版权声明 中国商业银行全面风险管理解决方案
版权声明 中国商业银行全面风险管理解决方案
中国商业银行 市场风险管理解决方案
第版
Algorithmics Limited
2005年10月13日
多伦多总部
Algo中国金融风险实验室
中国业务代表
185 Spadina Avenue
北京市海淀区中关村软件园
手机：(86) 13701365795
Toronto Ontario
国永大楼三层
电邮：mliu@
M5T 2C6 Canada
中华人民共和国，100094
电话：(001) 416-217-1500
电话：(86) 010-82825398
网站：
网站：
COPYRIGHT NOTICE（版权声明） ©ALGORITHMICS LIMITED 2005
该文件所包含的信息属于Algorithmics公司（Algo公司）以及它的下属机构和它的国际合作伙伴，并受国际版权法保护。任何第三方需要引用该文件的内容须事先获得Algo公司或它的国际合作伙伴的书面同意。
下列名称是Algorithmics公司或其全资下属机构的注册商标：
ALGO SUITE、ALGO CREDIT、ALGO MARKET、ALGO ALM、ALGO LIMITS、ALGO COLLATERAL、ALGO ENERGY、ALGO ASP、ALGO LIQUIDITY、ALGO OPRISK、ALGO REPORTING DATABASE、ARDB、RISKWAREHOUSE、ALGO INPUT DATABASE、AIDB、RISKWATCH、RISKWATCH-ENGINE EDITION、HISTORISK、ALGO SCENARIO ENGINE、ASE、RISKMAPPER、RISK++、RISKSCRIPT、RISK PROCESS MANAGER、RISKENGINE、ALGO RISK ENGINE、ARE、ALGO CUBE EXPLORER、ACE、ALGO WATCHDOG、ALGO PORTFOLIO CREDIT RISK ENGINE、PCRE、RISKBROWSER、ALGO CREDIT EVALUATOR、RISKCURVES、ALGO LIMITS、ALGO LIMITS MANAGER、ALGO LIMITS MANAGER WEB、ALGO LIMITS MANAGER DATABASE 、ALGOEXCHANGE、ALGOSOURCE、ALGO CERTIFIED ENGINEER、ALGO INTEGRATOR、SENTRY、E-SENTRY、MARK-TO-FUTURE、MTF、MARK TO FUTURE & Design、KNOW YOUR RISK、KNOW YOUR RISK WORLDWIDE、A REVOLUTION IN THE EVOLUTION OF RISK、RISKLAB、RISKLAB INTERNATIONAL、RISKLAB INTERNATIONAL CONNECTED FINANCIAL RESEARCH、ALGO ACADEMY、ARQ、ALGO RESEARCH、ALGO RESEARCH QUARTERLY、、RISKDRIVE、RISKMARK、RISKPORTAL、ALGO RISK PORTAL、RISKMOVIES、ALGOENGINE、ARC、AI & design、ALGO和ALGORITHMICS。
所有本文件中所提及的其它商标则隶属其它公司。
Algorithmics Limited
185 Spadina Avenue
Toronto, Ontario
Canada M5T 2C6
内容提要
1公司简介
4第一章 引言
6第二章 Algo市场风险管理系统的功能
7第一节 交易帐户的市场风险计量
7(1) 每日估值功能
9(2) 利率风险分析功能
11(3) 股票风险分析功能
11(4) 外汇风险分析功能
12(5) 总体风险评估报告
14(6) 压力测试报告
15(7) 事后检验功能
16第二节 资产负债的市场风险计量
16(1) 缺口分析
18(2) 收入模拟及EaR
20(3) 久期分析
20(4) 资本经济价值（EVE）的敏感性分析
22第三节 市场风险的监测和限额管理
22(1) 限额监控报告
24(2) 风险集中度分析报告
25(3) 用户权限设置和预设报表运行功能
26第三章 Algo公司的解决方案
26第一节 Algo金融风险管理解决方案的系统架构和应用
26(1) Algo市场风险管理系统的整体架构
26(2) 银行市场风险管理系统的整体架构
28第二节 银行风险管理系统中各个功能模块的说明
28(1) 数据转换模块RM（RiskMapper）
30(2) 情景生成引擎ASE（Algo Scenario Engine）
30(3) 计算分析引擎RW（RiskWatch）
31(4) 数据汇总和展示模块AIR（Algo Invest Risk）
31第三节 软硬件平台配置、工程实施、售后服务
31(1) 服务器系统
31(2) 操作终端系统
32(3) 市场风险管理系统工程实施中的工作内容
32(4) Algo金融风险管理系统的本地售后服务
34附件一：2005年全球金融百强Algo用户清单
37附件二： 金融风险软件厂家全球金融风险技术排名
37(1) 市场风险技术全球排名表
37(2) 信用风险技术全球排名表
38(3) 操作风险技术全球排名表
41附件三： Algo市场风险管理系统金融产品覆盖一览表
41(1) 国内金融产品覆盖一览表
41(2) 国际金融产品覆盖一览表
45附件四： Algo市场风险计量指标一览表
公司简介
加拿大Algorithmics Incorporated（简称Algo公司）成立于1989年，是专门从事金融风险管理软件研发和销售的独立软件开发商，它在业界一直以领先的市场份额，锐意创新，和前沿的金融风险分析理念著称。Algo公司已经向很多世界级金融企业提供了先进的金融风险管理软件，这些金融企业通过这些软件的帮助能够更清晰和深入地了解他们的金融风险。通过使用Algo公司专有的Mark-to-Future核心技术，这些金融企业可以对他们的市场风险、信用风险和操作风险实现战略化管理，并有可能将它们整合在一起实现整个金融企业在各个业务应用领域金融风险的统一管理。
加拿大Algo公司向全世界30多个国家中的260多家领先金融企业提供了金融风险管理技术。相对于它的竞争对手来说，加拿大Algo公司拥有最多的世界一流银行客户，全球前100家金融企业中超过60家使用Algo公司的金融风险分析软件。而且Algo公司非常注重客户的认同，并把他们制作在案例分析，广告，新闻发布，专栏文章等发行物上。
为了更好地为金融企业服务，Algo公司在全世界有15个分支机构，并有超过550名员工，其中包括超过60名博士。Algo公司总部设在加拿大多伦多市，并在以下城市设有分支机构：纽约、费城、伦敦、巴黎、法兰克福、东京、新加坡、悉尼、维也纳、马德里、墨西哥城、圣保罗、布里奇顿、约翰内斯堡。Algo公司的金融风险管理软件能够适应不同的地区金融文化、不同的金融宏观环境、不同的金融企业管理模式。它对研究的重视和广泛的地域覆盖帮助Algo公司成为业界公认的具有领先理念的独立软件开发商。
Algo公司金融风险管理软件的四个主要优点：
Algo公司风险分析使用的Mark-to-Future核心技术真正运用动态三维框架来计算风险和回报。
Mark-to-Future是一个可以将各种业务联系在一起的分析框架。它基于在三维空间（金融产品、情景假设、时间）建立一个可为各种风险分析（市场风险，信用风险，资产负债管理等）共享的信息体，称为Mark-to-Future立方体。这个立方体的每个单元可以储存某一金融产品（交易）在某一情景假设下某一确定时间的基本的风险/回报信息。之后对于一个特定组合， 只要从这个立方体中提取所需的单元再按组合结构进行特殊整合即可得到组合层次的风险/回报数据，比如在险值（VaR）。在三维框架下，情景假设可以说是风险的表达语言，也就是说，金融企业根据本身所处的具体环境和承受能力、以及对未来的预期，通过情景假设来进行风险分析，可以有效地实现风险量化，进而归避风险，完善风险控制，实现最佳风险回报比。Algo公司提供配套的情景假设产生工具，功能齐全，可以产生基于历史数据的各种情景假设。
Algo公司的动态三维框架提供真正的非线性计算。
真正的非线性计算功能可以确保在各种复杂的情景假设，特别是在非正常变化的情景假设下对复杂的金融工具（非线性和与路径有关的）进行风险计算并得出更加贴近实际情况的在险值（VaR）。这一特点从根本上避免了通过近似相等的方法进行估算所产生的误差，因为近似推算只适应于比较简单的固定现金流的金融产品，而不能对复杂产品进行准确计算，而这种不精确的计算所产生的结果（比如VaR）将和现实所发生的情况有时候会产生较大的差距。
统一的风险分析引擎和统一的数据库
Algo公司的金融风险管理软件中所有针对不同业务的风险分析工具全部采用统一的核心分析引擎和统一的数据库，而且所有解决方案全部采用四层结构（数据层、模拟层、后处理层、报表层）进行配置。这一特点可以从根本上保证金融企业可以实现全企业不同业务应用的风险计算和分析建立在统一的标准之上，并从根本上避免了在不同业务风险计算中会出现的、由于数据渠道或计算方法不同而产生相互矛盾的分析结果。
完整的金融业务覆盖
Algo公司的金融风险管理软件具有较强的业务覆盖面。在统一计算核心驱动和统一数据库基础上， Algo公司按照风险管理领域提供七个方面的金融风险管理解决方案，其中包括：信贷风险管理；市场风险管理；操作风险管理；资产风险管理；抵押风险管理；资产负债管理；和能源产品风险管理。
研究和开发。做为独立软件开发商，Algo公司一直相信培养强大的研究和开发能力对公司的成功具有至关重要的作用。有鉴于此，Algo公司一直把研发放在公司投入中最优先的地位，以确保软件技术的业界领先性和以金融市场和金融企业为主导的解决方案的不断完善。Algo公司每年都推出新版本的核心软件。《Risk》杂志2004年12月期刊所颁布的、全球357家各类金融机构对各类金融风险软件产品技术的投票调查统计表明，Algo公司的市场风险管理名列第一，信贷风险管理三项技术指标中的交易及银行帐户、和限额管理名列第一，资本分配名列第二。
高端客户的认可。Algo公司拥有最多的世界一流金融机构用户。在商业周刊评出的2005年全球百强金融机构中，有60家（附件一列出了这些用户）都在使用Algo公司的软件，而在十强金融机构中，更是有多达9家是Algo公司的用户，比如汇丰银行、摩根大通等。其中很多用户由于对产品的性能、实施、业务应用和投资回报非常满意，主动配合Algo做案例分析，将自己的应用经验和体验拿出来分享（这些案例发布在Algo网站上）。
创新的专业服务。基于近15年来向超过260多家金融企业提供项目实施和售后服务的经验，以及金融风险管理软件的复杂性，Algo公司采用独具特色的项目实施和售后服务方式，被称之为“Alchemy”。它是一套严格的项目管理方法，通过运用连续一致的项目管理最佳实践，保证公司和用户的投入，从而不断提高项目实施的质量。为此，Algo公司还建立了专门的Algo实验室，它集中了Algo软件的各个解决方案，可以为来访的客户提供独特的项目实施各个阶段所需的技术资源和专家。这样，通过Algo技术专家和Alchemy中的“金牌标准”项目实施工具，Algo实验室可以加强有特殊需求的用户和Algo公司专家的合作，并提供一个有效的开发和试验平台。
产品的本土化。Algo公司在2004年5月和专门从事国内金融应用软件研发的北京国永融通系统集成有限公司签订了中国区总分销协议。按照协议内容，北京国永融通系统集成有限公司负责在北京建立Algo中国金融风险实验室，Algo公司提供全套软件产品、技术培训、和常住技术专家。经过一年多的努力，Algo中国金融风险实验室已经具备独立承担Algo市场风险工程实施和售后服务的技术能力。
成立Algo中国金融风险实验室是根据金融风险软件的应用特征，实现以下两个具体目标：
实施Algo公司金融风险分析工具软件的本土化（本地市场行情数据整合、风险模型本土化修正、操作界面的全面汉化），以保障Algo软件能够在中国的金融业务环境中发挥其性能优势；
培养本地技术支持队伍以保障中国用户得到有效的本地技术支持，包括：风险数据整合专业工程师、风险模型专业工程师、系统集成工程师。
2005年4月Algo中国金融风险实验室完成了Algo交易组合市场风险分析系统的本土化工作，并通过提供ASP试用的方式向国内各类金融机构进行产品演示。从2005年4月1日起到目前为止，Algo中国金融风险实验室已经向国内各类金融机构发送的220多个试用操作帐户和密码，以便各类金融机构通过实际操作对Algo投资市场风险分析系统进行性能评估。而且，Algo中国金融风险实验室从2005年4月1日起开始按照生成方式进行市场风险管理系统的生产运行。通过这种生产方式的运行，Algo中国金融风险实验室已经积累了大量的市场风险管理、维护、生产的实际经验，并由此向中国用户提供具有实际管理、维护、生产经验的项目实施和售后服务技术支持。
