规模, 从分母方面降低杠杆比率。相比之下, 第一条途径更加痛苦。众多金融机构在同一时间内大规模出售风险资产, 自然会压低风险资产价格, 从而一方面引发市场动荡, 另一方面造成金融机构尚未出售的风险资产的公允价值进一步下降。

VAR风险管理方法与会计记账原则相互作用, 金融机构的去杠杆化加剧资产价格的下跌, 加大了资产减值的数额。即资产价格的下跌, 导致资产的减值, 触发了金融机构的去杠杆化过程, 而去杠杆化过程导致资产价格的进一步下跌, 增加资产减值数额, 演变成一种恶性循环。

(二) VAR风险管理模型与创新金融产品

随着结构型衍生金融工具等创新金融产品的出现, 使得传统VAR风险管理模型受到一定的挑战, 其中创新金融产品风险相关性增强, 以及历史数据不足、参数估计增加等都是其中的原因。

(1) 金融创新使风险相关性增强。信贷资产证券化和二级市场化, 将违约风险带进市场交易账户, 使得交易账户从原本单纯的市场风险发展到集市场风险、信用风险和流动性风险于一体, 并且提升了这些风险间的相关性。而二级市场交易又将衍生资产与其基础资产债务人信用状况分离, 交易对手方无法准确评估其真正风险和定价, 并使银行交易账户和投资银行资产组合更敏感于信贷市场周期变动。银行对交易相关信用风险认识不足, 继续采用常规VAR和分割式方法评估风险大大低估了资产组合整体风险价值, 误导了决策。

(2) 常规风险衡量方法用于结构性衍生产品。创新金融资产的特性使得常规VAR工具不足以对其风险作准确定性和定量评估。例如, CDO、ABS和政府债券、外汇等传统市场交易产品的最大差异是:第一, 部分结构型衍生金融产品市场交易历史太短, 缺少充足数据建立VAR或历史模拟压力测试模型。对这类资产采用常规风险衡量方法是银行低估风险误导决策的一个重要原因。第二, 结构型衍生金融工具估值与风险预计时需要很多参数, 而随着参数的增加, 基础性金融产品的波动性增大, 参数内部相互作用而产生错误的几率就越大, 它们对风险测度的误导性可能就越大。

参考文献

VaR方法在风险评估中的应用 第7篇

1 VaR方法

1.1 VaR的定义

VaR (在险价值,或风险值)比较规范的定义是:在正常的市场条件下,在给定的置信水平ω%和持有期t内,某一投资组合预期可能发生的最大的损失。如图1所示,所谓在某投资组合95%置信度下的VaR,就是该投资组合收益分布中左尾5%分位点所对应的损失金额。现假设某一资产当前市值为W0,投资者所关心的是在某一置信水平下,在持有期末时该资产的最低价值W*=W0(1+r*)的大小,其中r*表示最低的收益率。

所谓VaR就是该资产的预期损失金额。VaR有绝对与相对之分,绝对风险值是指相对于初始投资额的最大可能损失,相对风险值是指投资组合在未来特定的一段时间内的最大可能损失。因此:

VaR相对=E(W)-W*,其中,E(W)为期望值;

VaR绝对=W0-W*。

1.2 VaR的计算方法

从VaR定义可以看出,要计算VaR,一个关键问题就是确定投资组合在既定的持有期内的回报函数,即概率密度函数。然而,由于市场上的金融产品种类繁多,难以找到一种能包含所有产品的回报函数,因此VaR的计算方法也有很多种。现在主要介绍其中的3种:①历史模拟法。历史模拟法是借助计算过去一段时期内的资产组合风险收益的频度分布来预测未来资产组合的损益分布,从而推算VaR值。其核心在于根据市场因子的历史样本变化模拟证券组合的未来损益分布,从而利用分位数给出一定置信度下的VaR估计。②方差-协方差法。方差-协方差法也要借助历史资料,但思路截然不同。该方法的核心是基于对资产报酬的方差协方差矩阵进行估计,属于参数方法。其基本思路是:首先,利用历史数据求出资产组合收益的方差、标准差、协方差。其次,假定资产组合的收益呈正态分布,可求出在一定置信区间下反映分布偏离均值程度的临界值。第三,建立与风险损失的联系,推导出VaR值。③蒙特卡罗模拟法。相比以上2种计算VaR的方法,蒙特卡罗模拟法更为复杂。蒙特卡罗模拟法的VaR值计算原理在于市场因子变化不是来自于历史观测值,而是通过随机数模拟得到。其基本思路是重复模拟金融变量的随机过程,使模拟值包括大部分可能情况,这样通过模拟就可以得到组合价值的整体分布情况,在此基础上就可以求出VaR。

