發(fā)布時間：2023-09-21 16:53:11
序言：寫作是分享個人見解和探索未知領(lǐng)域的橋梁，我們?yōu)槟x了8篇的投資組合的風(fēng)險分析樣本，期待這些樣本能夠為您提供豐富的參考和啟發(fā)，請盡情閱讀。
1952年3月，哈里•馬柯維茨發(fā)表的資產(chǎn)組合的選擇，將概率論和線性代數(shù)的方法應(yīng)用于證券投資組合的研究，探討了不同類別的、運(yùn)動方向各異的證券之間的內(nèi)在相關(guān)性，標(biāo)志著現(xiàn)代資產(chǎn)組合理論的誕生。在馬柯維茨對資產(chǎn)組合理論研究的基礎(chǔ)上，另兩位美國經(jīng)濟(jì)學(xué)家、金融學(xué)家、諾貝爾獎金獲得者威廉•廈普和約翰•琳特納分別在1964年的文章《資本資產(chǎn)定價:風(fēng)險條件下的市場均衡理論》和1965年的文章《風(fēng)險資產(chǎn)的價值，股票資產(chǎn)組合的風(fēng)險投資選擇，資本預(yù)算》中，給出了資本資產(chǎn)定價模型———CAPM。CAPM模型主要是用來描述證券的風(fēng)險價格進(jìn)而得出均衡價格形成機(jī)理的，在實際生活和理論分析中應(yīng)用十分廣泛。國內(nèi)學(xué)者也對證券投資組合理論做了大量的實證研究。這些研究主要通過分析我國證券市場的實際數(shù)據(jù)，用簡單隨機(jī)等權(quán)組合的方法，研究投資組合規(guī)模與組合風(fēng)險的關(guān)系。其中比較有代表性的有以下幾位學(xué)者的研究。1996年10月，我國學(xué)者施東暉先生在《經(jīng)濟(jì)研究》上發(fā)表了《上海股票市場風(fēng)險性實證分析》一文。他以1993年4月至1996年5月上海證交所的50種股票為樣本，以雙周收益率為指標(biāo)，采用簡單隨機(jī)等權(quán)組合構(gòu)造50個“n種股票組合”(n=1，2，……，50)來推斷股票組合分散風(fēng)險的能力，由此得出“投資多元化只能分散掉大約20%的風(fēng)險,降低風(fēng)險的效果極其有限”的結(jié)論。實際上，這一研究只構(gòu)造了1個“1種證券的組合”、1個“2種證券的組合”、……1個“50種證券的組合”，缺乏統(tǒng)計穩(wěn)定性和可靠性。2001年5月，顧嵐、薛繼銳等在《數(shù)理統(tǒng)計與管理》上發(fā)表了《中國股市的投資組合分析》一文，以深滬114種股票為樣本,以日收益率為指標(biāo)，分別研究了不同年份、不同行業(yè)等權(quán)組合規(guī)模的情況，得出“不同年份的組合方差相差很大，不同行業(yè)對于不同組合規(guī)模方差的降低有明顯差別”的結(jié)論。此外,他們還對比了馬科維茨組合和簡單等權(quán)組合,發(fā)現(xiàn)在方差的減少效果上,馬科維茨組合優(yōu)于簡單等權(quán)組合，并且馬科維茨組合的規(guī)模小于簡單等權(quán)組合。本文在上述研究的基礎(chǔ)上,通過采用2007年上半年滬市A股的數(shù)據(jù),研究投資組合規(guī)模、投資收益和投資風(fēng)險之間的關(guān)系。通過進(jìn)一步研究,希望能夠為投資者進(jìn)行證券投資組合提供理論和實踐的參考。
二、實證研究過程
（一）研究樣本及數(shù)據(jù)
本文選取樣本的原則，一是考慮足夠的樣本容量，本文數(shù)據(jù)取自2001年1月至2009年12月的上海證券交易所上市的股票。在2001年1月，共有562家上市公司，其中資料不全的公司有210家，因此本次研究的范圍共352家公司，樣本容量足夠大。二是抽樣方法，本文采取的是不放回隨機(jī)抽樣，按照簡單等權(quán)的方法進(jìn)行1至30種股票的投資組合，選取上述方法的原因是計算方便，并且能夠比較從1支股票增加到30支股票，每增加一支，對收益和風(fēng)險的影響。三是考慮適當(dāng)?shù)姆治鰰r間區(qū)段，避免由于樣本數(shù)據(jù)波動帶來較大的估計誤差，經(jīng)過簡單觀測上證指數(shù)的k線圖，本小組發(fā)現(xiàn)在2006年1月至2008年1月上證指數(shù)波動較為平穩(wěn)，又考慮到時間跨度過大會影響股票收益及風(fēng)險的變動，故時間跨度確定為6到8個月。本研究選取的樣本為，隨機(jī)抽取在上海證券交易所上市的30家A股，時間跨度從2007年1月至2007年6月。
（二）證券投資組合的規(guī)模、收益與風(fēng)險的實證
研究表1是本小組在隨機(jī)抽取30支股票后，運(yùn)用excel及spss統(tǒng)計軟件計算得出。經(jīng)過分析表1中的數(shù)據(jù)，我們可以得出投資組合規(guī)模與風(fēng)險的關(guān)系、組合規(guī)模與收益的關(guān)系，并可利用他們之間的關(guān)系嘗試擬合回歸模型。
1.投資組合規(guī)模與風(fēng)險的關(guān)系。從表1中的數(shù)據(jù)可以看出，當(dāng)股票規(guī)模由1支增加到2支時，股票的風(fēng)險下降趨勢明顯，由9.24%下降到7.25%，下降了1.99%，下降幅度顯著，組合效果十分明顯。當(dāng)組合的規(guī)模從2種增加到6種時，股票的風(fēng)險下降了1.26%，當(dāng)組合的規(guī)模從6種增加到12種時，股票的風(fēng)險下降了0.58%，當(dāng)組合的規(guī)模由12種變化到18種時，風(fēng)險下降了0.23%，而當(dāng)組合的規(guī)模由18種增加到30種時，投資組合的風(fēng)險由5.18%降低到5.14%，風(fēng)險僅降低了0.04%，組合效果不理想。根據(jù)隨機(jī)抽樣的30支股票的上述計算與比較，推斷上海證券市場在2007年1月至6月的總體情況。隨著投資組合規(guī)模的不斷擴(kuò)大，投資組合的風(fēng)險會呈現(xiàn)逐步下降的趨勢，且風(fēng)險的下降趨勢隨著組合規(guī)模的增加下降明顯。當(dāng)股票規(guī)模超過20支時，風(fēng)險區(qū)域穩(wěn)定，下降趨勢不明顯。
2.投資組合規(guī)模與組合收益的關(guān)系。從表1中的數(shù)據(jù)可以看出：當(dāng)組合規(guī)模從1種增加到2種時，組合的收益率下降了0.54%。當(dāng)組合的規(guī)模由2種增加到6種，收益率上升了0.05%。當(dāng)組合的規(guī)模由6種增加到12種時，收益率下降了0.06%。當(dāng)組合的規(guī)模增加到18種時，收益率下降了0.11%，組合規(guī)模繼續(xù)增加到24種，收益率下降了0.02%，組合規(guī)模到達(dá)30時，收益率下降到2.24%，下降了0.04%。根據(jù)投資組合理論，組合的收益是組合中各風(fēng)險資產(chǎn)收益的現(xiàn)行組合，本文采用的是簡單的等權(quán)線性組合，投資組合的增加并不能增加組合的收益。從樣本數(shù)據(jù)可以看出，在2007年1月至6月的上海證券市場，隨著組合規(guī)模的增加組合的收益率出現(xiàn)了有規(guī)律的下降趨勢，但收益的這種下降程度并不是很高，當(dāng)組合數(shù)增加到一定程度后，組合收益的變動范圍基本上保持在一個很小的范圍內(nèi)，這意味著達(dá)到一定規(guī)模后，組合規(guī)模的不斷擴(kuò)大，組合的收益差距基本不變。因此，投資組合規(guī)模的增加并不是增加組合收益的主要途徑，甚至可能降低組合的收益。
3.組合規(guī)模與風(fēng)險的回歸模型。根據(jù)上述實證數(shù)據(jù)，可以看出投資組合的規(guī)模與組合的風(fēng)險呈現(xiàn)一定的相關(guān)關(guān)系，即投資組合的規(guī)模增加會減少組合的風(fēng)險，但這種關(guān)系不是嚴(yán)格的線性關(guān)系。本文運(yùn)用spss軟件采用嘗試性的方法，將組合規(guī)模作為自變量，風(fēng)險（即方差）作為因變量，擬合了包括Linear(線性)，Quadratic（二次）,Cubic（三次）,Inverse（倒數(shù)）四種模型。通過比較后，發(fā)現(xiàn)擬合模型中Inverse函數(shù)在四個函數(shù)中最為符合。以投資規(guī)模為X，風(fēng)險為Y。擬合模型為：Y=0.023+0.004X此模型恰好與埃文斯和阿徹的投資組合模型Y=A+BNi〔其中Ni為組合的規(guī)模(i=1,2,3,……n);Yi為不同組合規(guī)模的σ〕相符合。4.組合規(guī)模與收益的回歸模型。回歸模型擬合的比較好，擬合優(yōu)度為0.803，調(diào)整后的擬合優(yōu)度為0.798，整體的F檢驗也非常顯著，各個參數(shù)的t檢驗也比較顯著，據(jù)此說明了投資組合規(guī)模與組合風(fēng)險之間確實存在顯著的相關(guān)關(guān)系。我們可以用上述模型對投資組合的風(fēng)險進(jìn)行合理的估計,但由于組合中存在系統(tǒng)性風(fēng)險,因此,當(dāng)N趨向于無窮大時,組合的風(fēng)險并不趨向于0。5.組合規(guī)模與收益的回歸模型。與組合規(guī)模與風(fēng)險的模型類似，組合規(guī)模與收益的回歸模型為：Y=0.05+0.004X經(jīng)檢驗回歸模型擬合得非常好，擬合優(yōu)度為0.980，調(diào)整后的擬合優(yōu)度為0.979，整體的F檢驗十分顯著，各個參數(shù)的t檢驗也十分顯著，但此模型沒有經(jīng)濟(jì)理論的支持，因此僅作為一種擬合趨勢，沒有變量間的因果關(guān)系，不能解釋兩者之間的關(guān)系。
三、結(jié)論與建議
經(jīng)過實證研究，得出如下結(jié)論:
（1)上海證券市場在2007年1月至6月期間,投資組合的適度規(guī)模數(shù)為16種股票。這種投資組合規(guī)模使投資組合總風(fēng)險降低4.06%。因此，投資者為了降低組合的風(fēng)險可以增加投資組合中的股票數(shù)，但投資組合的風(fēng)險在組合規(guī)模達(dá)到一定程度后將逐漸穩(wěn)定。
（2)從之前規(guī)模與收益的風(fēng)險分析可看出：簡單的投資組合并不必然導(dǎo)致組合收益水平的提高,投資組合的規(guī)模存在一定的有效范圍,當(dāng)組合規(guī)模超過該范圍時將引起組合的過度分散，而組合的過度分散又將產(chǎn)生各種交易費(fèi)用及不必要的管理成本,這樣勢必會引起整個投資組合的收益降低。
【摘 要】本文就金融風(fēng)險測算的一種新方法Copula理論在國內(nèi)外的已有研究進(jìn)行了總結(jié)，較為清晰的勾畫出Copula方法在金融市場風(fēng)險測算中的發(fā)展過程及應(yīng)用現(xiàn)狀，在此基礎(chǔ)上，提出了Copula方法對綜合風(fēng)險度量的可適性及應(yīng)用前景。
【關(guān)鍵詞】Copula 金融市場風(fēng)險 綜合風(fēng)險 測算
隨著經(jīng)濟(jì)全球化和金融自由化的發(fā)展，全球金融市場特別是金融衍生品市場得到迅猛發(fā)展，呈現(xiàn)出了前所未有的波動性，金融機(jī)構(gòu)和投資者面臨的各種風(fēng)險日益復(fù)雜和多樣化，因此對金融風(fēng)險的評估和測量也提出了越來越高的要求。傳統(tǒng)的風(fēng)險計量方法已不能適應(yīng)現(xiàn)代金融業(yè)的需要?；诖?，Copula方法這種全新的測算技術(shù)被引入金融風(fēng)險的計量中。
Copula函數(shù)被稱為“相依函數(shù)”或者“連接函數(shù)”，它是把多維隨機(jī)變量的聯(lián)合分布用其一維邊際分布連接起來的函數(shù)。Copula理論于1959年由Sklar提出，定義了一個聯(lián)合分布分解為它的K個邊緣分布和一個Copula函數(shù)，其中Copula函數(shù)描述了變量間的相關(guān)結(jié)構(gòu)，Sklar定理為Copula方法體系的發(fā)展打下了基礎(chǔ)。但直到上世紀(jì)90年代末期才被引入金融領(lǐng)域，Nelson(1998)比較系統(tǒng)地介紹了Copula的定義、構(gòu)建方法，并全面介紹了Copula函數(shù)的各項性質(zhì)以及幾種重要的Copula函數(shù)族。Embrechs(1999)把Copula理論引入到金融領(lǐng)域中，把金融風(fēng)險分析推向了一個新的階段。在我國，對Copula的研究起步較晚，最早是張堯庭(2002)在理論上，主要是從概率論的角度上探討了Copula方法在金融上應(yīng)用的可行性。Copula方法在金融風(fēng)險測算中主要具有如下優(yōu)勢:①Copula理論不限制邊緣分布的選擇，結(jié)合Copula函數(shù)可以更為靈活地構(gòu)建多元分布函數(shù);②在運(yùn)用Copula理論建立模型時，邊緣分布反映的只是單變量的個體信息，變量間的相關(guān)信息完全由Copula函數(shù)來體現(xiàn)，可以將隨機(jī)變量的邊緣分布和它們之間的相關(guān)關(guān)系分開來研究;③通過不同形式Copula函數(shù)的選擇使用，可以準(zhǔn)確捕捉到變量間非線性、非對稱的相關(guān)關(guān)系，特別是容易捕捉到分布尾部的相關(guān)關(guān)系，這有助于風(fēng)險管理機(jī)構(gòu)度量出現(xiàn)極端情況下的風(fēng)險值。
