期貨市場風險度量

⑴ 為什麼可以用方差衡量風險

不確定性是所有學科、所有領域都要面臨的問題。但經濟學只把不確定性限定在投資領域，而且賦予不確定性以貶義——風險——資產未來損失的不確定性。

1950年代，馬科維茨用資產的方差來定義風險。資產組合理論，包括後來獨步金融工程領域的布萊克—斯科爾斯期權定價公式都是建立在這個邏輯基礎之上。但是需要思考的是，用方差衡量風險是否合適？

首先，不確定性是指未來的情況，過去發生的已經是確定性了。如果用過去的確定性來解釋未來的不確定性，就犯了一個邏輯錯誤。比如某支股票過去十個季度的績效情況是完全可知的，其平均收益率（樣本均值）很容易計算得出，其波動性（樣本方差）也可以計算得出。但是用過去的波動性來解釋未來的波動性，就犯了刻舟求劍的錯誤。用過去的波動性解釋未來的波動性，其前提條件是市場過去和未來的高度相似性，這樣能得到較好的解釋和估計。但市場是瞬息萬變的，不存在所謂的一般規律。歷史也不可能重演。基於這個一般判斷，用資產的樣本方差來衡量風險是不合適的。

其次，既然用方差衡量風險不合適，那麼用協方差來衡量組合風險也不合適。資產組合理論認為：如果持有十支以上的股票，那麼就能基本抵禦非系統風險。該理論把非系統風險（股票之間的相互波動）和系統風險（市場的波動）截然割裂開來，這種簡單的兩分法也有問題。任何股票的波動都包涵了系統風險的影響，整個資產組合的風險機制就更為復雜。分散投資有用，但實際觀察中，分散投資的作用並沒有數學模型顯示的那麼強大。

再次，從規避風險的手段來看，方差衡量風險也不怎麼有用。金融市場上，規避風險的手段有三種：分散投資、期貨、期權。期貨可以100%的規避風險（排除投機期貨的情況），但這種完美的規避風險並非出自方差分析，而是市場上剛好出現一對耦合，即期貨的多頭和空頭以同樣的價格鎖定未來的交易。期權也有類似的機制。分散投資並不能絕對規避風險，往往成為風險的犧牲品。熱衷資產組合理論的分析師常說「不要把所有的雞蛋都放在一個籃子里」，但是，如果所有的籃子都摔在地上呢？

資產組合理論有一個隱性的邏輯基礎，即資產的波動和物理學的運動一樣是可重復的。但是資產的買進和賣出是受人的意志決定的，但人的行為是很微妙、很復雜、無法數學化的行為。資產組合理論提供了一個參考的方法，但是我們必須認識到，這僅僅是參考，而非定律。

