金融風(fēng)險(xiǎn)管理ppt課件

1、第二章 市場(chǎng)風(fēng)險(xiǎn)的度量,1 市場(chǎng)風(fēng)險(xiǎn)度量技術(shù)的演變 2 市場(chǎng)風(fēng)險(xiǎn)的靈敏度分析法 3 市場(chǎng)風(fēng)險(xiǎn)的波動(dòng)性度量法 4 市場(chǎng)風(fēng)險(xiǎn)的VaR測(cè)量方法 5 VaR測(cè)量方法的補(bǔ)充方法,1 市場(chǎng)風(fēng)險(xiǎn)度量技術(shù)的演變,一、最初的市場(chǎng)風(fēng)險(xiǎn)度量方法名義量 1、含義 認(rèn)為某一資產(chǎn)組合的市場(chǎng)風(fēng)險(xiǎn)就是該資產(chǎn)組合的整個(gè)價(jià)值。即認(rèn)為整個(gè)資產(chǎn)組合都處于風(fēng)險(xiǎn)之中。 2、缺陷： 是一種粗略的估計(jì)方法。多數(shù)情況下只是部分資產(chǎn)處于風(fēng)險(xiǎn)狀態(tài)。 該方法無法滿足日趨復(fù)雜和競爭激烈的金融市場(chǎng)風(fēng)險(xiǎn)管理的要求,二、度量由于市場(chǎng)因子的不利變化而導(dǎo)致的資產(chǎn)組合價(jià)值損失的大小 （一）靈敏度分析法 測(cè)量市場(chǎng)因子的變化與資產(chǎn)組合價(jià)值變化的關(guān)系，即測(cè)量資產(chǎn)組合價(jià)

2、值對(duì)其市場(chǎng)因子變化的敏感性。 （二）波動(dòng)性分析法 以資產(chǎn)價(jià)格（收益）的波動(dòng)性（方差或標(biāo)準(zhǔn)差）來衡量市場(chǎng)風(fēng)險(xiǎn)實(shí)際收益偏離平均收益的程度,三、VaR方法及其補(bǔ)充方法 （一） VaR方法 1、隨機(jī)變量的特征 可以用隨機(jī)變量的均值、方差和其概率分布來描述。 2、VaR: Value at Risk 資產(chǎn)組合的價(jià)值（或收益）是隨機(jī)變量，其特征可以用其均值、方差和概率分布來描述 VaR: 一定概率水平下（置信度水平下）資產(chǎn)組合的最大可能損失,W,優(yōu)點(diǎn)： 測(cè)量的綜合性：可以將不同市場(chǎng)因子、不同市場(chǎng)風(fēng)險(xiǎn)集成為一個(gè)最大的可能損失數(shù)。 能較好的適應(yīng)金融市場(chǎng)發(fā)展的動(dòng)態(tài)性、復(fù)雜性和全球性綜合趨勢(shì) 缺點(diǎn)： VaR描述市

3、場(chǎng)正常波動(dòng)下的最大可能損失，無法反映市場(chǎng)出現(xiàn)劇烈波動(dòng)的極端市場(chǎng)情形下的風(fēng)險(xiǎn)損失,二） VaR方法的補(bǔ)充：壓力測(cè)試和極值理論 1、壓力測(cè)試 通過產(chǎn)生、模擬一些違背VaR模型假設(shè)的極端市場(chǎng)情景，評(píng)價(jià)這些極端情景對(duì)資產(chǎn)組合價(jià)值的不利影響。 2、極值方法 采用統(tǒng)計(jì)方法，通過描述價(jià)值變化的尾部統(tǒng)計(jì)特征來分析極端事件損失的分布規(guī)律,2 市場(chǎng)風(fēng)險(xiǎn)的靈敏度分析法,一、靈敏度分析法概述 1、靈敏度 表示當(dāng)市場(chǎng)因子變化一個(gè)單位時(shí)，資產(chǎn)組合價(jià)值變化的程度。 2、數(shù)學(xué)表示,P：資產(chǎn)組合價(jià)值；D：靈敏度；x：市場(chǎng)因子,3、靈敏度法對(duì)不同金融工具有不同的具體形式 固定收益證券：久期和凸度 股票： 衍生金融產(chǎn)品：Delta

