对风险度量工具―var的重新审视

对风险度量工具―var的重新审视

ID:23030077

大小:59.50 KB

页数:10页

时间:2018-11-03

对风险度量工具―var的重新审视_第1页
对风险度量工具―var的重新审视_第2页
对风险度量工具―var的重新审视_第3页
对风险度量工具―var的重新审视_第4页
对风险度量工具―var的重新审视_第5页
资源描述:

《对风险度量工具―var的重新审视》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、对风险度量工具―VAR的重新审视由美国次级贷款危机引发的全球金融危机促使大家对本次金融危机深层动因进行反思,在金融风险管理领域,20世纪90年代以来被广泛应用于全球金融机构风险度量方法―VAR,受到了大家广泛质疑。在危机稍缓之际,本文结合最近相关文献,通过对VAR的审视与反思,指出VAR作为一种风险度量方法仍然有效。  一、前言  从发展过程看,金融风险度量的主流方法和工具主要包括,偏差率、价差率等简单计算方法;以均值--方差为主的波动性分析方法;度量市场溢价敏感性的基于CAPM模型的贝塔系数方法;度量下方风险(

2、doulation)、蒙特卡罗模拟(MonteCarloSimulation)、ARCH、RiskMetrics等等。其中,历史模拟和蒙特卡罗模拟属于非参数方法;RiskMetrics和ARCH属于参数方法。  RiskMetrics和ARCH方法的优点体现在可以完整刻画资产组合收益率的方差波动特征,但这两大模型假设收益率基于正态分布假定,波动性和相关性不变,而实证显示金融资产收益具有厚尾、非对称的特征。因此,使用这两种方法度量出的VAR有低估倾向,此外,当资产组合过于庞大,模型中的方差、协方差难以保持正定矩阵。

3、  历史模拟方法是利用历史数据去模拟资产组合的未来收益分布,给出一定置信度下的VAR估计。其优点是简便易行,不需要对资产组合价值变化的分布作特定假设,无需进行参数估计,避免了模型风险。但其假设资产组合收益率在特定窗口期间具有相同分布,这与现实市场中收益率的聚集性和持续性特征相悖,对超出历史数据样本外的极端情景难以度量,而且本方法需要长期大量的历史数据支持,这难以完全满足,因而,历史模拟方法度量VAR的准确性难以保证。  MonteCarlo模拟与历史模拟方法类似,区别在于MonteCarlo模拟是利用历史数据,基

4、于随机方法模拟出大量的不同情景下的资产组合收益数值,进而度量VAR。MonteCarlo模拟是全值估计,相对于历史模拟方法,其估算精度较高。不过MonteCarlo模拟计算量大,随机数中的群聚效应浪费了大量观测值,降低了模拟效率。    三、对VAR的质疑  对VAR的质疑从未间断,主要集中在以上优劣分析中的模型假设前提和运用过程的数据要求方面,如:假设数据呈现正态分布、各个时间间隔的组合收益独立同分布、模型依靠历史数据或是在此基础上模拟等等。其中,Artzner等学者从经济逻辑上对风险度量方法一致性公理的论述,

5、是对VAR模型提出质疑的典型代表。  Artzner等人(1997,1999)认为,设定一个实值随机变量集合V,风险度量是一个函数ρ:V→R,应满足以下几条公理:1)单调性(monotonous),对风险随机变量X,Y∈V,Y≥X⇒风险度量结果ρ(Y)≤ρ(X),其风险度量含义是如果一个资产组合优于另一个资产组合,则其投资风险也应相对较小;2)次可加性(sub-additive),对X,Y,X+Y∈V⇒ρ(X+Y)≤ρ(X)+ρ(Y),其风险度量含义是投资组合可以分散投资风险,这是资产组合

6、风险管理中最重要的公理;3)正齐次性(positivehomogeneity),X∈V,h>0,hX∈V⇒ρ(hX)=hρ(X),其风险风险度量含义是如果资产头寸规模太大,导致流动性缺乏,则风险测度也将受到影响,应该避免头寸规模导致的流动性风险;4)转移不变性(translationinVARiance),X∈V,a∈R⇒ρ(X+a)=ρ(X)�a,其风险度量含义是在资产组合中增加常量资产a,则组合风险在原来基础上相应减少了a。  Pflug等学者(2001)提出,VAR并不

7、满足次可加性,这与MarkoNicholasTableb(2008)在其《黑天鹅》中更是猛烈抨击VAR,认为VAR无法度量实际中的“厚尾”事件。    四、对其它风险度量方法的简评  这次金融危机使我们对VAR有了更深的认识,首先,VAR更加适用于度量正常市场波动而不是极端市场波动下的风险;其次,VAR对流动性风险度量不足。学者已经提出很多建议对VAR模型加以补充,包括CVAR和ES(ExpectedShortfall)、极值理论(EVT,ExtremeValueTheory)、利得损失差(GLS)等等,其中ES

8、,CVAR均满足风险度量的一致性要求;而利得损失差(GLS,Gain-LossSpread)方法(JavierExtrada,2008),被认为是一种直观的风险度量方法,比VAR能更好地将偏度和低端情况概率结合起来。实际上,由于样本数据区间、显著性水平等因素随着具体研究有所不同,各种风险度量模型都有优缺点,并无绝对优势,更多的是相互借鉴相互补充。  (一)条件在险价值与预

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。