期权风险度量指标

❶ 什么是利率风险的衡量方法

利率风险衡量是商业银行进行利率风险控制的基础，是商业银行利率风险管理的重要组成部分。利率风险衡量的方法较多，商业银行常用的方法包括期限缺口法、持续期分析法、净现值分析法和动态模拟分析法。期限缺口法、净现值分析法和动态模拟分析法对银行总体利率风险进行衡量，持续期分析法既可衡量银行总体利率风险，也可衡量银行单个(或单种)资产或负债价值的利率风险。
从方法基于的价值体系来看，利率风险衡量方法可分为账面价值法和市场价值法。期限缺口法是典型的账面价值法，净现值分析法是典型的市场价值法。持续期分析法的价值体系界于二者之间，但主体仍属于市场价值法。动态模拟分析法则既可用于账面价值分析，也可用于市场价值分析。

❷ 衡量市场风险的指标是

狭义定义：由市场风险因素的不利变动造成组合损失的风险。
主要通用计量指标包括：
VaR
Expected Shortfall
PVBP
利率类
Duration
Convexity
期权类
Greeks

❸ 利用当年损失来判断全年损失风险变化指标

度量风险的方法有许多。这些风险的度量包括对风险的影响直接估计如损失额，对风险事件发生的概率的估计，以及二者的结合如数学期望值，波动性，VaR，保险费，期权价值等，还包括风险对目标的变化的影响如各种导数类的指标如固定收益产品的久期和凸性，以及用于其它金融产品的希腊字母等。 用损失额来量度风险通常用在人们对损失发生的可能有一些假定的情况下。或者就是在许多情况下，人们只需要了解可能发生的最大的损失额，即最大可能的损失（MPL）。应当注意的一点是，最大可能的损失实际上有两个不同的含义，在英文中的表达分别是Maximum Possible Loss和Maximum Probable Loss。前者是指在最坏情况下的总的财物损失，而后者是指在某一个风险因素的作用下最可能发生的财物损失。 风险发生的概率的估计作为对风险的度量通常是用在人们对风险造成的后果有了一定假设的情况。 用数学期望值来表示风险也是有的。一般用在损失概率和可能的损失额较为稳定或者说波动性比较小的情况下。 用波动性度量风险始于组合理论，仍然在金融领域中用得比较普遍。波动性比较容易计算，但不容易理解，特别是对决策过程难有影响。人们可以容易地构造出一些例子说明如果按波动性来作投资决策将会是违反直观的。 VaR值是一个在金融领域里被广泛使用的风险度量。考虑用VaR表示风险指数的原因是VaR对于运营而言有比较好的参考价值，有利于经营过程中的资本成本和效率的提高。 保险费在某种程度上是对转移的风险的价值的市场价的度量。保险费的计算通常是用保险公司自身的精算模型。 考虑用期权Call和Put来度量风险是因为考虑到所有的风险度量中只有它们直接表示风险的价值。保险费的定价与期权的定价本质上是一致的。Call和Put值较好地反映现有风险资产的与无风险的价值相比较而言的价值，因而对于决策有很好的参考价值。与VaR比较，Call和Put值是精确的值，而不是统计的值。但是，除了较少的情况外，如在有流动的市场的情况下，计算Call和Put值比较困难。 市场风险一些特殊度量，通常是导数，如各种希腊字母。另外还有久期和凸性等。这些度量都是对一些特殊的标的对某些风险因素的影响的依赖关系而定义的。

❹ 期权 哪个指标好用

在对期抄权价格的影响因素进行定性分析的基础上，通过期权风险指标，在假定其他影响因素不变的情况下，可以量化单一因素对期权价格的动态影响。期权的风险指标通常用希腊字母来表示，包括：delta值、gamma、theta、vega、rho等。对于期权交易者来说，了解这些指标，更容易掌握期权价格的变动，有助于衡量和管理部位风险。
Delta值：衡量标的资产价格变动时，期权价格的变化幅度
Gamma：衡量标的资产价格变动时，期权Delta值的变化幅度
Theta：衡量随着时间的消逝，期权价格的变化幅度
Vega：衡量标的资产价格波动率变动时，期权价格的变化幅度
Rho：衡量利率变动时，期权价格的变化幅度
这是网络给出的指标，按其说法，都需要关注

