哪個模型主要用於金融機構信息系統的保護

⑴ 雲金融從技術上利用什麼系統模型

從技術上講，雲金融就是利用雲計算機系統模型，將金融機構的數據中心與客戶端分散到雲里，從而達到提高自身系統運算能力、數據處理能力，改善客戶體驗評價，降低運營成本的目的。

雲金融（Cloud financial），雲金融是指基於雲計算商業模式應用的金融產品、信息、服務、用戶、各類機構，以及金融雲服務平台的總稱，雲平台有利於提高金融機構迅速發現並解決問題的能力，提升整體工作效率，改善流程，降低運營成本。

金融機構產品服務體系的雲應用

通過雲化的金融理念和金融機構的線上優勢，可以構建全方位的客戶產品服務體系。例如，地處A省的伺服器、B市的風險控制中心、C市的客服中心等機構，共同組成了金融機構的產品服務體系，為不同地理位置的不同客戶提供同樣細致周到的產品體驗。這就是「雲金融服務」。

事實上，基於雲金融思想的產品服務模式已經在傳統銀行和其網上銀行的服務中得到初步的應用。金融機構可通過對雲概念更加深入的理解，提供更加雲化的產品服務，提高自身的市場競爭力。

⑵ 雲金融技術利用什麼系統模型

雲金融就是利用雲計算機系統模型。

金融機構安全系統的雲應用

基於雲技術的網路安全系統也是雲概念最早的應用領域之一。現如今，瑞星、卡巴斯基、江民、金山等網路及計算機安全軟體全部推出了雲安全解決方案。其中，佔有率不斷提升的360安全衛士，更是將免費的雲安全服務作為一面旗幟，成為其產品競爭力的核心。

所以說，將雲概念引入到金融網路安全系統的設計當中，借鑒雲安全在網路、計算機安全領域成功應用的經驗，構建「雲金融安全系統」具有極高的可行性和應用價值。這在一定程度上，能夠進一步保障國內金融系統的信息安全。

金融機構產品服務體系的雲應用

通過雲化的金融理念和金融機構的線上優勢，可以構建全方位的客戶產品服務體系。例如，地處A省的伺服器、B市的風險控制中心、C市的客服中心等機構，共同組成了金融機構的產品服務體系，為不同地理位置的不同客戶提供同樣細致周到的產品體驗。這就是「雲金融服務」。

事實上，基於雲金融思想的產品服務模式已經在傳統銀行和其網上銀行的服務中得到初步的應用。金融機構可通過對雲概念更加深入的理解，提供更加雲化的產品服務，提高自身的市場競爭力。

⑶ FRM干貨：常用的金融風險的模型有哪些

金融市場的一項主要功能實際上是允許經濟界的不同參與者交易其風險，而近二十年來，由於受經濟全球化和金融一體化、現代金融理論及信息技術、金融創新等因素的影響，全球金融市場迅猛發展，金融市場呈現出前所未有的波動性，金融機構面臨著日趨嚴重的金融風險。
近年來頻繁發生的金融危機造成的嚴重後果充分說明了這一點。

