Adam2019-06-28 11:35:37

同学你好，这里是在说风险测度的三个框架
1.基于均值-方差（或者组合理论）的方法
扩大损益的范围或可把握分布。均值方差框架在这方面有很大局限性。当且仅当对象服从或近似服从正态分布时（确切的说，处理的数据服从或可转换成正态分布），这个框架才适用。
后面的框架更具普遍性，可适应任何形式的分布。
所以这个关键就是避免仅能处理正太数据的框架，因为我们遇到的很多实际数据都不服从正态分布。
2.VAR的方法
这个是改进风险测度结果的有效性。
在均值方差框架中，风险测度是回报或P/L的标准差或标准差的简单变形。在均值一方差框架假定的正态条件下，标准差是一个理想的风险测度，我们可以据此判断回报的风险并且做出相应的决策。同时，通过VaR框架也可以得到风险测度，当我们处理的数据服从正态分布（或近似地服从正态分布）时，其有效性或多或少与标准差的有效性等价。
VaR的优点是在任何分布下其估计都可行，但其主要缺点是当数据严重不服从正态分布时，风险测度缺乏有效性。
因此，VaR使我们在风险测度估计方面摆脱了近似正态分布的束缚，提供了适用于任何分布的风险测度。然而，事实上这只是一个虚幻的胜利，因为当近似正态条件不满足时，这个风险测度的结果很值得怀疑。
这个就推动了第三个也是最后一个框架的产生，一致框架：通过这个框架获得的风险测度不但具有VaR风险测度的优点（即在任何分布的条件下，都可以估计风险测度），而且还有VaR风险测度不具备的优点一—在严重偏离正态的条件下依然能够做出较为可靠的决策。所以，这个就是提出适用于近似正态不成立的条件下的风险测度。
3.一致性风险测度方法
每个框架都允许我们以某种可靠的技术手段加总各个具体的风险，但是证券组合理论在这方面有很大的局限性一—证券组合理论原则上只能用于股票或其他与之类似的资产的风险——而VaR和一致风险S测度则不然，其应用范围更宽。然而，应用范围的拓宽也是有成本的：我们必须处理估值问题和市场流动性问题，这些问题在诸如古典证券组合理论等有局限性的场合下通常不会出现。
后面说的是ERM。ERM致力于将企业作为一个整体从全局的角度测度和管理其中各个不同范畴的风险，这需要考虑各个不同范畴的风险的相互作用方式。好的ERM总是预先假定其风险测度框架有能力延伸并且覆盖企业涉及的主要风险类别，而基础的组合理论框架还差的很远