魏 宇,溫曉倩,賴曉東

(西南交通大學(xué)經(jīng)濟管理學(xué)院,四川成都610031)

金融市場風(fēng)險測度方法研究評述＊

魏 宇,溫曉倩,賴曉東

(西南交通大學(xué)經(jīng)濟管理學(xué)院,四川成都610031)

要想保持金融市場的健康平穩(wěn)運行,進而保證國民經(jīng)濟的持續(xù)穩(wěn)定增長,則必須依靠全面和有效的金融風(fēng)險管理工作。而金融風(fēng)險管理取得成效的前提條件則是對市場風(fēng)險狀況的準確測度 (Measurement)。金融市場風(fēng)險 (Market Risk)是指由于金融市場因素 (如利率、匯率、股價以及商品價格等)的波動而導(dǎo)致金融資產(chǎn)價值發(fā)生變化的風(fēng)險。本文主要針對金融市場風(fēng)險測度理論的相關(guān)假說、測度方法和主流模型進行綜述,并對其所面臨的嚴峻挑戰(zhàn)展開評述,進一步提出了金融市場中不斷涌現(xiàn)的各類典型事實 (Stylized Facts)對市場風(fēng)險測度研究的重大啟示。

金融市場風(fēng)險;風(fēng)險測度;典型事實

保持金融市場這樣一個復(fù)雜系統(tǒng)的健康平穩(wěn)運行則是一個國家甚至是全球經(jīng)濟持續(xù)穩(wěn)定增長的重要前提。在過去短短的十多年間,爆發(fā)了幾次震驚世界的大規(guī)模金融危機,如1987年美國的“黑色星期一”大股災(zāi)、1990年的日本股市危機、1992年的歐洲貨幣危機、1994-1995年的墨西哥比索危機、1997年的亞洲金融風(fēng)暴、1998年長期資本管理管理公司 (Long-term Capital Management)的倒閉以及最近席卷全球的次貸危機等等。這些金融危機給世界金融市場乃至全球經(jīng)濟造成的損失是不可估量的,同時其產(chǎn)生的一系列后續(xù)連鎖反應(yīng)至今仍然對經(jīng)濟生活產(chǎn)生著不可小覷的影響。

金融市場頻繁發(fā)生的危機事件最重要的啟示是,要想保持金融市場的健康平穩(wěn)運行,進而保證國民經(jīng)濟的持續(xù)穩(wěn)定增長,則必須依靠全面和有效的金融風(fēng)險管理工作。

Dow d[1](P65-71)指出,任何一次全面和有效的金融風(fēng)險管理活動,至少包括識別風(fēng)險 (Risk I-dentity)、測度風(fēng)險 (Risk Measurement)和管理風(fēng)險 (Risk Management)這三個基本步驟。因此,風(fēng)險測度 (Risk M easurement)在整個金融風(fēng)險管理工作中起著承前啟后的關(guān)鍵作用。

M arrison進一步表明,按照風(fēng)險來源的不同,金融風(fēng)險主要分為以下四種類型: (1)市場風(fēng)險(M arket Risk)、 (2)信用風(fēng)險 (Credit Risk)、(3)流動性風(fēng)險 (Liquidity Risk)和 (4)操作風(fēng)險 (Operational Risk)[2](P131-265)。從根本上來講,對后三類風(fēng)險問題研究的發(fā)展時間、理論成熟度以及研究方法的多樣性等都遠遠不及市場風(fēng)險測度的相關(guān)內(nèi)容。更重要的是,對信用風(fēng)險、流動性風(fēng)險和操作風(fēng)險研究所采用的金融理論基礎(chǔ)、計量手段、統(tǒng)計方法和數(shù)理模型等都主要借鑒了市場風(fēng)險管理研究中已有的成熟結(jié)論。因此,筆者主要針對金融市場風(fēng)險測度理論的相關(guān)假說、測度方法和主流模型進行綜述,并對其所面臨的嚴峻挑戰(zhàn)展開評述,進一步提出了在金融市場中不斷涌現(xiàn)的各類典型事實 (Stylized Facts)對市場風(fēng)險測度研究的重大啟示。

一、“有效市場假說”與已有的金融市場風(fēng)險測度方法

主流金融學(xué)的理論基石是“有效市場假說”(Efficient M arket Hypothesis,EM H)。該假說的核心內(nèi)容是:在一個有效的市場里,金融資產(chǎn)的價格已經(jīng)反映了所有公開的信息,價格的變化互不相關(guān),它們是遵循布朗運動 (Brow nian Motion)的隨機變量,因此金融資產(chǎn)的收益率服從正態(tài)分布(Normal Distribution)[3](P34-105)[4](P1575-1613)。以主流金融理論為依據(jù),已有的金融市場風(fēng)險測度方法和指標在理論研究和實際運用中都得到了廣泛的認可。目前,經(jīng)常使用的市場風(fēng)險測度方法 (指標)大致可以分為相對測度和絕對測度兩種類型。