一、波動性方法
自從1952年Markowitz提出了基於方差為風險的*3資產組合選擇理論後，方差（均方差）就成了一種極具影響力的經典的金融風險度量。方差計算簡便，易於使用，而且已經有了相當成熟的理論。當然，波動性方法也存在以下缺點：
（1）把收益高於均值部分的偏差也計入風險，這可能大家很難接受；
（2）以收益均值作為回報基準，也與事實不符；
（3）只考慮平均偏差，不適合用來描述小概率事件發生所導致的巨大損失，而金融市場中的「稀少事件」產生的極端風險才是金融風險的真正所在。
二、VaR模型（Value at Risk）
風險價值模型產生於1994年，比較正規的定義是：在正常市場條件下和一定的置信水平a上，測算出在給定的時間段內預期發生的最壞情況的損失大小X。在數學上的嚴格定義如下：設X是描述證券組合損失的隨機變數，F(x)是其概率分布函數，置信水平為a，則：VaR(a)=-inf{x|F(x)≥a}。該模型在證券組合損失X符合正態分布，組合中的證券數量不發生變化時，可以比較有效的控制組合的風險。
因此，2001年的巴塞耳委員會指定VaR模型作為銀行標準的風險度量工具。但是VaR模型只關心超過VaR值的頻率，而不關心超過VaR值的損失分布情況，且在處理損失符合非正態分布（如厚尾現象）及投資組合發生改變時表現不穩定。
三、靈敏度分析法
靈敏度方法是對風險的線性度量，它測定市場因子的變化與證券組合價值變化的關系。對於市場因子的特定變化量，通過這關系種變化關系可得到證券組合價值的變化量。針對不同的金融產品有不同的靈敏度。比如：在固定收入市場的久期，在股票市場的「β」，在衍生工具市場「δ」等。靈敏度方法由於其簡單直觀而得到廣泛的應用但是它有如下的缺陷：
（1）只有在市場因子變化很小時，這種近似關系才與現實相符，是一種局部性測量方法；
（2）對產品類型的高度依賴性；
（3）不穩定性。如股票的「貝塔」系數存在不穩定的缺陷，用其衡量風險，有很大的爭議；
（4）相對性。敏感度只是相對的比例概念，並沒有回答損失到底有多大。
四、一致性風險度量模型（Coherentmeasure of risk）
Artzner et al.（1997）提出了一致性風險度量模型，認為一個完美的風險度量模型必須滿足下面的約束條件：
（1）單調性；
（2）次可加性；
（3）正齊次性；
（4）平移不變性。
次可加性條件保證了組合的風險小於等於構成組合的每個部分風險的和，這一條件與我們進行分散性投資可以降低非系統風險相一致，是一個風險度量模型應具有的重要的屬性，在實際中如銀行的資本金確定和*3化組合確定中也具有重要的意義。目前一致性風險度量模型有：
（1）CVaR模型（Condition Value at Risk）：條件風險價值（CVaR）模型是指在正常市場條件下和一定的置信水平a上，測算出在給定的時間段內損失超過VaRa的條件期望值。CVaR模型在一定程度上克服了VaR模型的缺點不僅考慮了超過VaR值的頻率，而且考慮了超過VaR值損失的條件期望，有效的改善了VaR模型在處理損失分布的後尾現象時存在的問題。當證券組合損失的密度函數是連續函數時，CVaR模型是一個一致性風險度量模型，具有次可加性，但當證券組合損失的密度函數不是連續函數時，CVaR模型不再是一致性風險度量模型，即CVaR模型不是廣義的一致性風險度量模型，需要進行一定的改進。
（2）ES模型（Expected Shortfall）：ES模型是在CVaR基礎上的改進版，它是一致性風險度量模型。如果損失X的密度函數是連續的，則ES模型的結果與CVaR模型的結果相同；如果損失X的密度函數是不連續的，則兩個模型計算出來的結果有一定差異。
（3）DRM模型（Distortion Risk-Measure）：DRM通過一個測度變換得到一類新的風險度量指標。DRM模型包含了諸如VaR、CVaR等風險度量指標，它是一類更廣義的風險度量指標。
（4）譜風險測度：2002年，Acerbi對ES進行了推廣，提出了譜風險測度（Spectral Risk Measure）的概念，並證明了它是一致性風險度量。但是該測度實際計算的難度很大，維數過高時，即使轉化成線性規劃問題，計算也相當困難。
五、信息熵方法
由不確定性把信息熵與風險聯系在一起引起了眾多學者的研究興趣，例如Maasoumi，Ebrahim，Massoumi and Racine，Reesor.R等分別從熵的不同角度考慮了風險的度量，熵是關於概率的一個單調函數，非負，計算量相對較少，熵越大風險越大。
六、未來的發展趨勢
近年來行為金融學逐漸興起，它將心理學的研究成果引入到標准金融理論的研究，彌補了標准金融理論中存在的一些缺陷，將投資心理納入到證券投資風險度量，提出了兩者基於行為金融的認知風險度量方法，並討論了認知風險與傳統度量方差的關系。2004年Murali Rao給出一種新的不確定性度量--累積剩餘熵。累積剩餘熵是用分布函數替換了Shannon熵的概率分布律或密度函數，它具有一些良好的數學性質，這個定義推廣了Shannon熵的概念讓離散隨機變數和連續隨機變數的熵合二為一，也許會將風險度量的研究推向一個新的台階。
總之，金融風險的度量對資產投資組合、資產業績評價、風險控制等方面有著十分重要的意義。針對不同的風險源、風險管理目標，產生了不同的風險度量方法，它們各有利弊，反映了風險的不同特徵和不同側面。在風險管理的實踐中，只有綜合不同的風險度量方法，從各個不同的角度去度量風險，才能更好地識別和控制風險，這也是未來風險度量的發展趨勢。

