券商风险测量方法的分类

2.3　券商风险测量方法的分类

风险无时、无处不在，但要精确地计量和评估它却并不容易。经过长时间的探索和实践，人们逐渐总结出多种测量和管理风险的技术方法，其中最为引人瞩目、最具有代表性的是受险价值法（VAR）。VAR风险管理技术是近年来在国外兴起的一种金融风险计量和评估模型。目前，国外已有超过1 000家的证券公司、投资基金、商业银行、保险公司、养老基金及非金融公司等机构广泛利用VAR作为管理市场风险的技术工具。尤其是在过去的几年里，全球许多主要银行、非银行金融机构、公司和金融监管机构（即法规制定者）甚至将这种方法当作风险度量的一种标准来看待。1996年巴塞尔委员会规定其成员银行和金融机构必须采用VAR风险管理技术，针对交易过程中的所有项目建立内部市场风险模型。

目前VAR在国外的应用已相当普及，而国内则仅有VAR的概念，对VAR风险管理技术本身的研究还较为少见。虽然现阶段我国的金融风险还主要以信用风险为主，但我国证券市场作为一个成长中的新兴市场，市场风险必将随着证券市场的迅猛发展而逐渐加大。因此研究VAR风险管理技术及其对我国金融风险管理产生的影响，对于保持与国际金融界风险管理的同步具有十分重要的现实意义。

2.3.1　受险价值法的产生背景

进入20世纪90年代以来，国际上许多金融机构和跨国公司由于市场风险管理不善而导致的巨额损失比比皆是，从巴林银行的倒闭、美国奥兰治县政府的破产到日本大和银行的巨额交易亏损，以及山一证券的倒闭、香港百富勤的破产等都充分说明了市场风险在金融机构面临的诸多风险中的核心地位。针对这种情况，近年来金融监管当局和金融机构一直在不断强化对市场风险的管理和监控，例如从1984年旨在防范信用风险的巴塞尔协议到1996年的巴塞尔银行业全面监管原则的变化，表明了国际金融监管当局对管理和监控市场风险的高度重视；而许多著名金融机构如J.P.Morgan、Bankers Trust、ChemicalBank、Chase Manhattan等都投入巨额经费来开发市场风险管理技术。

市场风险管理就是金融机构在准确识别、评估和测量市场风险的基础上，根据其竞争优势和风险偏好，利用各种技术工具对市场风险进行防范、规避、转移（包括分散化、对冲、保险）和保留（包括风险定价和风险资本金配置）的过程。一套健全的风险管理体系应当包括以下几个基本组成部分：全面的风险计量方法；详细界定的风险限额、准则和其他参数；用以监管、控制和报告风险的强大信息系统。其中风险的评估和计量（即将风险的特性进行量化）是风险管理的基础和核心。随着资产证券化业务的不断深入和大量金融衍生工具的推陈出新，使得金融资产结构更加复杂，再加上金融衍生工具的非线形特征，造成对风险的评估和计量更加困难，传统的风险评估和度量技术方法的局限性逐渐显露。

尽管风险的概念和思想比较直观清晰，但要给出风险的确切表达却是十分复杂和困难的。风险是无限维度的，它与所有与之有联系的因素相关，因此要将它表示为一维数值或一个情形的集合是十分困难的。一方面，传统的风险度量方法（例如delta、久期duration、β、凸性convexity、gamma）仅对单一市场情形有效，这些只与特定市场相对应的方法不能直接运用于其他市场；另一方面，传统的风险评估方法对风险的度量大多体现为多指标，仅适用于对具有线形特征的金融资产和单一资产组成的投资组合的投资风险进行评估和比较，而不适合于对期权、期货等具有非线形特征的资产进行评估和对多种资产构造的投资组合的投资风险进行比较。可见，这些局限性就造成在一个共同框架内防范和监控风险性业务变得非常困难。如果将所有的信息归纳为一维的数值，就可以对不同的投资组合进行比较，使得为不同金融业务的风险监控和管理提供同一框架和标准成为可能。

面对当前金融市场的动荡起伏和金融交易业务的迅猛增长，无论是金融监管当局对金融业的监管，还是金融机构自身内部的风险防范和控制，客观上都需要一种集成统一的风险评估计量模型和在此基础上形成的风险管理模式，它既可以测量期权等非线形资产的市场风险，又可以测量总体市场风险。受险价值法VAR正是在这个背景下产生的一种度量多种类型资产构成的投资组合的不同市场风险，且将各种市场因素所引起的风险都集合为一维数值的风险管理技术。

2.3.2　受险价值法的定义和特点

所谓受险价值法（即VAR），是指在正常的市场条件和给定的置信度下，用于评估和计量任何一种金融资产或证券投资组合在既定时期内所面临的市场风险大小和可能遭受的潜在最大价值损失。用数学公式表示即为：prob（Δp＞－VAR）＝1－α。其中Δp表示金融资产或投资组合在持有期Δt内的收益，VAR表示在置信水平α下的风险预测值。理解受险价值法有以下三个要点：（1）置信度（即置信区间），它代表的是风险测量的可信程度，或者说是市场“正常”波动的度量。例如可设“正常”的市场波动是发生在具有99%置信度区间内，则该测量具有99%的可信程度；（2）计算价值损失的期间（即持有期间），例如在正常的市场波动下，一天之内和一月之内可能发生的最大价值损失存在很大的区别；（3）度量风险的VAR值，这是风险管理员在投资组合的风险管理时最关心的结果，即可能出现的最大价值损失（即最不幸的结果）。从风险计量的角度来看，VAR是一种利用概率来表示风险的计量指标，即用密度函数或累积概率来表示风险。

VAR方法可以度量出多维风险的一个一维近似值，因此它可以测试不同市场的不同风险并将其用一个确切数值表示出来，适用于计量正常条件下的市场风险。受险价值法VAR由J·P·摩根公司首次提出，以其对风险测量评估的科学、实用、准确和综合的特点受到包括监管部门在内的国际金融界的普遍欢迎，迅速发展成为风险管理的一种标准，并且VAR与压力测试、情景分析和返回检验等一系列方法有机结合，形成了完整的风险管理的VAR体系。

