第四章企業(yè)風(fēng)險的評估和度量

第四章企業(yè)風(fēng)險的評估和度量第一頁，共五十頁，編輯于2023年，星期五章首案例：超過25％的利潤不做－萬科第二頁，共五十頁，編輯于2023年，星期五第一節(jié)：企業(yè)風(fēng)險的衡量第二節(jié)：風(fēng)險評價第三節(jié)：風(fēng)險評價方法第三頁，共五十頁，編輯于2023年，星期五第一節(jié)：企業(yè)風(fēng)險的衡量一、風(fēng)險衡量的概念和作用二、損失頻率和損失程度三、風(fēng)險衡量的方法四、損失的概率分布第四頁，共五十頁，編輯于2023年，星期五一、風(fēng)險衡量的概念和作用風(fēng)險衡量是在對過去損失資料分析的基礎(chǔ)上，運(yùn)用概率論和數(shù)理統(tǒng)計的方法對某一特定或者幾個風(fēng)險事故發(fā)生的損失頻率和損失程度做出估計，以此作為選擇風(fēng)險管理技術(shù)的依據(jù)。第五頁，共五十頁，編輯于2023年，星期五二、損失頻率和損失程度1、損失頻率的估計2、損失程度的估計第六頁，共五十頁，編輯于2023年，星期五三、風(fēng)險衡量的方法1、中心趨勢測量算術(shù)平均數(shù)、加權(quán)平均數(shù)、中位數(shù)2、變動程度的測定第七頁，共五十頁，編輯于2023年，星期五四、損失的概率分布離散型概率分布連續(xù)型概率分布二項分布、泊松分布、正態(tài)分布第八頁，共五十頁，編輯于2023年，星期五補(bǔ)充知識：概率分布第九頁，共五十頁，編輯于2023年，星期五1.離散型隨機(jī)變量的概率分布第十頁，共五十頁，編輯于2023年，星期五離散型隨機(jī)變量的概率分布舉例第十一頁，共五十頁，編輯于2023年，星期五2.連續(xù)型隨機(jī)變量的概率分布

變量的取值充滿整個數(shù)值區(qū)間，無法一一列出其每一個可能值。一般將連續(xù)型隨機(jī)變量整理成頻數(shù)表，對頻數(shù)作直方圖，直方圖的每個矩形頂端連接的階梯形曲線來描述連續(xù)型變量的頻數(shù)分布。