⑷ 雲金融利用什麼模型

雲計算機系統模型。

雲金融，雲金融是指基於雲計算商業模式應用的金融產品、信息、服務、用戶、各類機構，以及金融雲服務平台的總稱，雲平台有利於提高金融機構迅速發現並解決問題的能力，提升整體工作效率，改善流程，降低運營成本。

從技術上講，雲金融就是利用雲計算機系統模型，將金融機構的數據中心與客戶端分散到雲里，從而達到提高自身系統運算能力、數據處理能力，改善客戶體驗評價，降低運營成本的目的。

相關信息

基於雲技術的網路安全系統也是雲概念最早的應用領域之一。現如今，瑞星、卡巴斯基、江民、金山等網路及計算機安全軟體全部推出了雲安全解決方案。其中，佔有率不斷提升的360安全衛士，更是將免費的雲安全服務作為一面旗幟，成為其產品競爭力的核心。

所以說，將雲概念引入到金融網路安全系統的設計當中，借鑒雲安全在網路、計算機安全領域成功應用的經驗，構建「雲金融安全系統」具有極高的可行性和應用價值。這在一定程度上，能夠進一步保障國內金融系統的信息安全。

⑸ 4.諾蘭模型和米歇模型對我國金融信息化有何指導意義

諾蘭階段模型總結了管理信息系統發展的經驗和規律，其基本思想對於管理信息系統建設具有指導意義。
美國管理信息系統專家諾蘭通過對200多個公司、部門發展信息系統的實踐和經驗的總結，提出了著名的信息系統進化的階段模型，即諾蘭模型。
諾蘭認為，任何組織由手工信息系統向以計算機為基礎的信息系統發展時，都存在著一條客觀的發展道路和規律。1979年，諾蘭將計算機信息系統的發展道路劃分為六個階段。諾蘭強調，任何組織在實現以計算機為基礎的信息系統時都必須從一個階段發展到下一個階段，不能實現跳躍式發展。