⑵ 期貨投機的缺陷

在期貨市場中，一方面，由於風險遠高於普通投資，投資者急需實用的市場理論來加以指引；另一方面，傳統期貨理論的「現金價值」又受到質疑。這一現象凸顯了傳統期貨理論本身長期以來存在的缺陷和難解的問題。
雖然這是期貨這個特殊市場與生俱來的天性形成的，但從某種程度來說，作為市場理論它的確還有太多未解決的矛盾，這是需要我們去研究的地方。
這里只簡要列舉部分理論的情況，並針對四個存在缺陷的地方加以論述。
1964年，奧斯本（Osberne）發表隨機漫步模型和有效市場假說(EMH)，提出資本市場價格遵循隨機遊走的主張，指出市場價格是市場對隨機到來的事件信息做出的反應，投資者的意志並不能主導事態的發展，從而建立了投資者「整體理性」這一經典假設，並進一步假設期貨合約的持有期收益率服從正態分布，從而可以用數理統計學的工具來分析資本市場。
1965年，經濟學家法瑪(Fama)等人在此基礎上提出了「有效市場假說」。這個理論是假設參與市場的投資者有足夠的理性，能夠迅速對所有市場信息作出合理反應。這是否定基本面分析和圖表分析的理論基礎。實際上，對於投資者來說，這就是存在著很多看淡基本面分析和圖表分析的人士的理論原因。
法瑪於1970年進一步強化了其有效市場理論：由於理性投資者以理性和無偏的方式與非理性投資者博弈，前者將逐步主導市場，使得市場至少能夠達到弱式有效（Weak Form Efficient）。在這一過程中，「市場選擇」這個自然法則使理性投資者成為主導市場的有效力量。「有效市場假說」的支持者認為，市場中的非理性投資者將會遭遇理性投資者的套利活動，「市場選擇」使得發生錯誤的非理性投資者處於被動地位(虧損)，從而被逐步淘汰出市場，直到套期機會消失。通過這一「試錯」過程，市場趨近於「無套利均衡」狀態，這一過程中市場價格逐步接近其真實價值。
這樣，「有效市場假設」就隱含著兩個判斷：一是非理性交易者在價格形成過程中的作用是無足輕重的，因為他們不能長時間影響價格；二是投資者只有根據證券的內在價值進行交易才能獲得效益最大化。
在「有效市場假說」產生的同時，馬克維茨首先用「均值——方差」方法提出資產組合理論，經托賓（Tobin）、夏普（Sharpe）、林特納（Lintner）、莫辛（Mossin）將「有效市場假設」與馬克維茨的資產組合理論相結合，建立了一個以一般均衡框架中理性預期為基礎的投資者行為模型——「資本資產定價模型（CAPM）。資產組合理論和資本資產定價理論及相關的「有效市場假設」構成了傳統金融理論的標准範式，占據了金融理論研究領域的主導地位。
這些理論的特點就是在持有期收益率服從正態分布的基礎上，運用數理統計的方法來分析期貨市場，指導期貨投資。
比如，資產組合理論進一步假設投資者總是追求較大的收益率和較小的收益率方差（風險的度量）。在EMH否定了投資者的價格預測能力之後，資產組合理論指出，投資者也並不是無所作為，而是可以通過投資組合（把雞蛋放在多個籃子里）來降低投資風險，盡量獲得平均收益率。
資本資產定價模型在一系列附加假設的基礎上，經過研究指出，高風險的資產組合會有高收益率期望值，也就是所謂的「風險與收益互換」。在實際應用中，投資經理人根據這一理念使其主要工作是設計資產組合以適應不同群體和不同風險偏好者的需要。

⑶ 期權、期貨、證權、股票、基金、債券的風險排名

從傳統觀念上劃分：
1、風險最大：期權》期貨》權證
2、風險較大：股票 基金（目前基金也不穩健）
3、風險最小：債券（推卸不確定性因素較好的避險產品，但收益率低，高期望回報者不適合）。
期權又稱為選擇權，是一種衍生性金融工具。指在未來一定時期可以買賣的權利，是買方向賣方支付一定數量的金額（指權利金）後擁有的在未來一段時間內（指美式期權）或未來某一特定日期（指歐式期權）以事先規定好的價格（指履約價格）向賣方購買或出售一定數量的特定標的物的權利，但不負有必須買進或賣出的義務。
債券（Bonds / debenture）是一種金融契約，是政府、金融機構、工商企業等直接向社會借債籌措資金時，向投資者發行，同時承諾按一定利率支付利息並按約定條件償還本金的債權債務憑證。債券的本質是債的證明書，具有法律效力。債券購買者或投資者與發行者之間是一種債權債務關系，債券發行人即債務人，投資者（債券購買者）即債權人。

⑷ 期貨公司為何以保證金衡量業績

保證金，不是期貨公司所能定的 ，是，交易所給定的
交易所比如給豆粕是10%的保證金比例，那麼，期貨公司是需要做資金的對應的
一般呢，為了期貨公司不承擔保證金帶來的風險，所以，一般給客戶的保證金比例是13%啊，15%啊 ，這樣，期貨公司就不需要保證金那麼多的資金在交易所了
對於自己是安全的
你就說為什麼虧的是客戶的，你可知道，很多人會暴倉，倒虧期貨公司的錢
就是這樣原因的
理解了吧
手續費呢，你虧了和賺了，期貨公司是收的
扣掉給交易所的手續費，剩下的就是期貨公司的
期貨公司是交易所的會員的 ，期貨公司是要交年會費的

