亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于股票價(jià)格比較論證CVaR和VaR測(cè)量金融風(fēng)險(xiǎn)的準(zhǔn)確性

        2019-11-27 11:44:06徐佳
        智富時(shí)代 2019年9期

        【摘 要】2019年兩會(huì)明確指出現(xiàn)階段任務(wù)重點(diǎn)是“防控金融風(fēng)險(xiǎn)”。由此看來(lái),國(guó)家已經(jīng)將嚴(yán)監(jiān)管和防風(fēng)險(xiǎn)列為了金融工作中極為重要的一部分。盡管目前對(duì)于測(cè)量識(shí)別金融風(fēng)險(xiǎn)的文獻(xiàn)很多,但鮮有通過(guò)比較論證,實(shí)證分析尋求更優(yōu)方法的文獻(xiàn)。本文從VaR模型出發(fā),利用歷史數(shù)據(jù)模擬法,通過(guò)分析股票市場(chǎng)的收盤價(jià)和日收益率分別計(jì)算VaR和CVaR的數(shù)值并且比較CVaR和VaR兩者的優(yōu)劣,最后得出結(jié)論。

        【關(guān)鍵詞】金融風(fēng)險(xiǎn);VaR模型;CVaR模型;股票價(jià)格

        一、文獻(xiàn)綜述

        眾所周知,當(dāng)前我國(guó)經(jīng)濟(jì)正處于重大結(jié)構(gòu)轉(zhuǎn)型工程當(dāng)中,我國(guó)經(jīng)濟(jì)已由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段。然而縱觀我國(guó)金融體系,可以發(fā)現(xiàn)金融風(fēng)險(xiǎn)也隨著國(guó)際貿(mào)易全球化,資本加速流動(dòng),信息技術(shù)革命等等原因更加復(fù)雜化,風(fēng)險(xiǎn)識(shí)別作為金融風(fēng)險(xiǎn)管理的第一步驟至關(guān)重要,是后續(xù)進(jìn)行有效金融風(fēng)險(xiǎn)管理的基礎(chǔ),但是目前金融風(fēng)險(xiǎn)識(shí)別方法不一,眾說(shuō)紛紜,測(cè)量結(jié)果也千差萬(wàn)別,因此有效精確識(shí)別金融風(fēng)險(xiǎn)成為金融風(fēng)險(xiǎn)管理永恒的主題。

        Giovanni Barone‐Adesi等人(2019)利用期權(quán)市場(chǎng)數(shù)據(jù),得出前瞻性、非參數(shù)性難以用歷史回報(bào)率描述的風(fēng)險(xiǎn)估計(jì)。對(duì)WTI原油股票期權(quán)隱含的1%、2.5%和5%風(fēng)險(xiǎn)價(jià)值進(jìn)行了預(yù)估和回測(cè),從而驗(yàn)證CVaR計(jì)算出的結(jié)果在一定程度上由于VaR的實(shí)證分析運(yùn)用。盧金榮(2019)通過(guò)選取滬深300指數(shù)的收盤價(jià)數(shù)據(jù),對(duì)VaR模型和CVaR模型進(jìn)行對(duì)比分析且研究結(jié)果表明:當(dāng)VaR值測(cè)度風(fēng)險(xiǎn)失效時(shí),CVaR值可以更好地測(cè)度風(fēng)險(xiǎn)損失,彌補(bǔ)VaR值的缺陷。張?jiān)迹?019)基于VaR計(jì)算方法研究中國(guó)證券市場(chǎng)高頻交易的風(fēng)險(xiǎn)管理,指出了VaR的計(jì)算方法以及缺陷和解決措施。郝韶龍(2018)首先就VaR的基本概念及應(yīng)用原理進(jìn)行分析,然后從一般特點(diǎn)和實(shí)際應(yīng)用分析VaR在金融投資中的應(yīng)用,最后從基本模型、假設(shè)條件、計(jì)算方法等方面,闡述VaR在金融投資中的風(fēng)險(xiǎn)控制模型。孫莉莉(2017)以融券融資業(yè)務(wù)的首批試點(diǎn)券商‐A證券公司為研究對(duì)象,結(jié)合相關(guān)市場(chǎng)風(fēng)險(xiǎn)管理知識(shí),通過(guò)CVaR風(fēng)險(xiǎn)測(cè)度方法進(jìn)行實(shí)證研究,深入剖析了融資融券市場(chǎng)風(fēng)險(xiǎn)的控制問(wèn)題,并提出了相關(guān)政策建議。

