市场风险数据分析例1

企业的市场风险是企业市场营销活动中由于内外部与市场有关因素的影响而随机出现的对企业造成损害的可能性。随着市场竞争的逐渐加剧，企业的市场风险加剧，给企业的市场营销工作造成了很大的影响，对企业经营目标的实现造成了一定的威胁。如何对企业市场风险进行管理已经成了大部分企业急待解决的问题，本文将从预警的角度对企业的市场风险管理进行研究。

一、企业市场风险预警系统构建

企业的市场风险预警系统有狭义和广义之分。狭义的预警系统是指为了防范可能偏离正常发展轨道或可能出现的市场风险而建立起来的报警系统。而广义的市场风险预警系统则包括市场风险识别系统、市场风险评估系统、市场风险预警系统和市场风险处理系统。关于企业市场风险的预警系统构建的思路，本文按照广义的市场风险预警包含的子系统来构建。

市场风险数据分析例2

中图分类号：F830.9文献标识码：A文章编号：1006-1428（2008）01-0009-05

一、我国金融市场监测分析体系框架的现状和特点

1、金融市场监测分析体系现有框架的总体情况。

我国金融市场监测分析体系框架发展到现在，尤其是中国人民银行上海总部建立、行使金融市场监测分析平台的职能以来，已经初步建立起了较为完善的金融市场监测分析体系，搭建了重点监测与全面监测相结合，日常监测与长效监测并重的监测框架和管理模式。

一是重点监测与全面监测相结合。既有对整个金融市场进行全局宏观的监测，也有针对各个金融子市场进行的重点监测。重点监测注重各子市场的发展特点和问题，全面监测侧重金融市场之间的联动以及宏观经济金融环境对金融市场的影响。

二是日常监测与长效监测并重。从监测报告体系看，建立了以金融市场监测日报、月报、季报和快报为载体的金融市场监测体系。既有对金融市场重大决策快速反应的快报，也有日常监测的日报、月报，更有注重长效监测的季报和年报，并将全年的监测报告成果以《中国金融市场发展报告》的形式对外公开和公告。

三是建立监测分析重点联系机制。根据监测工作需要，中国人民银行上海总部先后与中国外汇交易中心、中央国债登记结算有限公司、上海黄金交易所、上海证券交易所、上海期货交易所、中国金融期货交易所、工行票据营业部等机构建立了日常业务联系，实现数据共享、信息互通和业务交流。

四是开发了先进的金融市场监测分析系统。金融市场监测分析系统是人民银行上海总部为了加强对金融市场的监测分析，防范跨市场风险而建立的重要监测分析的技术平台。

2、金融市场监测分析系统的功能和特点。

金融市场监测分析系统主要有数据管理、指标维护、数据分析、快报生成等四个模块组成，并具备系统业务数据的历史性和全面性、数据的权威性和准确性、系统分析功能的多样性和分析系统和交易数据的共享性等四个主要特点。一是市场交易数据的历史性和全面性。由于该系统具备较强大的数据存储功能，因此它存储了多个金融市场长期发展积累所形成的各类历史交易情况数据。二是相关交易数据的权威性和准确性。为确保业务数据的准确性和规范业务数据报送的一致性，上海总部金融市场管理部和多个市场的第一线监管机构，如外汇交易中心、黄金交易所、国债登记结算有限公司等建立了业务联系。这些监管机构主要通过数据专线或者电子邮件的形式直接向该系统提供原始数据。三是系统分析手段的多样性。该系统具备四种不同形式的分析功能。分别为自主分析、时间序列汇总分析、分项分析查询和衍生指标分析。四是分析系统和交易数据的共享性。在经过恰当的网络配置后，人民银行的所有工作人员都可以访问该系统。分析系统和交易数据的共享性极大地提高了该系统的实用性和扩展了系统的使用范围。

3、存在的问题及差距。

一是监测指标还不够完善。没有相关的预警指标、风险识别衡量手段、风险监测模型，也缺乏置信区间等。

二是缺少数据来源且数据滞后。目前系统缺乏宏观数据来源，而即便是金融市场中涵盖的数据也多是交易结束后录入的，系统对于总结过去、说明现在的功能基本可以覆盖，但及时发现异动、预警风险的功能尚不能发挥，预测未来很薄弱，对市场进行有效、实时监督的条件还不成熟，更多的是在履行一种说明的职责。对相关数据进行深入分析、进行深度加工还做得不够。数据背后的前因后果、各市场之间的联动等研究还有待于进一步加强。

三是没有建立相应的组织、制度体系，难以对金融市场运行实行有效的监督。金融市场监测分析小组和专家会议对加强金融市场的监测分析起到了一定作用，但其作用还有待于进一步加强，与相关部门加强联系合作与信息共享等远远不够。

四是缺乏有效的监测手段。一个有效的功能齐全的监测分析系统必须具有强有力的制度保障，同时还应有一定的监测手段作为补充，比如现场检查、非现场监测、专题调查、金融机构定期报表报送以及提交内部报告，甚至还有专家的经验判断等，这些手段可以为及时充分获取各方面信息创造条件。目前我们的监测分析系统尚不具备上述监测分析的辅助手段。

二、发达国家和国际金融机构金融市场监测的特点

国际上对于金融市场的监测分析在20世纪90年代开始逐步强化和重视，这一时期，频繁爆发的国际金融动荡，促使许多国家和国际金融机构开始加强对金融市场监测分析与风险预警指标体系的研究，以提高自身对金融危机的分析和预测能力。综合来看，国际监测分析体系的建立有以下一些主要经验：

1、金融市场监测指标体系涵盖宏观与微观两个层面。

从国外建立金融市场监测指标体系的实践看，各个国家和国际金融机构所设计的指标体系都具有综合性，不仅包括金融市场层面的微观指标，也包括经济与金融层面的宏观指标。如美国现行的金融宏观监测指标便分为“宏观经济指标”和“综合微观金融指标”两类。其原因，一方面是因为微观金融指标仅反映单个金融机构的风险，而不能反映金融体系的整体风险；另一方面，一个国家金融危机的成因主要是宏观经济、金融体系、企业以及国外金融业出现严重问题，通过金融市场产生的联动效应。

2、注重对风险的评估与防范。

金融监测指标体系框架的主体思想就是建立以风险为核心的金融市场监测框架。从发达国家的经验看，对金融风险的识别、衡量、监测和控制始终贯穿于监管工作的始末，并建立一套完整的风险评估和评级体系。一是在伴随从机构型监管模式到功能型模式的转变的同时，完善金融市场监测分析手段和方法，制定金融风险国内、国际预警指标体系，提高防范化解金融风险的预见性和针对性。二是建立了监测信息平台，进行监测分析必须获得充分的信息。从发达国家的经验看，一般是通过金融监管信息系统的网络化建设，建立信息监管共享平台，不但能节省各监管部门的监管信息搜集成本，提高监管效率，而且使金融机构的原始信息真实反映到监管部门，增强信息的透明度和准确性，实现为金融监管提供连续、系统、动态的信息服务功能。

3、注重监管机构之间的协调与配合。

金融监管机构之间的协调与配合，能够增强信息沟通、降低监管成本、提高监管效率，在统一监管的基础上更有效地发挥防范风险化解危机的作用。金融市场监测指标体系涉及各金融子市场和多个金融监管部门，因此各监管机构之间的协调沟通至关重要。在这方面，发达国家都建立了有效的金融监管协调机制。在英国，英格兰银行、金融服务局和财政部之间建立了一种三方会谈机制：英格兰银行提供货币政策的走向，金融服务局提供金融市场的情况，财政部反馈议会和社会的情况，并且当英格兰银行和金融服务局的意见无法统一时，由财政大臣进行裁决。

4、注重为中央银行的货币政策提供服务。

鉴于货币政策与金融监管之间的密切联系及相互影响，发达国家金融市场监测指标体系通过对资金流量和结构的分析，能够反映货币政策传导效应和宏观经济面的变化，从而为央行的货币政策制定和执行提供服务。从发达国家的经验看，中央银行在监管框架中均发挥着重要作用。在英国，监管职能从英格兰银行分离出去后，法律规定英格兰银行与金融服务局（FSA）负责人交叉参加双方的理事会，实行互相介入，以保证二者之间的有效协调。这种安排能保证FSA负责的金融监管与英格兰银行负责的货币政策，在重大宏观层面上的决策保持较强的互通性和一致性，也有利于通过金融市场监测为央行的货币政策提供服务。

三、进一步完善我国金融市场监测分析体系框架的思考

（一）构建我国金融市场监测分析体系框架的整体架构

根据我国金融市场的发展情况和特点，在现有金融市场监测分析体系框架的基础上，借鉴国内外研究人员对金融市场监测分析体系研究成果，建议按照以下三个主要架构，建立和完善我国金融市场监测分析体系框架：宏观经济审慎监测指标体系、金融子市场审慎监测指标体系（可包括价格风险监测体系、流动性风险监测体系、信用风险监测体系和结构性风险监测体系）和跨市场审慎监测指标体系。

1.宏观经济审慎监测指标。

金融市场是反映宏观经济运行的晴雨表，宏观经济运行也深刻影响着金融市场的运行和发展。宏观经济审慎监测指标的选取要达到两个要求：一是在反映宏观经济的变化中有很强的代表性；二是对金融市场影响巨大，对金融市场变化具有很高的敏感性。宏观经济环境指标可以分为内部环境指标和外部环境指标。

2.金融子市场审慎监测指标体系。

各金融子市场主要包括货币市场、债券市场、股票市场、期货市场、外汇市场和黄金市场。针对各个子市场的监测，可以从以下四个方面构建合理可行的金融市场监测分析指标体系的框架。

①价格监测指标体系。

金融市场工具的价格是宏观经济因素和市场资金供求状况等多种因素相互作用的综合性反映，具有十分强烈的信号作用。金融市场价格监测指标体系包括同业拆借市场价格监测指标体系、债券市场价格监测指标体系、股票市场价格监测指标体系、期货市场价格监测指标体系和汇率风险预警指标等几大类指标体系。

②流动性监测分析指标体系。

金融市场流动性一般是指迅速执行交易且不造成价格大幅变化的能力。当市场流动性出现问题时，单笔交易会对金融市场的价格产生重大影响，容易产生市场价格操纵问题，从而要么给其他的市场参与者带来风险，要么不能以合适合理的价格找到交易对手，使得市场交易无法顺利进行。度量流动性有多个维度，如宽度、深度和弹性等，度量流动性宽度的主要指标是买卖价差，当买卖价差较少时，流动性充裕，某种证券能够连续进行交易，从而使得证券能够以合理价格交易，市场功能得以正常发挥。

③结构性监测分析指标体系。

金融市场结构性风险预警指标主要包括金融市场参与者结构、区域分布结构和金融工具结构风险。金融市场参与者结构风险是由于不同类型市场参与者的分布极端不平衡所引发的风险，例如金融市场中有几个资金规模远远大于其他市场参与者的机构，或者大部分市场参与者的类型相同，就有可能导致价格垄断和操纵，或者因为同质预期而使得市场交易清淡。市场参与者区域分布结构风险是由于市场参与者的地区分布极端不平衡所引发的风险。由于经济发展不平衡，某一区域的市场参与者对资金的需求比较旺盛，一旦这种融资链发生断裂或资金流向发生骤变时，资金需求方缺乏必要的资金来源以维持正常的运转，就可能产生地区性的金融风险。金融工具结构风险主要是工具的类型缺失或者期限分布不平衡。不同期限品种应该保持一定比例，各机构根据自己的现金流获得相同期限的资金，解决自己的资金周转问题；然而，当期限结构过于集中，就会导致一部分机构不能获得自己所需期限的资金，或者因为证券的兑付时间过度集中而引发风险。度量结构性风险的一个关键的指标就是市场的集中度的这指标。

