英语原文共 129 页，剩余内容已隐藏，支付完成后下载完整资料
Financial Risk Measurement for Financial Risk Management
将财务风险评估用于财务风险管理
Torben G. Anderseny , Tim Bollerslevz ,
Peter F. Christ , ersenx Francis X. Diebold
摘要：对于市场风险的评估，目前的做法主要都遵循严格的方法，如历史模拟或RiskMetrics。相反地，我们提出利用金融计量经济学近期发展出的灵活方法可能会更加准确地仅进行风险评估，（更加准确地）处理投资组合水平和资产级分析。因为金融机构现实风险管理的要求——特别是非常高维度情况下的实时风险跟踪，对模型的复杂性施加了严格的限制，资产级分析便显得尤其具有挑战性。因此，我们推崇强有力而简约的、很容易估算的模型。另外，我们强调需要更加深入地了解市场风险与宏观经济基本面之间的联系，主要关注权益回报波动性，真实的增率长以及实际增长波动率之间的联系。在整个过程中，我们不仅努力深化自己对于市场风险的科学的理解，还（致力于）把学术性的内容与实践性的内容相互结合，以促进改善能够兼具二者优点的（用于）市场风险测量的技术。
1.介绍
财务风险管理是一个巨大的领域，(它)具有多样化和不断变化的组件，其历史发展（例如，Diebold（2012））和当今的最佳实践（例如，Stulz（2002））都证明了这一点。这样的其中一个组件—很可能是关键的组件—是风险的衡量，特别是衡量金融资产回报的波动率
和相关性（以下称为“波动性”）。至关重要的是，资产回报的波动率是因时而变的，并且这种变化具备持续的动力。无论是什么资产、哪种资产类别、什么时期，什么国家，在众多危机事件中都生动地显现出了这一特点，距离最近以及最突出的便是是2007-2008年的金融危机及其后造成的长期性的后果。金融计量经济学领域对于这种随着时间变化的波动性以及用于其测量、模型构建和预测的相关工具引起了很大的关注。在本章中，我们建议在实际中运用这种全新的“波动性计量经济学理论”来预测和管理市场风险，着重选用简单、估算起来容易的模型。我们的最终目标是促进学术界和实际从业者之间的对话交流，通过结合二者的最精华的部分，推进具备最佳实践性的市场风险测量和管理技术。
1.1六个新兴的主题
六个关键的主题出现了，并且我们在这里要突出强调它们。我们对于它们之中一些
明确而集中的部分进行直接处理，对于其他的部分则不进行直接的处理，而是通过整篇章节各种不同的地方，从各种不同的角度来研究这些部分。
第一个主题涉及到聚合程度。我们考虑到投资组合层面建模（聚合的，“自上而下的”）和资产层面建模（分解的，自下而上），着重风险评估与风险管理之间相关的区别。风险评估一般只需要一个投资组合模型，而风险管理则需要一个资产级模型。
第二个主题涉及到数据观察的频率。我们考虑到低频和高频数据，以及相关的参数问题与非参数波动率的测量。我们处理以上所有的情况，但是我们最重视使用配有高频率数据的非参数方法对于波动率测量的影响，其次是有针对性的参数的建模。
第三个主题涉及到模型的构建以及对于整个的随着时间变化的条件密度的监测，而不是仅仅涉及到条件的波动。我们认为有一个统揽全局的条件密度的视角，对于全程的风险评估来说是有必要的，并且，最有效的风险管理方法也应该向着这个方向发展——而且是正在朝着这个方向发展。（在这里）我们探讨着模型构建，评估以及结合所有条件密度进行预测的方法
第四个主题涉及到多变量、“大数据”中环境维数的降低，这是资产级分析的一个关键性的问题。我们非常重视整体的框架，它有利于促进非常高维度的具备实际相关性的协方差矩阵模型的构建。其中收缩方法以及因素结构（及其界面）表现得尤为明显。
第五个主题涉及到市场风险与宏观经济基本面之间的联系。最近的研究中，（我们）逐渐开始揭露资产市场波动性和宏观经济基础面之间的联系。我们探讨着这些联系，（其中）特别关注的是股权回报波动率、实际增长率和实际增长波动率之间的联系。
第六个主题，是有条件的（风险评估），而不是无条件的风险评估，（能够认识到这一点）是非常重要的，我们将把以下章节留给相关话题的扩展讨论。在整个章节中我们认为，对大多数人来说，财务风险管理的目的，相关条件（设定）之下的观点明显与日常市场风险更加具备相关性。
1.2附有条件的风险评估
鉴于许多流行的方法采取不加限制的观点，我们强调附有条件的风险测量也许是令人惊讶的。hellip;hellip;
通过在预先的覆盖率计算所有VaRs的平均值，所有相关情况下的损失速率幅度都很有关系。 因此，即使VaR可能会在5％的水平上进行正确的校准，但这并不能保证5％ES也是正确的。相反地，即使5％ES被精确估计，这并不意味着5％VaR是有效的。 只有回报的分配是在整个尾部区域被恰当地表征，我们才可以保证不同的风险措施都提供了准确的答案。
但是,我们批判的主要依据还是适用的。任何风险评估，无论是VaR，ES或者其他任何忽略制约性的风险评估方法，都不可避免地会错过风险动态演变的方面。 在后续条件分析中
我们主要关注附有条件的VaR，但我们也处理附有条件的ES。
1.3章节规划
我们系统地规划了以下几个章节。 在第2节中，我们将研究投资组合水平分析，使用指数平滑和GARCH模型直接建立特定条件下的投资组合波动率模型，以及更近期的“实现波动性”程序，（该程序）可有效地将信息纳入到高频日内数据中。
在第3节中，我们将探讨资产水平分析，再次使用GARCH和可实现的波动率技术建立资产条件协方差矩阵模型。其相关的横断面维度往往很大，所以我们需要特别重视降低维度方法。
在第4节中，我们研究回报波动率与宏观经济基本面之间的联系，并且特别关注在整个商业周期内（它们之间的）相互影响。
在第5节中，我们会进行总结。
5.结语
我们致力于展现可动态的金融计量经济学方法的力量与潜力，这种方法可用于实际中的财务风险的评估与管理。我们在这个过程中研究了大量的文献，（这些文献）与高频波动率建模相关，解释并统一了与实际关联的最重要和最有趣的结果。我们的讨论对于现实中的金融风险管理有很多影响;有些点是对于现有方法的理想的延伸，有些则是提出新的研究方向。
要点包括：
1.标准的“无模型”方法，例如历史模拟，（它）依赖于独立回报的假设。可靠的风评估需要一个条件密度模型（作为支撑），（该模型）允许时变波动。
2.通过使用单变量密度模型可以实现成功的风险测量，（这类模型）直接用于投资组合回报。 GARCH波动率模型为建立投资组合回报的关键性动态因素模型提供了一种方便而又简约的框架，这种投资组合回报包括波动性平均回归，长期记忆以及不对称性。
3.相比之下，成功的风险管理需要一个完全指定的多变量密度模型。在这方面，标准的多变量模型太过于参数化了，以至于在现实的中型和大型金融市场环境中无法起到一定的作用。在中等规模的金融市场背景下，近期发展的多变量GARCH模型可能是有用的。（但是）在非常大的金融市场背景下，必须采取更加复杂的结构，例如去耦方差和相关性动力学。在所有情况之下，适用于标准化回报的重采样方法对于附有条件地适应非正常回报来说，是一项有吸引力的策略。
4. 随着已实现的波动和相关的措施比他们的传统竞争对手提供了更加准确的风险评估与预测，基于高频率回报数据的波动性度量在实际风险管理（领域）已经具备了很大的前景。因为只有具备高度流动性色资产的高频信息可以被获取，基准资产因素方法有时可能会有用。此外，实际波动的近似对数正态化，以及近似正常的实际波动的标准化回报，使金融风险管理领域中的对数正态/正态混合模型变得相对简单一些。
5.经济周期在各种各样的市场中成为了一项主要的宏观经济领域基本的驱动风险，包括股票和债券收益率。除其他事项外，这意味着我们在第2节和第3节都强调的条件作用不仅适用于短期的范围（通常为每天），一旦信息集合被适当地扩展，使之包括宏观的基本面而不是仅仅限于过去的回报，（这种条件作用）还适用于更加长期的范围。
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[27371]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