⑹ var模型的var模型

主研：黃適富 楊柱遜 王志 楊蒼松
引言
進入90年代，隨著國際金融市場的日趨規范、壯大，各金融機構之間的競爭也發生了根本性變化，特別是金融產品的創新，使金融機構從過去的資源探索轉變為內部管理與創新方式的競爭，從而導致了各金融機構的經營管理發生了深刻的變化，發達國家的各大銀行、證券公司和其他金融機構都在積極參與金融產品（工具）的創新和交易，使金融風險管理問題成為現代金融機構的基礎和核心。隨著我國加入WTO，國內金融機構在面對即將到來的全球金融一體化的挑戰，金融風險管理尤顯其重要性。
傳統的資產負債管理（Asset-Liability Management）過分依賴於金融機構的報表分析，缺乏時效性，資產定價模型（CAPM）無法揉合新的金融衍生品種，而用方差和β系數來度量風險只反映了市場（或資產）的波動幅度。這些傳統方法很難准確定義和度量金融機構存在的金融風險。1993年，G30集團在研究衍生品種基礎上發表了《衍生產品的實踐和規則》的報告，提出了度量市場風險的VaR（ Value-at-Risk ）模型(「風險估價」模型)，稍後由JP.Morgan推出了計算VaR的RiskMetrics風險控制模型。在些基礎上，又推出了計算VaR的CreditMetricsTM風險控制模型，前者用來衡量市場風險；JP.Morgan公開的CreditmetricsTM技術已成功地將標准VaR模型應用范圍擴大到了信用風險的評估上，發展為「信用風險估價」（Credit Value at Risk）模型，當然計算信用風險評估的模型要比市場風險估值模型更為復雜。目前，基於VaR度量金融風險已成為國外大多數金融機構廣泛採用的衡量金融風險大小的方法。
VaR模型提供了衡量市場風險和信用風險的大小，不僅有利於金融機構進行風險管理，而且有助於監管部門有效監管。
⒈1995年巴塞爾委員會同意具備條件的銀行可採用內部模型為基礎，計算市場風險的資本金需求，並規定將銀行利用得到批准和認可的內部模型計算出來的VaR值乘以3，可得到適應市場風險要求的資本數額的大小。這主要是考慮到標准VaR方法難以捕捉到極端市場運動情形下風險損失的可能性，乘以3的做法是提供了一個必要的資本緩沖。
⒉Group of Thirty 1993年建議以風險資本（Capital—at—risk）即風險價值法（VaR）作為合適的風險衡量手段，特別是用來衡量場外衍生工具的市場風險。
⒊1995年，SEC也發布建議，要求美國公司採用VaR模型作為三種可行的披露其衍生交易活動信息的方法之一。
這些機構的動向使得VaR模型在金融機構進行風險管理和監督的作用日益突出。
國際金融風險管理的發展
從國際金融風險管理發展歷程來看，近20年來，大致經歷了以下幾個階段：
(一)80年代初因受債務危機影響。銀行普遍開始注重對信用風險的防範與管理，其結果是《巴塞爾協議》的誕生。該協議通過對不同類型資產規定不同權數來量化風險，是對銀行風險比較籠統的一種分析方法。
(二)90年代以後隨著衍生金融工具及交易的迅猛增長，市場風險日益突出，幾起震驚世界銀行和金融機構危機大案(如巴林銀行、大和銀行等事件)促使人們對市場風險的關注。一些主要國際大銀行開始建立自己的內部風險測量與資本配置模型，以彌補《巴塞爾協議》的不足。主要進展包括：市場風險測量新方法—Value At Risk(VaR)(風險價值方法)。這一方法最主要代表是摩根銀行的「風險矩陣)系統」；銀行業績衡量與資本配置方法——信孚銀行的「風險調整的資本收益率(Risk AdjustedReturnon Capital，簡稱RAROC)」系統。
(三)最近幾年一些大銀行認識到信用風險仍然是關鍵的金融風險，並開始關注信用風險測量方面的問題，試圖建立測量信用風險的內部方法與模型。其中以J.P.摩根的Credit Metrics和Credit Suisse Financial Procts(CSFP)的Credit Risk+兩套信用風險管理系統最為引入注目。
