金融市场风险研究论文

摘要：由于金融危机发生的周期性和规律性，对金融危机风险的预警和分析越来越重要并具有一定可行性。文章从经济分析和数量方法两个角度综述了当前金融市场风险分析与预警的方法，提出了基于数据挖掘的金融市场风险刻画的方法和步骤，对我国金融市场的风险预警具有很好的借鉴意义和实用性。下面是小编为大家整理的《金融市场风险研究论文(精选3篇)》相关资料，欢迎阅读！

金融市场风险研究论文 篇1：

VaR视角下金融市场风险测度统计研究

【摘要】本文针对金融市场风险测度理论进行概述，论述传统的测度方法及不足，同时对VaR法测度进行论述，阐述了金融资产组合的VaR值测度，同时以利率风险为例，分析利率VaR值的测度公式，并指出一些不足。

【关键词】金融市场风险 VaR值 风险测度

一、理论概述

风险指的是未来结果的不确定性与波动性，包括未来资产负债、未来收益的不确定性。此外，风险还可表示为：未来某资产发生损失的可能性。这里不仅仅指盈利还包括损失，本文研究的是金融市场未来损失的不确定性。任何资产收益的波动中，必然发生两种相反的风险结果，即有时会产生对资产持有者有利的风险结果，进而获得额外的资本收益；有时则会出现资产持有者厌恶的风险结果，此时才会发生一定的损失。从统计学角度主要市场从概率、方差进行衡量。对风险的偏好进行赋权重值，以实际结果与期望结果的差来表示风险的大小。所谓规避或防范金融风险，应该是指防范后者出现的风险结果所带来的风险损失。在进行金融风险管理过程中，通常会遇到四类风险，即信用风险、经营风险、流动性风险和市场风险，其中市场风险是最主要的金融风险。

金融市场风险主要指由于金融市场的一些影响因素所导致的金融资产的损失的可能性，主要包括利率、汇率、股价等，其中，影响最大的是利率风险。

二、市场风险测度方法介绍

风险测度是风险管理的基础与核心，包括对风险的定性与定量测度。随着金融市场、金融工程等的发展，不断形成新的金融风险的测度，在发展的过程中，金融风险测度的方法不断得到完善。主要方法包括：

1.哈里·马克维兹（H.Markowitz）的有效市场理论，该理论给出了风险与收益选择的模型把数理分析理论引进金融风险测度，以均值—方差选择的模型称为马克维兹模型

2.约翰·林特纳（John Lintner）的资产定价模型（CAPM）。

3.斯蒂芬·罗斯（Stephen Ross）的资产套利定价理论（APT）模型。

以上三种模型都以方差作为金融投资风险的衡量标准和基本计量的工具，不能很好地反映投资人对风险的一个偏好程度，也不能反映风险发生的一个概率程度，存在其理论的缺陷。

三、VaR法金融市场风险的测度

VaR定义为“在一定的置信区间内，一个持有期内最大的预期损失”。VaR法指的是在市场正常的波动下，测度某一金融资产或证券组合的最大可能损失，即在一定的概率水平下，未来某一特定时间内金融资产或证券组合的最大可能损失。其模型表示为

P{△p

式中△p为某一金融资产或证券组合在持有期△t内的变动；VAR为置信水平1-α下处于风险中的价值；我们约定△p、VaR均为负值，也就是说，我们关注的是损失的情况。在置信区间的选择上，通用的有95%和99%的两种选择，为了使分析的精度更准确，我们选择99%作为区间。持有期主要根据金融产品的流动性进行选择，流动性强的可以以日进行核算风险收益和VaR值；流动性弱的可以以月或者年为期进行计算。

四、资产组合VaR值的测定

现代金融业由基础的金融工具组成，包括了股票、债券、基金等，它们的价格基本上是由实体经济中的一些基础变量决定，如利率、CPI等。这些基础的金融工具进行简单的组合就形成了一些新的金融衍生产品如期货、期权等。这样由基础的金融工具和衍生产生组合形成资产组合。

假定某项投资组合由n种证券组成，第i种证券的权重我们赋予权重Wi，收益率赋予值Ri，Wi所组成的列向量为W，Ri组成的的列向量为R，则这组投资组合的收益率为ΣWiRi=WTR，期望收益率为：E（Rp） =μp =ΣWiμi ，其中μp 为Rp 的期望值，μi 为Ri 的期望值。方差为：

其中Σ为协方差矩阵。如果投资组合的收益率服从正态分布，则其VaR 值为ασp 与组合价值的乘积。

五、VaR视角下贷款利率风险测定

在金融风险中，对其影响最大的是利率风险，本文主要对构建贷款利率变动风险的VaR测算公式，假定：

（一）偿还期间平均摊还且没有宽期限。

（二）在一定时期贷款的必要规模、吸收规模和安全规模相对稳定，因此，稳定的贷款规模就使得贷款单位的经济金融环境相对稳定，不至于发生债务危机。

当贷款人以固定的利率r向商业银行贷款时，并在n年内平均摊还且没有宽期限，则贷款人因利率的变动而产生的风险损失函数为：

其中：n为贷款期限；r贷款利率，ri贷款人在第i年还款利率i=1，2，3…n。并服从正态分布N（r，σ2）

根据定理（设X1，....Xn相互独立，Xk～N（0.σ2k），

为实数，则Y=的分布密度函数为

）上述风险损失函数的随机变量的密度函数为：

所以满足的临界值y（α），α∈（0，1），由

因此，由贷款人起初一次性以固定的利率借入G单位的款额，可得贷款利率变动的VaR测算公式为：

VaR=

我们取99%作为置信区间，假定期限长度为n年，测定得到VaR=10万元，这说明：我们有99%的概率保证债务风险的损失将控制在10万元以下。

六、问题与不足

本文介绍的VaR法衡量的是市场风险，单纯地依靠VaR法测量具有很大的片面性，而忽视了其他风险的如信用风险、流动性风险等。另外VaR法只是以一定的概率保证去估计损失的发生可能性，而实际上发生的可能性我们不能把握。我们只是说小概率事件一般情况下是不发生的，如上例我们有99%的概率保证债务风险的损失将控制在10万元以下，但实际上仍有1%的可能性损失超过10万元。这里核算的VaR只是静态意义上的值，而实际上VaR的测量还是经济环境的影响，一旦实体经济发生变化，依靠这种方法计算得到的VaR值不可信。要对此进行一些修正。金融风险控制方法的运用还有很长一段路要走，仍需综合运用定性的和定量的分析方法。

作者简介：肖建勇（1987-），男，江西吉安人，西安财经学院2010级硕士研究生，研究方向：经济统计。

（责任编辑：陈岑）

作者：肖建勇

金融市场风险研究论文 篇2：

基于数据挖掘的金融市场风险刻画研究

摘要：由于金融危机发生的周期性和规律性，对金融危机风险的预警和分析越来越重要并具有一定可行性。文章从经济分析和数量方法两个角度综述了当前金融市场风险分析与预警的方法，提出了基于数据挖掘的金融市场风险刻画的方法和步骤，对我国金融市场的风险预警具有很好的借鉴意义和实用性。

关键词：金融危机：数据挖掘；金融市场风险

一、引言

始于次贷危机的美国金融危机给美国以及全球的金融系统带来了沉重的打击，在短短一周的时间里世界上最大的四家美国投资银行全部走入历史，全球最大的私营保险集团AIG一夜之间成为美国最大的“国有企业”。在十月份美国道琼斯指数连跌八天，截止2008年10月12日全球股市蒸发6万亿美元，也使很多主权国家背负了沉重的债务。

金融危机的历史多次重演。金融系统的危机已经出现多次，如1929年美国大萧条、1990年日本银行危机、北欧银行危机等，诸次危机都造成了很大的破坏。虽然危机发生所在的各个国家的状况各不相同，各次影响也有小有大。但是这几次危机有着近乎相同的起因，那就是廉价的资金成本加上金融法规的开放，导致投资风气大盛。刺激股市和房地产价格飙涨(吴玥，2008)。这次美国金融危机的直接原因是金融衍生品过度开发，但是从根本上说也是美国前期过低的利率水平和过松的监管造成的。

金融危机是风险中孕育着机遇。从长远看，危机能够暴露经济发展中长期存在但被经济发展所掩盖了的问题，问题集中爆发，能够引起所有的人注意并进行经济制度项目式改进，是经济发展的正常环节。金融危机的教训能够帮助制定正确的经济政策，但是前提是要对金融危机的规律进行正确的总结。

由于历次金融危机多以共同或者相似的情形肇始、演变、结束，总结历次金融危机的历史原因和解救方法。及时发现金融系统中存在的问题。提出解决方案，上升为规则化的知识，在问题还没有给虚拟经济和实体经济造成深远破坏影响之前，对其及时予以纠正，对确保经济的健康发展是十分必要的。

数据挖掘技术(Data Mining)是进行金融市场风险知识提取非常好的选择。数据挖掘是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程，简单的说，就是从大量数据中提取或“挖掘”知识。数据挖掘分为关联规则、分类、聚类、预测、序列模式、类似时间序列等类别。由于信息技术的进步。数据挖掘和知识发现技术已经取得了长足发展。在处理速度。准确度以及应用领域上都有了很大的突破。

