摘要

隨著金融自由化、金融全球化和資產(chǎn)證券化的發(fā)展，全球各個(gè)國(guó)家之間的經(jīng)濟(jì)聯(lián)系不斷加深，新的金融工具不斷出現(xiàn)，加之現(xiàn)代化信息傳播手段的迅速發(fā)展，促使金融創(chuàng)新活動(dòng)空前活躍，金融風(fēng)險(xiǎn)也更呈現(xiàn)出復(fù)雜化、多樣化態(tài)勢(shì)，從而使金融市場(chǎng)風(fēng)險(xiǎn)管理面臨著更多的壓力和挑戰(zhàn)，同時(shí)也對(duì)金融風(fēng)險(xiǎn)測(cè)度方法提出了更高的要求。

金融市場(chǎng)風(fēng)險(xiǎn)管理的關(guān)鍵是找到合適可靠的測(cè)度計(jì)量模型。長(zhǎng)期在金融風(fēng)險(xiǎn)測(cè)度中占據(jù)主流地位的是J.P.Morgan投資銀行的Risk Metrics系統(tǒng)中的VaR（Value at Risk）指標(biāo)測(cè)度方法。研究如何提高VaR模型的預(yù)測(cè)準(zhǔn)確度主要體現(xiàn)在如何準(zhǔn)確地刻畫(huà)金融資產(chǎn)收益分布的“典型事實(shí)”特征。而常規(guī)的金融波動(dòng)模型在擬合金融資產(chǎn)分布一般的特征的時(shí)候還能應(yīng)付，但其對(duì)極值金融事件（主要表現(xiàn)為尾部數(shù)據(jù)異常）的描述卻顯得無(wú)能為力。此外，單個(gè)資產(chǎn)的風(fēng)險(xiǎn)度量可以根據(jù)VaR的定義直接得到，而投資組合風(fēng)險(xiǎn)度量需要刻畫(huà)金融資產(chǎn)收益的聯(lián)合分布。考慮到金融時(shí)間序列數(shù)據(jù)具有“尖峰厚尾”的特征，并且在很多情況下，資產(chǎn)收益序列間存在非線(xiàn)性相關(guān)關(guān)系，如果簡(jiǎn)單地假設(shè)投資組合中的單個(gè)資產(chǎn)間為線(xiàn)性相關(guān)性假設(shè)，則會(huì)對(duì)風(fēng)險(xiǎn)度量的結(jié)果產(chǎn)生較大的偏差，因而有必要引進(jìn)一種更好的相關(guān)性分析方法來(lái)彌補(bǔ)傳統(tǒng)多元統(tǒng)計(jì)假設(shè)的不足。

近年來(lái)，一種新的金融風(fēng)險(xiǎn)測(cè)度方法產(chǎn)生并廣泛應(yīng)用，即應(yīng)用分位數(shù)回歸法測(cè)度金融風(fēng)險(xiǎn)。由于該方法在測(cè)度風(fēng)險(xiǎn)時(shí)不考慮殘樣本整體的分布，并且還能在一定程度上反映其尾部特征，這為擬合具有尖峰厚尾特征的金融數(shù)據(jù)提供了一種非常好的統(tǒng)計(jì)方法。同時(shí)，由Adrian和Brunnermeier提出條件風(fēng)險(xiǎn)價(jià)值，簡(jiǎn)稱(chēng)CoVaR，這可能是各種測(cè)度方法中最受金融機(jī)構(gòu)歡迎和廣泛使用的系統(tǒng)風(fēng)險(xiǎn)度量方法。CoVaR模型彌補(bǔ)了傳統(tǒng)的就單一資產(chǎn)來(lái)衡量本身風(fēng)險(xiǎn)的不足，更能完全地反映單一資產(chǎn)對(duì)整體系統(tǒng)性風(fēng)險(xiǎn)的影響程度。

考慮到我國(guó)經(jīng)濟(jì)的發(fā)展還處于轉(zhuǎn)軌時(shí)期，雖已初步建立起以國(guó)有商業(yè)銀行為主體的商業(yè)性金融體系，金融體制的市場(chǎng)改革依然遠(yuǎn)遠(yuǎn)滯后于其他經(jīng)濟(jì)部門(mén)，整體行業(yè)受政策影響較大，市場(chǎng)運(yùn)行機(jī)制經(jīng)常發(fā)生變化，金融體系風(fēng)險(xiǎn)非但沒(méi)有降低，反而不斷積聚，金融市場(chǎng)動(dòng)蕩加劇，作為市場(chǎng)經(jīng)濟(jì)“晴雨表”的滬深股票市場(chǎng)頻頻的巨幅漲跌清楚地表示了金融體系的震蕩狀況。故對(duì)處于經(jīng)濟(jì)轉(zhuǎn)型期中的我國(guó)金融業(yè)來(lái)說(shuō)，利用基于金融波動(dòng)模型、極值理論、Copula理論研究金融極值風(fēng)險(xiǎn)度量更是具有針對(duì)性以及非常重要的現(xiàn)實(shí)意義。

