本站原创摘 要 :本文对风险价值法（VAR法）的国内国外文献做了系统整理和归纳总结,希望对于VAR应用的研究提供一些帮助.
关键字：VAR法 非参数法 参数法 半参数法
一、引言
VAR（Value-at-Risk）是一种广泛应用的风险度量工具.其定义为在一定的置信水平下,某一资产或投资组合在未来特定时间内的最大损失,或者说是资产组合收益损失分布函数的分位数点.2001年,巴塞尔委员会指定VAR模型作为银行标准的风险度量工具.
VAR根源于20世纪90年代初的重大金融灾难.1993年,G30在其《衍生产品的实践和规则》中,竭力推荐各大金融机构在风险管理中应用VAR方法.1994年10月 J.P 摩根开发出了Risk Metrics风险管理信息系统,对VAR模型的原理和具体计算方法做了系统总结,是国际上对VAR研究走向成熟的标志.在VAR 的应用领域,VAR被交易商、非金融机构、机构投资者、银行及保险公司监管者以及外汇交易部门监管者广泛应用于投资组合、金融衍生工具、市场风险和信用风险的分析.
VAR模型可分为三类：1.非参数法,主要包括历史模拟法和蒙特卡罗模拟法等.2.参数法,主要包括方差-协方差法和GARCH族模型等.3.半参数法,主要包括极值理论,CIAR等.
二、研究方法的文献综述
(一)非参数法
1.历史模拟法
历史模拟法是最简单直观的方法,它利用过去一段时间资产收益资料,估算投资组合变化的经验分布,再根据不同的分位数求得相对应的置信水平的风险值.该方法对收益的分布不作任何假设,不需要进行参数估计,只用到历史经验分布.
2.蒙特卡罗模拟法
蒙特卡罗模拟法根据每种资产的历史数据,得到可能的分布,并估计分布参数,然后用相应的“随机数发生器”产生大量的符合历史分布的可能数据,从而构造出组合的可能损益,最后按照给定的置信水平得到风险值的估计.
1993年,巴塞尔协议条款采用历史模拟法作为市场风险的基本度量方法.其从历史的收益率序列中取样,使用真实的,允许非正态分布,能够说明厚尾问题(Dowd1998,Jorion1997),避免模型风险.缺陷在于其基本假设是过去能反映不远的将来.蒙特卡罗法能说明大量风险,包括非线性风险,波动性风险,甚至模型风险(Dowd1998,Jorion1997),考虑了波动率的时变性、厚尾和极端事件等.缺陷是计算量太大,而且依赖于选定的随机模型.
(二)半参数法
1.方差一协方差法
方差一协方差法是利用历史数据求出资产组合的收益的方差、标准差、协方差.假定资产组合的收益呈正态分布,求出在一定置信水平下反映收益偏离均值的临界值,建立与风险损失的联系.
2.GARCH模型
GARCH模型称为广义ARCH模型,是一个专门针对金融数据的回归模型,除去和普通回归模型相同的之处,GARCH对误差的方差进行了进一步的建模,适用于波动性的分析和预测.
为了衡量收益率波动的非对称性,Glosten、Jagannathan与Runkel（1989）提出了GJR模型,在条件方差方程中加入负冲击的杠杆效应,但仍采用正态分布假设.Engle等（1993）利用信息反应曲线分析比较了各种模型的杠杆效应,认为GJR模型最好地刻画了收益率的杠杆效应.Glosten、Jagannathan与Runkel（1993）分析比较了各种GARCH-M模型,指出不同的模型设定会导致条件方差对收益率产生正或负的不同影响.
陈守东, 俞世典（2002）基于不同分布假定下的GARCH模型的VAR方法分析深圳与上海股票市场风险,发现t分布和GED分布假定下的GARCH模型更好地反映出收益率的风险特性.沈兵(2005)利用美元对日元汇率数据,以不同的GARCH模型考察收益率的风险报酬补偿特征和不对称性.刘用明,贺薇（2011）将面板GARCH模型应用于汇率风险的VAR测算中, 通过与一元GARCH模型、多元GARCH模型中的BEKK模型和DCC模型相对比,发现其联动VAR测算的结果优于后三种模型.
(三)参数法
1.极值理论
极值理论是测量极端市场条件下风险损失的一种常用方法,具有超越样本数据的估计能力,并可以准确地描述分布尾部的分位数.主要包括BMM模型和POT模型.
Fisher和Tippett(1928)在研究分布的尾部行为时提出极值理论的概念,并且证明了极值极限分布的三大类型定理,为极值理论的发展研究奠定了基石.Longin,FrancoisM(1996)首先将极值理论应用于金融风险管理,利用美国股票市场1885到1990年的每日观测值,研究市场回报的极端变动,实证表明回报率服从Frechct分布.
詹原瑞,田宏伟（2000）给出金融资产组合收益或损失尾部分布的二阶展开式的参数估计形式,并以此为基础提出用确定临界值并估计VAR的“两次子样试算法”,用1971-1998年的日元/美元汇率验证在极端条件下用EVT估计VAR具有很高的准确性.王旭,史道济（2001）应用极值方法考虑汇率的急剧变化可能引起的外汇交易巨大损失的风险价值,并与经验分布函数进行比较.周开国,缪柏其（2002）采用香港恒生指数,实证结果发现极值方法要明显优于方差-协方差方法.田新时,郭海燕（2004）基于GPD的VAR模型和其它模型方法,如GARCH(1,1)、GARCH(1,1)-t、历史模拟法、方差-协方差方法,进行比较分析.结果表明基于GPD的VAR模型成为VAR度量方法中最稳健的方法之一.
2.GARCH- EVT模型
极值理论忽略了金融资产收益率分布的时变性和集聚性,GARCH模型则关注整个分布.因此,近年来兴起将极值理论和GARCH族模型进行组合,建立GARCH-EVT模型的动态极值理论.
1999年,McNeil、Bystrom、Diebold等学者开始探讨把极值理论和GARCH模型进行组合的可能性.McNeil,Frey(2000)的研究表明,金融资产收益率标准残差序列近似地具有独立同分布的序列特征,如果对损失的标准残差序列尾部使用极值理论建模进行风险度量,就比直接使用损失序列更加科学合理.
封建强(2002)对我国沪、深综指收益率数据分别利用动静态极值方法进行研究,分别计算动静态理论下的VAR值和ES值,并与用传统方法计算的风险值进行比较.极值法较其他两种方法更好,同时动态风险测度相对静态而言能够更灵敏地反映市场行为的变化.刘志东, 徐淼（2007）根据极值理论和GARCH模型的优点,建立一种基于GARCH和EVT模型的风险价值度量方法.
三、结束语
VAR模型只关心超过VAR值的频率,而不关心超过VAR值的损失分布情况,且在处理损失符合非正态分布及投资组合发生改变时表现不稳定,不满足一致性风险度量模型的次可加性.因此,期望损失ES和CVAR等新的统计指标也陆续被提出,从而更有效进行风险度量.本文在此不做详述,新指标对风险度量必然更具价值的意义.