期權風險度量指標

❶ 什麼是利率風險的衡量方法

利率風險衡量是商業銀行進行利率風險控制的基礎，是商業銀行利率風險管理的重要組成部分。利率風險衡量的方法較多，商業銀行常用的方法包括期限缺口法、持續期分析法、凈現值分析法和動態模擬分析法。期限缺口法、凈現值分析法和動態模擬分析法對銀行總體利率風險進行衡量，持續期分析法既可衡量銀行總體利率風險，也可衡量銀行單個(或單種)資產或負債價值的利率風險。
從方法基於的價值體系來看，利率風險衡量方法可分為賬面價值法和市場價值法。期限缺口法是典型的賬面價值法，凈現值分析法是典型的市場價值法。持續期分析法的價值體系界於二者之間，但主體仍屬於市場價值法。動態模擬分析法則既可用於賬面價值分析，也可用於市場價值分析。

❷ 衡量市場風險的指標是

狹義定義：由市場風險因素的不利變動造成組合損失的風險。
主要通用計量指標包括：
VaR
Expected Shortfall
PVBP
利率類
Duration
Convexity
期權類
Greeks

❸ 利用當年損失來判斷全年損失風險變化指標

度量風險的方法有許多。這些風險的度量包括對風險的影響直接估計如損失額，對風險事件發生的概率的估計，以及二者的結合如數學期望值，波動性，VaR，保險費，期權價值等，還包括風險對目標的變化的影響如各種導數類的指標如固定收益產品的久期和凸性，以及用於其它金融產品的希臘字母等。 用損失額來量度風險通常用在人們對損失發生的可能有一些假定的情況下。或者就是在許多情況下，人們只需要了解可能發生的最大的損失額，即最大可能的損失（MPL）。應當注意的一點是，最大可能的損失實際上有兩個不同的含義，在英文中的表達分別是Maximum Possible Loss和Maximum Probable Loss。前者是指在最壞情況下的總的財物損失，而後者是指在某一個風險因素的作用下最可能發生的財物損失。 風險發生的概率的估計作為對風險的度量通常是用在人們對風險造成的後果有了一定假設的情況。 用數學期望值來表示風險也是有的。一般用在損失概率和可能的損失額較為穩定或者說波動性比較小的情況下。 用波動性度量風險始於組合理論，仍然在金融領域中用得比較普遍。波動性比較容易計算，但不容易理解，特別是對決策過程難有影響。人們可以容易地構造出一些例子說明如果按波動性來作投資決策將會是違反直觀的。 VaR值是一個在金融領域里被廣泛使用的風險度量。考慮用VaR表示風險指數的原因是VaR對於運營而言有比較好的參考價值，有利於經營過程中的資本成本和效率的提高。 保險費在某種程度上是對轉移的風險的價值的市場價的度量。保險費的計算通常是用保險公司自身的精算模型。 考慮用期權Call和Put來度量風險是因為考慮到所有的風險度量中只有它們直接表示風險的價值。保險費的定價與期權的定價本質上是一致的。Call和Put值較好地反映現有風險資產的與無風險的價值相比較而言的價值，因而對於決策有很好的參考價值。與VaR比較，Call和Put值是精確的值，而不是統計的值。但是，除了較少的情況外，如在有流動的市場的情況下，計算Call和Put值比較困難。 市場風險一些特殊度量，通常是導數，如各種希臘字母。另外還有久期和凸性等。這些度量都是對一些特殊的標的對某些風險因素的影響的依賴關系而定義的。

❹ 期權 哪個指標好用

在對期抄權價格的影響因素進行定性分析的基礎上，通過期權風險指標，在假定其他影響因素不變的情況下，可以量化單一因素對期權價格的動態影響。期權的風險指標通常用希臘字母來表示，包括：delta值、gamma、theta、vega、rho等。對於期權交易者來說，了解這些指標，更容易掌握期權價格的變動，有助於衡量和管理部位風險。
Delta值：衡量標的資產價格變動時，期權價格的變化幅度
Gamma：衡量標的資產價格變動時，期權Delta值的變化幅度
Theta：衡量隨著時間的消逝，期權價格的變化幅度
Vega：衡量標的資產價格波動率變動時，期權價格的變化幅度
Rho：衡量利率變動時，期權價格的變化幅度
這是網路給出的指標，按其說法，都需要關注