4、, Gamma, Theta, Vega, Rho,二、固定收益證券市場(chǎng)風(fēng)險(xiǎn)的靈敏度分析法 （一）固定收益證券市場(chǎng)風(fēng)險(xiǎn)分析 1、固定收益證券： 是指在特定時(shí)間支付預(yù)定現(xiàn)金流的金融資產(chǎn)（主要是指各種政府和企業(yè)債券等）。 2、風(fēng)險(xiǎn)分析,二）固定收益證券市場(chǎng)風(fēng)險(xiǎn)的靈敏度分析法久期和凸度 1、久期（Macaulay Duration） 以債券未來每期現(xiàn)金流的現(xiàn)值為權(quán)數(shù)計(jì)算的債券的加權(quán)平均到期日,2、基于久期的利率敏感性測(cè)量: 修正久期,為修正久期,基于久期的利率敏感性測(cè)量評(píng)價(jià) 修正久期是對(duì)固定收益證券價(jià)格利率敏感性的線性測(cè)量。即該度量方法只考慮了價(jià)格變化和利率變化的線性關(guān)系,如果價(jià)格是利率的非線性函數(shù)

5、，固定收益證券價(jià)格利率敏感性的測(cè)量還需要將凸度的影響考慮進(jìn)去,3、基于久期和凸度的固定收益證券利率敏感性測(cè)量,定義凸度（convexity）如下,證明,考慮非線性的資產(chǎn)價(jià)格函數(shù) 設(shè)： 則非線性的資產(chǎn)價(jià)格函數(shù)關(guān)系可以用函數(shù)初始值p0=f(y0)附近的泰勒展開來近似,一般地,所以，固定收益證券價(jià)格的利率敏感性估計(jì)就是對(duì) 和C的估計(jì),總結(jié)與說明： 固定收益證券組合的（修正）久期和凸度等于該組合中各固定收益證券（修正）久期和凸度的加權(quán)平均。 當(dāng)利率上升或下降相同幅度時(shí)，凸性會(huì)引起固定收益證券價(jià)格下降或上升幅度不對(duì)稱：利率下降所導(dǎo)致的證券價(jià)值上升的幅度相同幅度利率上升導(dǎo)致的證券價(jià)格價(jià)值下降的幅度。 具有

6、較大凸性的固定收益證券較受市場(chǎng)歡迎，通常也有相對(duì)較高的價(jià)格,計(jì)算：假設(shè)某固定收益證券的修正久其為5，凸度為2，計(jì)算當(dāng)利率分別上升和下降1%時(shí)，該固定受益證券價(jià)格變化的程度,4.99%和5.01,三、股票市場(chǎng)風(fēng)險(xiǎn)的靈敏度分析法以CAPM為例 （一）CAPM基本形式,證券市場(chǎng)線：描述股票期望收益與系統(tǒng)風(fēng)險(xiǎn)之間關(guān)系的曲線,二）CAPM模型下股票市場(chǎng)風(fēng)險(xiǎn)的靈敏度分析,四、衍生證券市場(chǎng)風(fēng)險(xiǎn)的靈敏度測(cè)量 （一）衍生證券（衍生金融工具，衍生產(chǎn)品） 衍生證券：指其價(jià)值依賴于基礎(chǔ)標(biāo)的資產(chǎn)價(jià)格的金融工具。 （二）衍生證券的種類（這里只提及一種劃分標(biāo)準(zhǔn)） 根據(jù)衍生證券價(jià)值與其標(biāo)的資產(chǎn)價(jià)格之間的關(guān)系： 線性衍生證券：