(一)市場風(fēng)險相對測度方法 (指標)

主要是測量市場因素 (如利率、匯率、股價以及商品價格等)的波動與金融資產(chǎn)價格 (收益)變化之間的敏感性關(guān)系。

目前最常用的相對風(fēng)險測度指標主要包括:針對債券等利率性金融產(chǎn)品的久期 (Duration)和凸性 (Convexity)指標;針對股票的Beta值;針對金融衍生產(chǎn)品的Delta、Theta、Gamma、Vega和Rho指標等[5](P23-46)。這些市場風(fēng)險相對測度指標的具體含義見下面 (如表1所示)。

表1 市場風(fēng)險相對測度指標及其含義

(二)市場風(fēng)險的絕對測度方法 (指標)

主要是測度金融資產(chǎn)價格 (收益率)波動的絕對幅度大小。

目前最常用的市場風(fēng)險絕對測度指標是由Markow itz提出的方差 (Variance)風(fēng)險測度指標。M arkow itz[6](P77-91)在著名的《金融學(xué)雜志》(Journal of Finance)上,首次提出了“風(fēng)險為投資收益的波動性或不確定性”的概念,并利用金融收益率的方差或標準差 (Standard Deviation)來度量其風(fēng)險大小,同時在此基礎(chǔ)上建立了相應(yīng)的資產(chǎn)組合選擇模型 (Portfolio Selection Model)。隨后,為了區(qū)別對待正的收益波動和負的收益波動對風(fēng)險貢獻,M arkow itz又提出了只考慮負收益波動的 半 方 差 (Semi-Variance) 風(fēng) 險 測 度 指標[7](P12-20)。

在M arkow itz之后,一些學(xué)者也提出了很多市場風(fēng)險的測度理論和方法,其中比較有代表性的是:Bawa[8](P95-121)和 Fishburn[9](P116-126)提出了用資產(chǎn)收益概率分布左尾部的某種“矩”(Moment)來度量風(fēng)險大小的下偏矩方法 (Lower Partial Moments,LPM)。Simaan[10](P1436-1446)提出了用收益與其均值差值的絕對值來測度風(fēng)險大小的絕對離差指標 (A bsolute Deviation)。Young[11](P673-683)提出了用在一定觀測期間內(nèi)金融資產(chǎn)收益 (價格)的最大值和最小值偏差來度量風(fēng)險大小的極大極小值指標 (M inimax)等等。

然而,一種稱之為風(fēng)險價值 (Value at Risk, VaR)的市場風(fēng)險定量測度方法卻贏得了市場交易各方以及各國金融監(jiān)管當局的廣泛認可。風(fēng)險價值(VaR)是一種利用統(tǒng)計思想對金融風(fēng)險進行估值的方法,它最早起源于20世紀80年代,但作為一種市場風(fēng)險測定和管理的工具,則是由J.P.M o rgan投資銀行在1994年的RiskM etrics系統(tǒng)中提出。VaR的定義是:在一定置信水平下,由于市場波動而導(dǎo)致整個資產(chǎn)組合在未來某個時期內(nèi)可能出現(xiàn)的最大損失值。在數(shù)學(xué)上,VaR表示為投資工具或組合的損益分布的α分位數(shù) (Quantile),其表示如下:Prob(Δp<=-V aR) =α,其中,Δp表示投資組合在持有期Δt內(nèi)在置信水平(1-α)下的市場價值損失。

VaR方法最大的優(yōu)點在于其對市場風(fēng)險度量的綜合性,它可以把由于不同市場因素波動所引起的不同種類市場風(fēng)險集合成一個單一的數(shù)值。國際清算銀行 (B IS)的銀行業(yè)監(jiān)督管理巴塞爾委員會(Basle Committee)也推薦各國的金融監(jiān)管機構(gòu)使用VaR模型所估計的市場風(fēng)險來確定銀行以及其他金融機構(gòu)的資本充足率[12](P21-41)[13](P362-377)。

