论文部分内容阅读
摘 要：风险价值方法(value at risk)是近几年发展起来的用以度量和控制金融风险的量化模型。本文使用VaR模型度量了投资银行证券业务中的市场风险，应用上海证券交易所的实际数据，具体计算出VaR的时间序列,并论证了应用该时间序列来评估风险的大小的方法，为风险价值法在我国投资银行市场风险管理中的推广应用提供参考。
关键词：风险价值法；投资银行；市场风险管理
中图分类号：F830.33;F224.0
文献标识码：A
文章编号：1009-9107（2006）05-0055-05
收稿日期：2005-10-31
作者简介:戴志辉（1971-），男，陕西西安人，西北大学经济管理学院博士研究生，研究方向为银行、证券、保险投融资。
投资银行的业务主要是通过证券市场来运行的，诸如证券承销、证券交易、证券自营、项目融资、资产管理、企业并购、公司理财等，这些业务在给投资银行带来巨额利润的同时，也带来了巨大的市场风险。风险价值法（value at risk，以下简称VaR），作为一种市场风险度量方法，可以有效地度量投资银行所面临的市场风险。投资银行在开展业务过程中，可以运用VaR方法适时地跟踪和了解其业务的市场风险状况，并根据市场情况的变化及时作出调整。
一、VaR方法在我国的研究现状
VaR在国外的应用已较为普及，J．P．morgan推出的用于计算VaR的Risk Metrics风险控制模型已被众多金融机构广泛采用。[1]无论是国际银行业的巴塞尔委员会、国际清算银行，还是美联储和新近成立的欧洲中央银行，都倡导将VaR作为一种可行的风险管理方法。国外一些大型金融机构已将其所持资产的VaR值作为其定期公布的会计报表的一项重要内容加以列示。
在国内，VaR方法的应用研究逐渐得到重视，发表的学术文章也较多。但多数学者是从理论上对VaR方法的应用进行理论探讨和分析，如郑文通（1997）[2]、刘宇飞（1999）[3]、刘静（2002）[4]、郑明川（2002）[5]、龙海明（2002）[6]、于研（2003）[7]、袁梁（2005）[8]等学者对VaR方法的应用领域进行了理论分析，赵睿（2002）[9]、景乃权（2003）[10]等学者对VaR方法在投资组合管理中的应用进行了理论探讨，姚小义（2002）[11]、英定文（2002）[12]等学者对应用VaR方法来建立证券经营机构定量管理体系做了理论研究。也有部分学者结合我国证券市场对VaR的应用进行实证分析，如杜海涛（2000）[13]、范英（2000）[14]、马超群（2001）[15]、刘静（2002）[16]、陈守东（2002）[17]、彭寿康（2003）[18]等，他们的实证对象大多集中在市场指数上，通过对市场指数的研究来分析我国证券市场存在的市场风险。投资银行作为与证券市场最为紧密的金融中介机构，证券市场的发展和变化对其将产生重大的影响。
有鉴于此，本文通过对VaR的主要计算模型进行分析，从理论上对VaR方法在投资银行市场风险管理中的应用作了一些有益的探讨。同时采用最新样本数据对上证指数的变动情况进行分析，确定了用历史模拟法对上证指数进行VaR值的计算，从而为VaR值方法在我国投资银行市场风险管理中的推广应用提供参考。
二、VaR法主要计算模型分析
投资银行进行VaR计算时，可以采用两种模型：参数模型和模拟模型。
（一）参数模型
1.组合-正态法。这种方法可以用以下公式进行表述：
其中α为常数，是给定置信水平下所对应的Z分布值；σP为组合收益率在选定时间段的标准差。
此方法是基于组合收益率满足正态分布假定，即：
这种方法的计算非常简便，投资银行只需得到资产组合收益的标准差就可以迅速计算出不同资产组合的VaR值。这样，投资银行的风险管理者可以随时掌握资产组合的市场风险状况，根据VaR值对资产组合的头寸进行调整，为不同资产组合提取准备金或设置交易限额。这种方法的主要缺点是计算的结果不够精确。
