燃油期貨風險度量模型

Ⅰ 歷史模擬法較之風險度量模型有哪些優點

信用風險(credit risk)是指由於借款人或市場交易對方違約而導致損失的可能性，以及由於借款人的信用評級的變動和履約能力的變化導致其債務的市場價值變動而引起的損失的可能性。從該定義可以看出。信用風險由兩部分組成，一是違約風險，指交易一方不願或無力支付約定款項致使交易另一方遭受損失的可能性；二是信用價差風險，指由於信用品質的變化引起信用價差的變化而導致的損失。

Ⅱ FRM考試中的常見金融風險模型有哪些

一、波動性方法
自從1952年Markowitz 提出了基於方差為風險的資產組合選擇理論後，方差（均方差）就成了一種極具影響力的經典的金融風險度量。方差計算簡便，易於使用，而且已經有了相當成熟的理論。當然，波動性方法也存在以下缺點：
（1）把收益高於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）
風險價值模型產生於1994年，比較正規的定義是：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生的壞情況的損失大小X。在數學上的嚴格定義如下：設X是描述證券組合損失的隨機變數，F（x）是其概率分布函數，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符合正態分布，組合中的證券數量不發生變化時，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分布（如厚尾現象）及投資組合發生改變時表現不穩定。不想重考，想一次通過，我有秘訣！！！
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。對於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。靈敏度方法由於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）不穩定性。如股票的「貝塔」系數存在不穩定的缺陷，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，並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於等於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後尾現象時存在的問題。當證券組合損失的密度函數是連續函數時，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不是連續函數時，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的密度函數是連續的，則ES模型的結果與CVaR模型的結果相同；如果損失X的密度函數是不連續的，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，並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，維數過高時，即使轉化成線性規劃問題，計算也相當困難。

Ⅲ 信用風險度量模型的對現代信用風險度量模型的分析評價

該模型的優點是：KMV模型是一個動態模型，將借款公司的股價信息轉換成信用信息，對借款公司質量的變化比較敏感，同時市場信息也被反映在模型當中，具有一定的前瞻性，模型的預測能力較強。
KMV模型在實際運用中存在的不足是：一是著重於違約預測，忽視了企業信用等級的變化，只適於評估與企業資產價值直接聯系的信貸資產(基本上只是貸款)的風險；二是該模型適用於上市公司的信用風險評估，由於我國的股市並不是一個有效的市場，上市公司的股票價格常常背離公司的實際價值，企業資產價值特別是國有企業的資產價值並不能夠完全反映到股票市值中，從而影響了模型預測的精確性。但是，該模型可以運用到對跨國集團信貸資產的風險管理上，跨國企業的信貸資產很大部分以其母公司為擔保人，而其母公司所在國家的股票市場是比較成熟有效的；三是模型基於資產價值服從正態分布的假設和實際不相符，模型不能夠對長期債務的不同類型進行分辨。 該模型具有兩個優點：一是該模型屬於MTM(market to market)模型，並據此計算信用風險的VaR值，這與國有商業銀行的經營理念基本吻合；二是該模型首次將組合管理理念引入信用風險管理領域，適用於商業信用、債券、貸款、貸款承諾、信用證、以及市場工具(互換、遠期等)等信貸資產組合的風險計量。
該模型的局限在於：
一是該模型對信用風險的評判很大程度上依賴於借款人的信用等級的變化，在我國現有的信用環境下，出現大量損失的概率可能較高。
二是模型假設信用等級轉移概率是一個穩定的馬爾可夫過程，而實際中信用等級轉移與過去的轉移結果之間有很高的相關性。
三是該模型假設無風險利率是事先決定的，我國債券市場尚不發達，還沒有形成合理的基礎利率，而基礎利率是計算貸款現值的重要因素。
四是在我國目前還沒有比較客觀、權威的信用評級公司，沒有現成的企業信用等級轉換概率和不同信用等級企業違約回收率數據資料。在商業銀行歷史貸款資料庫中，某一信用級別的企業在不同時期轉換成另一信用級別的概率可能是不相同的，某一信用級別的企業在各個時期違約回收率的均值可能也是不同的。這些不同時期的轉換概率和企業違約回收率均值就構成了混沌時間序列。如果假設經濟的宏觀因素沒有大的波動，就可以利用構成的混沌時間序列來預測短期未來的信用等級轉換概率矩陣和企業違約回收率均值。有了這些數據，國有商業銀行就可以應用信用度量術模型量化和管理信用風險。
五是該模型在實際運用中需要能夠做好信用等級評估工作的高素質的工作人員，另外由於該模型採用了蒙特卡羅模擬，運算量較大，以國有商業銀行現有的電腦網路系統，每次計算VAR值都需要幾個小時甚至十幾個小時，這樣的速度有時可能無法滿足業務發展的需要。 該模型的主要優勢：比較容易利用死亡率表來計算單個債券和債券組合的預期損失及其波動率，特別是計算債券組合很方便；死亡模型是從大量樣本中統計出來的一個模型，所以採用的參數比較少。該模型主要劣勢：沒有考慮不同債券的相關性對計算結果的影響；沒有考慮宏觀經濟環境對死亡率的影響，因而需要時時更新死亡率表；數據更新和計算量很大；不能處理非線性產品，如期權、外幣掉期
信用度量模型的意義
信用度量模型作為新巴塞爾協議框架，其意義在於確定銀打所承擔的風險水平；對貸款等各種金融產品進行合理定價；合理配置銀行資本，抵禦各種風險。
下面以基於VaR的風險度最模型為例來說明在新巴塞爾議框架下風險度量模型的積極意義。
2001年， 巴塞爾委員會發布了旨在替代舊版巴塞爾協議的《新巴塞爾資本協議》(以下簡稱新巴塞爾協議) 。在此框架下，商業銀行面臨的風險被分為三類：信用風險、市場風險和操作風險。
VaR被運用於商業銀行風險管理始於對於市場風險的監管。傳統的市場風險管理技術可以分為靈敏性分析和波動性分析兩類，但這兩種方法在精確度、依賴性和全面性等方面存在明顯的缺陷，而正如Jorion指出的那樣，VaR方法他用規范的統計技術，全面地衡量市場風險，很好地彌補了靈敏性分析和波動性分析的缺陷，將市場風險管理技術提升到了一個新的高度 巴塞爾委員會也明確了用VaR 方法結合內部模型法來度量銀行面臨的市場風險的規定。
信用風險是商業銀行面臨的風險中最重要的一類風險，由於信用風險本身的一些特點， 運用VaR對其進行度量存在技術上的困難。但是隨著數量技術的發展，新一代金融工程學家運用新的建模技術和分析方法建立了一些暴於VaR技術的信用風險度量模型。其中比較著名的有CIBC提出的CreditVaR 系列方法和J．P.Mrgan提出的CreditMetrics。
在商業銀行皿臨的風險中,操作風險一直以來缺乏明確定義和足夠關注，在新巴塞爾協議中一項重要的修改，就是將操作風險納入風險資本的計算和監管框架。新巴塞爾協議中提供了多種可供選擇的計算操作風險資本盒的方法，其中比較復雜的損失分布法就需要運用VaR方法來確定操作風險資本。

Ⅳ 石油市場系統風險評價指標體系

根據科學、系統、數據可獲得等基本原則，我們建立了一套指標體系綜合評價石油市場的系統風險。主要從4個方面入手，即國際石油期貨市場投機程度、典型油價結算貨幣的匯率波動程度、石油市場需求風險和供應風險。

4.2.2.1 投機炒作

在國際石油交易中，石油期貨的交易量和交易額非常重要，而且對石油現貨交易價格有明顯的價格發現功能，因此我們將重點考察石油期貨交易中的價格波動。近幾年來，國際油價高位震盪，波動劇烈，石油市場投機因素被認為是其中一個顯著的原因。因此，度量國際石油市場的投機程度，應該成為評價石油市場系統風險的一個重要方面。

