衡量市场风险的指标
衡量市场风险的指标
【篇一：衡量市场风险的指标】
系数越高，系统性风险越大，资产要求的风险收益也就越高，相应的期望收益也就越高。2．在险价值( value-at-Ｒisk)在险价值
( value-at-Ｒisk，简称 vaＲ) 方法自8 8 1中山大学学报( 社会科学版) 2015 年第 6 期20 世纪 90 年代早期提出后，在金融机构得到了广泛运用，已经成为风险管理的国际标准。vaＲ的定义为资产( 组合) 在一定的持有期( holding period) ，一定的置信水平
( confidencelevel) 1 －下可能的最大损失。在实践中，通常被设定为 1%或 5%。例如，如果 =5%，则vaＲ是在 95% 置信度下金融机构面临的最大损失。因此，vaＲ = － q ，其中 q 是金融机构收益率Ｒ的分位数:pr Ｒ q { } = vaＲ方法有很多优点，但也有其局限性。首先，vaＲ是一个非一致风险测度，不满足次可加性的要求。其次，对尾部风险的估计不足，vaＲ无法反映处于分位点下方的尾部损失，而在危机爆发时，尾部损失才是关注的焦点。最后，vaＲ忽略了金融机构之间的互相联系和影响，无法捕捉金融机构之间的风险溢出效应。针对这些缺陷和不足，学者们开发了一些 vaＲ的变种，包括预期资本不足( expected shortfall，即 es) 和条件风险价值( conditional value at Ｒisk，即 covaＲ) 等。3．预期资本不足( es)es 是基于极值理论的一种风险度量工具，自1997 年亚洲金融危机后逐渐成为人们关注的热点。es 的定义是在正常市场条件和一定的置信水平下，给定时间段内超出 vaＲ值损失的条件期望值，即最糟的概率下可能发生损失的均值。es 考察尾部损失的均值而非单一分位点。es 的模型如下:es = e Ｒ|Ｒ q { } 阿特兹纳等( artzner et al．，1999) ，阿瑟比、挪迪欧和西尔托里 ( acerbi，nordio ＆sirtori，2001) ，阿瑟比与塔什( acerbi ＆ tasche，2002) ，亚麦与尤芝( yamai ＆ yoshiba，2005) 等证明了在方法论上，es 优于 va Ｒ，并且满足连续函数条件下的次可加性，从而满足风险计量的一致性要求。acharya 等 ( 2010) 指出，es 比 vaＲ更稳健，因为va Ｒ不能捕捉极端( 例如低于 1% 或 5% 分位数)情形的负收益。es 和vaＲ结合在一起，现在已经成为度量在发生极端情况时金融机构所面临风险的标准工具。4．条件风险价值( covaＲ)针对 vaＲ方法忽略了金融机构之间的联系和影响这一缺陷，艾德里安与布兰纳梅尔( adrian＆ brunnermeier，2008) 提出了条件在险价值 co-vaＲ方
法。covaＲ指的是金融资产 j 关于 i 的条件风险价值，即当金融资
产 i( 通常指收益率) 损失处于 v a Ｒ i a 的水平时，金融资产 j 所处
的 vaＲ风险水平，模型如下:pr x j covaＲ j\i |x i = vaＲ i { } = 其中，1 －为置信水平。covaＲ本质上是条件概率分布的分位数，代表了
金融资产 i 对 j 的风险溢出效应，包含了无条件在险价值和溢出风险
价值。溢出风险价值定义为 covaＲ与无条件vaＲ的差值: covaＲ
j|i = covaＲ j|i － vaＲ j 如果取 i 为金融市场的系统风险，则衡量了
单个机构对整个系统风险的贡献程度。5．边际预期不足( marginal expected shortfall，mes)acharya 等( 2010) 在 es 的基础上提出
了边际预期不足( marginal expected shortfall，mes) 模型。对于
一个包含 n 个机构的组合，系统预期不足( systemic expected shortfall，ses) 被定义为:ses = iy i e r i |Ｒ q { } 其中，y i 代表第 i 个机构在组合中的权重，代表第 i 个机构的收益率。组合中第 i 个机
构对 ses 的贡献程度被定义为 mes:mes i =?ses ?yi= e r i |Ｒ q { } acharya 等( 2010) 构建了一个简单的理论模型，证明如果监管者基
于 ses 对金融机构征税，将有助于降低金融机构承担风险的动机，
从而减少它们的违约引起的外部性。( 二) 度量指标的比较从以上各
风险度量指标的定义可以看出，5个变量都衡量的是市场风险，但是
从经济学和统计学的角度来看，其侧重点是不一样的。
衡量的是单个资产预期收益率和市场预期收益率之间的一致性，所侧重的是预期收益率整体分布。但9
8 1系统性市场风险度量指标的测算与评价是，没有理由假设个体资产和市场之间的相关度在整体分布
都保持一致，尤其是在极端分布的时候。因此后面的几种度量方法都抛弃了整体分布的一致性，转而研
究极端分布的情况。所不同的是: vaＲ强调的是极端分布的分位点，而 es 则更进一步强调的是极端分
布的均值。不过，尽管vaＲ和 es 都指出了极端分布在风险中的重要性，但二者毕竟基于单个资产的
分布状态，忽略了系统性的重要作用。因此 covaＲ和 mes 从经济意义上来说又更进一步，在变量定
义中重新引进了系统的重要性。二、实证测度方法与样本数据说明( 一) 实证测度方法在前部分的讨论
中，我们给出了系统性市场风险度量指标的理论定义，但是在实际操作过程中，无法观测到资产的实际
分布状态。因此在实际操作中还需要借助一些技术手段进行测度。1．的测度对系数进行估计的基础是capm 模型，即r i = r f + ( r m － r f ) 。如果假设每个收益率的观测是总体收益率分布的一次抽样，那
么就可以借助资产的日收益率对市场日收益率进行线性回归:^ r = ^ +^ i r m所得的斜率系数即^ i 为 i 的
估计值。2． vaＲ的测度vaＲ计算的重点是对资产未来收益率分布的估计。目前学术界较为常用的测
度方法有三种:方差协方差法、历史模拟法和蒙特卡洛模拟法。方差协方差法需要对资产的收益率做出
特定假设( 假设资产( 对数) 收益率服从正态分布或 t 分布) ; 蒙特卡洛模拟法则需要设定资产价格运动的
随机过程，反复生成时间序列，得到资产价值未来分布的统计估计。为了避免人为设定带来的测度干扰，本文采用历史模拟法，利用历史分布来估计真实的收益率分布，以历史 r i 的 5% 分位点的绝对值作为
资产 i 的 vaＲ i 5% 的度量。3． es 的测度根据和 vaＲ同样的度量思想，本文同样采用历史模拟法，
利用历史分布来估计真实的收益率分布，以历史 r i 的 5% 分位点以下的平均收益作为 es i 5% 的度量。4． covaＲ的测度covaＲ的测度方法有三种: 基于极端事件的动态二阶矩法、基于历史收益率的bootstrapping模拟法和分位点回归法。在国内，叶五一等( 2008) 、高国华等( 2011) 、周天芸等( 2012) 曾用不同方法对 covaＲ进行估计。adrian 和 brunner-meier( 2011) 指出分位点回归是计算 covaＲ的
特别有效的估计。因此本文使用分位点回归( quan-tile Ｒegression) 的方法来计算 covaＲ，利用市场收
益估计资产 i 的 5% 分位点回归估计值可以表示如下:^ r i|m5%= ^ 5% + ^ i 5% r m其中 ^ r i|m5% ，表
示给定市场收益的情况下，资产 i的 5%分位点收益估计值; 根据 vaＲ的定义，我们可以得到 vaＲ i 5% |r m = ^ r i|m5% ，再根据 covaＲ的定义，如果令 r m = v a Ｒ m5% ，则可以得到:covaＲ i|r m= vaＲ
m5%5%= vaＲ i 5% | vaＲ m5%=^ 5% +^ i 5%vaＲ m5%根据历史收益数据估算 vaＲ m5% ，带入上
述5%分位点回归方程，即可得到资产 i 的 cova-Ｒ i|r m= vaＲ m5%5%。5． mes 的测度我们同样采
用历史数据估算 mes i 。根据mes 的定义 mes i = e r i |Ｒ q { } ，因此本文首先找出 r m q 5% 的样本，然后利用这些样本计算出资产 i 的平均收益，所得值即为 mes i 5% 的度量。( 二) 样本数据说明尽管自
中国金融系统建立以来尚未爆发显性的系统性金融机构危机，但 2008 年的金融危机无疑为从市场表现
度量各金融机构系统性风险提供了自然实验窗口。也就是说，如果各种金融机构系统性风险测量指标
真的有警示功能，那么我们预期: 从截面数据上来看，由指标测算出的风险越大的金融机构，则其在金
融危机期间的市值损失应该更多。基于这种想法，我们就可以利用2008 年的金融危机窗口评估各种风
险度量指标0 9 1中山大学学报( 社会科学版) 2015 年第 6 期的优劣。一般认为，由美国次贷危机引发
的金融危机在2008 年6 月开始传导至中国，因此本文以2008年 6 月 1 日起之后的半年作为中国金融
危机影响最深的时间段，并以此时间段计算各金融机构的市值损失，视为实现的系统性预期资本化不足( Ｒealized ses) 。由于风险度量指标的测算需要使用提前半年的数据，因此，本文选择的样本为在
2007 年 12 月 31 日前已上市的金融机构，共 28家。其中，商业银行 14 家，保险公司 4 家，证券和
信托公司 10 家。表 1 列出了各金融机构在此期间的市值损失。表 1 各金融机构在 2008 年 6 月 1 日2008 年 11 月 30 日期间的市值损失市值损失损失排名公司代码公司名称65． 65% 1 600837 海通证
券60． 93% 2 601166 兴业银行60． 17% 3 600036 招商银行59． 81% 4 601318 中国平安57． 36% 5 600000 浦发银行55． 81% 6 000686 东北证券55． 27% 7 000783 长江证券55． 09% 8 600109
国金证券53． 54% 9 000001 深发展 a53． 45% 10 601601 中国太保53． 37% 11 000728 国元证券49． 11% 12 600816 安信信托47． 94% 13 000563 陕国投 a47． 88% 14 002142 宁波银行47． 78% 15 601169 北京银行45． 80% 16 000562 宏源证券45． 76% 17 601328 交通银行44． 38% 18 600016 民生银行44． 32% 19 601099 太平洋42． 87% 20 600030 中信证券41． 35% 21 600643
