第 17章 情景分析和压力测试

24/69
17.1 产生分析情景
❖ 这种回归可以预测周边变量的变化程度与被测试的关键变 量变化程度的关系，最后将这些预测（以预测点或概率分 布的形式）用于压力测试
❖ 这种压力测试方式被称为条件压力测试（conditional stress testing），最初由Kuipiec提出
25/69
17.1 产生分析情景
❖ 但是他们并没有认识到泡沫破裂的的严重后果，也没有充 分认识到许多金融机构会同时蒙受损失，从而造成市场的 择优而栖现象并导致流动性问题，进一步触发信用溢差的 巨幅增大
28/69
17.1 产生分析情景
❖ 另外一个关于冲击效应的例子是1998年长期资本管理公司 （Long-Term Capital Management）的失败
❖ 压力测试的关键是如何选择情景，我们接下来考虑不同的 选择方法
9/69
17.1 产生分析情景
❖ 一种方法是采用假定某一变量有很大变化而其他变量保持 不变的情景，对于这种情形，有时会考虑下面的例子
－收益率曲线平行移动（上或下）100个基点 －假定某资产的隐含波动率由当前水平上下波动20% －股指上下变动10% －一个主要货币的汇率上下变动6% －一个非主要货币的汇率上下变动20%
2/69
引言
❖ 风险价值度具有一定应用价值，但这种模型不可避免地采 用历史回望的方式来分析，而风险管理应当更关心今后将 会发生什么
❖ 为了产生可信的极端情景，并将这些情景作为压力测试的 基础，我们需要进行一定的人为判断
3/69
引言
❖ 在本章中我们将讨论产生压力测试情景的不同方法，并说 明为什么2007年和2008年的金融危机会促使银行管理人 员花更多的精力到压力测试
33/69
17.1 产生分析情景
❖ 反向压力测试（reverse stress testing）是指寻求导致重 大损失的压力测试情景
❖ 这有许多做法，例如，当我们确认了10个重要的市场变量 后，我们可以假定其他变量的变化与这10个变量的变化有 一定的关系
❖ 我们可以采用标准算法以在10维空间中寻求会产生最大损 失的变量组合的情景
❖ 反向压力测试可以被压力测试委员会用来引发更多的讨论
36/69
17.1 产生分析情景
❖ 在压力测试委员会集合之前，分析人员可以通过反向压力 测试来求得几种会给金融机构带来灾难的情景
❖ 这些情景和委员会成员自身产生的情景将在压力测试委员 会会议上加以讨论
❖ 委员会成员可以凭借自己的判断来排除那些分析员给出的 不合理情景，并对其他一些情景进行修改来使其合理，然 后对这些情景进行更深刻的研究
32/69
17.1 产生分析情景
❖ 基础资产价格的大幅上升（或下降）会马上触发期权交易 的损失
❖ 为了保持Delta中性，金融机构需要买入（或卖出）大量 的基础资产，Delta对冲费用与资产价格变化的路径有关
❖ 从事压力测试的管理人员应考虑的最差情景是在期权满期 前资产价格的巨幅震荡（即价格的大幅上升和下降）
❖ 但这些择优而栖现象是基于1998年之前所发生的情景， LTCM没有考虑的恰恰是冲击效应
30/69
17.1 产生分析情景
❖ 许多对冲基金交易策略与1998年LTCM的交易策略相似
❖ 当择优而栖现象产生之后，它们也几乎在同时试图平仓自 身的交易
❖ 平仓即意味着要变卖流动性差的证券，并同时买入流动性 好的债券
❖ 公司高管可以综合他们对市场、全球政治、经济环境以及 当前全球市场的不定性来产生合理但会造成巨大损失的情 景
❖ 有时管理人员产生的某些情景是基于历史事件，但这些事 件往往是对当前金融及经济条件进行调节
19/69
17.1 产生分析情景
❖ 一种产生压力测试情景的方法是由一个由高管所组成的委 员会定期集会，并通过头脑风暴的方式来回答以下一个简 单问题：“市场会出现什么预想不到的情景？”
❖ 这进一步加重了择优而栖现象，并使得市场条件比前期的 择优而栖现象更为严重
31/69
17.1 产生分析情景
❖ 压力测试情景最好为动态形式 ❖ 在压力测试中，管理人员要考虑被测试金融机构的反应，
还要考虑其他金融机构对于同一压力测试的反应 ❖ 例如，考虑一家卖出期权的金融机构，这里的期权与某基
础产品有关，金融机构在交易中保持Delta中性
10/69
17.1 产生分析情景
❖ 如在第6章中所讨论的那样，市场变量一个微小变化所产 生的影响可由Delta来描述，市场变量一个较大变化所产 生的影响可由Delta及Gamma组合来描述
❖ 在以上所描述的情景中，市场变化量太大，我们不能再用 希腊值来估计产品组合价值的变化
11/69
17.1 产生分析情景
23/69
17.1 产生分析情景
❖ 如果压力测试只是仅仅涉及少数（关键）市场变量，一种 进行压力测试的方法是将没有被检验的周边变量 （peripheral variable）的变化设为0