❺ 什麼是期權風險度量中的希臘值

有五個，分別是：Delta、Gamma、Vega、Theta、Rho。具體含義可自行網路

❻ 期貨市場風險的預測和度量.VAR方法

一、VaR風險測量方法 風險測量的模型主要有兩大類：參數模型和非參數模型。參數模型包括分析法的各類模型，利用了靈敏度和統計分布特性簡化了VaR，但由於對分布形式的假定和靈敏度的局部特徵，分析法很難有效處理實際金融市場的厚尾性和大幅度波動的非線性問題，因而會產生測量誤差以及模型風險。非參數法包括歷史模擬法和Monte Carlo模擬法，相對分析法來說，模擬法可以較好地處理非正態問題，是一種完全估計，可有效處理非線性問題。 １．參數法 分析法是VaR計算中最為常用的方法，它利用證券組合的價值函數與市場因子間的近似關系、市場因子的統計分布(方差-協方差矩陣)簡化VaR的計算。分析法根據證券組合價值函數形式的不同，可分為兩大類：Delta-類模型和Gamma-類模型。其中，Delta-類模型識別的是線性風險，Gamma-類模型可識別凸性風險，例如組合中含有期權類的衍生品。本文將採用Delta-類模型中的Delta-正態模型與Delta-GARCH模型進行分析。 ２．非參數法 （１）歷史模擬法 最簡單而又直觀的方法就是歷史模擬法，其核心就是根據市場因子的歷史樣本變化模擬證券組合的未來損益分布，用給定歷史時期上所觀測到的市場因子的變化，來表示市場因子的未來變化。然後，根據市場因子的未來價格水平對頭寸進行重新估值，計算出頭寸的價值損益變化。最後，在歷史模擬法中將組合的損益從小到大進行排序，得到損益分布，通過給定置信度下的分位數求出VaR。 （２）Monte Carlo模擬法 由於分析利用了統計分布特徵，如果市場存在厚尾性和大幅度波動的非線性問題，則風險測量偏差會比較大。Monte Carlo模擬是反復模擬決定金融工具價格的隨機過程，每次模擬都可以得到組合在持有期末的一個可能值，然後進行大量的模擬，那麼組合價值的模擬分布將收斂於組合的真實分布，然後根據置信度得到VaR。

❼ 為什麼greeks對衡量資產風險有效

由於衡量期權風險的諸多要素，都是按照希臘字母來命名，Delta、Gamma、Vega 、Theta、 Rho等等，所以統一稱呼這些風險值為greeks，本意是希臘字母