爱建股份39． 92% 22 601939 建设银行39． 92% 23 601009 南京银行38． 12% 24 600015 华夏银
行36． 75% 25 601628 中国人寿36． 43% 26 601998 中信银行33． 23% 27 601398 工商银行33． 05% 28 601988 中国银行三、实证结果( 一) 度量指标的估计和相关性分析1．度量指标的估计结
果利用前文所述的实证测度方法，本文对金融危机传导至中国前半年的时间区间( 即 2007 年12 月 1
日 2008 年 5 月 31 日) 内各系统性市场风险度量指标进行了测算。表 2 列出了这些指标的计算结果。
表 2 各金融机构 2007 年 12 月 1 日 2008 年 5 月 31 日系统性风险测度结果公司代码 vaＲ es covaＲmes000001 1． 12 6． 76% 8． 10% 10． 53% 6． 30%000562 1． 45 8． 24% 9． 31% 9． 65% 8． 55%000563 1． 42 8． 43% 9． 59% 9． 94% 7． 97%000686 1． 43 9． 99% 10． 00%
11． 12% 8． 63%000728 1． 45 9． 99% 10． 00% 11． 01% 7． 60%000783 2． 44 8． 96% 9． 81% 10． 54% 8． 68%002142 1． 03 5． 90% 7． 49% 7． 73% 7． 19%600000 1． 13
7． 52% 8． 64% 11． 14% 5． 38%600015 1． 11 6． 30% 7． 69% 9． 09% 5． 44%600016
1． 06 6． 01% 6． 78% 7． 51% 6． 46%600030 1． 30 6． 73% 8． 06% 8． 66%
7． 47%600036 1． 01 5． 80% 6． 58% 8． 32% 5． 42%600109 1． 48 9． 99% 10． 00%
11． 05% 7． 15%600643 1． 32 8． 41% 9． 03% 11． 05% 7． 68%600816 1． 31 9． 82%
9． 97% 11． 25% 6． 77%600837 1． 42 9． 58% 9． 90% 11． 40% 7． 64%601009 0． 90
4． 93% 6． 35% 6． 53% 6． 22%601099 1． 08 9． 75% 9． 95% 11． 08% 6． 86%601166
1． 03 6． 92% 8． 27% 11． 16% 5． 62%601169 1． 00 5． 40% 6． 71% 6． 29%
6． 38%601318 1． 18 7． 13% 9． 17% 9． 58% 8． 29%601328 0． 97 4． 91% 6． 81% 6． 84% 6． 61%601398 0． 81 4． 01% 5． 56% 6． 45% 5． 04%601601 1． 14 7． 18% 8． 59% 8． 35% 8． 08%601628 1． 24 7． 37% 8． 72% 8． 87% 8． 26%601939 0． 88 4． 43% 5． 98% 5． 95% 5． 85%601988 0． 74 3． 29% 4． 33% 4． 79% 4． 12%601998 0． 98 5． 36% 6． 92% 7． 05% 6． 34%注: 为了直观理解之便，vaＲ、es、covaＲ、mes 都采用了正数进行表述，因此按照定义，其
数值越大表明其风险越大，下同。1 9 1系统性市场风险度量指标的测算与评价2．度量指标的相关性
在测算完各金融机构的风险测度的基础上，一个很自然的问题是表中的各种指标之间的相关性如何，即: 尽管各项指标背后的经济原理不同，但它们同样都度量了金融机构的系统性风险，如果不同的投资者
( 或监管者) 根据自身偏好选取了不同的指标，那么它们之间会不会出现较大的背离? 基于这一想法，我
们首先检验了各变量之间的相关性系数( 如表 3 所示) 。由表 3 可以看到，mes 和 covaＲ之间的相关
性最小，但相关系数也达到了 0． 49，且在 1% 的统计水平下显著;vaＲ和 es 之间的相关性更是高达0． 97。这些统计数据说明我们选取的各种风险测度的指标之间并没有出现较大的背离，也就是这些指
标尽管背后的原理有一定的差异，但从实际数据来看，它们之间还是呈现出了较大的一致性。表 3 各风
险测度指标之间相关性系数表 vaＲ es covaＲ mes 1． 00vaＲ 0． 71 ＊＊＊ 1． 00es 0． 72 ＊＊＊0． 97 ＊＊＊ 1． 00covaＲ 0． 61 ＊＊＊ 0． 91 ＊＊＊ 0． 91 ＊＊＊ 1． 00mes 0． 70 ＊＊＊
0． 67 ＊＊＊ 0． 75 ＊＊＊ 0． 49 ＊＊＊ 1． 00注: 上标＊＊＊表示在 1%的水平下显著。( 二) 度