第十二頁，共五十頁，編輯于2023年，星期五第十三頁，共五十頁，編輯于2023年，星期五如果樣本量很大，組段很多，矩形頂端組成的階梯型曲線可變成光滑的分布曲線。大多數(shù)情況下，可采用一個函數(shù)擬合這一光滑曲線。這種函數(shù)稱為概率密度函數(shù)（probabilitydensityfunction）第十四頁，共五十頁，編輯于2023年，星期五二項分布毒性試驗：白鼠死亡——生存臨床試驗：病人治愈——未愈臨床化驗：血清陽性——陰性事件成功（A）——失?。ǚ茿）這類“成功─失敗型”試驗稱為Bernoulli試驗。第十五頁，共五十頁，編輯于2023年，星期五Bernoulli試驗序列n次Bernoulli試驗構(gòu)成了Bernoulli試驗序列。其特點(diǎn)（如拋硬幣）如下：(1)每次試驗結(jié)果，只能是兩個互斥的結(jié)果之一(A或非A)。(2)每次試驗的條件不變。即每次試驗中，結(jié)果A發(fā)生的概率不變，均為π。(3)各次試驗獨(dú)立。即一次試驗出現(xiàn)什么樣的結(jié)果與前面已出現(xiàn)的結(jié)果無關(guān)。第十六頁，共五十頁，編輯于2023年，星期五成功次數(shù)的概率分布——二項分布例設(shè)某毒理試驗采用白鼠共3只，它們有相同的死亡概率π，相應(yīng)不死亡概率為1－π。記試驗后白鼠死亡的例數(shù)為X，分別求X＝0、1、2和3的概率第十七頁，共五十頁，編輯于2023年，星期五泊松分布當(dāng)二項分布中n很大，π很小時,二項分布就變成為Poisson分布，所以Poisson分布實(shí)際上是二項分布的極限分布。由二項分布的概率函數(shù)可得到泊松分布的概率函數(shù)為：第十八頁，共五十頁，編輯于2023年，星期五Poisson分布主要用于描述在單位時間(空間)中稀有事件的發(fā)生數(shù)例如：1.放射性物質(zhì)在單位時間內(nèi)的放射次數(shù)；2.在單位容積充分搖勻的水中的細(xì)菌數(shù)；3.野外單位空間中的某種昆蟲數(shù)等。第十九頁，共五十頁，編輯于2023年，星期五第二節(jié)：風(fēng)險評價一、風(fēng)險評價的概念和特點(diǎn)1、風(fēng)險評價是對風(fēng)險的綜合評價2、風(fēng)險評價需要定量分析的結(jié)果3、風(fēng)險評價離不開特定的國家和制度4、風(fēng)險評價受到風(fēng)險態(tài)度的影響第二十頁，共五十頁，編輯于2023年，星期五二、風(fēng)險評價標(biāo)準(zhǔn)1、財產(chǎn)的物質(zhì)特性和財產(chǎn)對損害的承受力確定2、損失評價的主觀性3、損失評價可以是單獨(dú)物體，也可以是許多物體4、損失的管理成本第二十一頁，共五十頁，編輯于2023年，星期五第三節(jié)：風(fēng)險評價方法一、風(fēng)險坐標(biāo)圖法二、風(fēng)險度評價法三、概率分析法四、風(fēng)險價值法第二十二頁，共五十頁，編輯于2023年，星期五請先閱讀P78-82對賭協(xié)議－企業(yè)風(fēng)險的雙刃劍課后作業(yè)：P62思考題：1、3P82思考題：2第二十三頁，共五十頁，編輯于2023年，星期五衡量風(fēng)險（一）：風(fēng)險驅(qū)動因素分析風(fēng)險驅(qū)動的終極因素：自然環(huán)境（天、地）人文環(huán)境（人）。風(fēng)險驅(qū)動的一般因素物質(zhì)危險因素：由于其特點(diǎn)、類型、使用等可能導(dǎo)致?lián)p失發(fā)生的企業(yè)物質(zhì)財產(chǎn)道德危險因素：企業(yè)的某些員工因其不遵守職業(yè)道德及倫理的傾向而引起可能損失的增加第二十四頁，共五十頁，編輯于2023年，星期五衡量風(fēng)險（一）：風(fēng)險驅(qū)動因素分析心理危險因素：由于某些員工的工作疏忽而引起的可能損失的增加法律危險因素：立法機(jī)關(guān)頒布并由法庭執(zhí)行的法律條文或者政府政策的發(fā)布和執(zhí)行而引起的損失頻率和嚴(yán)重程度的增加犯罪危險因素：某些員工的犯罪傾向而導(dǎo)致的損失增加的可能性第二十五頁，共五十頁，編輯于2023年，星期五風(fēng)險衡量（二）風(fēng)險衡量指標(biāo)選擇一般評價指標(biāo)風(fēng)險可能性，也就是風(fēng)險事件發(fā)生的概率風(fēng)險的潛在價值或重要性特定的評價指標(biāo)基于企業(yè)自身的特點(diǎn)確定的評價指標(biāo)第二十六頁，共五十頁，編輯于2023年，星期五風(fēng)險衡量（三）——構(gòu)建風(fēng)險矩陣結(jié)合風(fēng)險發(fā)生頻率和風(fēng)險重要性對風(fēng)險進(jìn)行歸類，可構(gòu)建一個風(fēng)險矩陣。矩陣中，對相應(yīng)的風(fēng)險進(jìn)行評分，1～4分為低度風(fēng)險，5～12分為中度風(fēng)險，13～25分為高度風(fēng)險損失幅度損失頻率最嚴(yán)重很嚴(yán)重中等不嚴(yán)重可不在乎54321常常會發(fā)生5252015105較多情況下發(fā)生420161284某些情況下發(fā)生31512963極少情況下才發(fā)生2108642一般情況下不會發(fā)生154321第二十七頁，共五十頁，編輯于2023年，星期五針對風(fēng)險矩陣中出于不同位置的風(fēng)險采取不同的風(fēng)險管理戰(zhàn)略如圖：在風(fēng)險坐標(biāo)中，劃分為A、B、C三個區(qū)域。企業(yè)自留A區(qū)域的各項風(fēng)險嚴(yán)格控制B區(qū)域的各項風(fēng)險規(guī)避或轉(zhuǎn)移C區(qū)域的各項風(fēng)險9423651可能性影響程度極低極高高中等低極低低中等高極高78A區(qū)域C區(qū)域B區(qū)域第二十八頁，共五十頁，編輯于2023年，星期五二、風(fēng)險度評價法定義：是指風(fēng)險管理單位對風(fēng)險事故造成故障的頻率或者損害的嚴(yán)重程度進(jìn)行評估。為了準(zhǔn)確評價，見P71頁表4－2第二十九頁，共五十頁，編輯于2023年，星期五三、概率分析法1、正常形見P73-圖4－32、異常形見P73－77