④信用风险监测分析指标体系。

信用风险是指金融市场中各金融机构在开展业务时，由于合同的一方不履行或在其结算过程中交易对手的违约，或由于交易对手的信用等级下降，给金融机构带来损失的风险。它可能导致其他交易者因连锁反应也不能按期履约，引发市场的信用危机，从而危及市场的稳健运行和健康发展。这种情况一旦发生，对市场、市场参与各方危害巨大。今年发生的次贷危机就给我们深刻的教训和反思。我国基于企业信用的债券市场刚刚起步，对于合同履约既缺少历史违约概率的统计，也没有可供参照的相关市场方法，加之评级机构评级结果与真实风险之间的关联尚未得到事实验证，公信力不足，因此信用风险监测指标体系仍然处于摸索阶段。

3.跨市场金融监测分析体系。

在宏观经济审慎监测指标体系和金融子市场审慎监测指标体系的基础上，我们将着力构建起跨市场金融监测分析体系。跨市场金融监测分析体系的核心是资金流动和风险的监测，其主要内容是根据金融机构类型、金融市场类型、跨金融市场类型三种不同的监测数据汇总方式，全面分析金融市场的资金流动和风险状况。

①分金融机构类型的资金流动监测。

分金融机构类型监测市场资金流动情况，就是将基础监测数据以不同类型的金融机构为数据汇总生成点。在基础监测数据库的基础上，可以对银行类1～N家机构在金融市场1（例如货币市场）上的资金流入与流出情况分别进行汇总，形成银行类机构在这一个市场上资金流动的监测模式。依此类推，直至同样可以对银行类1～N家机构在金融市场N（例如黄金市场）上的资金流入与流出情况分别进行汇总，形成银行类机构在各个金融市场上资金流动的监测模式。对银行类机构在不同金融市场上资金流动情况进行总体考察，将最终形成此类机构资金流动情况的监测全貌。证券、保险类机构的监测模式同上。

对每一类金融机构资金流动情况进行监测的主要目的有两个：一是可以深入分析同一类金融机构在同一类金融市场上的差异性融资特征。例如对目前银行类机构在货币市场上的资金流动情况进行监测，可以发现城市商业银行净融入资金与国有商业银行净融出资金的差异性特征。二是可以分析同一类金融机构对不同金融市场的资金配置需求，例如可以监测与分析银行类机构在货币市场、债券市场、外汇市场、黄金市场上的资金配置情况，为整体判断银行类机构的金融市场收益与风险提供依据。

②分金融市场类型的资金流动监测。

分金融市场类型监测市场资金流动情况，就是将基础监测数据以不同类型的金融市场为数据汇总生成点，在基础监测数据库的基础上，首先可以对在金融市场1（例如货币市场）上交易的所有类型每一个机构，分别进行资金流入汇总与流出汇总，形成对这一个金融市场资金流动的监测模式。依此类推，直至可以对在金融市场N上交易的所有类型每一个机构，进行资金流入汇总与流出汇总，最终形成不同金融市场资金流动情况的监测全貌。对每一类金融市场资金流动情况进行监测的主要目的，是可以深入分析不同类型金融机构在同一金融市场上的差异性融资特征。

③跨金融市场之间的资金流动监测。

监测跨金融市场的资金流动情况，就是在筛选出能够参与不同类型金融市场交易的每一个机构的基础上，以参与跨市场资金交易的金融机构为监测数据汇总生成点。筛选出能够同时参与金融市场1与金融市场N交易的每一个机构，对其在金融市场1上的资金流出（或是流入）与在金融市场N上的资金流入（或是流出）分别进行汇总，进而形成金融市场1与金融市场N之间的跨市场资金流动监测模式，揭示资金由金融市场1向金融市场N流动的过程。筛选出参与跨市场交易的每一个机构及工具，并结合不同金融市场之间的资金联动机制与方式进行分析，是进行跨市场资金流动监测的基础。

上表对以上三种不同监测模式的数据生成方式和监测目的进行了归纳与比较，综合利用这三种资金流动监测模式，能够较好地实现监测工作的全面性。

四、完善健全金融市场监测指标体系框架的政策建议

（一）探索建立金融市场监管部门间的协商机制，明确有关各方的信息共享机制及职责，提高金融市场监测分析体系的效率

一是建立高层金融监管协调机制，由国务院牵头， 建立一个金融监管协调委员会，明确中央银行、 财政部门与金融监管部门在提高金融市场监测分析体系效率，维护金融稳定方面的职责，建立防范和化解风险的长效机制。二是人民银行与各监管部门、各金融机构要定期互递各种信息；三是加强对交叉性金融工具跨市场金融风险的综合分析， 对一些交叉性业务和工具是否存在风险隐患进行跟踪监测分析。

（二）加强金融监管信息系统的网络化建设，建立科学的金融监管信息系统

市场风险数据分析例3

大部分的经济学研究通常以完全的信息为假设，即消费者和生产者对于他们面对的经济变量拥有完全的信息。但是，在现实的经济社会中，并不存在完全的信息。某些市场参与人比别人知道的信息更多。具有信息优势的市场参与者往往具有比较有利的地位，而处于信息劣势的市场参与者通常会遭遇损失，破坏原有的市场均衡，造成资源配置的低效率。在一项交易中，买卖双方拥有不同的信息的情形就是信息不对称。

信息不对称在经济社会中非常普遍。通常，产品的销售方掌握更多的关于自己产品的信息;工人对于他们自己的技术和能力比他们的雇主知道的要多;而商业经理对于企业成本、竞争地位以及投资机会比企业所有者知道的要多。不对称信息解释了许多社会制度，它说明了为什么有些公司为其产品的零件担保;为什么雇主与雇员签订奖惩合同;以及公司股东要监督经理人的行为。

二、信息不对称的两个方面

(一)逆向选择

逆向选择是市场失灵的一种形式。由于信息不对称，商品销售者和购买者在进行买卖交易时无法知晓商品全部的质量信息，不同质量产品以同样的价格出售，导致本来可以进行交易的质量高的商品未能成交，仅仅留下了质量低下的商品在市场中进行交易;或拥有信息优势的一方总是尽可能做出有利于自己而不利于别人的选择，从而降低市场效率。

(二)道德风险

道德风险是市场失灵的另一种形式。道德风险这一概念在20 世纪80 年代的西方经济学家眼中是一个经济哲学范畴。道德风险最初是用来分析保险合同而形成的一个概念。在交易双方信息不对称的情况下，某一方的行为由于监督成本太高而不能被观察到，因此他们享有自己行为的收益，而将成本转嫁给别人，影响与该事件相联系的支付报酬的概率分布，从而造成他人损失的可能性。道德风险不仅使得处于信息劣势的一方遭受损失，而且还会破坏固有的市场均衡，造成资源配置的低效率，改变了市场有效配置资源的能力。道德风险是在经济活动中的经济人为了追求自身效用最大化而做出的不利于他人的行动，他们自身拥有信息优势，可以有效地避免因自己的败德行为而受到惩罚，并且，当发生极端事件时，很有可能他们的败德事件不会被揭露。因此，这种情况极其容易引发道德风险。

三、保险市场中信息不对称的表现

(一)保险市场中的逆向选择

逆向选择是保险市场中的典型表现。在保险市场中，被保险人或投保人比保险公司更加了解自己的风险状况。假设保险公司按照平均风险水平厘定费率，则高于平均风险水平的高风险投保人将大量购买保险，因为他们正是需要保险的人;而低于平均风险水平的低风险投保人几乎不会购买保险，因为在这种费率下，他们有可能面临入不敷出的状况。这意味着，大多数的保险索赔将会由高风险的投保人提出。因此，很容易得出一个结论：保险公司为了保持盈亏平衡，防止潜在的赔付支出大于保费收入，所以一定会把保险费率建立在对最坏情况的预测的基础上，即针对高风险投保人提高保险费率，这就会导致低风险的投保人的投保意愿下降，以至于所有的投保人都是高于平均风险水平的，低于平均风险水平的投保人全部被挤出保险市场。在这一点上，保险产品的费率就会十分高，甚至保险公司也无利可图，或者保险公司干脆也就不再出售保险产品了。

(二)保险市场中的道德风险

在现实的保险市场中，博弈双方为保险人(保险公司)和投保人。保险人的一组策略分别为策略1(高费率)和策略2(低费率);投保人的一组策略分别为策略1(对保险标的采取合理的防护)和策略2(未对保险标的采取合理的防护)。

从博弈支付矩阵1 可以看出，纳什均衡为(3,3)，即保险人选择低费率，投保人选择采取防护措施。纳什均衡是关于策略选择的一组预期。如果给定博弈一方的选择，博弈的另一方的选择是最优的。这些预期使得当一个人的选择被揭示后，没有人会改变自己的行为。同时，这个纳什均衡同时也是占优策略均衡，因为任何一方都拥有独立于另外一方的最优决策。但是，如果保险人和投保人无法掌握关于对方决策的信息，确信双方都会选择抵赖，即保险人在选择采取防护措施时提高费率，或者投保人在低费率的状态下对保险标的未采取防护措施，那么每一方最终的收益为5，从而使博弈双方的境况变得更好。在这里，(5,5)这一组合满足帕累托最优。所以，保险市场中的道德风险是一种典型的囚徒困境。

然而在信息对称的理想状态下，保险公司对于采取防护措施的投保人会采取低费率。

从博弈支付矩阵2 可以看出，(4,5)是该支付矩阵策略的纳什均衡，同时也是占优策略均衡，即保险公司制定较低的费率，投保人对保险标的采取有效的防护措施。与此同时，保险人对于疏于采取防护措施的投保人会制定高费率。

从博弈支付矩阵3 可以看出，(4,5)是该支付矩阵策略的纳什均衡，同时也是占优策略均衡，即保险公司制定较高的费率，投保人不会对保险标的采取有效的防护措施。

四、大数据如何解决保险市场中的信息不对称

(一)大数据的含义

大数据在近年来十分火热，但其具体概念是什么仍旧没有一个统一的书面表述。在过去的几十年中，数据的革命已经在各行各业派生出了各种个性化的应用，其核心是将任何人与物的状态量化和数据化，能够在数据空间被操作。如果我们从数据的角度观察世界的一切，我们就可以依托数据做出更为有效的决策。大数据的主要特征在于数量大、类型多，并且具有实效性。数据不在于准确，而在于全面。谷歌在2008 年研发的谷歌流感趋势成为了应用大数据的典型案例。人们在谷歌搜索引擎上搜索的所有内容反映了他们的即时需要，比方说当输入温度计发烧肌肉疼痛等关键词时，系统便会根据搜索结果跟踪分析流感发生的区域与时间，并将结果与美国疾病控制与预防中心的报告作对比，验证出二者之间存在强相关性。所以说，一个产业的蓬勃发展在于拥有数据资源，一个产业的未来的竞争力则在于数据思维。大数据技术，就在于专业化处理各种各样的数据，以此来获取具有价值的信息的能力。

1.大数据在降低保险市场逆向选择上的作用

保险公司利用大数据研究方法可以有效鉴别投保人或被保险人是优质的还是劣质的。保险公司在互联网上通过对数据的全程记录与分析，使得每一名客户的数据资产都被保留在了互联网上。保险公司可以利用全球主要的搜索引擎或国内外主要社交网络来分析投保人或被保险人在进行要约之前的风险状况。比方说投保人和被保险人投保健康保险，如果他经常在网上搜索关于疾病治疗的关键词，则可以通过大数据分析该投保人或被保险人可能就患有相关疾病，保险公司即可针对这种情况对该投保人或被保险人收取较高的保费来对冲逆向选择的风险。此外，保险公司可以与主要互联网科技公司合作，建立开放性的数据共享制度，来丰富保险公司的数据形态。比如说，保险公司可以利用互联网公司研发的可穿戴设备来进行数据共享。保险公司通过分析可穿戴设备记录下的投保人或被保险人的实时数据，即可掌握投保人或被保险人的个人运动健康信息。保费取决于可穿戴设备记录的心率、每日运动量和每日睡眠质量等信息。这些信息使得投保人或被保险人的质量更加透明，保险公司根据身体状况的不同制定不同的费率。

