点击左上品职FRM充电站设置星标
每天为你推送精彩资讯
内部学员咨询专属辅导员即可
市场风险指的是由市场因素波动而造成的风险，市场因素的波动源于利率变化、通货膨胀、经济周期、全球政治事件和其他大范围的经济变化。
市场风险是系统性风险，是由于整体市场或宏观经济因素导致的投资价值的波动，这种风险影响所有的投资，比如股票、债券等等，并且是与单一公司的经营情况无关的。这种系统性风险与非系统性风险不同，市场风险是无法通过投资组合多样化来消除的。
尽管这种变动有可能带来正面的收益或负面的损失，但在风险讨论中，通常不把正面的收益看作风险，因此，探讨风险时，主要关心的是不利的变化，即损失，了解市场风险对投资决策至关重要，虽然它不能被消除，但可以通过策略进行管理。
内部学员咨询专属辅导员
如何衡量市场风险
衡量市场风险有很多种方法，如简单采用Beta系数，Beta衡量单一证券或投资组合相对于整体市场的风险敏感性的度量，Beta值为1表示资产的价格与市场完全同步变动，大于1表示资产的价格比市场更为波动，小于1表示资产的价格比市场稳定。
再如标准差，标准差衡量投资回报的波动性或分散程度，高的标准差意味着较大的波动性，风险更高。
Value at Risk （VaR）是最常见的度量市场风险的一种方法，VaR衡量的是在一个确定的时间段内、在给定的置信水平下，投资组合可能面临的最大亏损。
另外，可以考虑采用Conditional Value at Risk (CVaR) 或 Expected Shortfall (ES)，CVaR衡量在最坏情况下预期的亏损，相较于VaR，还考虑了VaR以下的所有潜在损失。
如何计算VAR
主要有两种方法计算VaR，Parametric Method（参数法）和Non-Parametric Method（非参数法）。
采用参数法时，若假定投资回报遵循正态分布，基于投资组合回报的均值和标准差来计算VaR，根据置信水平从正态分布表中获得Z score 的数值，VaR=投资组合的预期回报-Z score x 投资组合回报的标准差。
若无法假定投资回报遵循正态分布，则采用Monte Carlo Simulation（蒙特卡洛模拟）的方法，使用随机数生成器模拟各种市场条件并估算投资组合的未来价值，生成大量的模拟路径来计算可能的投资组合价值，并根据这些模拟结果来估计VaR。
采用非参数法时，无需或无从得知投资回报是否遵循正态分布，使用实际历史数据来模拟可能的投资组合价值变动，对历史价格数据进行排序，并根据所选择的置信水平确定可能的最大损失。
根据统计学，当样本的数量超过30，其数据分布则趋向于正态分布，将这些数据按照大小排序，横轴代表样本数据量，阴影面积代表该数据出现的概率，对称轴为即其峰值代表样本的平均值μ，从均值左右各取一个标准差σ，这部分的面积覆盖了68.26%。
若获得某银行过去250个交易日的全部收益及损失的数据，同样可以得到一个均值和标准差，假设均值是100million，标准差为10million，那么，99.72%的概率下，银行的损失范围是70million到130million之间，也可以说，在99.72%的置信区间内，银行的损失可能在70million到130million之间，但VaR衡量的是在一个确定的时间段内、在给定的置信水平下，投资组合可能面临的最大亏损，因此VaR为130million。
反过来看，130million损失并非对应99.72%的概率，因为99.72%包括了70million到130million这段区间，如果只将VaR考虑130million，其概率将更高，由于正态分布的对称性，可以得知，130million对应的实际概率是50%加上99.72%的一半，也就是99.86%，反之，银行损失超过130million的概率是0.14%。
因此，在99.86%的置信区间下， VaR为130million，在 99.86%的概率下，损失不会超过130million，或者说，有0.14%的概率，损失会超过130million。
对于正在备考FRM的考生，F君也为大家准备了最新资料——《FRM知识框架图》。考点清晰扎实！框架感十足！非常适合打基础及强化类考生，贯穿整个考点。将知识点之间彼此关联、互相促进与补充，学习时需要融会贯通，在大脑中形成整套逻辑结构。
特色一：知识点梳理，建立学科体系特色二：告别死记硬背，加强逻辑理解特色三：突出重点，考点一目了然特色四：详略得当，短时间专项突破
扫码回复【FRM知识框架图】
免费领完整PDF资料
（内部学员联系专属辅导员即可）
特殊情况
VaR的众多计算方法确实为不同场景提供了灵活性，前面探讨的是基于大量样本统计的参数法，这种方法的核心在于数据足够丰富，并且主要满足正态分布的假设，但在实际情况中，还有两种可能。
其一为可能遇到数据量较少，甚至不足30个的情况，在这种情况下，单纯依赖参数法可能不是最佳选择，此时可以采用历史数据法，历史数据法并不依赖对数据分布的假设，而是直接使用实际的历史收益数据来估算VaR，先收集一段时间内的历史数据，接下来将这些数据按照大小进行排序，根据所需的置信水平选择对应的收益或损失值。
例如，如果需要计算95%的VaR，那么就选择排序后位于5%位置的数据作为VaR，这种方法直观且易于理解，但其准确性完全依赖于过去的数据，它假设历史会在一定程度上重演，但未来的市场行为并不总是与过去完全一致，所以历史数据法也同样有一定的局限性。
其二为尽管数据量较多，但不同的金融产品对利率变动的敏感度并不相同，当涉及更复杂的金融产品时，如某些衍生品，其价格和利率之间的关系可能是非线性的，在计算VaR时，特别是对于包含非线性关系的复杂金融产品组合，可能需要采用蒙特卡洛模拟，来估计潜在损失，这种方法会模拟数以万计的不同市场情境，并为每一种情境计算组合的价值，从而得到一个潜在损失的分布，然后从分布中提取出对应置信水平的VaR值。
总的来说，尽管有各种计算VaR的方法，核心思想仍然是估计在给定的置信水平下，金融资产或组合可能面临的最大损失。
VaR模型在FRM的一级和二级考试中占有很重要的位置，这是因为VaR模型的核心概念直观且易于掌握，相较于其他更为复杂的模型，VaR的理解和解释更为简洁，同时也能直观地反映潜在损失。
实际上，许多金融机构和银行都将VaR模型作为其市场风险评估的主要工具。因此，对于那些希望进入风险管理行业的人，或是正在考虑转行的职业者，深入理解VaR模型是非常必要的。
对现在的FRM考生来说更重要的是复习备考，F君希望大家都能扎扎实实地备考，特地为大家准备了免费福利！
FRM备考资料包
END
（内部学员联系专属辅导员即可）
点击“阅读原文” 购买品职课程
