第4講市場風(fēng)險VaR課件

風(fēng)險的度量-在險價值VaR風(fēng)險的度量-在險價值VaR內(nèi)容提要VaR的定義計算VaR回顧測試投資組合的VaRVaR用于投資組合風(fēng)險管理內(nèi)容提要VaR的定義VaR的定義VaR的定義VaR的定義VaR的含義是處于風(fēng)險中的價值，“VaR(VauleatRiks)是指在市場的正常波動下，在給定的置信水平下，某一金融資產(chǎn)或者證券投資組合在未來的特定的一段時間內(nèi)的最大的可能的損失。更正式的講，VaR是描述一定目標(biāo)時段下資產(chǎn)(或資產(chǎn)組合)的損益分布的分位點。例如：某個敞口在99%的置信水平下的日VaR值為1000萬美元。損失和收益的關(guān)系可以由圖表示，其中右側(cè)的實線表示損失，左側(cè)的實線表示收益。VaR的定義VaR的含義是處于風(fēng)險中的價值，“VaR(Vau第4講市場風(fēng)險VaRppt課件VaR有兩個定義絕對VAR，給定置信水平（99%）下的最大損失，也稱VaR（零值）VAR（均值）第二種VaR定義方式與經(jīng)濟資本分配和風(fēng)險調(diào)整后資本收益率（RAROC）計算一致。VaR有兩個定義第二種VaR定義方式與經(jīng)濟資本分配和風(fēng)險調(diào)整第4講市場風(fēng)險VaRppt課件注：大多數(shù)VaR都是短期風(fēng)險，如1天、10天（監(jiān)管者要求）巴塞爾協(xié)議規(guī)定p=99%對于內(nèi)部資產(chǎn)，p=99.96%注：VaR與ES的定義VaRVaR的性質(zhì)單調(diào)性：如果L1≤L2

在任何情況下都成立，則

VaRτ(L1)≤

VaRτ(L2)正齊次性：對于任意正數(shù)

h，有

VaRτ(hl)≤

hVaRτ(L)

平移不變性：對于任意一個固定的常數(shù)α，有

VaRτ(L)≤

VaRτ(L)+α不滿足次可加性VaR與ES的定義VaR第4講市場風(fēng)險VaRppt課件VaR不滿足次可加性的例子VaR不滿足次可加性的例子VaR與ES的定義ES（TVaR，CVaR，CED）ES的定義對于金融資產(chǎn)損失函數(shù)

L

，在VaR的基礎(chǔ)上，可以給出置信水平100(1-τ)%的ES定義如下ES1-τ(L)=E[Lt|Lt>VaR1-τ(L)]

ES的性質(zhì)ES不但滿足單調(diào)性、正齊次性、平移不變性，而且還滿足次可加性，是一致性風(fēng)險測度。VaR與ES的定義ES（TVaR，CVaR，CED）

VaR的計算

VaR的計算計算VaR的步驟逐日盯市確認(rèn)投資組合的市值衡量風(fēng)險因素的變化率，如波動率15%設(shè)定時間區(qū)域，樣本觀察時間段，如10天設(shè)定置信水平，如99%，假設(shè)分布，如正態(tài)分布分析前面信息數(shù)據(jù)，得出收入的分布概率，計算潛在的最大損失，綜合得出VaR，如在99%的置信水平的VaR為700美元計算VaR的步驟逐日盯市確認(rèn)投資組合的市值第4講市場風(fēng)險VaRppt課件影響VaR計算的幾個主要因素上尾部概率τ持有期Δt損失的累積分布函數(shù)金融頭寸的資產(chǎn)價值需要注意的是，空頭頭寸與多頭頭寸在實際分析過程中有明顯不同。

