跳转到内容

在险价值

来自VeritasWiki 真理百科

在险价值(英文:Value at Risk,缩写 VaR),是风险价值的另一通行中文译名,二者指称完全相同的概念,即在给定置信水平与持有期下,某一投资组合或头寸在正常市场条件下可能遭受的最大损失估计值。之所以存在两种译法,是因为术语在引入中文语境时有不同的处理方式:一种强调风险以货币价值的形式被量化,故译作风险价值;另一种强调该度量刻画的是头寸处于风险之中的价值规模,故译作在险价值。无论采用哪种译名,其数学含义、计算方法与应用场景完全一致,都指损益分布的左尾分位数,都是风险管理、资本计量与限额管理的核心工具。

一、基本解释

在险价值与风险价值是同一概念的两种译名,二者的英文原文均为 Value at Risk,缩写均为 VaR。在中文金融文献与监管文件中,两种译名并行使用,有时同一份文件内也会混用,但所指对象没有任何差别。理解这一点可以避免把二者误当作两个不同的指标而重复学习或错误比较。阅读相关材料时,只要看到 VaR、风险价值或在险价值,都应当识别为同一度量,其定义要素仍是置信水平、持有期与损失估计值三项。

在险价值的定义可以用概率语言精确表述:它是满足损失超过该数值的概率不超过某一水平的最小损失金额。换言之,在给定的置信水平下,组合的损益有相应概率落在该损失水平之上。例如置信水平 99%、持有期一天的 VaR 为 150 万元,表示组合单日损失超过 150 万元的概率约为 1%。这一表述关注的是头寸在正常市场条件下的风险规模,因而用价值一词来强调度量结果以货币计价、可与资本和限额直接比较。

在险价值的计算框架与风险价值完全一致:识别风险因子、估计波动率与相关性、生成情景、映射到组合损益、取分位数,并可用历史模拟、方差—协方差或蒙特卡洛模拟三条路径实现。参数选择上同样需要明确置信水平与持有期,方法上同样面临正态假设、尾部刻画与模型风险等议题。因此在学习与实务应用中,掌握一套方法论即可覆盖两种译名下的全部内容。

在监管与实务文件中,两种译名的使用有一定语境偏好。强调量化管理、资本计量与内部模型审批的语境下,风险价值译名较为常见;强调风险敞口的价值规模、对外披露与限额沟通的语境下,在险价值译名出现较多。这种偏好属于语言习惯而非概念差异,不构成任何技术区分。撰写报告或进行跨机构沟通时,建议首次出现时标注英文缩写,以免因译名差异引起不必要的混淆。

二、概念解读

理解在险价值的关键在于把握它是分位数这一数学本质。组合损益是一个随机变量,其分布形态可能尖峰厚尾、可能偏斜,而在险价值只是左尾某一分位点的取值。它把复杂的分布压缩成一个数字,带来了沟通上的便利,也丢失了分布形态的信息。因此在使用在险价值时,必须清醒地认识到它不回答最大损失有多大、不说明尾部有多厚、不刻画损失的聚集性,这些都需要通过其他度量来补充。

在险价值与一致性风险度量的关系是理解其局限的核心线索。理想的度量应满足次可加性,即分散化不会增加风险,而在险价值基于分位数,在非正态分布下可能违反这一性质,导致合并组合的在险价值大于分拆后各组合之和。这一理论缺陷不是计算误差,而是定义本身的特性,因此不能被更精确的模型所消除。预期短缺等一致性度量正是为克服这一缺陷而提出,实务中二者常并列报告,以提供更完整的风险图景。

在险价值的可比性依赖于参数透明。由于置信水平与持有期的选择会显著改变数值,机构之间、产品之间、时间之间的在险价值只有在参数一致时才能直接比较。监管框架为了可比性会规定最低参数要求,而机构内部为不同业务设定的参数可能有所区别。因此在汇总与解读在险价值时,第一步就是确认参数口径,只有口径统一,数值的大小排序才具有意义。

在险价值还隐含一个关于市场条件的重要假设:它描述的是正常市场条件下的风险。当市场进入极端状态,波动率跳升、相关性结构改变、流动性枯竭,历史数据所刻画的分布不再适用,在险价值的估计会显著低估真实风险。因此风险管理实践必须明确在险价值的适用范围,并把压力测试与情景分析作为其必要补充,用于评估正常模型假设失效时的潜在损失。这一分工是风险管理体系的基本设计原则。

