市场风险计量的方法(市场风险的计算)
1.市场风险的计算
市场风险（Market Risk / Market Exposure）
计算市场风险的方法主要是在险价值（VaR），它是在正常的市场条件和给定的置信水平（Confidence interval，通常为99%）上，在给定的持有期间内，某一投资组合预期可能发生的最大损失；或者说，在正常的市场条件和给定的持有期间内，该投资组合发生VaR值损失的概率仅为给定的概率水平（即置信水平）。 主要包括方差一协方差法（Variance—Covariance Approach）、历史模拟法（Histor- ical Simulation Method）和蒙特卡罗模拟法（Monte-Carlo Simulation）。
方差一协方差法是假定风险因素收益的变化服从特定的分布，通常假定为正态分布，然后通过历史数据分析和估计该风险因素收益分布的参数值，如方差、均值、相关系数等，然后根据风险因素发生单位变化时，头寸的单位敏感性与置信水平来确定各个风险要素的VaR值；再根据各个风险要素之间的相关系数来确定整个组合的VaR值。当然也可以直接通过下面的公式计算在一定置信水平下的整个组合（这里的组合是单位头寸，即头寸为1）的VaR值，其结果是一致的。
公式中表示整个投资组合收益的标准差，σi、σj表示风险因素i和j的标准差，ρij表示风险因子i和j的相关系数， xi表示整个投资组合对风险因素i变化的敏感度，有时被称为Delta.在正态分布的假设下，xi是组合中每个金融工具对风险因子i的Deka之和。
历史模拟法以历史可以在未来重复为假设前提，直接根据风险因素收益的历史数据来模拟风险因素收益的未来变化。在这种方法下，VaR值直接取自于投资组合收益的历史分布，组合收益的历史分布又来自于组合中每一金融工具的盯市价值（Mark to Market value），而这种盯市价值是风险因素收益的函数。具体来说，历史模拟法分为三个步骤：为组合中的风险因素安排一个历史的市场变化序列，计算每一历史市场变化的资产组合的收益变化，推算出VaR值。因此，风险因素收益的历史数据是该VaR模型的主要数据来源。
蒙特卡罗模拟法即通过随机的方法产生一个市场变化序列，然后通过这一市场变化序列模拟资产组合风险因素的收益分布，最后求出组合的VaR值。蒙特卡罗模拟法与历史模拟法的主要区别在于前者采用随机的方法获取市场变化序列，而不是通过复制历史的方法获得，即将历史模拟法计算过程中的第一步改成通过随机的方法获得一个市场变化序列。市场变化序列既可以通过历史数据模拟产生，也可以通过假定参数的方法模拟产生。由于该方法的计算过程比较复杂，因此应用上没有前面两种方法广泛。
2.风险度量的方法
度量风险的方法有许多。
这些风险的度量包括对风险的影响直接估计如损失额，对风险事件发生的概率的估计，以及二者的结合如数学期望值，波动性，VaR，保险费，期权价值等，还包括风险对目标的变化的影响如各种导数类的指标如固定收益产品的久期和凸性，以及用于其它金融产品的希腊字母等。 用损失额来量度风险通常用在人们对损失发生的可能有一些假定的情况下。
或者就是在许多情况下，人们只需要了解可能发生的最大的损失额，即最大可能的损失（MPL）。应当注意的一点是，最大可能的损失实际上有两个不同的含义，在英文中的表达分别是Maximum Possible Loss和Maximum Probable Loss。
前者是指在最坏情况下的总的财物损失，而后者是指在某一个风险因素的作用下最可能发生的财物损失。 风险发生的概率的估计作为对风险的度量通常是用在人们对风险造成的后果有了一定假设的情况。
用数学期望值来表示风险也是有的。一般用在损失概率和可能的损失额较为稳定或者说波动性比较小的情况下。
用波动性度量风险始于组合理论，仍然在金融领域中用得比较普遍。波动性比较容易计算，但不容易理解，特别是对决策过程难有影响。