本書(shū)研究的主線(xiàn)是把極值理論貫穿到單個(gè)金融風(fēng)險(xiǎn)測(cè)度到投資組合金融風(fēng)險(xiǎn)測(cè)度，具體的在研究單個(gè)金融風(fēng)險(xiǎn)測(cè)度時(shí)，針對(duì)其不足，通過(guò)組合能夠擬合金融波動(dòng)特征的波動(dòng)模型，然后與極值理論相結(jié)合度量一元極值風(fēng)險(xiǎn)；在研究多元金融風(fēng)險(xiǎn)測(cè)度時(shí)，考慮金融資產(chǎn)間的非線(xiàn)性、非對(duì)稱(chēng)性特征，通過(guò)引入Copula函數(shù)并與極值理論相結(jié)合，從靜態(tài)、動(dòng)態(tài)兩個(gè)方面研究金融資產(chǎn)的相關(guān)結(jié)構(gòu)特征，在此基礎(chǔ)上，研究投資組合極值風(fēng)險(xiǎn)測(cè)度。

研究的主要?jiǎng)?chuàng)新之處體現(xiàn)在：

（1）在對(duì)金融風(fēng)險(xiǎn)進(jìn)行測(cè)度時(shí)，通常從刻畫(huà)金融收益率的波動(dòng)特征入手。現(xiàn)有的文獻(xiàn)中，基本都是采用常規(guī)金融波動(dòng)模型來(lái)刻畫(huà)金融收益率“尖峰厚尾”、波動(dòng)集聚等特征，而考慮收益率序列的結(jié)構(gòu)變換特征的還很少見(jiàn)。本書(shū)考慮收益率序列的劇烈波動(dòng)和結(jié)構(gòu)變換特征，提出把馬爾科夫鏈引入GARCH-GED模型構(gòu)建SWARCH-GED模型，然后與極值理論相結(jié)合，進(jìn)而構(gòu)建SWARCH-GED-EVT的動(dòng)態(tài)VaR模型對(duì)極值風(fēng)險(xiǎn)進(jìn)行測(cè)度。同時(shí)，考慮到分位數(shù)回歸模型不用假設(shè)分布形狀和參數(shù)的優(yōu)良特性，應(yīng)用QR-GARCH模型擬合金融資產(chǎn)收益率特征，在得到波動(dòng)性和殘差的基礎(chǔ)上，引進(jìn)EVT模型，最終構(gòu)建基于QR-GARCH-EVT的極值風(fēng)險(xiǎn)測(cè)度模型。同時(shí)，引入EVT模型與CAViaR模型，構(gòu)建基于EVT-CAViaR模型極值風(fēng)險(xiǎn)測(cè)度模型。

（2）對(duì)于各金融收益率序列的聯(lián)合分布問(wèn)題，現(xiàn)有文獻(xiàn)通常假設(shè)金融收益序列服從多元正態(tài)分布，并用線(xiàn)性相關(guān)系數(shù)度量金融資產(chǎn)間的相關(guān)性。但是眾多研究表明金融收益序列有明顯的厚尾、異方差現(xiàn)象，金融資產(chǎn)之間表現(xiàn)出較強(qiáng)的非線(xiàn)性特征，線(xiàn)性相關(guān)系數(shù)不能全面地反映相關(guān)結(jié)構(gòu)。結(jié)合Copula函數(shù)的特點(diǎn)和SV模型的優(yōu)勢(shì)，運(yùn)用隨機(jī)波動(dòng)模型與極值理論結(jié)合刻畫(huà)資產(chǎn)收益的邊緣分布，再結(jié)合時(shí)變Copula理論來(lái)構(gòu)建金融時(shí)間序列的相依關(guān)系，進(jìn)而建立一種新的測(cè)度金融資產(chǎn)間的風(fēng)險(xiǎn)相關(guān)性的模型——時(shí)變Copula-SV-EVT模型，在此基礎(chǔ)上以滬深300指數(shù)和恒生指數(shù)為例進(jìn)行分析，實(shí)證結(jié)果表明，與常規(guī)的金融風(fēng)險(xiǎn)相關(guān)性測(cè)度方法相比，基于時(shí)變Copula-SV-EVT模型能有效地反映金融資產(chǎn)的相關(guān)結(jié)構(gòu)。

