導(dǎo)語：證券投資組合風(fēng)險評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，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)，人們越來越注重對金融風(fēng)險的管控和防范。金融風(fēng)險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)營者的實際收益和預(yù)期收益發(fā)生偏差，受到損失。目前VaR風(fēng)險分析法已經(jīng)成為現(xiàn)代風(fēng)險量化管理中最重要的方法。

[關(guān)鍵詞]VaR；計算；風(fēng)險管理；價值模型簡介

VaR作為一種動態(tài)風(fēng)險管理方法，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)，對金融工具市場風(fēng)險進行測評。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)險預(yù)測性。將VaR引入中國保險資金運用的風(fēng)險管理中，選擇適合中國風(fēng)險環(huán)境的VaR模型，通過采用實證和規(guī)范分析相結(jié)合的研究方法，篩選一段時期的歷史數(shù)據(jù)，對中國保險資金運用進行實證分析，提出相關(guān)政策建議，以有效提高資金運用的穩(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的計算方法

1.1.1解析法例1：單個正態(tài)分布收益資產(chǎn)的VaR首先考慮只有一個風(fēng)險資產(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)險度量

對任意隨機損失X，風(fēng)險度量ρ(X)滿足下面四個性質(zhì)：平移不變:ρ(X+C)=ρ(X)+C--損失增加常數(shù)，風(fēng)險增加常數(shù)；次可加性:ρ(X+Y)≤ρ(X)+ρ(Y)--風(fēng)險要能對沖；正齊次性：--損失擴大，風(fēng)險擴大，但是否線性有異議；單調(diào)性：對X≤Y,ρ(X)<ρ(Y)--損失越大，風(fēng)險越大；稱ρ(X)為一致性風(fēng)險度量。

2.風(fēng)險管理中的應(yīng)用

主要包括如下幾個方面：風(fēng)險控制：VaR方法進行風(fēng)險控制，可以使每個交易員或交易單位都能確切地明了他們在進行有多大風(fēng)險的金融交易，并可以為每個交易單位設(shè)置VaR限額，以防止過度投機行為的出現(xiàn)[2]。業(yè)績評估：在金融投資中，公司出于穩(wěn)健經(jīng)營的需要，必須對交易員可能的過度投機行為進行限制。所以，有必要引入考慮風(fēng)險因素的業(yè)績評價指標(biāo)。估算風(fēng)險性資本：以VaR來估算投資者面臨市場風(fēng)險時所需的適量資本，風(fēng)險資本的要求是BIS對于金融監(jiān)管的基本要求。

3.VaR系列風(fēng)險價值模型簡介

在險價值（ValueatRisk），簡稱VaR模型，興起于上世紀(jì)90年代，JPMorgan將其發(fā)揚，創(chuàng)立了RiskMetrics系統(tǒng)。目前VaR模型已被廣泛運用于各金融機構(gòu)的市場風(fēng)險計量和管理[3]。VaR是指在某個置信區(qū)間下投資組合在未來某段時間的最大可能損失，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)。先舉例說明如何計算單個股票的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個交易日的日收益率變動區(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)，進而通過收益率的概率密度函數(shù)求得對應(yīng)置信區(qū)間的分位點。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%分位點的隨機變量值為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。在實際的風(fēng)險管理過程中，總規(guī)模限制是最常見的風(fēng)險控制指標(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)險遠遠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變動情況同樣的邏輯也適合債券投資組合，我們常用久期、凸性、基點價值等指標(biāo)衡量債券對利率變動的敏感性。VaR將敞口類指標(biāo)與概率統(tǒng)計相結(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。在實際的風(fēng)險管理操作中，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個月。VaR衡量的是市場正常波動下的尾部損失，即市場正常波動下的極端損失，它解釋的是市場正常波動下的最大可能損失，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、金融危機等重大變動。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行補充，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)險的補充指標(biāo)。在我看來這是因為大家對VaR的期望太高，很多人對VaR不滿意的地方主要在于兩點，一是建模準(zhǔn)確性問題，歷史模擬法計算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，因為幾乎不存在剛好符合正態(tài)分布的金融時間序列，且大部分序列都是厚尾的，因此低估了尾部風(fēng)險，這些的確都是VaR模型的缺點，但是大家都知道，所有建模都是錯誤的，但是有些模型是有用的，建模就是離不開假設(shè)。因為VaR度量的是市場正常波動下的極端損失，VaR只是大致性，而未必精確和精準(zhǔn)。它升級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，但是不易于理解。ES模型度量的是尾部平均損失，其波動范圍到底有多大，模型沒有提供解釋。另一方面，ES模型無法驗證其有效性，因此總地說來在實用性上ES模型并不如VaR模型。而未來真地會有絕對精確和精準(zhǔn)的方法嗎？這恐怕很難。在金融危機等極端情形下，整個金融系統(tǒng)的系統(tǒng)性風(fēng)險很容易將自己擊潰，而這種極端事件發(fā)生的可能性微乎其微，所以我們在日常經(jīng)營中無須時常采取準(zhǔn)備措施預(yù)防這種系統(tǒng)性風(fēng)險，不然只會造成資本資源的浪費。因此，不管是VaR模型，還是其他風(fēng)險計量指標(biāo)，都只是風(fēng)險管理的一方面，它們始終代替不了經(jīng)驗、判斷，在面臨可能到來的系統(tǒng)性風(fēng)險等極端情形時，經(jīng)驗和判斷可以讓我們提前消除風(fēng)險，這才是最有效的風(fēng)險管理。正態(tài)分布由于其計算的方便性已經(jīng)被廣泛應(yīng)用于金融時間序列分析，雖然它不是擬合金融時間序列的最佳分布。金融時間序列常表現(xiàn)出尖峰厚尾性，因此實務(wù)中也會對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，t分布就趨近于正態(tài)分布。廣義誤差分布與t分布類似，也能更好地擬合尖峰厚尾特征，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)險性也加劇了不少，這樣使得金融風(fēng)險的管理越來越引起人們的重視，本文設(shè)計了一套基于var證券組合風(fēng)險評估及管理體系，該方法不僅可以讓我們?nèi)娴亓私獾酵顿Y風(fēng)險，還可以幫助我們更好地進行風(fēng)險管理，改善投資組合的風(fēng)險收益特征。

【參考文獻】

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

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

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

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