VAR法范文（精选7篇）
VAR法 第1篇
保险公司的利润来源主要有两个方面, 保费和资金运用。自国内恢复保险业以来, 保险业一直保持高增长, 近几年的增长率达到了30%以上, 吸引了很多新保险公司进入市场, 日趋激烈的竞争导致了保险公司保费方面盈利的下降, 依靠保险资金运用取得的收益来提高利润, 成为各保险公司关注的焦点。
随着新《保险法》颁布, 保险资金运用渠道进一步拓宽, 允许保险公司投资于不动产, 一方面有利于整个保险投资组合收益率的提高, 另一方面也带来了新的风险。2010年债市和股市的下跌, 对保险资金的运用产生了一定负面影响。全年资金运用平均收益率为4.84%, 同比下降1.57个百分点。在行业资产快速增长的情况下, 保险业迫切需要提升资金运用水平, 所以, 在我国保险资金运用现状的基础上调整保险资金运用的比例结构, 从而实现一定风险水平下收益率增加, 具有重要的意义。
►►二、文献综述
目前, 对于保险资金风险度量的研究主要包括模型介绍层面和对单一公司的一种投资途径进行VaR测量, 缺少对保险业整体资金运用的实证风险测量和业绩评价。
在模型介绍方面, 吴世农、陈斌 (1999) 通过实证说明马科维茨、哈洛、VaR三个金融资产配置模型在实际应用方面的差异, 需要根据实际情况应用才能提高模型的应用效率。陈学华等 (2006) 在综合考虑保险资金安全性、收益性和流动性的基础上, 结合承保风险与投资风险, 以VaR、RAROC为风险度量和业绩评价手段, 构建了一个带风险限额约束、追求经风险调整资本收益最大化的保险基金投资优化的理论模型, 并推导给出了最优解求解过程。阎粟、付江涛 (2009) 通过对VaR模型在寿险公司风险管理中的具体应用分析, 得出寿险公司在保险投资风险管理中可以运用此模型来评估资产风险价值, 根据求得的VaR值管理寿险资金, 进行投资并规避风险, 提高寿险资金的运用水平。
在实证方面, 卢仿先、陈晶 (2006) 选取了22只保险公司资金可能流向的股票, 采用VaR和极小值模型计算了在最小股票组合风险条件下的每只股票的最优投资比例。周通 (2008) 选取了平安保险公司投资的7只股票940个交易日的数据, 采用VaR方法计算了各只股票的VaR值和投资组合的VaR值, 并据此提出相应的保险资金运用的政策建议。本文主要对我国保险资金运用的整体情况和每个投资渠道的单个情况进行VaR风险测度和绩效评价。
►►三、实证模型
(一) 模型概述
JP.Morgan的风险管理人员于1994年提出了著名的VaR方法。VaR, 常被简称为“在险价值”, 是指市场处于正常波动状态下, 对应于给定的置信度水平, 投资组合或资产组合在未来特定的一段时间内所遭受的最大可能损失。用数学语言可以表示成
Prob (ΔP
其中Prob表示概率测度, ΔP=P (t+Δt) -P (t) 表示组合在未来持有期Δt内的损失, P (t) 表示组合在当前时刻t的价值 (下文记为P0) , c为置信水平, VaR为置信水平c下组合的在险价值。
(二) 数据选取
本文用2010年1月4日至2010年12月31日共246个交易日的上证指数、上证基金指数、国债指数和一年期上海银行间同业拆放利率来分别反映股票、债券、基金和银行存款的市场表现。
(三) 实证过程
1、根据下述公式, 利用相关数据来计算上证指数、上证基金指数收益率以及国债的持有期收益率。
r1=Pt/Pt-1-1
2、假定每种收益率服从正态分布, 利用Eviews求出每个序列的均值和标准差以及相关系数矩阵。
3、求出资产组合的均值和方差
截至2010年底, 保险公司资金运用余额高达4.6万亿元, (设为P0) 。在投资结构上, 债券占比49.85%, 银行存款占比30.21%, 证券投资基金5.69%, 股票11.11%。利用该比例来对保险资金进行重新分配, 按照所有资金都用作这四个投资渠道所折算的新比例51.47%、31.19%、5.87%、11.47%进行计算, 求得保险资金资产组合的均值和方差:
μ=0.001252595
σ2=1.8017E-05
4、基于损益分布计算置信度95%下组合资产的VaR
根据根据相对VaR的公式:VaRR=P0ϕ-1 (c) σ
求得相对VaR=0.028364839
5、计算资产组合的成分VaR
根据成分VaR的计算公式undefined
其中undefined和R分别为单个资产的收益率和资产组合的收益率, 计算得出上证指数、上证基金指数、国债指数和一年期上海银行间同业拆放利率的成分VaR分别为0.007530、0.020663、0.000069、0.000014。
►►四、结论及建议
从上述实证过程可以看出, 我国保险资金的投资回报率比较低, 并且保险资金投资于股票和基金的风险过高从而会带来潜在损失, 所以缺乏效率。因此, 必须进一步优化保险投资结构, 从而实现保险资金运用风险收益的有效匹配。
(一) 控制风险, 提升资金运用水平
2010年债市和股市的下跌, 对保险资金的运用产生了一定负面影响。全年资金运用平均收益率为4.84%, 同比下降1.57%。保险投资组合中银行存款份额同比上升2.1%, 债券、股票、证券投资基金份额分别同比下降1.1%、0.1%和1.7%。虽然目前股票和证券投资基金的投资比例有所下降, 分别占资金运用总额的11.11%和5.69%, 但在资本市场并不乐观的情形下, 二者是风险的主要来源。从前文求得的各种投资方式的成分VaR值来看, 在95%的置信水平下, 投资股票的VaR值为75.3亿元, 基金的VaR值为206.63亿元, 这两者的成分VaR值占总成分VaR值的99%。因此, 要控制保险投资的整体风险, 必须先防控好保险资金投资股票和基金的风险, 审慎投资股市和基金, 做好风险管理。我国目前的保险资金运用渠道得到了较大的拓展, 股票和证券投资基金两种投资渠道的合计资产范围放宽到了25%, 从长期投资的视角, 有利于提升保险投资收益率, 但也应看到这两种渠道的高风险, 特别是在目前资本市场起伏较大的环境下, 保险公司应该谨慎投资, 严格遵循保险资金运用的监管政策, 抑制投资冲动, 防范投资风险。
(二) 减少银行存款投资比例, 建立多种资本投资渠道
2010年保险资金投资于银行存款的比例为30.21%, 根据国际经验, 这一比例仍然较高, 相比于其他投资渠道来说, 该渠道具有安全性高、流动性强的优点, 但是其收益率较低, 从而导致保险资金整体的运用水平较低。此外, 根据保监会的最新统计数据显示, 今年前4个月, 保险资金投资额达到3.42万亿元, 其中1.53万亿元用于银行存款, 占比高达44.6%。但是一季度的保险资金运用平均收益率仅为1.07%, 所以需要减少银行存款的险资比例。
此外, 由于2010年保险资金投资于上述四种渠道的资金比例总和为96.68%, 只有3.32%的险资投资于其他渠道, 导致了保险资金运用渠道集中, 风险较高的现象, 所以要使得我国保险业快速发展, 必须建立多种资本投资渠道, 增加投资于不动产、基础设施建设的比例, 增加保险资金投资的风险分散功能, 从而提高其总体收益率。
