卢策开题报告修改版 2Word文档格式.docx

卢策开题报告修改版 2Word文档格式.docx

《卢策开题报告修改版 2Word文档格式.docx》由会员分享，可在线阅读，更多相关《卢策开题报告修改版 2Word文档格式.docx（20页珍藏版）》请在冰豆网上搜索。

开题日期2013年01月14日

第1章文献综述

反常扩散模型在风险管理中的应用

1.1引言

近几年来，世界金融格局发生了重大变化，金融自由化席卷全球，金融创新活跃，世界金融市场发展势头强劲，在发展的过程中，也呈现出一定的波动性，各类市场参与者所面临的金融风险越来越严重。

金融风险的大量存在一方面极大地影响了各企业和公司的正常运转和生存，另一方面也严重威胁着一国甚至全球金融及经济的稳定发展。

近年来发生了多起金融危机，给人们带来严重的经济损失，特别是2008年的全球金融危机，至今让人们仍记忆犹新，老牌金融公司一一创立于1850年的雷曼兄弟公司，虽然其已在各方面取得良好成绩，并拥有良好声誉，但其仍未能走出次贷危机的冲击，最终在2008年9月宣布申请破产保护。

面对身边这些危言耸听的金融风波事件，许多工商企业及金融机构逐渐意识到加强风险管理以减少损失的重要性，人们对风险管理的关注日益加强，正因如此，越来越多的市场参与者以VaR为基础，进行风险管理。

VaR的概念是G30小组在1993年首次提出的，接着J.P.Morgan银行在1994年首次公布了他们的VaR计算系统，随后，VaR方法逐渐发展为度量市场风险的一种主流方法，广大金融机构及其他市场参与者将、VaR方法应用于日常的风险管理之中。

Forpersonaluseonlyinstudyandresearch;

notforcommercialuse

1.2国内外研究与应用现状

现代投资组合理论研究的是各种相互关联的、确定的及不确定的条件下，理性投资者应该怎样做出最佳的投资选择，即如何把一定数量的资金按照合适的比例，分散投资于各种不同的证券商，以实现效用最大化的目标。

在这一领域内，国内学术界先后提出了投资组合理论、资本资产定价模型和期权定价模型，建立了对于各种风险的计量和分析的重要思想方法。

随着金融全球化的发展，金融市场、金融交易规模日益膨胀，金融资产价格的波动性相应变大，对金融市场风险的分析研究变得尤其重要。

VaR方法即是对市场风险进行测度的一种重要工具。

VaR（ValueatRisk）字面解释为“在险价值”，其含义为在一定概率水平下，某一金融资产或证券组合价值在未来特定时期内的最大可能损失。

用公式表示为：

其中Prob：

资产价值损失小于可能损失上限的概率；

：

某一金融资产在一定持有期的价值损失额；

VaR：

置信水平下的风险价值——可能的损失上限；

给定的概率——置信水平。

1.2.1国外研究动态

20世纪90年代初，国外学术界开始强调风险的量化和统一的度量尺度。

1993年7月，国际性民间研究机构G-30在《衍生产品的实践和规则》报告中最早提出利用VaR方法对风险进行监管。

VaR法的核心在于如何确定资产组合收益的统计分布和概率密度函数。

国外对基于VaR方法的风险管理的研究已经相当成熟，主要集中在如何确定VaR值的问题上。

主要有以下三种方法：

1.历史模拟法（HS，HistoricalSimulationmethod）没有对复杂的市场结构做出假设，而是假定采样周期中收益率不变，借助过去一段时间内的资产组合风险收益的频率，通过找到历史上一段时间内的平均收益以及置信水平下的最低收益水平，来推算VaR的值。

其隐含的假定是历史数据在未来可以重现。

HS方法简单，易于操作，但弊端在于用过去的数据来预测将来的发展误差较大。

Boudoukh、Richardson和Whitelaw（1998）改进了历史模拟法，提出了具有指数权重的历史模拟。

Hull和White（1998）认为可以通过历史数据计算每一个市场因子当前日期和每一天的日变动估计，然后用当前波动率与历史波动率作比值来对历史收益进行调整，用调整后的收益率替代实际的收益率来为投资组合定价，进而形成经验分布以估计VaR的值。