人们可以容易地构造出一些例子说明如果按波动性来作投资决策将会是违反直观的。 VaR值是一个在金融领域里被广泛使用的风险度量。
考虑用VaR表示风险指数的原因是VaR对于运营而言有比较好的参考价值，有利于经营过程中的资本成本和效率的提高。 保险费在某种程度上是对转移的风险的价值的市场价的度量。
保险费的计算通常是用保险公司自身的精算模型。 考虑用期权Call和Put来度量风险是因为考虑到所有的风险度量中只有它们直接表示风险的价值。
保险费的定价与期权的定价本质上是一致的。Call和Put值较好地反映现有风险资产的与无风险的价值相比较而言的价值，因而对于决策有很好的参考价值。
与VaR比较，Call和Put值是精确的值，而不是统计的值。但是，除了较少的情况外，如在有流动的市场的情况下，计算Call和Put值比较困难。
市场风险一些特殊度量，通常是导数，如各种希腊字母。另外还有久期和凸性等。
这些度量都是对一些特殊的标的对某些风险因素的影响的依赖关系而定义的。
3.金融风险的测量方法都有什么
历史模拟：
历史模拟法的核心在于根据市场因子的历史样本变化模拟证券组合的未来损益分布，利用分位数给出一定置信水平下的VAR估计。历史模拟法是一种非参数方法，它不需要假定市场因子的统计分布，因而可以较好的处理非正态分布；该方法是一种全值模拟，可有效地处理非线性组合（如包括期权的组合）。此外该方法简单直观，易于解释，常被监管者选作资本充足性的基本方法。
蒙特O卡罗模拟法 ：
分析方法利用灵敏度和统计分布特征简化了VAR。但由于对分布形式的特殊假定和灵敏度的局部特征，分析方法很难有效处理实际金融市场的厚尾性和大幅波动的非线性问题，往往产生各种误差和模型风险。模拟方法可能很好的处理非线性和、非正态问题。其主要思路是反复模拟决定金融估计价格的随机过程，每次模拟都可以得到组合在持有期末的一个可能值，如果进行大量的模拟，那么组合价值的模拟分布将收敛于组合的真实分布。这样通过模拟发布会可以导出真实分布，从而求出VAR。
金融风险指的是与金融有关的风险，如金融市场风险、金融产品风险、金融机构风险等。 一家金融机构发生的风险所带来的后果，往往超过对其自身的影响。金融机构在具体的金融交易活动中出现的风险，有可能对该金融机构的生存构成威胁；具体的一家金融机构因经营不善而出现危机，有可能对整个金融体系的稳健运行构成威胁；一旦发生系统风险，金融体系运转失灵，必然会导致全社会经济秩序的混乱，甚至引发严重的政治危机。
4.简述风险衡量的方法和计算步骤
β系数常常用在投资组合的各种模型中，比如马柯维茨均值-方差模型、夏普单因素模型（Shape Single-Index Model）和多因素模型。
具体来说，β系数是评估一种证券系统性风险的工具，用以量度一种证券或一个投资证券组合相对于总体市场的波动性，β系数利用一元线性回归的方法计算。 （一）基本理论及计算的意义 经典的投资组合理论是在马柯维茨的均值——方差理论和夏普的资本资产定价模型的基础之上发展起来的。
在马柯维茨的均值——方差理论当中是用资产收益的概率加权平均值来度量预期收益，用方差来度量预期收益风险的： E(r)=∑p(ri) ri (1) σ2=∑P(ri)[ri—E(r)]2 (2) 上述公式中p(ri)表示收益ri的概率，E(r)表示预期收益，σ2表示收益的风险。夏普在此基础上通过一些假设和数学推导得出了资本资产定价模型（CAPM）: E(ri)=rf +βi [E(rM)—rf] (3) 公式中系数βi 表示资产i的所承担的市场风险，βi=cov(r i , r M)/var(r M) (4) CAPM认为在市场预期收益rM 和无风险收益rf 一定的情况下，资产组合的收益与其所分担的市场风险βi成正比。
