第十一章 在险价值

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,11.1,在险价值的定义,11.1.1,在险价值的定义,11.1.2,选择合适的,VaR,参数,11.1.3,VaR,的使用,11.2,单一资产的在险价值计算,11.2.1,波动率换算,11.2.2,单个资产在险价值（,VaR,）的计算,11.3,投资组合的在险价值计算,11.3.1,线性模型,11.3.2,线性模型的适用范围,11.4,衍生工具的在险价值,11.4.1 Delta,近似,11.4.2 Delta-Gamma,近似,11.4.3,二次方程模型,11.4.4,估计模型的运用,11.4.5,固定收益投资组合,11.5,蒙特卡罗模拟,11.6,历史模拟,11.7,压力测试和回溯测试,11.7.1,压力测试,11.7. 2,回溯测试,11.8,风险度量术（,RiskMetrics,）,11.8.1,风险度量术对参数的计算,11.8.2,资产流映射,掌握,了解,了解,掌握,掌握,掌握,了解,掌握,掌握,了解,了解,掌握,掌握,了解,了解,掌握,掌握,在险价值,（,VaR,）,是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。,通俗地说,，,VaR,是要在给定的置信度（典型的置信度为,95,、,97.5,、,99,等等）下衡量给定的资产或负债（即投资组合）在一段给定的时间内（针对交易活动的时间可能选取为一天，而针对投资组合管理的时间则可能选取为一个月）可能发生的最大（价值）损失。,VaR,是对可能实现的价值损失的一种估计,而不只是一种“账面”损失估计。,例：,假设一个基金经理希望在接下来的,10,天时间内,，,以,95%,概率保证其所管理的基金价值损失不超过,$1,000,000,。则我们可以将其写作：,其中,为投资组合价值的变动。用符合表示：,其中,为置信度，在上述的例子中是,95%,。,VaR,询问的问题是,：,我们有,X%,的信心在接下来的,T,个交易日中损失程度将不会超过多大的,要使用,VaR,就必须选择定义中的两个参数,时间长度,T,和置信度,X%,。,时间长度,在选择合适的时间长度参数时必须考虑下列三个主要因素：,1,、新交易发生的频率。,2,、收集市场风险数据的频率。,3,、对风险头寸套期保值（对冲）的频率。,在金融机构中，内部,VaR,的计算最常选用,1,天的时间期限。国际清算银行规定的作为计算银行监管资本的,VaR,的时间期限为,10,天。,置信度,X%,在计算,VaR,中通常使用的置信度是,95,、,97.5,或,99,。如果我们选用的是,95,，如图,11.1,所示（横轴表示投资组合价值变化范围，而纵轴表示变化发生的概率），就是要在图中找到如向下箭头表示的位置，该位置使得价值变化的,95,落在右边而,5,落在左边，这个位置上的横轴数值就是,VaR,的值。,大多数金融机构在内部风险管理中选用,95,至,99,之间的某一置信度；而国际清算银行对监管资本计算所规定的置信度为,99,。,VaR,的特点,1,、它用一个单一的数字捕捉住了风险的,一个重要方面；,2,、它容易理解；,3,、它询问简单的问题：“情况究竟有多糟糕”,?,VaR,的,应用,1,、被动式地应用：信息报告。,2,、防御式地应用：控制风险。,3,、积极式地应用：管理风险。,VaR,的,应用,机构,1,、金融机构,2,、监管机构,3,、非金融机构,4,、机构投资者, 注意的问题,1,、,VaR,不是万能的，它主要针对的是金融市场风险。,2,、,VaR,是在假定正态分布的市场环境中计算出来的，这意味着不考虑像市场崩盘这类极端的市场条件。因此，,VaR,度量的是机构日常经营期间预期能够发生的情况。,3,、,VaR,的计算至少需要下列数据：投资组合中所有资产的现价和波动率以及它们相互之间的相关关系。通常，假定投资组合构成的变动是随机的并服从正态分布。,在期权定价中我们将波动率表示成年波动率,，在计算,VaR,中，我们将波动率表达成日波动率,或周波动率,。