量指标的风险测度效果比较在前文基础工作之后，我们就可以比较这 5 个指标的风险测度拟合效果。从图 1 可以看到，5 个指标都和金融危机期间金融机构的市值损失呈现出正向关系。说明这几个指标在不
同程度上都有一定的风险测度价值，尤其值得关注的是 vaＲ、es、covaＲ、mes 4 个指标。从图中可
以看到，由于变量的定义方式以及中国股票市场中的涨停板限制，图 1 各指标与金融危机期间市值损失的散点图2 9 1中山大学学报( 社会科学版) 2015 年第 6 期表 4 各风险测度与金融危机中市值损失的回
归检验被解释变量: 各金融机构在 2008 年 6 月 1 日 2008 年 11 月 30 日期间的市值损失截距项
0． 342 ＊＊＊( 5． 59)0． 306 ＊＊＊( 5． 61)0． 221 ＊＊＊( 2． 94)0． 223 ＊＊＊
( 3． 58)0． 316 ＊＊＊( 3． 32) 0． 116 ＊＊( 2． 34)vaＲ2． 459 *( 3． 33)es3． 180
*( 3． 51)covaＲ2． 850 *( 4． 24)mes2． 404 *( 1． 76)n 28 28 28 28 28Ｒ 2 0． 174 0． 299
0． 322 0． 409 0． 107adj －Ｒ 2 0． 142 0． 272 0． 296 0． 386 0． 072注: 括号中为变量 t 值，上标 * 、＊＊、＊＊＊、分别表示在 10%、5%、1%的统计水平下显著。vaＲ、es、mes 的极值都
大致被锁定在 10% 以内，但是由于 covaＲ的测度中采用了回归方法进行估计，其极值可以超越 10%，因此从这一点上来说，covaＲ比 vaＲ、es、mes 有更多的信息。表 4 给出了各指标和市值损失之间的回归检验。从结果可以看到，5 个回归模型都至少在10%的统计水平下显著①。说明以往文献所定义
的 5 种市场风险度量指标对金融机构的市场风险都有一定的解释能力，变量有其真正的经济含义。从变量的解释能力来看，5 个指标中，covaＲ的解释能力最高，模型的Ｒ方达到 40． 9%。考虑到这仅仅
是单变量回归的结果，模型的Ｒ方很高表明 covaＲ的确表现出了优异的风险测度拟合能力。该结果
说明: 尽管 5 个指标都能衡量中国上市金融机构的市场风险，但是从金融危机这种极端风险的角度来说，covaＲ还是具有更优的风险测度能力。此外，风险测度功能稍次的变量是 es 和vaＲ。es 的解释
力度比 vaＲ稍强，这也印证了es 比 vaＲ更稳健的观点。因为 vaＲ不能捕捉极端情形的负收益。最后，和 mes 的风险测度力度稍差，其中mes 的风险测度能力最差，这一结果和 acharya等( 2010) 的
结果大相径庭。acharya 等( 2011) 指出，mes 在系统性市场风险的测度中具有更好的解释能力，但是
从本文的实证结果来看，该结果是最差的。究其原因，可能是我国的市场中存在涨跌停的限制，这种限
制导致我们在测算 mes 的时候可能会存在偏差。四、结论加强宏观审慎监管已经成为各国金融监管改
革的共同趋势，为避免金融体系风险的溢出效应给整体宏观金融体系带来的冲击，对金融机构的风险监
测与识别则构成了宏观审慎监管的重要内容。以往的文献已经在金融机构系统性风险的度量上构建了一
系列指标，但是尚未回答这些指标孰优孰劣的问题。本文以 2008 年金融危机时期的中国上市金融机构
市值损失( 负外部性的替代指标) 为样本，对基于股票市场数据的 5 种常用系统性市场风险3 9 1系统性市场风险度量指标的测算与评价①单变量回归中，模型 f 值的显著性和单变量 t 值的显著性是一致的。
度量指标进行了测算和效果比较。实证研究发现，covaＲ是最好的系统性市场风险度量指标，es 和 va Ｒ次之，和 mes 最差。这一结果与基于各风险度量指标的经济含义和统计特性的预期效果基本符合。
本文的研究结果具有一定的政策意义与实践价值。首先，对于监管部门来说，本文的结果表明，使用covar 对金融机构进行风险评估，有助于监管部门更准确地监测单个金融机构的系统性市场风险，进而
未雨绸缪。其次，本文的结果还有助于金融机构进行内部风险管理。国内的金融机构在内部风险控制方
面还远远落后于国际水平，其中一个重要的原因在于，很难找到一个合适的风险度量指标体系。本文的
结果表明，covaＲ在金融机构系统性风险测度方面具有良好的解释能力，应当被纳入金融机构内部风
险控制的指标体系当中。第三，本文的结果对于普通投资者进行风险评估与管理也有一定的参考价值，
可以帮助投资者梳理自己所投资产品的系统性市场风险。因此可以预期，在不久的将来，co-vaＲ有可
能逐渐取代 vaＲ成为新的、主流的风险管理工具和监管政策工具。〔参考文献〕高国华，潘英
丽．银行系统性风险度量基于动态 co-vaＲ方法的分析．上海交通大学学报，2011，( 12) ．叶五一，缪柏其．应用门限分位点回归模型估计条件vaＲ．系统工程学报，2008，( 2) ．周天芸，周开国，黄亮．机构聚集、风险传染与香港银行的系统性风险．国际金融研究，2012，( 4) ．朱元倩，苗雨
峰．关于系统性风险度量和预警的模型综述．国际金融研究，2012，( 1) ．acerbi c．，nordio
c．＆ sirtori c．，expected shortfall as atool for financial Ｒisk management． arxivpreprin tcond-
