var *** 在国内期货市场的应用研究（var指标在证券交易系统中的应用）

VAR *** 的VaR模型应用注意问题

尽管VaR模型有其自身的优点，但在具体应用时应注意以下几方面的问题。

1、数据问题。运用数理统计 *** 计量分析、利用模型进行分析和预测时要有足够的历史数据,如果数据库整体上不能满足风险计量的数据要求,则很难得到正确的结论。另外数据的有效性也是一个重要问题,而且由于市场的发展不成熟,使一些数据不具有代表性,而市场炒作、消息面的引导等原因,使数据非正常变化较大, 缺乏可信性。

2、VaR 在其原理和统计估计 *** 上存在一定缺陷。

VaR对金融资产或投资组合的风险计算 *** 是依据过去的收益特征进行统计分析来预测其价格的波动性和相关性, 从而估计可能的更大损失。所以单纯依据风险可能造成损失的客观概率, 只关注风险的统计特征, 并不是系统的风险管理的全部。因为概率不能反映经济主体本身对于面临的风险的意愿或态度,它不能决定经济主体在面临一定量的风险时愿意承受和应该规避的风险的份额。

3、在应用Var模型时隐含了前提假设。

即金融资产组合的未来走势与过去相似，但金融市场的一些突发事件表明，有时未来的变化与过去没有太多的联系，因此VaR *** 并不能全面地度量金融资产的市场风险，必须结合敏感性分析，压力测试等 *** 进行分析。

4、VaR主要使用于正常市场条件下对市场风险的测量。

如果市场出现极端情况，历史数据变得稀少，资产价格的关联性被切断，或是因为金融市场不够规范，金融市场的风险来自人为因素、市场外因素的情况下，这时便无法测量此时的市场风险。

总之， VaR是一种一种既能处理非线性问题又能概括证券组合市场风险的工具，它解决了传统风险定量化工具对于非线性的金融衍生工具适用性差、难以概括证券组合的市场风险的缺点，有利于测量风险、将风险定量化，进而为金融风险管理奠定了良好的基础。随着我国利率市场化、资本项目开放以及衍生金融工具的发展等，金融机构所面临的风险日益复杂，综合考虑、衡量信用风险和包括利率风险、汇率风险等在内的市场风险的必要性越来越大，这为VaR应用提供了广阔的发展空间。但是VaR本身仍存在一定的局限性，而且我国金融市场现阶段与VaR所要求的有关应用条件也还有一定距离。因此VaR的使用应当与其他风险衡量和管理技术、 *** 相结合。要认识到风险管理一方面需要科学技术 *** ，另一方面也需要经验性和艺术性的管理思想，在风险管理实践中要将两者有效结合起来，既重科学，又重经验，有效发挥VaR在金融风险管理中的作用。

VaR在风险管理中的应用，如何做个实证分析？

杆、相关性和当前头寸的组合风险的整体观点，被称为是一种具有前瞻性的风险衡量 *** ，已发展成为现代金融风险管理的国际标准和理论基础。基于VaR的商业银行风险管理研究文献，目前，主要体现在商业银行监管、商业银行资本管理和商业银行信用风险与操作风险管理三个方面，旨在尽可能地寻求利用市场工具和市场激励的 *** ，通过银行的政策、行为和技术提高银行的风险管理水平。

