生活中最重要的是管理风险，而不是根除风险。

那是1995年2月26日，英国女王一觉醒来，她的助理告诉她，拥有233年历史的老牌银行，巴林银行破产了。而究其原因，是因为那个28岁的交易员尼克.里森进行的衍生产品交易给巴林银行带来的13亿美元的损失，而当时的巴林银行股本金也只有5.7亿美元股本金。新闻中不断播放着那被灰笼罩的巴林银行画面，财经新闻记者采访其他银行的CEO时，他们嘴上一直在说的是，他们会以巴林银行为戒，加强风险管理。但此种事情还是在日本，法国又连续发生。

那么什么是投资管理中的风险呢？对于银行交易员来说，风险的定义相当明确，就是以市值计价的头寸损失风险。但，对于投资管理经理来说，风险的认识是不尽相同的。风险也可以被定义为以基础货币计价的资产损失的可能性，这就是对风险的平常的定义。

如果以相对方式来衡量风险的话，我们必须区分两种定义。

第一种，绝对风险（Absolute risk），某期内基金发生美元损失的风险。这就是交易环境中风险的一般定义，有时被称为资产风险（Asset Risk）。

第二种，相对风险（Relative risk)，基金相对于基准点发生美元损失的风险。这个差额用基金收益率与等量基金投资于基准行业的收益率的美元额来衡量。

金融风险大致包含，市场风险（Market Risk)，流动性风险（liquidity risk)，以及信用风险（Credit risk),和运营风险（operational risk)。


而VAR就是管理风险的一种工具。随着金融灾难和人们对风险更多的深刻认识和教训，促使这一行业采用VAR方法作为管理金融风险的统一标准。VAR整合了各类资产，衍生产品，股票，债券和大宗商品的市场风险并对其进行分析。VAR可以被分析信用风险，流动风险和运营风险。

那么什么是VAR呢？

VAR是总结一定置信区间内，发生不超出某一目标区域范围的预计最大亏损。更详细的说，VAR描述了在一定的目标区域内，收益和损失的预期分布的分位数如果c代表置信区间，VAR对应的是低尾区域1-c。它是20世纪80年代，JP摩根全球研究部负责人Till Guldimann提出的，当时集团的风险管理部门，在考虑安排完全对冲时，需要权衡的是面对市场的波动，应该投资长期债券获得稳定收益，还是投资现金市场以保持其价值的稳定。银行认为“风险价值”比“收益风险”更重要，这就为VAR奠定了基础。随后30国集团在一次讨论之后，将风险价值这一名词推广开来。

VAR应用分位三个阶段：消极，用于衡量风险。防御，用于控制风险；积极，用于管理风险。VAR还可以作为辅助手段，与传统的总额限制，头寸限额，止损限额相结合，用以控制风险。

由于是书评，所以篇幅所限，只列举个简单的计算方法。

VAR是在目标区域内发生最大损失的最小可能性概率事件。这一定义涉及两个定量因素；目标区域和置信水平。

假设c为置信水平，L为损失，用正数表示，VAR也是用正数表示，VAR的一般定义为最小损失，绝对值，如。

P(L>VAR)小于等于1-c。
我们假设置99%置信水平内，或者c=0.99。VAR临界损失，既发生更大的损失的概率小于1%。这个例子是书中的一个例子。

下面我们来简单看一下VAR的计算步骤

假设我们需要衡量1亿美元股票投资组合在10天内，99%置信水平的VAR。

1.逐日盯市确认投资组合的市值，如1亿美元。
2.衡量风险因素的变化率，波动率15%
3.设定时间区域，样本观察时间段，调整为10个交易日
4.设定置信水平，如99%，2.33因子，假设呈正态分布。
5.分析前面信息数据，得出收入的分布概率，计算潜在的最大损失，综合得出VAR。如在99%的置信水平的VAR为700万美元。

其他计算步骤和计算方法，以及风险测算工具，书中有大量信息，不再陈述。

VAR其在银行领域的风险评测十分普遍，尤其其组合信用风险模型已经使业内发生了革命的改变。银行和投资组合经理首次能够估算出为维持信用组合所需的经济资本的金额。较好的评估时资本得到了更有效的使用，他们让银行在交易的层面来为信贷定价，因而能够在竞争中获得优势，通过这样的过程，我们能够拥有更加安全的银行系统。但是，无论是VAR针对的信用风险，运营风险，流动性风险等风险进行的评测，也还是有缺陷的。例如VAR模型很难把握潜在的损失，这些模型必须通过分析经济基本面和进行压力测试来进行完善。同时模型本身也是存在着风险的，正如著名金融机构，高盛数量策略主管伊曼纽尔.德曼所言“模型就是一种玩具，有时非常好，因此人们称它为理论。”

模型会由以下一些原因而导致失灵。1.对模型的参数估计错误。2.模型的本身不正确。3.输入的数据错误。4.模型被错误的执行。所以还是变成了茅与盾的问题，虽然有不足，但通过联合其他金融风险管理与评测工具，我们还能够通过VAR来降低和评估风险的。

这本书无疑是VAR风险价值管理的圣经之作，无论是其全面对风险与VAR的介绍，还是其对风险价值方方面面深入浅出的介绍，都能让我们对VAR的各方面拥有更加理性与感性的认识，也能让我们在实际中更加有效的运用VAR提高我们的风险管理组合。

