風險價值測量的局限性

雖然風險價值測量已經獲得了風險管理者的普遍認同，但是人們依然有理由懷疑它究竟是不是一種理想的風險管理工具、能否為決策提供依據(jù)。研究人員對風險價值測量提出了種種質疑，下面我們做一些歸類。

風險價值測量可能不準確

測量風險價值沒有十全十美的方法，每種方法都有其局限性。不管是用風險價值來計算一項資產、一種投資組合，還是一家企業(yè)，都有可能發(fā)生錯誤。有時，錯誤很大，甚至會對管理形成誤導。不同的企業(yè)，不同的方法會產生不同的錯誤。例如：

● 投資回報分布：每一種風險價值測量方法都對投資回報分布提出假設，如果假設錯了，結果就不可能正確。如果用德爾塔正態(tài)模型測量風險價值，我們假設多元收益率分布是正態(tài)分布，因為險價值的測量完全是基于回報的標準差的。用蒙特卡羅模擬測量風險價值，我們可以設定不同的回報分布曲線，但是對分布曲線的判斷也會發(fā)生錯誤。在使用歷史數(shù)據(jù)模擬的時候，我們假設歷史的回報分布（根據(jù)過去的數(shù)據(jù)）可以代表未來的收益率分布，這樣的假設有時候也站不住腳。

大量證據(jù)表明，回報通常不呈正態(tài)分布。我們不僅常常能見到異常的數(shù)據(jù)，而且這些異常數(shù)據(jù)往往要超過我們的預期。在第4章中，我們注意到曼德爾布羅特對均值—方差框架持否定態(tài)度，所以他提出了冪率分布模型，并且提出在金融機構進行風險價值測量。他認為，企業(yè)使用風險價值測量法來測量所面臨的風險，就能應對大的、甚至是災難性的事件。按照正態(tài)分布的假設，這樣的事件是不會發(fā)生的，而實際上，它們卻經常發(fā)生。

● 歷史數(shù)據(jù)不一定是很好的風向標：所有的風險價值測量方法都或多或少地要用到歷史數(shù)據(jù)。在方差—協(xié)方差模型中，歷史數(shù)據(jù)用來計算方差和協(xié)方差矩陣，這是計算風險價值的基礎。在歷史數(shù)據(jù)模擬中，風險價值完全是基于歷史數(shù)據(jù)的，按照時間序列來計算損失的概率。在蒙特卡羅模擬中，預測分布曲線不一定要根據(jù)歷史數(shù)據(jù)，但是人們除了歷史數(shù)據(jù)，似乎也沒有其他的數(shù)據(jù)來源?？傊?，任何風險價?的測量，都將是一個時期歷史數(shù)據(jù)的函數(shù)。如果這一時期是一個相對穩(wěn)定的時期，測得的風險價值或許是一個低值，那么它就會低估未來可能的風險。反之，如果獲取歷史數(shù)據(jù)的相關時期不穩(wěn)定，所測得的風險價值會很高。在本章一開始，我們用原油價格變動的風險價值作為例子，并就此得出結論，1992—1998年期間原油價格穩(wěn)定，按照這樣的歷史數(shù)據(jù)測量風險價值，就不足以反映1999—2004年期間的原油價格波動所帶來的風險，因為那段時期價格波動劇烈。

● 相關性不穩(wěn)定：在進行風險價值測量的時候，有一個大前提就是風險數(shù)據(jù)要具有明確的相關性（這是指方差—協(xié)方差模型和蒙特卡羅模擬中），或是隱含的相關假設（在歷史數(shù)據(jù)模擬中）。這些相關估計通常是根據(jù)歷史數(shù)據(jù)獲得的，而且有一定的波動性。只要觀察幾類資產在一段時期內的相關性，就能夠知道它們的波動幅度有多大。圖7—4顯示的是標準普爾500股票回報和十年期國債回報之間的相關性，從1990—2005年每年的日收益率。

斯金茨（Skintzi）等學者認為，相關性誤差增加會造成風險價值計算誤差的增加，這一點在蒙特卡羅模擬中表現(xiàn)得尤為明顯。