一种基于VaR风险模型的风险管理系统及改进方法技术方案

本发明专利技术公开了一种基于VaR风险模型的风险管理系统及改进方法，该系统包含用于存储外汇业务历史数据的数据存储模块、用于采集用户设定的外汇业务数据的数据采集模块、用于根据外汇业务历史数据对外汇业务数据进行多次头寸价格走势模拟及多次目标时刻头寸价格计算的数据分析模块、用于根据VaR风险模型对数据分析模块得出的数据进行计算并最终输出外汇投资的期望值的VaR风险模型评估模块、用于将VaR风险模型评估模块的计算结果以图形可视化方式进行展示的模型结果输出及绘制模块。本发明专利技术的基于VaR风险模型的风险管理系统，可既保证VaR模型作为主流风险模型的通用性、不改变风险值，还能解决VaR模型分布不明确的问题，非常利于推广。

【技术实现步骤摘要】
一种基于VaR风险模型的风险管理系统及改进方法
本专利技术涉及人工智能
，特别涉及一种基于VaR风险模型的风险管理系统及改进方法。
技术介绍
度量和控制风险是所有现代人类活动最为关心的一项主要事情。G30集团在研究衍生品种的基础上，于1993年发表了题为《衍生产品的实践和规则》的报告，提出了度量市场风险的VaR(ValueatRisk：风险价值)方法已成为目前金融界测量市场风险的主流方法。后由J.P.Morgan推出的用于计算VaR的RiskMetrics风险控制模型更是被众多金融机构广泛采用。目前国外一些大型金融机构已将其所持资产的VaR风险值作为其定期公布的会计报表的一项重要内容加以列示。VaR模型有以下三个优点：测量风险简洁明了，统一了风险计量标准，管理者和投资者较容易理解掌握；可以事前计算,降低市场风险；确定必要资本及提供监管依据。这也是VaR广泛流行的原因。VaR模型损益分布的分位数是对分布是非常简洁的概括，这种简洁也造成了极大的隐患，因为相同的VaR背后可能会隐藏着非常不同的分布情况。也就是说，超过VaR值风险情况仅仅通过VaR风险模型是无法获知的，这也是传统的VaR模型所存在的问题之一。现有技术中也存在着一些改进方式，如CVaR模型，不过虽然CVaR模型解决了VaR损失分布不明确的问题，但是CVaR值相比VaR值要小很多，对资金要求更加严苛，与现在大量使用的VaR风险模型也有冲突，而且CVaR模型风险值也不稳定，每次模拟出来的值差异比较大，这也是阻碍类似CVaR模型的模型被推广的因素。
技术实现思路
本专利技术的目的是克服上述
技术介绍
中不足，提供一种基于VaR风险模型的风险管理系统，可既保证VaR模型作为主流风险模型的通用性，又不改变风险值，还能解决VaR模型分布不明确的问题，因此不会造成与主流方案冲突，非常利于推广。为了达到上述的技术效果，本专利技术采取以下技术方案：一种基于VaR风险模型的风险管理系统，包含数据存储模块、数据采集模块、数据分析模块、VaR风险模型评估模块、模型结果输出及绘制模块；其中，所述数据存储模块与数据分析模块相连，数据存储模块用于存储外汇业务历史数据，所述外汇业务历史数据包含多种货币的历史汇率；所述数据采集模块与数据分析模块相连，数据采集模块用于采集用户设定的外汇业务数据，所述外汇业务数据包含资产金额数据、置信水平数据及时间长度数据；所述数据分析模块与VaR风险模型评估模块相连，数据分析模块用于根据外汇业务历史数据对外汇业务数据进行多次头寸价格走势模拟及多次目标时刻头寸价格计算；所述VaR风险模型评估模块与模型结果输出及绘制模块相连，VaR风险模型评估模块用于根据VaR风险模型对数据分析模块得出的数据进行计算，最终输出外汇投资的期望值；所述模型结果输出及绘制模块用于将VaR风险模型评估模块的计算结果以图形可视化方式进行展示。同时，本专利技术还公开了一种基于VaR风险模型的改进方法，具体包含以下步骤：S1.确定需要判定的时间长度；S2.估计风险因子的分布；S3.根据所述步骤S2中得出的风险因子的分布生成具有数量n的随机场景；S4.根据VaR风险模型，计算各个外汇头寸在每个场景下的估值得到在各个场景下的组合损益并输出组合损益样本；S5.根据步骤S4中输出的组合损益样本，结合风险因子的分布，获取对应的分位点，该点即为模型的VaR值。进一步地，还包含步骤S6：根据组合损益样本，生成损益密度分布图，并计算损益密度分布的期望值。进一步地，所述步骤S3中的随机场景的数量n不小于500。本专利技术与现有技术相比，具有以下的有益效果：本专利技术的基于VaR风险模型的风险管理系统及改进方法，通过生成损益密度分布图，解决了现有VaR风险模型分布不明确的问题，而且超过损失部分也能通过分布图信息看出，避免了VaR风险模型在某些条件下产生未预料的结果而没法获知的问题。同时本专利技术的基于VaR风险模型的风险管理系统及改进方法中增加了期望值信息，通过对比期望值和VaR值，除了能更好的展示外汇头寸整体情况，将其相减之后也能得到另一种形式的风险信息，同时，本专利技术的基于VaR风险模型的风险管理系统及改进方法的图形化展示的方式也使VaR风险模型指标更容易理解。附图说明图1是本专利技术的基于VaR风险模型的风险管理系统的结构示意图。图2是本专利技术的基于VaR风险模型的改进方法的流程示意图。图3为本专利技术的一个实施例中外汇头寸风险模型效果图。具体实施方式下面结合本专利技术的实施例对本专利技术作进一步的阐述和说明。实施例：VaR风险模型定义即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}。根据上述描述可以看出，VaR模型损益分布的分位数，这个数值对分布是非常简洁的概括，超过VaR值风险情况仅仅通过VaR风险模型是无法获知的。针对这种不足，我们使用蒙特卡洛法来模拟分布情况。蒙特卡洛法是以概率和统计理论方法为基础的一种计算方法，是使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。这里结合了历史数据的变化情况，模拟未来市场的波动情况，多次重复进行，能够有效的模拟出真实的市场波动情况。使用蒙特卡洛法，这样既能够计算出VaR值，又能够将损失分布的情况展示出来，且不会跟广泛使用的VaR方法冲突。实施例1如图1所示，一种基于VaR风险模型的风险管理系统，包含数据存储模块、数据采集模块、数据分析模块、VaR风险模型评估模块、模型结果输出及绘制模块。其中，所述数据存储模块与数据分析模块相连，数据存储模块用于存储外汇业务历史数据，所述外汇业务历史数据包含多种货币的历史汇率。所述数据采集模块与数据分析模块相连，数据采集模块用于采集用户设定的外汇业务数据，所述外汇业务数据包含资产金额数据、置信水平数据及时间长度数据。所述数据分析模块与VaR风险模型评估模块相连，数据分析模块用于根据外汇业务历史数据对外汇业务数据进行多次头寸价格走势模拟及多次目标时刻头寸价格计算。所述VaR风险模型评估模块与模型结果输出及绘制模块相连，VaR风险模型评估模块用于根据VaR风险模型对数据分析模块得出的数据进行计算，最终输出外汇投资的期望值。所述模型结果输出及绘制模块用于将VaR风险模型评估模块的计算结果以图形可视化方式进行展示。具体的，数据采集模块先对用户的外汇资产数据、用户选择的置信水平a、时间长度b天等数据进行选择，从而在后续完成用户的这笔外汇资产在该时间长度b内可能面临的损失情况，若用户的该外汇资产的币种为美元，则t时刻的美元兑人民币价格的计算公式为(假设风险因子服从正太分布)：Rt＝Rt-1(St-St-1)/St-1，其中，Rt为t时刻的人民币价格，(St-St-1)/St-1即为汇率的变化率δ。数据分析模块则再根据数据采集模块采集到的相关数据以及数据库中对应货币对的所有历史数据，计算出每天的汇率的变化率δ。假设t为当前时刻，t+b即为目标时刻，随机抽取汇率的变化率为δi(i＝1,2,K,n)，数据分析模块即可对时间长度b天内的价格进行模拟。即：Rt+1＝Rtδ1Rt+2＝本文档来自技高网...

