供應(yīng)鏈金融

機(jī)制原理、風(fēng)險(xiǎn)分析和技術(shù)創(chuàng)新

蔡港樹(shù)著11SCF風(fēng)險(xiǎn)評(píng)估目錄風(fēng)險(xiǎn)價(jià)值(Value-at-Risk,

VaR)條件風(fēng)險(xiǎn)價(jià)值

(ConditionalValue-at-Risk,

CVaR)壓力測(cè)試（自學(xué)）風(fēng)險(xiǎn)調(diào)整回報(bào)率導(dǎo)言在實(shí)際操作中，當(dāng)供應(yīng)鏈企業(yè)面對(duì)潛在威脅時(shí)，通常會(huì)表現(xiàn)出風(fēng)險(xiǎn)規(guī)避的行為經(jīng)濟(jì)學(xué)家們認(rèn)為，風(fēng)險(xiǎn)厭惡情緒的增加是引發(fā)經(jīng)濟(jì)衰退的原因之一，這種情況往往與企業(yè)投資支出遠(yuǎn)低于預(yù)期的時(shí)期相吻合

(Gurnanietal.,

2014)為了應(yīng)對(duì)風(fēng)險(xiǎn)規(guī)避問(wèn)題，企業(yè)應(yīng)該使用風(fēng)險(xiǎn)調(diào)整后的績(jī)效評(píng)估工具來(lái)支持和優(yōu)化決策過(guò)程

三個(gè)主要組成部分最大損失置信水平（通常為95%或99%）時(shí)間段VaR的定義

在99%的置信水平下每日VaR為100萬(wàn)美元在一天內(nèi)相對(duì)于期望利潤(rùn)的損失超過(guò)100萬(wàn)美元的概率為1%在100天中，預(yù)計(jì)有1天（即1%的100天）相對(duì)于期望價(jià)值的損失將超過(guò)100萬(wàn)美元100萬(wàn)美元的99%VaR在一天內(nèi)，指定的投資組合或公司損失超過(guò)100萬(wàn)美元的概率最大為1%

VaR的定義風(fēng)險(xiǎn)價(jià)值(VAR)和絕對(duì)風(fēng)險(xiǎn)價(jià)值(VAR′)

圖11?1正態(tài)分布下的VaR

VaR的定義歷史法直接利用歷史數(shù)據(jù)來(lái)構(gòu)建損益分布，其基本假設(shè)是未來(lái)的市場(chǎng)行為將反映過(guò)去的數(shù)據(jù)特征。需要有足夠大的數(shù)據(jù)量（例如，一到三年的數(shù)據(jù)或幾百個(gè)以上的數(shù)據(jù)點(diǎn)），才能得到有統(tǒng)計(jì)意義的結(jié)果。歷史模擬法中最直接的方法是利用歷史數(shù)據(jù)構(gòu)建直方圖。

歷史直方圖法圖11-2歷史利潤(rùn)數(shù)據(jù)直方圖期望利潤(rùn)為250萬(wàn)美元95%置信水平:每日損失不會(huì)超過(guò)100萬(wàn)美元VaR為350萬(wàn)美元99%置信水平:每日損失不會(huì)超過(guò)300萬(wàn)美元VaR為550萬(wàn)美元?dú)v史模擬法如果我們?nèi)狈﹃P(guān)于所討論目標(biāo)的直接數(shù)據(jù)，也可以通過(guò)構(gòu)建涉及該目標(biāo)所有相關(guān)風(fēng)險(xiǎn)因子（例如利潤(rùn)）的直方圖來(lái)進(jìn)行估算，這種方法被稱為歷史模擬法

(Crouhyetal.,

2013;

Allen,

2012)收集一段時(shí)間內(nèi)所有風(fēng)險(xiǎn)因子的歷史數(shù)據(jù)使用一個(gè)模型將風(fēng)險(xiǎn)因子的值轉(zhuǎn)換為目標(biāo)值