第一章 引言
随着国内利率改革的不断深化，和近期推出的汇率改革，市场风险已经越来越具体地反映到了银行和国内其他金融机构的资产或投资组合中。可以预见的是，商业银行金融创新步伐必然加快，金融产品将得到丰富，进而使得银行面临的市场风险和衍生产品业务交易风险不断增加。有效的市场风险管理对银行的重要性已经显得日益重要而迫切，中国银行业监督管理委员会（简称银监会）今年3月1日颁布实施了具有较强专业性和前瞻性的《商业银行市场风险管理指引》，之后又在9月8日召开的银监会第37次主席会议讨论并原则通过《商业银行市场风险监管手册》，其目的就是为了引领银行业金融机构加强市场风险管理，弥补这方面与国际上先进银行的差距，从市场风险管理的政策、程序、计量、监控、资本配置和专业人才等多个方面完善自己，为金融业开放后与国际银行的竞争做好准备。
Algo市场风险管理系统是世界领先的市场风险计量和监控系统，在《Risk》杂志2004年12月期刊所颁布的、全球357家各类金融机构对各类金融风险软件产品技术的投票调查统计表明，Algo公司的市场风险管理系统名列第一。Algo公司的风险管理系统拥有最广泛的银行客户并常为世界顶级银行和金融机构所青睐。在2005年评选出的全球前百强银行中Algo公司拥有六十多个客户，前十强中更占了九席。Algo风险管理系统的计量方法、系统的稳定性、可靠性和数据处理能力获得了一致的好评。
银行需要一个稳定、可靠、透明的市场风险管理系统，它应该能够适应业务不断发展的需要，提供复杂的内部模型、完整的计量手段、强大的计算功能、和清楚完整的文档资料。Algo市场风险管理系统能够成为很受欢迎的解决方案正是因为它能满足客户的这些要求。Algo市场风险管理系统的主要优点是：
适应业务的不断发展。Algo市场风险管理系统可以处理涵盖多种资产种类和产品类型的金融工具，对极少数非常复杂的衍生产品，它提供了非常灵活的平台，可以增加客户化的内部模型。Algo市场风险管理系统的开放式架构使得系统有能力应对数据量的成倍增长。
降低管理成本，增进内部沟通。Algo市场风险管理系统可以支持全行的市场风险计量和监控，减少了银行由于采用多个小系统而带来的数据传输、数据转换、数据维护等额外费用，并且避免了数据的不一致造成的各种困扰。另外，Algo市场风险管理系统和其它类型的风险管理系统使用同样的核心架构，所以可以比较容易地拓展功能，比如做信用风险相关的计量。
全面认识组合风险。Algo市场风险管理系统提供了全面的内部模型和计量方法，它可以对20多个地区市场的400多种金融工具建立模型。它的风险分析方法既包括了参数法，也包括使用情景的模拟法。Algo市场风险管理系统可以将这种分析技术运用到不同的业务部门的风险分析中，而且可以捕捉到组合中的相关性影响，计算出各业务部门的风险贡献，使风险的承担、计量和监控是一个透明的、可操作的过程。
建立高效的报告体系。Algo市场风险管理系统可以支持多种基于WEB的B/S结构报告工具，它既可以预先设计报表格式然后定期生成，也提供用户上线自定义设计报表的功能。Algo市场风险管理系统可以为银行各个层次的风险管理者（董事会、高级管理层、风险管理人员、交易员）提供所需要的报表，既可以进行汇总，又可以从多个角度分解，直至每个头寸。Algo市场风险管理系统具有非常用户友好的界面，多种丰富的直观图形，和可以客户化的灵活配置。为了保证数据的安全，Algo市场风险管理系统可以设置每个用户的权限。
减少法定资本需求。Algo市场风险管理系统在世界上超过六十个银行和金融机构中上线运行，其中有二十多家银行获得了本地监管机构的认可，可以使用内部模型法计算需要配置的市场风险资本。这极大地减少了对市场风险资本的需求，有助于提高银行总体的资本充足率。比如一家欧洲中等规模的银行，使用Algo市场风险管理系统后可节省两亿欧元的资本。对于Algo市场风险管理系统的客户，这套系统是透明的，Algo将提供所有相关产品、流程、模型、和参数设置的说明文档，这不但便于风险管理人员了解系统，也有助于银行与监管机构的沟通。最后，使用Algo的市场风险管理系统也有助于改善银行的信用评级，因为银行可以向评级机构展示更强的的市场风险管理能力、和与国际接轨风险计量系统。
Algo市场风险管理系统主要是完成银行风险管理中的计量和监控作用，注重对风险的定量分析。全面提高风险管理能力还要依赖明确的风险管理政策、完善的风险管理流程、严谨的内外部控制、和高素质的风险管理专业人员。Algo公司可以基于成熟市场的实施经验，对与系统相关的流程作出建议、并对人员实施培训。另外如果需要对政策、流程和控制做进一步咨询，Algo公司可以推荐在亚洲地区曾经合作过的风险管理咨询伙伴。他们都曾经是资深的银行从业人员，非常熟悉银行的具体风险管理方式，同时又了解Algo市场风险管理系统，这样的结合可以发挥系统的更大优势，并对银行的风险管理能力提升起到更大作用。
下面的章节将详细介绍Algo市场风险管理系统的各项功能、系统架构、产品组成和软硬件要求。
第二章 Algo市场风险管理系统的功能
Algo市场风险管理系统就是为实现市场风险的识别、计量、监测和控制而设计的完备、可靠的管理信息系统，它能够提供银行所需要的定量风险分析信息，不但为科学的决策提供有力支持。Algo市场风险管理系统在《RISK》杂志去年对全球357家各类金融机构投票调查中获得该项技术的第一名。这套系统已经在60多家大型金融机构中上线使用，而且其中超过20家通过了当地监管机构对内部模型法计量资本的认证。该系统能够支持市场风险的计量、事后检验和压力测试，并能监测市场风险限额的遵守情况和提供市场风险报告的有关内容。下面的部分参照银监会2005年3月1日颁布的《商业银行市场风险管理指引》中的具体要求，逐个介绍Algo市场风险管理系统与之对应的功能。
银行业务可分为银行账户和交易账户两大类。巴塞尔委员会在2004年的《新资本协议》中对交易账户的新定义为：交易账户记录的是银行为交易目的或对交易账户中的其他项目进行保值而持有的可以自由交易的金融工具和商品头寸。交易目的是指（1）旨在短期内转手出售、从实际或预期的短期价格波动中获益或者从价格差异中获益；（2）撮合成交的经纪业务；（3）造市交易。交易账户中的项目一般由资金中心负责，与交易账户相对应，银行的其它业务反映在银行账户中，涉及到对公、对私业务部门，最典型的是存贷款业务，它们是目前国内商业银行资产负债表中的主要组成部分。
交易账户中的项目通常按市场价格计价（mark-to-market），当缺乏可参考的市场价格时，可以按模型定价（mark-to-model）。按模型定价是指当没有可参考的市场价格时，将从市场获得的其他相关数据输入模型，用模型重估价值。银行账户中的项目则通常按照成本摊销法、以账面价格进行计价。
对交易帐户和银行帐户的市场风险管理方法既有共同点也有不同点。相同之处是它们考虑的都是因为市场因素（如利率、汇率）的变动而可能带来的损失，所以使用的计量方法类似，比如都会用久期描述对利率的敏感性，也都会用模拟方法，即情景分析，来估计组合的敏感性和可能的损失。不同之处在于交易帐户的记录一般都是资产或表外业务，而银行帐户中的业务既有资产也有负债，而且产生的利息收入是商业银行的主要收入来源。市场因素变动对它们的影响不是通过市值的变动，而是通过利息收入的变动和内在经济价值的变动来体现。所以对交易帐户和银行帐户市场风险的衡量指标和报告不尽相同。对交易帐户，通常侧重每日估值，计量一些特定的敏感性指标、和VaR值；而对银行帐户，多侧重使用缺口、收入在险值（Earning at Risk, EaR）、和经济价值在险值（Eve at Risk)。
下面的第一节将首先介绍Algo市场风险管理系统针对交易帐户的的各种功能，第二节将主要介绍银行所有生息资产和付息资产（即负债）的市场风险管理功能，这主要涵盖银行帐户的业务，同时也包括交易帐户中的利率类产品。之所以这样划分主要是因为它们的管理监控职责通常涉及不同的部门单元。需要指出的是，它们的计量基本方法还是有重叠的，比如久期分析和模拟分析就适用于所有帐户的利率敏感性产品。第三节将主要介绍Algo市场风险管理系统对市场风险监控的各种功能，比如限额管理、集中度分析，和其它功能。
第一节 交易帐户的市场风险计量
市场风险是指由于市场因素（如利率、汇率、股票价格和商品价格）的不利变动而使银行表内和表外业务发生损失的风险。市场风险存在于银行的交易和非交易业务中。市场风险可以分为利率风险、汇率风险（包括黄金）、股票价格风险和商品价格风险，分别是指由于利率、汇率、股票价格和商品价格的不利变动所带来的风险。利率风险按照来源的不同，可以分为重新定价风险、收益率曲线风险、基准风险和期权性风险。
银监会指出商业银行可以采取不同的方法或模型计量银行账户和交易账户中不同类别的市场风险。市场风险的计量方式包括缺口分析、久期分析、外汇敞口分析、敏感性分析、情景分析和运用内部模型计算风险价值等。商业银行应当充分认识到市场风险不同计量方法的优势和局限性，并采用压力测试等其它分析手段进行补充。
下面对Algo市场风险管理系统可以提供的分析功能做介绍，同时提供一些常用的报表作为参考。需要强调的是，Algo市场风险管理系统的中台系统是配置型软件，可以按照银行市场风险管理中对报告的具体要求进行各种显示内容的配置，具体可以配置的表头见附件四。另外，Algo市场风险管理系统的前台操作界面具有用户自定义功能，具体操作人员可以将附件四中的表头通过简单的计算公式进行更改和复合，实现具体报告显示目标。
(1) 每日估值功能
由于市场因素每天都在变化，对于交易组合的动态监控是风险管理部门的职责之一，而每日根据市场行情对银行所有银行账户的头寸进行重新估值则是任何风险分析的基础。能否准确进行每日估值取决于三个因素
当日市场行情数据；
产品定价的内部模型，以及
内部模型使用的参数。
Algo市场风险管理系统可以灵活地与多种市场行情报价系统对接，从而每天自动使用更新的市场数据。除了这种灵活性之外，Algo公司还可以提供额外的服务。Algo中国金融风险实验室对国内的市场行情数据从2004年4月以来都每日进行采集、处理和加工，已经形成了一套完备的、独立的市场信息提供机制。对于海外数据，如果银行使用彭博（Bloomberg）系统，Algo系统已经可以提供相应的数据接口，从而节省项目实施的时间和工程量。
对于不同金融产品，Algo市场风险管理系统对其采用不同的模型进行定价。对于每日有市场报价的交易产品，如国债，Algo市场风险管理系统会以市价为基准对内部模型进行校准；对于没有市价的产品，如利率掉期，Algo市场风险管理系统则会运用内部模型根据市场因素，比如利率、汇率的取值进行推算。Algo市场风险管理系统可以覆盖最广泛的金融产品，甚至是一些国家和地区的特殊产品，详细的产品列举可参考附件三。Algo市场风险管理系统所采用的内部模型是业界普遍接受的定价方法或者是自己研究开发的领先成果，从简单的分析模型，如对于期权的Black-Schole；到树类模型，如二叉树模型、Algo公司具有专利的Willow Lattice，再到高级的蒙特卡罗定价等等。我们系统的优越性主要通过模型的质量、广度、计算的精确性和广泛的客户群得以体现，最重要的是它们都被Algo公司的所有客户，包括国际知名的大型金融机构，所接受和验证。
Algo市场风险管理系统可以对内部模型所用到的参数，比如收益率曲线和波动性曲线，进行估计和定期调整。如果使用风险价值模型做风险评估（详见下节），Algo市场风险管理系统可以对所有涉及到的参数进行估计和调整，比如采用方差－协方差法时用到的方差－协方差法矩阵。当采用蒙特卡罗法时，风险因素变动一般按照一些随机过程（如利率服从的均值回归模型），其中的参数（如均值、回归速度）也可以定期估计。当采用历史模拟法时，所选择的历史片段也可以动态定期调整。
使用Algo市场风险管理系统，将可以使银行有能力在一个系统下完成对所有产品的每日估值，而避免了使用多个小系统带来的数据传输和一致性方面等问题。银行将可以轻而易举地看到下面的报表
报表一：银行账户市值一览表举例
银行账户
头寸
市值
比重（%）
总行
分行
按业务单元
((((((
在上面的举例中，银行账户的头寸是按照组织结构作为自然层次的，在后面第二节中将会更详尽地介绍从其他不同角度来进行分解。在这里需要说明的是，由于Algo市场风险管理系统是配置型应用软件，所以这种报表既可以是汇总表，也可以详尽到每一笔交易，Algo市场风险管理系统并没有对可分解层次的数量做限制，分解层次的详尽程度完全取决于具体银行的需求。对于不同的对象，报表可以基于总行的所有数据，也可以只取某一层次的部分数据，这些设置都是完全灵活的。
对于衍生品交易，比如期权，由于产品本身特有的放大效应，市值还不足以反映这类产品的潜在风险，或者潜在损失，敞口计量则是一种有益的补充。根据衍生品的不同种类，敞口的定义会有所不同，Algo市场风险管理系统可以计算各种衍生品的敞口。下面是敞口报告的示例