偏向型雙峰型平峰型高端型孤島型鋸齒型第三十頁，共五十頁，編輯于2023年，星期五國際風(fēng)險量化模型的引入現(xiàn)金流折現(xiàn)模型套利定價模型多因素定價模型期權(quán)定價模型經(jīng)濟(jì)增加值（EVA）模型收益法夏普（SHARP）法變異指標(biāo)度量法詹森JENSEN指數(shù)法波浪理論分析風(fēng)險價值VAR評估法系統(tǒng)風(fēng)險?值分析風(fēng)險價值VAR分析模型籌碼分布分析特雷諾TREYNOR指數(shù)法第三十一頁，共五十頁，編輯于2023年，星期五四、風(fēng)險價值法一、VaR的定義及其基本方法1．VaR的定義及其簡單計算在正常的市場條件下，在給定的概率水平下，金融參與者在給定的時間區(qū)間內(nèi)的最大預(yù)期損失。（1）單一資產(chǎn)VaR的計算方法如單一資產(chǎn)的價值為S，持有期限為T，要求的置信水平為X%，那么單一資產(chǎn)的風(fēng)險價值可以簡單地表示為：第三十二頁，共五十頁，編輯于2023年，星期五

其中，N（）為標(biāo)準(zhǔn)正態(tài)分布的累計函數(shù)，而上式的（）為N（）的逆函數(shù)；而為資產(chǎn)收益率的日波動率。對于較長的時間度量，應(yīng)考慮對資產(chǎn)價值的漂移加以修正，如果漂移率為，則上式修正為：第三十三頁，共五十頁，編輯于2023年，星期五一個簡單的例子投資者A持有一價值500萬元的B公司的股票頭寸，B公司股票的日波動率為3%，假定該資產(chǎn)的價值變動呈正態(tài)分布，計算該資產(chǎn)持有期限10天，置信水平為99%的風(fēng)險價值。求解如下：第三十四頁，共五十頁，編輯于2023年，星期五（2）資產(chǎn)組合（線性）VaR的計算方法假設(shè)資產(chǎn)組合由M個資產(chǎn)構(gòu)成，第i個資產(chǎn)的價值為，波動率為，而第i個資產(chǎn)和第j個資產(chǎn)之間的相關(guān)系數(shù)為。則該資產(chǎn)組合的風(fēng)險價值為：第三十五頁，共五十頁，編輯于2023年，星期五

2．VaR的參數(shù)選擇要確定一個金融機(jī)構(gòu)或投資組合的VaR值或建立VaR模型必須要確定以下三個關(guān)鍵參數(shù)：持有期限、觀察期間和置信水平。持有期限（holdingperiod）是指衡量收益波動性和關(guān)聯(lián)性的時間單位，即取得觀察數(shù)據(jù)的頻率，如所觀察的數(shù)據(jù)是日收益率、周收益率、月收益率還是年收益率等；第三十六頁，共五十頁，編輯于2023年，星期五

