第 1 章 绪 论
1.1 选题背景与意义
2008 年 10 月 2 日到 3 日，世界银行和国际货币基金组织研究部在华盛顿共同举办了“风险分析与风险管理”会议。会议之后，全球金融危机愈演愈烈，当2009 年 3 月全球股市低点到来时，全球各主要指数例如 S&P500 和 MSCI 指数相比于 2007 年的高点蒸发了超过一半的市值，越来越多的金融机构遭受了危机的损失。为了减少本国银行、企业的风险，一些政府在市场行动中开始变得保守；还有一些政府为了控制系统性危机，为存款者和债权人提供了保证性措施；更有甚者，一些政府接管了部分本国银行和企业，出台了一系列的监管措施，令中央银行注入流动性。全球金融危机同样降低了国际贸易活动，贸易保护重现，导致发展中国家资本流出，人民生活水平下降。
此次金融危机具有以下几个特点：资产价格上升带来不稳定性；信用激增导致超额债务负担；危机发生之前金融监管失效等。此外，这场金融危机还有几个新特点：大量复杂结构金融工具的使用；金融市场之间的联系尤为密切；金融机构的高杠杆率；房地产的重要作用。一定意义上说，这是大萧条以后的第一次全球性金融危机。信息技术的发展放大了金融危机的危害。就像传染性病毒一样，在一段时期内危机以前所未有的速度通过各种渠道传播。为存款者和债权人提供保证性措施扭曲了金融市场的有效性，这并不是解决银行危机最有效的方法。政府接管本国银行和企业的做法，也会增加金融市场的不稳定性，甚至会导致银行系统更大的危机。不管是在正常时刻还是在危机时刻，政府都不适合提供金融性服务。金融监管的目标并不是降低金融机构的风险承受能力，而是在金融机构承受风险时能够安全的管理。监管者有义务使投资者了解他们所面临的风险。
从 20 世纪 70 年代至今，金融风险管理技术已经从一门艺术发展为严肃的科学。20 世纪末以后，特别是最近几年，由于金融风险事件的频发，风险管理技术的发展更为迅猛。与此同时，全球化的兼并浪潮和混业经营的兴起也对风险管理技术提出了更高的要求。风险管理成为金融机构和工商企业的核心竞争力，也成为现代金融理论的核心内容。美国作为全球金融领域发展最为成熟的国家，其风险管理方法及技术处于世界领先水平，其中有很多值得中国学习、借鉴的经验。此次全球金融危机发生后，对于如何改进风险度量方法与监管方式，人们逐渐有了更新的认识。改进现有的风险度量模型，使之适应变化了的国际金融新环境，采取有效的方式防微杜渐成为人们关注的重点。选择合理有效的风险控制方法，对全球金融市场的稳定发展具有重要的意义。同时，对中国来说，如何选择合理的方法管理风险，成为中国大力发展金融市场的必然选择。如今当务之急是提升中国的风险管理能力，包括将最新的数据输入到模型中，或者利用压力测试、情景分析等来作为风险度量方法的有效补充。
1.2 国内外相关研究现状
1.2.1 金融风险度量方法概述
1952年Markowitz提出的均值—方差模型被认为是金融市场风险度量方法的开山鼻祖，自此之后，很多学者对金融风险的度量方法进行了一系列的探索。传统的风险度量方法大多采用线性度量的框架，这类模型主要有均值—方差模型，资本资产定价模型(CAPM)，久期，凸度等。20 世纪 70 年代以后，国际金融市场开始迅速发展，衍生品等复杂类型的金融产品得到广泛运用，原来的线性度量模型已经不能满足日益复杂的金融风险的度量。在此背景下，学者们开始关注非线性度量模型的研究，现代金融风险度量方法开始发展。VaR 模型就是在这样的基础上应运而生。从最初的诞生到现在国际金融机构的广泛运用，VaR 在世界范围内的推广仅仅用了十几年的时间。VaR 对国际金融机构度量市场风险提供了很好的分析工具，其优点就在于能够将不同类型的市场风险进行加总，用一个具体的数值表示风险的大小。针对 VaR 不能度量尾部风险的缺陷，压力测试成为 VaR 模型的一个有效补充，近年来压力测试在银行业的风险测度中广泛运用。在市场风险度量模型迅速发展的同时，信用风险度量也越来越受到人们的重视，传统的信用风险模型侧重主观评价，例如专家判别法，主要依赖专家的市场经验做出主观判断。之后学者又发展了线性、非线性等参数度量方法。20 世纪70 年代以后，面对日益复杂的市场状况，对信用风险度量模型的研究开始转向非参数方法。目前，国际大型的金融机构、银行都有自己研发的信用风险模型，在遵循巴塞尔新资本协议的基础上对各自的风险进行有效度量。
第 2 章 金融市场风险及管理概述
2.1 金融风险
在金融领域，风险是影响金融活动的基本因素。对于风险的含义，并没有一个统一的定论，不同的金融机构根据其资本结构、经营和投资策略给风险不同的定义。在经济领域，风险并不是一个负面概念，它只是表明未来的不确定性或者预期结果的离差。Markowitz(1952)首次用标准差来定义投资者的风险，风险即为偏离均值的程度；在商业投资领域，风险是指预期未来现金流的波动性；在CAPM(资本资产定价模型)中，风险是指由于市场风险因子变动而造成的资产价格波动。
