㈠ FRM干貨:常用的金融風險的模型有哪些
金融市場的一個主要功能是允許不同經濟參與者交易風險，而過去二十年來，全球金融市場經歷了迅猛發展，金融創新和信息技術的進步，以及經濟全球化和金融一體化，這些都加劇了金融市場的波動性，也使得金融機構面臨更加嚴峻的金融風險。近期的金融危機頻繁發生，造成的損失巨大，這進一步凸顯了金融風險管理的重要性。
以下是常用的金融風險模型：
1. 波動性方法：
自1952年Markowitz提出基於方差的風險度量以來，方差一直是金融風險的經典度量。盡管方差計算簡便，理論成熟，但它存在一些局限性，例如，它將收益高於均值的部分視為風險，可能不太容易被接受；同時，它以收益均值作為基準，這與實際情況不符；此外，方差主要考慮平均偏差，不適合描述小概率事件導致的巨大損失。
2. VaR模型（Value at Risk）：
VaR模型於1994年提出，它是在正常市場條件下，一定的置信水平上，預期發生的最壞情況的損失大小。VaR模型的數學定義是，設X為描述證券組合損失的隨機變數，F(x)為其概率分布函數，置信水平為a，則VaR(a)=-inf{x|F(x)≥a}。然而，VaR模型存在一些問題，例如，它只關注超過VaR值的頻率，而不關心損失的具體分布，同時在處理非正態分布的損失和組合變化時表現不穩定。
3. 靈敏度分析法：
靈敏度分析法是對風險的線性度量，它衡量市場因子的變化與證券組合價值變化的關系。這種方法在不同金融產品中有不同的應用，如固定收入市場的久期，股票市場的「β」，衍生工具市場的「δ」等。盡管靈敏度分析法簡單直觀，但它也有局限性，如局部性測量、產品依賴性、不穩定性和相對性。
4. 一致性風險度量模型：
Artzner等人於1997年提出了一致性風險度量模型，認為一個完美的風險度量應滿足單調性、次可加性、正齊次性和平移不變性等條件。一致性風險度量模型包括CVaR模型、ES模型、DRM模型和譜風險測度等。其中，CVaR模型和ES模型在處理損失分布的後尾現象時有所改進，但CVaR模型在密度函數不連續時不具有一致性風險度量的屬性。
5. 信息熵方法：
信息熵方法將熵與風險聯系起來，熵是非負的，且與風險成正比。學者們從不同角度利用熵來度量風險。
6. 行為金融學：
行為金融學結合心理學研究成果，引入投資心理到風險度量中，提出了基於行為金融的認知風險度量方法，並探討了認知風險與傳統度量方差的關系。
隨著金融市場的不斷發展，風險度量方法也在不斷進步。未來的發展趨勢將包括結合不同風險度量方法，從多個角度去識別和控制風險。