一、Copula方法在國外金融市場風(fēng)險測算中的應(yīng)用
1.常規(guī)模式下Copula方法的應(yīng)用
如同任何新方法被應(yīng)用到新的領(lǐng)域一樣，Copula方法之于金融市場風(fēng)險管理也經(jīng)歷了從簡單到復(fù)雜，從理論研究到具體實證中的過程。Sklar(1959)到Nelson(1998)，對Copula理論起到了奠基性的作用。Embrochts(1999)把Copula作為相關(guān)性度量的工具，引入金融領(lǐng)域。Matteis(2001)詳細(xì)介紹了Arehimedean Copulas在數(shù)據(jù)建模中的應(yīng)用，并運(yùn)用Copula對丹麥火災(zāi)險損失進(jìn)行了度量。Bouye(2000)系統(tǒng)介紹了Copula在金融中的一些應(yīng)用。Embrechts (2003)，Genest(1995)分別于模擬技術(shù)、半?yún)?shù)估計、參數(shù)估計對Copula的統(tǒng)計推斷作了詳細(xì)介紹。Roberto De Matteis(2001)對Copula函數(shù)，特別是Archimedean Copula函數(shù)作了較為全面地總結(jié)。Romano(2002)開始用Copula進(jìn)行了風(fēng)險分析，計算投資組合的風(fēng)險值，同時用多元函數(shù)極值通過使用Monte Carlo方法來刻畫市場風(fēng)險。Forbes(2002)通過對固定Copula模型來描述Copula的各種相關(guān)模式，并把這一個方法廣泛地應(yīng)用在金融市場上的風(fēng)險管理、投資組合選擇及資產(chǎn)定價上。Hu(2002)提出了混合Copula函數(shù)(Mixed-Copula)的概念，即把不同的Copula函數(shù)進(jìn)行線性組合，這樣就可以用一個Copula函數(shù)來描述具有各種相關(guān)模式的多個金融市場的相關(guān)關(guān)系了。上述文獻(xiàn)主要從理論上探討了Copula方法的適用性，并對Copula函數(shù)形式的選擇，Copula函數(shù)的參數(shù)估計方法等展開了較為深入的研究且采用金融市場的數(shù)據(jù)進(jìn)行了相關(guān)實證說明，但都是在固定時間段內(nèi)固定相關(guān)模式的假設(shè)下進(jìn)行，沒有體現(xiàn)出金融市場風(fēng)險瞬息萬變，投資組合的風(fēng)險值動態(tài)變化的特征。 轉(zhuǎn)貼于
2.動態(tài)模式下Copula方法的應(yīng)用
眾所周知，金融市場投資組合面臨的風(fēng)險每時每刻都在波動，在模型假設(shè)固定的情況下測算往往會低估風(fēng)險，因此建立動態(tài)的，能及時體現(xiàn)市場波動特征的模型顯得更為重要。Dean Fantazzini(2003)將條件Copula函數(shù)的概念引入金融市場的風(fēng)險計量中，同時將Kendall秩相關(guān)系數(shù)和傳統(tǒng)的線性相關(guān)系數(shù)分別運(yùn)用于混合Copula函數(shù)模型中對美國期貨市場進(jìn)行分析。Patton(2001)通過研究日元/美元和英鎊/美元匯率間的相關(guān)性，發(fā)現(xiàn)在歐元體系推出前后這兩種匯率之間的相關(guān)性程度發(fā)生了顯著變化。在此基礎(chǔ)上，Patton提出引入時間參數(shù)，在二元正態(tài)分布的假設(shè)下提出了時變Copula函數(shù)來刻畫金融資產(chǎn)。Goorbergh，Genest和Werker(2005)在Patton的基礎(chǔ)上設(shè)計出新的動態(tài)演進(jìn)方程并用在時變Copula中對期權(quán)定價進(jìn)行了研究。Jing Zhang，Dominique Guegan(2006)開始構(gòu)造擬合優(yōu)度的統(tǒng)計檢驗量來判斷樣本數(shù)據(jù)在進(jìn)行動態(tài)Copula建模時適用的模型結(jié)構(gòu)，也就是時變相關(guān)Copula模型與變結(jié)構(gòu)的Copula模型的統(tǒng)計推斷，Ane，T.and C.Labidi (2006)采用條件Copula對金融市場的溢出效應(yīng)進(jìn)行了分析，Bartram，S. M.，S. J. Taylor，and Y-H Wang(2007)采用GJR-GARCH-MA-t作為邊緣分布并用Gaussian Copula作為連接函數(shù)建立了動態(tài)Copula模型對歐洲股票市場數(shù)據(jù)進(jìn)行了擬合，取得了較好的結(jié)果，Aas，K.，C. Czado，A. Frigessi，and H. Bakken(2008)在多元分布前提下對雙形Copula建模進(jìn)行了研究。
二、Copula方法在我國金融市場風(fēng)險測算中的應(yīng)用
1.二元Copula方法的應(yīng)用
Copula方法在我國起步較晚，直到張堯庭(2002)才將該方法引入我國，主要在概率統(tǒng)計的角度上探討了Copula方法在金融上應(yīng)用的可行性，介紹了連接函數(shù)Copula的定義、性質(zhì)，連接函數(shù)導(dǎo)出的相關(guān)性指標(biāo)等。隨后韋艷華(2003，2004) 結(jié)合t-GARCH模型和Copula函數(shù)，建立Copula-GARCH模型并對上海股市各板塊指數(shù)收益率序列間的條件相關(guān)性進(jìn)行分析。結(jié)果表明，不同板塊的指數(shù)收益率序列具有不同的邊緣分布，各序列間有很強(qiáng)的正相關(guān)關(guān)系，條件相關(guān)具有時變性，各序列間相關(guān)性的變化趨勢極為相似。史道濟(jì)、姚慶祝(2004)給出了相關(guān)結(jié)構(gòu)Copula、秩相關(guān)系數(shù)Spearman與Kendall tau和尾部相關(guān)系數(shù)，以及這三個關(guān)聯(lián)度量與Copula之間的關(guān)系，各個相關(guān)系數(shù)的估計方法等，并以滬、深日收盤綜合指數(shù)為例，討論了二個股市波動率的相關(guān)性，建立了一個較好的數(shù)學(xué)模型。葉五一、繆柏其、吳振翔(2006)運(yùn)用Archimedean Copula給出了確定投資組合條件在險價值(CVaR)的方法，對歐元和日元的投資組合做了相應(yīng)的風(fēng)險分析，得到了二者的最小風(fēng)險投資組合，并對不同置信水平下VaR和組合系數(shù)做了敏感性分析。曾健和陳俊芳(2005)運(yùn)用Copula函數(shù)對上海證券市場A股與B股指數(shù)的相關(guān)結(jié)構(gòu)進(jìn)行分析，發(fā)現(xiàn)了與國外市場不同的研究結(jié)果:不論市場處于上升期或下跌期，上證A股與B股指數(shù)間均存在較強(qiáng)的尾部相關(guān)性。李悅、程希駿(2006)采用Copula方法分析了上證指數(shù)和恒生指數(shù)的尾部相關(guān)性。肖璨(2007)則較為全面的介紹了Copula方法應(yīng)用二元情況下的建模與應(yīng)用。
2.多元Copula方法的應(yīng)用
只在二元情況下度量金融市場風(fēng)險并不全面，現(xiàn)實金融市場中的機(jī)構(gòu)投資者和個體投資人通常選擇多個金融資產(chǎn)進(jìn)行組合投資以降低投資風(fēng)險，因此如何刻畫多個金融資產(chǎn)間的相關(guān)結(jié)構(gòu)，對于規(guī)避市場風(fēng)險更具有現(xiàn)實意義，但如何將二元向多元推廣依然是一個需要解決的難題。這是因為當(dāng)變量增加時，模型的復(fù)雜程度及參數(shù)估計難度都將呈指數(shù)倍增長，針對二元方法的模型參數(shù)估計可能將不再適用，需要研究新的估計方法。
芝交所風(fēng)險控制制度的主要特點(diǎn)
由于金融衍生品交易的高風(fēng)險，芝加哥商業(yè)交易所十分重視交易相關(guān)的風(fēng)險控制問題。在過去的30多年中，該所已經(jīng)形成了一整套行之有效的風(fēng)險管理體系。保證金是芝加哥商業(yè)交易所風(fēng)險控制制度的核心要素之一。
(1)芝交所關(guān)于金融衍生品交易的風(fēng)險控制制度，以交易所監(jiān)管清算會員負(fù)責(zé)內(nèi)部和客戶賬戶風(fēng)險控制的二元風(fēng)險管理制度為基礎(chǔ)。交易所根據(jù)聯(lián)邦期貨監(jiān)管委員會條例和內(nèi)部管理章程對所有清算會員實行風(fēng)險防范管理；清算會員則根據(jù)交易所相關(guān)業(yè)務(wù)章程和內(nèi)部控制制度對自己和客戶賬產(chǎn)業(yè)務(wù)風(fēng)險進(jìn)行管理。
(2)通過逐日盯市制度及時調(diào)整清算會員和客戶保證金是交易所控制風(fēng)險的主要制度安排。交易所根據(jù)市場交易行情變化即時調(diào)整(增加)日中盯市清算頻率。這是防范清算會員和客戶風(fēng)險擴(kuò)大的有效措施。在市場劇烈變動之時，增加日中盯市清算安排，可以有效地限制清算會員和客戶風(fēng)險累積擴(kuò)大的幅度，從而為防范交易所范圍內(nèi)出現(xiàn)體系性風(fēng)險奠定了堅實的制度基礎(chǔ)。
(3)交易所通過按期核準(zhǔn)清算會員最低凈資本金標(biāo)準(zhǔn)和財務(wù)報告的形式審查清算會員資格，同時要求清算會員購買商業(yè)交易所股份、向交易所存繳安全存款準(zhǔn)備金，并要求清算會員根據(jù)客戶賬戶交易和持倉規(guī)模繳納和調(diào)整賬戶維持保證金的辦法，控制清算會員和客戶交易風(fēng)險。這種風(fēng)險控制制度不僅要求清算會員對自己和客戶風(fēng)險進(jìn)行有效控制，而且交易所和清算會員之間建立了事實上的風(fēng)險控制利益共同體。這是芝交所有效防范交易風(fēng)險的重要制度保證。
(4)芝交所集多年金融衍生品交易風(fēng)險管理的經(jīng)驗研究開：發(fā)的標(biāo)準(zhǔn)組合資產(chǎn)風(fēng)險分析系統(tǒng)(SPAN)是交易所、清算會員和參加金融衍生品交易單位管理金融衍生品交易風(fēng)險的有效工具。這一工具不僅可以用于交易保證金的計算，而且對于各種市場條件下風(fēng)險值的匡算，以及實現(xiàn)交易風(fēng)險實時監(jiān)控，都有著不可替代的優(yōu)勢。
(5)作為芝交所金融衍生品交：易風(fēng)險控制的重要組成部分，清算會員對客戶風(fēng)險的監(jiān)控需建立在有效的事前、事中和事后監(jiān)管制度。事前控制的必要組成部分包括，會員下單核實、風(fēng)險管理和定單管理的內(nèi)容。會員下單核實主要包括對交易雙方身份的認(rèn)定、下單內(nèi)容的審核等內(nèi)容。風(fēng)險管理主要包括在定單交易之前檢測資金支付方保證金是否足額，是否符合限倉和大戶報告等其他需要滿足的風(fēng)控指標(biāo)。如果保證金不足，需要求資金支付方在交易前的一定時間內(nèi)補(bǔ)足保證金。如果違反限倉制度和大戶報告制度，則要求資金支付方先滿足這兩個制度，再進(jìn)行交易。定單管理指及時顯示和取消在交易時間里未成交的定單，并及時把相關(guān)信息轉(zhuǎn)遞到中后臺。在有效防范風(fēng)險的基礎(chǔ)上，兼顧市場交易效率和風(fēng)險管理目標(biāo)也是風(fēng)險控制制度建設(shè)的重要參照指標(biāo)。