影響VaR計算的幾個主要因素上尾部概率τ幾種常見的計算方法非參數(shù)法：使用歷史數(shù)據(jù)，計算經(jīng)驗分布和經(jīng)驗分位數(shù)。歷史模擬法參數(shù)法：假定收益率服從某種分布，估計參數(shù)，計算分布的分位數(shù)。正態(tài)分布T分布極值分布幾種常見的計算方法非參數(shù)法：使用歷史數(shù)據(jù)，計算經(jīng)驗分布和經(jīng)驗歷史模擬法（HistoricalSimulationApproach）首先選擇風(fēng)險因子的歷史數(shù)據(jù)，例如500個交易日數(shù)據(jù)。其次，用歷史數(shù)據(jù)計算資產(chǎn)組合的價值和價值的變化.最后，構(gòu)建直方圖，找到1%的分位點，即第5個最壞的損失。計算VAR。歷史模擬法（HistoricalSimulationAp歷史模擬法計算例子考慮一個美國投資者，在2008年9月25日持有價值1000萬的投資組合（如圖），組合中有4個股票指數(shù)，指數(shù)價格以美元計算，下面顯示了4個指數(shù)的收盤價格的歷史數(shù)據(jù)（可下載）歷史模擬法計算例子考慮一個美國投資者，在2008年9月25日第4講市場風(fēng)險VaRppt課件第4講市場風(fēng)險VaRppt課件10天VaR第4講市場風(fēng)險VaRppt課件歷史模擬法的推廣1、對觀察值設(shè)定權(quán)重使權(quán)重隨時間回望期的延伸而按指數(shù)速度遞減將所有觀測值由最壞到最好進行排序由損失最壞的情形開始，累積計算每一項權(quán)重的和，直到達到某指定分位數(shù)界限時為止?？梢酝ㄟ^回顧檢驗中，測試不同的l，來選取最佳參數(shù)l歷史模擬法的推廣1、對觀察值設(shè)定權(quán)重第4講市場風(fēng)險VaRppt課件2、更新波動率利用第i天波動率與當(dāng)前波動率的不同，使用一種更新波動率的模式，并基于在第i天觀測到的百分比變化來調(diào)整市場變量。例如,假定是的兩倍。市場變量在第i個情形會變成2、更新波動率第4講市場風(fēng)險VaRppt課件第4講市場風(fēng)險VaRppt課件3、自助法假定有500個數(shù)據(jù)由觀測樣本x=(x1，…，xn)構(gòu)造經(jīng)驗分布函數(shù)Fn;從Fn中抽取簡單樣本X*=（X1，

…，Xm），m<=n,重復(fù)步驟（2）N次，由Bootstrap子樣得到樣本p分位數(shù)，xp，i，i=1，…，N。計算統(tǒng)計量:由中心極限定理，可以得到xp近似服從正態(tài)分布，由此可以得到分位點的點估計和區(qū)間估計。3、自助法參數(shù)法1、正態(tài)分布：Z=(R–μ)/sdenotesastandardnormalvariable,N(0,1),參數(shù)法1、正態(tài)分布：Z=(R–μ)/sdenote不同置信水平對應(yīng)的臨界值不同置信水平對應(yīng)的臨界值如何選擇c和時間段Dt公司范圍內(nèi)不同市場風(fēng)險的比較，99%，1天潛在損失的衡量滿足資本充足率回溯標(biāo)準(zhǔn)如何選擇c和時間段Dt公司范圍內(nèi)不同市場風(fēng)險的比較，99%，1日VaR和10日VaR假設(shè)市場是有效的，每日收益Rt是獨立同分布的，服從正態(tài)分布N(m,s2)，則10日收益率也是服從正態(tài)分布，均值10m，方差是10s21日VaR和10日VaR假設(shè)市場是有效的，每日收益R均值方差法計算股票組合的VaR假設(shè)持有兩種股票，價格分別為S1（持有數(shù)量n1）、S2（持有數(shù)量n2），則股票組合的價值為（1）風(fēng)險因子選擇股票價格，Rv

=資產(chǎn)組合收益率Ri=第i種股票的收益率，i=

DSi/Siwi=資產(chǎn)組合中投資于第i種股票的比重,i,=1,2,withS

wi

=1均值方差法計算股票組合的VaR假設(shè)持有兩種股票，價格分別為S（2）計算風(fēng)險因子Rv的分布：假設(shè)價格服從對數(shù)正態(tài)分布，日收益率服從正態(tài)分布。假設(shè)股票收益率Ri服從正態(tài)分布，mi和si，相關(guān)系數(shù)為r。（3）計算股票i的1日和10日VAR（2）計算風(fēng)險因子Rv的分布：假設(shè)價格服從對數(shù)正態(tài)分布，日（4）計算資產(chǎn)組合1日和10日的VaR

