VAR模型金融风险管理论文范文

VAR模型金融风险管理论文范文第1篇

一、中国证券市场高频交易现状

伴随着全球金融市场的改革和迅速发展, 交易品种越来越丰富, 中国证券市场股指期货和期权不断地被推出, 吸引大量的投资者和金融机构的关注, 交易量迅猛增长, 为市场提供了系统性风险管理的工具, 同时也推动了证券市场的不断完善。中国金融市场已初具规模, 随着股指期货市场的开始, 异于股票市场的交易制度使得高频交易也崭露头角。一直以来国内的股票市场都实行的是T+1交易、单向交易、10%的涨跌停板机制, 并且长时间以来股指类衍生品市场也只有在2010年4月16日推出的沪深300股指期货一个品种, 我国这样的证券市场情况相对其他国家来说是非常滞后的, 它在限制了流动性发展的同时也减缓了市场对信息的传递及反应速度。直至2015年2月9日50ETF期权和2015年4月16日上证50股指期货和中证500股指期货的相继推出, 极大程度上丰富了我国衍生品市场的产品种类, 期权和期货市场都是实行T+0、双向交易和保证金交易机制, 吸引大量投资者和投机者, 这两类市场迅速成为最活跃的市场之一, 投资力量飞速增加, 这些交易机制使得高频交易在我国开始迅速发展, 也使得更加深入的分析股指期货与期权市场的风险情况具有更加重要的现实意义。

二、VaR模型

VaR模型是为了解决在既定的概率水平下, 在未来一段时间内资产组合的价值面临损失的大小。在金融风险管理领域中计算方法繁多, 但是其中VaR方法是重点和焦点。起初VaR模型能够吸引众多的投资者、金融机构和监管机构眼球主要是由于此模型能够把银行的所有资产组合风险概括, 以数字的形式直观的显示出来, 说明其存在的潜在亏损。

VaR (Value at Risk) 按表层的意思就是:处于风险状态的价值, 即在某一个特定的置信度水平下, 在未来一段期间内某金融工具或证券资产组合, 由于资产价格的波动, 它将要所面临的最大损失额。JP.摩根把VaR模型定义为:“给定置信区间的一个持有期内的最坏的预期损失”。

综上所述, VaR这种计算模型是指当市场价格在正常波动时, 在某一概率水平下, 来估计某金融资产或者证券资产组合在未来某一段时期内可能出现的最大损失。如果用数学公式就可以表示成为:Prob (ΔP>VaR) =1-α

其中:ΔP表示为某金融资产或证券资产组合在某特定持有期内的损失;α代表了置信度水平。

VaR模型的3个参数分别是金融资产或和证券投资组合持有期的长短、未来资产组合价值的分布特征和置信度区间。持有期指价格变动的时间间隔, 若持有期越长, 价格波动将越剧烈, 随之风险也就会越高。一般情况下, 持有期的选择应该根据所持有资产本身所具有的特点来确定。置信度水平的选取是根据VaR验证的需要和监管要求等而决定的, 置信度的大小反映出来金融机构或者监管机构对风险的不同偏好, 对风险偏好, 则选取的置信水平也就越低。大多数情况下, 设定置信度水平为95%或者99%。

在VaR模型中, 确定清楚计算VaR的时间范围是必要的前提条件, 如果选取的持有期越长, 最终得出的VaR值就会越大。目前在使用VaR模型时也出现了使用持有期小于一天的情况。研究过程中也会考虑到流动性大小、头寸调整频率、数据分布情况等各种因素来确定最佳的持有期。如果面临的证券或者投资组合流动性较好, 则会考虑选择较短的持有期, 而持有期越短也就更加符合正态分布假设条件。

目前计算VaR值主要采用的是以下三种方法:

(一) 历史模拟法

这种方法是利用历史某一时间段内某金融资产和资产组合风险收益情况来计算频度, 找到这段时间内它的平均收益率以及在特定置信度α值下的最低收益率, 然后计算某金融资产或整个资产组合的VaR值。

“历史模拟法”的基本假设条件是收益是随着时间独立同分布, 把历史数据样本的收益直方图当作对真实分布收益的估计, 这样一来其分布形式完全由历史数据样本决定, 不会丢失和扭曲信息情况, 然后用历史数据样本收益直方图的P分位数据, 作为对收益分布的P分位数, 估计波动情况。

