金融风险及其管理方法综述论文

《金融风险及其管理方法综述论文》由会员分享，可在线阅读，更多相关《金融风险及其管理方法综述论文（35页珍藏版）》请在装配图网上搜索。

1、 金融风险及其管理方法综述摘要：本文首先通过08年金融危机对现代金融风险的本质进行阐述，然后分别从市场风险，信用风险，操作风险，流动性风险四个主要方面进行介绍。市场风险中从波动率角度和VaR角度进行分析。第一，针对波动率方面的GARCH模型，利用08金融危机后的中国汇率变化进行实例验证；第二，介绍了利率敏感性缺口，久期，凸度，马克维茨的均值-方差模型，资本资产定价模型等定性及定量方法；第三，介绍了VaR方法的基本原理及其三个常用的计算方法：历史模拟法，蒙特卡洛模拟法和方差-协方差法。信用风险的衡量和管理中，首先介绍了信用风险的决定因素，然后阐述了信用分析技术的发展，最后着重介绍了我国商业银行的

2、信用管理现状和针对商业银行信用风险的管理方法内部评级法。 流动性风险的度量和管理中，主要介绍了银行金融机构的流动性管理指标和非银行业金融机构的交易流动性检测。对于操作风险，首先利用光大乌龙指来说明操作风险的严重性，然后简要介绍计算操作风险监管资本金的方法，分别为基本指标法，标准法和高级测量法。关键词： ABS GARCH VaR IRB 目录一、现代金融风险本质31.1 从资产抵押债券（ABS）角度介绍08年金融危机发生原理31.2 现代金融风险本质浅析3二 、市场风险42.1 波动率42.2 GARCH（1,1）模型汇率角度运用42.2.1 GARCH模型介绍42.2.2 汇率样本数据图52

3、.2.3 ARCH效应检验52.2.4 GARCH(1，1)模型82.2.5 汇率值预测112.3 VAR模型132.4 市场风险管理方法142.4.1 利率敏感性缺口管理142.4.2 一种定量管理的方法久期和曲率142.4.3 马柯维茨的均值一方差理论152.4.4 资本资产定价模型（CAPM）15三、信用风险163.1 信用分析技术的发展163.2 一些预防信用风险的方法163.3 内部评级法173.4 对我国商业银行信用风险的一些思考18四、流动性风险184.1 银行业流动性风险184.2 非银行业金融机构面临的流动性风险：主要是交易流动性风险18五、操作风险195.1操作风险介绍19

4、5.2 实例：光大乌龙指事件19参考文献：20附录：21一、现代金融风险本质1.1 从资产抵押债券（ABS）角度介绍08年金融危机发生原理债务抵押债券是一种特殊的资产抵押债券，其基础资产为固定收益债券。由于美国的银行在住房抵押贷款方面的审查不严格，或者说是刻意为之，导致产生了大量的次级债。银行为了缩短流动性期限，进行了资产证券化，将这些CDO分为不同的级别（分为高级，中间级和股权级）进行发行，而购买这些CDO的金融机构（大多数为SPV）对所得债券再次进行CDO分级，进行发行，从中获取利润，就这样一直到最后一家金融机构，由于大家都不相信自己会是“击鼓传花的最后一个”，所以当住房贷款违约时，银行和

5、最后一家持有CDO的金融机构就要承担巨大的损失，金融危机就这样发生了！次级按揭高级份额（75%）AAA中间份额（20%）BBB股权份额（5%）无级别高级份额（75%）AAA中间份额（20%）BBB股权份额（5%）简化的ABS CDO1.2 现代金融风险本质浅析次级债市场这样的“金融创新”活动，存在着积极和消极的两面性，如果过度地担心它的消极性，例如资金链断裂引起的流动性危机，那么，金融业的竞争活力就可能被过度的监管所抹杀；另一方面，过于乐观的强调它的积极性，把金融创新的风险机制看得过于简单化，同样可能因为出现扭曲的风险判断而不可避免的导致金融危机。此外，“消费者金融”时代给信贷市场的竞争方式和

6、监管模式带来了前所未有的挑战。残酷的竞争很容易迫使金融机构为不失良机而争相提供更新、更直接的让消费者受惠的金融服务。结果，随着金融创新活动的深化和金融业务的细分化，信息不对称问题变得愈来愈严重，潜在的风险也越来越难察觉。因为监管方式跟不上金融创新所带来的新风险，所以它积累到一定程度就很容易爆发像“次级债风波”那样的危机。二 、市场风险首先介绍市场风险。市场风险主要包括两方面的风险，分别是汇率风险和利率风险。由于中国的汇率并未完全放开，所以在中国，市场风险主要指利率风险。针对市场风险，可以从两个角度讨论，波分别为动率角度和VAR角度。2.1 波动率从第一个角度来看，主要包含历史波动率，隐含波动率

