發布時間：2023-09-21 16:53:11
序言：寫作是分享個人見解和探索未知領域的橋梁，我們為您精選了8篇的投資組合的風險分析樣本，期待這些樣本能夠為您提供豐富的參考和啟發，請盡情閱讀。
1952年3月，哈里•馬柯維茨發表的資產組合的選擇，將概率論和線性代數的方法應用于證券投資組合的研究，探討了不同類別的、運動方向各異的證券之間的內在相關性，標志著現代資產組合理論的誕生。在馬柯維茨對資產組合理論研究的基礎上，另兩位美國經濟學家、金融學家、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《資本資產定價:風險條件下的市場均衡理論》和1965年的文章《風險資產的價值，股票資產組合的風險投資選擇，資本預算》中，給出了資本資產定價模型———CAPM。CAPM模型主要是用來描述證券的風險價格進而得出均衡價格形成機理的，在實際生活和理論分析中應用十分廣泛。國內學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據，用簡單隨機等權組合的方法，研究投資組合規模與組合風險的關系。其中比較有代表性的有以下幾位學者的研究。1996年10月，我國學者施東暉先生在《經濟研究》上發表了《上海股票市場風險性實證分析》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，采用簡單隨機等權組合構造50個“n種股票組合”(n=1，2，……，50)來推斷股票組合分散風險的能力，由此得出“投資多元化只能分散掉大約20%的風險,降低風險的效果極其有限”的結論。實際上，這一研究只構造了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”，缺乏統計穩定性和可靠性。2001年5月，顧嵐、薛繼銳等在《數理統計與管理》上發表了《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，分別研究了不同年份、不同行業等權組合規模的情況，得出“不同年份的組合方差相差很大，不同行業對于不同組合規模方差的降低有明顯差別”的結論。此外,他們還對比了馬科維茨組合和簡單等權組合,發現在方差的減少效果上,馬科維茨組合優于簡單等權組合，并且馬科維茨組合的規模小于簡單等權組合。本文在上述研究的基礎上,通過采用2007年上半年滬市A股的數據,研究投資組合規模、投資收益和投資風險之間的關系。通過進一步研究,希望能夠為投資者進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）研究樣本及數據
本文選取樣本的原則，一是考慮足夠的樣本容量，本文數據取自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抽樣，按照簡單等權的方法進行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，對收益和風險的影響。三是考慮適當的分析時間區段，避免由于樣本數據波動帶來較大的估計誤差，經過簡單觀測上證指數的k線圖，本小組發現在2006年1月至2008年1月上證指數波動較為平穩，又考慮到時間跨度過大會影響股票收益及風險的變動，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）證券投資組合的規模、收益與風險的實證
研究表1是本小組在隨機抽取30支股票后，運用excel及spss統計軟件計算得出。經過分析表1中的數據，我們可以得出投資組合規模與風險的關系、組合規模與收益的關系，并可利用他們之間的關系嘗試擬合回歸模型。
1.投資組合規模與風險的關系。從表1中的數據可以看出，當股票規模由1支增加到2支時，股票的風險下降趨勢明顯，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。當組合的規模從2種增加到6種時，股票的風險下降了1.26%，當組合的規模從6種增加到12種時，股票的風險下降了0.58%，當組合的規模由12種變化到18種時，風險下降了0.23%，而當組合的規模由18種增加到30種時，投資組合的風險由5.18%降低到5.14%，風險僅降低了0.04%，組合效果不理想。根據隨機抽樣的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。隨著投資組合規模的不斷擴大，投資組合的風險會呈現逐步下降的趨勢，且風險的下降趨勢隨著組合規模的增加下降明顯。當股票規模超過20支時，風險區域穩定，下降趨勢不明顯。
2.投資組合規模與組合收益的關系。從表1中的數據可以看出：當組合規模從1種增加到2種時，組合的收益率下降了0.54%。當組合的規模由2種增加到6種，收益率上升了0.05%。當組合的規模由6種增加到12種時，收益率下降了0.06%。當組合的規模增加到18種時，收益率下降了0.11%，組合規模繼續增加到24種，收益率下降了0.02%，組合規模到達30時，收益率下降到2.24%，下降了0.04%。根據投資組合理論，組合的收益是組合中各風險資產收益的現行組合，本文采用的是簡單的等權線性組合，投資組合的增加并不能增加組合的收益。從樣本數據可以看出，在2007年1月至6月的上海證券市場，隨著組合規模的增加組合的收益率出現了有規律的下降趨勢，但收益的這種下降程度并不是很高，當組合數增加到一定程度后，組合收益的變動范圍基本上保持在一個很小的范圍內，這意味著達到一定規模后，組合規模的不斷擴大，組合的收益差距基本不變。因此，投資組合規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.組合規模與風險的回歸模型。根據上述實證數據，可以看出投資組合的規模與組合的風險呈現一定的相關關系，即投資組合的規模增加會減少組合的風險，但這種關系不是嚴格的線性關系。本文運用spss軟件采用嘗試性的方法，將組合規模作為自變量，風險（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）四種模型。通過比較后，發現擬合模型中Inverse函數在四個函數中最為符合。以投資規模為X，風險為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為組合的規模(i=1,2,3,……n);Yi為不同組合規模的σ〕相符合。4.組合規模與收益的回歸模型?；貧w模型擬合的比較好，擬合優度為0.803，調整后的擬合優度為0.798，整體的F檢驗也非常顯著，各個參數的t檢驗也比較顯著，據此說明了投資組合規模與組合風險之間確實存在顯著的相關關系。我們可以用上述模型對投資組合的風險進行合理的估計,但由于組合中存在系統性風險,因此,當N趨向于無窮大時,組合的風險并不趨向于0。5.組合規模與收益的回歸模型。與組合規模與風險的模型類似，組合規模與收益的回歸模型為：Y=0.05+0.004X經檢驗回歸模型擬合得非常好，擬合優度為0.980，調整后的擬合優度為0.979，整體的F檢驗十分顯著，各個參數的t檢驗也十分顯著，但此模型沒有經濟理論的支持，因此僅作為一種擬合趨勢，沒有變量間的因果關系，不能解釋兩者之間的關系。
三、結論與建議
經過實證研究，得出如下結論:
（1)上海證券市場在2007年1月至6月期間,投資組合的適度規模數為16種股票。這種投資組合規模使投資組合總風險降低4.06%。因此，投資者為了降低組合的風險可以增加投資組合中的股票數，但投資組合的風險在組合規模達到一定程度后將逐漸穩定。
（2)從之前規模與收益的風險分析可看出：簡單的投資組合并不必然導致組合收益水平的提高,投資組合的規模存在一定的有效范圍,當組合規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生各種交易費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。
【關鍵詞】Copula 金融市場風險 綜合風險 測算
隨著經濟全球化和金融自由化的發展，全球金融市場特別是金融衍生品市場得到迅猛發展，呈現出了前所未有的波動性，金融機構和投資者面臨的各種風險日益復雜和多樣化，因此對金融風險的評估和測量也提出了越來越高的要求。傳統的風險計量方法已不能適應現代金融業的需要?；诖?，Copula方法這種全新的測算技術被引入金融風險的計量中。
