4

回溯检验 VaR

 3 years ago
source link: https://zhiqiang.org/risk-manage/var-back-testing.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.

1. 为什么要进行回溯测试

BASEL 的框架要求所有使用内部模型法计量市场风险必须要进行回溯测试。回溯测试可以：

1、用来检测风险度量模型的恰当性，包括参数设置合理性、数据完整性、计算模型合理性。

2、用来帮助确认升级风险衡量模型的必要性。对一些投资者而言，最开始计算 VaR 的模型可能比较简单，当进行新的资产类型和国家地区的投资时，原有模型可能无法覆盖相应的资产类型，或者没有相应的数据，此时可以用回溯测试来检验当前模型的合理性，是否有必要升级定价模型和购买更多数据。

2. 回溯测试的对象

回溯测试主要用来估计 VaR 的准确性，更准确地说， VaR 是否反映了组合损益的波动性。所以回溯测试的对象主要是 VaR 和损益，它们的时间周期要保持一致，比如用下一天的损益测试当天的日 VaR ，用下一周的损益测试当天的周 VaR。

VaR 在这里没有歧义。但在操作层面上，损益却有不同的取法。具体而言有下面三种：

  1. 实际损益：指组合实际每天发生的盈亏金额，这个数据是最容易获取的，因为组合实际的盈亏数据肯定是每天都会被统计的。这里将组合在期间的交易变动、发生的税费、手续费和利息等收入支出都考虑在内。
  2. 模拟损益：指假设组合在当期保持不变，使用财务上的估值方法计算所发生的盈亏金额。
  3. 模型损益（只针对模拟法）：假设组合在当期保持不变，并且使用 VaR 模型里的估值模型计算组合的损益。模型损益和模拟损益的差异主要体现风险模型和财务上的估值差异。

3. 回溯测试失败意味着什么

回溯测试通常使用假设检验的方法。没有通过假设检验，有可能是运气不好的原因。但还是需要注意以下问题：

3.1. VaR 计算模型问题

比如使用了错误的时间区间或者概率水平、对于风险因子的分布估计不合适等等。

如果 VaR 和模型损益没有通过回溯测试，由于这里已经使用的是模型给出的估值，只可能是 VaR 计算模型的问题。

3.2. 准确性需要改进

问题通常出现在估值模型或基础数据的准确性上。如果资产的估值并没有考虑所有影响该资产估值的波动，那么就会低估其风险。一个简单的例子为，使用一条普通的利率曲线对现金流进行折现来获得债券的估值，但如果该债券的信用等级较低，利差波动较大，那么该债券的实际波动会比这种简单折现的估值方法计算出的 VaR 要大得多。

基础数据准确性和不一致也是造成 VaR 不准确的重要原因。在计算股票的 VaR 时，需要对停牌、派息除权、新股等很多基础数据进行整理，否则便会出现意外结果。

如果使用模拟损益和 VaR 通不过回溯测试，通常说明了这类原因。

3.3. 日间交易

如果模拟损益和 VaR 能通过回溯测试，但实际损益和 VaR 通不过测试，那么情况出现在日间交易上。由于 VaR 通常以每天收盘时的持仓为基础，并未刻画日间交易产生的波动。这种情况下，可能需要改用更短的时间间隔，或者 VaR 这个参数可能不是最适合业务的风险刻画方式。

3.4. 到底用哪个损益来进行回溯测试

在风险管理中需要控制的是组合的实际损益，受到监管机构的监督的真正盈亏，反应了实际交易回报的波动。而在这点上模拟损益和模型损益并无实际意义。所以如果要对整个 VaR 系统进行衡量，必须要进行实际损益和 VaR 的回溯测试。同时，实际损益数据也是最容易获得的。

而如果只想观察 VaR 本身是否计算准确，模拟损益是更公正的回测对象。如果样本观察时间相对较短，交易不频繁，模拟损益和实际损益相差不大。

当实际损益和 VaR 通不过回溯测试时，就可以进一步地测试模拟损益和模型损益。因为我们必须弄清楚到底是 VaR 计算有误，还是其它原因（比如日间交易产生的损益太大）。

在实际工作中，也通常使用模型损益，这是因为它们比较容易获取。大多数 VaR 计算软件会在计算 VaR 的过程中顺便把模型损益算出来。

4. 回溯测试的方法

无论使用上面那一种损益，测试方法都是一样的。VaR 代表损益的某一特定分位点，我们将损失超过 VaR 称为一次「突破」事件，需要检验：「突破」是概率为 5%的独立事件，其一频率为 0.05 ，其二时间序列上的独立性。

在TT 个样本中，定义NN 为 VaR 突破事件的次数，N/TN/T 为突破率。在理想情况下，N/TN/T 应该随着样本量的增加而趋向于p=0.05p=0.05 。根据 BIS 的要求，至少需要一年的样本数据。

4.1. 巴塞尔规则

巴塞尔框架中对于回溯测试有明确的要求。它只对 99%的日 VaR 进行了限定，并使用一年的样本。一年的平均突破次数约 2.5 次，巴塞尔委员会可以接受最多 4 次突破。如果发生了 5 次或更多，则银行出于黄灯或者红灯区域，并对银行资本有更高的要求，体现在递增的增值因子上：

区域

突破事件次数N

增值因子k

绿

0 —— 4

0

黄

5

0.4

6

0.5

7

0.65

8

0.75

9

0.85

红

10+

1

注意巴塞尔规则并未对独立性进行限定。

4.2. 频率检验

最简单的方法是构造统计量

z=N−pT√p(1−p)T(1)(1)z=N−pTp(1−p)T

利用中心极限定理，zz 近似于正态分布，z∼N(0,1)z∼N(0,1) 。从而可以进行假设检验。

这种方法产生的第二类错误较大。Kupiec 在 1995 年定义了另外一种统计量:

LRuc=−2log((1−p)T−NpN)+2log((1−(N/T))T−N(N/T)N)(2)(2)LRuc=−2log⁡((1−p)T−NpN)+2log⁡((1−(N/T))T−N(N/T)N)

在 T 较大时，该统计量符合自由度为 1 的X2X2 分布。从而可以进行对应的假设检验。

4.3. 独立性检验

按照 5%的概率，一年大约会发生 12 次突破事件，而我们不希望这些事件在短时间内接连发生。所以，除了频率检验之外，我们还可以对 VaR 突破事件进行独立性检验。

Christoffersen Test 是其中的方法之一。它事实上在测试，当天发生突破事件时，第二天发生突破事件的概率和当天不突破时，第二天发生突破的概率是否一样。也就是说， Christoffersen Test 只关心相邻两天是否独立。其效果一般。

如果「突破」事件是独立事件，那么「突破」事件发生的时间间隔是一个参数为1/p1/p 的指数分布。根据这个分布 Christoffersen 和 Pelletier 也建立了检验方法。

4.4. 注意事项

VaR 回溯检验里所要求的样本量较大，特别是当 p=99%时。较低的样本量的检验结果极不准确，对独立性检验更是如此。在实际使用中，需要充分认识到假设检验方法的缺陷。

5. 其它和一些参考文献

《Value at Risk》书中提到 2002 年的一份实证研究报告，报告中指出 VaR 的突破次数低于期望次数。原因可能是风险管理人员不愿意去解释 VaR 突破的原因。银行也倾向于报告较高的 VaR 值，避免监管部门的介入。

一些参考文献：

Q. E. D.


report

Recommend

About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK