风险价值（VaR）
南京大学金融学系 林辉 linhui@
1
第一节
1. VaR的含义
风险价值的定义
Value at Risk 译为风险价值或在险价值，
风险的货币表示。
VaR是指在某一给定的置信水平下，资产组
合在未来特定的一段时间内可能遭受的最大 损失（Jorion，1997）。
-0.1
-0.2
-0.3
250天后验测试示意图
27
后验测试与惩罚
BCBS规定：在连续250日内，监管部门测算银行 的实际损失超过VaR测量结果的天数平均不能超 过5天。
内部模型不准确的惩罚
绿灯区 结果出现偏差的天数 ≤4 5 6 7 8 9 ≥10 谨慎性乘数K 3 3.4 3.5 3.65 3.75 3.85 4
A银行从12月1日开始，未来10天内的资产组合
的损失大于1000万元的概率小于1%； 以99％的概率确信，A银行在未来10天内的损 失不超过1000万元；
3
2. VaR的优点
精确性：借助于数学和统计学工具，VaR以定
量的方式给出资产组合下方风险（Downside Risk）的确切值。 综合性：将风险来源不同、多样化的金融工 具的风险纳入到一个统一的计量框架，将整 个机构的风险集成为一个数值。 通俗性：货币表示的风险，方便沟通和信息 披露
pr
1-C
V
损失
V*
VaR
V0u
16
解析法的计算实例
假定A银行期初的资产市值V0＝$8,000,000，根据 历史资料，其资产月回报率服从正态分布，即1个 月内该银行的回报率为
r ~ N (0.01,0.04)
现在求其1个季度（3个月）的99％置信水平的VaR
VaR V0 zc T V0 T =8,000,000 2.33 0.2 3 8,000,000 0.01 3 =6,217,085.41062
置信水平

VaR

f ( x)dx 1 c
5
pr
1-C
损失
收益
ΔV *
VaR
ΔV
VaR计量的是资产组合的下方风险(Downside Risk)，虽然这种风险发生的概率只有5％或者1％， 但是危害性大，所以银行要加以防范。
6
第二节 VaR计算的基本模型
不妨将A银行的全部资产看成1个资产组合，期初（比如 2004.12.6）的盯市价值为V0，10天后其资产价值如下图
黄灯区
红灯区
第五节 VaR的其他用途
信息披露
1998年美国证券交易委员会的市场风险披露规则
“FRR No.48”要求所有规模较大的上市公司必 须选择包括VaR在内四种方式定量披露公司暴露 的风险（不仅仅是市场风险）
持有期＝10天
V0
V0（1＋r）
随机变量
其中，r是持有期的回报率，如果在某个置信水平C 下，第10天资产组合的某个置信水平的最低价值为 V*，则
V V0 (1 r )


回忆：资产组合在未来一段时间内可能的最大 损失。若以绝对损失定义（绝对VaR）
VaR V0 V * V0 r
明日（12月7日）可能的价格 7.88 8.82 8.24 8.43 9.18 7.86 7.79 8.59 7.63 8.58 8.26 8.26 7.9 8.25 8.36 8.55 8.15 8.51 8.41 8.1 7.96
1000 种 可能 的价格 （局部）
将S证券未来1000种可能的价格由小到大排 序，那么99％置信水平下的最大损失就是对 应于第10种最坏的情形。 将今天（12月6日）的价格－明天（估计的） 1000种中第10个最坏情形的价格，就得到了 99％置信水平下、持有期为1天的VaR。
累计分布达到5％所 对应的资产价值变 化为 -$25,800,000 。
VaR V V * $8,000,000 ($25,800,000) $33,800,000
第三节 VaR计算之一：解析法
1. 解析法（方差-协方差法、参数法）
借助统计学，利用历史数据拟合回报率r的统
已知的量
( V0 V * )
V0 V0 (1 r )
需要估计的未知量
注：(1)约定俗成，VaR一般以正数表示；(2)计算 VaR就相当于计算最小的V*值或回报率r*。
8
VaR的另一种表达：以回报的均值为参照——相对损失， 称为相对VaR。假定A银行未来（1个月）回报的概率分布 如下图所示
VaR V0 V 8.27 7.22 1.05 （元）
*
20
历史模拟法的计算步骤
收集资产的历史样本，计算历史上资产的回 报分布。 2. 假设资产未来回报的概率分布与其历史是同 分布的，故可用历史上的资产回报的分布来 表示未来价格的波动，并得到未来可能的N 种价格。 3. 将N种未来的资产价格从小到大排序，第N× （1－c）％个就是置信水平为C的最坏价格 4. 当前价格与最坏价格相减，就得到VaR。
计算原理：商业银行t日前1天的VaR值和前60天 平均VaR的k倍，取两者之间的最大值，就是t日 的最小风险资本（Min risk capital）
1 60 MRCt max(k VaRt i ,VaRt 1 ) 60 i 1 其中，k为监管部门规定的一个谨慎性乘数 如果模型不准确将加大处罚力度！
计算得到1000个交易日的涨跌幅。 假定这1000种涨跌幅在明天都有可能发生，以今日 价格为基础，那么明天的价格就有1000种可能。
18
20001021 20001022 20001023 20001024 20001025 20001028 20001029 20001030 20001031 20001101 20001104 20041122 20041123 20041124 200411271130 20041201 20041204 20041205 20041206
26
后验测试与惩罚
后验测试（Backtesting）：VaR计算的风险对实 际风险的覆盖程度。监管部门定期测试银行的内 部模型。
0.1
0.0
实际回报 GARCH-N(95%) GARCH-T(95%) EGARCH-GED(95%) GARCH-N(99%) GARCH-T(99%) EGARCH-GED(99%)