⑸ 石油市場系統風險評價指標體系

根據科學、系統、數據可獲得等基本原則，我們建立了一套指標體系綜合評價石油市場的系統風險。主要從4個方面入手，即國際石油期貨市場投機程度、典型油價結算貨幣的匯率波動程度、石油市場需求風險和供應風險。

4.2.2.1 投機炒作

在國際石油交易中，石油期貨的交易量和交易額非常重要，而且對石油現貨交易價格有明顯的價格發現功能，因此我們將重點考察石油期貨交易中的價格波動。近幾年來，國際油價高位震盪，波動劇烈，石油市場投機因素被認為是其中一個顯著的原因。因此，度量國際石油市場的投機程度，應該成為評價石油市場系統風險的一個重要方面。

對期貨投機交易或非投機交易的區分，一般是根據CFTC每周公布一次的交易者持倉報告（Commitment of Traders，簡稱COT）。持有期貨頭寸的交易者被要求填寫報告，以描述他們的商業性質，CFTC據此數據區分商業交易商（commercial traders）和非商業交易商（non-commercial traders）。商業交易商需要實際使用該交易商品，從而主要是利用期貨市場進行對沖以控制風險，非商業交易商則包括其他所有的交易商。一般認為，能源期貨市場上的投機者是指非商業交易商，其投機交易大體分為兩類：頭寸交易（position trading）和套利交易（spread trading）

頭寸交易包含直接的或多頭或空頭的期貨合約頭寸；套利交易既包含多頭頭寸，也包含空頭頭寸，存在於相似或相關聯商品的不同期貨合約中。由於套利交易中投機者買進和賣出的期貨合約具有高度的相關性，因此其價格間應該有一個合理的關系。當市場價格偏離合理的相對價格時，投機者即可買進相對便宜的合約而賣出相對較貴的合約；如果判斷正確，投機者即可從價差中獲利。。

基於投機交易的特點，為了度量國際石油期貨市場的投機程度，總體把握石油期貨市場的交易狀況，尤其是石油期貨市場承受的投機壓力和對沖壓力，根據Sanders等（2004），我們定義幾個數量指標如下：

非商業交易商持倉比例：

,

商業交易商的持倉比例：

,

非商業交易商凈頭寸比例：

,

非商業交易商套利持倉變化率為：

,

商業交易商凈頭寸比例：

,

其中，NCL表示非商業交易商的多頭，NCS表示非商業交易商的空頭，NC SP表示非商業交易商的套利持倉，CL表示商業交易商的多頭，CS表示商業交易商的空頭，TOI表示總持倉量（未平倉合約）。根據Sanders等（2004）和DeRoon等（2000）的觀點，非商業交易商凈頭寸比例表示市場的投機壓力（更准確地講是頭寸投機壓力），而商業交易商凈頭寸比例顯示的是市場套期保值的壓力。

因此，需要從CF TC每周提供一次的交易者持倉報告中獲取有關基礎數據

CFTC提供的COT報告是一份標准格式的數據報告，其中涉及一些重要的石油期貨市場專業概念需要解釋，主要包括石油期貨交易多頭、空頭、套利交易和套利持倉。買入期貨合約後所持有的頭寸稱為多頭頭寸（long positions），簡稱多頭，其利潤來自石油期貨合約價格的上升；賣出期貨合約後所持有的頭寸稱為空頭頭寸（short positions），簡稱空頭，其利潤來自期貨合約價格的下降。未平倉多頭合約與未平倉空頭合約之間的差額即為凈頭寸。套利交易衡量每個非商業交易商持有的跨期套利部分，其持倉表示每個非商業交易商持有的等量多頭和空頭頭寸，但是並不包含跨市套利交易的數據。例如，如果一個非商業交易商持有2000張多頭和1500張空頭原油合約，則在非商業持倉多頭計入500張合約，套利交易持倉計入1500張。。

