关键词：市场风险 风险评估 风险预警
企业的市场风险是企业市场营销活动中由于内外部与市场有关因素的影响而随机出现的对企业造成损害的可能性。随着市场竞争的逐渐加剧，企业的市场风险加剧，给企业的市场营销工作造成了很大的影响，对企业经营目标的实现造成了一定的威胁。如何对企业市场风险进行管理已经成了大部分企业急待解决的问题，本文将从预警的角度对企业的市场风险管理进行研究。
一、企业市场风险预警系统构建
企业的市场风险预警系统有狭义和广义之分。狭义的预警系统是指为了防范可能偏离正常发展轨道或可能出现的市场风险而建立起来的报警系统。而广义的市场风险预警系统则包括市场风险识别系统、市场风险评估系统、市场风险预警系统和市场风险处理系统。关于企业市场风险的预警系统构建的思路，本文按照广义的市场风险预警包含的子系统来构建。
(一)市场风险识别子系统 由于每个企业所面临的环境有很大差异，企业内部的组织架构以及核心能力也各有不同，因此，没有一种风险预警的方案能够适应所有的企业。(1)市场风险识别的基础。市场风险识别的主要依据是信息，因而必须建立灵敏的市场信息收集与分析系统。市场风险信息是原始信息向征兆信息转换的结果。市场风险的原始信息既包括市场风险历史信息和即时信息，也包括市场风险实际信息和判断信息，还包括国内市场信息和国际市场信息以及与该产品、该产业相关的科技经济社会信息。而市场风险的征兆信息则是指能够体现出来具有市场风险的直观的、经过加工处理的信息。一个完善的市场风险预警系统需要以下几个方面的配合：首先要有强大的信息网来进行支持，进行信息收集、统计与传输；其次是高效的中央信息处理系统，储存和处理从信息网传人的各种信息，进行综合、甄别和简化。最后是建立科学的信息分析系统，对缺乏的信息进行分析并进行征兆信息的分析，从而精确地识别市场风险。(2)风险识别的人员构建。通常来说，企业的市场风险管理由销售总经理全面负责，同时要求企业营销系统内部各方面必须相互协调，企业内部各级管理人员广泛参与。从销售总经理到普通员工，都应把风险管理作为自己的一项职责，并有专门负责做风险识别与分析的专职人员。(3)市场风险的主要识别技术。市场风险的主要识别方法有：第一，因素目录法，即将一个特定行业内的公司所共同的市场风险的潜在因素列成详细的清单，并根据该清单对照本企业的各个因素是否具有市场风险，从而识别企业的市场风险；第二，内部分析法，即营销部门自我识别企业所面临的市场风险的方法。可以作为常规性经营规划循环过程的一部分来完成，典型的是通过一个业务单元的员工会议。营销部门自我识别企业所面临的市场风险的好处主要在于企业营销部门比较熟悉企业的情况，掌握的一手资料比较多，容易识别企业的市场风险，但主要缺点是企业的营销部门对外界的形势了解不一定很充分，另外，企业营销部门掌握的分析技术是否先进也是影响企业市场风险识别的一个重要因素；第三，外部专家分析法，即从企业外部请专家对企业的市场风险做综合评估。由于专家掌握了专业的风险识别技巧，其对风险的识别能力可能会更高一些，准确性也就高一些。而且相对于内部营销人员，专家对企业的评价受感情因素的影响小一些，准确度相对较高，但对企业的情况不可能像企业的内部员工一样了解地那么清楚，信息的掌握上会存在一定的缺失风险，会影响风险识别的准确性；第四，底限触发器法，即通过将现在的市场事项与预先确定的标准进行对比，一旦该事项的实际指标达到了预先确定的标准的最低值，触发器就被触发，立即提醒管理当局关注；第五，研讨与访谈法。这种技术是通过经过对市场风险研究与讨论，发现企业潜在的市场风险，为进一步的市场风险管理做好准备；第六，因素过程分析法，即通过构建一个过程模型，用输入、转换和输出三个因素进行分析，来考察市场风险因素在变化过程。通过该分析影响一个过程的内外部因素，企业能识别那些可能影响市场营销过程及其目标实现的因素。
（信阳师范学院华锐学院，信阳464000）
摘要：利率市场化是金融深化改革的重要内容，也是当今世界金融市场的发展潮流，大多数西方国家已经形成了成熟的利率风险管理体系，而我国由于起步较晚，尚未形成完整的利率风险管理体系。随着我国利率市场化进程的深入，商业银行尤其是民营中小银行所面对的利率风险也更加突出。本文通过研究西方发达国家的利率市场化进程，分析其利率市场化中的不同阶段的应对方法，来为我国的民营银行提供利率风险管理的借鉴和思考。
关键词 ：利率市场化；民营银行；利率风险管理
中图分类号：F832.1 文献标识码：A 文章编号：1006-4311（2015）27-0011-03
0 引言
经济全球化和经融深化的进程稳步推进，利率市场化是金融深化改革的重要内容，也是当今世界金融市场的发展潮流。英国、德国、法国等欧洲国家早在20 世纪70 年代就开始了对金融市场的利率市场化改革，迄今为止，大多数发达国家都已经完成了利率市场化改革[1]。与西方国家相比，我国的利率市场价进程起步较晚，自1993 年利率市场化改革思路确定以来，经过20 多年的发展，我国利率市场化改革已经取得了一定的进展，如利率结构更加合理、利率管制得到放松，国债的回收利率和发行利率均已完成利率市场化的改革。
利率市场化会给商业银行带来一定的有利影响，如推动商业银行科学经营和业务创新，但是利率的不稳定性随着利率市场化改革的推进而越发明显，商业银行在经营中面临的风险也越发多样和复杂，如市场风险、信用风险、道德风险等，而在诸多风险之中利率风险是其中的最重要风险之一[2]，商业银行面对利率风险必须采取更科学合理的技术和方法。我国商业银行的利率风险管理能力和水平虽然在应对严峻的利率风险挑战后已有了极大程度的提升，然而现如今我国商业银行在利率风险管理上还存在许多不足，如对于利率风险的理论研究不能与实际情况很好契合、风控模型有待完善、利率风险规避手段较少并且实际业务操作不够熟练，缺少一整套的利率风险衡量、评估、管理的体系，尚未建立利率风险补偿机制等等[3]。相对于国有银行，利率市场化对中小民营银行的影响更为巨大，如何应对利率市场化引发的一系列问题是中小银行健康发展的关键所在。2013 年7 月19 日，《进一步推进利率市场化改革的通知》的发布标志着我国中小银行已经进入利率市场化改革的重要过渡期[4]。
分析西方发达国家的利率市场化进程以及利率风险管理方法、经验、教训，将之与我国民营银行利率市场化改革的实际情况相结合，研究出一套符合实际需要的利率风险管理方法，对于建立健全民营银行利率风险管理体系具有重要参考意义。
1 国外商业银行利率风险管理实践及借鉴利率市场化在各个经济体发展过程中必不可少，但各国改革的类型却各不相同，如美国为放松管制型、日本为循序渐进型、韩国为反复型、德国为快速推进型，本文主要以美国商业银行利率市场化不断发展和逐渐完善的动态过程为例，通过分析其利率市场化改革的经验和教训，为我国民营银行发展的提供借鉴与思考。
1.1 美国商业银行利率市场化发展历程
在20 世纪70 年代，美国银行业由于缺少管理利率风险的有效工具，不能及时地预防、管理和保护“存短贷长”这种失衡资产负债结构的利率风险，致使70 至80 年代之间一大批中小银行破产倒闭。自此之后，利率风险管理越来越受到人们的重视和研究，新的利率风险管理工具及方法不断被发明和使用。经过40 多年的发展，美国银行业对利率风险的评价和管理方法都经历了长足的发展，形成了一套行之有效的利率风险管理体系。
1.2 缺口分析———利率风险管理的初级阶段
在20 世纪70 年代，刚刚开始利率市场化改革的美国银行业还缺乏对利率风险的认识，评价和管理利率风险的方法也不够成熟，缺口分析发是当时美国银行业所采取的主要方法。缺口分析法的优势是计算方便，简洁易懂，即使在当下也有广泛的应用。然而其局限性也同样显而易见，如缺口分析通常只考虑重新定价风险，而忽视了各种金融产品基准利率因利率水平的波动而改变调整所带来的基准风险，也不能及时反映利率波动对非利息收入的影响等。
1.3 OAS方法、VaR方法、压力测试———高级阶段OAS（Option Adjusted Spread）指的是期权调整利差，OAS 根据期权定价原理，从收益率曲线分析得到零息票曲线，再依据利率期限现金流的不同得出隐含期权资产的理论价值，使计算出的理论价值与当前市价相等，此时基准利率与贴现率的差值就是OAS。OAS 的缺陷之一是OAS的应用前提需要有效的金融市场作为基础，二是OAS 计算中会使用大量的数据，而当利率期限结构、利率现金流等波动时，数据也会发生变化，导致结果出现偏差。