二、金融市場的典型事實與已有市場風(fēng)險測度方法的缺陷

不容忽視的是,20世紀70年代以來,實際金融市場出現(xiàn)了許許多多無法為EM H所解釋的異常現(xiàn)象 (Anomalies)。更值得關(guān)注的是,這些異常的復(fù)雜波動特征似乎并非某個特定市場的專有屬性,而是普遍存在于不同國家和不同類型的金融市場當中,因此又被稱為金融市場的典型事實 (Stylized Facts)[14](P111-123)[15](P223-236)。金融市場的這些典型的復(fù)雜波動特征主要包括:金融資產(chǎn)收益的條件和非條件“胖尾分布”特征 (Conditional/Unconditional Fat Tailed Distribution)、價格波動的聚集性 (Vo latility Clustering)和持久性 (Persistence)特征、資產(chǎn)損益的非對稱性 (Gain/loss A-symmetry)、收益的加總正態(tài)性 (Aggregational Gaussianity)、價格波動的自相似性與標度不變特征 (Self-similarity and Scale Invariance)、價格和收益率波動的單分形和多分形特征 (M ultifractal)、收益與波動的杠桿效應(yīng) (Leverage Effect)等等。

為了克服主流金融理論在解釋實際金融市場典型事實時所暴露出的種種缺陷,一類被稱之為“新金融學(xué)” (New Finance)的研究引起了人們的關(guān)注[16](P62-71)?！靶陆鹑趯W(xué)”研究的代表流派主要是20世紀80年代后期興起“行為金融學(xué)” (Behavioral Finance)以及20世紀90年代興起的“經(jīng)濟物理學(xué)”(Econophysics)流派。其中,“行為金融學(xué)”的研究以心理學(xué)上的發(fā)現(xiàn)為基礎(chǔ),輔以社會學(xué)等其他社會科學(xué)的觀點,嘗試解釋那些由于投資者的非理性行為所造成的實際金融市場的異象?！敖?jīng)濟物理學(xué)”則是將物理學(xué) (特別是統(tǒng)計物理學(xué))的理論、方法和模型應(yīng)用到經(jīng)濟學(xué)和金融學(xué)領(lǐng)域研究的一門新興學(xué)科[14](P111-123)。

雖然上述這些建立在主流金融理論基礎(chǔ)之上的風(fēng)險測度方法在各自不同的領(lǐng)域都取得了一定的成功,并且在可以預(yù)見的將來,這些市場風(fēng)險的測度方法還會在風(fēng)險管理學(xué)術(shù)界和理論界得到廣泛運用,但需要指出的是:無論是市場風(fēng)險的相對測度還是絕對測度,在理論上或?qū)嶋H運用中都存在著這樣或那樣的缺陷。

(一)市場風(fēng)險相對測度方法 (指標)的缺陷

首先,市場風(fēng)險的相對測度方法只是一個相對的比例概念,并沒有回答某一資產(chǎn)或組合的風(fēng)險(損失)到底有多大。其次,相對測度指標對測度對象的依賴性較高,無法測度包含不同市場因子或不同類型金融產(chǎn)品組合的風(fēng)險,因此也就無法比較不同資產(chǎn)組合的風(fēng)險大小。最后,由于相對測度方法無法綜合不同市場因素、不同金融產(chǎn)品的風(fēng)險暴露 (Risk Exposure),因此金融監(jiān)管機構(gòu)無法了解各具體業(yè)務(wù)部門和機構(gòu)的整體風(fēng)險狀態(tài),從而無法進行有效的風(fēng)險監(jiān)控和績效評估活動[17](P11-23)。

(二)市場風(fēng)險絕對測度方法 (指標)的缺陷

對市場風(fēng)險的絕對測度指標而言,當實際市場不滿足“有效市場假說”的前提條件時,最主要表現(xiàn)在當資產(chǎn)收益不滿足正態(tài)分布時,方差 (Variance)以及VaR等指標的準確度都將大大降低。以目前主流的風(fēng)險價值指標 (VaR)為例,Zangaric[18](P16-23)、Bouchaud and Potters[19](P34-65)以及A ssaf[20](P109-116)的研究表明,在正態(tài)分布假設(shè)下計算的VaR值,常常會低估實際的風(fēng)險,可能會使金融機構(gòu)遭受巨大的損失。

由于實際市場收益率的尾部普遍展現(xiàn)出比正態(tài)分布寬大的“胖尾”(Fat-tailed)特征,因此一些學(xué)者在不同的收益分布假設(shè)下研究了金融資產(chǎn)VaR 的 計 算 問 題。比 方 說,Venkataraman[21](P2-13)、 Bauer[22](P455-468)、 Khindanova等[23](P73-89)以及 Haas[24](P2103-2119)分別運用混合正態(tài)分布 (M ixture of No rmal Distribution)、雙曲線分布 (Hyperbolic Distribution)、穩(wěn)定分布(Stable Distribution)和兩個學(xué)生t分布的馬爾可夫混合 (M arkov M ixture of Two Students't Distributions)探討了相應(yīng)的金融資產(chǎn) VaR計算方法。