（4）計算資產(chǎn)組合1日和10日的VaR通過對這兩支股票一年的歷史數(shù)據(jù)，可以估計收益率的均值和方差分別為代入數(shù)據(jù)通過對這兩支股票一年的歷史數(shù)據(jù)，可以估計收益率的均值和方差分whereVaR1,VaR2,andVaRV

denotetheone-dayvalueatriskatthe99percentconfidencelevelfor注意，資產(chǎn)組合的VaR小于兩個資產(chǎn)的VaR的和，這反映了由于權(quán)益資產(chǎn)不完全相關(guān)而引起的資產(chǎn)組合效應(yīng)。whereVaR1,VaR2,andVaRVden均值方差法計算其他金融產(chǎn)品的VaR假設(shè)持有風(fēng)險資產(chǎn)，價值為V，將V表述為n個風(fēng)險因子fi的函數(shù)，i=1,...,n.，則一階泰勒展開近似為Didenotesthe"delta”假設(shè)風(fēng)險因子都服從正態(tài)分布，則均值方差法計算其他金融產(chǎn)品的VaR假設(shè)持有風(fēng)險資產(chǎn)，價值為V均值方差分析的優(yōu)缺點

優(yōu)點：計算方便根據(jù)中心極限定理，風(fēng)險因子不一定需要滿足正態(tài)性不需要定價模型，只需敏感因子缺點收益正態(tài)性假設(shè)不滿足胖尾性需要估計波動率和相關(guān)系數(shù)無法進行敏感性分析無法計算置信區(qū)間均值方差分析的優(yōu)缺點優(yōu)點：均值方差的推廣利用指數(shù)加權(quán)移動平均值（EWMA）模型計算方差-協(xié)方差回歸條件異方差（GARCH）模型計算時變方差使用其它分布，隨機模擬產(chǎn)生DP的分布均值方差的推廣利用指數(shù)加權(quán)移動平均值（EWMA）模型計算方差2、t分布大多數(shù)收益率是“胖尾”的。可使用t分布來描述，用三個指標(biāo)均值m、方差s2和自由度vV描述了胖尾形，v越小，尾部越胖；v越大，t分布越趨于正態(tài)分布。對于金融時間序列，v的取值常在4和8之間。2、t分布第4講市場風(fēng)險VaRppt課件極值理論極值理論可以描述一個變量x的經(jīng)驗概率分布的右尾部狀態(tài).(如果要描述左尾部狀態(tài)，我們可以使用變量–x.）我們先選擇右端尾部的一個數(shù)值

u我們可以使用Gnedenko的結(jié)論：隨著分布u的增加，

趨向于廣義帕累托（Pareto）分布。43極值理論極值理論可以描述一個變量x的經(jīng)驗概率分布的右尾部廣義Pareto分布44廣義Pareto分布有兩個參數(shù)

x(有關(guān)分布的形狀)和

b(分布的規(guī)模因子)廣義Pareto分布的累計分布函數(shù)為廣義Pareto分布44廣義Pareto分布有兩個參數(shù)參數(shù)的最大似然估計45我們將所有大于u的觀察值xi,按從大到小進行排序。假設(shè)有