Copula函數被稱為“相依函數”或者“連接函數”，它是把多維隨機變量的聯合分布用其一維邊際分布連接起來的函數。Copula理論于1959年由Sklar提出，定義了一個聯合分布分解為它的K個邊緣分布和一個Copula函數，其中Copula函數描述了變量間的相關結構，Sklar定理為Copula方法體系的發展打下了基礎。但直到上世紀90年代末期才被引入金融領域，Nelson(1998)比較系統地介紹了Copula的定義、構建方法，并全面介紹了Copula函數的各項性質以及幾種重要的Copula函數族。Embrechs(1999)把Copula理論引入到金融領域中，把金融風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方法在金融上應用的可行性。Copula方法在金融風險測算中主要具有如下優勢：①Copula理論不限制邊緣分布的選擇，結合Copula函數可以更為靈活地構建多元分布函數；②在運用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，變量間的相關信息完全由Copula函數來體現，可以將隨機變量的邊緣分布和它們之間的相關關系分開來研究；③通過不同形式Copula函數的選擇使用，可以準確捕捉到變量間非線性、非對稱的相關關系，特別是容易捕捉到分布尾部的相關關系，這有助于風險管理機構度量出現極端情況下的風險值。
一、Copula方法在國外金融市場風險測算中的應用
1.常規模式下Copula方法的應用
如同任何新方法被應用到新的領域一樣，Copula方法之于金融市場風險管理也經歷了從簡單到復雜，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作為相關性度量的工具，引入金融領域。Matteis(2001)詳細介紹了Arehimedean Copulas在數據建模中的應用，并運用Copula對丹麥火災險損失進行了度量。Bouye(2000)系統介紹了Copula在金融中的一些應用。Embrechts (2003)，Genest(1995)分別于模擬技術、半參數估計、參數估計對Copula的統計推斷作了詳細介紹。Roberto De Matteis(2001)對Copula函數，特別是Archimedean Copula函數作了較為全面地總結。Romano(2002)開始用Copula進行了風險分析，計算投資組合的風險值，同時用多元函數極值通過使用Monte Carlo方法來刻畫市場風險。Forbes(2002)通過對固定Copula模型來描述Copula的各種相關模式，并把這一個方法廣泛地應用在金融市場上的風險管理、投資組合選擇及資產定價上。Hu(2002)提出了混合Copula函數(Mixed-Copula)的概念，即把不同的Copula函數進行線性組合，這樣就可以用一個Copula函數來描述具有各種相關模式的多個金融市場的相關關系了。上述文獻主要從理論上探討了Copula方法的適用性，并對Copula函數形式的選擇，Copula函數的參數估計方法等展開了較為深入的研究且采用金融市場的數據進行了相關實證說明，但都是在固定時間段內固定相關模式的假設下進行，沒有體現出金融市場風險瞬息萬變，投資組合的風險值動態變化的特征。
2.動態模式下Copula方法的應用
眾所周知，金融市場投資組合面臨的風險每時每刻都在波動，在模型假設固定的情況下測算往往會低估風險，因此建立動態的，能及時體現市場波動特征的模型顯得更為重要。Dean Fantazzini(2003)將條件Copula函數的概念引入金融市場的風險計量中，同時將Kendall秩相關系數和傳統的線性相關系數分別運用于混合Copula函數模型中對美國期貨市場進行分析。Patton(2001)通過研究日元/美元和英鎊/美元匯率間的相關性，發現在歐元體系推出前后這兩種匯率之間的相關性程度發生了顯著變化。在此基礎上，Patton提出引入時間參數，在二元正態分布的假設下提出了時變Copula函數來刻畫金融資產。Goorbergh，Genest和Werker(2005)在Patton的基礎上設計出新的動態演進方程并用在時變Copula中對期權定價進行了研究。Jing Zhang，Dominique Guegan(2006)開始構造擬合優度的統計檢驗量來判斷樣本數據在進行動態Copula建模時適用的模型結構，也就是時變相關Copula模型與變結構的Copula模型的統計推斷，Ane，T.and C.Labidi (2006)采用條件Copula對金融市場的溢出效應進行了分析，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作為連接函數建立了動態Copula模型對歐洲股票市場數據進行了擬合，取得了較好的結果，Aas，K.，C. Czado，A. Frigessi，and H. Bakken(2008)在多元分布前提下對雙形Copula建模進行了研究。
二、Copula方法在我國金融市場風險測算中的應用
1.二元Copula方法的應用
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，主要在概率統計的角度上探討了Copula方法在金融上應用的可行性，介紹了連接函數Copula的定義、性質，連接函數導出的相關性指標等。隨后韋艷華(2003，2004) 結合t-GARCH模型和Copula函數，建立Copula-GARCH模型并對上海股市各板塊指數收益率序列間的條件相關性進行分析。結果表明，不同板塊的指數收益率序列具有不同的邊緣分布，各序列間有很強的正相關關系，條件相關具有時變性，各序列間相關性的變化趨勢極為相似。史道濟、姚慶祝(2004)給出了相關結構Copula、秩相關系數Spearman與Kendall tau和尾部相關系數，以及這三個關聯度量與Copula之間的關系，各個相關系數的估計方法等，并以滬、深日收盤綜合指數為例，討論了二個股市波動率的相關性，建立了一個較好的數學模型。葉五一、繆柏其、吳振翔(2006)運用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的風險分析，得到了二者的最小風險投資組合，并對不同置信水平下VaR和組合系數做了敏感性分析。曾健和陳俊芳(2005)運用Copula函數對上海證券市場A股與B股指數的相關結構進行分析，發現了與國外市場不同的研究結果：不論市場處于上升期或下跌期，上證A股與B股指數間均存在較強的尾部相關性。李悅、程希駿(2006)采用Copula方法分析了上證指數和恒生指數的尾部相關性。肖璨(2007)則較為全面的介紹了Copula方法應用二元情況下的建模與應用。
2.多元Copula方法的應用
只在二元情況下度量金融市場風險并不全面，現實金融市場中的機構投資者和個體投資人通常選擇多個金融資產進行組合投資以降低投資風險，因此如何刻畫多個金融資產間的相關結構，對于規避市場風險更具有現實意義，但如何將二元向多元推廣依然是一個需要解決的難題。這是因為當變量增加時，模型的復雜程度及參數估計難度都將呈指數倍增長，針對二元方法的模型參數估計可能將不再適用，需要研究新的估計方法。
芝交所風險控制制度的主要特點
由于金融衍生品交易的高風險，芝加哥商業交易所十分重視交易相關的風險控制問題。在過去的30多年中，該所已經形成了一整套行之有效的風險管理體系。保證金是芝加哥商業交易所風險控制制度的核心要素之一。
(1)芝交所關于金融衍生品交易的風險控制制度，以交易所監管清算會員負責內部和客戶賬戶風險控制的二元風險管理制度為基礎。交易所根據聯邦期貨監管委員會條例和內部管理章程對所有清算會員實行風險防范管理；清算會員則根據交易所相關業務章程和內部控制制度對自己和客戶賬產業務風險進行管理。
(2)通過逐日盯市制度及時調整清算會員和客戶保證金是交易所控制風險的主要制度安排。交易所根據市場交易行情變化即時調整(增加)日中盯市清算頻率。這是防范清算會員和客戶風險擴大的有效措施。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險累積擴大的幅度，從而為防范交易所范圍內出現體系性風險奠定了堅實的制度基礎。
(3)交易所通過按期核準清算會員最低凈資本金標準和財務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交易所股份、向交易所存繳安全存款準備金，并要求清算會員根據客戶賬戶交易和持倉規模繳納和調整賬戶維持保證金的辦法，控制清算會員和客戶交易風險。這種風險控制制度不僅要求清算會員對自己和客戶風險進行有效控制，而且交易所和清算會員之間建立了事實上的風險控制利益共同體。這是芝交所有效防范交易風險的重要制度保證。
(4)芝交所集多年金融衍生品交易風險管理的經驗研究開：發的標準組合資產風險分析系統(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險值的匡算，以及實現交易風險實時監控，都有著不可替代的優勢。