受险价值法是国际上新近发展起来的一种有效的风险管理技术，被西方金融机构和工商企业所广泛采用。1996年初，十国集团签署了《资本协议关于市场风险的补充规定》，也称为巴塞尔协议的补充协议，其核心内容是银行必须量化市场风险并计算相应的资本充足要求。计量市场风险的方法主要有两种，即标准化方法和内部模型法。内部模型法允许金融机构利用成熟的内部风险控制模型进行市场风险的计量。巴塞尔银行监管委员会曾在关于银行监管的报告中要求金融机构应当建立一个内部风险控制模型，其中就以VAR作为该模型的核心技术。受险价值法之所以具有很大的吸引力，广受金融机构的欢迎和青睐，是因为VAR把金融机构的全部资产组合风险概括为一个简单的数字，并以美元为计量单位来表示风险管理的核心——潜在价值损失。

受险价值法具有以下几个主要特点：（1）VAR值能够简洁明了地表示一家金融机构所面对市场风险的大小，单位是美元或其他货币，没有任何技术色彩。投资者和管理者即使没有任何专业知识背景，也可以使用VAR值对金融风险状况进行测量和评估；（2）受险价值法把预期的未来损失的大小和该损失发生的可能性紧密结合起来，不仅可以让投资者了解到损失发生的规模，而且可以知道其发生的可能性，这是压力测试和情景分析这两种市场风险衡量方法所不具备的；（3）受险价值法可以事前计量风险大小，而不像传统风险测量方法只能事后衡量风险的大小；（4）受险价值法不仅能计算单个金融产品存在的风险，还能计算由多个金融产品组成的全部投资组合乃至整个经营机构所面对的整体风险，这是传统金融风险管理方法所不能做到的；

2.3.3　受险价值法的计算思想和方法

1.受险价值法的计算思想

VAR在本质上是对金融资产或投资组合的价值变动的统计量，其核心在于构造证券组合价值变化的概率分布。VAR计算的基本思想仍然是利用证券组合价值的历史变动信息来推断未来的情形，只不过对未来价值变动的推断给出的不是一个确定值，而是一个概率分布。要确定一个金融机构或证券资产组合的VAR值，必须首先确定以下三个系数。

第一个系数是持有期限，它是衡量回报波动性和关联性的时间单位，也是取得观察数据的频率。持有期限应该根据组合调整的速度来具体确定。调整速度快的组合，例如银行所拥有的交易频繁的头寸，应选用较短的期限；调整相对较慢的组合，例如某些基金较长时期拥有的头寸，可选用较长的期限。巴塞尔银行监管委员会出于风险审慎监管的需要，选择了两个星期的持有期限。

第二个系数是观察期间，它是对给定持有期限的回报的波动性和关联性考察的整体时间长度，是整个数据选取的时间范围，有时又称为数据窗口（DataWindow）。为了克服商业循环等周期性变化的影响，历史数据的时间越长越好，但是，时间越长，收购兼并等市场结构性变化的可能性就越大，因而历史数据就越难以反映现实和未来的情况。巴塞尔银行监管委员会目前要求的观察期间为一年。

第三个系数是置信水平（即置信度）。如果置信水平过低，损失超过VAR值的极端事件发生的概率就会过高，这会使得VAR值失去意义。反之，如果置信水平过高，损失超过VAR值的极端事件发生的概率可以得到降低，但统计样本中反映极端事件的数据也会越来越少，这使得对VAR值估计的准确性下降。在实践中，置信水平一般选择在95%—99%。巴塞尔银行监管委员会选择的置信水平是99%。除了要确定VAR模型的这三个关键系数外，另一个关键问题就是确定金融机构或资产组合在既定的持有期限内的回报的概率分布。

在大多数情况下，由于证券组合既庞大又复杂，并且保留证券组合中所有证券的历史数据不太现实，因此直接估算某种证券组合的收益或损失几乎是不可能的，在VAR的计算中将每一个证券映射为一系列“市场因子”（Market Factors）的组合。市场因子是指影响证券组合价值变化的利率、汇率、股指和商品价格等市场基础变量。

2.受险价值法的计算步骤

基于受险价值法计算的基本思想，VAR计算的主要步骤包括：识别市场因子，并将证券组合中每一个证券的价值用市场因子来表示（即映射）；推测市场因子未来某一时期（如一天）的变化情景；根据市场因子的未来情景来估测证券组合的未来价值（这称为盯市，Market toMarket）；求出损益分布，在给定的置信水平下计算出VAR值。

这里VAR计算的关键步骤有两个：（1）市场因子未来变化的推测。目前，推算市场因子未来收益分布的方法主要有三种，分别为历史模拟法（Historical‐simulation）——利用市场因子的历史状况直接推测市场因子未来的情景；随机模拟法（也称蒙特卡罗模拟法，MonteCarlo）——利用MonteCarlo模拟市场因子的未来情景；方差—协方差法（也称为解析法，Analytic Method）——在市场因子变化服从多元正态分布的情形下，可以利用方差和相关系数来描述市场因子的未来变化。这三种方法决定了三种不同类型的VAR值。（2）证券组合价值变化与市场因子变化之间的关系（线形或非线形）。除了期权类显著非线形的金融工具以外，大多数证券价值的变化都是市场因子变化的线形函数，这类证券组合的价值变化可以用它对市场因子的敏感性（Sensitivity）来刻画。而对于期权这种特殊的金融工具来说，一般采用模拟的方法来描述其价值变化与市场因子变化之间的非线形关系；此外也可以采用近似的方法来处理，即在假设Black‐Scholes期权定价公式能够准确地对期权进行估价的基础上，求出该公式的一阶近似值或二阶近似值。