摘要：随着保费规模的日益扩大, 保险资金的收益越来越引起人们的关注, 同时保险投资的盈亏是维持保险公司能否持续经营的重要保证。本文以246个交易日的上证指数、上证基金指数、国债指数和一年期上海银行间同业拆放利率为样本数据, 运用收益率映射估值法的VaR模型对我国保险资金运用的风险进行了实证测度, 并且对我国其绩效进行评价。实证结果表明:从上述实证过程可以看出, 我国保险资金的投资回报率比较低, 并且保险资金投资于股票和基金的风险过高从而会带来潜在损失, 缺乏效率。
关键词：VaR模型,保险资金,风险度量,绩效评价
参考文献
[1]张金清.金融风险管理, 复旦大学出版社, 2009
[2]吴世农, 陈斌.风险度量方法与金融资产配置模型的理论和实证研究.经济研究, 1999;09
[3]卢仿先, 陈晶.VaR方法在保险资金直接入市后的应用.保险职业学院学报, 2006;02
[4]陈学华, 韩兆洲, 唐珂.基于VaR和RAROC的保险基金最优投资研究.数量经济技术经济研究, 2006;4
风险测量VAR及其原理 第2篇
VAR(Value at Risk)按字面理解就是“在险价值”,含义是指在市场正常波动下,某一金融资产或证券组合的最大可能损失。更为确切的是指,在一定的概率水平(置信度下,某一金融资产或证券组合在未来的特定的一段时间内的最大可能损失。用公式可表示为:Prob(△P>VAR}=1-a(其中Prob表示:资产价值损失小于可能损失上限的概率;△P表示:某一金融资产在一定持有期△t的价值失额;VAR表示:给定置信水平a下的在险价值,即可能的损失上限;a表示:给定的置信水平。)
2 VAR产生的社会背景
因为为解决传统风险测量办法而不能解决的很多问题,因此就有了测量复杂证券组合市场风险的方法~VAR方法。
传统的ALM,(资产负债管理)过于依赖报表分析的形式,缺乏针对的时效性;仅利用方差与β系数来衡量风险太过抽象,很不直观,而且反映的只是市场的波动幅度;而CAPM(资本资产定价模型)又很无法与金融衍生品种相匹配。在上述的几种方法都无法精确定义与衡量金融风险时,G30集团在研究衍生品种的基础上,于1993年发表了《衍生产品的实践和规则》的报告,提出了衡量市场风险的VAR(Value at Risk风险价值)方法已经成为目前时期金融界测量市场风险的最主流方法之一。后来由J.P.Morgan推出的用于计算VAR的Risk Metrics风险控制模型被很多金融机构广泛纳用。目前一些大型金融机构已将其所持资产的VAR风险值作为定期公布的会计报表的一项重要内容加以展示。
VAR发起人之一是美国投资银行摩根,1994年12月摩根银行公布其设计的名为“风险度量”系统。在最开始时期,这系统还为15个国家的300多种计算金融的工具提供风险计量的方法,之后,在这个基础上研发出更多的测算方法。它指的是风险矩阵与随时间变化的系数值。为了计算VAR值,被使用者要运用计算机软件把“风险度量”系统与自己的头像相结合。摩根提供此系统是免费的,“风险度量”系统的开发和公开应用是出于以下目的的:为用户提供繁杂的风险度量工具,特别是针对那些第一次使用这个系统的人。为了市场风险的透明度更加透明。为了把摩根方法作为风险投资行业的标准之一。
3 VAR的计算方法
3.1 一般分布下的VAR计算方法
比如给出一个金融组合,假设H0为金融组合的最初始价值,T是指金融期内的投资回报率,所以,此金融组合的价值公式可以表示为H=H0(1+T)。假设回报率T的期望回报率和波动性分别为λ和ρ。假设在信用水平A下,金融组合的最小价值为H*=H0(1+T*),我们由VAR的概念可知在某一定的信用水平下,金融组合在将来的某一段时期中的最大损失,我们这样下定义,相对于金融组合价值的平均值的VAR,
我们由于不以金融组合价值的平均值为标准,就如此定义绝对VAR为:
根据上面所说的定义,我们用VAR计算就是计算最小值H*或者是最低的回报率T*。思考金融组合在将来的每日回报的行为随机过程,假如将来日回报的概率密度函数是f(T),即对其中信任水平下的金融组合最小回报率T*,则:
不管分布是离散的或者是连续的,此表示方法将对任何分布将是有效的。
3.2 正态分布下的VAR计算方法
正态分布是大数定律跟中心极限定理的结果,知道了收益率的分布(正态分布),也就能计算VAR了。不过一般来说,将收益率的分布看作是正态分布只是其中一个清醒,由于金融市场收益率分布往往呈现尖峰厚尾的特征,所以比正态分布更精确的还有学生t分布,韦布分布,混合正态分布这些,不管是运用什么分布,其目的都是为了更好的描述收益率分布的特征。金融资产价格分布常常会出现厚尾分布,而价格有会出现跳跃,所以从根本上讲,利用历史的数据是无法预测未来的价格波动的,为了进行自己欺骗自己的分析,于是假设最简单的正态分布。
所以我们把一般分布f(T)改为标准的正态分布准(攸),其中攸的平均值为0,标准差为1。其中最小回报T*组合价值的最小值为H*=h0(1+T*)。一般情况下,T*都是负,还应该表示为-T*,所以把T*与标准正态分布的偏离值坠>0放在一起看,就是
所以,VAR的计算方法可以找到一个偏离的I让上面式子成立。用积累正态分布函数公式:
由标准正态分布可知,如果给出一置信水平即,就应该算出对应的最小回报T*与VAR。由上面公式,则对应I=1.60,所以最小回报就应该为T*=-Iρ+λ如果参数λ和ρ是某一段时间间隔上计算出的,那么时间间隔△t的比对VAR为,所以VAR是由置信水平而确定的乘积。比如,绝对VAR就有下面的公式。此公式还可以开展到正态分布与别的积累概率的密度函数,之间所有不明确性都出现在I上,之间的分布都得到不一样的I值。
4 VAR的基本步骤
如果变量都是平稳的,如增长率、实际汇率等少数变量则直接可以用VAR公式。早期的VAR是没有考虑平稳的问题,但是现在做VAR的步骤一般是这样的:第一步:单位根检验:第二步:协整检验:第三步:滞后期确定,第四步:建立VAR模型:(因果关系检验),检验其平稳性,平稳性检验通过,可做脉冲脉冲响应、方差分解等;如果没通过平稳性检验,则不能直接做脉冲响应和方差分解,可以以差分变量做VAR模型,再说脉冲响应和方差分解,也就是说只有平稳的VAR模型(非指序列平稳而是模型平稳,模型单位根小于1在单位圆内)才可以做脉冲响应、方差分解,VAR模型不平稳使用差分变量后建VAR模型。
摘要：用公式可表示为:Prob(△P>VAR}=1-a(其中Prob表示:资产价值损失小于可能损失上限的概率;△P表示:某一金融资产在一定持有期△t的价值失额;VAR表示:给定置信水平a下的在险价值,即可能的损失上限;a表示:给定的置信水平。)
关键词：风险测量,VAR
参考文献
[1]张尧庭著.金融市场的统计分析.广西师范大学出版社,1998.
[2]牛昂.银行风险管理的新方法.国际金融研究,1997(07).
[3]宋锦智.VaR值的三种估算方法及其比较.城市金融论坛,2000(12).
[4]叶青.基于GARCH和半参数法的VAR模型及其在中国股市风险分析中的应用.统计研究,2000(12).
[5]王春峰.金融市场风险测量模型——VAR.系统工程学报,2000年3月.
