㈠ FRM干货：常用的金融风险的模型有哪些
金融市场的一项主要功能实际上是允许经济界的不同参与者交易其风险，而近二十年来，由于受经济全球化和金融一体化、现代金融理论及信息技术、金融创新等因素的影响，全球金融市场迅猛发展，金融市场呈现出前所未有的波动性，金融机构面临着日趋严重的金融风险。
近年来频繁发生的金融危机造成的严重后果充分说明了这一点。
一、波动性方法
自从1952年Markowitz提出了基于方差为风险的*3资产组合选择理论后，方差（均方差）就成了一种极具影响力的经典的金融风险度量。方差计算简便，易于使用，而且已经有了相当成熟的理论。当然，波动性方法也存在以下缺点：
（1）把收益高于均值部分的偏差也计入风险，这可能大家很难接受；
（2）以收益均值作为回报基准，也与事实不符；
（3）只考虑平均偏差，不适合用来描述小概率事件发生所导致的巨大损失，而金融市场中的“稀少事件”产生的极端风险才是金融风险的真正所在。
二、VaR模型（Value at Risk）
风险价值模型产生于1994年，比较正规的定义是：在正常市场条件下和一定的置信水平a上，测算出在给定的时间段内预期发生的最坏情况的损失大小X。在数学上的严格定义如下：设X是描述证券组合损失的随机变量，F(x)是其概率分布函数，置信水平为a，则：VaR(a)=-inf{x|F(x)≥a}。该模型在证券组合损失X符合正态分布，组合中的证券数量不发生变化时，可以比较有效的控制组合的风险。
因此，2001年的巴塞耳委员会指定VaR模型作为银行标准的风险度量工具。但是VaR模型只关心超过VaR值的频率，而不关心超过VaR值的损失分布情况，且在处理损失符合非正态分布（如厚尾现象）及投资组合发生改变时表现不稳定。
三、灵敏度分析法
灵敏度方法是对风险的线性度量，它测定市场因子的变化与证券组合价值变化的关系。对于市场因子的特定变化量，通过这关系种变化关系可得到证券组合价值的变化量。针对不同的金融产品有不同的灵敏度。比如：在固定收入市场的久期，在股票市场的“β”，在衍生工具市场“δ”等。灵敏度方法由于其简单直观而得到广泛的应用但是它有如下的缺陷：
（1）只有在市场因子变化很小时，这种近似关系才与现实相符，是一种局部性测量方法；
（2）对产品类型的高度依赖性；
（3）不稳定性。如股票的“贝塔”系数存在不稳定的缺陷，用其衡量风险，有很大的争议；
（4）相对性。敏感度只是相对的比例概念，并没有回答损失到底有多大。
四、一致性风险度量模型（Coherentmeasure of risk）
Artzner et al.（1997）提出了一致性风险度量模型，认为一个完美的风险度量模型必须满足下面的约束条件：
（1）单调性；
（2）次可加性；
（3）正齐次性；
（4）平移不变性。
次可加性条件保证了组合的风险小于等于构成组合的每个部分风险的和，这一条件与我们进行分散性投资可以降低非系统风险相一致，是一个风险度量模型应具有的重要的属性，在实际中如银行的资本金确定和*3化组合确定中也具有重要的意义。目前一致性风险度量模型有：
（1）CVaR模型（Condition Value at Risk）：条件风险价值（CVaR）模型是指在正常市场条件下和一定的置信水平a上，测算出在给定的时间段内损失超过VaRa的条件期望值。CVaR模型在一定程度上克服了VaR模型的缺点不仅考虑了超过VaR值的频率，而且考虑了超过VaR值损失的条件期望，有效的改善了VaR模型在处理损失分布的后尾现象时存在的问题。当证券组合损失的密度函数是连续函数时，CVaR模型是一个一致性风险度量模型，具有次可加性，但当证券组合损失的密度函数不是连续函数时，CVaR模型不再是一致性风险度量模型，即CVaR模型不是广义的一致性风险度量模型，需要进行一定的改进。
（2）ES模型（Expected Shortfall）：ES模型是在CVaR基础上的改进版，它是一致性风险度量模型。如果损失X的密度函数是连续的，则ES模型的结果与CVaR模型的结果相同；如果损失X的密度函数是不连续的，则两个模型计算出来的结果有一定差异。
