隨著金融市場的不斷發(fā)展，應對金融風險也有了更科學的方式。理論知識不斷更新，金融風險的模型也越來越多。今天澤稷網(wǎng)校小編就來為大家介紹幾個常見的金融風險模型，其中有幾個是2016年FRM考綱中出現(xiàn)過的，大家要重視。
 
一、波動性方法
 
自從1952年Markowitz 提出了基于方差為風險的最優(yōu)資產組合選擇理論后，方差（均方差）就成了一種極具影響力的經(jīng)典的金融風險度量。方差計算簡便，易于使用，而且已經(jīng)有了相當成熟的理論。當然，波動性方法也存在以下缺點：
 
（1）把收益高于均值部分的偏差也計入風險，這可能大家很難接受；
 
（2）以收益均值作為回報基準，也與事實不符；
 
（3）只考慮平均偏差，不適合用來描述小概率事件發(fā)生所導致的巨大損失，而金融市場中的“稀少事件”產生的極端風險才是金融風險的真正所在。
 
二、VaR模型（Value at Risk）
 
風險價值模型產生于1994年，比較正規(guī)的定義是：在正常市場條件下和一定的置信水平a上，測算出在給定的時間段內預期發(fā)生的最壞情況的損失大小X。在數(shù)學上的嚴格定義如下：設X是描述證券組合損失的隨機變量，F(xiàn)(x)是其概率分布函數(shù)，置信水平為a，則：VaR(a)=-inf{x|F(x)≥a}。該模型在證券組合損失X符合正態(tài)分布，組合中的證券數(shù)量不發(fā)生變化時，可以比較有效的控制組合的風險。因此，2001年的巴塞耳委員會指定VaR模型作為銀行標準的風險度量工具。但是VaR模型只關心超過VaR值的頻率，而不關心超過VaR值的損失分布情況，且在處理損失符合非正態(tài)分布（如厚尾現(xiàn)象）及投資組合發(fā)生改變時表現(xiàn)不穩(wěn)定。
 
三、靈敏度分析法
 
靈敏度方法是對風險的線性度量，它測定市場因子的變化與證券組合價值變化的關系。對于市場因子的特定變化量，通過這關系種變化關系可得到證券組合價值的變化量。針對不同的金融產品有不同的靈敏度。比如：在固定收入市場的久期，在股票市場的“β”，在衍生工具市場“δ”等。靈敏度方法由于其簡單直觀而得到廣泛的應用但是它有如下的缺陷：
 
（1）只有在市場因子變化很小時，這種近似關系才與現(xiàn)實相符，是一種局部性測量方法；
 
（2）對產品類型的高度依賴性；
 
（3）不穩(wěn)定性。如股票的“貝塔”系數(shù)存在不穩(wěn)定的缺陷，用其衡量風險，有很大的爭議；
 
（4）相對性。敏感度只是相對的比例概念，并沒有回答損失到底有多大。
 
四、一致性風險度量模型（Coherentmeasure of risk）
 
Artzner et al.（1997）提出了一致性風險度量模型，認為一個完美的風險度量模型必須滿足下面的約束條件：
 
（1）單調性；
 
（2）次可加性；
 
（3）正齊次性；
 
（4）平移不變性。
 
次可加性條件保證了組合的風險小于等于構成組合的每個部分風險的和，這一條件與我們進行分散性投資可以降低非系統(tǒng)風險相一致，是一個風險度量模型應具有的重要的屬性，在實際中如銀行的資本金確定和最優(yōu)化組合確定中也具有重要的意義。目前一致性風險度量模型有：
 
（1）CVaR模型（Condition Value at Risk）：條件風險價值（CVaR）模型是指在正常市場條件下和一定的置信水平a上，測算出在給定的時間段內損失超過VaRa的條件期望值。CVaR模型在一定程度上克服了VaR模型的缺點不僅考慮了超過VaR值的頻率，而且考慮了超過VaR值損失的條件期望，有效的改善了VaR模型在處理損失分布的后尾現(xiàn)象時存在的問題。當證券組合損失的密度函數(shù)是連續(xù)函數(shù)時，CVaR模型是一個一致性風險度量模型，具有次可加性，但當證券組合損失的密度函數(shù)不是連續(xù)函數(shù)時，CVaR模型不再是一致性風險度量模型，即CVaR模型不是廣義的一致性風險度量模型，需要進行一定的改進。
 
（2）ES模型（Expected Shortfall）：ES模型是在CVaR基礎上的改進版，它是一致性風險度量模型。如果損失X的密度函數(shù)是連續(xù)的，則ES模型的結果與CVaR模型的結果相同；如果損失X的密度函數(shù)是不連續(xù)的，則兩個模型計算出來的結果有一定差異。
 
（3）DRM模型（Distortion Risk-Measure）：DRM通過一個測度變換得到一類新的風險度量指標。DRM模型包含了諸如VaR、CVaR等風險度量指標，它是一類更廣義的風險度量指標。
 
（4）譜風險測度：2002年，Acerbi對ES進行了推廣，提出了譜風險測度（Spectral Risk Measure）的概念，并證明了它是一致性風險度量。但是該測度實際計算的難度很大，維數(shù)過高時，即使轉化成線性規(guī)劃問題，計算也相當困難。