VaR；银行风险管理；文献述评

VaR的真正发展得益于世界各著名金融机构对市场风险管理的重视。许多著名金融机构，如JP．Morgan，Bankers Trust，Chemical Bank，Chase Man-hattan等，都投入了大量经费开发新的市场风险管理工具，旨在准确辨识和测量市场风险的基础上，开发出一种既能处理非线性的期权，又可提供总体风险的市场风险测量 *** ，VaR就是基于这一背景开发出来的。它在20世纪80年代首次被一些金融公司用于测量交易性证券的市场风险，获得了广泛应用。根据Jorion(2001)的概念：VaR(Value atRisk，常译为在险价值或风险价值)是指在正常的市场环境下，在一定的置信水平和持有期内，衡量某个特定的头寸或组合所面临的更大可能损失。与传统的风险衡量 *** 相比，VaR提供了一种考虑杠杆、相关性和当前头寸的组合风险的整体观点，被称为是一种具有前瞻性的风险衡量 *** 。风险的数量化量度发展从灵敏度到波动性，再到下侧量度，经历了从简单逐步走向准确的过程。VaR属于下侧量度，已经证明风险的下侧量度是对灵敏度与具有不确定性不利结局的波动性的整合。VaR作为一个很好的风险管理工具正式在2004年的新巴塞尔协议中获得应用推广，已成为现代金融风险管理的国际标准和理论基础。

一、VaR与商业银行监管研究

新巴塞尔协议所提倡的内部模型法(VaR模型法)反映了监管当局提倡在尽可能的地方寻求利用市场工具和市场激励的 *** ，通过银行的政策、行为和技术提高银行的监管水平。几次世界性的金融危机以来，关于银行风险行为的问题一直是一个焦点。如何通过不同的监管资本要求影响银行的风险承担行为，帮助银行获得更精确的风险测量和合适的风险激励，一直是监管当局和银行业共同努力的方向。巴塞尔协议集中反映了金融监管的各种理论与实践成果。除此之外，关于银行风险行为的监管文献也很多，主要分为三大类。

之一类是集中反映在巴塞尔系列文件中的相关研究成果。1988年，Basel资本协议对风险调整的银行资产强加了统一资本要求，总的风险量等于各风险资产乘以相应的风险权重，这时的风险权重主要旨在反映具体资产的信贷风险。在资本要求的计量方面，1988年的资本协议遗漏了许多重要的问题。短期的账户余额和 *** 持有的证券没有包括投资组合的识别问题，表外项目中轧差协议的敞口计算问题未曾涉及等。由于该协议只考虑了信用风险的资本要求，而没有考虑市场风险的资本要求，随着市场交易风险在银行投资组合中的相对重要性增加，迫使监管者重新考虑1988年的巴塞尔协议的资本要求体系。因此，巴塞尔委员会于1996年1月公布了一个旨在包括市场风险资本要求的协议修正案，以修改1988年的资本协议。1998年1月1日正式实施了建议的最终版本(下面统称为“1996年修正案”)。该修正案包括了覆盖由于市场价格变动引起市场风险的最小补充资本储备要求(BIS，1996a)。同时，提供了两种计量 *** 供银行选择：一是在满足监管和审计要求的前提下，采用以VaR为基础的内部模型法(IMA)；二是采用巴塞尔委员会建议的标准法(Building Block Method)。具体思路是：先分别计算每个风险模块的资本要求，然后通过简单加总来计算整体的资本要求。IMA确定了基于银行内部风险测度的结果计算银行资本要求的 *** 。为了确保IMA计算出来的资本要求是充足的，巴塞尔委员会制订了内部模型建立的标准。如风险价值必须每日计算；至少用12个月的数据计算持有期为10天的损失分布，并且计算出充足的资本要求以覆盖99％的损失事件。在一个确定的时间范围内，最小的资本要求等于包括整个巿场风险和信用风险(或特殊风险)的总的资本要求，这里市场风险要求等于在最近60个交易日内平均每两周的VaR报告的一个倍数(≥3)，信用风险资本要求等于风险调整资产的8％。随着信息技术的快速发展，银行的经营规模和业务范围急剧扩大，银行的营运风险呈上升趋势，由于内部控制失效而造成严重损失乃至机构倒闭的事件频繁发生一在1999年6月披露的新资本协议的建议改革案中，巴塞尔委员会将操作风险列为继市场风险、信用风险之后的第三大风险，并建议用总收入作为银行计量操作性风险的基础指标，总收入乘上一个比例指标α(≤12％，BIS，2001)，所得即为操作性风险的资本要求。为了检查IMA的精度和顺利实施，巴塞尔委员会建议开展后验测试(Backtesting)，将内部模型的风险测量结果和真实的交易结果进行比较。为了提高模型的精度，主张银行去发展利用每天损失的分布进行后验测试的能力。Kupiec(1995)认为由于银行资产波动性的不可观测，对于监管者的主要问题是无法排除错误的VaR报告和投资组合同报的非正态分布(如肥尾等)，主张后验测试必须要求有许多观测变量(≥250个交易日)。巴塞尔委员会建议对于不能满足后验测试精度标准的银行将遭到附加的资本要求，后验测试和一些惩罚措施本质上是为了提高银行增强模型精度所采取的激励措施。Basak Shapiro(2001)发现在VaR约束下，资产管理者只能部分地确保它们投资组合的损失，尤其在坏的资产状态下根本无法保障。在它们的模型中，VaR约束必须满足一定的期限T，允许银行管理者可以持续地重新调整它们的投资组合。为了得到瞬时的投资组合风险，监管当局对交易活跃资产的VaR后验测试期设置为一天(Bsael银行监管委员会，1996b)。但以上文献没有考虑银行监管机制对银行风险策略选择的互动影响。