2.大数据在降低保险市场道德风险上的作用

保险公司同样可以利用大数据思维来解决道德风险问题。在传统的经济学理论中，由于信息不对称的存在，解决保险市场的道德风险的方法是风险分担，即在保险政策中要包括免赔额。保险公司并不能获取投保人或被保险人全部行动的信息，所以在每一起赔案中，保险人和被保险人约定，损失额如果在规定数额之内，被保险人将自行承担这一部分损失，保险公司不予赔付。通过使投保人或被保险人支付部分赔偿金额，保险公司就能确保消费者会采取一些提防行动使自己的损失降到最小。这是一种间接的降低市场失灵的方法。然而，大数据思维给了我们一个更为直接的解决道德风险的手段。大数据突破了传统经济学理论中信息不对称的假设，保险公司通过投保人或被保险人大体量的数据就可以分析出其诚信状况，由此便可以预测投保人或被保险人在购买保险后是否会对保险标的采取必要的保护措施，从而有利于保险公司针对不同的保险消费者制定不同的保险费率，提高保险公司的利润水平，降低保险公司的经营风险。

所以，加快传统征信向互联网征信的过渡势在必行。良好的诚信体系对保险市场的正常运行发展至关重要。传统征信是通过专业的机构定向采集财务信息和金融信息并通过固定的模型加工处理的专业化信用管理服务。一般来说，传统的征信体系仅仅局限于专业化和拥有相应征信牌照的公司经营，仅仅局限于金融数据与财务数据等小数据，并且数据获取的来源比较狭窄。目前，保险公司可进行互联网征信，利用电子商务交易平台、全球各主要搜索引擎以及各主要社交网络，通过全网海量的大数据采集，非定向地获取各种数据，从而对投保人或被保险人的信用风险进行综合评估。以车辆损失保险市场为例。车辆损失保险承保的是车辆本身因各种自然灾害、碰撞及其他意外事故所造成的损失以及施救费用。保险公司可通过分析投保人在社交网络上与朋友的互动来分析投保人的品行，预测其是否会做出在投保后是否会对保险标的进行必要的维护，或者配合小型车载远程通信设备，综合分析实际驾驶时间、地点、驾驶方式等驾驶信息来评估理赔风险。

六、结论与建议

市场风险数据分析例4

中图分类号：F293.2 文献标识码：A 文章编号：1003-5192(2009)03-0071-04

Land Reservation Funds Retrieval Risk Prediction Based on VaR Method:A Case Study of Hangzhou

ZHANG Xiao-ming1, MA Yan-hong2, XU Bao-gen2

(1. Hangzhou Land Bank, Hangzhou 310012, China; 2. Real Estate Institute of Zhejiang University of Finance and Economics, Hangzhou 310018, China）

Abstract:This paper presents a case study of land reservation in hangzhou. The data associated with the areas, funds, loans, estate investments and GDP of last decade are compiled by regression analysis and VaR method. The results include the assessment of actual status of land reservation funds retrieval and relevant predictive values in future given different Confidence values. Conclusions drawn in this paper might be helpful on corresponding policy decision.

Key words:VaR; land reservation funds retrieval; Hangzhou

1 引言

土地在收购储备过程中，既受金融、税收等宏观调控政策的合力影响因素影响，也受本地房地产市场发展态势等因素制约，同时与该中心具体储备出让等经营要素息息有关，土地储备过程中的资金风险问题因而受到广泛关注。

在险值（Value at Risk, VaR）方法是目前国际上评价市场风险的重要方法，它以概率论为基础，运用现代统计方法，摒弃了主观判断的随意性，比传统的风险测定方法具有更好的适应性和科学性。该方法最初应用于金融领域，在房地产与土地储备等相关市场具有广阔的应用前景［1~3］。

本文基于杭州土地储备中心10年收储状况原始数据，通过对与之相关的多个指标分析考量的基础上，采用VaR（在险值）方法构建土地收储分析模型，定量分析杭州市土地储备的风险程度累积水平，为相关政策制定提供一定依据。

2 模型分析方法

2.1 VaR基本原理及方法

在风险管理的各种方法中，VaR方法最为引人瞩目。尤其是在过去的几年里，许多银行和法规制定者开始把这种方法当作全行业衡量风险的一种标准来看待。VaR按字面的解释就是“处于风险状态的价值”，即在一定置信水平和一定持有期内，某一金融工具或其组合在未来资产价格波动下所面临的最大损失额。

计算VaR的一般方法如下：设资产组合的初始价值为W，持有期末的期望收益为R，R的数学期望和标准差分别为μ和σ，在给定的置信水平c下，期末资产组合的最低值为W*=W(1+R*)，其中R*为相应的最低收益率。

Value at risk=E(W)-W*=-W(R*-μ)(1)

VaR=E(W)-W*=-W(μ+ασ-μ)=-ασW(2)

实际应用中，根据对市场因子波动性预测方法的不同，VaR的求解方法可分为方差―协方差法、历史模拟法以及本文所选用的Monte Carlo模拟法。Monte Carlo模拟法最早于1942年由研制原子弹的科学家研制并加以应用，其名称Monte Carlo来自法国南部著名的赌城。在金融市场上，Monte Carlo模拟法用来模拟确定时期不同情形下的资产组合值。Monte Carlo模拟法是计算VaR的各种方法中最为有效的方法。对于资产组合的不同分布状况以及各种非线性的情形，Monte Carlo模拟法都可以得到令人满意的结果。

张晓明，等：基于在险值分析的土地储备资金回收风险预测――以杭州市为例

Vol.28, No.3预测2009年第3期

2.2 基本计算流程

图1 VaR方法计算流程

在险值分析方法流程图1所示。其中，回归分析旨在确定选取自变量与因变量之间的函数关系，而Monte Carlo模拟法则在此基础上按照一定假设，基于选定指标的分布参数产生一系列随机数，利用回归分析得到函数关系模拟未来实际回收资金值，从而进行VaR的统计分析。

3 杭州市土地储备市场风险分析

3.1 风险因素指标选择

在土地储备工作中，与资金投入、资金回收相关的因素主要有：土地收购面积、收购单价，通过土地整理后的土地出让面积、出让单价，年末库存面积、杭州市房地产开发对土地的需求等。根据土地储备中心近10年相关数据，选取了与土地回收资金相关的土地收储、出让和库存面积及投入、贷出资金等直接指标进行分析，同时兼顾与之紧密相关的杭州市房地产开发投资及GDP等间接指标的影响。在前期对所有可能数据的分析考量基础之上，最终选取了7项影响较大的指标。10年原始数据（1997~2006年）及各风险因素指标如表1所示。其中考察对象Y为实际回收资金，5个风险因素分别为：X1 收购储备面积；X2 出让面积；X3年末库存面积；X4 实际投入资金；X5 年末贷款余额；X6 杭州市房地产开发投资；X7 杭州市GDP。

表1 杭州市土地储备资金回收风险影响因素及其状态值 （1997~2006）

名称风险因素Xi考察对象Y

X1（亩）X2（亩）X3（亩）X4（百万元）X5（百万元）

X6（百万元）X7（百万元）Y

（百万元）

1997207.1126.5023.2505727103632.9920.03

1998707.4492.3150.3159.82786662113488.9998.15

19992193.3801.21596.3486.561808484122527.95283.45

20002252.1835.22967.71809.0994510153138256.16890.48

20014486.2892.95588.72606.67207514091156801.381574.33

20021399.61487.24893.63891.63143019825178183.023498.69

20034321.22594.33591.83525.68100025885209977.443145.17

20047218.82275.727655158.72126035760254317.964369.53

20055023.5263736273947.16150541060294265.193722.31

20064193367139365242.592035415303440994663.15

3.2 回归分析

土地收购储备面积与各风险因素的关系可以表达为

Y=f (X1,X2,X3,X4,X5,X6,X7)

其中风险因素为自变量Xi（i=1,2,3,4,5,6,7），考察对象为因变量Y 。选用SPSS软件对表1中数据进行回归分析，所得回归方程如下

Y=833.06694-0.16206X1+0.27648X2-

0.05718X3+0.78943X4+0.08410X5+

0.09782X6-0.01364X7

归分析计算结果表明，因变量与自变量间的相关系数R=0.998447， F值= 91.78265，显著性水平p=0.01082＜p=0.05（0.05为设定值），求解符合要求。R值越接近1表明拟合程度越高。回归曲线所得拟合值如图2中所示。

图2 回归拟合值

3.3 通径分析

本例中除采用回归分析外，还利用DPS软件进行了通径分析，用以考察因变量和自变量之间的因果关系。通径分析就是应用通径系数分析方法，将相关系数分解为直接作用系数和间接作用系数，以解释各个因素对因变量的相对重要性，使多变量资料的统计分析更为合理。通径分析与回归分析

比较结果如表2。

从表2可看出，二者影响程度排序基本一致。相关分析中影响程度排序由大至小依次为X4、X6、X7、X2、X5、X1、X3，通径分析中则更为X4、X6、X7、X1、X2、X3、X5，其中X5的次序发生了明显改变，对此影响程度不一可作如下解释：X5虽本身对因变量Y的直接影响程度不大，但其作用于X4间接影响于因变量Y程度较大。相关分析中X5表现出的较强正相关性，实际上掩盖了其本身直接影响程度不大的现实。

同时，从比较结果表2我们可以看出，相关分析由于包含了间接影响在内，导致诸多因素的影响程度相差不多，大都表现为正向关，而在通径分析中存在负相关（如 X1、X3、X7）且各因子对因变量Y的影响程度相差较大。其中以风险因素X4影响程度最大，其次为X6，X7，再次为 X1，X2，最末为X3，X5。由此可见，分析结合有助于我们清楚了解各指标之间的作用程度。

表2 杭州市土地储备资金回收与风险影响因素两种分析系数结果比较

名称X1X2X3X4X5X6X7相关分析系数0.732510.91320.631110.985130.751760.939280.91382

通径分析系数-0.193620.17266-0.057520.84990.034770.75589-0.60848

3.4 Monte Carlo仿真

假定风险影响因子增长率服从正态分布，根据近10年的统计数据获取增长率均值和标准差等相应的分布参数（表3），利用Malab随机函数RANDN()产生符合均值为0、标准差为1的1000组随机数，根据μ+σ•RANDN()公式得到市场风险因子增长率的随机数据，再按照回归方程

Y= 833.06694-0.16206X1+0.27648X2-

0.05718X3+0.78943X4+0.08410X5+

0.09782X6-0.01364X7

计算Y值（实际回收资金），从而获得其频数分布，如图3所示。

表3 杭州市土地储备资金回收风险影响因素历年增长率分布参数

变量2006年绝对值增长率均值增长率标准差

X141930.3740.949

X236710.2790.330

X339360.2170.489

X45242.590.5880.983

X520350.8061.600

X6415300.2630.149

X73440990.1590.030

图3 Y频数分布

3.5 VaR计算及结果

对仿真得到的1000个实际回收资金数据按升序进行排列，选取关键数据按照风险累积水平列于表4，从表4中可以看出，在95%置信度下，2007年实际回收资金超过436.5500749的概率为95%；在90%置信度下，其实际回收资金会超过2250.625541的概率为90%；在80%置信度下，2007年实际回收资金超过4199.630783的概率为80%；在70%置信度下，2007年实际回收资金超过5524.27407的概率为70%。其余同理可得。