金融风险并不是一个孤立的实体。事实上，风险可以分为以下几个类别：市场风险、信用风险、操作风险、流动性风险、法律风险和监管风险等。这种分类是过去十几年风险管理科学飞速发展的支柱，这种分类也显示出每一种类型的风险在经济上基本的差异。在很多金融机构中，这种分类同样影响着风险管理的实施。市场风险通常定义为非预期的市场风险因子，如股票、利率、汇率、商品价格的变化而导致资产价格下降的风险。市场风险是最容易理解的风险，并且具有大量的优质数据可供分析选择。很多风险度量工具，例如 value at risk(VaR)，就是度量市场风险的工具。信用风险是指由于交易对手或发行商信用质量下降，而造成资产价格下降或债务违约的可能。当交易对手违约率上升或评级下降时，信用风险上升。巴塞尔委员会将操作风险定义为“由于不完善的内部流程、人员、系统或外部事件而带来的风险损失”。由此可见，操作风险可能由多种不同的原因引起，例如欺诈、不健全的管理和报告结构、不正确的操作流程、交易结算失误、错误的信息系统或自然灾害等。流动性风险是指为了满足短期债务而提高现金需求的风险（即融资性流动风险），以及市场崩溃时买卖资产的风险（即交易性流动风险）。这两方面是紧密联结的，因为为了偿还债务而需要现金时（发生融资性流动风险），金融机构可能抛售其资产来套现（发生交易性流动风险）。法律和监管风险是指由于违反现行法律、法规或者由于适用性法律的变化而带来的损失。
第3章 美国金融市场风险度量方法.............................. 22-44
3.1 信用风险度量方法分析............................ 22-29
3.2 市场风险度量方法分析............................ 29-41
3.3 操作风险度量方法............................ 41-44
第4章 美国金融市场风险度量模型研究............................44-60
4.1 CreditMetrics 模型............................ 44-45
4.2 宏观经济模型(Credit Portfolio View) ............................45-46
4.3 精算模型(Credit Risk+) ............................46-48
4.4 VaR............................ 48-60
第5章 金融市场风险度量方法在中国的应用............................ 60-70
5.1 中国金融市场风险现状与现实选择 ............................60-62
5.2 美国风险度量方法在中国的应用............................ 62-69
5.3 结论 ............................69-70
结论
通过以上的实证分析，我们可以看到，利用 VaR 方法进行组合风险的度量，在中国也具有很强的适用性。通过这种方法，我们不仅可以预测出一定置信水平下的最大损失，提前做好风险控制措施，合理配置资本；同时，借助 VaR 方法，也可以进行投资组合的比例配制，将风险控制在合理的范围内。由于中国股市发展较晚，且受政策的影响程度较大，因此在应用 VaR 方法时，各种参数需要根据中国的实际情况来制定，以使模型适应中国的国情。在中国未来的风险控制道路上，要尽快吸收消化美国的风险控制技术，通过中国风险管理人员的努力，开发出更先进、更精准的模型，逐步让中国的风险控制技术处于世界领先水平。
参考文献
[1]Altman E.I..Baidya,and M.R.Dias. Assessing Potentialhttps://www.51daxielunwen.com/gjjrlw/ FinancialProblems for Firms in Brazil[R]. Nyu Salomon Center, September 1977.
[2]Basel Committee on Banking Supervision.Overview of the New BaselCapital Accord[R].Consultative Document(2001c),January 2001.#p#分页标题#e#
[3]Berkowitz J.. A Coherent Framework for Stress testing[R]. FederalReserve Board,FEDS 1999.
[4]Butler J.S.,Schachter B..Improving Value-at-Risk estimates bycombining kernel estimation with historical simulation[R]. VanderbiltUniversity，1996.
[5]Christian Capuano,Jorge Chan-Lau, Giancarlo Gasha, CarlosMedeiros, Andre Santos, and Marcos Souto. Recent Advances in Credit RiskModeling[R].2009/162.
[6]Emine Boz and Enrique G. Mendoza. Financial Innovation, theDiscovery of Risk, and the U.S. Credit Crisis[R]. 2010.
[7]J.P.Morgan. Annual Report[R].2001.
[8]KMV. Credit Monitor Overview[R].San Francisco,Kmv Corporation,1993.
[9]Leippold M.,Trojani F.,Vanini P..Equilibrium Impact of Value-at-Risk [R]. University of Zurich,2003.
[10]Morgan J.P..CreditMetrics[R].New York,Technical Document.April2,1997.
