CVaR在金融风险度量中的应用研究

陈嘉扬

摘要：目前，我国对于风险度量方法方面的研究还处于初级阶段，应用层面也还有所不足。本文主要应用VaR的修正模型CVaR，来对金融风险进行度量分析，构建相应的数学模型，测算出CVaR值，继而获取证券行业金融风险的预警值。

关键词：CVaR;金融风险;风险度量

目前，测量风险的常用方法主要是VaR法和CVaR法。VaR用于反映某个置信区间内的风险值，但不能反映置信区间外的风险值。CVaR具有亚可加性，可满足一致的风险衡量要求。CVaR还可以测量所有大于VaR的尾部损耗。因此，本文將介绍CVaR的科学方法在金融风险衡量中的应用。

1 CVaR法的原理

1.1 CVaR法与VaR法相比的优势

CVaR（Conditional Value at Risk）是超过VaR的有条件损失的平均值。与VaR相比，CVaR的优势体现在：

（1）CVaR有次可加性和凸性，更适用于大规模资产组合的风险测量。当损益分布满足正态分布时，CVaR和VaR是等效的，可以得出相同的最优解。但是，当损益分布不满足正态分布时，CVaR可以得到全局最优解，而VaR只能得到最小值点，可能没有最优解。

（2）CVaR反映尾部损失的平均值，因此CVaR的测量更加全面和完整。由于CVaR需要使用所有大于VaR的尾部损失来计算，在获得CVaR值的同时还可以获得相应的VaR值，且满足CVaR>VaR，因此可以对风险双重测量、相互验证。在投资组合优化时，降低CVaR的同时也能降低VaR，但降低VaR的时候不能降低CVaR。

1.2 CVaR风险测度原理

4结论

本文通过CVaR度量法来进行风险的度量，对上证180的2000个交易数据进行模型模拟。当置信度为95%时，对这2000个数据进行模拟，VaR度量法预测成功的概率为90.55%，CVaR度量法预测成功的概率为95.25%，可见在相同的置信度下，CVaR预测的结果更为可靠。

参考文献

柴尚蕾，周鹏. 基于非参数Copula-CVaR模型的碳金融市场集成风险测度[J]. 中国管理科学， 2019（8）.

杨娟娟. 上证指数VaR和CVaR的比较研究及实证分析[J]. 智富时代， 2017（4）.

于文倩， 郑慧. 基于Copula-CVaR组合模型的寿险公司整合风险测算[J]. 统计与决策， 2019（15）.

作者简介：陈嘉扬（1998—），女，江西南昌人，中央财经大学金融学院研究生，研究方向：金融学。