金融市場風險度量（簡體書）

風險價值（Value-at-Risk，以下簡稱VaR），是目前金融市場風險管理和金融監管的主流方法，它被用來度量某個金融資產或投資組合在一定的持有期內和給定的置信水平下的最大可能損失，是一個明確且能全面反映金融資產或投資組合所承受風險的測度，簡單清晰地表示市場風險的大小，又有嚴謹系統的概率統計理論做依托，克服了過去風險度量方法只能針對特定的金融工具或在特定的范圍內使用，不能綜合反映風險的局限，因而得到了國際金融界的廣泛支持和認可。國際性研究機構30人小組、國際掉期交易商協會、國際清算銀行和巴塞爾委員會等團體一致推薦，將VaR作為市場風險測量和控制的最佳方法。目前VaR已被全球各主要銀行、非銀行金融機構、公司和金融監管機構廣泛采用。
然而，VaR理論還有很多方面需要進一步研究，主要表現在：1.不同的VaR方法計算所得的VaR并不相同。至今還沒有一個既簡單方便又準確的VaR方法。2.雖然傳統的VaR計算方法已經對金融資產或投資組合回報中的厚尾現象進行了較為細致的研究，但是絕大多數研究都沒有結合回報中同時具有的不對稱現象，只是估計計算，沒有徹底地解決這一問題。3.對VaR方法的評價研究大多集中在準確性評價方面，很少有保守性和有效性方面的研究。至今，還沒有一個VaR評價的明確規範和評價體系。現有的評價研究大多是對某種VaR方法的蒙特卡洛模擬，而不是實證研究，還無各種VaR方法及其評價方法間的比較研究，也無法鑒別各種評價方法的有效性和實用性。4.目前，國內外對投資組合VaR及其分解研究相對較少。雖然近期有些學者做出了一些嘗試，但都具有相當強的約束條件，即假定投資組合回報分布服從正態分布或雙變量橢圓分布，顯然這與組合實際回報中存在的不對稱現象和厚尾現象嚴重不符。此外，如何分解由非參數方法（歷史模擬法和蒙特卡洛模擬法）和半參數方法（極值理論方法）計算出來的投資組合VaR還有待進一步研究。
為此，本書在總結國內外現有g-h分布和VaR研究成果的基礎上，以基於g-h分布的VaR計算方法--g-h VaR法為研究對象，以統計學、金融學為研究工具，以定量實證研究為主，結合定性分析討論，集中深入地研究了基於g-h VaR法的金融風險管理理論，提出了基於g-h分布的蒙特卡洛模擬法的g-h MC法與基於g-h分布的VaR參數方法的三個g-h VaR模型（根據g-h分布可對分布、分布左側和分布左尾部分分別建模的統計特性，提出了基於金融資產或投資組合回報損益、損失、極端損失的g-h VaR參數模型），給出了參數估計方法，闡述了各方法的性質、特點和應用，建立了VaR方法的評價體系，給出了投資組合VaR分解的一般過程，提出了全局最小二乘法、非對稱響應模型估計法、局部線性近似估計法和理性近似估計法四種分解方法，填補了VaR理論在這些方面的空白。
本書的主要研究工作及成果可歸納如下：
1.第一章在系統地闡述VaR理論研究現狀的基礎上，分析了研究中存在的不足，在此基礎上提出了本書所要解決的問題。
2.第二章介紹了金融風險的概念、特點和分類，詳細地分析了金融市場風險管理的動因、功能和管理過程，深入討論了金融市場風險度量方法及其歷史演變，以及金融市場風險的度量框架。
3.第三章闡述了VaR的歷史演變，詳細地介紹了VaR的概念、優缺點、替代方法和應用，分析了VaR的參數選擇及其影響因素，深入討論了VaR的計算方法。通過對現有VaR計算方法的比較，指出了各種計算方法（參數法、非參數法和半參數法）的不足，及如何根據實際需要選擇不同的計算方法。
4.第四章首先圍繞證券回報的厚尾現象和不對稱現象，分別從文獻、概念和測量等方面對其進行了詳細地介紹，從組合回報分布和波動性兩個角度討論了兩者對VaR計算的影響，綜述了描述厚尾現象和不對稱現象的各種統計分布，指出了它們的特性及優缺點，討論了具有厚尾性和不對稱性的GARCH模型，為接下來的研究做了理論上的鋪墊；然后，構建了基於g-h分布的VaR計算方法體系，提出了基於g-h分布的蒙特卡洛模擬法、g-h MC法，根據g-h分布可以對整個分布、分布左側以及分布的左尾部分分別建模的統計特性，提出了基於金融資產或投資組合損益、損失以及極端損失的三個g-h VaR參數模型，并應用g-h VaR法度量了金融資產的市場風險；最后，通過實證研究表明，在低置信水平（95％）下，g-h VaRⅢ明顯低估了風險，而遭到拒絕，其他方法都比較準確，在中高置信水平（97.5％、99％、99.5％、99.9％）下，g-h VaRⅢ表現得最為出色，這說明g-h VaRⅢ對極端市場條件下的風險度量更為準確，而其他三種方法明顯有些保守，高估了風險，總體上看，g-h VaR I、g-hVaRⅡ和g-h MC在各個置信水平上表現得都比較準確，而g-hVaRⅢ更適合在中高置信水平下度量風險。
