供应链金融：机制原理、风险分析与技术创新 课件 第11章　供应链金融风险评估

供应链金融

机制原理、风险分析和技术创新

蔡港树著11SCF风险评估目录风险价值(Value-at-Risk,

VaR)条件风险价值

(ConditionalValue-at-Risk,

CVaR)压力测试（自学）风险调整回报率导言在实际操作中，当供应链企业面对潜在威胁时，通常会表现出风险规避的行为经济学家们认为，风险厌恶情绪的增加是引发经济衰退的原因之一，这种情况往往与企业投资支出远低于预期的时期相吻合

(Gurnanietal.,

2014)为了应对风险规避问题，企业应该使用风险调整后的绩效评估工具来支持和优化决策过程

三个主要组成部分最大损失置信水平（通常为95%或99%）时间段VaR的定义

在99%的置信水平下每日VaR为100万美元在一天内相对于期望利润的损失超过100万美元的概率为1%在100天中，预计有1天（即1%的100天）相对于期望价值的损失将超过100万美元100万美元的99%VaR在一天内，指定的投资组合或公司损失超过100万美元的概率最大为1%

VaR的定义风险价值(VAR)和绝对风险价值(VAR′)

图11‑1正态分布下的VaR

VaR的定义历史法直接利用历史数据来构建损益分布，其基本假设是未来的市场行为将反映过去的数据特征。需要有足够大的数据量（例如，一到三年的数据或几百个以上的数据点），才能得到有统计意义的结果。历史模拟法中最直接的方法是利用历史数据构建直方图。

历史直方图法图11-2历史利润数据直方图期望利润为250万美元95%置信水平:每日损失不会超过100万美元VaR为350万美元99%置信水平:每日损失不会超过300万美元VaR为550万美元历史模拟法如果我们缺乏关于所讨论目标的直接数据，也可以通过构建涉及该目标所有相关风险因子（例如利润）的直方图来进行估算，这种方法被称为历史模拟法

(Crouhyetal.,

2013;

Allen,

2012)收集一段时间内所有风险因子的历史数据使用一个模型将风险因子的值转换为目标值

根据目标最终值的直方图来估算VaR使用历史法估计VaR：利与弊优点操作简便：不依赖于任何数学模型或参数非参数：无需假设正态分布或任何其他特定分布形态，无论分布是否具有“厚尾”特性或市场变量之间的相关性如何置信区间可获得：便于计算VaR的置信区间全面：综合了所有影响因素，但不深入探讨诸如历史波动性和相关性等细节，因为这些因素已经在所用数据中得到体现缺点数据要求高：需要大量相关的历史数据集，通常很难在SCF中获得过去无法代表未来：即使数据充足，我们也必须警惕数据固有的局限性，因为过去的数据可能不一定能准确预测未来。例如，2020年之前，我们无法预见新冠疫情的灾难性影响，而之前三年的数据也未能显示出任何相关的迹象。在另一方面，新冠疫情结束后的未来三年内，同样的事件可能不会重现历史数据无法反映未来采用新技术（如区块链技术）所带来的变化结果由极端值主导：最终的VaR值似乎只是由某些特定的历史时期所决定，这些时期可能并不具有代表性方差-协方差法

