導(dǎo)語：證券投資組合風(fēng)險(xiǎn)評(píng)估及管理體系研究一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

[摘要]伴隨著我國證券市場的不斷規(guī)范化發(fā)展和新金融工具的出現(xiàn)，人們?cè)絹碓阶⒅貙?duì)金融風(fēng)險(xiǎn)的管控和防范。金融風(fēng)險(xiǎn)是指在資金融通和貨幣資金經(jīng)營過程當(dāng)中，由于各種無法事先預(yù)料到的不確定因素帶來的影響，使資金經(jīng)營者的實(shí)際收益和預(yù)期收益發(fā)生偏差，受到損失。目前VaR風(fēng)險(xiǎn)分析法已經(jīng)成為現(xiàn)代風(fēng)險(xiǎn)量化管理中最重要的方法。

[關(guān)鍵詞]VaR；計(jì)算；風(fēng)險(xiǎn)管理；價(jià)值模型簡介

VaR作為一種動(dòng)態(tài)風(fēng)險(xiǎn)管理方法，興起于20世紀(jì)90年代中期，并被應(yīng)用于一些大型金融企業(yè)，對(duì)金融工具市場風(fēng)險(xiǎn)進(jìn)行測評(píng)。中國將VaR應(yīng)用在證券投資和銀行監(jiān)管中，發(fā)現(xiàn)其表現(xiàn)出較準(zhǔn)確的風(fēng)險(xiǎn)預(yù)測性。將VaR引入中國保險(xiǎn)資金運(yùn)用的風(fēng)險(xiǎn)管理中，選擇適合中國風(fēng)險(xiǎn)環(huán)境的VaR模型，通過采用實(shí)證和規(guī)范分析相結(jié)合的研究方法，篩選一段時(shí)期的歷史數(shù)據(jù)，對(duì)中國保險(xiǎn)資金運(yùn)用進(jìn)行實(shí)證分析，提出相關(guān)政策建議，以有效提高資金運(yùn)用的穩(wěn)健性，并保障收益性和可持續(xù)性。

1.VaR數(shù)學(xué)基礎(chǔ)

1.1VaR的計(jì)算方法

1.1.1解析法例1：單個(gè)正態(tài)分布收益資產(chǎn)的VaR首先考慮只有一個(gè)風(fēng)險(xiǎn)資產(chǎn)情形，那么w=1，并假設(shè)收益率r服從正態(tài)分布，即r～N2(µ,σ），仍然設(shè)損失為L=−wr=−r,從而使得VaR能夠滿足p{LVR}αα≤=α，亦即{}{r}{}rvrPLVRPVRPααααααµµασσ−++≤=−≤=≤=，可以得到VRZαααµσ+=,進(jìn)而VRZααα=−µ+σ。1.1.2歷史模擬法已經(jīng)發(fā)生過的事件中，我們可以提取多個(gè)損失構(gòu)成樣本，通過樣本分位數(shù)來近似總體分位數(shù)，也就是VaR。它的缺陷就是未來不一定是歷史的再現(xiàn)。

1.2一致性風(fēng)險(xiǎn)度量

對(duì)任意隨機(jī)損失X，風(fēng)險(xiǎn)度量ρ(X)滿足下面四個(gè)性質(zhì)：平移不變:ρ(X+C)=ρ(X)+C--損失增加常數(shù)，風(fēng)險(xiǎn)增加常數(shù)；次可加性:ρ(X+Y)≤ρ(X)+ρ(Y)--風(fēng)險(xiǎn)要能對(duì)沖；正齊次性：--損失擴(kuò)大，風(fēng)險(xiǎn)擴(kuò)大，但是否線性有異議；單調(diào)性：對(duì)X≤Y,ρ(X)<ρ(Y)--損失越大，風(fēng)險(xiǎn)越大；稱ρ(X)為一致性風(fēng)險(xiǎn)度量。

2.風(fēng)險(xiǎn)管理中的應(yīng)用

主要包括如下幾個(gè)方面：風(fēng)險(xiǎn)控制：VaR方法進(jìn)行風(fēng)險(xiǎn)控制，可以使每個(gè)交易員或交易單位都能確切地明了他們?cè)谶M(jìn)行有多大風(fēng)險(xiǎn)的金融交易，并可以為每個(gè)交易單位設(shè)置VaR限額，以防止過度投機(jī)行為的出現(xiàn)[2]。業(yè)績?cè)u(píng)估：在金融投資中，公司出于穩(wěn)健經(jīng)營的需要，必須對(duì)交易員可能的過度投機(jī)行為進(jìn)行限制。所以，有必要引入考慮風(fēng)險(xiǎn)因素的業(yè)績?cè)u(píng)價(jià)指標(biāo)。估算風(fēng)險(xiǎn)性資本：以VaR來估算投資者面臨市場風(fēng)險(xiǎn)時(shí)所需的適量資本，風(fēng)險(xiǎn)資本的要求是BIS對(duì)于金融監(jiān)管的基本要求。