VaR（Value at Risk）指的是风险价值，是投资者进行风险投资所获得的额外收益，其计算是在正常的市场条件和既定的置信水平下，以概率论为基础，运用现代统计方法，由利率、汇率等风险要素变化时预测金融资产、资金头寸或资产组合的潜在最大损失。VaR 对于利率风险能够做到较为准确的评估，但其也仍有一定的不足，如计算过于复杂，并且需要正常市场条件作为前提条件等。
上面这几种利率风险管理方法都必须基于金融市场的正常运行，一旦市场稳定被破坏，这些方法也随之失去效用，而这时就需要依靠压力测试方法（Ctress Testing），压力测试是评价银行资产在异常的金融市场条件下的承受能力的方法，是对缺口分析、Var 等方法的有效补充，通常在现实中往往根据实际情况的不同联合使用集中分析方法。
1.4 国外商业银行利率风险管理对我国的借鉴
我国的利率市场化进程尚未完全完成，在这一阶段，我国的银行业应充分考量国内金融市场和技术的发展水平，并结合自身的负债情况，适当参考国外银行成熟的风险管理方法，逐步完善自身的利率风险衡量和管理方法。
首先，在利率市场化的开始阶段，银行业对利率风险管理起步之初应更多选用缺口分析法，该方法简单易懂易操作，对于数据也没有很高的要求，并且对资产负债表和利差的分析以账面分析法为基础，这与我国商业银行的盈利目标———利差相一致。缺口分析法中的利率敏感性缺口分析法依据资产负债结构的调整来衡量重定价风险，从而提高风险控制能力，随着利率市场化改革的持续推进，应适时的用持续期缺口模型补充敏感性缺口分析法，使风险衡量更为准确。其次，当利率市场化程度达到较高水平，金融市场日趋成熟，初级的缺口分析法越来越不适用于分析复杂的利率风险，此时应当研究和应用Var 模型、OaS 及应力测试等更为高级的利率风险管理方法。最后，应当注意的是随着利率市场化的成熟，我国银行业所面临的利率风险程度会增大，种类也会增多，因此，商业银行在进行资产负债表内管理的同时，也必须适当的提高表外利率风险管理水平。
2 河南民营银行应对利率市场化的措施和建议
在利率市场化进程中，河南各中小民营银行反应不一，有些银行及时制订了行之有效的应对措施，并取得了一定的效果，而也有些银行并没有采取清晰、有效的应对措施。以下对前者应对利率市场化的一些措施进行归纳。2.1 加强资产负债管理，实现经营多元化[5]河南民营银行一直存在负债品种单一和结构失衡的问题，由此所引发的重新定价风险是民营银行利率风险管理的主要内容，因此，部分银行通过对资产负债管理加以完善，并且将利率风险管理作为工作重心，全面、平衡地管理资产负债表，与此同时，适当增加符合市场的资产负债品种，实现经营的多元化，一方面最大限度的提高利息收入，另一方面也有利于从利率期限和总量结构上解决错配，降低重新定价风险。
加强资产负债管理应以利率风险为核心点，在民营银行中，可以根据实际情况设定专门的负债管理小组，统筹资产负债管理的各个方面，如研究利率风险的管理方式，设计利率风险管理方案来指导和协调部门之间的资产负债管理等。此外，在资产负债管理中，应重视缺口管理，充分利用缺口管理法中的利率敏感性缺口管理和持续期缺口模型管理方法，在正确衡量利率风险的基础上，平衡短期和长期负债，减轻资产负债失衡所引起的风险。最后在增加资产负债品种方面可以发展中间业务、创新理财产品和债券业务等，如在理财产品方面可以根据客户的不同设计新颖的理财产品，实现与竞争对手之间的差异化经营和管理，提高产品的吸引力。
2.2 适时提高存款利率，防止存款流失
河南境内的大多中小银行在相应中国人民银行的降息与国有银行相比明显更为积极和主动，如2015 年2 月央行宣布降息，存款利率浮动区间的上限从基准利率的1.2 倍升高到了1.3 倍，大多数中小银行及时做出了上调，如河南本地的中原银行在降息宣布后的一天内就跟进宣布，三年期及以下的存款利率上浮30%，此外，青岛银行和齐鲁银行等也相继宣布存款利率上浮30%。相对于民营银行，国有银行如工商银行、建设银行则并未第一时间跟进。这对于提高民营银行的竞争力，吸引资金，防止存款流失起到了良好的效果。
2.3 构建信息化管理平台
将利率风险管理体系与计算机技术相结合，构建利率风险管理的信息化管理平台，通过数据库的建设和管理来评估民营银行所可能面临的利率风险，根据分行的实际情况来制定相应的利率风险管理模型，行两利率风险，设计风险管理方法，应用于资产结构调整、丰富金融衍生工具或业务种类等等。
构建信息化的利率风险管理平台应注意以下两点。淤数据支持：数据库的建立是信息平台管理的基础，数据主要来自于日常经营中及时更新数据，如现金流量和资产负债记录等，数据库建立好后必须做好数据的更新和维护，保证数据的有效性，为衡量利率风险提供最原始的数据基础。于软件支持：数据是基础，软件是支持，通过利率风险管理软件来进行数据的采集、分析以及动态模拟，从而实时的监控资产负债的变化，更加及时、准确地管理资产负债，切实提高利率风险管理能力。
一、信息不对称的含义
大部分的经济学研究通常以完全的信息为假设，即消费者和生产者对于他们面对的经济变量拥有完全的信息。但是，在现实的经济社会中，并不存在完全的信息。某些市场参与人比别人知道的信息更多。具有信息优势的市场参与者往往具有比较有利的地位，而处于信息劣势的市场参与者通常会遭遇损失，破坏原有的市场均衡，造成资源配置的低效率。在一项交易中，买卖双方拥有不同的信息的情形就是信息不对称。
信息不对称在经济社会中非常普遍。通常，产品的销售方掌握更多的关于自己产品的信息;工人对于他们自己的技术和能力比他们的雇主知道的要多;而商业经理对于企业成本、竞争地位以及投资机会比企业所有者知道的要多。不对称信息解释了许多社会制度，它说明了为什么有些公司为其产品的零件担保;为什么雇主与雇员签订奖惩合同;以及公司股东要监督经理人的行为。
二、信息不对称的两个方面
(一)逆向选择
逆向选择是市场失灵的一种形式。由于信息不对称，商品销售者和购买者在进行买卖交易时无法知晓商品全部的质量信息，不同质量产品以同样的价格出售，导致本来可以进行交易的质量高的商品未能成交，仅仅留下了质量低下的商品在市场中进行交易;或拥有信息优势的一方总是尽可能做出有利于自己而不利于别人的选择，从而降低市场效率。
(二)道德风险
道德风险是市场失灵的另一种形式。道德风险这一概念在20 世纪80 年代的西方经济学家眼中是一个经济哲学范畴。道德风险最初是用来分析保险合同而形成的一个概念。在交易双方信息不对称的情况下，某一方的行为由于监督成本太高而不能被观察到，因此他们享有自己行为的收益，而将成本转嫁给别人，影响与该事件相联系的支付报酬的概率分布，从而造成他人损失的可能性。道德风险不仅使得处于信息劣势的一方遭受损失，而且还会破坏固有的市场均衡，造成资源配置的低效率，改变了市场有效配置资源的能力。道德风险是在经济活动中的经济人为了追求自身效用最大化而做出的不利于他人的行动，他们自身拥有信息优势，可以有效地避免因自己的败德行为而受到惩罚，并且，当发生极端事件时，很有可能他们的败德事件不会被揭露。因此，这种情况极其容易引发道德风险。
三、保险市场中信息不对称的表现
(一)保险市场中的逆向选择
逆向选择是保险市场中的典型表现。在保险市场中，被保险人或投保人比保险公司更加了解自己的风险状况。假设保险公司按照平均风险水平厘定费率，则高于平均风险水平的高风险投保人将大量购买保险，因为他们正是需要保险的人;而低于平均风险水平的低风险投保人几乎不会购买保险，因为在这种费率下，他们有可能面临入不敷出的状况。这意味着，大多数的保险索赔将会由高风险的投保人提出。因此，很容易得出一个结论：保险公司为了保持盈亏平衡，防止潜在的赔付支出大于保费收入，所以一定会把保险费率建立在对最坏情况的预测的基础上，即针对高风险投保人提高保险费率，这就会导致低风险的投保人的投保意愿下降，以至于所有的投保人都是高于平均风险水平的，低于平均风险水平的投保人全部被挤出保险市场。在这一点上，保险产品的费率就会十分高，甚至保险公司也无利可图，或者保险公司干脆也就不再出售保险产品了。