4.2.2.2 匯率波動

石油計價貨幣的匯率波動也是造成油價劇烈起伏的重要原因。考慮到美元是目前國際石油市場的主要計價和結算貨幣，因此本節重點考察美元匯率波動，引入了以國際貿易額加權計算的美元綜合指數；在美元匯率交易中，美元對歐元匯率佔主要地位，對整個美元匯率的走勢發揮著主導作用，因此本書也加入了美元對歐元匯率的來評價石油市場匯率風險；此外，隨著近些年美元持續貶值，其在貨幣市場的國際地位引起了熱烈討論，提倡採用一攬子貨幣結算石油貿易的呼聲日漸高升，因此，本節考慮到計算貨幣多元化的趨勢和俄羅斯在國際石油貿易中的重要地位及其現有結算貨幣更改的實踐，引入了美元對盧布的匯率波動。

表4.1 國際石油市場系統風險評價指標體系及說明

除了投機活動和匯率波動因素以外，石油市場最基本的規律，即市場供需形勢，也不可忽視。近年來，地緣政治、天氣變化、消費行為季節性調整等因素，都最終通過石油市場供需狀況來顯著影響國際油價波動。因此，評價石油市場系統風險時，市場供需風險必不可少。

綜合上述分析，石油市場系統風險評價指標體系及其說明如表4.1所示。需要指出的是，鑒於交易數據限制，目前我們只評價美國NYMEX交易所的系統風險狀況。油氣品種包括原油、汽油、取暖油和天然氣期貨。

⑹ 如何衡量公司的經營風險與財務風險

1.企業經營風險和財務風險產生於企業發展的各個階段。經營風險主要包括市場風險和收益風險;財務風險主要包括支付風險和資產風險。在籌辦初期，企業存在創業的風險，如何規劃企業的未來與發展方向將決定企業的命運;在企業投產後的經營過程中，各種各樣的風險更是隱藏其中，資金風險、市場營銷風險、新產品開發風險等，任何一環的疏忽和紕漏都會給企業帶來極大的危害;在企業的各項經營管理活動中，授權風險、決策風險、內部牽制風險等，都對企業管理與控制提出了較高的要求，規避風險，防患於未然成為當今企業必須高度重視的問題。

2.首先，企業必須全面分析經營中可能存在的風險，並對風險進行評估容忍度的確認，建立規范的風險監控體系。 在風險管理框架中，由於要針對不同的目標分析其相應的風險，因此目標的制定自然就成為風險管理流程的首要步驟，並將其確認為風險管理框架的一部分。按照現代管理學之父德魯克的理論，企業應當在以下8個領域確定目標：即市場營銷、創新、人力資源、財務資源、實物資源、生產力、社會責任、利潤需求等。

3.企業的目標是由相應的機構和部門去實現的，這些部門也就成為風險監控體系的組成部 分。在企業目標與相應目標的風險確認後，定期地進行風險測評成為風險監控的重要 過程。風險的測評，不僅要有測評結論，還必須對今後的控制提出前瞻性提示和防範措 施。
4. 其次，建立風險管理制度，從制度上控制和規范風險的發生。
建立風險管理制度，就是建立公司內部控制制度。企業的內控，就是要通過制訂流程、執行流程、監控流程，來控制「不同人的行為」可能帶來的風險，保證風險可知、可控、可承受。目前，國內有眾多的公司在美國上市，根據2002年7月30日美國國會通過的薩班斯法案，建立企業內部控制制度成為在美上市的必備條件。

⑺ 金屬礦產品市場風險預測模型

金屬礦產品市場風險，是指成礦帶所在國家的市場條件的不確定引起礦業投資的不確定性。國際礦產品市場兼具實物市場和金融市場的特徵，特別是近年來大量資金的湧入，更使其金融的特徵加強。金屬期貨市場上的價格波動，直接反映出投資企業面臨或即將面臨的風險。外匯市場上的匯率波動，從間接角度也會給投資企業帶來風險。由於在國際金屬期貨市場上，金屬期貨的價格一般以美元標價，對國內企業來說，要進行國際投資，首先需要把人民幣轉化為相應的外幣，運用外幣才能在國際市場上靈活操作。

