《{企业风险管理}第九章市场风险管理2+VaR计算简化》由会员分享，可在线阅读，更多相关《{企业风险管理}第九章市场风险管理2+VaR计算简化（103页珍藏版）》请在金锄头文库上搜索。
1、2020/8/5,1,第九章-2 市场风险管理,风险价值的计算与建模,主要内容,风险价值的定义 风险价值的计算方法 方差-协方差法 解析法 蒙特卡洛法 历史数据模拟法 风险价值的分解计算,2020/8/5,2,风险价值的定义,2020/8/5,3,例子：欧元汇率,一个价值Vt (dollar) 的头寸， 天的VaR 指在未来 天，Vt以 的概率损失的最大值. 例如，你2011年11月4日购买10 million Euros. 如果1EU=1.3761 USD (USD/EU的汇率为：Mt = 1.3761）,美圆的头寸为： Vt = 10 Mil x Mt = $13.761 million.
2、 那么， 这个头寸的1% ，24 hours 的VaR 为$192048.52，其含义为，投资在欧元上的13.761 million美圆，在未来24小时，其最大损失为$ 192048.52 ，概率为1% 。也就是说，在未来24小时，其最大损失超过$ 192048.52的概率为1% 。,一、VaR的含义,假设欧元汇率的收益率服从正态分布，即： 这样，投资在欧元上的价值变化为： = $13.7610 mil 也服从正态分布。 根据 的分布密度，我们可以画出 的分布图(Figure 1 with a daily volatility =0.6% ) 1% VaR 是(负数)这样一个数据，即只有 1%
3、的概率使得我们资产的变化低于这个数值。,Area=1%,the VaR is 192048.52,例子：考虑前面欧元的例子。 组合价值的变化为： =$ 13.7610 mil 服从于均值为 ，标准差为 的正态分布。根据 的定义，可以计算分布密度为 的分位数为： 这个值即为一个分界点，即损失超过 发生的概率为 (1- ) 。,这样， ， 1 day Value at Risk 为： VaR = 负号表示VaR测量的是损失而不是收益。 将 代入，得： VaR=-(-2.326 * 13.7610 mil *1.3761*.006) =$ 192048.52,风险价值的方差-协方差计算法,单一资产风
4、险价值的方差-协方差计算 资产组合风险价值的方差-协方差计算 超额收益矩阵计算法 协方差计算公式 单因素映射计算 多因素映射计算,2020/8/5,9,单一资产的方差-协方差法,2020/8/5,10,在价格变化幅度服从正态分布情况下，均值VaR和零值VaR可以表示为：,2020/8/5,12,方差协方差法的估算流程,资产组合风险价值的计算：符号定义,为计算资产组合的VaR，我们定义： P0为初始投资额； R为计算期间的投资回报率，假设R的均值为，方差为2； Pt为期末资产组合的价值，Rt、Wt都是随机变量； c为置信水平。,2020/8/5,13,日绝对风险价值计算公式推导,2020/8/5
5、,14,把正态分布的收益率标准化为标准正态随机变量,2020/8/5,15,同理可得相对风险价值计算式：,2020/8/5,16,资产组合的方差协方差法,假定资产组合包括N种证券，各证券在t时刻末的投资回报率为Ri，各证券在资产组合中所占的比重为wi，则在t时刻资产组合的投资回报率为：,资产组合的风险价值计算公式,基本假设：资产组合中的所有证券的投资回报率满足正态分布，从而资产组合作为正态变量的线性组合也满足正态分布。,2020/8/5,17,2020/8/5,18,资产组合的收益率与方差计算,资产组合的收益期望值： 资产组合的方差：,2020/8/5,19,资产组合方差的矩阵计算法,如果设方