借助金融危机研究金融市场风险的目的是总结知识，吸取教训。对现行经济政策中的问题及时予以改正。基于数据挖掘的知识发现能够通过规则、模型、高频繁项集等各种方式来呈现总结得到的经验型知识，可以用于辅助金融市场政策的制定，并具有一定的预警作用。

二、金融市场危机风险研究现状

目前国内外对于金融危机风险的研究主要集中在两个方面，一个是从经济学的角度探讨金融危机发生的原因及其对策，另一个是用数量的手段对金融风险进行量化的研究，下面首先从经济学的角度对其研究现状进行分析总结。

金融危机本质上也是一种经济周期，经济周期理论是本研究的理论基础。经济周期(Business Cycle)是指市场经济生产和再生产过程中周期性出现的经济扩张或者经济紧缩交替更迭循环往复的一种现象(宋承先，1997)。在经济学的研究中已经出现非常多的经济周期研究理论，大体可以划分为凯恩斯之前的经济周期理论和现代经济周期理论，现代经济周期理论包括凯恩斯主义、货币主义和理性预期学派三个经济周期理论学派(梁小民。2000)。

随着信息技术的发展，一些数量或者实证的方法也成为研究的热点，目前已经有一些进行实证或者数量的金融风险研究。Kaminsky等人的“信号法”(简称KLR法)认为。一个指标偏离均值的程度超过阀值时，被称之为发出了一个信号，噪音一信号比率是实际发出的坏信号的份额(噪音)除以实际发出的好的信号份额。通过噪音一信号比来筛选出对金融危机有预警力的指标，噪音一信号比的倒数确定指标的权重，从而加权平均计算金融危机的发生概率。Frankel等人的概率单位模型(简称FR法)。先确定尽可能大量的对金融危机有重要影响的经济变量作为监测指标，通过解对数方程来得出各变量的权重向量，再加权平均计算金融危机的发生概率。

Sachs，Tomell&Vclasco等人的横截面回归模型(简称STV法)，利用20个新兴市场国家的横截面数据进行估计。把危机指数(IND)定义为储备减少百分比和外汇减少百分比的加权和。利用横截面数据来估计模型的参数，然后检验，得到了模型。

这些预警方法在国内外应用广泛但均有其共同的不足是：主观性、缺乏非线性处理机制、缺乏整体全局观念、静态性。为了避免上述方法的局限性。有些学者在探索使用非线性分析工具——人工神经网络模型对金融危机进行预警。

数据挖掘在金融预测中也有一些应用。数据挖掘由于具有不需要依靠假设条件、能够处理大规模数据等优点已经在金融分析中有很多应用。数据挖掘在金融分析的应用主要包括对被预测对象有强力影响的因素的分析以及对某些变量进行预测(Sherry Y.Chen，2005)。

中国科学院管理、决策与信息系统重点实验室的汪寿阳等以集成思想为核心。以智能技术为集成工具。将文本挖掘技术、计量经济模型、人工智能技术综合集成起来，提出了一个处理复杂系统预测的新的方法论——TEI@I方法论。并将该方法论用在外汇汇率(汪寿阳、余乐安、黎建强，2007)和原油油价(Yu LA，Wang SY，Lai KK，2008)的预测上，取得了非常好的效果。

在国外的研究中，由于金融数据多是大样本、高维度的数据，而数据挖掘擅长处理多变量的大数据。因此有较多应用研究，数据挖掘在金融领域应用主要集中在信用卡审核、股票市场分析，投资决策等(Sherry Y.Chert，2005)。

综上我们可以看出，经济学角度的研究多从经济微观机理上探讨经济周期、金融危机的发生和发展，试图从消费、投资以及货币等角度解释经济周期：数量的方法虽然有一些成果。但是多是用于证明某几个变量有相关性。验证研究者的理论假设，不能给出金融市场风险的规则和模式。目前已经有一些人工智能的方法用在金融危机的研究中，但是现在将数据挖掘的时序关联规则和时序分类方法用在金融危机市场分析的仍然较少。

三、基于数据挖掘的金融市场风险

1、经济周期的理论研究。金融危机根本上也是一种经济周期。根据前面综述可以看出。关于经济周期已经有比较多研究成果，凯恩斯主义、货币主义和理性预期主义等经济周期理论从不同的角度分析经济周期，对某些现象做出了不同的解释。他们的共同之处就是承认经济周期是