最近,Sardosky[25](P121-135)的研究表明,無論是用傳統(tǒng)的移動平均 (MA)、指數(shù)平滑 (EW)、自回歸 (AR)等方法,還是用GARCH類模型,都無法給參數(shù)類VaR找到準確和統(tǒng)一的波動參數(shù)估計。因此,不同估計方法得到的參數(shù)VaR模型在計算同一資產(chǎn)的風(fēng)險價值時,就會出現(xiàn)明顯偏差。Guidolin and Timmermann[26](P285-380)的研究發(fā)現(xiàn),雖然馬爾可夫混合模型 (Markov Mixture Model)能較準確地測度收益率月度數(shù)據(jù)的VaR,但它對日數(shù)據(jù)的VaR測量能力則明顯較弱,因為日數(shù)據(jù)具有十分明顯的非高斯 (Non-Gaussian)特征。

更為嚴重的問題是,A rtzner,Delbacn and Eber[27](P68-71)[28](P203-228)以 及 Acerbi and Tashe[29](P1487-1503)的研究表明,VaR本身不是一種一致性的風(fēng)險測度 (Coherent M easures of Risk)。比方說,VaR不具有次可加性 (Subadditive),也就是說,實際中可能出現(xiàn)資產(chǎn)組合的VaR高于單個資產(chǎn)VaR的總和問題,因此不能用VaR來進行投資組合的優(yōu)化。同時,VaR無法說明資產(chǎn)損失超過某一界限的幅度,即無法說明極端波動狀態(tài)下的資產(chǎn)損失情況。因此,A rtzner,Delbacn and Eber[27](P68-71)[28](P203-228)提出滿足一致性風(fēng)險測度標準的 Expected Shortfall指標。日前,Bormetti等[30](P532-542)以及 So rw ar and Dow d[31](P1-31)用非高斯模型 (Non-Gaussian Model)和格柵模擬程序(Simulation-lattice Procedure)得到了VaR和Expected Sho rtfall的估計值,實證結(jié)果均發(fā)現(xiàn)在任何給定的置信水平下,Expected Sho rtfall估計值都顯著高于VaR估計值。

由于VaR在理論上和實際運用中存在種種局限性,一類稱之為條件風(fēng)險價值指標 (Conditional Value-at-Risk,CVaR)的方法應(yīng)運而生。CVaR方法引起了風(fēng)險管理學(xué)術(shù)界和實務(wù)界的濃厚興趣,并大有取代傳統(tǒng)VaR作為市場風(fēng)險測度標準的趨勢。Rockafeller and U ryasev[32](P1443-1471)首次正式提出了CVaR的概念。從本質(zhì)上來講,CVaR就是A rtzner,Delbacn and Eber[27](P68-71)[28](P203-228)提出的Expected Sho rtfall,它是指金融資產(chǎn)的損失超過某個給定VaR的損失的平均值。CVaR代表了金融資產(chǎn)超額損失的期望值,反映了金融資產(chǎn)可能的潛在損失幅度,彌補了傳統(tǒng)VaR指標在這一問題上的不足。同時,Rockafeller and U ryasev[33](P21-41)指出,CVaR是一個一致性的風(fēng)險測度,因為它具有次可加性和凸性 (Convexity),在數(shù)學(xué)上也非常便于處理。隨后,Rockafeller and U ryasev[32](P1443-1471)又說明了,CVaR可以通過線性規(guī)劃算法優(yōu)化,并在最小化CVaR的同時,也得到了VaR本身的近似最優(yōu)估計。

面對上述事實,我國學(xué)者也根據(jù)本國國情、緊跟國外研究潮流,不斷調(diào)整研究方法和研究對象。

在刻畫實際市場收益率的“胖尾”(Fat-tailed)特征時,于紅香,劉小茂使用基于一般帕累托分布(GPD)的 EV T擬合 SV-M模型的修正分布尾部[34](P314-317);林宇等認為有偏學(xué)生 t分布比正態(tài)分布、學(xué)生t分布更能準確反應(yīng)金融收益分布實際特征[35](P17-24)。