根據(jù)目標(biāo)最終值的直方圖來(lái)估算VaR使用歷史法估計(jì)VaR：利與弊優(yōu)點(diǎn)操作簡(jiǎn)便：不依賴于任何數(shù)學(xué)模型或參數(shù)非參數(shù)：無(wú)需假設(shè)正態(tài)分布或任何其他特定分布形態(tài)，無(wú)論分布是否具有“厚尾”特性或市場(chǎng)變量之間的相關(guān)性如何置信區(qū)間可獲得：便于計(jì)算VaR的置信區(qū)間全面：綜合了所有影響因素，但不深入探討諸如歷史波動(dòng)性和相關(guān)性等細(xì)節(jié)，因?yàn)檫@些因素已經(jīng)在所用數(shù)據(jù)中得到體現(xiàn)缺點(diǎn)數(shù)據(jù)要求高：需要大量相關(guān)的歷史數(shù)據(jù)集，通常很難在SCF中獲得過(guò)去無(wú)法代表未來(lái)：即使數(shù)據(jù)充足，我們也必須警惕數(shù)據(jù)固有的局限性，因?yàn)檫^(guò)去的數(shù)據(jù)可能不一定能準(zhǔn)確預(yù)測(cè)未來(lái)。例如，2020年之前，我們無(wú)法預(yù)見(jiàn)新冠疫情的災(zāi)難性影響，而之前三年的數(shù)據(jù)也未能顯示出任何相關(guān)的跡象。在另一方面，新冠疫情結(jié)束后的未來(lái)三年內(nèi)，同樣的事件可能不會(huì)重現(xiàn)歷史數(shù)據(jù)無(wú)法反映未來(lái)采用新技術(shù)（如區(qū)塊鏈技術(shù)）所帶來(lái)的變化結(jié)果由極端值主導(dǎo)：最終的VaR值似乎只是由某些特定的歷史時(shí)期所決定，這些時(shí)期可能并不具有代表性方差-協(xié)方差法