CAPM是基于以下假设基础之上的： （1）资本市场是完全有效的（The Perfect Market）;(2)所有投资者的投资期限是单周期的；（3）所有投资者都是根据均值——方差理论来选择有效率的投资组合；（4）投资者对资产的报酬概率分布具有一致的期望。 以上四个假设都是对现实的一种抽象，首先来看假设（3），它意味着所有的资产的报酬都服从正态分布，因而也是对称分布的；投资者只对报酬的均值（Mean）和方差（Variance）感兴趣，因而对报酬的偏度（Skewness）不在乎。
然而这样的假定是和实际不相符的！事实上，资产的报酬并不是严格的对称分布，而且风险厌恶型的投资者往往具有对正偏度的偏好。正是因为这些与现实不符的假设，资本资产定价模型自1964年提出以来，就一直处于争议之中，最为核心的问题是：β系数是否真实正确地反映了资产的风险？ 如果投资组合的报酬不是对称分布，而且投资者具有对偏度的偏好，那么仅仅是用方差来度量风险是不够的，在这种情况下β系数就不能公允的反映资产的风险，从而用CAPM模型来对资产定价是不够理想的，有必要对其进行修正。
β系数是反映单个证券或证券组合相对于证券市场系统风险变动程度的一个重要指标。通过对β系数的计算，投资者可以得出单个证券或证券组合未来将面临的市场风险状况。
β系数反映了个股对市场（或大盘）变化的敏感性，也就是个股与大盘的相关性或通俗说的"股性"，可根据市场走势预测选择不同的β系数的证券从而获得额外收益，特别适合作波段操作使用。当有很大把握预测到一个大牛市或大盘某个不涨阶段的到来时，应该选择那些高β系数的证券，它将成倍地放大市场收益率，为你带来高额的收益；相反在一个熊市到来或大盘某个下跌阶段到来时，你应该调整投资结构以抵御市场风险，避免损失，办法是选择那些低β系数的证券。
为避免非系统风险，可以在相应的市场走势下选择那些相同或相近β系数的证券进行投资组合。比如：一支个股β系数为1.3，说明当大盘涨1%时，它可能涨1.3%，反之亦然；但如果一支个股β系数为-1.3%时，说明当大盘涨1%时，它可能跌1.3%，同理，大盘如果跌1%，它有可能涨1.3%。
β系数为1，即说明证券的价格与市场一同变动。β系数高于1即证券价格比总体市场更波动。
β系数低于1即证券价格的波动性比市场为低。（二）数据的选取说明 （1）时间段的确定 一般来说对β系数的测定和检验应当选取较长历史时间内的数据，这样才具有可靠性。
但我国股市17年来，也不是所有的数据均可用于分析，因为CAPM的前提要求市场是一个有效市场：要求股票的价格应在时间上线性无关，而2006年之前的数据中，股份的相关性较大，会直接影响到检验的精确性。因此，本文中，选取2005年4月到2006年12月作为研究的时间段。
从股市的实际来看，2005年4月开始我国股市摆脱了长期下跌的趋势，开始进入可操作区间，吸引了众多投资者参与其中，而且人民币也开始处于上升趋势。另外，2006年股权分置改革也在进行中，很多上市公司已经完成了股改。
所以选取这个时间用于研究的理由是充分的。（2）市场指数的选择 目前在上海股市中有上证指数，A股指数，B股指数及各分类指数，本文选择上证综合指数作为市场组合指数，并用上证综合指数的收益率代表市场组合。
上证综合指数是一种价值加权指数，符合CAPM市场组合构造的要求。（3）股票数据的选取 这里用上海证券交易所（SSE）截止到2006年12月上市的4家A股股票的每月收盘价等数据用于研究。
这里遇到的一个问题是个别股票在个别交易日内停牌，为了处理的方便，本文中将这些天该股票的当月收盘价与前一天的收盘价相同。（4）无风险收益（rf） 在国外的研究中，一般以3个月的短期国债利率作为无风险利率，但是我国目前国债大多数为长期品种，因此无法用国债利率作为无风险利率，所以无风险收益率（rf）以1年期银行定期存款利率来进行计算。
（三）系数的计算过程和结果 首先打开“大智慧新一代”股票分析软件，得到相应的季度K线图，并分别。