為了給參數(shù)類VaR找到更準確的波動參數(shù)估計,余素紅、張世英、宋軍開展了 GARCH模型和 SV模型的 VaR比較研究[36](P61-65);林宇等引入FIAPARCH模型刻畫金融價格條件波動率特征,以此測度金融市場動態(tài)風(fēng)險VaR[35](P17-24)。同時,為了刻畫股市極端波動風(fēng)險的影響,封建強運

用EV T和GARCH模型對滬深股市的極值VaR進行了測度研究[37](P34-38);魏宇運用 EV T 和AR(1)-L GARCH(1,1)模型對上證綜指和世界股市若干重要指數(shù)的極端市場風(fēng)險進行了測度研究[38](P77-88)。與主流的使用 GARCH族方法刻畫波動率不同,邵錫棟,殷煉乾利用滬深指日內(nèi)高頻數(shù)據(jù),分別通過ARFIMA模型和CARR模型對實現(xiàn)波動率和較新的實現(xiàn)極差建模,計算風(fēng)險價值,并實證分析了各種模型的VaR預(yù)測能力,結(jié)果顯示,使用日內(nèi)高頻數(shù)據(jù)的實現(xiàn)波動率和實現(xiàn)極差模型的預(yù)測能力強于采用日數(shù)據(jù)的各種 GARCH模

型[39](P109-121)。

隨著更具優(yōu)越性的一致風(fēng)險測度方法 Expected Sho rtfall和CVaR的出現(xiàn),我國學(xué)者也逐漸將注意力轉(zhuǎn)移到這方面的研究上。但遺憾的是,這方面的研究主要是理論方法的介紹。如唐愛國、秦宛順介紹了廣義隨機占優(yōu)單調(diào)一致風(fēng)險測度和ES方法[40](P34-38);曲圣寧,田新時介紹了投資組合風(fēng)險管理中 VaR模型的缺陷以及 CVaR模型研究[41](P34-40);劉俊山比較研究了 VaR和 CVaR方法,此外探討了CVaR在風(fēng)險管理和監(jiān)管實踐中遇到的問題,指出CVaR模型的事后檢驗不易實施[42](P125-133)。

三、金融市場典型事實對市場風(fēng)險測度方法研究的啟示

金融市場不斷涌現(xiàn)的各類典型事實 (Stylized Facts)至少說明了,有效市場假說并非實際市場運行和波動機制的完美表述。因此,由于這些“典型事實”并沒有對金融資產(chǎn)價格或者收益波動服從的隨機過程有任何參數(shù)上的先驗假設(shè) (Ex Ante Assump tions),而展現(xiàn)的是上述過程的一種更為廣義的定量特征,因此這些“典型事實”是不依賴于任何模型的 (Model Free)。換句話說,任何有關(guān)價格或者收益過程的金融模型 (包括市場風(fēng)險的測度方法)都必須將這些“典型的統(tǒng)計規(guī)律”作為其模型的“約束條件”(Constraints)[15](P223-236)。

然而,目前絕大多數(shù)的市場風(fēng)險測度理論和方法都無法反映下面這些非常重要的基本典型事實:

(一)已有風(fēng)險測度方法無法體現(xiàn)價格波動的自相似性和標度不變性特征

主流金融理論很少注意到不同時間標度(Time Scales)之間價格 (或收益率)波動的關(guān)系,而Mandelbrot的研究表明,不同時間標度之間的價格 (收益率)變化具有某種統(tǒng)計學(xué)意義上相似性 (分形結(jié)構(gòu)),即標度不變性 (Scale Invariance)特征[43](P15-37)。而金融市場這類混沌系統(tǒng)的行為模式一般都具有標度不變性特征,即金融市場在一段時間內(nèi)的波動經(jīng)歷可以在更長的時間標度上重演。因此,如何改進已有的市場風(fēng)險測度方法,使其同樣體現(xiàn)出短時間標度上的風(fēng)險測度 (如每小時、每天等)與長時間標度上的風(fēng)險測度 (如每周、每月、每年等)的“標度不變”特征,從而建立一種有實用價值的“風(fēng)險預(yù)警”方法,將是非常有意義的研究方向之一。

(二)已有風(fēng)險測度方法無法體現(xiàn)價格波動的聚集性和持久性特征

典型事實中一個重要的發(fā)現(xiàn)就是價格波動存在“聚集性” (Clustering)和“持久性” (Persistence)特征,即市場發(fā)生大幅度波動以后,往往會緊跟著另外一個大幅度的波動,且這種波動的聚集現(xiàn)象會持續(xù)相當長的一段時間[17](P11-23)。因此,如何將主流金融理論中的靜態(tài)風(fēng)險測度指標V(如方差、VaR指標等),通過這種定量的“聚集”特征和“持久性”特征,改進成為一種具有時變特性的動態(tài)風(fēng)險測度V (t),從而建立一種行之有效的“風(fēng)險補救”方法,將是有意義的研究方向之二。

