薛煒星
摘要:由于金融業(yè)的持續(xù)進(jìn)步,金融產(chǎn)品快速創(chuàng)新和全球市場競爭日益激烈的影響,我國金融風(fēng)險變得更加復(fù)雜化。VaR屬于一類測定金融風(fēng)險的工具,逐漸變成金融風(fēng)險管理的主要方式,獲得了金融領(lǐng)域的廣泛應(yīng)用。現(xiàn)簡要分析VaR在我國金融風(fēng)險管理中的應(yīng)用,力求為今后的相關(guān)工作提供參照。
關(guān)鍵詞:VaR方法;金融風(fēng)險管理;應(yīng)用
中圖分類號:F830.1 文獻(xiàn)識別碼:A 文章編號:1001-828X(2016)007-000-01
當(dāng)前我國存在的金融風(fēng)險因素較多,此類風(fēng)險也是金融部門與監(jiān)管機(jī)構(gòu)特別重視的部分。所以,許多金融部門大力研發(fā)金融風(fēng)險管理技術(shù),特別注重金融風(fēng)險的測量。其中,VaR方法屬于一類切實有效的測量技術(shù)。因此,對VaR在我國金融風(fēng)險管理中的應(yīng)用進(jìn)行分析就變得非常重要。
一、VaR方法的概念
VaR方法也成為風(fēng)險價值模型,是最近些年出現(xiàn)并發(fā)展應(yīng)用的一類量化金融風(fēng)險測量方法。它的含義是:在市場正常的波動情況下,某金融資產(chǎn)或者證券組合的最大可能損失。其具備的優(yōu)勢為:首先,其能夠?qū)⒍喾N金融技術(shù)、金融資產(chǎn)組合和各部門的金融風(fēng)險量化成數(shù)字,并進(jìn)行對比分析。管理人員就可以基于該數(shù)值評估當(dāng)前的金融風(fēng)險程度;其次,以該指標(biāo)數(shù)值為基礎(chǔ),管理人員無法以自身對金融風(fēng)險不了解為借口推卸責(zé)任。監(jiān)管機(jī)構(gòu)同樣能夠借助該指標(biāo)數(shù)值增加市場的透明度,保證市場的穩(wěn)定[1]。
二、VaR模型的算法
1.歷史模擬算法
該方法是一類簡潔的與非理論算法,其對潛在金融因素的標(biāo)準(zhǔn)散布不進(jìn)行假設(shè)。是通過對曾經(jīng)一段時間金融資產(chǎn)組合風(fēng)險收益頻率分布進(jìn)行計算,以得到曾經(jīng)一段時間的均收益和既定置信水平下最小收益,進(jìn)而計算出VaR值。
2.蒙特卡洛模擬算法
該計算方法主要根據(jù)歷史數(shù)據(jù)或者既定散布假設(shè)情況下的參數(shù)特性,通過隨機(jī)形式模擬出許多資產(chǎn)組合值,并在這些之中選出VaR值。起能夠更有效的對非線性和非正態(tài)進(jìn)行處理。這種算法是對金融工具價格進(jìn)行多次模擬的隨機(jī)過程,每次均能夠獲得期末余額的可能數(shù)值,若實行較多次的模擬,則組合價值的模擬散布就會收斂在真實范圍內(nèi),提升估算的精確性。
3.方差-協(xié)方差算法
這種計算方法的應(yīng)用最為廣泛,主要是對金融資產(chǎn)報酬方差-協(xié)方差矩陣實行估算。
并借助樣本估算出平均值和方差,在設(shè)定的概率中,能夠得到對應(yīng)VaR值。標(biāo)準(zhǔn)差計算能夠利用等權(quán)重算法和指數(shù)權(quán)重算法,其中,等權(quán)重算法是計算無條件波動的,而指數(shù)權(quán)重算法是計算有條件波動的。
三、VaR在我國金融風(fēng)險管理中的應(yīng)用研究
1.VaR在我國市場風(fēng)險監(jiān)管中的運(yùn)用研究
當(dāng)前,已經(jīng)有相當(dāng)一部分的金融和非金融企業(yè)應(yīng)用VaR技術(shù)作為金融風(fēng)險管理的工具。借助VaR技術(shù)實行金融風(fēng)險測量與管控,能夠使全部交易人員或者交易企業(yè)均可以明確看到其正在實行交易的風(fēng)險等級,且能夠為全部交易人員或者交易企業(yè)設(shè)定VaR最大限定額度,進(jìn)而避免嚴(yán)重投機(jī)行為現(xiàn)象的發(fā)生。若應(yīng)用更加嚴(yán)格的VaR金融風(fēng)險管理,某些交易的嚴(yán)重虧損或許就能夠切實規(guī)避。強(qiáng)化金融風(fēng)險管理對金融行業(yè)甚至總體社會經(jīng)濟(jì)均具備非常關(guān)鍵的作用。其可以全方位、動態(tài)化的明確與把握金融風(fēng)險改變的根本狀況,為金融風(fēng)險管理機(jī)構(gòu)提供重要精確的數(shù)據(jù),以確保金融風(fēng)險管理決策的科學(xué)合理,推動金融企業(yè)的快速發(fā)展,且保證企業(yè)運(yùn)營目標(biāo)的快速達(dá)成。