第二类是银行在连续时间框架内银行监管的问题。Merton(1977，1978)应用Black Scholes(1973)的期权定价模型获得了固定期限存款的保险费价格，提出了监管者随机审查的 *** ，并且实现了在银行资产连续波动的假设下，合理存款保险价格的确定。Pennachi(1987)根据金融杠杆率定义风险，考察了银行风险承担的激励，提出了防止银行破产以避免存款人遭受损失的监管重要性。Keeley(1990)、Thomson(1990)、

Kaufman(1996)从不同层面对市场纪律改善银行监管效率进行了分析和实证研究，一致的结论是：充分应用市场 *** 能够准确及时地反映银行机构的条件和环境，从而可以显著增强投资者和存款人对银行的监督，有效约束存款机构向 *** 转嫁风险的激励，改善金融监管的水平和效率。Rochet(1992)证明了有限的银行负债产生一个激励，它使风险厌恶的银行(银行投资组合管理者尽力实现预期效用更大化)追求一个高风险的投资策略，建议最小化资本要求以克服这种风险承担行为。Fries etal(1997)在平衡社会破产费用和未来审查费用之间分析了更优的银行破产边界，发现了银行管理者承担风险的激励原因，通过对股东价值函数的线性化，获得了消除银行风险承担激励的奖励政策和权益支持计划，这里风险被定义为潜在状态变量的波动性而非杠杆率。Bhattacharya etal(2002)提出了消除银行风险承担激励的更优破产边界及其在这一边界内银行所需的资本量。该文献的模型假设潜在状态变量的波动性是连续的，银行风险承担的激励的存在只是通过股东价值函数的凸性(如有清偿力的银行价值函数是凸性的，因为大多数银行的资产价值满足最小资本要求)来减少，很少涉及银行风险转换的过程。

第三类是关于金融部门在一个连续时间内的风险转换。Ericsson(1997)Leland(1998)提出了银行股东从一种风险水平向另一种风险水平转换的模型旨在通过资产替换的费用支出，对企业股票定价，并且获得更佳的资本结构。然而，这里较少虑及存款保险的因素。由于存款保险机制，使得银行负债能被无风险利率支持。因此，存款保险者和银行股东之间存在一个利益冲突。为减少存款保险制度的费用支出，银行必须满足通过审查机制强加的监管约束。