(二)保险市场中的道德风险
在现实的保险市场中，博弈双方为保险人(保险公司)和投保人。保险人的一组策略分别为策略1(高费率)和策略2(低费率);投保人的一组策略分别为策略1(对保险标的采取合理的防护)和策略2(未对保险标的采取合理的防护)。
从博弈支付矩阵1 可以看出，纳什均衡为(3,3)，即保险人选择低费率，投保人选择采取防护措施。纳什均衡是关于策略选择的一组预期。如果给定博弈一方的选择，博弈的另一方的选择是最优的。这些预期使得当一个人的选择被揭示后，没有人会改变自己的行为。同时，这个纳什均衡同时也是占优策略均衡，因为任何一方都拥有独立于另外一方的最优决策。但是，如果保险人和投保人无法掌握关于对方决策的信息，确信双方都会选择抵赖，即保险人在选择采取防护措施时提高费率，或者投保人在低费率的状态下对保险标的未采取防护措施，那么每一方最终的收益为5，从而使博弈双方的境况变得更好。在这里，(5,5)这一组合满足帕累托最优。所以，保险市场中的道德风险是一种典型的囚徒困境。
然而在信息对称的理想状态下，保险公司对于采取防护措施的投保人会采取低费率。
从博弈支付矩阵2 可以看出，(4,5)是该支付矩阵策略的纳什均衡，同时也是占优策略均衡，即保险公司制定较低的费率，投保人对保险标的采取有效的防护措施。与此同时，保险人对于疏于采取防护措施的投保人会制定高费率。
从博弈支付矩阵3 可以看出，(4,5)是该支付矩阵策略的纳什均衡，同时也是占优策略均衡，即保险公司制定较高的费率，投保人不会对保险标的采取有效的防护措施。
四、大数据如何解决保险市场中的信息不对称
(一)大数据的含义
大数据在近年来十分火热，但其具体概念是什么仍旧没有一个统一的书面表述。在过去的几十年中，数据的革命已经在各行各业派生出了各种个性化的应用，其核心是将任何人与物的状态量化和数据化，能够在数据空间被操作。如果我们从数据的角度观察世界的一切，我们就可以依托数据做出更为有效的决策。大数据的主要特征在于数量大、类型多，并且具有实效性。数据不在于准确，而在于全面。谷歌在2008 年研发的谷歌流感趋势成为了应用大数据的典型案例。人们在谷歌搜索引擎上搜索的所有内容反映了他们的即时需要，比方说当输入温度计发烧肌肉疼痛等关键词时，系统便会根据搜索结果跟踪分析流感发生的区域与时间，并将结果与美国疾病控制与预防中心的报告作对比，验证出二者之间存在强相关性。所以说，一个产业的蓬勃发展在于拥有数据资源，一个产业的未来的竞争力则在于数据思维。大数据技术，就在于专业化处理各种各样的数据，以此来获取具有价值的信息的能力。
1.大数据在降低保险市场逆向选择上的作用
保险公司利用大数据研究方法可以有效鉴别投保人或被保险人是优质的还是劣质的。保险公司在互联网上通过对数据的全程记录与分析，使得每一名客户的数据资产都被保留在了互联网上。保险公司可以利用全球主要的搜索引擎或国内外主要社交网络来分析投保人或被保险人在进行要约之前的风险状况。比方说投保人和被保险人投保健康保险，如果他经常在网上搜索关于疾病治疗的关键词，则可以通过大数据分析该投保人或被保险人可能就患有相关疾病，保险公司即可针对这种情况对该投保人或被保险人收取较高的保费来对冲逆向选择的风险。此外，保险公司可以与主要互联网科技公司合作，建立开放性的数据共享制度，来丰富保险公司的数据形态。比如说，保险公司可以利用互联网公司研发的可穿戴设备来进行数据共享。保险公司通过分析可穿戴设备记录下的投保人或被保险人的实时数据，即可掌握投保人或被保险人的个人运动健康信息。保费取决于可穿戴设备记录的心率、每日运动量和每日睡眠质量等信息。这些信息使得投保人或被保险人的质量更加透明，保险公司根据身体状况的不同制定不同的费率。
2.大数据在降低保险市场道德风险上的作用
保险公司同样可以利用大数据思维来解决道德风险问题。在传统的经济学理论中，由于信息不对称的存在，解决保险市场的道德风险的方法是风险分担，即在保险政策中要包括免赔额。保险公司并不能获取投保人或被保险人全部行动的信息，所以在每一起赔案中，保险人和被保险人约定，损失额如果在规定数额之内，被保险人将自行承担这一部分损失，保险公司不予赔付。通过使投保人或被保险人支付部分赔偿金额，保险公司就能确保消费者会采取一些提防行动使自己的损失降到最小。这是一种间接的降低市场失灵的方法。然而，大数据思维给了我们一个更为直接的解决道德风险的手段。大数据突破了传统经济学理论中信息不对称的假设，保险公司通过投保人或被保险人大体量的数据就可以分析出其诚信状况，由此便可以预测投保人或被保险人在购买保险后是否会对保险标的采取必要的保护措施，从而有利于保险公司针对不同的保险消费者制定不同的保险费率，提高保险公司的利润水平，降低保险公司的经营风险。
所以，加快传统征信向互联网征信的过渡势在必行。良好的诚信体系对保险市场的正常运行发展至关重要。传统征信是通过专业的机构定向采集财务信息和金融信息并通过固定的模型加工处理的专业化信用管理服务。一般来说，传统的征信体系仅仅局限于专业化和拥有相应征信牌照的公司经营，仅仅局限于金融数据与财务数据等小数据，并且数据获取的来源比较狭窄。目前，保险公司可进行互联网征信，利用电子商务交易平台、全球各主要搜索引擎以及各主要社交网络，通过全网海量的大数据采集，非定向地获取各种数据，从而对投保人或被保险人的信用风险进行综合评估。以车辆损失保险市场为例。车辆损失保险承保的是车辆本身因各种自然灾害、碰撞及其他意外事故所造成的损失以及施救费用。保险公司可通过分析投保人在社交网络上与朋友的互动来分析投保人的品行，预测其是否会做出在投保后是否会对保险标的进行必要的维护，或者配合小型车载远程通信设备，综合分析实际驾驶时间、地点、驾驶方式等驾驶信息来评估理赔风险。
六、结论与建议
本文通过分析保险市场中信息不对称的几种类型，以及通过数学模型讨论大数据解决保险市场信息不对称的可行性，我们认为，大数据为建立信号，从而为解决信息不对称提供了新思路，可以更好地解决保险市场信息不对称的问题，更有效地提高投保人和保险人的利益。保险公司应当积极运用大数据的思维与数据处理技术，使投保人或被保险人的风险状况更加透明。
关键词：在险值分析；土地储备资金回收；杭州市
中图分类号：F293.2 文献标识码：A 文章编号：1003-5192(2009)03-0071-04
Land Reservation Funds Retrieval Risk Prediction Based on VaR Method:A Case Study of Hangzhou
ZHANG Xiao-ming1, MA Yan-hong2, XU Bao-gen2
(1. Hangzhou Land Bank, Hangzhou 310012, China; 2. Real Estate Institute of Zhejiang University of Finance and Economics, Hangzhou 310018, China）
Abstract:This paper presents a case study of land reservation in hangzhou. The data associated with the areas, funds, loans, estate investments and GDP of last decade are compiled by regression analysis and VaR method. The results include the assessment of actual status of land reservation funds retrieval and relevant predictive values in future given different Confidence values. Conclusions drawn in this paper might be helpful on corresponding policy decision.