它们之间的关系是：,假设我们持有某一股票，其价值为,S,，年波动率为,。我们想要知道在接下来一个星期内具有,99%,确定性的最大可能损失是多少。假定股票收益率是正态分布的。由于时间期限非常短,我们可以合理地假定均值为零。,我们必须计算出对应,1%=(100-99)%,分布最左边的尾部位置,。,，,其中,为标准正态分布的累计函数,。,设,为,的逆函数,，则,，我们得到,99%,置信度对应于均值的,2.33,个标准差,。既然,我们持有价值为,S,的股票，,VaR,被确定为：,如果时间期限是,T,（以天为单位），而要求的置信度是,X,，我们有：,其中,为单位股票日收益率在险价值,(,DEaR,）；,为股票收益率的日波动率（标准差）。,在,(11.2),中我们假定股票的收益率具有均值为零的正态分布。零均值的假定对很短时间期限是有效的，但对于较长的时间期限，收益率以时间的比例量向右移。对于较长的时间度量，表达式,(11.2),应该考虑对资产价值的漂移加以修正。如果这个漂移率为,，那么,(11.2),式变成：,我们采用的是实际漂移率，而不是风险中性下的漂移率。, 设投资组合由,M,个资产组成。第,i,个资产的价值为，波动率是，而第,i,个资产和第,j,个资产之间的相关系数是,(,其中,=1),。因此，该投资组合价值一天的变动为：,其中为第,i,个资产一天的价值变动率，而为常数。,根据统计学的标准结论，投资组合的方差为：,投资组合的,VaR,是：,（,11.5,）,（,11.,6,）,1,、股票的投资组合；,2,、债券的投资组合；,3,、外汇的投资组合；,4,、商品实物的投资组合；,5,、外汇远期合约的投资组合；,6,、利率互换和货币互换的投资合；,7,、由上述工具共同构成的投资组合。,对远期和互换这两种情况该如何理解？,考虑一个由单一的标的证券,S,的衍生证券组成的投资组合,，,其中,f,是期权的价值，,S,是基本标的证券的价值。,令：，,近似地，我们有：,对于存在着多个基本标的市场变量时，类似地有,其中,。,对于基本标的证券价格的微小移动,，,D,elta,近似值是令人满意的。而对于较大的变动，更高阶的近似可以达到更好的效果，这就要将,Gamma,效应或凸性效应结合进去。,假如我们的投资组合由一个股票的期权组成。基本标的证券价格的变动与期权价值变动之间的关系是：,由于我们假定,其中取自一个标准正态分布。这样我们有,它可写作：,对于一阶项，期权的随机价值只是基本标的证券价值的一种简单比例关系。对于二阶项，由于,S,的确定性漂移率和期权的,Theta,，存在一个确定性的漂移率。然而，更重要的是,Gamma,效应引入了一项，使 的随机成分是非线性的。,从图,11.5,中我们可以看到用,Delta/Gamma,近似得到的分布远非一个正态分布。,图,11.5,期权,Delta,近似分布、期权,Delta/Gamma,近似分布与标的证券分布的对照,由于表达式,(11.7),是的一个二次方程，必须满足下列约束条件：,在下面的情况下达到极端值：,一个明显的结论是正的,Gamma,对一个投资组合是好的，而负的,Gamma,是不好的。具有一个正的,Gamma,下侧是有限的，但是具有一个负的,Gamma,则上侧是有限的。,或,考虑一个基于单个资产的期权组合，设该资产价格为,S,，投资组合的,Delt,为，,Gamma,为。对投资组合价值变化运用,Taylor,展开式，我们有：,设：,公式可表示成：,将上式扩展到包括,M,个市场变量的投资组合的情况，则公式变成：,其中是第,i,种市场变量的价值，和是第,i,种市场变量的,Delta,和,Gamma,值。设：,则公式（,11.9,）可表示成一种更一般的形式：,对待有关非线性证券问题的有效办法是对基本标的证券价格的随机行为采用模拟方法，然后运用估价公式或算法来推导整个投资组合变动的分布。,缺点,：,运算非常慢。,当资产或投资组合依赖于利率时，通常将每个工具的到期收益率视为是正态分布的变量。,价格与到期收益率变动之间的关系通过久期（和高阶凸性）联系在一起的。固定收益资产可以视为到期收益率的一种衍生证券。