跳转到内容

风险价值

来自VeritasWiki 真理百科

风险价值(英文:Value at Risk,缩写 VaR),也称在险价值,是金融风险计量中最广泛使用的统计度量之一,指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。例如,某组合的日度 99% 置信水平风险价值为 100 万元,意味着在正常的市场条件下,该组合单日损失超过 100 万元的概率约为 1%,或者说在 100 个交易日中大约有 1 天会突破这一水平。风险价值把复杂的组合风险压缩为一个以货币单位表示的、直观可比的数字,因而被银行、证券公司、基金公司与监管机构广泛用于风险限额管理、资本计量与绩效评估,也是巴塞尔银行监管委员会市场风险资本要求的长期核心工具。

一、基本解释

风险价值(VaR分布图)

风险价值回答的是一个具体而实用的问题:在正常的市场条件下,给定的时间窗口内,我的损失最多可能是多少。它由两个参数完全确定:置信水平与持有期。置信水平通常取 95% 或 99%,表示希望覆盖的概率范围;持有期可以是 1 天、10 天或更长,取决于资产的流动性与头寸的调整能力。同一组合在不同参数下的风险价值截然不同,因此报告风险价值时必须同时说明其参数设定,脱离参数的单一数字没有意义,也无法与其他机构的披露进行比较。

从统计学角度看,风险价值是一个分位数。若把组合在持有期内的损益视为一个随机变量,则置信水平为 99% 的风险价值就是该分布左尾的 1% 分位数的相反数。它不描述损失的完整分布,只刻画一个分位点,因此也称分位数风险度量。这一特性使其计算相对简便、解释直观,但也带来看不见尾部形态、不满足次可加性等固有局限,需要与其他风险度量配合使用才能形成完整的风险画像。

风险价值的计算通常遵循一套标准流程:先识别组合涉及的风险因子(利率、汇率、股价、商品价格、信用利差、波动率等),再估计风险因子的波动率与相关性结构,然后通过历史模拟、方差—协方差法或蒙特卡洛模拟生成风险因子变化的可能情景,最后把情景映射到组合价值变化上,取相应分位数即得风险价值。流程中的每一步都包含模型选择与假设,因此风险价值本质上是一个模型依赖的估计量,而非精确的客观测量。

在风险管理体系中,风险价值常与限额管理结合使用。机构为不同业务单元、不同产品线设定风险价值限额,把整体风险分解到具体责任主体,并通过每日计算与报告监控限额使用情况。当风险价值接近或突破限额时,业务单元需要减仓或申请调整限额。这种以风险价值为通用语言的管理方式,使得不同资产类别、不同部门的风险能够在统一口径下加总与比较,是金融机构风险治理的重要基础。

二、概念解读

风险价值(VaR曲线)

理解风险价值要弄清它与损失的完整分布之间的关系。若用图形表示,损益分布从左至右由大额损失过渡到大额盈利,风险价值只是左尾某个分位点对应的损失额。它回答的是损失不会超过某一水平的概率有多大,却不回答若超过该水平,损失究竟有多严重。两个组合可以有相同的风险价值,但一个在尾部损失略有扩大,另一个在尾部损失急剧扩大,两者的真实风险差别巨大,而单看风险价值无法区分。这是风险价值最受批评的地方。

风险价值的另一个重要理论性质是需要区分次可加性。理想的风险度量应当满足次可加性,即两个组合合并后的风险不应大于两个组合各自风险之和,这体现了分散化降低风险的常识。然而基于分位数的风险价值并不普遍满足这一性质,在特定分布下可能出现合并组合的风险价值大于分拆风险价值之和的情形,违背分散化逻辑。这一缺陷在理论上动摇了风险价值作为一致性风险度量的地位,也直接推动了预期短缺等一致性度量的发展。

持有期的设定在理论与实务上都极为关键。风险价值通常按日计算,而监管资本要求往往使用 10 个交易日的持有期。从日度向多日换算时通常采用平方根法则,即多日风险价值约等于日风险价值乘以持有期天数的平方根,这一法则假设收益率独立同分布且波动率恒定。当收益率存在自相关、波动率聚集或头寸流动性不足时,平方根法则会低估或高估风险,因此实务中更谨慎的做法是直接以多日收益率的历史数据估计,或采用更复杂的期限结构模型。

置信水平的选择反映机构的审慎偏好。较高的置信水平意味着覆盖更极端的损失,所需资本更多、风险容忍度更保守;较低的置信水平计算成本更低、对数据要求更少,但低估风险的可能性更大。监管要求通常规定最低置信水平,机构可根据自身业务特点与风险偏好选择更高标准。需要注意的是,置信水平越高,分位数的估计越依赖尾部数据,而尾部样本稀少,估计误差也随之增大,因此纯粹通过提高置信水平来增强安全性存在技术上的边际递减。

三、主要类型

风险价值(VaR书影)