對期貨投機交易或非投機交易的區分，一般是根據CFTC每周公布一次的交易者持倉報告（Commitment of Traders，簡稱COT）。持有期貨頭寸的交易者被要求填寫報告，以描述他們的商業性質，CFTC據此數據區分商業交易商（commercial traders）和非商業交易商（non-commercial traders）。商業交易商需要實際使用該交易商品，從而主要是利用期貨市場進行對沖以控制風險，非商業交易商則包括其他所有的交易商。一般認為，能源期貨市場上的投機者是指非商業交易商，其投機交易大體分為兩類：頭寸交易（position trading）和套利交易（spread trading）

頭寸交易包含直接的或多頭或空頭的期貨合約頭寸；套利交易既包含多頭頭寸，也包含空頭頭寸，存在於相似或相關聯商品的不同期貨合約中。由於套利交易中投機者買進和賣出的期貨合約具有高度的相關性，因此其價格間應該有一個合理的關系。當市場價格偏離合理的相對價格時，投機者即可買進相對便宜的合約而賣出相對較貴的合約；如果判斷正確，投機者即可從價差中獲利。。

基於投機交易的特點，為了度量國際石油期貨市場的投機程度，總體把握石油期貨市場的交易狀況，尤其是石油期貨市場承受的投機壓力和對沖壓力，根據Sanders等（2004），我們定義幾個數量指標如下：

非商業交易商持倉比例：

,

商業交易商的持倉比例：

,

非商業交易商凈頭寸比例：

,

非商業交易商套利持倉變化率為：

,

商業交易商凈頭寸比例：

,

其中，NCL表示非商業交易商的多頭，NCS表示非商業交易商的空頭，NC SP表示非商業交易商的套利持倉，CL表示商業交易商的多頭，CS表示商業交易商的空頭，TOI表示總持倉量（未平倉合約）。根據Sanders等（2004）和DeRoon等（2000）的觀點，非商業交易商凈頭寸比例表示市場的投機壓力（更准確地講是頭寸投機壓力），而商業交易商凈頭寸比例顯示的是市場套期保值的壓力。

因此，需要從CF TC每周提供一次的交易者持倉報告中獲取有關基礎數據

CFTC提供的COT報告是一份標准格式的數據報告，其中涉及一些重要的石油期貨市場專業概念需要解釋，主要包括石油期貨交易多頭、空頭、套利交易和套利持倉。買入期貨合約後所持有的頭寸稱為多頭頭寸（long positions），簡稱多頭，其利潤來自石油期貨合約價格的上升；賣出期貨合約後所持有的頭寸稱為空頭頭寸（short positions），簡稱空頭，其利潤來自期貨合約價格的下降。未平倉多頭合約與未平倉空頭合約之間的差額即為凈頭寸。套利交易衡量每個非商業交易商持有的跨期套利部分，其持倉表示每個非商業交易商持有的等量多頭和空頭頭寸，但是並不包含跨市套利交易的數據。例如，如果一個非商業交易商持有2000張多頭和1500張空頭原油合約，則在非商業持倉多頭計入500張合約，套利交易持倉計入1500張。。

4.2.2.2 匯率波動

石油計價貨幣的匯率波動也是造成油價劇烈起伏的重要原因。考慮到美元是目前國際石油市場的主要計價和結算貨幣，因此本節重點考察美元匯率波動，引入了以國際貿易額加權計算的美元綜合指數；在美元匯率交易中，美元對歐元匯率佔主要地位，對整個美元匯率的走勢發揮著主導作用，因此本書也加入了美元對歐元匯率的來評價石油市場匯率風險；此外，隨著近些年美元持續貶值，其在貨幣市場的國際地位引起了熱烈討論，提倡採用一攬子貨幣結算石油貿易的呼聲日漸高升，因此，本節考慮到計算貨幣多元化的趨勢和俄羅斯在國際石油貿易中的重要地位及其現有結算貨幣更改的實踐，引入了美元對盧布的匯率波動。