报表二：衍生品敞口管理一览表举例
衍生品业务
头寸
市值
Delta
敞口
总行
衍生品分类
((((((
(2) 利率风险分析功能
市场风险因素主要分为利率、汇率、股票和商品价格这几大类。Algo市场风险管理系统可以分别对这几类因素做敏感性分析和模拟分析。敏感性分析对于利率风险来说主要指久期分析、关键利率风险分析（包括单位基点现值PV01和关键利率久期）。它们都是基于对利率曲线变动的一些简单假设而得到的风险指标，由于简单并且易于理解，所以被投资者和风险管理人员广泛使用。不过它们都有局限性，比如不能反映利率风险中的基准风险和收益率风险，而模拟分析则可以解决上述问题。模拟分析主要通过对各种利率曲线的情景假设来实现。情景假设是对未来各种收益率曲线的预测，既可以是分析人员的一种或多种主观判断，也可以通过统计方法来生成。下面将一一对Algo市场风险管理系统的各项功能做介绍：
久期分析
久期又称持续期，是针对固定收益（fixed income）组合（主要是指生息债券）所面临的利率风险进行管理的一个非常重要的风险衡量指标。它能够直观地反映组合所面临的利率风险，是当今固定收益组合管理的主流方法之一。久期又按照定义可以分为麦考利久期、修正久期、有效久期等。其中有效久期显示的是债券在利率微小波动下市值变动的百分比，是较常用的一种。
Algo市场风险管理系统对还提供有效凸性、到期收益率等其它利率风险分析指标。凸度反映的是债券的利率弹性，也就是久期随利率变化的情况。凸度的引入弥补了久期分析的不足，使对固定收益证券的利率敏感性分析更加准确。
单位基点现值是久期的另一种表现方式，它经常表示为PV01或DV01，指市场的收益率曲线平行移动一个基点（或引申到曲线的某个节点移动一个基点）时债券的市场价值变化的金额。单位基点现值的计算是以久期为基础的，是对久期形式的扩展和改进，因为它以更加直观的形式（市值变化量）表达了利率对组合价值的影响。
报表三：久期分析报告举例
市值
有效久期
有效凸性
到期收益率
PV01
总行
利率类产品
((((((
这里KRD代表关键利率久期，它的数量取决于关键利率的数量。关键利率通常涉及到从短期，如一周、一月，到中期，如一年、两年，到长期， 如十年、二十年等。关键利率久期可以反映交易组合对各种期限利率的敏感程度。
关键利率风险分析
关键利率风险分析是利率敏感性分析的一种细化。关键利率通常涉及到从短期，如一周、一月，到中期，如一年、两年，到长期， 如十年、二十年等，不同期限的利率。
久期分析是基于收益率曲线的所有期限利率做微小的平行移动，即整条曲线的平行移动；而关键利率久期则是只对收益率曲线上的某个指定利率，即关键利率，做微小变动，其它期限利率则保持不变。关键利率的分析可以帮助风险管理人员衡量组合对短期、中期、长期利率变化的敏感程度。
单位基点现值在这里也可以延伸为当收益率曲线上的关键利率移动一个基点时，交易组合的市值变动。Algo市场风险管理系统可以提供对关键利率的灵活设置。本系统可以支持（但不局限于）以下期限：1天、1周、1个月、3个月、6个月、1年、2年、3年、4年、5年、6年、7年、8年、9年、10年、15年、20年和30年。
收益率曲线情景分析
收益率曲线情景分析是模拟分析的一种。久期分析和PV01都是基于曲线平行移动的假设，因此不能反映收益率曲线风险、基准风险，而且它们都是仅应用于债券，无法衡量利率类衍生产品的风险。运用曲线波动的情景分析，可以将不同的曲线上不同的期限作为单独的风险因素，从而综合考虑所有风险。
Algo市场风险管理系统预先设置了13种收益率曲线变动情景，分析人员根据需要将这些情景加载在交易组合中，系统就会通过重新定价算出组合相应的损益值。可供选择的情景包括：收益率所有期限的即期利率分别平行减少或增加100、50、30、10、1个基点、曲线变陡（随着期限的变长，每一时点上即期利率的增加幅度增大）、变平（随着期限的变长，每一时点上即期利率的减少幅度增大）和倒置（即长期即期利率小于短期即期利率）。
另外用户可以根据对利率的主观预测或假设设置自定义情景，Algo市场风险管理系统可以接受任何用户自定义情景，并计算出它对交易组合市值的影响。下面举例说明可能的报表格式。
报表四：情景分析报告举例
银行账户
市值
预期损益
情景一
情景二
(((
(((
总行
按业务单元
((((((
上述报告格式也适用于下面对股票风险和外汇风险的模拟情景分析。
(3) 股票风险分析功能
此功能是主要专门针对股票类交易产品的敏感性分析。对于股票来说，一般采用股票Beta来反映股票对相应的市场或行业指数变动的敏感性，Algo市场风险管理系统可以用单因子和多因子的方式来为股票建立内部模型。对于股票类的衍生品来说，其敏感性分析可以通过用于描述衍生品对不同定价因素的Greeks来进行，比如衍生品市值对基础资产的敏感性Delta和Gamma、对基础资产波动率的敏感性Vega等。
Algo市场风险管理系统也可以应用情景分析来综合考虑股票类产品对各种市场因素的敏感性。这里的情景可以是市场或行业指数的独立变动，也可以是联合变动，既可以是主观判断的结果，也可以通过统计方法来生成。Algo市场风险管理系统将计算出交易组合在各种模拟情景下的市值变化和损益状况。
(4) 外汇风险分析功能
Algo市场风险管理系统可以处理世界各国的所有货币，并可以将外币资产按照相应汇率折合成本币做汇总报表。外汇风险分析功能是主要专门针对外汇类产品的敏感性分析，采用针对汇率变动的情景分析方法。
当在某一时段内，银行某一币种的多头头寸与空头头寸不一致时，所产生的差额就形成了外汇敞口。在存在外汇敞口的情况下，汇率变动可能会给银行的当期收益或经济价值带来损失，从而形成汇率风险。外汇敞口分析描述了一种或多种外汇的汇率变化对交易组合中相关外汇敞口和以相关外币计价的证券的影响。
(5) 总体风险评估报告
这一类报告主要适用于使用风险价值模型的银行，他们为董事会和高级管理层提供正常市场状况下银行整体交易组合的定量风险分析。作为董事会和高级管理层，他们需要一个总体的、同时又简单明了的报告来理解目前银行投资在将来的损失可能。在这里，运用内部模型计算的风险价值（VaR）是最合适的指标。而且它也是银行采用内部模型计算市场风险资本要求的主要依据。
风险价值（VaR）是指所估计的在一定的持有期和给定的置信水平下，利率、汇率等市场风险要素的变化可能对某项资金头寸、资产组合或机构造成的潜在最大损失。VaR是一个统计的概念，与持有期的时间长短和置信区间有关，同时也和模型技术有关。Algo市场风险管理系统可以提供所有各种参数和模型技术组合的结果。对VaR的计算，可以用方差－协方差法、也可以用蒙特卡罗法和历史模拟法。
VaR是使用内部模型法进行市场风险资本配置的基础，使用内部模型法计算法定资本将比标准法节省大量资本，所以广泛地被先进银行所青睐。巴塞尔委员会在1996年的《资本协议市场风险补充规定》对市场风险内部模型主要提出了以下定量要求：置信水平采用99%的单尾置信区间；持有期为10个营业日。这是对VaR在用于资本计算时需要采用的参数，而对于日常的风险分析来说，对于置信区间，根据不同银行的风险偏好，有的可以采取更保守的%，也有的可以采取更开放的95%。对于久期的选取，由于市场因素变动是频繁的，所以一般都以一天也是重要的考量参数，同时可选取其它的时间段，如一周或一月。
下面列举并说明了Algo市场风险管理系统可以产生的一些相关报表的样本，以供参考。
报表五：VaR值一览表及按风险因素大类的分解举例
交易组合
参数VaR
参数利率VaR
参数汇率VaR
参数股票VaR
参数Vol VaR
总行
按业务单元
((((((
该报表是用参数法，即RiskMetrics法计算风险价值。参数法虽然在计算的准确性上会相对逊色，但它的一个好处是可以方便地对风险因素的大类进行分解。这里参数VaR按照风险因素大类细分为由于利率因素、或汇率因素、或股票价格而产生的VaR值。这一分解是对资产配置的实施结果的反馈，有助于改善资产的战略配置。Algo市场风险管理系统还可以计算出由于市场因素的波动而导致的VaR值，又称Vega VaR或Vol VaR，这是对传统分解的一个补充。对于参数利率VaR，参数Vol VaR，Algo市场风险管理系统可以对它们做更进一步的分解。
报表六：VaR值一览表（多种方式比较）举例
交易组合
市值
参数VaR
历史模拟VaR
蒙特卡洛VaR
总行
分行
按业务单元
((((((
该报表比较了市值和应用不同方法计算出来的VaR值。由于基础的假设不同，所以各种办法计算出来的VaR值也会有差异。一般来说，用模拟方法产生的VaR值更适用于有金融衍生品的投资，而且更能反应剧烈市场变动对交易组合带来的影响。
报表七：VaR值一览表（随时间参数变化）举例
交易组合
市值
蒙特卡洛VaR（一天）
蒙特卡洛VaR（十天）
蒙特卡洛VaR（一月）
总行
分行
按业务单元
((((((
该报表比较了模拟方法（这里用蒙特卡洛方法举例）产生的VaR值在不同时间参数下的取值。它的作用就是对当前交易组合的短期变化，尤其是损失情况做预测和评估。
报表八：VaR值一览表（随置信区间变化）举例
交易组合
市值
蒙特卡洛VaR（95%）
蒙特卡洛VaR（99%）
蒙特卡洛VaR（%）
总行
分行
按业务单元
((((((
该报表比较了模拟方法（这里用蒙特卡洛方法举例）产生的VaR值在不同置信区间下的取值。它代表了在不同的风险容忍度下，呈现的可能损失上限。如果结合损益的统计分布图，可以更好地理解可能损失的数额和频率。
以上的报表都是用正常的业务单元来分解交易组合，可以用类似的表头但采取不同的分解方式，比如按照投资的货币或国家，也可以用资产的类型，这有利于从其它角度去分析、评估。比如，报表五也可以变为报表九的形式：
报表九：VaR值一览表（按风险因素大类和国家）举例
交易组合
参数VaR
参数利率VaR
参数汇率VaR
参数股票VaR
总行
分行
中国
美国
其它国家
(6) 压力测试报告
这一类报告主要是为董事会和高级管理层提供在重大突发事件、市场出现异常的情况下银行整体交易组合的定量风险分析。这一类报告可以分为两种：一种是基于突发事件对市场因素的变动预测，及时提供头寸信息和风险评估报告；另一种是借鉴历史上已经发生过的危机事件，并体现在日常风险评估过程中。这类的报告总体来说属于压力测试，而压力情景可以是人为预测的最坏情况，也可以是历史片段的重演。
Algo市场风险管理系统提供全面的压力测试功能，首先系统具有用户自定义情景的功能，可以帮助风险管理人员定义突发情景并迅速评估它将带来的损失情况。其次，系统常备了一些历史上曾发生过的异常事件对市场因素的影响，即压力情景，用户可以定期地将现有交易组合放在虚拟的情景中做评估。下面是一些相关报表的样本，以供参考。
报表十：突发事件的风险评估报告举例
交易组合
市值
资产权重 （%）
预期损益
预期损益 （市值%）
总行
分行
按业务单元
细化分解
该报表突出了在某预期情景发生后给整个交易组合带来的损失情况，同时它也提供了目前组合的头寸数据和交易状况。在这里交易组合除了按业务单元分解以外，可以按资产类型等标准分解，这样一来更方便风险管理人员确定最受影响的交易产品种类，并提出与之对应的应急方案。
报表十一：历史异常事件的风险评估报告举例
交易组合
市值
预期损益
亚洲金融危机
其它事件
一天
一周
一月
…
总行
分行
按业务单元
细化分解
该报表列出了在所有挑选出的历史压力情景下，给整个交易组合在不同时间段内带来的损失情况。Algo市场风险管理系统目前可以提供的压力情景包括亚洲金融危机、9-11事件、高科技股泡沫破灭等。
(7) 事后检验功能
事后检验是采用风险价值模型的银行对其内部模型和假设的准确性进行评估的一种方法。事后检验的通常做法是将系统产生的风险估算结果与实际发生的损益进行比较，比如对用内部模型计算出的VaR值，假设置信水平是99%，久期是一天，那么如果对照100个交易日的VaR计算值和隔日的实际损益，理论上就只应该最多有一次超出。根据巴塞尔委员会在1996年的提出的事后检验建议框架，银行应该每个季度做一次事后检验，采用过去一年，即250个工作日左右的数据。对有关每日实际交易结果，即损益，的选取上，该框架建议既使用包括手续费在内的每日实际发生损益，也使用只基于前日日终结算头寸计算的假设损益。
Algo市场风险管理系统支持使用以上两种损益的事后检验。Algo的系统可以储存并输出各种以往计算的结果，比如VaR值、假设损益等，为事后检验提供数据来源。事后检验的评价一般考察例外情况的发生次数和比例，例外情况指实际损益超过了模型计算上限，通过对实际比例和置信区间的比较，加上对例外情况的分析，得到事后检验的结论。为方便数据观察，一般将需要对照的数据按照时间顺序绘出线图，可以非常直观地进行分析。在事后检验报告中，不但要包括检验期内的数据对照，以及选取数据的说明，还应该对例外的数据进行分析，对结论作出解释。
第二节 资产负债的市场风险计量
商业银行的主要资产负债来源于银行帐户中的贷款和存款业务，这一节的所讨论的资产负债主要指银行的生息资产，比如贷款、债券等，和支付利息的负债，比如存款、同业存放等。商业银行的这些资产和负债的主要市场风险来自于利率风险和汇率风险。对资产负债的市场风险管理，分析的指标不仅包括对银行的长期经济价值或资本市值的影响，也包括对短期的会计收益或纯利息收入的影响。上一节的分析方法，比如久期分析、情景模拟分析（单个假设情景或由历史模拟和蒙特卡洛模拟生成的情景集合），都可以继续在这里使用，只是由于资产负债覆盖更广泛和特殊的银行帐户业务，也就引进了不同的计量指标，比如缺口、收入在险值（Earnig at Risk, EaR）、和经济价值在险值（Eve at Risk)。
Algo市场风险管理系统可以使用统一后台来处理交易帐户和银行帐户的市场风险计量，这既保证了数据的一致性，避免数据重复使用可能带来的失误，多系统连接和集成、和数据在系统间的传输问题，也充分发挥了Algo金融风险管理系统后台的强大计算功能。
概括起来，Algo市场风险管理系统对资产负债提供的功能主要包括缺口分析、久期分析、收入（利润）模拟及EaR、和经济价值的敏感性分析及Eve at Risk。下面是系统功能的具体介绍。
(1) 缺口分析
缺口分析是资产负债的市场风险管理中最传统和常用的利率风险衡量方法。它的基本想法是在给定的时间段内将需要重新定价的资产和负债做比较，它们的差值就是该时间段的缺口。缺口的正负决定了收益在利率变动下的变化方向，比如正缺口在利率增加时会带来收益增加，而缺口的大小在一定程度上反映了变化的数量。本系统可以提供以下几种缺口分析。
静态缺口分析
静态缺口分析是最基本的也是最简单的一种缺口分析，它完全按照目前产品合同约定的期限来定义重定价时间。它的优点是计算简便、清晰易懂，能够给资产负债管理人员一个大体的概念，缺点是其度量的精确性由于假设的简单而较低，没有充分考虑到利率风险中的基准风险、收益率曲线风险和期权性风险。另外它不能考虑将来的业务对资产负债表的影响，简单地假设为没有变化，而这是非常不符合实际情况的。
Algo资产负债风险管理系统可以设置生成不同的静态缺口报告，比如可以生成短期/长期的资产负债期限缺口报告，或者合并在一起。在时间段的选取方面，Algo资产负债风险管理系统具有很大的灵活性，完全可以满足用户的不同要求。下面举例说明的报表只是提供了时间划分的样例，短期用月为单位，长期以年为单位，但这种间隔是可定义的。除了计算缺口以外，系统还可以计算累计缺口和其它指标，一年的累计缺口是一个常用的指标。
报表十二：短期资产负债期限缺口报告举例
短期资产负债余额
重定价时间
一个月
两个月
三个月
((((((
六个月
短期资产
((((((
短期负债
((((((
缺口
累计缺口
该报表主要是针对短期资产负债，它按照这些资产负债的各自重定价时间将他们的余额放在相应的时间列中，然后分别对短期资产（负债）做汇总，进而计算缺口。下面的报表是针对长期资产负债，主要不同是时间段的选取。
报表十三：长期资产负债期限缺口报告举例
长期资产负债余额
重定价时间
一年
两年
三年
五年
((((((
长期资产
((((((
长期负债
((((((
缺口
累计缺口
上面的报表中资产负债的选取可以是总行的，也可以是分行的，或者是用户选取的某些资产负债类型。Algo的系统在这方面是一贯灵活的。
Beta调整的缺口分析
Beta调整的缺口分析也是对静态缺口分析的一个补充和发展，主要是可以考虑基准风险。基准风险来源于利息收入和利息支出所依据的基准利率不同，那么两者的变动也是不一定一致的。Beta就是用来描述不同利率基准变动程度的相关性，然后通过这种相关性对资产或负债的调整来描述基准风险。
Beta调整的缺口报告的格式和种类均与上面的静态缺口报告类似，只不过在计算余额时，有些需要做Beta调整，即乘以相应的Beta。这种分析需要事先通过历史数据计算Beta。
流动性缺口分析
不同于前面的缺口报告，流动性缺口分析主要是衡量流动性风险，也就是现金流的匹配程度。流动性缺口分析有助于理解未来时间可能出现的现金缺口，并提前做融资准备；或者有现金富余，可以用来投资。如果结合动态调整策略，系统还可以根据资产负债的变化生成动态的流动性缺口分析。
流动性缺口报告的格式和种类均与上面的静态缺口报告类似，只不过报表内填充的内容不是余额，而是发生的现金流。
(2) 收入模拟及EaR
缺口分析只是一种初级的、粗略的利率风险计量方法，反映利率变动的短期影响。为了能够较精确地衡量利率风险的各个方面， 覆盖基准风险、收益率曲线风险和期权性风险，就必须做很多假设，而后作出调整，Beta调整就是一个例子。与之相对应的是采取一种更全面的系统的方法来衡量利率风险，收入模拟就是这样一种方法。
收入模拟是情景分析的应用之一，它的目标就是预测在未来可能发生的利率变动下对银行净利息收入，也就是收入的影响。比如当收益率曲线平行移动100个基点对银行收入带来的变化。需要强调一点，是给收入带来的变化，即敏感性，而不是绝对的收入。
Algo市场风险管理系统可以按照用户定义提供各种情景及其分析，比如对收益率曲线的平行移动、变陡、变平、倒置等等，对汇率的变动。Algo系统还可以自动产生多因素的联合情景，比如同时考虑利率和汇率的变动，它们之间的相关性可以从历史数据中获得。Algo系统有专门的情景产生引擎，支持生成各种情景，包括用户自定义情景，这将在后面产品说明中再具体介绍。针对不同的利率、汇率、或综合情景，Algo系统都可以做利息收入的敏感性分析。下面的报表是对单个指定情景敏感性分析的报告举例。
报表十四：收入敏感性分析报告举例
资产负债
余额
利息收入
利息支出
净收入变化
总行
分行
按机构或币种
或会计科目
((((((
下面要介绍的是一个在资产负债的市场风险管理中常用的指标，收入在险值，EaR（Earning at Risk）。EaR采用了交易帐户市场风险中计算VaR值的模拟方法，所以它不是局限于单个的情景，而是基于一系列的情景，又称情景集。这些情景的产生既可以是用蒙特卡洛方法，也可以沿用历史变化。所以EaR是一个统计概念，在对所有情景下计算收入变化并产生其分布之后，用置信区间得到相应的收入变化数值。
系统可以设置为用单步蒙特卡洛和历史方法来计算EaR。置信区间可以设置为95%、%、99%，这些参数均可以变化。下面是报表举例。
报表十五：收入敏感性分析报告举例
资产负债
EaR（95%）
EaR（(((）
蒙特卡罗
历史
蒙特卡罗
历史
总行
分行
按机构或币种
或会计科目
((((((
(3) 久期分析
久期分析已经在前面的一节中提到，它在资产负债的市场风险管理中应该说是对缺口分析的一个补充。缺口分析考虑到的是利率风险对短期收益带来的影响，或者是敏感性；而久期分析考虑到的是利率风险对银行经济价值（或资本市值）带来的影响，是长期的考量。很多利率敏感性资产或负债（比如五年的浮息贷款），利率变动对它的影响不仅仅反应在短期（比如一年内），而且反应在中长期（一年后）的利息流中，所以影响了它的经济价值。那么只应用短期的缺口分析便不能捕捉中长期的风险。久期分析可以弥补这一点。
Algo市场风险管理系统可以提供多种久期的计算方法，比如麦考利久期、修正久期、有效久期等。同时它还可以计算各种凸性，凸性是久期对利率的敏感性，用于更精确地衡量利率敏感性。下面是报表举例。
报表十六：久期分析报告举例
资产负债
余额
久期
有效久期
有效凸性
总行
分行
按机构或币种
或会计科目
((((((
(4) 资本经济价值（EVE）的敏感性分析
如同久期分析弥补缺口分析对中长期考虑的不足，资本经济价值的敏感性分析弥补收入模拟和EaR的同一不足。银行的资本经济价值是基于银行长期的赢利能力的预测，不同于会计帐面的所有者权益，而是所有者权益的内在价值。资本经济价值的敏感性分析就是预测在未来可能发生的利率变动下对银行总体经济价值的影响，也就是资本经济价值的变化情况，用它来衡量利率变动对银行总体的长期影响。
资本经济价值的敏感性分析也是用模拟的方法，即情景分析。如同在前面收入模拟及EaR一节，这里的情景分析可以使用单个用户自定义情景分析市值变化，也可以使用系统自动产生的情景集合，比如蒙特卡洛和历史情景集。如果使用情景集合，那么就可以计算Eve at Risk这一统计指标。下面是报表举例。
报表十七：资本市值敏感性分析报告举例
资产负债
情景一
情景(((
经济价值
经济价值变化
经济价值
(((
资产
按会计科目
((((((
负债
按会计科目
((((((
资本
该报表主要是针对单个情景的市值敏感性分析。每个情景都是独立的，可以是利率场景或汇率场景。下面的报表是对情景集进行统计分析的报表举例。
报表十八：资本市值敏感性分析报告举例（蒙特卡洛情景）
资产负债
Eve at Risk（90%）
Eve at Risk（95%）
Eve at Risk（99%）
资产
按会计科目
((((((
负债
按会计科目
((((((
资本
该报表格式可以基于蒙特卡洛情景分析，也可以基于历史情景分析，它们的选择可参考相关政策。
第三节 市场风险的监测和限额管理
市场风险的监控目的是确保将所承担的市场风险控制在可以承受的合理范围内，使市场风险水平与其风险管理能力和资本实力相匹配。限额管理正是对市场风险进行控制的一项重要手段。银行应当根据所采用的市场风险计量方法设定市场风险限额。市场风险限额可以分配到不同的地区、业务部门和交易员，还可以按资产组合、金融工具和风险类别进行分解。
(1) 限额监控报告
常用的市场风险限额包括交易限额、风险限额和止损限额等。
交易限额是指对总交易头寸或净交易头寸设定的限额。总头寸限额对特定交易工具的多头头寸或空头头寸给予限制，净头寸限额对多头头寸和空头头寸相抵后的净额加以限制。
风险限额是指对按照一定的计量方法所计量的市场风险设定的限额，如对内部模型计量的风险价值（VaR）设定的限额，对利率产品敏感性设定的久期、PV01限额，和对期权性头寸设定的期权性头寸限额、等。期权性头寸限额是指对反映期权价值的敏感性参数设定的限额，比如说对Delta、Gamma、Vega等设定的限额，和对风险敞口设定的限额。
止损限额即允许的最大损失额。通常，当某项头寸的累计损失达到或接近止损限额时，就必须对该头寸进行对冲交易或将其清仓变现。
对于业务数据的汇总或集中一般是按照业务单元（或业务经营部门）由下到上，比如对交易帐户的数据，按照上报关系从下到上分别是具体交易员、到所隶属的交易单位（如利率类）、到所属分行、一直到总行，对于银行帐户的数据，则是从各个营业点、分理处、再到支行、二级分行、一级分行、总行。但是对于汇总之后业务数据的分解则不单只是按照业务单元，还需要采用多种角度，比如按照资产种类、金融工具、风险类型、投资货币或地区分解。多角度的分解可以帮助风险管理人员全面地了解和监控风险。
Algo市场风险管理系统可以灵活地从多个角度对业务数据进行分解，用户还可以自己定义分解指标，并用它们来重新分解相应组合。下面的风险集中度分析将更详细地介绍这一功能。Algo市场风险管理系统的限额设置具有同样的灵活性，即限额的设置可以针对不同限额种类在不同分解层次上设置，比如按业务单元分解时对具体交易员设置交易限额、按投资货币分解时对所有以美元为货币单位的交易设置VaR限额、按金融工具分解时对期权产品设置止损限额等等。
下面仅以交易组合的VaR限额为例，说明Algo市场风险管理系统可以提供的功能和报表种类，它们可以分为三种：一种是对限额具体使用情况的统计结果；另一种是对交易组合的超限和预警报告，主要列出所有已经或接近突破风险限额的组合；最后一种是对目前所有已经设置限额的汇总清单。
对于其它的限额种类，只要将表头改变成相应的控制指标，比如净头寸限额，和实际的净头寸数据即可。
报表十九：风险限额的监控报告举例
交易组合
VaR限额
VaR
限额利用率 （%）
当前实际 损益
历史模拟 最高损失
总行
分行
按业务单元
细化分解
该报表比较了目前理论VaR值和相应限额，概括了使用情况。同时，该报表提供了当前的各个交易组合的实际损益，并参考使用历史模拟方法计算出可能损益的最大值。
报表二十：风险限额的超限报告举例
交易组合
市值
VaR限额
VaR
限额利用率（%）
超限数额
超限组合
((((((
该报表列举了所有超过风险政策所设限额的具体交易组合，并提供了超出的具体数额。这有利于迅速确定超限的交易组合及其相应的负责人，然后进入超限处理程序，依据超限数量提交不同的管理层，作出补救措施。
报表二十一：风险限额的预警报告举例
交易组合
市值
VaR限额
VaR缓冲限额
VaR
限额利用率 （%）
预警组合
((((((
该报表列举了所有超过缓冲限额的具体交易组合，主要提供预警功能，即提示交易组合相应的负责人应该注意控制风险。
报表二十二：市场风险限额设置一览表举例
限额指标
最高限额
缓冲比例（%）
组合
((((((