1997年亞洲金融危機爆發以來，世界金融業風險(如1998年美國長期資本管理公司損失的事件)出現了新特點，即損失不再是由單一風險所造成，而是由信用風險和市場風險等聯合造成。金融危機促使人們更加重視市場風險與信用風險的綜合模型以及操作風險的量化問題，由此全面風險管理模式引起人們的重視。
經過多年努力，風險管理技術已達到可以主動控制風險的水平。目前有關研究側重於對已有技術的完整和補充，以及將風險計值法推廣到市場風險以外(包括信用風險、結算風險、操作風險)等其他風險領域的嘗試。
從金融風險定量管理技術來看，國際金融組織和金融機構先後發展了如下新技術
（1）新資本協議
1999年6月3日，巴塞爾銀行委員會發布關於修改1988年《巴塞爾協議》的徵求意見稿，該協議對銀行風險管理新方法給予充分的關注，具體表現在：對銀行進行信用風險管理提供更為現實的選擇，方法有三種：①對現有方法進行修改，將其作為大多數銀行計算資本的標准方法，在這種情況下，外部信用評估(指標准普爾和穆迪公司等的評級)可用來細致區分某些信用風險。②對於復雜程度較高的銀行，巴塞爾銀行委員會認為可將其內部評級作為確定資本標準的基礎，並且對於某些高風險的資產，允許採用高於100%的權重。③新協議明確指出：「一些利用內部評級的、復雜程度更高的銀行還建立了以評級結果(以及其它因素)為基礎的信用風險模型。這種模型旨在涵蓋整個資產組合的風險這一特點，在僅僅依靠外部信用評級或內部信用評級中是不存在的。但是由於一系列困難的存在，包括數據的可獲得性以及模型的有效性，很顯然信用風險模型目前還不能在最低資本的制定中發揮明顯作用。」委員會希望在經過進一步的研究和實驗後，使用信用風險模型將成為可能，並將汁劃關注這方面的進展。這說明，巴塞爾銀行委員會在一定程度上肯定了目前摩根等國際大銀行使用的計量信用風險模型。
對市場風險管理方面進展給予肯定，並突出了利率風險和操作風險的管理。此外還肯定了一些新的金融創新工具。如新協議就資產證券化問題提出了新風險權重計量方案，對某幾種短期承諾採用20%的信用風險轉換權數。並明確指出：「降低信用風險的技術如信用衍生產品的近期發展使銀行風險管理的水平大幅度提高。」
（2）、風險價值法(VaR)
在風險管理的各種方法中，VaR方法最為引人矚目。尤其是在過去的幾年裡，許多銀行和法規制定者開始把這種方法當作全行業衡量風險的一種標准來看待。VaR之所以具有吸引力是因為它把銀行的全部資產組合風險概括為一個簡單的數字，並以美元計量單位來表示風險管理的核心——潛在虧損。VaR實際上是要回答在概率給定情況下，銀行投資組合價值在下一階段最多可能損失多少。
VaR特點①可以用來簡單明了表示市場風險的大小，單位是美元或其他貨幣，沒有任何技術色彩，沒有任何專業背景的投資者和管理者都可以通過VaR值對金融風險進行評判；②可以事前計算風險，不像以往風險管理的方法都是在事後衡量風險大小；③不僅能計算單個金融工具的風險。還能計算由多個金融工具組成的投資組合風險，這是傳統金融風險管理所不能做到的。
VaR主要應用①用於風險控制。目前已有超過1000家的銀行、保險公司、投資基金、養老金基金及非金融公司採用VaR方法作為金融衍生工具風險管理的手段。利用VaR方法進行風險控制，可以使每個交易員或交易單位都能確切地明了他們在進行有多大風險的金融交易，並可以為每個交易員或交易單位設置VaR限額，以防止過度投機行為的出現。如果執行嚴格的VaR管理，一些金融交易的重大虧損也許就可以完全避免。②用於業績評估。在金融投資中，高收益總是伴隨著高風險，交易員可能不惜冒巨大的風險去追逐巨額利潤。公司出於穩健經營的需要，必須對交易員可能的過度投機行為進行限制。所以，有必要引入考慮風險因素的業績評價指標。