方差-協(xié)方差法舉例方差-協(xié)方差法舉例方差-協(xié)方差法舉例使用方差-協(xié)方差法估計(jì)VaR：利弊分析優(yōu)點(diǎn)根據(jù)歷史數(shù)據(jù)可估計(jì)參數(shù)可基于已有的收益時(shí)間序列進(jìn)行實(shí)際計(jì)算和應(yīng)用概念簡(jiǎn)單基于資產(chǎn)收益的均值和方差缺點(diǎn)正態(tài)分布與厚尾分布假設(shè)許多收益分布呈現(xiàn)“厚尾”的特性,更多的觀測(cè)值集中在遠(yuǎn)離均值的位置如果實(shí)際數(shù)據(jù)遵循厚尾分布，最大的損失可能會(huì)比在正態(tài)分布假設(shè)下計(jì)算的VaR發(fā)生得更頻繁。因此，方差-協(xié)方差法可能會(huì)低估VaR和潛在損失的嚴(yán)重程度為了緩解厚尾的影響，一種策略是通過(guò)多元化投資，使總體投資的均值依據(jù)中心極限定理趨向于正態(tài)分布，但這同時(shí)也增加了計(jì)算VaR的復(fù)雜性無(wú)法充分描述聚集現(xiàn)象當(dāng)風(fēng)險(xiǎn)因子之間的相關(guān)性極高時(shí)，可能導(dǎo)致的風(fēng)險(xiǎn)聚集程度超出了相關(guān)系數(shù)所能反映的范圍。這種情況下，聯(lián)合正態(tài)分布可能不再適用作為簡(jiǎn)單的二元分布處理復(fù)雜場(chǎng)景時(shí)缺乏靈活性不適合應(yīng)對(duì)那些需要模擬非線性關(guān)系或非正態(tài)分布風(fēng)險(xiǎn)因子的情形圖11?3正態(tài)分布與厚尾分布蒙特卡羅模擬法蒙特卡羅模擬法是一種通過(guò)大量模擬管理相關(guān)目標(biāo)的隨機(jī)過(guò)程的方法通過(guò)進(jìn)行足夠多的模擬，模擬所得的分布可能會(huì)收斂至真實(shí)的未知分布，從而使我們能夠推斷出VaR1.識(shí)別所有相關(guān)的風(fēng)險(xiǎn)因子需要明確所有會(huì)影響回報(bào)率（因變量）的相關(guān)風(fēng)險(xiǎn)因子2.構(gòu)建模擬模型描述這些風(fēng)險(xiǎn)因子（例如各風(fēng)險(xiǎn)因子的分布、相關(guān)性和隨機(jī)過(guò)程）與因變量之間的動(dòng)態(tài)關(guān)系3.運(yùn)行模擬為每個(gè)風(fēng)險(xiǎn)因子生成一組值，用作模型輸入優(yōu)點(diǎn):能夠根據(jù)需要生成更多的數(shù)據(jù)點(diǎn)，提供了處理缺失數(shù)據(jù)的更大靈活性允許結(jié)合以往的歷史經(jīng)驗(yàn)（不僅限于最近的數(shù)據(jù)），從而選擇最相關(guān)的數(shù)據(jù)集來(lái)估計(jì)模擬模型的每個(gè)參數(shù)缺點(diǎn):依賴于對(duì)風(fēng)險(xiǎn)因子的設(shè)定和模型假設(shè)（如分布參數(shù)）解決方案是利用歷史模擬法來(lái)描述變量之間的相關(guān)性蒙特卡羅模擬法：利弊分析風(fēng)險(xiǎn)管理中的VaR：三階段方法1-3倍VaR內(nèi)預(yù)計(jì)會(huì)出現(xiàn)周期性的VaR突破，尤其是當(dāng)VaR在較低的置信水平下獲得的。如果一家公司無(wú)法承受偶爾發(fā)生的3倍VaR的損失，那它就難以長(zhǎng)期生存3-10倍VaR內(nèi)應(yīng)實(shí)施壓力測(cè)試以檢查所有可預(yù)見(jiàn)事件，并應(yīng)做好準(zhǔn)備以應(yīng)對(duì)這些最壞情況超過(guò)10倍VaR這些事件可能是無(wú)法預(yù)見(jiàn)的。因此，公司通常應(yīng)采取購(gòu)買保險(xiǎn)或?qū)_措施來(lái)應(yīng)對(duì)這些極端情況風(fēng)險(xiǎn)價(jià)值（VAR）的局限性??模型限制遺漏關(guān)鍵風(fēng)險(xiǎn)特征數(shù)據(jù)限制模型操縱風(fēng)險(xiǎn)??忽略“尾部風(fēng)險(xiǎn)”基于特定閾值點(diǎn)或置信水平的計(jì)算低估極端事件導(dǎo)致尾部風(fēng)險(xiǎn)被掩蓋?建議的補(bǔ)救措施使用條件風(fēng)險(xiǎn)價(jià)值（ConditionalVaR,CVaR）條件風(fēng)險(xiǎn)價(jià)值（CVaR）定義CVaR衡量給定置信水平下的平均損失CVaR衡量超過(guò)VaR的所有損失的期望值CVaR衡量給定置信水平下大于VaR的下行風(fēng)險(xiǎn)條件風(fēng)險(xiǎn)價(jià)值（CVaR），也稱為期望損失(ExpectedShortfall,ES)、差額風(fēng)險(xiǎn)價(jià)值(ShortfallVaR)、平均風(fēng)險(xiǎn)價(jià)值(AverageValueatRisk,AVaR)和預(yù)期尾部損失(ExpectedTailLoss,ETL)條件風(fēng)險(xiǎn)價(jià)值（CVaR）與VaR比較CVaR計(jì)算該水平下大于VaR的所有損失的加權(quán)平均值CVaR通常大于VaR，并且更能代表在同一置信水平下所有最嚴(yán)重的損失CVaR的計(jì)算過(guò)程與VaR類似，主要區(qū)別在于，前者使用單個(gè)百分位點(diǎn)來(lái)估算風(fēng)險(xiǎn)，而后者則利用該百分位點(diǎn)以上所有點(diǎn)的平均值進(jìn)行計(jì)算

條件風(fēng)險(xiǎn)價(jià)值（CVaR）表11?1最壞損失數(shù)據(jù)點(diǎn)（單位：百萬(wàn)美元）由于VaR的非次可加性，它不是一種一致性風(fēng)險(xiǎn)度量。30+36<71負(fù)向多元化效應(yīng)CVaR是一種一致性風(fēng)險(xiǎn)度量。39.33+41.67>74.33正向多元化效應(yīng)

