大數(shù)據(jù)背景下金融市場(chǎng)風(fēng)險(xiǎn)度量方法探討

李井

[提要] 隨著大數(shù)據(jù)時(shí)代的到來，金融市場(chǎng)瞬息萬變，金融風(fēng)險(xiǎn)的防范更加重要。本文介紹VAR相關(guān)理論和大數(shù)據(jù)條件下金融市場(chǎng)風(fēng)險(xiǎn)度量方法，探討大數(shù)據(jù)背景下現(xiàn)有市場(chǎng)風(fēng)險(xiǎn)度量方法存在的不足，結(jié)合大數(shù)據(jù)的特點(diǎn)和已有研究成果，對(duì)大數(shù)據(jù)時(shí)代金融市場(chǎng)風(fēng)險(xiǎn)測(cè)度方法的研究前景進(jìn)行展望。

關(guān)鍵詞：大數(shù)據(jù)；VAR；風(fēng)險(xiǎn)度量

中圖分類號(hào)：F83 文獻(xiàn)標(biāo)識(shí)碼：A

收錄日期：2017年10月9日

一、引言

所謂金融風(fēng)險(xiǎn)，是指受到數(shù)個(gè)不確定因素的影響而使得最終的投資結(jié)果不確定。為了在面對(duì)風(fēng)險(xiǎn)時(shí)能很好地做出防御措施，就要進(jìn)行風(fēng)險(xiǎn)管理。風(fēng)險(xiǎn)管理的第一步就是要進(jìn)行風(fēng)險(xiǎn)度量，即需要對(duì)風(fēng)險(xiǎn)的大小進(jìn)行量化或度量?？茖W(xué)有效的金融風(fēng)險(xiǎn)度量方法不僅對(duì)經(jīng)濟(jì)主體規(guī)避潛在風(fēng)險(xiǎn)，降低風(fēng)險(xiǎn)損失、成本、贏得更多收益機(jī)會(huì)有著巨大的作用，而且也是金融機(jī)構(gòu)核心競(jìng)爭(zhēng)力的重要體現(xiàn)。

近年來，隨著互聯(lián)網(wǎng)金融的發(fā)展，金融風(fēng)險(xiǎn)的度量也迎來了新的挑戰(zhàn)。由于我國(guó)已經(jīng)邁入經(jīng)濟(jì)發(fā)展新常態(tài)的軌道，經(jīng)濟(jì)發(fā)展的外部環(huán)境與相關(guān)條件都產(chǎn)生了許多的變化。此時(shí)期金融市場(chǎng)上數(shù)據(jù)量越來越多，突發(fā)情況也呈現(xiàn)上升的趨勢(shì)，這時(shí)的金融風(fēng)險(xiǎn)與以往的金融市場(chǎng)的特征相比就體現(xiàn)出了不同之處。主要原因在于數(shù)據(jù)的數(shù)量、形態(tài)等發(fā)生了巨大的變化，即所謂的大數(shù)據(jù)時(shí)代的來臨，大數(shù)據(jù)不等于海量數(shù)據(jù)，其具有“規(guī)模性（Volume）、多樣性（Variety）、高速性（Velocity）、價(jià)值性（Value）”的4V特點(diǎn)，其焦點(diǎn)是對(duì)海量數(shù)據(jù)進(jìn)行專業(yè)化“加工”。大數(shù)據(jù)的這些特征，使得變量的選取變得更加多樣，更加充分，我們開始重視變量之間的相關(guān)性，這給金融風(fēng)險(xiǎn)的測(cè)度方法研究帶來了新的契機(jī)。常規(guī)的技術(shù)方法已經(jīng)不能夠有效、及時(shí)地處理多樣化的信息。如何從金融市場(chǎng)繁雜的數(shù)據(jù)中快速獲取有價(jià)值的信息來發(fā)現(xiàn)金融風(fēng)險(xiǎn)的特征，變得越來越重要。

二、傳統(tǒng)VAR的各種度量方法

VAR值是對(duì)一定時(shí)間段內(nèi)由于市場(chǎng)的不確定因素的變化引起的潛在損失的一種估計(jì)。VAR的度量不是簡(jiǎn)單告訴我們將會(huì)實(shí)際損失超過值多少，而是說明實(shí)際損失超過值的可能性大小。