風(fēng)險分析和控制系統(tǒng)
風(fēng)險分析和控制系統(tǒng)(SPAN)由芝交所于1988年設(shè)計開發(fā)并執(zhí)行。目前SPAN是全球50個注冊交易所和清算組織的正式保證金機(jī)制。
SPAN的主要功能有三個：在一組給定風(fēng)險參數(shù)下，給定的投資組合的最大可能損失是多少；SPAN根據(jù)保證金設(shè)定機(jī)構(gòu)(通常是交易所或清算組織)設(shè)置的風(fēng)險參數(shù)，通過計算標(biāo)準(zhǔn)投資組合所能承受的最大損失來評估投資組合的風(fēng)險；保證金設(shè)定機(jī)構(gòu)對保證金參數(shù)和保證金保險范圍有完全的控制權(quán)。
保證金的計算
SPAN在投資組合水平、清算水平和混合水平上，在盡可能廣泛的產(chǎn)品的基礎(chǔ)上計算保證金。SPAN提供的詳細(xì)的投資組合信息包括保證金數(shù)據(jù)、投資組合價值、詳細(xì)頭寸。
SPAN掃描風(fēng)險――風(fēng)險矩陣
SPAN對于每一個合約，都有一個多重(通常為16)風(fēng)險矩陣。每一個矩陣上的點(diǎn)代表著特定市場假定下，合約發(fā)生的潛在的收益或損失。投資組合里的每一頭寸都將和風(fēng)險矩陣進(jìn)行組合，得出頭寸自身的收益或損失。一個投資組合所有頭寸的收益／損失矩陣綜合在一起，形成投資組合總的收益／損失矩陣。風(fēng)險矩陣中有最大損失的那個點(diǎn)代表的風(fēng)險就是投資組合的價格掃描風(fēng)險。在掃描風(fēng)險范圍內(nèi)的潛在的價格上升或下跌以及在掃描風(fēng)險變動率范圍內(nèi)的期權(quán)變動率的上升或下跌的組合，形成SPAN系統(tǒng)中的每一個市場假定。
CMEl6個市場假定條件如下：價格不變，數(shù)量上升；價格不變，數(shù)量下降；價格上升1／3，數(shù)量上升；價格上升1／3，數(shù)量下降；價格下跌1／3，數(shù)量上升；價格下跌1／3，數(shù)量下降；價格上升2／3，數(shù)量上升；價格下跌2／3，數(shù)量下降；價格下跌，數(shù)量上升；價格下跌2／3，數(shù)量下降；價格上升1倍，數(shù)量上升；價格上升1倍，數(shù)量下降；價格下跌1倍，數(shù)量上升；價格下跌1倍，數(shù)量下降；極端市場變動，價格上升3X，覆蓋部分?jǐn)?shù)量不變，極端市場變動，價格下跌3X，覆蓋部分30％數(shù)量不變。
SPAN分析過程
SPAN首先估計每一種商品的直接市場風(fēng)險(價格掃描風(fēng)險)，過程如下：
■估算在同樣的假定條件下，不同到期合約之間價格行為差異引起的風(fēng)險，即跨月價差風(fēng)險；
■針對可能存在的流動性(交割性)風(fēng)險附加的額外費(fèi)用，即交割風(fēng)險；
■如果投資組合中含有期權(quán)空頭頭寸，計算期權(quán)空頭的最低風(fēng)險；
■加總價格掃描風(fēng)險、跨月價差風(fēng)險和流動性風(fēng)險；
■比較加總后的數(shù)額同期權(quán)空頭最低風(fēng)險的大小。較大者作為組合商品的風(fēng)險值。
然后，比較不同商品組合之間風(fēng)險值的價差抵扣。
最后，保證金要求將所有商品組合的風(fēng)險加總后減去不同商品組合之間的風(fēng)險信用抵扣。
SPAN的功能分離
從理論上看，在定制的SPAN中僅包含保證金計算和SPAN文件生成功能是完全可行的，但客戶只能購買或者放棄SPAN，而不能只定制其中的某些功能，因為CME不是軟件開發(fā)商，且無此先例。
保證SPAN運(yùn)行的一個關(guān)鍵點(diǎn)是必須向SPAN輸入特定格式的數(shù)據(jù)，即輸入SPAN文件，才可能輸出保證金計算結(jié)果以及其他風(fēng)險計算結(jié)果，據(jù)了解，交易所層面運(yùn)行SPAN有以下三種途徑：一是購買PC－SPAN軟件，同時開發(fā)能生成SPAN文件的軟件或者從芝所下載相關(guān)SPAN文件。開發(fā)能生成SPAN文件的軟件需投入較高成本，從芝所下載文件難以滿易所層面隨時計算保證金和計算保證金至客戶一級的需求(清算會員一般購買PC－SPAN，一天兩次從芝所下載文件，計算至客戶一級)；二是購買SPAN風(fēng)險管理清算軟件，該軟件包含了生成SPAN文件的功能，此時只需開發(fā)接口，將本交易所清算系統(tǒng)的數(shù)據(jù)通過接口傳至SPAN風(fēng)險管理
清算系統(tǒng)，后者生成SPAN文件并計算保證金，目前新加坡交易所使用了此套方案；三是購買PC―SPAN軟件，同時購買清算二十一系統(tǒng)，清算二十一系統(tǒng)可以生成SPAN文件輸出供PC―SPAN計算保證金(SPAN體系共有3種軟件可供選擇，詳見黃面介紹手冊)。
國內(nèi)金融衍生品交易的監(jiān)管環(huán)境
健全我國相應(yīng)的金融法規(guī)，相應(yīng)完善金融衍生產(chǎn)品交易的監(jiān)管體制是我國衍生品市場能夠?qū)崿F(xiàn)高效和有序發(fā)展的必要條件。
首先，中國人民銀行和外匯管理局對金融和外匯期貨交易監(jiān)管。其相關(guān)監(jiān)管法規(guī)主要包括《國務(wù)院關(guān)于堅決制止期貨市場盲目發(fā)展的通知》(1993)、《國家外匯管理局關(guān)于金融機(jī)構(gòu)辦理自營外匯買賣業(yè)務(wù)的管理規(guī)定》(1993)、《中國人民銀行遠(yuǎn)期結(jié)售匯業(yè)務(wù)暫行管理辦法》(1994)、和《國有企業(yè)境外期貨套期保值業(yè)務(wù)外匯管理操作規(guī)程》(試行，2001)。
第二，中國證監(jiān)會統(tǒng)一監(jiān)管期貨交易市場。其相關(guān)監(jiān)管法規(guī)主要包括《關(guān)于嚴(yán)厲查處非法外匯期貨和外匯按金交易活動的通知》(1994)、《期貨交易管理暫行條例》(1999)、《期貨交易所管理辦法》(2002)、《期貨從業(yè)人員資格管理辦法》(2002)、《期貨交易所、期貨經(jīng)營機(jī)構(gòu)、信息技術(shù)管理規(guī)范》(2000)、《期貨經(jīng)紀(jì)公司管理辦法》(修訂，2002)、《期貨經(jīng)紀(jì)公司高級管理人員資格管理辦法》(修訂，2002)、《國有企業(yè)境外期貨套期保值業(yè)務(wù)管理辦法》(2001)等等。這些法規(guī)主要針對期貨交易所、期貨經(jīng)紀(jì)公司及其從業(yè)人員的所有市場行為進(jìn)行監(jiān)管。
第三，中國銀行業(yè)監(jiān)督管理委員會負(fù)責(zé)對金融機(jī)構(gòu)衍生產(chǎn)品交易的監(jiān)管。其相關(guān)監(jiān)管法規(guī)主要包括《中國商業(yè)銀行法》(修改，2003)和《金融機(jī)構(gòu)衍生產(chǎn)品交易業(yè)務(wù)管理暫行辦法》(2004)等。大部分中小金融機(jī)構(gòu)目前還不具備銀監(jiān)會《金融機(jī)構(gòu)衍生產(chǎn)品交易業(yè)務(wù)管理暫行辦法》的條件。
此外，中國期貨行業(yè)公會和期貨交易所對衍生品交易存在自律管理條例，最高人民法院依據(jù)《最高人民法院關(guān)于審理期貨糾紛案件若干問題的規(guī)定》處理有關(guān)期貨交易的糾紛。
從健全我國金融外匯衍生交易法律環(huán)境的需要．出發(fā)對衍生交易場內(nèi)市場進(jìn)行重新立法，對期貨交易所的法律性質(zhì)重新定位，允許交易所以公司制形式運(yùn)營。同時，降低進(jìn)入衍生交易所的準(zhǔn)入門檻，制定對市場交易行為管理的規(guī)定，對外匯衍生交易中的糾紛和仲裁進(jìn)行立法。借鑒西方發(fā)達(dá)國家的經(jīng)驗，在法律規(guī)定的范圍內(nèi)，制定包括金融衍生品交易在內(nèi)的統(tǒng)一的行業(yè)協(xié)會自律和從業(yè)人員管理相關(guān)規(guī)定。
國內(nèi)相應(yīng)風(fēng)險管理制度建設(shè)的建議
首先，結(jié)合國內(nèi)有關(guān)市場風(fēng)險管理的經(jīng)驗，同時參照國際市場成熟風(fēng)險控制制度和實際業(yè)務(wù)做法，從審慎發(fā)展國內(nèi)銀行間金融衍生品交易需要出發(fā)，自主進(jìn)行相關(guān)風(fēng)險管理制度建設(shè)。從目前實際出發(fā)，建議在金融衍生品交易風(fēng)險管理制度中，堅持“事先原則”和“充分原則”。
【關(guān)鍵詞】財務(wù)管理 風(fēng)險投資 風(fēng)險評估 風(fēng)險控制
一、企業(yè)風(fēng)險投資的概念及基本特征
（一）企業(yè)風(fēng)險投資的概念。
企業(yè)的風(fēng)險投資又被稱作創(chuàng)業(yè)投資，主要是指企業(yè)為了促進(jìn)行業(yè)高科技的產(chǎn)業(yè)化發(fā)展，以股權(quán)資本的形式將資金專門投向存在著較大失敗風(fēng)險的高新技術(shù)開發(fā)領(lǐng)域，并期待成功后能通過股權(quán)的轉(zhuǎn)讓來獲得較高資本的收益的一種投資行為。
（二）風(fēng)險投資的基本特征。
1. 風(fēng)險投資是一種具有較大風(fēng)險的投資
風(fēng)險投資主要支持的是高新科技、產(chǎn)品的創(chuàng)新，所以在技術(shù)、市場、經(jīng)濟(jì)等方面存在著巨大的投資風(fēng)險，一般而言投資成功率平均只占到30%左右。但是，面對高額的投資回報率，很多企業(yè)仍樂此不疲地進(jìn)行風(fēng)險投資，其仍舊吸引著全球各企業(yè)的目光。
2. 風(fēng)險投資是一種典型的組合型投資
很多成功的風(fēng)險投資案例證明，如果采取組合投資，將是企業(yè)風(fēng)險投資行之有效的方法。通俗的說，就是不要把雞蛋放在同一個籃子里。這就要求企業(yè)不要將所有的資金全部投放在一個項目、一個階段、一個企業(yè)中，而是將投資均衡的投放在不同的企業(yè)和企業(yè)不同的發(fā)展階段和項目中。這種分散式的組合投資將投資的風(fēng)險成功的進(jìn)行了分散，即使有一部分項目失敗，也不會引起資金大規(guī)模的損失。反之，如果有一部分項目成功，則可以彌補(bǔ)其他項目失敗所帶來的損失。企業(yè)也可以只投入所需資本的一部分，不必承擔(dān)全部投資，這樣可以避免企業(yè)孤注一擲。
3. 風(fēng)險投資屬于一種長期投資
一般的風(fēng)險投資要經(jīng)歷3至7年的時間才能獲得收益。在投資的過程中還要不斷的對那些有希望成功的項目或企業(yè)不斷的進(jìn)行增資投資，因此，風(fēng)險投資不僅要有足夠的資本，還要有足夠的耐心。不僅要在投資之前進(jìn)行評估，在后期的發(fā)展階段也要做好跟蹤。
4. 風(fēng)險投資屬于一種權(quán)益性投資
風(fēng)險投資的本質(zhì)并不是借貸資金，而是一種明顯的權(quán)益資本投資。投資的著眼點(diǎn)并不在于投資對象當(dāng)前的盈虧上，而是在于對投資企業(yè)或項目的發(fā)展前景或資產(chǎn)的增值上。這樣做的目的主要是希望通過對投資企業(yè)的上市或出售轉(zhuǎn)讓變現(xiàn)而取得高額的回報。
5. 風(fēng)險投資是一種非常專業(yè)的投資
企業(yè)的風(fēng)險投資并不是單純的向投資企業(yè)的創(chuàng)業(yè)者提供資金，而是企業(yè)的投資者憑借自己積累的豐富學(xué)識、經(jīng)營管理經(jīng)驗、廣泛的社會關(guān)系等向投資企業(yè)提供這些資源。投資人需要有這方面的專業(yè)知識、管理手段以及一定的財務(wù)知識，并積極參與企業(yè)的創(chuàng)業(yè)，與企業(yè)的創(chuàng)業(yè)者共同創(chuàng)辦企業(yè)的經(jīng)營管理，幫助企業(yè)的創(chuàng)業(yè)者取得經(jīng)營的成功。
二、投資風(fēng)險評估
（一）風(fēng)險報酬率。
風(fēng)險報酬率是指投資者因承擔(dān)風(fēng)險而獲得的超過時間價值率的那部分額外報酬率，即風(fēng)險報酬與原投資額的比率。風(fēng)險報酬率是投資項目報酬率的一個重要組成部分，如果不考慮通貨膨脹因素，投資報酬率就是時間價值率與風(fēng)險報酬率之和。