三、主要类型

按计算方法划分,在险价值同样可分为历史模拟法、方差—协方差法与蒙特卡洛模拟法。历史模拟法以历史风险因子变动情景重估当前组合,不依赖分布假设,能反映历史的厚尾特征,但受制于历史窗口选择与历史是否涵盖极端事件;方差—协方差法以正态与线性假设解析计算,速度快、易分解,但对非线性头寸与尾部风险处理不佳;蒙特卡洛模拟法通过随机情景生成实现灵活建模,能处理复杂结构,代价是计算成本与模型风险较高。

按覆盖风险类型划分,可分为市场风险在险价值、信用风险在险价值与操作风险在险价值。市场风险在险价值度量价格波动带来的损失,是最主流的形式;信用风险在险价值度量违约与信用迁移引起的损失,需要建模违约概率与违约损失率;操作风险在险价值的度量则因损失事件稀少而更为困难。不同风险类型的度量方法差异明显,通常分开计算、分别管理,而不应简单相加。

按持有期与用途划分,可分为用于日常限额管理的短持有期在险价值与用于资本计量的长持有期在险价值。短持有期版本通常为一至数日,服务于交易台的日常风险控制与头寸调整;长持有期版本通常为十天及以上,服务于监管资本要求与中长期风险偏好评估。持有期越长,平方根法则的适用性越差,因为收益率自相关与波动率变化的影响会累积,因此长持有期的估计需要更谨慎的方法。

按估计方式划分,可分为无条件与条件在险价值。无条件在险价值基于长期平均的波动率与相关性,反映常态风险水平;条件在险价值把当前市场状态纳入模型,如波动率的高低、相关性的强弱,从而给出更具时效性的估计。在波动率频繁变化的市场中,条件方法能更快反映风险的上升或下降,但也引入了模型选择与参数估计的不确定性,需要配套的验证机制。

按模型性质划分,可分为参数型与非参数型在险价值。参数型依赖明确的分布假设与解析表达式,便于分解、归因与快速计算,透明度和可实现性较好;非参数型则直接使用历史数据或模拟情景,不对分布形式作强假设,适应性强但结果对样本与窗口更敏感。两类方法各有适用场景,实务中常同时使用,通过比较结果的差异来评估模型风险与估计的稳健性。

按监管属性划分,可分为内部管理用与监管资本用两类。前者服务于机构自身的风险偏好与限额体系,参数与方法可灵活调整;后者须符合监管规定的最低置信水平、持有期、数据窗口与回测要求,并接受监管验证。监管框架允许经批准的机构使用内部模型计算资本要求,这一安排的激励机制是:模型质量越高、回测表现越好,所需资本惩罚因子越低,从而鼓励机构持续提升风险管理能力。

四、理论知识

在险价值的数学基础是概率分布的分位数理论。若组合损益为连续型随机变量,置信水平为 p 的在险价值满足损失超过该值的概率等于 1 减去 p。在正态分布假设下,可将该分位数表达为组合波动率与标准正态分位数的乘积,这一表达式解释了为何波动率估计的质量对在险价值至关重要,也解释了为何正态假设不成立时在险价值会系统性偏低。尖峰厚尾意味着极端分位数远比正态假设所预测的更大,这是金融市场风险度量的核心难题之一。

预期短缺作为一致性风险度量,其理论基础是对尾部损失取条件期望。它定义为损失超过在险价值阈值的条件下的平均损失,因而既反映突破的概率也反映突破后的严重程度。理论研究表明它满足单调性、正齐次性、平移不变性与次可加性四条公理,是所谓一致性风险度量。这一性质使它在组合风险管理与资本计量中比在险价值更受理论青睐,也逐渐被监管框架引入作为计算基础。

极值理论为改善尾部估计提供了专门工具。它不假设整体分布形式,而专注于分布的尾部行为,通过对超出高阈值的损失拟合广义帕累托分布来外推极端分位数。金融数据普遍表现出的厚尾特征与波动率聚集使极值理论具有天然的适用性。将其与在险价值、预期短缺结合,可以在样本有限的情况下给出更稳健的尾部估计,但阈值选择与样本数量仍然是实践中需要权衡的技术难点。

回测理论为在险价值模型的有效性检验提供了统计框架。基本的突破次数检验把实际损失超过事前在险价值的频次与理论预期比较,若显著超出则拒绝模型。此外还有独立性检验,用于考察突破是否独立分布,因为突破聚集意味着模型未能捕捉波动率动态或相关性变化。监管框架把回测结果与资本惩罚因子挂钩,形成对模型质量的量化约束,这一制度设计把统计检验直接嵌入了资本监管。