(三)已有風(fēng)險測度方法無法刻畫收益分布的條件胖尾分布特征

主流金融理論認為,通過 GARCH類模型可以得到收益率的條件波動 (Conditional Volatility)狀況,在消除了條件波動以后,金融資產(chǎn)的收益率就應(yīng)該服從正態(tài)分布[3](P34-105)。但是典型事實表明,即使消除條件波動以后,實際市場的收益率仍然展現(xiàn)出明顯的“尖峰胖尾”特征。因此,如何讓市場風(fēng)險的測度方法,在消除條件波動以后,仍然可以準確刻畫價格波動的這種“條件胖尾”特性,從而建立一種能準確描述極端波動尾部特征的收益分布模型和風(fēng)險測度指標,將是有意義的研究方向之三。

(四)已有風(fēng)險測度方法無法體現(xiàn)價格波動的多標度分形特征

典型事實表明,金融市場的價格波動除了具有混沌 (Chaos)和一般的單分形 (Unifractal)特征之外,還普遍具有更為復(fù)雜的多標度分形 (M ultifractal)特征[44](P70-73)。與主流金融理論主要集中在對價格波動的直接刻畫上不同,通過計算價格波動的多標度分形譜 (M ultifractal Spectrum),可以從其豐富的譜參數(shù) (如多標度分形譜的譜寬、最大和最小Hausdorff維數(shù)差值、分形譜的偏斜度等指標)中,提煉出價格波動在不同時間標度上不同幅度的間接統(tǒng)計信息。而這些有關(guān)價格波動的間接統(tǒng)計描述無疑可以對市場風(fēng)險的全面刻畫提供有益的補充。因此,如何借鑒和吸收價格波動的多標度分形譜所提供的間接統(tǒng)計信息,對直接風(fēng)險測度進行必要的補充和完善,將是有意義的研究方向之四。

四、小結(jié)與展望

綜上所述,筆者認為,目前對金融市場典型事實的研究主要有兩個有意義的發(fā)展方向,第一個方向是探索復(fù)雜典型事實背后的市場波動機制模型研究。這類研究的主要目標是尋找一個能夠重現(xiàn)更多典型事實的市場復(fù)雜性波動機制模型。目前,以“多個體”(M ulti-agent)互動演化模型為代表的市場波動機制模型在這一領(lǐng)域取得了一定的領(lǐng)先地位[45](P321-338)[46](P133-142)[47](P14-23)[48](P715-729)。第 二個有意義的研究方向就是如何利用典型事實中不斷展現(xiàn)出的市場波動復(fù)雜特征,來修正或重構(gòu)主流的金融理論和模型,以使其更加符合實際金融市場的真實波動狀況。因此,現(xiàn)有的這些測度方法能在多大程度上準確刻畫實際金融市場的波動和風(fēng)險狀況,就是一個非常值得進一步研究和探討的課題。

到目前為止,筆者還沒有見到綜合運用前述金融市場復(fù)雜的典型統(tǒng)計規(guī)律來重構(gòu)市場風(fēng)險測度方法和指標的研究,更沒有見到在“一致性風(fēng)險測度”(Coherent Measures of Risk)標準下對上述問題的探討。因此,以金融市場的這些“典型的統(tǒng)計規(guī)律”為依據(jù),來修正或重構(gòu)金融市場風(fēng)險的測度方法和指標,對于準確刻畫實際市場風(fēng)險和有效地管理金融風(fēng)險,進而對金融市場的健康平穩(wěn)運行和國民經(jīng)濟的持續(xù)穩(wěn)定增長都將具有非常重大的理論與實際意義。

從我國金融市場風(fēng)險測度方法來看,雖然計量模型更結(jié)合我國國情,但是一些較為復(fù)雜和先進的模型還處于介紹推廣的階段,更不用說綜合金融市場典型事實去重構(gòu)一種更為優(yōu)越的風(fēng)險測度模型或方法了。同時,理論前瞻性有待提高,目前我國大多數(shù)金融市場風(fēng)險測度方法的理論是從國外引進的,雖然對我國的實踐起到了很大的指導(dǎo)作用,但是金融市場實踐的不斷變化要求在理論上要具有前瞻性。比如,當受到金融危機的沖擊時,已有的金融市場風(fēng)險測度方法或是對其現(xiàn)有的改進方法還有效嗎?也就是說已有的金融市場風(fēng)險測度方法或是對其現(xiàn)有的改進方法也能準確測度到突然劇烈的金融市場波動嗎?不會低估這樣的風(fēng)險嗎?國外已經(jīng)有學(xué)者提出這樣有趣的研究課題了,而我國在這方面的理論研究則有些滯后。理論研究保持前瞻性才能發(fā)揮指導(dǎo)實踐作用。所以,面對金融市場典型事實對已有金融市場風(fēng)險測度方法的挑戰(zhàn),我國在理論和方法的改進上有更為艱巨的任務(wù)。

[1]Dow d,K.Financial risk management[J].Financial A nalysts Journal,1999,(55).

