㈠ FRM干貨：常用的金融風險的模型有哪些
金融市場的一項主要功能實際上是允許經濟界的不同參與者交易其風險，而近二十年來，由於受經濟全球化和金融一體化、現代金融理論及信息技術、金融創新等因素的影響，全球金融市場迅猛發展，金融市場呈現出前所未有的波動性，金融機構面臨著日趨嚴重的金融風險。
近年來頻繁發生的金融危機造成的嚴重後果充分說明了這一點。
一、波動性方法
自從1952年Markowitz提出了基於方差為風險的*3資產組合選擇理論後，方差（均方差）就成了一種極具影響力的經典的金融風險度量。方差計算簡便，易於使用，而且已經有了相當成熟的理論。當然，波動性方法也存在以下缺點：
（1）把收益高於均值部分的偏差也計入風險，這可能大家很難接受；
（2）以收益均值作為回報基準，也與事實不符；
（3）只考慮平均偏差，不適合用來描述小概率事件發生所導致的巨大損失，而金融市場中的「稀少事件」產生的極端風險才是金融風險的真正所在。
二、VaR模型（Value at Risk）
風險價值模型產生於1994年，比較正規的定義是：在正常市場條件下和一定的置信水平a上，測算出在給定的時間段內預期發生的最壞情況的損失大小X。在數學上的嚴格定義如下：設X是描述證券組合損失的隨機變數，F(x)是其概率分布函數，置信水平為a，則：VaR(a)=-inf{x|F(x)≥a}。該模型在證券組合損失X符合正態分布，組合中的證券數量不發生變化時，可以比較有效的控制組合的風險。
因此，2001年的巴塞耳委員會指定VaR模型作為銀行標準的風險度量工具。但是VaR模型只關心超過VaR值的頻率，而不關心超過VaR值的損失分布情況，且在處理損失符合非正態分布（如厚尾現象）及投資組合發生改變時表現不穩定。
三、靈敏度分析法
靈敏度方法是對風險的線性度量，它測定市場因子的變化與證券組合價值變化的關系。對於市場因子的特定變化量，通過這關系種變化關系可得到證券組合價值的變化量。針對不同的金融產品有不同的靈敏度。比如：在固定收入市場的久期，在股票市場的「β」，在衍生工具市場「δ」等。靈敏度方法由於其簡單直觀而得到廣泛的應用但是它有如下的缺陷：
（1）只有在市場因子變化很小時，這種近似關系才與現實相符，是一種局部性測量方法；
（2）對產品類型的高度依賴性；
（3）不穩定性。如股票的「貝塔」系數存在不穩定的缺陷，用其衡量風險，有很大的爭議；
（4）相對性。敏感度只是相對的比例概念，並沒有回答損失到底有多大。
四、一致性風險度量模型（Coherentmeasure of risk）
Artzner et al.（1997）提出了一致性風險度量模型，認為一個完美的風險度量模型必須滿足下面的約束條件：
（1）單調性；
（2）次可加性；
（3）正齊次性；
（4）平移不變性。
次可加性條件保證了組合的風險小於等於構成組合的每個部分風險的和，這一條件與我們進行分散性投資可以降低非系統風險相一致，是一個風險度量模型應具有的重要的屬性，在實際中如銀行的資本金確定和*3化組合確定中也具有重要的意義。目前一致性風險度量模型有：
（1）CVaR模型（Condition Value at Risk）：條件風險價值（CVaR）模型是指在正常市場條件下和一定的置信水平a上，測算出在給定的時間段內損失超過VaRa的條件期望值。CVaR模型在一定程度上克服了VaR模型的缺點不僅考慮了超過VaR值的頻率，而且考慮了超過VaR值損失的條件期望，有效的改善了VaR模型在處理損失分布的後尾現象時存在的問題。當證券組合損失的密度函數是連續函數時，CVaR模型是一個一致性風險度量模型，具有次可加性，但當證券組合損失的密度函數不是連續函數時，CVaR模型不再是一致性風險度量模型，即CVaR模型不是廣義的一致性風險度量模型，需要進行一定的改進。
（2）ES模型（Expected Shortfall）：ES模型是在CVaR基礎上的改進版，它是一致性風險度量模型。如果損失X的密度函數是連續的，則ES模型的結果與CVaR模型的結果相同；如果損失X的密度函數是不連續的，則兩個模型計算出來的結果有一定差異。
