英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料
风险值（VaR）模型和风险评估
背景
风险是变化的一个功能，在管理投资时，当这种变化更加频繁和迅速时，我们需要用应对变化影响的技术进行管理（Crockford,2005）。虽然现代术语中的术语“风险”一词意味着“损失的危险”，但金融理论将风险定义为由于金融变量的变动而导致的意外结果的分散，从而将正面和负面的偏差视为风险来源（Jorion,2007）。风险是意想不到的结果的波动，通常是资产或负债的价值（Jorion,2002）。财务风险通常被定义为回报的意外变化或波动性，因此包括潜在的差于预期的亏损以及优于预期的回报。风险大致可分为信用风险、市场风险、操作风险、法律风险、监管风险、政治风险等。风险可能来自许多因素，例如商业周期、通货膨胀、政府政策变化、战争、不可预见的自然现象、技术变革等等。所有这些都可能导致市场的波动和业务收入的不确定性。波动性无法控制，但需要对潜在因素进行管理。风险管理是识别、测量和控制各种风险暴露的过程。它已经形成了每个商业活动的核心。Clarke和Brown（2009）认为，现在企业领导层是时候该考虑采取最高级别的严格风险管理方法了即创立董事会。自1996年巴塞尔协议首次成立以来，金融风险管理发挥了核心作用。自马科维茨（1952）开展关于金融风险/波动性的开创性工作以来，随机回报/损失的方差（或等效标准差sigma;）一直是经常被用于衡量风险。暴露于不同潜在变量的运动以不同的符号表示。利率波动被称为持续时间；市场力量及其对股票收益的影响是系统性风险，用beta;（beta）表示；并在衍生品市场中使用delta;（delta;）；持续时间的变化，利率的变化，通过凸性来衡量；伽玛度量标准价格变动时的变化。
金融部门的专业人士不分青红皂白地采取行动，更多的是因金钱和权力而贪婪，这种行为已经损失了数万亿美元。同样，自然灾害和政治动荡导致经济崩溃，导致“大而不倒”的银行倒闭。因此，公司需要为整个企业采取全面的风险管理实践，例如高盛公司帮助保护其企业免受经济低迷的影响（Mcdonald,2009）。Chiu（2007）通过风险现金流风险模型（C-FaR）模型对企业多元化和风险程度进行的研究表明，多元化企业的C-FaR比非多元化企业的要小，现金流分配是相关多元化公司比非相关公司更具波动性。
在一系列金融灾难给经济造成损害之后，我们有必要关注整个企业范围内的风险管理实践，为风险价值（VaR）铺平道路。Jorion（1996）将风险价值描述为目标地平线上预计收益和损失分布的分位数。Leippold（2004）认为，将风险的所有方面和维度压缩成单一数字是站不住脚的，并可能导致信息的丢失。在全公司范围内测量和监控风险的加速趋势已经增加了对风险价值（VaR）的关注以及对整个公司层面的需求（Minnich,1998）。
Philippe Jorion（2002）调查了一个所披露的交易与VaR值之间的关系：美国商业银行的小样本以及其交易收入的随后变化，并且建议风险价值披露提供信息，因为它们可以预测交易收入的可变性。因此，风险价值已被广泛而迅速地接受为银行业真正的风险衡量标准，但其对投资行业尚未得到足够的认可（Deb et al.,2009）。 摩根担保信托公司（Morgan Guaranty Trust Company,1995）在其报告中观察到，VaR方法使用历史收益来预测波动率和相关性，然后用它来估计市场风险。许多VaR模型已被研究人员传播。尽管风险价值模型被广泛使用，尤其是在金融市场中，但仍有争议，这些模型是否真正准确地衡量了下行风险。
在下一节中，我们将讨论这项研究背后的动机和研究方法。风险管理实践和风险价值（VaR）在标题为“风险管理实践和VaR”一节中简要讨论。有一部分标题为“风险和风险评估”，其中包括对其他研究人员关于VaR的工作的评论。将会在最后一节进行总结讨论。
研究动机、目标和方法
作为一种风险度量工具，VaR自1990年代早期推广以来，得到了G-30、巴塞尔银行监管委员会和国际清算银行（1993年三十国集团）等国际机构的认可。巴塞尔委员会和国际清算银行等国际机构建议采用风险价值评估商业银行的资本充足率。但是，它的适用性需要从其他行业的角度来看，以及需要考察它是否可以作为企业范围内的风险管理工具。
在上述前提下，本研究旨在使用新的数据集，变量和方法来检验以下几个方面：
bull; 总体来说，讨论风险价值在金融市场中的作用。
bull; 研究有关VaR在其他行业适用性的文献。
bull; 为企业风险评估推荐最佳风险价值方法。
bull; 研究如何在企业风险管理中增加风险价值。