1.3 VaR法与传统风险评估方法比较

传统的风险评估法包括:客观概率法、主观概率法、统计估值法、假设检验法和回归分析法。与这些方法相比,VaR法具有以下特点:①VaR是一个数值,作为一种独特的风险度量方法,它在综合的框架下考虑了市场风险所有可能来源,易于为高级管理人员所掌握,并便于不同投资组合间市场风险大小的比较。②VaR把对预期的未来损益大小与该损益发生的可能性结合起来,不仅让投资者和监管者了解发生损失的规模,而且了解其发生的可能性。③VaR值取决于置信度、持有期限、投资规模等方面,一般而言,在其他条件相同时,VaR与时间区间呈正相关关系,时间区间越长,VaR越大。此外,VaR值与置信水平呈负相关关系,置信水平越大,VaR值越小;VaR值与投资规模呈正相关关系,投资规模越大,VaR值越大。

2 VaR可适用的范围

因为VaR主要用来衡量金融资产的市场风险,所以凡是握有存在市场风险的金融资产和产品的机构都可以使用VaR进行风险管理。这些机构主要有投资银行、储蓄机构、投资基金等,也有在利率、汇率等方面面临市场风险的非金融机构。此外,金融监管部门出于维护金融市场稳定的需要,也可以利用VaR方法作为金融监管的工具。

2.1 VaR可用于风险控制

1993年,三十国集团发表的研究报告将VaR方法视为控制金融衍生工具市场风险的最佳方法,并竭力向其成员银行推荐使用VaR方法。对投资银行来讲,利用VaR进行风险控制,可以使证券公司的每个交易部门或操盘手都能明确他们正在进行的金融交易有多大风险,并可以为每个交易部门或操盘手设置VaR限额,以防止过度投机行为的出现。执行严格的VaR管理,一些金融交易的重大亏损可以完全避免。

2.2 VaR方法可用于业绩评估

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。对一个交易员的业绩评价时不再仅仅根据其赢利的大小,而是根据收益与VaR的比率,而银行家信托公司的业绩评价指标则被称为“经风险调整的资本”(Risk Adjusted Return On Capital,简称RAROC,RAROC=收益率VaR值)。这样有助于抑制交易员过度投机的内在冲动,使其在最小风险条件下为公司谋取最大的收益。

2.3 VaR方法可用于金融监管

VaR方法用于金融监管,这方面最典型的例子当数国际清算银行巴塞尔委员会关于资本充足率的规定。1995年4月,巴塞尔委员会公布的《有关在资本充足率协议中纳入市场风险因素的补充文件》中规定,从1997年年底开始,其成员银行在设置应付风险的资本金额时除考虑信用风险外,还要考虑市场风险。美国证券和交易委员会(SEC)1995年12月规定,上市公司必须及时披露关于其金融衍生工具交易风险的量化信息,VaR方法是可以采用的3种方法之一。

我国对VaR的研究刚刚起步,近期,有关机构已成功研制开发出了一套适合中国资本市场的VaR风险管理模型Mu VaR系统。该系统以VaR技术为核心,为用户提供了从数据库管理、IT系统风险监控、风险分析到风险控制和评估机制的全面解决方案,它为探索VaR风险管理模型在中国新兴资本市场的引入和应用迈出了极有价值的一步。随着我国资本市场的进一步成熟开放和VaR技术的深入研究,VaR技术会在我国金融风险管理中发挥越来越大的作用。

3 VaR的局限性

(1) VaR主要适用于正常条件下市场风险的度量。VaR仅适用于正常条件下市场风险的度量,而对于市场出现极端情况无能为力。因此,一般来说,投资者必须同时采用VaR和压力测试法评估其风险。