金屬礦產資源價格風險是金屬期貨交易中最為普遍、最為經常的風險，它存在於每一種期貨產品中。這是因為每一種期貨產品的交易，都是以對這種產品價格變化的預測為基礎的；當實際價格的變化方向或幅度與交易商的預測出現背離時，就會造成相應得損失。

匯率風險又稱外匯風險，就是由於匯率波動導致企業以外幣計量的籌集資金的價值發生變化的可能性。匯率波動風險，是指由於匯率的波動而給持有或使用外匯的項目公司或其他利益參與者帶來損失的風險。項目融資的成本和利潤對金融市場上匯率變動比較敏感。首先，本國貨幣與國際主要貨幣之間匯率變化的風險將影響其生產成本和費用，同時也會加劇國內市場的競爭，因為國外同類產品的生產者會發現這個市場更具吸引力；其次，各國貨幣之間的交叉匯率變化也會間接影響到該項目在國際市場上的競爭地位；最後，匯率變化也將對項目的債務結構產生影響。

金屬礦產品市場風險度量方法分析，主要是藉助金融市場風險管理理論，來選用市場風險價值（VaR）作為金屬礦產品市場風險測量指標。VaR方法是由JPMORGAN公司率先提出來的，並在實踐中得到了廣泛應用。市場風險度量的方法有多種，VaR方法是目前金融市場風險測量的主流方法。VaR計算方法包括歷史模擬法、方差—斜方差法和蒙特卡羅模擬法。與歷史模擬法和蒙特卡洛模擬法相比，方差—斜方差法的優點是需要的數據量較少，易於操作，因此在實踐中得到了廣泛應用。

VaR的優點在於將不同的市場因子、不同市場的風險集成為一個數，較准確地測量由不同風險來源及其相互作用而產生的潛在損失，適應了金融市場發展的動態性、復雜性和全球整合性的趨勢。

VaR計算方法基本思路是：首先，根據金屬礦產品市場風險因素分析市場風險因子的函數；其次，建立預測市場風險因子的波動性模型，預測市場風險因子的波動性；最後，根據市場風險因子的波動性估計市場風險價值和分布，計算出VaR 值。

（1）基於GARCH族模型的VaR計算

1）VaR計算的基本原理。

VaR譯為風險價值，是指在市場正常波動下，某一金融資產或證券組合的最大損失。更為確切地說，是指在一定概率水平下和特定的持有期內，某一金融資產或證券組合的最大損失。用數學語言，可以定義VaR為：令α∈（0,1）為某一給定的概率水平，則α水平下，投資組合p的VaR 定義如下

國外油氣與礦產資源利用風險評價與決策支持技術

式中：函數

（α）為收益R_p的累積分布函數

的逆函數。VaR的實質為R_p的α－分位數。VaR估計的條件方差方法屬於動態VaR計算的分析方法，在VaR的計算當中，其核心是對波動率的估計。不同的波動率模型構成了VaR 計算的不同。

本書是對倫敦銅和人民幣兌美元匯率對數日收益率時間序列進行研究，選取VaR的計算公式：

國外油氣與礦產資源利用風險評價與決策支持技術

式中：t表示第t天；P_t-1為上一個交易日的收盤價；z_α為標准正態分布的臨界值，而1%,5%,10%的臨界值分別為－2.33,－1.64,－1.28；σ_t是由GARCH模型估計得到的收益率序列條件標准差。

2）VaR模型的後驗測試。

為檢驗市場風險計量模型的有效性，需要檢驗VaR模型的計算結果對實際損失的覆蓋程度。本書採用Kupiec檢驗對所建的模型適合性進行檢驗。設Ⅳ為檢驗樣本中損失高於VaR的次數，T為檢驗樣本總數，a是既定的顯著性水平，f表示失敗率。其中：