2.资产-正态法。这种方法的计算原理与前者相同，只是获取资产组合标准差的方法不同。这种方法是根据各资产在组合中的权重以及不同资产收益率之间的相关性来计算组合的标准差。
其中X为N×l个组合的权重，V为组合收益率的协方差矩阵。
这种计算方法的前提假设是资产组合的收益率服从联合正态分布并且组合中每个资产的收益率都服从正态分布。这种方法是从现代组合理论直接推导出来的，计算的结果也比较精确。在日常风险管理中，投资银行需要建立组合中不同资产之间收益率的协方差矩阵，然后借助计算机程序进行复杂的资产组合收益率标准差计算。
3.δ-正态法。δ-正态法的原理与上述两种模型不同，而是将单个资产收益率变动与市场因素的收益率变动联系起来，通过确定有限个风险因素而反映出资产的相关性，在组合容量很大的情况下能有效地计算出资产组合的市场风险。
δ-正态模型是在前两个模型的基础上形成的，它适用于短期和组合中不包括或包括少量期权的情形。该模型的特点是在减少了繁琐计算的情况下，能够合理地反映出资产组合的市场风险。投资银行在运用该模型时，需要合理的设定影响资产组合收益率的市场因素，准确地计算出δ因子。
4.δ-γ法。δ-γ模型是在δ-正态模型的基础上产生的。该模型是以市场因素变动的标准假设为基础，即市场因素变动服从均值为0的联合正态分布。这一假设也与市场因素服从联合几何布朗运动过程这一情况相一致。在对组合价值变动描述上与δ-正态法有所不同，它在δ-正态法的基础上增加了一个二次项。
（二）模拟模型
1.历史模拟模型。历史模拟法是个简单的和非理论的方法，它对潜在市场因素的标准分布不做假定。投资银行在应用该模型时，需要完成三个方面的工作：第一，选择合适的长期资产组合历史收益率受市场因素影响的时间序列。第二，根据第一步得到的时间序列，计算当前资产组合价值变动的时间序列。第三，把从历史数据归纳出的收益率实际分布情况列表显示，选择某一概率水平，计算该分布在这一概率水平下可能出现的极值，然后据此计算VaR值。
这种方法假设资产组合中资产未来的市场价格与历史上的市场价格一样，都来自于同一统计分布。用统计学术语来讲，这种方法假定市场因素收益率服从一个静态的过程，从而概率密度函数不随时间变化，或不发生大幅变化。与参数法相比，该模型非常简单，多数时候无需估计任何参数，资产组合的收益率都是观测出来的。其次，该模型能够完全体现市场因素的实际分布。最后，模型的计算结果非常直观便于理解和应用。
2.蒙特卡罗模型。此模型的基本做法是，重复模拟金融变量的随机过程，包括可能出现的各种情形。通过这种模拟，再现组合价值的整个分布。
首先，投资银行的风险管理者模拟单个资产的价格变化轨迹，通常使用几何布朗运动模型进行模拟，即随机行走模型的连续形式。其次，投资银行的风险管理者再模拟不同资产在组合中的价格变化轨迹。这些组合中的资产之间往往存在一定的相关性，而且不同市场风险因素之间也会存在一定程度的相关性。如果两个变量之间不相关，我们可以分别对它们独立进行随机化。如果相关，就要做一些调整。最后，投资银行根据模拟出来的结果进行VaR的计算。
三、实证分析
本文以上证指数的实际变动情况作为研究对象，来揭示中国证券市场的市场风险状况。通过对VaR法主要计算模型的分析，我们知道上证指数变动的实际分布状态，将直接影响对VaR计算模型的选择及VaR计算的准确性，因此我们首先要计算上证指数日变动数的实际分布情况。本文选用的数据是上证指数从2001年1月3日至2004年12月31日共961个交易日的实际指数值及由此产生的960个样本值。
（一）上证指数日变动数的实际分布
上证指数日变动数=Tn-Tn-1，其中Tn表示第n日的上证指数值。上证指数日变动数*为实际日变动数减日平均变动数。
