金融衍生产品风险的计量方法
金融衍生产品风险的计量方法
姚晓维,孙宁华
(南京大学经济学院,南京210093)
摘要:风险因子和资产回报之间的非线性关系以厦回报分布形式的复杂性在金融世界中广泛存
在.非线性特征和分布形式给传统风险度量造成了技术上的困难,针对这些特征的新理论模型中,基于
g-h分布的分住数回归方法就是其中之一。计算机模拟的结果显示,用基于窖_h分布的分桩数回归法计量金融风险。比传统的Delta法、Delta—Gamma法更加精确.而且比蒙特卡罗模拟法更加简便易行。
关键词:金融风险;分住数回怛;g-h分布;vaR中圈分类号:F224
文献标识码:A
文章编号:】002一“87(2007)22-0010一)3
估计值乘以资产头寸的市场价值。
对于大多具有非线性性质的金融衍生工具来说.采用基于g-h分布的分位数回归方法来计算VaR可以改进风险度
量的精度,也不至于过于繁琐。
VaR技术的出现是金融风险度量和控制在研究领域和
实践领域的一项划时代意义的成就。随着金融研究技术水平
的不断提高和金融市场目新月异的发展,对V扭技术的细
致化和拓展性的研究也在不断深入。特别是对于金融衍生品,其风险因子和资产同报之间的非线性关系以及回报分布
彤式的复杂性,使得传统V出方法的运用受到了跟制。
分位数回归方法从一定程度上解决了衍生品回报率分布形态不规则的问题,其中基于8-h分布的分位数回蚪法是
2基于g-h分布的VaR法
2.1
g-h舟布
这样一个性质优良的模型。研究证明.分位数同归方法比传
统VaR法在风险度量上提高了精度,而比起操作困难繁复的模拟法叉大大简化。
g-h分布首先由1"ukey提出,随后Hoaglin(1983,1985)、
Martinez和Iglewiez(1984)、MacGillivary和Balanda(1988,
1992)进一步完善了该分布的统计特性。Mills和Brdrinath等应用g-h分布估计了股票以及股票指数的回报,Tian探索了
1分位数估计
分位数估计的实质就是忽略收益率分布的具体形式,直接通过样本表现来推断在某个概率水平下的分位数的值。
这种方法假定:
该分布对期权定价的适用性。研究表明。酽h分布由于考虑了峰度和偏度,以及分布具有非线性的特征,故能更好地拟合
资产回报的波动。
}h分布的本质是两个标准正态分布的非线性变换。若
随机变量z州(o,1)测可以定义满足g-h分布的随机变量:
(1)收益率序列是来自一个连续的分布函数CDFFh);
(2)观察期和预测期的收益率分布不发生改变。
定义收益率的秩统计量是将同一样本期的收益率L按
x觯)-(婴㈤尘)exp(皇})
g
‘
(3)
等式右边的第l项称为g分布。g表偏度参数;第2项称
为h分布,h表峰度参数。
若引入位置参数A和刻度参数(Sedingfactor)B,则可
照递增方式排列得副的一组统计量.满足h.每抽≤…《‰。
令墨足r的累积分布函数+CDF的第100%印的分位数,则‰渐进的服从
以构成一个完整的g-h分布函数:
h州‰嚣精
其中l=np,fix)是PDF概率密度函数。这样我们可以用r∞来作为K的估计。当“p不是整数的时候,我们使用线性插值的方法皋得到X。的盘似值:
Y小④:A+B(旦蛩恒墨L生)exp(謦一)=A+Bh(Z)
g
‘
(4)
若h=0,即随机分布的峰度为0,则:
liIn
f。Ⅷ
Y—z)=A+BZ∽N(A,阳,此时g-h是一个正态分布;
著g=l,h=0+则:
鼯盏鲁帅盖等哟
(2)
Yl硒=A+B陋p固一1】
其中l-和l:是与I相邻的两个整数,r01)和r㈨的分位数分别是p,和P2。这样,下一期的VaR水平就是这个分位数的
暑二丘唯1二生+1=exp(习jln(二血留_生+1)-z
基金项目:国家社套科学基金青年项目(03CJY0251;南京太学引进人才基金项目的阶段性成果IO
统计与詹簟2007年第22期《总第250期
万方数据
t分布、Weibull分布、Logistic分布、柯西(Cauchy)分布等都可以通过设置不同的参散值从Ph分布的变换得到,由此
可见,该分布具有非常好的包窖性,对于金融资产特有的尖峰重尾分布形态,g-h分布也能较为准确地拟合。22参数估计
g-h分布一共有四个参数:偏度参数g、峰度参数h,以及
位置参数A和刻度参数B。g-h分布具有以下性质,通过这