（一）方差——協(xié)方差法。VAR的權(quán)衡有許多種方法，其中最簡(jiǎn)便的方法是假設(shè)資產(chǎn)收益率是風(fēng)險(xiǎn)因素的線性函數(shù)，并認(rèn)為風(fēng)險(xiǎn)因素是正態(tài)分布的。

這就是正態(tài)分布假設(shè)下VAR的一般表達(dá)式。此時(shí)，只需參考一下標(biāo)準(zhǔn)累積正態(tài)函數(shù)表就可以了。

（二）歷史模擬法。歷史模擬法是利用歷史上某一時(shí)間段所觀察總結(jié)得到的市場(chǎng)因子的變化情況來表示市場(chǎng)因子在未來的變化，其本質(zhì)思想是用收益的歷史分布來代替收益的真實(shí)分布，以此來求得資產(chǎn)組合的VAR值。

歷史模擬法的推導(dǎo)是以歷史數(shù)據(jù)的價(jià)格分布為基礎(chǔ)的。由于它不對(duì)收益分布作出假設(shè)，所以這種方法對(duì)于任何分布，無論是離散的還是連續(xù)的，厚尾的還是薄尾的，都是有效的，所以又被稱為非參數(shù)估計(jì).從概念層面上來看，歷史數(shù)據(jù)模擬是最簡(jiǎn)單的方法。但問題在于用歷史數(shù)據(jù)模擬方法計(jì)算VAR所花費(fèi)的時(shí)間要比參數(shù)VAR多得多。

（三）蒙特卡羅模擬法。蒙特卡羅模擬法也不需要對(duì)未知整體作出假設(shè)，而是通過產(chǎn)生一個(gè)模擬的資產(chǎn)組合收益分布來估算VAR值。但蒙特卡羅模擬法的基礎(chǔ)是假設(shè)一個(gè)隨機(jī)過程。蒙特卡羅模擬法估算風(fēng)險(xiǎn)值的大致思路是：（1）借助計(jì)算機(jī)及已有樣本來產(chǎn)生大量的符合歷史分布的可能數(shù)；（2）對(duì)收益的不同行為分布進(jìn)行模擬，構(gòu)造可能損益情況，確定整體的分布； （3）按照所給定的置信水平估算出VAR值。

三、大數(shù)據(jù)背景下金融市場(chǎng)風(fēng)險(xiǎn)度量方法

通常所說的“大數(shù)據(jù)”是相對(duì)于“小數(shù)據(jù)”而言的，并非特指數(shù)據(jù)量上更多，大數(shù)據(jù)不僅包括結(jié)構(gòu)性數(shù)據(jù)，也包括非結(jié)構(gòu)性數(shù)據(jù)，而傳統(tǒng)的小數(shù)據(jù)往往是指二維的結(jié)構(gòu)性數(shù)據(jù)。大數(shù)據(jù)時(shí)代的到來，互聯(lián)網(wǎng)金融業(yè)的快速發(fā)展，使得金融變量數(shù)據(jù)在數(shù)量上、本質(zhì)上發(fā)生了巨大的變化，使得數(shù)據(jù)信息的應(yīng)用有了質(zhì)的飛躍，促進(jìn)了金融風(fēng)險(xiǎn)管理方式的變革和度量方法的改進(jìn)。

（一）大數(shù)據(jù)下結(jié)構(gòu)突變面板單位根檢驗(yàn)。由于缺乏數(shù)據(jù)，在以往的研究實(shí)驗(yàn)中，僅僅采取單類度量模型的研究方法?，F(xiàn)在大數(shù)據(jù)技術(shù)的不斷完善，使得多模型度量的轉(zhuǎn)換與銜接成為可能。由于金融市場(chǎng)時(shí)變因素的普遍存在性，因此金融數(shù)據(jù)的結(jié)構(gòu)突變問題也是金融風(fēng)險(xiǎn)測(cè)度過程中比較重要的問題，突變可以給金融風(fēng)險(xiǎn)測(cè)度提供重要的信息來源。大數(shù)據(jù)解決了金融數(shù)據(jù)橫向與縱向之間的關(guān)系，可以使過去許多繁瑣的檢驗(yàn)與估計(jì)方法變得簡(jiǎn)單，使面板數(shù)據(jù)的研究應(yīng)用得到很好的發(fā)展，為更加準(zhǔn)確地測(cè)度金融風(fēng)險(xiǎn)提供了理論保障和技術(shù)支持。