从VaR值来看，与2006年实际回收资金4663.15相比，置信度95%、90%、80%下VaR值依次为-4226.600、-2412.524、-463.519，这些数据表明2007年土地收储中心实际回收资金数额，其损失值小于4226.600、2412.524、463.519的概率分别为95%、90%、80%。而从VaR与2006年的比率来看，其值分别为-90.64%、-51.74%、-9.94%，说明土地收储市场实际回收资金风险累积程度较高。

表4 杭州市土地储备资金回收与风险影响因素的VaR值序号置信度 (%)Y（百万元）VaRVaR与2006年比率（%）

1/-6864.463832-11527.614-247.21

1090-2230.985735-6894.136-147.84

5095436.5500749-4226.600-90.64

100902250.625541-2412.524-51.74

200804199.630783-463.519-9.94

300705524.27407861.12418.47

400606604.8546971941.70541.64

500507604.9727722941.82363.09

600408730.2583444067.10887.22

700309709.3537975046.204108.21

8002010959.285866296.136135.02

9001012737.038588073.889173.14

1000/21786.6430917123.493367.21

4 杭州市土地储备资金回收额预测结果与市场风险的基本评判

（1）相关分析和通径分析结果均表明风险因子X4（实际投入资金）、X6（杭州市房地产开发投资额）和X7（杭州市GDP）对土地储备影响显著，判定基本符合实际。这点我们可从以下数据中略见端倪：杭州市房地产累计投资额占全社会固定资产投资的比重从2000年的19.70%跃升到2006年的30.29%，房地产业增加值占第三产业比重由5.69%（2000年）提高到12.78%（2005年），房地产业带动关联产业发展，在第三产业逐渐上升为主导地位产业。在杭州市目前的发展阶段上，房地产业的主导地位和作用是毋庸置疑的。

（2）Monte Carlo仿真给出了一定置信度下的Y值和VaR值，置信度越低，操作时的风险度越高。从与2006年实际回收资金的比率结果数据来看，在置信度95%、90%、80%下的比率依次为-90.64%、-51.74%、-9.94%，这些均表明土地收储潜在波动形性较大，市场较不稳定。

5 结论与问题讨论

文中采用方法除Monte Carlo仿真需使用编程外，其余如相关分析、通径分析等均采用常见软件计算，方法便于推广使用。但还存在如下问题或不足：(1)该方法选用参数基于土地储备中心过去10年数据，直接从现有数据出发对土地储备分布特征进行设定，采用的是参考指标年增长率符合正态分布假设，该假设在很多实例中表现较好，但与土地储备实际状态是否完全吻合仍有待进一步考证。鉴于土地储备风险本身本质上属于不确定范畴，受宏观调控、房地产市场发展态势等因素制约明显，因而在历史数据比较缺乏的情况下，若多借助专家智慧、审慎调整相关数据作为设定分布的基础将更好。(2)从整个分析过程来看，指标体系的建立、风险因素选择非常关键。文中选用杭州市土地储备面积、出让面积、年末库存面积、实际投入资金、年末贷款余额、杭州市房地产开发投资、杭州市GDP等7个指标作为风险因素，如果加大指标选择范围构建出全面的指标选取体系，同时增大原始数据覆盖量，所得结果将更加切合实际。(3)文中分析得出结果偏于保守。2006年我国房地产市场进入了自2002年以来持续5年的繁荣期周期内的第二轮调控，国家通过金融、税收、调整土地供应和住房供应结构等政策“组合拳”，直接综合作用于房地产市场的多方面。在国家宏观调控的背景下，杭州房地产投资增幅回落、信贷增速放缓，土地市场运行趋缓，竞争气氛趋淡，出现观望局面。但从长远来看，由于居民对住宅的需求比较旺盛，继而对土地的引致需求也将逐步增加，土地市场上的观望气氛将打破。截至2007年7月份，杭州房地产市场反馈明显，表现出强硬的上升态势。随着2007年杭州市政府供地策略调整、土地储备中心国家投资资金到位、工业用地也纳入储备范围等一系列因素影响，杭州市土地储备都将呈现明显扩大趋势，因而根据以上方法所得出的结论将偏于保守，决策参考时需考虑这方面影响，可根据实际情况选用风险度较高的预测数据。

参考文献：

市场风险数据分析例5

[DOI]1013939/jcnkizgsc201720075

1引言

CAPM模型（Capital Asset Pricing Model）是一种可以进行计量检验的金融资产定价模型。该模型解释了证券报酬的内部结构，分析了资本资产的预期收益与市场风险之间的关系。CAPM模型阐述了在投资者都采用马科维茨理论进行投资管理的条件下市场均衡状态的形成，认为一个资产的预期收益率与衡量该资产风险的一个尺度――β系数之间存在正相关关系。这不仅大大简化了投资组合选择的运算过程，也使得证券理论从以往的定性分析转入定量分析，从规范性转入实证性，进而对证券投资进行理论研究和实际操作。随着我国证券市场的发展，20世纪90年代以来，中国学者开始利用此模型对上证A股市场进行实证分析，但许多研究表明CAPM模型不适用于上证A股市场，仍需加以改进以增强其适应性。近年来，中国证券市场发展迅速，因此我们需要对其现状进行实证分析，以便更好地将CAPM模型应用于上证A股市场。

2CAPM模型及贝塔系数介绍

21前提假设

第一，投资者都遵守主宰原则（Dominance Rule），即同一风险水平下，选择收益率较高的证券；同一收益率水平下，选择风险较低的证券。第二，资本市场上资产数量给定，所有资产可以完全细分，资产是充分流动、可销售、可分散的。第三，影响投资决策的主要因素为期望收益率和风险两项。第四，所有投资者对证券收益率概率分布的看法一致，因此市场上的效率边界只有一条。第五，所有投资者可以及时免费获得充分的市场信息。他们对预期收益率、标准差和证券之间的协方差具有相同的预期值。第六，不存在通货膨胀，且折现率不变，且买卖证券时没有税收及交易成本。

22资本资产定价模型内容

投资者对单项资产所要求的收益率应等于市场对无风险投资所要求的收益率加上该资产的风险溢价。

其中，rf（Risk Free Rate），是无风险回报率；βa是证券a的β系数；r―m是市场期望回报率（Expected Market Return）；（r―m-r―f）是股票市场溢价（Equity Market Premium）。

23贝塔（β）系数

β系数是一种评估证券系统性风险的工具，用来衡量单个证券收益率对于市场组合收益率变动的反应程度的指标。因此，在计算β系数时，应用Excel软件、运用模型：Ra=αa+βaRM+ξj，对证券与市场收益率的样本数据进行线性回归估计，从而计算β系数。

因此投资者在做决策时要把β系数当成重要的衡量指标：例如当有很大把握预测到大盘某个大涨阶段的到来时，应该选择那些高贝塔系数的证券，它将成倍地放大市场收益率，带来高额的收益；相反当大盘某个下跌阶段到来时，选择那些低贝塔系数的证券，以抵御市场风险，减小损失。

3数据处理与模型检验

本文选取的样本研究对象为2012年3月至2017年3月在上海证唤灰姿交易的100只A股股票。样本的选择是随机的，包括制药、化工、房地产、银行、航空科技等多个行业，从而避免单一性，充分地反映整体股市的性质。本文统计了每个样本共5年的月数据，以此来保证足够的数据量，从而提高模型研究的精确度。

其中，Rmt代表第m种股票在第t月的收益率；Pmt代表第m种股票在第t月的收盘价；Pmt-1代表第m种股票在第t-1月的收盘价。

32市场指数的选择以及市场收益率的计算

本文选择上证综合指数作为市场指数，作为一种价值加权型指数，它能够比较准确地反映整体行情的变化和股票市场的整体发展趋势。

其中，Rmt代表市场组合在第t月的收益率；Index（t）代表市场组合在第t月的收盘价；Index（t-1）代表市场组合在第t-1月的收盘价。

4实证结果

本文通过对各只样本股票月收益率及市场收益率进行计算分析，用Eviews及Excel软件进行回归分析，得出了下列数据（见图1、图2和下表）。

41对系统风险β值进行分析：

理论上分析，β值反应单个股票对由于市场波动带来风险的敏感程度，市场风险数值确定为1。当某只股票β值大于1时，将该股票定义为进攻型股票，其价格波动幅度大于市场波动，适合于风险偏好性投资者；β值等于1时，该股票成为中性股票，即价格波动与市场波动表现一致，适合于风险中性投资者；β值小于1时，该股票为防御性股票，其价格波动小于市场波动，适合于风险规避者。

在随机选取的这100只股票中，β值都显著大于0，这说明这些股票与上证综合指数存在线性关系，根据线性拟合图也可以证实。用Excel软件进行数据分析：有64家公司股票β值大于1，其中国投安信的贝塔系数达到了19786。有36家公司股票β值小于1，而宇通客车股票的价格波动最小，β值达到了05063。其中有54家股票的贝塔系数都在08～12之间，这表明所选公司股价波动情况超过半数与市场相符，仍有部分公司股票的贝塔值偏离1的程度较大，说明市场中仍存在投机性较强的公司股票。

42对可决系数R2的分析

可决系数即为一元线性回归平方和（SSR）在总变差（SST）中所占的比重，是一种综合度量回归模型对样本观测值拟合优度的度量指标。可决系数越大，说明在总变差中由模型做出解释的部分占的比重越大，模型的拟合优度越好。在计算股票收益率时，R2衡量了系统风险在总风险中所占的比例，即个股价格的波动中有多少是由市场波动引起的。表格中数据显示，100家样本股票中只有18家公司股票的可决系数大于05，最高为葛洲坝股票，达到了 07524，这几家公司股票价格的波动大部分是由市场波动引起的；大多数公司（82家）股票的可决系数小于05，最低为康欣新材公司的股票，达到了00382，这些公司股价波动主要是由于公司经营情况的自身因素引起的。由此可见，系统风险不能很好地解释收益变动情况，而非系统风险因素在股票收益中有着不可忽视的作用。但是，这次结果与90年代我国学者研究所得数据存在显著差异。其中1996年施东晖的观点被多次引用，在当时比较具有代表性：他对上市的50家A股进行研究后发现49只股票的系统风险大于50%，其中更有42家公司股票的系统风险超过70%。而本文研究所得数值中，只有3家公司系统风险的数值超过70%，其余股票系统风险值普遍有所下降。这说明，经过近年来的发展，投资者投资行为趋于理性，股票市场逐渐发展成熟。

5结论

第一，CAPM模型并不能完全适用于我国股票市场。因为虽然超过半数的样本股票的贝塔系数介于08～12，公司股价波动情况与市场相符，即贝塔系数基本稳定，但是，根据对可决系数的分析，绝大部分股票的可决系数小于50%，这说明系统风险不能很好地解释收益变动情况，而非系统风险因素在股票收益中有着不可忽视的作用。但与之前研究数据相比，可以看出投资者投资行为趋于理性，股票市场逐渐发展成熟，CAPM模型在我国的适用性不断增强。

第二，在我国股票市场上进行CAPM实证检验时，结论与数据样本的选取有很大的联系，不同的样本得出结论差异较大。这说明上证A股市场，价格波动性较大。其中大多数股票为进攻型股票，对于市场波动带来的风险较为敏感，它们的价格波动幅度大于市场波动，整体来说适合于风险偏好性投资者。另外，上证A股市场大部分股票可决系数不高，拟合效果并不好。即使在拟合度较好的公司中，除了较稳定的银行业以外的其他行业股票大多为高风险高收益的进攻型股票，其系统风险所占比例依旧很高，非系统性风险较低，股价受大盘影响很大，风险较大。