        綜上所述,盡管VaR一直以來(lái)被廣泛應(yīng)用,但其局限性也逐漸暴露,通過(guò)CVaR方法或許可以改善VaR的缺陷,本文選取合理的變量,以期尋找出更加有效準(zhǔn)確的測(cè)量金融風(fēng)險(xiǎn)的方法,將金融風(fēng)險(xiǎn)扼殺在搖籃里。

        二、VaR模型和CVaR模型

        (一)CVaR與VaR的關(guān)系

        VaR(value at risk)指的是金融資產(chǎn)的“在險(xiǎn)價(jià)值”,從VaR的計(jì)算方法來(lái)看,主要與三個(gè)要素有關(guān):持有期、置信區(qū)間和資產(chǎn)收益分布特征。一般而言,持有期越長(zhǎng),VaR值越大,置信水平越高,計(jì)算出來(lái)的VaR值就越大,因此需要更加充足的風(fēng)險(xiǎn)資本去抵御風(fēng)險(xiǎn)。但是置信水平并非越高越好,置信水平過(guò)高所測(cè)量出來(lái)過(guò)高的在險(xiǎn)價(jià)值,可能會(huì)打消投資者的投資信心,因此在實(shí)際操作中,一般要求測(cè)量市場(chǎng)風(fēng)險(xiǎn)的置信區(qū)間為99%,測(cè)量信用風(fēng)險(xiǎn)的置信區(qū)間為99.9%。目前VaR在風(fēng)險(xiǎn)控制、業(yè)績(jī)?cè)u(píng)估以及金融監(jiān)管等方面被廣泛應(yīng)用。

        CVaR(Conditional VaR)即條件在險(xiǎn)價(jià)值,是對(duì)VaR風(fēng)險(xiǎn)測(cè)量的進(jìn)一步延伸,通過(guò)計(jì)算金融資產(chǎn)尾部損失的平均數(shù)來(lái)計(jì)量資產(chǎn)的條件在險(xiǎn)價(jià)值,相比于VaR值在某一置信水平的特定的值,其結(jié)果計(jì)算“厚尾”金融風(fēng)險(xiǎn)的平均水平,具備動(dòng)態(tài)性、精確性以及綜合性,近年來(lái)引起更多的關(guān)注。

        (二)VaR局限性以及解決措施

        雖然傳統(tǒng)VaR簡(jiǎn)單易行,量化風(fēng)險(xiǎn)并且?guī)缀跞娣从沉私鹑跈C(jī)構(gòu)以及資產(chǎn)組合的風(fēng)險(xiǎn)敞口情況,但是仍存在著一些局限性——

        首先,關(guān)于收益分布的缺陷:傳統(tǒng)VaR假定金融資產(chǎn)的收益率符合正態(tài)分布,然而現(xiàn)實(shí)中金融資產(chǎn)收益多屬于“尖峰厚尾”型分布,如t分布、對(duì)數(shù)分布等?;谑找娉收龖B(tài)分布假定下的模型會(huì)忽略極端情況下價(jià)格劇烈波動(dòng)帶來(lái)的損失,即忽略了“厚尾”的風(fēng)險(xiǎn)損失,此時(shí)可能需要配合壓力測(cè)試,歷史模擬法等定性方法來(lái)彌補(bǔ)。且現(xiàn)實(shí)中的收益分布是有“偏度”的,這與正態(tài)分布下的對(duì)稱情況略有不同,因此帶來(lái)的結(jié)果也會(huì)略有差異。

        其次,傳統(tǒng)VaR值研究對(duì)象的局限性:傳統(tǒng)的VaR值一般只適用于正常情況下的市場(chǎng)風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn),對(duì)于研究其他的風(fēng)險(xiǎn)所測(cè)量出的結(jié)果卻差強(qiáng)人意,此時(shí)需要情景分析法等定性方法測(cè)量極端情況下帶來(lái)的損失;并且也不適于研究流動(dòng)性較差的金融資產(chǎn)所帶來(lái)的風(fēng)險(xiǎn)。再者,傳統(tǒng)VaR值不滿足非次可加性,即兩個(gè)風(fēng)險(xiǎn)資產(chǎn)所得出的資產(chǎn)組合的VaR值可能會(huì)高于兩個(gè)風(fēng)險(xiǎn)資產(chǎn)的VaR值之和。