但VAR方法也有其局限性。VaR方法衡量的主要是市場風險，如單純依靠VaR方法，就會忽視其他種類的風險如信用風險。另外，從技術角度講。VaR值表明的是一定置信度內的最大損失，但並不能絕對排除高於VaR值的損失發生的可能性。例如假設一天的99%置信度下的VaR=$1000萬，仍會有1%的可能性會使損失超過1000萬美元。這種情況一旦發生，給經營單位帶來的後果就是災難性的。所以在金融風險管理中，VaR方法並不能涵蓋一切，仍需綜合使用各種其他的定性、定量分析方法。亞洲金融危機還提醒風險管理者：風險價值法並不能預測到投資組合的確切損失程度，也無法捕捉到市場風險與信用風險間的相互關系。
（3）風險調整的資本收益法
風險調整的資本收益是收益與潛在虧損或VaR值的比值。使用這種方法的銀行在對其資金使用進行決策的時候，不是以盈利的絕對水平作為評判基礎，而是以該資金投資風險基礎上的盈利貼現值作為依據。
每家銀行都清楚風險與收益的關系。在進行一項投資時，風險越大，其預期的收益或虧損也越大，投資如果產生虧損，將會使銀行資本受侵蝕，最嚴重的情況可能導致銀行倒閉。雖然銀行對投資虧損而導致的資本侵蝕十分敏感，但銀行必須認識到，承擔這些風險是為了盈利，問題的關鍵在於，銀行應在風險與收益之間尋找一個恰當的平衡點，這也是RAROC的宗旨所在。決定RAROC的關鍵是潛在虧損即風險值的大小，該風險值或潛在虧損越大，投資報酬貼現就越多。
RAROC可用於業績評估，如果交易員從事高風險的投資項目，那麼即使利潤再高，由於VaR值較高，RAROC值也不會很高，其業績評價也就不會很高。實際上近幾年出現的巴林銀行倒閉、大和銀行虧損和百富勤倒閉等事件中，都是由於對某一個人業績評價不合理所致，即只考慮到某人的盈利水平，沒有考慮到他在獲得盈利的同時承擔的風險對其進一步重用的結果。RAROC方法用於業績評估，可以較真實地反映交易人員的經營業績，並對其過度投機行為進行限制，有助於避免大額虧損現象的發生。
（4）、信貸矩陣(Credit Metrics)
1997年4月初，美國J．P摩根財團與其他幾個國際銀行——德意志摩根建富、美國銀行、瑞士銀行、瑞士聯合銀行和BZW共同研究，推出了世界上第一個評估銀行信貸風險的證券組合模型(Credit Metrics)。該模型以信用評級為基礎，計算某項貸款或某組貸款違約的概率，然後計算上述貸款同時轉變為壞賬的概率。該模型通過VaR數值的計算力圖反映出：銀行某個或整個信貸組合一旦面臨信用級別變化或拖欠風險時所應准備的資本金數值。該模型覆蓋了幾乎所有的信貸產品，包括傳統的商業貸款；信用證和承付書；固定收入證券；商業合同如貿易信貸和應收賬款；以及由市場驅動的信貸產品如掉期合同、期貨合同和其他衍生產品等。具體計算步驟是首先對信貸組合中的每個產品確定敞口分布；其次，計算出每項產品的價值變動率(由信用等級上升、下降或拖欠引起)；再次將單項信貸產品的變動率匯總得出一個信貸組合的變動率值(加總時應考慮各產品之間的相互關系)。由此可見，在假定各類資產相互獨立的情況下，每類資產信用風險組合的風險值等於該類資產的敞口分布與其信用等級變動或拖欠的變動率。即等於信用等級變動或拖欠變動率x貸款額。
（5）最近，美國華盛頓國際金融研究所針對當前的主要信用風險模型以及資產組合模型進行了分析測試，旨在找出衡量信用風險的最好方法，為計量信用風險確定一種比較規范的模型，並用於確定資本金的分配，從而為國際銀行業的發展及其風險監管創造條件，並計劃與巴塞爾銀行委員會合作進行這方面的工作。
VaR風險控制模型
一.VaR模型基本思想