(2) VaR对数据要求严格。在计算VaR时,要求样本长度必须在2年以上。此外,该方法对流动性强的资产效用比较显著,对流动性差的资产,其评估能力受到很大的局限。

(3) VaR的计算存在模型风险。从VaR的计算方法可以看出,方差-协方差法和蒙特卡洛法都依赖于选择的模型,存在模型风险。因此,BIS要求使用返回检验来检验金融机构使用的VaR的有效性。

(4) VaR主要用于评估市场风险和信用风险,对其他风险难以反映。

(5)与总体风险管理理论相比,VaR考虑了风险的价格和概率,但忽略了风险偏好。

4 结语

VaR方法是现在国际上最先进的测量风险的定量方法,虽然并非完美,但与传统的风险评估法相比还具备很大的优势。VaR方法的使用有助于投资人、金融机构以及企业强化风险控制,减少风险损失。

参考文献

[1]戴国强，等．VaR方法对我国金融风险管理的借鉴及作用[J]．金融研究，2000(7)．

[2]马超群，李红权．VaR方法及其在金融风险管理中的应用[J]．系统工程，2000(3)．

[3]范英．VaR方法及其在股市风险分析中的应用初探[J]．中国管理科学，2000(3)．

[4]陈金龙，张维．CVaR与投资组合优化统一模型[J]．系统工程理论方法运用，2002(3)．

VAR方法 第8篇

VaR (Value at Risk) 模型作为一种新的风险管理方法，自1 9 9 4年由J.P.Morgan提出并应用于金融市场风险的度量和控制以来，由于该方法能简单清晰地表示市场风险的大小，以系统的概率统计理论作依托，因而得到了国际金融界的认可并在实际中广泛应用。证券投资基金作为用来保值、规避风险的重要金融衍生工具也是VaR应用的重要领域之一。我国的证券投资基金是从1998年开始兴起的，在短短的不到十年的时间里，在各种政策的支持下已经迅速发展起来，截至2006年11月底，基金管理公司数量已到58家，基金数量294支，证券投资基金资产总规模达6312亿元。对于基金管理公司而言，对市场风险的测量和控制是其经营管理中的重要内容, VaR即为目前测量金融风险的最有效及应用广泛的工具。本文基于VaR的基本原理，并结合目前证券市场和基金风险管理的现实情况，对VaR的多种计算方法进行了比较研究，以确定出最适用于当前市场环境的VaR计算方法。

二、VaR的基本原理

VaR (Value at Risk) , 顾名思义，即为“处在风险中的价值”。VaR模型旨在估计给定投资工具或组合在未来资产价格波动下可能的或潜在的损失，其标准的数学表达式为：

其中为证券投资组合在持有期内的收益，VaR为在置信水平下处于风险中的价值。例如，Bankers Trust1994年年度报告公布了它当年每日的VaR值，在99%的置信区间内平均为3500万美元，这意味着，因市场波动而每天发生超过3500万美元损失的概率只有1%，或者说每天将市场风险导致损失的数额控制在3500万美元以内的概率为99%。

三、VaR的计算方法

VaR本质上是对证券组合价值波动的统计测量，其基本思想是利用证券组合价值的历史波动信息来推断未来价值的概率分布的情况，进而求出证券组合的损益分布，在给定的置信度下计算出V a R值。VaR值实际就等价于证券组合的预期价值与在一定置信度下的最低价值的差，即

其中E (w) 为证券组合的预期价值，w*为持有期末最低证券组合价值。

1、历史模拟法。

历史模拟法是一种简单的基于经验的非参数方法，它不需要对市场因子的统计分布做出假设，只需用给定历史时期上所观测到的市场因子的变化来表示市场因子的未来变化，根据市场因子的未来价格水平对证券价值进行重新估值计算出价值变化，得到损益分布, 通过给定置信度夏的分位数求出VaR。历史模拟法是全值估计方法，可较好地捕捉各种风险，处理市场大幅波动，非线性等情况。但是它假定市场因子的未来变化与历史一样，且服从独立同分布，概率密度也不随时间变化，这与市场的实际情况的变化不一致，有时甚至出入较大。另外，历史模拟法需要大量的历史数据，这有时难以得到满足。