5.第五章構建了VaR方法評價的基本框架，應用多種統計方法對VaR方法進行了保守性、準確性和有效性評價。該章詳細介紹了VaR的評價方法：用于保守性評價的均值相對誤差和均值平方根相對誤差、用于準確性評價的失敗檢驗法和損失函數檢驗法、用于有效性評價的標準覆蓋乘子法和分布預測檢驗法；比較了各種評價方法的優缺點；指出了其各自的適用范圍，試圖為中國金融市場風險管理的規範化發展提供理論和經驗參考。在此基礎上，評價了g-h’VaR法的表現，并將之與兩種非參數計算方法（歷史模擬法、基於正態分布假設的蒙特卡洛模擬法）、四種參數方法或模型（GARCH模型、LGARCH模型、RiskMetric方法、Delta-Normal方法）以及半參數3-法的極值理論方法進行了比較研究。結果表明：（1）隨著置信水平的增加，基於g-h分布的四種VaR計算方法、歷史模擬法和極值理論方法的保守性不斷增強；而MC-Normal、Delta-Normal、GARCH、LGARCH與RiskMetric 3-法的均值相對誤差則逐漸地減少，保守性不斷減弱。這表明前六種方法在較高置信水平下得到了較高的風險度量，減少了投資者在極端市場條件下的損失，但增加了風險成本，而后五種VaR計算3-法則恰恰相反。（2）失敗檢驗法和損失函數法的準確性的評價結果基本一致。在中低置信水平下，歷史模擬法、g-h VaR I和g-h VaR]I準確地度量了風險；g-h VaRllI方法低估了風險；其他七種方法高估了風險。在較高的置信水平下，g-h VaRill方法準確地度量了風險；極值理論3-法、g-h VaR I、g-h VaRlI與g-h MC法顯得過于保守，高估了風險；歷史模擬法低估了風險；MC-Normal、Delta-Normal、RiskMetric和GARCH類方法明顯地低估了風險。（3）在中低置信水平下，各VaR方法的有效性差異不大。在95％的置信水平下，g-h VaR I、g-h VaR II、g-h MC、歷史模擬法和GARCH類方法較為有效，其他方法有效性較差。在97.5％的置信水平下，GARCH類方法和歷史模擬法最為有效。在較高的置信水平下，各VaR方法的有效性有較大的差異。在99％和99.5 9／5的置信水平下，基於g-h分布的四種3-法、極值理論方法和歷史模擬法較為有效，而GARCH類方法最為保守。在99.9％的置信水平下，g-h VaRI]I表現得最為有效，四種g-h VaR方法都比較保守，高估了風險。其中極值理論方法最為保守。
6.第六章詳細地闡述了邊際VaR、成分VaR和增量VaR的概念、含義和相互關係，提出使用g-h VaR方法計算投資組合VaR，提出了全局最小二乘法、非對稱響應模型估計法、局部線性近似估計法和理性近似估計法四種投資組合VaR分解方法，對邊際VaR、成分VaR和增量VaR進行了估計計算，分解了基於g-h VaR方法計算出的投資組合VaR。結果表明：全局最小二乘法、非對稱響應模型估計法分別使用了組合回報的損益數據、損失數據，對組合中各資產回報和組合回報間的關係取一階線性近似，計算簡單、便捷。相比之下，非對稱響應模型估計法只需對回報的損失數據進行建模，對數據的要求更少，應用范圍更廣，當組合回報不對稱現象明顯時，該方法表現得更為出色。局部線性近似估計法是一種在組合VaR附近取線性近似的分解方法，只需要VaR附近少量的回報數據，適合包括極值理論方法在內的所有VaR計算方法估計出的投資組合VaR的分解，可同時處理組合回報具有的不對稱現象和厚尾現象，但也較為復雜。通過對投資組合VaR分解為投資者和金融監管方提供了更多有關組合市場風險的信息，使資產組合管理者能更全面地了解投資組合風險的內在結構，調整組合資產和優化資本配置。
7.第七章對全書進行了總結，并對今后的研究做出了展望。
本書主要特色和創新有：