（3）基于Copula-CoVaR框架的金融風(fēng)險(xiǎn)測(cè)度擴(kuò)展。首先，基于Copula-CoVaR框架，利用Beta-skew-t-EGEACH模型捕捉金融資產(chǎn)杠桿效應(yīng)、厚尾分布等特征，然后在標(biāo)準(zhǔn)化殘差基礎(chǔ)上引入極值理論，構(gòu)建基于Beta-skew-t-EGEACH-EVT的邊緣分布模型，在優(yōu)選出Copula函數(shù)基礎(chǔ)上，引進(jìn)CoVaR模型，構(gòu)建基于Copula-Beta-skew-t-EGEACH-EVT-CoVaR的風(fēng)險(xiǎn)測(cè)度模型。其次，引入廣義雙曲線(xiàn)分布下的AR（1）-GJR-GARCH（1，1）模型擬合金融資產(chǎn)的典型事實(shí)特征，并以此作為Copula函數(shù)的邊緣分布，經(jīng)過(guò)優(yōu)選出時(shí)變BB7Copula函數(shù)為最優(yōu)Copula函數(shù)，在此基礎(chǔ)上與CoVaR模型結(jié)合，進(jìn)而構(gòu)建基于動(dòng)態(tài)CoVaR-GH-CoVaR的風(fēng)險(xiǎn)聯(lián)動(dòng)模型，對(duì)金融市場(chǎng)的風(fēng)險(xiǎn)溢出程度、方向、強(qiáng)度進(jìn)行測(cè)度。最后對(duì)模型的有效性進(jìn)行了檢驗(yàn)。

（4）對(duì)于多元金融資產(chǎn)組合金融風(fēng)險(xiǎn)測(cè)度，現(xiàn)有的文獻(xiàn)用EVT模型與其他模型（GARCH族、SV族）或函數(shù)（Copula函數(shù)）相結(jié)合對(duì)極值分布進(jìn)行統(tǒng)計(jì)推斷，可以得到很好的效果，被越來(lái)越多地應(yīng)用到極值風(fēng)險(xiǎn)的刻畫(huà)當(dāng)中，但是把隨機(jī)波動(dòng)模型與極值理論和Copula理論結(jié)合起來(lái)研究金融風(fēng)險(xiǎn)的還不多見(jiàn)。針對(duì)資產(chǎn)收益的厚尾性、波動(dòng)的異方差性及資產(chǎn)間的非線(xiàn)性相關(guān)結(jié)構(gòu)等特征，提出采用SV-t模型與極值理論結(jié)合刻畫(huà)單個(gè)資產(chǎn)收益的波動(dòng)性及尾部分布特征，應(yīng)用t-Copula函數(shù)處理多元資產(chǎn)間的相關(guān)性，最終構(gòu)建新的基于t-Copula-SV-t-EVT投資組合風(fēng)險(xiǎn)測(cè)度模型，實(shí)現(xiàn)從單一資產(chǎn)風(fēng)險(xiǎn)測(cè)度到組合資產(chǎn)風(fēng)險(xiǎn)測(cè)度的過(guò)渡，并結(jié)合Monte Carlo模擬對(duì)投資組合進(jìn)行風(fēng)險(xiǎn)測(cè)度，實(shí)證結(jié)果表明，模型對(duì)投資組合的風(fēng)險(xiǎn)測(cè)度是合理有效的。同時(shí)，通過(guò)改進(jìn)Markowitz的效率前沿，把引起個(gè)別標(biāo)的資產(chǎn)收益率變動(dòng)的因素納入系統(tǒng)性風(fēng)險(xiǎn)考量，應(yīng)用CoVaR模型衡量系統(tǒng)性風(fēng)險(xiǎn)擴(kuò)散，構(gòu)建新的基于Mean-CoVaR資產(chǎn)配置模型，并進(jìn)行檢驗(yàn)。

關(guān)鍵詞：在險(xiǎn)價(jià)值；波動(dòng)模型；Copula理論；CoVaR模型；極值理論；金融市場(chǎng)