3.VaR系列風(fēng)險(xiǎn)價(jià)值模型簡介

在險(xiǎn)價(jià)值（ValueatRisk），簡稱VaR模型，興起于上世紀(jì)90年代，JPMorgan將其發(fā)揚(yáng)，創(chuàng)立了RiskMetrics系統(tǒng)。目前VaR模型已被廣泛運(yùn)用于各金融機(jī)構(gòu)的市場風(fēng)險(xiǎn)計(jì)量和管理[3]。VaR是指在某個(gè)置信區(qū)間下投資組合在未來某段時(shí)間的最大可能損失，從數(shù)學(xué)上看它衡量的是投資組合損益分布的分位數(shù)，假設(shè)c是我們選擇的置信區(qū)間，則VaR對(duì)應(yīng)于損益分布的1-c下尾處。例如置信區(qū)間為95%，則VaR等于損益分布函數(shù)的5%處分位數(shù)。先舉例說明如何計(jì)算單個(gè)股票的VaR值，我們以上市公司西南證券為例，假設(shè)當(dāng)前我持有100萬市值的西南證券股票，那么明天我的投資組合最大虧損可能是多少。從圖1可以看出，西南證券在2019年下半年一共126個(gè)交易日的日收益率變動(dòng)區(qū)間在基本在-6%與6%之間，其收益率分布的柱形圖如圖2所示，我們?nèi)男〉酱笈帕械牡?%、大概在6/126的位置，得出該分位數(shù)的值為-2.35%，即今天100萬市值的西南證券明天95%的概率下最大虧損2.35萬。該2.35萬即為95%置信區(qū)間下的一天VaR值。舉例圖示如下：前面計(jì)算VaR的方法是通過股票歷史收益率數(shù)據(jù)求得其分位數(shù)，稱之為歷史模擬法。另一種計(jì)算VaR值得方法為參數(shù)法（也稱模型法），該方法不直接通過歷史收益率求得分位數(shù)，而是需要假設(shè)收益率的概率分布函數(shù)，進(jìn)而通過收益率的概率密度函數(shù)求得對(duì)應(yīng)置信區(qū)間的分位點(diǎn)。我們?nèi)匀灰怨善蔽髂献C券為例，如果我們假設(shè)西南證券日收益率的分布函數(shù)為均值0的正態(tài)分布，其標(biāo)準(zhǔn)差σ可以通過歷史數(shù)據(jù)求得結(jié)果為1.60%，而標(biāo)準(zhǔn)正態(tài)分布的5%分位點(diǎn)的隨機(jī)變量值為1.645，因此在正態(tài)分布假設(shè)下95%置信區(qū)間下的一天VaR值為1.645×0.016，即2.64%，約大于歷史模擬法的結(jié)果2.35%。相應(yīng)的，n天的VaR值為1.645×√n×σ。在實(shí)際的風(fēng)險(xiǎn)管理過程中，總規(guī)模限制是最常見的風(fēng)險(xiǎn)控制指標(biāo)，限制總規(guī)模一定程度上限制了組合的最大虧損，但無法衡量損失的概率問題。例如同樣的100萬市值的兩個(gè)投資組合，組合A持有100萬市值的西南證券股票，組合B持有100萬市值的星期六股票，星期六的損益分布圖如圖3所示。從VaR角度看，其VaR值為6.73%，持有股票星期六的風(fēng)險(xiǎn)遠(yuǎn)遠(yuǎn)大于持有同樣市值的西南證券，持有西南證券我有95%的概率最大虧損不超過2.64%，而持有星期六我只能保證95%的概率最大損失不超過6.73%。圖3星期六（002291）2019年下半年的日收盤價(jià)變動(dòng)情況同樣的邏輯也適合債券投資組合，我們常用久期、凸性、基點(diǎn)價(jià)值等指標(biāo)衡量債券對(duì)利率變動(dòng)的敏感性。VaR將敞口類指標(biāo)與概率統(tǒng)計(jì)相結(jié)合，給出了組合潛在損失的概率邊界，可以更加直觀地理解投資組合的可能損失情況。在實(shí)際的風(fēng)險(xiǎn)管理操作中，VaR天數(shù)的選擇較為主觀，但也不是隨意的：基于該類資產(chǎn)流動(dòng)性高，在一定規(guī)模下可以快速變現(xiàn)通常選擇較長期限的VaR值，如10天或者1個(gè)月。VaR衡量的是市場正常波動(dòng)下的尾部損失，即市場正常波動(dòng)下的極端損失，它解釋的是市場正常波動(dòng)下的最大可能損失，而不是市場極端情形下的損失。而算得上極端情形的應(yīng)該是戰(zhàn)爭、政治、金融危機(jī)等重大變動(dòng)。因此，VaR并沒有度量最壞情況下的損失，需要采取其他方法進(jìn)行補(bǔ)充，如壓力測試技術(shù)，壓力測試可以人為設(shè)置極端最壞情景，是VaR模型的不可或缺的度量極端風(fēng)險(xiǎn)的補(bǔ)充指標(biāo)。在我看來這是因?yàn)榇蠹覍?duì)VaR的期望太高，很多人對(duì)VaR不滿意的地方主要在于兩點(diǎn)，一是建模準(zhǔn)確性問題，歷史模擬法計(jì)算VaR太過依賴尾部數(shù)據(jù)，參數(shù)法下的正態(tài)分布假設(shè)不準(zhǔn)確，因?yàn)閹缀醪淮嬖趧偤梅险龖B(tài)分布的金融時(shí)間序列，且大部分序列都是厚尾的，因此低估了尾部風(fēng)險(xiǎn)，這些的確都是VaR模型的缺點(diǎn)，但是大家都知道，所有建模都是錯(cuò)誤的，但是有些模型是有用的，建模就是離不開假設(shè)。因?yàn)閂aR度量的是市場正常波動(dòng)下的極端損失，VaR只是大致性，而未必精確和精準(zhǔn)。它升級(jí)一下就是壓力測試以及預(yù)期損失模型（ES模型）。ES模型度量的是組合超過VaR值的平均損失，的確更能反映尾部風(fēng)險(xiǎn)，但是不易于理解。ES模型度量的是尾部平均損失，其波動(dòng)范圍到底有多大，模型沒有提供解釋。另一方面，ES模型無法驗(yàn)證其有效性，因此總地說來在實(shí)用性上ES模型并不如VaR模型。而未來真地會(huì)有絕對(duì)精確和精準(zhǔn)的方法嗎？這恐怕很難。在金融危機(jī)等極端情形下，整個(gè)金融系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)很容易將自己擊潰，而這種極端事件發(fā)生的可能性微乎其微，所以我們?cè)谌粘＝?jīng)營中無須時(shí)常采取準(zhǔn)備措施預(yù)防這種系統(tǒng)性風(fēng)險(xiǎn)，不然只會(huì)造成資本資源的浪費(fèi)。因此，不管是VaR模型，還是其他風(fēng)險(xiǎn)計(jì)量指標(biāo)，都只是風(fēng)險(xiǎn)管理的一方面，它們始終代替不了經(jīng)驗(yàn)、判斷，在面臨可能到來的系統(tǒng)性風(fēng)險(xiǎn)等極端情形時(shí)，經(jīng)驗(yàn)和判斷可以讓我們提前消除風(fēng)險(xiǎn)，這才是最有效的風(fēng)險(xiǎn)管理。正態(tài)分布由于其計(jì)算的方便性已經(jīng)被廣泛應(yīng)用于金融時(shí)間序列分析，雖然它不是擬合金融時(shí)間序列的最佳分布。金融時(shí)間序列常表現(xiàn)出尖峰厚尾性，因此實(shí)務(wù)中也會(huì)對(duì)金融序列做其他分布假設(shè)，最常用的有t分布以及廣義誤差分布（GED分布）。t分布的分布函數(shù)有一個(gè)自由度參數(shù)n，n越小則分布的厚尾性越好，而當(dāng)n越大時(shí)，t分布就趨近于正態(tài)分布。廣義誤差分布與t分布類似，也能更好地?cái)M合尖峰厚尾特征，正態(tài)分布就是廣義誤差分布的一種特殊情況。

