风险价值测量的局限性

虽然风险价值测量已经获得了风险管理者的普遍认同，但是人们依然有理由怀疑它究竟是不是一种理想的风险管理工具、能否为决策提供依据。研究人员对风险价值测量提出了种种质疑，下面我们做一些归类。

风险价值测量可能不准确

测量风险价值没有十全十美的方法，每种方法都有其局限性。不管是用风险价值来计算一项资产、一种投资组合，还是一家企业，都有可能发生错误。有时，错误很大，甚至会对管理形成误导。不同的企业，不同的方法会产生不同的错误。例如：

● 投资回报分布：每一种风险价值测量方法都对投资回报分布提出假设，如果假设错了，结果就不可能正确。如果用德尔塔正态模型测量风险价值，我们假设多元收益率分布是正态分布，因为险价值的测量完全是基于回报的标准差的。用蒙特卡罗模拟测量风险价值，我们可以设定不同的回报分布曲线，但是对分布曲线的判断也会发生错误。在使用历史数据模拟的时候，我们假设历史的回报分布（根据过去的数据）可以代表未来的收益率分布，这样的假设有时候也站不住脚。

大量证据表明，回报通常不呈正态分布。我们不仅常常能见到异常的数据，而且这些异常数据往往要超过我们的预期。在第4章中，我们注意到曼德尔布罗特对均值—方差框架持否定态度，所以他提出了幂率分布模型，并且提出在金融机构进行风险价值测量。他认为，企业使用风险价值测量法来测量所面临的风险，就能应对大的、甚至是灾难性的事件。按照正态分布的假设，这样的事件是不会发生的，而实际上，它们却经常发生。

● 历史数据不一定是很好的风向标：所有的风险价值测量方法都或多或少地要用到历史数据。在方差—协方差模型中，历史数据用来计算方差和协方差矩阵，这是计算风险价值的基础。在历史数据模拟中，风险价值完全是基于历史数据的，按照时间序列来计算损失的概率。在蒙特卡罗模拟中，预测分布曲线不一定要根据历史数据，但是人们除了历史数据，似乎也没有其他的数据来源。总之，任何风险价?的测量，都将是一个时期历史数据的函数。如果这一时期是一个相对稳定的时期，测得的风险价值或许是一个低值，那么它就会低估未来可能的风险。反之，如果获取历史数据的相关时期不稳定，所测得的风险价值会很高。在本章一开始，我们用原油价格变动的风险价值作为例子，并就此得出结论，1992—1998年期间原油价格稳定，按照这样的历史数据测量风险价值，就不足以反映1999—2004年期间的原油价格波动所带来的风险，因为那段时期价格波动剧烈。

● 相关性不稳定：在进行风险价值测量的时候，有一个大前提就是风险数据要具有明确的相关性（这是指方差—协方差模型和蒙特卡罗模拟中），或是隐含的相关假设（在历史数据模拟中）。这些相关估计通常是根据历史数据获得的，而且有一定的波动性。只要观察几类资产在一段时期内的相关性，就能够知道它们的波动幅度有多大。图7—4显示的是标准普尔500股票回报和十年期国债回报之间的相关性，从1990—2005年每年的日收益率。

斯金茨（Skintzi）等学者认为，相关性误差增加会造成风险价值计算误差的增加，这一点在蒙特卡罗模拟中表现得尤为明显。