市场风险限额管理:VaR限额管理 第3篇
1 市场风险限额管理的内容
市场风险限额是根据风险调整后的资本回报率的最大化原则,应用资产组合分析模型设定的风险敞口或风险价值(VaR)的最高上限。市场风险限额代表了公司整体或各业务单位所能容忍的最大损失。在风险管理体系中,各类敞口的限额都是根据对风险变化的预测提前设定的。当某类风险敞口保持在限额以下,说明风险基本可控;当风险敞口逼近限额时,监测系统将发出预警信息,提示采取防范措施;而风险敞口一旦突破限额,就预示着风险正在显著上升,应启动紧急处理程序,在爆发大规模损失前,将敞口压缩到可控范围内。可见,限额管理应发生在资产损失形成之前,属于“防患于未然”的事前管理。
市场风险限额的设定,在程序上先由下而上汇集各业务单位的需求及建议,然后再由上而下将所核定的限额交付各业务单位加以执行,同时透过风险管理体系有效监控其执行情形。限额管理强调对风险实时动态监控,从这个意义上讲,限额管理必须依托一个有效的管理信息系统,在畅通发达的网络环境下实现公司层面的连续监控。
2 市场风险限额管理的类别
市场风险限额的主要类别包括集中度限额、VaR限额(风险资本限额)和止损限额三种形式。集中度限额是直接设定于单个敞口(如资产类型、行业等)的规模上限,其目的是保证投资组合的多样性,避免风险过度集中于某类敞口。VaR限额是对业务敞口的风险价值进行额度限制,这是一种比较科学的限额设定方式,在使用中具有较高的灵活性,易于在各条业务线上进行加总和分拆计算;同时,也可以根据股指、利率、汇率和商品价格等风险因子设定VaR限额,对业务进行多角度风险控制。止损限额以实际损失而非可能损失为监测对象,它是集中度限额和VaR限额的重要补充,即一旦所持资产的市值跌破某一临界点,立即采取交割、斩仓等措施(或者采用对冲方法,将其敞口降低),以防止损失进一步扩大。
3 市场风险限额管理的应用VaR限额管理
市场风险限额管理具体来说就是由决策层在综合考虑预期收益、风险偏好、资本实力等相关因素的基础上,确定总体风险资本,然后把总体风险资本限额(VaR限额)按矩阵式风险集成管理架构的纵向(资产类别)或者横向(子公司)来进行分配。如果按照横向分配,即将风险资本限额在集团不同的子公司之间进行分配,子公司再将所配的风险资本限额配置到每一个业务部门,则每一级的管理者面对的一个关键问题是如何把下一级的投资活动产生的风险限制在可控范围内。如果每一级的风险管理者都能做到随时掌握和监督下一级的风险限额执行情况,并能对突破既定限额的情况进行及时干预,则风险管理就算真正达到目标(层级管理)。如果按照纵向分配,则将总体风险资本配置到每一种资产类别3.1有关VaR的计算
VaR已经成为业内外计量市场风险的标准口径,是公司切实可行的风险集成衡量方法,VaR的计算主要有三种方法:历史模拟法(Historical Simulation)、方差-协方差法(Variance-Covariance based VaR)、蒙特卡洛模拟法(Monte Carlo Simulation)。
学者们所用的统计方法或者太过复杂,或者只能用来计算部份金融资产的VaR,欠缺整合性,不易拿来计算包含各种不同金融资产的投资组合,导致他们的研究常常无法在实务上使用。所以,比较可行的方式是依照RiskMetrics建议的方法来算出VaR (优先采用下图的VaR计算体系),但需同时使用不同的模型参数和取样期间设定来计算,并做回顾测试来验证模型的适用性,找出最适用的一组模型与参数设定。
3.2 VaR的验证方法
实际应用中,由于数据抽样、模型的假设条件、建模过程、随机因素和人为因素等影响,无论采用哪一种方法都会产生一定的偏差。为了准确理解VaR估计结果的有效性并改进VaR模型,必须对VaR模型的准确性和测量精度进行检验和评估,比较不同VaR模型的估计结果,并与实际损益情况作比较,以评估VaR模型的可靠性和准确性。
3.3 VaR的压力测试
风险值运算中若考虑某些特定市场变动发生之后的资产组合价值变动值,再计算VaR,所计算出来的VaR即压力测试下的最大可能损失。
3.3.1 情景分析
情景分析是一种前瞻性的分析,目的就在于具体计算出当假设的情况(情景)出现时,资产将遭受的损失或获得的利润的大小,也就是对可能出现的市场利率风险或其他特定的影响市场的因素进行预测评估。
定义情景为未来某个日期的市场描述,一般采用市场期限结构曲线来描述情景,也有通过市场指数或其他一些体现市场整体特性的对象来描述情景的。利用情景分析工具进行风险预测时,分析人员对市场风险链条进行分析后,总结提出可能的几种市场变化情况,并分别赋予相应的发生概率。根据计算出来的综合收益率数值,可以对市场各种风险形成判断。
3.3.2 股票压力测试
步骤一:选择中国资本市场发展的十余年历程中,选择股票收益率负向变化最深的十个交易日作为未来一个交易日可能出现的最坏情形;
步骤二:若当前交易日考察的某只股票至少在一个已选择的最坏交易日内已经上市并开始交易,那么该只股票在未来一个交易日内可能出现的最坏收益率为这若干个最坏情形下出现的收益率中的最小值,即所有可能最坏收益率值中的最坏值;
步骤三:若当前考察的某只股票在所有选择的最坏交易日内没有上市,则需要选择类比公司(选择类比公司的原则为:行业相等、总资产规模相近---相差<20%,且至少在一个最坏交易日内已经上市;如果再找不到,就用行业均价来替代计算;如果行业均价样本个数再不足,则不必再计算,有多少算多少)的收益率作为该只股票收益率的最坏值,具体计算方法同步骤二;
步骤四:计算投资组合中所有股票在未来一个交易日的可能价格变化
3.3.3 债券压力测试
假设未来收益率曲线发生位置和结构变化时,某只债券或某个债券组合的潜在的净值变动的风险。
对于利率期限结构的变化,包括以下几种变化:
◆平行移动,平行左右、上下移动;
◆曲线凸度增加、减小;
◆曲线反转;
◆曲线特定点抖动等等
对债券或者某个债券组合的潜在的净值变动的风险主要通过潜在净价和全价的变化幅度等来衡量。
此方法的步骤大致如下:
(1)假设收益率曲线已经发生某种变化。由于利率期限结构曲线已经整体上代表了债券市场的属性,它的变化可以认为是诸多市场因素发生作用的最终结果。这所谓的诸多市场因素原则上不应该含糊其词,而应该明确的进行构造,考虑的因素可以是综合情景分析方法所考虑的所有对市场产生影响的因素,如收益率变化,期权收益率变化、市场资金构成变化等。
(2)根据变化后的收益率曲线,计算特定债券和债券组合的到期收益率、价格、持有期收益率。
(3)分析新情景下的资产净值以及各种相关属性(如久期、凸性等),进一步衡量资产所面临的风险和收益变化
3.4 VaR计算中关于缺失数据的解决办法
部分资产因交易不频繁或者上市时间较短等原因,导致样本交易数据不足,而无法应用VaR模型估算这部分资产的风险值。此种情形的解决办法是可先将交易数据不足的资产抽离,先对投资组合中可计部位的风险值进行估计,之后再根据应计部位(总投资组合部位)与可计部位的相对转换比率近似计算出总投资组合部位的风险值,即:
其中,转换比率=应计部位/可计部位
纵上所述,运用VaR限额管理,可以汇总各业务部门的市场风险,从而能够使投资管理委员会及时了解资金运用的风险规模和集中程度,风险管理后台能够监控资金运用各层次风险限额的合规性,对超出风险限额的交易或投资组合逐级上报,及时采取相应措施,可以有效地控制资金运用的市场风险。市场风险限额管理是防范市场风险的有效手段,运用信息技术和风险限额管理工具,可以实现市场风险的实时、系统、动态、全方位和全过程的监控和快速反映,做到“居安思危”和“临危不惧”,提升防范和化解市场风险的能力,实现企业的可持续发展。
摘要：市场风险限额管理作为一种涵盖范围广、精确度高、可操作性强的风险管理手段,而VaR限额管理是市场风险限额管理模式的主要模式。运用VaR限额管理,企业可以实现市场风险的实时、系统、动态、全方位和全过程的监控和快速反映,做到“居安思危”和“临危不惧”。
关键词：市场风险,限额管理,VaR限额管理
参考文献
[1]武剑.论风险限额管理体系的构建与应用[J],2007(1):7-9.
