方法的补充

二、VaR方法的补充

1.应力测试

所谓应力测试，是指将整个金融机构或资产组合置于某一特定的（主观想象的）极端市场情况之下，例如，假设利率骤升10个百分点、某一货币突然贬值30%、股价暴跌50%等异常的市场变化，然后测试该金融机构或资产组合在这些关键市场变量突变的压力下的表现状况，看看是否能经受得起这种市场的突变。正是鉴于应力测试在衡量金融机构或资产组合在异常市场条件下风险状况时的重要作用和VaR相应的局限性，金融监管部门在同意金融机构使用以VaR为基础的内部模型的同时，除了要求使用返回检验来衡量VaR模型的有效性外，还要求使用应力测试来衡量金融机构在遇到意外风险时机构的承受能力。以弥补VaR模型的不足。

由于应力测试在很大程度上是一种主观测试，由测试者主观决定其测试的市场变量（风险因素）及其变动幅度，而且测试变量一旦确定，就假设了测试变量与市场其他变量的相关性为零；同时，在应力测试下，引起资产组合价值发生变化的风险因素也非常清楚，再加上应力测试并不负责提供事件发生的可能性。因而也没有必要对每一种变化确定一个概率，这样就避免了模拟整个事件概率分布的麻烦，也使得这种风险衡量方式较少地涉及高深的数学和统计知识，而显得简单明了。

不过，使用这一方法在实践中也存在着几个需要注意的问题：

第一，合理的测试变量的选择要考虑它是否与市场中其他变量的相关性为零；第二，进行应力测试的时候，某一或某些市场因素的异常或极端的变化可能会使得风险分析的前提条件发生变化，所以对分析的前提条件要重新确认；第三，对众多的风险因素进行不同幅度的应力测试，所带来的工作量是巨大的，而且，由于每次应力测试只能说明事件的影响程度，却不能说明事件发生的可能性，这使得管理者对众多的应力测试难以分清主次，因而仅仅有应力测试对管理者的决策作用并不大，它应该与其他风险衡量的方法尤其是VaR相结合，而不是替代VaR。另外，目前应力测试尚没有一套标准的做法，也没有一套标准的场景，它们在很大程度上取决于风险经理的经验和判断。

【专栏9-3】

北京时间2009年2月24日晚间消息，美国总统巴拉克·奥巴马（Barack Obama）正计划通过严格审查和清理不良资产的方式，驱散笼罩在美国银行业头上的阴云，拉动银行类股价从20年以来的最低水平回弹。美国监管机构将于25日开始对20家左右的最大型银行进行所谓“应力测试”，目的是确保这些银行拥有足够资金，来经受住经济最艰难时期的考验。金融监管机构官员23日在华盛顿发表声明称，在“应力测试”之后，那些需要额外资金却又无法从民间投资者那里获得融资的银行将可申请更多的政府扶持。国际货币基金（IMF）前首席经济学家、现任芝加哥大学金融学教授拉古拉姆·瑞占（Raghuram Rajan）称：“我们清理银行系统的目的是让投资者知道，未来不会再有更多的危机。政府如果能在进行‘应力测试’后采取相应行动，则将有助于做到这一点。”

——资料来源：http://finance.sina.com.cn/stock/usstock/comment/20090224/22275896308.shtml

2.幕景分析

幕景分析与应力测试有许多相似之处，而不同之处为，应力测试只是对市场中的一个或相关的一组变量在短期内的异常变化进行假设分析，而幕景分析假设的则是更为广泛的情况，包括政治、经济、军事和自然灾害在内的投资环境。在这种假设的环境变化中，例如，投资国出现政治动荡、战争或经济危机，先分析出主要市场变量的可能变化，再进而分析对资产组合的影响。如果说应力测试是一个自下而上的过程，那么幕景分析就是一个自上而下的过程，因为前者直接假设了一个或一组相关市场变量的异常取值，然后测试投资组合的变化，而幕景分析则是首先假设一个整体环境的变化，再推断出在这种特定情景下市场变量的可能变化，最后再考察这些市场变量变化对投资组合的影响。

