R语言VaR市场风险计算方法与回测、用LOGIT逻辑回归、PROBIT模型信用风险与分类模型...

全文下载链接：http://tecdat.cn/?p=27530 

在本文中，市场风险指的是由金融市场中资产的价格下跌或价格波动增加所导致的可能损失。

相关视频

市场风险包含两种类型：相对风险和绝对风险。绝对风险关注的是整个资产收益的波动率，而相对风险关注的是资产收益与某一基准（比如某个市场指数或投资组合）相比较的跟踪误差。

市场风险也可以按照与经济和金融变量（比如，利率、股票指数）的关联性分为直接风险和间接风险：直接风险指的是与这些基准经济金融变量线性相关的风险（比如债券、股票、期货），而间接风险则是与这些变量有非线性关联成分的风险（比如，期权、复杂衍生品）。

度量市场风险目前最常用的工具是在险价值（Value at Risk, VaR）。

VaR的定义与计算方法

VaR度量的是在一段时间内某种置信水平下某风险资产的可能损失。比如，某个投资组合在95%置信水平下的日度VaR是10万元，表示在任何交易日，该资产的损失只有5%的可能会超过10万元。

VaR在金融机构中使用非常普遍，很多机构设置内部VaR进行止损，如果某天损失超过内部VaR，就需要马上清空仓位进行止损。

正态分布法

正态分布法假设收益率服从正态分布，运用矩估计可以简单求得：

此时所求的在置信水平下的VaR就是： 

例 假设某银行的风险管理部门希望以正态分布法计算日度的VaR，其资产的标准差为1.4%，且资产当前市值为5300万元，请计算其95%置信水平下的VaR。

答：标准正态的下5%分位点为-1.65，则其收益率的VaR是-1.65×1.4%=-2.31%，其总资产的VaR就等于2.31%×5300万元=122430元，即单日损失超过122430元的可能性仅有5%。

因为日度的标准差可以简单的通过变换来得到月度、季度或是年度的标准差，在正态分布法的框架下，VaR也可以由此进行变换，得到其他期限状况下的VaR：

日度损失换算成年度则是

例：以R编程实现正态分布法非常简便，以HS300指数2014年的日数据为例，其99%置信水平下的单日VaR可以通过以下一段R代码来计算。

首先画出HS300指数在2014年的时序图和日收益率图，其R代码和图表如下：

HS300date<as.Date(HS30$e)将导入数据中的日期识别为日期格式的序列

n<-now(HS0)  #计算样本的观测数

re<log(HS300$close\[2:n\]/HS300$close\[1:(n-1)\]) #计算日收益率par(fro=c(1,2)) 将图表工作区分为2列画图区plt(HS300dte,HS00$close,typ='l',col'b,xlab='日期', ylab='收益率')  #画出日收盘价和日收益率的时序图

---

点击标题查阅往期内容

R语言基于ARMA-GARCH过程的VAR拟合和预测

左右滑动查看更多

01

02

03

04

然后针对收益率序列估计其均值和方差，并计算VaR：

#正态分布法



alha<-0.99  #设定置信水平



s0<-HS30$cse\[n\]  #设定初始资产价值



m-mean(e)  #计算均值



sgma-sd(e)  #计算标准差



daR<-(musiga*qorm(alpa,0,1))  #计算每日VaR



VaR<-\*sigma\*qnormalph,0,1)*qrt(52)  #计算全年VaR，假设日收益率为0.

最终的计算结果为，在99%置信水平下，持有HS300股指的每日最大可能损失2.64%，在2014年年末预计明年最大可能损失为1542.94点。

针对某些衍生品或投资组合，如果其资产价值与某个风险因子呈线性关系，也可以通过正态分布法来计算VaR，此时该方法称为Delta-Normal法：

厚尾__分布法

实际中虽然正态分布法使用最多，但有时也需要考虑到收益率分布不是正态的情形。事实上，资产收益率在实证中已经被发现大多数时候有尖峰厚尾的现象，即尾部的分布密度较正态分布要大，从而导致实际收益分布的下分位点大于正态分布的分位点。此时就需要考虑采用一些对于厚尾分布有所度量的分布。

Weibull分布可以对于厚尾性质有所度量。当然其他类型的如Beta分布，__对数正态、Gumbel分布等也可以度量厚尾，具体的思路和计算方法与此相同，这里主要以Weibull分布为例进行介绍。Weibull分布密度函数形式如下：