7、，ARCH, GARCH ,EWMA 等模型，本文主要介绍GARCH模型。历史波动率，简单的说就是利用前n期历史数据的方差来衡量现在和未来所面临的风险。隐含波动率。Black-Scholes期权定价公式表明期权价格是标的资产价格，执行价格，无风险利率，期权期限和标的资产在期限内波动率的函数。在这个公式中，每一时间段的波动率被假定为相同的，然而现实中的期权价格并不一定等于理论价格，很大程度上是由于实际上每一时间段的波动率不同导致。将实际中的欧式看涨期权价格代入公式中，反解出的波动率称为隐含波动率。因为看涨期权价格相对于波动率的偏导数为正，所以当隐含波动率大于给定波动率时，期权的实际价格大于该期权

8、的理论价格。ARCH是自回归条件异方差模型，GARCH是广义自回归条件异方差模型，EWMA是指数加权移动平均模型，这三种模型都主要用来计算变化的波动率。2.2 GARCH（1,1）模型汇率角度运用2.2.1 GARCH模型介绍自从Engle(1982)提出ARCH模型分析时间序列的异方差性以后，波勒斯列夫T.Bollerslev(1986)又提出了GARCH模型，GARCH模型是一个专门针对金融数据所量体订做的回归模型，除去和普通回归模型相同的之处，GARCH对误差的方差进行了进一步的建模。特别适用于波动性的分析和预测，这样的分析对投资者的决策能起到非常重要的指导性作用，其意义很多时候超过了对

9、数值本身的分析和预测。一般的GARCH模型可以表示为：其中ht为条件方差，ut为独立同分布的随机变量，ht与ut互相独立，ut为标准正态分布。（1）式称为条件均值方程；（3）式称为条件方差方程，说明时间序列条件方差的变化特征。为了适应收益率序列经验分布的尖峰厚尾特征，也可假设 服从其他分布，如Bollerslev (1987)假设收益率服从广义t-分布，Nelson(1991)提出的EGARCH模型采用了GED分布等。另外，许多实证研究表明收益率分布不但存在尖峰厚尾特性，而且收益率残差对收益率的影响还存在非对称性。当市场受到负冲击时，股价下跌，收益率的条件方差扩大，导致股价和收益率的波动性更大

10、；反之，股价上升时，波动性减小。股价下跌导致公司的股票价值下降，如果假设公司债务不变，则公司的财务杠杆上升，持有股票的风险提高。因此负冲击对条件方差的这种影响又被称作杠杆效应。由于GARCH模型中，正的和负的冲击对条件方差的影响是对称的，因此GARCH模型不能刻画收益率条件方差波动的非对称性。2.2.2 汇率样本数据图 本模型使用的数据为2008年01月02日到2013年末的工作日汇率值，将汇率记为变量Y。其中，将2008年01月02日到2011年12月30日的汇率值作为样本。（数据见附录）汇率样本数据图2.2.3 ARCH效应检验假设进行估计的基本形式为： （1）利用最小二乘法估计式（1），

11、 结果如下： Dependent Variable: YMethod: Least SquaresSample (adjusted): 1/03/2008 12/30/2011Included observations: 1042 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C0.0106650.0054231.9667400.0495Y(-1)0.9982700.0008061238.3590.0000R-squared0.999322Mean dependent var6.722339Adjusted R-sq

12、uared0.999322S.D. dependent var0.223433S.E. of regression0.005819Akaike info criterion-7.453319Sum squared resid0.035220Schwarz criterion-7.443820Log likelihood3885.179Hannan-Quinn criter.-7.449716F-statistic1533532.Durbin-Watson stat1.906649Prob(F-statistic)0.000000 （2） 对数似然值=3885.179 AIC=-7.453319

13、 SC=-7.443820AIC值和SC值均较小，对数似然值很大，意味着变量的滞后阶数是合适的。经过t检验，常数项和变量系数都是统计显著的。下图为该回归方程的残差图，可以注意到波动的“成群”现象：波动在一段较长的时间内非常小，在另一段较长的时间内非常大，说明误差项可能具有条件异方差性。因此，对式(2)进行条件异方差的ARCH LM检验，得到了在滞后阶数p=1时的ARCH LM 检验结果如下：此时的F统计量和Obs*R-squared统计量的P值均为0，所以拒绝原假设，说明式（2）的残差序列存在ARCH效应。Heteroskedasticity Test: ARCHF-statistic28.6