按计算方法划分,风险价值可分为历史模拟法、方差—协方差法与蒙特卡洛模拟法三大类,这是最经典也最重要的分类。历史模拟法直接使用过去若干期风险因子的实际变动情景对当前组合重新估值,按损益排序取分位数,其优点是不依赖分布假设、能自然反映尾部与非正态特征,缺点是高度依赖历史数据窗口的选择,且难以涵盖历史上未出现过的极端情景。

方差—协方差法(也称参数法)假设风险因子收益服从特定分布(通常为正态分布),用波动率与相关系数矩阵解析地计算组合标准差,再乘以相应置信水平的分位数得到风险价值。它的优点是计算快捷、参数简洁、便于分解与归因,适合大规模组合的日常计算;缺点是对正态假设与线性关系高度依赖,对含期权等非线性头寸的组合估计不准,且容易低估尾部风险与极端相关性带来的损失。

蒙特卡洛模拟法通过设定风险因子的随机过程与分布参数,生成大量随机情景,对组合逐情景重新估值后取分位数。它灵活性强,可处理复杂非线性头寸、非正态分布与路径依赖产品,能够纳入波动率变化与相关性的动态特征,但计算量大、对模型设定与参数估计敏感,且随机数生成与收敛性问题需要专门处理,因此多见于复杂组合与资本计量场景。

按覆盖的风险类型划分,可分为市场风险价值、信用风险价值与操作风险价值等。市场风险价值度量由市场价格波动带来的损失,是应用最广的一类;信用风险价值度量交易对手违约或信用质量恶化导致的损失,需要考虑违约概率、违约损失率与敞口分布;操作风险价值的度量则更为困难,因为损失事件稀少且难以建模,通常借助损失分布法与情景分析。不同风险类型的风险价值在方法论上差异明显,通常不宜简单相加。

按持有期与用途划分,可分为短期交易风险价值与长期资本风险价值。短期版本通常用于交易台与投资组合的日常限额管理,持有期为一至数日;长期版本用于监管资本计量与偿付能力评估,持有期为十天乃至更长。此外还有条件风险价值,即在给定区间内对超出风险价值阈值的损失取平均,它属于一致性风险度量,能够弥补风险价值不刻画尾部的缺陷,在压力测试与内部风险报告中被广泛采用。

按实施主体与监管要求划分,可分为用于内部风险管理的风险价值与用于监管资本计量的风险价值。前者服务于机构自身的限额管理与绩效评估,参数与方法可根据业务需要灵活设定;后者须遵循监管规定的最低置信水平、持有期、数据窗口与回溯检验要求,并接受监管机构的验证与批准。内部模型经批准后可用于计算市场风险资本要求,这一做法把机构的内部风险管理能力与资本节约激励联系起来,形成了监管与机构治理相互促进的机制。

按估计目标划分,还可以区分无条件风险价值与条件风险价值。无条件风险价值基于长期的、平均意义上的波动率与相关性估计,反映常态风险水平;条件风险价值则把当前市场状态纳入模型,例如考虑波动率当前处于高位或低位,从而得到更具时效性的估计。在波动率剧烈变化的市场中,条件方法能够更快反映风险变化,但也不可避免地承担模型选择与参数估计的额外不确定性。

四、理论知识

风险价值(损失期望图)

风险价值的理论基础是概率论中的分位数概念与投资组合理论。设组合在持有期内的损益为随机变量,则置信水平为 p 的风险价值为损益分布左尾 1-p 分位数的相反数。在正态分布假设下,该分位数可以表示为组合价值乘以波动率再乘以标准正态分布相应分位数,这一简洁表达式是方差—协方差法的理论来源,也是风险价值得以快速普及的重要原因。但正态假设与金融市场普遍存在的尖峰厚尾、波动率聚集特征不符,是风险价值低估极端损失的理论根源。

预期短缺(也称条件风险价值或期望尾部损失)是针对风险价值缺陷提出的一致性风险度量。它定义为损失超过风险价值阈值的条件下的平均损失,即尾部损失的期望值。理论上可以证明预期短缺满足单调性、正齐次性、平移不变性与次可加性,因而是一致性风险度量;同时它考虑了超出阈值部分的损失规模,能够区分尾部形态不同的组合。因此在监管资本计量与内部风险限额中,预期短缺日益被视为对风险价值的必要补充甚至替代。

极值理论为估计尾部风险提供了专门工具。金融收益率分布尾部通常比正态分布更厚,极端事件发生概率高于正态假设的预测。极值理论通过对分布尾部建模,运用广义帕累托分布或广义极值分布刻画超出某一高阈值部分的损失行为,从而外推极端分位数。将极值理论与风险价值、预期短缺结合,可以改进尾部估计的稳健性,但其效果依赖于尾部样本数量与阈值选择的合理性。