从图1和表1、表2中我们可以看出：
1.上证指数日变动数分布不是标准的正态分布。与正态分布相比，上证指数日变动数分布峰值更高且尾部更粗，也就是出现尖峰厚尾现象。在±σ的面积里，实际分布的值高于正态分布8.09%，在±3σ的面积以外的部分实际分布的值高于正态分布0.89%。
2.为了能够反映上证指数日变动的真实情况，我们使用的数据是上证指数961个交易日的实际值，在这些样本中包含了上证指数大涨大跌的极端值情况，所以能够满足进行VaR计算所需要的数据数量和数据质量的要求。
3.上证指数作为股票市场的综合指数，其波动性会比一般风险资产要低，窄幅波动的概率比较高，从图1我们可以看出其在均值附近的概率非常高。虽然上证指数相对比较稳定，但其仍存在较大的市场风险。在960个样本中上涨的天数为467天，下跌的天数为493天，上涨的日平均涨幅为14.57点，下跌的日平均跌幅为15.40点。
（二）上证指数的VaR计算
由于上证指数日变动数的实际分布不满足正态分布，因此我们在计算VaR应采用模拟模型。虽然蒙特卡罗模型功能强大并应用灵活，但这种模型运算非常复杂，需要功能强大的计算设备，运算耗时较长，不便于进行日常的管理。因此，本文采用历史模拟法来计算上证指数的VaR值。
根据不同的置信水平和时间范围计算出2005年1月1日上证指数的VaR值，结果见表3。
（三）上证指数VaR值检验
对计算出来的上证指数VaR值，我们需要检验其有效性。检验的方法是看上证指数实际变动值落入给定置信水平和时间范围内VaR值概率的大小，如果概率大于给定的置信水平，则说明计算的VaR值有效，如果概率小于给定的置信水平，则说明计算的VaR值无效，需要重新计算。
本文选取了上证指数2005年1月4日至2005年4月6日的实际值共60个样本对上证指数在不同置信水平和时间范围内的VaR值进行检验，按变动值由小到大进行排列，结果见表4。
我们可以编制相应的2日、5日和10日的上证指数变动表（略），根据这些表可以对上证指数VaR值进行检验，结果见表5。
从表5中我们可以看出在1日和2日的VaR值的概率都大于给定的置信水平，说明上证指数的VaR在上述时间内是有效的，上证指数5日和10日的VaR值概率有不同程度的低于相应的置信水平，这主要是由于计算公式的误差以及样本数太低（分别是12个和6个）所引起的。从总体上来看计算出的上证指数VaR值是有效的，可以很好地反映所面临的市场风险。
四、结 论
投资银行作为现代资本市场重要的金融中介机构，在优化资源配置和促进国民经济发展方面将发挥非常重要的作用。与此同时，投资银行所面临的市场风险也正逐步加大，投资银行需要有效地防范和化解这些风险。风险价值法作为一种度量市场风险的有效方法将在投资银行的风险管理中发挥积极的作用。在具体应用中，投资银行可以根据经营的实际情况对上述计算模型加以适当选择，并根据自身对市场风险的偏好选择不同的置信水平和时间范围，通过制定不同的风险限额进行风险管理和风险评价。
参考文献：
［1］ J.P.Morgan. RiskMetrics Techonolgy Document(4th edition)［M］.Riskmetrics Group,New York,1996.
［2］ 郑文通．金融风险管理的VaR方法及其应用［J］.国际金融研究, 1997, (9):58~62.
［3］ 刘宇飞．VaR模型及其在金融监管中的应用［J］.经济科学, 1999, (1):39~49.
［4］ 刘 静．VaR应用分析以及对我国的启示［J］.南开经济研究, 2002,(3):36~37.
［5］ 郑明川,徐翠萍．衍生金融工具风险信息的VaR披露模式［J］.会计研究, 2002,(7):49~53.
