《《精编》金融风险及其管理方法综述》由会员分享，可在线阅读，更多相关《《精编》金融风险及其管理方法综述（35页珍藏版）》请在金锄头文库上搜索。
1、 金融风险及其管理方法综述摘要：本文首先通过08年金融危机对现代金融风险的本质进行阐述，然后分别从市场风险，信用风险，操作风险，流动性风险四个主要方面进行介绍。市场风险中从波动率角度和VaR角度进行分析。第一，针对波动率方面的GARCH模型，利用08金融危机后的中国汇率变化进行实例验证；第二，介绍了利率敏感性缺口，久期，凸度，马克维茨的均值-方差模型，资本资产定价模型等定性及定量方法；第三，介绍了VaR方法的基本原理及其三个常用的计算方法：历史模拟法，蒙特卡洛模拟法和方差-协方差法。信用风险的衡量和管理中，首先介绍了信用风险的决定因素，然后阐述了信用分析技术的发展，最后着重介绍了我国商业银行的
2、信用管理现状和针对商业银行信用风险的管理方法内部评级法。 流动性风险的度量和管理中，主要介绍了银行金融机构的流动性管理指标和非银行业金融机构的交易流动性检测。对于操作风险，首先利用光大乌龙指来说明操作风险的严重性，然后简要介绍计算操作风险监管资本金的方法，分别为基本指标法，标准法和高级测量法。关键词： ABS GARCH VaR IRB 目录一、现代金融风险本质31.1 从资产抵押债券（ABS）角度介绍08年金融危机发生原理31.2 现代金融风险本质浅析3二 、市场风险42.1 波动率42.2 GARCH（1,1）模型汇率角度运用42.2.1 GARCH模型介绍42.2.2 汇率样本数据图52
3、.2.3 ARCH效应检验52.2.4 GARCH(1，1)模型82.2.5 汇率值预测112.3 VAR模型132.4 市场风险管理方法142.4.1 利率敏感性缺口管理142.4.2 一种定量管理的方法久期和曲率142.4.3 马柯维茨的均值一方差理论152.4.4 资本资产定价模型（CAPM）15三、信用风险163.1 信用分析技术的发展163.2 一些预防信用风险的方法163.3 内部评级法173.4 对我国商业银行信用风险的一些思考18四、流动性风险184.1 银行业流动性风险184.2 非银行业金融机构面临的流动性风险：主要是交易流动性风险18五、操作风险195.1操作风险介绍19
4、5.2 实例：光大乌龙指事件19参考文献：20附录：21一、现代金融风险本质1.1 从资产抵押债券（ABS）角度介绍08年金融危机发生原理债务抵押债券是一种特殊的资产抵押债券，其基础资产为固定收益债券。由于美国的银行在住房抵押贷款方面的审查不严格，或者说是刻意为之，导致产生了大量的次级债。银行为了缩短流动性期限，进行了资产证券化，将这些CDO分为不同的级别（分为高级，中间级和股权级）进行发行，而购买这些CDO的金融机构（大多数为SPV）对所得债券再次进行CDO分级，进行发行，从中获取利润，就这样一直到最后一家金融机构，由于大家都不相信自己会是“击鼓传花的最后一个”，所以当住房贷款违约时，银行和
5、最后一家持有CDO的金融机构就要承担巨大的损失，金融危机就这样发生了！次级按揭高级份额（75%）AAA中间份额（20%）BBB股权份额（5%）无级别高级份额（75%）AAA中间份额（20%）BBB股权份额（5%）简化的ABS CDO1.2 现代金融风险本质浅析次级债市场这样的“金融创新”活动，存在着积极和消极的两面性，如果过度地担心它的消极性，例如资金链断裂引起的流动性危机，那么，金融业的竞争活力就可能被过度的监管所抹杀；另一方面，过于乐观的强调它的积极性，把金融创新的风险机制看得过于简单化，同样可能因为出现扭曲的风险判断而不可避免的导致金融危机。此外，“消费者金融”时代给信贷市场的竞争方式和
6、监管模式带来了前所未有的挑战。残酷的竞争很容易迫使金融机构为不失良机而争相提供更新、更直接的让消费者受惠的金融服务。结果，随着金融创新活动的深化和金融业务的细分化，信息不对称问题变得愈来愈严重，潜在的风险也越来越难察觉。因为监管方式跟不上金融创新所带来的新风险，所以它积累到一定程度就很容易爆发像“次级债风波”那样的危机。二 、市场风险首先介绍市场风险。市场风险主要包括两方面的风险，分别是汇率风险和利率风险。由于中国的汇率并未完全放开，所以在中国，市场风险主要指利率风险。针对市场风险，可以从两个角度讨论，波分别为动率角度和VAR角度。2.1 波动率从第一个角度来看，主要包含历史波动率，隐含波动率
7、，ARCH, GARCH ,EWMA 等模型，本文主要介绍GARCH模型。历史波动率，简单的说就是利用前n期历史数据的方差来衡量现在和未来所面临的风险。隐含波动率。Black-Scholes期权定价公式表明期权价格是标的资产价格，执行价格，无风险利率，期权期限和标的资产在期限内波动率的函数。在这个公式中，每一时间段的波动率被假定为相同的，然而现实中的期权价格并不一定等于理论价格，很大程度上是由于实际上每一时间段的波动率不同导致。将实际中的欧式看涨期权价格代入公式中，反解出的波动率称为隐含波动率。因为看涨期权价格相对于波动率的偏导数为正，所以当隐含波动率大于给定波动率时，期权的实际价格大于该期权