资本资产定价模型一直是金融界学者研究的核心领域，其研究一直是建立在对股市数据的实证分析基础之上。只有满足相关的严格假设，CAPM模型才可能呈现显著的线性关系，因此可以说明我国的资本市场已经满足偏好及流动性等假设，初步成榻衔完善的资本市场。随着我国证券市场的日趋成熟，CAPM模型对我国的适用性会越来越强，将会具有更令人期待的实用价值。因此我们有必要针对不同时段的中国股票市场，不断进行实证数据分析，并在此基础上加以修改和完善，从而对我国股市风险进行更全面准确的预测，帮助投资者进行资产组合管理、定价分类，做出更好的决策。

参考文献：

[1]姚海鑫财务管理[M].北京：清华大学出版社，2013：113-115

[2]姜婕CAPM模型在上证A股运输板块的实证检验[J].当代经济，2016（14）：116

市场风险数据分析例6

房地产业关联度高、带动力强，是区域乃至国民经济发展的“晴雨表”，其波动尤其是非常态的危机波动不仅危及地区经济，甚至对整个国民经济也会造成灾难性的影响。对房地产市场风险的准确把握是政府制定区域和产业政策的基础。而且，区域房地产市场与区域金融环境密切相关，东南亚金融危机、美国次贷危机都是非常典型的例子。在房地产业对GDP的贡献值不断增加的背景下，在国际、国内经济环境持续恶化情况下，保持房地产市场的稳定对区域乃至全国经济的稳定发展意义重大。

一、国内外研究现状评述

国外学者与本课题相关的研究成果主要集中在以下几个方面：其一，关于风险管理。强调狭义风险管理的美国学说，重点在风险的处理上，如威廉姆斯（Williams.C.Arther）和汉斯（Heins Richard M）等；英国风险管理学说侧重于对经济的控制和处理程序，如迈克尔（2000）等。其二，关于经济预警。以法国为代表的“经济恐慌学派”；以日本和德国为代表的“警告指数学派”；以美国为代表的“经济指数学派；以经合组织为代表的多指标监测系统。当今最受重视的预警理论是由Kaminsky，Lizoondo与Reinhart于1997年创建的KLR信号分析法。其三，关于房地产市场风险。房地产业周期含房地产周期本身的研究（Mueller，1999；Hendershott，1997等）和房地产周期对宏观经济影响（Brown，1984；Hekman，1985等）。房价预测（ Quigley，1995；Pace，Barry，2000；Kelley，2005；Gouriéroux，Laferrère，2009等）。房地产市场评估方法：收益还原法（野口悠纪雄，1989；中尾宏，1996等）；数据比较法；层次分析法（T.L.Saaty提出）。房地产泡沫及其形成机理预期（Blanchard and Watson，1982等）、银行信用（Richard Herring，2002等）、信息不对称（Allen，Morris and Postlewaite，1993等）。上述很多理论和方法已经比较成熟，对区域房地产市场风险管理的研究及实践有重要借鉴意义。但是，西方国家房地产制度和房地产市场已经相对成熟和完善，而我国房地产市场起步较晚，这些理论的具体运用还有待进一步研究。

国内相关研究成果主要集中在以下几个方面：第一，关于经济预警。我国关于经济预警的研究经历了两个阶段，1988年以前以引入西方经济发展理论和波动的周期理论为主；1988年后自主研究阶段（袁兴林等，1988；顾海兵，1992，1993等）。第二，关于房地产预警。指数预警法，中房指数、国房指数、上房50指数、武房指数、北京30指数等；统计预警法（赵黎明等，1999；郭峰等，2006，2008等）；模型预警法（胡健颖等，2006；余凯，2008等）；模拟预警法（丁烈云等，2000；Chen，2009等）。第三，关于房地产市场风险及其管理。多从微观角度如企业投资角度研究，涉及宏观的主要集中于对房地产市场泡沫的研究，泡沫论（吕宗泽，2010；吴敬琏，2011等）；局部过热论（萧灼基，2005；叶剑平，2005；王晓国，2003等）。总体上，我国区域房地产市场预警预报的理论研究还处在起步阶段，建立合理可行的区域房地产预警系统成为学者和整个行业关注的热点，但还存在以下不足和有待深入研究的方面：现有房地产市场风险管理及风险测度、评价多从微观财务分析入手，鲜有从宏观角度研究房地产市场风险的。对房地产宏观市场风险的研究多集中于市场是否存在泡沫等，没有从影响房地产市场风险的各个因数来定量分析其市场风险及风险程度。过多关注房地产项目风险的识别、评估及规避研究，缺乏区域房地产市场风险产生的基础、根源等研究。本研究试图从市场风险监测、预警体系的构建入手，以房地产市场风险体系的实证性监测、预警结论为突破口，通过对当前和未来一定时期内的风险状况、面临的主要问题及其程度、主要影响因素、未来发展态势等内容的分析和评价，明确不同时期房地产市场风险管理的目标和侧重点，并以此为依据构建符合房地产市场发展现实的风险管理策略体系。

二、房地产市场风险监测预警的内涵

房地产市场风险。本研究认为，在短近期，房地产供给过剩与短缺，以及可能出现的各种突发性事件所引发的市场风险都会通过交易价格和交易量的波动直接表现出来，所以从价格和交易量来对房地产市场风险状况进行监测可以很好的把握短期内区域房地产市场风险状况。从年度或更长的时段来看，房地产市场风险主要体现在房地产供给和需求的变动及供求平衡问题。

房地产市场风险的监测预警的内涵。指为了避免房地产市场震荡及其带来的一系列经济、社会问题，从房地产供求格局及其未来变动趋势出发，着重对房地产价格和市场交易状况及后果所进行的预测、评价和报警。通过动态监测预警，对当前及未来一定时期内房地产市场风险的宏观态势给出正确评价和科学预警，促使政府及相关部门预先拟定对策，提前采取必要的控制行为，以消除或缓解警情，维护房地产市场的良性运行状态。

三、监测预警体系的构建

1、监测预警的内容

主要围绕房地产市场运行风险系统展开：房地产市场供给风险子系统――包括房地产开发投资增长率与GDP增长数率比值，房地产开发投资额与全社会固定资产投资额比值、房地产开发企业贷款增长率与全社会企业贷款增长率，房地产企业自有资金与房地产开发投资总额比值等指标的分析；房地市场需求风险子系统――主要围绕影响房地产需求的影响因素如人均可支配收入水平、经济增长率、人均住房面积等；房地产交易风险子系统――主要分析商品房销售面积与商品房竣工面积比值，商品房空置率，房价收入比，商品房价升幅与GDP增幅的比值等。

监测预警的手段：确定各指标值的风险底线及其区间进行数据的收集、汇总期初对监测指标进行预测对照确定的风险标准预测房地产市场风险程度并报警期末将监测指标观测值与确定的风险标准进行对比对房地产市场风险程度进行评价并报警。

2、风险区间、警度区间的划分

要对区域房地产市场风险情况进行监测预警，首先要确定监测预警目标的标准，即确定市场风险的临界值，关键在于确定无风险区间或安全区间。无风险区间的确定首先要与经济理论和已经有的定性认识一致。确定无风险区间的思路是客观分析与主体调查相结合。按照人民大学顾海兵教授的研究，客观分析主要依据指标的历史数据，根据多数原则、半数原则、少数原则、均数原则、众数原则、人数原则、负数原则、参数原则风险或安全临界线的选择。主体调查法确定临界线的关键在于调查对象的选择，不同的调查对象由于其相关知识、经验、分析判断能力和水平的差异对同一问题可能产生完全不同的看法，为确保调查结果的客观性，采用该方法确定临界线时要关注调查对象的广泛性。

本研究认为，鉴于房地产市场风险状况的判断是依据指标市场供给风险子系统、市场需求风险子系统和市场交易风险子系统构成的指标体系，可以运用扩散指数法来判断区域市场风险水平和程度。

DIt=■%100

若在t期内，风险指标个数等于指标总个数，则DIt=100%；

若在t期内，风险指标个数等于0，即全部指标均处于正常范围，无风险，则DIt=0；

若在t期内，风险指标个数与无风险指标个数相等，则DIt=50%。

总体市场风险程度和等级依风险指标的个数和等级确定。

也可以采用标准化方法，对各指标的风险程度打分，用加权平均求出风险值，再根据风险值的高低判断风险水平和等级。将房地产市场风险划分为五种类型，由低到高分别是无风险、轻度风险、中度风险、重度风险与危机，分别对应无警区间、轻警区间、中警区间、重警区间和巨警区间，对应的警度分别为无警警度、轻警警度、中警警度、重警警度和巨警警度。

安全度和警度区间的划分采用百分制，并设定不同的符号与之对应。具体解释如下：

无风险（无警警度）：风险值综合评价得分60分以下；

轻度风险（轻警警度）：风险值综合评价得分达到60～69分

中度风险（中警警度）：风险值综合评价得分达到70～79分

重度风险（重警警度）：风险值综合评价得分达到80～89分

危机（巨警警度）：风险值综合评价得分90分以上

对以上风险类型、警度类型的具体含义说明如下：

无风险：用绿色信号灯表示，指区域房地产市场供给、需求、价格与交易量变动均在合理区间，表明房地产市场运行处于较好状态，利于或者促进经济发展与社会稳定，即风险值综合评价对应分值在60分以下的状态。

轻度风险（轻警警度）：用蓝色信号灯表示，指房地产市场供给、需求、价格与交易量变动构成的指标体系中超过50%的指标值本身或其变动水平超过合理区间，对房地产市场的运行、区域经济发展或社会稳定存在轻度的负面、消极影响，即风险值综合评价对应分值在60―69分之间的状态。

中度风险（中警警度）：以黄色信号灯表示，指房地产市场供给、需求、价格与交易量变动构成的指标体系中超过50%的指标值本身或其变动水平超过合理区间达一定程度，对房地产市场的运行、区域经济发展或社会稳定存在较大的负面、消极影响，应该引起关注的状态，即风险值综合评价对应分值在70―79分之间的状态。

重度不安全（重警警度）：用粉红色信号灯表示，指房地产市场供给、需求、价格与交易量变动构成的指标体系中超过50%的指标值本身或其变动水平严重偏离合理区间，房地产市场的运行、区域经济发展或社会稳定已经受到严重影响，即风险值综合评价对应分值在80―89分之间的状态。

危机（巨警警度）：用红色信号灯表示，房地产市场供给、需求、价格与交易量变动构成的指标体系中超过50%的指标值本身或其变动水平远远偏离合理区间，房地产市场的运行、区域经济发展或社会稳定已经受到巨大影响，即风险值综合评价对应分值在90分以上的状态。

四、区域房地产市场监测预警的实证研究构架

区域房地产市场监测预警主要分两步完成：第一步，要首先根据搜集的数据及前面介绍的风险区间、警度区间的划分方法、原则来确定具体指标的安全区间和警度区间，然后利用各指标的历史值及其未来环境的可能变化预测各指标期初预测值，根据预测结果对照风险区间、警度区间得出各指标的打分值，经过加权处理后得到近短期房地产市场的监测预警结果并预报风险度和警度水平；到期末再根据各指标的观测值计算其得分值，然后对照风险区间和警度区间来对本期的风险程度进行评价，并对比预警结果评价预警准确度，如果预警结果与评估结果一致，可以采用该方法对区域房地产市场展开监测预警。

（基金项目：河南省教育厅科学技术研究重点项目（13B7903

88）。）

【参考文献】

[1] 顾海兵等：未雨绸缪―宏观经济问题预警研究[M].北京：经济日报出版社，1993.

[2] 曹振良、高晓慧：中国房地产产业发展与管理研究[M].北京大学出版社，2002.

[3] 叶剑平等：房地产与社会经济协调发展研究[M].中国人民大学出版社，2005.

