市場風險計量的方法(市場風險的計算)
1.市場風險的計算
市場風險（Market Risk / Market Exposure）
計算市場風險的方法主要是在險價值（VaR），它是在正常的市場條件和給定的置信水平（Confidence interval，通常為99%）上，在給定的持有期間內，某一投資組合預期可能發(fā)生的最大損失；或者說，在正常的市場條件和給定的持有期間內，該投資組合發(fā)生VaR值損失的概率僅為給定的概率水平（即置信水平）。 主要包括方差一協方差法（Variance—Covariance Approach）、歷史模擬法（Histor- ical Simulation Method）和蒙特卡羅模擬法（Monte-Carlo Simulation）。
方差一協方差法是假定風險因素收益的變化服從特定的分布，通常假定為正態(tài)分布，然后通過歷史數據分析和估計該風險因素收益分布的參數值，如方差、均值、相關系數等，然后根據風險因素發(fā)生單位變化時，頭寸的單位敏感性與置信水平來確定各個風險要素的VaR值；再根據各個風險要素之間的相關系數來確定整個組合的VaR值。當然也可以直接通過下面的公式計算在一定置信水平下的整個組合（這里的組合是單位頭寸，即頭寸為1）的VaR值，其結果是一致的。
公式中表示整個投資組合收益的標準差，σi、σj表示風險因素i和j的標準差，ρij表示風險因子i和j的相關系數， xi表示整個投資組合對風險因素i變化的敏感度，有時被稱為Delta.在正態(tài)分布的假設下，xi是組合中每個金融工具對風險因子i的Deka之和。
歷史模擬法以歷史可以在未來重復為假設前提，直接根據風險因素收益的歷史數據來模擬風險因素收益的未來變化。在這種方法下，VaR值直接取自于投資組合收益的歷史分布，組合收益的歷史分布又來自于組合中每一金融工具的盯市價值（Mark to Market value），而這種盯市價值是風險因素收益的函數。具體來說，歷史模擬法分為三個步驟：為組合中的風險因素安排一個歷史的市場變化序列，計算每一歷史市場變化的資產組合的收益變化，推算出VaR值。因此，風險因素收益的歷史數據是該VaR模型的主要數據來源。
蒙特卡羅模擬法即通過隨機的方法產生一個市場變化序列，然后通過這一市場變化序列模擬資產組合風險因素的收益分布，最后求出組合的VaR值。蒙特卡羅模擬法與歷史模擬法的主要區(qū)別在于前者采用隨機的方法獲取市場變化序列，而不是通過復制歷史的方法獲得，即將歷史模擬法計算過程中的第一步改成通過隨機的方法獲得一個市場變化序列。市場變化序列既可以通過歷史數據模擬產生，也可以通過假定參數的方法模擬產生。由于該方法的計算過程比較復雜，因此應用上沒有前面兩種方法廣泛。
2.風險度量的方法
度量風險的方法有許多。
這些風險的度量包括對風險的影響直接估計如損失額，對風險事件發(fā)生的概率的估計，以及二者的結合如數學期望值，波動性，VaR，保險費，期權價值等，還包括風險對目標的變化的影響如各種導數類的指標如固定收益產品的久期和凸性，以及用于其它金融產品的希臘字母等。 用損失額來量度風險通常用在人們對損失發(fā)生的可能有一些假定的情況下。
或者就是在許多情況下，人們只需要了解可能發(fā)生的最大的損失額，即最大可能的損失（MPL）。應當注意的一點是，最大可能的損失實際上有兩個不同的含義，在英文中的表達分別是Maximum Possible Loss和Maximum Probable Loss。
前者是指在最壞情況下的總的財物損失，而后者是指在某一個風險因素的作用下最可能發(fā)生的財物損失。 風險發(fā)生的概率的估計作為對風險的度量通常是用在人們對風險造成的后果有了一定假設的情況。
用數學期望值來表示風險也是有的。一般用在損失概率和可能的損失額較為穩(wěn)定或者說波動性比較小的情況下。
用波動性度量風險始于組合理論，仍然在金融領域中用得比較普遍。波動性比較容易計算，但不容易理解，特別是對決策過程難有影響。
