3.1 市场风险监管概述

市场风险监管概述学习目的：了解市场风险的基本概念、种类，掌握市场风险计量的方法，并能够对商业银行的市场风险和市场风险管理进行评价。内容概要：本专题从介绍市场风险的定义及其对商业银行经营的影响入手，说明市场风险监管的重要意义；然后，通过几种主要计量分析工具VaR、敏感性分析、压力测试的描述，使监管人员熟悉市场风险计量的基本方法。在此基础上，介绍内部模型的监管要点以及如何评价商业银行市场风险管理体系，最后一部分讲述监管方法和措施。鉴于监管人员对VaR相对陌生,故安排了较多篇幅介绍VaR的相关知识。学习要求：学员应具备商业银行市场风险管理的基本知识，具备概率统计的基本知识。学习重点：了解市场风险的概念、掌握市场风险的主要计量方法，重点掌握如何对商业银行的市场风险管理进行评价。一、市场风险的定义（一）市场风险的定义市场风险是指因市场价格的不利变动而使银行表内和表外业务发生损失的风险。根据基准市场价格的不同，市场风险分为利率风险、汇率风险（包括黄金）、股票价格风险和商品价格风险，也就是指由于利率、汇率、股票价格和商品价格的不利变动所带来的不确定性。其中商品是指可以在二级市场上交易的某些实物产品，如农产品、矿产品（包括石油）和贵金属（不包括黄金）等。在我国目前的分业经营体制下，银行所承担的市场风险主要涉及利率风险和汇率风险。利率风险按照来源的不同，可以分为重新定价风险、收益率曲线风险、基准风险和期权性风险。汇率风险按照来源的不同，可以分为交易风险、结构风险。（二）市场风险的覆盖范围市场风险存在于银行的交易和非交易业务中。巴塞尔委员会1996年资本协议市场风险补充规定中对监管资本的要求并未涵盖全部的市场风险，所包括的是在交易帐户中的利率、股票价格风险和全部的汇率、商品风险。但是，巴塞尔委员会和大多数监管当局发布的风险指引通常都强调银行内部的风险管理体系应涵盖银行帐户和交易帐户中的所有风险。我国银监会发布的商业银行市场风险管理指引也强调银行所管理的市场风险应该是表内表外所有交易和非交易业务，即在银行帐户和交易帐户中的所有市场风险。其中，交易帐户记录的是银行为交易目的或规避交易帐户其他项目的风险而持有的可以自由交易的金融工具和商品头寸。与交易帐户相对应，银行的其他业务归入银行帐户，最典型的是存贷款业务。交易帐户中的项目通常按市场价格或模型计值，银行帐户中的项目通常按历史成本计值。（三）市场风险的影响20世纪70年代以来，随着经济全球化、金融一体化的发展，竞争的加剧及金融管制的放松，衍生工具等金融产品获得了蓬勃发展。金融产品的创新导致市场的波动性加剧，识别、度量风险的难度加大，市场风险的隐蔽性和危害性加重，市场风险逐步上升为威胁银行生存的重要风险来源。90年代以来陆续发生的美国橙县破产案、巴林银行倒闭事件、长期资本管理公司危机等等，其根本原因在于市场风险管理失控。由此，引起了监管机构和金融机构对于市场风险管理的高度关注。金融机构开始审视自身风险管理的政策和程序，急切的寻找一种有效度量、控制市场风险的分析工具。1996年巴塞尔委员会通过了资本协议市场风险补充协议，正式将市场风险纳入监管资本的覆盖范畴。二、市场风险的分析方法市场风险分析的方法和手段较多，而且在不断的发展变化。以下介绍几种主要的市场风险分析方法。（一）VaR1、VaR产生的背景20世纪70年代以来，国际市场汇率、利率和商品价格波动性的增强对金融工具和风险管理分析工具产生了新的需求。衍生产品等一系列金融创新工具蓬勃发展，金融衍生工具市场规模急剧增长及其所带来的一系列灾难性的损失事件引起了投资者、立法机构、监管层的高度关注。以统计为基础，以量化市场风险为目的的风险管理系统VaR得到普遍的推广和运用。VaR模型的兴起开始于1993年，那时30国集团把它作为处理衍生工具的“最佳典范”方法进行推广。但VaR模型背后所使用的方法并非很新，主要来自于两种金融理论的融合：（1）关于资产定价和资产敏感性的；（2）对风险因素的统计分析。如果没有这些先期的工具就不会有VaR方法。这种方法现在被应用于信用风险、操作风险以及整个金融机构的综合性风险管理中来。风险管理分析工具的发展过程1938年 债券久期1952年 马科威茨均值方差结构1963年 资产定价模型1973年 期权定价模型1983年 风险调整资本收益率（RAROC）1986年 久期风险管理1987年 银行风险加权资产1992年 压力测试1993年 风险价值VaR1994年 风险矩阵1997年 信用矩阵1998年至今 信用和市场风险一体化2000年至今 企业风险管理2、VaR的经济含义风险价值VaR（value at risk）是指在一定的持有期和给定的置信水平下，利率、汇率等市场风险要素发生变化时可能对某项资金头寸、资产组合或机构造成的潜在最大损失。例如我们说：在持有期为1天、置信水平为99的情况下，所计算的风险价值VaR为1万美元，就是说该银行的资产组合在未来的100天中，可能有1天的损失会超过1万美元。或者说，在未来的1天中，有99的可能其损失不会超过1万美元。如果置信水平为95，则表示有5的概率可能发生超过1万美元的实际损失。再比如，某交易台在1天，95%置信区间下的风险值为400万美元则概率（1天损失>$400万）5概率（1天损失<$400万）95VaR是目前量化风险最成熟的手段，也是应用最广泛的手段，原因是VaR不仅在实践中可行，而且在理论上有严格的数学和数理统计支持，VaR数值是用科学方法计算出来的，不是凭经验或感觉得出来的。与缺口分析、久期分析等传统的市场风险计量方法相比，VaR的主要优点是可以将不同业务、不同类别的市场风险用一个简单的数值（VaR值）表示出来，是一种能在不同业务和风险类别之间进行比较和汇总的市场风险计量方法，而且由于其简单直观的特点，有利于进行风险的监测、管理和控制。同时，由于风险价值具有高度的概括性，简明易懂，也适宜董事会和高级管理层了解本行市场风险的总体水平。3、VaR的基础知识（1）衡量风险的指标。风险用金融变量的波动性来衡量，简单地说，就是用金融变量的实际观察结果对预期结果的偏离程度来衡量。VaR就是通过测算银行资产的波动性以及银行资产波动性与所承受风险之间的相关关系，来评估银行正在承担的风险大小。（2）测量风险的最佳方法。风险通常可定义为结果的不确定性，测量不确定性的最佳方法是概率分布函数。概率分布描述的是在一个假想的试验中，特定的值可能出现的次数。（3）随机变量。可以简单描述为“受随机因素的影响，取值具有不确定性的变量”。理解和定义随机变量有两个最基本的概念：均值和方差。前者表示随机变量取值的平均水平，后者表示随机变量相对于均值的离散程度。（4）置信水平。因为随机变量的取值是随机的，难以得其真值，一般是用随机变量的观察值经过数理统计方法处理后作为随机变量真值的估计值。显然，随机变量的估计量与真值一般都不会相等，因此，就用数理统计方法确定一个置信区间，作为随机变量真值的可能取值范围，置信水平就是随机变量的真值落在该置信区间的可能性。置信水平越高，VaR值越大。（5）正态分布。若随机变量的取值是由许多微小的、独立的随机因素共同作用的结果，且每一种因素都不能起压倒一切的主导作用，具有这种特点的随机变量，一般认为服从正态分布。一般来说，具有一定规模的资产组合都易受多种风险因素的影响，所以其总体分布趋向正态分布，可用正态分布函数估计其价值的均值和风险。损失平均值就是正态分布的均值；最大损失值就是正态分布的标准差的若干倍，而正态分布的置信区间与标准差之间存在一一对应关系。比如在90可能情况下，最大损失值为1.28个标准差，在95可能情况下，最大损失值为1.65个标准差，而要把握99的可能，最大损失值则为2.5个标准差。