Python and Statistics for Financial Analysis 2

Week2的Quiz答案 留存学习

Python and Statistics for Financial Analysis 2

Python and Statistics for Financial Analysis 2

Python and Statistics for Financial Analysis 2

Python and Statistics for Financial Analysis 2

VaR方法提出的背景

传统的ALM(Asset-Liability Management,资产负债管理)过于依赖报表分析,缺乏时效性;利用方差及β系数来衡量风险太过于抽象,不直观,而且反映的只是市场(或资产)的波动幅度;而CAPM(资本资产定价模型)又无法揉合金融衍生品种。在上述传统的几种方法都无法准确定义和度量金融风险时,G30集团在研究衍生品种的基础上,于1993年发表了题为《衍生产品的实践和规则》的报告,提出了度量市场风险的VaR(Value at Risk:风险价值)方法已成为目前金融界测量市场风险的主流方法。稍后由J.P.Morgan推出的用于计算 VaR的Risk Metrics风险控制模型更是被众多金融机构广泛采用。目前国外一些大型金融机构已将其所持资产的VaR风险值作为其定期公布的会计报表的一项重要内容加以列示。

VaR的定义

VaR(Value at Risk)按字面解释就是“在险价值”,其含义指:在市场正常波动下,某一金融资产或证券组合的最大可能损失。更为确切的是指,在一定概率水平(置信度)下,某一金融资产或证券组合价值在未来特定时期内的最大可能损失。

VaR的应用主要体现在:

第一,用于风险控制。目前已有超过1000家的银行、保险公司、投资基金、养老金基金及非金融公司采用VaR方法作为金融衍生工具风险管理的手段。利用VaR方法进行风险控制,可以使每个交易员或交易单位都能确切地明了他们在进行有多大风险的金融交易,并可以为每个交易员或交易单位设置VaR限额,以防止过度投机行为的出现。如果执行严格的VaR管理,一些金融交易的重大亏损也许就可以完全避免。

第二,用于业绩评估。在金融投资中,高收益总是伴随着高风险,交易员可能不惜冒巨大的风险去追逐巨额利润。公司出于稳健经营的需要,必须对交易员可能的过度投机行为进行限制。所以,有必要引入考虑风险因素的业绩评价指标。

第三,估算风险性资本(Risk-based capital)。以VaR来估算投资者面临市场风险时所需的适量资本,风险资本的要求是BIS对于金融监管的基本要求。下图说明适足的风险性资本与 VaR值之间的关系,其中VaR值被视为投资者所面临的最大可接受(可承担)的损失金额,若发生时须以自有资本来支付,防止公司发生无法支付的情况。

Python and Statistics for Financial Analysis 2

Python and Statistics for Financial Analysis 2

Sharp(1964),Lintner(1965),Black(1972)的资本资产定价模型(Capital asset pricing model, CAPM)认为,股票的收益只与整个股票市场的系统风险有线性关系。即Rit-Rft=βi(Rmt-Rft),也就是说,股票的期望收益只与市场的系统风险有关。但是,Banz(1981)的论文发现,股票的收益还与其市场价值有关。在随后的一系列研究中,账面市值比(BE/ME)、市盈率倒数(E/P)等一系列指标都被发现可以解释股票价格的变动,也就是说,股票价格与一系列的风险因素有关。

他们发现股票市值和账面市值比两个因素就可以解释绝大部分股票价格的变动,并且这两个因子可以替代其他一些风险因子的作用(例如E/P等),他们在1993年的论文通过模拟市场风险、市值风险和账面市值比风险构造了三因子,用来解释股票收益的变化。