nu

個觀測值比

u大。我們采用使得最大的x

和

b

作為最大似然法估計的參數(shù)參數(shù)的最大似然估計45我們將所有大于u的觀察值xi,按運用極值理論估計VaR對應(yīng)于置信水平為q的VaR，我們對F(VaR)=q求解因此運用極值理論估計VaR對應(yīng)于置信水平為q的VaR，我們對F(極值理論的例子極值理論的例子第4講市場風(fēng)險VaRppt課件令u=200，nu=13。采用Excel計算中的Solve程序，可求得使似然函數(shù)達到最大值的參數(shù)值為在99%的置信水平下的VaR值為第4講市場風(fēng)險VaRppt課件有關(guān)u的選擇經(jīng)驗法則：保證u近似等于實證分布中的95%的分位數(shù)。有關(guān)u的選擇經(jīng)驗法則：保證u近似等于實證分布中的95%的分位蒙特卡羅模擬采用蒙特卡羅模擬法，計算交易組合一天展望期的VaR：利用當(dāng)前的市場變量對交易組合進行定價從Dxi服從的多元正態(tài)分布中進行一次抽樣由Dxi的抽樣計算出在交易日末的市場變量利用新產(chǎn)生的市場變量來對交易組合重新定價計算ΔP重復(fù)2-5步的計算，得出ΔP的概率分布蒙特卡羅模擬采用蒙特卡羅模擬法，計算交易組合一天展望期的Va計算股票組合的VaR首先，選擇所有風(fēng)險因子，設(shè)定其動態(tài)模型（可能需要估計均值、方差和相關(guān)系數(shù)等變量），例如股票價格服從如下隨機過程其次，構(gòu)造價格路徑，例如上述隨機微分方程的解為withWt