投資方案A投資方案B聯(lián)合方案A&B數(shù)據(jù)點(diǎn)1562379數(shù)據(jù)點(diǎn)2323668數(shù)據(jù)點(diǎn)3304373數(shù)據(jù)點(diǎn)4254671數(shù)據(jù)點(diǎn)5221335數(shù)據(jù)點(diǎn)621234430367139.3341.6774.33風(fēng)險(xiǎn)調(diào)整回報(bào)率多個(gè)風(fēng)險(xiǎn)調(diào)整后的比率，用以比較具有不同風(fēng)險(xiǎn)水平的公司或業(yè)務(wù)部門的相對(duì)業(yè)績(jī)風(fēng)險(xiǎn)調(diào)整收益資本回報(bào)率（RAROC）風(fēng)險(xiǎn)調(diào)整資本回報(bào)率（RORAC）夏普比率風(fēng)險(xiǎn)調(diào)整資本回報(bào)率（RAROC）風(fēng)險(xiǎn)調(diào)整收益資本是一種在考慮各種風(fēng)險(xiǎn)因素的情況下，用于衡量資本回報(bào)率的指標(biāo)RAROC在比較不同投資的盈利能力時(shí)會(huì)考慮風(fēng)險(xiǎn)與傳統(tǒng)的資本回報(bào)率不同，RAROC通過(guò)從預(yù)期凈收入（即回報(bào)的代理指標(biāo)）中減去因風(fēng)險(xiǎn)造成的期望損失，并以經(jīng)濟(jì)資本（即風(fēng)險(xiǎn)的代理指標(biāo)）替換會(huì)計(jì)資本來(lái)進(jìn)行調(diào)整RAROC可以被視為衡量單位資本的回報(bào)與風(fēng)險(xiǎn)之間權(quán)衡的工具。通常，當(dāng)風(fēng)險(xiǎn)水平較高時(shí)，RAROC值較低RAROC計(jì)算式

RAROC中的經(jīng)濟(jì)資本圖11?4經(jīng)濟(jì)資本示意圖注意:如果期望損失非常小，則經(jīng)濟(jì)資本的價(jià)值將接近于VaR值2）期望值是基于事前評(píng)估的。若是事后評(píng)估，在使用RAROC計(jì)算貸款或投資的業(yè)績(jī)時(shí)，則采用已實(shí)現(xiàn)的收益和費(fèi)用

RAROC舉例

風(fēng)險(xiǎn)調(diào)整資本回報(bào)率（RORAC）

RORAC舉例案例研究RORAC的計(jì)算為了進(jìn)一步說(shuō)明RORAC的計(jì)算，考慮以下例子。假設(shè)對(duì)公司A的貸款估值為10百萬(wàn)美元，年利率為7%。貸款人每年需要承擔(dān)貸款價(jià)值的0.9%作為直接相關(guān)的管理成本。該筆貸款以零售存款為資金來(lái)源，其利率為貸款價(jià)值的4.5%。期望損失假定為貸款價(jià)值的1%。貸款人的稅率設(shè)為25%。經(jīng)濟(jì)資本按貸款總額的6%計(jì)算，其中戰(zhàn)略資本為零，無(wú)風(fēng)險(xiǎn)利率為4%。RORAC計(jì)算如下:

比較實(shí)例為了展示風(fēng)險(xiǎn)水平對(duì)RAROC和RORAC最終值的影響，我們假設(shè)對(duì)信用評(píng)級(jí)較低的公司B提供另一筆貸款。由于公司B的信用評(píng)級(jí)低于公司A，因此公司B的經(jīng)濟(jì)資本估計(jì)為貸款金額的10%（這意味著公司B需要更多資金來(lái)彌補(bǔ)因風(fēng)險(xiǎn)造成的非期望損失）。假設(shè)兩家公司之間的其他所有因素均相同，我們便可以計(jì)算出RAROC和RORAC的相應(yīng)值計(jì)算如下:表11-4兩家不同公司的RAROC和RORAC信用評(píng)級(jí)越低兩個(gè)值越低信用等級(jí)越高兩個(gè)值越高

風(fēng)險(xiǎn)水平經(jīng)濟(jì)資本（百萬(wàn)美元）RAROCRORAC公司A低（6%敞口）0.6010.50%26.67%公司B高（10%敞口）1.007.50%16.00%夏普比率

回報(bào)率無(wú)風(fēng)險(xiǎn)利率波動(dòng)率夏普比率投資110.50%1.50%10%90.0%投資2表11?5夏普比率不同不同風(fēng)險(xiǎn)越低的投資夏普比率越高風(fēng)險(xiǎn)越高的投資夏普比率越低10.50%1.50%15%60.0%總結(jié)風(fēng)險(xiǎn)價(jià)值（VaR）條件風(fēng)險(xiǎn)價(jià)值（CVaR）壓力測(cè)試（自學(xué)）風(fēng)險(xiǎn)調(diào)整回報(bào)率練習(xí)思考題