,VaR,的估计采用久期代替,Delta,（和凸性代替,Gamma,）的做法。,蒙特卡罗模拟是使用随机数产生收益率及,/,或资产价格的一个分布。,该技术也可应用在,VaR,中,:,使用取自正态分布的随机数来建立将来情景的一个分布。对于这些情景中的每一分布运用某种定价方法计算投资组合的价值（基本标的资产和其期权的价值），然后直接估计它的,VaR,。,以前面的公式（,11.10,）为例，我们假定投资组合价值变化与基本标的价格变化率之间存在（,11.10,）的关系。如果我们希望计算一天的,VaR,值，蒙特卡罗模拟的步骤为：,1,、利用当天市场各变量现值计算投资组合的价值。,2,、从的多变量正态概率分布中进行抽样。,3,、用抽样得到的值模拟计算下一日各市场变量的价值。,4,、利用这些模拟的市场变量价值，根据公式（,11.10,）就可计算得到的一个样本值。,5,、不断重复第二步到第四步，就能得到的模拟概率分布。,VaR,值就是这个,概率分布的一个合适的分位数。,历史模拟的步骤为：,1,、建立一个数年所有市场变量的日变动数据库。,2,、第一次模拟是假设每个市场变量的波动率与数据库覆盖时段的第一天的相应变量的波动率相同。,3,、第二次模拟则假设各市场变量的波动率与数据库覆盖时段的第二天相应变量的波动率相同。,4,、依此类推，每次模拟就可以计算出一个投资组合的样本值。,通过这种方式，我们创造了一个基于历史数据的将来可能情景的一个分布。通过这种做法我们确保能够抓住任何资产之间可能有的相关关系。,VaR,值同样可以通过找到合适的的概率分布中的分位数来得到。,优点,自然地将资产相互之间的任何相关关系以及资产价格变动的任何非正态性结合在其中，并精确地反映了市场的历史概率分布。,缺点,1,、无法抓住数据中的任何自相关性，然而，基本形式的蒙特卡罗模拟也同样无法做到这点。,2,、需要大量的历史数据，而这些数据对应的经济环境可能与目前的环境完全不同。,目的是通过对比市场数据和实际交易结果来检验市场风险度量的有效性，确认模型预测的准确性。,回溯测试是一个有用的评估市场风险测量和方法集合的有效工具。它包括对投资组合的事后检验、对单个市场模型的检验、对风险度量系统的检验以及测试风险和损益数据。其中最主要的是对风险度量和损益的对比分析，从而达到修正模型、改进方法、发现问题的目的,估计波动率,在,RiskMetrics,中,，,波动率是用方差的平方根来度量的，而方差是采用价格收益率平方的一种指数移动平均值。,其中,代表附加在过去波动率上的权重。通过下式，这种权重上的差异更容易被看到：,对于一天期限的波动率，,JP Morgan,选择的参数,为是,0.94,，而对于一个月期限的,为,0.97,。另一种可能是选择使得历史波动率的平方和隐含波动率的平方之间差异最小的,。,相关关系,使用指数加权估计资产,1,与资产,2,之间的协方差：,映射（,mapping,）：将非标准债券的本金和利息转换成标准债券的形式。,映射过程为：,1,、计算需映射资产的现值；,2,、将计算出现值的风险敞口映射到基础资产上，映射时要确保资产的现值和波动率保持不变。,例：,假设,5,年期的利率为,6%,而,7,年期的利率是,7%,，而我们将在,6.5,年时收到,$10,000,的现金流。,5,年期和,7,年期债券的日波动率分别是,0.50%,和,0.58%,。,在,5,年期的,6%,利率与,7,年期,7%,利率之间运用插值法得到,6.5,年期的利率为,6.75%,。,则,6.5,年期的,$10,000,现金流的现值是：,在,5,年期债券价格的波动率,0.5%,与,7,年期债券价格的波动率,0.58%,之间运用插值法得到,6.5,年期债券价格的波动率是,0.56%,。,将现值中的,a,分配给,5,年期的债券，,(1-a),的现值分配给,7,年期的债券。假如,5,年期的债券价格变动与,7,年期的债券价格变动之间的相关系数是,0.6,。,的选择必须,使方差相匹配：,因此,a =0.074,。,6.5,年期的,$10,000,现金流被替代成：,的,5,年期的债券和,的,7,年期的债券。,