第1篇风险值的兴起.ppt

第1章風險值的興起 1.1　財務風險管理的出現 1.2　市場風險之衡量 附錄　市場風險的類型 1.3　風險值以前之風險衡量 1.4　風險值 (VaR) 公司為何需要風險管理？ 當破產成本存在時，風險管理能幫助公司提高其價值，因為它能降低發生破產的可能性。 實行風險管理可降低公司現金流量的波動性，來幫助舒緩資訊不對稱的問題。 因為公司通常更容易進入資本市場，故進行風險管理能幫助投資人達到更佳的風險配置。 當稅賦存在時，進行風險管理能幫助減少公司的稅務帳單。 第2章財務風險之衡量 2.1　以平均數─變異數架構衡量財務風險 2.2　風險值 (Value at Risk) 2.3　一致性風險衡量指標 附錄　風險值在法規上之應用 風險衡量方法之演進 三種主要架構： 平均數─變異數 (mean-variance)架構或投資組合理論 (portfolio theory) 風險值(Value-at-Risk, VaR) 一致性風險衡量指標 (coherent risk measures) 演進之層面： 將可以處理的P/L或報酬分配之範圍予以擴大。 改善風險衡量結果的有效性。 以全面且整合性的方式衡量並管理跨類型的風險，並考慮到不同風險類別間所產生的交互影響 。 第3章市場風險衡量指標之估計 3.1　資料 3.2　估計歷史模擬 VaR 3.3　估計參數法 VaR 3.4　一致性風險衡量指標之估計 3.5　估計風險衡量指標估計式之標準誤 3.6　核心議題之概述 幾何報酬率 針對較長的持有期間時，在處理長期的報酬率時，我們應當使用幾何報酬率。 當報酬率「很小」時， Rt ≒ rt。 幾何報酬率有考慮期間收入的再投資收益，而算術報酬率則假設：期間內所收到的支付款項本身並不會獲得任何報酬。 幾何報酬率假設：期間內所收到的支付款項會利用連續複利的方式進行再投資。 可以確保資產的價格 (或投資組合的價值) 永遠不會變成負值。 多期間的幾何報酬率等於每段期間幾何報酬率的加總 第4章無母數方法 4.1　編譯歷史模擬資料 4.2　歷史模擬法估計 VaR 和 ES 4.3　為 HS VaR 及 ES 估計信賴區間 4.4　加權歷史模擬 4.5　無母數方法之優缺點 無母數方法 基本假設：未來會與過去的走勢非常雷同，所以可使用最近的歷史資料預測未來的風險。 對於攸關的機率分配不做強硬的假設 盡可能運用最近 P/L 的實證分配來估計風險衡量指標。 本章將專注於無母數 VaR 和 ES 的估計，但此處所討論的方法可以很自然地擴展到一致性和其他風險衡量指標的估計上 HS是一個以直方圖為基礎的方法：其概念簡單、容易施行、被廣泛使用，且在歷史上有相當不錯的成績。 第5章波動度、共變數和相關係數之預測 5.1　波動度之預測 5.1.1　波動度之定義 5.1.2　歷史波動度預測 5.1.3　指數加權移動平均 (EWMA) 波動度 5.1.4　GARCH 模型 5.1.5　隱含波動度 5.2　共變數和相關係數之預測 5.3　共變數矩陣之預測 附錄　相關係數與連接函數 　歷史波動度預測 歷史 (或相等權重) 移動平均估計值： 假設「真實的」波動度是固定的常數，且忽略規模調整因子。 (5.3) 再假設處理的是日資料（報酬率的平均數非常低），且樣本數很大： (5.4) 重點：給予最後n個觀測值相同的權重，但對其他任何更久遠的觀察值則未給予權重。 第6章參數法 (I) 6.1　條件與非條件分配 6.2　常態 VaR 與 ES 6.3　t -分配 6.4　對數常態分配 6.5　其他各種不同的參數方法 6.6　多變量常態變異數─共變數法 6.7　非常態變異數─共變數法 6.8　以連接函數處理多變量報酬率分配 參數法 藉由將機率曲線配適到資料上，然後根據所配適的曲線來推論風險衡量指標(如VaR或ES)，據以估計風險。 比無母數法更有力的工具 可產生一些簡單易懂的公式，而使得參數法更易於使用。 應用任何一種參數法時，其目標是設定一種假設，使其能與建模的實證過程特性相符。 如果所假設的密度函數無法適當地配適於資料中，則參數法亦很容易發生錯誤。 第7章參數法(II)：極端值 7.1　一般化極值 (GEV) 理論 7.2　POT 法：廣義 Pareto 分配 7.3　鑽研 EV 方法 7.4　結論 　鑽研 EV 方法 (1) 7.3.1　條件 EV 將EVT應用於經過某種動態結構調整後 (受到動態結構條件限制) 的隨機變數 X 上。 範例：估計GARCH過程，再將EVT應用於其殘差 7.3.2　相依 (或非iid) 資料之處理 大多數的財務報酬皆會顯現出某些時間的相依性 (或是隨著時間而變化的型態)。 此種時