Var 模型与ES模型在金融风险管理中的运用开题报告

对金融风险进行系统性的评估一直以来都是每一个企业的管理者或是政策的制定者重点关注的问题。但是随着时代的不断发展，如今大数据时代也随之到来，数据也变得更为的庞杂多样与高速易变，对于数据的分析与研究也面临了严酷的挑战。为此对于数学模型的应用便显得至关重要了。本文的主要内容便是说明和演示VaR模型与ES模型在金融保险业风险管理方面的具体运用，在收集大量保险行业经营数据的基础上，建立数学模型，对已有的数据进行具体分析与检验，得出相应的VaR值与ES值预测企业未来的财务最大亏损状况。来帮助企业家对未来的经营状况有一个大致的了解，对于风险有所把控，提前做好一定的应对准备。

1.论文的具体研究的内容：

一、对于VaR模型和ES模型的介绍

(一) 模型的公式表示

(二) 模型的优劣比较

二、对保险公司的样本和数据筛选

(一) 对数据的限制条件

(二) 对所选公司和数据方面的大致介绍

三、VaR模型和ES模型的具体运用

(一) 对模型的运用和VaR，ES值的计算

(二) 对所得数据的检验

(三) 根据所得结果进行分析

四、总结与展望

总结本文的不足与未来的研究方向：

本文虽然将两种不同的数学模型运用到了保险行业日常的经营管理中去，得出大致结果让管理者针对风险能够提前有所应对，但是模型本身还是具有着一定的缺陷和不适用性，所得的结果也仅能作为参考。因此对于误差和不足还需要在未来进行进一步的深入和研究。

2.重点解决的问题

(1) 对于具体数据的收集和筛选。关于保险类的数据繁多，应当针对自身研究的方向，定下具体的原则，对于数据进行筛选与整理。

(2) 模型的建立与运用

(3) 检验模型和方法正确的准则较难选择。要针对不同的模型，采用不同的方法和不同的数据来验证模型和结论的正确性。

保险业作为我国的新兴行业，在近年来得到了较快的发展，据悉，2019年保险行业总资产首次突破20万亿元，这是一个历史性的进步，也说明保险业在我国金融行业中逐渐占据了重要地位。

国外学者MorganStanley(2008)认为，保险公司的营业利润分为两大部分：承保业务和保险资金运用业务，目前，各个保险公司为了增加本身的市场占有率，不断的降低保险费率，这使得承保利润不断下降甚至出现负值，为了弥补承保利润的亏损，保险公司必须经过保险投资活动来保证取得利润，所以进行保险费等收入的投资活动是保险业不可或缺的活动；Focarelli(2017)阐述了保险公司对实体经济长期投资的作用，并对欧洲市场进行了考察，他认为金融监管，特别是审慎保险监管对保险资金的运用和金融稳定及经济增长具有重要影响。

但保险业在国内作为新兴行业，国内学者对保险业的财务风险研究并不多，不过我们也可以借鉴对于其他金融资产的分析方法进行参考类比。阎栗(2009)等研究并讨论了VaR模型在我国寿险公司风险管理中的应用，并指出我国寿险公司建立基于VaR的风险管理体系需在公司治理结构、风险管理组织架构、风险管理技术、风险数据库等方面加以完善；谢尚宇(2014)等扩展了Kuan等的CARE模型到带有异方差的数据,引入ARCH效应提出了一个线性ARCH-Expectile模型对VaR和ES进行度量；王佳宇(2016)通过对四家不同的保险公司的真实财务进行模拟分析，分别计算VaR值与ES值进行风险估计，将VaR模型和ES模型灵活的与保险公司日常经营的风险管理中，从而让公司根据自己的风险承受意愿和能力，提前做好准备，调整承包计划或产品定价；赵迪(2018)利用VaR方法对我国保险资金运用的风险和投资效益进行研究，发现金融收益率序列存在“尖峰厚尾”性，再通过对具体公司—平安保险公司进行数据分析与检验提出了针对性的经营策略与建议；胡宗义(2020)等将Expectile引入GARCH族模型，然后采用贝叶斯方法进行参数估计，进而提出贝叶斯GARCH-Expectile模型，用于股指期货市场的Var和ES度量。

本文主要内容便是参考王佳宇研究方法对近年来保险行业内部的数据和样本进行筛选和确认，进而用VaR和ES两个数学模型分析多家保险公司的数据，并检验和比较模型的有效性，分析风险大小，提出有效的方案与建议。

[1] Focarelli D. Why Insurance Regulationis Crucial for Long – term Investment and Econmic Growth [J]. Sep WorkingPapers，2017，7(06):16-19.

[2] Kumar J，Afifa U，Sharma N. VAR Modelling of Insurance Premiums: Caseof Life Insurance in India [J]. 2016，6(05):1-19.

[3] Zhao J Zhang Y. Variable selection inexpectile regression [J]. Communications in Statistics-Theory and Methods.2018,47(7):1731-1746.

[4]Mcdonald R，Mohri M，SilbermanN，et al. Efficient large-scale distributedstatistical learning [J]. Information and Inference: A Journal of IMA，2016，5(4):379-404.

[5] BAIJ，BALITG，WEN Q. Common Risk Factors in the Cross-Section ofCorporate Bond Returns [J]. Journal of Financial Economics，2019，131(3)：619-642.

[6] LETTAU M，MAGGIORI M，WEBER M.Conditional Risk Premia in Currency Markets and Other Asset Classes [J].Journal of Financial Economics，2014，114(2)：197-225.

[7] ZiyangYao.The Risk Measurement ofChina’s Insurance Fund Investment—Based on VaR Model [J]. Journal ofFinancial Risk Management，2018(07).

[8] 阎栗，付江涛. VaR模型及其在寿险公司风险管理中的应用 [J]. 保险研究，2009(02):78-83.

[9] 谢尚宇，姚宏伟，周勇. 基于ARCH-Expectile方法的VaR和ES尾部风险测量 [J]. 中国管理科学，2014，22(09)：1-9.

[10] 胡宗义，李毅，万闯. 基于贝叶斯GARCH-Expectile模型的VaR和ES风险度量 [J]. 数理统计与管理，2020(03): 467-477.

[11] 赵迪. 基于GARCH-VaR模型的保险投资绩效分析 [J]. 保险职业学院学报，2018(06):14-18.

[12] 王佳宇. VaR模型与ES模型在保险公司的风险管理中的应用 [J]. 现代商业，2016(21):159-160.

[13] 李芒环. 金融风险管理方法VaR、ES和ES~(n)的比较 [J].统计与决策, 2015(8):84-86.

[14] 王明哲. 基于Copula-VaR 模型的资产组合风险研究 [J]. 金融理论与实践，2017(6)：7-11.

[15] 胡志军，极端风险与横截面股票预期收益率：基于A股市场的实证研究 [J]. 金融学季刊，2016(3)：107-120.

[16] 张丽娟. 黄金对保险投资风险影响的度量——基于VaR 模型的实证分析 [J]. 金融经济，2018(22).

[17] 李佳，陈冬兰. 我国保险股市市场风险度量的比较研究 [J]. 生产力研究，2018(11).

[18] 胡留所，王明. VaR历史模拟法在中国银行外汇风险度量中的应用 [J]. 现代经济信息，2018(09).

[19] 刘晓玲，罗荣华. 基于 VAR 模型下的金融发展在促进我国实体经济发展中的效果研究 [J]. 上海立信会计金融学院学报，2017（3）：34-44.

[20] 宋华，杨璇. 供应链金融风险来源与系统化管理：一个整合性框架 [J]. 中国人民大学学报，2018，32（4）：119-128.