VaR按字面的解釋就是「處於風險狀態的價值」，即在一定置信水平和一定持有期內，某一金融工具或其組合在未來資產價格波動下所面臨的最大損失額。JP.Morgan定義為：VaR是在既定頭寸被沖銷（be neutraliged）或重估前可能發生的市場價值最大損失的估計值；而Jorion則把VaR定義為：「給定置信區間的一個持有期內的最壞的預期損失」。
二.VaR基本模型
根據Jorion（1996），VaR可定義為：
VaR=E（ω）-ω* ①
式中E（ω）為資產組合的預期價值；ω為資產組合的期末價值；ω*為置信水平α下投資組合的最低期末價值。
又設ω=ω0（1+R） ②
式中ω0為持有期初資產組合價值，R為設定持有期內（通常一年）資產組合的收益率。
ω*=ω0（1+R*） ③
R*為資產組合在置信水平α下的最低收益率。
根據數學期望值的基本性質，將②、③式代入①式，有
VaR=E[ω0（1+R）]-ω0（1+R*）
=Eω0+Eω0（R）-ω0-ω0R*
=ω0+ω0E（R）-ω0-ω0R*
=ω0E（R）-ω0R*
=ω0[E（R）-R*]
∴VaR=ω0[E（R）-R*] ④
上式公式中④即為該資產組合的VaR值，根據公式④，如果能求出置信水平α下的R*，即可求出該資產組合的VaR值。
三.VaR模型的假設條件
VaR模型通常假設如下：
⒈市場有效性假設；
⒉市場波動是隨機的，不存在自相關。
一般來說，利用數學模型定量分析社會經濟現象，都必須遵循其假設條件，特別是對於我國金融業來說，由於市場尚需規范，政府幹預行為較為嚴重，不能完全滿足強有效性和市場波動的隨機性，在利用VaR模型時，只能近似地正態處理。
VaR模型計算方法
從前面①、④兩式可看出，計算VAR相當於計算E（ω）和ω*或者E（R）和R*的數值。從目前來看，主要採用三種方法計算VaR值。
⒈歷史模擬法（historical simulation method）
⒉方差—協方差法
⒊蒙特卡羅模擬法（Monte Carlosimulation）
一．歷史模擬法
「歷史模擬法」是藉助於計算過去一段時間內的資產組合風險收益的頻度分布，通過找到歷史上一段時間內的平均收益，以及在既定置信水平α下的最低收益率，計算資產組合的VaR值。
「歷史模擬法」假定收益隨時間獨立同分布，以收益的歷史數據樣本的直方圖作為對收益真實分布的估計，分布形式完全由數據決定，不會丟失和扭曲信息，然後用歷史數據樣本直方圖的P—分位數據作為對收益分布的P—分位數—波動的估計。
一般地，在頻度分布圖中（圖1，見例1）橫軸衡量某機構某日收入的大小，縱軸衡量一年內出現相應收入組的天數，以此反映該機構過去一年內資產組合收益的頻度分布。
首先，計算平均每日收入E（ω）
其次，確定ω*的大小，相當於圖中左端每日收入為負數的區間內，給定置信水平 α，尋找和確定相應最低的每日收益值。
設置信水平為α，由於觀測日為T，則意味差在圖的左端讓出
t=T×α，即可得到α概率水平下的最低值ω*。由此可得：
VaR=E（ω）-ω*
二.方差—協方差法
「方差—協方差」法同樣是運用歷史資料，計算資產組合的VaR值。其基本思路為：
首先，利用歷史數據計算資產組合的收益的方差、標准差、協方差；
其次，假定資產組合收益是正態分布，可求出在一定置信水平下，反映了分布偏離均值程度的臨界值；
第三，建立與風險損失的聯系，推導VaR值。
設某一資產組合在單位時間內的均值為μ，數准差為σ，R*～μ（μ、σ），又設α為置信水平α下的臨界值，根據正態分布的性質，在α概率水平下，可能發生的偏離均值的最大距離為μ-ασ，
即R*=μ-ασ。
∵E（R）=μ
根據VaR=ω0[E（R）-R*] 有
VaR=ω0[μ-（μ-ασ）]=ω0ασ
假設持有期為 △t，則均值和數准差分別為μ△t和 ，這時上式則變為：
VaR=ω0·α·
因此，我們只要能計算出某種組合的標准差σ，則可求出其VaR的值，一般情況下，某種組合的數准差σ可通過如下公式來計算
