隨著金融市場的不斷發(fā)展，應(yīng)對金融風(fēng)險(xiǎn)也有了更科學(xué)的方式。理論知識(shí)不斷更新，金融風(fēng)險(xiǎn)的模型也越來越多。今天高頓網(wǎng)校FRM小編就來為大家介紹幾個(gè)常見的金融風(fēng)險(xiǎn)模型，其中有幾個(gè)是2016年FRM考綱中出現(xiàn)過的，大家要重視。
一、波動(dòng)性方法
自從1952年Markowitz 提出了基于方差為風(fēng)險(xiǎn)的*3資產(chǎn)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(fēng)險(xiǎn)度量。方差計(jì)算簡便，易于使用，而且已經(jīng)有了相當(dāng)成熟的理論。當(dāng)然，波動(dòng)性方法也存在以下缺點(diǎn)：
（1）把收益高于均值部分的偏差也計(jì)入風(fēng)險(xiǎn)，這可能大家很難接受；
（2）以收益均值作為回報(bào)基準(zhǔn)，也與事實(shí)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(dǎo)致的巨大損失，而金融市場中的“稀少事件”產(chǎn)生的極端風(fēng)險(xiǎn)才是金融風(fēng)險(xiǎn)的真正所在。
二、VaR模型（Value at Risk）
風(fēng)險(xiǎn)價(jià)值模型產(chǎn)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(shí)間段內(nèi)預(yù)期發(fā)生的最壞情況的損失大小X。在數(shù)學(xué)上的嚴(yán)格定義如下：設(shè)X是描述證券組合損失的隨機(jī)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(shí)，可以比較有效的控制組合的風(fēng)險(xiǎn)。因此，2001年的巴塞耳委員會(huì)指定VaR模型作為銀行標(biāo)準(zhǔn)的風(fēng)險(xiǎn)度量工具。但是VaR模型只關(guān)心超過VaR值的頻率，而不關(guān)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(shí)表現(xiàn)不穩(wěn)定。
三、靈敏度分析法
靈敏度方法是對風(fēng)險(xiǎn)的線性度量，它測定市場因子的變化與證券組合價(jià)值變化的關(guān)系。對于市場因子的特定變化量，通過這關(guān)系種變化關(guān)系可得到證券組合價(jià)值的變化量。針對不同的金融產(chǎn)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(yīng)用但是它有如下的缺陷：
（1）只有在市場因子變化很小時(shí)，這種近似關(guān)系才與現(xiàn)實(shí)相符，是一種局部性測量方法；
（2）對產(chǎn)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(fēng)險(xiǎn)，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(fēng)險(xiǎn)度量模型（Coherentmeasure of risk）
Artzner et al.（1997）提出了一致性風(fēng)險(xiǎn)度量模型，認(rèn)為一個(gè)完美的風(fēng)險(xiǎn)度量模型必須滿足下面的約束條件：
（1）單調(diào)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(fēng)險(xiǎn)小于等于構(gòu)成組合的每個(gè)部分風(fēng)險(xiǎn)的和，這一條件與我們進(jìn)行分散性投資可以降低非系統(tǒng)風(fēng)險(xiǎn)相一致，是一個(gè)風(fēng)險(xiǎn)度量模型應(yīng)具有的重要的屬性，在實(shí)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(fēng)險(xiǎn)度量模型有：
（1）CVaR模型（Condition Value at Risk）：條件風(fēng)險(xiǎn)價(jià)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(shí)間段內(nèi)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(diǎn)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(shí)存在的問題。當(dāng)證券組合損失的密度函數(shù)是連續(xù)函數(shù)時(shí)，CVaR模型是一個(gè)一致性風(fēng)險(xiǎn)度量模型，具有次可加性，但當(dāng)證券組合損失的密度函數(shù)不是連續(xù)函數(shù)時(shí)，CVaR模型不再是一致性風(fēng)險(xiǎn)度量模型，即CVaR模型不是廣義的一致性風(fēng)險(xiǎn)度量模型，需要進(jìn)行一定的改進(jìn)。
（2）ES模型（Expected Shortfall）：ES模型是在CVaR基礎(chǔ)上的改進(jìn)版，它是一致性風(fēng)險(xiǎn)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(jié)果與CVaR模型的結(jié)果相同；如果損失X的密度函數(shù)是不連續(xù)的，則兩個(gè)模型計(jì)算出來的結(jié)果有一定差異。
（3）DRM模型（Distortion Risk-Measure）：DRM通過一個(gè)測度變換得到一類新的風(fēng)險(xiǎn)度量指標(biāo)。DRM模型包含了諸如VaR、CVaR等風(fēng)險(xiǎn)度量指標(biāo)，它是一類更廣義的風(fēng)險(xiǎn)度量指標(biāo)。
（4）譜風(fēng)險(xiǎn)測度：2002年，Acerbi對ES進(jìn)行了推廣，提出了譜風(fēng)險(xiǎn)測度（Spectral Risk Measure）的概念，并證明了它是一致性風(fēng)險(xiǎn)度量。但是該測度實(shí)際計(jì)算的難度很大，維數(shù)過高時(shí)，即使轉(zhuǎn)化成線性規(guī)劃問題，計(jì)算也相當(dāng)困難。