mat/0102304． 2001．acerbi c． and tasche d．，expected shortfall: a natural co-herent alternative to value-at-Ｒisk． economic notes． 2002，( 31) :379 388．acharya v．，pedersen l．，philippon t．，and Ｒichardsonm． measuring systemic Ｒisk，working paper 1002，federalＲeserve bank of cleveland． 2010acharya v． v． and yorulmazer t． too many to fail ananalysis of time-inconsistency in bank closure policies．journal of financial intermediation，2007，( 16) :1 31．adrian t． and brunnermeier m． k． covaＲ． working paper，federal Ｒeserve bank of new
york． 2008．adrian t． and brunnermeier m． k． covaＲ． working paper，federal Ｒeserve bank
of new york． 2011．artzner p．，delbaen f．，eber j． -m． and heath d．，coher-ent measures
of Ｒisk． mathematical finance． 1999，( 9) :203 228．brunnermeier，markus k． deciphering the 2007 2008 liq-uidity and credit crunch． journal of economic perspectives．2009，( 1) : 77 100．brunnermeier m．，crockett a．，goodhart c．，hellwig m．，persaud a． and shin h． the fundamental principles of finan-cial regulation． geneva Ｒeports on the world economy
11( preliminary conference draft) ，2009．brunnermeier m． and pedersen l． h． market liquidity andfunding liquidity． the Ｒeview of financial studies． 2009，( 22) : 2201 2238．de bandt，o． and hartmann p．． systemic Ｒisk: a survey．european central bank working paper
no． 35． 2000．fsb，imf ＆ bis． guidance to assess the systemic impor-tance of financial institutions，markets and instruments: ini-tial consideration． 2009．gray d． and jobst a． tail dependence measures of systemicＲisk using equity options data-implications for financialstability． forthcoming working paper，international monetaryfund ( imf) ，washington，
d． c，2009．lehar，alfred． measuring systemic Ｒisk: a Ｒisk manage-ment approach． journal of banking ＆ finance． 2005，( 29) :2577 2603．markowitz h． portfolio selection． journal of finance，1952，( 7) :77 91．Ｒochet j． c． and tirole j． interbank lending and systemicＲisk． journal of money，credit and banking，1996 ，( 28) :733 762．sharpe w． f．，capital asset prices: a theory
of market e-quilibrium under conditions of Ｒisk． journal of finance．1964，( 47) :13 37．yamai，y． and yoshiba，t．，value-at-risk versus expectedshortfall: a practical perspective． journal of banking and fi-nance，2005，29，997 1015．4 9 1中山大学学报( 社会科学版) 2015 年第 6 期附: 金