受险价值法是对市场风险的总括性评估和计量，它考虑了金融资产对某种风险来源（例如利率、汇率、商品价格、股票价格等基础性金融变量）的敞口和市场逆向变化的可能性。VAR风险计量模型加入了大量的可能影响公司交易组合公允价值的因素，比如证券价格和商品价格、利率、外汇汇率、有关的波动率以及这些变量之间的相关值。VAR模型一般考虑线性和非线性价格暴露头寸、利率风险及隐含的线性波动率风险暴露头寸。借助于该风险计量模型，对历史风险数据进行模拟运算，可求出在不同的置信度（比如99%）下的VAR值。对历史数据的模拟运算，需要建立一个假设交易组合值每日变化的分布，该假设是以每日观察到的市场重要指标或其他对交易组合有影响的市场因素（“市场风险因素”）的变化率为基础的。据此计算出来的公司某日VAR值与当日公司交易组合可能的损失值相对应。对于置信度为99%、时间基准为一天的VAR值，该值被超过的概率为1%或在100个交易日内可能发生一次。例如，银行家信托公司（Banker Trust）在其1994年年报中披露，1994年在置信度99%下的每日VAR值平均为3 500万美元，这表明该银行可以以99%的概率做出保证，1994年每一个特定时点上的投资组合在未来24小时内的平均损失不会超过3 500万美元。通过这一VAR值与该银行1994年实现的6.15亿美元的年利润和47亿美元的资本额相对照，则该银行的风险状况即可一目了然。这里，计算VAR值的关键在于估算出收益率在未来一定时期内的均值和方差，它是通过收益率的历史数据对未来数据进行模拟得出的。

3.VAR的计算方法

计算VAR值的方法分为两种：对于“线性”金融产品或投资组合采用简单VAR法，对于“非线性”金融产品或投资组合采用delta‐gamma VAR法。“线性”和“非线性”是指该风险头寸的潜在收益与价值相对变化之间的关系。相应地，将风险头寸分为简单头寸和衍生头寸。简单头寸的变化关系是线性的；衍生头寸又可分为线性和非线性的衍生头寸两种。

（1）简单VAR法。简单VAR法假定金融产品或投资组合的收益服从多元条件下的正态分布，头寸价值的相对变化是潜在收益的线性函数。

各种金融产品或投资组合的头寸价值的相对变动与潜在收益之间的关系如表2-1所示。

表2-1　金融产品或投资组合的头寸价值的相对变动与潜在价格/收益变动之间的关系

资料来源：戴国强，《VAR方法对我国金融风险管理的借鉴及应用》，《金融研究》，2000.7.25。

（2）delta‐gamma VAR法。delta‐gamma方法的二阶或gamma效应假定金融产品或投资组合的相对价格变化不是服从正态分布，所以VAR就不可以用1.65乘以投资组合的标准差。若用＊的均值、方差、偏度、峰度来刻画＊的分布，则可以找出一个分布，使其四个统计量与＊的四个统计相互匹配，然后再由这个分布的5%分位数来计算VAR值。

delta‐gamma VAR法属于解析方法（Analytic Method），又称为方差—协方差估计，它是利用资产收益的历史时间序列数据来计算金融资产或投资组合的标准差和相关系数，然后在多元正态分布的假定前提之下根据这些方差和协方差系数来计算投资组合的标准差，从而确定相应的VAR值。这就意味着金融资产或投资组合的收益分布完全由方差—协方差矩阵来确定。可见，投资组合的风险可以完全表示为组合中所包含的各种金融资产收益的波动率和相关系数的函数。J·P·摩根从1994年起一直致力于向公众推广的Risk Metrics就是一种解析方法，并在Internet上向全球公众提供相关的计算方法和计算所需的波动率和相关系数估计的数据集。根据金融产品或投资组合的价值函数的形式和市场因子的模型的不同，解析方法可以分为以下几种类型，即delta¯正态模型、delta加权正态模型、delta¯GARCH模型、gamma¯正态模型、gamma¯GARCH模型和增量VAR模型（对这些模型的具体计算方法感兴趣的人，可以详见同济大学经济与管理学院杨鸿的博士论文《基于VAR的投资银行风险管理集成研究》（打印稿，2001年5月，P32—P37），这里不再赘述）。

上述解析方法的核心是对市场因子协方差矩阵进行估计。市场因子的数据主要有两个来源：一个是当前交易的期权的市场价格，它反映了人们对市场的预期；另一个是市场因子的历史数据。由于无法得到投资组合证券中所有产品的期权价格，所以一般采用后一种方法，即根据观察到的市场因子的历史数据进行趋势外推，估计未来的市场因子的协方差矩阵。趋势外推的方法既可以是简单的移动平均和指数移动平均，也可以采用复杂的GARCH模型。具体来说，解析方法的步骤如下：①识别基础的市场因子，将证券组合中的实际产品映射为一系列只受单一市场因子影响的标准头寸，这个过程称为“风险映射”（Risk Mapping），是解析方法中关键的一个环节。②假设市场因子的变化服从的分布，估计分布的参数，例如方差和相关系数。③利用市场因子的方差和相关系数来计算相应的标准头寸价值变化的方差和相关系数。标准头寸的方差由市场因子的方差和标准头寸对市场因子的敏感性决定，相关系数与市场因子之间的相关系数数值相等，但有时符号不同。④根据标准头寸的价值变化的方差和相关系数，运用标准的统计方法来计算VAR值。事实上，解析方法的本质在于利用概率和统计知识，大大简化了VAR值的计算（对历史模拟法和蒙特卡罗模拟法的详细介绍可以参见同济大学经济与管理学院杨鸿的博士论文《基于VAR的投资银行风险管理集成研究》（打印稿，2001年5月，这里不再赘述）。