4.結(jié)語

受經(jīng)濟(jì)全球化的影響，金融市場發(fā)生了基礎(chǔ)性和結(jié)構(gòu)性的變化，金融市場的風(fēng)險(xiǎn)性也加劇了不少，這樣使得金融風(fēng)險(xiǎn)的管理越來越引起人們的重視，本文設(shè)計(jì)了一套基于var證券組合風(fēng)險(xiǎn)評(píng)估及管理體系，該方法不僅可以讓我們?nèi)娴亓私獾酵顿Y風(fēng)險(xiǎn)，還可以幫助我們更好地進(jìn)行風(fēng)險(xiǎn)管理，改善投資組合的風(fēng)險(xiǎn)收益特征。

【參考文獻(xiàn)】

[1]楊可可.證券投資個(gè)股風(fēng)險(xiǎn)的VaR值測算分析[J].廣西質(zhì)量監(jiān)督導(dǎo)報(bào),2020(08):198-199.

[2]盧娜.商業(yè)銀行風(fēng)險(xiǎn)偏好管理框架探討.金融縱橫，2021(02)：70-75..

[3]周相儒.基于VaR的證券投資組合風(fēng)險(xiǎn)評(píng)估及管理體系.中國集體經(jīng)濟(jì)，2017(19)：40-42.

作者：崔耀元 劉勝林 單位：成都文理學(xué)院經(jīng)濟(jì)管理學(xué)院