觀察期間（observationperiod）是對給定持有期限的收益波動性和關(guān)聯(lián)性進(jìn)行考察的整體時間長度，是整個數(shù)據(jù)選取的時間范圍，有時也成為數(shù)據(jù)窗口（datawindow）；置信水平太低對應(yīng)著損失超過VaR值的極端事件發(fā)生的概率過高，這使得VaR值失去意義；置信水平過高，可以避免上述問題，但會因為統(tǒng)計樣本中反映極端事件的數(shù)據(jù)減少而導(dǎo)致對VaR值估計的準(zhǔn)確性下降。第三十七頁，共五十頁，編輯于2023年，星期五二、VaR的計算方法1．歷史模擬法歷史模擬法直接根據(jù)風(fēng)險因子收益的歷史數(shù)據(jù)來模擬投資組合的未來損益分布，利用分位數(shù)給出一定置信度下的VaR的估計值。主要的計算步驟如下：第三十八頁，共五十頁，編輯于2023年，星期五（1）映射，即首先識別出基礎(chǔ)的風(fēng)險因子，收集風(fēng)險因子適當(dāng)時期的歷史數(shù)據(jù)（通常是3～5年的日數(shù)據(jù)），并用風(fēng)險因子表示出資產(chǎn)組合中各個金融資產(chǎn)的盯市價值；第三十九頁，共五十頁，編輯于2023年，星期五（2）根據(jù)風(fēng)險因子過去N+1個時期的價格時間序列，計算風(fēng)險因子過去N+1個時期價格水平的實(shí)際變化（得到N個變化水平）。假定未來的價格變化與過去完全相似，即過去N+1個時期價格的N個變化在未來都可能出現(xiàn)，由此結(jié)合市場因子的當(dāng)前價格水平可以直接模擬風(fēng)險因子未來一段時期的N種可能的價格水平；第四十頁，共五十頁，編輯于2023年，星期五（3）運(yùn)用資產(chǎn)定價公式，根據(jù)模擬出的風(fēng)險因子未來的N種可能價格水平，求出證券組合的N種未來盯市價值，并與當(dāng)前風(fēng)險因子的資產(chǎn)組合價值比較，得到證券組合未來的N個潛在損益，即損益分布；（4）根據(jù)上述求解的損益分布，通過分位數(shù)求出給定置信度下的VaR。第四十一頁，共五十頁，編輯于2023年，星期五2．方差—協(xié)方差法方差—協(xié)方差法是假定風(fēng)險因子收益的變化服從特定的分布（通常為正態(tài)分布），然后通過歷史數(shù)據(jù)分析和估計該風(fēng)險因子收益分布的參數(shù)值如方差、相關(guān)系數(shù)等，進(jìn)而根據(jù)下式整理出整個投資組合收益分布的特征值：第四十二頁，共五十頁，編輯于2023年，星期五3．蒙特卡羅模擬法蒙特卡羅模擬法也稱為隨機(jī)模擬法，其基本思路是首先建立一個概率模型或隨機(jī)過程，使它的參數(shù)等于問題的解，然后通過對模型或過程的觀察計算所求參數(shù)的統(tǒng)計特征，最后給出所求問題的近似值，解的精度可以用估計值的標(biāo)準(zhǔn)誤差表示。其基本步驟如下：第四十三頁，共五十頁，編輯于2023年，星期五（1）針對現(xiàn)實(shí)問題建立一個簡單且便于實(shí)現(xiàn)的概率統(tǒng)計模型，使所求的解恰好是所建立模型的概率分布或其某個數(shù)字特征，比如是某個事件的概率或者是該模型的期望值；（2）對模型中的隨機(jī)變量建立抽樣方法，在計算機(jī)上進(jìn)行模擬試驗，抽取足夠的隨機(jī)數(shù)，并對相關(guān)的事件進(jìn)行統(tǒng)計；（3）對模擬結(jié)果加以分析，給出所求解的估計及其方差的估計，必要時改進(jìn)模型以提高估計精度和模擬計算的效率。第四十四頁，共五十頁，編輯于2023年，星期五三、VaR的特點(diǎn)及其局限性1．VaR的特點(diǎn)（1）VaR適用面廣，不僅適用于衡量包括利率風(fēng)險、外匯風(fēng)險、股價風(fēng)險、商品價格風(fēng)險和衍生金融工具風(fēng)險在內(nèi)的各種市場風(fēng)險，還適用于不同金融工具構(gòu)成的投資組合的市場風(fēng)險和不同業(yè)務(wù)部門的總體市場風(fēng)險；（2）VaR有利于比較不同業(yè)務(wù)部門之間風(fēng)險大小，有利于進(jìn)行基于風(fēng)險調(diào)整的績效評估、資本配置和風(fēng)險限額設(shè)置等；第四十五頁，共五十頁，編輯于2023年，星期五（3）VaR是基于資產(chǎn)組合層面上的風(fēng)險度量工具，充分考慮了不同資產(chǎn)價格之間的相關(guān)性，體現(xiàn)了資產(chǎn)組合分散化對降低風(fēng)險的作用；（4）VaR可以度量資產(chǎn)集中度風(fēng)險，為對此集中度進(jìn)行總量控制提供依據(jù)，有利于經(jīng)濟(jì)主體的決策高層對整個企業(yè)風(fēng)險情況的判斷，當(dāng)然也有助于監(jiān)管部門的監(jiān)管。第四十六頁