[2]刘喜华.保险资金运用的风险限额管理保险研究[J],2003(8): 38-40.
[3]姜虹.企业集成风险管理范式构建:理论分析与运行架构[J].中国工业经济,2006(6):107-1J3.
[4]汪忠,黄瑞华.国外风险管理研究的理论、方法及其进展[J].外国经济与管理,2005(2).
投资组合VaR分解的应用研究 第4篇
国内外许多学者关于Va R的研究,风险管理投资组合主要聚焦于投资组合风险价值(Va R)的估计,较少关注投资组合Va R的变量;国内学者的研究,也仅有极少数涉及到Va R的分解问题。然而,对于机构投资者来说,在日常交易和资产管理过程中,除把握资产组合整体市场风险外,了解投资组合中各资产的Va R的大小、变动某一资产权重对投资组合的Va R将产生怎样的影响,具有重要的价值。因此,本文重点研究投资组合的成分Va R和边际Va R。
一、Va R的分解
Va R(Value at Risk)即风险价值,是一种度量和管理风险的工具,最早由JPMorgan银行针对市场风险计量技术的不足而提出,该模型提出后迅速在投资机构中得到了广泛应用。Va R作为一个统计概念,本身不过是个数字,在《风险价值Va R》一书中,菲利普乔瑞定义Va R为:在一定的置信水平下和一定的目标期间内,预期的最大损失。公式表示为(1.1),其中ΔP为某一金融资产在一定持有期的价值损失额,Va R为置信水平α下可能的损失上限。
可以使管理层以非常清楚的方式,向股东传达公司面临的风险,使投资者有效地配置资源,因此,金融机构使用Va R方法可以有效地进行风险管理。但是,当需要了解某一投资组合中各资产的Va R大小,以及变动某一资产权重对投资组合整体的Va R将产生怎样的影响时,单纯的Va R无法提供充分的信息。当投资组合的Va R值异常高时,如何通过调整投资组合的头寸来减轻投资组合的风险?什么头寸组成了最大的风险因子?什么头寸能对冲风险?这些仅仅利用Va R是无法了解和掌握的。为了满足资产管理者的这类需求,Garman M(1997)提出了成分Va R和边际Va R。
1. 边际Va RΔVa Ri
边际Va R用于衡量投资组合中某项资产的变化对投资组合Va R的影响,是组合中某项资产增加一单位时引起的投资组合Va R的变化值。记第i项资产在投资组合中的权重为xi,边际Va R为ΔVa R,则有(1.2)。边际Va R(ΔVa Ri)刻画了各项资产对投资组合Va R的边际贡献,反映组合资产头寸变化的灵敏度,为交易管理者决策下一笔资金投资于何种资产以获得更好的收益提供了有效的信息。
2. 成分Va RCVa R
成分Va R是投资组合中某项资产被剔除而导致的投资组合Va R变化量(式1.3),刻画组合中单项资产对投资组合的总贡献,反映组合中具有较大风险的资产头寸和较大对冲作用的资产头寸。对投资组合中的某项资产而言:其CVa R<0时,可以对冲组合其余部分的风险;CVa R>0时增加组合的风险,如果把它从组合中剔除,组合的Va R值将减少;CVa R=0时对组合的风险没有贡献,剔除它组合的CVa R将不会改变。
二、边际Va R与成分Va R的德尔塔正态法度量
传统的Va R计算方法主要有三种,即德尔塔正态法、历史模拟法和蒙特卡罗模拟法。德尔塔正态法假定组合回报服从正态分布,利用正态分布的良好特性置信度与分位数的对应性计算的组合的Va R等于组合收益率的标准差与相应置信度下分位数的乘积。历史模拟法的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,利用分位数给出一定置信度下的Va R估计。蒙特卡罗模拟法则假设资产价格的变动依附于服从某种随机过程的形态,利用电脑模拟,在目标时间范围内产生随机价格的途径,依次构建资产报酬分布,进而计算Va R。三种方法中,历史模拟法和蒙特卡罗模拟法适用于投资组合中含期权类工具的风险度量,而德尔塔正态法计算简单,适用于投资组合中不含期权类工具的风险度量。
针对中国证券市场没有期权的现状,本文选择德尔塔正态法进行投资组合的风险度量。边际Va R和成分Va R的估计,可以分投资组合收益率服从多元正态分布和不服从正态分布两种情况进行分析,而德尔塔正态法假定投资组合收益率服从多元正态分布,因此,可以直接从正态分布的情况进行分析。
1.Va R
本文主要研究不含期权类资产的投资组合,而德尔塔正态法对于期权不占主导地位的投资组合是一个快捷而有效的Va R衡量方法。该方法假设收益率服从为正态分布,且与基本风险因素呈线性关系,利用基本公式可得到Va R(式2.1)。其中,ω为资产组合的初始价值;μ为期望收益的数学期望;σ为期望收益的标准差;c为标准正态分布的分位数。
2. 边际Va R
当资产组合收益率服从正态分布时,边际Va R的计算公式为(2.2)。其中,式中,ΔVa Ri为第i种资产的边际Va R,σp为投资组合的标准差,Coν(Ri,Rp)为投资组合收益率与第i种资产收益率的协方差,α为给定置信水平,c1-α表示1-α对应的标准正态分布分位数。
3. 成分Va R
德尔塔正态法情况下,当组合收益率服从正态分布时,成分Va R的计算公式为(2.3)。其中,CVa Ri为第i项资产的成分Va R,rω表示第i项资产在投资组合资产中所占比例,ωi表示投资组合中第i项资产的价值。
式(2.3)表明,组合中各资产的成分Va R相加等于投资组合的Va R。因此,第i项资产对投资组合的风险贡献率为CVa Ri/Va R。
4. Va R的调整
采用德尔塔正态法度量Va R的假设,是组合收益率服从标准正态分布。然而,多数金融数据存在较明显的“尖峰厚尾”现象,当组合收益率分布的峰度系数较高时,德尔塔正态法计算的Va R会产生较大误差。因此计算Va R之前,要对组合收益率的分布进行检验:若为正态分布,则直接使用(2.1)、(2.2)和(2.3)计算该组合的Va R;若非正态分布,则计算Va R时应进行相应调整。调整后的组合Va R、ΔVa Ri和CVa Ri计算公式为:
其中,θ=1+ψ1n(k/3),k是资产组合收益分布的峰度,ψ是与概率值相关的常数(对99%置信度,ψ=0.4)。θ反映投资组合收益率分布峰度,由Bangia、Diebold、Schuermann、Stroughair等人在1999年提出,主要用于处理金融数据的“尖峰厚尾”问题。若分布是正态分布,则k=3,θ=1模型不需要调整;否则需重新计算θ,相应地调整模型。
三、Va R精确性的检验方法
只有能准确预测风险的Va R模型才是有效的,因此,建立模型之后需要对其精确度进行检验,回测技术正是验证Va R模型精确度的一类方法的统称。Jorion(2005)将回测定义为:回测是用来检测实际损失与预期损失是否一致的有效统计方法,包括把Va R的历史预测与相关的组合收益率进行系统的比较。回测技术可以检验Va R模型的精确度,能发现建模中存在的问题和导致检验失败的原因,为Va R模型的改进提供一些方法。迄今为止有三类回测方法。