幕景分析法是一种能在风险分析中帮助辨识引起风险的关键因素及其影响程度的方法。所谓幕景，是指对一个决策对象的未来某种状态进行逐一描述。现代的大型风险决策一般必须依赖计算机才能完成复杂的计算和分析任务。应用幕景分析，则是在计算机上实现各种状态变化条件下的模拟分析。当某种因素发生不同的变化，它对整个决策产生的各种影响、影响的程度、产生的后果等模拟状况，如同电影镜头或电视图景可一幕幕地展示出来，供分析人员进行比较研究。幕景分析的结果一般可分为两类：一类是对未来某种状态的描述；另一类是描述目标问题的发展过程，预测未来一段时期内目标问题的变化链和演变轨迹。比如，对某项投资方案的风险分析，幕景分析可以提供未来三年内该投资方案最好、一般和最坏的前景，并且可以详细给出上述三种不同情况下可能发生的事件和风险，为决策者提供参考依据。

在风险决策分析中，幕景分析可以发挥以下作用：①把采取的决策措施和政策看做一个影响因素角度揭示这些因素对决策系统产生的影响及可能发生的风险或不利后果，提醒决策者进一步修正和完善即将推出的决策措施。②发现决策系统中某些关键性因素对目标问题的重大影响。③提供关于决策系统或目标问题发展变化过程中需重点关注和监测的风险范围和主要参数。在投资银行运作风险分析中，应用幕景分析法的原理，可以设计一些重要的参数和预警指标，决策者在日常的风险管理中就只需要对这些参数和指标进行监控，基本上就可以有效地实现风险监控之目的。如果这些参数超出一定的范围，就能自动为决策者提供预警信息。④具有动态模拟和情景分析的功能，能使各种因素在不同状态条件下对决策系统的影响及后果动态显示出来，以利于决策者及时根据变化的情况，做出决策调整或修正，尽可能减少因客观条件发生变化而产生的风险损失。

幕景分析法在风险辨识的具体应用过程中包括筛选、监测和诊断三大紧密相连的步骤。筛选是依据一定的程序，将可能导致风险或具有潜在风险的业务、过程、现象进行分类选择的风险辨识过程；监测是对上述各种具有潜在风险的因果进行观测、记录和分析的显示过程；诊断则是根据实际状况，提出改进措施。简单地说在幕景分析中，筛选、监测和诊断的过程，是关于导致风险的某种（或某些）因素的分类辨识估计、观测记录和最后确认判断的逻辑有序的分析过程。

（1）构建幕景。即构建一系列假想的极端市场情况（极端的场景）。构造幕景一般有两种方法：一是创建模式化的极端幕景，如假设市场波动或标准差放大10倍，其具体原因可能是因为某些极端事件的发生而造成的冲击。另一种方法是模拟某些极端的事件，相应的幕景便是模拟出极端的事件对市场造成的冲击状况。

如假想发生金融危机、战争或“黑色星期一”重演等等。在投资银行，每周至少要对多种场景做出风险分析评估，创设的场景包括：1987年的股灾、海湾战争、1990年垃圾债券危机、1994年债券市场大动荡、1998年亚洲金融风暴、“9·11事件”、伊拉克战争等。

（2）幕景分析。即在所构建的幕景下，分析投资组合中各金融工具的价格所受到的影响以及整个投资组合价值所受到的冲击。

此外，若投资组合依赖于动态套期保值或对冲，即投资组合必须频繁地随时变动调整，那么极端幕景带来的投资组合的流动性风险就必须认真考虑，因为在市场低迷的情况下有可能很难找到交易对手。还有两种情况值得注意，如假设投资组合中使用了期货对另外一些流动性较差的证券进行套期保值。由于期货是每日计算的，而被套期保值的证券短期内难以套现，这就可能出现因资金周转不灵导致期货的保证金不能被补齐而被强行平仓的情况，它将使套期保值良好的投资组合遭受严重损失。