2、分析方法。

在假定市场因子的变化服从多元正态分布情形下，利用正态分布的统计特性简化计算的方法，根据证券组合的价值函数的形式的不同，分析方法可分为两大类：Delta-类模型和Gamma-类模型，证券组合价值函数在前者均取一阶近似，在后者取二阶近似。两类模型中，又可根据市场因子统计分布假定的不同细分为各种模型，如Delta-正态模型，Gamma-正态模型等。具体来说，分析方法的步骤如下： (1) 识别基础的市场因子，将证券组合中的实际工具映射为一系列只受单一市场因子影响的标准头寸; (2) 假设市场因子的变化服从的分布，估计分布的参数，如方差和相关系数; (3) 使用市场因子的方差和相关系数计算相应标准头寸价值变化的方差和相关系数; (4) 使用标准的统计方法根据标准头寸价值变化的方差和相关系数计算V a R。

分析方法的优点是数据易于收集，计算方法也较简单，但其有一较大缺点即其方差和相关系数的估计均建立在市场因子服从正态分布的基础上，这很可能会低估尾部的极端风险。基于该缺点的改进是用t分布、GED等分布来代替正态分布。该方法的最新进展是gh分布，其解析形式为：

其中z为标准正态分布的随机变量，A为位置参数，B为刻度参数，g为偏度参数，h为峰度参数。该分布可以刻画不同的峰度和偏度，具有非常好的柔性，能较好地拟合资产收益率的波动。t分布、Weibull分布、Logistic分布、柯西(Cauchy)分布等都可以通过对该分布设置相应的参数值变换得到。

四、结论

由于在计算VAR时使用不同的方法相应会得到不同的结果, 在应用VAR时首先要考虑选择哪种方法。以上三种方法在结果的可靠性、对不同假设的适应性和实施的难易程度等方面各有利弊, 由于我国目前在V A R的应用领域还有很大的发展空间, 要对这些不同的VAR计算模型给予合适的评价并选择, 还有待于在结合我国金融市场发展的现状的基础上, 进行长时期的考察并不断返回检验其有效性，这也是本文后续将要进行的工作。这对于我国基金业的健康发展将有重大的意义。

摘要：VaR是目前国际上金融风险管理的主流方法之一, 本文在对其概念、主要特点以及目前应用比较广泛的几种主要计算方法进行简要介绍、分析的基础上, 对各方法在证券投资基金风险管理方面的应用优劣进行了比较并得出结论。

关键词：VaR,风险管理,基金

参考文献

[1]、王春峰, 万海晖, 张维.金融市场风险测量模型VaR[J]系统工程学报, 2000, (15)

[2]、郑冲.VaR计算方法的最新进展[J].广东财经职业学院学报, 2003, (2) 44-47

VAR方法 第9篇

关键词：VAR；蒙特卡洛模拟法；市场风险；公司风险；国家风险

一、VAR模型的发展历程

（一）VAR模型概况

VAR（Value at Risk）是在险价值，指按某一确定的置信度，对某一给定的时间期限内不利的市场变动可能造成投资组合的最大损失的一种估计，它是利用概率论和数理统计进行风险量化和管理的方法。1952年Baumol首次提出了VAR的概念，随后国内外学者对VAR展开了深入的研究。J.P.Morgan于1994年10月公布了风险度量（Risk Metrics）体系并将其作为了金融风险测定和管理的工具。1996年提出将VAR看作是在既定头寸被冲销或重估前可能发生的市场价值最大损失的估计值，把VAR描述为是对正常市场波动的度量；Philippe Jorion（1997）将VAR定义为一种标准统计技术估计金融风险的方法；Kevin Dowd（1998）指出VAR是在给定的持有期内，一定置信水平下资产组合的最大期望损失。在早先的研究中，他们都通过VAR模型刻画了风险的不同特性。