其中限额指标一项要说明对组合的分解方式、限额设置层次和对应的计量指标，比如交易组合按业务部门分解到外汇交易柜台日终计算的VaR值。
(2) 风险集中度分析报告
这是另外一类监控的报告，主要是从更多不同的角度去分析业务的方向和所占权重，可以给风险管理人员全面剖析组合提供帮助。
Algo市场风险管理系统中的组合集成分析可以提供这方面的支持。首先，它可以将组合按照不同的指标重新进行分类，汇总其市值或余额、并计算相应的权重以进行风险集中度的分析。Algo市场风险管理系统目前已经可以提供的分类指标包括金融产品、货币、国家、资产类型等，还有专门适合不同产品种类的指标，比如利率产品的有效久期、到期日、息率、信用等级，股票产品的股票Beta、行业以及细分、市盈率、总市值等。另外Algo市场风险管理系统还可以引入客户化的分类方法，比如银行自己定义的内部评级等等。
Algo市场风险管理系统具有灵活的数据筛选和汇总功能，不但可以按照单个指标重新分类，还可以提供多指标的多层次分解。单指标的分类只能将总体业务数据分解出一层，而多指标分解就可以将汇总的数据分解到多层，如同梯次结构一样。比如一般汇总数据都是经过业务单元，从下到上形成了一种层次。那么如果要换一个角度分析，比如资产类别，那么只分解到一层资产大类是不足够的。有了多指标的分解后，就可以将资产多层次分解，比如资产大类可分为利率类、股票类、外汇类、商品类，利率类可以再分解为债券类、利率期货、利率期权、利率互换等，债券类还可以再分为国债、企业债、短期票据等。
多指标的分解提供了非常灵活的数据查询功能，用户又可以在Algo市场风险管理系统中自定义任何查询指标，这体现了Algo市场风险管理系统的一个突出优点：良好的灵活性。
下面举例说明一些报表的样本，以供参考。
报表二十三：交易产品风险集中度报告举例
银行账户
市值
比重（%）
((((((
总行
利率类产品
债券类
国债
((((((
(3) 用户权限设置和预设报表运行功能
Algo市场风险管理系统是企业级的市场风险解决方案，它的分析结果涵盖总行和下属的各个层次。Algo市场风险管理系统可以方便银行的各个层次的人员选择它们相应的组合作为分析的对象，分析对象既可以是总行的总体组合，也可以是部门的或分行的组合，既有总体分析，也支持局部分析。Algo市场风险管理系统的数据展示采用B/S技术，利用基于网络的浏览器进行查询和报表显示，可以方便各级风险管理人员随时操作。
为了保障数据的安全性，Algo市场风险管理系统采用权限设置来定义各个用户。这里的权限包括他能够查看到的组合层次，比如分行或业务部门的人员只能看到他们自己负责的组合，还有相应限额，功能模块等。对于限额体系的设置，只需要在总行层次的用户上进行一次，分行或业务部门的用户将可以看到只与自己相关的限额。
Algo市场风险管理系统还具有预设报表运行功能。这一功能可以实现自行设计报表的内容（分析结果）提前设置、然后按照所计划的时间和频率定期计算。比如，可以选择针对总体交易帐户的VaR报表，然后设置为每天晚上北京时间七点产生，这样一来风险管理人员每天上班都可以立即看到昨日的总体风险情况并作出判断。这种操作方式不但减少平日业务操作中的风险计量等候时间，而且可以自动完成风险管理人员定期的报表需求，有助于提高风险分析的效率。
第三章 Algo公司的解决方案
考虑到国内银行目前和将来的可能投资方向和风险管理功能需求，Algo公司可以提供下列解决方案。在这一部分中，首先是对整体解决方案进行说明，然后详细介绍不同的功能模块的具体功能。
第一节 Algo金融风险管理解决方案的系统架构和应用
(1) Algo市场风险管理系统的整体架构
在Algo公司金融风险管理解决方案的整体架构中，不论是市场风险管理、资产风险管理、信用风险管理、抵押风险管理、操作风险管理、能源风险管理，都建立在统一的系统架构之上并由类似的功能模块组成。从概念上来说，这些功能模块可以自下而上分为四个层面：数据采集和整合、模拟和分析、汇总和后处理、数据和报表展示，具体的系统架构和数据流程如下图所示：
从上述结构图中可以看出，Algo金融风险管理系统采用统一的后台管理系统进行风险计量，而后按照不同的风险管理业务需求进行中台的风险监控（汇总和后处理分析、以及数据和报表展示）。
(2) 银行市场风险管理系统的整体架构
虽然银行对交易帐户和银行帐户的市场风险管理计量要求有所不同，但是Algo市场风险管理系统可以运用统一的后台系统覆盖所有帐户的计量需求，最后作出相应的数据和报表展示。
Algo市场风险管理系统是由多个产品组成的，他们的功能将在后面具体介绍，他们之间的数据流逻辑关系可参考下面的详细整体结构图：
Algo金融风险管理系统的数据和报表展示应用采用B/S结构的网络版方式，即具体操作人员只需要通过IE（Internet Explorer）方式登陆中台服务器系统，并输入授权用户名和密码（User ID、Pin）就可以实现具体的业务操作。所以在前台客户端不需要安装任何专业软件。
从图二中可以得出以下结论：
银行的风险管理系统采用统一的后台系统，以形成完整的风险管理后台支持平台。
在统一的后台系统基础上采用分阶段项目实施的方式，逐步完成以下具体工作目标：
基于交易帐户数据的市场风险管理功能。如果银行开展国际市场投资业务，国际市场行情数据可以采用彭博（Bloomberg），也可以接入其它行情数据系统，数据流程不变；
在风险管理系统的统一后台基础之上，增加银行帐户数据，和对应的风险分析功能，以形成完整的市场风险管理系统。
Algo市场风险管理系统的整体结构也符合银行内部的生产运行管理分工：
数据采集和数据清理系统一般由银行的科技部门负责生产运行；
风险管理后台系统一般由银行风险管理部门的定量分析人员负责，因为后台系统将涉及到风险情景和风险模型的修正和添加，以形成符合银行总体风险管理策略的内部风险模型；
针对不同业务的风险管理中台系统一般由银行的风险管理部门中的风险监控人员负责。
第二节 银行风险管理系统中各个功能模块的说明
下面将具体介绍Algo市场风险管理系统的各个组成部分的功能和作用。
(1) 数据转换模块RM（RiskMapper）
Algo市场风险管理系统的数据输入接口采用CSV格式。为了能够更好地和用户数据源系统连接，Algo公司提供专门用于数据转换的产品模块RM。RM可以接受用户传来的任何CSV 格式文件，然后把它们转化为Algo市场风险管理系统要求的标准数据（格式、属性、等）。RM模块需要根据不同的金融工具类型及源数据做客户化的配置。配置好的产品在批处理时会自动将用户提供的源数据转换为系统要求的数据。RM模块和国内及国际市场行情数据相联接的具体方式如下：
国内行情数据的联接
Algo中国金融风险实验室从2005年4月已经完成了国内行情数据的实际联接，并且在每个交易日关闭后按照金融生产方式负责将国内行情数据通过批处理的方式直接载入Algo风险管理系统中的RM模块。所以，Algo中国金融风险实验室具有向银行提供国内行情数据清理、转换、载入的接口软件等具体IT技术应用的经验和技术，以便国内银行在实施Algo市场风险管理系统过程中迅速掌握行情数据整合技术。
彭博公司的国际市场行情数据系统的联接
由于Algo市场风险管理系统在海外被广泛使用，所以Algo市场风险管理系统的后台系统可以对彭博（Bloomberg）和路透（Routers）两大主要国际市场行情数据供应商所提供的国际行情数据实现自动采集、清理、转换、并输入到Algo市场风险管理系统的后台系统之中。特别是和彭博公司的国际市场行情数据系统的联接，Algo公司提供标准化的专业接口软件。具体数据联接流程示意图如下：
彭博公司的数据许可证
银行需要直接向彭博公司采购彭博数据许可证。根据该许可证，彭博公司将自动生成若干个标准的数据文件，这些数据文件被全天候地传到彭博数据许可证FTP上（彭博数据终端）。通过彭博国际市场行情数据终端，银行不但可以获得全面的国际市场行情数据，而且可以获得金融工具的期限和条件，诸如：香子兰固定收益证券、股权、期货和其它衍生品等的期限和条件。
彭博数据筛选器
通过Algo公司所提供的彭博数据筛选器从彭博数据终端获取数据，并形成Algo市场风险管理系统后台系统的国际行情数据输入文件。数据筛选器可以把某些非投资业务的金融投资工具从全体备选库中移除。比如，为了只选择七国集团成员国发行的固定收益工具，Algo市场风险管理系统可以通过该数据筛选器的配置功能只筛选七国集团成员国的金融工具。Algo市场风险管理系统后台系统的数据筛选器可以为很多金融工具类型提供特定的筛选规则配置。
彭博数据转换器
Algo公司所提供的彭博数据转换器在完成字段值替换、字段名称改变、多种金融投资工具数据比较的基础上将清理过的行情数据（Price Data）和条件数据（Term and Condition Data）载入Algo市场风险管理系统的数据整合软件模块。彭博数据转换器是从数百个字段中挑选出若干个为风险计量定价所必需的字段。对于每种不同的工具类型，该转换器可以配置特定的转换规则。
同样，银行的资产负债数据经过数据整合（清理、转换、载入）之后将和RM模块联接，做为资产负债风险管理的输入数据，如下图：
(2) 情景生成引擎ASE（Algo Scenario Engine）
ASE是模拟和分析层的一个部分（Algo金融风险管理系统的后台系统），主要功能就是生成模拟计算所需要的历史情景或蒙特卡罗情景。它是一个基于组件的应用程序，非常方便用户使用。ASE中的情景是在对风险因子的历史时间序列进行分析的基础上得到的。ASE可以利用风险因子来生成单步骤或多步骤的情景，其输出的各种情景将输入到风险计算引擎RiskWatch中用于模拟分析和压力测试。
ASE可以对以下的风险因子进行建模：利率曲线、信用差额曲线、权益和市场指数、外汇汇率、隐含波动性曲线、商品远期曲线、宏观经济因素、行业指数。
(3) 计算分析引擎RW（RiskWatch）
RW是模拟和分析层的一个重要组成部分（Algo金融风险管理系统的后台系统），是进行风险分析的核心计算引擎。它的强大功能主要体现在对大量金融工具的定价能力、完备的模拟运算、灵活的扩展能力和其它功能。RW可以定价的产品范围非常广，涵盖各种资产种类，比如利率类产品、外汇类产品、股票类产品、商品类产品、各种普通或特殊的衍生工具（期货、期权等）、和信用衍生产品。对于不同金融工具，RW提供大量的定价模型，从简单的分析模型，如Black-Schole，到树类模型；如二叉树模型再到高级的蒙特卡罗定价等等。该产品的优越性主要体现在模型的质量、产品覆盖的广度、计算的精确性和客户的验证。另外RW还可以计量针对银行帐户的会计收益、和现金流，从而支持缺口分析和收益模拟。
基于ASE输入的情景，RW还可以对产品的未来价值进行完全的模拟估值，从而产生Mark-To-Future立方体。Mark-To-Future立方体是一个三维的信息体，它的三个维度分别是金融产品、情景、和时间段。这三个维度的交点包括了一个产品在某一情景和某一将来时间的价值和其它信息，而整个Mark-To-Future立方体就包括了所有产品在所有情景和所有未来时间段的价值，也就是对将来的所有预测。
(4) 数据汇总和展示模块AIR（Algo Invest Risk）
AIR模块的主要完成业务数据汇总和后处理、以及视图和报表这两个层次的功能，也就是对银行具体投资数据的汇总、再加工、和展示。这里的数据包括RW产生的Mark-To-Future立方体、和一些静态数据，比如具体交易组合的头寸数据等。AIR可以按照组合的构成从Mark-To-Future立方体中抽取所需的数据，然后按照风险分析的要求进行汇总和加工，比如产生分布及相应的统计指标等。AIR在数据展示方面具有强大的图形功能、客户化的报表设计、和多种输出方式。
AIR是基于网页浏览器上运行的高度可客户化的用户界面，使风险分析功能能很容易通过企业内部网络系统实现整个企业的覆盖并融合到银行内部各个和市场风险有关的业务操作流程之中。
第三节 软硬件平台配置、工程实施、售后服务
(1) 服务器系统
Algo金融风险管理系统采用两套服务器系统以分别支持后台和业务中台。对于市场风险管理系统和资产负债风险管理，则需要采用不同的业务中台以对应不同的业务管理部门。
Algo公司的金融风险软件可以在两种服务器平台上运行：IBM公司基于Intel Xeon 64位的RH Linux服务器和Sunmicro公司的64位Solaris服务器。具体技术指标将根据银行的业务量进行相应的配置（CPU数量、CPU频率、内存空间、硬盘空间。）
(2) 操作终端系统
由于Algo风险管理系统是采用B/S结构的网络版软件，所以在前台操作终端（PC机）上不需要安装专用软件，但必须具有支持IE操作功能的通用软件。
PC类型 Intel PC机
CPU型号和频率 最低标准是Pentium4处理器，。
内存空间 最小512MB。
硬盘空间 最小10GB。
网络接口 TCP/IP，100Mb。
其它设备 显示器、键盘、光驱。
操作系统及版本 WindowsNT、Windows 2000、Windows XP.
其它软件 Internet Explorer 以上。
(3) 市场风险管理系统工程实施中的工作内容
下面列出的是Algo公司根据以往的实施经验总结出的一套行之有效的具体工作目标和任务。这里参考了我们与国内银行数次交流的结果，但最后定稿的工作目标将会在最终系统设计完成之后确定。以下内容是按照第一阶段工程（完成国内投资风险管理）所提出的建议。
完成投资源数据分析，包括银行可以提供的数据和欠缺的数据，并对如何弥补欠缺数据提供建议。
了解银行现有国内外投资交易系统可以输出的数据类型和格式，并在此基础上制定数据转换要求。
设计与现有投资交易系统的数据接口和数据预处理模块。
讨论和设计Algo市场风险管理系统选用的金融模型和参数，以及报表需求。
讨论和设计Algo市场风险管理系统中的用户管理和流程管理。
讨论和设计Algo市场风险管理系统的批处理流程。
完成并提交技术设计和模型设计的文档资料。
完成并提交项目实施具体计划的文档资料。
安装Algo市场风险管理系统的各个组成产品模块，并根据设计文档进行客户化系统配置。
完成Algo市场风险管理系统各个产品模块间的集成，并进行测试。
完成日终批处理流程，并进行测试。
提供用户有关系统各个产品的技术和操作培训。
对银行进行用户验收（UAT）提供技术支持，并对发现的问题及时修正。
(4) Algo金融风险管理系统的本地售后服务
本地的售后服务主要是由Algo和其中国实验室的金融工程师提供的售后技术支持，这些售后技术支持包括：
对数据整合提出金融风险分析的技术要求；
通过情景引擎进行风险情景的修正；
通过风险引擎对风险计量模型进行修正。
由于国内严重缺乏可以完成这些工作的金融风险工程师，所以Algo公司2004年5月在北京市中关村软件园建立Algo中国金融风险实验室的目的之一就是培养可以维护Algo风险管理系统的金融工程师，并向用户提供Algo市场风险管理后台系统的专业维护服务。
通过Algo中国金融风险实验室向国内银行提供Algo金融风险管理后台系统的专业维护服务，不但可以减少国内银行本身为了使用Algo金融风险管理系统而需要的大量的专业维护人员（数据整合、风险模型调整、情景模型调整），而且可以分享Algo中国金融风险实验室的技术资源，获得及时、先进、精确的Algo金融风险管理系统后台专业维护支持，把国内银行风险管理部门的人力资源集中在市场投资风险监控和提高市场投资效益上。
附件一：2005年全球金融百强Algo用户清单
年度排名
金融机构名称
总部所在地
2005
2004
城市
国家
2
5
JP Morgan Chase & Co
纽约
美国
3
3
HSBC Holdings
伦敦
英国
4
4
Bank of America Corp.
夏洛特
美国
5
2
Credit Agricole Groupe
巴黎
法国
6
8
Royal Bank of Scotland
爱丁堡
英国
7
7
Mitsubishi Tokyo Financial Group
东京
日本
8
6
Mizuho Financial Group
东京
日本
9
11
HBOS
爱丁堡
英国
10
10
BNP Paribas
巴黎
法国
12
22
Santander Central Hispano
桑坦德
西班牙
13
13
Barclays Bank
伦敦
英国
14
15
Rabobank Group
乌得勒支
荷兰
16
14
Wells Fargo & Co
旧金山
美国
17
17
ING Bank
阿姆斯特丹
荷兰
18
19
Wachovia Corporation
温斯顿塞伦
美国
19
18
UBS
苏黎世
瑞士
20
20
ABN AMRO Bank
阿姆斯特丹
荷兰
21
12
Deutsche Bank
法兰克福
德国
23
23
Societe Generale
巴黎
法国
26
26
Lloyds TSB Group
伦敦
英国
27
33
Credit Suisse Group
苏黎世
瑞士
28
24
UFJ Holdings
大阪
日本
29
32
HypoVereinsbank
慕尼黑
德国
30
34
Banca Intesa
米兰
意大利
31
28
Metlife
纽约
美国
33
31
Banco Bilbao Vizcaya Argentaria
毕尔巴鄂
西班牙
40
44
National Australia Bank
墨尔本
澳大利亚
44
49
Nordea Group
斯德哥尔摩
瑞典
45
45
Commerzbank
法兰克福
德国
46
47
Scotiabank
多伦多
加拿大
48
52
KBC Bank
布鲁塞尔
比利时
49
48
Royal Bank of Canada
蒙特利尔
加拿大
50
50
Bayerische Landesbank
慕尼黑
德国
52
61
DZ BANK Deutsche Zentral- Genossenschaftsbank
法兰克福
德国
53
55
Danske Bank
哥本哈根
丹麦
55
58
Bank of Montreal
蒙特利尔
加拿大
56
54
Landesbank Baden-Wurttemberg
斯图加特
德国
57
63
Toronto-Dominion Bank
多伦多
加拿大
60
64
National City Corp
克利夫兰
美国
61
60
SunTrust Banks
亚特兰大
美国
62
68
ANZ Banking Group
墨尔本
澳大利亚
63
59
Dresdner Bank
法兰克福
德国
64
70
Capitalia Gruppo Bancario
罗马
意大利
65
78
Commonwealth Bank Group
悉尼
澳大利亚
66
65
Fifth Third Bancorp
Cincinatti
美国
67
92
Allied Irish Banks
都柏林
爱尔兰
68
67
HSH Nordbank AG
基尔
德国
69
74
Banca Monte dei Paschi di Siena
锡耶纳
意大利
70
na
Capital One Financial Corporation
华盛顿麦克林
美国
74
77
Standard Chartered
伦敦
英国
77
69
Shinkin Central Bank
东京
日本
78
76
Westpac Banking Corporation
悉尼
澳大利亚
79
83
Svenska Handelsbanken
斯德哥尔摩
瑞典
80
93
Bank of Ireland
都柏林
爱尔兰
85
73
KeyCorp
克利夫兰
美国
88
103
BNL- Banca Nazionale del Lavoro
罗马
意大利
89
89
ForeningsSparbanken (Swedbank)
斯德哥尔摩
瑞典
91
95
Bank of New York
纽约
美国
95
99
Erste Bank
维也纳
奥地利
100
94
PNC Financial Service Group
匹兹堡
美国
附件二： 金融风险软件厂家全球金融风险技术排名
全球金融风险技术权威杂志《RISK》2004年12月刊所公布的、基于全球357家各类金融机构的投票结果统计如下：
(1) 市场风险技术全球排名表
全球各类金融机构对40家金融风险软件厂商市场风险管理软件技术性能的投票结果中获得前10名的厂商名单如下（信息来源：《RISK》杂志2004年12月刊）：
排名
软件公司名称
获票%
1
Algorithmics
2
Summit
3
Savvysoft
4
RiskMetrics
5
SunGard
6
Front Capital Systems
7
Barra
8
Imagine
9
Wall Street Systems
10
Reuters
(2) 信用风险技术全球排名表
信用风险技术性能评比分成三个主要技术指标：银行账户和银行帐户的风险集成、信用资本配置、信用敞口计量和限额管理。
银行账户和银行帐户的风险集成
全球各类金融机构对37家金融风险软件厂商的信用风险管理软件银行账户和银行帐户的风险集成技术性能的投票结果中获得前5名的厂商名单如下（信息来源：《RISK》杂志2004年12月刊）：
排名
软件公司名称
获票%
1
Algorithmics
2
KMV（Moody’KMV）
3
SunGard
4
RiskMetrics
5
Front Capital Systems
信用资本配置
全球各类金融机构对25家金融风险软件厂商的信用风险管理软件信用资本配置技术性能的投票结果中获得前5名的厂商名单如下（信息来源：《RISK》杂志2004年12月刊）：
排名
软件公司名称
获票%
1
KMV（Moody’KMV）
2
Algorithmics
3
SunGard
4
Kamakura
5
RiskMetrics
信用敞口计量和限额管理
全球各类金融机构对27家金融风险软件厂商的信用风险管理软件信用敞口计量和限额管理技术性能的投票结果中获得前5名的厂商名单如下（信息来源：《RISK》杂志2004年12月刊）：
排名
软件公司名称
获票%
1
Algorithmics
2
SunGard
3
Murex
4
Reuters
5
Misys
(3) 操作风险技术全球排名表
操作风险技术性能评比分成四个主要技术指标：操作损失资本计量、关键操作风险指标、内部损失数据、操作损失评估。
操作损失资本计量
全球各类金融机构对16家金融风险软件厂商的操作风险管理软件操作损失资本计量技术性能的投票结果中获得前4名的厂商名单如下（信息来源：《RISK》杂志2004年12月刊）：
排名
软件公司名称
获票%
1
Algorithmics
2
FitchRisk
3
SAS
4
Axiom
4
Comit
关键操作风险指标
全球各类金融机构对24家金融风险软件厂商的操作风险管理软件关键操作风险指标技术性能的投票结果中获得前4名的厂商名单如下（信息来源：《RISK》杂志2004年12月刊）：
排名
软件公司名称
获票%
1
Comit
2
Algorithmics
3
JPMorgan Horizon
4
FitchRisk
4
Axiom
内部损失数据
全球各类金融机构对19家金融风险软件厂商的操作风险管理软件内部损失数据技术性能的投票结果中获得前5名的厂商名单如下（信息来源：《RISK》杂志2004年12月刊）：
排名
软件公司名称
获票%
1
Comit
2
SAS
3
Algorithmics
4
JPMorgan Horizon
5
FitchRisk
操作损失评估
全球各类金融机构对24家金融风险软件厂商的操作风险管理软件操作损失评估技术性能的投票结果中获得前5名的厂商名单如下（信息来源：《RISK》杂志2004年12月刊）：
排名
软件公司名称
获票%
1
JPMorgan Horizon
2
Comit
3
SAS
4
FitchRisk
5
Axiom
附件三： Algo市场风险管理系统金融产品覆盖一览表
(1) 国内金融产品覆盖一览表
Algo市场风险管理系统覆盖了中国国内金融投资市场的所有金融工具，而且会随着中国金融投资市场中投资产品的增加而增加。目前Algo市场风险管理系统所覆盖的国内金融投资产品一览表如下：
类别
种类
政府债券
凭证式国债；上市国债
企业债券
上市企业债券；可转债；行间债
股票
A股；B股
基金
股票型基金；指数型基金；债券型基金；股债平衡基金；货币市场基金；保本基金；ETF；LOF（测试中）
货币
人民币、日元、英镑、加拿大元、港币、澳大利亚元、美元、欧元、瑞士法郎、澳门元、新加坡元、瑞典克朗、丹麦克朗、新西兰元、挪威克朗
期货
金属：上期所阴极铜、上期所铝
燃油：上期所燃料油
橡胶：上期所天然橡胶
小麦：郑商所优质强筋小麦、郑商所小麦
棉花：郑商所一号棉、郑商所二号棉
玉米：大商所玉米
豆类：郑商所绿豆、大商所黄大豆1号、大商所豆粕
金融债券
银行间市场金融债
黄金
上海交易所黄金
金融衍生品
权证
(2) 国际金融产品覆盖一览表
Algo市场风险管理系统是目前对国际金融投资市场金融工具覆盖面最广泛的市场风险管理软件产品，而且会随着国际金融投资市场中投资产品的增加而增加。目前Algo市场风险管理系统所覆盖的国际金融投资产品一览表如下：
大类
子类
种类
利率 产品 （IR）
债券
短期国债、政府债券、公司债券、地方政府债券、零息票债券、阶梯（可变利率）债券、浮动利率票据、通货膨胀指数化债券、可赎回/可出售债券
货币市场
银行承兑汇票（BAs）、商业本票、存款（活期）、存款（定期）
远期
有组织的可赎回票据、回购和反向回购、债券远期、货币市场远期
期货
远期利率协议（FRAs）、债券/票据期货、欧洲美元期货、联邦利率期货、货币市场期货
利率互换IRS
利率互换、基差互换、零息票互换、可变面值/息票互换、远期起始（生效）互换、CMS/CMT互换、组合互换、平均利率互换、可撤销互换、可延期互换、差额（双重货币）互换、指数连接互换、触发互换
互换期权
固定/浮动计息（走廊）互换（Corridor）、欧式互换期权、美式互换期权、百慕大互换期权
上限、下限、双限期权
一般上限/下限期权、数字化上限/下限期权、差额（双重货币）上限/下限期权、CMS上限/下限期权、弹性（选择）上限/下限期权、受限（自动）上限/下限期权
其它期权
货币市场期货期权、欧洲美元期货期权、联邦基金期货期权、债券/票据期货期权、欧式债券期权、美式债券期权、百慕大债券期权、障碍债券期权
结构产品
可赎回固定期限互换差价、可赎回封顶浮动者（伦敦同业拆借利率/固定期限互换）、可赎回反向浮动者（伦敦同业拆借利率/固定期限互换）
外汇
即期、远期、期货、互换
即期外汇、外汇远期、无本金交割的货币远期、货币期货、货币互换、名义本金重置互换、可赎回的双重货币票据
期权
欧式期权、美式期权、期货期权、远期生效期权、均利率期权、差价期权、一揽子期权、数字期权、单/双障碍期权
权益
即期、远期、期货、互换
普通/优先股、股指、美国存托凭证、股票远期、股指期货、股票指数互换
期权
欧式期权、美式期权、百慕大期权、股指期货期权、远期生效期权、一揽子股票期权、差价期权、单/双障碍期权
可转换证券
权证、可转换债券、可赎回可转换债券
商品和能源
即期商品、商品远期、商品期货、欧式期权、美式期权
地区专有模型
澳大利亚模型
债券期货、货币市场期货、债券期货期权、货币市场期货期权
布雷迪债券模型
布雷迪债券、布雷迪债券期权（欧式/美式）
巴西市场模型
利率债券/票据、利率指数化债券/票据、通货膨胀指数化债券/票据、美元指数化债券/票据、指数交换
墨西哥市场模型
UDI指数化债券、28天银行间平准利率期货
南非洲市场模型
债券、债券期货、债券期货期权、债券期权（欧式/美式）、债券远期
信用衍生品
信用衍生品模型
总收益互换、违约互换、欧式信用差价期权、美式信用差价期权
一揽子及交易组合信用衍生品模型
合成抵押债务契约、一揽子违约互换
银行帐户产品
委托、固定利率贷款、浮动利率贷款、一揽子及交易组合信用衍生品模块、信用额度、信用证、担保、应收款项、活期存款
第三方模型联结
FEA全球模块
亚洲期权－平均价格/执行价、一揽子期权－欧式/亚式、二元期权、选择期权、数字期权、双重障碍期权、回顾型期权、复合期权、彩虹期权
第三方模型联结
抵押担保证券模型
MBS（固定利率或可调整利率抵押贷款担保）、CMO（抵押担保债务）、ABS （资产支持证券－租赁、汽车贷款、房屋净值贷款、信用卡应收款项等）
附件四： Algo市场风险计量指标一览表
指标名称
具体定义
%暴露（持仓） %暴露（基准） %暴露（积极）
每个具体金融投资产品在整个交易组合风险暴露所占的百分比。持仓指实际持有金融产品在整个交易组合中的暴露百分比、基准指按照所设定的基准的相对暴露百分比、积极指持仓和基准两种测算结果之间的差距。
总额%（持仓） 总额%（基准） 总额%（积极）
每个具体金融投资产品在整个交易组合总额所占的百分比。持仓指实际持有金融产品在整个交易组合总额中的百分比、基准指参照所设定的基准的相对总额百分比、积极指持仓和基准两种测算结果之间的差距。
比重%（持仓） 比重%（基准） 比重%（积极）
每个具体金融投资产品在整个交易组合中所占的比重百分比。持仓指实际持有绝对百分比、基准指按照所设定的基准的相对比重百分比、积极指持仓和基准两种测算结果之间的差距。
应计利息 基准应计利息。
从上次获息日至今的应计利息，计算公式为：
修正久期（持仓） 修正久期（基准） 修正久期（积极）
基于历史价格来评估债券价格对利率变化的敏感性，由Algo后台风险计算引擎提供。修正久期的计算公式如下：
为麦考利久期，y为年收益率，n为付息频率。
持仓指按照实际持有债券价格计算的修正久期，基准指参照所设定的基准计算的修正久期，积极指持仓和基准两种测算结果之间的差距。
年度收益
跟踪误差结果所产生的VaR是否按照年度评估。
资产种类
所持仓的金融工具的资产种类，诸如：浮动利率类、企业债券类、政府债券类、股票类、现金类、期权类、期货类、外汇类等等。
关联基准
专门针对某一交易组合所设定的、不同于默认基准的基准。
跟踪误差归因： 资产分配
一种事前归因分析。基准该值反映了当持仓组合中资产低于或者高于基准组合的同种资产的时候给组合带来的影响。
跟踪误差归因： 相互影响
一种事前归因分析。基准该值反映了资产分配和证券选择所带来的综合影响。
跟踪误差归因： 证券选择
一种事前归因分析。该值反映了与基准组合持有不同金融工具对组合带来的影响。
基本价值
在基本情景和基本时间上的理论价值。
最优规避：总额%
通过假设比较调整出来的、在交易组合中的各种金融投资产品最优比重分配，以实现整体交易组合的最小跟踪误差。
最优规避：跟踪误差
最小跟踪误差。跟踪误差是指实际结果和所设定的基准之间的差距。
最优规避：单位
将最优比重转换成具体持仓单位数量。
最优规避：价值
通过最优规避得到的证券持仓价值，其值＝单位价格X最优持仓单位数量。
最优损益
在最优情景下所产生的损益期望。
最优回报率（持仓） 最优回报率（基准） 最优回报率（积极）
在最优情景下所产生的收益期望。持仓指按照实际持有进行的测试，基准指参照所设定的基准进行测算，积极指持仓和基准两种测算结果之间的差距。
最优值
在最优情景下所产生的价值期望。
行业Beta
行业指基本行业划分，诸如：基础材料、能源、金融、科技、等。
Beta采用以下公式进行计算：
可赎回
定义具体债券是否可以提前赎回。"是"表示可以提前赎回。
期货合约规模 期权合约规模
在期货或期权市场上进行商品交易或金融产品交易的最小份额。
有效久期贡献％
以持仓的有效久期与基准有效久期的百分比形式表现。
有效久期贡献（持仓） 有效久期贡献（基准） 有效久期贡献（积极）
在交易组合中每种具体金融产品的有效久期对整个交易组合有效久期分布的贡献。持仓指按照实际持有进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
差额久期贡献
将持仓的差额久期以基准差额久期的百分比形式表现。
差额久期贡献（持仓） 差额久期贡献（基准） 差额久期贡献（积极）
在交易组合中每种具体金融产品的差额久期对整个交易组合差额久期的分布。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
转换因子
通过转换因子可以将一种债券期货的价格转换得到其它可交割债券的交割价格。计算公式如下：
，
，其中：
y等于交割前一次与下一付息日之间的时间天数，
d是交割日至下一付息日的实际天数。
C是交割债券的票面利率，
r是期货的票面利率。
可交割债券的市场价格＝转换因子×期货价格＋应计利息。
可转换
指能否转换成其它证券的证券，"是"表示证券可以转换。
息率
证券的年利息率。
息率种类
息率的种类。
CR01（持仓） CR01%
所持仓的交易组合对信用利率差额敏感度的分析，用绝对金额值或百分比表示。
货币
货币。
到期天数
从今天至到期日的天数。
CR01最大限额 CR01最小限额 CR01缓冲限额 CR01最大限额空间值 CR01最大限额空间% CR01最小限额空间值 CR01最小限额空间% CR01限额值 CR01限额%
交易组合在信贷差额敏感度上的限额设置和具体交易组合与限额设置之间的空间：CR01最大限额、CR01最小限额、CR01缓冲限额是对交易组合差额敏感度的限额设置，用绝对值表示。CR01最大限额空间、CR01最小限额空间、CR01限额是AIR分析测算具体交易组合差额敏感性金额和所设各种限额之间的空间，用绝对值或百分比表示。
借贷对资本影响
综合5年全部借贷利息对总体资本的影响。
跟踪误差δ（1%变化） 跟踪误差δ（1个单位变化）
在交易组合中由于1%或1个投资单位的变化所产生的偏差δ值。
衍生暴露值 衍生暴露%
衍生产品的暴露测算，用绝对值或全体NAV%表示。
股息增长值
具体股票的股息在5年中的增长值
股息增长率
具体股票的股息在5年中的综合增长率。
股息收益率（%）
具体股票12个月的股息收益率。
EaR X%
在险收益（EaR）是指具体交易组合对比今日价值在一种置信区间内的损失期望值。注意：EaR是基于置信区间（confidence interval）而不是置信水平（confidence level），两者之间的关系为：2×置信水平＝1＋置信区间。
预期厚尾损失X%
在一定的VaR条件下交易组合价值的期望值。
浮动
用来注明具体金融产品是否是浮动利率。
期货滚动日
期货的滚动日。
对冲产品
用来对交易组合或交易组合中某一类头寸产生对冲效果的金融产品。
CR01对冲率 PV01对冲率
需要对交易组合或交易组合中某一类头寸产生对冲效果所需要对冲产品的单位数量。
隐含Alpha
对一个头寸相对其基准的波动或风险的测算。
隐含Beta
对一个头寸的移动相对其基准的内部关系的测算。
隐含R平方
基准衡量风险超过基准的程度。
有效凸度（持仓） 有效凸度（基准） 有效凸度（积极）
由Algo后台计算引擎计算出的凸度。
有效凸度的计算公式为：
。
和分别是当市场收益率波动时债券的价值。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
有效久期（持仓） 有效久期（基准） 有效久期（积极）
由Algo后台计算引擎计算出的债券价格对利率变化的敏感程度。有效久期的计算公式如下：
，
和分别是当市场收益率波动时债券的价值。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
持仓暴露 基准暴露
金融工具的风险暴露，例如期货的持仓暴露＝期货单位×期货合约规模×期货价格。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算。
全部市场暴露值 全部市场暴露%
对全部交易组合（包括现金）的暴露计算，可以用绝对值和百分比表示。
相关指数
用是或否来表示一种债券是否与指数或通货膨胀相关。
行业分支
对行业的基本划分，诸如：基础市场、周期性商品、非周期性商品、能源、金融、卫生、工业、科技、电讯、公共事业。
行业群体
在具体行业分支下的细分，诸如在周期性商品中有：食品、服装等。
行业子群
在具体行业群体下的细分。
指数比率
用来计算指数关联证券的可信值。
信息比率
交易组合相对于基准的风险和回报表现，具体公式是：信息比率=（交易组合的期望回报－基准的期望回报）/ 跟踪误差
投资时段（天数）
用具体天数来定义的投资周期。
发行人
证券的发行主体。
长期暴露值 长期暴露%
在交易组合中的长期投资金融产品头寸的暴露状况，用绝对值或百分比表示。
边际VaR X% （1%变化） 边际VaR X% （1个单位变化）
当金融工具的头寸增加1%或1个单位时，在具体集合状况下该金融工具VaR的变化。
市值
根据目前证券价格所计算的所持仓的市场资本总值。
到期日
按照理论应该进行支付或收帐的具体日期。
峰度
对各种情景假设所产生的分布尾状的一种描述。对于厚尾分布具有较高的峰值，瘦尾分布的锋度较小，峰度的计算公式如下：
。
s为标准差，x为正态分布的随机变量。一个普通分布的峰度是3。
NAV
等同于暴露。
Beta调整后NAV
通过其β系数调整后的NAV。
平均损益
在所有情景下的平均损益期望绝对值。
平均回报率（持仓） 平均回报率（基准） 平均回报率（积极）
在一种情景分布下的加权平均回报率。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
麦考利久期（持仓）
也就是麦考利平均期限，计算公式为：
由Algo后台风险计算引擎提供计算结果。
平均回报率贡献 （持仓） 平均回报率贡献 （基准） 平均回报率贡献 （积极）