二、VaR与商业银行资本管理研究

资本和风险资产在银行内部更加合理准确地配置已成为现代商业银行风险管理的一个核心内容关于VaR与银行资本管理研究的文献主要分为三类。

之一类文献是基于静态视角的银行资本优化管理研究。在静态均方差的分析框架下，Kahane(1997)、Roehn、Santometro(1980)提出了一个非常严格的资本要求以引导银行用更低的风险资产取代更高的风险资产，但因此可能会增加投资组合的交易风险和违约风险。Kim Santomero(1988)建立了在风险权重资产的基础上确定资本要求，除非风险权重对资产的β是按比例的，否则资本要求将导致银行承担更多的风险。Fudong Keeley(1990)认为，在存款保险和有限负债的条件下，均方差框架分析资本要求的效果是不合时宜的，因为有限的负债导致有限的资产回报分布，特别是考虑到金融机构的价值更大化，并且表现出更严格的杠杆限制明显减少了更佳的风险承担。这个主要原因是金融机构在资本要求范围内资产组合选择更大的风险承担旨在存款保险价值的更大化。GennottePyle(1991)拓展了他们的分析结果，认为可以允许非零现值的投资组合，并表明在更严格的资本要求条件下会导致金融机构增加资产风险。对于静态 *** ，Chan、Greeballm Thakor(1992)，Giammarino、LewisSappington(1993)在提供存款保险的情况下研究了一个如何引导金融机构向监管部门如实反映其真实风险的机制设计。HovakimianKane(1994)将Merton的单期存款保险期权模型扩展为无限展期的股东收益模型，并据此对美国1985年到1994年的商业银行风险转嫁和资本监管有效性进行了实证分析，证明商业银行的资本监管并未有效地阻止银行业的风险转嫁问题，而且由于转嫁风险给银行带来大量的 *** 补贴，产生了风险转嫁的激励。Patri－cia Jackson，David J．MaudeWilliam Perraudin(1998)基于VaR在银行资本管理中的应用展开了实证研究。Hellmann等人(2000)建立了资本监管的比较静态博弈模型，证明在金融自由化和充分竞争的市场环境下，如果不对存款利率实行必要的限制，银行选择投机资产的行为将不可避免，资本充足性监管将无法实现pareto效率。Flannery(1998)和Maclachlan(2001)认为，资本充足性监管为核心的监管模式存在较大缺陷，要提高资本监管的有效性，还必须配合相应的监管制度安排和市场约束机制。芬兰银行研究局(2001)结合新巴塞尔协议，分析了基于VaR *** 的银行资本缓释。Philippe Jorion(2002)研究了如何利用VaR值分析银行的投资组合风险。Jerrmy BerkowitzJarmes O'Brien(2003)研究了如何提高VaR模型在商业银行应用中的精度。以上关于静态条件下银行更优资本要求的研究存在两大不足，一是没有考虑银行的交易费用；二是没有考虑银行经营策略和风险偏好对银行资本管理的影响。

第二类文献是关于动态条件下银行资本优化模型的研究。Blum(1999)在动态均方差的分析框架下，用一个两期模型证明在动态投资组合中，更加严格的资本要求会导致投资组合风险的增加。Ju andPearson(1999)验证了当罚金与例外联系时，1996年修正案能够激励金融机构揭示它们真实的VaR风险。Sentanon Vorst(2001)、BasakShapiro(2001)认为，交易者的投资选择要受到交易组合VaR的外在限制，但没有考虑到金融机构的资本要求约束。Cuo、He and Issaenko(2001)认为，交易组合的价值函数是有限变化的，认为监管者能够完全而连续地观察到金融机构的VaR，并且在任何时点上的最小资本要求简单地等同于同时期VaR的一个固定乘数(对例外没有罚金)，由于资本要求不是外生的，而是机构更佳的报告策略的内生结果，因此，可以用二元鞅和参数二次规划求解。DomenicoCuoco Hong liu(2004)基于VaR，分析认为利用IMA *** 确定资本要求在控制投资组合风险和真实风险揭示方面都是非常有效的，Cuoco等人的分析代表了基于VaR银行资本优化模型研究的最新成果，具有相当的前瞻性。但他们的成果中没有考虑银行操作风险的资本要求，没有进一步就在报告期末如果出现例外，违约仍然有可能发生并且银行的资本对于覆盖相应的罚金是不充足的情形展开研究。