市场风险数据分析例7

[DOI]1013939/jcnkizgsc201716050

1引言

11研究背景及意义

股市作为经济发展的晴雨表，其价格波动情况在一定程度上预示着经济发展的景气程度。2007年8月份美国的次贷危机席卷全球，波及全球经济发展，加速了全球经济的下滑和萧条。在全球一体化的进程中，中国经济也受到一定程度的影响。对于中国股市而言，2015年确实是不平凡的一年，上半年表现为疯牛状态，下半年呈现出暴跌状态。从千股涨停到千股跌停，这种股市的大幅震荡，对金融市场造成了较大的系统性金融风险。

β系数是衡量系统性风险的重要依据，β系数取值的大小反映了个股对市场变化的敏感程度。一般地，如果某只股票的β>1说明该股票的波动大于市场的波动幅度，如果0

12文献综述

在系统性风险的测度中，大部分学者采用β系数来度量。耿庆峰、宋秀峰、许莲凤（2016）以上海证券交易所上市的21家福建公司为研究对象，分别基于季度、月度和日度数据，计算跨期的区域上市公司β系数。研究发现，季度和月度β系数标准差较小，且具有一定的稳定性，证实系统性风险可衡量。吴可（1999）运用资本资产定价模型对沪市400余只股票（基金）测算了β系数，并对投资风险敏感度进行了划分，提出了基于系数风险域的投资组合策略。宋宝（2013）对山西主板上市公司的风险进行预测，计算β系数对风险作出度量。

2方法介绍

资本资产定价模型最早由威廉・夏普根据马科维茨投资组合理论提出，该模型的提出为金融市场收益结构分析提供了重要的理论依据。根据资本资产定价模型，对股票这一有价证券进行研究可得：

E（ri）=rf+βi（rm-ff）（1）

其中，E（ri）表示单只股票的期望收益率，rm表示市场平均收益率，rf表示市场无风险收益率。

将原模型转化成单指数模型，即为：

ri=α+βirm+μi（2）

式2表示，个股收益率与市场平均收益率之间存在线性回归关系。根据式2估计得到的样本回归方程在二维坐标平面上对应着一条样本回归线，也即证券市场线。

3实证分析

选取创业板的13家山东省上市公司以及创业板指数，通过Eviews 80软件进行回归分析，从而得到个股β的系数估计值。考虑到样本容量的要求及上市公司本身上市时间的不同，搜集2011年6月29日到2017年3月31日的每日收盘价数据计算日收益率、月度收益率、季度收益率，利用最小二乘法分别回归得到13家山东创业板上市公司的β系数估计值。

利用日度稻菁扑愕纳蕉13家创业板上市公司系数均值是03152；利用月度数据计算的系数均值是02858；利用季度数据计算的系数均值是02947。日度数据计算的系数稍大于月度数据和季度数据，而月度数据计算的系数与季度数据相差不大。由于受样本容量等因素的影响，在月度数据系数中，华仁药业所对应的系数00148未通过显著性检验；在季度数据系数中，华仁药业、东软载波、正海磁材所对用的系数均未通过显著性检验。

参照吴可对上海证券交易所400余只股票（基金）β值的划分标准，0≤β≤05属于风险迟钝区域。山东省13家创业板上市公司的β系数均落入风险迟钝区域，表示这13家上市公司与创业板指呈正相关关系，但风险反映迟钝。截至2016年第三季度，这13家上市的平均净资产收益率是655%，业绩一般。其中有两家上市公司的净资产收益率为负，即精准信息的净资产收益率为-157%，龙源技术的净资产收益率为-263%，业绩很差。

β系数的大小也反映了个股系统性风险的大小，表1中显示的13家山东创业板上市公司β系数均在0～05，说明这13家上市公司的系统性风险均较小，比较稳定。

4结论

文章选股的山东创业板上市公司不同时间跨度下的系数波动较小，具有一定的稳定性，对于投资者有一定的参考价值。创业板上市的13家山东省上市公司风险与创业板指同向变化，13家上市公司的个股波动幅度小于市场波动幅度。同时，这13家山东创业板上市公司的系统性风险均较小，股价波动性幅度小，比较稳定。

参考文献：

[1]耿庆峰，宋秀峰，许莲凤次贷危机以来福建省上市公司系统性风险实证研究[J].福建江夏学院学报，2016，6（5）：21-29.

市场风险数据分析例8

中图分类号：F270 文献标识码：A 文章编号：1001-828X（2014）08-00-02

一、商业银行市场风险的定义

银行在经营活动中是离不开市场风险的，一般而言，市场风险的定义有广义和狭义两种，由于巴塞尔协议影响的广泛以及用法的普遍，巴塞尔商业银行监管委员会所采用的广泛的定义也越来越普遍。其广义的定义是：由于因市场价格波动使商业银行的表内外头寸遭受损失的风险。而狭义市场风险的定义指的是股票市场风险。《商业银行市场风险管理指引》中对市场风险给出了全面而完整的定义：市场风险是指因市场价格（利率、汇率、股票价格和商品价格）的不利变动而使商业银行表内和表外业务发生损失的风险，市场风险存在于商业银行的交易和非交易业务中。

二、商业银行市场风险的分类

分类是在定义的基础上所作出的延伸，由于市场风险的定义没有统一明确，商业风险的分类也没有统一的标准。但是在实践活动，分类是金融机构风险管理和风险监控的前提和依据，对市场风险进行分类是必不可少的。最常见的一种分类标准就是根据诱发风险的原因为分类标准，可以分为利率风险、汇率风险、股票价格风险和商品价格风险。由于我国目前银行业从事资本市场业务的有限性，其市场风险主耍表现在利率风险和汇率风险两个方面。

1.利率风险

对利率风险的定义为：利率的不利变化导致银行利息成本升高、投资或贷款收益降低。金融工具市场价格下跌而导致银行利润减少的风险。在经济活动中，利率扮演了非常重要的角色，汇率、股票和商品的而价格都与它息息相关。比较笼统的说法是利率就是资金的机会成本。利率风险是指当市场利率上升时，固定收益证券的价值将会下降的风险。但是，在利率敏感性的复杂资产组合中，大量风险可能来自于不同到期日、名义价值、工具重置日和现金流等资产类因素和负债类因素。

2.汇率风险

汇率风险是指由特定货币敞口或者特定货币资产的不完全对冲而引起的风险。这里的外汇资产不一定是由于任何交易某一货巾头寸的目的而产生的，可能是在经营活动中产生的，汇率的波动可能会使公司在同国外投资者竞争时处于不利地位，甚至会降低投资者的收益。

汇率变动的不确定性会带来巨大的损失并抑制投资。汇率变动的不完全相关性以及国际利率的波动是汇率风险的主要原因也是重要原因。

三、商业银行市场风险管理

1.商业银行市场风险管理的涵义

市场风险管理的定义：市场风险管理是识别、计量、监测和控制市场风险的全过程。银行为实现风险调整收益率的最大化，就必须将市场风险控制在商业银行可以承受的合理范围内，而市场风险管理的目标也在于此。商业银行只有充分识别、准确计量、续监督所有交易中的市场风险，才能有效控制经营活动中的市场风险。并把市场风险与银行的战略规划有机结合，更好的应对市场风险。

2.商业银行市场风险管理的程序

依据良好的公司治理结构和内部控制机制，商业银行市场风险管理可以概括为风险识别、风险计量、风险监测和风险控制四个主要步骤。

（1）市场风险的识别

市场风险的识别是指对银行面临的各种潜在的或存在的市场风险因素进行认识，在其基础上进行鉴别和分析。银行为了能够应变与利率、汇率、股票价格和商品价格的市场变化做出准确的判断，首先要分析自身的市场风险暴露。重点对其成因和特征进一步分析，有助于商业银行能管理、控制好市场风险。

（2）市场风险的计量

基于风险识别之后，就必须要对风险进行计量，市场风险的计量是指对市场风险水平的分析和估量，包括计量各种市场风险导致损失的可能性的大小以及损失发生的范围和程度。常用的计量方法包括利率缺口分析法、久期分析法、风险价值方法等。评估市场风险的大小对最大限度地减少损失和获取利润都十分重要。

（3）市场风险的监测

为确保风险控制的有效，就必须对市场风险进行监控，市场风险的监测是指商业银行应该具有完备的市场风险监测系统，满足董事会、高级管理层、市场风险管理部门以及财务、审计部门的管理耍求。风险防范是离不开监测的，监测只是作为一种手段，对商业银行在整个业务中对风险因素进行检查、反映。建立健全风险监督系统，对于提高商业银行市场风险管理效率有非常重要的作用，也侧面的反映了商业银行市场风险管理的水平和能力。

（4）市场风险的控制

市场风险控制是风险管理必不可少的程序，市场风险控制是指对现有的风险进行识别衡量后，运用科学有效的理论及方法，来降低风险，增加收益的经济活动。商业银行可采取规避、分散等相应策略有机结合，，通过对风险源头的分析，找出管理中存在的问题，采取积极措施以完善市场风险管理程序，达到预防和控制市场风险的目的。

3.商业银行市场风险管理方法

在长期的风险管理的实践中，积累了许多行之有效的方法，大致可分为保险管理法、投资管理法、衍生工具管理法三大类。

保险在市场风险管理中发挥了一定的作用，也是最主要的风险管理手段。然而，按照可保风险的标准，市场风险大都是不可保的。保险可保的部分仅是部分有形的风险。对于股票、债券买卖等金融交易的风险，属于不可保的范围。

运用投资方法管理市场风险的核心思想是通过分散化的投资来对冲一部分风险，采取的策略包括：用组合投资的方法管理市场风险；采用指数化方法管理市场风险；用证券组合保险的方法管理市场风险。

然而经济形式的发展要求有新的风险管理工具，上述两种风险管理手段操作不够简便，面临新的经济环境形势无法发挥有效地作用。为了应对利率、汇率以及价格变动风险的加大，随之产生了以衍生工具为代表的金融工程手段。它们的特点就是可以把风险通过衍生市场集中后再分配，使得套期保值者通过一定的方法可以规避正常经营中的一些风险，从而起到降低风险的目的。由于衍生交易的杠杆比率较高，可以使套期保值者以比较小的代价实现有效的风险管理。

四、我国商业银行市场风险管理存在问题

1.市场风险管理理念落后

我国银行的市场风险管理工作起步较晚，管理理念也相对落后。很多银行从业人员不能正常的理解市场风险管理，更有人会把它视作是对银行业务扩展的障碍，不能像国外商业银行一样，认为控制市场风险是有助于创造利润的。商业银行的风险管理主耍集中在信用风险控制上，忽略了对市场风险，。现行金融体制下，承担商业银行尤其是国有商业银行凤险的主体是国家，缺乏专业的银行管理者。市场风险管理人才的缺乏、数据库不完善、以及缺乏完善的市场经济制度，同时制约了市场风险管理理念的推广。

2.市场风险外部监管和内部控制不完善

市场风险一直在我国银行得不到重视，大多数银行也就没有设置相应的风险资本，预防控制市场风险体制不健全，更不完善。我国商业银行在治理结构方面也存在很多问题，市场风险管理的组织结构不完善，市场风险管理部门与其他部门存在横向交义现象。而组织结构的不完善直接影响到内部控制机制的建设。

3.市场风险管理工具匮乏量化管理薄弱

现行的金融市场还没有足够多的的风险管理工具，对这些风险管理工具的缺乏，在某些方面制约了我国市场风险管理的发展。比如，股票、债券和基金市场所提供的市场风险管理具非常有限。在我国市场风险管理方面重视定性分析，忽视量化分析，以至于量化分析手段相对落后，也就造成我国商业银行的市场风险量化管理相对十分薄弱。

4.市场风险管理数据储备不足信息系统不完备

由于我国商业银行各类交易数据分别储存在不同的信息系统中，各个系统之间又缺乏统一的数据管理平台导致数据分类、蹄选和整合的过程十分繁琐。市场风险分析所需要的数据不能够很好的整合，甚至于银行内部在制作分析报表时没有统一市场数据，从而阻碍了市场分析的进行。

5.市场风险管理人才缺乏

市场风险管理人才是有效的风险管理的必要条件，由于市场风险所涉及到的业务、管理方法和模型都要求高素质综合型人才。但是，从事于商业银行市场风险管理的人员数量不多，精通精通风险管理理论和风险计量技术的专业人才更是凤毛麟角。市场风险管理人才的缺乏已经成为制约我国银行业风险管理发展的重要因素。

参考文献：

[1]刘芸.浅谈商业银行经营管理中的风险与对策[J].经营管理者，2012（18）：32.