2.VaR在我國信用風(fēng)險管理中的運(yùn)用研究
我國信用風(fēng)險管理中同樣大量運(yùn)用了VaR技術(shù),且獲得了非常好的效果。由于首個金融風(fēng)險測量信息方法的出現(xiàn),更多的金融信用風(fēng)險管理模型持續(xù)應(yīng)用,在金融行業(yè)產(chǎn)生了很大的影響。以金融信用風(fēng)險管理未來的發(fā)展趨勢來分析,應(yīng)用VaR技術(shù)對風(fēng)險實行量化將是主流的發(fā)展趨勢。比如,麥肯錫公司和穆迪KMV公司。切實有效的應(yīng)用VaR方法一方面自身可以獲得很好的成效,另一方面也能夠為其他企業(yè)提供可靠的參照。。
3.VaR在我國流動性風(fēng)險管理中的運(yùn)用研究
隨著VaR方法獲得金融行業(yè)的認(rèn)可,其得到了快速的發(fā)展,我國的流動性風(fēng)險管理中也開始運(yùn)用該方法。為對VaR模型實行切實的優(yōu)化,保證該方法一方面可以體現(xiàn)金融風(fēng)險值,另一方面可以對流動性風(fēng)險進(jìn)行測量。相關(guān)科研人員強(qiáng)化了科研力度,以多個角度對VaR方法進(jìn)行分析,且以此為前提進(jìn)行了對應(yīng)的功能拓展??蒲腥藛T十幾年前就提出L-VaR模型,借助對金融市場流動性和金融交易等方面的研究,將金融影響制度添加到VaR中。我國學(xué)者將我國股票市場的特征相結(jié)合,制定了能夠?qū)鹑诹鲃有燥L(fēng)險進(jìn)行調(diào)節(jié)的VaR方法,進(jìn)而對我國股票價格流動性風(fēng)險進(jìn)行測量和管理。由于對VaR方法的深入研發(fā),將來該方法必定在流動性風(fēng)險中獲得越來越多的運(yùn)用[2]。
4.VaR在金融監(jiān)管上的運(yùn)用研究
應(yīng)用內(nèi)部VaR方法對金融風(fēng)險進(jìn)行計算的過程中,需附和巴塞爾委員會[3]中規(guī)定的最低指標(biāo),就是最少要對置信度99%持有期10天的H VaR值進(jìn)行計算(銀行自身能夠決定應(yīng)用更嚴(yán)格的指標(biāo))。VaR方法是內(nèi)部管理的主要方法,金融風(fēng)險數(shù)值采取絕對值方式,表述請假清楚明白,遠(yuǎn)比資本金準(zhǔn)備率應(yīng)用百分比的方式要方便快捷。運(yùn)用VaR方法的金融風(fēng)險管理模式對我國銀行內(nèi)和銀行外的金融監(jiān)管均有利。各個銀行機(jī)構(gòu)可以基于自身資本金或者其可以承擔(dān)的金融風(fēng)險水平,采取定量模式分配到分支部門的金融風(fēng)險額,基于VaR方法能夠?qū)崟r明確金融市場的風(fēng)險數(shù)值。如果金融風(fēng)險數(shù)值高出了限定額度,借助資產(chǎn)重整的方式,將金融風(fēng)險數(shù)值降低到合理的范疇以內(nèi)。如果上級主管機(jī)構(gòu)或者監(jiān)管機(jī)構(gòu)發(fā)現(xiàn)存在金融風(fēng)險,也能夠向銀行提出,要求銀行有效的對資產(chǎn)組合進(jìn)行調(diào)節(jié)。
四、總結(jié)
綜上所述,金融部門應(yīng)用先進(jìn)的金融風(fēng)險管理和控制技術(shù),可以使風(fēng)險管理人員更精確高效的消除各類金融風(fēng)險,并對復(fù)雜金融風(fēng)險實行準(zhǔn)確的計算與分配,對我國金融風(fēng)險管理水平的快速提升有利。所以,我國金融部門與金融管理機(jī)構(gòu)需把VaR技術(shù)等先進(jìn)的金融風(fēng)險管理技術(shù)應(yīng)用到風(fēng)險管理工作中,以保證我國經(jīng)濟(jì)社會的健康穩(wěn)定發(fā)展。
參考文獻(xiàn):
[1]劉紅衛(wèi),孫文濤.融風(fēng)險管理中的VaR模型及其應(yīng)用[J].蘭州文理學(xué)院學(xué)報(自然科學(xué)版).2014(02):16-19.
[2]雷振鋒.VaR模型在金融風(fēng)險管理中的應(yīng)用[J].現(xiàn)代商業(yè).2014(35):193-194.
[3]崔瑞莉.金融創(chuàng)新條件下的金融風(fēng)險管理[J].現(xiàn)代經(jīng)濟(jì)信息.2015(21):310.