（二）單項投資風(fēng)險報酬率的評估。
單項投資風(fēng)險是指某一項投資方案實施后，將會出現(xiàn)各種投資結(jié)果的概率。換句話說，某一項投資方案實施后，能否如期收回投資以及能否獲得預(yù)期的收益，在事前是無法確定的，這就是單項投資的風(fēng)險。除國庫券投資外，其他所有投資項目的預(yù)期報酬率都可能不同于實際獲得的報酬率。對于有風(fēng)險的投資項目來說，其實際報酬率可以用如下標(biāo)準(zhǔn)來進(jìn)行衡量：
1.期望報酬率
期望報酬率（Expected rate of return）；是指各種可能的報酬率按概率加權(quán)計算的平均報酬率，又稱為預(yù)期值或均值。它表示在一定的風(fēng)險條件下，期望得到的平均報酬率。
2.方差、標(biāo)準(zhǔn)離差和標(biāo)準(zhǔn)離差率
（1） 方差
按照概率論的定義，方差是各種可能的結(jié)果偏離期望值的綜合差異，是反映離散程度的一種量度。
（2）標(biāo)準(zhǔn)離差
標(biāo)準(zhǔn)離差則是方差的平方根。在實務(wù)中一般使用標(biāo)準(zhǔn)離差而不使用方差來反映風(fēng)險的大小程度。一般來說，標(biāo)準(zhǔn)離差越小，說明離散程度越小，風(fēng)險也就越??；反之標(biāo)準(zhǔn)離差越大則風(fēng)險越大。
（3） 標(biāo)準(zhǔn)離差率
標(biāo)準(zhǔn)離差是一個絕對指標(biāo)，作為一個絕對指標(biāo)，標(biāo)準(zhǔn)離差無法準(zhǔn)確地反映隨機(jī)變量的離散程度。解決這一問題的思路是計算反映離散程度的相對指標(biāo)，即標(biāo)準(zhǔn)里差率。標(biāo)準(zhǔn)里差率是某隨機(jī)變量標(biāo)準(zhǔn)離差相對該隨機(jī)變量期望值的比率。
3. 風(fēng)險價值系數(shù)和風(fēng)險報酬率
標(biāo)準(zhǔn)離差率雖然能正確評價投資風(fēng)險程度的大小，但還無法將風(fēng)險與報酬結(jié)合起來進(jìn)行分析。因此我們還需要一個指標(biāo)來將對風(fēng)險的評價轉(zhuǎn)化為報酬率指標(biāo)，這便是風(fēng)險報酬系數(shù)。
（三）投資組合風(fēng)險報酬率的評估。
1. 投資組合的報酬率
投資組合的期望報酬率就是組成投資組合的各種投資項目的期望報酬率的加權(quán)平均數(shù)，其權(quán)數(shù)是各種投資項目在整個投資組合總額中所占的比例。
2. 投資組合的風(fēng)險
在一個投資組合中，如果某一投資項目的報酬率呈上升的趨勢，其他投資項目的報酬率有可能上升、下降或者不變。在統(tǒng)計學(xué)測算投資組合中，協(xié)方差和相關(guān)系數(shù)是任意兩個投資項目報酬率之間變動關(guān)系的指標(biāo)，這也是投資組合風(fēng)險分析中的兩個核心概念。
（1）協(xié)方差
協(xié)方差是一個測量投資組合中一個投資項目相對于其他投資項目風(fēng)險的統(tǒng)計量。各投資組合相互變化的方式影響著投資組合的整體方差，從而影響著整體的風(fēng)險。
（2）相關(guān)系數(shù)
為了使其概念能更易于接受，可以將協(xié)方差標(biāo)準(zhǔn)化，將協(xié)方差除以兩個投資方案投資報酬率的標(biāo)準(zhǔn)差之積，得出一個與協(xié)方差具有相同性質(zhì)但卻沒有量化的數(shù)，我們將這個數(shù)稱為這兩個投資項目的相關(guān)系數(shù)（correlation coefficient）。
三、企業(yè)風(fēng)險投資的控制對策
投資風(fēng)險的控制是企業(yè)風(fēng)險管理人員在經(jīng)過對風(fēng)險的分析評估后，針對企業(yè)所面臨的不同風(fēng)險而采取的相應(yīng)控制風(fēng)險的措施，從而降低企業(yè)的預(yù)期損失。
（一）風(fēng)險的避免。
在風(fēng)險投資管理中，風(fēng)險的避免是一種較為消極的方法。高風(fēng)險伴隨著高收益，風(fēng)險的避免也意味著可能損失這一部分風(fēng)險所帶來的收益。其方式主要是通過對風(fēng)險源的中斷來徹底消除某一風(fēng)險造成的損失和一些潛在的負(fù)面影響。在現(xiàn)實中，風(fēng)險避免將受到大自然、國內(nèi)外政策等很多因素的影響。另外，在避免這一風(fēng)險的同時，很有可能帶來了其他風(fēng)險的發(fā)生。
（二）風(fēng)險損失的控制。
損失控制主要是指在發(fā)生風(fēng)險之前對企業(yè)的投資過程中的某些方面進(jìn)行調(diào)整或重組，以便降低企業(yè)投資損失的發(fā)生。一般情況下，企業(yè)可以采取改變企業(yè)的投資風(fēng)險因素、改變風(fēng)險因素所處的環(huán)境、改變風(fēng)險因素與所處環(huán)境的相互作用機(jī)制等措施來完成對風(fēng)險損失的控制。
（三）風(fēng)險轉(zhuǎn)移控制。
風(fēng)險轉(zhuǎn)移是一種風(fēng)險控制的基本方法，主要是指企業(yè)將自己不愿意承擔(dān)的分先以某種方式轉(zhuǎn)移給其他單位或個人的一種風(fēng)險管理措施。它主要包括：風(fēng)險的保險轉(zhuǎn)移、風(fēng)險的非保險轉(zhuǎn)移。風(fēng)險的保險轉(zhuǎn)移主要將風(fēng)險轉(zhuǎn)移給保險公司。風(fēng)險的非保險轉(zhuǎn)移有控制型風(fēng)險的轉(zhuǎn)移和財務(wù)型風(fēng)險的轉(zhuǎn)移。企業(yè)實施風(fēng)險的控制轉(zhuǎn)移主要的方法為：出售買賣合同，將風(fēng)險轉(zhuǎn)移到其他單位或個人。在轉(zhuǎn)移的過程中切忌那些無節(jié)制的、無限度的不道德行為，必須通過合理合法的手段進(jìn)行風(fēng)險的轉(zhuǎn)移。
（四）財務(wù)控制策略。
企業(yè)的風(fēng)險投資控制還可以通過經(jīng)濟(jì)手段進(jìn)行處理和控制。設(shè)計良好的財務(wù)管理制度，在投資前期進(jìn)行財務(wù)評價，在投資跟進(jìn)期間實行動態(tài)財務(wù)管理。加強(qiáng)管理手段，在具體實踐中實行縱橫交叉的網(wǎng)絡(luò)式管理，主要有以下幾種方式：財務(wù)經(jīng)理雙任聯(lián)簽制、財務(wù)經(jīng)理單任制、記賬制、中介機(jī)構(gòu)審計的方式和數(shù)據(jù)庫管理方式。
四、結(jié)論
大量事實表明，做任何投資都有風(fēng)險，風(fēng)險本身并不可怕，可怕的是不知道如何規(guī)避風(fēng)險；風(fēng)險投資企業(yè)從事高風(fēng)險項目可以帶來高收益，關(guān)鍵在于對風(fēng)險的管理。企業(yè)應(yīng)加強(qiáng)風(fēng)險投資財務(wù)管理，做好風(fēng)險評估，從源頭上規(guī)避風(fēng)險，在跟進(jìn)中降低風(fēng)險，為企業(yè)謀取最大的利益。在政府的直接推動和社會各界的廣泛關(guān)注和參與下，我國的投資事業(yè)已經(jīng)進(jìn)入了高速的發(fā)展時期。例如新浪這些優(yōu)秀的企業(yè)的造就，使得風(fēng)險投資成為我國高新技術(shù)企業(yè)進(jìn)一步發(fā)展的源泉動力。雖然，我國的風(fēng)險投資發(fā)展沒有國外成熟，仍舊處于起步階段，但是我國的風(fēng)險投資事業(yè)正朝著蓬勃的勢頭發(fā)展。
參考文獻(xiàn)：
[1]龔琳.我國風(fēng)險投資的發(fā)展及其對策[J].中國集體經(jīng)濟(jì)，2010，（12）.
[2]高囡囡，張曉梅，伍萌.關(guān)于風(fēng)險投資的分析與思考[J].中國市場，2010，（26）.
[3]何佳.淺析我國風(fēng)險投資現(xiàn)狀及發(fā)展對策略[J].特區(qū)今天幾點(diǎn)，2010，（02）.
1.引言
近年來金融工具及其衍生物越來越多元化，其帶來的不確定因素也越來越大，因而金融市場的風(fēng)險也就越來越高。金融市場間的關(guān)系更是變得日趨復(fù)雜，更多的呈現(xiàn)出非線性、非對稱和厚尾的特性，金融波動和危機(jī)的頻繁出現(xiàn)使聚合風(fēng)險管理和金融市場間相依關(guān)系分析成為國內(nèi)外關(guān)注的焦點(diǎn)。
現(xiàn)階段最常使用的風(fēng)險度量指標(biāo)是20世紀(jì)90年代J.P.Morgan和G30[1]集團(tuán)提出的VaR（Value at Risk）方法，VaR旨在一定的置信水平下，估計金融資產(chǎn)或組合受市場因子波動影響，而在未來特定的一段時間內(nèi)的最大可能損失。嚴(yán)格的說，VaR描述了在一定的目標(biāo)期間內(nèi)收益和損失的預(yù)期分布的分位數(shù)。如果c代表置信水平，VaR對應(yīng)的是較低的尾部水平1-c?？杀硎緸椋?/p>
其中，表示某事件的概率，表示資產(chǎn)或資產(chǎn)組合在持有期內(nèi)的損失，c為置信度水平。在最近這些年VaR作為金融風(fēng)險度量工具得到了廣泛的應(yīng)用，然而，研究發(fā)現(xiàn)VaR不具有次可加性和一致性的風(fēng)險度量，后來針對這一問題，ACerbi等[2-3]提出了期望損失ES（expected shortfall）的定義。
假設(shè)R為持有期內(nèi)資產(chǎn)或者資產(chǎn)組合的損益，并假設(shè)R的累積分布函數(shù)F（r）（CDF）是連續(xù)的，那么對于置信水平，VaR也可以用如下定義：
式中，表示R的分布在給定顯著水平的下側(cè)分位數(shù)。假設(shè)表示R的概率密度函數(shù)，那么置信水平為1-c下的ES可以定義為：
式中，為示性函數(shù)。ES實質(zhì)上是將資產(chǎn)價值r乘以權(quán)重的從-到0的積分，這樣它就把超過VaR水平的損失部分考慮進(jìn)去了。從經(jīng)濟(jì)意義上講，ES就是指當(dāng)損失超過VaR時的平均損失。由于它同時具有了次可加性和一致性，是一個較好的風(fēng)險度量工具。Rappoport（1993）[4]第一次在金融行業(yè)中用它來做風(fēng)險管理的一個工具，后來ACerbi（1997）[3]等人證明了該方法是一個一致性的風(fēng)險度量工具。
同時，通過引入Copula函數(shù)度量資產(chǎn)組合集成風(fēng)險的方法已經(jīng)越來越成熟。Schweizer和Sklar最早提出Copula函數(shù)的概念及其它的一些性質(zhì)。后來Sklar指出了Copula函數(shù)可以把具有不同類型邊緣分布函數(shù)連接起來，并且能抓住它在風(fēng)險管理應(yīng)用中的本質(zhì)特征（例如：尖峰厚尾性）；Emberchts等第一次把該方法引入到金融類相關(guān)研究之中。許多研究學(xué)者在他們的基礎(chǔ)上做了很多有意義的研究。例如：Breymann等人研究表明了學(xué)生t-Copula的經(jīng)驗擬合比高斯Copula優(yōu)越很多；Ceske，Hemandez（1999）提出可以將Copula函數(shù)與MonteCarlo技術(shù)結(jié)合計算相關(guān)損失；MATTEIS對Archimedean Copula做了很好的總結(jié)。
在我國，Copula函數(shù)方法在金融上的應(yīng)用才剛剛起步，且其中絕大多數(shù)文獻(xiàn)做的是介紹性、引入性的研究。最早見的是張堯庭（2002）提出Copula函數(shù)在金融風(fēng)險領(lǐng)域大有可為；史道濟(jì)利用Copula函數(shù)研究外匯組合的相關(guān)性；司繼文（2004，2005）分別將Copula函數(shù)應(yīng)用于國內(nèi)外的股票市場和期貨市場；韋艷華、張世英（2004）將GARCH模型應(yīng)用于Copula函數(shù)，來度量金融時間序列的自相關(guān)結(jié)構(gòu)。前人的研究主要集中在利用Copula函數(shù)對股市或資產(chǎn)組合的相關(guān)性研究。而韋艷華（2004）利用GARCH模型擬合正態(tài)Copula函數(shù)的邊緣分布，然后運(yùn)用Monte Carlo仿真技術(shù)計算投資組合的VaR。