［6］ 龙海明, 黄 卫．VaR在消费信贷风险管理中的应用［J］.财经理论与实践, 2002,(6):31~36.
［7］ 于 研．风险价值法在金融机构信用风险管理中的运用［J］.统计研究, 2003,(7):49~53.
［8］ 袁 梁，霍学喜，吴后宽.VaR模型在商业银行风险管理中的应用［J］.西北农林科技大学学报（社会科学版），2005，5（2）：56~60.
［9］ 赵 睿,赵 陵．VaR方法与资产组合分析［J］.数量经济技术经济研究, 2002,(11):44~47.
［10］ 景乃权，陈 姝．VaR模型及其在投资组合中的应用［J］.财贸经济, 2002,(2):68~71.
［11］ 姚小义, 滕宏伟，陈 超．证券公司资产管理业务的规模风险控制［J］.数量经济技术研究, 2002, (5):65~67.
［12］ 英定文．指数期货与证券机构定量风险管理体系［J］.数量经济技术研究 2002, (10):71~74.
［13］ 杜海涛．VaR模型在证券风险管理中的应用［J］.证券市场导报, 2000, (8):57~61.
［14］ 范 英．VaR方法及其在股市风险分析中的应用初探［J］.中国管理科学, 2001，8(3):27~31.
［15］ 马超群,李红权,周 恩,等．风险价值方法及其实证研究［J］.中国管理科学,2001,(5):16~23.
［16］ 刘 静．我国股价指数风险价值实证分析［J］.经济问题探索, 2002, (3):70~73.
［17］ 陈守东,王鲁非．上证综合指数VaR的度量［J］.数量经济技术研究, 2002, (4):103~106.
［18］ 彭寿康．中国证券市场股份指数VaR研究［J］.统计研究, 2003,(6):58~61.
Application of VaR in Investment Bank’s Market Risk Management
DAI Zhihui,ZHAO Shouguo，TENG Xin
（School of Economics and Management, Northwest University, Xi’an 710069,China）
Abstract：This paper introduces the most advanced market risk measurement methodrisk value method, and with the pattern of value method it also measures the investment bank’s market risk in the transaction of securities and analyzes the application range and the application prospect in China.
Key words：Risk Value Method;investment bank;market risk management
注：文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文
关键词：风险价值法；投资银行；市场风险管理
中图分类号：F830.33;F224.0
文献标识码：A
文章编号：1009-9107（2006）05-0055-05
收稿日期：2005-10-31
作者简介:戴志辉（1971-），男，陕西西安人，西北大学经济管理学院博士研究生，研究方向为银行、证券、保险投融资。
投资银行的业务主要是通过证券市场来运行的，诸如证券承销、证券交易、证券自营、项目融资、资产管理、企业并购、公司理财等，这些业务在给投资银行带来巨额利润的同时，也带来了巨大的市场风险。风险价值法（value at risk，以下简称VaR），作为一种市场风险度量方法，可以有效地度量投资银行所面临的市场风险。投资银行在开展业务过程中，可以运用VaR方法适时地跟踪和了解其业务的市场风险状况，并根据市场情况的变化及时作出调整。
一、VaR方法在我国的研究现状
VaR在国外的应用已较为普及，J．P．morgan推出的用于计算VaR的Risk Metrics风险控制模型已被众多金融机构广泛采用。[1]无论是国际银行业的巴塞尔委员会、国际清算银行，还是美联储和新近成立的欧洲中央银行，都倡导将VaR作为一种可行的风险管理方法。国外一些大型金融机构已将其所持资产的VaR值作为其定期公布的会计报表的一项重要内容加以列示。