（3）DRM模型（Distortion Risk-Measure）：DRM通過一個測度變換得到一類新的風險度量指標。DRM模型包含了諸如VaR、CVaR等風險度量指標，它是一類更廣義的風險度量指標。
（4）譜風險測度：2002年，Acerbi對ES進行了推廣，提出了譜風險測度（Spectral Risk Measure）的概念，並證明了它是一致性風險度量。但是該測度實際計算的難度很大，維數過高時，即使轉化成線性規劃問題，計算也相當困難。
五、信息熵方法
由不確定性把信息熵與風險聯系在一起引起了眾多學者的研究興趣，例如Maasoumi，Ebrahim，Massoumi and Racine，Reesor.R等分別從熵的不同角度考慮了風險的度量，熵是關於概率的一個單調函數，非負，計算量相對較少，熵越大風險越大。
六、未來的發展趨勢
近年來行為金融學逐漸興起，它將心理學的研究成果引入到標准金融理論的研究，彌補了標准金融理論中存在的一些缺陷，將投資心理納入到證券投資風險度量，提出了兩者基於行為金融的認知風險度量方法，並討論了認知風險與傳統度量方差的關系。2004年Murali Rao給出一種新的不確定性度量--累積剩餘熵。累積剩餘熵是用分布函數替換了Shannon熵的概率分布律或密度函數，它具有一些良好的數學性質，這個定義推廣了Shannon熵的概念讓離散隨機變數和連續隨機變數的熵合二為一，也許會將風險度量的研究推向一個新的台階。
總之，金融風險的度量對資產投資組合、資產業績評價、風險控制等方面有著十分重要的意義。針對不同的風險源、風險管理目標，產生了不同的風險度量方法，它們各有利弊，反映了風險的不同特徵和不同側面。在風險管理的實踐中，只有綜合不同的風險度量方法，從各個不同的角度去度量風險，才能更好地識別和控制風險，這也是未來風險度量的發展趨勢。
㈡ 股票波動率如何計算
波動率的計算方法分為上升趨勢和下降趨勢的波動率。
1、計算上升趨勢波動率的方法是，在上升趨勢中。用底部與底部的距離除以底部與底部的間隔。然後向上舍入。
即上升波動率=(第二個底部-第一個底部)/兩個底部之間的時間距離。
2、下降趨勢波動率的計算方法是，在下降趨勢中。頂部與頂部之間的距離除以頂部與頂部之間的間隔。並向上舍入，用它們作為坐標在紙上畫刻度。
即下降波動率=(第二個頂部-第一個頂部)/兩個頂部之間的時間距離。
拓展資料：
股票(stock)是股份公司所有權的一部分，也是發行的所有權憑證，是股份公司為籌集資金而發行給各個股東作為持股憑證並藉以取得股息和紅利的一種有價證券。股票是資本市場的長期信用工具，可以轉讓，買賣，股東憑借它可以分享公司的利潤，但也要承擔公司運作錯誤所帶來的風險。每股股票都代表股東對企業擁有一個基本單位的所有權。每家上市公司都會發行股票。
同一類別的每一份股票所代表的公司所有權是相等的。每個股東所擁有的公司所有權份額的大小，取決於其持有的股票數量占公司總股本的比重。
股票是股份公司資本的構成部分，可以轉讓、買賣，是資本市場的主要長期信用工具，但不能要求公司返還其出資。
股票是股份制企業（上市和非上市）所有者（即股東）擁有公司資產和權益的憑證。上市的股票稱流通股，可在股票交易所（即二級市場）自由買賣。非上市的股票沒有進入股票交易所，因此不能自由買賣，稱非上市流通股。
這種所有權為一種綜合權利，如參加股東大會、投票標准、參與公司的重大決策、收取股息或分享紅利等，但也要共同承擔公司運作錯誤所帶來的風險。
股票是一種有價證券，是股份公司在籌集資本時向出資人發行的股份憑證，代表著其持有者（即股東）對股份公司的所有權。股票是股份證書的簡稱，是股份公司為籌集資金而發行給股東作為持股憑證並藉以取得股息和紅利的一種有價證券。每股股票都代表股東對企業擁有一個基本單位的所有權。股票是股份公司資本的構成部分，可以轉讓、買賣或作價抵押，是資金市場的主要長期信用工具。
