㈠ FRM干货:常用的金融风险的模型有哪些
金融市场的一个主要功能是允许不同经济参与者交易风险，而过去二十年来，全球金融市场经历了迅猛发展，金融创新和信息技术的进步，以及经济全球化和金融一体化，这些都加剧了金融市场的波动性，也使得金融机构面临更加严峻的金融风险。近期的金融危机频繁发生，造成的损失巨大，这进一步凸显了金融风险管理的重要性。
以下是常用的金融风险模型：
1. 波动性方法：
自1952年Markowitz提出基于方差的风险度量以来，方差一直是金融风险的经典度量。尽管方差计算简便，理论成熟，但它存在一些局限性，例如，它将收益高于均值的部分视为风险，可能不太容易被接受；同时，它以收益均值作为基准，这与实际情况不符；此外，方差主要考虑平均偏差，不适合描述小概率事件导致的巨大损失。
2. VaR模型（Value at Risk）：
VaR模型于1994年提出，它是在正常市场条件下，一定的置信水平上，预期发生的最坏情况的损失大小。VaR模型的数学定义是，设X为描述证券组合损失的随机变量，F(x)为其概率分布函数，置信水平为a，则VaR(a)=-inf{x|F(x)≥a}。然而，VaR模型存在一些问题，例如，它只关注超过VaR值的频率，而不关心损失的具体分布，同时在处理非正态分布的损失和组合变化时表现不稳定。
3. 灵敏度分析法：
灵敏度分析法是对风险的线性度量，它衡量市场因子的变化与证券组合价值变化的关系。这种方法在不同金融产品中有不同的应用，如固定收入市场的久期，股票市场的“β”，衍生工具市场的“δ”等。尽管灵敏度分析法简单直观，但它也有局限性，如局部性测量、产品依赖性、不稳定性和相对性。
4. 一致性风险度量模型：
Artzner等人于1997年提出了一致性风险度量模型，认为一个完美的风险度量应满足单调性、次可加性、正齐次性和平移不变性等条件。一致性风险度量模型包括CVaR模型、ES模型、DRM模型和谱风险测度等。其中，CVaR模型和ES模型在处理损失分布的后尾现象时有所改进，但CVaR模型在密度函数不连续时不具有一致性风险度量的属性。
5. 信息熵方法：
信息熵方法将熵与风险联系起来，熵是非负的，且与风险成正比。学者们从不同角度利用熵来度量风险。
6. 行为金融学：
行为金融学结合心理学研究成果，引入投资心理到风险度量中，提出了基于行为金融的认知风险度量方法，并探讨了认知风险与传统度量方差的关系。
随着金融市场的不断发展，风险度量方法也在不断进步。未来的发展趋势将包括结合不同风险度量方法，从多个角度去识别和控制风险。