回溯检验是评价风险价值模型有效性的标准方法。其基本思路是把实际损益与事前估计的风险价值比较,统计突破次数是否符合置信水平所允许的比例。若在 99% 置信水平下、250 个交易日内突破次数显著多于约 2.5 次,则说明模型低估风险。监管机构据此设置突破次数区间与相应的资本惩罚因子,把模型质量与资本要求挂钩。此外还可用独立性检验考察突破是否聚集,因为突破聚集往往意味着模型未能捕捉波动率动态或相关性结构的变化。

在资产组合理论层面,风险价值与分散化、风险归因密切相关。方差—协方差框架下,组合风险价值可分解为各头寸的边际贡献,从而支持风险预算与绩效考核,使管理者能够识别风险来源并优化配置。但这一分解在非线性头寸与非正态分布下不再精确,需要借助模拟方法实现。把风险价值与情景分析、压力测试结合,既保留其在常态风险度量与限额管理上的优势,又弥补其对极端情形不敏感的不足,是风险管理实践的主流做法。

五、常见误区

第一个常见误区是把风险价值理解为最大可能损失。风险价值只是某一分位点,突破该水平的概率虽小却真实存在,而且一旦突破,损失可能远超该数值。把风险价值当作损失上限会在极端行情中造成灾难性误判。正确的理解是:风险价值是在正常市场条件下、以给定概率不被突破的损失水平,它既不是最坏情况,也不是损失的天花板。

第二个误区是忽视风险价值的置信水平与持有期参数。不同机构披露的风险价值数字若参数不同则不可直接比较,一家使用 95% 置信水平、一天持有期的机构,其风险价值自然小于使用 99% 置信水平、十天持有期的机构。忽略参数而直接比较数字大小,会把参数差异误读为风险偏好差异,导致错误结论。报告与解读风险价值时必须同时说明参数体系。

第三个误区是认为风险价值不满足次可加性只是理论细节而无关紧要。这一性质关系到分散化是否总能降低风险的基本判断,也关系到风险限额能否在不同部门之间简单相加。当风险价值不满足次可加性时,分散化甚至可能增加度量的风险,机构据此进行资源配置会产生误导。因此监管实践才引入预期短缺等一致性度量,并以压力测试与情景分析补充风险价值的不足。

第四个误区是把风险价值模型当作一成不变的可靠工具。风险价值高度依赖历史数据的窗口选择、分布假设、相关性估计与模型参数,在结构变化、流动性枯竭或市场机制改变时可能严重失真。例如历史模拟法在波动率结构性上行的早期阶段反应迟缓,方差—协方差法则在相关性骤升时低估组合风险。因此模型需要持续验证、定期回测与在必要时调整,不能把模型输出视为客观事实。

第五个误区是只关注市场风险价值而忽略流动性风险与尾部风险。风险价值通常假设头寸可以在持有期内以市价平仓,但流动性不足的资产在压力时期可能无法按模型假定的价格与速度变现,实际损失会显著放大。此外风险价值对尾部刻画不足,必须与极值理论、预期短缺与压力测试联合使用,才能覆盖极端但可能的市场情形,形成完整的风险管理闭环。

六、总结

风险价值是以货币单位表示的、在给定置信水平与持有期内组合可能最大损失的统计估计,其核心是损益分布的分位数。它的三大计算方法各有取舍:历史模拟法不依赖分布假设但依赖历史窗口,方差—协方差法计算快捷但对正态与线性假设敏感,蒙特卡洛模拟法灵活精确但计算量大、对模型设定敏感。置信水平与持有期是确定风险价值的两大参数,任何比较都必须在相同参数下进行。

风险价值的理论局限主要体现为不描述超出阈值的损失规模、不满足次可加性与对尾部估计不足,这些局限在极端行情中可能导致风险被系统性低估。为弥补这些不足,风险管理领域发展出预期短缺、极值理论、压力测试与情景分析等配套工具,并建立了回溯检验与突破惩罚机制来验证模型有效性。把风险价值置于完整的方法论体系中理解,才不会高估其能力,也不会因其局限而否定其作为风险沟通工具的实用价值。

在实务层面,风险价值已成为金融机构风险治理的通用语言,用于限额设定、资本计量、绩效评估与对外披露。使用风险价值的关键在于理解其假设与边界:明确参数、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。只有当风险价值的计算、验证与应用三者协同,并与其他风险管理工具形成互补时,它才能既提供简明直观的风险度量,又不至于在极端时期给出误导性的安全感。

参见

  • 在险价值
  • 尾部风险
  • 预期短缺
  • 压力测试
  • 历史模拟法
  • 蒙特卡洛模拟

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. ↑ 亚历山大·麦克尼尔, 吕迪格·弗雷, 保罗·埃姆布雷希茨. 定量风险管理:概念、技术与工具[M]. 北京: 中国人民大学出版社, 2018.
  5. ↑ 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.
  6. ↑ 达雷尔·达菲. 金融风险管理[M]. 北京: 机械工业出版社, 2017.