因为这里的目标是找到金融和其他行业采用的各种VaR方法，所以我们已经使用了各种研究人员已发表的优质资源。
风险管理实例和风险价值
前任花旗集团董事长沃尔特·沃里斯顿说：“所有的生活，都是风险管理，而不是消除风险。”在我们生活的每个角落，我们都面临着风险。有些是自然的，有些则是人造的。因此，可以肯定的是，变化是唯一不变的，这种不断变化是不可避免的，但只需要加以管理（Fung＆Hsieh,2011）。VaR作为风险管理者手中的风险管理工具变得越来越重要，并且在股票市场中扮演着稳定的角色。广泛的风险管理者可以用它来控制风险。但是，在某些情况下，由于基于风险管理者的赌博策略，大量的股票风险被采纳，从而抬高价格并在市场上形成一个坎坷。风险管理者的这一特征可能会人为地增加极端损失的可能性，并影响VaR估计（Berkelaar, Cumperayot＆Roy,2002）。
极端价值理论（EVT）或预期缺口（ES）集中在给定置信水平的左尾，并尝试计算置信区间内的损失的平均值。另一个流行的和最重要的风险管理工具之一是风险价值（VaR）。VaR广泛应用于银行和金融领域。它可以被描述为目标地平线上预计的收益和损失分布的分位数。风险投资的种子是1987年美国股市暴跌后感受到的冲击播下的，称为黑色星期一，当时美国股市每天下跌百分之二十三，形成全球性灾难；并在20世纪90年代初在美国发生了一些金融灾难。为了管理某些事情，我们需要先测量它。这就是风险价值（VaR）来拯救我们的地方。
在风险价值研究方面做了开创性工作的Philippe Jorion将其定义为“VaR总结了目标范围内的最大损失，这个损失不会超过置信水平。”假设c是置信水平，那么VaR可以估计为1左尾的水平（Jorion，2007）。“风险价值”一词在20世纪80年代后期由摩根大通创立，Till Guldimann是银行研究主管。该银行决定专注于“价值风险”而非“收益风险”，接着，在30国集团（国际组织）的会议上被纳入1993年发布的G-30报告。风险价值通过一系列复杂的统计方法进行衡量，这些方法随着时间的变化，投资组合结构的变化，市场条件的变化等而不断变化，并且通常需要统计学家理解金融市场（Damodaran,2014）。
1995年，摩根大通提出RiskMetrics指数加权移动平均模型（EWMA）来估计这种随时间变化的条件波动性。对股票和期权收益组合的分析显示，在5%的水平下RiskMetrics分析给出了最好的结果，但以较低的概率半参数方法更准确（Danielsson＆De Vries,2000）。
风险和风险评估
随着Markowitz（1952年）开创性风险评估工作的出现，方差和标准偏差开始用于风险评估。即使在今天，它也是评估风险最流行的方法。Rockafellar＆Uryasev（2002）认为，它不会区分非正常利润和非正常损失。随着金融市场的大幅增长和参与者兴趣的增加，风险评估变得更加多样和复杂（Hwang,2007）。因此，对这些活动的交易收入进行评估以及检查VaR预测的统计准确性是绝对必要的。巴塞尔银行监管委员会已经批准使用VaR模型，全球金融部门也采用了相同的模式。Rockafellar和Uryasev（2002）提出了另一种风险度量“有条件的风险价值”（CVaR），满足四个理想的公理，如平移不变性、次可加性、正同质性和单调性，导致了一个易于处理的投资组合优化问题。
风险价值的美妙之处在于，它没有将风险描述为抽象数字或多种风险因素的组合；相反，它将一组资产的风险作为一个绝对数字来表达（Kiohos＆Dimopoulos,2004）。这意味着它绝对地说明了在接下来的n天期间投资组合的可能的美元损失，这使得即使是外行人也能理解并帮助做出关于他的投资组合的未来行动方案的决定（Marshall＆Siegel,1997年）。人们越来越意识到风险评估中使用VaR模型，几个政策小组也开始推荐使用这些模型。在国家证券交易所（NSE）交易的每只股票的风险价值是每日报告的，投资者可以使用它作出投资决策。
Tripathi＆Gupta（2008）应用投资组合正态分析方法，对来自印度股票市场的30只股票和两个市场指数的日常数据进行了分析，得出的结论是，由于非正态性，偏高和负偏度，VaR预测不准确。Ghaoui, Oks＆Oustry（2003）试图通过假设回报的分布来减少传统方法（如均值方差或风险价值模型）造成的数据错误极度敏感的问题部分是已知的，将最坏情况的风险价值定义为可实现的最大VaR，并试图通过半确定性计划（Krokhmal, Palmquist＆Uryasev,2002）来展示如何在最差情况下的VaR值计算上限。在1000个外汇组合中应用12种风险价值方法在95%置信水平的分位数下产生了近乎完美的风险估计值，但在第99个百分位数中并没有达到完美结果（Hendricks,1996）。Markus Leippold（2004）认为，通过定义5%最差损失中的最佳损失，VaR完全忽略了尾部分布，这可能是风险评估最重要的部分，这可能更具误导性，特别是如果市场开始果断地在负区移动。