在国内，VaR方法的应用研究逐渐得到重视，发表的学术文章也较多。但多数学者是从理论上对VaR方法的应用进行理论探讨和分析，如郑文通（1997）[2]、刘宇飞（1999）[3]、刘静（2002）[4]、郑明川（2002）[5]、龙海明（2002）[6]、于研（2003）[7]、袁梁（2005）[8]等学者对VaR方法的应用领域进行了理论分析，赵睿（2002）[9]、景乃权（2003）[10]等学者对VaR方法在投资组合管理中的应用进行了理论探讨，姚小义（2002）[11]、英定文（2002）[12]等学者对应用VaR方法来建立证券经营机构定量管理体系做了理论研究。也有部分学者结合我国证券市场对VaR的应用进行实证分析，如杜海涛（2000）[13]、范英（2000）[14]、马超群（2001）[15]、刘静（2002）[16]、陈守东（2002）[17]、彭寿康（2003）[18]等，他们的实证对象大多集中在市场指数上，通过对市场指数的研究来分析我国证券市场存在的市场风险。投资银行作为与证券市场最为紧密的金融中介机构，证券市场的发展和变化对其将产生重大的影响。
有鉴于此，本文通过对VaR的主要计算模型进行分析，从理论上对VaR方法在投资银行市场风险管理中的应用作了一些有益的探讨。同时采用最新样本数据对上证指数的变动情况进行分析，确定了用历史模拟法对上证指数进行VaR值的计算，从而为VaR值方法在我国投资银行市场风险管理中的推广应用提供参考。
二、VaR法主要计算模型分析
投资银行进行VaR计算时，可以采用两种模型：参数模型和模拟模型。
（一）参数模型
1.组合-正态法。这种方法可以用以下公式进行表述：
其中α为常数，是给定置信水平下所对应的Z分布值；σP为组合收益率在选定时间段的标准差。
此方法是基于组合收益率满足正态分布假定，即：
这种方法的计算非常简便，投资银行只需得到资产组合收益的标准差就可以迅速计算出不同资产组合的VaR值。这样，投资银行的风险管理者可以随时掌握资产组合的市场风险状况，根据VaR值对资产组合的头寸进行调整，为不同资产组合提取准备金或设置交易限额。这种方法的主要缺点是计算的结果不够精确。
2.资产-正态法。这种方法的计算原理与前者相同，只是获取资产组合标准差的方法不同。这种方法是根据各资产在组合中的权重以及不同资产收益率之间的相关性来计算组合的标准差。
其中X为N×l个组合的权重，V为组合收益率的协方差矩阵。
这种计算方法的前提假设是资产组合的收益率服从联合正态分布并且组合中每个资产的收益率都服从正态分布。这种方法是从现代组合理论直接推导出来的，计算的结果也比较精确。在日常风险管理中，投资银行需要建立组合中不同资产之间收益率的协方差矩阵，然后借助计算机程序进行复杂的资产组合收益率标准差计算。
3.δ-正态法。δ-正态法的原理与上述两种模型不同，而是将单个资产收益率变动与市场因素的收益率变动联系起来，通过确定有限个风险因素而反映出资产的相关性，在组合容量很大的情况下能有效地计算出资产组合的市场风险。
δ-正态模型是在前两个模型的基础上形成的，它适用于短期和组合中不包括或包括少量期权的情形。该模型的特点是在减少了繁琐计算的情况下，能够合理地反映出资产组合的市场风险。投资银行在运用该模型时，需要合理的设定影响资产组合收益率的市场因素，准确地计算出δ因子。
4.δ-γ法。δ-γ模型是在δ-正态模型的基础上产生的。该模型是以市场因素变动的标准假设为基础，即市场因素变动服从均值为0的联合正态分布。这一假设也与市场因素服从联合几何布朗运动过程这一情况相一致。在对组合价值变动描述上与δ-正态法有所不同，它在δ-正态法的基础上增加了一个二次项。
（二）模拟模型
1.历史模拟模型。历史模拟法是个简单的和非理论的方法，它对潜在市场因素的标准分布不做假定。投资银行在应用该模型时，需要完成三个方面的工作：第一，选择合适的长期资产组合历史收益率受市场因素影响的时间序列。第二，根据第一步得到的时间序列，计算当前资产组合价值变动的时间序列。第三，把从历史数据归纳出的收益率实际分布情况列表显示，选择某一概率水平，计算该分布在这一概率水平下可能出现的极值，然后据此计算VaR值。