本文創(chuàng)新一是采用GARCH或者EGARCH模型來擬合t-Copula函數(shù)的邊緣分布，克服了傳統(tǒng)GARCH模型不能處理特定非對稱金融時間序列的局限性。對此，本文也比較分析了單獨(dú)使用GARCH下和本文采取的方法下的風(fēng)險值，研究表明本文提出改進(jìn)的思路對風(fēng)險估計更為準(zhǔn)確。改進(jìn)二在于對于風(fēng)險衡量的指標(biāo)不是僅僅采用VaR，而是利用VaR與ES雙監(jiān)管的風(fēng)險度量方法，克服了傳統(tǒng)風(fēng)險度量VaR的很多缺陷（不具有次可加性、正齊次性等）。最后通過度量我國股票型開放式基金的市場風(fēng)險為出發(fā)點(diǎn)，運(yùn)用Monte Carlo仿真技術(shù)計算投資組合的VaR以及ES，具有很強(qiáng)的實用價值。
2.GARCH或者EGARCH收益率分布模型
對于某一金融資產(chǎn)，投資者最想知道的是將來某個時刻該資產(chǎn)收益率的信息。由于金融資產(chǎn)收益率的尖峰厚尾性、條件異方差性、波動聚集性和杠桿效應(yīng)等，普通的GARCH模型對對前三者能較好的刻畫，但是對于杠杠效應(yīng)GARCH模型不能刻畫出，因此，本文對不存在杠桿效應(yīng)的收益率序列采用GARCH模型擬合資產(chǎn)收益率的特征，對存在杠杠效應(yīng)的收益率序列采用EGARC模型刻畫。該模型是Glosten Jagannathan和Runkle在Engle提出自回歸條件異方差（ARCH）模型和Bofloerselev提出的廣義自回歸條件異方差（GARCH）模型的基礎(chǔ)上改進(jìn)提出的，它考慮了壞消息和好消息對波動性不同的影響。
假設(shè)投資組合中有d種金融資產(chǎn)，對于資產(chǎn)i，直接根據(jù)最近的n期歷史收益率數(shù)據(jù)（t=1，2，…，n）運(yùn)用GARCH其中EAGCH模型中條件方差采用自然對數(shù)形式，意味著非負(fù)，且杠杠效應(yīng)為指數(shù)型的。模型中引入了一個重要參數(shù)，若，說明信息作用非對稱，存在杠杠效應(yīng)。為第i個資產(chǎn)收益率序列；為的條件均值項；v是t分布的自由度。為待估參數(shù)；隨機(jī)擾動項服從均值為0，方差為1的標(biāo)準(zhǔn)t分布。即：
它的形式使得GARCH或者EGARCH模型能夠較好地描述收益率序列的各種特性（如條件異方差性、波動聚集性）。
假定利用觀察資產(chǎn)收益率歷史數(shù)據(jù)樣本可以得到，在估計出參數(shù)后，可以得到下一時刻收益率的條件分布：
其中，是自由度為v的t分布函數(shù)，是到時刻t為止的信息集。利用Matlab可以很方便地由樣本觀測數(shù)據(jù)估計出GARCH模型的各個參數(shù)，從而由式（2）得到給定T時刻前信息集的條件概率分布。
3.Copula函數(shù)的參數(shù)估計
在資產(chǎn)分配、衍生品定價和風(fēng)險管理等許多金融領(lǐng)域中，有關(guān)風(fēng)險因素之間的相關(guān)性度量及其重要。許多文獻(xiàn)中常采用多元正態(tài)函數(shù)，然而各種金融資產(chǎn)的收益率之間一般并不符合多元正態(tài)分布的假設(shè)，為此，本文使用Copula函數(shù)來解決這個問題。
由Sklar定理可知，對于一個具有邊際分布函數(shù)為（）的金融資產(chǎn)的聯(lián)合分布函數(shù)F，一定能找到一個Copula函數(shù)C，使得：
如果所有的邊際分布函數(shù)都連續(xù)則從上式定義的Copula函數(shù)是唯一的。從上式可以計算得出Copula：
其中，
文獻(xiàn)表明，t-Copula能更好地刻畫各個金融資產(chǎn)的尾部相關(guān)性，本文研究的是t-Copula連接函數(shù)分布。
其中，表示相關(guān)系數(shù)矩陣為R，自由度為v的維標(biāo)準(zhǔn)t分布函數(shù)，表示自由度為v的單變量標(biāo)準(zhǔn)t分布函數(shù)的反函數(shù)。Copula模型為：
參數(shù)v為t分布的自由度。為d維t-Copula分布，表示均值為0，方差為1，自由度參數(shù)為的正規(guī)化t分布函數(shù)，即：
式中是伽馬函數(shù)。由于t-Copula的密度函數(shù)對任意維數(shù)都不是一個簡單的形式，本文根據(jù)t-Copula函數(shù)形式使用matlab工具估計其參數(shù)，過程如下：
（1）把資產(chǎn)收益率數(shù)據(jù)通過概率積分變換轉(zhuǎn)化為一致分布；
（2）用對數(shù)似然函數(shù)法估計學(xué)生t-Copula的參數(shù)：
此處的copula函數(shù)c為公式（4）給出的；
（3）令，此處是單變量累積標(biāo)準(zhǔn)正態(tài)分布函數(shù)；
4.利用模特卡羅模擬資產(chǎn)組合的VaR和ES
根據(jù)EMBRECHTS關(guān)于利用t-Copula函數(shù)模擬隨機(jī)變量的方法，多次模擬資產(chǎn)組合資產(chǎn)收益率的隨機(jī)擾動項。具體模擬步驟為：
（1）由上述估計出的隨機(jī)擾動項的相關(guān)系數(shù)矩陣R，對其進(jìn)行Cholesky分解。
（2）根據(jù)標(biāo)準(zhǔn)正態(tài)分布，模擬d個相互獨(dú)立的隨機(jī)變量，。
（3）產(chǎn)生與Y相互獨(dú)立的變量e，服從分布。
（4）令。
（5）令，則x為服從自由度為v的t分布。
（6）計算得到。
（7）根據(jù)得到聯(lián)合分布為，連接函數(shù)為的d維隨機(jī)擾動項。
（8）根據(jù)EGARCH或GARCH模型，得到金融資產(chǎn)收益率的條件均值和條件方差，然后根據(jù)隨機(jī)波動方程，得到資產(chǎn)組合的資產(chǎn)收益率向量。
（9）給定資產(chǎn)在投資組合中的權(quán)重，計算投資組合收益R的值。
（10）重復(fù)上述過程5000次，模擬得到其經(jīng)驗分布，容易求出VaR和ES的值。
5.實證研究
（1）數(shù)據(jù)的選取和邊緣分布的估計
本文選取融通深證100基金2010年3月31日公布的前10大重倉股票作為觀測樣本，如表1所示。
本文采用從2004年7月1日至20010年3月31日共937個（對空缺數(shù)據(jù)已做處理）交易日的收盤價作為原始數(shù)據(jù)，計算出每只股票的對數(shù)收益率，并根據(jù)公式（1）、（2）估計出每只股票的邊際分布，利用AIC準(zhǔn)則、SC準(zhǔn)則和杠桿系數(shù)檢驗可以得出萬科A、蘇寧電器、中興通訊、格力電器、吉林敖東存在杠杠效應(yīng)，適宜采用EGARCH模型建模（其余采用GARCH建模擬合效果更好），下面以第三、四只股票五糧液（000858）和蘇寧電器（002024）為例，分析其邊緣分布函數(shù)的估計和擬合效果的評價。參數(shù)估計結(jié)果見表2和3：
其中，表2、3中括號的數(shù)據(jù)表示相應(yīng)t統(tǒng)計量的估計值。從表2、3中給出的K-S相伴概率可知，利用CML方法對原序列做概率積分變換后，序列服從[0，1]的均勻分布。由此可以說明本文提出的模型可以較好地描述相關(guān)資產(chǎn)的邊緣分布。同樣的方法檢驗了其他8只股票的邊緣分布擬合效果，都說明了GARCH或者EGARCH模型能較好擬合各自的邊緣分布，因此用本文的模型描述收益率序列的邊緣分布是充分的。
（2）Copula函數(shù)參數(shù)估計和Monte Carlo模擬VaR和ES
此處為了對比分析采用EGARCH或GARCH擬合邊緣分布與僅僅采用GARCH擬合的效果，根據(jù)上面估計得各個股票收益序列的邊緣分布，利用文中第四部分的估計copula函數(shù)參數(shù)的方法，估計得出其t分布的自由度DOF=7.5848和各自的相關(guān)矩陣（表4、表5）。
由上述結(jié)果可知，僅僅采用GARCH擬合邊緣分布使得各個資產(chǎn)之間的相關(guān)系數(shù)整體性的變小。從而可以推斷出可能會導(dǎo)致風(fēng)險的低估，從而對準(zhǔn)確度量基金風(fēng)險存在一定的影響。進(jìn)一步的風(fēng)險值比較分析可見表6、表7。
按照表1的投資比例，假設(shè)投資者處于t時刻，這里的t時刻指的是樣本時間段的最后一天，即2010年3月31日，t時刻的投資組合價值為：
假設(shè)資產(chǎn)持有期從t時刻到t+1時刻，置信水平選擇95%和99%進(jìn)行估計。根據(jù)本文的Copula-GARCH（EGARCH）模型，運(yùn)用t-Copula函數(shù)的模特卡羅模擬仿真模擬5000次，可以得出t+1時刻各個股票的收益率序列，進(jìn)一步可以計算出t+1時刻各股票的損失序列，給定置信水平，容易得出t時刻到t+1時刻相應(yīng)的投資組合VaR和ES值，表6、7分別給出了本文提出的采用EGARCH或GARCH擬合邊緣分布和傳統(tǒng)方法僅僅采用GARCH模型擬合的情況下各個股票和證券投資組合的VaR和ES值。
表6、表7清晰的顯示本文所提出的方法對準(zhǔn)確估計風(fēng)險更進(jìn)了一步，比較而言傳統(tǒng)方法只使用GARCH模型擬合邊緣分布導(dǎo)致了單個資產(chǎn)和資產(chǎn)組合的風(fēng)險值都偏小。對于文中提出使用EGARCH模型擬合萬科A、蘇寧電器、中興通訊、格力電器、吉林敖東，從表6與7中可以看出，VaR與ES的風(fēng)險值都比其他個股風(fēng)險值偏離程度更大，說明采用EGARCH模型針對特定（存在杠杠效應(yīng)）金融序列擬合效果更好，風(fēng)險估計更為準(zhǔn)確。
單獨(dú)分析表6可以看出，在投資額一定的情況下，基金的風(fēng)險值要比單個資產(chǎn)進(jìn)行投資的風(fēng)險值小，可見該基金選擇的各個股票之間的相關(guān)關(guān)系有較大差別，說明投資組合可以大大降低投資風(fēng)險。從VaR和ES的風(fēng)險值看，ES都大于VaR，說明ES比VaR度量風(fēng)險更為保守，也說明了VaR在度量風(fēng)險上存在計算風(fēng)險值偏低的現(xiàn)象，這樣對基金控制風(fēng)險和減少資產(chǎn)損失極為不利，特別是當(dāng)極端事件發(fā)生時，資產(chǎn)組合的風(fēng)險值與實際值就會發(fā)生偏差。另外從VaR與ES的差值可出看出，置信水平越高，投資組合降低風(fēng)險的程度也就越大，但是由于VaR不具有次可加性，從ES的差值能很明顯看出。
6.結(jié)論
本文為了描述特定資產(chǎn)具有非對稱性的特征，通過對資產(chǎn)收益率進(jìn)行EGARCH建模，對不存在杠杠效應(yīng)的資產(chǎn)仍使用傳統(tǒng)的GARCH模型，這與Copula可以連接具有不同邊際分布的函數(shù)的相關(guān)關(guān)系相符，同時考慮到VaR度量風(fēng)險的不足，引入了ES一致性風(fēng)險度量，通過t-Copula函數(shù)和Monte Carlo模擬計算出了證券投資組合的VaR以及ES的值。最后文章對融通深證100基金風(fēng)險度量的實證研究可以看出，有的金融資產(chǎn)收益率序列可能存在杠杠效應(yīng)；而且VaR的確存在低估風(fēng)險的不足；同時也得出了風(fēng)險值VaR或者ES在置信度越高，它們的差值越為明顯，說明了本文Copula-EGARCH（GARCH）模型能較好地刻畫投資組合二中不同資產(chǎn)間非正態(tài)非線性非對稱的相關(guān)性?；谠撃Ｐ偷娘L(fēng)險度量方法可以為我們基金管理公司評估和管理資產(chǎn)組合的市場風(fēng)險，從而有利于公司控制和減少資產(chǎn)損失提供一定的參考作用。
參考文獻(xiàn)
[1]張堯庭.連接函數(shù)(Copula)技術(shù)與金融風(fēng)險分析明[J].統(tǒng)計研究,2002(4):48-51.
[2]史道濟(jì),邱男.關(guān)于外匯組合風(fēng)險相關(guān)性的分析[J].系統(tǒng)工程,2005,23(6):90-94.
[3]司繼文,蒙堅玲,龔樸.國內(nèi)外期貨市場相關(guān)性研究田[J].華中科技大學(xué)學(xué)報,2004,21(1):16-19.