第三类文献是基于VaR的银行风险资本配置与绩效评估研究。将VaR拓展到风险资本(CaR)和风险调整的绩效测量(RAROC)。Matten(1996)详细介绍了计算RAROC的各种 *** ；Zaik等人(1996)解释了美洲银行将各营业部门的RAROC与银行股

东的比率进行比较的动因是因为这个比率是股东要求的最小收益率；Zagst and Kehrbaum(1998)用数值 *** 研究了CaR约束下的投资组合优化问题；Stroughton Zechner(1999)讨论了RAROC与股东价值SVA的关系；Grouhy等人(1999)对项目价值 *** 进行了详细比较，发现在一定条件下，RAROC与银行的权益资本成本相等，这些比较也对RAROC存在的部门进行了说明。此后，许多关于这一主题的文献一般讨论RAROC的应用实例居多。从整体上来说，CaR和RAROC在理论上是随着VaR的发展而发展的。目前，关于CaR和RAROC的研究主要侧重于应用领域，在发达国家，关于它们的应用研究已相当成熟，在我国由于会计制度的差异和银行风险管理技术的滞后，尚处于讨论和实验层面。

三、VaR与商业银行信用风险和操作风险管理研究

VaR *** 的应用已由最初集中在定量市场风险正逐步扩展到信用风险的度量与管理领域(Baselcommittee on Banking supervision，2001)。目前，国际上具有代表性的信用风险管理模型有：JP·Morgan1997年给出的Credit MetricsTM模型，1997年CSFB给出的Credit Risk+系统，1998年Mckinsey给出的Credit Portfolio ViewTM系统，都利用了VaR来确定银行信贷组合的风险价值。可以说这些模型是VaR在信用风险管理领域应用的典范，但是，这些模型主要是针对发达国家银行业的，在我国目前的应用范围不是很大。除了2004年6月通过的新巴塞尔协议集中反映了银行信用风险管理研究的成果外(主要体现在银行内部评级法的应用中)，近年来，关于银行信用风险这一主题具有代表性的研究成果是GordyCrouhy atal(2000)、Frey McNeil(2001)、Michael B·Gordy(2002)的成果，他们研究了基于行业违约情形的信用风险建模，发现只存在单个驱动债务人相关性的信用风险因素且信用组合内的任意风险敞口都只占总风险敞口非常小的份额时，银行信用VaR的贡献具有“组合不变性”，虽然他们的研究只涉及单因素风险情形，但论证了基于评级的资本要求与一般的信用风险组合VaR模型是相符合的事实。Susanne Emmer Dirk Tasche(2003)提出了基于单因素Vasicek信用组合模型的VaR粒度调整 *** 和半渐进 *** 。目前，国内关于这一主题的研究成果主要是詹原瑞(2004)著的《银行信用风险的现代度量与管理》一书，但该书主要是对国外现有成果的总括性综述。总体而言，关于银行信用风险管理这一主题的研究大都只涉及单因素情形，并且很少与银行具体的资产负债情形相联系。

20世纪80年代以来，一系列因为操作风险所导致的金融案件震惊了国际银行界，使银行经营者和监管者普遍认识到了操作风险管理的重要性。Duncan Wilson(1995)最早提出了操作风险的VaR度量，认为操作风险可以像市场风险和信用风险一样应用VaR来度量；Relnhard Buhr(2000)提出了一种计算金融机构VaR的 *** ，该 *** 详细地描述了所有相关的操作流程，各种内部控制 *** 被看作是控制点，估计出每一控制点在失去控制的情况下的更大损失(MD)以及失去控制的概率P，则该控制点上的VaR为MDxP；Medova(2000，2001)和Kyriacou(2002)在McNEIL以及Alexander J(1999)在极值理论研究的基础上，应用VaR和极值理论对操作风险进行了量化分析。由于低频率高冲击事件爆发的概率很低，单一银行关于这类事件造成损失的数据不足以支持操作风险模型的建立。总体上来说，目前国外关于VaR的操作风险度量研究主要是各金融机构根据自己的业务特点展开的，尚处于探索阶段，还没有一个统一的研究框架。与国际研究相比，国内关于操作风险的文献大都限于对新巴塞尔资本协议的介绍，对操作风险的信用量化分析极少，更谈不上相应的数据库建设。