在频度分布图中, 横坐标代表了某机构某天收入的大小, 纵坐标衡量一年内出现相应收入组的天数, 该频度分布图能够直接反映出了在过去一年内, 该机构资产组合收益大小的频度分布情况。

(二) 方差协方差法

“方差协方差法”也是利用历史数据来估计金融资产或资产组合的VaR值。它基本步骤可以分为:第一步, 提取历史数据并计算出金融资产和资产组合收益的方差、标准差以及协方差;第二步, 在假设收益是服从正态分布条件下, 得出在特定置信度下分布偏离均值程度的临界值;第三步, 建立与风险损失的联系, 推导确定出VaR值。

(三) 蒙特卡罗模拟法

除了上述的两种方法计算VaR值以外, 还有一种更加复杂的“蒙特卡罗模拟法”, 它又被叫作随机抽样或统计试验方法, 是基于历史数据和既定的分布假设条件参数特征, 通过随机方法来模拟出未来一段时间大量的资产组合收益的数值, 从而计算VaR的数值。

三、VaR模型风险管理中的应用

随着VaR模型的不断改进与完善, 它的应用领域越来越广泛, 不仅应用到了风险的定量研究和金融机构的市场风险监管领域, 而且VaR模型也慢慢的与更多的其他种类模型进行联系, 例如线性和非线性的规划模型等规划模型论, 模型之间进行有机地结合起来, 使其逐渐成为了金融机构进行市场风险估计的最佳定量分析方法, 这将有利于金融机构对于潜在风险进行控制达到最优决策。由于国外的金融市场发展较为成熟, 起步较早, 证券市场的机制也保证了高频交易非常普遍, 对VaR模型的应用也深入到各个层面和机构, 例如:巴塞尔委员会要求:在一定条件下可以将VaR模型结合到银行内部模型中, 更好的估计出出适应市场风险情况的资本数额;G20峰会建议用VaR模型来估计衡量金融衍生品市场的风险, 认为该模型是用来进行金融市场风险测量和控制的最佳方法之一;美国证监会要求美国的公司可以使用VaR的计算方法披露金融衍生工具交易活动信息。

综上所述, VaR模型不但具有重大的理论意义而且对于金融监管也有重要的现实意义, 被越来越多金融机构内部使用, 作为评估自身的金融风险的方法, 同时, 很多的金融监管机构也把VaR计算方法作为估计并衡量金融机构和金融市场风险大小的重要方法。我国证券市场情况相对其他国家来说是非常滞后的, 它在限制了流动性发展的同时也减缓了市场对信息的传递及反应速度。因此我国对VaR模型的应用开始于近几年, 研究成果比较丰富, 但是VaR模型的实际应用还确处于起步阶段, 并没有得到很广泛使用, 更多的投资者、金融机构和监管部门才逐步了解到VaR模型的优势, 也正在积极的进行深入研究, 结合中国证券市场的特点, 以期得出适合于自身经营特点和实际情况的VaR模型。

结语

决策者尤其是机构投资决策者通过使用VaR测算风险的计算方法, 可将各种资产组合的风险精确量化, 然后针对不同组合的风险收益建模、模拟、测试, 然后向机构投资者推出不同的金融衍生产品, 满足专业的机构投资者对于投资收益与风险对冲的迫切需要。交易机制的设计者和风险监管者也要制定更加严密的交易制度和严格的风险监管要求, 从根本上保证市场能够稳定的发展。

摘要：20世纪80年代以来, 伴随着全球金融市场的改革, 金融衍生品发展迅速, 交易品种越来越丰富, 吸引了大量的投资者的关注, 交易量迅猛增长, 为市场提供了系统性风险管理的工具, 同时也推动了证券市场的不断完善。日益波动剧烈的金融市场也使得金融风险暴露越来越频繁。新产品的陆续推出也使得传统风险度量方法不能满足金融市场的需要, 迫切需要寻求更加可靠、精确、通用和符合市场实际情况的度量风险模型。VaR这种计算方法适应了时代发展。本文主要基于VaR计算方法研究中国证券市场高频交易的风险管理。

关键词：金融市场,高频交易,VaR模型

参考文献

[1] 李建喜.最坏情形CVaR风险度量及其在投资组合问题中的应用研究[D].江西财经大学, 2015.

[2] 徐刃.基于CopulaVaR的PPP项目融资风险评估方法研究[J].安装, 2018 (1) :21-23.

[3] 张馨予, 王晴, 金子杰.VaR模型在股票风险管理中的应用研究[J].高师理科学刊, 2018 (1) :9-12.