❺ 什么是期权风险度量中的希腊值

有五个，分别是：Delta、Gamma、Vega、Theta、Rho。具体含义可自行网络

❻ 期货市场风险的预测和度量.VAR方法

一、VaR风险测量方法 风险测量的模型主要有两大类：参数模型和非参数模型。参数模型包括分析法的各类模型，利用了灵敏度和统计分布特性简化了VaR，但由于对分布形式的假定和灵敏度的局部特征，分析法很难有效处理实际金融市场的厚尾性和大幅度波动的非线性问题，因而会产生测量误差以及模型风险。非参数法包括历史模拟法和Monte Carlo模拟法，相对分析法来说，模拟法可以较好地处理非正态问题，是一种完全估计，可有效处理非线性问题。 １．参数法 分析法是VaR计算中最为常用的方法，它利用证券组合的价值函数与市场因子间的近似关系、市场因子的统计分布(方差-协方差矩阵)简化VaR的计算。分析法根据证券组合价值函数形式的不同，可分为两大类：Delta-类模型和Gamma-类模型。其中，Delta-类模型识别的是线性风险，Gamma-类模型可识别凸性风险，例如组合中含有期权类的衍生品。本文将采用Delta-类模型中的Delta-正态模型与Delta-GARCH模型进行分析。 ２．非参数法 （１）历史模拟法 最简单而又直观的方法就是历史模拟法，其核心就是根据市场因子的历史样本变化模拟证券组合的未来损益分布，用给定历史时期上所观测到的市场因子的变化，来表示市场因子的未来变化。然后，根据市场因子的未来价格水平对头寸进行重新估值，计算出头寸的价值损益变化。最后，在历史模拟法中将组合的损益从小到大进行排序，得到损益分布，通过给定置信度下的分位数求出VaR。 （２）Monte Carlo模拟法 由于分析利用了统计分布特征，如果市场存在厚尾性和大幅度波动的非线性问题，则风险测量偏差会比较大。Monte Carlo模拟是反复模拟决定金融工具价格的随机过程，每次模拟都可以得到组合在持有期末的一个可能值，然后进行大量的模拟，那么组合价值的模拟分布将收敛于组合的真实分布，然后根据置信度得到VaR。

❼ 为什么greeks对衡量资产风险有效

由于衡量期权风险的诸多要素，都是按照希腊字母来命名，Delta、Gamma、Vega 、Theta、 Rho等等，所以统一称呼这些风险值为greeks，本意是希腊字母