1. 指标评价法
Hendricks(1996)选取12种Va R计算方法,对每种方法计算电脑随机组合的1000个资产组合的Va R值;然后构建10个指标来比较各种Va R方法的差异。之后,Engel(1999)、Sinha et al(2000)、Bredin et al(2002)等根据不同需要建立评价指标,对各类Va R进行评价。但是,指标评价法是在模型准确的条件下,根据设计指标工具更全面的观察和比较各个Va R模型的特点和效率,不适合单个模型精确性的评价。
2. 比较评价法
比较评价法以Lopez(1998,1999)为代表。他提出根据管理者的偏好来构建损失函数,根据损失函数的大小排序,借此评价Va R模型:将管理者的某些具体要求定义成某些数值或函数,然后将Va R估计值依据这些要求进行分配或处理。这种方法提供了一种相对的评估方法来对Va R估计值进行比较,但放弃了统计检验的诸多优势,不适合于单个Va R模型的检验与评价。
3. 假设检验法
该方法主要通过假设检验的方式,来接受或拒绝一个Va R模型。自从Kupiec(1995)提出经典的Kupiec检验之后,以这种方式来评价Va R模型的研究文献最多。
既然Va R建立在特定置信水平之上,那么一种最直观的联想就是,在某些情形下数值会落到图形之外。因此,检验Va R模型的一种最简单方法是考察失效率,即在给定样本中被超越的次数。给定一个T天的Va R图形,定义N为例外情况的数目,则N/T为失效率。对于给定的置信水平α,失效率应为1-α的无偏测量(即当样本量增大时失效率逐渐趋向于(1-α),且例外的个数应服从经典的贝努里试验,即例外个数服从B(T,p)二项分布。但是,关键问题在于,在有限样本下,N/T相对于p的偏离大小达到什么程度时,才可以认为是由模型失效而不是偶然因素所导致。基于这种思路,最经典的检验方法是Kupiec提出的似然比检验。对于B(T,p)而言,为检验原假设p=N/T(成立即表示模型失效不是由偶然因素导致)是否成立,Kupiec(1995)构造了似然统计量(3.1)。当原假设成立时,LRuc近似服从自由度为1的卡方分布。因此,给定显著性水平,即能根据LRuc的值判断是否拒绝原假设。
四、实例
为了通过投资组合的ΔVa Ri和CVa Ri分析组合总体市场风险的内在结构,探究组合的每一项资产及其相应调整、变化对组合整体风险的影响程度,选择中国联通、万科A、民生银行和中国石化构成一个投资组合,投入1 000万元人民币,且假设四只股票在投资组合中占比相同,即向每只股票投入250万。
1. 投资组合日收益率的正态性
首先,根据2007年6月至2007年11月共101个每日收盘价,根据计算每只股票的日收益率,其中,Pi,t为第i只股票第t个交易日的收盘价,为第i只股票第t个交易日的日收益率(i=1,2,3,4,t=1,2,,101)。其次,计算每只股票的日平均收益率方差σi2和标准差σi,以及方差协方差矩阵(表1、表2)。最后,根据计算投资组合的日平均收益率和标准差,分别为
表3中显著水平Sig>0.05,接受原假设,该投资组合日收益率服从正态分布。
2. 投资组合的Va R、边际Va R和成分Va R
投资组合日收益率服从正态分布,因此,在95%的置信水平下直接采用(2.1)、(2.2)和(2.3)计算组合的Va R、边际Va R和成分Va R(表4)。
表4表明:(1)通过组合投资可以分散风险组合的Va R为3.31%,远小于四只股票的Va R总和5.57%。(2)四只股票中边际Va R从大到小依次为中国石化(3.97%)、万科A(3.5%)、中国联通(3.11%)和民生银行(2.62%),即变化1单位的中国石化,组合风险值会变化0.0397单位;如果想减少1元的风险值,可以通过减少25.17(=1/3.97%)元的中国石化股票来实现。(3)四只股票中中石化的成分Va R最大,为0.99,如果删除它,能减少0.99单位组合的Va R值;其余依次为万科A(0.88)、中国联通(0.78)和民生银行(0.66)。(4)四只股票在投资组合中的风险比重由大到小依次为中国石化(30.08%)、万科A(26.51%)、中国联通(23.57%)和民生银行(19.84%)。
结论(2)、(3)和(4)表明,当投资者需要调整组合的风险或者调整资金头寸时,可以根据边际Va R和成分Va R的大小来调整投资组合。
3. 模型回测
为检验该Va R模型的精确度,采用投资组合2005年12月1日至2008年10月21日共700个交易日的收益率进行模型回测(不包括计算Va R的日收益率数据)。700个交易日中有28个交易日的日收益率绝对值大于3.31%,在95%的置信水平下,根据式(3.1)构造统计量:
因此,接受原假设(p=N/T),即该模型能够准确预测投资组合的Va R。因此,该投资组合的Va R模型较为准确,计算结果可用于分析组合的投资风险。
五、结论
许多学者关注Va R方法的理论及应用研究,但这些研究很少关注投资组合Va R的变量。当需要了解某一投资组合中各资产的Va R大小以及变动某一资产权重对投资组合的Va R将产生怎样的影响时,单纯的Va R无法提供充分信息,因而,Garman M(1997)提出成分Va R和边际Va R。
本文采用德尔塔正态法对Va R、边际Va R和成分Va R进行度量,使用假设检验法对模型精确性进行回测。选择深沪两市四只股票构建投资组合的研究结果表明:该投资组合的Va R模型较为准确;通过边际Va R和成分Va R,可以分析每只股票对投资组合Va R的边际贡献和总贡献,掌握组合总体市场风险的内在结构,探究组合的每一项资产及其相应调整、变化对组合整体风险的影响程度。因此,通过将投资组合的Va R分解为边际Va R和成分Va R,能提供更多风险信息,可以用于了解资产组合中每一项资产及其相应调整、变化对整体风险的影响,识别组合全部风险暴露中风险的主要来源,为风险管理者改进整体风险状况、评估投资机会、分析资产调整对组合的影响提供重要指导,有助于在瞬息万变的金融市场中更快更好地做出投资决策。
摘要：针对VaR的不足,Garman M.于1997年提出了成分VaR和边际VaR。采用德尔塔——正态法度量投资组合的VaR、边际VaR和成分VaR,使用假设检验法对模型进行回测的研究结果表明,该计算方法下的VaR模型有效,边际VaR和成分VaR能为资产管理者提供更多有关投资组合风险的信息。
VaR方法测量金融风险应用浅述 第5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.