(5)作為芝交所金融衍生品交：易風險控制的重要組成部分，清算會員對客戶風險的監控需建立在有效的事前、事中和事后監管制度。事前控制的必要組成部分包括，會員下單核實、風險管理和定單管理的內容。會員下單核實主要包括對交易雙方身份的認定、下單內容的審核等內容。風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控指標。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補足保證金。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，并及時把相關信息轉遞到中后臺。在有效防范風險的基礎上，兼顧市場交易效率和風險管理目標也是風險控制制度建設的重要參照指標。
風險分析和控制系統
風險分析和控制系統(SPAN)由芝交所于1988年設計開發并執行。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制。
SPAN的主要功能有三個：在一組給定風險參數下，給定的投資組合的最大可能損失是多少；SPAN根據保證金設定機構(通常是交易所或清算組織)設置的風險參數，通過計算標準投資組合所能承受的最大損失來評估投資組合的風險；保證金設定機構對保證金參數和保證金保險范圍有完全的控制權。
保證金的計算
SPAN在投資組合水平、清算水平和混合水平上，在盡可能廣泛的產品的基礎上計算保證金。SPAN提供的詳細的投資組合信息包括保證金數據、投資組合價值、詳細頭寸。
SPAN掃描風險――風險矩陣
SPAN對于每一個合約，都有一個多重(通常為16)風險矩陣。每一個矩陣上的點代表著特定市場假定下，合約發生的潛在的收益或損失。投資組合里的每一頭寸都將和風險矩陣進行組合，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。風險矩陣中有最大損失的那個點代表的風險就是投資組合的價格掃描風險。在掃描風險范圍內的潛在的價格上升或下跌以及在掃描風險變動率范圍內的期權變動率的上升或下跌的組合，形成SPAN系統中的每一個市場假定。
CMEl6個市場假定條件如下：價格不變，數量上升；價格不變，數量下降；價格上升1／3，數量上升；價格上升1／3，數量下降；價格下跌1／3，數量上升；價格下跌1／3，數量下降；價格上升2／3，數量上升；價格下跌2／3，數量下降；價格下跌，數量上升；價格下跌2／3，數量下降；價格上升1倍，數量上升；價格上升1倍，數量下降；價格下跌1倍，數量上升；價格下跌1倍，數量下降；極端市場變動，價格上升3X，覆蓋部分數量不變，極端市場變動，價格下跌3X，覆蓋部分30％數量不變。
SPAN分析過程
SPAN首先估計每一種商品的直接市場風險(價格掃描風險)，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險，即跨月價差風險；
■針對可能存在的流動性(交割性)風險附加的額外費用，即交割風險；
■如果投資組合中含有期權空頭頭寸，計算期權空頭的最低風險；
■加總價格掃描風險、跨月價差風險和流動性風險；
■比較加總后的數額同期權空頭最低風險的大小。較大者作為組合商品的風險值。
然后，比較不同商品組合之間風險值的價差抵扣。
最后，保證金要求將所有商品組合的風險加總后減去不同商品組合之間的風險信用抵扣。
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不是軟件開發商，且無此先例。
保證SPAN運行的一個關鍵點是必須向SPAN輸入特定格式的數據，即輸入SPAN文件，才可能輸出保證金計算結果以及其他風險計算結果，據了解，交易所層面運行SPAN有以下三種途徑：一是購買PC－SPAN軟件，同時開發能生成SPAN文件的軟件或者從芝所下載相關SPAN文件。開發能生成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，此時只需開發接口，將本交易所清算系統的數據通過接口傳至SPAN風險管理
清算系統，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，清算二十一系統可以生成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)。
國內金融衍生品交易的監管環境
健全我國相應的金融法規，相應完善金融衍生產品交易的監管體制是我國衍生品市場能夠實現高效和有序發展的必要條件。
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管。其相關監管法規主要包括《國務院關于堅決制止期貨市場盲目發展的通知》(1993)、《國家外匯管理局關于金融機構辦理自營外匯買賣業務的管理規定》(1993)、《中國人民銀行遠期結售匯業務暫行管理辦法》(1994)、和《國有企業境外期貨套期保值業務外匯管理操作規程》(試行，2001)。
第二，中國證監會統一監管期貨交易市場。其相關監管法規主要包括《關于嚴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)、《期貨從業人員資格管理辦法》(2002)、《期貨交易所、期貨經營機構、信息技術管理規范》(2000)、《期貨經紀公司管理辦法》(修訂，2002)、《期貨經紀公司高級管理人員資格管理辦法》(修訂，2002)、《國有企業境外期貨套期保值業務管理辦法》(2001)等等。這些法規主要針對期貨交易所、期貨經紀公司及其從業人員的所有市場行為進行監管。
第三，中國銀行業監督管理委員會負責對金融機構衍生產品交易的監管。其相關監管法規主要包括《中國商業銀行法》(修改，2003)和《金融機構衍生產品交易業務管理暫行辦法》(2004)等。大部分中小金融機構目前還不具備銀監會《金融機構衍生產品交易業務管理暫行辦法》的條件。
此外，中國期貨行業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《最高人民法院關于審理期貨糾紛案件若干問題的規定》處理有關期貨交易的糾紛。
從健全我國金融外匯衍生交易法律環境的需要．出發對衍生交易場內市場進行重新立法，對期貨交易所的法律性質重新定位，允許交易所以公司制形式運營。同時，降低進入衍生交易所的準入門檻，制定對市場交易行為管理的規定，對外匯衍生交易中的糾紛和仲裁進行立法。借鑒西方發達國家的經驗，在法律規定的范圍內，制定包括金融衍生品交易在內的統一的行業協會自律和從業人員管理相關規定。
國內相應風險管理制度建設的建議
首先，結合國內有關市場風險管理的經驗，同時參照國際市場成熟風險控制制度和實際業務做法，從審慎發展國內銀行間金融衍生品交易需要出發，自主進行相關風險管理制度建設。從目前實際出發，建議在金融衍生品交易風險管理制度中，堅持“事先原則”和“充分原則”。
【關鍵詞】財務管理 風險投資 風險評估 風險控制
一、企業風險投資的概念及基本特征
（一）企業風險投資的概念。
企業的風險投資又被稱作創業投資，主要是指企業為了促進行業高科技的產業化發展，以股權資本的形式將資金專門投向存在著較大失敗風險的高新技術開發領域，并期待成功后能通過股權的轉讓來獲得較高資本的收益的一種投資行為。
（二）風險投資的基本特征。
1. 風險投資是一種具有較大風險的投資
風險投資主要支持的是高新科技、產品的創新，所以在技術、市場、經濟等方面存在著巨大的投資風險，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，很多企業仍樂此不疲地進行風險投資，其仍舊吸引著全球各企業的目光。
2. 風險投資是一種典型的組合型投資
很多成功的風險投資案例證明，如果采取組合投資，將是企業風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、一個企業中，而是將投資均衡的投放在不同的企業和企業不同的發展階段和項目中。這種分散式的組合投資將投資的風險成功的進行了分散，即使有一部分項目失敗，也不會引起資金大規模的損失。反之，如果有一部分項目成功，則可以彌補其他項目失敗所帶來的損失。企業也可以只投入所需資本的一部分，不必承擔全部投資，這樣可以避免企業孤注一擲。
3. 風險投資屬于一種長期投資
一般的風險投資要經歷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不斷的進行增資投資，因此，風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行評估，在后期的發展階段也要做好跟蹤。
4. 風險投資屬于一種權益性投資
風險投資的本質并不是借貸資金，而是一種明顯的權益資本投資。投資的著眼點并不在于投資對象當前的盈虧上，而是在于對投資企業或項目的發展前景或資產的增值上。這樣做的目的主要是希望通過對投資企業的上市或出售轉讓變現而取得高額的回報。
5. 風險投資是一種非常專業的投資
企業的風險投資并不是單純的向投資企業的創業者提供資金，而是企業的投資者憑借自己積累的豐富學識、經營管理經驗、廣泛的社會關系等向投資企業提供這些資源。投資人需要有這方面的專業知識、管理手段以及一定的財務知識，并積極參與企業的創業，與企業的創業者共同創辦企業的經營管理，幫助企業的創業者取得經營的成功。