案例研究:

PreciseMechGlobal的貸款保險(xiǎn)困境背景PreciseMechGlobal是一家專注于高端工業(yè)機(jī)械的重要供應(yīng)商，為全球市場(chǎng)提供設(shè)備，涵蓋眾多中小型企業(yè)。在全球經(jīng)濟(jì)不確定性增加和金融監(jiān)管趨嚴(yán)的背景下，PreciseMech正在重新審視其財(cái)務(wù)戰(zhàn)略，旨在優(yōu)化風(fēng)險(xiǎn)管理并確保可持續(xù)發(fā)展。挑戰(zhàn)中小企業(yè)對(duì)貸款保險(xiǎn)的依賴性：PreciseMech的許多客戶依賴貸款保險(xiǎn)以增強(qiáng)其購(gòu)買力。這些保險(xiǎn)的條款存在顯著差異，直接影響中小企業(yè)的購(gòu)買決策。市場(chǎng)動(dòng)態(tài)性：金融保險(xiǎn)市場(chǎng)動(dòng)態(tài)的不斷變化，影響PreciseMech客戶的購(gòu)買力。平衡利益相關(guān)者的利益：在確保銷售數(shù)字的穩(wěn)健增長(zhǎng)與避免迫使中小企業(yè)做出不利財(cái)務(wù)安排之間尋求平衡。監(jiān)管影響：金融和保險(xiǎn)監(jiān)管的不斷演變可能會(huì)影響中小企業(yè)的購(gòu)買模式，從而影響PreciseMech的凈利潤(rùn)。問(wèn)題在避免對(duì)中小企業(yè)的財(cái)務(wù)決策施加不當(dāng)影響的情況下，PreciseMech如何確保其客戶得到充分的保險(xiǎn)保障？討論P(yáng)reciseMech的CVaR評(píng)估結(jié)果如何影響其客戶參與戰(zhàn)略。在經(jīng)濟(jì)衰退或重大監(jiān)管變化的情境下，PreciseMech可以從壓力測(cè)試中得出哪些關(guān)于韌性的見(jiàn)解？鑒于PreciseMech獨(dú)特的市場(chǎng)地位，風(fēng)險(xiǎn)調(diào)整回報(bào)率如何幫助其優(yōu)先考慮投資和合作伙伴關(guān)系？附錄：學(xué)術(shù)思考

供應(yīng)鏈金融風(fēng)險(xiǎn)監(jiān)管下的銀行貸款與貸款保險(xiǎn)

王文利、蔡港樹(shù)引言銀行往往會(huì)設(shè)定貸款限額，以確保本金損失的風(fēng)險(xiǎn)保持在可控范圍內(nèi)，這一過(guò)程與風(fēng)險(xiǎn)價(jià)值(VaR)機(jī)制相呼應(yīng)。這些保守的做法也進(jìn)一步限制了眾多企業(yè)的融資潛力。在借款公司缺乏足夠抵押品以獲得銀行貸款的情況下，第三方保險(xiǎn)公司提供的貸款保險(xiǎn)成為一種可行的替代方案。像銀行業(yè)一樣，保險(xiǎn)業(yè)也受到嚴(yán)格的監(jiān)管，要求保險(xiǎn)公司維持合理的保險(xiǎn)貸款限額以有效管理風(fēng)險(xiǎn)。在供應(yīng)商－買家供應(yīng)鏈中，通常假設(shè)雙方都希望最小化銀行手續(xù)費(fèi)和保險(xiǎn)費(fèi)。因此，可以合理地認(rèn)為，雙方都會(huì)傾向于更高的貸款額度和保險(xiǎn)貸款限額，并希望銀行和保險(xiǎn)公司能夠降低風(fēng)險(xiǎn)規(guī)避的程度。引言這就引出了一些相關(guān)的研究問(wèn)題風(fēng)險(xiǎn)規(guī)避程度以及銀行貸款和貸款保險(xiǎn)條款如何影響供應(yīng)鏈主體之間的均衡和策略互動(dòng)？為買家提供貸款保險(xiǎn)是否始終符合供應(yīng)商的最大利益？政府對(duì)買家的保險(xiǎn)補(bǔ)貼如何影響供應(yīng)鏈主體的利潤(rùn)和整體社會(huì)福利？具有中間產(chǎn)品的供應(yīng)鏈金融模型