        最后,VaR要求具備兩年以上的數(shù)據(jù),這顯然過(guò)于嚴(yán)格;也存在著模型選擇不一而導(dǎo)致所得結(jié)果不一的風(fēng)險(xiǎn);且VaR忽略了經(jīng)濟(jì)主體的風(fēng)險(xiǎn)偏好問(wèn)題,結(jié)果并非精確。

        綜合上述VaR的局限性可知,我們?cè)跍y(cè)量金融風(fēng)險(xiǎn)時(shí),一個(gè)重要的挑戰(zhàn)是測(cè)量極端發(fā)生但是風(fēng)險(xiǎn)敞口很大的金融風(fēng)險(xiǎn)事件,而VaR作為研究正常條件下的在險(xiǎn)價(jià)值,在這一方面難以解決。歷史文獻(xiàn)證明,CVaR或許可以做到這一點(diǎn),通過(guò)計(jì)算收益分布的“厚尾”損失的平均數(shù)大大改善了部分上述所提出的VaR局限性問(wèn)題。因此,CVaR作為測(cè)量動(dòng)態(tài)風(fēng)險(xiǎn)新方法,也是現(xiàn)今度量風(fēng)險(xiǎn)的一大選擇。

        三、VaR模型和CVaR模型的實(shí)證描述及比較

        (一)指標(biāo)說(shuō)明

        VaR模型一般采用三種方法計(jì)量風(fēng)險(xiǎn)——分別是參數(shù)法,歷史數(shù)據(jù)模擬法,蒙特卡羅模擬法。為了便于和CVaR比較,本文將采用歷史數(shù)據(jù)模擬法,截取三支股票(分別為000001平安銀行、000002萬(wàn)科A、601628中國(guó)人壽,且設(shè)三只股票為A、B、C三股)組成投資組合,給予每只股票相同的權(quán)重,通過(guò)收集三支股票自2019-8-31至2016-08-15之間500日的收盤價(jià),相應(yīng)地得出各支股票的收益率所形成整個(gè)投資組合的收益分布,由于股票價(jià)格容易受市場(chǎng)風(fēng)險(xiǎn)的波動(dòng),所以根據(jù)歷史文獻(xiàn),采用99%的置信區(qū)間并計(jì)算該置信水平下的VaR值,整理數(shù)據(jù)如表1:(數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù))

        (二)指標(biāo)分析

        根據(jù)上文描述的VaR模型和CVaR模型,結(jié)合本表所形成的收益分布來(lái)看,由于VaR假設(shè)收益分布遵循正態(tài)分布的特點(diǎn),與現(xiàn)實(shí)中金融資產(chǎn)在大多數(shù)情況下呈現(xiàn)左偏厚尾的現(xiàn)實(shí)有所差別,而CVaR將對(duì)于剩余的1-a部分,也即厚尾部分取平均處理,從而改善VaR的缺陷,從理論上而言,CVaR數(shù)值應(yīng)該比VaR大些,即VaR可能會(huì)帶來(lái)低估風(fēng)險(xiǎn)的可能,若結(jié)果呈現(xiàn)CVaR數(shù)值大于VaR數(shù)值,則假設(shè)成立。

        表一列出了三只股票過(guò)去500個(gè)交易日里的收盤價(jià)及日收益率,根據(jù)歷史數(shù)據(jù)模擬法,現(xiàn)賦予三支股票同樣的權(quán)重所組成的資產(chǎn)組合持有期為500天,則根據(jù)value=faCtor1+faCtor2+faCtor3,因股票收益易受市場(chǎng)風(fēng)險(xiǎn)的影響故設(shè)置信水平為99%,則取該投資組合最差的最后1%水平的收益率恰好為-0.122146,其與最優(yōu)收益率0.134523相比相差0.256669,即99%置信水平下的收益率VaR值約為25.67%即perCent VaR約為25.67%,同理,取該投資組合最差的最后1%水平的收益恰好為52.54元,與最優(yōu)時(shí)期的收益86.76元相比虧損34.22元,即VaR值為34.22元。

        反觀CVaR,根據(jù)定義,采用歷史數(shù)據(jù)模擬法,CVaR是收益分布上“厚尾”部分的平均數(shù),即表示一個(gè)動(dòng)態(tài)的VaR值概念。根據(jù)收益分布可以看出,從收益率來(lái)看,設(shè)置水平在99%時(shí),剩余1%水平的收益率平均數(shù)為-0.1330422,其與最優(yōu)收益率0.134523相比相差0.2675652即CVaR值約為26.76%,從收益角度看,置信水平在99%時(shí),剩余1%水平的收益平均數(shù)為51.874元,其與最優(yōu)時(shí)期的收益86.76元相比相差34.886元,即虧損34.886元,即CVaR值為34.886元。