國外油氣與礦產資源利用風險評價與決策支持技術

則檢驗的假設為

國外油氣與礦產資源利用風險評價與決策支持技術

似然比統計量為

國外油氣與礦產資源利用風險評價與決策支持技術

在原假設下，LR 服從於自由度為1的X²分布。在大樣本條件下，也可以用正態分布來逼近，同樣有較好的檢驗效果。當

（1）時，拒絕H₀,VaR模型失敗。

3）GARCH（p,q）族模型的基本原理。

金融風險主要是由金融資產價格的波動引起的。大量實證研究發現，金融資產的波動分布具有尖峰厚尾性和波動集聚性，即金融市場波動往往表現出異方差性。1986年Bollerslev在Engle（1982）提出的自回歸條件異方差模型（ARCH）基礎上，建立了GARCH 模型能夠較好地捕捉金融市場風險的這些特性。ARCH 及其以後產生的擴展模型TGARCH、EGARCH等被稱為GARCH模型族。目前，基於GARCH族模型對金融市場風險價值（VaR）的研究已經非常豐富。例如，龔銳、陳仲常等（2005）；陳守點、俞世典（2007）；金秀、許宏宇（2007）；丁元子（2009）等。

廣義自回歸條件異方差模型（GARCH 模型）對各指數的波動性進行分析。具體建模步驟如下：①對收益率序列進行平穩性和自相關性檢驗；②根據相關系數和Q 統計量進行ARMA模型識別；③建立均值方程，根據殘差自相關性檢驗確定模型擬合效果，並運用LM方法對序列殘差項進行ARCH效應檢驗；④採用極大似然法進行GARCH模型的參數估計；⑤根據擬合優度統計量評價模型。

A.GARCH模型。

1986年Bollerslev提出GARCH模型。GARCH（p,q）模型的一般公式包括兩部分：均值方程形式和方差方程形式。可寫為

國外油氣與礦產資源利用風險評價與決策支持技術

式中：ε_t為殘差；r_t為收益率；α_j為GARCH項系數，代表了隨機誤差項的方差滯後期對當期方差的影響；β_i為AHCH項系數，代表前一期隨機誤差項對即期殘差方差的影響程度，刻畫了市場對於新的信息的反映；σ_t為條件方差，刻畫了市場的波動性；其中模型參數滿足一下約束：c≥0，ω≥0，α≥0，β≥0。

B.TGARCH模型。

Zakoian（1990）及Glosten,Jaganathan和Runkle（1993）提出的TGARCH（門限TGARCH）模型的一般形式為

國外油氣與礦產資源利用風險評價與決策支持技術

和GARCH 模型相比，在TGARCH 模型中設立了一個閥值d_t-1，用來描述信息的影響。

其中，d_t-1是一個名義變數，取0或1；市場上利好或利壞對條件方差的作用效果是不同的。上漲時，ε_t≥0表示利好消息，則

其影響系數為

下跌時，ε_t﹤0表示利空消息，則

其影響系數為

如果γ≠0，則說明信息作用是非對稱的；如果y﹥0，則認為存在杠桿效應。

另外，以上模型中

，蘊涵GARCH族過程為寬平穩。

4）實證分析。

A.數據來源。

本專題的金屬期貨的收盤價格採用倫敦期貨交易所發布的期銅收盤日收盤價格，用大智慧軟體下載。匯率所使用的資料為人民幣兌美元的匯率，來自美國聯邦儲備銀行聖路易斯分行聯邦儲備經濟資料庫（Federal Reserve Economic Data）提供的統計數據。兩者數據選取區間為2005/07/22～2009/09/04日止，其中扣除非營業日及部分交易資料的缺失。對缺失數據的處理，為當日缺失資料的前一天以及後一天的平均來當作當日缺失的資料，一共各1063個數據。

B.收益率序列基本特徵分析。

市場收益率採取對數日收益率的形式，定義為

國外油氣與礦產資源利用風險評價與決策支持技術

式中：r_i,t為第i市場第t日的收益率；p_i,t為i市場第t日的價格，i取1時表示期銅市場，i取2時表示外匯市場。收益率序列的主要統計特徵如圖9.18所示。可以看出均存在波動集聚性和爆發性，可認為兩個收益率序列均是隨機的。