Key words:VaR; land reservation funds retrieval; Hangzhou
1 引言
土地在收购储备过程中，既受金融、税收等宏观调控政策的合力影响因素影响，也受本地房地产市场发展态势等因素制约，同时与该中心具体储备出让等经营要素息息有关，土地储备过程中的资金风险问题因而受到广泛关注。
在险值（Value at Risk, VaR）方法是目前国际上评价市场风险的重要方法，它以概率论为基础，运用现代统计方法，摒弃了主观判断的随意性，比传统的风险测定方法具有更好的适应性和科学性。该方法最初应用于金融领域，在房地产与土地储备等相关市场具有广阔的应用前景［1~3］。
本文基于杭州土地储备中心10年收储状况原始数据，通过对与之相关的多个指标分析考量的基础上，采用VaR（在险值）方法构建土地收储分析模型，定量分析杭州市土地储备的风险程度累积水平，为相关政策制定提供一定依据。
2 模型分析方法
2.1 VaR基本原理及方法
在风险管理的各种方法中，VaR方法最为引人瞩目。尤其是在过去的几年里，许多银行和法规制定者开始把这种方法当作全行业衡量风险的一种标准来看待。VaR按字面的解释就是“处于风险状态的价值”，即在一定置信水平和一定持有期内，某一金融工具或其组合在未来资产价格波动下所面临的最大损失额。
计算VaR的一般方法如下：设资产组合的初始价值为W，持有期末的期望收益为R，R的数学期望和标准差分别为μ和σ，在给定的置信水平c下，期末资产组合的最低值为W*=W(1+R*)，其中R*为相应的最低收益率。
Value at risk=E(W)-W*=-W(R*-μ)(1)
VaR=E(W)-W*=-W(μ+ασ-μ)=-ασW(2)
实际应用中，根据对市场因子波动性预测方法的不同，VaR的求解方法可分为方差―协方差法、历史模拟法以及本文所选用的Monte Carlo模拟法。Monte Carlo模拟法最早于1942年由研制原子弹的科学家研制并加以应用，其名称Monte Carlo来自法国南部著名的赌城。在金融市场上，Monte Carlo模拟法用来模拟确定时期不同情形下的资产组合值。Monte Carlo模拟法是计算VaR的各种方法中最为有效的方法。对于资产组合的不同分布状况以及各种非线性的情形，Monte Carlo模拟法都可以得到令人满意的结果。
张晓明，等：基于在险值分析的土地储备资金回收风险预测――以杭州市为例
Vol.28, No.3预测2009年第3期
2.2 基本计算流程
图1 VaR方法计算流程
在险值分析方法流程图1所示。其中，回归分析旨在确定选取自变量与因变量之间的函数关系，而Monte Carlo模拟法则在此基础上按照一定假设，基于选定指标的分布参数产生一系列随机数，利用回归分析得到函数关系模拟未来实际回收资金值，从而进行VaR的统计分析。
3 杭州市土地储备市场风险分析
3.1 风险因素指标选择
在土地储备工作中，与资金投入、资金回收相关的因素主要有：土地收购面积、收购单价，通过土地整理后的土地出让面积、出让单价，年末库存面积、杭州市房地产开发对土地的需求等。根据土地储备中心近10年相关数据，选取了与土地回收资金相关的土地收储、出让和库存面积及投入、贷出资金等直接指标进行分析，同时兼顾与之紧密相关的杭州市房地产开发投资及GDP等间接指标的影响。在前期对所有可能数据的分析考量基础之上，最终选取了7项影响较大的指标。10年原始数据（1997~2006年）及各风险因素指标如表1所示。其中考察对象Y为实际回收资金，5个风险因素分别为：X1 收购储备面积；X2 出让面积；X3年末库存面积；X4 实际投入资金；X5 年末贷款余额；X6 杭州市房地产开发投资；X7 杭州市GDP。
表1 杭州市土地储备资金回收风险影响因素及其状态值 （1997~2006）
名称风险因素Xi考察对象Y
X1（亩）X2（亩）X3（亩）X4（百万元）X5（百万元）
X6（百万元）X7（百万元）Y
（百万元）
1997207.1126.5023.2505727103632.9920.03
1998707.4492.3150.3159.82786662113488.9998.15
19992193.3801.21596.3486.561808484122527.95283.45
20002252.1835.22967.71809.0994510153138256.16890.48
20014486.2892.95588.72606.67207514091156801.381574.33
20021399.61487.24893.63891.63143019825178183.023498.69
20034321.22594.33591.83525.68100025885209977.443145.17
20047218.82275.727655158.72126035760254317.964369.53
20055023.5263736273947.16150541060294265.193722.31
20064193367139365242.592035415303440994663.15
3.2 回归分析
土地收购储备面积与各风险因素的关系可以表达为
Y=f (X1,X2,X3,X4,X5,X6,X7)
其中风险因素为自变量Xi（i=1,2,3,4,5,6,7），考察对象为因变量Y 。选用SPSS软件对表1中数据进行回归分析，所得回归方程如下
Y=833.06694-0.16206X1+0.27648X2-
0.05718X3+0.78943X4+0.08410X5+
0.09782X6-0.01364X7
归分析计算结果表明，因变量与自变量间的相关系数R=0.998447， F值= 91.78265，显著性水平p=0.01082＜p=0.05（0.05为设定值），求解符合要求。R值越接近1表明拟合程度越高。回归曲线所得拟合值如图2中所示。
图2 回归拟合值
3.3 通径分析
本例中除采用回归分析外，还利用DPS软件进行了通径分析，用以考察因变量和自变量之间的因果关系。通径分析就是应用通径系数分析方法，将相关系数分解为直接作用系数和间接作用系数，以解释各个因素对因变量的相对重要性，使多变量资料的统计分析更为合理。通径分析与回归分析
比较结果如表2。
从表2可看出，二者影响程度排序基本一致。相关分析中影响程度排序由大至小依次为X4、X6、X7、X2、X5、X1、X3，通径分析中则更为X4、X6、X7、X1、X2、X3、X5，其中X5的次序发生了明显改变，对此影响程度不一可作如下解释：X5虽本身对因变量Y的直接影响程度不大，但其作用于X4间接影响于因变量Y程度较大。相关分析中X5表现出的较强正相关性，实际上掩盖了其本身直接影响程度不大的现实。
同时，从比较结果表2我们可以看出，相关分析由于包含了间接影响在内，导致诸多因素的影响程度相差不多，大都表现为正向关，而在通径分析中存在负相关（如 X1、X3、X7）且各因子对因变量Y的影响程度相差较大。其中以风险因素X4影响程度最大，其次为X6，X7，再次为 X1，X2，最末为X3，X5。由此可见，分析结合有助于我们清楚了解各指标之间的作用程度。
表2 杭州市土地储备资金回收与风险影响因素两种分析系数结果比较
名称X1X2X3X4X5X6X7相关分析系数0.732510.91320.631110.985130.751760.939280.91382
通径分析系数-0.193620.17266-0.057520.84990.034770.75589-0.60848
3.4 Monte Carlo仿真
假定风险影响因子增长率服从正态分布，根据近10年的统计数据获取增长率均值和标准差等相应的分布参数（表3），利用Malab随机函数RANDN()产生符合均值为0、标准差为1的1000组随机数，根据μ+σ•RANDN()公式得到市场风险因子增长率的随机数据，再按照回归方程
Y= 833.06694-0.16206X1+0.27648X2-
0.05718X3+0.78943X4+0.08410X5+
0.09782X6-0.01364X7
计算Y值（实际回收资金），从而获得其频数分布，如图3所示。
表3 杭州市土地储备资金回收风险影响因素历年增长率分布参数
变量2006年绝对值增长率均值增长率标准差
X141930.3740.949
X236710.2790.330
X339360.2170.489
X45242.590.5880.983
X520350.8061.600
X6415300.2630.149
X73440990.1590.030
图3 Y频数分布
3.5 VaR计算及结果
对仿真得到的1000个实际回收资金数据按升序进行排列，选取关键数据按照风险累积水平列于表4，从表4中可以看出，在95%置信度下，2007年实际回收资金超过436.5500749的概率为95%；在90%置信度下，其实际回收资金会超过2250.625541的概率为90%；在80%置信度下，2007年实际回收资金超过4199.630783的概率为80%；在70%置信度下，2007年实际回收资金超过5524.27407的概率为70%。其余同理可得。
从VaR值来看，与2006年实际回收资金4663.15相比，置信度95%、90%、80%下VaR值依次为-4226.600、-2412.524、-463.519，这些数据表明2007年土地收储中心实际回收资金数额，其损失值小于4226.600、2412.524、463.519的概率分别为95%、90%、80%。而从VaR与2006年的比率来看，其值分别为-90.64%、-51.74%、-9.94%，说明土地收储市场实际回收资金风险累积程度较高。
表4 杭州市土地储备资金回收与风险影响因素的VaR值序号置信度 (%)Y（百万元）VaRVaR与2006年比率（%）
1/-6864.463832-11527.614-247.21
1090-2230.985735-6894.136-147.84
5095436.5500749-4226.600-90.64
100902250.625541-2412.524-51.74
200804199.630783-463.519-9.94
300705524.27407861.12418.47
400606604.8546971941.70541.64
500507604.9727722941.82363.09
600408730.2583444067.10887.22
700309709.3537975046.204108.21
8002010959.285866296.136135.02
9001012737.038588073.889173.14
1000/21786.6430917123.493367.21
4 杭州市土地储备资金回收额预测结果与市场风险的基本评判
（1）相关分析和通径分析结果均表明风险因子X4（实际投入资金）、X6（杭州市房地产开发投资额）和X7（杭州市GDP）对土地储备影响显著，判定基本符合实际。这点我们可从以下数据中略见端倪：杭州市房地产累计投资额占全社会固定资产投资的比重从2000年的19.70%跃升到2006年的30.29%，房地产业增加值占第三产业比重由5.69%（2000年）提高到12.78%（2005年），房地产业带动关联产业发展，在第三产业逐渐上升为主导地位产业。在杭州市目前的发展阶段上，房地产业的主导地位和作用是毋庸置疑的。
（2）Monte Carlo仿真给出了一定置信度下的Y值和VaR值，置信度越低，操作时的风险度越高。从与2006年实际回收资金的比率结果数据来看，在置信度95%、90%、80%下的比率依次为-90.64%、-51.74%、-9.94%，这些均表明土地收储潜在波动形性较大，市场较不稳定。
5 结论与问题讨论
文中采用方法除Monte Carlo仿真需使用编程外，其余如相关分析、通径分析等均采用常见软件计算，方法便于推广使用。但还存在如下问题或不足：(1)该方法选用参数基于土地储备中心过去10年数据，直接从现有数据出发对土地储备分布特征进行设定，采用的是参考指标年增长率符合正态分布假设，该假设在很多实例中表现较好，但与土地储备实际状态是否完全吻合仍有待进一步考证。鉴于土地储备风险本身本质上属于不确定范畴，受宏观调控、房地产市场发展态势等因素制约明显，因而在历史数据比较缺乏的情况下，若多借助专家智慧、审慎调整相关数据作为设定分布的基础将更好。(2)从整个分析过程来看，指标体系的建立、风险因素选择非常关键。文中选用杭州市土地储备面积、出让面积、年末库存面积、实际投入资金、年末贷款余额、杭州市房地产开发投资、杭州市GDP等7个指标作为风险因素，如果加大指标选择范围构建出全面的指标选取体系，同时增大原始数据覆盖量，所得结果将更加切合实际。(3)文中分析得出结果偏于保守。2006年我国房地产市场进入了自2002年以来持续5年的繁荣期周期内的第二轮调控，国家通过金融、税收、调整土地供应和住房供应结构等政策“组合拳”，直接综合作用于房地产市场的多方面。在国家宏观调控的背景下，杭州房地产投资增幅回落、信贷增速放缓，土地市场运行趋缓，竞争气氛趋淡，出现观望局面。但从长远来看，由于居民对住宅的需求比较旺盛，继而对土地的引致需求也将逐步增加，土地市场上的观望气氛将打破。截至2007年7月份，杭州房地产市场反馈明显，表现出强硬的上升态势。随着2007年杭州市政府供地策略调整、土地储备中心国家投资资金到位、工业用地也纳入储备范围等一系列因素影响，杭州市土地储备都将呈现明显扩大趋势，因而根据以上方法所得出的结论将偏于保守，决策参考时需考虑这方面影响，可根据实际情况选用风险度较高的预测数据。
参考文献：
［1］张贤云.VaR模型与我国的金融风险管理［J］.南京财经大学学报，2004,(5)：41-43.