些性质可以把四个参数都估计出来。
(1)z∽N(0,1),Yn∞足关于Z的严格增函数。也就是说
g-h分布与标准正态分布之间具有一一对应的关系。
(2)若A=0,则有Y—z卜■卜牟■册。这说明改变偏度
参数g的符号,仅改变偏度的方向,而不改变偏度的绝对值。
(3)矗5_o,故Yo卢A。囚此位置参数A可以通过估计样本
的中位数得到。
(4)92&一(争Hn《号嚣)。由性质4和性质1可知t对
于不同的正态分布分位数z则有不同的臣与之对应,故可以
由g=萨-(}Hn(专:三})计算得到{曲序列,并由该序列对{f),
k=l,2,…,n序列进行“非线性分位数回归”得到参数g的最大
似然估计方程:
g(Zr)=ao+alZ。+a矗+a五…
(5)
上式表示五和&之间可能存在的非线性关系。由方程
得到系数,就可以由于正杰分布的分位数估计参数g。
(5)对于给定的g,则参数B和参数h满足如下等式:
ln【r趔。一。…t-1nB十唾)
(6)
g已蚴冬)=lnB+h(车)
得到截距lnB,从而得到划度参
数B和峰度参数h。
由此,可以将g-h分布的四个参数全部估计出来。估计的关键是样本序列要求的其在不同置信水平下的分位数,将
其与正态分布建立函数关系,故称为“分位数回归法”。
23基于础分布的VzR法
根据VaR的定义.它是资产的搅益在某个置信水平(如
99%)的下分位数,在g-h分布的下:
vaR=Y,=一【A+B(型垒;l土L)exp(毕)】
.一2
(7)
6
‘
由Y序列直接给出了分布的形式,故其分位数就是VaR所对应的值,这类似于历史模拟法和蒙特卡罗模拟中直接由
’
分布计算VaR。
3
g-h法与其他方法求解期权VaR的比较
这里用一个货币期投VaR的例子来比较g_h法和Delta
法、Deka—Gamma法,以及蒙特卡罗模拟法。
期权的风险因子是美元对某一外币的_}[率,在正态分布假定下把风险因f一天的运动划分为1000个区间,其日波动
万方数据
率设为l-26%(即年波动率为20%)。汇率将由模拟产生。欧式
看涨期权价格由下式(GarmanandKohlhagen,1983)给出:
Vc=sexp卜叩)N(d,)-Kexp(一rDf)N(d9
其中,d,:—In(S)+(rD-—r+2乌r。dFd,—仃、/了,s是风险固
(8)
叮V7
子的价格.如和rr为本国的无风险利率和外国的无风险利
率。N()是正态分布的累积函数,K是执行价格,T是期权到
期时闸.叮是风险因子的年波动率。Delta(8c)和C删(k)
是Vc对S的~阶和二阶导数:
忙警=恶笋
8F誓一p(-rcr)N(d0
Ddta法
对于Delta法,期权回报的分布来自于Delta估计:
Rv=导5Ru
(9)
其中Rv和R。分别为期权和风险因子的回报。对于一个
多风险因子的期权组合,其回报的估计为:
try=∑事毪Rq
(10)
其中R。足组合的同报…S
8.和Ru是风险因子i的当前
2
Delta-Gamma法
Delta—Gamma法用泰勒二阶展开来拟和期权非线性:
Rv=丁S。n一矿S丁I
1n。2
(11)
期权资产组合回撮的估计为:
Rv=.;(;8~.+争}1.R¨_)
(12)
其中M是第i个风险因子的Gamma值。
3蒙特卡罗模拟法
期权价格由Garman—Kohlhagen期权定价模型模拟序列
得到。期权的回报是各个序列期权价格变动率。VaR在一定
rh方法首先也要估计期权的Delta和Gamma,然后根
对以上各种估计期权VaR的方法都采用了Z一∞ore检
把看涨期权的多头划分为价内期权、平价期权、价外期图l比较了各种方法下VaR对分布尾部的估计情况。统计与央策2007年第22期(总第250期)11
31
价格、Delta和回撤。
33
置信水平下由期权回报的分布得到。蒙特#罗模拟得出的
VaR可以作为标准来衡量其他方法的准确度。
3.4基于『h分布的分位敷回归法
据Delta—Gamma方法下期权的回报分布设置于g-h分布模型,VaR在一定置信水平下由g-h分布得出。这种方法由于
考虑了期权回报的非正态分布和非线性特征而使得期权
Vail的估计更为精准。因此可以预计g-h方法可以得到与模
拟法相近『内准确度,并且在方法上更为简便。
验,当某种方法高估或低估了VaR时,该方法会遭到拒绝。
权三种情况讨论。在95%和99%两个置信度下估计VaR。