（二）結(jié)合Copula金融市場(chǎng)風(fēng)險(xiǎn)度量方法。Copula理論用于金融風(fēng)險(xiǎn)測(cè)度的理論關(guān)鍵在于Copula函數(shù)的選取，有很多國(guó)內(nèi)外學(xué)者從不同角度、應(yīng)用不同類型的連接函數(shù)，測(cè)度了多元風(fēng)險(xiǎn)的相依性，得出了一些有益的結(jié)論。但是也有學(xué)者在研究中發(fā)現(xiàn)，由于計(jì)算技術(shù)和數(shù)據(jù)規(guī)模與質(zhì)量的影響，有些結(jié)果還不盡完善。隨著互聯(lián)網(wǎng)、云計(jì)算等科學(xué)技術(shù)的發(fā)展，基于大數(shù)據(jù)Copula函數(shù)的測(cè)度金融風(fēng)險(xiǎn)的方法逐步進(jìn)入到了當(dāng)前的研究和實(shí)踐中。

（三）Copula理論基礎(chǔ)上的風(fēng)險(xiǎn)度量方法?？紤]兩個(gè)風(fēng)險(xiǎn)因子，他們的聯(lián)合分布可以被分解成兩個(gè)統(tǒng)計(jì)結(jié)構(gòu)：第一部分為兩個(gè)變量旳邊緣分布；第二個(gè)部分是兩個(gè)邊緣分布聯(lián)系在一起的部分，這正是Copula函數(shù)所做的，它是一個(gè)把邊際分布連接為聯(lián)合分布的函數(shù)。

用Copula函數(shù)構(gòu)建隨機(jī)向量的聯(lián)合分布是重要的任務(wù)，Malevergne（2000）利用Copula函數(shù)來研究金融市場(chǎng)的相關(guān)性分析，但是受當(dāng)時(shí)技術(shù)的局限，部分結(jié)果還不盡完善。接下來Cherubuni和Luciano（2001）又將Copula理論運(yùn)用于投資組合在險(xiǎn)值估算中，數(shù)據(jù)是這些問題研究的關(guān)鍵。

在大數(shù)據(jù)條件下，動(dòng)態(tài)Copula函數(shù)族得以實(shí)現(xiàn)，動(dòng)態(tài)Copula模型是Patton提出的，由于數(shù)據(jù)的限制，因此用途不廣泛。模型是Copula函數(shù)在建模中結(jié)構(gòu)上具有突變的可能，將在金融數(shù)據(jù)相關(guān)的變化因素中得以體現(xiàn)。Patton在2006年證明了這點(diǎn)，F(xiàn)antazzini在2006年利用Copula動(dòng)態(tài)模型更準(zhǔn)確地度量了投資組合的風(fēng)險(xiǎn)。大數(shù)據(jù)條件下會(huì)讓動(dòng)態(tài)Copula模型族更加準(zhǔn)確地表現(xiàn)金融風(fēng)險(xiǎn)的規(guī)律。由于動(dòng)態(tài)Copula出現(xiàn)時(shí)間較短，國(guó)內(nèi)外專家學(xué)者關(guān)于動(dòng)態(tài)Copula在VAR方面的研究還不是特別廣泛，以往的研究成果表明動(dòng)態(tài)Copula具有更好的擬合，可以更為準(zhǔn)確地計(jì)量在險(xiǎn)值VAR，因此對(duì)動(dòng)態(tài)Copula函數(shù)仿真技術(shù)在投資組合風(fēng)險(xiǎn)方面進(jìn)行深入研究是非常有必要的。

四、大數(shù)據(jù)背景下金融市場(chǎng)風(fēng)險(xiǎn)度量方法研究中存在的問題

大數(shù)據(jù)條件下的金融市場(chǎng)風(fēng)險(xiǎn)的度量方法，是在傳統(tǒng)的VAR度量方法基礎(chǔ)上，結(jié)合大數(shù)據(jù)的4V特點(diǎn)，借助計(jì)算機(jī)技術(shù)的發(fā)展，逐步建立起來的。雖然在某些方面取得了一定的成果，但是通過上面的梳理和歸納，可以看出還有很多問題急需解決。