2.3.4　受险价值法的用途

受险价值法的上述特点决定了它在金融领域特别是证券经营机构风险量化管理中有着广泛的用途。具体来说，VAR主要应用于以下两个方面：

1.用于风险限额管理

VAR将风险具体地量化为简单的数值指标，可以使交易机构和交易员清楚地了解到他们在进行多大风险的金融交易，并可以为每个交易机构和交易员设置VAR限额，以防止因出现过度投机行为造成风险敞口过大而带来损失。VAR方法可以用来作为设立交易头寸的依据，一个金融机构所面临的总体市场风险可以被分解为不同的VAR增加值，这样使用资金头寸进行交易者就可以剔除那些风险最大的头寸。此外，由于VAR方法考虑了相关性，那么高置信水平下风险限额的设置就可以小于低置信水平下风险限额的和。通过实行严格的VAR管理，一些金融交易的重大亏损也许就可以完全避免。因此，在当今金融市场上，信息披露制度不断完善，信息披露要求日趋严格，VAR方法可以很好地顺应以盯市（market to market）报告为基础的信息充分披露这一客观要求。美国银行和证券业协会1995年的一份研究报告显示，有18家银行和证券经营机构在其1994年的年度报告中测算了各自的VAR值，与1993年相比，增加了14家，增幅为3.5倍。由于VAR值的公布是自愿的，各家机构选择的VAR的标准也就不同，当然在假设正态分布的条件下，这些VAR值是可以互相推算的。1994年美国部分银行提供的VAR报告如表2-2所示。

表2-2　1994年美国部分银行提供的VAR报告

2.用于业绩评估

在证券投资中，高收益总与高风险相伴而生，例如单纯以利润作为考核指标，当市场波动时，下级部门或交易员可能不惜冒着巨大的风险去追求高额利润。这是因为他们得到的薪酬和投资收益成正比，而投资损失给他们带来的惩罚却相对少得多。公司出于规范、稳健经营的需要，必须对交易员可能出现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。VAR方法促使管理层可以根据不同交易员所面临的不同风险来调整他们的收益水平。不同市场中的交易员通常由于其所处市场的波动性的不同而获得不同的收益，这种区别并不是来自于其操作水平的差异。有了VAR值，就可以对投资业绩进行比较标准且合理的衡量。经风险调整的资本收益（Risk Adjusted Return on Capital；Raroc）就是引入VAR值而设计出的一种比较科学的业绩衡量评价指标，其公式为：Raroc＝投资收益/VAR值。从该公式可以看出，当交易员从事高风险投资时，即使收益水平很高，但因VAR值也会相应很高，则业绩评价值Raroc也不会高。同时，VAR方法根据不同市场风险进行的相机调整有利于减少或消除交易员中存在的“道德风险”或“逆向选择”行为。

管理层对交易员进行的业绩评估可以通过预期风险和已实现风险这两种途径来实现。一种方法是使用夏普比（Sharpe Ratio），即无风险收益之外的平均期望收益与总波动的比率。该方法的优点是它可以使金融机构确定哪些运作是可以盈利的，哪些运作是要亏损的，便于将着力点放在最能产生收益的运作上；另一种方法是使用泰勒比（Treynor Ratio），即无风险收益之外的平均期望收益与某交易收益对整个公司收益的贡献率的比率。使用泰勒比来代替夏普比的原因在于某项投资的收益有时是与其他投资的风险相关的，如果对每个单项投资的VAR值进行测算，则会过高地估计投资组合的实际风险。

2.3.5　受险价值法的优点

目前受险价值法已经成为金融风险管理的新标准和新方法。证券公司、投资基金、商业银行、保险公司、养老基金及非金融公司等机构都要按照VAR法披露其资产负债表的风险头寸暴露情况，无论是金融监管当局的风险管理还是金融机构自身的内部控制都将以VAR法作为基础。我们可以看出，与很多其他的风险计量模型相比，VAR风险评估计量模型具有以下优点：

首先，受险价值法的最大优点在于它把金融机构或投资组合的整体风险概括为一个简单数值，用货币单位来表示，以此来衡量风险管理的核心—潜在最大价值亏损。它成为一个广泛接受的标准和主要的风险管理工具。受险价值法比较方便、实用，具有很好的直观性，适用于综合衡量包括利率风险、汇率风险、股票价格风险以及商品价格风险和衍生金融工具风险在内的各种市场风险。因此，这使得金融机构可以利用一个具体的指标数值（即VAR值）就可以概括地反映整个金融机构或投资组合在未来某一个给定的时期内所面临的风险状况，不仅方便了金融机构各业务部门对有关风险信息的交流，而且便于最高管理层随时掌握机构的整体风险状况，因而非常有利于金融机构对市场风险的统一管理和控制，使得不同类型资产或组合的风险可以相互比较。

其次，受险价值法以概率论作为基础，是一种利用规范的现代统计技术来全面综合地衡量市场风险的方法，摒弃了主观判断的随意性，较其他主观性、艺术性较强的传统风险管理技术，例如到期时间、持续期以及缺口分析等，能够更加准确地计量金融机构所面临的风险状况，大大增加了风险管理系统的适应性和科学性。因此VAR方法在金融风险管理中被广泛应用。

再次，受险价值法为金融机构进行风险管理研究构造了一种共同的语言和总体框架。VAR风险管理技术作为一种总体框架，包括各种不同的风险计量模型所得出的各种各样的计算结果。它可以对多种不同的金融产品和不同类型的资产的风险进行计量和累积，将整个金融机构和跨行业的各种市场风险加以全面的量化。可见，受险价值法可以为机构和金融中介能在一个同一框架内计量各种资产的投资组合的风险值和比较不同投资组合之间的风险奠定良好的基础。

其四，受险价值法通过调节置信水平，可以得到不同置信水平上的VAR值，这不仅使得管理者能够更清楚地了解到金融机构在不同可能程度上的风险状况，而且满足了管理者不同的管理需要。

其五，受险价值法可以为金融监管当局实施风险监控提供有力的技术工具，有利于监管部门对金融机构的资本充足率提出统一的要求，以有效防范和控制市场风险。

最后，受险价值法体现了一种较为科学合理的风险管理理念，以在一定置信度下可能遭受的最大价值损失作为风险管理的基点和依据。受险价值法利用一个结构化的方法论来精确地评估与计量市场风险。在计算VAR值的过程中，各类金融机构不仅要面对各种市场风险，而且有必要建立起一个独立完善的风险管理制度来监管交易的前台和后台。从这个角度来讲，处理VAR的过程也许和数值本身同样重要。

正因为如此，VAR风险管理技术在金融风险控制、机构业绩评估以及金融监管等方面得到广泛运用。例如摩根斯坦利公司建立的VAR模型的优点主要有：能估测一个投资组合累计的市场风险暴露头寸，从而可以应用于各种各样的市场风险检测；能反映投资组合分散所带来的风险减少；该风险计量模型所包含的内容虽然很多，但易于解释。

2.3.6　VAR模型的局限性

尽管受险价值法VAR在对风险进行评估和计量上发挥着不可或缺的作用，被许多金融机构广泛采用，但它自身也具有明显的局限性，主要表现在：

（1）VAR方法的风险管理对象比较狭窄，VAR衡量评估的主要是正常情况下的市场风险，而对于其他风险如市场上的突发性风险、信用风险、流动性风险、操作风险、法律风险和战略风险等却很少涉及或难以反映。因此，VAR是一种试图将金融机构或投资组合所面临的利率、汇率等不同种类的市场风险用一个数值表示的方法，但是这个数值无法对金融机构或投资组合所面临的全部风险进行全面衡量和管理。

（2）VAR方法衡量的是正常条件下的市场风险，而对极端条件下的市场风险却显得无能为力。在正常市场条件下，资产的交易数据比较丰富，因而使用VAR模型比较有效。然而，当市场远离正常状态时，交易的历史数据变得稀少，尤其是当市场出现危机时，资产价格的关联性被割裂，流动性全部丧失，甚至连价格数据也难以得到，结果造成无法利用VAR模型来有效测量此时的市场风险。

（3）从技术上来讲，VAR方法是应用概率统计工具，计算出一定置信区间内的最大预期损失，但并不能绝对排除高于VAR值的损失发生的可能性。也就是说，VAR方法对置信区间以外的小概率事件不予考虑。例如，假设一天的99%置信度下的VAR值＝＄1 000万，仍会有1%的可能性会使发生的损失超过1 000万美元。这种小概率事件一旦发生，其给经营单位带来的后果却是灾难性的，破坏力很强。例如1989年的华尔街股灾、1992年的英镑危机、1994年的墨西哥比索危机以及1997年的东南亚金融危机等，无不具有极强的破坏力。

（4）由于VAR模型对数据的要求比较严格，该风险计量方法对于那些交易频繁、流动性较大、市场价格容易获取的金融产品的风险计量效果比较显著；而对于那些交易清淡、流动性较小的资产，例如银行贷款等，由于缺乏每日市场交易价格数据，其测量风险的能力受到很大的局限。有时，需要先将流动性较差的金融产品分解为流动性较强的金融产品的组合，然后再使用VAR模型来评估计量风险。

（5）更为重要的是，VAR是基于金融资产的纯客观概率，也就是说，它对金融资产或投资组合的风险计量方法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，从而估计可能出现的最大损失，存在所谓的模型风险。由于同样的VAR模型可以使用参量法、历史数据法、历史模拟法、随机模拟法（蒙特卡罗模拟法）和方差—协方差参数法等不同的方法得到资产收益的不同的概率分布，这样会使同样的资产组合得到不同的VAR值，造成VAR模型的可靠性难以把握。总体而言，VAR模型对历史数据的依赖性较大。依赖历史数据的根本缺陷在于历史不一定总能成为未来很好的指引，依据过去的收益数据来确定未来收益的风险存在着固有的缺陷。正是由于这种局限性，巴塞尔银行监管委员会要求使用返回检验来检验金融机构所使用的VAR模型的有效性。

例如，摩根斯坦利公司建立的VAR模型存在以下局限性：市场风险因素过去的变化并不总能精确地预测一个组合值将来的变化；难以精确地模拟所有交易组合的市场风险因素；公开的VAR值反映过去的交易头寸，而将来的风险取决于将来的头寸；VAR模型将一天作为时间基准，不能完全捕捉到那些无法在一天内清偿或规避的头寸的市场风险。因而，摩根斯坦利公司仅把VAR模型作为其风险管理和检测的一部分，交易柜台、交易部门和公司层次还使用敏感性模拟系统等更多的风险监管和控制工具。

2.3.7　对VAR模型缺陷的弥补和检验方法

鉴于VAR模型存在的缺陷，对VAR模型的不足进行弥补，对其有效性进行检验是非常必要的。目前，主要使用压力测试和情景分析来弥补其不足，并使用返回检验来检验VAR模型的有效性，它们有机结合，构成了一个完整的风险管理的VAR体系。

1.压力测试

所谓压力测试（Stress Testing），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，例如假设利率或收益率骤升100个基本点，某一货币突然贬值30%，股价暴跌20%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，观测其是否能经受得起这种市场的突变。显然，压力测试是对以正常市场条件为前提、不能反映极端情况的VAR模型的有力补充。由于压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，变量变化的幅度可以被确定为任意的大小，而且测试者一旦确定了测试变量，就假设了测试变量与市场其他变量的相关性为零，不用再担心测试变量与其他市场变量之间的相关性。同时，在压力测试下，引起资产组合价值发生变化的风险因素也非常清楚，这是在G30的报告中推荐压力测试法用于敏感性分析的重要原因。

另外，由于压力测试并不需要提供事件发生的可能性，因而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，显得简单明了。

尽管从理论上看，压力测试并不复杂，但在实践中仍存在不少问题。首先，在使用压力测试法测算VAR值时，它不像其他风险计量方法那样具有科学性，基本上是一种主观测试，随意性很大。如果测试变量选择得不太合理，那么测定的VAR值就是错误的。

其次，市场变量相关性和测试变量的选择问题。压力测试的一个重要假设前提是所选测试变量与市场其他变量的相关性为零。而相关性对投资组合面对的风险来说非常关键。因此，测试变量的选择要考虑其是否真正独立于市场其他变量，是否有必要将一组变量作为测试变量，或进行二维联合测试。而且，测试变量应该包括所有对该金融机构或资产组合有显著影响的风险因素。可见，压力测试法适用于主要面对一种风险因素的投资组合，不适用于规模较大、结构复杂的投资组合。

再次，测试变量的设定会受到具体投资组合头寸本身的影响，使得对风险分析的前提条件要重新确认。进行压力测试，某一或某些市场因素的异常或极端的变化可能会造成风险分析的前提条件也会发生相应变化。例如，某些在正常市场条件下呈现出一定相关性的市场变量，在市场处于危机的时刻这种相关性就可能被破坏。同样，某种在正常市场状态下有效运行的基本模型，在市场危机时可能也会失效。而且，压力测试法不能给出最坏情形发生的概率，而期望的风险不应只是可能损失的函数，还应当是可能损失发生概率的函数。

其四，尽管压力测试操作起来并不困难，但实践中进行过多的压力测试并不意味着抓住了风险管理的实质和要害。实际上，对众多的风险因素进行不同幅度的压力测试的工作量是十分巨大的，而且，由于每次压力测试只能说明事件的影响程度，却并不能说明事件发生的可能性，这使得管理者对众多的压力测试难以分清主次，因而使得压力测试对管理者决策的作用并不大。可见，压力测试应当与其他风险度量方法相互结合，尤其是与VAR模型相结合，而不是替代VAR模型。

2.情景分析——对VAR模型和压力测试的补充

进行情景分析（Scenario Analysis）的关键环节首先在于对情景的合理设定，其次是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投资组合因此而可能遭受的损失进行合理的预测，最后得出情景分析报告。情景分析与压力测试有许多相似之处，但也存在差别，主要表现在以下几个方面：

第一，压力测试只是对市场中的一个或一组相关的变量在短期内的异常变化进行假设分析，而情景分析假设的是更为广泛的情况，包括政治、经济、军事和自然灾害在内的投资环境。

第二，压力测试只对一个或一组相关的市场变量的变化进行假设分析，因而只是一种一维的分析，而情景分析则要在设定的环境变化下，对市场主要的变量及其最终对资产组合价值造成的影响进行分析，因而是多维的分析。

第三，压力测试只是对资产组合的短期风险状况的一种衡量，可以说只是一种战术性的风险管理方法，而情景分析则比较注重比较全面和长远的投资环境的变化，因而可以说是一种战略性的风险管理方法。

显然，情景分析从更广阔的视野和更长远的时间范围来考察金融机构或投资组合的风险状况，这种具有战略高度的分析，无疑弥补了VAR模型和压力测试只注重短期情况分析的不足，因此情景分析应当与VAR模型和压力测试紧密结合起来，使得风险管理更加完善。

3.返回检验

（1）对VAR模型返回检验（Back‐Testing）的必要性。由于VAR值是一个统计估计值，因此和其他所有统计估计问题一样，VAR值的准确程度和可靠性就会受到“估计误差”的影响，特别是在样本容量有限的情况下，这个问题显得尤为突出，监管者必须时刻认识到这一点的重要性。如果一个监管者每天都要收到VAR的风险报告，那么他怎样来判定这些数据存在的系统误差呢？而且由于VAR值是在假定的某个置信水平下得出的，这样就会有超过该置信水平的可能。例如，假设的置信水平为95%，一般不会观测到5%的偏离，但也许会观测到6%—8%的偏离。如果这种偏离幅度过大，比如说10%—20%，监管者就应当意识到这时问题不在运气而在于风险计量模型本身了。一般的解决方法应当是给VAR加上一个惩罚因子或扩大因子，以防止VAR低估了实际风险。不论是监管者还是VAR模型的使用者都会面临着同样的问题。而“返回检验”就是一个评价公司的风险计量模型，特别是VAR模型的一种常用的计量检验方法。

（2）返回检验的基本原理。由于VAR模型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，因此其对未来风险状况的预测是否准确、有效性如何是需要检验的。所谓返回检验（也称为事后检验），是指将某一投资组合在一段时间内的实际盈亏数据与根据模型生成的风险值（即VAR值）进行比较，以确认、检验VAR风险计量方法的有效性和可信度，它也是VAR风险管理技术中的关键一环。例如，一个VAR模型对某一投资组合的风险测量结果为：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，只有一天损失将超过10万元。对VAR的这一预测值进行返回检验，就是多次观察实际这100天的交易数据，如果损失超过10万元的天数的确不超过一天，则基本可以确认该VAR模型是有效的；如果损失超过10万元的天数是两天或更多，则该VAR模型的有效性就值得怀疑。需要引起注意的是，这种返回检验方法本身也会存在是否有效可靠的问题。上例中对VAR模型有效性的判断是基于返回检验本身是有效的假设，没有发生下列两种类型的错误。相反，如果返回检验本身存在问题，则可能会出现这样两种错误：（1）VAR模型的风险预测值实际上是对的，但返回检验的结果却表明它低估了风险，这在统计上被称为1型错误；（2）VAR模型的风险预测值实际上低估了风险，但返回检验却没有显示这一结果，这在统计上被称为2型错误。影响返回检验有效性的主要因素有三个，即样本空间的大小、对投资回报概率分布的假设和置信水平的选定。

巴塞尔银行监管委员会在《关于使用“返回检验”法检验计算市场风险资本要求的内部模型法的监管构架》文件中也专门对返回检验方法的使用做了详细说明。目前，这一方法已被许多使用VAR模型的机构用于模型检验。一般来说，通行的返回检验法则有两种，但其基本原理是一样的，就是通过“失败率”来检验，即记录实际发生的亏损数，然后计算超过VAR值的次数（或天数）比例是否大于设定的置信水平。例如，对于一年的数据（T＝255），假设置信度为95%，则实际发生的亏损数超过VAR值的天数应该为255×5%＝13天左右。如果的确如此，那么就表明该VAR模型是有效的；如果在一段观察期间内观测到的实际偏离天数显著地大于或小于13天，那么就表明该VAR模型的有效性存在问题。

