CVaR在金融風險度量中的應用研究

陳嘉揚

摘要：目前，我國對于風險度量方法方面的研究還處于初級階段，應用層面也還有所不足。本文主要應用VaR的修正模型CVaR，來對金融風險進行度量分析，構建相應的數學模型，測算出CVaR值，繼而獲取證券行業金融風險的預警值。

關鍵詞：CVaR;金融風險;風險度量

目前，測量風險的常用方法主要是VaR法和CVaR法。VaR用于反映某個置信區間內的風險值，但不能反映置信區間外的風險值。CVaR具有亞可加性，可滿足一致的風險衡量要求。CVaR還可以測量所有大于VaR的尾部損耗。因此，本文將介紹CVaR的科學方法在金融風險衡量中的應用。

1 CVaR法的原理

1.1 CVaR法與VaR法相比的優勢

CVaR（Conditional Value at Risk）是超過VaR的有條件損失的平均值。與VaR相比，CVaR的優勢體現在：

（1）CVaR有次可加性和凸性，更適用于大規模資產組合的風險測量。當損益分布滿足正態分布時，CVaR和VaR是等效的，可以得出相同的最優解。但是，當損益分布不滿足正態分布時，CVaR可以得到全局最優解，而VaR只能得到最小值點，可能沒有最優解。

（2）CVaR反映尾部損失的平均值，因此CVaR的測量更加全面和完整。由于CVaR需要使用所有大于VaR的尾部損失來計算，在獲得CVaR值的同時還可以獲得相應的VaR值，且滿足CVaR>VaR，因此可以對風險雙重測量、相互驗證。在投資組合優化時，降低CVaR的同時也能降低VaR，但降低VaR的時候不能降低CVaR。

1.2 CVaR風險測度原理

4結論

本文通過CVaR度量法來進行風險的度量，對上證180的2000個交易數據進行模型模擬。當置信度為95%時，對這2000個數據進行模擬，VaR度量法預測成功的概率為90.55%，CVaR度量法預測成功的概率為95.25%，可見在相同的置信度下，CVaR預測的結果更為可靠。

參考文獻

柴尚蕾，周鵬. 基于非參數Copula-CVaR模型的碳金融市場集成風險測度[J]. 中國管理科學， 2019（8）.

楊娟娟. 上證指數VaR和CVaR的比較研究及實證分析[J]. 智富時代， 2017（4）.

于文倩， 鄭慧. 基于Copula-CVaR組合模型的壽險公司整合風險測算[J]. 統計與決策， 2019（15）.

作者簡介：陳嘉揚（1998—），女，江西南昌人，中央財經大學金融學院研究生，研究方向：金融學。