VaR基本原理、计算方法及其在金融风险管理中的应用

VaR是使投资风险数量化的工具,旨在估计给定金融资产或组合在正常的资产价格波动下未来可能的或潜在的损失;目前常用的VaR计算方法大体归为三类:历史模拟法、蒙特卡洛模拟法以及方差-协方差法;各种方法均存在自身假设条件或固有的缺陷,在选择计算VaR的方法时,需要在计算效率、所需数据信息、准确性之间进行平衡.VaR作为一种工具主要在风险控制、绩效评价以及金融监管三个方面发挥重要作用.     

浅议基于历史模拟法计算VaR的一种改进方法

金融风险管理中常利用VaR技术进行管理。VaR技术具有简单明了的特点。计算的方法也很多。本文提出的一种基于历史模拟法的改进办法,初步克服了历史模拟法对近期风险的不敏感性。并与目前流行的极值理论计算所得VaR做比较,得到在所选数据中,改进的历史模拟法更精确地预测未来的损失。说明在某些场合下,改进的历史模拟法仍然具有操作上的优势。     

金融风险管理的VaR方法及其应用

近年来,巴林银行、长期资本管理公司等一系列因承担市场风险而发生巨额损失甚至倒闭的案例,使得无论金融机构还是监管当局都日益重视对市场风险的管理。与传统风险测量技术相比,VaR模型体现了更大地适应性和科学性,并且已得到大多数金融机构的认可。文章主要对VaR模型的概念、VaR模型的计算方法和VaR模型的应用进行了介绍,并借助于Excel、Matlab、SAS等软件,通过实例,详细介绍了VaR模型的两种计算方法,即历史模拟法和蒙特卡罗模拟法;另外,也借助该实例,阐述了VaR模型在风险度量和业绩评价中的实际运用。     

金融风险管理的VaR方法及其应用

近年来,巴林银行、长期资本管理公司等一系列因承担市场风险而发生巨额损失甚至倒闭的案例,使得无论金融机构还是监管当局都日益重视对市场风险的管理。与传统风险测量技术相比,VaR模型体现了更大地适应性和科学性,并且已得到大多数金融机构的认可。文章主要对VaR模型的概念、VaR模型的计算方法和VaR模型的应用进行了介绍,并借助于Excel、Matlab、SAS等软件,通过实例,详细介绍了VaR模型的两种计算方法,即历史模拟法和蒙特卡罗模拟法;另外,也借助该实例,阐述了VaR模型在风险度量和业绩评价中的实际运用。     

信用风险度量——VaR值的计算方法研究

信用风险是银行业所面临的最古老也是最主要的一类风险.在金融市场迅猛发展同时也复杂多变的今天,迫切需要度量和管理信用风险的先进方法.CreditMetnics模型是以VaR理论为依据,以信用转移分析为核心的高级信用风险度量模型.本文着重阐述了计算信用风险VaR值的方差一协方差法和蒙特卡洛模拟法,比较了两种方法的计算结果,并基于仿真试验说明了后者可以更好地解决信用风险的"厚尾现象".     

混合历史模拟法在金融风险度量中的应用

随着银行业务的不断发展和市场竞争的加剧,银行业风险呈现出复杂多变的特征,<新巴塞尔协议>的出台对银行风险管理提出了更高要求.由于中国大多数银行开展风险管理的时间不长,相关数据积累不足.因而选择合适的模型显得尤为重要.本文针对风险计量VaR模型的历史模拟法,运用回溯检验的原理,比较分析了混合历史模拟法与一般历史模拟法在小样本情形下的表现,得到了相对于一般历史模拟法而言,混合历史模拟法能更好地度量风险的结论.     

浅谈历史模拟法VaR的设计和实现

VaR即Value at Risk,一般译为风险价值或风险值,是目前事实上世界通用的金融风险衡量标准。本文采用历史模拟法的计算方法对VaR的做了设计并实践,采用XML配置文件的形式能够使风险计算做到日常自动化。     

基于动态半参数法的我国证券市场风险研究

本文用动态半参数法估计了我国证券市场的风险值VaR。由于金融市场存在利好与利空信息所带来的非对称性,因此本文利用所选数据,建立EGARCH波动模型,同时用参数法、历史模拟法计算了VaR,并用Kupiec(1995)的Back-test对每种方法的有效性进行了评价。突出了动态半参数法对数据拟合的优越性。     

风险价值分析——以皖通高速为例

VaR是金融领域普遍应用的风险管理方法,能够有效衡量市场风险的大小。本文以皖通高速为例,对皖通高速近期股价变动进行了描述性统计分析。主要通过EXCEL和EVIEWS做实证分析,在检验皖通高速股价符合一般股票的价格规律的基础上,分别采用历史模拟法、蒙特卡洛模拟法、参数法计算皖通高速的VaR。     

基于Bootstrap方法的风险价值VaR估计

用近期的收益数据来拟合连续S曲线抽取Bootstrap样本,再利用Bootstrap样本计算风险价值VaR。实证分析表明,这种方法能较好利用近期的数据所反映的市场新情况。Bootstrap方法通过多次抽样能得到大量Bootstrap样本,然后进行VaR估计将提高估计的精确性和稳定性。基于Bootstrap方法的VaR估计可以较为理想地为人们进行股市投资提供一种切实可行的风险度量工具与办法。