每种金融产品的持仓平均回报率对交易组合持仓平均回报率的影响。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
均值（持仓） 均值（基准） 均值（积极）
在所有情景下的加权平均值。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
市场指数
市场指数名称。
盯市净值 盯市净值（基准） 盯市全值
每种头寸的持仓价值，包括盯市净值和盯市全值。盯市净值不包括应计利息，而盯市全值包括应计利息。基准盯市净值指具体头寸在基准上的盯市净值。
净市值暴露值 净市值暴露%
对全部交易组合（不包括现金）的暴露计算，可以用绝对值和百分比表示。
下次现金流
下次应收利息的金额。
下次现金流日
相对于上次应收利息日的下次应收利息日期。
下次调率日
下次利率发生变化的日期。
市盈率
每支股票价格和它赢利之间的比率。
债券面额
用来计算利息的债券票面价格。
OAS（持仓） OAS（基准） OAS（积极）
即期曲线产生偏移的基本点数，用来表示即期曲线针对现金流的当前价值等于所持有的（或按照基准）交易组合中的证券出价时所产生的偏移。积极指持仓和基准两种测算结果之间的差距。
损益（持仓） 损益（基准） 损益（积极）
交易组合中每种具体金融产品在每种情景下的损益绝对值。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
损益－压力测试 （持仓） 损益－压力测试 （基准） 损益－压力测试 （积极）
交易组合中每种具体金融产品在每种压力情景下的损益绝对值。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
损益最大限额 损益最小限额 损益缓冲限额 损益最大限额空间值 损益最大限额空间% 损益最小限额空间值 损益最小限额空间% 损益限额 损益限额%
对交易组合损益的各种限额，以及根据各种限额所测算出的限额空间：损益最大限额、损益最小限额、损益缓冲限额是对交易组合损益的各种限额设置，用绝对值表示。损益最大限额空间、损益最小限额空间、损益限额是AIR分析系统测算交易组合损益与各限额之间的空间，用绝对值或百分比表示。
局部VaR X%
用来表示在某种集合层面上当某种金融工具被整个从组合中剔除时，组合VaR值所发生的变化。
权益产品收益
用来测算一个公司如何将收益进行再投资以获得额外回报的测算指标。
证券名称
具体证券的名称。
证券类型
具体证券的种类。
PV01值（持仓） PV01%（持仓）
表示交易组合对久期利率变化的敏感度，用绝对值或百分比表示。在系统中，"PV01"表示对久期关键利率发生一个基点变化时交易组合的各种分析结果。PV01的计算公式如下：
。
市净率
市净率＝证券价格／证券帐面价格。
现金流价格
现金流价格＝证券价格／证券现金流。
出售价格比率
出售价格比率＝证券价格／证券销售价格。
一级交易
证券在一级市场上交易。
PV01最大限额 PV01最小限额 PV01缓冲限额 PV01最大限额空间值 PV01最大限额空间% PV01最小限额空间值 PV01最小限额空间% PV01限额值 PV01限额%
交易组合对关键利率敏感度的各种限额，以及针对各种限额所测算出的限额空间：PV01最大限额、PV01最小限额、PV01缓冲限额是对敏感度的各种限额设置，用绝对值表示。PV01最大限额空间、PV01最小限额空间、PV01限额是AIR分析系统分析出的交易组合实际敏感度和各种限额设置之间的空间，用绝对值或百分比表示。
pVaR X%（持仓） pVaR X%（基准）
参数VaR。参数VaR假设金融工具的收益服从某种特定的分布（一般是假设为正态分布），然后再根据该分布的参数特征来计算出VaR值。
计算公式为：，
为组合的波动性，z为一定置信水平上分位数。可以按照实际持仓或基准对一个头寸全部变量的参数VaR进行测算。"X%"表示置信水平。
总和pVaR X%（持仓） 总和pVaR X%（基准）
按照实际持仓或基准对权益产品、外汇产品、和利率产品的头寸指定参数VaR的总和测算。"X%"表示置信水平。
权益pVaR X%（持仓） 权益pVaR X%（基准）
按照实际持有或基准对权益产品头寸相关的参数VaR的测算。 "X%"表示置信水平。
外汇pVaR X%（持仓） 外汇pVaR X%（基准）
按照实际持仓或基准对外汇产品头寸相关的参数VaR的测算。 "X%"表示置信水平。
利率pVaR X%（持仓） 利率pVaR X%（基准）
按照实际持仓或基准对利率产品头寸相关的参数VaR的测算。"X%"表示置信水平。
夏普比率
用来衡量交易组合在其各种变化情况下超额收益的指标：夏普比率＝（交易组合期望收益－无风险收益）／交易组合期望收益的标准差。
差额久期（持仓） 差额久期（基准） 差额久期（积极）
用来测算交易组合中债券价格对利率差额变化的敏感度，由Algo后台系统计算引擎得出。持仓指按照实际持仓所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
回报率-压力测试 （持仓） 回报率-压力测试 （基准） 回报率-压力测试 （积极）
交易组合中的每个金融产品在每种压力情景下的回报。持仓指按照实际持仓所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
回报率（持仓） 回报率（基准） 回报率（积极）
交易组合中的每个金融产品在每种情景下的回报。持仓指按照实际持仓所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
回报率 X%（持仓） 回报率 X%（基准） 回报率 X%（积极）
用来表示一个交易组合相对于基准的回报表现，而这种表现的测算是基于不同置信区下某种具体的情景分布。"X%"表示置信水平。持仓指按照实际持仓所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
短期暴露值 短期暴露%
交易组合中短期头寸的暴露状况，用绝对值或百分比表示。
偏度
对情景假设分布的对称性的描述。 公式为：
一个正常分布的偏度值是0。
可赎回
具体证券是否仍然可以赎回，"是"表示其仍然可以赎回。
标准差（持仓） 标准差（基准） 标准差（积极）
在情景假设的一种分布条件下所产生的波动而引起的标准差测算，用绝对值表示。持仓指按照实际持仓所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
利息交易方
收取或支付利息的交易对方名称。
标准差收益（持仓） 标准差收益（基准） 标准差收益（积极）
在情景假设收益的一种分布条件下所产生的波动而引起的标准偏差测算，用绝对值表示。持仓指按照实际持仓所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
实收息 实付息
在利息结算日实际收取或支付的利息。
应收息率 应付息率
根据互换协议，应该收取或支付的证券利息率。
下次收息日 下次付息日
下次需要收取或支付证券利息的具体日期。
下次应收息 下次应付息
下次需要收取或支付证券利息的具体金额。
计息基准额
一般采用证券的1000个单位为基准单位来计算利息
利息差额
按照浮动利率计算支付利率时需要上浮或下浮的基本点数。
利息种类
利息计算的种类，诸如：固定利率、浮动利率、分期利率、等等。
跟踪误差归因： 证券选择 跟踪误差归因： 资产分配 跟踪误差归因： 相互作用
对跟踪误差的分解测算。
跟踪误差贡献
用来表示交易组合中的一个金融产品的跟踪误差对整个交易组合跟踪误差所产生的分布影响。
单价 本地单价
金融工具的单位价格。
THEO δ THEO本地Rho THEO国际Rho THEO γ THEO ε THEO ν
由Algo后台风险计算引擎测算期权分析指标。
THEO收益（持仓） THEO收益（基准） THEO收益（积极）
由Algo后台风险计算引擎测算的债券收益。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
股票代码
证券检索的首位字母。
跟踪误差
指所持有的交易组合和所设定的基准之间的差距。该指标被定义成所持有的交易组合各种测算结果对所设定的基准各种测算结果之间的标准差距。
跟踪误差最大限额 跟踪误差最小限额 跟踪误差缓冲限额 跟踪误差最大限额空间值 跟踪误差最大限额空间% 跟踪误差最小限额空间值 跟踪误差最小限额空间% 跟踪误差限额值 跟踪误差限额%
所持有的交易组合对基准之间的偏差的各种限额，以及针对各种限额所具有的空间：偏差最大限额、偏差最小限额、偏差缓冲限额是对偏差的各种限额设置，用绝对值表示。偏差最大限额空间、偏差最小限额空间、偏差限额是AIR分析系统测算出的交易组合偏差和各种偏差限额设置之间的空间，用绝对值或百分比表示。
唯一代码
所有证券的唯一代码。
价值最大限额 价值最小限额 价值缓冲限额 价值最大限额空间值 价值最大限额空间% 价值最小限额空间值 价值最小限额空间% 价值限额值 价值限额%
对交易组合价值的各种限额，以及针对各种限额所计算出的限额空间：价值最大限额、价值最小限额、价值缓冲限额是对价值的各种限额设置，用绝对值表示。价值最大限额空间、价值最小限额空间、价值限额是AIR分析系统测算出的交易组合价值和各种限额设置之间的空间，用绝对值或百分比表示。
3月成交量 6月成交量
过去3个月或6个月的股票平均成交量。
加权平均寿命
应该月付贷款而未付金额的年度平均值。
价值（持仓） 价值（基准） 价值（积极）
每种关键利率根据有效期间结构而发生变化时的理论价值，用绝对值金额或基于金额的百分比表示。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
价值@LT X%（持仓）
均值减去置信区间内的在险值（VaR），用绝对值或百分比表示，"X%"表示置信区间，比如：90%、95%、99%。
价值@RT X%（持仓）
均值加上置信区内的在险值（VaR），用绝对值或百分比表示，"X%"表示不同的置信区间，比如：90%、95%、99%。
价值－压力测试 （持仓） 价值－压力测试 （持仓） 价值－压力测试 （积极）
衡量当每个关键利率沿着压力情景中的利率期限结构变化时组合的理论价值，用绝对值金额或基于金额的百分比表示。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
VaR X%（市值%）
在险值（VaR）在X%置信区间内具体金融产品的其市场价格的百分比。
VaR X%最大限额 VaR X%最小限额 VaR X%缓冲限额 VaR X%最大限额空间值 VaR X%最大限额空间% VaR X%最小限额空间值 VaR X%最小限额空间% VaRX%限额值 VaRX%限额%
对VaR在X%置信区间内的各种限额，以及具体交易组合针对各种限额所具有的空间：VaRX%最大限额、VaRX%最小限额、VaRX%缓冲限额是对在X%置信区间的VaR值下的各种限额设置，用绝对值表示。VaRX%最大限额空间、VaRX%最小限额空间、VaRX%限额是AIR分析系统测算具体交易组合在X%置信区间的VaR值与各种限额设置之间的空间，用绝对值或百分比表示。"X%"表示不同的置信区间，比如：90%、95%、99%。
VaR X%（持仓） VaR X%（基准） VaR X%（积极）
交易组合在X%置信区间的在险值（VaR），以绝对值表示，"X%"表示不同的置信区间，比如：90%、95%、99%。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
VaR X%变化影响值 VaR X%变化影响%
表示在不同集合层在险值（VaR）的变化。一般而言，集合层越多，底层具体金融产品VaR对越高的集合层的影响就越小。可以用绝对金额或百分比来表示。"X%"表示不同的置信区间，比如：90%、95%、99%。
到期收益率（持仓） 到期收益率（基准） 到期收益率（积极）
债券到期时的收益，以出价方价格计算。可以用绝对金额或百分比表示。持仓指按照实际持有所进行的测算，基准指参照所设定的基准进行的测算，积极指持仓和基准两种测算结果之间的差距。
版权说明 Algorithmics Inc.
Algorithmics Inc.
