Var风险价值的计算方法
1. Find a set of return data from
a set of price/rate data: = P2/P1 - 1 or Ln(P2) - Ln(P1)
2. Calculate mean = AVERAGE(return data)
3. Calculate stdev = STDEV(return data)
4. Calculate VaR (99% confidence level) = mean - 2.33*stdev, should
be negative.
5. today value = latest price/rate data
6. tomorrow worst case = today value* (1 + VaR)
note: daily data of one asset
If a portfolio of assets,
The steps:
1. Collect historical daily data for asset A prices and calculate
the daily return.
2. Collect historical daily date for asset B prices and calculate
the daily return.
3. Generate covariance matrix for asset A and B.
4. Calculate portfolio variance and standard deviation. In Excel,
it can be done using MMULT(MMULT(TRANSPOSE(value),covariance)
5. Calculate VaR at 99% confidence level as 2.326 multiply by
standard deviation.
6. Tomorrow's worst value = Today's value - VaR
以上是如何在excel中处理var模型的计算。要点在于计算方法的学习。同样，在stata中也可以作同样的处理操作，然而对于矩阵的计算，matlab更为强大一些。
&VaR（Value at
Risk）值三种计算方法
维基百科的详细解释
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。当前位置： >
> 文章正文
银行从业资格考试《风险管理》知识点：风险价值
（1）风险价值的基本概念
风险价值是指在一定的持有期和给定的置信水平下，利率、汇率、股票价格和商品价格等市场风险要素发生变化时可能对产品头寸或组合造成的潜在最大损失。例如，在持有期为1天、置信水平为99%的情况下，若所计算的风险价值为1万美元，则表明该资产组合在1天后的发生1万美元以上损失的可能性不会超过1%.但是VaR并不是即将发生的真实损失；VaR也不意味着可能发生的最大损失。
VaR值是对未来损失风险的事前预测，考虑不同的风险因素、不同投资组合（产品）之间风险分散化效应，具有传统计量方法不具备的特性和优势，已经成为业界和监管部门计量监控市场风险的主要手段。VaR值的局限性包括无法预测尾部极端损失情况、单边市场走势极端情况、市场非流动性因素。
（2）计量VaR值的方法
商业可根据实际情况自主选择VaR值计量方法，包括但不限于方差-协方差法、历史模拟法和蒙特卡罗模拟法等。
①方差-协方差法
方差-协方差法假定投资组合中各种风险因素的变化服从特定的分布（通常为正态分布），然后通过历史数据分析和估计该风险因素收益分布方差-协方差、相关系数等。在选定时间段里组合收益率的标准差将由每个风险因素的标准差、风险因素对组合的敏感度和风险因素间的相关系数通过矩阵运算求得。该方法是所有计算VaR的方法中最简单的，只反映了风险因素对整个组合的一阶线性和二阶线性影响，无法反映高阶非线性特征，该方法是局部估值法。
②历史模拟法
历史模拟法假定历史可以在未来重复，通过搜集一定历史期限内全部的风险因素收益信息，模拟风险因素收益未来的变化。首先，选择合适观察期的风险因素历史收益率时间序列；其次，给定第一步得到的时间序列，计算持有期内组合价值变动的时间序列；最后，把从历史数据归纳出的风险因素收益实际分布情况列表显示，选择某一置信水平下的对应损失分位数，即可得到相应的VaR值。
历史模拟法的透明度高、直观，对系统要求相对较低。但对数据样本选择区间较为敏感，既可能包括极端的价格波动，也可能排除极端情况。历史模拟法反映了风险因素统计规律，因此不需要任何分布假设，也无须计算波动率、相关系数等模型参数。由于历史模拟法的风险因素的历史收益本身已完全包含了风险因素之间的相关关系，因而可以全面反映风险因素和组合价值的各种关系，是基于全定价估值的模拟方法。
③蒙特卡罗模拟法
蒙特卡罗模拟法是一种结构化模拟的方法，通过产生一系列同模拟对象具有相同统计特性的随机数据来模拟未来风险因素的变动情况。蒙特卡罗模型所生成的大量情景使得在测算风险时比解析模型能得出更可靠、更综合的结论，同时体现了非线性资产的凸性，考虑到了波动性随时间变化的情形。但是该方法需要功能强大的计算设备，运算耗时过长。