1.MMDSS在CIMS中的地位和作用
由于市场的不确定性，仅仅依赖现有的快速响应体系是不充分的，为解决决策滞后问题，必须重视市场营销环节。虽然ERP中包括了销售管理模块(合同管理、客户档案管理、应收帐款管理等)和采购管理模块(供应商档案管理、采购订单的生成与管理等），但缺少营销管理与决策支持功能。为此，本文提出了完整的市场营销管理与决策支持解决方案，包括对各种市场信息的收集与管理、营销决策支持工具、营销风险评价与预警等。只有具备这些功能，企业的各项先进的设计制造技术才能真正面对市场需求发挥作用。
1.1 MMDSS是企业集成化管理与决策支持系统的重要组成部分
图1是企业集成化管理与决策支持系统（IntegratedManagement&DecisionSupportedSystem，IMDSS)的一个构成方案。该系统由企业资源计划、市场营销管理与决策、执行信息系统（EIS)、电子商务(EC)和办公自动化（0A)五部分构成。企业内部管理功能，如计划管理、车间任务与作业管理、库存管理、质量管理、人力资源管理、设备管理等，由ERP实现;MMDSS提供与市场环境有关的功能，如市场调研、营销情报、价格管理、促销管理、分销渠道管理、营销风险评价与预警等;销售管理和采购管理可根据企业具体情况在ERP或MMDSS中实施，但必须注意实现二者的无缝集成。电子商务实现网上交易和支付，作为MMDSS的组成部分或单独的子系统，旨在改善企业与客户关系的客户关系管理(CRM)，应该是MMDSS的重要组成部分，企业可根据行业和自身特点实施其中的部分(如呼叫中心、客户服务与支持、分等级服务管理等）或全部功能。在ERP和MMDSS之上建立执行信息系统，利用数据仓库和OLAP实现企业综合指标的多维查询和统计，帮助企业高层领导快速有效地做出正确的战略决策。
1.2 MMDSS在CIMS中的地位和作用
MMDSS通过收集、整理、存储、分析处理各种市场信息，在选择价值(产品研发和价值定位）、提供价值(计划与控制、产品制造）和沟通价值（销售）三个阶段，为企业的经营决策提供各种市场信息。可以说，MMDSS是CIMS系统与企业外部环境联系的纽带，它把CIMS从制造领域和管理领域扩展到了经营领域(如图2)。
2.MMDSS的组成
MMDSS的功能可分为数据收集层、管理层、决策层三个层次(如图3)。市场调研分系统和市场营销情报分系统属于数据收集层，负责收集顾客、竞争对手、供应商、公众、经济技术环境等方面的信息并加以分析处理。市场营销管理分系统属于管理层，用于营销数据管理，它是一个面向营销管理人员的报告系统，可针对不同的信息需求，为管理人员提供营销数据的综合分析、查询、统计、打印等服务。营销风险评价与预警分系统和营销决策支持分系统建立在数据收集层和管理层之上，属于决策层，可利用多种决策工具提供更深层次的营销决策辅助信息。
2.1 市场调研分系统
市场调研是了解外部环境，特别是了解顾客和潜在顾客需求的有效工具，根据营销管理者设计的调研方案，包括调研方法、样本选择方法等，进行原始数据的收集，经确认并整理后，由人工或自动输入“原始数据收集”模块，“调研数据分析与处理”模块提供各种统计分析方法，如假设检验、相关分析、回归分析、因子分析等，对原始数据进行分析处理，解释所搜集的大量数据并得出结论。该分系统还包括调研问卷的计算机辅助设计和生成功能。
2.2 市场营销情报分系统
主要帮助营销管理者收集和分析竞争对手和供应商的信息，以提高自身的竞争效率和效益。营销情报分系统又分为“营销情报收集”模块和“营销情报分析与处理”模块。“营销情报收集”模块从企业外部数据源和内部数据源获取与营销有关的市场信息、竞争者信息、供应商信息及环境信息等；收集的信息经“营销情报分析与处理”模块所提供的各种统计方法和模型进行有序化、系统化和层次化后，成为真正有用的情报。利用这些情报，营销管理者就能够洞察商业关系的变化,预测对手的策略，发现新的和潜在的竞争对手。
2.3 市场营销管理分系统
市场营销管理分系统用于管理各种营销信息，包括客户信息、价格信息、渠道信息、竞争对手信息、供应商信息，以及营销风险事故和损失信息等，并根据业务主题将基础数据库中的数据进行归类后集成到数据仓库中，组成面向全局的数据视图，用于面向全局的查询、统计和报告等服务。
2.4 市场营销决策支持分系统
利用联机分析处理、模拟分析、专家系统等定性和定量的分析与决策工具，辅助营销决策者进行产品决策、价格决策、促销决策和分销渠道决策，以及针对特定目标市场，提出各种营销策略的综合决策。
2.5市场营销风险评价与预警分系统
客观地讲，要完全消除决策的滞后性是极为困难的，但是可以通过营销管理与决策支持系统中的市场调研分系统、营销情报分系统和营销风险评价
与预警分系统尽可能地缩小。营销风险评价与预警分系统，根据市场调研分系统和营销情报分系统收集到的信息，通过风险识别和衡量，发现企业营销活动中存在的风险因素，并对损失发生的概率和幅度加以估计和预测。营销风险评价与预警分系统包括营销风险的评价、监视报告和预警分析三部分。
营销风险评价指标体系是风险管理与预警的基础，营销管理人员对宏观因素，如经济政策调整、物价上涨、基础产业产品大幅度波动等等，应及时洞察并采取相应对策。MMDSS主要依据微观因素指标进行风险的评价和预警。系统将营销风险分为竞争风险、顾客风险、供应商风险、产品风险、营销人员风险等六大类，每一类又分为客观指标和主观指标，如对顾客风险，客观指标有合同履约率、顾客投诉率、赊销比率、应收帐款周转率、新顾客增长率等，主观指标有价格敏感度、顾客心理占有率、顾客情感占有率、顾客忠诚度等。其中主观指标利用模糊评判确定，客观指标通过精确值计算，并进行归一化处理后获得。风险评价采用A-FA综合评价法[4]，最后根据评价结果，确定相应风险等级:优良、正常、低度风险、高度风险、危机。
营销风险监视报告根据风险评价的结果，选出所有风险中较为严重的，列入监控范围，定期进行检查，跟踪其类别变化（可预见、已知）和严重程度变化。风险预警除了对上述风险指标体系中超出临界点的指标加以警示外，还提供多种方法帮助企业捕捉危机先兆，如利用损益分界点法发现产品的危机征兆。风险的预警可以基于实时数据、基于连续跟踪的动态变化数据，也可以综合考虑实时和动态变化数据。在方法上，可以选择简单的S综合指标法，也可以选择基于知识的方法。
3.MMDSS系统结构
营销决策过程需要大量的信息，包括反映;企业内部竞争能力的信息和反映宏观、微观环1境的分析信息，营销环节的特点决定了它们是汇总的而非细节化的数据。因此，我们利用数据仓库(DW)把原始操作数据和来自外部的数据汇集整理成数据库群,存储成集成的、面向全企业范围的统一营销数据。在数据仓库的支持IS下，开发面向企业管理者与决策者的市场营销管理与决策支持系统。MMDSS系统结构可分为四个层次(如图4所示）。
(1) 支撑层它是营销管理与决策的基础。根据营销决策的需求特点，利用已有各子系统数据库资源，结合外部数据资源，建立营销数据仓库。可见，支撑层是由各专业应用数据库、公共数据库、数据仓库、模型库、方法库和知识库组成。
(2) 数据库管理层对支撑层的各类数据库、知识库等进行集成管理和维护，包括实现各种信息查询、浏览，以及与决策工具层接口的组件。
(3) 决策工具层为营销决策提供技术支持和工具，它包括OLAP、模拟分析和专家系统三个模块。OLAP以数据仓库中的数据为基础，通过使用多维分析方法对数据进行分析和比较,使营销决策人员可以从多视角、多层面对数据进行分析和处理。模拟分析可以对市场在不同的营销策略组合下的运行情况进行模拟，从而为企业决策者选择营销组合提供依据。专家系统根据知识库中的知识，通过正向、反向推理辅助决策分析，得出决策方案。
(4) 决策层根据提交给系统的决策问题描述，通过决策分析模块利用决策工具进行分析和处理，并基于专家知识和经验及历史诊断信息，给出决策方案，供企业营销决策人员参考。
由于营销决策多属于非结构化、半结构化决策，对专家知识和经验的依赖性较高，故特别设计知识获取模块，以便从相关专家那里获得知识和经验，从成果数据中获取有价值的参考信息。同时利用数据挖掘工具，通过选定的挖掘算法完成特定的数据挖掘任务，用于发现隐藏在数据中的知识，OLAP和数据挖掘得到的新知识将被补充到知识库中。对特定的、具有代表性的营销决策案例给出分析过程、方法和结果，存储在知识库中，供决策分析过程参考。
4.决策支持功能集成
MMDSS主要面向企业局域网内营销管理和决策人员，可提供营销战略、营销策略和运行管理等不同层次的信息和决策支持。其决策过程如图5所示。用户通过“决策问题综合交互系统”提交问题描述，利用OLAP、模拟分析和专家系统等决策工具，调用所需的知识、模型和方法，对数据库和数据仓库中的数据进行分析处理，得到产品/价格/渠道/促销及营销组合决策，并以分析图表、报告或数据文本等形式输出，供企业决策人员参考。具体功能包括：
(1) 市场营销战略通过人机交互方式，利用综合评分法，进行企业竞争实力分析;根据市场调研分系统和营销情报分系统提供的信息，分析市场趋势和企业现状，以及产品的生命周期，确定市场开发、产品定位目标和实现措施;应用层次分析法细分产品市场，通过分析本企业在各细分市场上的优势、劣势、机会和威胁，确定本企业的目标市场。
(2) 市场分析与预测利用数据挖掘技术进行消费者市场购买行为分析、竞争对手分析;利用需求弹性模型，进行产品的市场需求量和价格变化趋势的预测和分析。
(3) 产品决策根据产品销售量的变化趋势及产品在不同市场生命周期阶段的特征等因素，分析现有产品所处的生命周期阶段，辅助决策人员确定产品线、产品项目的组合方式;根据市场导向确定新产品的开发策略。
(4) 价格决策针对不同的产品组合方式，选择定价目标和定价方法。
(5) 分销渠道决策进行分销渠道选择，经销商档案维护和业绩评价。经销商档案维护和业绩评价主要是对经销商的各种信息进行分类管理，评价和管理经销商的经销业绩,作为建立激励机制的依据。
(6) 促销决策选择促销方式和投入;分析和评价广告投入方式等对销售量和收入的影响；跟踪品牌商品的销售量、销售收入的市场占有率的变化趋势。
(7) 综合决策与营销计划利用模拟分析方法，模拟市场在不同的营销策略组合下的运行情况，确定市场营销组合，制定为实现营销目标而采取的详细营销方案。
5.结束语
[关键词]缺口分析；久期分析；VaR方法
[DOI]1013939/jcnkizgsc201637080
在金融竞争不断加剧，市场风云变幻莫测的今天，商业银行时刻面临着市场风险的挑战，试问商业银行如何能在市场风险的惊涛巨浪中引领未来，笑傲江湖？ 毫无疑问，金融管理者应当掌握先进的市场风险管理工具，科学运用工具管理风险，才能在前进中把握好方向，在发展中掌握好平衡，以期获取成功。为此，有必要全面、客观、准确地认识市场风险管理工具，此为本文重点所在。
1市场风险管理的背景
从国际角度看，1988年《巴塞尔资本协议》偏重信用风险忽视市场风险，以致市场风险缺乏管理。20世纪90年代巴林银行、大和银行等国际银行倒闭事件的发生凸显了忽视市场风险的重大恶果，于是催生了1996年新的《资本协议》。在1996年的《资本协议》中，提出了两种计量市场风险的方法：标准法和内部模型法。对市场风险管理提高到一个新的重要地位，2001年了BASEL草案，将市场风险和操作风险、信用风险置于同一高度，可见其重视程度。
从国内角度看，市场风险也对金融市场产生越来越大的影响。从1996年利率市场化改革以来，利率的变化幅度大大增加。而在2005年央行也放松了对汇率弹性的限制，实行有管理的浮动汇率制。这两种措施都增大了商业银行面临的市场风险，市场风险管理的重要性日益凸显。2004年银监会《商业银行市场风险管理指引》，对市场风险管理的程序及政策都做出了规定。
那么，对中国来说，市场风险具体体现为什么呢？依照其表述，“市场风险是指因市场价格――利率，汇率，股票价格，商品价格等的不利变化而发生的损失的风险。”因此，市场风险可以分为利率风险，汇率风险，股票价格风险，商品价格风险四种。
2市场风险管理计量工具介绍
有效地管理市场风险，应当遵循识别、计量、监测、控制的流程。而市场风险影响因素众多，涉及各种宏观因素，经济指标，具有复杂性、隐蔽性。因此计量对于它来说尤其重要，其计量工具主要包括缺口分析、久期分析、外汇敞口分析、敏感性分析、情景分析及风险价值计量法等。以下重点对缺口分析、久期分析及风险价值计量法展开介绍。
21缺口分析
缺口分析是衡量利率变动对银行当期收益影响的方法。其优点是简便易懂。其原理是：将银行所有的生息资产和付息负债按照重新定价的期限划分，在每个划分的期限内，将利率敏感性资产减去利率敏感性负债，再加上表外业务头寸，得出该段期限的重新定价“缺口”，该缺口乘以假定的利率变动即可得出利率变动对净利息收入的影响。即可以表示如下：
利率敏感性缺口（Gap）=利率敏感性资产-利率敏感性负债
净利息收入变动（ΔN）=利率敏感性缺口（Gap）×利率变动（Δr）
缺口分析作为一种静态的分析方法，存在的缺陷有没有考虑基准风险，不能处理衍生工具，不能全面分析整个资产负债期限结构对利率的敏感性等。
22久期分析
久期分析也称作持续期分析，是衡量利率变动对商业银行价值影响的一种方法，相比缺口分析更为先进。其原理是：对各个时段的缺口赋予权重，通过加权平均，获得小幅利率变动对银行整体经济价值产生的影响。久期分析从更大范围研究了利率对银行价值的影响，因为市场利率变动不仅对敏感性资产和负债产生影响，也对非敏感性的资产、负债的价值产生影响，久期分析把对非敏感性的资产、负债涵盖下来，有助于实现对股东权益价值的风险管理。
久期被定义为商业银行资产或负债以现值的形式回收期价值所需的时间。其公式为：
D=nt=1t×Ct（1+r）tP0=nt=1t×Ct（1+r）tnt=1Ct（1+r）t
其中，D为久期，Ct代表金融工具第t期的现金流量，P0为金融工具现值，t表示金融工具发生至今的时间，r为市场利率，n表示金融工具发生现金流的次数。
P0为金融工具现值，为了研究P0变动幅度与利率的关系，对P0取r的微分并除以P0，可得：
d[P0]r=nt=1-Ctt（1+r）t-1（1+r）2t×Δr=-nt=1Ctt（1+r）t+1×Δr=-D×P0（1+r）×Δr
因此
d[P0]rP0=-DΔr（1+r）（1）
由此式可以知道商业银行的资产和负债与久期数值大小正相关，久期值越大，资产负债的价格对利率变动越敏感。
接着，久期缺口Dgap的公式为：
Dgap=DZ-FZ×DF
其中DZ表示资产平均久期，DF表示负债平均久期，F表示总负债，Z表示总资产，FZ称作负债资产系数，该式表明，久期缺口为资产平均久期减去按负债资产系数调整后的负债平均久期。
根据“资产=负债+所有者权益”，又可得：
Z=F+Q
F，Z，Q分别代表负债，资产，所有者权益的市场价值，根据式（1）可得
ΔQ=ΔZ-ΔF=DZ×Δr1+r-（DF×Δr1+r）
因此ΔQZ=-DZ×Δr1+r-（-DF×Δr1+r）Z=-（DZ-FZ）Δr1+r
即ΔQZ=-Δr1+rDgap
降23风险价值（VaR）方法
VaR方法指在一定的置信水平下，一种金融资产受到正常市场波动而可能发生的最大损失。可以表示如下：
P（lost>VaR）=1-a
其中置信度为1-a，如果持续期为一天，置信水平为95%，银行的VaR价值为10万元，意味着银行在一天内发生的损失大于10万元的最大概率不超过1%。风险价值通过定量模型估算出来，而估算风险价值模型技术包括方差-协方差法，历史模拟法及蒙特卡洛法。
VaR方法超越了传统计量方法的局限，成为业界和监管部门计量监控的主要手段。其具有优点：一是结果简明，容易掌握；二是量化显示，反映清晰；三是计算简便，不失科学。
其计算原理如下：假设商业银行某一项资产期初价值为P0，持有期收益率为R，R的期望及方差分别为μ及ρ2，所以该项资产在持有期时间内期望价值为P=P0（1+μ）。假设R遵循正态分布，在给定置信度水平下，就可以推知R的最小值R*，所以该资产在未来限定时间内最小价值P*=P0（1+R），则风险价值为：