具有中間產(chǎn)品的供應(yīng)鏈金融模型

具有中間產(chǎn)品的供應(yīng)鏈金融模型

具有中間產(chǎn)品的供應(yīng)鏈金融模型供應(yīng)鏈博弈動(dòng)態(tài)圖11?5供應(yīng)鏈?zhǔn)录r(shí)間軸主要結(jié)論從買家的角度來(lái)看，購(gòu)買具有較高固定保費(fèi)和較低保險(xiǎn)貸款限額的次優(yōu)貸款保險(xiǎn)政策并非總是不利的。從供應(yīng)商的角度來(lái)看，向面臨較高銀行手續(xù)費(fèi)和較低初始貸款限額的買家出售中間產(chǎn)品并不一定是不利的，尤其是如果買家愿意購(gòu)買貸款保險(xiǎn)以提高其獲得訂單的能力。從供應(yīng)鏈公司關(guān)于風(fēng)險(xiǎn)監(jiān)管的角度來(lái)看，買家更傾向于從嚴(yán)格的保險(xiǎn)監(jiān)管中獲益，而供應(yīng)商往往受益于更嚴(yán)格的金融監(jiān)管。文章還揭示了一個(gè)斯塔克爾伯格囚徒困境，這種困境出現(xiàn)在保險(xiǎn)條款過(guò)于嚴(yán)格（例如過(guò)高的固定保費(fèi)或過(guò)低的保險(xiǎn)貸款限額）或銀行監(jiān)管過(guò)于寬松（例如較低的固定銀行手續(xù)費(fèi)或較高的初始貸款限額）的情況下。實(shí)際上，政府可以通過(guò)向貸款尋求者提供保險(xiǎn)補(bǔ)貼來(lái)緩解斯塔克爾伯格囚徒困境，從而提高社會(huì)福利。此外，官員們可能會(huì)推動(dòng)保費(fèi)共同籌資以緩解斯塔克爾伯格囚徒困境，從而提高供應(yīng)鏈效率。在供應(yīng)鏈金融機(jī)制中，供應(yīng)商在向資金有限的買家提供貿(mào)易信用時(shí)應(yīng)謹(jǐn)慎行事，尤其是當(dāng)其生產(chǎn)成本上升時(shí)。相反，為了獲取更大的訂單限額，買家可能會(huì)發(fā)現(xiàn)向數(shù)量較少的銀行借款更為有利。壓力測(cè)試壓力測(cè)試的重要性2007年至2009年的金融危機(jī)和新冠疫情暴露了大多數(shù)VaR模型的局限性:難以考慮多年市場(chǎng)趨勢(shì)、信用評(píng)級(jí)下調(diào)、操作風(fēng)險(xiǎn)事件(例如欺詐)、非線性價(jià)格波動(dòng)等相關(guān)風(fēng)險(xiǎn)在理解全球金融危機(jī)期間的系統(tǒng)性互聯(lián)方面，其他量化方法難以充分捕捉壓力測(cè)試，也稱為酷刑測(cè)試(TortureTesting)或極端情景測(cè)試，是《巴塞爾協(xié)議III》的正式要求，已成為風(fēng)險(xiǎn)管理中必不可少的工具。壓力測(cè)試壓力測(cè)試的目的通過(guò)評(píng)估機(jī)構(gòu)抵御危機(jī)情況的能力來(lái)全面了解風(fēng)險(xiǎn)可以被視為風(fēng)險(xiǎn)管理中敏感性分析的一種特殊形式，它關(guān)注更加極端的事件它回答一些直觀的問(wèn)題，比如“如果30%的現(xiàn)有客戶轉(zhuǎn)向我們最大的競(jìng)爭(zhēng)對(duì)手，我們應(yīng)該采取什么措施？”在壓力測(cè)試中運(yùn)用定性思維過(guò)程能夠有效補(bǔ)充VaR等定量風(fēng)險(xiǎn)度量的不足，并有助于機(jī)構(gòu)的戰(zhàn)略規(guī)劃11.4壓力測(cè)試進(jìn)行壓力測(cè)試的方法基于歷史事件的壓力測(cè)試基于經(jīng)濟(jì)見(jiàn)解的壓力測(cè)試由于歷史事件可能并不總是可用的，基于經(jīng)濟(jì)見(jiàn)解的方法往往更為實(shí)用?；诮?jīng)濟(jì)見(jiàn)解的情景概率判斷本質(zhì)上是主觀的。在選擇測(cè)試情景時(shí)，歷史事件和經(jīng)濟(jì)見(jiàn)解可以很好地相互補(bǔ)充?；诮?jīng)濟(jì)見(jiàn)解的壓力測(cè)試壓力包絡(luò)它整合了所有情況下最嚴(yán)重的壓力沖擊(Crouhyetal.,2013)步驟:1.確定多個(gè)相關(guān)壓力類別。例如利率、信用利差、大宗商品價(jià)格、政治環(huán)境、國(guó)際法規(guī)、匯率、股價(jià)及市場(chǎng)波動(dòng)等2.針對(duì)每個(gè)壓力類別，確定在實(shí)際情景中可能發(fā)生的最嚴(yán)重壓力沖擊，并進(jìn)一步細(xì)化每個(gè)類別內(nèi)的壓力沖擊次數(shù)。壓力包絡(luò)應(yīng)用舉例表11?2壓力類別和壓力沖擊次數(shù)注：假設(shè)這六種壓力類別對(duì)某特定供應(yīng)鏈金融交易至關(guān)重要