融机构 ipo 日期表证券代码证券名称首发上市日期证券代码证券名称首发上市日期000001． sz 平
安银行 1991 04 03 601318． shv 中国平安 2007 03 01600643． sh 爱建股份 1993 04 26
601998． sh 中信银行 2007 04 27000563． sz 陕国投 a 1994 01 10 601328． sh 交通银行 2007 05 15600816． sh 安信信托 1994 01 28 601009． sh 南京银行 2007 07 19600837． sh 海通证券 1994
02 24 002142． sz 宁波银行 2007 07 19600705． sh 中航资本 1996 05 16 601169． sh 北京银行2007 09 19000686． sz 东北证券 1997 02 27 601939． sh 建设银行 2007 09 25000712． sz 锦龙股
份 1997 04 15 601601． sh 中国太保 2007 12 25000776． sz 广发证券 1997 06 11 601099． sh 太
平洋 2007 12 28000728． sz 国元证券 1997 06 16 601788． sh 光大证券 2009 08 18000750． sz 国
海证券 1997 07 09 600999． sh 招商证券 2009 11 17000783． sz 长江证券 1997 07 31 601688． sh 华泰证券 2010 02 26600109． sh 国金证券 1997 08 07 601288． sh 农业银行 2010 07 15600000． sh 浦发银行 1999 11 10 601818． sh 光大银行 2010 08 18600016． sh 民生银行 2000
12 19 601377． sh 兴业证券 2010 10 13600369． sh 西南证券 2001 01 09 002500． sz 山西证券2010 11 15600036． sh 招商银行 2002 04 09 601901． sh 方正证券 2011 08 10600030． sh 中信证
券 2003 01 06 601555． sh 东吴证券 2011 12 12600015． sh 华夏银行 2003 09 12 601336． sh 新
华保险 2011 12 16601988． sh 中国银行 2006 07 05 002673． sz 西部证券 2012 05 03601398． sh
工商银行 2006 10 27 002736． sz 国信证券 2014 12 29601628． sh 中国人寿 2007 01 09 000166． sz 申万宏源 2015 01 26601166． sh 兴业银行 2007 02 05 600958． sh 东方证券 2015 03 23数据来源: 同花顺 ifind【责任编辑: 许玉兰; 责任校对: 许玉兰，杨海文】5 9 1系统性市场风险度量指标的测算与评价
【篇二：衡量市场风险的指标】
[]什么是市场风险市场风险是指未来(、、和)的不确定性对实现其既定目标的不利影响。市场风险可以分为、、风险和，这些因素可能
直接对企业产生影响，也可能是通过对其、或者间接对企业产生影响。[]市场风险的分类 1. (1)
重新定价风险也称为期限错配风险，是最主要和最常见的利率风险
形式，源于银行资产、和到期期限(就而言)或重新定价期限(就而言)
之间所存在的差异。这种重新定价的不对称性使银行的或价值会随
着利率的变动而发生变化。
(2)
重新定价的不对称性也会使的斜率、形态发生变化，即收益率曲线的非平行移动，对银行的收益或内在经济价值产生不利的影响，从而形成收益率曲线风险，也称为变化风险。
(3)
基准风险也称为利率定价基础风险，也是一种重要的利率风险。在和所依据的变动不一致的情况下，虽然资产、负债和表外业务的重新定价特征相似，但是因其和收益的利差发生了变化，也会对银行的收益或内在经济价值产生不利的影响。
(4)
期权性风险是一种越来越重要的利率风险，源于银行资产、负债和表外业务中所隐含的期权。
2. 汇率风险是指由于汇率的不利变动而导致银行业务发生损失的风险。汇率风险一般因为银行从事以下活动而产生：一是为提供服务或进行自营活动(外汇交易不仅包括，还包括远期、、和期权等和约的买卖)；而使从事的银行账户中的活动(如、、、跨境投资等)。
(1)
银行的外汇交易风险主要来自两方面：一是为客户提供外汇交易服务时未能立即进行对冲的外汇；二是银行对外币走势有某种预期而持有的外汇敞口头寸。
(2)外汇结构性风险 3. 股票价格风险是指由于商业银行持有的股票价格发生不利变动而给商业银行带来损失的风险。
4. 商品价格风险是指商业银行所持有的各类商品的价格发生不利变动而给商业银行带来损失的风险。这里的商品包括可以在上交易的某些产品，如农产品、(包括石油)和等。[]市场风险管理的定义市场风险管理是辨识、度量、监测和控制市场风险的全过程。市场风险管理的目标是通过将市场风险控制在企业可以(或愿意)承受的合理范围内，实现经风险调整的的最大化。[]市场风险管理的过程和方法 1. 风险辨识，就是认识和鉴别企业活动中各种损失的可能性，估计市场风险对的影响，通常包括三个方面：