14、8054Prob. F(1,1039)0.0000Obs*R-squared27.96383Prob. Chi-Square(1)0.0000Test Equation:Dependent Variable: RESID2Method: Least SquaresSample (adjusted): 1/04/2008 12/30/2011Included observations: 1041 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C2.80E-052.48E-0611.257820.0000RESID2(-

15、1)0.1619470.0302405.3554210.0000R-squared0.026862Mean dependent var3.34E-05Adjusted R-squared0.025926S.D. dependent var7.40E-05残差平方相关图检验：计算式（2）的残差平方的自相关（AC）和偏自相关(PAC)系数，结果如下：由于自相关系数和偏自相关不为0，Q统计量比较显著，可以得出结论，式（2）的残差序列存在ARCH效应。2.2.4 GARCH(1，1)模型在上文中得出“式（2）的残差序列存在ARCH效应”这一结论，现在利用GARCH(1，1)模型对式（1）进行重新估计，

16、结果如下：均值方程 (3)方差方程 （4）Dependent Variable: YMethod: ML - ARCH (Marquardt) - Normal distributionSample (adjusted): 1/03/2008 12/30/2011Included observations: 1042 after adjustmentsConvergence achieved after 20 iterationsBollerslev-Wooldridge robust standard errors & covariancePresample variance: backca

17、st (parameter = 0.7)GARCH = C(2) + C(3)*RESID(-1)2 + C(4)*GARCH(-1)VariableCoefficientStd. Errorz-StatisticProb.Y(-1)0.9999581.58E-0563338.590.0000Variance EquationC7.14E-073.17E-072.2493100.0245RESID(-1)20.1201990.0621021.9354910.0529GARCH(-1)0.8688040.04401819.737380.0000R-squared0.999310Mean depe

18、ndent var6.722339Adjusted R-squared0.999310S.D. dependent var0.223433S.E. of regression0.005869Akaike info criterion-7.957409Sum squared resid0.035860Schwarz criterion-7.938411Log likelihood4149.810Hannan-Quinn criter.-7.950203Durbin-Watson stat1.875813方差方程中的ARCH的系数在0.05的置信区间上不太显著，但是勉强可以接受，GARCH想的系数

19、是统计显著的，并且对数似然值有所增加，同时AIC和SC变小，说明GARCH(1，1)模型能够更好的拟合数据。对均值方程进行条件异方差的ARCH LM检验，扥到了式（3）的残差序列在滞后阶数p=3时的统计结果如下：此时的F-statistic 统计量和Obs*R-squared统计量的概率分别为0.9565和0.9563，不拒绝原假设，认为该残差序列不存在ARCH效应。35Heteroskedasticity Test: ARCHF-statistic0.106076Prob. F(3,1035)0.9565Obs*R-squared0.319360Prob. Chi-Square(3)0.95

20、63Test Equation:Dependent Variable: WGT_RESID2Method: Least SquaresSample (adjusted): 1/08/2008 12/30/2011Included observations: 1039 after adjustmentsWhite Heteroskedasticity-Consistent Standard Errors & CovarianceVariableCoefficientStd. Errort-StatisticProb.C0.8645010.1713375.0456060.0000WGT_RESID

21、2(-1)0.0035600.0059140.6019710.5473WGT_RESID2(-2)-1.91E-050.007628-0.0025000.9980WGT_RESID2(-3)0.0171670.0063812.6903980.0073R-squared0.000307Mean dependent var0.882744Adjusted R-squared-0.002590S.D. dependent var5.115040S.E. of regression5.121660Akaike info criterion6.108677Sum squared resid27149.5

22、0Schwarz criterion6.127718Log likelihood-3169.458Hannan-Quinn criter.6.115900F-statistic0.106076Durbin-Watson stat1.999971Prob(F-statistic)0.956545式（3）的残差平方相关图的检验结果为如下：自相关系数和偏自相关系数近似为0，Q统计量也变得不显著。这个结果也说明式（3）的残差序列不存在ARCH效应。2.2.5 汇率值预测下图为利用GARCH（1,1）模型得到的预测图：第一图为预测值图，第二幅为样本方差图，第三幅图为模型的先验预测，观察图像发现样本值和预