显然g-h分布得到的结果与蒙特卡罗结果更为接近,而
Delta法和Delta-Gamma法低估了尾部的真实风险。
目m‘%’
一Dm’,#—n女#
….●*十,j镕
….●#{,#%
一Dm*&
一一■*十,A&
…一■*十,月&
●㈣_It
以U
一w4#*….■*十,弃*
….■#{,口&
(枉谴真宾的看涨期枉多*的曰枉舟布由荤转卡罗桂扭得到)圈1
DB№法、DeRa-Gamma法.g-h击估计挠币期权VaR的比较
表1是各方法VaR估计的统计性质。Delta法只在价内期权的情况下被接受,其他两种情况在阿个置信水平下都被
拒绝。Delta—Camma法在价外期权和99%置信度下的平价期权情况被拒绝。这嘣种估计方法都因严重的低估风险而被拒绝。相反.g-h方法的表现远胜于以上两种方法。
采用相同的方法,对看涨期枉的空头研究也得到相似的结果。
4结论
风险因子和资产回报之问的非线性关系以及回报分布
形式的复杂性在金融世界中广泛存在,非线性特征和分布形
式给传统风险度量造成了技术上的困难,使得传统vaR方法的运用受列了限制。随着VaR技术的细致化和拓展性研
2
统计与决篱2007年第22期(总第250期
万方数据
襄1
DoRa法,=|DeRa-Gamma洼.g—h法估计货币期投VaR的统计性质
A
价内期权(Moneyness=l1
l—
Deha{击
DdtⅡ—C…n法
Ph法
紫特}罗模拟法
V&R(%)
95%14951481147099%2l24
211l
1870
期单川jl{宰
45%(_073)
4.8%(_029)
51%(015199%
0.4%f—I911
04%(一I
91)
06%(-1,27)
B平价期投CMoneym8肛1
’neJla—C…法
0
Delta法
g-h皓
蘸特#岁模拟岳
VaR(%)
1960191618972795
2513
2395
期培州掇率
36%f一203)’3.9%(一1601
Ot%t-296)‘
03%(一222)‘
06%(一t27’
C
价外期辊【Moneyness=o
9
VaIX(%1
23f;623.9I24373685
3066
3045
期望回报宰
29%(一305)
34%(一232)‘53%fO44)
m1%(一286)
01%(一286)‘
l
0%(0呻)
身2麟。Moneyn髑=S/K。括号内正z…m境计量。“"袁示拒绝谊方法。)
(蔓元时英镑汇率的目榧被划分为1000段/:IE,并假谴汇率的年洼动率
究的不断深人,越来越多新的VaR模型开发出束。
分位数回归方法(Quantale—FittingAt’I)mⅢ;h)从一定程度上解决了衍生品回报率分布形态不规则的问题,其L}l基于g—
h分布的分位数同归法是这样一个性质优良的模型。通过一
个假想的例子和计算机模拟的处理,我们可以得H{结沦:g-h方法估计VaR既增加了估计的精度,叉降低了计算的复杂
性,因此对于金融衍生品来说是一个优良的风险度量工具。
参考文蘸:
f1]Britten-J㈣,Mark,and
StephenM.Scaefer.Noa—LinearValue-
at-Risk[J]EuropeanFinanceReview。1988,2:161—187
【2]Doowoo
Nm
BentonE.CupA
Quantile-FittingApproach
to
V;due
at
Risk
for
OjltionslJ]TheJournalofRisk
Finance
2003
(Faln40—50.
【3]Hoaglin
DavidC
G—∞d“一Distrlbutlons[A]InSamudKotz
NcamanLloydJohtt∽n,andCampbellEl
R一,以,Encydepredia
ofStaffs-
ileal
SciencesfM].NewYork:John
Wi岫&‰.19113,3:298-301.
【4]Martinez.Jorge,andBorisre)ewiczSomePropertiesoftheTukey
g
armhFamilyof
Distribution,Comraunloationsin
Slatistics--Thooi3,
and
Method,1984,(9):353—369
f责任编辑/亦民)