7、遠(yuǎn)期；期貨；互換 非線性衍生證券：期權(quán),三）衍生證券的定價(jià) 1、線性衍生證券的定價(jià) 遠(yuǎn)期合約定價(jià)是線性衍生證券定價(jià)的基礎(chǔ) （期貨和互換可以視作特殊的遠(yuǎn)期或者系列遠(yuǎn)期合約的組合,遠(yuǎn)期（合約）價(jià)值合約持有人的收益,遠(yuǎn)期價(jià)格（期貨價(jià)格）遠(yuǎn)期（期貨）合約中標(biāo)的物的遠(yuǎn)期 價(jià)格（理論期望價(jià)格），即標(biāo)的 資產(chǎn)現(xiàn)貨價(jià)格的終值,2、非線性衍生證券的定價(jià)（B-S期權(quán)定價(jià)模型） 期權(quán)（option）：指賦予其購買者在規(guī)定期限內(nèi)按雙方 約定的價(jià)格購買或出售一定數(shù)量標(biāo)的 資產(chǎn)權(quán)利的合約。 美式期權(quán)：到期日之前任一時(shí)間都可執(zhí)行的期權(quán)。 歐式期權(quán)：在到期日方可執(zhí)行的期權(quán)。 看漲期權(quán)：買入期權(quán) 看跌期權(quán)：賣出期權(quán) 期權(quán)買者的

8、權(quán)利 期權(quán)賣者的義務(wù),期權(quán)費(fèi)：期權(quán)的定價(jià),1）歐式期權(quán)到期(T)時(shí)的價(jià)值： 實(shí)值期權(quán)；虛值期權(quán)；平價(jià)期權(quán) （2）B-S期權(quán)定價(jià)模型（標(biāo)的資產(chǎn)不支付紅利 歐式期權(quán)） 基本思想：期權(quán)的價(jià)值依賴于它最終處于實(shí)值狀態(tài)的概率,四）衍生證券市場(chǎng)風(fēng)險(xiǎn)的靈敏度的度量 1、影響衍生證券價(jià)格的因子 （1）標(biāo)的資產(chǎn)的價(jià)格 St （2）時(shí)間 t （3）利率 r （4）標(biāo)的資產(chǎn)價(jià)格的波動(dòng)性,2、衍生證券(我們將其價(jià)值以F表示)市場(chǎng)風(fēng)險(xiǎn)的靈敏度計(jì)算 （1）delta,2）Gamma,3）Theta,4）Vega： （5）Rho,3 市場(chǎng)風(fēng)險(xiǎn)的波動(dòng)性度量法,一、市場(chǎng)風(fēng)險(xiǎn)度量的核心問題是價(jià)格波動(dòng)性 由于金融資產(chǎn)的市場(chǎng)風(fēng)險(xiǎn)是由

9、市場(chǎng)因子的變化引起的，因此，市場(chǎng)風(fēng)險(xiǎn)測(cè)量的核心是對(duì)市場(chǎng)因子或者直接對(duì)資產(chǎn)價(jià)格的波動(dòng)性進(jìn)行估計(jì)和預(yù)測(cè)。 二、波動(dòng)性（Volatility）的概念 波動(dòng)性是指金融資產(chǎn)價(jià)格偏離其期望價(jià)值的程度。波動(dòng)性越大，價(jià)格上升或下降的機(jī)會(huì)或幅度就越大，因此，市場(chǎng)風(fēng)險(xiǎn)就越大,三、波動(dòng)性的度量方法 （一）統(tǒng)計(jì)學(xué)方法 1、方差或標(biāo)準(zhǔn)差,統(tǒng)計(jì)學(xué)方法,Garch類模型方法,SV模型方法,隱含波動(dòng)性方法,2、金融經(jīng)濟(jì)學(xué)中，波動(dòng)性通常用收益率的標(biāo)準(zhǔn)差來度量 金融資產(chǎn)價(jià)格 金融資產(chǎn)收益率,平穩(wěn)隨機(jī)過程,金融資產(chǎn)收益率： 收益率是對(duì)投資機(jī)會(huì)的一個(gè)不受規(guī)模限制的完整概括。 收益率比價(jià)格具有更好的統(tǒng)計(jì)特征,收益的衡量方法 （1）簡單