23、测值非常吻合。下面两图为实际值（第一幅）与预测值变动趋势图（第二幅）的比较：2.3 VAR模型 起源：1993年，一个有工业国家的高层银行家，金融家和学术界人士所组成的30人小组发表了一个关于金融衍生工具的报告，建议引入“风险价值系统”(Value at Risk System)来评估金融风险。1994年J.P.Morgan提出风险管理理念VaR，最初应用于市场风险的度量和监管。VaR方法能简单清晰地表示市场风险的大小，以系统的概率理论作依托，因而得到了国际金融界的广泛认可。国际掉期交易商协会，国际清算银行及巴塞尔委员会等团体一致推荐，将VaR方法作为市场风险测量和控制的最佳工具。 定义：20

24、世纪90年代起损失为基础的风险管理方法被提出并逐步兴起。用J.P.Morgan的定义可将VAR看作是在既定头寸被冲销或重估前可能发生的市场价值的最大损失的估计值；或者可以用Jorion给出的权威说法，可把VAR定义为“给定置信区间的一个持有期内的最坏预期损失”。 理解：如果说马科维茨的均值-方差投资组合理论模型是针对收益-风险而言的话，那var就是针对价值-风险而言，这是两个不同的角度。从本质上说VaR是一个统计估计值，我们可以在各种统计假设之下应用多种统计方法来得到VaR的估计。VaR方法由3个基本要素组成：相关风险因素的当前头寸，头寸随风险因素变化的敏感性和对风险因素向不利方向的预测。第一

25、个要素是非常明确的，VaR的不同计算方法主要来源于对第二和第三个要素的不同处理。虽然一个组合VaR的计算方法有很多，但他们基本上可以划分为3类： 历史模拟法，蒙特卡洛模拟法和方差-协方差法。历史模拟法：设f（w）是某资产组合的概率密度函数，由VaR的定义可知：，在给定的置信度C下我们可以找到使w高于的概率为C。历史模拟法假设f（w）是未知的，借助计算过去一段时间内的资产组合风险收益的概率分布，通过找到历史上一段时间内的平均收益，以及既定置信区间下的最低收益水平，求出从而推出VaR的值。蒙特卡洛模拟法：与历史模拟法类似，区别在于蒙特卡洛模拟法是基于历史数据或是既定分布假定下的参数特征，借助随机方

26、法模拟出大量的资产组合数值，从中推出VaR的值。方差-协方差法：该方法是计算VaR的常用方法，这种方法的核心是基于报酬的方差-协方差矩阵进行估计。其中最具代表性的是目前流行使用的J.P.Morgan 银行的Risk Metrics TM方法，该方法假定投资组合的未来收益服从正待分布，基本思路是先用历史数据求出资产组合的收益的方差，标准差，协方差，然后利用资产收益的正态分布的性质求出在一定置信区间下反映了分布偏差均值程度的临界值进而估计出VaR的值。举例简要介绍方差-协方差法的基本方法论：一个交易组合，只包含价值为1000万美元的微软公司股票，计算中选择10天的展望期，置信水平为99%，在计算过

27、程中首先将展望期定为一天。假定微软公司股票的波动率为每天2%（波动率指收益率的波动率），因为交易头寸的数量为1000万美元，交易组合每天价值变化的标准差为200000美元。假定收益率的变化服从正态分布，因为N（-2.33）=0.01，所以价格变化下降大于2.33倍的标准差的概率为1%，所以1000万美元的微软股票的一天展望期的99%VaR等于 2.33*200000=466000美元，所以10天的99%VaR等于466000*10=1473621美元。2.4 市场风险管理方法2.4.1 利率敏感性缺口管理首先进行定性管理资产负债管理（利率敏感性缺口管理）。将一个金融机构的资产分为浮动利率资产和

28、固定利率资产，负债分为浮动利率负债和固定利率负债。利率敏感性是指浮动利率资产的利息收入与浮动利率负债的利息支出受市场利率变化影响的大小。利率敏感性=，其中，P为净利息收入变化，A为浮动利率资产的利息收入，L为浮动利率负债的利息。当浮动利率资产不等于浮动利率负债时，则存在风险敞口。当浮动利率资产大于浮动利率负债时，存在利率敏感性正缺口，反之则存在负缺口。2.4.2 一种定量管理的方法久期和曲率久期（Duration）是使用加权平均数的形式计算债券的平均到期时间。它是债券在未来产生现金流的时间的加权平均,其权重是各期现金值在债券价格中所占的比重。，D是久期，B是债券当前的市场价格，PV（Ct）是债