方差-协方差法举例方差-协方差法举例方差-协方差法举例使用方差-协方差法估计VaR：利弊分析优点根据历史数据可估计参数可基于已有的收益时间序列进行实际计算和应用概念简单基于资产收益的均值和方差缺点正态分布与厚尾分布假设许多收益分布呈现“厚尾”的特性,更多的观测值集中在远离均值的位置如果实际数据遵循厚尾分布，最大的损失可能会比在正态分布假设下计算的VaR发生得更频繁。因此，方差-协方差法可能会低估VaR和潜在损失的严重程度为了缓解厚尾的影响，一种策略是通过多元化投资，使总体投资的均值依据中心极限定理趋向于正态分布，但这同时也增加了计算VaR的复杂性无法充分描述聚集现象当风险因子之间的相关性极高时，可能导致的风险聚集程度超出了相关系数所能反映的范围。这种情况下，联合正态分布可能不再适用作为简单的二元分布处理复杂场景时缺乏灵活性不适合应对那些需要模拟非线性关系或非正态分布风险因子的情形图11‑3正态分布与厚尾分布蒙特卡罗模拟法蒙特卡罗模拟法是一种通过大量模拟管理相关目标的随机过程的方法通过进行足够多的模拟，模拟所得的分布可能会收敛至真实的未知分布，从而使我们能够推断出VaR1.识别所有相关的风险因子需要明确所有会影响回报率（因变量）的相关风险因子2.构建模拟模型描述这些风险因子（例如各风险因子的分布、相关性和随机过程）与因变量之间的动态关系3.运行模拟为每个风险因子生成一组值，用作模型输入优点:能够根据需要生成更多的数据点，提供了处理缺失数据的更大灵活性允许结合以往的历史经验（不仅限于最近的数据），从而选择最相关的数据集来估计模拟模型的每个参数缺点:依赖于对风险因子的设定和模型假设（如分布参数）解决方案是利用历史模拟法来描述变量之间的相关性蒙特卡罗模拟法：利弊分析风险管理中的VaR：三阶段方法1-3倍VaR内预计会出现周期性的VaR突破，尤其是当VaR在较低的置信水平下获得的。如果一家公司无法承受偶尔发生的3倍VaR的损失，那它就难以长期生存3-10倍VaR内应实施压力测试以检查所有可预见事件，并应做好准备以应对这些最坏情况超过10倍VaR这些事件可能是无法预见的。因此，公司通常应采取购买保险或对冲措施来应对这些极端情况风险价值（VAR）的局限性⚠️模型限制遗漏关键风险特征数据限制模型操纵风险⚠️忽略“尾部风险”基于特定阈值点或置信水平的计算低估极端事件导致尾部风险被掩盖✅建议的补救措施使用条件风险价值（ConditionalVaR,CVaR）条件风险价值（CVaR）定义CVaR衡量给定置信水平下的平均损失CVaR衡量超过VaR的所有损失的期望值CVaR衡量给定置信水平下大于VaR的下行风险条件风险价值（CVaR），也称为期望损失(ExpectedShortfall,ES)、差额风险价值(ShortfallVaR)、平均风险价值(AverageValueatRisk,AVaR)和预期尾部损失(ExpectedTailLoss,ETL)条件风险价值（CVaR）与VaR比较CVaR计算该水平下大于VaR的所有损失的加权平均值CVaR通常大于VaR，并且更能代表在同一置信水平下所有最严重的损失CVaR的计算过程与VaR类似，主要区别在于，前者使用单个百分位点来估算风险，而后者则利用该百分位点以上所有点的平均值进行计算

条件风险价值（CVaR）表11‑1最坏损失数据点（单位：百万美元）由于VaR的非次可加性，它不是一种一致性风险度量。30+36<71负向多元化效应CVaR是一种一致性风险度量。39.33+41.67>74.33正向多元化效应

投资方案A投资方案B联合方案A&B数据点1562379数据点2323668数据点3304373数据点4254671数据点5221335数据点621234430367139.3341.6774.33风险调整回报率多个风险调整后的比率，用以比较具有不同风险水平的公司或业务部门的相对业绩风险调整收益资本回报率（RAROC）风险调整资本回报率（RORAC）夏普比率风险调整资本回报率（RAROC）风险调整收益资本是一种在考虑各种风险因素的情况下，用于衡量资本回报率的指标RAROC在比较不同投资的盈利能力时会考虑风险与传统的资本回报率不同，RAROC通过从预期净收入（即回报的代理指标）中减去因风险造成的期望损失，并以经济资本（即风险的代理指标）替换会计资本来进行调整RAROC可以被视为衡量单位资本的回报与风险之间权衡的工具。通常，当风险水平较高时，RAROC值较低RAROC计算式

RAROC中的经济资本图11‑4经济资本示意图注意:如果期望损失非常小，则经济资本的价值将接近于VaR值2）期望值是基于事前评估的。若是事后评估，在使用RAROC计算贷款或投资的业绩时，则采用已实现的收益和费用