（3）DRM模型（Distortion Risk-Measure）：DRM通过一个测度变换得到一类新的风险度量指标。DRM模型包含了诸如VaR、CVaR等风险度量指标，它是一类更广义的风险度量指标。
（4）谱风险测度：2002年，Acerbi对ES进行了推广，提出了谱风险测度（Spectral Risk Measure）的概念，并证明了它是一致性风险度量。但是该测度实际计算的难度很大，维数过高时，即使转化成线性规划问题，计算也相当困难。
五、信息熵方法
由不确定性把信息熵与风险联系在一起引起了众多学者的研究兴趣，例如Maasoumi，Ebrahim，Massoumi and Racine，Reesor.R等分别从熵的不同角度考虑了风险的度量，熵是关于概率的一个单调函数，非负，计算量相对较少，熵越大风险越大。
六、未来的发展趋势
近年来行为金融学逐渐兴起，它将心理学的研究成果引入到标准金融理论的研究，弥补了标准金融理论中存在的一些缺陷，将投资心理纳入到证券投资风险度量，提出了两者基于行为金融的认知风险度量方法，并讨论了认知风险与传统度量方差的关系。2004年Murali Rao给出一种新的不确定性度量--累积剩余熵。累积剩余熵是用分布函数替换了Shannon熵的概率分布律或密度函数，它具有一些良好的数学性质，这个定义推广了Shannon熵的概念让离散随机变量和连续随机变量的熵合二为一，也许会将风险度量的研究推向一个新的台阶。
总之，金融风险的度量对资产投资组合、资产业绩评价、风险控制等方面有着十分重要的意义。针对不同的风险源、风险管理目标，产生了不同的风险度量方法，它们各有利弊，反映了风险的不同特征和不同侧面。在风险管理的实践中，只有综合不同的风险度量方法，从各个不同的角度去度量风险，才能更好地识别和控制风险，这也是未来风险度量的发展趋势。
㈡ 股票波动率如何计算
波动率的计算方法分为上升趋势和下降趋势的波动率。
1、计算上升趋势波动率的方法是，在上升趋势中。用底部与底部的距离除以底部与底部的间隔。然后向上舍入。
即上升波动率=(第二个底部-第一个底部)/两个底部之间的时间距离。
2、下降趋势波动率的计算方法是，在下降趋势中。顶部与顶部之间的距离除以顶部与顶部之间的间隔。并向上舍入，用它们作为坐标在纸上画刻度。
即下降波动率=(第二个顶部-第一个顶部)/两个顶部之间的时间距离。
拓展资料：
股票(stock)是股份公司所有权的一部分，也是发行的所有权凭证，是股份公司为筹集资金而发行给各个股东作为持股凭证并借以取得股息和红利的一种有价证券。股票是资本市场的长期信用工具，可以转让，买卖，股东凭借它可以分享公司的利润，但也要承担公司运作错误所带来的风险。每股股票都代表股东对企业拥有一个基本单位的所有权。每家上市公司都会发行股票。
同一类别的每一份股票所代表的公司所有权是相等的。每个股东所拥有的公司所有权份额的大小，取决于其持有的股票数量占公司总股本的比重。
股票是股份公司资本的构成部分，可以转让、买卖，是资本市场的主要长期信用工具，但不能要求公司返还其出资。
股票是股份制企业（上市和非上市）所有者（即股东）拥有公司资产和权益的凭证。上市的股票称流通股，可在股票交易所（即二级市场）自由买卖。非上市的股票没有进入股票交易所，因此不能自由买卖，称非上市流通股。
这种所有权为一种综合权利，如参加股东大会、投票标准、参与公司的重大决策、收取股息或分享红利等，但也要共同承担公司运作错误所带来的风险。
股票是一种有价证券，是股份公司在筹集资本时向出资人发行的股份凭证，代表着其持有者（即股东）对股份公司的所有权。股票是股份证书的简称，是股份公司为筹集资金而发行给股东作为持股凭证并借以取得股息和红利的一种有价证券。每股股票都代表股东对企业拥有一个基本单位的所有权。股票是股份公司资本的构成部分，可以转让、买卖或作价抵押，是资金市场的主要长期信用工具。