❽ 信用風險度量模型的對現代信用風險度量模型的分析評價

該模型的優點是：KMV模型是一個動態模型，將借款公司的股價信息轉換成信用信息，對借款公司質量的變化比較敏感，同時市場信息也被反映在模型當中，具有一定的前瞻性，模型的預測能力較強。
KMV模型在實際運用中存在的不足是：一是著重於違約預測，忽視了企業信用等級的變化，只適於評估與企業資產價值直接聯系的信貸資產(基本上只是貸款)的風險；二是該模型適用於上市公司的信用風險評估，由於我國的股市並不是一個有效的市場，上市公司的股票價格常常背離公司的實際價值，企業資產價值特別是國有企業的資產價值並不能夠完全反映到股票市值中，從而影響了模型預測的精確性。但是，該模型可以運用到對跨國集團信貸資產的風險管理上，跨國企業的信貸資產很大部分以其母公司為擔保人，而其母公司所在國家的股票市場是比較成熟有效的；三是模型基於資產價值服從正態分布的假設和實際不相符，模型不能夠對長期債務的不同類型進行分辨。 該模型具有兩個優點：一是該模型屬於MTM(market to market)模型，並據此計算信用風險的VaR值，這與國有商業銀行的經營理念基本吻合；二是該模型首次將組合管理理念引入信用風險管理領域，適用於商業信用、債券、貸款、貸款承諾、信用證、以及市場工具(互換、遠期等)等信貸資產組合的風險計量。
該模型的局限在於：
一是該模型對信用風險的評判很大程度上依賴於借款人的信用等級的變化，在我國現有的信用環境下，出現大量損失的概率可能較高。
二是模型假設信用等級轉移概率是一個穩定的馬爾可夫過程，而實際中信用等級轉移與過去的轉移結果之間有很高的相關性。
三是該模型假設無風險利率是事先決定的，我國債券市場尚不發達，還沒有形成合理的基礎利率，而基礎利率是計算貸款現值的重要因素。
四是在我國目前還沒有比較客觀、權威的信用評級公司，沒有現成的企業信用等級轉換概率和不同信用等級企業違約回收率數據資料。在商業銀行歷史貸款資料庫中，某一信用級別的企業在不同時期轉換成另一信用級別的概率可能是不相同的，某一信用級別的企業在各個時期違約回收率的均值可能也是不同的。這些不同時期的轉換概率和企業違約回收率均值就構成了混沌時間序列。如果假設經濟的宏觀因素沒有大的波動，就可以利用構成的混沌時間序列來預測短期未來的信用等級轉換概率矩陣和企業違約回收率均值。有了這些數據，國有商業銀行就可以應用信用度量術模型量化和管理信用風險。
五是該模型在實際運用中需要能夠做好信用等級評估工作的高素質的工作人員，另外由於該模型採用了蒙特卡羅模擬，運算量較大，以國有商業銀行現有的電腦網路系統，每次計算VAR值都需要幾個小時甚至十幾個小時，這樣的速度有時可能無法滿足業務發展的需要。 該模型的主要優勢：比較容易利用死亡率表來計算單個債券和債券組合的預期損失及其波動率，特別是計算債券組合很方便；死亡模型是從大量樣本中統計出來的一個模型，所以採用的參數比較少。該模型主要劣勢：沒有考慮不同債券的相關性對計算結果的影響；沒有考慮宏觀經濟環境對死亡率的影響，因而需要時時更新死亡率表；數據更新和計算量很大；不能處理非線性產品，如期權、外幣掉期
信用度量模型的意義
信用度量模型作為新巴塞爾協議框架，其意義在於確定銀打所承擔的風險水平；對貸款等各種金融產品進行合理定價；合理配置銀行資本，抵禦各種風險。
下面以基於VaR的風險度最模型為例來說明在新巴塞爾議框架下風險度量模型的積極意義。
2001年， 巴塞爾委員會發布了旨在替代舊版巴塞爾協議的《新巴塞爾資本協議》(以下簡稱新巴塞爾協議) 。在此框架下，商業銀行面臨的風險被分為三類：信用風險、市場風險和操作風險。
VaR被運用於商業銀行風險管理始於對於市場風險的監管。傳統的市場風險管理技術可以分為靈敏性分析和波動性分析兩類，但這兩種方法在精確度、依賴性和全面性等方面存在明顯的缺陷，而正如Jorion指出的那樣，VaR方法他用規范的統計技術，全面地衡量市場風險，很好地彌補了靈敏性分析和波動性分析的缺陷，將市場風險管理技術提升到了一個新的高度 巴塞爾委員會也明確了用VaR 方法結合內部模型法來度量銀行面臨的市場風險的規定。
信用風險是商業銀行面臨的風險中最重要的一類風險，由於信用風險本身的一些特點， 運用VaR對其進行度量存在技術上的困難。但是隨著數量技術的發展，新一代金融工程學家運用新的建模技術和分析方法建立了一些暴於VaR技術的信用風險度量模型。其中比較著名的有CIBC提出的CreditVaR 系列方法和J．P.Mrgan提出的CreditMetrics。
在商業銀行皿臨的風險中,操作風險一直以來缺乏明確定義和足夠關注，在新巴塞爾協議中一項重要的修改，就是將操作風險納入風險資本的計算和監管框架。新巴塞爾協議中提供了多種可供選擇的計算操作風險資本盒的方法，其中比較復雜的損失分布法就需要運用VaR方法來確定操作風險資本。