【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)。