基于VaR的投资组合综合风险研究 第6篇
我国股票市场是一个新兴的金融市场, 近十多年来上市股票数量不断增加, 交易规模也迅速扩张, 但我国的金融市场却很不完善, 缺乏有效的风险控制工具, 其发展历程也很不平稳, 市场多次大起大落, 使投资者面临着很大的市场风险。此外, 相对于成熟市场和许多其他新兴市场, 我国股票市场特别是A股市场虽有较高的换手率但很不稳定, 随时间波动性较大, 随大势现象严重。股市人气旺的时候大多数股票都有良好的流动性, 但大势交易清淡的时候整个市场都表现为流动性不足。从衡量流动性风险的买卖价差角度来看, 我国股票市场的买卖价差虽然表面上看相对成熟市场而言较小、流动性较好, 但报价深度却远小于成熟市场, 这就意味着进行大规模头寸交易将会对价格产生较大影响, 变现成本较大, 这对机构投资者影响更为明显。以上现象说明, 流动性风险是我国股票所面临风险的一个重要组成部分。对于主要投资于股票市场的投资组合而言, 信用风险和操作风险影响较小, 其面临的风险主要是市场风险和流动性风险。
一、研究回顾
在欧美等成熟的金融市场, 机构投资者特别是投资基金把投资组合的风险管理视为其核心竞争力。经过近40年的发展, 国外投资组合风险管理的理论和方法已比较完善, 其主要包括以下三种思路, (1) 一是Markowitz资产组合理论框架下的投资组合风险管理;二是建立在Black-Scholes模型上的通过衍生工具进行风险管理的理论及方法;三是J.P.Morgan针对市场风险计量技术的不足而提出的Va R方法, 以及以Va R方法为基础的其他拓展模型。本文对投资组合风险度量研究采用的方法以Va R模型为基础。
VaR的一般定义为: (2) 设XT (W) I表示投资一定数额的资产W后在某一时期[0, T]内的损失额 (也称负收益) , p是一个给定的概率, 称满足方程:
θ=θ (T, W, p) 为该资产 (组合) 在持有期[0, T]内置信度为1-p的Va R (风险值) , 记为Va R (T, W, p) 。由此可见, Va R反映了给定置信度下一定持有期内资产的最大预期损失。
20世纪90年代以来, 尤其是1998年长期资本管理公司 (LTCM) 的破产, 使得流动性风险在风险管理中的重要性越来越被众多监管机构和机构投资者认同。国际清算银行等权威金融机构也已经意识到对流动性风险加以研究的重要性, 并开始制定将市场风险和流动性风险进行合成的管理方法。
文献 (3) 把流动性分为外生的和内生的两个部分。外生流动性是由市场决定的, 这对每个市场参与者都相同, 不受个别交易者的行为所影响。外生流动性好的市场, 交易量大, 买卖价差小且稳定, 报价深度水平高。外生流动性差的市场则正好相反, 交易量小, 买卖价差大, 报价深度低。内生流动性与投资者所持有的头寸有关, 一般而言, 持有的头寸越大, 其内生流动性就越差。
到目前为止, 将市场风险与流动性风险合成的风险管理方法基本思路是 (1) , 在传统的Va R方法基础上, 通过不同的方式融合进流动性风险, 从而形成新的风险管理框架。按照研究方法的不同可以划分为两大类。
一类方法是基于资产头寸变现期限的市场风险和流动性风险合成的管理。这类方法都是将研究的重点集中于对能够将资产头寸变现的期限, 即资产出清的时间进行研究。这类方法将资产的流动性风险转化为市场风险进行度量。
文献 (4) 针对变现时间构造了一个反映流动性的指标, 即变现时间T:
上式中, 变现时间T等于日均换手率 (to) 的倒数、持仓量 (F) 和流通市值 (PF) 倒数的乘积, 其中换手率的倒数反映了一只股票在外流通的所有股份全部换手一次所需要的平均时间, 而持仓量 (以价值表示) 和流通市值的商反映了需要变现的股票占所有流通股份的比例, 这两者的乘积可以看成是变现所持有的股票需要的平均时间, 即变现时间。
另一类方法是基于买卖价差的市场风险和流动性风险合成的管理。这类方法将研究的重点放在交易的日内数据买卖价差 (bid-ask spreads) 上, 其主要有BDSS (Bangia, Diebold, Schuermann和Stroughair) 提出的模型 (3) , BDSS模型将买卖价差所反映的流动性风险直接纳入到传统的Va R计算公式中。将纳入买卖价差影响的Va R记为La Va R (liquidity adjusted Va R) , 即:
在La Va R模型中, 第一项是关于资产组合收益率的Va R, σ1是资产组合收益率分布标准差, α1是资产组合收益率分布的分位数;第二项是对加入的流动性风险的衡量, S代表相对买卖价差的平均值, 相对买卖价差的表达式为: (卖价-买价) /平均市场价, σ2是相对买卖价差分布的标准差, α2是相对买卖价差分布的分位数。
上式是建立在资产组合的分布服从正态分布的条件下, 但实际金融市场却具有“尖峰、厚尾”的特性, 为了反映这种情况, Bangia等在上式中引入反映资产组合收益峰度的量θ, 将上式调整为:
式中, θ=1+ψln (k/3) , k是资产组合收益分布的峰度, ψ是与概率值相关的常数。对于99%的置信度, ψ=0.4。
二、构建La Va Ren模型
流动性是证券的一个重要特性。市场流动性是指能够以较低的交易成本即时完成一定数量指令, 同时对市场价格影响较小或者价格有大的波动之后能够及时回复到原来水平的市场交易能力。一般从以下四个方面对流动性风险进行衡量 (5) : (1) 宽度 (width) , 是从价格方面入手, 最常见的是买卖价差, 即当买卖价差足够小时, 市场具有宽度, 否则缺乏宽度。 (2) 深度 (depth) , 是从数量方面入手, 反映某一价格水平可交易的数量。深度指标可以衡量市场的价格稳定程度, 即在深度较大的市场, 一定数量的交易对价格的冲击较小。 (3) 速度 (immediacy) , 是从交易的即时性上入手。即投资者若决定买卖证券, 可以立刻得到满足。 (4) 弹性 (resiliency) , 是从稳定性上入手。弹性较好的市场, 较大数量的交易可在较短时间得到执行, 造成的价格较大变化能够立刻返回到均衡水平。
我国股票市场是指令驱动的交易机制, 一般情况下都可以在适当的价位使买卖证券成交, 从而“速度”无法有效度量我国股市的流动性风险。“弹性”主要借助交易的数量和价格的变化来度量买卖证券对市场稳定性的影响。对上述四个衡量角度进行归纳, 本文认为通过价格和数量两个角度能够比较完善地度量流动性风险。
对于内生流动性风险, 借鉴文献 (4) 的思想, 在其变现时间T的定义中, 用W表示日交易量, 则to=W/PF, 变现时间T可变换为:
该式将变现时间T表示为持仓量F与日交易量W的比值, 具有比较明确的经济涵义, 即持仓量被市场平稳吸纳所需要的平均时间, 比较直观地描述了对内生流动性风险的衡量。此处以日交易量W来反映市场吸纳持仓量的能力, 变现时间T能较好地表征内生流动性风险。
对于外生流动性风险, 常见的指标主要有:成交量、流通市值、换手率、日内数据的买卖价差、每笔成交股数等。上述内生流动性风险的度量考虑了日成交量的影响, 但这还不能充分描述外生流动性风险的影响。在BDSS模型中, 是用相对买卖价差来表征流动性风险的, 但由于日内买卖价差数据难以获得, 而且日内数据对投资基金等机构投资者的流动性风险管理意义不大, 因此, 本文选用每日价格波动幅度来度量投资组合的外生流动性风险:
假设以一个交易日为一个计算周期, PH、PL、PC分别为交易日内股票的最高价、最低价和收盘价, 此指标从价格角度全面度量了证券全天内的外生流动性风险状况。
文献 (1) 经过实证比较, 认为经换手率调整后的V是较好的流动性度量指标, 但本文对内生流动性风险度量的变现时间T中已内含了换手率的影响, 因此, 本文在外生流动性风险的度量中就不再考虑换手率。
在LaVaR模型中, 考虑了外生流动性风险, 但却没有对内生流动性风险进行分析。本文在LaVaR模型的基础上, 用新的流动性指标V做替换, 并通过变现时间T引入内生流动性风险的度量, 得到修正的包含内生流动性风险和外生流动性风险的综合风险度量模型, 记为:LaVaRen:
其中V由 (6) 式确定。
三、实证分析
本文随机选取一个偏股型的中等规模开放式基金易方达积极成长基金 (6) 进行实证研究, 因为我国的开放式基金发展历史相对较短, 每个季度公布一次投资组合情况, 并且只公布前十名股票的详细情况, 投资组合在季度内的变动情况也无法得知, 就只能根据这些股票样本信息进行分析。本文以易方达积极成长基金在2007年底的投资组合作为具体研究对象。
截取投资组合内各股票自2007年3月23日到2008年4月18日共262组行情数据作为研究样本。因股票“特变电工”在研究期内长期停盘, 予以剔除。以下对其余9种股票构成的投资组合进行分析, 各股票所占比例做相应的调整。
数据来源:日内收盘价PC、日内最高价PH、日内最低价PL、日内交易量W、每日流通股数均来自大智慧行情软件。考虑到红利分配、增发股、配股等因素的影响, 本文对数据均进行了向前复权处理, 并对期间少数的缺失数据通过线性插值进行补足。
经计算, 投资组合收益率分布的峰度和偏度分别为2.9536、-0.269, 比较接近正态分布的情况, 用收益率正态分布假设计算投资组合Va R的稳健性在一定程度上得到满足, 从而可将峰度调整值θ视为1。投资组合收益率极端变化与外生流动性指标V极端变化的相关系数为ρ (r, V) =0.9307, 非常接近1, 相关性很强, 这说明使用La Va R模型的条件得到满足。
使用Matlab软件计算了模型的相关数值, 所有Va R计算都选用90%的置信度, 其中Va R不含流动性风险, La Va R仅含外生流动性风险, La Va Ren含内、外生流动性风险。
在实际损失的计量中, 由于要考虑内生流动性风险的影响, 本文对实际损失值的计量是通过对市场波动引起的损失加上一个扩张系数而得, 具体计算方法是:
扩张系数之所以为 是因为若对持仓量进行交易就会对市场价格产生一定的冲击, 但这种冲击不会与市场上已交易量产生的影响有相同的程度。本文假设持仓量交易所产生的价格冲击力度平均下来是已交易量影响的一半, 这种假设能够较合理地近似可能的损失状况。
由Matlab计算结果得知, 研究期内传统VaR被刺穿47次, 仅含外生流动性风险的LaVaR被刺穿16次, 含内、外生流动性风险的LaVaRen被刺穿20次。
在文献 (7) 的基于失效率的模型验证部分, Kupiec确定了95%非拒绝试验置信区间。其中, 当Va R置信水平为90%, T为255天时, 非拒绝区间为 (16, 36) 。上面的实证中T为262天, 非拒绝区间相应调整为[17, 36]。
Va R过多次被实际损失额所刺穿, 说明不包含流动性风险的VaR模型不能规避投资组合较大的波动, 流动性风险是投资组合不可忽略的重要风险。由式 (4) 知, 仅含外生流动性风险的LaVaR实际上默认变现时间为1天, 当实际变现时间小于1天, 则LaVaR高估风险;当实际变现时间大于1天, 则LaVaR低估风险。在本实证的投资组合中, 大多情况下变现时间小于1天, 经计算LaVaR均值为3.84 (亿元) , LaVaRen均值为3.66 (亿元) , 总体上LaVaRen小于LaVaR, 而且LaVaR有16次被刺穿, 小于非拒绝区间的下限17, 也印证LaVaR高估了风险。LaVaRen的刺穿次数在非拒绝区间之内, 其比较准确地度量了投资组合的综合风险。
四、结论
投资组合面临着各种各样的风险, 对于主要投资于股票市场的投资组合, 市场风险和流动性风险是其面临的两大主要风险, 单纯考虑市场风险而忽略流动性风险, 将严重低估投资组合所面临的真实风险。本文在建立反映外生流动性风险指标的基础上, 通过合并考虑内生流动性风险, 从一个新角度建立了综合度量市场风险和内、外生流动性风险的La Va Ren模型。
研究表明:投资组合的收益率分布近似服从正态分布, 仅仅考虑市场风险的Va R模型大幅低估了风险, 考虑流动性风险的LaVaR模型和LaVaRen模型能较好度量投资组合所面临的综合风险, 其中LaVaRen比LaVaR能准确地度量投资组合的内生流动性风险, 在综合风险度量上更具有准确性。利用本文所建立的综合风险度量模型, 机构投资者可以对投资组合进行风险预算, 根据LaVaRen值的变动情况可以对组合的仓位进行动态调整, 使投资组合的损失保持在限额之内, 进而对投资组合的风险进行更加有效的管理。
最后, 本文也存在一些不足之处, 比如, 可以用其他较复杂的分布来更准确地拟合投资组合收益率的分布情况, 对时间序列数据的波动率时变性进行GARCH模型处理等, 这些问题将在笔者进一步的研究中予以讨论。
参考文献
①胡经生, 王荣, 丁成.VaR方法及其拓展模型在投资组合风险管理中的应用研究.数量经济技术经济研究, 2005 (5)
②阎春宁.风险管理学.上海大学出版社, 2002
③Anil Bangia, Francis X.Diebold, Til Schuermann, John D.Stroughair:Modeling liquidity risk, with implications for traditional market risk measurement and management.Workingpaper, the Wharton School-Univers ity Pennsylvania
④宋逢明, 谭慧.VaR模型中流动性风险的度量.数量经济技术经济研究, 2004 (6)
⑤帅晋瑶, 陈晓剑.开放式基金流动性指标研究.运筹与管理, 2006 (6)
⑥易方达积极成长基金详情网址:http://www.efunds.com.cn/viewid=27&fundcode=110005&tab=cominvest&newend-date=2007-12-31
基于VaR思想的应收账款管理研究 第7篇
应收账款是指企业在销售商品、产品或者提供劳务的过程中形成的债权。应收账款的成因比较复杂, 既有外部因素又有内部因素。内部因素一方面是企业信用管理体系不完善, 由于目前我国大部分企业的自身的采购方信用评价体系不完善, 信用评估能力弱、没有建立统一的资信管理程序和制度, 很多授信均是企业主观决策控制, 缺乏客观依据。另一方面是领导层重视不够, 不少企业只关注销售量而忽视应收账款的管理, 为了鼓励多销售只将销售额与业绩挂钩, 未将应收账款纳入考核体系。因为在一些管理人员的观念中, 应收账款是财务方面的事情。如此一来就使得业务与实务脱节, 财务部门与业务部门不能及时核对处理应收款项。外部因素主要是一些地方商业信用及服务体系还不甚发达, 商业信用、法律意识淡薄, 商业违约成本远小于商业诚信成本。另外, 应收账款的代理服务机制也发展缓慢, 应收账款回收基本上完全由企业自身承担, 管理风险较大。应收账款无形中占用了企业的营运资金, 大量的应收账款“虚增”了企业的有效净资产, 不仅不利于企业的快速周转, 还增加了管理成本和机会成本, 给企业的经营管理方面带来了一定的困难。有效进行应收账款管理, 是衡量企业资产质量的重要标志, 也从侧面反映了企业的实际经营管理能力。研究应收账款的管理方法并运用于实际, 对企业的运营大有裨益。