第一，大數(shù)據(jù)條件下金融市場(chǎng)風(fēng)險(xiǎn)度量尚處于起步階段，還沒有較為系統(tǒng)和完善的理論方法。實(shí)踐結(jié)果顯示，動(dòng)態(tài)Copula模型在大數(shù)據(jù)分析方面更具有優(yōu)勢(shì)，這方面的研究有待于進(jìn)一步加強(qiáng)，并且Copula模型與傳統(tǒng)的VAR模型的結(jié)合研究不夠深入。

第二，隨著時(shí)間的推移，模型會(huì)出現(xiàn)衰減現(xiàn)象，原先應(yīng)用較好的數(shù)據(jù)關(guān)系會(huì)消失，這在傳統(tǒng)金融模型中已有很多先例。

第三，大數(shù)據(jù)背景下對(duì)投資組合風(fēng)險(xiǎn)理論的研究還不夠深入。在VAR理論基礎(chǔ)上，近年來出現(xiàn)了一些條件尾部期望、尾部風(fēng)險(xiǎn)價(jià)值等新的風(fēng)險(xiǎn)度量方法，這些方法的實(shí)施和各自的特點(diǎn)等相關(guān)問題，如何與大數(shù)據(jù)特點(diǎn)相聯(lián)系，也是研究中的難點(diǎn)。

第四，動(dòng)態(tài)風(fēng)險(xiǎn)度量理論目前還處于理論研究層方面，對(duì)于我國(guó)金融市場(chǎng)的數(shù)據(jù)，我們還沒有真正結(jié)合理論進(jìn)行模型檢驗(yàn)與風(fēng)險(xiǎn)度量，缺乏實(shí)例分析驗(yàn)證。

第五，目前的研究還是僅僅利用了大數(shù)據(jù)的數(shù)據(jù)規(guī)模，大數(shù)據(jù)的很多特性還沒有得以應(yīng)用，比如常常用到的是金融業(yè)經(jīng)營(yíng)與管理的數(shù)據(jù)，行為數(shù)據(jù)還沒有充分的利用。

第六，實(shí)時(shí)海量的在線數(shù)據(jù)也包含了很多的信息，由于這些信息的時(shí)效性，在目前金融風(fēng)險(xiǎn)管理過程中，還不能充分有效地利用這些數(shù)據(jù)所提供的關(guān)鍵信息。

這些問題不但要求要對(duì)已有風(fēng)險(xiǎn)度量方法進(jìn)行推廣，可能需要進(jìn)一步研究金融風(fēng)險(xiǎn)度量的新方法。

五、大數(shù)據(jù)背景下金融風(fēng)險(xiǎn)度量方法展望

金融風(fēng)險(xiǎn)管理是一個(gè)系統(tǒng)工程，因此風(fēng)險(xiǎn)測(cè)度方法的研究不能脫離整個(gè)風(fēng)險(xiǎn)管理的研究而獨(dú)立存在。現(xiàn)實(shí)中對(duì)金融風(fēng)險(xiǎn)進(jìn)行度量時(shí)，投資組合的投資比例在不斷變化是動(dòng)態(tài)優(yōu)化的，未來應(yīng)該更多地考慮動(dòng)態(tài)組合，得到最優(yōu)組合再進(jìn)行風(fēng)險(xiǎn)度量。

科技往往有“雙刃劍”效應(yīng)，核能既能造福人類又有可能發(fā)生核泄漏出現(xiàn)核威脅。大數(shù)據(jù)也是如此，在帶來便利的同時(shí)也會(huì)帶來數(shù)據(jù)安全、模型風(fēng)險(xiǎn)等問題。目前，互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計(jì)算的發(fā)展速度已不是線性增長(zhǎng)，而是呈幾何級(jí)數(shù)的爆發(fā)，這為金融業(yè)的發(fā)展提供了重大的機(jī)遇，同時(shí)也對(duì)現(xiàn)有金融相關(guān)理論帶來了嚴(yán)峻挑戰(zhàn)。由此，對(duì)金融風(fēng)險(xiǎn)的管理提出了更高的要求?，F(xiàn)有的度量方法已經(jīng)不能滿足互聯(lián)網(wǎng)金融創(chuàng)新發(fā)展的需求。雖然傳統(tǒng)金融業(yè)已有一些成熟的理論和方法評(píng)估金融風(fēng)險(xiǎn)，但在互聯(lián)網(wǎng)金融領(lǐng)域，各種創(chuàng)新都獨(dú)具特色，導(dǎo)致傳統(tǒng)的理論和方法應(yīng)用到互聯(lián)網(wǎng)金融領(lǐng)域可能得不到正確的結(jié)論。因此，互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)管理和風(fēng)險(xiǎn)測(cè)度方法亟須探究。

