• 暂时没有信息

RNIV概述及其风险计量应用初探

RNIV（Risk not in VaR）是巴塞尔协议市场风险审查框架的一部分，用以计量未被VaR模型充分监测到的风险，从2012年开始，多数欧美大型投资银行开始建立各自的RNIV框架。本文基于丰富的国际投行实践，对RNIV定义、类型以及实例进行了详细的阐述，并提出可从量化方法、压力测试及多方验证多个途径识别与计量金融机构的RNIV，以期为我国市场风险计量实践提供有益借鉴。

一、引言

VaR（Value at Risk）模型是目前投资组合市场风险计量的统一标准。VaR模型是指在正常的市场条件和一定的置信水平上，某一金融机构或投资资产组合在未来特定的一段时间内可能发生的最大损失。与传统风险度量的手段不同，VaR模型完全是基于统计分析基础上的风险度量技术。它以价格单位或投资组合价值的百分比测度投资组合中的风险程度，适用于股票、债券、商品、各类衍生品或任何其他具有价格的资产。

VaR模型的优点体现在：可以简单明了的表示金融风险的大小，可以简单通过VaR值大小对金融风险进行评判；提供了计量金融风险的统一标准，可以测量不同市场因子、不同金融工具、不同业务部门及不同金融机构投资组合的风险敞口；充分考虑了不同资产价格变化之间的分散化效应和对降低风险的贡献；考虑了金融机构中不同业务部门对总体投资组合风险的分散化程度；可以事前计算风险，区别于以往风险管理的方法都是在事后衡量风险大小。正是因为这些优点，金融机构广泛采用VaR模型来设定风险偏好、实施限额管理、估算风险资本甚至用于绩效评估。

VaR是对现实世界的简化，能够捕捉到市场风险的主要变化，但出于对模型复杂度的考虑，VaR忽略了现实世界的一些细节，而这些被忽略的细节在2008年之前并未起到关键性作用。

2008年金融危机证实了一些曾被忽略的模型细节却起到了重要作用。学者C Maheshwari 、P Chandra 在2014年详细分析了金融危机期间基础利率互换（basis swap）中的期限错配引发的灾难性风险事件，而在大多数VaR模型中，期限因素都被忽略了。当交易双方签订互换协议，约定一方按月支付，另一方按季支付时，就会出现期限错配，每月支付息票且每季度收取息票的一方将面临信用风险，因此，该方需要在其每季度收到的息票中获得风险溢价。金融危机之前，基础利率互换的风险很小。例如，由于流动性强的原因，美国1个月和3个月的利率互换利差不到1个基点（bps）。因此， VaR模型大多忽略不计基础利率互换风险。然而，贝尔斯登和雷曼兄弟的倒闭大大加剧了金融机构对交易对手信用风险的担忧，上述利率互换利差在2008年危机高峰期一路扶摇直上，最高增至48个基点，而金融机构的VaR模型并未捕捉到该风险的急剧增加，因此导致了金融机构的巨额损失。

             资料来源： Bloomberg

      图1美国1个月和3个月的基础利率互换利差

二、RNIV简述

RNIV是巴塞尔协议2.5市场风险审查框架的一部分。从2012年开始，多数欧美大型投资银行开始建立各自的RNIV（Risk not in VaR）框架。2013年，英国央行下属的审慎监管局（Prudential Regulation Authority，简称PRA）首次在其监管声明中要求金融机构识别那些没有被VaR模型充分监测到的风险，并为此类风险持有额外的资本准备金，这类风险包括但不限于缺失风险因子或流动性差的风险因子，如交叉风险（cross-risks）、基差风险（basis risks）、高阶风险（higher-order risks）和校准参数（calibration parameters）等，也涵盖可能对相关业务产生不利影响的事件风险（event risks），对该类风险的识别与对VaR模型的额外资金的计量方法被称为“RNIV框架”，金融机构负责识别各自的RNIV风险，每季度识别和评估RNIV框架覆盖的独立风险因子。通过RNIV框架，风险管理人员和公司管理层可以更好地了解公司金融工具估值与风险计量模型的缺陷。2016年，PRA在其监管声明中进一步要求金融机构对其RNIV框架进行模型验证，并向监管上报其对RNIV框架的任何扩展和修订。