以上介绍的是国外学者的研究现状，当前，我国对VaR的应用研究尚处于起步阶段。我国学者最早对VaR进行研究的是郑文通1997年的《金融风险管理的VaR *** 及其应用》。在国内关于本课题的研究具有代表性的是王春峰(2001)著的《金融市场风险管理》，该书系统地介绍了VaR的有关理论基础。总体上来说，国内关于VaR的研究大都是国外文献的综述或模仿，着重于在证券市场的应用，缺乏基于VaR对我国银行业风险管理的理论分析和实证研究。

四、结束语

在新巴塞尔协议(BaselⅡ，2004年6月通过，2006年实施)中，关于资本金(或风险资本)计算公式的设计和相关参数的确定与检验都借鉴了VaR的思想和 *** 。VaR *** 因为其概念简单，易于沟通，成为当今国际银行业风险计量和信息披露的标准工具。可以说，新巴塞尔协议集中反映了VaR在商业银行风险管理中的许多研究成果，但是，协议本身主要反映了发达国家银行业的资本管理要求，对于变化多样的各国银行体系来说，它只是提供了，一个很宽泛的分析框架。VaR *** 在观察和处理风险时具有独特的视角，虽然其中一些已经完全超出我国当前金融研究和实践的现状，但是，建立与国际接轨的现代银行风险管理体系是我们的必由之路。在开放经济条件下，以VaR为核心的新巴塞尔协议在我国的实行只是时间的问题，我们要结合我国银行业的特点，未雨绸缪，针对以上分析中现有VaR研究和应用的不足，加强VaR *** 在我国银行风险管理领域的理论和应用研究。转贴于 中国论文下载中心

期货市场风险的预测和度量.VAR ***

一、VaR风险测量 *** 风险测量的模型主要有两大类：参数模型和非参数模型。参数模型包括分析法的各类模型，利用了灵敏度和统计分布特性简化了VaR，但由于对分布形式的假定和灵敏度的局部特征，分析法很难有效处理实际金融市场的厚尾性和大幅度波动的非线性问题，因而会产生测量误差以及模型风险。非参数法包括历史模拟法和Monte Carlo模拟法，相对分析法来说，模拟法可以较好地处理非正态问题，是一种完全估计，可有效处理非线性问题。 １．参数法 分析法是VaR计算中最为常用的 *** ，它利用证券组合的价值函数与市场因子间的近似关系、市场因子的统计分布(方差-协方差矩阵)简化VaR的计算。分析法根据证券组合价值函数形式的不同，可分为两大类：Delta-类模型和Gamma-类模型。其中，Delta-类模型识别的是线性风险，Gamma-类模型可识别凸性风险，例如组合中含有期权类的衍生品。本文将采用Delta-类模型中的Delta-正态模型与Delta-GARCH模型进行分析。 ２．非参数法 （１）历史模拟法 最简单而又直观的 *** 就是历史模拟法，其核心就是根据市场因子的历史样本变化模拟证券组合的未来损益分布，用给定历史时期上所观测到的市场因子的变化，来表示市场因子的未来变化。然后，根据市场因子的未来价格水平对头寸进行重新估值，计算出头寸的价值损益变化。最后，在历史模拟法中将组合的损益从小到大进行排序，得到损益分布，通过给定置信度下的分位数求出VaR。 （２）Monte Carlo模拟法 由于分析利用了统计分布特征，如果市场存在厚尾性和大幅度波动的非线性问题，则风险测量偏差会比较大。Monte Carlo模拟是反复模拟决定金融工具价格的随机过程，每次模拟都可以得到组合在持有期末的一个可能值，然后进行大量的模拟，那么组合价值的模拟分布将收敛于组合的真实分布，然后根据置信度得到VaR。