10、凈收益率,2）簡單總收益率,3）對(duì)數(shù)收益率：簡單總收益率的自然對(duì)數(shù) （4）多期收益率的計(jì)算復(fù)合法 K期資產(chǎn)總收益率的計(jì)算 K期資產(chǎn)對(duì)數(shù)收益率的計(jì)算,注： 對(duì)數(shù)收益率把連乘運(yùn)算簡化為加法，更容易實(shí)現(xiàn)在多期上的擴(kuò)展（具有時(shí)間可加性）。 加法運(yùn)算比連乘運(yùn)算更容易表現(xiàn)出時(shí)間序列的特征。 由于和的對(duì)數(shù)不等于對(duì)數(shù)的和，所以，資產(chǎn)組合的對(duì)數(shù)收益不能以各資產(chǎn)對(duì)數(shù)收益的加權(quán)平均得出。（簡單收益可以實(shí)現(xiàn),3、波動(dòng)性的期限結(jié)構(gòu)問題（時(shí)間加總問題 time aggregation） 含義：在某一既定時(shí)間期間，收益率波動(dòng)性與期限長短之間的關(guān)系。 為了比較不同期限的收益和風(fēng)險(xiǎn)，需要進(jìn)行口徑一致性轉(zhuǎn)換計(jì)算（比如，比較風(fēng)險(xiǎn)大

11、小時(shí)都按年波動(dòng)率或者按照月波動(dòng)率進(jìn)行計(jì)算），經(jīng)濟(jì)計(jì)量學(xué)中稱之為時(shí)間加總問題,1）獨(dú)立同分布(I.I.D)假設(shè)條件下的時(shí)間加總 獨(dú)立同分布假設(shè)（基于有效市場(chǎng)價(jià)說）： 收益率在連續(xù)的時(shí)間區(qū)間內(nèi)是不相關(guān)的； 收益率在整個(gè)時(shí)間段上遵循同樣的分布，即,基于上述獨(dú)立同分布假設(shè)，可得： 以此類推，預(yù)期收益和方差隨時(shí)間期間T的延長是線性增加的,設(shè)T為一年的交易天數(shù)，則,2、非獨(dú)立同分布條件下的時(shí)間加總 有效市場(chǎng)價(jià)說不成立時(shí)，比如收益在相鄰的（一系列）時(shí)間期間是相關(guān)的。這種情況最簡單的過程描述是一階自回歸過程： 此時(shí)，兩期的期望收益及方差為,4、波動(dòng)性的統(tǒng)計(jì)學(xué)衡量方法的缺陷 （1）“幽靈效應(yīng)”（ghost ef

12、fect）或“回聲效應(yīng)”（echo effect） 即僅僅某一次不正常的收益變化（如極端事件發(fā)生）就會(huì)對(duì)波動(dòng)性的估計(jì)產(chǎn)生長時(shí)間的影響，其隨后幾天波動(dòng)性估計(jì)都會(huì)持續(xù)在高水平上，而實(shí)際上波動(dòng)性可能很早就恢復(fù)了正常水平。 （2）難以動(dòng)態(tài)反映波動(dòng)性的變化情況,收益率波動(dòng)具有集群性和爆發(fā)性特征（clustering） 波動(dòng)性沖擊具有持久性特征 波動(dòng)性具有均值回復(fù)特征（向某個(gè)長期平均水平收斂的趨勢(shì),與獨(dú)立同分布（正態(tài)分布）相比，收益率序列具有尖峰厚尾性特點(diǎn),二）GARCH類模型方法 1、 ARCH模型(Engle 1982,均值回復(fù),集群性,2、 GARCH類模型(General ARCH 1986 Bo