二、投資風險評估
（一）風險報酬率。
風險報酬率是指投資者因承擔風險而獲得的超過時間價值率的那部分額外報酬率，即風險報酬與原投資額的比率。風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險報酬率之和。
（二）單項投資風險報酬率的評估。
單項投資風險是指某一項投資方案實施后，將會出現各種投資結果的概率。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期的收益，在事前是無法確定的，這就是單項投資的風險。除國庫券投資外，其他所有投資項目的預期報酬率都可能不同于實際獲得的報酬率。對于有風險的投資項目來說，其實際報酬率可以用如下標準來進行衡量：
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計算的平均報酬率，又稱為預期值或均值。它表示在一定的風險條件下，期望得到的平均報酬率。
2.方差、標準離差和標準離差率
（1） 方差
按照概率論的定義，方差是各種可能的結果偏離期望值的綜合差異，是反映離散程度的一種量度。
（2）標準離差
標準離差則是方差的平方根。在實務中一般使用標準離差而不使用方差來反映風險的大小程度。一般來說，標準離差越小，說明離散程度越小，風險也就越小；反之標準離差越大則風險越大。
（3） 標準離差率
標準離差是一個絕對指標，作為一個絕對指標，標準離差無法準確地反映隨機變量的離散程度。解決這一問題的思路是計算反映離散程度的相對指標，即標準里差率。標準里差率是某隨機變量標準離差相對該隨機變量期望值的比率。
3. 風險價值系數和風險報酬率
標準離差率雖然能正確評價投資風險程度的大小，但還無法將風險與報酬結合起來進行分析。因此我們還需要一個指標來將對風險的評價轉化為報酬率指標，這便是風險報酬系數。
（三）投資組合風險報酬率的評估。
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平均數，其權數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。在統計學測算投資組合中，協方差和相關系數是任意兩個投資項目報酬率之間變動關系的指標，這也是投資組合風險分析中的兩個核心概念。
（1）協方差
協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險的統計量。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險。
（2）相關系數
為了使其概念能更易于接受，可以將協方差標準化，將協方差除以兩個投資方案投資報酬率的標準差之積，得出一個與協方差具有相同性質但卻沒有量化的數，我們將這個數稱為這兩個投資項目的相關系數（correlation coefficient）。
三、企業風險投資的控制對策
投資風險的控制是企業風險管理人員在經過對風險的分析評估后，針對企業所面臨的不同風險而采取的相應控制風險的措施，從而降低企業的預期損失。
（一）風險的避免。
在風險投資管理中，風險的避免是一種較為消極的方法。高風險伴隨著高收益，風險的避免也意味著可能損失這一部分風險所帶來的收益。其方式主要是通過對風險源的中斷來徹底消除某一風險造成的損失和一些潛在的負面影響。在現實中，風險避免將受到大自然、國內外政策等很多因素的影響。另外，在避免這一風險的同時，很有可能帶來了其他風險的發生。
（二）風險損失的控制。
損失控制主要是指在發生風險之前對企業的投資過程中的某些方面進行調整或重組，以便降低企業投資損失的發生。一般情況下，企業可以采取改變企業的投資風險因素、改變風險因素所處的環境、改變風險因素與所處環境的相互作用機制等措施來完成對風險損失的控制。
（三）風險轉移控制。
風險轉移是一種風險控制的基本方法，主要是指企業將自己不愿意承擔的分先以某種方式轉移給其他單位或個人的一種風險管理措施。它主要包括：風險的保險轉移、風險的非保險轉移。風險的保險轉移主要將風險轉移給保險公司。風險的非保險轉移有控制型風險的轉移和財務型風險的轉移。企業實施風險的控制轉移主要的方法為：出售買賣合同，將風險轉移到其他單位或個人。在轉移的過程中切忌那些無節制的、無限度的不道德行為，必須通過合理合法的手段進行風險的轉移。
（四）財務控制策略。
企業的風險投資控制還可以通過經濟手段進行處理和控制。設計良好的財務管理制度，在投資前期進行財務評價，在投資跟進期間實行動態財務管理。加強管理手段，在具體實踐中實行縱橫交叉的網絡式管理，主要有以下幾種方式：財務經理雙任聯簽制、財務經理單任制、記賬制、中介機構審計的方式和數據庫管理方式。
四、結論
大量事實表明，做任何投資都有風險，風險本身并不可怕，可怕的是不知道如何規避風險；風險投資企業從事高風險項目可以帶來高收益，關鍵在于對風險的管理。企業應加強風險投資財務管理，做好風險評估，從源頭上規避風險，在跟進中降低風險，為企業謀取最大的利益。在政府的直接推動和社會各界的廣泛關注和參與下，我國的投資事業已經進入了高速的發展時期。例如新浪這些優秀的企業的造就，使得風險投資成為我國高新技術企業進一步發展的源泉動力。雖然，我國的風險投資發展沒有國外成熟，仍舊處于起步階段，但是我國的風險投資事業正朝著蓬勃的勢頭發展。
參考文獻：
[1]龔琳.我國風險投資的發展及其對策[J].中國集體經濟，2010，（12）.
[2]高囡囡，張曉梅，伍萌.關于風險投資的分析與思考[J].中國市場，2010，（26）.
[3]何佳.淺析我國風險投資現狀及發展對策略[J].特區今天幾點，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，因而金融市場的風險也就越來越高。金融市場間的關系更是變得日趨復雜，更多的呈現出非線性、非對稱和厚尾的特性，金融波動和危機的頻繁出現使聚合風險管理和金融市場間相依關系分析成為國內外關注的焦點。
現階段最常使用的風險度量指標是20世紀90年代J.P.Morgan和G30[1]集團提出的VaR（Value at Risk）方法，VaR旨在一定的置信水平下，估計金融資產或組合受市場因子波動影響，而在未來特定的一段時間內的最大可能損失。嚴格的說，VaR描述了在一定的目標期間內收益和損失的預期分布的分位數。如果c代表置信水平，VaR對應的是較低的尾部水平1-c。可表示為：
其中，表示某事件的概率，表示資產或資產組合在持有期內的損失，c為置信度水平。在最近這些年VaR作為金融風險度量工具得到了廣泛的應用，然而，研究發現VaR不具有次可加性和一致性的風險度量，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R為持有期內資產或者資產組合的損益，并假設R的累積分布函數F（r）（CDF）是連續的，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分位數。假設表示R的概率密度函數，那么置信水平為1-c下的ES可以定義為：
式中，為示性函數。ES實質上是將資產價值r乘以權重的從-到0的積分，這樣它就把超過VaR水平的損失部分考慮進去了。從經濟意義上講，ES就是指當損失超過VaR時的平均損失。由于它同時具有了次可加性和一致性，是一個較好的風險度量工具。Rappoport（1993）[4]第一次在金融行業中用它來做風險管理的一個工具，后來ACerbi（1997）[3]等人證明了該方法是一個一致性的風險度量工具。
同時，通過引入Copula函數度量資產組合集成風險的方法已經越來越成熟。Schweizer和Sklar最早提出Copula函數的概念及其它的一些性質。后來Sklar指出了Copula函數可以把具有不同類型邊緣分布函數連接起來，并且能抓住它在風險管理應用中的本質特征（例如：尖峰厚尾性）；Emberchts等第一次把該方法引入到金融類相關研究之中。許多研究學者在他們的基礎上做了很多有意義的研究。例如：Breymann等人研究表明了學生t-Copula的經驗擬合比高斯Copula優越很多；Ceske，Hemandez（1999）提出可以將Copula函數與MonteCarlo技術結合計算相關損失；MATTEIS對Archimedean Copula做了很好的總結。
在我國，Copula函數方法在金融上的應用才剛剛起步，且其中絕大多數文獻做的是介紹性、引入性的研究。最早見的是張堯庭（2002）提出Copula函數在金融風險領域大有可為；史道濟利用Copula函數研究外匯組合的相關性；司繼文（2004，2005）分別將Copula函數應用于國內外的股票市場和期貨市場；韋艷華、張世英（2004）將GARCH模型應用于Copula函數，來度量金融時間序列的自相關結構。前人的研究主要集中在利用Copula函數對股市或資產組合的相關性研究。而韋艷華（2004）利用GARCH模型擬合正態Copula函數的邊緣分布，然后運用Monte Carlo仿真技術計算投資組合的VaR。