二、当前应收账款管理研究的局限性
当前对应收账款管理的研究主要是拓展传统的管理手段, 试图从增强信用评估、完善合同管理、丰富激励手段等方面探索管理应收账款的有效办法。但是这些研究以静态的制度约束为主, 缺乏动态的数据基础, 造成在实际操作时往往可能还需要依靠相关决策人员的主观经验判断, 一定程度上影响了应收账款的管理效果。因为从其成因上分析, 应收账款管理是一项基于客观环境的、动态的、持续性的管理活动, 它与企业经营者的风险偏好程度、信用期间设置、销售时点、采购方企业违约概率密切相关。所以从某种程度上说, 应收账款管理实质上也是一种风险管理, 因此可尝试借鉴量化风险Va R方法 (Value at Risk) 的思想来探索应收账款管理策略。
三、基于Va R思想的应收账款管理模型
要建立基于Va R思想的应收账款的管理模型, 就要深刻理解如下三个核心系数:
1.持有期长短/应收账款的动态机会成本
Va R模型的持有期即确定计算在哪一段时间内持有资产的最大损失值, 持有期的选择应依据所持有资产的特点来确定。类似地, 应收账款持有期, 就是要确定计算企业在哪一段时间内持有应收账款的最大损失值。企业应收账款的持有风险不是一成不变的, 这是因为应收账款可以看做是资金的机会成本, 其对企业的经营性现金流影响显著。按照日常管理习惯, 一般情况下可以月度为周期, 极端情况下可以日为周期, 在实际计算时, 其所对应的“收益P”可用应收账款的机会成本代替, 也即要计算应收账款的损失偏离其机会成本的程度。
2. 置信水平/管理层风险偏好选择
Va R模型中置信区间的选择在一定程度上反映了金融机构对风险的不同偏好。选择较大的置信水平意味着其对风险比较厌恶, 希望能得到把握性较大的预测结果, 希望模型对于极端事件的预测准确性较高。参考Va R模型, 企业也可以通过对置信区间的选择来反映其对应收账款的风险偏好程度。若企业选择较大的置信水平意味着其对应收账款风险的估计不希望考虑过多的不确定因素, 预测时希望能得到可靠性较高的结果。一般来说, 企业对应收账款的风险偏好与其成长阶段、管理水平、销售能力等密切相关, 在实际应用时, 要与采购方违约的风险等级相结合, 例如低风险的采购方发生应收损失的可能性和程度都较低, 不易产生交易纠纷。在对该类企业的应收账款进行量化评估时, 企业可能将其置信期间设置在95%以上, 即假设在持有该企业应收账款100天中, 只有5天的损失可能超过对应的最大损失值。
3. 信用观察期间/采购方资信情况评估
Va R模型的观察期间是对给定持有期限的回报的波动性和关联性考察的整体时间长度, 是整个数据选取的时间范围, 有时又称数据窗口。例如选择对某资产组合在未来6个月, 或是1年的观察期间内, 考察其每周回报率的波动性 (风险) 。借鉴到应收账款的管理, 就是要在某固定的会计期间内, 考虑采购方信用波动性, 即违约的风险, 也可进一步引申为对采购方的资信评估。即在某一固定的期间内, 连续观察、统计采购方的资信情况, 进行分析评估。采购方资信情况的评估量化应从数据采集和数据库系统的建设两大方面同步进行。资信数据采集是资信评估的基础, 可搜集的数据一般是采购方公司的资质、财务报告、与其他企业的交易诚信度、付款周期等。
数据来源方面, 首先企业自身要建立一套全面的交易台账, 该台账不仅要反映交易金额, 更要关注付款周期、支付习惯等;其次, 可尝试利用银行系统的信息优势, 因为银行拥有一套科学、合理的客户资信评价体系, 并且具有行业优势。企业可考虑与银行建立战略伙伴关系, 利用其信息资源完善自己的客户资信评价系统;再次, 可以利用中介、传播机构, 搜集采购方历史信息或与其他企业的交易经验。经过定期的数据观察、收集后, 通过历史与动态数据结合的方式, 利用各种定量定性的分析模型, 如在资质评分上可采用5C评估法, 财务评分上可采用报表数据加权评分法等, 对采购方进行综合测评, 然后对其划分风险等级。需要特别注意的是, 因为有数据窗口的选择 (月度/季度/年度) , 客户的风险等级不是一成不变, 而是要随着其企业的表现定期动态更新。
企业定义并归集相关数据后, 即可参照Va R的计算方法, 利用“历史模拟法”或“方差协方差”法来量化计算应收账款的风险。企业可根据量化结果, 对应收账款进行分类处理, 对采购方设定信用政策, 还可以尝试再融资的手段, 即通过支付一定的费用, 转让应收账款, 从而进一步规避风险, 快速的筹集企业急需的资金。
四、总结及展望
基于Va R思想的应收账款管理并不是完全生搬硬套金融业的Va R模型, 而是吸收了该模型的优点, 引入了风险控制、概率论的相关理念, 提示企业应该多方面、动态的从机会成本、风险偏好、信用评估三大方面全面认识和管理应收账款。同时, 经过量化的各指标也可以更清晰直观的反应应收账款可能的损失情况, 易为管理层理解接受, 也为以后的应收账款管理工作提供了历史依据。但是, 由于应收账款的成因比较复杂, 真正在未来实现基于Va R思想的应收账款管理, 还需要在优化改进企业内外部经营环境等方面做进一步努力。
1. 优化内部组织架构
基于Va R思想的应收账款管理是一项专业性、技术性和综合性较强的工作, 需特定的部门或组织, 需专业的人才配合才能完成。传统的企业组织结构, 一般是由财务部门管理应收账款工作, 反馈信息, 由业务部门进行采购方信用管理制定信用政策, 很显然这种割裂式、矩阵式的管理方法已不能适应基于Va R思想的应收账款管理。企业对采购方的信用管理需要专业人员大量的调查、分析和专业化的管理和控制, 对企业持有应收账款的机会成本等指标需要精确的计算, 所以企业有必要设置独立的风险管理职能部门。风险管理职能部门不仅负责企业的应收账款风险控制, 还应对整个企业的经营情况进行实时监控和反馈, 对风险提出及时预警。当前我国企业内部架构的主要形式大都是矩阵式管理, 普遍存在各部门沟通不畅的问题, 风险管理基本上都涉及到跨部门管理的问题, 如应收账款的管理就至少涉及到财务部和销售部两个部门。从重要性上来说公司风险管理的目标超过任何一个部门的管理目标, 为整体的目标和利益考虑, 有效地协调各部门的工作, 企业风险管理部门应直接由总经理或董事会直接领导协调。
2. 完善外部诚信机制
基于Va R思想的应收账款管理在采购方资信情况评估上需要大量的社会层面的数据源做支撑, 在置信区间上, 需要整个社会的诚信度作为参考, 所以完善外部诚信机制非常重要。完善外部诚信机制, 一方面政府职能部门要加强管理力度, 加快市场经济体制建设步伐, 严格落实职能分工, 维护市场的良好秩序。将企业诚信建设作为宣传管理的重点, 在社会上建立信用体系, 社会组织和机构也要营造良好的诚信氛围.对一些资质不高、信誉度低的企业进行适当的公布, 帮助企业合理的规避风险。监管部门要加大力度, 提高监管效能质量, 对一些经常受到企业投诉的单位部门要通过舆论、网络等形式.进行张榜公布, 另一方面, 社会舆论、律师事务所、会计师事务所等组织要做好第三方的监督管理工作, 促进信用体系的建立。
参考文献
[1]张涛, 郑小三.基于信用风险与ABC分类方法分析的应收账款研究[J].财会通讯, 2012 (30)