这种方法假设资产组合中资产未来的市场价格与历史上的市场价格一样，都来自于同一统计分布。用统计学术语来讲，这种方法假定市场因素收益率服从一个静态的过程，从而概率密度函数不随时间变化，或不发生大幅变化。与参数法相比，该模型非常简单，多数时候无需估计任何参数，资产组合的收益率都是观测出来的。其次，该模型能够完全体现市场因素的实际分布。最后，模型的计算结果非常直观便于理解和应用。
2.蒙特卡罗模型。此模型的基本做法是，重复模拟金融变量的随机过程，包括可能出现的各种情形。通过这种模拟，再现组合价值的整个分布。
首先，投资银行的风险管理者模拟单个资产的价格变化轨迹，通常使用几何布朗运动模型进行模拟，即随机行走模型的连续形式。其次，投资银行的风险管理者再模拟不同资产在组合中的价格变化轨迹。这些组合中的资产之间往往存在一定的相关性，而且不同市场风险因素之间也会存在一定程度的相关性。如果两个变量之间不相关，我们可以分别对它们独立进行随机化。如果相关，就要做一些调整。最后，投资银行根据模拟出来的结果进行VaR的计算。
三、实证分析
本文以上证指数的实际变动情况作为研究对象，来揭示中国证券市场的市场风险状况。通过对VaR法主要计算模型的分析，我们知道上证指数变动的实际分布状态，将直接影响对VaR计算模型的选择及VaR计算的准确性，因此我们首先要计算上证指数日变动数的实际分布情况。本文选用的数据是上证指数从2001年1月3日至2004年12月31日共961个交易日的实际指数值及由此产生的960个样本值。
（一）上证指数日变动数的实际分布
上证指数日变动数=Tn-Tn-1，其中Tn表示第n日的上证指数值。上证指数日变动数*为实际日变动数减日平均变动数。
从图1和表1、表2中我们可以看出：
1.上证指数日变动数分布不是标准的正态分布。与正态分布相比，上证指数日变动数分布峰值更高且尾部更粗，也就是出现尖峰厚尾现象。在±σ的面积里，实际分布的值高于正态分布8.09%，在±3σ的面积以外的部分实际分布的值高于正态分布0.89%。
2.为了能够反映上证指数日变动的真实情况，我们使用的数据是上证指数961个交易日的实际值，在这些样本中包含了上证指数大涨大跌的极端值情况，所以能够满足进行VaR计算所需要的数据数量和数据质量的要求。
3.上证指数作为股票市场的综合指数，其波动性会比一般风险资产要低，窄幅波动的概率比较高，从图1我们可以看出其在均值附近的概率非常高。虽然上证指数相对比较稳定，但其仍存在较大的市场风险。在960个样本中上涨的天数为467天，下跌的天数为493天，上涨的日平均涨幅为14.57点，下跌的日平均跌幅为15.40点。
（二）上证指数的VaR计算
由于上证指数日变动数的实际分布不满足正态分布，因此我们在计算VaR应采用模拟模型。虽然蒙特卡罗模型功能强大并应用灵活，但这种模型运算非常复杂，需要功能强大的计算设备，运算耗时较长，不便于进行日常的管理。因此，本文采用历史模拟法来计算上证指数的VaR值。
根据不同的置信水平和时间范围计算出2005年1月1日上证指数的VaR值，结果见表3。
（三）上证指数VaR值检验
对计算出来的上证指数VaR值，我们需要检验其有效性。检验的方法是看上证指数实际变动值落入给定置信水平和时间范围内VaR值概率的大小，如果概率大于给定的置信水平，则说明计算的VaR值有效，如果概率小于给定的置信水平，则说明计算的VaR值无效，需要重新计算。
本文选取了上证指数2005年1月4日至2005年4月6日的实际值共60个样本对上证指数在不同置信水平和时间范围内的VaR值进行检验，按变动值由小到大进行排列，结果见表4。
我们可以编制相应的2日、5日和10日的上证指数变动表（略），根据这些表可以对上证指数VaR值进行检验，结果见表5。
从表5中我们可以看出在1日和2日的VaR值的概率都大于给定的置信水平，说明上证指数的VaR在上述时间内是有效的，上证指数5日和10日的VaR值概率有不同程度的低于相应的置信水平，这主要是由于计算公式的误差以及样本数太低（分别是12个和6个）所引起的。从总体上来看计算出的上证指数VaR值是有效的，可以很好地反映所面临的市场风险。
四、结 论