[2]Marrison,C.The Fundamentals of Risk M easurement[M].The M cGraw-Hill Companies,Inc,2002.

[3]Fama,E.F.Efficient capital markets:A review of theo ry and empirical work[J].Journal of Finance,1971,(25).

[4]Fama,E.F.Efficient capital marketsⅡ[J].Journal of Finance, 1991,(46).

[5]Hull,J.C.Options,Futures,and Other Derivative Securities [M].Prentice Hall,1997.

[6]M arkow itz,H.Portfolio selection[J].Journal of Finance,1952, (7).

[7]Markow itz,H.Portf olio Selection:Ef f icient D iversif ication of Inverstments[M].New Yo rk:Basil Blackw ell,1959.

[8]Bawa,V.S.Op timal rules for ordering uncertain p rospects[J]. Journal of Financial Econom ics,1975,(2).

[9]Fishburn,P.C.Mean-risk analysis w ith risk associated with below-target returns[J].The A merican Economic Review,1977, (3).

[10]Simaan,Y.Estimation risk in portfolio selection:The mean variance model versus the mean absolute deviation model[J].M anagement science,1997,(43).

[11]Young,M.R.A minimax portfolio selection rule w ith linear p rogramming solution[J].M anagement Science,1998,(44).

[12]Jo rion,P.Financial Risk M anager Handbook[M].John Wiley &Sons,2003.

[13]Perignon,C.,D.R.Smith.The level and quality of Value-at-Risk disclosure by commercial banks[J].Journal of Banking and Finance,2010,(34).

[14]Mantegna,R.,H.E.Stanley.An Introduction to Econophysics [M].Cambridge:Cambridge University Press,2000.

[15]Cont,R.Empirical p roperties of asset returns:Stylized facts and statistical issues[J].Quantitative Finance,2001,(1).

[16]Haugen,R.A.The Inef f icient Stock M arket[M].New Jersey: Prentice Hall,1999.

[17]Christofferson,P.F.Elements of Financial Risk M anagement [M].San Diego:Academic Press,2003.

[18]Zangaric,P.An Im proved M ethodology f or M easuring VaR [M].RiskMetrics Monitor,Reuters/J.P.Morgan,1996.

[19]Bouchaud,J.P.,M.Potters.Theory of Financial Risk:From Statistical Physics to Risk M anagement[M].Cambridge:Cambridge University Press,1999.

[20]Assaf,A.Extreme observation and risk assessment in the equity markets of M ENA region:Trail measures and Value-at-risk[J]. International Review of Financial Analysis,2009,(18).

[21]Venkataraman,S.Value-at-Risk for a mixture of normal distributions:The use of quasi-bayesian estimation techniques[J].E-conom ic Perspectives,Federal Reserve Bank of Chicago,1997, (2).

[22]Bauer,C.Value-at-risk using hyperbolic distributions[J].Journal of Econom ics&Business,2000,(5).

[23]Khindanova,I.,S.Rachev,E.Schw artz.Stable modeling of Value-at-Risk[J].Journal of Derivatives,2001,(3).

[24]Haas,M.Value-at-risk via mixture distributions reconsidered [J].A pp lied M athematics and Com putation,2009,(215).

[25]Sardosky,P.Stochastic volatility fo recasting and risk management[J].A pp lied Financial Economics,2005,(15).

[26]Guidolin.M.,A.Timmermann.Term structure of risk under alternative econometric specifications[J].Journal of Econometrics,2006,(131).

[27]A rtzner,P.,F.Delbacn,J.M.Eber,et al.Thinking coherently [J].Risk,1997,(10).

[28]A rtzner,P.,F.Delbacn,J.M.Eber,et al.Coherent measures of risk[J].M athematical Finance,1999,(9).

[29]Acerbi,C.,D.Tashe.On the coherence expected shortfall[J]. Journal of Banking and Finance,2002,(26).