RAROC举例

风险调整资本回报率（RORAC）

RORAC举例案例研究RORAC的计算为了进一步说明RORAC的计算，考虑以下例子。假设对公司A的贷款估值为10百万美元，年利率为7%。贷款人每年需要承担贷款价值的0.9%作为直接相关的管理成本。该笔贷款以零售存款为资金来源，其利率为贷款价值的4.5%。期望损失假定为贷款价值的1%。贷款人的税率设为25%。经济资本按贷款总额的6%计算，其中战略资本为零，无风险利率为4%。RORAC计算如下:

比较实例为了展示风险水平对RAROC和RORAC最终值的影响，我们假设对信用评级较低的公司B提供另一笔贷款。由于公司B的信用评级低于公司A，因此公司B的经济资本估计为贷款金额的10%（这意味着公司B需要更多资金来弥补因风险造成的非期望损失）。假设两家公司之间的其他所有因素均相同，我们便可以计算出RAROC和RORAC的相应值计算如下:表11-4两家不同公司的RAROC和RORAC信用评级越低两个值越低信用等级越高两个值越高

风险水平经济资本（百万美元）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

回报率无风险利率波动率夏普比率投资110.50%1.50%10%90.0%投资2表11‑5夏普比率不同不同风险越低的投资夏普比率越高风险越高的投资夏普比率越低10.50%1.50%15%60.0%总结风险价值（VaR）条件风险价值（CVaR）压力测试（自学）风险调整回报率练习思考题

案例研究:

PreciseMechGlobal的贷款保险困境背景PreciseMechGlobal是一家专注于高端工业机械的重要供应商，为全球市场提供设备，涵盖众多中小型企业。在全球经济不确定性增加和金融监管趋严的背景下，PreciseMech正在重新审视其财务战略，旨在优化风险管理并确保可持续发展。挑战中小企业对贷款保险的依赖性：PreciseMech的许多客户依赖贷款保险以增强其购买力。这些保险的条款存在显著差异，直接影响中小企业的购买决策。市场动态性：金融保险市场动态的不断变化，影响PreciseMech客户的购买力。平衡利益相关者的利益：在确保销售数字的稳健增长与避免迫使中小企业做出不利财务安排之间寻求平衡。监管影响：金融和保险监管的不断演变可能会影响中小企业的购买模式，从而影响PreciseMech的净利润。问题在避免对中小企业的财务决策施加不当影响的情况下，PreciseMech如何确保其客户得到充分的保险保障？讨论PreciseMech的CVaR评估结果如何影响其客户参与战略。在经济衰退或重大监管变化的情境下，PreciseMech可以从压力测试中得出哪些关于韧性的见解？鉴于PreciseMech独特的市场地位，风险调整回报率如何帮助其优先考虑投资和合作伙伴关系？附录：学术思考

供应链金融风险监管下的银行贷款与贷款保险

王文利、蔡港树引言银行往往会设定贷款限额，以确保本金损失的风险保持在可控范围内，这一过程与风险价值(VaR)机制相呼应。这些保守的做法也进一步限制了众多企业的融资潜力。在借款公司缺乏足够抵押品以获得银行贷款的情况下，第三方保险公司提供的贷款保险成为一种可行的替代方案。像银行业一样，保险业也受到严格的监管，要求保险公司维持合理的保险贷款限额以有效管理风险。在供应商－买家供应链中，通常假设双方都希望最小化银行手续费和保险费。因此，可以合理地认为，双方都会倾向于更高的贷款额度和保险贷款限额，并希望银行和保险公司能够降低风险规避的程度。引言这就引出了一些相关的研究问题风险规避程度以及银行贷款和贷款保险条款如何影响供应链主体之间的均衡和策略互动？为买家提供贷款保险是否始终符合供应商的最大利益？政府对买家的保险补贴如何影响供应链主体的利润和整体社会福利？具有中间产品的供应链金融模型