这种方法的好处是通过重新调整收益能够反映目前的市场变动。

Bulter和Schachter（1996）则提出利用高斯核估计和高斯Legendre积分相结合，来求得VaR的值和对应的置信区间。

2.蒙特卡罗模拟法（MC，MonteCarlo）的基本思想是用市场因子的历史数据生成该市场因子未来的可能波动情景，并通过模拟来确定真实分布，从而确定VaR的值。

由于MC方法可以较好地处理非线性、非正态问题，可以用来分析各类风险，所以优越性很明显。

在此基础上形成的Delta-Gamma-thetaMonteCarlo、网格MonteCarlo和情景MonteCarlo等模拟更简化了计算。

3.方差——协方差估计法的核心是对资产回报的方差——协方差矩阵进行估计从而确定VaR的值和置信区间。

Engle（1982）引入了自回归条件异方差ARCH模型，Bollerslev（1986）提出了广义自回归条件异方差GARCH模型，是这一方法能够解决残差异方差的问题。

对不满足正态性的资产组合，VaR方法得到的值通常被低估，所以近年来国外学者又提出半参数法（厚尾方法）。

该方法着重于对收益率分布尾部的估计，使之能够解决金融时间序列的“厚尾”现象。

尤其是基于ARCH模型VaR分析在描述资产收益波动性方面有不可比拟的功能。

国外除了研究VaR的估计方法外，还讨论了VaR的缺陷问题。

Artzener、Fritte、Giorgio等学者通过理论与实证的研究都认为一个行之有效的风险测量方法必须满足正齐性、次可加性、单调性及过渡不变性。

Beder通过实证研究总结了VaR的两点缺陷：

其一，VaR不能起到预警作用，即用VaR不能表示初临近的不利事件的发生；

其二，VaR本身没有意义，主要表现在金融工具本身很复杂，证券组合庞杂，市场概率的估计困难，计算中各种近似方法的运用与估计VaR的统计错误很多。

Artzner通过实证研究认为VaR在非正态分布的情况下不能满足次可加性。

目前国外对VaR方法的研究已经超出了金融资产的市场风险的范围，涉及到非金融资产的风险度量、业绩评估和金融监管等方面。

1.2.2国内研究动态

我国市场经济发展不够完善，金融市场初具规模，金融市场风险被政策风险所掩盖，以致国内对风险管理的认识较晚，对VaR方法的研究起步也较晚。

国内对VaR方法的研究以1999年为界限可以分为两个阶段——了解学习阶段和深入研究并具体应用阶段。

了解学习阶段主要是对VaR方法的引入，着重于对VaR的感念、方法的介绍。

国内对VaR方法的研究最早开始于郑文通（1997），对VaR方法产生的背景、计算原理及应用作了介绍，并分析该方法对中国的现实意义。

牛昂在《风险管理的新方法》（1997）中介绍了各种计算VaR的方法，并对优劣性进行了评议。

从1999年开始，我国学者对VaR方法的讨论进入深入研究和实际运用的阶段。

詹原瑞（1999）从极值理论的角度对VaR进行了理论和实际运用的双层次研究。

之后更多的学者在理论范畴和实证范畴研究了VaR方法。

王春峰在专著《金融市场风险管理》（2001）中第一次全面系统地介绍了以VaR为核心的风险测量方法，同时指出用MonteCarlo模拟法计算VaR所存在的缺陷，提出了用马尔科夫链来计算VaR值，将国内VaR的研究推向了一个新的高度。

马杰（2001）在《人民币行为研究与外汇风险管理》博士论文中，将VaR方法应用于宏观和微观两个层面的外汇风险管理。

屠新曙（2002）将VaR与最佳投资组合的概念结合起来，开发了一种新的理论，一种类似Markowitz均值——方差选择最优投资组合的理论，即满足VaR约束条件的最优均值——投资组合理论。