表4.1 國際石油市場系統風險評價指標體系及說明

除了投機活動和匯率波動因素以外，石油市場最基本的規律，即市場供需形勢，也不可忽視。近年來，地緣政治、天氣變化、消費行為季節性調整等因素，都最終通過石油市場供需狀況來顯著影響國際油價波動。因此，評價石油市場系統風險時，市場供需風險必不可少。

綜合上述分析，石油市場系統風險評價指標體系及其說明如表4.1所示。需要指出的是，鑒於交易數據限制，目前我們只評價美國NYMEX交易所的系統風險狀況。油氣品種包括原油、汽油、取暖油和天然氣期貨。

Ⅳ FRM干貨：常用的金融風險的模型有哪些

金融市場的一項主要功能實際上是允許經濟界的不同參與者交易其風險，而近二十年來，由於受經濟全球化和金融一體化、現代金融理論及信息技術、金融創新等因素的影響，全球金融市場迅猛發展，金融市場呈現出前所未有的波動性，金融機構面臨著日趨嚴重的金融風險。
近年來頻繁發生的金融危機造成的嚴重後果充分說明了這一點。

一、波動性方法
自從1952年Markowitz提出了基於方差為風險的*3資產組合選擇理論後，方差（均方差）就成了一種極具影響力的經典的金融風險度量。方差計算簡便，易於使用，而且已經有了相當成熟的理論。當然，波動性方法也存在以下缺點：
（1）把收益高於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）
風險價值模型產生於1994年，比較正規的定義是：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生的最壞情況的損失大小X。在數學上的嚴格定義如下：設X是描述證券組合損失的隨機變數，F(x)是其概率分布函數，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符合正態分布，組合中的證券數量不發生變化時，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分布（如厚尾現象）及投資組合發生改變時表現不穩定。
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。對於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。靈敏度方法由於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）不穩定性。如股票的「貝塔」系數存在不穩定的缺陷，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，並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於等於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*3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後尾現象時存在的問題。當證券組合損失的密度函數是連續函數時，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不是連續函數時，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的密度函數是連續的，則ES模型的結果與CVaR模型的結果相同；如果損失X的密度函數是不連續的，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，並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，維數過高時，即使轉化成線性規劃問題，計算也相當困難。
五、信息熵方法
由不確定性把信息熵與風險聯系在一起引起了眾多學者的研究興趣，例如Maasoumi，Ebrahim，Massoumi and Racine，Reesor.R等分別從熵的不同角度考慮了風險的度量，熵是關於概率的一個單調函數，非負，計算量相對較少，熵越大風險越大。
六、未來的發展趨勢
近年來行為金融學逐漸興起，它將心理學的研究成果引入到標准金融理論的研究，彌補了標准金融理論中存在的一些缺陷，將投資心理納入到證券投資風險度量，提出了兩者基於行為金融的認知風險度量方法，並討論了認知風險與傳統度量方差的關系。2004年Murali Rao給出一種新的不確定性度量--累積剩餘熵。累積剩餘熵是用分布函數替換了Shannon熵的概率分布律或密度函數，它具有一些良好的數學性質，這個定義推廣了Shannon熵的概念讓離散隨機變數和連續隨機變數的熵合二為一，也許會將風險度量的研究推向一個新的台階。
總之，金融風險的度量對資產投資組合、資產業績評價、風險控制等方面有著十分重要的意義。針對不同的風險源、風險管理目標，產生了不同的風險度量方法，它們各有利弊，反映了風險的不同特徵和不同側面。在風險管理的實踐中，只有綜合不同的風險度量方法，從各個不同的角度去度量風險，才能更好地識別和控制風險，這也是未來風險度量的發展趨勢。