具有中间产品的供应链金融模型

具有中间产品的供应链金融模型

具有中间产品的供应链金融模型供应链博弈动态图11‑5供应链事件时间轴主要结论从买家的角度来看，购买具有较高固定保费和较低保险贷款限额的次优贷款保险政策并非总是不利的。从供应商的角度来看，向面临较高银行手续费和较低初始贷款限额的买家出售中间产品并不一定是不利的，尤其是如果买家愿意购买贷款保险以提高其获得订单的能力。从供应链公司关于风险监管的角度来看，买家更倾向于从严格的保险监管中获益，而供应商往往受益于更严格的金融监管。文章还揭示了一个斯塔克尔伯格囚徒困境，这种困境出现在保险条款过于严格（例如过高的固定保费或过低的保险贷款限额）或银行监管过于宽松（例如较低的固定银行手续费或较高的初始贷款限额）的情况下。实际上，政府可以通过向贷款寻求者提供保险补贴来缓解斯塔克尔伯格囚徒困境，从而提高社会福利。此外，官员们可能会推动保费共同筹资以缓解斯塔克尔伯格囚徒困境，从而提高供应链效率。在供应链金融机制中，供应商在向资金有限的买家提供贸易信用时应谨慎行事，尤其是当其生产成本上升时。相反，为了获取更大的订单限额，买家可能会发现向数量较少的银行借款更为有利。压力测试压力测试的重要性2007年至2009年的金融危机和新冠疫情暴露了大多数VaR模型的局限性:难以考虑多年市场趋势、信用评级下调、操作风险事件(例如欺诈)、非线性价格波动等相关风险在理解全球金融危机期间的系统性互联方面，其他量化方法难以充分捕捉压力测试，也称为酷刑测试(TortureTesting)或极端情景测试，是《巴塞尔协议III》的正式要求，已成为风险管理中必不可少的工具。压力测试压力测试的目的通过评估机构抵御危机情况的能力来全面了解风险可以被视为风险管理中敏感性分析的一种特殊形式，它关注更加极端的事件它回答一些直观的问题，比如“如果30%的现有客户转向我们最大的竞争对手，我们应该采取什么措施？”在压力测试中运用定性思维过程能够有效补充VaR等定量风险度量的不足，并有助于机构的战略规划11.4压力测试进行压力测试的方法基于历史事件的压力测试基于经济见解的压力测试由于历史事件可能并不总是可用的，基于经济见解的方法往往更为实用。基于经济见解的情景概率判断本质上是主观的。在选择测试情景时，历史事件和经济见解可以很好地相互补充。基于经济见解的压力测试压力包络它整合了所有情况下最严重的压力冲击(Crouhyetal.,2013)步骤:1.确定多个相关压力类别。例如利率、信用利差、大宗商品价格、政治环境、国际法规、汇率、股价及市场波动等2.针对每个压力类别，确定在实际情景中可能发生的最严重压力冲击，并进一步细化每个类别内的压力冲击次数。压力包络应用举例表11‑2压力类别和压力冲击次数注：假设这六种压力类别对某特定供应链金融交易至关重要

压力类别压力冲击次数1利率42国际法规43外汇汇率24信用利差25股权46环境影响2压力包络应用举例极端（最严重）的压力冲击情景美股指数下跌40%亚股指数下跌40%外汇汇率上涨30%相对应的影响较小的中等压力冲击情景美股指数下跌15%亚股指数下跌20%外汇汇率上涨10%基于表11-2的特定“包络”情景及相对应的焦点情景压力包络应用举例表11‑3压力包络线和压力情景的影响注：1）表11-3只是简要介绍了压力对公司利润的潜在影响。2）全面的压力测试应覆盖公司所有相关领域，包括利润表现、流动性、资产和权益。3）在“焦点情景冲击权重”计算中使用的线性插值方法也是一种简化估计，实际损失可能会因为压力类别中存在的非线性关系而被低估或高估。构建压力包络的影响（即损失），以计算出焦点情景下的潜在损失。

压力包络冲击压力包络影响焦点情景冲击焦点情景冲击权重焦点情景影响123

总计基于经济见解的压力测试因子推动压力测试为了全面了解潜在的压力影响，采用因子推动压力测试的方法，基于之前确定的潜在压力冲击，探索所有可能的组合，并需对多种潜在情景进行细致审查缺点:该方法可能会产生一些不切实际的情景组合例如，在模拟中，两年期国债利率可能会朝一个方向移动，而三年期国债利率则向相反方向移动，这种情况通常被视为不现实（Allen,2012）基于经济见解的压力测试蒙特卡罗压力测试为了解决因子推动方法存在的相关性问题，可以采用压力冲击的概率度量虽然一些人认为在金融危机期间相关性可能会受到破坏（