投资银行作为现代资本市场重要的金融中介机构，在优化资源配置和促进国民经济发展方面将发挥非常重要的作用。与此同时，投资银行所面临的市场风险也正逐步加大，投资银行需要有效地防范和化解这些风险。风险价值法作为一种度量市场风险的有效方法将在投资银行的风险管理中发挥积极的作用。在具体应用中，投资银行可以根据经营的实际情况对上述计算模型加以适当选择，并根据自身对市场风险的偏好选择不同的置信水平和时间范围，通过制定不同的风险限额进行风险管理和风险评价。
参考文献：
［1］ J.P.Morgan. RiskMetrics Techonolgy Document(4th edition)［M］.Riskmetrics Group,New York,1996.
［2］ 郑文通．金融风险管理的VaR方法及其应用［J］.国际金融研究, 1997, (9):58~62.
［3］ 刘宇飞．VaR模型及其在金融监管中的应用［J］.经济科学, 1999, (1):39~49.
［4］ 刘 静．VaR应用分析以及对我国的启示［J］.南开经济研究, 2002,(3):36~37.
［5］ 郑明川,徐翠萍．衍生金融工具风险信息的VaR披露模式［J］.会计研究, 2002,(7):49~53.
［6］ 龙海明, 黄 卫．VaR在消费信贷风险管理中的应用［J］.财经理论与实践, 2002,(6):31~36.
［7］ 于 研．风险价值法在金融机构信用风险管理中的运用［J］.统计研究, 2003,(7):49~53.
［8］ 袁 梁，霍学喜，吴后宽.VaR模型在商业银行风险管理中的应用［J］.西北农林科技大学学报（社会科学版），2005，5（2）：56~60.
［9］ 赵 睿,赵 陵．VaR方法与资产组合分析［J］.数量经济技术经济研究, 2002,(11):44~47.
［10］ 景乃权，陈 姝．VaR模型及其在投资组合中的应用［J］.财贸经济, 2002,(2):68~71.
［11］ 姚小义, 滕宏伟，陈 超．证券公司资产管理业务的规模风险控制［J］.数量经济技术研究, 2002, (5):65~67.
［12］ 英定文．指数期货与证券机构定量风险管理体系［J］.数量经济技术研究 2002, (10):71~74.
［13］ 杜海涛．VaR模型在证券风险管理中的应用［J］.证券市场导报, 2000, (8):57~61.
［14］ 范 英．VaR方法及其在股市风险分析中的应用初探［J］.中国管理科学, 2001，8(3):27~31.
［15］ 马超群,李红权,周 恩,等．风险价值方法及其实证研究［J］.中国管理科学,2001,(5):16~23.
［16］ 刘 静．我国股价指数风险价值实证分析［J］.经济问题探索, 2002, (3):70~73.
［17］ 陈守东,王鲁非．上证综合指数VaR的度量［J］.数量经济技术研究, 2002, (4):103~106.
［18］ 彭寿康．中国证券市场股份指数VaR研究［J］.统计研究, 2003,(6):58~61.
Application of VaR in Investment Bank’s Market Risk Management
DAI Zhihui,ZHAO Shouguo，TENG Xin
（School of Economics and Management, Northwest University, Xi’an 710069,China）
Abstract：This paper introduces the most advanced market risk measurement methodrisk value method, and with the pattern of value method it also measures the investment bank’s market risk in the transaction of securities and analyzes the application range and the application prospect in China.
Key words：Risk Value Method;investment bank;market risk management
注：文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文