在VAR模型的自身发展上，国内外众多学者也根据市场的发展、研究工具的更新以及计量水平的提高而不断完善，估计方式日益增多，准确性与实用性有所提高。

在金融市场的不断发展中，VAR模型不断被用到了风险管理的各个方面，从而也进行了更深层次的研究以及探索了一些新的研究领域。一方面VAR模型不断被运用到市场风险、信用风险以及操作风险等的风险管理中；另一方面VAR模型根据市场发展的需要，拓宽了应用的范围，如王文进、吴晓（2008）研究了基于Credit Metrics模型的汽车消费信贷业务的信用风险管理。

但是在近年的研究中，一些研究者认为银行用来计算VAR值的一些主要方法存在严重问题以至于导致了近年来的金融危机。Robert Sollis（2009）指出，如果VAR在未来的金融管理中将作为主要的管理工具的话，需要进一步提高估计技术和回溯测试过程。

（二）VAR模型的方法

经过多年的发展与应用，VAR方法不断衍生，运用最普遍的就是历史模拟法、方差-协方差法以及蒙特卡洛模拟法。而这三种方法又各有其优势与缺陷。

历史模拟法是根据过去一段时间内的各种金融数据的分布来确定未来某持有期该金融工具的收益以及损失，从而推算VAR的值。它需要大量的样本数据并假定金融资产价格变动服从同分布，而实际表明，金融市场上的大部分金融变量的标准差不符合正态假设，由此暴露了历史模拟法的应用缺陷；方差-协方差法是先运用历史资料计算出某投资组合收益的方差、标准差以及协方差，再利用正态分布与置信区间来计算VAR值；蒙特卡洛模拟法则是强调多次反复模拟某一组合的随机过程，通过每次结果形成的分布而将会不断收敛于真实情况，从而估计VAR值。由于各种方法存在一定缺陷，为满足需要，学者不断提出新的模型，如Engle（1982）提出了ARCH和GARCH模型并将各种变形引入金融经济学，充分揭示了资产风险的各种动态变化过程。随后还有学者根据单期静态风险测度不能满足需要而不断推广到多期动态情形。

而在当前的研究中，一些评论指出了VAR方法的缺陷，在此基础上又提出了新的方法：VCV方法、HS方法以及MCS方法。三种方法各有优劣，VCV方法因其简单而使用广泛并以资产回报服从条件正态分布为假设，但是由于很多资产不服从条件正态分布，VCV方法通常会低估VAR值；HS方法也因其对VCV方法进行简单改善而被广泛使用，他不再要求资产回报服从条件正态分布，但是在选取的样本量中很可能得到十分不同的VAR估计值；由于MCS的复杂性以及需要大量证券投资组合，他并没有前两种方法运用普遍，但是其优势在于不会限制研究者假定正态分布。由于上述方法存在的缺陷，管理者就需要进行回溯测试以更好地进行风险管理。

二、VAR风险管理模型的具体应用及存在的问题

VAR模型除了在理论上有不断的发展，在实际应用中也在不断深入。在金融市场风险、信用风险、公司风险以及国家风险等方面都有不断的研究。

（一）VAR模型的具体应用

1、金融市场风险管理。金融市场风险是各类主体面临的主要的风险，金融主体在运用VAR方法进行市场风险管理时都需要考虑两个方面的因素：时间范围以及置信水平。由于VAR方法存在某些缺陷，条件VAR、边际VAR以及增量VAR不断出现来改善VAR方法，而在选取指标也有不同的方法：参数法、历史模拟法以及蒙特卡洛法，这是当前估计市场风险比较有效的方法。

2、公司风险管理。在公司风险管理方面，银行对风险的管理尤为重视，随着越来越多大银行暴露出市场风险，巴塞尔委员会在1988年签署了资本协议，通过运用内部风险估值方法来控制风险同时在满足一定条件下引入了VAR方法。但是VAR方法也不能没有缺陷地被银行运用，某些时候很难准确估计VAR值，同时在证券组合日益复杂的银行系统里，银行很难决定防范风险的指标，因此银行需要经常通过压力测试和回溯测试的方法来检验VAR方法的准确性，尤其是银行运用VAR方法来管理资本充足性的市场风险时更需要进行检验测试。