8、的理论价格。ARCH是自回归条件异方差模型，GARCH是广义自回归条件异方差模型，EWMA是指数加权移动平均模型，这三种模型都主要用来计算变化的波动率。2.2 GARCH（1,1）模型汇率角度运用2.2.1 GARCH模型介绍自从Engle(1982)提出ARCH模型分析时间序列的异方差性以后，波勒斯列夫T.Bollerslev(1986)又提出了GARCH模型，GARCH模型是一个专门针对金融数据所量体订做的回归模型，除去和普通回归模型相同的之处，GARCH对误差的方差进行了进一步的建模。特别适用于波动性的分析和预测，这样的分析对投资者的决策能起到非常重要的指导性作用，其意义很多时候超过了对
9、数值本身的分析和预测。一般的GARCH模型可以表示为：其中ht为条件方差，ut为独立同分布的随机变量，ht与ut互相独立，ut为标准正态分布。（1）式称为条件均值方程；（3）式称为条件方差方程，说明时间序列条件方差的变化特征。为了适应收益率序列经验分布的尖峰厚尾特征，也可假设 服从其他分布，如Bollerslev (1987)假设收益率服从广义t-分布，Nelson(1991)提出的EGARCH模型采用了GED分布等。另外，许多实证研究表明收益率分布不但存在尖峰厚尾特性，而且收益率残差对收益率的影响还存在非对称性。当市场受到负冲击时，股价下跌，收益率的条件方差扩大，导致股价和收益率的波动性更大
10、；反之，股价上升时，波动性减小。股价下跌导致公司的股票价值下降，如果假设公司债务不变，则公司的财务杠杆上升，持有股票的风险提高。因此负冲击对条件方差的这种影响又被称作杠杆效应。由于GARCH模型中，正的和负的冲击对条件方差的影响是对称的，因此GARCH模型不能刻画收益率条件方差波动的非对称性。2.2.2 汇率样本数据图 本模型使用的数据为2008年01月02日到2013年末的工作日汇率值，将汇率记为变量Y。其中，将2008年01月02日到2011年12月30日的汇率值作为样本。（数据见附录）汇率样本数据图2.2.3 ARCH效应检验假设进行估计的基本形式为： （1）利用最小二乘法估计式（1），
11、 结果如下： Dependent Variable: YMethod: Least SquaresSample (adjusted): 1/03/2008 12/30/2011Included observations: 1042 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C0.0106650.0054231.9667400.0495Y(-1)0.9982700.0008061238.3590.0000R-squared0.999322Mean dependent var6.722339Adjusted R-sq
12、uared0.999322S.D. dependent var0.223433S.E. of regression0.005819Akaike info criterion-7.453319Sum squared resid0.035220Schwarz criterion-7.443820Log likelihood3885.179Hannan-Quinn criter.-7.449716F-statistic1533532.Durbin-Watson stat1.906649Prob(F-statistic)0.000000 （2） 对数似然值=3885.179 AIC=-7.453319
13、 SC=-7.443820AIC值和SC值均较小，对数似然值很大，意味着变量的滞后阶数是合适的。经过t检验，常数项和变量系数都是统计显著的。下图为该回归方程的残差图，可以注意到波动的“成群”现象：波动在一段较长的时间内非常小，在另一段较长的时间内非常大，说明误差项可能具有条件异方差性。因此，对式(2)进行条件异方差的ARCH LM检验，得到了在滞后阶数p=1时的ARCH LM 检验结果如下：此时的F统计量和Obs*R-squared统计量的P值均为0，所以拒绝原假设，说明式（2）的残差序列存在ARCH效应。Heteroskedasticity Test: ARCHF-statistic28.6
14、8054Prob. F(1,1039)0.0000Obs*R-squared27.96383Prob. Chi-Square(1)0.0000Test Equation:Dependent Variable: RESID2Method: Least SquaresSample (adjusted): 1/04/2008 12/30/2011Included observations: 1041 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C2.80E-052.48E-0611.257820.0000RESID2(-1)0.1619470.0302405.3554210.0000
