[精品]風險價值模型研究

《[精品]風險價值模型研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、風險價值模型研究風險價值模型研究摘要：風險管理是銀行經(jīng)營管理的一項重要內(nèi)容。提高風險管理能力是我國金融業(yè)改革與發(fā)展的基本要求。這耍求不斷的學(xué)習先進的風險管理方法與理論。風險價值模型(Value-at-risk,簡稱VaR)是當前金融風險管理領(lǐng)域廣泛使用的工具。本文歸納了風險價值模型的應(yīng)用對象和存在的優(yōu)缺點并對此模型的各種改進方法進行了分析,并提出了風險價值理論進一步研究的方向。關(guān)鍵詞:風險價值模型VaR參數(shù)模型多尺度分析商業(yè)銀行的風險度量是商業(yè)銀行進行利率風險管理的基礎(chǔ)。從20世紀90年代開始，VaR(value-at-risk)模型［1,2］就被引入到金融風

2、險管理中，現(xiàn)已成為監(jiān)管當局和金融機構(gòu)廣泛采用的風險度量和管理工具之一。例如，《巴塞爾協(xié)議》(BaselAccord)、《歐盟資本充足率指令》(EUCapitalAdequacyDirective)等。當前，經(jīng)濟全球化不斷發(fā)展，商業(yè)銀彳亍面臨著更多的利率風險。我國不斷深入的金融改革不但給我國商業(yè)銀行帶來了活力，也相應(yīng)地帶來了巨大的利率風險。鑒于此模型具有廣泛的影響力及當前的研究需求，盡管徐元鉞［1］在2005年對VaR方法進行了很好的介紹，但近年來，VaR模型的研究依舊是金融業(yè)相關(guān)研究的一個熱點［3-6］,在CNKI數(shù)據(jù)庫中以“VaR模型”為主題詞，2005-2

3、013年共有4980個檢索結(jié)果。所以本文將介紹基本的VAR及其相關(guān)的最新改進。一、VaR簡介及作用二、VaR模型分析計算VaR的方法有很多。依參數(shù)設(shè)置角度可分為三大類［1,2］：(1)參數(shù)方法；(2)非參數(shù)方法；(3)半?yún)?shù)方法。這三類方法是當前研究的主流。并且隨著機器學(xué)習理論和信號處理技術(shù)的進一步發(fā)展，產(chǎn)生了結(jié)合神經(jīng)網(wǎng)絡(luò)方法和多尺度方法的新進展。下文將對上述方法給出詳細描述。(一)參數(shù)方法(二)非參數(shù)方法以GARCH族模型為代表參數(shù)方法在計算VaR時，需耍事先假設(shè)收益率的分布。但是很多場合下收益率的分布形式無法準確確定，因此在GARCH族模型中假設(shè)收益率服從

4、某個分布是不甚恰當?shù)?。而以歷史模擬法(Hs)和蒙特卡羅模擬(MC)法[7]為代表的非參數(shù)方法可以在一定程度上解決這個問題。歷史模擬法(Hs)以“歷史可以在未來重復(fù)自身”為假設(shè)，優(yōu)點在于它不要求有收益率分布的假定，只需要用分布函數(shù)來估計收益率的分布，因此就不需要估計特定分布的參數(shù)。缺點在于(1)計算結(jié)果的波動受過去數(shù)據(jù)的時段選擇很大影響；(2)獨立同分布的假定使得Ils無法解釋真實世界中常見的波動聚類現(xiàn)象。而蒙特卡羅(MC)方法是用計算機模擬出金融變量的未來特定期間內(nèi)隨機價格走勢，估算出投資組合的風險值，并以此來近似揭示該金融變量的市場特征。因此MC不需要大量的

5、數(shù)據(jù)。可以較好的處理非線性、非正態(tài)問題。缺點在于計算量巨大，而且隨著需要考慮的風險因了數(shù)的增加，模型變得越來越復(fù)雜。(三)半?yún)?shù)方法半?yún)?shù)方法的引入是因為傳統(tǒng)的參數(shù)和非參方法在數(shù)據(jù)點較多的區(qū)域可以比較準確的估計其分布形式，但是在數(shù)據(jù)稀少的尾部區(qū)域卻表現(xiàn)較差。半?yún)?shù)法主要有極值理論和條件口回歸VaR法兩種，其屮前者盡管有很多優(yōu)點，但是其專注于極端尾部收益率的分布，因此在較高概率水平如5%上的VaR預(yù)測反而表現(xiàn)不好。因此，Engle和Manganelli[2](2004)通過宜接對分位數(shù)進行回歸計，提出了條件自回歸VaR法，該方法的優(yōu)點在于可以直接通過回歸得到分位

6、數(shù)，而不需要對收益率的分布做出假設(shè)，也沒有正態(tài)或者獨立同分布的假設(shè)。(四)神經(jīng)網(wǎng)絡(luò)方法BP(BackPropagation)網(wǎng)絡(luò)是由Rumelhart和McCelland為首的科學(xué)家小組于1986年提出的。[7]BP網(wǎng)絡(luò)能學(xué)習和存貯大量的輸入-輸出映射關(guān)系，而無需事前定義描述這種映射關(guān)系的數(shù)學(xué)方程。理論上已經(jīng)證明一個三層BP網(wǎng)絡(luò)就可以完成任意的n維到m維的映射。(五)多尺度方法三、VaR模型的局限性本文第二部分對VaR方法分類進行了必要的介紹，其中分析了各類方法的特點及優(yōu)缺點。因此，盡管VaR在市場風險管理屮作為控制風險的必要程序起著不可估量的作用，但它應(yīng)當被

7、看作是而不是充分程序，更不能簡單地解決市場風險管理中的所有問題。VaR模型的主要局限性有：(-)只能度量一般性非正常事件的風險，不能度量罕見的杲常波動所導(dǎo)致的預(yù)期損失。事實上，由于數(shù)學(xué)風險模型不能精確地量化重大的金融事件，VaR模型只能增加可靠性，但不能提供保證，因此，對VaR的依靠也只能是有限的。因此使用VaR模型的同時需要經(jīng)濟基本面的分析和壓力測試(stresstesting)作為補充。[6](―)只能用于可交易的資產(chǎn)或負債，不能用于不可交易的資產(chǎn)或負債。(三)只能度量市場風險，不能度量信用風險和流動性風險等銀行面臨的其他風險類型。VaR模型沒有考慮流動性

8、風險。對于市場交易不活躍的工具來說，這