3、国家风险管理。由于风险的多样性和可传染性，各种市场风险、信用风险会在全球范围内不断传播，同时在市场一体化和经济全球化的时代，国家风险也日益暴露，而国家风险也将影响到一国经济的发展以及政治的稳定程度。Michael McAleer， Bernardo da Veriga，和Suhejla Hoti 根据10国家的数据运用VAR框架进行了研究，发现运用单一指标和组合管理的方法能够预测这十个国家条件方差组合风险的回报，结果表明，瑞士、日本和澳大利亚的国家风险比阿根廷、巴西和墨西哥的国家风险相比更可能维持在当前水平。这一研究能够反映当前世界各国的稳定程度。因此VAR同样能够成为估量国家风险的管理工具，根据时间序列模型，VAR方法能够为政策制定者以及其他经济人提供一个预测未来收益和国家风险的准确方法，明确国家风险边界，同时为国家之间进行投资提供可供选择的参考。

（二）VAR方法存在的问题

由于VAR方法存在很多假设条件以及当前经济变化的多样性、某些信息的不可获得性，VAR方法并不能估计所有类型的风险。同时受到数理及概率统计等科学的限制，实际风险暴露无法完全通过预设的模型来反映，尽管VAR方法在不断的完善，但是仍然存在很多不足，需要进一步研究。

三、小结

VAR方法由于原理简单、易于操作，已经成为金融风险度量和信息披露的重要工具。

但目前无论是在计算方法还是优化资产组合充当风险管理工具时都需要进一步的完善。因此，未来VAR的研究发展趋势仍将集中在探索分析法和蒙特卡洛模拟更好结合的方法以及如何使VAR发展成为兼顾极端风险和普通风险的一致性风险计量工具两个方面。在更好运用的同时不断完善VAR方法，从而更有效地进行风险管理。（作者单位：湘潭大学商学院）

参考文献：

[1]陈燕君.基于VAR的汇率风险度量方法文献综述[J].经济研究导刊，2011（24）：74-75.

[2]Rober Sollis. value at risk： a critical overview[J].Journal of Financial Regulation and Compliance Vol.17 No.4，2009pp.398-414.

[3]Anis Cecilia-Nicoleta， Roth Anne-Marie， Apolzan Carmen-Maria.value at risk-corporate risk measurement[J].JEL Classification：M21，G30，C58.

[4]Ioan TRENCA. the use in bank of value at risk method in market risk management[J].JEL Classification：G21，G32.

VAR方法 第10篇

一、VaR度量风险的含义

1. VaR的含义

VaR作为一种市场风险测量和管理的新工具, 是由J.P摩根银行最早在1994年提出。VaR的含义是“处于风险中的价值”, 是指在市场正常波动条件下, 在一定概率水平下, 某一金融资产或金融资产组合在未来特定的一段时间内的最大可能损失。上述定义可表示为:Prob (△PVAR) ) =α (0<α<1)

2. VaR的计算

假设:一上市公司的股票市值为每股50美元, 每天价值变动的标准差σ为10美元, 在99%的置信水平下要计算日VAR (股票价值遭受的最大损失额) 。假设市价变动函数呈正态分布, 根据正态分布函数的特点, 可知第二天, 股票价格有1%的概率超过73.3美元 (50美元+2.33σ) , 也有1%的可能性会低于26.7美元 (50美元-23.3σ) 。也就是说, 该股票持有人价值损失少于23.3美元 (50-26.7) 的概率为99%, 即置信水平为99%的情况下, 该股票的风险价值为VAR=2.33σ=23.3。从此例可以看出, 计算VAR的关键在于两个因素, 可以在市场上出售的金融工具的市场价值 (P) 以及其市场价值的波动性或者标准差 (σ) 。

显然, 将这一方法运用于不可交易的贷款, 会存在一些难度, 原因在于:第一, 市场价值 (P) 不是可以直接观察到的, 因为大多数贷款并不交易。第二, 因为P是不可交易的因此没有时间序列数据来计算σ (即P的波动性) 。第三, 上例中假设可流通金融工具市价变动函数呈正态分布, 但对于贷款价值来说不尽合理。由于银行是信息严重不对称的行业, 其业务特性-收益有限而损失无限 (收益最多是利息收入, 而损失的有可能是全部本金) 决定了在我们的现实生活中, 贷款价值的分布明显呈偏态分布。计算贷款的V A R值应考虑其服从于偏态分布。