人們可以容易地構造出一些例子說明如果按波動性來作投資決策將會是違反直觀的。 VaR值是一個在金融領域里被廣泛使用的風險度量。
考慮用VaR表示風險指數的原因是VaR對于運營而言有比較好的參考價值，有利于經營過程中的資本成本和效率的提高。 保險費在某種程度上是對轉移的風險的價值的市場價的度量。
保險費的計算通常是用保險公司自身的精算模型。 考慮用期權Call和Put來度量風險是因為考慮到所有的風險度量中只有它們直接表示風險的價值。
保險費的定價與期權的定價本質上是一致的。Call和Put值較好地反映現有風險資產的與無風險的價值相比較而言的價值，因而對于決策有很好的參考價值。
與VaR比較，Call和Put值是精確的值，而不是統計的值。但是，除了較少的情況外，如在有流動的市場的情況下，計算Call和Put值比較困難。
市場風險一些特殊度量，通常是導數，如各種希臘字母。另外還有久期和凸性等。
這些度量都是對一些特殊的標的對某些風險因素的影響的依賴關系而定義的。
3.金融風險的測量方法都有什么
歷史模擬：
歷史模擬法的核心在于根據市場因子的歷史樣本變化模擬證券組合的未來損益分布，利用分位數給出一定置信水平下的VAR估計。歷史模擬法是一種非參數方法，它不需要假定市場因子的統計分布，因而可以較好的處理非正態(tài)分布；該方法是一種全值模擬，可有效地處理非線性組合（如包括期權的組合）。此外該方法簡單直觀，易于解釋，常被監(jiān)管者選作資本充足性的基本方法。
蒙特O卡羅模擬法 ：
分析方法利用靈敏度和統計分布特征簡化了VAR。但由于對分布形式的特殊假定和靈敏度的局部特征，分析方法很難有效處理實際金融市場的厚尾性和大幅波動的非線性問題，往往產生各種誤差和模型風險。模擬方法可能很好的處理非線性和、非正態(tài)問題。其主要思路是反復模擬決定金融估計價格的隨機過程，每次模擬都可以得到組合在持有期末的一個可能值，如果進行大量的模擬，那么組合價值的模擬分布將收斂于組合的真實分布。這樣通過模擬發(fā)布會可以導出真實分布，從而求出VAR。
金融風險指的是與金融有關的風險，如金融市場風險、金融產品風險、金融機構風險等。 一家金融機構發(fā)生的風險所帶來的后果，往往超過對其自身的影響。金融機構在具體的金融交易活動中出現的風險，有可能對該金融機構的生存構成威脅；具體的一家金融機構因經營不善而出現危機，有可能對整個金融體系的穩(wěn)健運行構成威脅；一旦發(fā)生系統風險，金融體系運轉失靈，必然會導致全社會經濟秩序的混亂，甚至引發(fā)嚴重的政治危機。
4.簡述風險衡量的方法和計算步驟
β系數常常用在投資組合的各種模型中，比如馬柯維茨均值-方差模型、夏普單因素模型（Shape Single-Index Model）和多因素模型。
具體來說，β系數是評估一種證券系統性風險的工具，用以量度一種證券或一個投資證券組合相對于總體市場的波動性，β系數利用一元線性回歸的方法計算。 （一）基本理論及計算的意義 經典的投資組合理論是在馬柯維茨的均值——方差理論和夏普的資本資產定價模型的基礎之上發(fā)展起來的。
在馬柯維茨的均值——方差理論當中是用資產收益的概率加權平均值來度量預期收益，用方差來度量預期收益風險的： E(r)=∑p(ri) ri (1) σ2=∑P(ri)[ri—E(r)]2 (2) 上述公式中p(ri)表示收益ri的概率，E(r)表示預期收益，σ2表示收益的風險。夏普在此基礎上通過一些假設和數學推導得出了資本資產定價模型（CAPM）: E(ri)=rf +βi [E(rM)—rf] (3) 公式中系數βi 表示資產i的所承擔的市場風險，βi=cov(r i , r M)/var(r M) (4) CAPM認為在市場預期收益rM 和無風險收益rf 一定的情況下，資產組合的收益與其所分擔的市場風險βi成正比。