其中b代表置信度为a的情况下正态分布曲线上的分位点，在这个点上曲线取得最小值，代表了资产可能达到的最低的收益率。该分位点可以通过查正态分布表获得。
3市场风险管理计量工具的应用分析
为了更清晰地展现三种方法的分析效果，以下将构造三个案例来展示如何应用这三种工具。
31缺口分析应用
搜集了8家大型上市银行2000―2013年的财务数据，包括中国银行，中国建设银行，中国工商银行，中国农业银行，兴业银行，交通银行，浦发银行及平安银行。因为其内部具体的敏感性资产难以准确获得，而本文仅展现缺口分析的一般分析过程，因此权且以一般贷款作为银行的利率敏感性资产，以一般活期存款作为利率敏感性负债。根据8家银行的年度数据对敏感性资产和负债取平均数再相减，计算得出8家银行的平均敏感性缺口，同时查询年度利率变动表，得出利率变动值，可计算出数值。由上表可知，在2000―2012年中，以上8家银行均普遍存在利率敏感性负缺口，利率的正向变动将会促使银行净利息收入下降。无论银行存在正缺口还是负缺口，缺口绝对值越大意味着利率风险越大，因此，银行应当尽力缩小利率缺口的数值。由表3可知，研究对象8家银行的利率缺口均值2000―2008年中有上升趋势，并于2008年达到绝对值最高（186）。而2009―2012年利率敏感性缺口有缩小下降的趋势，表明了银行业控制利率缺口能力的提升，也意味着市场风险管理能力的提高。
32久期分析应用
因为久期分析涉及到银行各项资产负债，数据难以获得，因此做出假设以供分析。假设一家银行仅有三类资产：现金120亿元，收益率12%，最终偿还期为5年的贷款760亿元，收益率10%，最终偿还期为8年的国库券300亿元。商业银行的负债由年利率4%的1年期定期存款600亿元，和年利率为5%最终偿还期为5年的大额存单300亿元构成，该银行股本占总资产237%，为280亿元。假设利息按年支付，库存现金不产生利息收入，可得久期分析见表4。
该银行久期缺口为：33VaR方法应用
商业银行面临着各种投资机会，如何在众多投资机会中识别其中蕴含的风险，VaR是一个有效、可操作性强的方法。可以举出以下例子来说明其应用。假设商业银行拥有500万元的投资资金投资股票深发展（000001），求99%的置信水平下一天的VaR（风险价值）为多少？
采用静态参数法估计数据的均值和方差，选取深发展股票（000001）2013年1月4日到2013年6月4日股票收盘价共98个样本，计算其简单收益率R=（Pt-Pt-1）/Pt-1，得出其收益率分布如下图所示。
由上图可知在这研究期间该分布接近正态分布，因此可以依照VaR的估计方法来估计其最大可能损失，根据其结果可知收益率标准差为003439，查询正态分布表可知置信水平99%下对应正态分布曲线上的上b分点是233，根据VaR的计算公式可以算出接下来一天（即6月5日）最大可能损失为：
因此银行可以通过VaR计算最大风险，从而来评估、辨别、选择其经营的投资产品。
当然，真正建立模型预测的时候需要的样本数据远远超出本例，而且金融数据的分布远远没有正态分布那么理想化，所以VaR实际应用其实比以上简单分析复杂许多，但是本文仅介绍VaR分析方法的最简单原理，因此不再深究。
综上，本文对市场风险管理工具的原理及应用做了简单的介绍，以期读者对其有一个较为清晰的认识。掌握好市场风险计量工具是实现从感性认识风险到理性认知风险的转变，是实现从被动适应风险到主动管理风险的转变，是提高风险管理水平的关键，也是商业银行发展的时代要求。为此，银行从业者不仅要从原理深刻理解，更应当付诸实际，在应用中掌握、提高。
参考文献：
[1]严超喜，程希骏商业银行缺口分析与管理研究[J].财政与金融，2002（3）
[2]张剑光，刘江涛我国商业银行市场风险计量及波动性研究[J].理论园地，2009（9）
[关键词]创业板；上市公司；系统性风险
[DOI]1013939/jcnkizgsc201716050
1引言
11研究背景及意义
股市作为经济发展的晴雨表，其价格波动情况在一定程度上预示着经济发展的景气程度。2007年8月份美国的次贷危机席卷全球，波及全球经济发展，加速了全球经济的下滑和萧条。在全球一体化的进程中，中国经济也受到一定程度的影响。对于中国股市而言，2015年确实是不平凡的一年，上半年表现为疯牛状态，下半年呈现出暴跌状态。从千股涨停到千股跌停，这种股市的大幅震荡，对金融市场造成了较大的系统性金融风险。
β系数是衡量系统性风险的重要依据，β系数取值的大小反映了个股对市场变化的敏感程度。一般地，如果某只股票的β>1说明该股票的波动大于市场的波动幅度，如果0
12文献综述
在系统性风险的测度中，大部分学者采用β系数来度量。耿庆峰、宋秀峰、许莲凤（2016）以上海证券交易所上市的21家福建公司为研究对象，分别基于季度、月度和日度数据，计算跨期的区域上市公司β系数。研究发现，季度和月度β系数标准差较小，且具有一定的稳定性，证实系统性风险可衡量。吴可（1999）运用资本资产定价模型对沪市400余只股票（基金）测算了β系数，并对投资风险敏感度进行了划分，提出了基于系数风险域的投资组合策略。宋宝（2013）对山西主板上市公司的风险进行预测，计算β系数对风险作出度量。
2方法介绍
资本资产定价模型最早由威廉・夏普根据马科维茨投资组合理论提出，该模型的提出为金融市场收益结构分析提供了重要的理论依据。根据资本资产定价模型，对股票这一有价证券进行研究可得：
E（ri）=rf+βi（rm-ff）（1）
其中，E（ri）表示单只股票的期望收益率，rm表示市场平均收益率，rf表示市场无风险收益率。
将原模型转化成单指数模型，即为：
ri=α+βirm+μi（2）
式2表示，个股收益率与市场平均收益率之间存在线性回归关系。根据式2估计得到的样本回归方程在二维坐标平面上对应着一条样本回归线，也即证券市场线。
3实证分析
选取创业板的13家山东省上市公司以及创业板指数，通过Eviews 80软件进行回归分析，从而得到个股β的系数估计值。考虑到样本容量的要求及上市公司本身上市时间的不同，搜集2011年6月29日到2017年3月31日的每日收盘价数据计算日收益率、月度收益率、季度收益率，利用最小二乘法分别回归得到13家山东创业板上市公司的β系数估计值。
利用日度稻菁扑愕纳蕉13家创业板上市公司系数均值是03152；利用月度数据计算的系数均值是02858；利用季度数据计算的系数均值是02947。日度数据计算的系数稍大于月度数据和季度数据，而月度数据计算的系数与季度数据相差不大。由于受样本容量等因素的影响，在月度数据系数中，华仁药业所对应的系数00148未通过显著性检验；在季度数据系数中，华仁药业、东软载波、正海磁材所对用的系数均未通过显著性检验。
参照吴可对上海证券交易所400余只股票（基金）β值的划分标准，0≤β≤05属于风险迟钝区域。山东省13家创业板上市公司的β系数均落入风险迟钝区域，表示这13家上市公司与创业板指呈正相关关系，但风险反映迟钝。截至2016年第三季度，这13家上市的平均净资产收益率是655%，业绩一般。其中有两家上市公司的净资产收益率为负，即精准信息的净资产收益率为-157%，龙源技术的净资产收益率为-263%，业绩很差。
β系数的大小也反映了个股系统性风险的大小，表1中显示的13家山东创业板上市公司β系数均在0～05，说明这13家上市公司的系统性风险均较小，比较稳定。
4结论
文章选股的山东创业板上市公司不同时间跨度下的系数波动较小，具有一定的稳定性，对于投资者有一定的参考价值。创业板上市的13家山东省上市公司风险与创业板指同向变化，13家上市公司的个股波动幅度小于市场波动幅度。同时，这13家山东创业板上市公司的系统性风险均较小，股价波动性幅度小，比较稳定。
参考文献：
[1]耿庆峰，宋秀峰，许莲凤次贷危机以来福建省上市公司系统性风险实证研究[J].福建江夏学院学报，2016，6（5）：21-29.