分析各种暴露，研究哪些项目存在风险，受何种风险影响，受影响的程度；
分析各种风险的特征和成因；
进行衡量和风险的大小，确定风险的相对重要性，明确需要处理的缓急程度。
2.风险度量在确认对公司有显着影响的市场风险因素以后，就需要对各种风险因素进行度量，即对风险进行。
目前经常使用的市场风险度量指标大致可以分为两种类型，即风险
的相对度量指标和绝对度量指标。相对度量指标主要是测量市场因
素的变化与收益变化之间的关系。
3. ，对利率变化的敏感程度，久期用于衡量利率风险。
，久期本身对利率变化的敏感程度，通常与久期配合使用，提高利
率风险度量的精度。
dv01，利率水平变化0.01个百分点，而导致的债券价格的变化程度，用于衡量利率风险。
，beta系数是用来衡量个别股票受包括股市价格变动在内的整个影
响程度的指标。beta系数用于度量股票价格风险。
以下指标仅用于市场(包括、)风险度量的指标
，(包括期货、期权等)的价格相对于其()价格变化的敏感程度，delta 用于度量商品价格风险或股票价格风险。
，delta本身相对于其标的变化的敏感程度，通常与delta配合使用，提高商品价格风险或股票价格风险度量的精度。
，衍生产品的价格相对于其()变化的敏感程度，vega用于度量商品
价格风险或股票价格风险。
，衍生产品的价格相对于距其到期日时间长度变化的敏感程度。
，衍生产品的价格对利率水平变化的敏感程度，rho用于衡量利率
风险。
通常，我们使用相对指标对相关市场风险作，估算市场波动不大和
剧烈波动两种情形下的损益。每一次测算时仅考虑一个重要风险因素，比如利率、、证券和等，同时假设其他因素不变。以此为基础，部门可以检测到整个公司的市场风险，并根据需要调整。
4.绝对指标 /。()或()作为金融资产风险的度量指标被学术界和实务界
广泛接受。在1952发表的论文《证券组合选择》中，markowitz假
定可以视为的不确定性，这种不确定性可以用中的方差(variance)或
标准差(standard deviation)加以度量。比方说，某一金融资产组合
的价值为100万美元，标准差为5%，则该组合的风险可能为5万美元。由于方差具有良好的统计特性，被广泛运用于度量金融资产组
合的风险。
downside-risk。方差/标准差方法同时度量了风险的正面和负面影响，而人们通常认为风险仅有负面影响，因此用方差/标准差方法度
量风险不能反映人们的真实心理感受。针对方差/标准差方法的这一
缺陷，downside -risk方法不考虑风险的正面影响，仅刻画相对某
一水平(通常取总体平均水平或零收益水平)之下的收益率分布状况。该类方法的理论基础是：对于各种收益率分布，投资者在考虑和管
理风险时，以着重考察收益率分布的左边，以此为前提，产生了许
多刻画相对某一水平之下的收益率分布特征的，其中最具代表性并
形成较成熟理论体系的是哈洛的lpm方法。与方差/标准差相似，downside –risk方法主要运用于度量金融资产组合的风险。
综合上述方法对风险的进行定量分析，可以使公司明确自身所面临
的风险大小，为进一步的风险管理活动奠定基础。[]市场风险管理的一般方法一旦公司确认了自身面临的主要风险，并且通过风险度量
方法对这些风险有了定量的把握，那些公司现在就可以运用多种手
段和工具来对他们所面临的加以定量的管理了。
首先需要明确的是，并不存在一种对所有公司都是最优的风险管理
方法。不同的公司，甚至是同一公司在不同的发展阶段，其所面临
的风险类型和规模都不一样，因此需要针对具体情况采取不同的优
化风险管理策略。一般来讲，当公司认为其面临的风险暴露超过了
公司可以承受的标准以后，可以采用以下几种方式来管理风险，从
而使其风险暴露回复到可以承受的水平之下:
风险规避。风险和收益总是相伴而生的，获得收益的同时必然要承
担相应的风险。试图完全规避某种市场风险的影响意味着完全退出
这一市场。因此，对公司的所有者而言，完全规避风险通常不是最
优的策略。
风险接受。有些公司在经营活动中会忽略他们面临的部分风险，不
会采取任何措施来管理某些类别的风险。有研究发现，几乎所有的
瑞士公司都不关心他们所面临的汇率风险。
风险分散。很多大的公司和机构往往采取“把鸡蛋放在不同篮子里面”的方法来，即通过持有多种不同种类的并且相关程度很低的资产来
起到有效降低风险的目的，而且这种方法的成本往往比较低廉。但
是对于小型公司或者个人来说，由于缺乏足够的和研究，他们经常
无法有效地分散风险；同时，现代资产组合理论也证明，分散风险
的方法只能降低，而无法降低。
。市场风险本身是不可能从根本上加以消除的，但是可以通过各种
现有的来对市场风险加以管理。例如，企业可以通过运用的方法，
将其面临的风险加以分解，从而使其自身保留一部分必要的风险，
然后将其余风险通过衍生产品(如互换，远期等)工具传递给他人。或者，通过“操作对冲”的形式风险暴露降低到可以承受的水平之下。
例如，公司可以通过调整原料供应渠道，在销售地直接设厂生产或
者调整外汇的流入和流出大小等方法来达到上述目的。[]市场风险计
量方法 1. 是衡量利率变动对银行当期收益的影响的一种方法。具体