壓力類別壓力沖擊次數(shù)1利率42國(guó)際法規(guī)43外匯匯率24信用利差25股權(quán)46環(huán)境影響2壓力包絡(luò)應(yīng)用舉例極端（最嚴(yán)重）的壓力沖擊情景美股指數(shù)下跌40%亞股指數(shù)下跌40%外匯匯率上漲30%相對(duì)應(yīng)的影響較小的中等壓力沖擊情景美股指數(shù)下跌15%亞股指數(shù)下跌20%外匯匯率上漲10%基于表11-2的特定“包絡(luò)”情景及相對(duì)應(yīng)的焦點(diǎn)情景壓力包絡(luò)應(yīng)用舉例表11?3壓力包絡(luò)線和壓力情景的影響注：1）表11-3只是簡(jiǎn)要介紹了壓力對(duì)公司利潤(rùn)的潛在影響。2）全面的壓力測(cè)試應(yīng)覆蓋公司所有相關(guān)領(lǐng)域，包括利潤(rùn)表現(xiàn)、流動(dòng)性、資產(chǎn)和權(quán)益。3）在“焦點(diǎn)情景沖擊權(quán)重”計(jì)算中使用的線性插值方法也是一種簡(jiǎn)化估計(jì)，實(shí)際損失可能會(huì)因?yàn)閴毫︻悇e中存在的非線性關(guān)系而被低估或高估。構(gòu)建壓力包絡(luò)的影響（即損失），以計(jì)算出焦點(diǎn)情景下的潛在損失。

壓力包絡(luò)沖擊壓力包絡(luò)影響焦點(diǎn)情景沖擊焦點(diǎn)情景沖擊權(quán)重焦點(diǎn)情景影響123

總計(jì)基于經(jīng)濟(jì)見(jiàn)解的壓力測(cè)試因子推動(dòng)壓力測(cè)試為了全面了解潛在的壓力影響，采用因子推動(dòng)壓力測(cè)試的方法，基于之前確定的潛在壓力沖擊，探索所有可能的組合，并需對(duì)多種潛在情景進(jìn)行細(xì)致審查缺點(diǎn):該方法可能會(huì)產(chǎn)生一些不切實(shí)際的情景組合例如，在模擬中，兩年期國(guó)債利率可能會(huì)朝一個(gè)方向移動(dòng)，而三年期國(guó)債利率則向相反方向移動(dòng)，這種情況通常被視為不現(xiàn)實(shí)（Allen,2012）基于經(jīng)濟(jì)見(jiàn)解的壓力測(cè)試蒙特卡羅壓力測(cè)試為了解決因子推動(dòng)方法存在的相關(guān)性問(wèn)題，可以采用壓力沖擊的概率度量雖然一些人認(rèn)為在金融危機(jī)期間相關(guān)性可能會(huì)受到破壞（