6、差-协方差矩阵表达式为：,2020/8/5,20,资产组合方差的矩阵计算式,投资组合比重矩阵为 则有：,2020/8/5,21,方差-协方差矩阵的计算方法,2020/8/5,22,主要有两类五种： 根据协方差的定义，利用超额收益矩阵计算； 根据相关系数的定义与计算公式，利用相关系数矩阵及标准差矩阵计算。,资产组合的收益率与方差计算,期权隐含参数法 利用单因素模型的简化计算 利用多因素模型的简化计算 三种常用的表示、计算方法：代数式、矩阵式、软件实现,2020/8/5,23,1、超额收益矩阵法,2020/8/5,24,设区间内有m 个交易日， 分别表示第 n只股票在第 m期的收益率，由定义可知：
7、,超额收益矩阵法,2020/8/5,25,记超额收益矩阵为 A，则：,方差-协方差矩阵的计算公式为：,2、相关系数与标准差相乘法,2020/8/5,26,由于任意两个资产之间的协方差为两只资产的标准差与它们之间相关系数的乘积，所以我们先计算出任何一种资产的标准差以及任意两个资产之间的相关系数，就可以计算出任意两个资产之间的协方差。设标准差矩阵、相关系数矩阵为：,相关系数与标准差相乘法,2020/8/5,27,计算公式为：,2020/8/5,28,3、期权隐含参数法,估算协方差矩阵的另一类方法是期权隐含参数法。 其基本原理是，基于期权包含大量的关于基础资产价格的风险，利用期权数据计算隐含标准差。
8、,4、单因素模型分析,单因素模型 基本方程 模型假设 模型定义 单一资产的期望收益率、标准差与协方差 投资组合的期望收益率、方差 单因素模型的组合收益结构推论,2020/8/5,29,4.1单因素模型分析,2020/8/5,30,单因素模型认为，当股市上涨或下跌时，大多数资产价格都会上涨或下跌。 这说明资产收益彼此相关、协同变动的原因就是对市场变动的共同反应。通过将资产收益与资产市场因素收益联系起来，就可以得到相关性指标。 如果使用市场收益作为解释因素的单因素模型就称作市场模型（Market Model）。市场模型是从资产收益和市场收益之间的线性关系开始的：,4.2 单因素模型,2020/8/
9、5,31,基本方程：,假设： （1）残差项 的期望值等于0； （2）资产因素收益与超额收益不相关； （3）资产只通过对市场的共同反应而相互关联,4.2 单因素模型,2020/8/5,32,模型定义资产收益残差、市场收益率的残差分别为：,2、推论1：单一资产的期望收益率、标准差与协方差分别是：,2020/8/5,33,推导：单一资产的期望收益率,2020/8/5,34,推导：单一资产的标准差,2020/8/5,35,推导：单一资产的协方差,2020/8/5,36,3、推论2： 投资组合的期望收益率与方差,2020/8/5,37,推导：投资组合的期望收益率,2020/8/5,38,推导：投资组合的
10、方差,2020/8/5,39,4.2 单因素模型的推论3：,2020/8/5,40,推导：组合的方差,2020/8/5,41,5、多因素模型,三个常用的多因素模型： 基本多指数模型 行业指数模型 三因素模型 单一资产的收益结构 资产组合的收益结构,2020/8/5,42,一般多因素模型,1、标准的多因素模型： 1.1 基本方程为： 1.2 模型定义： 1.2.1 资产的残差方差 1.2.2 因素的方差 1.3 模型构建： 1.3.1 零均值 1.3.2 解释变量不相关 1.3.3 非随机 1.3.4 残差不相关,2020/8/5,43,公式为：,正交转换,一般的多因素模型，必须将其中任何相关的
11、因素转化为不相关因素，得到上述多指数模型的标准表达式。,2020/8/5,44,多因素模型1：多因素模型,两类：统计要素模型；宏观要素模型 影响较为广泛的多因素模型： 基本多指数模型 行业指数模型 三因素模型,2020/8/5,45,基本多指数模型,基本多指数模型是一种将证券收益与宏观经济变量相联系的五因素模型。 伯梅斯特（E. Burmeister）和迈克若尔（M. McElroy）(1987)提出了建立在罗斯等人理论上的多指数模型。他们发现五个变量足以解释证券收益。这五个变量的具体定义如下：,2020/8/5,46,五个变量：,1、长期政府债券和长期公司债券收益的非预期差异 它们的收益差异