方差/协方差法存在许多不足之处，由于大部分产品价值的变化并非与其风险因素的变化有线性或二阶呈列关系，采用近似估值会令许多金融产品的估值不准确，由于风险因素变化的多元正态分布假设导致无法保证无偏估计，也导致计量的不准确。蒙特卡罗模拟法能够满足计量和估值准确性的要求，但是高度依赖风险因素分布规律假设，模型风险较高，且较难实施，需要非常庞大的资源支持。历史模拟法能普遍满足各主要衡量标准的要求，重要的是它不会带来估计偏差，也不存在明显的模型风险，且较容易落实。
银行从业资格考试《个人贷款》知识点：借款人风险及控制措施
网友点击排行榜
中国与巴新渔业领域合作前景广阔
金融书籍下载排行
本站所有书籍下载地址打包放出（711本，更新至日）
版权所有 Copyright(C) 天下金融网()，未经授权禁止复制或建立镜像，否则将依法追究法律责任！
声明：我们不做任何形式的代客理财及投资指导，凡是以天下金融网名义做股票推荐的行为均属违法！
广告商的言论与行为均与天下金融网无关！股市有风险，投资需谨慎。最新公告：目前，本站已经取得了出版物经营许可证 、音像制品许可证，协助杂志社进行初步审稿、征稿工作。咨询:400-675-1600
您现在的位置：&&>>&&>>&&>>&正文
金融市场风险价值的计算
定制原创材料,由写作老师24小时内创作完成,仅供客户你一人参考学习,无后顾之忧。发表论文
根据客户的需要,将论文发表在指定类别的期刊,只收50%定金,确定发表通过后再付余款。加入会员
申请成为本站会员,可以享受经理回访等更17项优惠服务,更可以固定你喜欢的写作老师。
随着世界经济的日益复杂化，金融市场在其运作过程中面临风险增大的趋势，市场风险成为国内外经济领域关注的焦点，其中市场风险的度量与监测是整个风险管理理论的基础与核心。在这种情况下，早在1993年JPMorgan公司提出来VaR模型，它有助于金融管理者全面测量市场风险。与此同时，金融资产时间序列常常表现出“尖峰厚尾”、“波动集群”等特征，本文选取了GARCH类模型来改进传统风险计算方法所带来的局限性，使计算结果与实际情况更加符合。
二、实证分析
1.数据的选取与处理本文以日到日沪深300日收盘指数为样本，共取414个样本值，以此来分析我国股市的风险。该数据来源于中国社会科学院金融研究所数据库，并且通过Eviews5.0软件得出本文所用图形和计算结果。利用公式得到收益率为对数收益率rt=lnpt-lnpt-1，其中pt表示在t时刻的收盘指数，由此我们得到收益率时间序列{rt}的基本统计分析如图1。根据图1进行分析，沪深300指数的收益率都在一个常数附近上下波动，在一段时间内较大的波动后跟随着大的波动，相对小的波动后伴随着较小的波动，呈现出波动集群性。其Sk值小于零的，是左偏分布，并且峰度值8.5097明显大于正态分布的峰度值3，这说明两个收益率序列不服从正态分布，具有尖峰厚尾的特点。
2.收益率的平稳性和相关性检验由于非平稳序列对后续模型的建立具有不利影响，本文利用ADF方法对收益率序列进行平稳性检验。结果显示，ADF统计量都小于1%、5%、10%的显著水平临界值，且P值为0，可以在95%的显著水平下拒绝原假设，说明收益率序列没有单位根，是平稳的。通过序列的相关统计图可以看出，收益率序列的自相关系数拖尾，偏自相关系数在滞后4阶处存在相关性，因此对收益率时间序列建立均值方程。
3.GARCH模型的建立根据建立的回归方程对其残差进行ARCH-LM检验，判断残差序列是否具有ARCH效应，检验结果中χ2检验的相伴概率P值为0，所以拒接原假设，即沪深300指的收益率序列具有高阶ARCH效应。在建立模型过程中，通过比较AIC与SC信息准则，经过反复计算得出GARCH(1,1)模型拟合效果最好，计算结果如表2所示。由表2可知，条件方差方程中各参数的z-统计量非常显著，并且所对应的P值都等于0，因此在检验水平为5%的条件下这些参数是显著的。并且方程中的ARCH项和GARCH项的系数都大于零，两系数相加为0.971842小于1，满足模型参数约束条件。由于系数之和非常接近于1，因而前期的冲击对未来的影响是具有持久性的。接着对GARCH模型估计的残差进行ARCH-LM检验，其结果显示接受原假设，残差不存在条件异方差，因此可以用GARCH模型做进一步计算。
4.VaR值的计算与检验基于上述GARCH模型生成其条件方差，然后代入公式VaR=Pt-1aht，可以得到VaR估计值。本文选取不同的置信水平来比较对计算VaR值所带来的影响，表3给出了VaR的一些统计结果及检验数据。由表3可以看出，以置信水平为95%的情况为例，有95%的把握可以将指数的损失控制在105.1435以下，但我们不能简单的认为VaR-GARCH模型完全估计出股市的风险程度，在股市波动较大的时期往往存在低估风险的情况。
三、小结与展望
由于收益率时间序列是尖峰厚尾的，本文在模拟VaR-GARCH模型时采用的是正态分布的情况，与实际情况有一定差别，可进一步计算在其他分布下的估计值进行比较。另外，本文只介绍了一种模型，还可利用GARCH-M、EGARCH、TARCH等模型进行改进，提高预测的准确性。
作者：解怡萌 王婧伊 单位：辽宁师范大学金融市场风险价值的计算责任编辑：杨雪&&&&阅读：人次
上一篇论文： 下一篇论文：
按栏目筛选
金融市场论文热门范文
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
金融市场论文相关文章