市场风险数据分析例9

我国经济的快速发展，不仅仅带动了实体经济的迅速崛起，也使得我国的金融行业得到了一个质的飞跃，无论是商业银行还是上市公司，我国的金融行业和金融衍生行业在过去的近十年之中从规模、种类以及涉及经济生活的范围都得到了极大的提高。商业银行的主要业务是对内对外的金融业务，而在现代金融产业中，粗放型的经验管理模式早已经不能适应市场发展的需求，通过数学模型对于不同类型的金融活动进行准确的数学建模，对金融活动中的资产定价、风险投资以及资金重组等等复杂的金融业务，通过数学分析手段，发现金融活动中潜在的经济规律，对金融操作予以指导，不仅能够较好的规避金融操作中的风险，更加能够大幅度的优化商业银行的投资活动。在商业银行中，数学模型主要的应用领域为商业银行金融管理决策以及商业银行风险管理，其主要作用在于为商业银行的精细化管理提供专业有效的数据参考资料。

商业银行的风险管理是商业银行的主要管理业务之一，通常是由多种分析工具和分析模型组成，以便于真实的反应风险模型的原貌。在商业银行的运行机制中，全方位的数据库资料详尽的记录了商业银行的交易记录，为商业银行的业务决策提供了珍贵的数据支撑，在实际决策中，可以依托于这些现有的数据资料，通过专业的数据模型和大规模的数据计算处理，可以在数据索引中找出目标信息和信息规律，决策者可以参考这些资料，为商业银行的管理者和客户提供绩效评估、信号识别、客户营销、产品设计与投放、资金运用等等决策信息，同样基于成熟的数学模型，可以快速有效的建立产品风险评估模型，通过定义不同的风险评估级别，计算出相应的风险收益，为实际的投资活动进行定量分析，商业银行能够实现对冲风险，使得运营效益最大化。

在实际的商业银行的金融业务中，数学模型主要是应用于两个管理领域，即：信用风险评估和市场风险评估。

一、信用风险评估

商业银行要对自身的运营情况以及其他业务对象的金融运营情况做出评估，以便于对于评估对象的信用等级进行详细的划分，国际上先进的商业银行在信用风险管理中一般采用的双重内部评级体系来量化信用风险，具体表现为通过客户信用评级体系计算违约概率，通过债项评级体系计算估计风险敞口和违约损失率。数学模型在信用风险评估中的主要作用是对信息的时间序列进行专业的数据分析，因此，他获得的是一个大致的评估结果，并不能直接活动精确的数学模型，还需要参照大量的实际数据来对已经得到的模型进行不断的回归测试和完善。

数学模型在信用风险评估中主要有以下几个作用：为银行的信用政策提供参考，通过数学模型获得的一致性评价结果，可以验证银行在既定业务中的评价准确度，判断信用评价是否有效合理；划分信用评级，信用评级是商业银行信贷风险的主要规避手段，利用数学模型可以对不同风险系数下的评级模型进行准确的还原，为商业银行的信用授级提供依据；提供贷款业务，通过数学模型建立的风险评估模型，可以快速的获得贷款目标的信用差额和风险系数，决策是否贷款；风险量化，通过数学模型计算风险加权资产实现对商业银行信用风险资本充足率、预期以及非预期损失、资本占用等指标的计算，为满足外部监管部门要求以及实现内部决策管理提供科学依据。

二、市场风险评估

商业银行的市场风险评估主要是在交易清算期间进行，由于市场的波动所带来的投资市场的价值波动有可能使得商业银行遭受意外损失，这种市场价值的波动就是市场风险，可以看到，市场中的不定因素是构成市场风险的主要原因，因此，商业银行将通过合适的数学模型，去构造以这些不确定市场影响因素为变量的模型，分析市场运行机制的可靠性以及波动和失效的表现形式，分析和总结市场风险的诱发规律，最大限度的使得商业银行规避市场风险，保障所得利益。

市场风险主要是缘于资产的当前以及未来的价值走向偏差范围，运用概率理论，可以清晰的看到这些偏差就是随机资产的实际收益，风险的实际影响因素可能包括货币汇率的波动范围、股票市场的指数变化以及货币利率的变化，由于这些参数具有极大的不确定性，因此，极易造成风险出现，有些市场参数具有一定的历史规律，这是在长期的市场观察中得出的规律，建立这样的分析模型，有利于对市场风险进行一定的预判，在商业银行管理规范中要求商业银行必须定期进行内部计量模型的回归测试，将内部模型计算出的风险测量值与每天实际发生的利润或损失进行比较，并记录比较结果。在测试结果出来以后，依照自身的评价标准，对评价模型进行相应的调整，扩大市场风险评估模型的覆盖面和包含性。

三、结束语

本文通过分析数学模型在金融市场的应用现状，详细说明了数学模型在金融领域的使用方法和使用流程，针对与商业银行这一实际的金融行业，着重分析了数学模型在商业银行管理领域内的应用现状，总结了几点实际情况，为数学模型在金融领域的进一步拓展提供了几点意见和建议。

市场风险数据分析例10

Abstract:This paper use Quantile Regression Theory and CoVaR measure to analyse the risk spillover effect between China’s bond market and stock market.The empirical results show that,when q≤0.015,there exist risk spillover effect between these two markets,The strength of the risk spillover effect from the stock market to bond market is stronger than the risk spillover effect from the bond market to stock market,in addition,the risk spillover effect from the bond market to stock market is negative but the risk spillover effect from the stock market to bond market is positive. When 0.015≤q≤0.05,there only exist significant risk spillover effect from bond market to stock market. Using CoVaR methods,we can not only measure the risk spillover of individual financial institutions (financial markets),but also can capture the changes of system risk. Compared with VaR,CoVaR is a more comprehensive and effective risk management technique.

Key Words:CoVaR,risk spillover effect,Quantile Regression

中图分类号:F830.92文献标识码:A文章编号:1674-2265(2010)06-0059-05

在金融市场上,一个市场的波动不仅受其自身过去几期波动的制约,而且,还要受到别的市场波动的影响。这种市场之间的波动传导机制被称为风险溢出效应(或波动溢出效应)。风险溢出效应将整个金融系统看作是一个相互影响的整体,一个市场的波动具有外部性,容易导致危机相互传染,一家金融机构(或一个金融市场)的损失会迅速扩散到整个金融市场,系统性风险加剧。随着金融全球化、一体化的迅猛发展,风险溢出效应不再局限于本国金融市场,如2007年美国次贷危机以来,美国金融市场的风险迅速扩散到其他国家,最终导致了影响深刻的全球金融危机。作为度量风险的主流技术VaR方法没有充分考虑这种风险溢出效应,缺乏对机构间相关风险的估计和度量,具有一定的局限性。在这样的背景下,Adian和Brunnermeier(2008)提出了条件风险价值(CoVAR)方法,这种方法试图计算在其他金融机构(或金融市场)陷入困境时投资组合损失的风险。和VaR方法相比,CoVAR方法将风险溢出效应纳入VaR框架内,是一种更为全面和有效的风险管理技术。

一、文献综述

金融市场间的溢出效应一般包括均值的溢出效应和方差的溢出效应,随着风险管理实践的深入,人们更倾向于关注方差的溢出效应(常称为波动溢出效应或风险溢出效应)。国内关于波动溢出效应的研究大致始于2003年。国内学者赵留彦、王一鸣(2003)利用向量GARCH模型对我国A、B股进行实证检验,研究表明存在A股向B股的单向波动溢出效应,这种波动溢出效应在2001年B股对境内投资者开放后得到加强。张瑞锋(2006)实证考察了多个金融市场对一个金融市场的协同波动效应,结果显示,考虑多个金融市场对一个市场的协同波动溢出更合理有效,与实际更相符。张锐锋、张世英等(2006)在对国内外已有的波动性溢出研究总结的基础上指出,已有的文献往往是利用GARCH或SV模型检验不同市场间是否存在波动溢出效应,以方差间接测度风险,但现实中方差增大并不一定意味着风险增大,因而,他们引入分位数表示金融市场风险,利用金融市场间的影响概率来定量考察波动溢出效应并进行了实证研究,将波动溢出效应引入到VaR(分位数本质上就是VaR,)框架内。万军、谢敏等(2007)利用多变量EGARCH模型对利率与沪深股市间的波动溢出效应进行实证研究,揭示了利率和沪深股市间显著的双向波动溢出效应。陈云、陈浪南等(2009)采用BVGARCH-BEKK模型,结合LR似然比检验和Wald检验,对人民币汇率与股票市场之间的波动溢出效应进行分析,结果表明,人民币汇率与股票市场存在波动溢出效应,这种波动溢出效应在汇改后有所增强。随着全球金融危机的爆发和迅速蔓延,风险溢出效应受到普遍关注,在这样的背景下,Adian和Brunnermeier(2008)首次提出了CoVaR方法,用于刻画在某一金融机构(或金融市场)陷入困境时,其他金融机构面临的风险,CoVaR相对于无条件风险价值VaR的变化率即为风险溢出值。CoVaR方法克服了以方差间接测度风险的缺陷,使用VaR来表示风险,将波动溢出效应纳入VaR框架,并以一具体数值表示风险溢出效应的大小,具有很强的操作性,为风险管理实践提供了新的思路和方法。国内目前尚无关于CoVaR方法的研究文献,本文将对这一方法作简单的介绍,并利用它来考察我国债券市场和股票市场间的风险溢出效应。根据Adian和Brunnermeier 的定义,CoVaR本身就是一个分位数,因此我们可以利用先进的分位数回归方法对其进行建模,捕捉来自其他市场的风险溢出。

二、相关模型介绍

(一)条件风险价值

JP Morgan在二十世纪90年代提出的VaR(Value at Risk)对风险测度理论与实践产生了革命性的影响,已经成为风险管理领域的主流技术,广泛应用于各大金融机构和金融监管部门。随着风险管理实践的深入,人们逐渐发现VaR本身存在一定的局限性,其最大的不足在于它只能估计“正常”市场条件下资产组合的潜在风险,并没有涵盖极端性的市场条件,这使得VaR技术在金融危机时期显得特别脆弱。金融危机最大的特点是损失迅速在各金融机构(或金融市场)互相传染扩散,最终导致系统风险增加和金融体系动荡。VaR技术无法捕捉金融机构(或金融市场)间的这种风险溢出效应,风险管理界开始寻找VaR之外的方法。CoVaR方法将风险溢出效应纳入到VaR框架内,具有广泛的应用前景。根据两位学者的的定义,表示为当金融机构(或金融市场)j的收益率处于水平时,金融机构(或金融市场)i的风险水平,因此,是i关于j的条件VaR,反映了当j处于极端不利情况时,i所面临的风险水平。具体数学表达式如下:

其中,0

是i的总风险价值,包含了无条件风险价值和溢出风险价值,为了更真实地反映j的风险事件对i的风险溢出大小,我们定义溢出风险价值为 ,表达式为:

反映了j对i的风险溢出大小,但由于不同的金融机构i的无条件风险 相差甚远,

不能充分反映j对i的风险溢出程度,为此,对 进行标准化:

去除了量纲的影响,能更准确反映j发生风险事件时对i的风险溢出程度。CoVaR技术将风险溢出效应与流行的VaR相结合,能更准确地反映真实的风险水平。更进一步,如果我们用i表示整个金融系统, 能够捕捉j发生风险事件时系统风险的变化。这对关注整个金融系统风险的监管当局来说意义重大,因为如果能够准确有效地反映单个金融机构(或金融市场)对系统风险的影响,监管当局便能够知道各金融机构(或金融市场)对系统风险的贡献水平,对那些风险贡献水平较高的金融机构(或金融市场)实施更为严厉的监管,确保整个金融体系的稳定。CoVaR本质上是VaR,因而是一个分位数,在具体的计算中,我们参考Adrian和Brunnermeier的方法,通过建立分位数回归方程来求解CoVaR值。

(二)分位数回归方法(Quantile Regression,简称QR)

我们知道,传统的线性回归方法描述了因变量均值受其他因素影响的情况,且利用普通最小二乘法(OLS)估计出来的参数具有最优线性无偏性。然而现实中的金融数据往往服从尖峰厚尾分布且存在显著的异方差,这会导致普通最小二乘法的失效。同时,普通最小二乘法只描述了总体的平均信息,不能充分体现因变量分布各部分的信息。为了弥补传统的线性回归方法的不足,Koenker和Bassett(1978)首先提出了分位数回归的思想。分位数回归根据因变量的条件分位数对自变量进行回归,可以得到所有分位数下的回归模型。因此,分位数回归能够更全面反映部分因变量受自变量的影响情况。风险价值(VaR)一般代表收益率序列的左尾极端收益,因此能够通过建立分位数回归对其进行研究。近年来国内已有少数学者开始利用分位数回归来分析VaR,如谭治国、蔡乙萍(2006)利用分位数回归对宝钢的股票收益率进行实证分析,证明了分位数回归可以对股票风险价值进行有效估计。李雨芹(2009)通过比较研究也发现分位数回归在风险度量方面具有许多良好的性质。为了更好地理解分位数回归思想,我们首先介绍分位数的概念。假设随机变量X的分布函数如下:

Y的q分位数定义为满足的最小y值:

其中,中位数可以表示为 ,对于Y的一组随机样本 ,样本均值回归是使误差平方和最小,即:

样本中位数回归是使误差绝对值之和最小,即:

一般的样本分位数回归是使加权误差绝对值之和最小 ,即:

对于回归方程

我们通常采用最小二乘法对其参数进行估计,即我们需要求出使函数最小的 ,这时,我们得到一条描述总体平均信息的曲线。若使用QR对回归方程(9)进行估计,我们记分位点函数为:

在使用QR对参数 进行估计时,我们一般通过求解式(11)得到:

从式(11)容易看到,通过改变q就可以得到不同的分位数回归曲线(由 的不同估计值代表)。q反映了因变量Y的不同水平,例如,如果我们取q=0.2,则分位数回归曲线代表的是

受自变量X的影响程度,在金融风险实践中,我们可以通过选取较小的q值(如5%)来考察收益率左尾(代表损失)受其他因素影响的情况。分位数回归技术为我们全面理解金融风险提供了全新的方法和思路。由于VaR本质上就是一个分位数,而CoVaR本身又是VaR,所以CoVaR也是一个分位数,可以通过建立分位数回归来对CoVaR进行有效分析。

(三)应用分位数回归方法计算CoVaR

如果要考察金融机构(或金融市场)j发生风险时对金融机构(或金融市场)i的风险溢出效应,我们建立以下q分位数回归模型:

其中,和分别代表i和j的收益率序列。通过前面介绍的方法求解式(11)和(12)我们可以得到参数的估计值和 。即为对应的q分位数估计值,也就是 的风险价值估计值 :

根据式(1)中的定义,我们知道,

即为当j收益率处于其水平时i的风险价值,结合式(13),容易推导出。所以,只要求出 ,就可以计算出。为了简单起见,本文在求无条件风险价值时,将对应样本按从小到大排序,取q分位数对应的值近似代替。

三、数据选取与实证分析

债券市场与股票市场是一国金融市场的核心,在社会资源配置中起着重要的作用,关于两市场间的风险溢出效应进行实证研究具有启示作用。本文将以这两个市场为例检验中国金融市场的风险溢出效应。一方面,由于债券市场和股票市场收益率受共同的宏观经济基本面影响,两市场的收益率具有同向变化效应。而另一方面,股票和债券作为替代品,投资者在股市下跌进债市,债市下跌进股市,这又使得两个市场的收益率具有反向变化效应,由于这两种效应同时存在,导致我国的债券市场和股票市场的风险溢出方向可能是不确定的,应该根据具体经济形势进行分析判断:如果同向变化效应大于反向变化效应,则两个市场的收益率同方向变化,反之则反方向变化。文章选取上证指数作为股票市场的考察变量,而债券市场变量选取上证国债指数。由于股票市场与债券市场的风险传导需要一定的时滞,文章选用周数据进行实证分析,样本考察期为2003年2月28日至2010年3月12日,共354个数据。数据来源于巨灵服务平台,实证过程使用Eviews6.0软件实现。对每个周历史数据取对数一阶差分计算出每个周收益率,为了减少计算误差,我们将所有计算结果乘以100,即:

其中,为t周百分比收益率, 表示债市或股市t周的市场价格指数。为了对序列进行区别,我们用上标i代表股票市场,j代表债券市场。表1的基本统计描述表明,股票市场和债券市场收益率序列偏离了正态分布对应的0和3,且Jarque-Bera检验的概率值为0,因此两个序列均不服从正态分布,具有尖峰后尾特性,适宜用分位数回归方法进行分析。我们首先考察债券市场对股票市场的风险溢出效应,取q=0.05,即求置信度为0.95时的风险溢出效应。建立形如式(12)的股票市场对债券市场分位数回归方程,利用式(11)的方法求出q分位数回归方程对应的参数估计值:=(-6.179824), =(-0.967511),最终的q分位数回归方程表达式为:

由于 本质上即是置信度0.95下的条件风险价值,因此,我们可以将方程改写成下面形式:

根据的定义,我们只要求出j(即债券市场)的无条件风险价值 并将之替代公式(16)中的 ,便可以计算出 。求的方法有很多,为了简单起见,我们将j的样本按从小到大排序,取样本q分位数对应的值为j的无条件风险价值

。将求得的代替公式(16)中的,容易求出,进而求得%。按同样方法相应求出股票市场对债券市场的风险溢出值

及%。最后结果见表2(通过前面步骤求出的 、 及%CoVaR一般为负值,我们取其绝对值表示风险)。值得注意的是,通过对参数估计值的t检验统计量进行分析后发现,债券市场对股票市场分位数回归方程参数估计值t检验统计量概率值为0.94,即在q=0.05时,股票市场对债券市场风险溢出效应不显著(显著水平取0.05,下文同),而股票市场对债券市场分位数回归方程参数估计值t检验统计量概率值为0.02,债券市场对股票市场存在显著风险溢出效应。因此,在q=0.05条件下分析股票市场对债券市场的风险溢出效应意义不大,我们接下来只研究债券市场对股票市场的风险溢出效应:在风险溢出效应方向上,由于 为负号,因此债券市场对股票市场产生了风险负溢出效应,能有效降低股票市场的风险。在风险溢出效应强度上,以表示的债券市场对股票市场的风险溢出强度为13%(取绝对值),对风险溢出效应的忽视,可能会导致风险被高估或低估,从而影响风险决策的准确性。为了反映不同置信度1-q水平下风险溢出效应的变化情况,我们对q取不同值分别进行分位数回归分析,由于在风险管理中,我们一般取 ,因此本文在具体操作中,以0.005为单位,按前面的分析方法计算q由0.01变化到0.05时对应的 值,最后结果如图1所示。结果显示,当q由0.01变化到0.05时,股票市场对债券市场风险溢出% 几乎全为正值(q为0.045时例外),而债券市场对股票市场风险溢出%则全为负值,这表明,在q属于[0.01,0.05]范围内,股票市场对债券市场存在风险正溢出效应,而债券市场对股票市场存在风险负溢出效应。在风险溢出强度上,随着q值变大,%

呈递减趋势,而%的绝对值也存在同样趋势,这表明越是靠近收益率的左尾(q越小),两市场间的风险溢出效应强度越大,应特别重视极端风险的溢出效应。更进一步地,我们对各回归方程参数估计值t检验统计量进行分析,结果发现,对所有q属于[0.01,0.05],股票市场对债券市场分位数回归方程参数估计值t检验统计量均显著,而债券市场对股票市场分位数回归方程参数估计值t统计量则只有当

时是显著的,在q值其他区间不显著。可见债券市场对股票市场在q属于[0.01,0.05]区间内具有显著风险负溢出效应,股票市场对债券市场在区间具有显著的风险正溢出效应,在 不存在显著的风险溢出效应。CoVaR将风险溢出效应转化为一具体数字,具有很强的操作性,金融机构和监管部门可以借助CoVaR来评估其他金融机构(或金融市场)发生风险事件时对本金融机构(或金融市场)的溢出影响程度,提高决策的准确性,降低决策风险。

四、结论

在区间内,我国债券市场和股票市场之间存在双向的风险溢出效应,股票市场对债券市场的风险溢出效应远强于债券市场对股票市场的溢出效应。在风险溢出效应方向上,债券市场风险对股票市场风险具有负向溢出效应,而股票市场风险对债券市场风险的溢出效应却是正向的。在 区间上,只有债券市场对股票市场存在显著风险负溢出效应,不存在显著的股票市场对债券市场风险溢出效应。CoVaR将风险溢出效应纳入VaR框架内,将风险溢出效应转化为一具体数值,能够定量分析风险溢出效应的方向和大小,具有很强的操作性,能够提高风险管理决策的准确性。CoVaR不仅可以检验国内市场间的风险溢出效应,而且还可以用来分析外国金融市场对国内金融市场的风险冲击。对于金融监管部门来说,CoVaR(更准确的说是 )最大的作用是能够用来捕捉单个金融机构(金融市场)发生风险事件时,对整个金融体系的溢出效应,即系统风险的变化。这使得金融监管不再拘泥于单家金融机构的风险监管,而是着眼于整个金融体系潜在的风险变化。金融监管部门可以根据各金融机构对系统风险的贡献度 进行有区别的管理,对 值比较高的金融机构实施更为严厉的监管,确保整个金融体系的稳定,抑制金融危机的扩散蔓延。

参考文献:

[1]Adrian,Brunnermeier(September 2008),“CoVaR”,Federal Reserve Bank of New York Staff Reports no.348.

[2]Adrian,Brunnermeier (April 2009),“CoVaR” working paper,Federal Reserve Bank of New York and Princeton University.

[3]Adrian,Brunnermeier(August 2009),“CoVaR” working paper,Federal Reserve Bank of New York and Princeton University.

[4]赵留彦,王一鸣. A、B股之间的信息流动与波动溢出[J]. 金融研究,2003,(10).

[5]张瑞锋. 金融市场协同波动溢出分析及实证研究[J]. 数量经济技术经济研究,2006,(10).

[6]张瑞锋,张世英,唐勇. 金融市场波动溢出分析及实证研究[J]. 中国管理科学,2006,(10).

[7]万军,谢敏,熊正德. 金融市场间波动溢出效应研究[J]. 统计与决策,2007,(18).

[8]陈云,陈浪南,林鲁东. 人民币汇率与股票市场波动溢出效应研究[J]. 管理科学,2009,(3).

[9]Roger Koenker,Gilbert Bassett,Jr. Regression Quantile[J]. Econometrica,1978,(46).

[10]Koenker R,Hallock K. Quantile regression:an introduction[J]. Journal of Economic Perspectives,2001,(15).

[11]吴建南,马伟. 估计极端行为模型:分位数回归方法及其实现与应用[J]. 数理统计与管理,2006,(5).