风险管理整理版(仅供参考)

《风险管理整理版(仅供参考)》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、名词解释信用风险：指由于借款人或交易对手不能或不愿履行合约而给另一方带来损失的可能性以及由于借款人的信用评级变动或履约能力变化导致其债务市场价值的变动而引发损失的可能性。操作风险：由于内部流程、人员、技术和外部事件的不完善或故障造成损失的风险其他各类版本的定义，关键体现出操作风险与信用风险、市场风险之间的重要区别：操作风险来源于行为和过程，而非静态的价格、资源、产权独立变动市场流动性风险：由于交易的头寸规模相对于市场正常交易量过大，而不能以当时的有利价格完成交易，导致损失发生的可能性信用价差：为了补偿违约风险，债权者要求债务人在到期日提供高于无风险利率（一般用同期的国

2、债到期收益率来表示）的额外收益。VaR：市场处于正常波动的状态下，对应于给定的置信度水平，投资组合或资产在未来特定的一段时间内所遭受的最大可能损失，用数学语言可以表示为Prob（△P<-VaR）=1-c压力试验：是在模拟或构造未来可能出现的极端情景的基础上，对极端情景及其影响下的资产组合的价值变化作出评估和判断。分为情景分析法和系统化压力试验。简答1、久期缺口模型的内容和运用答：久期缺口模型资产价值，有其中为资产的久期负债价值，有其中为负债的久期于是有其中为久期缺口为资产负债率净现值受到资产价值、久期缺口、利率变化三个因素的影响运用：在其他两个因素不变的前提下久期缺口

3、为正，则净现值鱼贴现率或利率呈现反向变动；反之则呈同向变动久期缺口绝对值越大，则经营者所面临的利率风险越大为免受利率影响，应该使久期缺口尽量保持在0附近2、VAR的计算、蒙特卡罗模拟法的优缺点答：VaR的计算步骤：证券组合价值V（t）风险因子fi（t）i=1,2..,n,t<0表示过去；t=0表示现在；t>0表示将来①建立组合价值与风险因子之间的映射关系；②选取历史数据，模拟风险因子变量未来的可能取值；首先得到各风险因子过去各期的变化量以现在为基础，根据风险因子过去的变化量，算得风险因子在未来可能出现的值③计算组合未来的可能价值水平或损益分布o对损益排序（从大到小）④

4、计算给定置信度下的VaRo假定在给定置信度c下，上面排序中的分位数是【Tc】o则所得VaR为蒙特卡罗模拟法的优缺点：o优点：o①采用该法可以产生大量的关于风险因子未来路径的模拟样本，最大限度地将可能情况模拟出来，不必受到历史数据的限制o②该法是完全估值法，可以处理非线性、非正态问题o缺点o①由于计算结果严重依赖于所选择或建立的随机模型以及估计模型参数的历史数据，因此，容易存在模型风险和参数估计误差o②在模拟过程中，所使用的随机数序列一般都是伪随机数，容易出现循环和群聚效应，从而可能导致模拟错误和模拟失效1、z值模型与zeta模型及其优缺点灰色Z值区域（Z0，Z1）=（

5、1.81,2.99）ps：不同行业的Z值区域是不一样的。o优点：o思路简单；操作性较强o缺点：o过于依赖财务数据o模型变量的正态分布假设不符合实际o模型的线性特征与现实不符o表外风险得不到衡量1、三个历史模拟法的思想、操作和优缺点思想标准历史模拟法时间加权历史模拟法波动率加权历史模拟法将各个风险因子在过去某一时期的变化分布或变化情景准确刻画出来，作为该风险因子未来的变化分布或变化情景，在此基础上通过建立风险因子与资产组合价值之间的映射表达式模拟出资产组合未来可能的损益分布，进而计算出给定置信度下的VaR.针对标准历史模拟法不切实际的等权重假设，提出了给风险因子不同时期

6、的历史数赋予不同的权重，以减少等权重假设在描述风险因子未来变化时所存在的不合理成分。再选用标准历史模拟法计算var。先根据风险因子的历史数据和有关时间序列分析方法，建立风险因子时间序列模型，以此来刻画风险因子波动率的动态行为；然后用新建立的风险因子时间序列模型，分别模拟风险因子在历史数据选用区间中的波动率与未来时期的波动率。若有新建模拟出的风险因子在历史数据选用区间的波动率与未来时期的波动率具有明显差异，则需要对历史数据选用区间中的历史数据赋予相应权重加以调整，再选择标准历史模拟法或时间加权历史模拟法计算var。操作标准历史模拟法时间加权历史模拟法波动率加权历史模拟法

7、①建立组合价值与风险因子之间的映射关系；②选取历史数据，模拟风险因子变量未来的可能取值；首先得到各风险因子过去各期的变化量。以现在为基础，根据风险因子过去的变化量，算得风险因子在未来可能出现的值③计算组合未来的可能价值水平或损益分布对损益排序（从大到小）④计算给定置信度下的VaR假定在给定置信度c下，上面排序中的分位数是【Tc】则所得VaR为①对应于该风险出现的概率，组合在未来时刻的可能价及可能损益出现的概率也为②将从大到小进行排序③得到相应的概率分布④给定置信度c，求对应的VaR①建立的时间序列模型。②运用新建模型对给出的历史数据对模型进行权重调整