VaR、CoVaR、delta CoVaR计算方法综述 案例与代码

 关注公众号卧新实验室，并回复关键数字获取本文帮助文档。例如：20001

      在金融市场上，金融机构的风险不仅受其自身因素的影响，还受其他金融机构风险的冲击，这种机构之间的风险波动传导机制即为风险溢出效应，然而，传统的度量风险的主流方法VaR（在险价值）只能衡量机构自身的风险，却无法捕捉到风险溢出效应的影响。在08年危机之后，VaR方法受到了人们的责备和质疑，而Adian和Brunnermeier于2009年提出的CoVaR方法，为风险管理实践提供了新的思路。

      条件风险价值（CoVaR）能够很好地度量风险溢出效应，是度量系统性风险的有效指标之一。计算CoVaR有多种方法，其原理不尽相同，需要合理选用方能有效评估系统性风险：

      ① 分位数回归法；② Copula函数法；③ DCC-GARCH模型。

      这三种方法是比较典型的三种方法。本文从不同的几个案例对这三种计算方法分别做了研究和测算了CoVaR。

一、分位数回归法

      由于现实中的金融数据往往不呈正态分布，而是呈“尖峰厚尾”分布，因此传统的线性回归方法在估计金融计量模型时失效。而且，传统的线性回归方法是基于均值进行估计，不能准确反映总体分布各个不同部分之间的关系。分位数回归的提出有效地弥补了传统线性回归的这一缺陷。

      分位数回归根据变量的不同分位数进行回归，可以得到全部分位数的回归模型。它将基于均值相关性的模型扩展至关注尾部相关性。而金融风险一般恰恰是由尾部事件（tail event）引起的，因此，分位数回归的方法广泛应用于金融风险的测度。

      同时与普通的回归估计方法不同的是，分位数回归模型特别适用于存在异方差性的模型，能够更加细致地刻画条件分布。并且它对分布的假设要求不高，估计量也不易受到异常值的影响，参数估计结果比最小二乘估计更加有效、稳健。

      根据CoVaR（条件风险价值）的定义，不难发现CoVaR本质上是VaR，而VaR本质上是一个分位数，因此CoVaR实际上也是一个分位数（条件分位数）。通过设定相应的置信水平，利用回归技术就可以得到线性关联关系下金融机构i风险价值对应的系统性风险价值。

（一）基于分位数回归的静态CoVaR计算