㈢ 證券投資風險的度量方法有哪些
第一種方法是計算證券投資收益低於其期望收益的概率
假設，某種證券的期望收益為10%，但是，投資該證券取得10%和10%以上收益的概率為30%，那麼，該證券的投資風險為70%，或者表示為0.70。
這一衡量方法嚴格從風險的定義出發，計算了投資於某種證券時，投資者的世紀收益低於期望收益的概率，即投資者遭受損失的可能性大小。但是，該衡量方法有一個明顯的缺陷，那就是：許多種不同的證券都會有相同的投資風險。顯然，如果採用這種衡量方法，所有收益率分布為對稱的證券，其投資風險都等於 0.50。然而，實際上，當投資者投資於這些證券時，他們遭受損失的的可能性大小會存在著很大的差異。
第二種方法是計算證券投資出現負收益的概率
這一衡量方法把投資者的損失僅僅看作本金的損失，投資風險就成為出現負收益的可能性。這一衡量方法也是極端模糊的。例如，一種證券投資出現小額虧損的概率為50%，而另一種證券投資出現高額虧損的概率為40%，究竟哪一種投資的風險更大呢？採用該種衡量方法時，前一種投資的風險更高。但是，在實際證券投資過程中，大多數投資者可能會認為後一種投資的風險更高。之所以會出現理論與實際的偏差，基本的原因就在於：該衡量方法只注意了出現虧損的概率，而忽略了出現虧損的數量。
第三種方法是計算證券投資的各種可能收益與其期望收益之間的差離
即證券收益的方法或標准差。這種衡量方法有兩個鮮明的特點：其一，該衡量方法不僅把證券收益低於期望收益的概率計算在內，而且把證券收益高於期望收益的概率也計算在內。其二，該衡量方法不僅計算了證券的各種可能收益出現的概率，而且也計算了各種可能收益與期望收益的差額。與第一種和第二種衡量方法相比較，顯然，方差或標准差是更適合的風險指標。
㈣ 如何量化金融市場的波動性，並且預測未來的波動性
金融市場的波動性是指資產價格的波動程度，波動性高表示資產價格變化劇烈，波動性低則表示資產價格較為穩定。下面介紹一些常用的方法來量化和預測金融市場的波動性培缺：
1. 平均真配族辯實波幅（Average True Range, ATR）：ATR是一種技術指標，用於測量價格波動的變化范圍和趨勢，常被用於股票、期貨等市場的波動性測量和價格預測。
2. 歷史波動率（Historical Volatility, HV）：可以利用歷史股票、期貨等資產的收盤價數據計算出HV，它可用於測量資產在過去一段時間內的波動性，從而預測未來的波動水平。
3. 隱含穗弊波動率（Implied Volatility, IV）：IV是基於期權定價模型計算出來的一個參數，用來反映市場對於未來資產價格波動的預期。IV越高，表示市場對於未來價格變動越大。
4. GARCH模型：GARCH是一種分析時間序列數據的統計模型，可測量資產收益的方差和協方差的變化，通過對歷史數據的分析來預測未來價格的波動性。
5. 基於機器學習的預測模型：機器學習模型，如決策樹、神經網路等，可以對大量的數據進行學習，通過對歷史數據的學習和分析，預測未來股票、期貨等資產的價格波動性。
以上方法都有各自的優缺點，投資者應該結合具體的市場環境和實際情況，選擇適合自己的方法來量化和預測未來的波動性。
㈤ 度量股票市場的波動性有哪些常見方法
1.首先你要知道股票的數據是時間序列數據。
經研究表明，股票數據是有自相關性的，所以古典的回歸模型擬合常常是無效的。
2.另外股票數據序列是具有平穩性，或一階差分、高階差分平穩性
所以一般來說都會採用平穩性時間序列模型。
簡單的如AR(p), MA(q), ARMA(p,q)模型等。
3.但由於這些數據往往還有條件異方差性。進一步的模型修正
有ARCH(p) , GARCH(p,q)等模型。
3中的模型是現今一些研究股票波動的主流手段的基礎。
4.如果要研究多支股票波動的聯合分布，可以用Copula理論進行建模(這個一般用於VaR,ES風險度量，比較前沿，國內90年代才開始引進，但並不算太難)
5.另外還有一些非實證的手段，那是搞數學的弄的了