13、llerslev,可以低階的GARCH模型來代表高階的ARCH模型,三）隨機(jī)波動(dòng)（SV）模型方法 GARCH類模型的缺陷：條件方差依賴于過去的觀測(cè)值，存在異常觀 測(cè)值時(shí)，估計(jì)的波動(dòng)性序列就缺乏穩(wěn)定性 隨機(jī)波動(dòng)（SV）模型：將 表示為一個(gè)服從某種分布的隨機(jī)過程。比 如，通常假設(shè)對(duì)數(shù)波動(dòng)性服從一階自回歸過程,四）隱含波動(dòng)性( implied volatility IV) 1、含義： 隱含波動(dòng)性是指當(dāng)期權(quán)價(jià)格可以獲得時(shí)，通過反解期權(quán)定價(jià)公式得到的標(biāo)的資產(chǎn)的波動(dòng)性。 2、特點(diǎn) 隱含波動(dòng)率可用來衡量期權(quán)價(jià)格是否合理。假若以現(xiàn)在期權(quán)的市場(chǎng)價(jià)格反推標(biāo)的資產(chǎn)的波幅是50%，但實(shí)際的波幅是30%，表示市場(chǎng)高估了

14、期權(quán)價(jià)值。 隱含波動(dòng)性使用期權(quán)價(jià)格的當(dāng)前數(shù)據(jù)來推算標(biāo)的資產(chǎn)價(jià)格的波動(dòng)性，因此，隱含波動(dòng)性包含了投資者對(duì)標(biāo)的資產(chǎn)價(jià)格未來走勢(shì)的預(yù)期,3、隱含波動(dòng)性的插值法求解 由于B-S期權(quán)定價(jià)公式很難得到的解析解，通常通過數(shù)值算法近似求解。這里我們介紹一種比較簡單的插值法求解方法,4、“隱含波動(dòng)性微笑”現(xiàn)象（volatility smile）（1987股災(zāi)之后） 理論上講，若多個(gè)期權(quán)有相同的標(biāo)的資產(chǎn)，但執(zhí)行價(jià)格與到期日不同，利用Black-Scholes 模型計(jì)算出的標(biāo)的資產(chǎn)隱含波動(dòng)性應(yīng)相同。然而，實(shí)際上由許多擁有相同標(biāo)的資產(chǎn)但執(zhí)行價(jià)與到期日不同的期權(quán)價(jià)格所計(jì)算出的隱含波動(dòng)性是不同的，由此產(chǎn)生的系統(tǒng)性偏差為波

15、動(dòng)性微笑（Volatility Smile,隱含波動(dòng)性偏斜/假笑”現(xiàn)象（volatility skew/smirk,近年來觀察到的現(xiàn)象,4 市場(chǎng)風(fēng)險(xiǎn)的VaR度量法,一、概率分布與分位數(shù) 1、概率分布 （1）離散型隨機(jī)變量的概率分布 （2）連續(xù)型隨機(jī)變量的概率分布,2、分位數(shù) 中位數(shù)：將一組數(shù)據(jù)按照升序從小到大排序后，處于 中間位置上的變量值為中位數(shù)。 四分位數(shù)（quartile）:將一組數(shù)據(jù)按照升序從小到大 排序后，通過三個(gè)點(diǎn)將全部數(shù)據(jù)平均分為四 部分，則第一個(gè)點(diǎn)對(duì)應(yīng)的變量值為四分位數(shù)。 十分位數(shù)（decile）: 百分位數(shù)（percentile,二、VaR的計(jì)算 （一）VaR的定義 VaR：