CAPM是基于以下假設基礎之上的： （1）資本市場是完全有效的（The Perfect Market）;(2)所有投資者的投資期限是單周期的；（3）所有投資者都是根據均值——方差理論來選擇有效率的投資組合；（4）投資者對資產的報酬概率分布具有一致的期望。 以上四個假設都是對現實的一種抽象，首先來看假設（3），它意味著所有的資產的報酬都服從正態(tài)分布，因而也是對稱分布的；投資者只對報酬的均值（Mean）和方差（Variance）感興趣，因而對報酬的偏度（Skewness）不在乎。
然而這樣的假定是和實際不相符的！事實上，資產的報酬并不是嚴格的對稱分布，而且風險厭惡型的投資者往往具有對正偏度的偏好。正是因為這些與現實不符的假設，資本資產定價模型自1964年提出以來，就一直處于爭議之中，最為核心的問題是：β系數是否真實正確地反映了資產的風險？ 如果投資組合的報酬不是對稱分布，而且投資者具有對偏度的偏好，那么僅僅是用方差來度量風險是不夠的，在這種情況下β系數就不能公允的反映資產的風險，從而用CAPM模型來對資產定價是不夠理想的，有必要對其進行修正。
β系數是反映單個證券或證券組合相對于證券市場系統風險變動程度的一個重要指標。通過對β系數的計算，投資者可以得出單個證券或證券組合未來將面臨的市場風險狀況。
β系數反映了個股對市場（或大盤）變化的敏感性，也就是個股與大盤的相關性或通俗說的"股性"，可根據市場走勢預測選擇不同的β系數的證券從而獲得額外收益，特別適合作波段操作使用。當有很大把握預測到一個大牛市或大盤某個不漲階段的到來時，應該選擇那些高β系數的證券，它將成倍地放大市場收益率，為你帶來高額的收益；相反在一個熊市到來或大盤某個下跌階段到來時，你應該調整投資結構以抵御市場風險，避免損失，辦法是選擇那些低β系數的證券。
為避免非系統風險，可以在相應的市場走勢下選擇那些相同或相近β系數的證券進行投資組合。比如：一支個股β系數為1.3，說明當大盤漲1%時，它可能漲1.3%，反之亦然；但如果一支個股β系數為-1.3%時，說明當大盤漲1%時，它可能跌1.3%，同理，大盤如果跌1%，它有可能漲1.3%。
β系數為1，即說明證券的價格與市場一同變動。β系數高于1即證券價格比總體市場更波動。
β系數低于1即證券價格的波動性比市場為低。（二）數據的選取說明 （1）時間段的確定 一般來說對β系數的測定和檢驗應當選取較長歷史時間內的數據，這樣才具有可靠性。
但我國股市17年來，也不是所有的數據均可用于分析，因為CAPM的前提要求市場是一個有效市場：要求股票的價格應在時間上線性無關，而2006年之前的數據中，股份的相關性較大，會直接影響到檢驗的精確性。因此，本文中，選取2005年4月到2006年12月作為研究的時間段。
從股市的實際來看，2005年4月開始我國股市擺脫了長期下跌的趨勢，開始進入可操作區(qū)間，吸引了眾多投資者參與其中，而且人民幣也開始處于上升趨勢。另外，2006年股權分置改革也在進行中，很多上市公司已經完成了股改。
所以選取這個時間用于研究的理由是充分的。（2）市場指數的選擇 目前在上海股市中有上證指數，A股指數，B股指數及各分類指數，本文選擇上證綜合指數作為市場組合指數，并用上證綜合指數的收益率代表市場組合。
上證綜合指數是一種價值加權指數，符合CAPM市場組合構造的要求。（3）股票數據的選取 這里用上海證券交易所（SSE）截止到2006年12月上市的4家A股股票的每月收盤價等數據用于研究。
這里遇到的一個問題是個別股票在個別交易日內停牌，為了處理的方便，本文中將這些天該股票的當月收盤價與前一天的收盤價相同。（4）無風險收益（rf） 在國外的研究中，一般以3個月的短期國債利率作為無風險利率，但是我國目前國債大多數為長期品種，因此無法用國債利率作為無風險利率，所以無風險收益率（rf）以1年期銀行定期存款利率來進行計算。
（三）系數的計算過程和結果 首先打開“大智慧新一代”股票分析軟件，得到相應的季度K線圖，并分別。