本文創新一是采用GARCH或者EGARCH模型來擬合t-Copula函數的邊緣分布，克服了傳統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使用GARCH下和本文采取的方法下的風險值，研究表明本文提出改進的思路對風險估計更為準確。改進二在于對于風險衡量的指標不是僅僅采用VaR，而是利用VaR與ES雙監管的風險度量方法，克服了傳統風險度量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險為出發點，運用Monte Carlo仿真技術計算投資組合的VaR以及ES，具有很強的實用價值。
2.GARCH或者EGARCH收益率分布模型
對于某一金融資產，投資者最想知道的是將來某個時刻該資產收益率的信息。由于金融資產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GARCH模型不能刻畫出，因此，本文對不存在杠桿效應的收益率序列采用GARCH模型擬合資產收益率的特征，對存在杠杠效應的收益率序列采用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）模型的基礎上改進提出的，它考慮了壞消息和好消息對波動性不同的影響。
假設投資組合中有d種金融資產，對于資產i，直接根據最近的n期歷史收益率數據（t=1，2，…，n）運用GARCH其中EAGCH模型中條件方差采用自然對數形式，意味著非負，且杠杠效應為指數型的。模型中引入了一個重要參數，若，說明信息作用非對稱，存在杠杠效應。為第i個資產收益率序列；為的條件均值項；v是t分布的自由度。為待估參數；隨機擾動項服從均值為0，方差為1的標準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）。
假定利用觀察資產收益率歷史數據樣本可以得到，在估計出參數后，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，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據估計出GARCH模型的各個參數，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函數的參數估計
在資產分配、衍生品定價和風險管理等許多金融領域中，有關風險因素之間的相關性度量及其重要。許多文獻中常采用多元正態函數，然而各種金融資產的收益率之間一般并不符合多元正態分布的假設，為此，本文使用Copula函數來解決這個問題。
由Sklar定理可知，對于一個具有邊際分布函數為（）的金融資產的聯合分布函數F，一定能找到一個Copula函數C，使得：
如果所有的邊際分布函數都連續則從上式定義的Copula函數是唯一的。從上式可以計算得出Copula：
其中，
文獻表明，t-Copula能更好地刻畫各個金融資產的尾部相關性，本文研究的是t-Copula連接函數分布。
其中，表示相關系數矩陣為R，自由度為v的維標準t分布函數，表示自由度為v的單變量標準t分布函數的反函數。Copula模型為：
參數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，自由度參數為的正規化t分布函數，即：
式中是伽馬函數。由于t-Copula的密度函數對任意維數都不是一個簡單的形式，本文根據t-Copula函數形式使用matlab工具估計其參數，過程如下：
（1）把資產收益率數據通過概率積分變換轉化為一致分布；
（2）用對數似然函數法估計學生t-Copula的參數：
此處的copula函數c為公式（4）給出的；
（3）令，此處是單變量累積標準正態分布函數；
4.利用模特卡羅模擬資產組合的VaR和ES
根據EMBRECHTS關于利用t-Copula函數模擬隨機變量的方法，多次模擬資產組合資產收益率的隨機擾動項。具體模擬步驟為：
（1）由上述估計出的隨機擾動項的相關系數矩陣R，對其進行Cholesky分解。
（2）根據標準正態分布，模擬d個相互獨立的隨機變量，。
（3）產生與Y相互獨立的變量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）根據得到聯合分布為，連接函數為的d維隨機擾動項。
（8）根據EGARCH或GARCH模型，得到金融資產收益率的條件均值和條件方差，然后根據隨機波動方程，得到資產組合的資產收益率向量。
（9）給定資產在投資組合中的權重，計算投資組合收益R的值。
（10）重復上述過程5000次，模擬得到其經驗分布，容易求出VaR和ES的值。
5.實證研究
（1）數據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（對空缺數據已做處理）交易日的收盤價作為原始數據，計算出每只股票的對數收益率，并根據公式（1）、（2）估計出每只股票的邊際分布，利用AIC準則、SC準則和杠桿系數檢驗可以得出萬科A、蘇寧電器、中興通訊、格力電器、吉林敖東存在杠杠效應，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的估計和擬合效果的評價。參數估計結果見表2和3：
其中，表2、3中括號的數據表示相應t統計量的估計值。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資產的邊緣分布。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函數參數估計和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函數參數的方法，估計得出其t分布的自由度DOF=7.5848和各自的相關矩陣（表4、表5）。
由上述結果可知，僅僅采用GARCH擬合邊緣分布使得各個資產之間的相關系數整體性的變小。從而可以推斷出可能會導致風險的低估，從而對準確度量基金風險存在一定的影響。進一步的風險值比較分析可見表6、表7。
按照表1的投資比例，假設投資者處于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：
假設資產持有期從t時刻到t+1時刻，置信水平選擇95%和99%進行估計。根據本文的Copula-GARCH（EGARCH）模型，運用t-Copula函數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確估計風險更進了一步，比較而言傳統方法只使用GARCH模型擬合邊緣分布導致了單個資產和資產組合的風險值都偏小。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的風險值都比其他個股風險值偏離程度更大，說明采用EGARCH模型針對特定（存在杠杠效應）金融序列擬合效果更好，風險估計更為準確。
單獨分析表6可以看出，在投資額一定的情況下，基金的風險值要比單個資產進行投資的風險值小，可見該基金選擇的各個股票之間的相關關系有較大差別，說明投資組合可以大大降低投資風險。從VaR和ES的風險值看，ES都大于VaR，說明ES比VaR度量風險更為保守，也說明了VaR在度量風險上存在計算風險值偏低的現象，這樣對基金控制風險和減少資產損失極為不利，特別是當極端事件發生時，資產組合的風險值與實際值就會發生偏差。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.結論
本文為了描述特定資產具有非對稱性的特征，通過對資產收益率進行EGARCH建模，對不存在杠杠效應的資產仍使用傳統的GARCH模型，這與Copula可以連接具有不同邊際分布的函數的相關關系相符，同時考慮到VaR度量風險的不足，引入了ES一致性風險度量，通過t-Copula函數和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基金風險度量的實證研究可以看出，有的金融資產收益率序列可能存在杠杠效應；而且VaR的確存在低估風險的不足；同時也得出了風險值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間非正態非線性非對稱的相關性?；谠撃Ｐ偷娘L險度量方法可以為我們基金管理公司評估和管理資產組合的市場風險，從而有利于公司控制和減少資產損失提供一定的參考作用。
參考文獻
[1]張堯庭.連接函數(Copula)技術與金融風險分析明[J].統計研究,2002(4):48-51.
[2]史道濟,邱男.關于外匯組合風險相關性的分析[J].系統工程,2005,23(6):90-94.
[3]司繼文,蒙堅玲,龔樸.國內外期貨市場相關性研究田[J].華中科技大學學報,2004,21(1):16-19.
