①Método de varianza-covarianza, también conocido como método Delta normal.
El método de varianza-covarianza tiene un principio simple y una velocidad de cálculo rápida. La certeza se refleja en tres aspectos: primero, el riesgo de emergencias no se puede predecir, porque el método de varianza-covarianza se basa en datos históricos para estimar el futuro. Su supuesto es que existe coherencia en la distribución entre el futuro y el pasado. pero las emergencias la rompen. Sin la coherencia de esta distribución, sus riesgos no pueden revelarse a partir de modelos de secuencia histórica. En segundo lugar, se cuestiona el supuesto de normalidad del método de varianza-covarianza. Debido a la ubicuidad del fenómeno de la "cola gorda", la distribución de rendimiento de muchos activos financieros no se ajusta a la distribución normal, por lo que los modelos basados en la aproximación normal tienden a subestimar el valor real del riesgo. En tercer lugar, el método de varianza-covarianza sólo refleja el impacto lineal de primer orden de los factores de riesgo en toda la cartera de inversiones y no puede medir completamente el riesgo de los instrumentos financieros no lineales (como las opciones).
②Método de simulación histórica
El método de simulación histórica utiliza el peso de los valores en la cartera de inversiones actual y los datos históricos de los valores para reconstruir la secuencia histórica de la cartera de inversiones, de esta manera obtención de la serie temporal reconstruida de rentabilidades de la cartera.
El método de simulación histórica supera algunas deficiencias del método de varianza-covarianza, como considerar el fenómeno de la "cola gorda" y medir el riesgo de instrumentos financieros no lineales. El método de simulación histórica construye la distribución de rendimiento a través de datos históricos. y no depende de un modelo de fijación de precios específico, no existe riesgo de modelo.
Sin embargo, el método de simulación histórica todavía tiene muchos defectos: en primer lugar, los riesgos incluyen cambios en el tiempo, y basarse únicamente en datos históricos para medir los riesgos subestimará las fluctuaciones repentinas en los rendimientos; afectado por las limitaciones de la duración del período histórico; en tercer lugar, el método de simulación histórica se basa en una gran cantidad de datos históricos y es muy dependiente de los datos; finalmente, el método de simulación histórica tiene una gran carga de trabajo al medir los riesgos de grandes y pequeños; carteras de inversión complejas.
③Modelo de Monte Carlo
El método de Monte Carlo se divide en dos pasos: el primer paso es establecer el proceso estocástico y los parámetros del proceso de las variables financieras; el segundo paso es determinar el; tasa de interés futura. Todos los escenarios de ruta posibles simulan los movimientos de precios de los valores en la cartera para compilar la distribución de rendimiento de la cartera para medir el VaR.
Las ventajas del método de simulación Monte Carlo incluyen: es un método de estimación de valor completo que puede manejar grandes fluctuaciones no lineales y problemas de "cola gruesa"; genera una gran cantidad de escenarios de simulación de trayectoria, lo cual es cierto; más preciso que el método de simulación histórica. Preciso y confiable al establecer un factor de reducción, los resultados de la simulación pueden reflejar los cambios recientes del mercado más rápidamente. Sus deficiencias incluyen: todavía hay algunas suposiciones sobre los factores de riesgo básicos y algunos riesgos del modelo, la cantidad de cálculo es grande y la precisión mejora lentamente; Para mejorar 10 veces la precisión de un factor, el número de simulaciones debe aumentarse más de 100 veces. Si la secuencia de datos generada es pseudoaleatoria, puede generar resultados erróneos.
5. Análisis de sensibilidad
El análisis de sensibilidad se refiere al estudio de los factores de riesgo del mercado único (tasas de interés, tipos de cambio, precios de las acciones y precios de las materias primas) manteniendo el efecto de otras condiciones. que los cambios puedan tener sobre las ganancias o el valor económico de un instrumento financiero o cartera de activos.
El análisis de sensibilidad es sencillo y fácil de entender y se ha utilizado ampliamente en el análisis de mercado. Sin embargo, el análisis de sensibilidad también tiene ciertas limitaciones, que se manifiestan principalmente en la incapacidad de medir cambios no lineales en los rendimientos o valores económicos en relación con los factores de riesgo de mercado para instrumentos financieros o carteras de activos más complejos.
6. Análisis de situación
A diferencia del análisis de sensibilidad, el análisis de escenarios es un método de análisis multifactorial que combina las probabilidades de varios escenarios posibles y estudia la posibilidad de múltiples factores al mismo tiempo. tiempo.
7. Pruebas de estrés
El propósito de las pruebas de estrés es evaluar la tolerancia a pérdidas de un banco en circunstancias adversas extremas. El análisis de sensibilidad y el análisis de escenarios se utilizan principalmente para simulación y estimación.
8.