圖9.18 收益率序列的主要統計特徵

根據表9.12給出的收益率序列的主要統計特徵，由偏度值可知倫敦銅收益率序列是左偏的，人民幣兌美元收益率序列是右偏的。兩者均具有尖峰厚尾現象，並且匯率市場比期貨市場明顯。由J-B統計檢驗知二者均拒絕服從正態分布的假設。由Q（20）和Q2（20）值可知，兩者的收益率序列和收益率平方序列均在1%的顯著性水平下，拒絕了不存在序列相關性的原假設，即都存在顯著的序列相關性，說明波動的集聚性很顯著。適合用GARCH模型來建模。

表9.12 兩收益率序列的主要統計特徵

GARCH模型的參數估計：

a.倫敦銅的最優模型為GARCH（1,1）:

國外油氣與礦產資源利用風險評價與決策支持技術

b.人民幣兌美元最優模型為TGARCH（1,1）:

國外油氣與礦產資源利用風險評價與決策支持技術

式中：括弧內數據表示參數估計的標准差，***表示在99%置信度下顯著，**表示在95%置信度下顯著；*表示在90%的置信度下顯著。

c.VaR的計算與分析。

通過式9.14與式9.15可計算出倫敦銅與人民幣兌美元對數收益率序列的條件方差

,從而得到時變的標准差σ_t，並按照式：

，計算得到VaR。其中，P_t-1為上一個交易日的收盤價；為計算方便，在此標准化為1元。Z_α為標准正態分布的臨界值，而1%,5%,10%的臨界值分別為－2.33,－1.64,－1.28；置信水平為90%,95%,99%下每天的VaR 值，並與實際收益率進行比較，見圖9.19。

圖9.19 不同置信度下的VaR值與實際收益率的比較

d.採用Kupiec失敗率檢驗對所建的模型進行後驗測試。

表9.13 後驗測試結果分析

由表9.13可知，從似然比統計量LR值可以看出，在給定的置信水平下都小於臨界值，說明所建的VaR模型是合理的。通過α與f比較，可以看出期銅GARCH（1,1）模型預測結果基本覆蓋了實際損失，RMB/USD的TGARCH（1,1）模型略微低估了市場風險。

（2）基於歷史模擬的VaR計算方法

歷史模擬法（英文簡稱Hs）作為一種常用於VaR估值的方法，主要特點是對市場因素未來變化的概率分布並未做過多假設，只利用市場因素的歷史變化來構造未來投資組合盈虧的概率分布。在給定置信度（95%,99%）的情況下，利用分布函數找出頻數分布中佔到5%、1%的損失臨界值，以此作為VaR值。歷史模擬法步驟如下。

1）以歷史模擬法來估算I項資產未來一天的風險植的程序。

步驟一，選取過去N＋1天第I項資產的價格作為模擬資料；

步驟二，將過去彼此相鄰的N＋1筆價格資料相減，就可以求得N筆該資產每日的價格損益變化量；

步驟三，步驟二代表的是第I項資產在未來一天損益的可能情況（共有N種可能情形），將變化量轉換成報酬率，就可以算出N種的可能報酬率。

步驟四，將步驟三的報酬率由小到大依序排列，並依照不同的信賴水準找出相對應分位數的臨界報酬率。

步驟五，將目前的資產價格乘以步驟四的臨界報酬率，得到的金額就是使用歷史模擬法所估計得到的風險值（VaR）。

2）實證分析。

以倫敦市場上的期鋁為例，選取2007/7/19～2009/11/18日共592個數據，數據來源為Wind資訊金融資料庫。市場收益率採取對數日收益率的形式，公式為：r_t=ln（p_t）-ln（p_t-1）。按照歷史模擬法的計算步驟，估計的向前一步預測在不同置信度下的市場風險價值計算結果如圖9.20所示。

圖9.20 計算結果

（3）兩種度量方法的比較

一般情況下，從失敗天數與失敗率來看，GARCH模型能更好地刻畫股市收益率的變動。從計算的VaR值來看，Hs法明顯比GARCH模型下高估了風險。VaR方法是在假設正常市場條件下對市場風險進行估算。

在估算結果的可靠性方面，Hs法過於直接依賴歷史數據。因此，當選取的考察期沒有代表性時，則Hs估算出的VaR值不能很好地反映市場風險。後種方法雖然也依賴於考察期的歷史數據，但後果不如前者那麼嚴重。但是Hs法簡便、易懂，最容易被人理解和運用，而後種方法則需要一定的概率統計和金融衍生工具的背景知識。