16、Value at Risk. 是指在一個(gè)目標(biāo)投資期內(nèi)，在給定的置信度（比如c=99%）下資產(chǎn)組合的預(yù)期最大損失。即：實(shí)際損失超過VaR 值的概率小于一個(gè)我們預(yù)先設(shè)定的值（1-c） ） VaR風(fēng)險(xiǎn)測(cè)量的優(yōu)點(diǎn)：以一個(gè)簡單易懂的數(shù)字表明投資者在金融市場(chǎng)的波動(dòng)中所面臨的風(fēng)險(xiǎn)大小,二）VaR的計(jì)算 1、VaR的基本計(jì)算公式 幾個(gè)假設(shè)條件： W0：初始投資額 R：目標(biāo)投資期的投資收益率 則 :W為目標(biāo)投資期末資產(chǎn)組合的價(jià)值. 則 ：W*為給定置信水平下的資產(chǎn)組合的 最小價(jià)值,1）相對(duì)VaR 相對(duì)VaR：資產(chǎn)組合投資期末的期望價(jià)值E(W)與給定置信水平 下的資產(chǎn)組合的最小價(jià)值之差。 （2）絕對(duì)VaR 絕對(duì)V

17、aR：資產(chǎn)組合 的初始價(jià)值W0與給定置信水平下的資產(chǎn) 組合的最小價(jià)值之差,總結(jié)： 計(jì)算VaR的關(guān)鍵：尋找資產(chǎn)組合的最小價(jià)值W*或最低收益率R *。 若期限較短，平均收益可能很小（接近于零），此時(shí)，相對(duì)VaR和絕對(duì)VaR結(jié)果相近。否則，相對(duì)VaR更為合適，因?yàn)樗再Y產(chǎn)組合的期望價(jià)值為比照標(biāo)準(zhǔn),2、根據(jù)頻數(shù)分布計(jì)算VaR（確定 R *或者 W* ） 計(jì)算VaR的一般方法：給定資產(chǎn)組合價(jià)值（或收益）的概 率分布f(W)（或f(R) ），在給定的 置 信度下（比如，95%），找出 可能 性最小的W* （或R * ）。 根據(jù)頻數(shù)分布計(jì)算VaR ： 考慮某種資產(chǎn)組合，初始投資40億元。歷史上10年中該資產(chǎn)

18、每日收益（ ；10年中共有2527多個(gè)觀測(cè)數(shù)據(jù)）情況如下圖所示,10年來的每日收益,每日收益的分布 單位：百萬美元,從經(jīng)驗(yàn)（頻數(shù)）分布中求5%分位數(shù)對(duì)應(yīng)的收益值，用期望收益減去該值即可求得資產(chǎn)組合收益的VaR：VaR =0-(-47)=47,使用VaR度量市場(chǎng)風(fēng)險(xiǎn)存在的問題： VaR沒有給出最壞情形下的損失 VaR僅有有限的精度。VaR的值受樣本時(shí)期長度和使用的統(tǒng)計(jì)方法的影響。 VaR沒有給出損失分布的描述：對(duì)于同樣的一個(gè)VaR，可以有兩個(gè)非常不同的損失分布。（對(duì)照下一頁的兩個(gè)圖,雖然VaR相同，但第二種分布下發(fā)生巨大損失的概率會(huì)非常大,3、根據(jù)參數(shù)分布計(jì)算VaR（確定 R *或者 W* ）