對(duì)大數(shù)據(jù)的相關(guān)理論，研究的深度和廣度不斷擴(kuò)大，因此大數(shù)據(jù)思維越來越多地融合到金融風(fēng)險(xiǎn)管理過程的各個(gè)方面。原來僅僅在理論上對(duì)模型進(jìn)行研究，大數(shù)據(jù)帶來的機(jī)遇，使得其變得易于實(shí)現(xiàn)。這也間接從實(shí)證方面促進(jìn)金融風(fēng)險(xiǎn)度量方法的進(jìn)步，從而會(huì)有更多符合實(shí)際狀態(tài)的度量模型與方法出現(xiàn)。大數(shù)據(jù)條件下，金融風(fēng)險(xiǎn)度量函數(shù)的估計(jì)可以將半?yún)?shù)估計(jì)方法與非參數(shù)估價(jià)方法相結(jié)合，為模型的可實(shí)現(xiàn)性打下堅(jiān)實(shí)的基礎(chǔ)。

總之，大數(shù)據(jù)時(shí)代的來臨給金融風(fēng)險(xiǎn)測(cè)定方法研究帶來了許多機(jī)會(huì)，同時(shí)由于數(shù)據(jù)的完備與充分，又給金融風(fēng)險(xiǎn)測(cè)度的精確性提出了更高的要求，從而使金融風(fēng)險(xiǎn)測(cè)度方法的研究朝著動(dòng)態(tài)化、實(shí)時(shí)性的方向發(fā)展，以達(dá)到對(duì)金融風(fēng)險(xiǎn)的有效監(jiān)控，為政策的制定者提供有效參考，為金融市場(chǎng)的穩(wěn)定提供有力支持。

主要參考文獻(xiàn)：

[1]菲利普-喬瑞.風(fēng)險(xiǎn)價(jià)值VAR：金融風(fēng)險(xiǎn)管理新標(biāo)準(zhǔn)[M].北京：中信出版社，2010.

[2]葉強(qiáng)等.互聯(lián)網(wǎng)金融的國(guó)家戰(zhàn)略需求和關(guān)鍵科學(xué)問題[J].中國(guó)科學(xué)基金，2016.2.

[3]馬薇，盧英，劉月月.大數(shù)據(jù)條件下金融風(fēng)險(xiǎn)測(cè)度的方法[J].統(tǒng)計(jì)與決策，2015.9.

[4]Taylor S J. Financial returns modeled by the product of two stochastic processes，a study of daily sugar prices 1961-79[M].Anderson OD（Ed.）.In Time Series Analysis：Theory and Practice.Amsterdam：North-Holland，1982.

[5]史道濟(jì)，張春英.尾部指標(biāo)估計(jì)中的閾值選擇[J].天津理工大學(xué)學(xué)報(bào)，2006.22.

[6]C.E.Shannon.The mathematical theory of communication[J]. Bell Sys Tech，1948.27.

[7]戰(zhàn)雪麗，張世英.基于Copula-SV模型的金融投資組合風(fēng)險(xiǎn)分析[J].系統(tǒng)管理學(xué)報(bào)，2007.16.3.

[8]Patton A J.Modeling Time-Varying Exchange Rate Dependence Using the Conditional Copula[R].Working Paper of Department of Economics，University of California，San Diego，2001.

[9]馬薇，張卓群，王元曄.基于STAR-Copula模型的大數(shù)據(jù)指數(shù)風(fēng)險(xiǎn)相關(guān)性測(cè)度[J].統(tǒng)計(jì)與決策，2016.7.