        根據(jù)結(jié)論,CVaR值無(wú)論從收益率分布還是收益分布來(lái)看,結(jié)果都大于VaR值,根據(jù)前文可知,這是由于VaR假設(shè)以資產(chǎn)收益呈正態(tài)分布而導(dǎo)致的結(jié)果,即無(wú)法正確客觀地估量風(fēng)險(xiǎn)發(fā)生時(shí)的大小,通常情況會(huì)低估風(fēng)險(xiǎn),即數(shù)值總會(huì)小于CVaR值。

        (三)得出結(jié)論

        本文模型通過(guò)收集國(guó)泰安數(shù)據(jù)庫(kù)中2016-08-15至2019-08-30累計(jì)500個(gè)交易日的股票日收盤價(jià)和日收益率的數(shù)據(jù),構(gòu)成三支股票的投資組合。采用歷史數(shù)據(jù)模擬法分別計(jì)算投資組合的VaR和CVaR值,根據(jù)現(xiàn)實(shí)經(jīng)驗(yàn),由于VaR模型是基于收益分布成正態(tài)分布的對(duì)稱性特點(diǎn),而CVaR能夠根據(jù)現(xiàn)實(shí)資產(chǎn)收益分布呈現(xiàn)尖峰厚尾且左偏的特點(diǎn)估計(jì)風(fēng)險(xiǎn)條件價(jià)值,因此通過(guò)厚尾的簡(jiǎn)單平均出來(lái)的CVaR值總會(huì)大于VaR值。本模型所得結(jié)果亦如此,由此可知,CVaR值在測(cè)量金融風(fēng)險(xiǎn)上會(huì)更加有效準(zhǔn)確。

        四、結(jié)論與研究展望

        金融風(fēng)險(xiǎn)一直以來(lái)就是經(jīng)濟(jì)研究人員關(guān)注的重要主題之一。由于經(jīng)濟(jì)全球化,信息技術(shù)的革新以及其他原因,金融風(fēng)險(xiǎn)極易產(chǎn)生交互式的傳染,在不同的部門,市場(chǎng),區(qū)域甚至國(guó)之間不同步地進(jìn)行,這給金融風(fēng)險(xiǎn)管理者帶來(lái)了更大的困難。加上信息不對(duì)稱在各個(gè)市場(chǎng)上不能完全消除,金融活動(dòng)不能完全擺脫地理復(fù)雜化因素的制約等原因,由此帶來(lái)的金融資源分配不合理已成必然,所以金融區(qū)域間的風(fēng)險(xiǎn)在發(fā)生時(shí)間上和影響程度上各不相同,這給精確計(jì)量金融風(fēng)險(xiǎn)帶來(lái)了一定的難度。近年來(lái)關(guān)于金融風(fēng)險(xiǎn)管理的定量定性分析不在少數(shù),尤其關(guān)于識(shí)別風(fēng)險(xiǎn)的文獻(xiàn)有很多,列舉的方法迥異,但關(guān)于論證識(shí)別測(cè)量金融風(fēng)險(xiǎn)方法的實(shí)證分析仍然是外文文獻(xiàn)居多,而結(jié)合本國(guó)金融市場(chǎng)進(jìn)行實(shí)證分析的文獻(xiàn)卻占少數(shù)。

        本文根據(jù)VaR和CVaR的關(guān)系,解釋VaR在測(cè)量金融風(fēng)險(xiǎn)中的局限性——由于VaR模型基于收益呈正態(tài)分布的假設(shè),暴露出許多不足,此時(shí)VaR模型需要結(jié)合情景分析等定性方法才可以較客觀地評(píng)估。通過(guò)比較最近500個(gè)交易日三只股票所組成投資組合而形成的收益分布,計(jì)算出在置信水平為99%情況下的VaR和CVaR數(shù)值,并比較兩者大小明了地得出結(jié)論——CVaR在測(cè)量資產(chǎn)風(fēng)險(xiǎn)上,由于采用置信區(qū)間外的平均數(shù)值,更能反映資產(chǎn)動(dòng)態(tài)的特點(diǎn),較之VaR更加有效精確。