其中，n為資產組合的金融工具種類，Pi為第i種金融工具的市場價值，σi第i種金融工具的標准差，σij為金融工具i、j的相關系數。
除了歷史模擬法和方差—協方差外，對於計算資產組合的VaR的方法還有更為復雜的「蒙特卡羅模擬法」。它是基於歷史數據和既定分布假定的參數特徵，藉助隨機產生的方法模擬出大量的資產組合收益的數值，再計算VaR值。
根據古德哈特等人研究，計算VaR值三種方法的基本步驟及特徵如下表。
.
風險估價技術比較
分類
步驟HSMVaR—Cov Monte—Carlo
⒈確認頭寸 找到受市場風險影響的各種金融工具的全部頭寸
⒉確認風險因素 確認影響資產組合中金融工具的各種風險因素
⒊獲得持有期內風險因素的收益分布 計算過去年份里的歷史上的頻度分布 計算過去年份里風險因素的標准差和相關系數 假定特定的參數分布或從歷史資料中按自助法隨機產生
⒋將風險因素的收益與金融工具頭寸相聯系 將頭寸的盯住市場價值（mark to market value）表示為風險因素的函數 按照風險因素分解頭寸（risk mapping） 將頭寸的盯住市場價值（mark to market value）表示為風險因素的函數
⒌計算資產組合的可變性 利用從步驟3和步驟4得到的結果模擬資產組合收益的頻度分布 假定風險因素是呈正態分布，計算資產組合的標准差 利用從步驟3和步驟4得到的結果模擬資產組合收益的頻度分布
⒍給定置信區間推導VAR
排列資產組合順序，選擇剛好在1%或5%概率下剛≥1的那一損失
用2.33（1%）或1.65（5%）乘以資產組合標准差 排列資產組合順序，選擇剛好在1%或5%概率下剛≥1的那一損失
VaR模型在金融風險管理中的應用
VaR模型在金融風險管理中的應用越來越廣泛，特別是隨著VaR模型的不斷改進，不但應用於金融機構的市場風險、使用風險的定量研究，而且VaR模型正與線性規劃模型（LPM）和非線性規劃模型（ULPM）等規劃模型論，有機地結合起來，確定金融機構市場風險等的最佳定量分析法，以利於金融機構對於潛在風險控制進行最優決策。
對於VaR在國外的應用，正如文中引言指出，巴塞爾委員會要求有條件的銀行將VaR值結合銀行內部模型，計算適應市場風險要求的資本數額；G20建議用VaR來衡量衍生工具的市場風險，並且認為是市場風險測量和控制的最佳方法；SEC也要求美國公司採用VaR模型作為三種可行的披露其衍生交易活動信息的方法之一。這表明不但金融機構內部越來越多地採用VaR作為評判金融機構本身的金融風險，同時，越來越多的督管機構也用VaR方法作為評判金融機構風險大小的方法。
我國對VaR模型的引介始於近年，具有較多的研究成果，但VaR模型的應用現在確處於起步階段，各金融機構已經充分認識到VaR的優點，正在研究適合於自身經營特點的VaR模型。

⑺ 雲金融利用什麼模型

雲計算機系統模型。

雲金融，雲金融是指基於雲計算商業模式應用的金融產品、信息、服務、用戶、各類機構，以及金融雲服務平台的總稱，雲平台有利於提高金融機構迅速發現並解決問題的能力，提升整體工作效率，改善流程，降低運營成本。

從技術上講，雲金融就是利用雲計算機系統模型，將金融機構的數據中心與客戶端分散到雲里，從而達到提高自身系統運算能力、數據處理能力，改善客戶體驗評價，降低運營成本的目的。

相關信息

基於雲技術的網路安全系統也是雲概念最早的應用領域之一。現如今，瑞星、卡巴斯基、江民、金山等網路及計算機安全軟體全部推出了雲安全解決方案。其中，佔有率不斷提升的360安全衛士，更是將免費的雲安全服務作為一面旗幟，成為其產品競爭力的核心。

所以說，將雲概念引入到金融網路安全系統的設計當中，借鑒雲安全在網路、計算機安全領域成功應用的經驗，構建「雲金融安全系統」具有極高的可行性和應用價值。這在一定程度上，能夠進一步保障國內金融系統的信息安全。