關鍵詞貨幣市場基金風險控制方法
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、商業票據、大額可轉讓存單、回購協議、銀行承兌匯票等貨幣市場工具。
1我國貨幣市場基金的發展現狀及特點
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起管理的首批三只貨幣市場型基金獲準設立。到2004年4月12日，已經設立的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，暫時設定為短期債券（含央行票據）、銀行存款和回購協議，但隨著貨幣市場的逐漸發展，此類基金將來可投資于大額轉讓存單、銀行承兌匯票、經銀行背書的商業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來看，主要特點有：
（1）基金單位的資產凈值是固定不變。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好壞的標準。這與其他基金以凈資產價值增值獲利不同。
（3）流動性好、資本安全性高。這一優勢主要來源于基金所投資的對象的特點，同時，投資者可以不受到日期限制，隨時可根據需要轉讓基金單位。
（4）風險性低。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用，并且其管理費用也較低，貨幣市場基金的年管理費用大約為基金資產凈值的0.25％～1％，比傳統的基金年管理費率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金，以應付客戶的日常贖回。即使在發生較大規模的贖回時，也可以通過在貨幣市場迅速變現自己的短期有價證券來獲取現金以滿足客戶要求。
2貨幣市場基金的風險分析
2.1貨幣市場基金的系統風險
貨幣市場基金的系統風險是指基金投資于貨幣市場必須承受的其外部發生的，非基金本身所能控制的來自政治、經濟、政策、法規的變更等所導致的市場行情波動而產生的投資風險。
（1）利率風險。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凈值是固定不變的，衡量其表現好壞的標準是收益率，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，利率風險也因此產生。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）資金轉移風險。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，如果設立貨幣市場基金，銀行存款可能就會出現轉移。如果商業銀行在貨幣市場基金中不扮演基金管理人的角色，銀行的經營業務將受到直接影響。資金轉移的另外一種風險是，資本市場和貨幣市場的相對走勢將導致資金的流動。資本追求最大化的收益，當貨幣市場和資本市場收益出現差異時，貨幣市場基金就有動力超越有關限制，資金在貨幣市場和資本市場之間的不正常流動就會出現，這需要行業自律的提高和監管的強化。
（3）政策風險。這是由于國家政策的變動而引起的投資人的損失，同時也是國內發展貨幣市場基金的一個特色風險。我國金融體系是分業經營、分業監管，最后貨幣市場基金到底由誰來監管，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展，貨幣市場參與者是否足夠廣泛、投資工具發展是否充分、利率市場化改革的進展狀況、貨幣政策執行是否具有獨立性等，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。
2.2貨幣市場基金的非系統風險
非系統性風險是由于局部因素造成的風險，是貨幣市場基金自身經營管理所帶來的風險，基金本身可以通過一定的方法避免。
（1）道德風險。貨幣市場基金實質上是契約的組合，是多數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用基金資產。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“道德風險”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）信用風險。又稱違約風險，是指企業在債務到期是時無力還本付息而產生的風險。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發行的商業票據占其基金投資組合的一定份額。企業發行的商業票據由于受自身的規模、信譽、業績和經營歷史等因素的影響，他們的商業票據質量有所不同；某些企業一旦遇到經營環境惡化，經營業績不佳，凈現金流銳減，此時發行商業票據的企業就存在到期無法兌付的風險。如果貨幣市場基金的投資組合中這類資產所占份額較大，必然影響到基金的收益，表現出一定的資本損益風險。
（3）流動性風險。流動性風險是指金融資產持有者按價值出售資產的難易程度。對貨幣市場基金而言，流動性是指基金經理人在面對贖回壓力時，將其所持有的資產———投資組合在市場中變現的能力。基金經理常常面對兩大流動性風險：一是所持有資產在變現過程中由于價格的不確定性而可能遭受損失；二是現金不足，難以滿足投資人的贖回要求。所以一旦基金出現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又不敷支出時，貨幣市場基金必將面臨嚴重的被動局面。
（4）經營風險。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，基金內部監控也可能失靈，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、風險狀況很大程度上取決于基金投資顧問的專業水平。投資顧問的專業技能及其業績檔案能提供下面一些重要信息：即基金的投資策略和風險控制度能否被堅持；基金對未來的機會或嚴峻的形勢將作何反應；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貨幣市場基金的風險控制
3．1外部環境的治理
（1）制定相應的法律法規。法規制定應當先行，應明確貨幣基金的設立原則、各方當事人間的關系、貨幣基金的投資領域、管理原則、分配制度以及違規處罰措施等，特別是要嚴格禁止貨幣基金投資股票、中長期債券、房地產以及實業領域。
（2）大力發展貨幣市場工具。眾所周知，投資品種的多樣化，對于降低投資組合的風險具有相當重要的作用。從我國當前貨幣市場的發展情況來看，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險，從而降低了它的靈活性。因此，我們應在進一步完善信用制度的基礎上，鼓勵發展貨幣市場工具。
（3）實施制度創新，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、財務公司、基金公司以及大企業進入貨幣市場，以進一步壯大貨幣市場交易主體，活躍市場交易。其次，引入貨幣市場經紀商，提高貨幣市場的流動性。
3．2內部環境的治理
（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其基金賬戶的資產凈值予以簽發支票，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組合中應保有相應量的現金性資產，更為重要的是應持有必要量的短期國庫券。因為能夠形成大規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金的準現金性資產。同時，與持有基金較大份額的投資者經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的凈值與收益水平，允許投資者隨時根據各自的需求，按公布的資產凈值自由進出貨幣基金。為此，基金管理人應當與托管銀行密切合作，將商業銀行的網絡作為投資者進出貨幣基金的窗口。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需要在兩個賬戶間快速流動。
（3）特別的內控程序。①估價。準確的估價是維持一個穩定的基金凈值的重要因素。應定期（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。當發現偏離度超過0.25％之時，基金應該啟動應急處理程序，通過適當的處理方法降低偏離度，如賣出對偏離度貢獻最大的品種等；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平均到期日（WAM）的影響，同時考慮在證券購買時可能發生的意外贖回。此外，還應對單個證券和投資組合進行壓力測試，評估在發生較大的利率變化時證券價格的敏感性。
目前，我國經濟又處于轉軌時期，市場發育不健全，各種金融法規和制度有待完善，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險，并積極加以防范，保持基金的收益與風險的同步。
參考文獻
1張亦春．現代金融市場學[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，2004(3)
3田啟偉，馬建國．貨幣市場基金及其風險分析[J].武漢冶金管理干部學院學報，2004(1)