❖ 另外一种进行压力测试的办法是首先假定被测试的关键变 量（core variable）产生了剧烈变动，然后将周边变量对 被测试的关键变量进行回归
❖ Kim和Finger进一步将这一想法推广到所谓的“断箭” （broken arrow）压力测试方法中
❖ 在分析中，他们假设关键变量与周边变量之间的相关性是 以受压市场为基准的，而不是以过去的平均值为基准
26/69
17.1 产生分析情景
❖ 管理人员应该仔细检测压力测试情景，并要确认是否所有 的不利情景均已被考虑
❖ 通常当一个市场变量有剧烈变化时，其他变量也有所变化 ❖ 这一现象导致金融机构开始研发涉及多个变量同时变化的
情景 ❖ 一种流行的做法是采用市场变量在历史上曾出现过的极端
变化情景
12/69
17.1 产生分析情景
❖ 例如，为了检验美国股票价格的剧烈变化，某公司可以假 定市场变量的变化等于1987年10月19日市场变量的变化 （在这一天，S&P500变化幅度达22.3个标准差）
❖ 为了检验英国利率剧烈变动的效应，金融机构可以假定利 率的百分比变化等于1992年4月10日的利率变化（在这一 天10年期债券收益率的变化为8.7个标准差）
14/69
17.1 产生分析情景
❖ 有些市场情景对应于一天市场变化的幅度，而其他情景， 尤其是涉及信用及流动性的变量，其变化对应于若干天、 若干个星期甚至若干个月
❖ 在情景中考虑市场变量的波动率十分重要
❖ 一般来讲，当利率及汇率有剧烈变动时，其隐含波动率以 及其他波动率也会增加
15/69
17.1 产生分析情景
❖ 有些情景往往会涉及商品价格的剧烈变化 ❖ 2008年9月22日，石油价格一天的变化幅度创历史最高纪
录；1999年9月27日至28日，黄金价格上涨了15.4%
❖ 如果这一变化太过极端，这家公司可以采用1988年1月18 日的市场变化（这一天市场变化幅度为6.8个标准差）
❖ 其他可以选择的价格剧烈变化的日子为2001年9月11日， 这一天恐怖分子袭击了纽约的世贸中心
13/69
17.1 产生分析情景
❖ 另外一个可选日期为2008年9月15日，在这一天雷曼兄弟 宣布破产
34/69
17.1 产生分析情景
❖ 反向压力测试的缺点是，这一做法所得出的情景有可能不 合乎情景
❖ 例如，反向压力测试可能求得两个变量会朝不同方向变动 ❖ 而事实上，我们几乎可以确定这两个变量在受压市场条件
下一定具有正相关性
35/69
17.1 产生分析情景
❖ 即使如此，通过反向压力测试，金融机构可以求得那些高 管没有充分意识到但会对金融机构产生灾难性影响的情景
❖ 在本章中我们还将讨论，为了使得压力测试成为金融机构 风险管理过程中有意义并且有用的一部分，我们需要克服 什么样的苦难
4/69
17.1 产生分析情景
❖ 计算风险价值度最为流行的方法是在第12章中所讨论的历 史模拟法
❖ 在这一方法中，我们假定过去几年的历史数据为我们提供 了在今后1~10天内市场变化的指导
❖ 部分原因是因为交易员熟知过去的危机，并引以为鉴来避 免重复以前的错误
❖ 美国房屋市场导致了2007年开始的金融危机，将来的信用 危机不太可能仍是由于按揭信用审批制度的松懈而触发， 但无论如何，今后仍有可能会有信用危机的产生
18/69
17.1 产生分析情景
❖ 从多方面来看，压力测试中最有用的情景是由公司高管提 出的
❖ 这些情景不但要包括市场变量对金融机构自身产品组合的 即时效应（immediate effect）,同时还要考虑市场变量对 其他众多金融机构的冲击效应（knock-on effect）
❖ 这些冲击对所有金融机构的效应往往类似，不同的金融机 构从而会做出相似的反应
27/69
17.1 产生分析情景
❖ 许多人声称，他们认识到美国房屋市场的泡沫会在2007年 破裂
6/69
17.1 产生分析情景
❖ 但是，VaR计算方法的本质是回望型的，那些将来可能会 发生，但又不能在历史数据中体现的情形是不能在VaR中 体现出来的
❖ 压力测试就是为了克服VaR度量中的这一弱点
7/69
17.1 产生分析情景
❖ 压力测试包含检测金融机构的产品组合在极端市场条件下 的表现
❖ 这种测试共有两步：第1步是产生合力的极端市场变化情 景；第2步是在不同情境下对产品组合进行定价
❖ 如果某种事件在数据所覆盖的时间内没有发生，那么在基 本VaR计算方法中，这一事件不会对计算出的VaR有任何 影响
5/69
17.1 产生分析情景
❖ 当市场变动很大时，对波动率进行更新可以产生更多的极 端结果
❖ 极值理论可以对尾部分布进行平滑与外延，压力VaR （stress VaR）的计算朝着正确的方向上迈出了一步