证券投资管理中VaR风险控制模型的运用

投资银行学论文第七篇：证券投资管理中VaR风险控制模型的运用

　　摘要：近年来，国际金融市场规模越来越大，管理越来越规范，金融机构的竞争重心也从原来的资源探索转移到内部管理上来。目前越来越多发达国家的银行和证券公司等金融机构都在创新金融产品，各金融机构的经营管理也越来越注重风险管理。证券市场是金融市场的重要组成部分，在金融一体化浪潮中，须更加注重风险管理。基于此，本文介绍了VaR模型在风险管理中的应用。首先对VaR模型进行了概述，接着分析了证券公司的风险控制和管理，最后阐述了VaR模型在证券投资管理中的应用。

　　关键词：VaR模型; 证券投资; 风险管理; 金融机构;

　　以往的资产负债管理缺乏时效性，而且太过依赖金融机构的报表分析[1]。以往的方法具有局限性，比如资产定价模型不能与新生的金融衍生产品相融合，β系数及方差等只能单一反映资产的波动幅度，所以这些方法难以准确度量金融风险[2]。基于此，G30集团于1993年提出了一种风险估价模型，即VaR模型，用来度量市场风险。此后不久，摩根又在此基础上推出了用来计算VaR的风险控制模型。如今，大多数金融机构都用VaR模型来度量风险[3]。

　　1 VaR风险控制模型

　　1.1 VaR方法的产生

　　第二次世界大战后，全球经济活动日渐国际化，导致各个微观方向经济主体所在的政治，经济和社会环境日趋复杂，其运作也面临着日渐增大的风险。这一点在金融市场的表现尤为突出。金融风险，是指因为各个经济活动的不确定性而导致的资金在筹集与运用中产生损失的可能性大小。一般来说金融风险主要有以下四种类型：(1)市场风险，指因金融资产或负债的价格波动导致的风险；(2)信用风险，指因交易方无力履行合约或不履行合约导致的风险；(3)操作风险，指因无法进行预期交易导致的风险；(4)流动性风险，指因金融交易方的资金流动不足或者金融市场流动不足导致的风险。

　　在所有类型的金融风险中，信用风险和市场风险是最常见的两种风险。在过去，金融市场价格相对来说较为稳定，所以人们更多注意的是金融市场中的信用风险，基本上不会考虑市场风险存在的因素。比如，70年代的金融风险管理基本上都是针对信用风险的管理。但是，自从70年代初期布雷顿森林体系崩溃后，在浮动汇率制下，利率与汇率等金融产品的价格变动日渐变得无序和频繁。80年代以后，由于金融创新与信息技术飞速的发展，以及全世界各国金融发展自由化的潮流导致金融市场波动日益剧烈。在分散金融风险的需要下，一些金融衍生工具应运而生随后得到了飞速发展。一般来说，金融衍生工具指的是以信用或杠杆交易为特征，以债券，货币，股票和其他传统的金融工具为基础进而衍生出的新型金融产品。一方面，金融工具可作为一种交易方式，另一方面，它也指基于这种交易方式的一系列合约。金融期权、金融期货、利率互换和远期外汇交易等都同属于金融衍生产品。金融衍生工具在1995年的名义市场价值高达70万亿美元，与此同时，全球股票市场市值仅仅只有15万亿美元。但是随着全球经济的进一步发展，金融业日益拓宽到各个领域，从而金融衍生工具也涉猎各个方面。在这种情况下，人们更多利用金融产品投资并且期待货币升值，不再仅仅单纯的只期望保值。随着金融衍生工具被逐步广泛应用于投资而不再是保值时，在规避风险需要下产生的金融衍生工具，也日益隐藏着巨大的风险。比如说近年来发生的巴林银行倒闭案、美国奥伦治县政府破产案与日本大和银行巨额亏损案，全都与金融衍生工具密切相关。所以，如何有效控制金融市场中金融衍生工具的市场风险问题，成为投资人和银行、金融监管局以及公司管理人员的当务之急。总的来说，金融衍生工具是一把“双刃剑”，一方面它能有效的应用于规避风险，另一方面，如果操作不慎往往会取得适得其反的效果。因此，加大对金融衍生工具的风险监管力度成为当前最值得关注的问题。VaR方法就产生于这个时代背景下。

　　1.2 VaR模型的基本思想

　　VaR指的是处于风险状态的价值，也就是说，某金融工具在一定置信水平和一定持有期内，面对未来的资产价格波动，可能损失的最大额度。摩根对VaR的解释为：在既定头寸被冲销或重估前估计的最大损失值；有人也把VaR定义为：在给定置信区间和持有期内，所面临的最大预期损失值。基于这两个定义，从统计学角度来看VaR，可以解释为在一定概率水平下，用数值表示金融机构风险估计值。VaR模型使用范围很广泛，既可以用来计算单一证券产品，也可以用来计算组合产品，还能结合别的方法，如数据包络分析法来评价证券产品绩效。

　　1.3 VaR模型的假设条件

　　在使用VaR模型时，通常作出以下假设：

　　(1)证券市场是有效的；

　　(2)证券市场是随机波动的。

　　在应用VaR模型时，要完全遵守以上假设条件。我国目前的金融市场还不够规范，政府干预较多，在这种情况下，想要完全满足上述假设条件不太现实，所以在应用该模型时，只能近似处理，不能准确按照要求。