Ⅵ 商業銀行面臨的金融風險及度量的指標有哪些

商業銀行風險是指在商業銀行經營過程中，由於不確定性因素的影響，使得銀行實際收益偏離預期收益，從而導致遭受損失或獲取額外收益的可能性。
目前最重要、最常用的一種分類方法是根據商業銀行在經營過程中面臨的風險將其分為信用風險、市場風險、流動性風險與操作風險等。下面我們將分別介紹這幾種風險的定義及其度量方法。
(一)信用風險
1．信用風險涵義
信用風險是指由於信用活動中存在的不確定性而導致銀行遭受損失的可能性，確切地說，足所有囚客戶違約而引起的風險。比如資產業務中借款人無法償還債務引起的資產質量惡化；負債業務中的存款人大鞋提取款形成擠兌等等。
2．信用風險度遣
(1)傳統的信用風險度量模型包括專家制度模型、Z評分模型等。
(2)現代信用風險量化度量和管理模型，主要包括：KMV公司的KMV模型、J．P摩根的Credit Metrics Model(信用計量模型)、Credit Risk+(信用風險附加型)和宏觀模擬模型(CPV模型)。
(二)市場風險
1．市場風險的涵義
市場風險足金融體系中最常見的風險之一，通常是由金融資產的價格變化而產生的，市場風險一般又可分為利率風險、匯率風險等。
(1)商業銀行利率風險是指市場利率水平變化對銀行的市場價值產生影響的風險。我國商業銀行的利率曾經長期處於利率管制的的火環境下，但是隨著我國利率市場化的不斷加強，利率風險對商業銀行的影響也將口益突出。
(2)商業銀行匯率風險是指銀行在進行囝際業務中，其持有的外匯資產或負債凶匯率波動而造成價值增減的不確定性。隨著銀行業務的國際化，商業銀行的海外資產和負債比重增加，商業銀行面臨的匯率風險將不斷加大。
2．市場風險的度量
早在七、八十年代，西方各金融機構普遍感到傳統的金融風險管理工具已不能適應金融市場發展的需要，紛紛開始研究如何用單個模型來度磕整個金融機構所面對的市場風險。其中JP．Morgan研製的風險模型Risk Metrics最為成功。在此風險模型中使用的風險度量指標就是VaR即在險價值。
(三)流動性風險
1．流動性風險的涵義
狹義的流動性風險是指商業銀行沒有足夠的現金來彌補客戶存款的提取而產生的支付風險；廣義的流動性風險除了包含狹義的內容外，還包括商業銀行的資金來源不足而未能滿足客戶合理的信貸需求或其它即時的現金需求而引起的風險。以最近發生的美國次貸危機為例，表面上看此次危機足銀行流動性缺乏所造成的，但其根本原因是商業銀行資產配置失誤，肆意發放信用等級低、質量差的貸款導致的。
流動性風險的最大危害在於其具有傳導性。由於不同的金融機構的資產之間具有復雜的債權債務聯系，這使得一旦某個金融機構資產流動性出現問題，不能保持正常的頭寸，則單個的金融機構的金融問題將會演變成全局性的金融動盪。我們正任經歷的這次金融危機就是由美國商業銀行的流動性危機傳導到美國金融各個領域進而傳導到世界各國的金融領域的危機。
2．流動性風險的度量
(1)靜態分析方法
①存貸比率：是反映商業銀行的流動性風險的傳統指標，它等於貸款對存款的比例。該指標在很人程度上反映了存款資金佔用的程度，這一比例愈高，表示流動性愈低，風險越大。
②流動資產比率：它分為流動性資產與總資產比率以及流動性資產與流動性負債比率兩個層面，該比率愈高，表明該商業銀行流動性風險愈小。
(2)動態分析方法
①流動性缺口法
流動性缺口衡聳的是資產與負債之間的差額，目前的資產負債產生的流動性缺口是靜態缺口，資產和負債不斷變化而產生的缺口足動態缺口。這。方法可以用來比較特定的時間序列中銀行未來的現金收入和現金支出。
②現金資本模型
一般適用於比較大型的銀行金融機構。這種模型首先假定銀行不能獲得任何的外來融資。通過評估銀行所有的資產的流動性，來分析資產的可銷售性，再運用適當的折扣率，來計算通過資產出售能夠維持多久的流動性。
(四)操作風險
巴塞爾委員會的定義為：操作風險就是指由於內部程序、人員、系統不充足或者運行失當，以及因為外部事件的沖擊等導致直接或間接損失的町能性的風險。
與其它幾種風險相比，商業銀行的操作風險有著較為顯著的特點。由於每個銀行經營的操作環境不問，因此銀行應考慮自己具體情況來對操作風險進行分析．這是操作風險的最顯著特徵。