二、Credit Metrics模型量化信用风险的有益借鉴

信用计量模型 (Credit Metrics) 是1997年由J.P摩根银行和其他发起人 (美国银行, 瑞士联合银行等) 共同创建的将VAR方法运用到不可交易资产的价值评估和风险衡量的一种方法。如前所提, 由于贷款不能公开交易, 所以我们既不能观察到P, 也不能观察到σ。然而Credit Metrics却提出, 利用可得到的借款人的信用评级、下一年评级发生变化的概率 (评级转移矩阵) 、违约贷款的回收率、债券市场上的信用风险价值和收益率就可能为任何非交易性贷款计算出一组假想的P和σ, 并随之计算出一项贷款的信用VAR, 基本步骤包括三步:

1. 确定贷款信用级别变化概率

信用级别变化概率是评价贷款质量变化的工具, 也就是同一贷款在一年后的质量等级发生不同变化的概率, 通常用信用级别变化矩阵来表示。对于贷款组合而言, 信用级别变化概率取决于组合内不同贷款同时发生信用级别变化的概率。

在具体操作中, 注意两点:一是利用与借款人信用相同的公开交易债券的信用状况代替不可交易贷款的信用;二是利用与贷款企业同等级的债券的历史变化计算贷款评级转移矩阵[5]。以本金为100万, 年利率为6%的5年期固定利率的贷款为例, 借款人的信用等级是BBB。表1是借款人一年后的等级变化概率。

资料来源:J.P摩根银行信用计量资料, 1997年4月2日。

2. 确定贷款的现值。

单个贷款的市场现值, 等于资产全部现金流在该时点的折现值PV:

其中, A是本金, D是利息, ri是预期无风险利率, 它可以通过现行国债收益曲线计算得出。si表示某一信用等级i年期贷款的年信用风险溢酬, 它可以通过公司债券收益率与国债收益率曲线计算得出。贷款组合的市场价值是其内部各单个贷款的市场价值的算术和。

表2列出了本金为100万, 年利率为6%的5年期固定利率的贷款在一年以后贷款等级迁移时贷款的市场价格。

资料来源:J.P摩根银行信用计量资料, 1997年4月。

3. 计算标准差σ和VAR值

根据上述计算原理, 拟合贷款 (组合) 的价值分布, 可以计算单个贷款在下一年度的均值和方差。

其中, S为信用等级级数, Pi为i信用等级出现的概率, μi为i信用等级下贷款的价值。然后在不同的置信水平下, 可直接求出在正态分布下该贷款的VAR值, 即最大可能损失额。在实际运用中, 由于贷款价值服从偏态分布, 还应采用线性插值法对其进行调整。

资料来源:J.P摩根银行信用计量资料, 1997年4月。

计算结果表明, 在贷款价值为偏态分布的假设条件下, 该笔贷款有5%的可能性在第二年的损失超过6.3 8万元, 换句话说, 该笔贷款有95%的可能性在第二年的损失不会超过6.38万元。因此, 通过计算贷款的VAR值, 银行可以对该笔贷款的风险状况有了明确了解, 从而根据消费者的信用状况和风险承受能力来进行贷款的决策。此外, 根据巴塞尔资本协议资本充足率8%的要求, 100万元贷款需要最低资本是8万元, 而在95%的置信水平下, 若贷款价值服从偏态分布, 需配备资本额6.38万元。与8%资本充足标准相比, 贷款的VAR值考虑了贷款的信用等级与期限, 因此为银行监管部门制定风险资本充足标准提供了更为合理和准确的参考。

三、Credit Metrics模型在我国的应用分析

从上述分析中可以看到, Credit Metrics模型主要是通过定量建模与模型的运用来实现信用风险的衡量与控制。以Credit Metrics方法为主要模型选择对象, 并建立符合我国商业银行信用风险管理的新模型, 有利于我国商业银行准确合理地衡量准备金和银行经济资本水平。但是我们也应该看到, 该模型严格依赖于由评级公司提供的信用评级以及国家和行业长期的历史数据, 而我国商业银行在现阶段不论是信用评级还是数据库建设都处于起步阶段, 因此在具体的实施运用上存在一定的困难。尽管如此, 我国商业银行不能因此放弃通过VAR提高信用风险管理水平这个已被证明较为有效的管理方式。