【技术保护点】
1.一种基于VaR风险模型的风险管理系统，其特征在于，包含数据存储模块、数据采集模块、数据分析模块、VaR风险模型评估模块、模型结果输出及绘制模块；其中，所述数据存储模块与数据分析模块相连，数据存储模块用于存储外汇业务历史数据，所述外汇业务历史数据包含多种货币的历史汇率；所述数据采集模块与数据分析模块相连，数据采集模块用于采集用户设定的外汇业务数据，所述外汇业务数据包含资产金额数据、置信水平数据及时间长度数据；所述数据分析模块与VaR风险模型评估模块相连，数据分析模块用于根据外汇业务历史数据对外汇业务数据进行多次头寸价格走势模拟及多次目标时刻头寸价格计算；所述VaR风险模型评估模块与模型结果输出及绘制模块相连，VaR风险模型评估模块用于根据VaR风险模型对数据分析模块得出的数据进行计算，最终输出外汇投资的期望值；所述模型结果输出及绘制模块用于将VaR风险模型评估模块的计算结果以图形可视化方式进行展示。

【技术特征摘要】
1.一种基于VaR风险模型的风险管理系统，其特征在于，包含数据存储模块、数据采集模块、数据分析模块、VaR风险模型评估模块、模型结果输出及绘制模块；其中，所述数据存储模块与数据分析模块相连，数据存储模块用于存储外汇业务历史数据，所述外汇业务历史数据包含多种货币的历史汇率；所述数据采集模块与数据分析模块相连，数据采集模块用于采集用户设定的外汇业务数据，所述外汇业务数据包含资产金额数据、置信水平数据及时间长度数据；所述数据分析模块与VaR风险模型评估模块相连，数据分析模块用于根据外汇业务历史数据对外汇业务数据进行多次头寸价格走势模拟及多次目标时刻头寸价格计算；所述VaR风险模型评估模块与模型结果输出及绘制模块相连，VaR风险模型评估模块用于根据VaR风险模型对数据分析模块得出的数据进行计算，最终输出外汇投资的期望值；所述模型结果输出及...

【专利技术属性】
技术研发人员：彭锐，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川,51