證券投資組合風險評估及管理體系研究

導語：證券投資組合風險評估及管理體系研究一文來源于網友上傳，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，人們越來越注重對金融風險的管控和防范。金融風險是指在資金融通和貨幣資金經營過程當中，由于各種無法事先預料到的不確定因素帶來的影響，使資金經營者的實際收益和預期收益發(fā)生偏差，受到損失。目前VaR風險分析法已經成為現代風險量化管理中最重要的方法。

[關鍵詞]VaR；計算；風險管理；價值模型簡介

VaR作為一種動態(tài)風險管理方法，興起于20世紀90年代中期，并被應用于一些大型金融企業(yè)，對金融工具市場風險進行測評。中國將VaR應用在證券投資和銀行監(jiān)管中，發(fā)現其表現出較準確的風險預測性。將VaR引入中國保險資金運用的風險管理中，選擇適合中國風險環(huán)境的VaR模型，通過采用實證和規(guī)范分析相結合的研究方法，篩選一段時期的歷史數據，對中國保險資金運用進行實證分析，提出相關政策建議，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數學基礎

1.1VaR的計算方法

1.1.1解析法例1：單個正態(tài)分布收益資產的VaR首先考慮只有一個風險資產情形，那么w=1，并假設收益率r服從正態(tài)分布，即r～N2(µ,σ），仍然設損失為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歷史模擬法已經發(fā)生過的事件中，我們可以提取多個損失構成樣本，通過樣本分位數來近似總體分位數，也就是VaR。它的缺陷就是未來不一定是歷史的再現。

1.2一致性風險度量

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

2.風險管理中的應用

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

3.VaR系列風險價值模型簡介

在險價值（ValueatRisk），簡稱VaR模型，興起于上世紀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的市場風險計量和管理[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，從數學上看它衡量的是投資組合損益分布的分位數，假設c是我們選擇的置信區(qū)間，則VaR對應于損益分布的1-c下尾處。例如置信區(qū)間為95%，則VaR等于損益分布函數的5%處分位數。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，假設當前我持有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，我們去從小到大排列的第5%、大概在6/126的位置，得出該分位數的值為-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據求得其分位數，稱之為歷史模擬法。另一種計算VaR值得方法為參數法（也稱模型法），該方法不直接通過歷史收益率求得分位數，而是需要假設收益率的概率分布函數，進而通過收益率的概率密度函數求得對應置信區(qū)間的分位點。我們仍然以股票西南證券為例，如果我們假設西南證券日收益率的分布函數為均值0的正態(tài)分布，其標準差σ可以通過歷史數據求得結果為1.60%，而標準正態(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果2.35%。相應的，n天的VaR值為1.645×√n×σ。在實際的風險管理過程中，總規(guī)模限制是最常見的風險控制指標，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、基點價值等指標衡量債券對利率變動的敏感性。VaR將敞口類指標與概率統(tǒng)計相結合，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。在實際的風險管理操作中，VaR天數的選擇較為主觀，但也不是隨意的：基于該類資產流動性高，在一定規(guī)模下可以快速變現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，壓力測試可以人為設置極端最壞情景，是VaR模型的不可或缺的度量極端風險的補充指標。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，一是建模準確性問題，歷史模擬法計算VaR太過依賴尾部數據，參數法下的正態(tài)分布假設不準確，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。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。它升級一下就是壓力測試以及預期損失模型（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，所以我們在日常經營中無須時常采取準備措施預防這種系統(tǒng)性風險，不然只會造成資本資源的浪費。因此，不管是VaR模型，還是其他風險計量指標，都只是風險管理的一方面，它們始終代替不了經驗、判斷，在面臨可能到來的系統(tǒng)性風險等極端情形時，經驗和判斷可以讓我們提前消除風險，這才是最有效的風險管理。正態(tài)分布由于其計算的方便性已經被廣泛應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出尖峰厚尾性，因此實務中也會對金融序列做其他分布假設，最常用的有t分布以及廣義誤差分布（GED分布）。t分布的分布函數有一個自由度參數n，n越小則分布的厚尾性越好，而當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.結語

受經濟全球化的影響，金融市場發(fā)生了基礎性和結構性的變化，金融市場的風險性也加劇了不少，這樣使得金融風險的管理越來越引起人們的重視，本文設計了一套基于var證券組合風險評估及管理體系，該方法不僅可以讓我們全面地了解到投資風險，還可以幫助我們更好地進行風險管理，改善投資組合的風險收益特征。

【參考文獻】

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

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

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

作者：崔耀元 劉勝林 單位：成都文理學院經濟管理學院