（3）返回检验的基本方法。在返回检验的基本原理的指导下，现在通用的具体检验方法一般有两种，分别是Kupiec提出的方法和BIS给定的方法，两者都侧重于对偏离天数的观测上。

第一种：Kupiec提出的方法。Kupiec（1995）用一个表格给出了返回检验的置信区间。

表2-3　Kupiec方法中给出的返回检验的置信区间

需要注意的是，此处的概率水平P与计算VAR值的置信水平是不同的，它是决定该VAR模型是否有效的决策概率水平。而表中的N是在接受零假设P为实际概率的前提下，在T样本中观测到的可接受的损失偏离天数。VAR值的计算都假定采用95%的置信水平。

有以下几点需要加以说明：①以T＝255，P＝0.05为例，只要实际损失的偏离天数N落在（6，21）之间，则认为该VAR模型的预测是有效的。如果N＞21，则表明该VAR模型低估了损失发生的可能性。如果N＜6，则表明该VAR模型的估计过于保守。②从表2-3中可以很容易地推断出，如果将区间端点用N/T来表示，则区间随着T的增大而变小。例如，对于某一概率水平0.05，当T＝255时，区间为（6/255＝0.024，21/255＝0.082）；当T＝510时，区间为（16/510＝0.031，36/510＝0.071）；当T＝1 000时，区间为（37/1 000＝0.037，65/1 000＝0.065）。这就意味着，随着样本数据的增加，可以更容易地拒绝VAR模型。③Kupiec方法中给出的返回检验的置信区间是十分直观的，但是对于小概率水平却很难确定是否存在损失的偏离。例如，假定概率水平为0.01，T＝255，在95%的置信水平下，区间为（N＜7）。这样在N比较小的情况下，就无法确定是属于不正常情况，还是系统过高地估计了风险。从直观上来说，P值小很难说明系统偏离的原因就是P值所对应的事件数也小。因此，有些银行习惯于选择较大的P值，以便能观测到更充分的数据来判定该VAR模型是否有效。在实际应用中，需要给VAR值乘上一个扩大因子，但对于其具体数值的设定，目前还没有定论。

第二种：BIS给定的方法。BIS（即国际清算银行）同样将损失的偏离天数N进行划分，与Kupiec提出的方法不同的是，它以T＝255，置信水平为99%为例，将N划分为以下三个颜色区，如表2-4所示。

表2-4　BIS对损失偏离天数N的一般颜色区域划分

一般来说，给计算出的VAR值乘上一个扩大因子。不同的监管当局也许会采用不同的扩大因子，一般在3的基础上再扩大一定的倍数。BIS针对不同的损失偏离天数N，给出了各自不同的扩大因子的提高比例，损失偏离天数N的扩大颜色区域划分如表2-5所示。

表2-5　BIS对损失偏离天数N的扩大颜色区域划分

我们在运用以上两种返回检验方法时，应当注意在测算投资组合的VAR值时所出现的一个很重要的问题：在测算的目标区间内投资组合是否保持稳定？如果在目标区间内，投资组合发生变化或产生分红派息等各种收益，则会严重影响到VAR模型计算的预测值的准确性，就如同小概率事件（如股市崩盘）发生使得VAR模型无法处理一样。这也意味着采用的目标区间越长，越可能发生各种变化，换言之，长的目标区间的采用具有一定的副作用。Kupiec方法和BIS方法也主要是针对投资组合在保持稳定的情况下给出的。

2.3.8　全面风险管理模式的建立

由此可见，在金融风险管理技术中，VAR方法并不能涵盖一切，仍需要综合使用各种其他的定性、定量分析方法。亚洲金融危机还提醒风险管理者：受险价值法并不能预测到投资组合的确切损失程度，也无法揭示出市场风险与信用风险间的相互关系。

由于完整的金融风险管理包括风险的识别、评估、测量和控制等几个过程，而且对一定量的风险进行控制是金融风险管理的最终目的，这必然要涉及风险管理者的风险偏好和风险价格因素。所以VAR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，并不能构成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。而完整的风险管理不但要能计量出所面临风险的客观的量，而且应该考虑到经济主体对风险的偏好，只有这样才能真正实现风险管理中的最优均衡。

为了更加全面地实施对金融风险的测量和管理，人们一直没有停止对这一难点问题的探索和研究，建立了不少新一代的风险测量模型，其中之一便是全面风险管理模式（Total Risk Management，TRM）。所谓全面风险管理，是指对整个机构内各个层次业务单位、业务环节、各种风险来源、类型的通盘管理和控制，它将市场风险、信用风险、流动性风险、操作风险、法律风险和其他各种风险以及包含这些风险的各种金融资产及资产组合、承担这些风险的各业务单位纳入到统一的体系中，对各类风险依据统一的标准进行测量评估并汇总，并根据全部业务的相关性对风险进行有效的管理和控制。

为了配合对各类风险的具体量化，许多大的金融机构、风险管理咨询公司及软件公司已开始尝试设计一体化的风险量化软件，如AXIOM软件公司建立的风险监测模式。全面风险管理模式可以大大改善风险—收益的质量，有效管理和控制各类风险，但要真正利用好这一技术办法，还需要建立一套完备的全面风险管理制度。