郭家华（2010）提出我国的银行监管应从传统的思路——制定更严格管制条例和进行更严格的现场审查中跳出来，转而建立全国统一的信用评级体系，鼓励商业银行采用VaR模型和方法，才有利于我国信用风险管理水平的提高和金融体系的健康发展。

张田（2010）结合国内某大型外贸企业的风险管理的实例，介绍了如何用VaR方法管理市场风险及进行风险调整后的绩效评价，认为VaR方法不但能建立相对理性及量化的风险管理体系，较好地解决企业风险管理的混乱现象，且VaR值可作为一参考指标指导企业资源更好地配置。

国内也有学者研究VaR方法的缺陷。

王建华在《度量与控制金融风险的新方法》（2002）一文中首次指出了VaR的缺陷并提出了CvaR的概念，阐述了CvaR的优点和作用及其在证券组合优化中的应用。

1.3存在的问题与不足

所有上述所提到的模型是基于资产组合的概率分布满足正态分布这一假设前提下得到结果的。

Mandelbrot（1963），Fama（1965）等人发现资产收益具有高峰度的分布特征，在一些金融时间序列里，相比于正态分布，收益率的无条件分布密度一般具有更大的峰度和更厚的尾部。

在分形介质中分子扩散现象不能用标准的扩散方程来描述，称之为反常扩散。

由于自然界中反常扩散现象的广泛性，近年来，Fokker-Planck方程，Langevin方程，master方程，非线性扩散方程，分数阶扩散方程和含非线性项、分数阶导数的扩散方程常常被引入用以描述这种现象[1-6]。

如

任福尧等人于2006年已经证明了分数阶扩散方程

（6）

的解具体形式基本上依赖于潜在几何的形状,但是,有趣的是,我们可以知道的渐进行为,有,其中,,这种形式的解称为伸长的Gaussion分布,与标准正态分布相比,具有尖峰厚尾性。

因此将分数阶反常扩散模型引入到风险管理中求出Var，不仅考虑了资产组合收益率的尖峰厚尾性，又给出了风险的一个数量化标准，这也正是本学位论文想要研究的主要内容。

参考文献

[1]陈忠阳.VaR模型与金融机构风险管理[J].金融论坛,2001,（5）.

[2]刘玲、赵娇.风险测度和管理的VaR方法及其优缺点[J].北方经贸，2003.

[3]卢文莹.金融风险管理[M].复旦大学出版社，2006.

[4]谷秀娟.金融风险管理—理论、技术与应用[M].立信会计出版社，2006.

[5]郑文通.金融风险管理的VaR方法及其应用[J].国际金融研究，1997,（9）.

[6]牛昂.银行管理的新方法[J].国际金融研究，1997,（7）.

[7]姚刚.风险值测定法浅析[J].经济科学，1998，

（1）.

[8]刘宇飞.VaR模型及其在金融监管中的应用[J].经济科学，1999，（l）

[9]张尧庭.金融市场的统计方法[M].广西师范大学出版社，1998.

[10]詹原瑞.市场风险的度量:

VaR的计算与应用[J].系统工程理论与实践，1999，（12）.

[11]赵睿,赵陵.VaR方法与资产组合分析.数量经济技术经济研究.2002年（l1）:

44-47.

[12]景乃权，陈姝.VAR模型及其在投资组合中的应用.财贸经济.2003年

（2）:

68-71.

[13]姚小义，滕宏伟，陈超.证券公司资产管理业务的规模风险控制.数量经济技术经济.2002年（5）:

65-67.

[14]英定文.指数期货与证券机构定量风险管理体系.数量经济技术经济研究.2002年（10）:

71-74.

[15]杜海涛.VaR模型在证券风险管理中的应用.证券市场导报.2000年（8）:

57-61.

[16]Mandelbrot,B.Thevariation