12、就是对违约风险的衡量 公司债券和政府债券在一个较长时期内的平均月差异是0.5% I1=0.5%+长期（20年）政府债券收益长期（20年）公司债务收益,2020/8/5,47,长期贴现率与短期贴现率的差异,贴现率的期限结构，即远期现金流量或近期现金流量将使用不同的贴现率。 I2=长期政府债券收益国库券未来每月收益,2020/8/5,48,非预期通货紧缩,由于一定程度上投资者关心真实的现金流量（通货膨胀调整后的现金流量）会根据实际的通货膨胀率调整贴现率，因而通货紧缩的非预期变化会影响到收益。 I3=月初预计的通货膨胀率月末的真实通货膨胀率,2020/8/5,49,公司销售量的增长率的非预期变化,公
13、司销售量的增长率的非预期变化是对其长期经济利润的非预期变化的衡量指标。 I4=月初预期的销售量的长期增长率月末预期的销售量的长期增长率,2020/8/5,50,标准普尔500指数的非预期收益,以上四个变量并未包含所有影响股价的宏观（及心理）因素，还存在市场本身的影响。伯梅斯特等人使用标准普尔500指数的非预期收益率衡量市场因素的变化，该变量与前四个变量均不相关。 为得到这个变量，他们用标准普尔指数对前四个变量作时间序列回归分析，得到如下结论：,2020/8/5,51,因此，第五个变量是任意一个月市场的超额收益与根据上面时间序列预测的超额收益的差：,2020/8/5,52,基本多指数模型的一般表
14、达式,2020/8/5,53,该模型描述了一个合理的收益产生过程。,让我们分析一下标准普尔500指数和前四个变量的关系。如前所示，前四个影响因素在标准普尔变化原因中约占25%。此外，每个变量的系数在5%的水平上具有统计显著性，并具有理论预期特征。,2020/8/5,54,理论预期特征,先看第一个变量，若I1很大，也就意味着市场要求的风险溢价小，股票收益也应较低，因此I1的系数应为负值。 第二个变量I2，若持有更长期限金融工具的溢价更高，市场要求的收益率和股票收益也就越高。因此I2的系数应为正值。 类似地，I3衡量的是通货紧缩，它应与股票收益的增长相联系，因此它应为正值。 第四个变量I4衡量的是
15、对销售量增长率预期的下降，若预期在一段时间内下降，股价会下降，期望收益率会提高，因此它应为负值。,2020/8/5,55,基本多因素模型的评价,基本多因素模型是证券分析中一种最为有用的模型，因为它既具有单指数模型的简单性，又有全方位分析风险的能力。 通过模型，不仅可以将风险和收益率分解为单个可分辨的成分，而且强调了市场是投资收益率及风险的决定性因素。,2020/8/5,56,多因素模型2：行业因素模型,2020/8/5,57,假定：（1）公司的收益仅受市场和几个行业的影响； （2）资产之间的相关性取决于市场效应和行业效应； （3）每个行业因素与市场无关，而且与其他行业因素也无关。 则有市场行业
16、因素模型：,行业因素模型表示的资产收益结构,2020/8/5,58,多因素模型3：三因素模型,1993年，法玛和法兰奇（French）提出了一个关于资产定价的三因素模型，通常简记为FF3。 该模型是对CAPM的拓展，是一种基本要素模型。,2020/8/5,59,他们的观点是：,市场经验证明小公司股票较大公司股票有着更大的风险，从而要求更高的风险报酬，因此公司的规模影响着股票的定价； 投资者普遍地存在投资偏好，这种偏好主要地可分为追逐价值型股票或是追逐增长型股票，这也是影响股票定价的一个重要因素。,2020/8/5,60,多因素模型3：三因素模型,FF3选择的因素，除了CAPM中的市场资产组合风险报酬这一因素之外，还增加了这两个影响股票定价的因素： 小公司股票的收益率减大公司股票收益率的值（以SMB表示）； 价