[2]吴可沪市β―风险域分析及其投资组合策略[J].华中理工大学学报：哲学社会科学版，1999，27（5）：1-5.
关键词 浦发银行 收益率 β系数
随着中国证券市场的日益成熟，越来越多的中国学者开始研究资本资产定价模型（CAPM）理论。CAPM主要研究证券市场中风险资产与资产的预期收益率之间的关系。它的核心在于：在资本市场上，通过投资多元化可以消除非系统风险，也就是说，在理想的多元化投资状况下，只有无法分散的系统风险能够影响期望收益。而该模型的重要参数是β系数。β系数反映了资产价格对市场价格平均水平的敏感度，掌握了它，也就基本可以掌握这个经典模型从而为投资决策服务。本文对浦发银行证券的收益率与市场收益率的相关关系进行实证分析，得出β系数，最终推测浦发银行收益率对整体股票大盘波动的敏感性。
一、β系数定义
β系数是由夏普提出的一个风险衡量指标，它是度量证券或证券组合的价格变动与市场上所有证券平均价格变动之间相关关系的指标，反映了资产价格对市场价格平均水平的敏感度，并被公认为衡量单个证券或证券投资组合的系统风险主要参数，又称“系统性风险系数”。
二、关于浦发银行β系数的实证研究
（一）数据收集与研究方法
本文选择上交所上市的浦发银行为研究对象，选择上证综合指数作为市场组合，收益率采用考虑红利再投资的月交易数据计算，选取了浦发银行（600000）2008年5月至2013年5月的月度收盘价、月个股回报率及上证指数月市场回报率。所有交易数据都来自国泰安CSMAR数据库。为了衡量浦发银行证券的系统风险，本文以整个市场作为参照，采用最小二乘回归分析法将浦发银行证券的收益率与市场平均收益率两组数据进行比较分析，同时对回归方程及模型中的各参数分别进行White检验和DW检验。
（二）模型建立
根据证券特征线的概念，建立模型：Ki=Kf+βi・KM。其中，Ki表示单个证券的实际收益率，KM表示市场组合的实际收益率，Kf表示无风险收益率。由此可见，要测算单个证券的实际收益率，需要测算β系数。
（三）计量经济分析
基于上述模型与数据，运用E-views3.1软件对时间序列进行分析，定义Y为Ki，即单个证券的实际收益率，X为KM，即市场组合的实际收益率。运用OLS估计法对以上数据进行估计，结果如下：
计算结果显示浦发银行的β值为0.867290，标准差很小，t值很大，相应的P值为零，表明在0.05的显著性水平下通过了检验，解释变量和被解释变量有显著的线性关系，可建立回归模型，得到样本的回归方程：
Y=0.002540+0.867290*X
（四）模型检验
由于解释变量唯一，故此模型中没有多重共线现象。用White检验是否存在异方差，有关结果显示：nR2=1.963427，在α=0.05下，小于x20.1x20.05（2）=5.9915，所以接受原假设，表明不存在异方差。进一步使用DW检验，由表1可知DW=2.018078，由DW表可知，在显著性水平α=0.05 α=0.05，n=60，k=2时，du=1.625，4-du=2.348，du
综上，浦发银行样本的回归方程为：
Y=-0.002540+0.867290*X，β值为0.867290。
【关键词】KMV 风险管理
信用风险管理作为全面风险管理的最重要的内容之一，一直是信用资产的买卖双方最关心的问题，而作为风险管理的核心-风险度量，我们应该更加重视其在我国的投资管理中的价值。如何对信用风险进行及时、有效、全面和系统地进行度量，选取怎么样的模型，是先当今风险度量的最重要的问题。
一、KMV模型概述
（一）模型推导
KMV模型的设定思路是将权益视为投资人对投资对象公司的出售的对公司价值的看跌期权，标的是公司的资产，执行价格是公司的债务价值，选择权表现为违约或是不违约，则可以得出：
■■
这样的公司股权价值波动性σa与公司资产价值波动性σa间存在理论上的关系：
■
在公式中余下两个未知数：资产市场价值A及其波动性σa。将两个等式联立，通过matlab迭代计算，可求出两个未知数。
之后由公式：
■
可以计算出违约距离DD，按照假设，资产市值服从正态分布，故而可以由违约距离计算得出违约概率。
（二）kmv模型的优缺点
首先，相比之前的各种序数风险度量模型来说，KMV作为基数模型更能体现风险的程度大小。如序数模型度量结果为bbb级别企业高于bb级别企业，但是能高多少，序数模型并没有能力指出。而KMV的违约距离的计算能在数值上告诉我们风险的大小。其次，KMV是对上市公司股票价格变动的研究，很大程度上具有预测性、前瞻性，因为股票价格是由供求关系决定的，不仅仅反应财务状况，还反应广泛投资者对公司的看法。KMV模型作为一种动态模型，能够时刻反应投资对象的违约风险，同时量化风险程度，具有较强的度量能力。同样，KMV模型有一定缺点，由于KMV模型是建立在获取企业的股票数据基础上来计算违约概率的，故而只能对上市公司起到度量作用，故而适用范围比较狭窄。KMV模型并没有对上市公司的其他债务、有无担保进行补充判断，故而只是在股票市场上断章取义地进行风险度量，显得有失准确性。
二、实证分析
（一）对已有评级公司的实证分析
1.数据结果。通过将两家电力公司的财务数据以及股价变动带入KMV模型，计算得出如下结果：
表1 已有评级公司的计算结果
2.数据分析。通过计算出的概率，凯迪电力为0.00008294，华银电力为0.0121，证实了推测。市场对凯迪电力和华银电力的评级分别为BBB-和BB+，表明了凯迪电力的信用等级更高，信用违约风险更小。
（二）对没有评级的上市公司的实证分析
1.数据结果。选取20家我国农业、制造业上市公司的财务数据进行研究，分不同行业、总体的违约率均值以及st公司和非st公司的差异显著p值。
2.数据分析。有简单的均值可以看出，无论是农业还是制造业，通过KMV模型测定的st公司的违约概率均值要大于非st企业的违约概率。其次由符号检验以及显著性检验，p=0.125<0.1具有一定显著性，两组样本存在显著性差异，说明KMV模型对st和非st企业有一定的鉴别能力。
（三）实证分析总结
实证部分先对我国现有评级的两家电力公司套用模型，测算违约率，数据显示为评级高的公司违约率相对于评级低的同行业公司要低，从而验证KMV模型对不同评级公司具有一定的鉴别能力;再选取多家上市公司，分成st公司和非st公司两组，数据显示，两个不同行业中st公司的违约率均值较大，总体样本也显示出相同的结果。但是经过显著性分析，两组数据的差异不是很明显，具体原因分析如下：一是我国股市发展不足，很多企业的资产市值被低估。二是我国缺乏足够多的违约数据，计算出的违约率失真，如样本中有一家st公司的违约概率要低于同类行业一般规模的非st公司，说明违约距离存在计算问题，对应的经验违约率也未修正。
三、对我国风险管理建设建议
综上不难看出：无论是哪一种指标或是模型的运用前提是比较完善的市场和便捷的数据获取。显而易见，在我国由传统的定性分析向定量过程的发展过程中，不断的完善市场、加强数据建设、人才培养等成为新时代的要求。
（一）量化管理
我国传统的风险管理模式中，往往运用定性的度量手段估计风险，这样做并不能精确地分析出企业风险的弊病所在，故而首先要实现向量化度量的转型。而在量化转型过程之中，市场化的完善以及数据库的建立等成为首要建设对象。
（二）加快市场化建设
数据的获取以及数据的可靠性，来源于完善的市场发展。在 KMV运用过程中，通过使用股票市场的历史数据，来测算违约概率，其结果的可靠性需要建立在强式或半强式的市场上面，这样股价信息才能较为真实的反应公司的实际经营和实际价值。因此建立合理的交易平台、设置有序的竞价方式、合理创新促进成交量，同时需要加强机构投资者和个人的投资理念、道德的教育，从体制上一起完善股票市场。
四、结论
首先通过对国内和国外的具体环境介绍，引出“风险管理急需提升”的第一结论;再从风险管理具体分析出：提升风险度量手段，即实现“定性分析”向“定量分析”转型是风险管理的必要路径，即第二结论;再次，由两家评级公司的实证分析以及对多家有效上市公司分组检验，进一步证实KMV在我国有一般适用性;最后，由风险度量指标和模型的假设要求和对KMV的推导过程，以及实证结论的不理想结果，发现国内的市场缺陷，再对我国的市场化建设提出一些可靠的建议。
注释
{1}E是股权的市场价值，A是资产市场价值，σα是资产价值波动性，B是公司的负债价值，r是无风险借贷利率，τ是时间。
参考文献
[1]夏珍，甘杰.浅析KMV模型基本框架和在中国的适用性[J].经济研究.
[2]中国注册会计师协会.财务成本管理[M].北京：中国财政经济出版社，2013：55―58.
