混业经营下金融风险度量工具简介

在这一节中，我们将简要介绍金融机构中现有的风险度量的方法，并从实践的角度出发对这些风险度量方法的优缺点进行讨论。

在实际中，风险度量的目的有很多，其中最重要的几点如下：

（1）决定风险储备及资本充足率

财政部门中风险管理的主要作用之一就是为了确定金融机构需要准备的作为缓冲资金的资本总量，以便应对其投资组合意外的未来损失，从而符合监管机构对其清偿能力的要求。与其类似的一个问题是对在有组织的证券交易所进行交易的投资者应缴纳的合适保证金进行确定，而这通常是由交易所的结算部门来完成的。

（2）作为风险管理工具

管理人员通常将风险度量作为限制一家公司某个单位所能承受风险大小的工具。比如，一家银行的交易者会被其日头寸VaR值的95%不能超过给定界限的规定所限制。

（3）保费的计算

保费可以作为保险公司承担保险理赔风险的补偿，该补偿的多少可以看成是对这些理赔风险的一个度量。

我们可以将已有的风险度量方法分为四种不同的类型：名义金额法、因子敏感性度量法、基于损失分布的风险度量法及基于情境分析的风险度量法。

名义金额法。这是对风险资产交易组合的风险进行量化的最古老方法。名义金额法中风险的定义为交易组合中各证券的名义金额之和，其中每个名义金额都以代表该证券所属资产类型的风险估计因子为权重。这种方法的变体仍旧应用于巴塞尔委员会关于银行监管的规定的标准化方法。

名义金额法的优点在于它简单直白。然而从经济学角度来看这种方法也存在一定缺陷。第一，该方法没有区分多头与空头之间的区别，也没有进行净额结算。例如，在外汇中一个多头的风险被一个远期货币中的短头寸抵消了从而实现了对冲，但是若用该方法对风险进行计算则会计算两次非对冲的货币头寸风险。其次，这种方法没有反映出交易组合对其整体风险具有分散性的好处。例如，当我们使用名义金额法对风险进行度量时，就会出现以下情形，即由m个不同公司的贷款组成的、各贷款的违约状态间几乎是全部独立的，且对总体风险具有有效分散性的一个信用交易组合的风险与将同等数量的资本借给某个单个公司的风险相同。第三，名义金额法在处理衍生品交易组合时会出现一些问题，比如基础资产的名义金额与衍生品头寸的经济价值间有很大的差别。

因子敏感性度量法。因子敏感性度量法给出当隐含的某个风险因子预先变化时，该交易组合价值的变化，在因子敏感性的计算方法上人们通常采用微分的形式。因子敏感性度量法主要包括债券交易组合的久期以及衍生品交易组合的希腊值。它的优点在于提供与某种明确事件相关的交易组合价值的稳健性信息，而缺点在于它不能度量头寸的整体风险。不仅如此，因子敏感性度量法在聚合风险度量中也存在问题：

首先，对于给定的交易组合，不能将不同风险因子变化的敏感性加以累积，比如简单地把期权的delta值和vega值相加是没有意义的。

其次，因子敏感性度量方法不能通过市场聚集来对某个金融机构的总体风险进行度量。

基于损失分布的风险度量法。大多现代的交易组合风险度量方法都是描述交易组合在某个确定的时间范围Δ内的条件或非条件损失分布，如方差、VaR（Value-at-Risk）以及预期亏损（Expected Shortfall）等。当然仅凭任意一个特殊的统计数据来描述某种分布中隐藏的风险肯定是有问题的，但在利用损失分布对交易组合的风险进行度量时有许多值得探讨和肯定的地方：(www.xing528.com)

第一，损失是风险管理中最关注的对象，因此以损失分布为基础的度量是必然的；

第二，损失分布的概念对所有水平的聚合风险（从只包含单个资产的交易组合到包含某个金融机构所有头寸的交易组合）均有意义；

第三，若估计合理的话，它可以反映出对冲和风险分散的优点；

第四，最后，损失分布可以在不同交易组合之间对比。

例如，只要时间范围Δ相同，比较一系列固定收益证券和股票衍生品的损失分布都是有意义的。

然而这种方法也存在两个主要的问题。第一，任何对于损失分布的估计都是以历史数据为基础的。若金融市场的管理规则发生变化，则历史数据在预测未来风险上的作用有限。第二，这种方法在实践方面存在问题，即使是在固定不变的环境下也很难精确估计损失分布，特别是对于大的交易组合来说。而且许多看起来复杂的风险管理系统都是基于相对粗略的统计模型来估计损失分布的（例如正态分布就是一种站不住脚的假设）。

但是这并不是否定利用损失分布的原因。相反，这更需要我们在损失分布估计方法上的改进，基于损失分布估计的风险管理模型的实际应用也要更加谨慎。特别地，基于损失分布的风险度量法通常需要基于所假设的相关情境的信息。除此之外，前瞻性信息反映出了市场参与者的期望，例如隐含波动性应当被用来在统计估计中（必然要基于历史信息）测定损失分布模型。

基于情境分析的风险度量法。在基于情境分析的方法中度量交易组合的风险需要考虑风险因子一系列可能的未来变化，比如主要汇率上涨10%，或是主要股市指数同时下降20%，抑或是全球的主要利率同时上升。然后以在所有情境下交易组合的最大损失来作为该交易组合的风险度量，其中对某些极端情境赋予比较小的权重以减轻它们对结果的影响。

下面我们用较正式的数学方式对交易组合的风险进行描述。已知风险因子变化集合χ=x1，…，xn以及权重向量ω=（ω1，w2，…，ωn）′∈［0，1］n。考虑一个风险证券的交易组合并用l［t］表示对应的损失算子。这个交易组合的风险可表示为

在实际中许多风险度量都可以用上式来表示。例如芝加哥贸易交易所（CME）运用情境分析法决定所需保证金。未计算由一个期货合约中的头寸及该合约的看涨、看跌期权组成的简单交易组合的初始保证金，CME需要考虑16种不同的情境。前14种情形是波动率上升或下降与期货价格以一个固定幅度的1/3，2/3或3/3上升或下降或不变相结合。这些情境的权重ωi，i=1，…，14均为1。除此之外，还考虑两个极端情形，权重为ω15=ω16=0.35。然后由上式可计算出该交易所所需要的作为该交易组合保证金的资金量。

注2.2.1　对于上式我们可以给出一个略微不同的数学解释。假设l［t］（0）=0，即若所有的风险因子均无变化，则头寸的价值不变。该假设是合理的，至少对于一个短的风险管理范围Δ来说合理。在这种情况下，ωil［t］（xi）可以看成是l［t］在风险因子变化空间上的一个概率测度下的期望值。这个测度将ωi∈［0，1］与点xi联系起来，将1-ωi与点O联系起来。我们用δx表示概率测度，该测度在点x∈ℝd下概率为1。用表示ℝd上概率测度的集合

由此，也可以写成

当上式所表示的风险度量中，被风险因子变化空间上所有概率测度集合的任意子集代替时，我们将其称为广义情境分析。广义情境分析在一致性风险度量理论中有很重要的作用。

从CME的例子中可以看出，基于情境分析的风险度量法是将交易组合暴露在一个相对较小的风险因子集合的一种非常有用的风险管理工具。不仅如此，它还会基于损失分布的统计信息提供有用的补充信息。其最主要的问题当然是如何决定一个合适的情境集合以及权重因子，而且对受不同风险因子影响的交易组合进行比较是很困难的。