　　1.4 VaR模型的计算方法

　　用来计算VaR值的方法有很多，本文只介绍最常使用的三种方法。

　　1.4.1 历史模拟法

　　历史模拟法通过借助过去一段时间内的收益频度的分布情况，找出某段时间的平均收益值以及最低收益率，从而算出VaR值。使用该方法要有一个假设条件，即认为收益和时间独立同分布。将历史收益数据做成直方图，然后根据它预测真实收益分布，在这过程中收益分布形式仅由数据决定，并且不会扭曲甚至丢失信息。最后使用直方图中的分位数据对收益分布作出估计。通常历史收益数据直方图中，横坐标代表某机构在某一天的收益值，纵坐标代表一年当中出现这个收益值的天数，因此，便能反映出这个机构一年的收益频度的分布情况。

　　1.4.2 方差—协方差法

　　方差—协方差法和历史模拟法有一个共同特点，即依靠历史数据计算VaR值。顾名思义，首先要计算出收益的标准差、方差、协方差，计算数据来源于历史收益，然后假设收益服从正态分布，这样就能够求出置信水平下，分布与均值的偏差值，接着根据这个临界值与风险损失建立联系，就能最终推导计算出VaR值。

　　1.4.3 蒙特卡洛模拟法

　　蒙特卡洛模拟法与前两个方法不同，它通过参考历史数据，分析既定分布假设的参数特征，然后随机产生一些方法，再根据这些方法模拟出收益值，最后再在此基础上计算VaR值。

　　2 证券公司风险控制和管理

　　2.1 证券公司风险控制

　　把VaR模型应用到证券公司的风险管理中来，通过计算具体的VaR值，清晰直观地反映出证券公司正在或将要面临的风险和最大损失值。这样一来，公司管理层就能认识到公司的风险，从而及时地作出调整，进而也能合理的管理公司。另外，对于公司员工来说，知道了潜在风险就能在服务投资者时做到心中有数，转变服务方式，更好地为公司创造效益。如此就能多方受益。从另一个角度来说，证券公司可以设置VaR限制额，这样做有助于规避不公平交易带来的损失，也能进一步维持投资者和证券公司之间的良好信任关系，对证券市场的稳定也有重要意义。

　　2.2 证券公司风险管理

　　一旦处于风险之中，将会对拓展业务、自营业务以及一些其他类型的业务造成不利影响，所以进行风险管理对证券公司来说十分有必要，VaR模型的应用为风险管理提供了新思路新方法。对于证券市场可能出现的风险，中国证监会也出台了许多规定办法，但这些规定并不能完全应对证券公司的所有风险问题。无论各种证券产品运营多有效，都会多多少少存在一定程度的风险性，这也是金融行业本身的一个特点，风险无论怎样都会存在，完全规避毫无可能，我们能做的就是提前预防并尽量降低损失。所以，为了最大程度降低损失，基本上所有证券公司都会提前准备一些风险准备金。

　　3 VaR模型在证券投资管理中的应用

　　目前，证券衍生的金融产品越来越多，这在一定程度上丰富了证券市场的产品种类，也创造了可观的经济效益，但是同时也会给证券公司带来很多风险。由于我国证券市场相对于国外来说起步较晚，又往往带有浓厚的地域标志，导致我国风险管理方面还没有成熟完善的办法。所以当前证券公司管理者面对的一个棘手问题就是怎样才能有效地将VaR模型引入到风险管理中去。

　　3.1 VaR模型在证券投资管理中的应用优势

　　VaR模型应用范围很广，使用方法很简单，结果明确，并且将风险计量标准统一化，给投资者和管理人员的使用带来很大便利。传统的风险管理方法只能事后衡量，不能提前预测。但是VaR模型能够做到提前预测，有助于证券公司降低风险损失。另外VaR模型以概率论和统计原理为基础，科学可靠。综上，VaR模型计算出的证券公司资产结构改革优化方案科学可信。

　　3.2 VaR模型在证券投资管理中的应用劣势

　　VaR方法模型不会受到历史经验数据影响，但是它对数据的要求更为苛刻，既在数量方面对数据有要求，而且在质量方面也对数据有更高要求，在应用过程中必须要使用有代表性的数据，在如今我国并不完善的证券市场下，质量要求并不是那么容易达到；另外，由于有不可预期的情况出现，所以不能保证证券公司一直平稳运行，在这种证券公司未来走势与过去走势不同的情况下，VaR方法就不能使用。

　　4 证券公司在应用vaR模型时应注意的问题

　　证券公司自己提供本公司的交易数据，数据数量不成问题，但是数据质量难以保证，所以要谨慎使用有代表性的数据。除此之外，由于证券产品多，产品存续期各不相同，这便要求证券公司在进行风险管理的过程中要引入时间因素。由于证券公司证券产品的多样性，在证券公司风险管理的过程中还需要进行多方位的考量。

　　参考文献

　　[1]王艳荣,边宽江.基于VAR模型的现代保险业风险管理的研究[J].中国商贸,2013(6).
　　[2]李春龙,刘迎洲.基于DEA和VAR的小额贷款公司风险管理[J].中国商贸,2014(19).
　　[3]王春峰,万海晖,张维.金融市场风险测量模型——VaR[J].系统工程学报,2000,15(3).