29、券未来第t期可现金流（利息或资本）的现值，T是债券的到期时间。久期可以用来衡量利率风险：，从公式中可以看出，当利率变化一定时，一种资产的久期越大，则这项资产的价格变化越大。 由此引申出消极的久期管理策略和积极的管理策略。设A为资产，L为负债，当时，为消极策略；当时，为积极策略。曲率（convexity）是将来收到现金流的时间的平方的平均值。，在点做二阶泰勒展开，整理得：，由此，2.4.3 马柯维茨的均值一方差理论马柯维茨将统计学中期望与方差的概念引人资产组合问题的研究，提出用资产收益的期望来度量预期收益、用标准差来度量风险的思想，为金融风险的研究开辟了一条全新的思路，首次在此基础上研究了证券资

30、产的投资组合问题，给出了在一定预期收益率水平下使投资风险达到最小化的最优投资组合计算方法，改变了过去以常识或经验等定性的衡量风险的方法。为此马柯维茨的这项工作被喻为“引发了华尔街的第一次革命”。资产组合理论的基本思想是“风险分散原理”，应用数学二次规划建立起一套模式，系统的阐述了如何通过有效的分散化来选择最优组合的理论与方法。资产组合理论是以方差作为度量风险的方法，方差方法的优劣决定着资产组合模型的有效性。2.4.4 资本资产定价模型（CAPM）Sharp（1964）、Lintner（1965）和Mossin（1966）针对DownsideRisk方法的缺陷，开始探讨均值方差模型的理论框架之下

31、，如何使得资本市场出清即达到均衡时，资产的价格和收益率决定的方法，并分别独立推导出了资本资产定价模型，简称CAPM。运用CAPM模型可以对均值一方差模型进行优化，根据CAPM的最优化组合比例应根据单种资产的系统风险而不是总风险计算。因为总风险中的非系统风险可以通过在资产组合中包含足够多的资产来达到分散的目的。CAPM模型表明，单种资产的总风险中只有其中的系统风险对资产的预期收益有贡献，投资者不会因资产具有的非系统性风险而得到任何附加的预期收益。CAPM模型深刻揭示了资本市场的运动规律，对人们在资本市场上的投资行为具有重要的指导意义。三、信用风险信用风险可以分解为3个基本要素：信用风险损失=PD

32、*LGD*EAD。式中PD为违约概率，LGD为违约时的损失率，也等于1减去偿还率（或回收率），EAD为违约时持有的头寸。所有的信用风险模型都是针对其中的一个或几个基本要素来建立模型，但几乎所有模型中都假定EAD是外生的且可以单独决定。3.1 信用分析技术的发展1，5C原则：Character(以往的信用状况) Capacity（盈利能力） Capital （资本） Collateral（担保物） Condition(行业环境)2，以企业财务数据为基础的统计类模型主要包括MDA（多元回归）模型，Z-SCORE（Z评分模型）等Z评分模型简要表述如下：Z=aA+bB+Cc+dD ，其中，a,b,c,

33、d分别为参数，A,B,C,D为公司的财务指标，根据该公式为该公司的信用状况进行打分。得分越高，则该公司的信用状况越好。 3，以股票市场信息为基础的结构化模型，主要指KMV模型对KMV模型的简要表述：通过一个公司在股票市场上的信息推断出该公司的价值，该公司的价值与企业债务之间的差距叫做违约距离，当违约距离很大时，该公司违约的可能性很小。V企业价值企业债务违约距离T4，以债券市场信息为主的简约化模型3.2 一些预防信用风险的方法净额结算：在同所有的交易对手之间，银行均会持有一个涉及交易条款的标准合约，在标准合约中设定净额结算条款是为了保证如果某交易对手对某笔合约违约，那么该对手必须对其他合同也违约

34、。抵押品条款的作用机制和保证金制度非常类似。降级触发策略：当交易对手的信用评级低于一定水平时，例如Baa级时，金融机构有权利将所有的交易平仓，通常，金融机构会选择那些对自身而言价格为正，对对手而言价格为负的交易进行平仓。3.3 内部评级法内部评级法分为初级内部评级法和高级内部评级法。内部评级法的文字表述为：一个金融机构的风险加权资产的比重是一个关于EAD,PD,LGD，WCDR的函数，初级的内部评级法是指PD由金融机构自行测度，剩余的EAD,LGD,WCDR由外部的其他机构测量，而高级内部评级法是指4个指标都由金融机构自行测量。目前我国的商业银行中，只有中国工商银行使用了高级内部评级法，达到了