Ⅶ 風險度量的方法

度量風險的方法有許多。這些風險的度量包括對風險的影響直接估計如損失額，對風險事件發生的概率的估計，以及二者的結合如數學期望值，波動性，VaR，保險費，期權價值等，還包括風險對目標的變化的影響如各種導數類的指標如固定收益產品的久期和凸性，以及用於其它金融產品的希臘字母等。 用損失額來量度風險通常用在人們對損失發生的可能有一些假定的情況下。或者就是在許多情況下，人們只需要了解可能發生的最大的損失額，即最大可能的損失（MPL）。應當注意的一點是，最大可能的損失實際上有兩個不同的含義，在英文中的表達分別是Maximum Possible Loss和Maximum Probable Loss。前者是指在最壞情況下的總的財物損失，而後者是指在某一個風險因素的作用下最可能發生的財物損失。 風險發生的概率的估計作為對風險的度量通常是用在人們對風險造成的後果有了一定假設的情況。 用數學期望值來表示風險也是有的。一般用在損失概率和可能的損失額較為穩定或者說波動性比較小的情況下。 用波動性度量風險始於組合理論，仍然在金融領域中用得比較普遍。波動性比較容易計算，但不容易理解，特別是對決策過程難有影響。人們可以容易地構造出一些例子說明如果按波動性來作投資決策將會是違反直觀的。 VaR值是一個在金融領域里被廣泛使用的風險度量。考慮用VaR表示風險指數的原因是VaR對於運營而言有比較好的參考價值，有利於經營過程中的資本成本和效率的提高。 保險費在某種程度上是對轉移的風險的價值的市場價的度量。保險費的計算通常是用保險公司自身的精算模型。 考慮用期權Call和Put來度量風險是因為考慮到所有的風險度量中只有它們直接表示風險的價值。保險費的定價與期權的定價本質上是一致的。Call和Put值較好地反映現有風險資產的與無風險的價值相比較而言的價值，因而對於決策有很好的參考價值。與VaR比較，Call和Put值是精確的值，而不是統計的值。但是，除了較少的情況外，如在有流動的市場的情況下，計算Call和Put值比較困難。 市場風險一些特殊度量，通常是導數，如各種希臘字母。另外還有久期和凸性等。這些度量都是對一些特殊的標的對某些風險因素的影響的依賴關系而定義的。

Ⅷ 金融風險度量名詞解釋

金融風險度量是指企業根據相應的風險度量模型和方法，綜合分析所獲知的交易數據和金融匯率情況，並對風險暴露頭寸和風險損益值進行計算，把握這些金融風險將達到多大程度，會造成多少損失。

Ⅸ 風險度量值計算

你說的風險度量值應該是度量風險的指標，度量風險的方法有概率分析法、資產定價模型法等這里用的是概率分析法，步驟是，先預期報酬率--然後求方差、標准差---最後求出變化系數。據變異系數判斷風險程度，變異系數越大，風險越大；反之，變異系數越小，風險越小1、預期報酬率=0.4×30%+0.2×60%+0.3×（-20%）+0.1×（-30%）=15%2、方差=(30%-15%)2×0.4+（60%-15%)2×0.2+（-20%-15%)2×0.3+（-30%-15%)2×0.1=0.10653、標准差=根號0.1065=32.63%4、變化系數=標准差/預期報酬率=32.63%/15%=2.18

Ⅹ 金融風險管理中風險模型有哪些內容

一、波動性方法
二、VaR模型（Value at Risk）
三、靈敏度分析法
四、一致性風險度量模型（Coherentmeasure of risk）