（3）根据幕景分析对某些幕景制订应急策略和方案。在大多数情况下，投资组合一旦遭受市场冲击，损失是难免的，但我们可以根据不同情况和拥有的条件采取相应的对策以尽量减少这种损失，如事先筹措资金以应付突发的紧急的资金需求。

进行幕景分析的关键首先在于对情景的合理设定。为此，投资银行应该从两方面入手：一是充分认识自身业务的性质和特点，了解可能发生的相关事件，包括战争冲突、社会稳定、重大经济改革和政策措施的出台、市场因素的突变等，并对这些事件可能对证券市场进而对自身经营行为产生的重大影响进行分析；二是要对设定情景进行深入细致的分析以及由此对事态在给定时间内可能发展的严重程度和业务及投资因此而可能遭受的损失进行合理预测。

总之，幕景分析从更广泛的视野、更长远的时间范围来考察投资银行运营机构或投资组合的风险问题，这种具有战略高度的分析，无疑弥补了VaR和应力测试只注重短期情况分析的不足；幕景分析与VaR和压力测试结合起来，使得风险管理更加完善。

3.返回检验

用VaR方法来衡量投资银行所面临的市场风险，以及进而用VaR值来作为监管部门确定该机构应具备的资本充足水平的依据，一个重要的问题是它的有效性的问题，由于VaR方法只是一种由历史数据或假定的统计参数和分布建立的统计预测模型，其对未来风险状况的预测是否准确、有效是需要检验的。检验的主要方法就是返回检验。统计学中的返回检验（back testing）是指先将实际的数据输入被检验的模型中去，然后检验该模型的预测值与现实结果是否相同的过程。

例如，一个VaR模型对某一投资组合的风险衡量结果为：在99%的置信水平上该组合在未来的6个月内的日VaR值为10万元，即每天损失超过10万元的概率为1%，或者说，每100天内，只有1天的损失将超过10万元。对VaR的这一预测值进行返回检验，就是多次考察实际100天的交易数据，如果损失超过10万元的天数的确不超过1天，则基本说明该模型是有效的，如果损失超过10万元的天数是两天甚至更多，则该模型的有效性就值得怀疑。

然而，需要注意的是，这种返回检验本身也会存在是否有效可靠的问题。上例中对VaR有效性的判断是基于假设返回检验本身是有效的，没有发生下面两种类型的错误：第一，VaR的预测实际上是对的，但检验结果却表明它低估了风险，这在统计上被称为1类错误；第二，VaR的预测实际上低估了风险但是检验结果却没有显示这一结果，这在统计上被称为2类错误。影响返回检验有效性的主要因素有：

（1）样本空间的大小。数据量的大小对统计检验是非常重要的，尤其是在对概率较小的事件进行检验的时候，所需的历史数据更多，这使得对有较长的持有期限的VaR的检验难以进行，如对10日VaR值的检验，10年交易历史才能提供250个观测数据。因此，返回检验一般选用日VaR值检验。

（2）对投资回报概率分布的假设。一般情况下，投资组合的回报被假设呈现正态分布，并且有稳定的期望和方差。这些假设不仅使得VaR模型的预测是合理的，而且较长持有期限的VaR值也可以由日VaR值合理得到（如对VaR值乘以2就可以得到两周VaR值）。然而这些假设在现实中却往往不成立，实际的回报分布往往出现肥尾现象，而且其期望和方差也是变动的。因此在对VaR的有效性进行检验的时候对这些有关分布的假设应该予以重新审视。

（3）置信水平的选定。置信水平越高，则意味着越需要对可能性更小、更极端的事件进行检验。显然，这种小概率事件的历史数据是稀少的，所以对其检验起来也就更加困难。