本质：把所有的可能列出
22
基本步骤：
情景产生：通过产生服从某种分布的随机数，
构造可能可能情景（比如东南亚金融危机）。 资产估值：在每个情景下计算资产的价格。 估计VaR：根据资产价格分布，计算某个置信 水平下的VaR。
例如：模拟1000个情景，从而得到资产价格的1000
个可能结果，由此得到价格的分布，根据最不利的 50个情景（95％置信水平）或最不利的第10个情景 （99％置信水平）
巴塞尔的标准法受到JP Morgan和G30的严厉指责。 G30：商业银行赖以生存的技能之一就是对其具有个
性化的资产组合建模，由此产生“内部模型法 ” （IRB）。 1996年，BCBS市场风险补充规则允许运用内部风险 管理的VaR模型作为计算资本充足性的基础。
25
基于VaR的最小充足资本
含义：在1个月内，该银行有99％概率确信其损失 不大于372万美元，或者说损失大于372万的可能性 只有1％。
12
解析法的计算公式
由上面的例子我们不难发现
若某个持有期内（1个小时，1天，1个月...) 回报率为 r ~ N ( , 2 ) 则 r
正态分布具 有对称性

z1c r z1c , 故
JP Morgan的CEO Weathstone要求每天《4.15 报
告》只产生一个数字的风险计量方法，计量不同 交易工具，不同部门综合后的风险。 截止到1999年，BCBS监管下的71家银行中有66家 对公众披露VaR
4
3.VaR的数学表示
损失：盯市计算
Pr(V VaR) 1 c
1.
21
第三节 VaR计算的三种方法
3. 蒙特卡洛模拟（Monte simulation）
蒙特卡洛模拟也是一种非参数方法，其计算
原理与历史模拟法相同，都是通过模拟资产 回报的路径得到各种可能结果，从而在得到 的组合损益分布的基础上，通过分位数来求 得VaR。 与历史模拟不同的是，蒙特卡洛模拟法对资 产价格分布的估计不是来自于历史的观测值， 而是通过产生大量的随机数得到的。
i 1 T
若每天的方差为 2，且各天之间相互独立，则T天的方差为 D(rT ) D( ri ) 2T D(rT ) T
i 1 T
解析法释义
VaR V0 ( zc T T ) ) V0 ( zc
每单位资产偏离了正常的状态 的程度，或者异常——风险。 在解析法下，资产的VaR等于期初资产的盯市价值 乘上方差和某个置信水平下的分位数，减去资产 的平均价值。 15
计分布，如正态分布、t分布、广义误差分布 （GED分布）等 由分布的参数来估计回报率r在某个置信水平 下的最小值
10
例子：假定回报服从正态分布
假定A银行期初的资产市值V0＝$10,000,000，根据 历史资料，其资产月回报率r服从正态分布，即1 个月内该银行的回报率为
r * 0.01 r ~ N (0.01,0.04) z 1c 0.2 若c 99%, 可以查正态分布表得到 z1c z1% 2.33, 所以 r 2.33 0.2 0.01 0.465
23
例：模拟一个股票的运动轨迹，初始的价格为 10元， 回报率为1％，波动率（标准差）为5％，模拟1000 次，计算95％置信水平的VaR。