35、与国际接轨的水平。(PD:交易对手违约的概率； EAD：交易对手在违约时的风险敞口； LGD：交易对手的违约损失率； WCDR：在一定置信度下交易对手违约概率的最高值)内部评级法模型的图形表示如下：预期损失 损失不太可能超过的数量在一定时间展望期上的损失资本金损失概率密度函数以及金融机构所需要的资本金模型的公式表示：假定某银行有一个大数量的义务贷款人，每个义务人在一年内违约的概率均为PD，义务人之间的Copula相关系数为。在99.9%置信度下交易对手违约概率的最高值 有99.9%的可能资产的损失小于 违约造成的预期亏损 银行所需要的的资本金数量为 3.4 对我国商业银行信用风险的一些思考我国

36、商业银行的信用风险：商业银行的信用风险一般由两个指标来衡量，分别是拨备覆盖率（拨备覆盖率=准备金/不良贷款）和不良贷款率（不良贷款率=不良贷款/贷款总额）。其中，前者是对信用风险的事前衡量，后者是对信用风险的事后衡量。银监会规定，我国商业银行的不良贷款率不得超过4%，拨备覆盖率大于等于100%。此外，我国商业银行现在面临着一些潜在的信用风险。首先是城投公司的贷款，地方政府面临的还债压力非常大，很可能有一部分的贷款不能得到偿还。其次是房地产贷款面临着较大的信用风险。第三点则是商业银行表外业务的风险。这里首先要区分国外和国内的影子银行的概念。在国外，影子银行是指除了在监管体制之内的商业银行外具备商

37、业银行功能，充当商业银行角色的金融机构；在国内，影子银行是指商业银行表外业务的变相贷款。例如，现在中国商业银行表外业务中的理财业务其实是对理财业务的一种扭曲，真正的理财业务应该由顾客自担风险，但是我国的商业银行理财业务基本上都承诺保本，商业银行承担了额外的风险，也就是说我国商业银行表内，表外资产隔离不明显；同时，更严重的是，利用理财业务得到的资金进行变相的贷款使风险猛增。四、流动性风险4.1 银行业流动性风险流动性风险的衡量有以下几个指标：1， 流动性比例=流动性资产/流动性负债，一般公司应该大于等于100%；银行为杠杆经营，银监会规定中国商业银行的流动性比例大于等于25%。2， 存贷比，针对

38、中国商业商业银行而言，银行的贷款总额不得超过存款总额的75%。3， 超额备付金率=超额存款准备金/存款总额4， 商业银行拆入资金量应小于存款总额的4%，拆出资金量应小于存款总额的8%5， 存款准备金率。我国人民银行规定，大型商业银行的存款准备金率为20%，中小型银行为16,。5%6， 同时，最新颁布的巴塞尔协议III中去杠杆化的要求和流动性覆盖率，净稳定资金比例都是针对银行的流动性风险而言。流动性覆盖率（LCR）是银行优质流动性资产储备除以未来30 日的资金净流出量，它主要反映短期(未来30 天内) 特定压力情景下，银行持有的高流动性资产应对资金流失的能力。净稳定资金比例（NSFR）是计算银行

39、一年以内可用的稳定资金与业务所需的稳定资金之比，它主要衡量一家机构在特定压力情景下，可用的长期稳定资金支持业务发展的能力。4.2 非银行业金融机构面临的流动性风险：主要是交易流动性风险资产的买卖价差比率s=（卖出价-买入价）/市场中间价。当对某资产的一个头寸进行平仓时，金融机构付出的费用为0.5s，其中为头寸的货币价值，这反映了市场交易并非是建立在中间市场价格这一事实，买入资产交易的价格会按0.5s的比率高出市场中间价；卖出资产交易的价格会按0.5s的比率低于市场中间价。一种检验交易组合流动性的手段是计算在一定的时间段，在正常的市场条件下，对交易组合进行平仓的费用。假定为某金融机构持有的第i个

40、产品的买卖价差比率，为相应头寸的货币价值，因此平仓费用（正常市场条件下）=五、操作风险5.1操作风险介绍操作风险是指由于顾客，不足的内部控制，系统或控制失败以及不可控制的事件所引起的收入或者现金流的波动。操作风险的度量可以分为由上至下法和由下自上法，前者是说先考虑净收入，净资产等总体目标，再考虑风险因素和可能发生的损失事件造成的影响；后者反之。巴塞尔银行监管委员会将操作风险分为7类：内部诈骗，外部诈骗，雇员行为及工作场所安全性，客户、产品以及业务活动，对实有资产的破坏，业务终止以及系统故障，交易的执行、交付和过程管理。银行可以采用三种不同的方法来计算操作风险监管资本金。第一种方法称为基本指标法