總之，GARCH模型在VaR的測量中更具有準確性、靈活性等特點，在當前股市瞬息萬變的情況下，已越來越為大多數人所接受，在VaR的測量方法中成為主流。

⑻ ALPHA策略中需要對沖beta風險，如何度量組合的beta風險進而進行對沖

某機構投資者准備用1000萬元的資金投資股票，若未來股票市場下跌15％，那麼投資者所持有組合市值會縮水150萬元。假設同期無風險收益率為5％，預計ETF套利的年化收益率為20％，如果利用Alpha策略對沖系統性風險，選擇持有500萬元的股票組合，另外對500萬元股票組合進行套期保值，保證金和准備保證金預設為30％，那麼對500萬元股票組合進行完全套保只需要150萬元，剩餘350萬元用來進行股指期貨的ETF套利。在忽略投資組合與市場指數Beta值的前提下，該機構投資者一年的收益為（50％×70％×20％）=7％。可見，在熊市不增加資金投入的情況下仍可獲得高出無風險收益率的市場回報

⑼ 用什麼方法確定投資組合風險度量

風險的度量是以風險的認識為基礎的。本文從風險的基本概念入手，研究了風險的本質屬性和特徵；在此基礎之上，釐清了證券投資、證券組合投資、證券組合投資風險的基本概念、本質屬性及其特徵；研究了證券組合風險的分類、表現形式以及風險的來源。在對證券投資組合的風險有了一個清楚的認識之後，本文研究了證券組合收益率的計算；詳細研究了馬克維茲的方差方法、威廉·夏普的β值法、哈洛的半方差方法等各種傳統風險度量方法的概念和具體的計算方法；分析研究了信息熵、重標極差、VaR等各種現代的組合風險度量方法；評價各種方法的優劣並選擇了適合本系統使用的風險評價方法。

⑽ 期貨市場風險的預測和度量.VAR方法

一、VaR風險測量方法 風險測量的模型主要有兩大類：參數模型和非參數模型。參數模型包括分析法的各類模型，利用了靈敏度和統計分布特性簡化了VaR，但由於對分布形式的假定和靈敏度的局部特徵，分析法很難有效處理實際金融市場的厚尾性和大幅度波動的非線性問題，因而會產生測量誤差以及模型風險。非參數法包括歷史模擬法和Monte Carlo模擬法，相對分析法來說，模擬法可以較好地處理非正態問題，是一種完全估計，可有效處理非線性問題。 １．參數法 分析法是VaR計算中最為常用的方法，它利用證券組合的價值函數與市場因子間的近似關系、市場因子的統計分布(方差-協方差矩陣)簡化VaR的計算。分析法根據證券組合價值函數形式的不同，可分為兩大類：Delta-類模型和Gamma-類模型。其中，Delta-類模型識別的是線性風險，Gamma-類模型可識別凸性風險，例如組合中含有期權類的衍生品。本文將採用Delta-類模型中的Delta-正態模型與Delta-GARCH模型進行分析。 ２．非參數法 （１）歷史模擬法 最簡單而又直觀的方法就是歷史模擬法，其核心就是根據市場因子的歷史樣本變化模擬證券組合的未來損益分布，用給定歷史時期上所觀測到的市場因子的變化，來表示市場因子的未來變化。然後，根據市場因子的未來價格水平對頭寸進行重新估值，計算出頭寸的價值損益變化。最後，在歷史模擬法中將組合的損益從小到大進行排序，得到損益分布，通過給定置信度下的分位數求出VaR。 （２）Monte Carlo模擬法 由於分析利用了統計分布特徵，如果市場存在厚尾性和大幅度波動的非線性問題，則風險測量偏差會比較大。Monte Carlo模擬是反復模擬決定金融工具價格的隨機過程，每次模擬都可以得到組合在持有期末的一個可能值，然後進行大量的模擬，那麼組合價值的模擬分布將收斂於組合的真實分布，然後根據置信度得到VaR。