[30]Bormetti,G.,E.Cisana,G.Montagna,O.Nicrosini.A non-Gaussian app roach to risk measures[J].Physica A,2007, (376).

[31]Sorwar,G.,K.Dow d.Estimating financial risk measures for options[J].Journal of Banking and Finance,2010,(1).

[32]Rockafeller,R.T.,S.U ryasev.Optimization of conditional value-at-risk[J].Journal of Risk,2000,(3).

[33]Rockafeller,R.T.,S.U ryasev.Conditional value-at-risk fo r general loss distributions[J].Journal of Banking and Finance, 2002,(7).

[34]于紅香,劉小茂.SV-M模型下VaR和ES估計的極值方法[J].數(shù)理統(tǒng)計與管理,2003,(10).

[35]林宇,衛(wèi)貴武,魏宇,譚斌.基于Skew-t-FIAPARCH的金融市場動態(tài)風(fēng)險VaR測度研究[J].中國管理科學(xué),2009,(17).

[36]余素紅,張世英,宋軍.基于GARCH模型和SV模型的VaR比較[J].管理科學(xué)學(xué)報,2004,(5).

[37]封建強.滬深股市收益率風(fēng)險的極值VaR測度研究[J].統(tǒng)計研究,2002,(4).

[38]魏宇.股票市場的極值風(fēng)險測度及后驗分析研究[J].管理科學(xué)學(xué)報,2008,(11).

[39]邵錫棟,殷煉乾.基于實現(xiàn)極差和實現(xiàn)波動率的中國金融市場風(fēng)險測度研究[J].金融研究,2008,(6).

[40]唐愛國,秦宛順,廣義隨機占優(yōu)單調(diào)一致風(fēng)險測度和 ES[J].金融研究,2003,(4).

[41]曲圣寧,田新時.投資組合風(fēng)險管理中VaR模型的缺陷以及CVaR模型研究[J].統(tǒng)計與決策,2005,(10).

[42]劉俊山.基于風(fēng)險測度理論的VaR與CVaR的比較研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2007,(3).

[43]M andelbrot,B.B.Fractals and Scaling in Finance[M].New Yo rk:Sp ringer,1997.

[44]Mandelbrot,B.B.A multifractal walk dow n Wall Street[J].Scientif ic A merican,1999,(298).

[45]LeBaron,B.D.Agent-based computational finance:Suggested reading and early research[J].Journal of Econom ic Dynam ic Control,2000,(24).

[46]Lux,T.,M.Marchesi.Volatility clustering in financial markets: A microsimulation of interacting agents[J].International Journal of Theoretical and A pp lied Finance,2000,(3).

[47]Challet,D.,M.Marsili,Y.C.Zhang.M inority Games:Interacting A gents in Financial M arket[M].Oxfo rd University Press, 2004.

[48]Queiros,S.M.D.,E.M.F.Curado,F.D.Nobre.A multi-interacting-agent model for financial markets[J].Physica A,2007, (374).

Comment on Methods of Financial Market Risk Measurement

W EI Yu,W EN Xiao-qian,LA I Xiao-dong (School of Econom ics&M anagement,Southw est J iaotong University,Chengdu 610031,China)

We must depend on the comp rehensive and efficient financial market management in order to keep financial market going on healthily so that the national economy can increase continuously and steadily.How ever,the p recise measurement of market risk is the p recondition of financial risk management.Risk management refers to the risk of financial assets value change because of market facto rs,such as rates,exchange rates,stock p rices,commodity p rices and so on.This paper makes a comp rehensive review of relative assump tions of financial market risk management theory,methods of measurement and main-stream models.Then,the paper discusses the rigo rous challenges in reality.Finally,by describing all kinds of stylized facts in financial market,it further points out their significant revelations on the study of market risk management.

market risk;risk management;stylized fact

book=0,ebook=1

F830.9

A

1671-0169(2010)04-0112-07

(責任編輯:燕 祥)

2010-03-03

國家自然科學(xué)基金 (70501025,70771097,70771095);教育部新世紀優(yōu)秀人才支持計劃 (NCET-08-0826);教育部長江學(xué)者和創(chuàng)新團隊發(fā)展計劃項目 (IRT0860);中央高校基本科研業(yè)務(wù)費專項資金資助項目 (SWJ TU 09ZT32, SWJ TU 09CX088)

魏 宇 (1975—),男,四川攀枝花市人,教授,博士生導(dǎo)師,管理學(xué)博士,研究方向:金融工程、金融復(fù)雜性。溫曉倩 (1986—),女,山東淄博市人,碩士研究生,研究方向:金融工程、金融復(fù)雜性。