2014年，巴塞尔银行监管委员会（Basel Committee on Banking Supervision，简称BSBC）发布了《交易账户基本原则审查》（fundamental review of trading book，简称FRTB），提出“不可建模风险因子”（Non-Modellable Risk factors，简称NMRF）这一概念。2016年1月，BSBC正式发布了《市场风险最低资本要求》，正式定义了FRTB监管标准。在内部模型法（Internal Models Approach ，简称IMA）框架内，所有的风险因子根据流动性被划分为可建模（Modellable）和不可建模（Non-Modellable）两类，前者必须满足在过去12个月内有至少24个交易记录（具有真实交易价格），相邻的交易记录之间最长间隔不超过1个月，并且需要每月评估，如图2所示。对于可建模风险因子（MRF）巴塞尔委员会允许使用一般的VaR方法计量风险，不同风险因子的相关性可以通过历史数据校准得到，从而使得不同可建模风险因子之间可以实现风险的分散与抵消，而对于NMRF，巴塞尔委员会并没有指定具体的计算方法，但指出可通过对NMRF的风险进行分解，寻找合适的MRF参考因子对NMRF风险进行建模，RNIV可以部分解决NMRF的风险资本计量问题。

      资料来源： Fundamental review of the trading book, 2014

            图2 FRTB资本要求组成

图3是部分国际投行2017年市场风险加权资产（RWA）的构成统计，可见VaR模型能够覆盖到的市场风险只是所有市场风险的一部分。对于瑞士信贷来说，RNIV占市场风险加权资产的比例高达31%，对总体市场风险具有较大影响力。忽略了RNIV，就无法全面计量市场风险，可能导致资本充足率不足以覆盖极端风险事件造成的损失，甚至会引发灾难性后果。

      资料来源：Barclays、Credit Suisse、UBS 2017年年报

        图3 2017年部分国际投行RNIV风险加权资产占比 

三、RNIV实例

除了上文简述的基差风险外，我们通过多个实例进一步解释RNIV，即VaR模型未能覆盖到的风险。

(一) 历史模拟

利用历史模拟法生成利率情景是最常用的计量利率风险VaR的方法。历史模拟法将特定历史区间利率曲线的每日变化用于模拟当前利率变化情景，随后针对这些情景对投资组合重新定价，然后计算给定置信区间的VaR值。模拟利率情景的关键问题在于如何衡量历史利率曲线的变化。选择绝对变化可能导致负利率的出现，而相对变化可能会导致脱离实际的利率变动。例如，在历史上低利率期间，利率的相对变化可能很高，将相同的利率变化比率应用于当前利率则不合实际。因此，选择利率曲线变化方法的差异，会导致在某些特定日期的特定利率变化可能无法被VaR模型捕捉到，这部分风险需要利用RNIV来计量。

(二) 利率建模

收益率曲线上包含了许多期限，所有这些期限利率之间高度相关。如果忽略期限利率的相关性，VaR模型将无法计量相关性变化造成的风险。考虑到相关性，我们通常使用主成分分析法从历史数据中计量三种主要类型的收益率曲线变化，即收益率曲线的平行上移或下移、收益率曲线的扭曲（也即短期利率上升同时长期利率下降，或者相反变化）以及收益率曲线弯曲（即短期利率和长期利率与曲线中间部分反向移动）。然而三种曲线变化仍然是现实世界的简化，尽管期限利率高度相关，但他们之间仍存在某种程度的独立性。仅通过这三种变化来测度所有利率变动将使我们忽略掉VaR模型无法捕捉到的风险。因此，不同的利率建模方法需要各自适用的RNIV来计量其可能未考虑全面的期限利率相关性变化。