denotingthecumulativeinnovationsfrom0tot.計算股票組合的VaR首先，選擇所有風(fēng)險因子，設(shè)定其動態(tài)模型（將上述過程離散化，利用均勻分布隨機數(shù)，可以得出構(gòu)造價格路徑所需要的隨機數(shù)據(jù)。Dt=timeintervalbetweentandt–1Z=standardnormalvariableN(0,1)suchthat將上述過程離散化，Dt=timeintervalbe當(dāng)有多個風(fēng)險資產(chǎn)服從式（27）的幾何布朗運動隨機過程，相關(guān)系數(shù)為rij，均值為mi，方差為si，可將多變量方程寫為X=(X1,...,Xn)是多元正態(tài)隨機向量，均值等于0，方差矩陣為S，Sij=E(XXT)=rij,當(dāng)有多個風(fēng)險資產(chǎn)產(chǎn)生隨機向量X=(X1,...,Xn)的方法先產(chǎn)生n個正態(tài)隨機變量隨機數(shù)計算矩陣A，使得S=AAT，例如產(chǎn)生隨機向量產(chǎn)生隨機向量X=(X1,...,Xn)的方法最后，計算資產(chǎn)組合的價格和VAR模擬10000次的價格路徑，得到資產(chǎn)組合的價格經(jīng)驗分布，計算1%的分位數(shù)。最后，計算資產(chǎn)組合的價格和VARMonteCarloApproach優(yōu)缺點優(yōu)點：可以考慮其他分布，如允許胖尾，跳躍等特殊現(xiàn)象存在可以將任何復(fù)雜的資產(chǎn)組合納入模型可計算置信區(qū)間敏感性分析和壓力測試缺點某些意外情況未被納入分布中。計算機能力限制MonteCarloApproach優(yōu)缺點優(yōu)點：回顧測試回顧測試8.59回顧測試（Back-Testing）回顧測試的過程是統(tǒng)計例外的天數(shù)，也就是實際損失超出VaR的情形.損失可以是實際損失或者理論損失.如果發(fā)生例外的概率是p(=1–X),則在n天內(nèi)發(fā)生m次例外的可能性為8.59回顧測試（Back-Testing）回顧測試的過程是Kupiec構(gòu)建了一種基于首次出現(xiàn)損失超過VAR的時間的檢驗。設(shè)表示首次出現(xiàn)損失超過VAR所需要的天數(shù)，服從幾何分布，零假設(shè)p=1-c,似然比檢驗為如果LR>3.84,拒絕原假設(shè)。在JP摩根的例子中，T=252，N=20，p=0.95%，LR=3.91Kupiec構(gòu)建了一種基于首次出現(xiàn)損失超過VAR的時間的檢驗第4講市場風(fēng)險VaRppt課件巴塞爾規(guī)則記錄上一個年度的每日超過VaR特例事件巴塞爾規(guī)則記錄上一個年度的每日超過VaR特例事件在黃燈區(qū)，監(jiān)管者根據(jù)出現(xiàn)特例事件的原因決定是否加以處罰。模型的構(gòu)成嚴(yán)謹(jǐn)。偏差的發(fā)生是因為頭寸報告不準(zhǔn)確，或者程序碼錯誤。模型的準(zhǔn)確度科研提高。偏差發(fā)生是因為模型不能準(zhǔn)確地衡量風(fēng)險（到期觀察值不足）同日交易。頭寸在當(dāng)天發(fā)生變化運氣不好。市場波動非常大或者相關(guān)性變化在黃燈區(qū)，監(jiān)管者根據(jù)出現(xiàn)特例事件的原因決定是否加以處罰?；厮輪栴}的要點在將運氣不好和錯誤模型分開。下面的表給出了正確模型回溯問題的要點在將運氣不好和錯誤模型分開。下面的表給出了正確后驗測試注意事項樣本觀察世界應(yīng)該盡量短，以增大觀察事件的數(shù)量，減少投資組合構(gòu)成的變化影響置信水平不要選太高，因為這樣會降低統(tǒng)計測試的有效性或力度。后驗測試需要平衡兩種類型誤差的選擇，拒絕正確模型和接受錯誤的模型。后驗測試注意事項樣本觀察世界應(yīng)該盡量短，以增大觀察事件的數(shù)量我國商業(yè)銀行關(guān)于返回測試的（一）商業(yè)銀行應(yīng)比較每日的損益數(shù)據(jù)與內(nèi)部模型產(chǎn)生的風(fēng)險價值數(shù)據(jù)，進行返回檢驗，依據(jù)最近一年內(nèi)突破次數(shù)確定市場風(fēng)險資本計算的附加因子，并按季度將返回檢驗結(jié)果及附加因子調(diào)整情況報告銀監(jiān)會。銀監(jiān)會對商業(yè)銀行返回檢驗結(jié)果和附加因子調(diào)整情況進行監(jiān)督。（二）符合以下情況的，商業(yè)銀行可向銀監(jiān)會申請不根據(jù)實際突破次數(shù)調(diào)整附加因子：1．商業(yè)銀行如能合理說明其使用的模型基本穩(wěn)健，以及突破事件只屬暫時性質(zhì)，則銀監(jiān)會可以決定不將該突破事件計入突破次數(shù)。2．當(dāng)金融市場發(fā)生實質(zhì)性的制度轉(zhuǎn)變時，市場數(shù)據(jù)的波動與相關(guān)系數(shù)的重大變化可能引發(fā)短時間內(nèi)的大量突破事件。在這種情況下，銀監(jiān)會可要求商業(yè)銀行盡快把制度轉(zhuǎn)變的因素納入其內(nèi)部模型，這一過程中可暫不調(diào)高附加因子。我國商業(yè)銀行關(guān)于返回測試的（一）商業(yè)銀行應(yīng)比較每日的損益數(shù)據(jù)（三）內(nèi)部模型的返回檢驗應(yīng)至少滿足以下要求：1．商業(yè)銀行應(yīng)每日計算基于T-1日頭寸的風(fēng)險價值與T日的損益數(shù)據(jù)并進行比較，如損失超過風(fēng)險價值則稱為發(fā)生一次突破。2．上述風(fēng)險價值的持有期為1天，置信區(qū)間、計算方法以及使用的歷史數(shù)據(jù)期限等參數(shù)應(yīng)與使用內(nèi)部模型法計提市場風(fēng)險資本要求時所用參數(shù)保持一致。3．突破的統(tǒng)計方法采用簡單突破法，即每季度末統(tǒng)計過去250個交易日的返回檢驗結(jié)果中總計發(fā)生的突破次數(shù)。4．商業(yè)銀行向銀監(jiān)會申請實施內(nèi)部模型法時，應(yīng)建立返回檢驗流程，并積累至少一年的返回檢驗結(jié)果數(shù)據(jù)。（四）使用內(nèi)部模型法計量特定市場風(fēng)險資本要求的，商業(yè)銀行應(yīng)對相關(guān)的利率和股票類子組合進行返回檢驗。（三）內(nèi)部模型的返回檢驗應(yīng)至少滿足以下要求：（五）商業(yè)銀行應(yīng)建立返回檢驗的文檔管理和報告制度。1．商業(yè)銀行應(yīng)對返回檢驗過程及結(jié)果建立完整的書面文檔記錄，以供內(nèi)部管理、外部審計和銀監(jiān)會查閱使用。2．返回檢驗突破事件發(fā)生后，應(yīng)及時書面報告商業(yè)銀行負(fù)責(zé)市場風(fēng)險管理的高級管理層成員。3．商業(yè)銀行正式實施市場風(fēng)險內(nèi)部模型法后，應(yīng)每季度將過去250個交易日的返回檢驗結(jié)果報告提交銀監(jiān)會。（六）按照過去250個交易日的返回檢驗突破次數(shù)，其結(jié)果可分為綠區(qū)、黃區(qū)和紅區(qū)三個區(qū)域。1．綠區(qū)，包括0至4次突破事件。綠區(qū)代表返回檢驗結(jié)果并未顯示商業(yè)銀行的內(nèi)部模型存在問題。2．黃區(qū)，包括5至9次突破事件。黃區(qū)代表返回檢驗結(jié)果顯示商業(yè)銀行的內(nèi)部模型可能存在問題，但有關(guān)結(jié)論尚不確定，因此，模型是準(zhǔn)確或不準(zhǔn)確均有可能。通常情況下，隨著出現(xiàn)突破事件次數(shù)由5次增加至9次，模型不準(zhǔn)確的可能性會逐步增大。3．紅區(qū)，包括10次或以上突破事件。紅區(qū)代表返回檢驗結(jié)果顯示商業(yè)銀行的內(nèi)部模型存在問題的可能性極大。（五）商業(yè)銀行應(yīng)建立返回檢驗的文檔管理和報告制度。（七）市場風(fēng)險返回檢驗突破次數(shù)、分區(qū)及資本附加因子的對應(yīng)關(guān)系見表1。表1：突破次數(shù)與附加因子關(guān)系表七、模型驗證要求商業(yè)銀行采用內(nèi)部模型法計算市場風(fēng)險監(jiān)管資本要求，應(yīng)按本辦法的規(guī)定對市場風(fēng)險內(nèi)部模型及支持體系進行驗證，確保模型理論正確、假設(shè)合理、數(shù)據(jù)完整、模型運行情況良好、計算準(zhǔn)確、使用分析恰當(dāng)。市場風(fēng)險內(nèi)部模型驗證的詳細(xì)要求見本辦法附件14。（七）市場風(fēng)險返回檢驗突破次數(shù)、分區(qū)及資本附加因子的對應(yīng)關(guān)系例如，摩根的例子LR