1.建立了基於g-h分布的VaR計算方法--g-h VaR法的理論分析框架。提出了基於g-h分布的蒙特卡洛模擬方法：g-h MC法；提出了基於g-h分布的VaR參數計算方法，即根據g-h分布可對分布、分布左側和分布左尾部分分別建模的統計特性，提出了基於金融資產或投資組合回報損益、損失、極端損失的三個g-h VaR參數模型。
2.提出了使用g-h VaR法度量市場風險。分別應用基於回報損益、損失、極端損失的g-h VaR參數模型以及基於g-h分布的蒙特卡洛模擬方法g-h MC法對金融資產和投資組合的市場風險進行了度量。
3.提出了全局最小二乘法、非對稱響應模型、局部線性估計法和理性近似估計法四種方法分解投資組合VaR。使用全局最小二乘法、非對稱響應模型和局部線性估計法對投資組合g-h VaR進行了分解研究。
4.構建了VaR計算方法的評價體系，即保守性評價、準確性評價和有效性評價。使用多種統計方法對g-h VaR法及其他VaR方法進行了評價研究，并將g-h VaR方法與各種VaR方法進行了比較。結果表明：g-h VaR法是一種準確、有效且較為保守的VaR方法。

潘志斌，1976年出生，現為華東師範大學金融系講師。2005年6月獲得上海交通大學管理科學與工程專業博上學位，長期從事金融風險管理與金融工程領域的研究，現主持教育部人文社會科學青年基金項目1項，先后參與國家自然科學基金資助項目、教育部人文社會科學項目和橫向課題4項，發表研究論文10余篇，EI柃索2篇，ISTP檢索3篇。

摘要
ABSTRACT
第一章 緒論
1.1 研究背景和意義
1.2 國內外文獻綜述
1.2.1 VaR理論的研究現狀
1.2.2 現有研究的不足之處
1.3 本書的主要內容和章節結構
1.4 本書的主要特色和創新之處
第二章 金融市場風險
2.1 引言
2.2 金融風險與金融市場風險
2.3 金融市場風險管理
2.3.1 金融市場風險管理的動因和功能
2.3.2 金融市場風險管理過程
2.4 金融市場風險度量方法
2.4.1 金融市場風險度量方法的演變
2.4.2 金融市場風險的度量框架
2.5 本章小結
第三章 風險價值
3.1 引言
3.2 VaR的歷史演變
3.2.1 VaR的早期歷史--從投資組合理論的角度
3.2.2 VaR的早期歷史--從資本金充足率的角度
3.3 VaR
3.3.1 VaR定義與計算原理
3.3.2 VaR的參數選擇：持有期和置信水平
3.3.3 VaR的優缺點
3.3.4 VaR的替代方法
3.4 VaR在金融領域的應用
3.5 VaR的計算方法
3.5.1 參數方法
3.5.2 非參數方法
3.5.3 半參數方法
3.5.4 現有VaR計算方法的分類、不足、比較及選擇
3.6 本章小結
第四章 金融市場風險度量：基於g-h分布的VaR方法研究
4.1 VaR與厚尾現象、不對稱現象
4.1.1 峰度、偏度與尾部指數
4.1.2 處理不對稱現象、厚尾現象時常用的統計分布和模型
4.2 g-h VaR方法
4.2.1 g-h分布
4.2.2 g-h VaR法
4.3 實證研究
4.3.1 數據的選取及其特徵
4.3.2 VaR的計算
4.3.3 g-h VaR方法的比較
4.4 本章小結
第五章 金融市場風險度量評價研究
5.1 問題的提出
5.2 金融市場風險度量方法的評價
5.2.1 保守性評價
5.2.2 準確性評價
5.2.3 有效性評價
5.3 實證研究
5.3.1 數據的選取及其特徵
5.3.2 VaR的計算
5.3.3 保守性評價
5.3.4 準確性評價
5.3.5 有效性評價
5.4 本章小結
第六章 金融市場風險分解研究
6.1 問題的提出
6.2 邊際VaR、成分VaR和增量VaR
6.2.1 邊際VaR、成分VaR和增量VaR的概念
6.2.2 邊際VaR、成分VaR和增量VaR的相互關係
6.3 投資組合市場風險的分解
6.3.1 投資組合VaR的分解的一般過程
6.3.2 現存的投資組合VaR分解方法及其局限性
6.3.3 投資組合VaR的分解方法
6.4 實證研究
6.4.1 數據的選取及其特徵
6.4.2 投資組合VaR計算
6.4.3 投資組合VaR分解
6.5 本章小結
第七章 研究結論與展望
7.1 研究結論
7.2 研究展望
參考文獻
附錄：關於投資組合內各資產β值的計算
致謝