针对我国商业银行经营管理的特点和实际情况, 应用Va R方法进行信用风险管理, 可以从以下几个方面入手:

1. 利用可取得的替代变量来近似计算VAR, 在一定程度上实现对信用风险的定量分析

(1) 信用评级及转移概率矩阵。在构建转移矩阵参数上, 一般都是通过一个比较长的历史时期或比较短但有大量样本数据来进行的。由于我国在1999年才开始对银行实行五级分类, 因此目前按以年为转移矩阵比较困难, 但根据中国人民银行要求各商业银行每一季度对贷款做一次分类, 我们可以获得多个季度的贷款分类记录, 通过巨大的客户数量, 获得同一历史时期连续贷款评级数据, 因此能够反映贷款在这一时期的等级转移, 即贷款的质量在这一时期的变化状况, 由此作为下一个相邻时期的转移概率的估计。

(2) 远期收益率。远期收益率指不同期限、不同等级贷款到特定时期的收益率, 对它的估计要考虑到一个市场化的利率。从投资的角度考虑要选择一种可以比较的无风险利率。国外一般作法是以短期国库券的市场利率作为无风险利率的替代, 而我国目前没有公开发行的短期国库券, 但可以用三个月、六个月、九个月为期限的国债回购利率的估计值作为以季度风险周期的无风险利率的近似值。

(3) 贷款的违约损失率

我国贷款市场具有非公开性, 同时企业债券市场也很不发达, 并且缺乏流动性。难以通过市场交易情况来计算不同信用等级的债务人所借入款项的损失率。鉴于这种实际情况, 我国商业银行可以根据本行历史数据来计算不同信用等级的信贷客户信贷违约后的损失率。

2. 积极探索适合我国国情的内部评级方法体系, 建立有效的信用资产历史数据库

监管部门应借鉴国际上比较成熟的评级模型, 充分借助国内外专业评级公司的技术力量, 建立起适合我国国情、定量化的内部评级模型。并结合企业的行业地位, 管理水平, 地区间的风险差异等定性指标, 确定借款人的违约可能性及严重程度, 以便全面、真实、动态的反映债务人的信用风险程度, 从而得出债务人的最终评级。同时扩大信用评级范围, 加快建设有效的数据收集和处理系统, 建立健全全社会信用评级体系, 实现行行之间的数据共享。

3. 加强对VaR方法的研究

运用VaR方法量化市场风险已比较成熟, 但对于信用风险的定量分析仍然存在争议。因此, 金融机构应重视对VAR方法及模型的应用研究, 逐步建立起适合我国商业银行信用管理特点的风险计量模型, 并通过对模型的不断修正和测试, 提高其适用性, 增强信用风险管理水平。

4. 培养相关的专业人才

虽然VaR应用起来比较简便, 但模型的确立与计算机过程是相当复杂的, 它对会计与业务人员的技术水平提出了更高的要求。另外建立VaR模型后在风险控制、资源配置、统一监管等各个层面都需要大量的专业人才和相应的制度安排, 这对我国目前的管理现状而言是个比较大的挑战, 因此应加强相关人员的培训工作, 为全面而有效的运用VAR方法提供坚实的人力基础。

摘要：风险价值 (VaR) 是目前国际金融风险管理领域广泛使用的工具, 也是度量信用风险的一种新的技术标准。本文介绍了VAR度量风险的含义, 并通过借鉴信用计量模型 (Credit Metrics) , 指出Credit Metrics模型在我国的应用前景以及应用VaR方法强化信用风险管理建议和措施。

关键词：VaR方法,信用计量模型,信用风险管理

参考文献

[1]潘蔚琳:以VaR方法计算商业银行信用风险[J].经济导刊, 2002, [6]42～45

[2]菲利普、乔瑞:风险价值VaR[M].中信出版社, 2005

[3]张云李秀珍:基于VaR的我国商业银行信用风险管理[J].决策参考, 2006, [8]34