stans系统及其运用

《stans系统及其运用》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、STANS系统及其运用文斯提芬·舒欧兹译郑学勤作者介绍：斯提芬•舒欧兹(StephanSchoess)是美国OCC的首席经济学家，他曾经担任过OCC定量风险管理部的主任，STANS就是由他所领导的这个部门研究和开发出来的。他在柏林技术大学获学士和机械工程硕士，在芝加哥大学获得工商管理学硕士、经济学和金融学博士学位。编者按在境外成熟期货市场上，如何在提高保证金使用效率的同时，有效的评估和防范市场风险，是清算机构的一项重要职责。为此，各清算机构(或交易所)开发了不同的风险管理系统，如由芝加哥商业交易所(CME)开发的著名的SPAN(标准化投资组合风险分析)系统。本文所介绍的是由芝加哥期权清

2、算公司(OCC)近两年开发的一种新的风险管理系统—STANS系统，希望通过这套系统的介绍，让国内期货业得到一些启示。芝加哥期权清算公司(OCC)早在1986年就引进了理论市场间保证金系统(TheoreticalIntermarketMarginSystem)，简称“TIMS”，一直使用到2006年。但由于该系统具有很大的局限性，OCC对TIMS进行的改进，并开发出了全新的STANS风险管理系统，其全称为“理论分析和数字模拟系统”(TheoreticalAnalysisandNumericalSimulations)，2006年8月4日，STANS正式取代先前使用的TIMS。STANS系统概

3、述STANS由不同的部分构成，各部分在市场和OCC的信用风险模式中发挥着不同的作用。STANS的设计和使用的基本原则是：风险管理模式必须在投资组合(持仓)的水平上对风险进行评估；每一种风险因素的概率统计结果应当被保留下来；所有风险因素之间的综合历史关联结构应当保留下来；对所有投资组合(持仓)风险衡量的评估在统计学的角度上应当保持一致。OCC研发的风险管理模式以大规模的蒙特卡罗(MonteCarlo)模拟为主要特征，这一模拟以下面的假设为基础：一是用有限方差肥尾分布来描述每一种风险因素实现的概率；二是每一个风险因素的分布方差都是动态的，用方差预测技术提高模型的性能；三是风险因素的组合分布用坎

4、德尔(Kendall)的静态Tau式等序相关性矩阵代表。STANS模型并不依赖于线性相关性矩阵的限定，因为协方差的矩阵并不能导出肥尾边缘分布的多元变量分布独特性。因此，不能将通常概念或者多元正态分布蒙特卡罗技术直接用到衍生品风险分析上。蒙特卡罗模式的实施有赖于Copula（椭圆连结函数）的使用，在产生有不同单元变量分布组成的多变量分布方面，Copula被看作是最先进的方法。OCC使用Copula，更具体地说是Student-tCopula。这种模拟的方式保留了等序相关结构，尽管没有保留线性相关性。STANS内部的波动率预测是通过GARCH(1，1)和“Student-t”检验之创新结合在一

5、起而实现的。此外，通过将极端价值理论运用到用户指定的市场运载体，单元变量的分析也得到扩展。这个用户指定的市场运载体为风险衡量的估量提供了一个起码的水平。有限方差的假设可以放弃，这个模型可以加入无限方差的单变量分布。在这种情况下，虽然每对变量的线性相关被破坏，但对等序相关还被保留。在这个模式1中引进了特殊的数学、统计学的和模拟的条件和技术，以减少评估的错误，并改进模式的整体性能。这个系统可以模拟各种类型产品的风险，包括期权、期货、期货期权和现金工具。此外，虽然OCC目前的产品以股票类为主，但STANS平台的性质使得它可以很容易就将其他产品包括进来，譬如固定收益产品、信用衍生品、商品期权以及其

6、他产品。这个系统的设计是以处理大规模的模拟为宗旨。在目前OCC使用的具体系统模型中，涉及到7000种风险因素，每种产生10000个模拟数据。从这些风险因素衍生的期权的数目达到了将近200000种，这就导致了需要对20亿种以上的衍生工具进行明确的重新定价。在STANS系统里，这种计算是非常有效和迅速的。STANS的系统构成STANS是由历史价格统计分析(SAPH)、蒙特卡罗引擎(MCE)、衍生工具价格编辑系统和理论元素计算器(PREDICT)、蒙特卡罗理论值计算器(MCT)以及净资产价值估量系统(NAVES)五个子系统构成。这些子系统用不同的衡量尺度来估算风险，它们集中反映了OCC处理风险的

7、哲学和方法。以净资产价值估量系统为例，NVAVES子系统将所有考虑的证券理论价值，与一个具体账户所拥有的头寸结合在一起。这些理论价值由MCT计算。通过这个系统的运作，持仓就有了一个盈利－亏损的分布图形，使用这个分布图形可以推导出一组风险衡量尺度。这组尺度反映出在市场不同的假设情况中，持仓所具有的风险。这些风险衡量尺度是通过各种风险因素之间的历史关联(HistoricalCorrelation)、完美关联(PerfectC