在投资组合理论层面,在险价值的分解与归因构成了风险预算的基础。方差—协方差框架下,组合在险价值可分解为各头寸的边际贡献与成分贡献,使管理者能够识别风险来源、评估分散化效应并优化配置。但该分解依赖线性与正态假设,对期权等非线性头寸不再精确,需要借助模拟方法实现数值分解。理解分解方法的适用条件,是正确运用在险价值进行风险预算与绩效考核的前提。

五、常见误区

第一个常见误区是认为风险价值与在险价值是两个不同的指标,需要分别学习或比较。实际上二者只是同一英文术语 Value at Risk 的两种中文译法,定义、计算方法、参数体系与应用场景完全一致。把译名差异误当作概念差异,会造成重复学习、无意义比较与沟通障碍。遇到中文材料时,只要核对英文缩写与定义要素,即可确认其指向同一概念。

第二个误区是把在险价值当作最大可能损失或最坏情景。在险价值是一个分位点,突破它的概率虽小但确实存在,且突破后的损失可能远大于该数值。把在险价值当作损失上限,会在极端行情中形成虚假的安全感。正确做法是把在险价值视为正常条件下的风险标尺,并以压力测试与预期短缺评估极端情形下的潜在损失。

第三个误区是忽视参数口径而直接比较不同来源的在险价值。置信水平与持有期的不同会使数值缺乏可比性,一家机构使用较低置信水平并不必然意味着其风险更高。跨机构比较、跨产品比较与跨期比较都必须先统一参数口径,否则比较结果没有意义。这一原则同样适用于内部不同业务单元之间的限额分配与绩效比较。

第四个误区是认为模型越复杂、置信水平越高就越安全。在险价值的准确性受制于数据质量、模型假设与尾部样本的多寡,模型复杂度并不自动带来更高的可靠性,反而可能增加模型风险与运营负担。提高置信水平会加大尾部样本不足带来的估计误差。因此选择模型时应以审慎性、稳健性与可验证性为标准,而非以复杂度或参数高低为标准。

第五个误区是把在险价值看成可以替代压力测试的全面风险管理工具。在险价值擅长刻画正常条件下的风险,压力测试擅长刻画极端情景下的损失,二者互补而非替代。流动性风险、集中度风险、模型风险与操作风险也超出在险价值的覆盖范围。完整的风险管理体系需要在险价值、预期短缺、压力测试、限额管理与应急流动性安排共同作用,任何单一工具都无法独立承担这一职能。

六、总结

在险价值与风险价值是同一概念 Value at Risk 的两种中文译名,指在给定置信水平与持有期下组合在正常市场条件下可能遭受的最大损失估计值,其实质是损益分布的左尾分位数。两种译名并行使用源于术语引入时的不同处理方式,二者在定义、计算方法、参数体系与应用场景上完全一致,不存在任何技术差异,阅读与沟通时应识别其同一性。

在险价值的三大计算方法各有取舍,历史模拟法依赖数据窗口但适应性强,方差—协方差法快捷简便但对假设敏感,蒙特卡洛模拟法灵活精确但成本较高。其理论局限包括不刻画尾部损失规模、不满足次可加性与在极端行情下易低估风险,因此需要以预期短缺、极值理论、压力测试与情景分析作为补充,并通过回测持续验证模型有效性。

在实务层面,在险价值是风险限额管理、资本计量、绩效评估与对外披露的通用工具。使用的关键是明确参数口径、识别模型风险、结合压力测试与流动性分析、定期回测与校准。只有把在险价值的计算、验证与应用纳入完整的风险管理体系,并与其他度量工具协同,才能发挥其简明直观、可比性强的优势,同时避免在极端时期给出误导性的风险判断。

参见

  • 风险价值
  • 尾部风险
  • 预期短缺
  • 压力测试
  • 回测检验
  • 风险限额

参考资料

[1] [2] [3] [4] [5] [6]

  1. ↑ 菲利普·乔瑞. 风险价值:金融风险管理新标准[M]. 第3版. 北京: 中信出版社, 2010.
  2. ↑ 巴塞尔银行监管委员会. 巴塞尔协议III: 市场风险框架(FRTB)[R]. 巴塞尔: 国际清算银行, 2019.
  3. ↑ 约翰·赫尔. 风险管理与金融机构[M]. 第5版. 北京: 机械工业出版社, 2019.
  4. ↑ 中国银行保险监督管理委员会. 商业银行市场风险管理指引[M]. 北京: 中国金融出版社, 2019.
  5. ↑ 达雷尔·达菲. 金融风险管理[M]. 北京: 机械工业出版社, 2017.
  6. ↑ 卡罗尔·亚历山大. 市场风险分析[M]. 北京: 中国金融出版社, 2016.