㈢ 证券投资风险的度量方法有哪些
第一种方法是计算证券投资收益低于其期望收益的概率
假设，某种证券的期望收益为10%，但是，投资该证券取得10%和10%以上收益的概率为30%，那么，该证券的投资风险为70%，或者表示为0.70。
这一衡量方法严格从风险的定义出发，计算了投资于某种证券时，投资者的世纪收益低于期望收益的概率，即投资者遭受损失的可能性大小。但是，该衡量方法有一个明显的缺陷，那就是：许多种不同的证券都会有相同的投资风险。显然，如果采用这种衡量方法，所有收益率分布为对称的证券，其投资风险都等于 0.50。然而，实际上，当投资者投资于这些证券时，他们遭受损失的的可能性大小会存在着很大的差异。
第二种方法是计算证券投资出现负收益的概率
这一衡量方法把投资者的损失仅仅看作本金的损失，投资风险就成为出现负收益的可能性。这一衡量方法也是极端模糊的。例如，一种证券投资出现小额亏损的概率为50%，而另一种证券投资出现高额亏损的概率为40%，究竟哪一种投资的风险更大呢？采用该种衡量方法时，前一种投资的风险更高。但是，在实际证券投资过程中，大多数投资者可能会认为后一种投资的风险更高。之所以会出现理论与实际的偏差，基本的原因就在于：该衡量方法只注意了出现亏损的概率，而忽略了出现亏损的数量。
第三种方法是计算证券投资的各种可能收益与其期望收益之间的差离
即证券收益的方法或标准差。这种衡量方法有两个鲜明的特点：其一，该衡量方法不仅把证券收益低于期望收益的概率计算在内，而且把证券收益高于期望收益的概率也计算在内。其二，该衡量方法不仅计算了证券的各种可能收益出现的概率，而且也计算了各种可能收益与期望收益的差额。与第一种和第二种衡量方法相比较，显然，方差或标准差是更适合的风险指标。
㈣ 如何量化金融市场的波动性，并且预测未来的波动性
金融市场的波动性是指资产价格的波动程度，波动性高表示资产价格变化剧烈，波动性低则表示资产价格较为稳定。下面介绍一些常用的方法来量化和预测金融市场的波动性培缺：
1. 平均真配族辩实波幅（Average True Range, ATR）：ATR是一种技术指标，用于测量价格波动的变化范围和趋势，常被用于股票、期货等市场的波动性测量和价格预测。
2. 历史波动率（Historical Volatility, HV）：可以利用历史股票、期货等资产的收盘价数据计算出HV，它可用于测量资产在过去一段时间内的波动性，从而预测未来的波动水平。
3. 隐含穗弊波动率（Implied Volatility, IV）：IV是基于期权定价模型计算出来的一个参数，用来反映市场对于未来资产价格波动的预期。IV越高，表示市场对于未来价格变动越大。
4. GARCH模型：GARCH是一种分析时间序列数据的统计模型，可测量资产收益的方差和协方差的变化，通过对历史数据的分析来预测未来价格的波动性。
5. 基于机器学习的预测模型：机器学习模型，如决策树、神经网络等，可以对大量的数据进行学习，通过对历史数据的学习和分析，预测未来股票、期货等资产的价格波动性。
以上方法都有各自的优缺点，投资者应该结合具体的市场环境和实际情况，选择适合自己的方法来量化和预测未来的波动性。
㈤ 度量股票市场的波动性有哪些常见方法
1.首先你要知道股票的数据是时间序列数据。
经研究表明，股票数据是有自相关性的，所以古典的回归模型拟合常常是无效的。
2.另外股票数据序列是具有平稳性，或一阶差分、高阶差分平稳性
所以一般来说都会采用平稳性时间序列模型。
简单的如AR(p), MA(q), ARMA(p,q)模型等。
3.但由于这些数据往往还有条件异方差性。进一步的模型修正
有ARCH(p) , GARCH(p,q)等模型。
3中的模型是现今一些研究股票波动的主流手段的基础。
4.如果要研究多支股票波动的联合分布，可以用Copula理论进行建模(这个一般用于VaR,ES风险度量，比较前沿，国内90年代才开始引进，但并不算太难)
5.另外还有一些非实证的手段，那是搞数学的弄的了