（6）中心极限定理。该定理表述的是：随着观察对象数量的增加，由这些观察对象取值计算的平均值趋于正态分布。因此，只要观察对象数量足够大（一般大于30个即可），就可以用正态分布函数来描述、分析、预测观察对象的特征和风险。在通常的VaR框架内，分布一般指正态分布。不过，正态假设在为VaR计算带来方便的同时，也带来了局限，导致VaR指标低估极端的风险损失。(7)厚尾。得名于特定分布的形状。在这种分布下，实际观察值偏离均值的情况比正态分布或者“钟形”分布要更多一些。尽管可以通过及时的对正态分布做变差来反映一些不可能事件，但厚尾分布的尾部还是相对厚了一些。分布中出现厚尾意味着出现超额损失的频率比正态分布的预测结果更高。在最简单的形式上，假设投资回报是正态分布的，VaR可以写成置信区间、波动性(标准差)以及时间的平方根三者的乘积，即。该公式涉及的三个变量中，持有期、置信区间都是事先确定的，只有波动性是需要估计的。事实上，计算VaR的核心工作就是计算波动性。如果只是计量单个资产的波动性，问题相对简单。如果计算的是整个组合的波动性，由于涉及不同资产之间的相关性，计算非常复杂，需要借助模型才能解决。VAR的计算案例：例如J.P.摩根在1994年年报中公布：其时间间隔为1天、置信水平为95%的日交易VaR（相对值）约为1500万美元，其含义是指，该公司可以以95%的可能性保证，在1994年每一特定时点，其所有投资组合在未来1天内，由于市场价格波动所带来的相对损失不会超过1500万美元。下面我们以此为例来说明VaR的计算方法。假定Rt为日收益序列，为日均收益，R*为在给定置信水平下的最差日收益，则相对VaRR*，绝对VaRR*。根据J.P.摩根1994年（254个交易日）的日收益情况，计算出每个收益发生的频数，可以得到其日收益分布的直方图，如下图所示。假定每日收益相互独立并具有相同的分布。在95%的置信水平下，投资组合的最大损失为左尾的第12.7（=254×5%）个观测值。图中日均收益为510万美元，在-1000万美元左边有11个观测值，-900万美元左侧有15个观测值，通过插值可以得到左尾第12.7个观测值为-960万美元。从而可以知道，相对VaR510(960)1470万美元；绝对VaR960万美元。如果假设Rt服从正态分布，则计算可大大简化。设给定的置信水平为c，它所对应的分位数为，Rt序列的标准差为，则在置信水平c下，时间间隔为的相对VaR=- R*，绝对VaR- R*。仍以J.P.摩根为例，置信水平为95%时对应的分位数1.65，1，920万美元，从而可知，相对VaR1.65×920×11518万美元，绝对VaR1.65×920×15101008万美元。这一结果与前面通过经验分布所得到的数值非常接近。4、VaR的常用模型技术目前常用的风险价值模型技术主要有三种：方差协方差法（VaRiance-CoVaRiance Method）、历史模拟法（Historical Simulation Method）和蒙特卡洛法（Monte Carlo Simulation Method）。（1）方差协方差法。也称参数设置法，该方法假设投资组合中各类资产的收益率服从正态分布，由此就可用投资组合中各类资产收益率的方差及资产收益率之间的协方差来计算组合的VaR值。其优点是：计算简单快捷；理解相当容易；根据中心极限定理，即使风险因子分布本身不是正态的，只要数量足够大，且相互之间独立也可以使用这种方法；不需要定价模型。缺点是:对非线性的资产组合（例如带有options）有失准确；存在厚尾问题。波动率×2.3399%相关性敞口 头寸风险值VaR（2）历史模拟法。此方法需回溯过去时间资产组合中各类资产的收益率，并