        然而需要指出的是,本研究計(jì)算的數(shù)值是基于99%的置信水平,由于計(jì)量資產(chǎn)的收益大多來(lái)源于市場(chǎng)風(fēng)險(xiǎn),因此采用99%的置信水平是現(xiàn)如今的通用標(biāo)準(zhǔn)。但資產(chǎn)收益并不單獨(dú)只受市場(chǎng)風(fēng)險(xiǎn)的影響,可能也會(huì)受到違約破產(chǎn)結(jié)算等等因素帶來(lái)的信用風(fēng)險(xiǎn)或操作風(fēng)險(xiǎn)的影響,這些無(wú)法估量,因此采用99%的置信水平仍然有待商榷。另一方面,置信水平并非越高越好,若過(guò)高的置信水平得出過(guò)高的在險(xiǎn)價(jià)值,容易抑制投資者的投資信心,因此具體采用怎樣的置信水平尚需研究。其次,當(dāng)利差消息帶來(lái)的價(jià)格下跌高于利好消息帶來(lái)的價(jià)格上漲時(shí),便發(fā)生了非對(duì)稱性。由于金融市場(chǎng)非線性特質(zhì)往往會(huì)引起投資者非線性的交易行為,少量的交易往往引起收益分布的高峰特質(zhì),而大量的交易則會(huì)導(dǎo)致厚尾的分布特點(diǎn),因此樣本總量的大小沒(méi)有具體的定論。最后關(guān)于上文所提到的區(qū)域性金融風(fēng)險(xiǎn)向系統(tǒng)性金融風(fēng)險(xiǎn)傳導(dǎo)時(shí),無(wú)法精確計(jì)量該區(qū)域間的金融風(fēng)險(xiǎn)傳導(dǎo)效應(yīng),這些都將是作者未來(lái)繼續(xù)對(duì)該領(lǐng)域進(jìn)行深入研究并且不斷完善的重點(diǎn)。

        【參考文獻(xiàn)】

        [1]Giovanni Barone‐Adesi,Marinela Adriana Finta,Chiara Legnazzi,Carlo Sala. WTI Crude oil option implied VaR and CVaR: An empiriCal appliCation[J]. Journal of ForeCasting,2019,38(6).

        [2]盧金榮.股市風(fēng)險(xiǎn)的VaR與CVaR度量模型比較研究[J].西南石油大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2019,21(03):20-28.

        [3]彭承亮,何啟志,戴翔.我國(guó)黃金股票市場(chǎng)風(fēng)險(xiǎn)測(cè)度——基于EGARCH-POT模型的VaR與CVaR研究[J].江南大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版),2017,16(06):91-97+122.

        [4]郝韶龍.基于VaR(風(fēng)險(xiǎn)價(jià)值)的金融投資問(wèn)題研究[J].科技經(jīng)濟(jì)導(dǎo)刊,2018,26(30):209+211.

        [5]孫莉莉. 基于CVaR法的A證券公司融資融券市場(chǎng)風(fēng)險(xiǎn)控制研究[D].貴州財(cái)經(jīng)大學(xué),2017.

        作者簡(jiǎn)介:徐佳(1997—),漢族,江蘇常州人,現(xiàn)在江蘇大學(xué),研究方向:金融學(xué)。

        337p西西人体大胆瓣开下部| 亚洲人成人无码www| 国产成人无码精品久久二区三区 | 国产亚洲一区二区三区| 亚洲综合激情五月丁香六月| 久久免费视频国产| 亚洲视频在线播放免费视频| 国产剧情av麻豆香蕉精品| 99精品国产丝袜在线拍国语| 乌克兰少妇xxxx做受6| 国产精品久久久久久久久久影院| 日本一区二区在线播放视频| 欧洲熟妇色| 欧美情侣性视频| 亚洲啪啪AⅤ一区二区三区| 中文字幕在线乱码av| 女人被狂躁c到高潮| 麻豆成人在线视频| 青青草视频国产在线观看| 亚洲综合中文字幕综合| 亚洲av无码专区在线播放中文 | 成人综合婷婷国产精品久久蜜臀| 中文字幕无码人妻丝袜| 免费人成网站在线播放| 午夜dv内射一区二区| 国内精品久久久久久中文字幕| 久久精品成人免费观看97| 日本女优久久精品观看| 精品国产偷窥一区二区| 无码h黄动漫在线播放网站| 久久久精品国产亚洲麻色欲 | 日日鲁鲁鲁夜夜爽爽狠狠视频97| 91精品91久久久久久| 日本少妇熟女一区二区| 97精品久久久久中文字幕| 欧美日韩在线观看免费| 青青草视频在线播放81| 丝袜人妻一区二区三区| 久久精品国产亚洲精品| 亚洲国产视频精品一区二区| 在线观看亚洲av每日更新影片|