而言，就是将银行的所有和付息负债按照重新定价的期限划分到不
同的时间段(如1个月以下，1至3个月，3个月至1年，1至5年，
5年以上等)。在每个时间段内，将减去，再加上表外业务头寸，就
得到该时间段内的重新定价“缺口”。以该缺口乘以假定的利率变动，即得出这一利率变动对净利息收入变动的大致影响。
缺口分析是对利率变动进行敏感性分析的方法之一，是银行业较早
采用的利率风险计量方法。缺口分析也存在一定的局限性：第一，
缺口分析，忽略了同一时段内不同头寸的到期时间或利率重新定价
期限的差异。第二，缺口分析只考虑了由于重新定价期限的不同而
带来的利率风险，未考虑基准风险。同时，忽略了与期权有关的头
寸在收入敏感性方面的差异。第三，和费用是银行的重要来源，但
大多数缺口分析未能反映利率变动对非利息收入和费用的影响。第四，缺口分析主要衡量利率变动对银行当期收益的影响，未考虑利
率变动对银行经济价值的影响，所以只能反映利率变动的短期影响。
2. 也称为持续期分析或期限弹性分析，是衡量利率变动对银行经济
价值影响的一种方法。具体而言，就是对各时段的缺口赋予相应的
敏感性权重，得到加权缺口，然后对所有时段的加权缺口进行汇总，以此估算某一给定的小幅(通常小于1%)利率变动可能会对银行经济
价值产生的影响(用经济价值变动的百分比表示)。
与缺口分析相比较，久期分析是一种更为先进的利率风险计量方法。缺口分析侧重于计量利率变动对银行短期收益的影响，而久期分析
则能计量利率风险对银行经济价值的影响。久期分析仍然存在一定
的局限性：第一，如果在计算敏感性权重时对每一时段使用平均久期，即采用标准久期分析法，久期分析仍然只能反映重新定价风险，不能反映基准风险，以及因利率和支付时间的不同而导致的头寸的
敏感性差异，也不能很好地反映期权性风险。第二，对于利率的大
幅变动(大于1%)，由于头寸价格的变化与利率的变动无法近似为线
性关系，因此，久期分析的结果就不再准确。
3. 是衡量汇率变动对银行当期收益的影响的一种方法。外汇敞口主
要来源于银行表内外业务中的。当在某一个时段内，银行某一币种
的与不一致时，所产生的差额就形成了外汇敞口。在进行敞口分析时，银行应当分析单一币种的外汇敞口，以及各币种敞口折成报告
货币并加总后形成的外汇总敞口。外汇敞口分析也存在一定的局限性，主要是忽略了各币种汇率变动的相关性，难以揭示由各币种汇率变动的相关性所带来的汇率风险。
4. 风险价值是指在一定的持有期和给定的置信水平下，利率、汇率等市场风险要素发生变化时可能对某项资金头寸、资产组合或机构造成的潜在的最大损失。
风险价值通常是由银行的风险计量模型来估算。目前，常用的风险价值模型技术主要有三种：方差——、和蒙特卡洛法。现在，风险价值已成为计量是市场风险的主要指标，也是银行采用内部模型计算市场风险资本要求的主要依据。
市场风险内部模型已成为市场风险的主要计量方法。与缺口分析、久期分析等传统的市场风险计量方法相比，市场风险内部模型的主要优点是可以将不同业务、不同类别的市场风险用一个确切的数值来表示，是一种能在不同业务和风险类别之间进行比较和汇总的市场风险计量方法，而且将隐性风险显性化之后，有利于进行风险的监测、管理和控制。同时，由于风险价值具有高度的概括性，简明易懂，因此，适宜和高级管理层了解本行市场风险的总体水平。
市场风险内部模型法也存在一定的局限性：第一，市场风险内部模型计算的风险水平，不能反映资产组合的构成及其对价格波动的敏感性，对风险管理的具体作用有限，需要辅之以敏感性分析、情景分析等非统计类方法；第二，市场风险内部模型法未涵盖价格剧烈波动等可能会对银行造成重大损失的突发性小概率事件，需要采用对其进行补充；第三，大多数市场风险内部模型只能计算交易业务中的市场风险，不能计量非交易业务中的市场风险。因此，采用内部模型的商业银行应当恰当理解和运用市场风险内部模型的计算结果，并充分认识到内部模型的局限性，运用压力测试和其他非统计类计量方法对内部模型方法进行补充。[]抵御市场风险的四种能力中风险莫测，投资者需要抵御市场风险，就必须掌握抗衡的能力，它们主要包括以下四种能力：
第一，的能力。综观股市中的成功投资者基本上都是善于运用资金管理艺术的行家。面对着股市瞬息万变的和高速扩容的，过去陈旧的资金管理理念逐渐不能适应市场的变化，那种等待股市低迷时买入，并一路持有到牛市顶峰时再卖出的低级资金管理方式终将被市场淘汰。资金管理的目标有两方面：一方面是由于股市中没有人能百战百胜，当判断失误时，要能凭借完善的资金管理使资金少受损
失或不受损失。另一方面要能达到上涨时手中有持股可以获利、下跌时有资金可以低买的效果。
第二，规避风险的能力。在中，即使最好的也比不上事先避免的策略，与其被套后资金缩水，心情备受煎熬，费尽心机地想着如何保本解套，不如事先学习并掌握一些防止、规避风险的能力，做到防患于未然。当市场整体趋势向好之际，投资者不能过于盲目乐观，更不能忘记了风险的存在而随意追高。在跌市中更要注意，不能随意抄底。股市风险不仅仅存在于，牛市中也一样有风险。如果不注意规避股市中隐藏的风险，就会很容易遭遇亏损。
第三，解除风险的能力。当投资者已经处于被套境地时，就要应用解套策略，解套策略可以分为主动性解套策略和被动性解套策略。主动性解套策略包括：、换股、、盘中；被动性解套策略包括和。此外，还有更加重要的解套策略：解除心理的套牢。