關鍵詞：證券市場；風險管理；VaR
中圖分類號：F83文獻標識碼：A
20世紀七十年代以來，隨著全球經濟活動的日趨國際化，金融創新尤其是金融衍生工具的迅猛發展，使得金融市場的波動性日益加劇，金融風險不斷加大。日趨嚴重的金融風險不僅影響了微觀經濟主體的正常運營，而且還對整個金融與經濟體系的穩定性構成了威脅。為了有效地控制和降低金融風險，各種風險管理方法相繼出現。20世紀八十年代末，JP摩根的風險管理人員研發出一種能夠度量不同交易、不同業務部門的市場風險，并將這些風險體現為一個數值的風險度量方法，這就是VaR方法。隨著VaR技術的日漸成熟，VaR方法得到了世界各金融機構及金融監管機構的廣泛認可和支持，巴塞爾委員會允許金融機構采用標準化方法和內部模型法來度量市場風險，其中就是以VaR作為內部模型的核心技術。
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、風險價值等，它是指在一定置信水平和一定持有期內，某一金融資產或組合在正常的市場條件下所面臨的最大損失額。更嚴格地說，VaR描述了在一定的持有期內收益和損失的預期分布的分位數。用數學公式可以表示為：
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VaR的定義，它是指在未來24小時內該有價證券在正常的市場條件下，發生大于100萬元虧損的可能性為5%。
（二）VaR方法的優點
1、VaR方法是建立在概率論和數理統計的基礎之上的，為全面綜合地度量市場風險提供了規范的計量技術，它摒棄了主觀判斷的隨意性，能夠更加準確地計量金融機構所面臨的風險狀況，不僅具有很強的科學性，同時又表現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險的統一框架，VaR適用于衡量包括利率風險、匯率風險、股票價格風險以及商品價格風險、衍生金融風險在內的各種市場風險，金融機構可以定期地計算VaR值以概括反映整個金融機構的風險狀況，這有利于金融機構對風險進行統一的管理，也使得風險度量的結果具有可比性，對金融市場的穩定和現代金融風險管理的發展具有重要意義。
3、VaR方法不像以往的風險管理方法只是在事后衡量投資組合風險的大小，它可以在事前計算投資組合的風險，這樣投資者就可以運用VaR的方法，動態地評估和計量所持有的資產組合的風險，選擇在相同的風險條件下能夠帶來最大收益的組合，以分散和規避風險，提高運作效率和資產收益。
（三）VaR方法的缺陷
1、VaR方法沒有考慮尾部風險。本質上，VaR只是告訴我們在特定分布中對應一定置信水平的分位數是多少，并不能告訴我們分位數左側的分布狀況，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，假設對應99%置信水平下的日VaR為1，000萬元，即未來還有1%的可能性會出現最大損失超過1，000萬元的情況，如果這種情況發生，具體會損失多少，這可能是人們更為關注的問題，因為這種小概率事件一旦發生，將會帶來災難性的后果。
2、VaR方法可能存在數據不充分或者失真的風險。VaR分析方法是依賴于歷史數據的。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、真實的可用數據。
3、VaR方法還可能存在模型風險。VaR方法的運用建立在大量的模型基礎之上，因此模型的選擇、操作及參數估計方面如果出現錯誤，將給VaR的計算帶來風險，也使得VaR不能很好地度量金融風險。
二、VaR的獲取方法
計算VaR的關鍵在于確定證券或組合的未來損益的統計分布或概率密度函數，但是直接獲取未來損益的分布是幾乎不可能的事，因此，VaR的獲取通常要經過下述分解過程：第一步，識別市場風險的因子，將資產表示為市場因子的函數，這一過程通常稱為映射；第二步，預測市場因子的波動性；第三步，根據市場因子的波動估計資產的價值變化及其概率分布，這一過程也成為盯市；第四步，根據給定的置信水平和持有期，計算得出VaR。
根據對風險因子及其與資產價值之間關系的不同處理方法，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制未來、歷史數據可獲得且完整有效的隱含前提下，利用歷史數據集，將過去已經實現的收益率分布或市場變量分布應用于目前的投資或組合，據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。樣本數據選擇2008～2009年每個交易日的收盤價，共482個數據，然后根據公式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中將序列中的數據按照升序排列，找到對應的第482×1%=4.82個數據（謹慎起見，使用第4個數據），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資產價格或市場變量的變化服從于某個隨機過程，通過模擬該隨機過程，就可以得出在給定時間點上投資組合的價格或市場變量的估計值。不斷重復該模擬過程，就可以得到一系列估計值。如果重復的次數足夠多，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，就可以進一步估計出組合“真實的”風險價值。
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模型，確定模型參數，以模擬價格變化的時間路徑。第二步，產生一個虛擬的隨機變量系列?著i，i=1，2，…，n，由此計算出價格序列。第三步，根據特定的價格序列計算目標期末的資產價值，盡可能多地重復第二、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，通過分位數就可以計算出VaR。
（三）方差-協方差法。方差－協方差法的基本思路是：首先假定要考察的隨機變量服從于某種參數分布，如正態分布、泊松分布等，然后借助于分布參數，如均值、方差等直接計算出VaR。
以正態分布為例，方差-協方差法的基本步驟是：假設資產收益率服從于一般正態分布R=f（r）～N（μ，σ2），然后借助于正態化轉換，轉換成標準正態分布Φ（ε）～N（0，1）：
三、VaR方法在我國證券市場風險管理中的實證分析
滬深300指數選取了滬深兩市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指數每日的收盤價作為樣本，樣本數為484。下面，分別運用歷史模擬法、蒙特卡羅模擬法和方差―協方差法計算價值為100萬元的滬深300指數投資在99%的置信水平下的單日VaR值。
（一）歷史模擬法。根據歷史模擬法的基本原理，進行以下的計算步驟：
1、由原始樣本數據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、找到對應的第484×1%=4.84個數據（謹慎起見，用第4個數據），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性，由結果可知DF=-1.860199，大于10%水平下的臨界值，因此可知該序列是非平穩的。
2、利用EVIEWS軟件中的相關性檢驗來判斷序列的自相關性。選擇價格序列的一階差分（P=Pt-Pt-1）和30天的滯后期。由結果可知，滬深300指數收盤價的一階差分序列不具有相關性，即其分布具有獨立性。我們可以得出如下結論，滬深300指數的收盤價格服從隨機游走，即Pt=Pt-1+εt。
3、利用EXCEL軟件做蒙特卡羅模擬，模擬次數為10，000次，首先產生10，000個隨機數，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，即價格在下一天的波動范圍為（-313699313699），故隨機數的函數式為：Randbetween（-313699313699），生成的數即為我們需要的股價隨機變動數εt。然后獲取模擬價格序列：模擬價格=P0+隨機數/1000。再將模擬后的價格按照升序重新排列，找出對應99%的分位數，即10000×1%=100個交易日所對應的數值：2，829.944，于是可計算出VaR=100×（3136.99-2829.944）÷3136.99=9.79萬元。
（三）方差-協方差法
1、利用EVIEWS軟件對樣本數據進行處理，分別獲取簡單收益率和對數收益率的分布圖。（圖1、圖2）標準正態分布的偏度為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。由輸出結果可知，二者均呈現出“尖峰厚尾”的特征。相對而言，對數收益率更接近于正態分布。
2、根據VaR的計算公式，可求得VaR=2.33×0.018998×100=4.43萬元。
四、結束語
我國的金融市場還是一個處于發展中的新興市場，在我國金融市場和金融機構快速融入金融自由化和全球化趨勢的過程中，隨著金融創新的蓬勃發展，市場風險必將隨著金融市場的發展而逐漸加大。將VaR的方法引入我國，不僅能夠為金融機構和投資者提供一種有效的市場風險管理工具，而且能夠為中央銀行、證監會等金融監管部門提供一個風險管理的標準，有助于我國金融機構內部風險管理和外部監管技術跟上世界金融發展的潮流，對于我國的金融風險管理技術來說，具有重要的意義。
（作者單位：安徽大學經濟學院）
主要參考文獻：
[1]陳燕玲.金融風險管理[M].安徽大學出版社，2008.
[2]王春峰.金融市場風險管理[M].天津大學出版社，2001.