41、，在这种方法中，操作资本金等于过去3年毛收入的平均值的15%，毛收入是利率收入和非利率收入的和。另一种方法称为标准法，在该方法中银行业务被分为8个不同的业务类别：企业融资，交易和销售，银行零售，商业银行，付款和交割，代理服务，资产管理，零售经纪，首先将每一条业务类别在过去3年毛收入的平均值与相应的Beta相乘，然后求和，最终结果即为操作风险资本金。第三种方法称为高级测量法，在这一方法中银行可以采用自己设定的定量及定性标准来计算操作风险监管资本金。5.2 实例：光大乌龙指事件2013年8月16日，大盘股盘中突然罕见疯涨，使原本萎靡不振的上证指数，在11点06分突然出现26秒的快速上涨，瞬间飙升逾

42、100点，从2074点被拉升至2198.85点，最高涨幅达5.62%。中国证监会新闻发言人8月30日通报：8月16日11时05分，光大证券在进行ETF申赎套利交易时，因程序错误，其所使用的策略交易系统以234亿元巨量申购180ETF(行情股吧买卖点)成份股，实际成交达72.7亿元，引起沪深300、上证综指等大盘指数和多只权重股短时间大幅波动。经查，光大证券策略投资部自营业务使用的策略交易系统，包括订单生成系统和订单执行系统两个部分，均存在严重的程序设计错误。其中，订单生成系统中ETF套利模块的“重下”功能(用于未成交股票的重新申报)，在设计时错误地将“买入个股函数”写成“买入ETF一篮子股票函

43、数”。订单执行系统错误地将市价委托订单的股票买入价格默认为“0”，系统对市价委托订单是否超出账户授信额度不能进行正确校验。由于光大证券的策略投资部长期没有纳入公司的风控体系，技术系统和交易控制缺乏有效管理。订单生成系统中ETF套利模块的设计由策略投资部交易员提出需求，程序员一人开发和测试。策略交易系统于2013年6月至7月开发完成，7月29日实盘运行，至8月16日发生异常时实际运行不足15个交易日。由于“重下”功能从未实盘启用，严重的程序错误未被发现。2013年8月16日上午，交易员进行了三组180ETF申赎套利，前两组顺利完成。11时02分，交易员发起第三组交易。11时05分08秒，交易员想

44、尝试使用“重下”功能对第三组交易涉及的171只权重股票买入订单中未能成交的24只股票进行自动补单，便向程序员请教，程序员在交易员的电脑上演示并按下“重下”按钮，存在严重错误的程序被启动，补单买入24只股票被执行为“买入24组ETF一篮子股票”，并报送至订单执行系统。错误生成的订单中先后有234亿元订单陆续通过校验进入上交所系统等待成交。直到先成交订单的成交结果返回到订单执行系统、账户资金余额实时校验显示为负时，订单执行系统的账户可用资金额度校验才发挥作用。进入上交所系统的234亿元市价委托订单中，有72.7亿元实际成交。其余161.3亿元订单被上交所交易系统根据预先设定的“最优五档即时成交剩余

45、撤销”的规则自动取消。参考文献：1 滋维.博迪 投资学（第九版） 机械工业出版社 P136-140 P183-192 2 约翰.赫尔 期权、期货及其他衍生产品 机械工业出版社 P355-367 3 高铁梅 计量经济分析方法及建模（第二版） 清华大学出版社 P194-2184 约翰.赫尔 风险管理与金融机构（第二版） 机械工业出版社5 王志诚 周春生 金融风险管理研究进展：国际文献综述 管理世界，2006 ，第四期 6 周革平 VaR基本原理，计算方法及其在金融风险管理中的应用 金融与经济 2009,2 7 樊欣 杨晓光 操作风险管理的方法与现状 证券市场导报 2003.68 孙立坚 彭述涛 从

46、“次级债”风波看现代金融风险的本质9 东方财富网光大乌龙指专题10 中国外汇交易中心网站11 FT中文网附录： 日期USD/CNY日期USD/CNY2008-01-027.29962010-07-026.77202008-01-037.27752010-07-056.77332008-01-047.27792010-07-066.77902008-01-077.26952010-07-076.77812008-01-087.27912010-07-086.77682008-01-097.27232010-07-096.77532008-01-107.28052010-07-126.771820

