标题 | CVaR在金融风险度量中的应用研究 |
范文 | 陈嘉扬 摘要:目前,我国对于风险度量方法方面的研究还处于初级阶段,应用层面也还有所不足。本文主要应用VaR的修正模型CVaR,来对金融风险进行度量分析,构建相应的数学模型,测算出CVaR值,继而获取证券行业金融风险的预警值。 关键词:CVaR;金融风险;风险度量 目前,测量风险的常用方法主要是VaR法和CVaR法。VaR用于反映某个置信区间内的风险值,但不能反映置信区间外的风险值。CVaR具有亚可加性,可满足一致的风险衡量要求。CVaR还可以测量所有大于VaR的尾部损耗。因此,本文將介绍CVaR的科学方法在金融风险衡量中的应用。 1 CVaR法的原理 1.1 CVaR法与VaR法相比的优势 CVaR(Conditional Value at Risk)是超过VaR的有条件损失的平均值。与VaR相比,CVaR的优势体现在: (1)CVaR有次可加性和凸性,更适用于大规模资产组合的风险测量。当损益分布满足正态分布时,CVaR和VaR是等效的,可以得出相同的最优解。但是,当损益分布不满足正态分布时,CVaR可以得到全局最优解,而VaR只能得到最小值点,可能没有最优解。 (2)CVaR反映尾部损失的平均值,因此CVaR的测量更加全面和完整。由于CVaR需要使用所有大于VaR的尾部损失来计算,在获得CVaR值的同时还可以获得相应的VaR值,且满足CVaR>VaR,因此可以对风险双重测量、相互验证。在投资组合优化时,降低CVaR的同时也能降低VaR,但降低VaR的时候不能降低CVaR。 1.2 CVaR风险测度原理 4结论 本文通过CVaR度量法来进行风险的度量,对上证180的2000个交易数据进行模型模拟。当置信度为95%时,对这2000个数据进行模拟,VaR度量法预测成功的概率为90.55%,CVaR度量法预测成功的概率为95.25%,可见在相同的置信度下,CVaR预测的结果更为可靠。 参考文献 柴尚蕾,周鹏. 基于非参数Copula-CVaR模型的碳金融市场集成风险测度[J]. 中国管理科学, 2019(8). 杨娟娟. 上证指数VaR和CVaR的比较研究及实证分析[J]. 智富时代, 2017(4). 于文倩, 郑慧. 基于Copula-CVaR组合模型的寿险公司整合风险测算[J]. 统计与决策, 2019(15). 作者简介:陈嘉扬(1998—),女,江西南昌人,中央财经大学金融学院研究生,研究方向:金融学。 |
随便看 |
|
科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。