Deb＆Banerjee（2009）观察到移动平均和随机游走模型不适合分析，而指数加权移动平均和历史模拟模型没有向下偏差。Zhao（2004）证明了VaR估计在共同基金行业中的应用，并传播了设计动态组合投资策略的思路。研究人员在1983 - 1994年期间探索了1000个随机选择外汇组合的风险价值模型的有用性，从指数加权移动平均方法中选择了3个，从历史模拟方法中选择了4个，并最终得出结论认为，12种方法在每一个方面都没有优势（Leon＆Lin,2004）。
Al Janabi（2006）使用描述性统计数据，对日常收益数据，样本货币外汇汇率的每日和每年波动率进行了正态性检验，得出的结论是美元/欧元波动率最高，MAD/EURO波动性最低。像偏度和峰度这样的技术的应用表明，一般来说，所有外汇汇率都表现出轻微的不对称行为，且分布平坦（Aniūnas, Nedzveckas＆Kruscaron;inskas,2009）。Reddy＆Rath（2005）得出结论认为，几乎所有样本货币的测试都显示了收益分布的明显不对称行为，并且主要在新兴和非流动性市场中明显偏离了回报分配的正常状态。
普通的Rankit和Tukey方法被用于计算1%（和5%）分布分位数的对冲基金的VaR，并且揭示了EVT（一种基于半参数的基于分位数的风险资本估计）最接近于VaR值（Nazarova＆Teiuml;letche,2006）。Degen＆Embrechts（2008）认为，尽管许多研究人员声称，但当对二阶尾部行为进行分析，它有自己的问题和陷阱。结合波动性聚类中的动态性和VaR估计的非正态性这两个方面，Bhattacharyya＆Ritolia（2008）提出了一种EVT的组合模型，用GARCH分析非正态行为和波动率聚类。
对5种股票指数和20种股票应用不受限制分布形式的条件自回归风险价值（CVaR）模型，显示出比GARCH模型和均线（Taylor,2005）更好的结果。基于范围的随机波动率模型和其他已知的预测模型被应用于标准普尔500指数，美国十年期政府债券系列、原油和美元/加元汇率的每日期货价格，以评估风险度量值，如条件覆盖率、独立性和无条件覆盖率，估计移动平均、指数平滑和AR5模型具有更好的预测能力（Sadorsky,2005）。随着CAViaR模型的引入，Engle＆Manganelli（2004）提出了动态分位数（DQ）测试，该测试动态指定随时间变化的分位数，并且最适合VaR估计。
为了说明市场状况，高度波动的价格之后是高波动率和低波动率，然后是低波动的交易，Nelson（1991）和Bollerslev（1987）主张使用通用自回归条件异质性（GARCH）。Bhattacharyya, Chaudhary＆Yadav（2008）对14个国家的股票指数进行了研究，为了估计VaR，作者提出使用Pearson的IV型分布和GARCH（1,1）的组合来获得更好的预测结果。
对动态规划的“最优性原则”的研究表明，在多阶段情况下，条件风险价值（CVaR）不需要时间一致性，并且为此提出了目标 - 百分位风险度量公式（Boda＆Filar,2006）。Berkowitz＆O#39;Brien（2002）应用了不同的技术来估计对六家大型商业银行盈利能力的VaR预测，并得出结论认为，银行VaR没有充分反映损益波动的变化。
Fishman（1996）观察到，VaR模型对正态分布数据有帮助，但大多数经济数据在很多情况下表现出过度尖峰和厚尾。他建议主要使用成分VaR和蒙特卡洛VaR来克服这些条件。Tsai＆Shih（2007）讨论了具有较高特征值的主成分以及与响应变量具有较高相关性的主成分，并得出回归系数估计量的均方误差矩阵和多元回归模型中的普通最小二乘法，可以确定最佳回归估计量。Lin, Chu-Hsiung＆Shen（2006）给出了（student-t）VaR-t和（EVT）VaR-x模型，并将其与VaR-n模型进行比较，并揭示使用student-t分布估计VaR可以为超
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[468901]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