什么是证券VAR *** ？

VaR *** (Value at Risk，简称VaR），称为风险价值模型，也称受险价值 *** 、在险价值 *** ，常用于金融机构的风险管理，于1993年提出。

在市场正常波动下，某一金融资产或证券组合的更大可能损失。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更大可能损失。

VaR从统计的意义上讲，本身是个数字，是指面临“正常”的市场波动时“处于风险状态的价值”。即在给定的置信水平和一定的持有期限内，预期的更大损失量(可以是绝对值，也可以是相对值)。

扩展资料：

VaR特点主要有:

之一，可以用来简单明了表示市场风险的大小，没有任何技术色彩，没有任何专业背景的投资者和管理都可以通过VaR值对金融风险进行评判。

第二，可以事前计算风险，不像以往风险管理的 *** 都是在事后衡量风险大小。

第三，不仅能计算单个金融工具的风险。还能计算由多个金融工具组成的投资组合风险，这是传统金融险管理所不能做到的。

参考资料来源：百度百科-VAR ***

股指期货var度量 *** 有

VaR的计算 *** 通常有三大类：分析法、历史模拟法和蒙特卡罗模拟法，这3种 *** 从不同角度来分析资产的风险价值。后面的案例中将对股指期货交易中保证金的更大损失值进行计算，即对保证金的VaR值进行估计。

1、VaR分析法的使用，首先通过假定或者实证来确定资产价格服从的分布类型，分布类型的确定和选择是进行VaR *** 理论分析和实证研究的关键。如果资产或资产组合的收益率服从正态分布，则该资产或资产组合VaR的计算可以简化，在正态分布条件下，可以根据置信水平α确定相应的分位数，记为Zα，将资产或资产组合的收益率分布的标准差σ与该分位数Zα相乘，记为VaR值。

2、历史模拟法要求投资者收集并利用所持有资产或资产组合在过去一段时期内收益率分布的历史数据，其核心是根据影响资产或资产组合的市场因子的历史样本变化来模拟证券组合的未来损益分布，并利用分位数给出在一定置信水平下的VaR估计。历史模拟法的基础是假定资产收益率历史的变化会重演，从而根据历史数据来确定在持有资产或资产组合期内损失的更大值。映射：分析确定影响资产或资产组合的市场因子，收集每个市场因子适当时期的历史数据，并用市场因子表示出资产或资产组合中各个金融资产的盯市价值。估计每个市场因子价值波动和未来价格，根据市场因子过去n个日期价格的时间序列，计算每个市场因子在n个时期内价格水平的实际变化，再假定未来的价格波动与过去一致，由市场因子的当前价格水平，可以直接估计出每个市场因子未来一个时期的n种可能的价格水平。估计组合的未来收益，利用资产价格公式，根据所有市场因子价格未来n种可能值，估计资产或资产组合未来的n种可能价格，并与资产或资产组合的当前价值或期望价值相比较，得到资产或资产组合未来的n个可能损益的分布。确定VaR值，将损益分布按递增次序排列，按给定的置信度某一分位数，求出资产或资产组合相应的

3、蒙特卡罗法又称随机抽样 *** 或统计实验 *** ，其主要思想是：当所要求解的问题是某种事件出现的频率，或者是某个随机变量的期望值时，它们可以通过试验的 *** ，得到这种事件出现的频率，或者这个随机变数的平均值，并用它们作为问题的解。估计资产或资产组合收益率的平均数和标准差，并就标准正态分布进行函数抽样，抽样次数为n，得到n个标准正态随机变量Zi。将所得到的n个标准正态随机变量Zi数值代入Xi*=μ+Ziσ，得到正态分布条件下的收益率数值。将上述模拟结果按从小到大的顺序进行排列，取某一分位数，确定可得到在蒙特卡罗模拟下的VaR估计值。

网站首页：期货手续费网-加1分开户（微信：527209157）

本文链接：https://52ol.cn/post/145496.html