關(guān)鍵詞貨幣市場基金風(fēng)險控制方法
貨幣市場基金，是指以貨幣市場工具為投資對象的基金。投資對象主要包括：短期國債、商業(yè)票據(jù)、大額可轉(zhuǎn)讓存單、回購協(xié)議、銀行承兌匯票等貨幣市場工具。
1我國貨幣市場基金的發(fā)展現(xiàn)狀及特點(diǎn)
我國貨幣市場基金起步較晚，2003年12月10日，由華安、博時和招商三家基金公司分別發(fā)起管理的首批三只貨幣市場型基金獲準(zhǔn)設(shè)立。到2004年4月12日，已經(jīng)設(shè)立的7只貨幣市場型基金的總份額為430.93億元，占開放式基金總份額的24%。
目前我國貨幣市場基金的投資范圍還比較狹窄，暫時設(shè)定為短期債券（含央行票據(jù)）、銀行存款和回購協(xié)議，但隨著貨幣市場的逐漸發(fā)展，此類基金將來可投資于大額轉(zhuǎn)讓存單、銀行承兌匯票、經(jīng)銀行背書的商業(yè)承兌匯票或其他流動性良好的短期金融工具。從這些投資對象的性質(zhì)來看，主要特點(diǎn)有：
（1）基金單位的資產(chǎn)凈值是固定不變。貨幣市場基金與其他基金最主要的不同在于基金單位的資產(chǎn)凈值是固定不變的，通常是每個基金單位1元。投資該基金后，投資者可利用收益再投資，投資收益就不斷累積，增加投資者所擁有的基金份額。比如某投資者以1000元投資于某貨幣市場基金，可擁有1000個基金單位，l年后，若投資報酬是8％，那么該投資者就多80個基金單位，總共1080個基金單位，價值1080元。
（2）收益率是衡量貨幣市場基金表現(xiàn)好壞的標(biāo)準(zhǔn)。這與其他基金以凈資產(chǎn)價值增值獲利不同。
（3）流動性好、資本安全性高。這一優(yōu)勢主要來源于基金所投資的對象的特點(diǎn)，同時，投資者可以不受到日期限制，隨時可根據(jù)需要轉(zhuǎn)讓基金單位。
（4）風(fēng)險性低。貨幣市場工具的到期日通常很短，貨幣市場基金投資組合的平均期限一般為4～6個月，因此風(fēng)險較低，其價格通常只受市場利率的影響。
（5）投資成本低。貨幣市場基金通常不收取贖回費(fèi)用，并且其管理費(fèi)用也較低，貨幣市場基金的年管理費(fèi)用大約為基金資產(chǎn)凈值的0.25％～1％，比傳統(tǒng)的基金年管理費(fèi)率1％～2.5％低。
（6）貨幣市場基金均為開放式基金。它通常保持一定比例的現(xiàn)金，以應(yīng)付客戶的日常贖回。即使在發(fā)生較大規(guī)模的贖回時，也可以通過在貨幣市場迅速變現(xiàn)自己的短期有價證券來獲取現(xiàn)金以滿足客戶要求。
2貨幣市場基金的風(fēng)險分析
2.1貨幣市場基金的系統(tǒng)風(fēng)險
貨幣市場基金的系統(tǒng)風(fēng)險是指基金投資于貨幣市場必須承受的其外部發(fā)生的，非基金本身所能控制的來自政治、經(jīng)濟(jì)、政策、法規(guī)的變更等所導(dǎo)致的市場行情波動而產(chǎn)生的投資風(fēng)險。
（1）利率風(fēng)險。不同于投資股票和債券的基金，貨幣市場基金投資于貨幣市場工具，貨幣市場基金單位的資產(chǎn)凈值是固定不變的，衡量其表現(xiàn)好壞的標(biāo)準(zhǔn)是收益率，這一收益率通常只受市場利率影響，其收益主要取決于短期市場利率水平，利率風(fēng)險也因此產(chǎn)生。一般來說，貨幣市場基金的盈利空間和市場利率的高低成正比。市場利率越高，其盈利空間越大，反之則收益較低。
（2）資金轉(zhuǎn)移風(fēng)險。貨幣市場基金的流動性非常接近銀行存款，且收益率一般會超過銀行存款，如果設(shè)立貨幣市場基金，銀行存款可能就會出現(xiàn)轉(zhuǎn)移。如果商業(yè)銀行在貨幣市場基金中不扮演基金管理人的角色，銀行的經(jīng)營業(yè)務(wù)將受到直接影響。資金轉(zhuǎn)移的另外一種風(fēng)險是，資本市場和貨幣市場的相對走勢將導(dǎo)致資金的流動。資本追求最大化的收益，當(dāng)貨幣市場和資本市場收益出現(xiàn)差異時，貨幣市場基金就有動力超越有關(guān)限制，資金在貨幣市場和資本市場之間的不正常流動就會出現(xiàn)，這需要行業(yè)自律的提高和監(jiān)管的強(qiáng)化。
（3）政策風(fēng)險。這是由于國家政策的變動而引起的投資人的損失，同時也是國內(nèi)發(fā)展貨幣市場基金的一個特色風(fēng)險。我國金融體系是分業(yè)經(jīng)營、分業(yè)監(jiān)管，最后貨幣市場基金到底由誰來監(jiān)管，參與者的范圍，政策方面尚存在著很大的不確定性，有待我們進(jìn)一步去研究。此外，貨幣市場基金成立之后的收益直接取決于貨幣市場本身的發(fā)展，貨幣市場參與者是否足夠廣泛、投資工具發(fā)展是否充分、利率市場化改革的進(jìn)展?fàn)顩r、貨幣政策執(zhí)行是否具有獨(dú)立性等，這諸多因素都直接影響著貨幣市場基金的收益，而這些因素大都與政策變遷的方向和速度有關(guān)。
2.2貨幣市場基金的非系統(tǒng)風(fēng)險
非系統(tǒng)性風(fēng)險是由于局部因素造成的風(fēng)險，是貨幣市場基金自身經(jīng)營管理所帶來的風(fēng)險，基金本身可以通過一定的方法避免。
（1）道德風(fēng)險。貨幣市場基金實質(zhì)上是契約的組合，是多數(shù)投資者以集合出資的形式形成基金，委托基金管理人管理和運(yùn)用基金資產(chǎn)。投資者選擇好基金管理人之后，由于投資者不能直接觀測到基金管理人選擇了什么行動，能觀測到的只是另一些變量，這些變量由基金管理人的行動和其他外生隨機(jī)因素共同決定，只是基金管理人的不完全信息，因此，基金管理人隨時可能出現(xiàn)“道德風(fēng)險”問題，即基金管理人在最大限度地增加自身效用時做出不利于基金投資人的行動。
（2）信用風(fēng)險。又稱違約風(fēng)險，是指企業(yè)在債務(wù)到期是時無力還本付息而產(chǎn)生的風(fēng)險。貨幣市場基金以貨幣市場上的短期工具為投資對象，其中各類不同工商企業(yè)發(fā)行的商業(yè)票據(jù)占其基金投資組合的一定份額。企業(yè)發(fā)行的商業(yè)票據(jù)由于受自身的規(guī)模、信譽(yù)、業(yè)績和經(jīng)營歷史等因素的影響，他們的商業(yè)票據(jù)質(zhì)量有所不同；某些企業(yè)一旦遇到經(jīng)營環(huán)境惡化，經(jīng)營業(yè)績不佳，凈現(xiàn)金流銳減，此時發(fā)行商業(yè)票據(jù)的企業(yè)就存在到期無法兌付的風(fēng)險。如果貨幣市場基金的投資組合中這類資產(chǎn)所占份額較大，必然影響到基金的收益，表現(xiàn)出一定的資本損益風(fēng)險。
（3）流動性風(fēng)險。流動性風(fēng)險是指金融資產(chǎn)持有者按價值出售資產(chǎn)的難易程度。對貨幣市場基金而言，流動性是指基金經(jīng)理人在面對贖回壓力時，將其所持有的資產(chǎn)———投資組合在市場中變現(xiàn)的能力?；鸾?jīng)理常常面對兩大流動性風(fēng)險：一是所持有資產(chǎn)在變現(xiàn)過程中由于價格的不確定性而可能遭受損失；二是現(xiàn)金不足，難以滿足投資人的贖回要求。所以一旦基金出現(xiàn)大幅縮水或投資者集中贖回投資的情況，而基金手中所持流動性資產(chǎn)又不敷支出時，貨幣市場基金必將面臨嚴(yán)重的被動局面。
（4）經(jīng)營風(fēng)險。雖然貨幣市場基金是專家理財，但基金管理者仍然會有投資失誤，基金內(nèi)部監(jiān)控也可能失靈，這樣貨幣市場基金凈值將可能存在大幅縮水。因此，基金的收益、風(fēng)險狀況很大程度上取決于基金投資顧問的專業(yè)水平。投資顧問的專業(yè)技能及其業(yè)績檔案能提供下面一些重要信息：即基金的投資策略和風(fēng)險控制度能否被堅持；基金對未來的機(jī)會或嚴(yán)峻的形勢將作何反應(yīng)；該基金的顧問以受托人方式，按照基金股東的最佳利益行事的可能性。
3貨幣市場基金的風(fēng)險控制
3．1外部環(huán)境的治理
（1）制定相應(yīng)的法律法規(guī)。法規(guī)制定應(yīng)當(dāng)先行，應(yīng)明確貨幣基金的設(shè)立原則、各方當(dāng)事人間的關(guān)系、貨幣基金的投資領(lǐng)域、管理原則、分配制度以及違規(guī)處罰措施等，特別是要嚴(yán)格禁止貨幣基金投資股票、中長期債券、房地產(chǎn)以及實業(yè)領(lǐng)域。
（2）大力發(fā)展貨幣市場工具。眾所周知，投資品種的多樣化，對于降低投資組合的風(fēng)險具有相當(dāng)重要的作用。從我國當(dāng)前貨幣市場的發(fā)展情況來看，貨幣市場工具仍顯單一，有限的貨幣市場工具必然會限制貨幣市場基金的投資方向，使貨幣市場基金無法通過投資組合的多樣化來分散風(fēng)險，從而降低了它的靈活性。因此，我們應(yīng)在進(jìn)一步完善信用制度的基礎(chǔ)上，鼓勵發(fā)展貨幣市場工具。
（3）實施制度創(chuàng)新，提高貨幣市場的流動性。提高貨幣市場的流動性對于降低基金的風(fēng)險具有一定的作用。要提高貨幣市場的流動性，需要市場制度方面的一系列創(chuàng)新和改革。首先，要打破銀行間市場與交易所市場的分割局面，允許更多的證券公司、信托公司、財務(wù)公司、基金公司以及大企業(yè)進(jìn)入貨幣市場，以進(jìn)一步壯大貨幣市場交易主體，活躍市場交易。其次，引入貨幣市場經(jīng)紀(jì)商，提高貨幣市場的流動性。
3．2內(nèi)部環(huán)境的治理
（1）保持高度的流動性。由于貨幣基金的投資者可以隨時贖回投資或據(jù)其基金賬戶的資產(chǎn)凈值予以簽發(fā)支票，所以基金組合必須具有高度的流動性。這不僅是指平常資產(chǎn)組合中應(yīng)保有相應(yīng)量的現(xiàn)金性資產(chǎn)，更為重要的是應(yīng)持有必要量的短期國庫券。因為能夠形成大規(guī)模和范圍廣泛的流通交易市場的是短期國庫券，所以國庫券已成為僅次于現(xiàn)金的準(zhǔn)現(xiàn)金性資產(chǎn)。同時，與持有基金較大份額的投資者經(jīng)常的交流是得到贖回暗示的重要方法，有的基金采取鼓勵大額贖回提前通知和拒絕對利率敏感的投資資金等措施。
（2）實行開放式的管理。即必須每天公布基金資產(chǎn)的凈值與收益水平，允許投資者隨時根據(jù)各自的需求，按公布的資產(chǎn)凈值自由進(jìn)出貨幣基金。為此，基金管理人應(yīng)當(dāng)與托管銀行密切合作，將商業(yè)銀行的網(wǎng)絡(luò)作為投資者進(jìn)出貨幣基金的窗口。并且，基金賬戶與投資者的銀行資金賬戶要有順暢的溝通，以保證投資者的資金根據(jù)需要在兩個賬戶間快速流動。
（3）特別的內(nèi)控程序。①估價。準(zhǔn)確的估價是維持一個穩(wěn)定的基金凈值的重要因素。應(yīng)定期（每天）估算基金實際市值和按攤余成本法計價得出基金凈值，并將偏離度控制在0.5％之內(nèi)。當(dāng)發(fā)現(xiàn)偏離度超過0.25％之時，基金應(yīng)該啟動應(yīng)急處理程序，通過適當(dāng)?shù)奶幚矸椒ń档推x度，如賣出對偏離度貢獻(xiàn)最大的品種等；②對不確定性的處理和測試分析。對不確定性的處理包括計算購買任何證券之后對基金的加權(quán)平均到期日（WAM）的影響，同時考慮在證券購買時可能發(fā)生的意外贖回。此外，還應(yīng)對單個證券和投資組合進(jìn)行壓力測試，評估在發(fā)生較大的利率變化時證券價格的敏感性。
目前，我國經(jīng)濟(jì)又處于轉(zhuǎn)軌時期，市場發(fā)育不健全，各種金融法規(guī)和制度有待完善，在這種情況下推出貨幣市場基金，我們必須從觀念上重視貨幣市場基金的風(fēng)險，并積極加以防范，保持基金的收益與風(fēng)險的同步。
參考文獻(xiàn)
1張亦春．現(xiàn)代金融市場學(xué)[M].北京：中國金融出版社，2003
2吳道霞．貨幣市場基金法律問題研究[J].河北法學(xué)，2004(3)
3田啟偉，馬建國．貨幣市場基金及其風(fēng)險分析[J].武漢冶金管理干部學(xué)院學(xué)報，2004(1)
關(guān)鍵詞：證券市場；風(fēng)險管理；VaR
中圖分類號：F83文獻(xiàn)標(biāo)識碼：A
20世紀(jì)七十年代以來，隨著全球經(jīng)濟(jì)活動的日趨國際化，金融創(chuàng)新尤其是金融衍生工具的迅猛發(fā)展，使得金融市場的波動性日益加劇，金融風(fēng)險不斷加大。日趨嚴(yán)重的金融風(fēng)險不僅影響了微觀經(jīng)濟(jì)主體的正常運(yùn)營，而且還對整個金融與經(jīng)濟(jì)體系的穩(wěn)定性構(gòu)成了威脅。為了有效地控制和降低金融風(fēng)險，各種風(fēng)險管理方法相繼出現(xiàn)。20世紀(jì)八十年代末，JP摩根的風(fēng)險管理人員研發(fā)出一種能夠度量不同交易、不同業(yè)務(wù)部門的市場風(fēng)險，并將這些風(fēng)險體現(xiàn)為一個數(shù)值的風(fēng)險度量方法，這就是VaR方法。隨著VaR技術(shù)的日漸成熟，VaR方法得到了世界各金融機(jī)構(gòu)及金融監(jiān)管機(jī)構(gòu)的廣泛認(rèn)可和支持，巴塞爾委員會允許金融機(jī)構(gòu)采用標(biāo)準(zhǔn)化方法和內(nèi)部模型法來度量市場風(fēng)險，其中就是以VaR作為內(nèi)部模型的核心技術(shù)。
一、VaR概述
（一）VaR的定義。VaR（Value at Risk），中文可譯為受險價值、在險價值、風(fēng)險價值等，它是指在一定置信水平和一定持有期內(nèi)，某一金融資產(chǎn)或組合在正常的市場條件下所面臨的最大損失額。更嚴(yán)格地說，VaR描述了在一定的持有期內(nèi)收益和損失的預(yù)期分布的分位數(shù)。用數(shù)學(xué)公式可以表示為：
1-c=prob（R＞VaR）=f（R）dR
其中，1-c代表所選舉的置信水平，R代表損益。
假設(shè)某公司交易的有價證券某日置信度為95%的日VaR值為100萬元，根據(jù)VaR的定義，它是指在未來24小時內(nèi)該有價證券在正常的市場條件下，發(fā)生大于100萬元虧損的可能性為5%。
（二）VaR方法的優(yōu)點(diǎn)
1、VaR方法是建立在概率論和數(shù)理統(tǒng)計的基礎(chǔ)之上的，為全面綜合地度量市場風(fēng)險提供了規(guī)范的計量技術(shù)，它摒棄了主觀判斷的隨意性，能夠更加準(zhǔn)確地計量金融機(jī)構(gòu)所面臨的風(fēng)險狀況，不僅具有很強(qiáng)的科學(xué)性，同時又表現(xiàn)出方法操作上的簡便性。
2、VaR方法為人們提供了研究和管理金融風(fēng)險的統(tǒng)一框架，VaR適用于衡量包括利率風(fēng)險、匯率風(fēng)險、股票價格風(fēng)險以及商品價格風(fēng)險、衍生金融風(fēng)險在內(nèi)的各種市場風(fēng)險，金融機(jī)構(gòu)可以定期地計算VaR值以概括反映整個金融機(jī)構(gòu)的風(fēng)險狀況，這有利于金融機(jī)構(gòu)對風(fēng)險進(jìn)行統(tǒng)一的管理，也使得風(fēng)險度量的結(jié)果具有可比性，對金融市場的穩(wěn)定和現(xiàn)代金融風(fēng)險管理的發(fā)展具有重要意義。
3、VaR方法不像以往的風(fēng)險管理方法只是在事后衡量投資組合風(fēng)險的大小，它可以在事前計算投資組合的風(fēng)險，這樣投資者就可以運(yùn)用VaR的方法，動態(tài)地評估和計量所持有的資產(chǎn)組合的風(fēng)險，選擇在相同的風(fēng)險條件下能夠帶來最大收益的組合，以分散和規(guī)避風(fēng)險，提高運(yùn)作效率和資產(chǎn)收益。
（三）VaR方法的缺陷
1、VaR方法沒有考慮尾部風(fēng)險。本質(zhì)上，VaR只是告訴我們在特定分布中對應(yīng)一定置信水平的分位數(shù)是多少，并不能告訴我們分位數(shù)左側(cè)的分布狀況，即所謂的左尾損失，這就是VaR尾部損失測量的非充分性。例如，假設(shè)對應(yīng)99%置信水平下的日VaR為1，000萬元，即未來還有1%的可能性會出現(xiàn)最大損失超過1，000萬元的情況，如果這種情況發(fā)生，具體會損失多少，這可能是人們更為關(guān)注的問題，因為這種小概率事件一旦發(fā)生，將會帶來災(zāi)難性的后果。
2、VaR方法可能存在數(shù)據(jù)不充分或者失真的風(fēng)險。VaR分析方法是依賴于歷史數(shù)據(jù)的。但是，許多市場由于歷史較短、市場有效性不高等原因，可能不存在充分、真實的可用數(shù)據(jù)。
3、VaR方法還可能存在模型風(fēng)險。VaR方法的運(yùn)用建立在大量的模型基礎(chǔ)之上，因此模型的選擇、操作及參數(shù)估計方面如果出現(xiàn)錯誤，將給VaR的計算帶來風(fēng)險，也使得VaR不能很好地度量金融風(fēng)險。
二、VaR的獲取方法
計算VaR的關(guān)鍵在于確定證券或組合的未來損益的統(tǒng)計分布或概率密度函數(shù)，但是直接獲取未來損益的分布是幾乎不可能的事，因此，VaR的獲取通常要經(jīng)過下述分解過程：第一步，識別市場風(fēng)險的因子，將資產(chǎn)表示為市場因子的函數(shù)，這一過程通常稱為映射；第二步，預(yù)測市場因子的波動性；第三步，根據(jù)市場因子的波動估計資產(chǎn)的價值變化及其概率分布，這一過程也成為盯市；第四步，根據(jù)給定的置信水平和持有期，計算得出VaR。
根據(jù)對風(fēng)險因子及其與資產(chǎn)價值之間關(guān)系的不同處理方法，可以將VaR的獲取方法分為三類：
（一）歷史模擬法。歷史模擬法是建立在歷史可以復(fù)制未來、歷史數(shù)據(jù)可獲得且完整有效的隱含前提下，利用歷史數(shù)據(jù)集，將過去已經(jīng)實現(xiàn)的收益率分布或市場變量分布應(yīng)用于目前的投資或組合，據(jù)此模擬下一個時期該投資或組合可能面臨的收益分布，給定置信水平和持有期，就可以計算出VaR。
例如，將100萬元投資于工商銀行的股票，根據(jù)以下步驟可以求出99%置信水平下1天的VaR值。第一步：獲取收益的時間序列。樣本數(shù)據(jù)選擇2008～2009年每個交易日的收盤價，共482個數(shù)據(jù)，然后根據(jù)公式R=（Pt-Pt-1）/Pt-1計算出每日簡單收益率，生成一個新的時間序列。第二步：在EXCEL中將序列中的數(shù)據(jù)按照升序排列，找到對應(yīng)的第482×1%=4.82個數(shù)據(jù)（謹(jǐn)慎起見，使用第4個數(shù)據(jù)），即-8.29%，于是可得，VaR=100×8.29%=8.29萬元。
（二）蒙特卡羅模擬法。蒙特卡羅模擬法的基本思路是假設(shè)資產(chǎn)價格或市場變量的變化服從于某個隨機(jī)過程，通過模擬該隨機(jī)過程，就可以得出在給定時間點(diǎn)上投資組合的價格或市場變量的估計值。不斷重復(fù)該模擬過程，就可以得到一系列估計值。如果重復(fù)的次數(shù)足夠多，模擬出的估計值最終將會收斂于“真實的”組合價值。以此為基礎(chǔ)，就可以進(jìn)一步估計出組合“真實的”風(fēng)險價值。
蒙特卡羅模擬法的主要步驟是：第一步，為變量選擇一個隨機(jī)模型，確定模型參數(shù)，以模擬價格變化的時間路徑。第二步，產(chǎn)生一個虛擬的隨機(jī)變量系列?著i，i=1，2，…，n，由此計算出價格序列。第三步，根據(jù)特定的價格序列計算目標(biāo)期末的資產(chǎn)價值，盡可能多地重復(fù)第二、第三步，如10，000次，就可以得到一個價值分布。第四步，給定置信水平1-C，通過分位數(shù)就可以計算出VaR。
（三）方差-協(xié)方差法。方差－協(xié)方差法的基本思路是：首先假定要考察的隨機(jī)變量服從于某種參數(shù)分布，如正態(tài)分布、泊松分布等，然后借助于分布參數(shù)，如均值、方差等直接計算出VaR。
以正態(tài)分布為例，方差-協(xié)方差法的基本步驟是：假設(shè)資產(chǎn)收益率服從于一般正態(tài)分布R=f（r）～N（μ，σ2），然后借助于正態(tài)化轉(zhuǎn)換，轉(zhuǎn)換成標(biāo)準(zhǔn)正態(tài)分布Φ（ε）～N（0，1）：
三、VaR方法在我國證券市場風(fēng)險管理中的實證分析
滬深300指數(shù)選取了滬深兩市300只A股作為樣本，其中滬市179只，深市121只。滬深300指數(shù)樣本覆蓋了滬深市場60%左右的市值，具有良好的市場代表性，能夠反映我國證券市場的概貌和運(yùn)行狀況，是反映滬深兩個市場整體走勢的“晴雨表”。因此，本文選取滬深300指數(shù)作為本文的研究對象。本文選取了2008年12月1日至2010年12月1日的滬深300指數(shù)每日的收盤價作為樣本，樣本數(shù)為484。下面，分別運(yùn)用歷史模擬法、蒙特卡羅模擬法和方差―協(xié)方差法計算價值為100萬元的滬深300指數(shù)投資在99%的置信水平下的單日VaR值。
（一）歷史模擬法。根據(jù)歷史模擬法的基本原理，進(jìn)行以下的計算步驟：
1、由原始樣本數(shù)據(jù)計算出每日的簡單收益率，公式為：簡單收益率=（Pt-Pt-1）/Pt-1。
2、在EXCEL中將生成的簡單收益率按照升序排列。
3、找到對應(yīng)的第484×1%=4.84個數(shù)據(jù)（謹(jǐn)慎起見，用第4個數(shù)據(jù)），即-5.51%。
4、計算可得：VaR=100×5.51%=5.51萬元。
（二）蒙特卡羅模擬法
1、利用EVIEWS軟件中的單位根檢驗（ADF檢驗）來判斷股票價格序列的平穩(wěn)性，由結(jié)果可知DF=-1.860199，大于10%水平下的臨界值，因此可知該序列是非平穩(wěn)的。
2、利用EVIEWS軟件中的相關(guān)性檢驗來判斷序列的自相關(guān)性。選擇價格序列的一階差分（P=Pt-Pt-1）和30天的滯后期。由結(jié)果可知，滬深300指數(shù)收盤價的一階差分序列不具有相關(guān)性，即其分布具有獨(dú)立性。我們可以得出如下結(jié)論，滬深300指數(shù)的收盤價格服從隨機(jī)游走，即Pt=Pt-1+εt。
3、利用EXCEL軟件做蒙特卡羅模擬，模擬次數(shù)為10，000次，首先產(chǎn)生10，000個隨機(jī)數(shù)，考慮到股市漲跌停板的限制，以樣本期最后一天價格3136.99為起點(diǎn)，即價格在下一天的波動范圍為（-313699313699），故隨機(jī)數(shù)的函數(shù)式為：Randbetween（-313699313699），生成的數(shù)即為我們需要的股價隨機(jī)變動數(shù)εt。然后獲取模擬價格序列：模擬價格=P0+隨機(jī)數(shù)/1000。再將模擬后的價格按照升序重新排列，找出對應(yīng)99%的分位數(shù)，即10000×1%=100個交易日所對應(yīng)的數(shù)值：2，829.944，于是可計算出VaR=100×（3136.99-2829.944）÷3136.99=9.79萬元。
（三）方差-協(xié)方差法
1、利用EVIEWS軟件對樣本數(shù)據(jù)進(jìn)行處理，分別獲取簡單收益率和對數(shù)收益率的分布圖。（圖1、圖2）標(biāo)準(zhǔn)正態(tài)分布的偏度為0，峰度為3，所有偏度非0的分布曲線都是偏斜的，峰度大于3的分布曲線則是厚尾的。由輸出結(jié)果可知，二者均呈現(xiàn)出“尖峰厚尾”的特征。相對而言，對數(shù)收益率更接近于正態(tài)分布。
2、根據(jù)VaR的計算公式，可求得VaR=2.33×0.018998×100=4.43萬元。
四、結(jié)束語
我國的金融市場還是一個處于發(fā)展中的新興市場，在我國金融市場和金融機(jī)構(gòu)快速融入金融自由化和全球化趨勢的過程中，隨著金融創(chuàng)新的蓬勃發(fā)展，市場風(fēng)險必將隨著金融市場的發(fā)展而逐漸加大。將VaR的方法引入我國，不僅能夠為金融機(jī)構(gòu)和投資者提供一種有效的市場風(fēng)險管理工具，而且能夠為中央銀行、證監(jiān)會等金融監(jiān)管部門提供一個風(fēng)險管理的標(biāo)準(zhǔn)，有助于我國金融機(jī)構(gòu)內(nèi)部風(fēng)險管理和外部監(jiān)管技術(shù)跟上世界金融發(fā)展的潮流，對于我國的金融風(fēng)險管理技術(shù)來說，具有重要的意義。
（作者單位：安徽大學(xué)經(jīng)濟(jì)學(xué)院）
主要參考文獻(xiàn)：
[1]陳燕玲.金融風(fēng)險管理[M].安徽大學(xué)出版社，2008.
[2]王春峰.金融市場風(fēng)險管理[M].天津大學(xué)出版社，2001.