ind=9.53例如，摩根的例子LRind=9.53第4講市場風(fēng)險VaRppt課件投資組合的VaR投資組合的VaR投資組合的VaR投資組合的VaR值可以通過所包含的各種資產(chǎn)的風(fēng)險組合得出。投資組合的收益W的取值含義？投資組合的VaR投資組合的VaR值可以通過所包含的各種資產(chǎn)的矩陣形式以金額敞口x的形式以金額敞口x的形式正態(tài)模型的投資組合VaR假設(shè)所有單個證券的收益率都服從正態(tài)分布，則投資組合的收益率也服從正態(tài)分布。我們可以將置信水平c轉(zhuǎn)化成標(biāo)準(zhǔn)差的倍數(shù)a，投資組合的VaR等于各個組成部分的風(fēng)險正態(tài)模型的投資組合VaR假設(shè)所有單個證券的收益率都服從正態(tài)分相關(guān)性與投資組合風(fēng)險假設(shè)一個投資組合只有兩項資產(chǎn)r=0思考：在允許賣空時，相關(guān)性對組合風(fēng)險有什么影響？r=1相關(guān)性與投資組合風(fēng)險假設(shè)一個投資組合只有兩項資產(chǎn)r=0思考：8.77邊際VaR,遞增VaR及成分VaR