19、頻數(shù)分布需要足夠多的歷史數(shù)據(jù)，有時(shí)候是難以獲得的。 研究問題的另一種基本方法：統(tǒng)計(jì)推斷 統(tǒng)計(jì)推斷：利用觀測(cè)的樣本推斷總體的一些性質(zhì)。 統(tǒng)計(jì)推斷經(jīng)常對(duì)所研究的總體做一些假定，比如服從正態(tài)分布的假定，等等。這些分布通常以某些參數(shù)來描述其分布特征，所以又稱為參數(shù)分布。比如，正態(tài)分布的位置和形狀可以由其均值和方差兩個(gè)參數(shù)來描述,位置相同但形狀不同的正態(tài)分布曲線,標(biāo)準(zhǔn)正態(tài)分布中VaR的計(jì)算 將一般分布(正態(tài)分布)形式的收益率R轉(zhuǎn)換為標(biāo)準(zhǔn)正態(tài)分布,基于標(biāo)準(zhǔn)正態(tài)分布的VaR計(jì)算,假設(shè)： 和 都是以年為時(shí)間單位計(jì)算的； 收益率是相互獨(dú)立的； 投資期為 年。 則,總結(jié)：構(gòu)建VaR的步驟 獲取當(dāng)前資產(chǎn)組合的逐日結(jié)

20、算價(jià)值（或收益率） 計(jì)算其均值與方差 設(shè)置時(shí)間期限或持有期 設(shè)置置信度（95%或者99%） 通過計(jì)算、處理得出VaR值,總結(jié)：VaR方法的缺陷 金融資產(chǎn)收益率的“厚尾”性特點(diǎn)：金融市場(chǎng)中極端波動(dòng)事件發(fā)生的概率遠(yuǎn)高于正態(tài)分布的估計(jì)。 極端事件往往會(huì)給金融機(jī)構(gòu)帶來毀滅性的后果 VaR描述市場(chǎng)正常波動(dòng)下的最大可能損失，無法反映市場(chǎng)出現(xiàn)劇烈波動(dòng)的極端市場(chǎng)情形下的風(fēng)險(xiǎn)損失。 需要測(cè)量極端狀況下市場(chǎng)風(fēng)險(xiǎn)的理論方法壓力測(cè)試和極值理論來補(bǔ)充,練習(xí)題,假如某機(jī)構(gòu)投資者某資產(chǎn)組合的初始投資額為1000萬元，其在目標(biāo)投資期內(nèi)的預(yù)期年收益率為5%，該收益率的年波動(dòng)率為0.1，假設(shè)資產(chǎn)組合的目標(biāo)投資期為3個(gè)月，請(qǐng)計(jì)算在

21、目標(biāo)投資期內(nèi)該資產(chǎn)組合在95%置信度上的相對(duì)VaR和絕對(duì)VaR各是多少？（提示：標(biāo)準(zhǔn)正態(tài)分布下,5 VaR測(cè)量方法的補(bǔ)充方法,壓力測(cè)試（Stress Testing） 極值理論（Extreme Value Theory,一、壓力測(cè)試（Stress Testing） 壓力測(cè)試是對(duì)極端市場(chǎng)情景下資產(chǎn)組合損失的評(píng)估。 典型的壓力測(cè)試方法包括情景分析和系統(tǒng)化壓力測(cè)試,一）情景分析（Scenario Analysis） 1、含義： 通過構(gòu)造金融市場(chǎng)中某些特殊情景，來評(píng)估金融市場(chǎng)極端事件對(duì)資產(chǎn)組合價(jià)值變化的影響。 2、方法步驟：情景構(gòu)造 情景評(píng)估 （1）情景構(gòu)造： 產(chǎn)生某些市場(chǎng)極端情景，是情景分析的基礎(chǔ),情景構(gòu)造方法： （1）歷史模擬情景方法：假設(shè)歷史重演 以歷史上曾經(jīng)發(fā)生過的極端事件為基準(zhǔn)，構(gòu)造市場(chǎng)的未來極端情景,2）典型情景方法：對(duì)主要市場(chǎng)因子的變化進(jìn)行模擬 通過對(duì)金融市場(chǎng)中一個(gè)或多個(gè)主要市場(chǎng)因子變化的模擬來構(gòu)造未來的極端情景。比如：股指變化10%；收益率曲線平移100個(gè)基本點(diǎn)；波動(dòng)性變化20%；等等。 （3）假設(shè)特殊事件方法：設(shè)想可能的極端事件 通過設(shè)想未來可能