【關(guān)鍵詞】上證綜指；恒生指數(shù)；Copula函數(shù)；尾部相關(guān)性
1.引言
多元分布函數(shù)是描述隨機(jī)變量相關(guān)性的最基本方法，但傳統(tǒng)的多元分布函數(shù)在實際應(yīng)用中存在：變量較多時函數(shù)的解析式很難處理，并且存在一定的約束條件，不僅要求各個邊緣分布函數(shù)類型相同，而且要求邊緣分布函數(shù)的類型和多元分布函數(shù)的類型一致等問題。事實上，金融市場的邊緣分布函數(shù)一般不是服從同一類型分布。這使得傳統(tǒng)的多元分布函數(shù)很難在分析金融市場相關(guān)性中得到廣泛的應(yīng)用。由Sklar定理知，可以通過Copula函數(shù)構(gòu)造靈活的多元分布函數(shù)，從而掌握金融市場之間的真實相關(guān)性，并且由Copula函數(shù)導(dǎo)出的相關(guān)性測度不僅可以捕捉隨機(jī)變量間的非線性、非對稱相關(guān)性，還可以更容易地刻畫分布的尾部相關(guān)性。
Copula理論可以將一個聯(lián)合分布分解為k個邊緣和一個Copula函數(shù)，這個Copula函數(shù)描述了變量之間的相關(guān)性[1]。由此可看出，Copula函數(shù)實際上是一種將聯(lián)合分布函數(shù)與它們各自的邊緣分布函數(shù)連接在一起的函數(shù)，因此也有人稱它為連接函數(shù)[2]。Copula理論的應(yīng)用在國際上已經(jīng)取得了極大的進(jìn)展，如Patton(2001)[3]構(gòu)造了馬克-美元和日元-美元匯率的收益的二元Copula模型，并與相應(yīng)的BEKK-GARCH模型做了比較，結(jié)果表明Copula模型可以更好地描述金融市場之間的相關(guān)關(guān)系；Hu（2002）[4]用一個混合Copula函數(shù)來描述具有不同相關(guān)程度和相關(guān)模式的金融市場之間的相關(guān)關(guān)系。國內(nèi)學(xué)者從2002年開始了Copula在金融數(shù)據(jù)分析中的研究，韋艷華（2004）[5]將Copula函數(shù)和GARCH模型結(jié)合，研究了滬深股市的相關(guān)結(jié)構(gòu)，傅強(qiáng)、邢琳琳（2009）[6]將極值理論和Copula函數(shù)應(yīng)用于資產(chǎn)風(fēng)險的研究以及條件VaR的估計.國內(nèi)對Copula理論的關(guān)注程度越來越高，應(yīng)用范圍也是越來越廣。
股票市場的尾部相關(guān)性考察的是當(dāng)一個股票市場收益率高漲(猛跌)時，是否會引起其他股票市場價格的高漲(猛跌)。與通常兩個股票市場之間的相關(guān)關(guān)系相比，在市場價格急劇上漲或下跌等極端情況下的相關(guān)關(guān)系會呈現(xiàn)出與平時不同的特征。在市場極端波動時，兩個股票市場之間的尾部相關(guān)性對全球投資組合的風(fēng)險影響更大，因而對控制風(fēng)險而言，研究兩個股票市場之間的尾部相關(guān)性更為重要。本文研究滬港兩市的尾部相關(guān)性，對投資組合和風(fēng)險管理有一定的意義，有助于市場投資者進(jìn)行跨市場組合投資分析，從而分散風(fēng)險，提高收益。
對滬港股市的尾部相關(guān)性研究，國內(nèi)李悅、程希駿（2006）[7]用Gumbel-Hougard copula對上證指數(shù)和恒生指數(shù)進(jìn)行尾部相關(guān)性，發(fā)現(xiàn)兩者具有較好的上尾相關(guān)性，而沒有討論下尾相關(guān)性。Gumbel copula是一種對上尾相關(guān)性敏感的靜態(tài)Copula函數(shù)，本文擬選用多種Copula函數(shù)，包括幾種常見的靜態(tài)單參數(shù)和雙參數(shù)Copula函數(shù)，以及幾種動態(tài)Copula函數(shù)，重點(diǎn)研究時變SJC Copula這種對上尾相關(guān)性和下尾相關(guān)性都非常敏感的動態(tài)Copula函數(shù)（因為其參數(shù)為上下尾相關(guān)系數(shù)）。王（2009）[8]用BB1 Copula函數(shù)研究兩市的尾部相關(guān)性，發(fā)現(xiàn)兩市具有較強(qiáng)的上尾相關(guān)性，但BB1 Copula函數(shù)作為一種靜態(tài)的Copula函數(shù)，不能看出相關(guān)性變化的趨勢。本文經(jīng)過動態(tài)分析趨勢后，將樣本分為兩階段分析，發(fā)現(xiàn)這兩階段有著截然不同的表現(xiàn)。較之靜態(tài)的Copula函數(shù)，這樣做能夠更準(zhǔn)確、全面地捕捉到金融市場之間尾部相關(guān)性的變化。劉偉（2009）[9]選用SJC-Copula-EGARCH模型分析了滬港兩市的尾部相關(guān)性，參數(shù)估計法為極大似然估計法，這種方法的缺陷是易受到邊緣分布的影響，而本文選用基于秩的極大似然估計法，可以避免這種影響。因為極大似然估計法必須先估計邊緣分布函數(shù)的參數(shù)，如果邊緣分布函數(shù)選擇不準(zhǔn)確或?qū)ζ鋮?shù)估計不準(zhǔn)確的話，都將對最終參數(shù)的估計造成不利的影響，而本文選取的估計方法可以直接從樣本出發(fā)，無需給出邊緣分布函數(shù)和對其參數(shù)進(jìn)行估計，從而避免了邊緣分布的影響。
本文結(jié)構(gòu)安排如下：第二部分介紹Copula函數(shù)的一些理論知識，重點(diǎn)為時變SJC Copula函數(shù);第三部分著重介紹基于秩的極大似然估計法，其相比于其他估計法的優(yōu)越性也將在此部分給出;第四部分采用多種Copula函數(shù)對滬港股市的尾部相關(guān)性進(jìn)行實證研究，得出結(jié)論。
2.Copula函數(shù)理論知識
SJC Copula函數(shù)是由JC Copula函數(shù)演變而來的，Joe-Clayton Copula函數(shù)的分布函數(shù)為：
其中函數(shù)是logistic轉(zhuǎn)換函數(shù)，它的作用是確保上尾和下尾相關(guān)系數(shù)都處于（0，1）區(qū)間內(nèi)。
3.參數(shù)估計與檢驗方法
3.1 參數(shù)估計方法
參數(shù)估計法較常用的有嚴(yán)格極大似然法(EML)和邊緣分布推斷法(IFM)。嚴(yán)格極大似然法是同時估計邊緣分布和Copula函數(shù)中的參數(shù)；邊緣分布推斷法是將估計過程分為兩步，先估計邊緣分布函數(shù)的參數(shù)，然后估計Copula函數(shù)的參數(shù)，因此又被稱為兩階段極大似然估計法。因為EML和IFM法都必須估計邊緣分布函數(shù)的參數(shù)，如果邊緣分布函數(shù)選擇不準(zhǔn)確或?qū)ζ鋮?shù)估計不準(zhǔn)確的話，都將對最終參數(shù)的估計造成不利的影響。
非參數(shù)法中常用的是Genest and Rivest法。而對于多參數(shù)阿基米德Copula函數(shù)，Genest and Rivest法不是很適用。由于兩個隨機(jī)變量的相關(guān)結(jié)構(gòu)只與它們的相關(guān)函數(shù)Copula有關(guān)，而與邊緣分布沒有關(guān)系，因此通過樣本直接估計Copula函數(shù)的參數(shù)將更加接近隨機(jī)變量間的真實結(jié)構(gòu)。
半?yún)?shù)估計法中有偽極大似然估計法和基于秩的極大似然估計法，后者是由前者經(jīng)過變換得來的，因此我們先來看偽極大似然估計法。假設(shè)是隨機(jī)向量(X，Y)的一個樣本，是X和y的Copula函數(shù)，偽極大似然估計的對數(shù)似然函數(shù)為：
其中：A代表極大似然函數(shù)；M代表獨(dú)立參數(shù)的個數(shù)；n代表樣本容量。AIC和BIC包含了模型和參數(shù)估計值的信息，其值越小，其擬合效果越好。
4.實證分析
與內(nèi)地股票市場的發(fā)展不同，香港作為世界上最成熟的資本市場之一，其高度的開放性使得香港股市與國際股市具有很強(qiáng)的聯(lián)動性，作為緊鄰大陸的國際金融中心之一，吸引了大批內(nèi)地企業(yè)上市。而滬指作為內(nèi)地股市的代表，和港指在尾部相關(guān)性上有著怎樣的表現(xiàn)呢？以下將展開實證分析。
4.1 樣本的選取和初步分析
本文選取上證綜指和恒生指數(shù)（數(shù)據(jù)來自雅虎財經(jīng)）自1996年12月31日到2011年2月22日的日收盤價作為樣本，剔除不在同一天交易的數(shù)據(jù)，最后得到3328組數(shù)據(jù)。兩市每日的收益率為數(shù)據(jù)處理后的相鄰交易日收盤價的一階差分，即。
經(jīng)過處理后的到收益率數(shù)據(jù)3327個。本文使用的軟件為matlab-
R2009a。上證綜指和恒生指數(shù)對數(shù)收益率圖如圖1和圖2所示。
4.3 參數(shù)估計及尾部相關(guān)性分析
我們先來求靜態(tài)的SJC Copula函數(shù)的上下尾相關(guān)系數(shù)，下尾相關(guān)系數(shù)（0.1088）略大于上尾相關(guān)系數(shù)（0.0844）。
但是，單從靜態(tài)的兩個系數(shù)難以看出上下尾相關(guān)結(jié)構(gòu)的變化情況，下面用時變的SJC Copula函數(shù)來做動態(tài)的分析，首先我們根據(jù)前面提到的基于秩的極大似然估計法求出時變SJC Copula函數(shù)的參數(shù)如表2所示。
下面給出上下尾動態(tài)變化圖，如圖3，從圖中可以看出上下尾相關(guān)系數(shù)分別圍繞0.0844和0.1088上下浮動，但都表現(xiàn)出來增大的趨勢，為了看清這種變化的趨勢，我們把3327個數(shù)據(jù)分成兩個階段，第一個階段包含1663個數(shù)據(jù)，第二個階段包含1664個數(shù)據(jù)，時間分界線是2004年2月26日，經(jīng)擬合度檢驗后發(fā)現(xiàn)，時變SJC Copula函數(shù)對這兩階段的擬合都是最好的，并求得第一階段的=0.0314，=0.0000，第二階段的=0.1569，=0.2763
它們的動態(tài)變化圖分別如圖4（a）和圖4（b）所示。可見兩市上下尾相關(guān)性都有了大幅度的增加，尤其是下尾相關(guān)性，由原來的幾乎為0，增加到了0.2763，兩市的關(guān)聯(lián)性已經(jīng)有了質(zhì)的變化。
5.結(jié)論
本文通過AIC和BIC信息準(zhǔn)則，從幾種動態(tài)和靜態(tài)Copula函數(shù)中選出了擬合度最好的時變SJC Copula函數(shù)對滬港兩市的尾部相關(guān)性進(jìn)行了分析，參數(shù)估計方法為基于秩的極大似然估計法。結(jié)果發(fā)現(xiàn)所選樣本得到的下尾相關(guān)性略高于上尾相關(guān)性，上下尾相關(guān)性都表現(xiàn)出了增大的趨勢，于是筆者把樣本分為兩個階段分析，結(jié)果發(fā)現(xiàn)第一階段表現(xiàn)出的主要是上尾相關(guān)性，下尾相關(guān)系數(shù)幾乎為0，第二階段則下尾相關(guān)系數(shù)大于上尾相關(guān)系數(shù)，下尾相關(guān)系數(shù)已經(jīng)由第一階段的幾乎為0增加到了0.2763。從本文數(shù)據(jù)可以看出，兩市的關(guān)聯(lián)程度表現(xiàn)的趨勢是逐漸增大的，尤其是下尾相關(guān)性，說明上海股市正由一個新興的股票市場向成熟股票市場轉(zhuǎn)變。
該研究一方面將有助于市場投資者進(jìn)行跨市場組合投資分析，從而分散風(fēng)險，提高收益；另一方面對于保證我國證券市場乃至金融市場的正常運(yùn)行，抵御外來金融風(fēng)險沖擊，保證國家金融安全及相關(guān)政策的制定具有一定的參考價值。
參考文獻(xiàn)
[1]Sklar A.Fonctions de repartition à n dimensions et leurs marges[J].Publication de l’Institut de Statistique de l’Universite de Paris,1959,8:229-231.
[2]張蕘庭.連接函數(shù)(Copula)技術(shù)與金融風(fēng)險分析[J].統(tǒng)計研究,2002(4):48-51.
[3]Patton A J.Modeling time-varying exchange rate dependence using the conditional copula[Z].Department of Economics,University of California,San Diego,2001.
[4]Hu L.Essays in econometrics with applications in macroeconomic and financial modelling[D].New Haven:Yale University,2002.
[5]韋艷華,張世英.金融市場的相關(guān)性分析――Copula-GARCH模型及其應(yīng)用[J].系統(tǒng)工程,2004,22(4):7-12.
[6]傅強(qiáng),邢琳琳.基于極值理論和Copula函數(shù)的條件VaR計算[J].系統(tǒng)工程學(xué)報,2009,24(5):531-537.
[7]李悅,程希駿.上證指數(shù)和恒生指數(shù)的copula尾部相關(guān)性分析[J].系統(tǒng)工程,2006,24(5):88-92.
[8]王.基于不同類型Copula滬港股市相關(guān)性分析[D].合肥:中國科技大學(xué)管理科學(xué)與工程系,2009.
[9]劉偉.基于時變連接函數(shù)的股票市場相關(guān)性分析[D].北京:北京工業(yè)大學(xué)管理科學(xué)與工程系,2009.
[10]任仙玲,張世英.基于Copula函數(shù)的金融市場尾部相關(guān)性分析[J].統(tǒng)計與信息論壇,2008,23(6):66-71.
作者簡介：