❽ 信用风险度量模型的对现代信用风险度量模型的分析评价

该模型的优点是：KMV模型是一个动态模型，将借款公司的股价信息转换成信用信息，对借款公司质量的变化比较敏感，同时市场信息也被反映在模型当中，具有一定的前瞻性，模型的预测能力较强。
KMV模型在实际运用中存在的不足是：一是着重于违约预测，忽视了企业信用等级的变化，只适于评估与企业资产价值直接联系的信贷资产(基本上只是贷款)的风险；二是该模型适用于上市公司的信用风险评估，由于我国的股市并不是一个有效的市场，上市公司的股票价格常常背离公司的实际价值，企业资产价值特别是国有企业的资产价值并不能够完全反映到股票市值中，从而影响了模型预测的精确性。但是，该模型可以运用到对跨国集团信贷资产的风险管理上，跨国企业的信贷资产很大部分以其母公司为担保人，而其母公司所在国家的股票市场是比较成熟有效的；三是模型基于资产价值服从正态分布的假设和实际不相符，模型不能够对长期债务的不同类型进行分辨。 该模型具有两个优点：一是该模型属于MTM(market to market)模型，并据此计算信用风险的VaR值，这与国有商业银行的经营理念基本吻合；二是该模型首次将组合管理理念引入信用风险管理领域，适用于商业信用、债券、贷款、贷款承诺、信用证、以及市场工具(互换、远期等)等信贷资产组合的风险计量。
该模型的局限在于：
一是该模型对信用风险的评判很大程度上依赖于借款人的信用等级的变化，在我国现有的信用环境下，出现大量损失的概率可能较高。
二是模型假设信用等级转移概率是一个稳定的马尔可夫过程，而实际中信用等级转移与过去的转移结果之间有很高的相关性。
三是该模型假设无风险利率是事先决定的，我国债券市场尚不发达，还没有形成合理的基础利率，而基础利率是计算贷款现值的重要因素。
四是在我国目前还没有比较客观、权威的信用评级公司，没有现成的企业信用等级转换概率和不同信用等级企业违约回收率数据资料。在商业银行历史贷款资料库中，某一信用级别的企业在不同时期转换成另一信用级别的概率可能是不相同的，某一信用级别的企业在各个时期违约回收率的均值可能也是不同的。这些不同时期的转换概率和企业违约回收率均值就构成了混沌时间序列。如果假设经济的宏观因素没有大的波动，就可以利用构成的混沌时间序列来预测短期未来的信用等级转换概率矩阵和企业违约回收率均值。有了这些数据，国有商业银行就可以应用信用度量术模型量化和管理信用风险。
五是该模型在实际运用中需要能够做好信用等级评估工作的高素质的工作人员，另外由于该模型采用了蒙特卡罗模拟，运算量较大，以国有商业银行现有的电脑网络系统，每次计算VAR值都需要几个小时甚至十几个小时，这样的速度有时可能无法满足业务发展的需要。 该模型的主要优势：比较容易利用死亡率表来计算单个债券和债券组合的预期损失及其波动率，特别是计算债券组合很方便；死亡模型是从大量样本中统计出来的一个模型，所以采用的参数比较少。该模型主要劣势：没有考虑不同债券的相关性对计算结果的影响；没有考虑宏观经济环境对死亡率的影响，因而需要时时更新死亡率表；数据更新和计算量很大；不能处理非线性产品，如期权、外币掉期
信用度量模型的意义
信用度量模型作为新巴塞尔协议框架，其意义在于确定银打所承担的风险水平；对贷款等各种金融产品进行合理定价；合理配置银行资本，抵御各种风险。
下面以基于VaR的风险度最模型为例来说明在新巴塞尔议框架下风险度量模型的积极意义。
2001年， 巴塞尔委员会发布了旨在替代旧版巴塞尔协议的《新巴塞尔资本协议》(以下简称新巴塞尔协议) 。在此框架下，商业银行面临的风险被分为三类：信用风险、市场风险和操作风险。
VaR被运用于商业银行风险管理始于对于市场风险的监管。传统的市场风险管理技术可以分为灵敏性分析和波动性分析两类，但这两种方法在精确度、依赖性和全面性等方面存在明显的缺陷，而正如Jorion指出的那样，VaR方法他用规范的统计技术，全面地衡量市场风险，很好地弥补了灵敏性分析和波动性分析的缺陷，将市场风险管理技术提升到了一个新的高度 巴塞尔委员会也明确了用VaR 方法结合内部模型法来度量银行面临的市场风险的规定。
信用风险是商业银行面临的风险中最重要的一类风险，由于信用风险本身的一些特点， 运用VaR对其进行度量存在技术上的困难。但是随着数量技术的发展，新一代金融工程学家运用新的建模技术和分析方法建立了一些暴于VaR技术的信用风险度量模型。其中比较著名的有CIBC提出的CreditVaR 系列方法和J．P.Mrgan提出的CreditMetrics。
在商业银行皿临的风险中,操作风险一直以来缺乏明确定义和足够关注，在新巴塞尔协议中一项重要的修改，就是将操作风险纳入风险资本的计算和监管框架。新巴塞尔协议中提供了多种可供选择的计算操作风险资本盒的方法，其中比较复杂的损失分布法就需要运用VaR方法来确定操作风险资本。