(三) 分布假设

使用Black-Scholes公式对期权定价是基于股票收益服从正态分布的假设。但在现实世界中，收益序列往往具有偏峰厚尾的特征，并不符合正态分布假设。另外，由于中国股票市场涨跌停板的限制，收益序列与正态分布差别更大，因此标准Black-Scholes公式不再适用。然后，现实中大部分金融机构仍采用标准Black-Scholes公式对期权定价并计量期权风险。因此其VaR模型并不能捕捉到收益序列分布的差别，我们需要RNIV模型来覆盖这部分风险。

(四) 数据缺失

VaR是基于统计分析基础上的风险计量模型，因此如果无法获得足够的历史数据，VaR模型就会失效。这种现象在流动性差的市场中尤为明显，例如国内的新三板股票市场，因为部分股票的流动性极差，导致其收益序列中存在大量空白，甚至存在极大的收益差别（例如，温迪数字因违法违规从2016年11月开始停牌，2018年4月23日复牌后暴跌97.85%）。传统的VaR模型无法直接适用于该类数据缺失股票市场风险的计量，如果简单的采用新三板做市指数对缺失数据进行补充则无法真正反映该类特殊股票的市场风险，此我们需要在VaR模型中引入股票市场的流动性因素，或者采用其他RNIV模型来覆盖此类风险。

四、RNIV识别与计量

(一) 量化方法

从监管机构的角度来看，RNIV的概念已在巴塞尔协议2.5中进行了探讨，各大金融机构采取措施，识别、计量其VaR模型未涵盖的风险是非常有必要的。因为每一个风险因子都有不同的特点，且会随着市场条件或产品的不同而改变，因此，没有通用的方法来识别这类风险。对于有明确风险因子的金融产品，根据能够获取的市场数据的不同与满足的建模条件的不同，欧美投行多采用量化方法计量RNIV，作为对其VaR模型的补充。这些量化方法大致包含边际计量、独立计量、VaR情景计量与压力情景计量等。例如，独立计量的RNIV方法可以定义为：

RNIV=Percentile(RNIV P&L Strip)                                         （1）

其中，RNIV P&L Strip代表VaR未涵盖部分风险的对应的收益序列，RNIV的计算采用与VaR模型同样的置信区间与时间长度。

(五) 压力测试

每个投资组合都有一系列自身特殊的风险，这些风险可能尚未被发现。除了适合关注投资组合的风险之外，压力测试是评估投资组合各类风险其影响的一种重要方法。通过设计压力测试模型，结合宏观经济变量与各个风险因子的变化，可以开发投资组合风险计量的替代模型，我们可以采用VaR类似的数字来表示计算结果，以此评估给定压力情景下的损失估计。通过对比压力测试结果与传统VaR值，就可以大致了解投资组合中特殊风险RNIV的大小。

(六) 多方验证

RNIV是在对现实世界的简化过程中被模型遗漏的风险，每一个投资组合都或多或少的存在其独特的RNIV。这些风险可能会在预期外的事件，特别是黑天鹅事件中突现，对金融机构产生巨大影响。因此，金融机构及其模型开发人员必须多角度全方位穿透式识别投资组合的风险因子并分析可能存在的RNIV，通过组织专家判断多方验证VaR结果，尽可能全面地了解VaR模型的缺点和假设，设计RNIV作为补充。

五、总结

本文引入了国际投资银行采用的RNIV市场风险计量框架，以期能够为我国金融机构的市场风险计量实践提供一定的思路。目前，RNIV框架的研究在国际上尚处于起步阶段，且在国内尚无文献讨论，而RNIV是市场风险中不容忽视的重要组成部分，这一问题的解决直接关系到市场风险管理的科学性与有效性。因此，在充分调研国际先进实践的基础上，进一步探索RNIV框架在我国金融市场应用的适用性，深入研究RNIV计量方法，并结合VaR模型、压力测试等工具提高风险计量的准度与精度，值得进一步尝试。