以下为一些VAR总结性抄录，可选择性看。

我们可以通过概率密度函数的随机变量观察衡量风险的盈亏分布。如果这一概率密度函数可以通过一个数字衡量，那么波动率或者说分位数就是一种实用的统计工具。

衡量VAR的方法通常是基于实证分析和样本分位数值。比较而言，数值法将数据归纳成和正态分布吻合。通过标准差直接衡量其VAR。风险矩阵系统性方法是基于数值法。

选择置信水平和样本观察时间段的要求，一方面，如果只把VAR作为衡量风险的基准，参数选择可以随意一些，考虑市场和实践的一致性即可。另一方面，如果VAR用于决定资本充足要求保证金的总量，参数选择就非常重要，可以参考目标信用评价对应的违约频率限制。

VAR是分位数，并没有说明超过VAR的平均损失情况。另一种衡量方法，为预期尾端损失（ETL），从理论上讲比VAR有更多优势。（压力测试也可以配合使用，压力测试对其尾端更为敏感有效）

选择回测VAR量化参数应该谨慎考虑。首先，样本观察时间段应该尽量短，以增大观察事件的数量，减少投资组合构成的变化影响；其次，置信水平选得不要太高，因为这样会降低统计测试的有效性或者力度。回测保证了风险模型不会误入歧途。

布莱克-斯特尔斯模型，一种期权定价分析模型相似。这个模型应用广泛，它能应用到各种期权的定价，即便是那些应用数值方法计算的期权，并能产生很好的效果。因此，这里研究的应用参数VAR模型的VAR工具，一样可以用于非参数的基于模型的VAR模型。举例，当一个银行交易员在判断一笔潜在客户交易是会增加还是减少现有投资组合时，边际VAR能提供非常有用的信息。如果交易能降低风险，银行交易员就会调整买卖差价来增加客户交易的可能性。另一方面，如果交易会增加风险就应该降低交易的可能性。

投资组合经理的任务就是要在增加收益与增加风险之间进行权衡。

在大样本情况下，投资组合的风险主要由相关性决定，但是当资产的数量特别多时，参数就会因为过多而无法估计，因此协方差距阵需要简化。因子模型有助于降低问题的复杂性。一个例子是主成分分析法，这一方法显著的简化了风险衡量过程，并能对相关性有更好的了解。

构建风险模型的时间变化模型对于VAR的衡量具有核心意义。对于大多数金融资产来说，短期波动性以一种可以预见的方式进行变化。这种变化可以通过运用时间序列模型，诸如移动平均模型，GARCH模型，指数加权模型来模拟。不同的速度适应不同的金融变化。

值得一提的是在日VAR预测中，GARCH模型能够灵敏地感应到许多变化。这为下一天的风险提供了一个更加精确的预测，但这个模型在设定风险额度（Risk limits)以及资本金（capital charges）方面就不那么有效了。

在局部估值模型中，德尔塔-正态模型结合通过德尔塔值和协方差矩阵之间的结合对VAR进行计算。在安全估值模型中，最便于实施的是历史模拟法。它利用风险因子最近历史数据产生虚拟情境，在虚拟情境下进行完全估值。最后，最为完整也最难于应用的模型是模特卡罗模拟方法。它对每一个风险因子强加一个特殊的随机过程，然后模拟出大量的样本路径，对每一条样本路径进行完全估值就会得到投资组合价值的分布。

金融机构的风险衡量是在最顶级结构上的风险加总问题，牵涉大量头寸的建模计算，我们可以把这些金融产品映射到小规模的基本风险因子集合上。但是，选择恰当的风险因子集合是风险管理过程中艺术性的部分。太多的风险因子没有必要，并会导致运算较慢并浪费时间；反之，风险因子过小会导致在风险衡量系统中产生盲点。

蒙特卡罗模拟法是十分灵活的，他们既可以假设一个随机过程或者从历史数据再抽样，他们允许在目标时刻进行完全估值。不利的方面是，他们需要事先确定分布，因此有较大的模型风险，并且分析更慢，更不透彻。此外，蒙特卡罗模拟法在衡量VAR时引入了抽样误差，更高的精确度要求大幅度增加重复次数，从而降低了模拟过程的速度。

流动性风险牵涉资产负债表的两个方面，既资产方面和负债方面。投资组合所需要的清盘期限越长，它就越需要加强其融资能力。

在流动性调整VAR较难衡量时，可以使用一些拇指法则。我们深知买卖价差与波动性是正相关的，当波动性增加时，不良流动性资产的头寸会有更大的执行成本。因此，我们可以通过对那些受益于波动性增加，既有正Vega值的资产或者业务建立抵消头寸来规避流动性风险。例如在期权交易上建立多头，它会得益于波动性和交易量的暴涨。

压力测试是巴塞尔协会要求用于批准使用内部模型的七大条件之一，它可以得到衍生品政策集团（The derivatives policy group）与30人集团的认可。压力测试由情景分析，压力模型，波动性，以及相关性，以及政策回应组成。其中情景分析。用于研究关键金融变量在模拟大幅度变动下对组合的影响。

VAR侧重于收入分布，而压力测试则检查尾部。压力测试是风险管理系统的一个重要组成部分，因为它有助于确认一个金融机构头寸的风险弱点。压力测试方法同样运用于信用和操作风险。

压力测试允许使用者包含那些没有被VAR范围覆盖但有可能发生的情景，所以它是标准VAR方法的有溢补充。

压力测试的缺陷是它高度主观性。坏的或不真实的情景会导致不相关的潜在损失，更糟糕的是一些可能的情景未被考虑。

最后我想补充一下，如果你想愉快的阅读本书，那么你必须对概率论有非常好的掌握，也必须具备高等数学的基础。