【關鍵詞】上證綜指；恒生指數；Copula函數；尾部相關性
1.引言
多元分布函數是描述隨機變量相關性的最基本方法，但傳統的多元分布函數在實際應用中存在：變量較多時函數的解析式很難處理，并且存在一定的約束條件，不僅要求各個邊緣分布函數類型相同，而且要求邊緣分布函數的類型和多元分布函數的類型一致等問題。事實上，金融市場的邊緣分布函數一般不是服從同一類型分布。這使得傳統的多元分布函數很難在分析金融市場相關性中得到廣泛的應用。由Sklar定理知，可以通過Copula函數構造靈活的多元分布函數，從而掌握金融市場之間的真實相關性，并且由Copula函數導出的相關性測度不僅可以捕捉隨機變量間的非線性、非對稱相關性，還可以更容易地刻畫分布的尾部相關性。
Copula理論可以將一個聯合分布分解為k個邊緣和一個Copula函數，這個Copula函數描述了變量之間的相關性[1]。由此可看出，Copula函數實際上是一種將聯合分布函數與它們各自的邊緣分布函數連接在一起的函數，因此也有人稱它為連接函數[2]。Copula理論的應用在國際上已經取得了極大的進展，如Patton(2001)[3]構造了馬克-美元和日元-美元匯率的收益的二元Copula模型，并與相應的BEKK-GARCH模型做了比較，結果表明Copula模型可以更好地描述金融市場之間的相關關系；Hu（2002）[4]用一個混合Copula函數來描述具有不同相關程度和相關模式的金融市場之間的相關關系。國內學者從2002年開始了Copula在金融數據分析中的研究，韋艷華（2004）[5]將Copula函數和GARCH模型結合，研究了滬深股市的相關結構，傅強、邢琳琳（2009）[6]將極值理論和Copula函數應用于資產風險的研究以及條件VaR的估計.國內對Copula理論的關注程度越來越高，應用范圍也是越來越廣。
股票市場的尾部相關性考察的是當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關系相比，在市場價格急劇上漲或下跌等極端情況下的相關關系會呈現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性對全球投資組合的風險影響更大，因而對控制風險而言，研究兩個股票市場之間的尾部相關性更為重要。本文研究滬港兩市的尾部相關性，對投資組合和風險管理有一定的意義，有助于市場投資者進行跨市場組合投資分析，從而分散風險，提高收益。
對滬港股市的尾部相關性研究，國內李悅、程希駿（2006）[7]用Gumbel-Hougard copula對上證指數和恒生指數進行尾部相關性，發現兩者具有較好的上尾相關性，而沒有討論下尾相關性。Gumbel copula是一種對上尾相關性敏感的靜態Copula函數，本文擬選用多種Copula函數，包括幾種常見的靜態單參數和雙參數Copula函數，以及幾種動態Copula函數，重點研究時變SJC Copula這種對上尾相關性和下尾相關性都非常敏感的動態Copula函數（因為其參數為上下尾相關系數）。王（2009）[8]用BB1 Copula函數研究兩市的尾部相關性，發現兩市具有較強的上尾相關性，但BB1 Copula函數作為一種靜態的Copula函數，不能看出相關性變化的趨勢。本文經過動態分析趨勢后，將樣本分為兩階段分析，發現這兩階段有著截然不同的表現。較之靜態的Copula函數，這樣做能夠更準確、全面地捕捉到金融市場之間尾部相關性的變化。劉偉（2009）[9]選用SJC-Copula-EGARCH模型分析了滬港兩市的尾部相關性，參數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的參數，如果邊緣分布函數選擇不準確或對其參數估計不準確的話，都將對最終參數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，無需給出邊緣分布函數和對其參數進行估計，從而避免了邊緣分布的影響。
本文結構安排如下：第二部分介紹Copula函數的一些理論知識，重點為時變SJC Copula函數;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越性也將在此部分給出;第四部分采用多種Copula函數對滬港股市的尾部相關性進行實證研究，得出結論。
2.Copula函數理論知識
SJC Copula函數是由JC Copula函數演變而來的，Joe-Clayton Copula函數的分布函數為：
其中函數是logistic轉換函數，它的作用是確保上尾和下尾相關系數都處于（0，1）區間內。
3.參數估計與檢驗方法
3.1 參數估計方法
參數估計法較常用的有嚴格極大似然法(EML)和邊緣分布推斷法(IFM)。嚴格極大似然法是同時估計邊緣分布和Copula函數中的參數；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的參數，然后估計Copula函數的參數，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的參數，如果邊緣分布函數選擇不準確或對其參數估計不準確的話，都將對最終參數的估計造成不利的影響。
非參數法中常用的是Genest and Rivest法。而對于多參數阿基米德Copula函數，Genest and Rivest法不是很適用。由于兩個隨機變量的相關結構只與它們的相關函數Copula有關，而與邊緣分布沒有關系，因此通過樣本直接估計Copula函數的參數將更加接近隨機變量間的真實結構。
半參數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，后者是由前者經過變換得來的，因此我們先來看偽極大似然估計法。假設是隨機向量(X，Y)的一個樣本，是X和y的Copula函數，偽極大似然估計的對數似然函數為：
其中：A代表極大似然函數；M代表獨立參數的個數；n代表樣本容量。AIC和BIC包含了模型和參數估計值的信息，其值越小，其擬合效果越好。
4.實證分析
與內地股票市場的發展不同，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的聯動性，作為緊鄰大陸的國際金融中心之一，吸引了大批內地企業上市。而滬指作為內地股市的代表，和港指在尾部相關性上有著怎樣的表現呢？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（數據來自雅虎財經）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據，最后得到3328組數據。兩市每日的收益率為數據處理后的相鄰交易日收盤價的一階差分，即。
經過處理后的到收益率數據3327個。本文使用的軟件為matlab-
R2009a。上證綜指和恒生指數對數收益率圖如圖1和圖2所示。
4.3 參數估計及尾部相關性分析
我們先來求靜態的SJC Copula函數的上下尾相關系數，下尾相關系數（0.1088）略大于上尾相關系數（0.0844）。
但是，單從靜態的兩個系數難以看出上下尾相關結構的變化情況，下面用時變的SJC Copula函數來做動態的分析，首先我們根據前面提到的基于秩的極大似然估計法求出時變SJC Copula函數的參數如表2所示。
下面給出上下尾動態變化圖，如圖3，從圖中可以看出上下尾相關系數分別圍繞0.0844和0.1088上下浮動，但都表現出來增大的趨勢，為了看清這種變化的趨勢，我們把3327個數據分成兩個階段，第一個階段包含1663個數據，第二個階段包含1664個數據，時間分界線是2004年2月26日，經擬合度檢驗后發現，時變SJC Copula函數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
它們的動態變化圖分別如圖4（a）和圖4（b）所示?？梢妰墒猩舷挛蚕嚓P性都有了大幅度的增加，尤其是下尾相關性，由原來的幾乎為0，增加到了0.2763，兩市的關聯性已經有了質的變化。
5.結論
本文通過AIC和BIC信息準則，從幾種動態和靜態Copula函數中選出了擬合度最好的時變SJC Copula函數對滬港兩市的尾部相關性進行了分析，參數估計方法為基于秩的極大似然估計法。結果發現所選樣本得到的下尾相關性略高于上尾相關性，上下尾相關性都表現出了增大的趨勢，于是筆者把樣本分為兩個階段分析，結果發現第一階段表現出的主要是上尾相關性，下尾相關系數幾乎為0，第二階段則下尾相關系數大于上尾相關系數，下尾相關系數已經由第一階段的幾乎為0增加到了0.2763。從本文數據可以看出，兩市的關聯程度表現的趨勢是逐漸增大的，尤其是下尾相關性，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變。
該研究一方面將有助于市場投資者進行跨市場組合投資分析，從而分散風險，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行，抵御外來金融風險沖擊，保證國家金融安全及相關政策的制定具有一定的參考價值。
參考文獻
[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(Copula)技術與金融風險分析[J].統計研究,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.金融市場的相關性分析――Copula-GARCH模型及其應用[J].系統工程,2004,22(4):7-12.
[6]傅強,邢琳琳.基于極值理論和Copula函數的條件VaR計算[J].系統工程學報,2009,24(5):531-537.
[7]李悅,程希駿.上證指數和恒生指數的copula尾部相關性分析[J].系統工程,2006,24(5):88-92.
[8]王.基于不同類型Copula滬港股市相關性分析[D].合肥:中國科技大學管理科學與工程系,2009.
[9]劉偉.基于時變連接函數的股票市場相關性分析[D].北京:北京工業大學管理科學與工程系,2009.
[10]任仙玲,張世英.基于Copula函數的金融市場尾部相關性分析[J].統計與信息論壇,2008,23(6):66-71.
作者簡介：