2.3.9　VAR技术在国外风险监管和控制方面的应用

目前，VAR风险评估计量模型及在此基础上形成的VAR风险管理模式和方法正不断地被越来越多的金融监管当局、商业银行、投资银行和机构投资者所普遍认同和广泛接受。

自从1993年G30发表《衍生产品的实践和规则》的研究报告，并竭力推荐各国银行使用VAR风险管理技术后，巴塞尔委员会也在其《关于市场风险资本要求的内部模型法》（1995）、《关于使用“返回检验”法检验计算市场风险资本要求的内部模型法的监管构架》文件中向其成员国银行大力倡导这一方法。并且规定，依据VAR风险评估计量模型计算出的风险来确定银行的资本金，同时对这个计量方法的使用和模型的检验提出可行的建议和做出明确的规定。许多国家的金融监管当局利用VAR风险管理技术对银行和证券公司的风险进行监控，以VAR值作为衡量金融中介机构风险的统一标准与管理机构资本充足水平的一个准绳和依据。与此同时，很多银行也采用VAR风险计量模型来计量各种业务和投资组合的市场风险，将其资本水平与所承担的市场风险相挂钩、相对应，以提高银行的资本充足度，增强其资本实力和抵御风险的能力，提升其总体的市场竞争力，促进银行的高效、稳健运营。

VAR方法也是证券公司进行投资决策和风险管理的有效技术工具。证券公司利用VAR方法进行营运资金的管理，制定投资策略，通过对所持有资产风险值的评估和计量，及时调整投资组合，以分散和规避风险，提高资产营运质量和运作效率。以摩根斯坦利公司为例，公司利用各种各样的风险规避方法来管理它的头寸，包括风险暴露头寸分散化、对有关证券和金融工具头寸买卖、种类繁多的金融衍生产品（包括互换、期货、期权和远期交易）的运用。公司在全球范围内按交易部门和产品单位来管理与整个公司交易活动有关的市场风险。公司按照如下方式管理和检测其市场风险：建立一个交易组合，使其足以将市场风险因素分散；整个公司和每一个交易部门均有交易指南和限额，并按交易区域分配到该区域交易部门和交易柜台；交易部门风险经理、柜台风险经理和市场风险部门都检测市场风险相对于限额的大小，并将主要的市场和头寸变化报告给高级管理人员。市场风险部门使用VAR与其他定量和定性测量分析工具，根据市场风险规律，独立地检查公司的交易组合。公司使用利率敏感性、波动率和时间滞后测量等工具，来估测市场风险，评估头寸对市场形势变化的敏感性。交易部门风险经理、柜台风险经理和市场风险部门定期地使用敏感性模拟系统，检测某一市场因素变化对现存的产品组合值的影响。公司高级管理人员使用VAR技术工具，以协助其管理人员测度与其交易头寸相关的市场风险暴露头寸。随着交易组合的分散化以及模型技术和系统能力的改善，VAR模型也在不断地改善。在1997年会计年度，摩根斯坦利VAR模型涉及的头寸和风险范围逐步扩展，风险测量技术更加精确了。最显著的改善是将特别命名的风险指数加入其中，以反映全球证券市场、美国公司和高收益债券的风险。到1997年11月30日，大约有420个市场风险因素基准数据系列被加入到该VAR模型里，涵盖利率、证券价格、外汇汇率、商品价格和有关的波动率。另外，该模型还包含了约7 500只证券和60个类别公司及高收益债券的市场风险因素。

此外，VAR方法是机构投资者进行投资决策的有力分析工具。机构投资者应用VAR方法，在投资过程中对投资对象进行风险测量，将计算出的风险大小与自身对风险的承受能力加以比较，以此来决定投资额和投资策略，以减少投资的盲目性，尽可能减轻因投资决策失误所带来的损失。目前，VAR方法除了被金融机构广泛运用外，也开始被一些非金融机构采用，例如西门子公司和IBM公司等。

2.3.10　VAR风险管理技术在我国的应用前景

目前我国金融市场还是一个发展中的新兴市场，市场发育尚不成熟，市场机制尚不完善，存在一定的金融抑制现象。与西方发达金融市场相比，我国金融市场的一个主要特征就是市场风险影响相对弱化，而政策风险、操作风险、法律风险及对整个市场的影响则相对突出。因此，简单地照搬照套国外风险管理模式显然是无效的，但是VAR风险管理技术的思想、理念和方法却是值得我国借鉴和学习的，必须根据我国的实际情况来设计和开发VAR技术。目前，VAR技术已经引起国内金融机构和有关人士的高度关注，近期有关研究机构已经成功研制开发出了一套适合中国资本市场实际情况的VAR风险计量模型和风险管理模式。

1998年3月由雷斯克电子科技（北京）有限公司研制开发的米微风险管理模型——MuVAR系统，在“中国第二届证券、期货交易电子博览会”上引起众多券商和投资者的极大关注。据专家介绍，该公司是目前国内首家采用VAR进行风险管理的公司，它所开发的米微风险管理模型不同于我国传统的定性的风险分析方法，而是采用现代金融模型，结合某种股票（或股票组合）的历史和当前的状况，客观定量地测试其在未来一定时间的风险值。具体为实时测试总头寸最大损失、对影响因素进行具体分解并给出每种因素所占的比重、未来股价的波动区域、大盘的波动区域、风险收益图、历史波动性等多个方面，还可以对不同的投资方案进行评估、比较及对模型本身的可靠性进行检验。该风险管理系统以VAR技术为核心，为用户提供了从数据库管理、IT系统风险监控、风险分析到风险控制和评估机制的全面解决方案，它为探索VAR风险管理模型在中国新兴资本市场的引入和应用迈出了极有价值的一步。随着我国金融体制改革的不断深入，金融市场的进一步发展和完善以及金融深化的日益推进，将有力地促进VAR风险管理技术的研究开发。可以相信，VAR风险评估计量模型和在此基础上形成的风险管理模式必将为我国金融监管机构的风险监管和金融机构内部的风险控制提供有效的技术工具，其应用前景广阔，市场空间巨大。

除了受险价值法以外，其他的风险测量和评估方法还包括风险调整的资本收益法（Raroc）、信贷矩阵法（Credit Metrics）、全面风险管理模式（TRM）和资产组合调整法等。限于篇幅，这里不再一一介绍。