邊際

VaR

是指交易組合價格變化同某個組合成分xi變化的比率:遞增

VaR

是指該交易組合對VaR的遞增效應(yīng)，即交易組合包含此子組合是的VaR與不包含此子組合是的VaR的差第i個子交易組合的成分

VaR,Ci,是指第i個子交易組合對整個交易組合

VaR

的貢獻量:8.77邊際VaR,遞增VaR及成分VaR邊際VaR是邊際VaR邊際VaR衡量的是對投資組合中某個資產(chǎn)增加1美元的敞口，所引起的組合VaR的變化值，它是對該資產(chǎn)頭寸的部分偏導(dǎo)將其轉(zhuǎn)換成VAR數(shù)值邊際VaR邊際VaR衡量的是對投資組合中某個資產(chǎn)增加1美元的這個邊際VaR與b密切相關(guān)，這個邊際VaR與b密切相關(guān)，"Incremental-VaR"(IVaR)遞增VAR是指加入或撤銷一個資產(chǎn)A后，資產(chǎn)組合整體VAR的變化。IVAR為正，說明正相關(guān)，資產(chǎn)A增加風(fēng)險IVAR為負(fù)，說明負(fù)相關(guān)，資產(chǎn)A減少風(fēng)險缺點：耗時"Incremental-VaR"(IVaR)遞增VAR是缺點是耗時太多缺點是耗時太多近似計算近似計算案例1續(xù)先計算b

案例1續(xù)先計算b我們增加10000美元的初始頭寸，增量VaR為接著，我們把該值與投資組合風(fēng)險進行完全評估獲得的增量VaR相比我們增加10000美元的初始頭寸，增量VaR為成分VaR成分VaR是指若該成分被剔除掉，投資組合VaR的值近似變化量，所有成分VaR的加總與組合的VaR值相等。根據(jù)上述公式，VaR可以根據(jù)任何標(biāo)準(zhǔn)對風(fēng)險貢獻進行分解。對于大型投資組合，成分VaR可以通過貨幣種類，資產(chǎn)等級種類、地理位置或部門的形式表示。成分VaR成分VaR是指若該成分被剔除掉，投資組合VaR的值適用于一般分布的VaR工具適用于一般分布的VaR工具對組合VaR的貢獻把歐元頭寸調(diào)整為0，計算VaR值的變化，并與原結(jié)果進行比較。對組合VaR的貢獻把歐元頭寸調(diào)整為0，計算VaR值的變化，總結(jié)257,73892,738152,108總結(jié)257,73892,738152,108第4講市場風(fēng)險VaRppt課件案例4全球股票投資組合案例4全球股票投資組合日本與巴西頭寸風(fēng)險貢獻加總超過50%美國和英國頭寸占比最大，但頭寸風(fēng)險貢獻為20%日本有4.5%的超權(quán)重的頭寸應(yīng)該被降低到低風(fēng)險水平，最佳是下降4.93%日本與巴西頭寸風(fēng)險貢獻加總超過50%案例5：巴林銀行背景1995年2月27日，英國中央銀行突然宣布：巴林銀行不得繼續(xù)從事交易活動并將申請資產(chǎn)清理。這個消息讓全球震驚，因為這意味著具有233年歷史、在全球范圍內(nèi)掌管270多億英鎊的英國巴林銀行宣告破產(chǎn)。具有悠久歷史的巴林銀行曾創(chuàng)造了無數(shù)令人瞠目的業(yè)績，其雄厚的資產(chǎn)實力使它在世界證券史上具有特殊的地位?？梢赃@樣說：巴林銀行是金融市場上的一座耀眼輝煌的金字塔。

年僅28歲的交易員尼克·里森將已有233年歷史的英國巴林銀行賠了個精光，真是巨石激起滔天浪，一時間各方爭相報道巴林事件。尼克·里森也由此成為了世界知曉的人物，擠進了各大報刊雜志的頭版。當(dāng)然，無數(shù)的假設(shè)與理性分析判斷亦風(fēng)起云涌，大量的猜測與結(jié)論令人眼花繚亂。案例5：巴林銀行背景那么。這個金字塔怎樣就頃刻倒塌了呢：究其原因還得從1995年說起，當(dāng)時擔(dān)任巴林銀行新加坡期貨公司執(zhí)行經(jīng)