风险管理

金融风险因子识别流程与框架


风险因子识别是风险测量与分析的基础,能够为金融机构管理层定义风险策略与风险偏好提供参考。国际投行常用的金融风险因子识别流程与框架可以概括为以下几点:

(一)新业务流程 (New business process)

金融机构开展新业务时需对新业务进行全面的风险评价,根据新业务的性质和风险特征对其市场风险、信用风险、流动性风险等方面进行风险因子识别,有效的识别新业务风险及其影响,并指定相关风险措施。

新业务的风险限额应纳入公司风险管理限额体系并在全面风险管理系统实现相应风险限额指标的监控,对于有较多历史数据的新业务可计算其VaR,若无法计算VaR,则采用RNIV的方法计量风险损失。确保新业务的风险可测、可控、可承受。

(二)交易前检验(Pre-trade valuation)

新业务交易执行前相关部门应全面评估业务风险,建立业务管理制度并能够向风险管理部门提供风险分析所需相关数据,风险管理部门将其纳入风险管理系统,实现风险因子及风险限额指标的监控。同时,风险管理部门应通过VaR或RNIV计量新业务的风险损失,将新业务的风险控制在可承受范围。

(三)定价模型验证 (Pricing model validation)

由于定价模型风险因子的选择侧重于考虑其对收益率的解释性,因此,国外对于风险因子的选择通常参考资产定价模型。尤其是市场风险,对于定价模型的依赖最大。这种风险因子的选取方法使得压力测试仅能涵盖公司持有产品的定价模型所包含的风险因子,其覆盖的风险类别及范围有限,对于无法在定价模型中体现和计量的风险,如流动性风险、因子相关性等,则无法进行准确分析。因此,在风险因子选择中,可通过比较模型参数与现有的风险因子集合,结合我国资本市场实际状况,及时发现新产品风险或者遗漏的风险,并转换为可计量的风险因子。

(四)风险因子识别控制 (Risk factor identification control)

风险因子的识别,需要综合考虑公司内部经营状况与外部市场环境的影响,并对各业务风险的影响因素进行穿透式识别,以保证风险因子选取的有效性、真实性与全面性。风险因子识别控制是一种监测控制机制,其主要包括以下几点:确保所有正在交易或现有持仓中的风险因子能够被识别、捕捉和计量;验证产品与风险因子之间的映射是否完整;验证是否所有风险因子都已被正确映射到VaR模型,并根据控制结果,决定是否需要计算RNIV覆盖未映射风险因子。

(五)回测 (Backtesting)

通过比较预期损失与实际损失对风险模型的有效性进行核查回测可以确保内部模型法计量的VaR风险与实际P&L结果一致。在巴塞尔委员会推荐的内部模型法中,VaR回测至关重要,当模型验证后,落在VaR图形之外的观测数应与置信水平一致,若图形外观则数较多,则表示模型低估了风险,反之,则表示单位风险资本闲置或无效。

(六)情景分析 (Scenario analysis)

情景分析是应对未来不确定性的一项重要工具,其通过假设、预测、模拟等手段生成多种未来情景,并据此分析情景对目标产生影响。1999年,世界银行和IMF发起金融部门评估规划(FSAP),其通过使用数据和模型进行测试,分析金融体系在特定情境下对假定冲击的反应,而构建情景则是压力测试中最基础的部分。

(七)RNIV(Risk not in VaR)

VaR框架是目前投资组合风险计量的统一标准。该风险量化技术因通俗易懂而广受欢迎,是对现实世界的简化,能够捕捉到市场风险的主要变化。但出于对模型复杂度的考虑,VaR忽略了现实世界的一些细节, 2008年金融危机展示了一些曾被忽略的模型细节起到了重要作用。

从监管机构的角度来看,RNIV的概念已在巴塞尔协议2.5中进行了探讨,各大金融机构采取措施,识别、计量其VaR模型未涵盖的风险是非常有必要的。因每一风险因子都有不同的特点,且会随着市场条件或产品的不同而改变,因此,没有通用的方法来识别这类风险。

风险管理
基德公司债券交易虚构利润案例分析
风险管理
模型风险引发的重大金融风险事件
风险管理
帷幄金融风险偏好指数(2018-10)
还没有评论哦,快来抢沙发吧!