[荣信股份]有严重缺陷的风险指标(下)

作者：Scot Billington, RobMatthews

编译:赵晔

成果

下图“Measuring STD DEV”显现了这个研讨的根本成果。图示在各种时刻区间里不同丢失程度的实践值与猜测值的比率。举个比方，在一个月的时刻区间内，丢失10%或许更多的状况实践产生的概率是猜测值的0.87倍。也便是说，在这个事例中，规范差猜测危险的模型有点偏保存,由于这种水平的丢失实践产生的频率低于猜测值。

现在看一下在12个月内丢失水平为50%的状况。咱们看到这个比率为0.99，表明晰在12月的时刻区间内，丢失至少为50%的状况产生的实践频率与猜测值彻底符合(数值为1被认为是完美的猜测商场)。

从这个成果中立刻看出其他两个发现:一个是,规范差危险模型的猜测准确程度依据丢失等级的不同和时刻区域的不同而不同，从温文保存到十分急进;别的，在特守时刻区间内，规范差危险猜测逐步轻视丢失程度,丢失程度的准确度和保存程度也跟着时刻规模的收窄而逐步削弱。

这个趋势对危险司理们来说很显着是个不容忽视的问题。显着，那些能够经过规范差被准确核算的危险--这些丢失很小并且时刻跨度很长--反而对出资者来说不是特别忧虑的。更可怕的是那些灾难性的和忽然产生的丢失被规范差严峻轻视。

咱们常常听到这样一个故事： 2009年全球金融危机致使许多商场处于惊惧之中。咱们“Measuring STD DEV”的数据覆盖了1985-2013年年间，因而也包含了这次金融危机期间。这使咱们考虑了更多问题：

“Measuring STD DEV”中展现的趋势是否是伴跟着2007-2008年事情的误差？规范差在“正常”时刻内是一个欠好的衡量危险的猜测目标吗？

这种趋势在不同的财物和出资办法中是保持一致吗？

假如很多的短期丢失的是那些常常被轻视的，有没有一些出资办法能够防止这种丢失产生？

单从前史体现来看，一个分配决议计划能否决议哪种出资关于这种丢失更简单受到影响？

答复这些一切的问题现已超越了本文的研讨规模，可是咱们以这个为起点开端探究。首要，咱们来看规范差不能彻底衡量危险的趋势在2008年全球金融危机之前是否就现已存在。

危机之前的研讨成果

咱们调查了1985到2005年间，商场在1,3,6,9,12月跨度期间的移动以及丢失水平在10%到50%之间的状况。“Sanscredit crisis”（如下）显现了被轻视的短期大型丢失依然存在,在一个月丢失50%以上的频率“只是”比咱们之前的预算多61倍。咱们能够看到前一栏的成果并没有由于全球金融危机产生很大的误差。相同的趋势在2005年前的20年内一向存在。虽然在危机期间各种规范差大丢失危险轻视的严峻程度是十分显着的，但规范差依然是一个猜测大丢失产生概率的较差的目标。

定论

在这项研讨中，咱们评价了规范差作为一个危险衡量目标的准确度---危险被界说为在给守时刻内丢失必定资金量的产生概率。咱们使用了自1985年开端的49个商场里在一系列产品的月度商场数据。之后，咱们比较了实在产生丢失的频率和用规范差衡量猜测危险产生的概率。

研讨发现总结

依据不同特守时段和不同的丢失程度，规范差预算的危险从相对保存到高度急进。

数据显现，跟着时刻段收窄、丢失水平扩展，危险预算变得越来越急进。

这种轻视大丢失的状况尤其在较短的时刻区间内，从咱们研讨数据的开端时刻1985年就存在了，不能只归因于全球信誉危机。

以当时事例，这个课题肯定值得更深入研讨。之后研讨能够考虑扩展商场规模和延伸时刻段挑选。

当然也有或许,一些丢失在50%或更多的投财物品在此次研讨开端之前现已退出商场（也便是幸存者误差）。因而，追溯到更远时刻区间、用更广泛的数据重复这项研讨也将是十分有意思的。经过商场类型或许买卖风格比方自动型或被迫型将商场归类，运用与之前相同的剖析办法比较。

有没有一种办法能够供给规范差之外的信息然后优化咱们关于危险的了解或许评价？将此类研讨延伸到其他常用的计算危险衡量目标比方downside deviation 或许VaR，看这些目标是否改进了规范差的缺点也将是很有含义的？

ScotBillington 是Covenant财物办理公司（CCM）的联合合伙人，他是一个办理客户财物超越15年的商品买卖剖析师。Rob Mattews是CCM的研讨所所长Covenantcap.

弥补选项：剖析过程详解

单用规范差不能作为某项财物丢失概率的衡量目标，这个有必要代入商场模型。几许布朗是通常被金融从业者用来转化收益规范差到危险丢失的常用工具。这个模型假设在t时刻财物价格为：

St 是t时刻的财物价格，S0 是0时刻的财物价格。μ 和 σ 是财物的漂移目标及规范差。Z是规范正态散布随机变量。所以St 财物价格是计算学重复而不是被核算出来的。咱们能够经过先求解Z转化这个模型，成为在特守时刻特定丢失产生的概率。

咱们用（1-L）替换(St / S0)，其间L是咱们重视的丢失，比方说，40%丢失（L=0.4）意味着（1-L）=0.6，等同于(St/ S0)，t时刻的价格St是初值价格S0 的60%。咱们把正太随机变量Z替换为Φ-1 (p)规范正态累积散布函数的反函数作为概率p

咱们能够算出概率p

观测到在特守时刻规模内给定商场漂移目标μ和规范差σ，丢失L或更多的概率。

由于咱们只重视对规范差的预算，所以剖析中咱们设置漂移目标μ为0;相对应的,咱们也调整了被研讨的一切商场的实践收益的相关数据，使得从前史的视点来看长时间漂移也为0。(完)

来历：《Futures》

（本文仅代表作者观念）
买卖技能, 买卖战略