47、08-01-117.26722010-07-136.78022008-01-147.25662010-07-146.77552008-01-157.24542010-07-156.77412008-01-167.24182010-07-166.77182008-01-177.25452010-07-196.78002008-01-187.25712010-07-206.78122008-01-217.25982010-07-216.78022008-01-227.25562010-07-226.78592008-01-237.23502010-07-236.77902008-01-247.22

48、932010-07-266.77782008-01-257.20652010-07-276.77422008-01-287.19962010-07-286.77852008-01-297.20202010-07-296.77872008-01-307.19982010-07-306.77502008-01-317.18532010-08-026.77422008-02-017.19032010-08-036.77222008-02-047.19232010-08-046.77152008-02-057.18462010-08-056.77832008-02-137.19522010-08-06

49、6.77302008-02-147.18902010-08-096.76852008-02-157.17632010-08-106.77452008-02-187.16672010-08-116.77682008-02-197.15742010-08-126.80152008-02-207.14522010-08-136.80352008-02-217.15032010-08-166.80642008-02-227.14632010-08-176.79792008-02-257.14602010-08-186.78952008-02-267.15052010-08-196.78982008-0

50、2-277.14552010-08-206.78842008-02-287.12092010-08-236.79892008-02-297.10582010-08-246.79992008-03-037.10582010-08-256.80072008-03-047.11752010-08-266.80412008-03-057.11722010-08-276.80012008-03-067.11682010-08-306.80252008-03-077.10902010-08-316.81052008-03-107.10802010-09-016.81262008-03-117.102920

51、10-09-026.80032008-03-127.10692010-09-036.79732008-03-137.09702010-09-066.78382008-03-147.08822010-09-076.77992008-03-177.08152010-09-086.79072008-03-187.08702010-09-096.78172008-03-197.06482010-09-106.76252008-03-207.05122010-09-136.75092008-03-217.05932010-09-146.73782008-03-247.05182010-09-156.72

52、502008-03-257.04362010-09-166.71812008-03-267.02522010-09-176.71722008-03-277.01302010-09-206.71102008-03-287.01372010-09-216.69972008-03-317.01902010-09-276.70982008-04-017.02182010-09-286.70512008-04-027.02922010-09-296.69362008-04-037.01922010-09-306.70112008-04-077.00202010-10-086.68302008-04-08

53、7.00152010-10-116.67322008-04-097.00252010-10-126.67752008-04-106.99202010-10-136.66932008-04-117.00122010-10-146.65822008-04-146.99932010-10-156.64972008-04-156.99632010-10-186.65412008-04-167.00472010-10-196.65532008-04-176.98952010-10-206.67542008-04-187.00062010-10-216.66952008-04-217.00782010-1

54、0-226.67592008-04-226.99122010-10-256.67292008-04-236.98372010-10-266.67622008-04-246.98902010-10-276.69122008-04-256.99492010-10-286.69862008-04-286.99802010-10-296.69082008-04-296.98982010-11-016.68862008-04-307.00022010-11-026.69252008-05-057.00162010-11-036.68182008-05-066.98882010-11-046.670820

55、08-05-076.98482010-11-056.66102008-05-087.00102010-11-086.66922008-05-097.00052010-11-096.65802008-05-126.98202010-11-106.64502008-05-136.98872010-11-116.62422008-05-146.99872010-11-126.62392008-05-157.00002010-11-156.63032008-05-166.98952010-11-166.64412008-05-196.97122010-11-176.64902008-05-206.97

56、802010-11-186.64552008-05-216.95972010-11-196.64082008-05-226.94282010-11-226.63892008-05-236.94982010-11-236.64692008-05-266.93992010-11-246.65892008-05-276.94322010-11-256.65572008-05-286.94082010-11-266.65532008-05-296.94022010-11-296.67002008-05-306.94722010-11-306.67622008-06-026.93722010-12-01

57、6.67862008-06-036.92952010-12-026.66912008-06-046.93562010-12-036.66052008-06-056.93942010-12-066.65152008-06-066.92382010-12-076.65652008-06-106.91992010-12-086.66162008-06-116.92092010-12-096.66542008-06-126.90152010-12-106.66042008-06-136.90182010-12-136.66302008-06-166.90282010-12-146.65312008-06-176.89192010-12-156.65662008-06-186.88232010-12-16