经济本身的一个内在机制。但是各有各自的侧重点。

基于现有的研究理论，兼容并包地吸取各个学派的理论，从实体经济和虚拟经济两个角度分析导致金融市场风险的影响因素，分析预警模型需要考虑到的因素。

(1)从实体经济角度研究危机影响因素。根据成思危的理论，实体经济是指资本要经过形态的变换才能产生利润。即先将资本通过交换变成劳动力、设备、原材料、厂房等生产要素。然后通过生产过程变成产品，产品经流通变成商品。商品再通过交换变回货币形态。才有可能产生利润，这就是实体经济的运行模式(成思危2008)。生产、消费以及创新等都是实体经济的范畴。实体经济是虚拟经济的根本，系统地研究实体经济引起的金融周期变化，探讨实体经济的变动对金融市场风险的影响因素，从理论上探讨风险刻画时模型应该使用的影响因素。

(2)从虚拟经济角度研究危机影响因素。虚拟经济(Fictitious Economy)简单的说就是直接用钱生钱(成思危2008)，投机、投资以及货币因素等都是虚拟经济的范畴。货币主义所强调的货币量对周期的关系就属于虚拟经济范畴的经济周期理论，货币危机理论强调在发达资本主义国家流通的主要工具是银行信用，在经济发展高涨期。银行会放松银根，大量放贷，形成积累的信用扩张和经济高涨。但是当信用扩张到一定程度。银行会被迫停止信用扩张。从而导致危机和累积的衰退。该理论在一定程度上阐述了当前美国危机的原因，但忽略了实体经济的影响。系统化分析虚拟经济范畴的经济周期理论，进行虚拟经济周期理论的影响因素分析，得出能够预警金融危机风险的虚拟经济范畴影响因素。

经济周期的理论研究是本预警系统的理论基础，金融危机本质上也是经济周期的一部分。预警系统首先从虚拟经济和实体经济两个维度去分析现有因素对经济周期的影响，并彻底理顺各个影响因素之间的关系，形成影响因素列表。

2、数据收集和处理。金融市场预警需要从两个角度出发建立预警模型。一个是横向的，通过使用多次危机的数据建立模型；另外一个是纵向的，即同一个国家或者区域的时序数据模型。

横向的角度。根据设计的属性。可以收集使用多个危机发生前后的经济周期和金融危机的相关数据。包括但不限于近三十年来的6次危机：1982年～1983年的拉美债务危机、1990年代开始的日本经济衰退、1992年～1993年欧洲货币体系危机、1994年～1995年墨西哥金融危机，1997年东南亚金融危机，2008年始于美国次贷的金融危机等几次涉及范围较广、影响较大的危机。本模型将以危机影响区域作为研究对象，以年为时间窗口间隔。收集近三十年来在属性设计部分中所涉及的数据，并收集每一个时间窗口该国家的经济健康状况数据。

另一个角度即纵向角度，模型可以选取典型的危机发生区域，采用更加细化的时间窗口，收集处理数据。

3、据挖掘模型研究金融市场风险知识发现。根据前面选取的属性，主要进行时序分类和时序关联规则算法的研究，在已有算法的基础上，进行改进和创新，研究适合进行金融市场风险刻画的数据挖掘算法。

在前面数据挖掘模型选择和上述数据处理的基础上，进行模型建设和知识呈现。首先要进行数据的降维，上述影响因素理论分析时把各时期对金融市场风险相关的因素均尽可能地考虑在内，在模型使用时如果需要收集如此多输入变量。其成本将非常高。通过降维等技术将上述数据收集处理部分得到的数据进行预处理并建模。根据各个算法各自的优缺点分别建立金融市场健康预测模型和金融市场健康预测规则。

风险预警模型是基于时间窗的时序动态分析，时间窗的设计如下图所示。研究将用观察期的数据(T₁-T₂)作为自变量。用表现期(T₂-T₃)该样本的金融风险状况作为因变量，这样建立的模型将是动态的时序模型，模型将具有较强的预测能力。

将上述规则进行知识的呈现，通过设计知识管理系统，动态收集所涉及的变量，判断各个国家的金融风险状况。

四、结论

本文分析设计一个建立以预警作为基本功能的金融市场风险知识系统的过程。将金融市场风险预警模型以及所得到的规则知识系统化。随着宏观统计数据以及各种微观数据的变化，将通过金融市场风险系统动态化的更新对经济状况的判断，同时借鉴知识管理系统(Knowledge Management System)的建设经验。从多个维度展示预测结果和规则知识。这个系统将动态收集模型预测所需要的属性，进行金融市场风险的动态监控。一方面设置阀值，当单个属性达到风险上限时进行预警：另一方面将提供健康状况规则知识，动态进行经济健康诊断。

作者：徐宏忠　符正平　聂广礼

金融市场风险研究论文 篇3：

金融市场风险测度方法研究评述

摘要：要想保持金融市场的健康平稳运行，进而保证国民经济的持续稳定增长，则必须依靠全面和有效的金融风险管理工作。而金融风险管理取得成效的前提条件则是对市场风险状况的准确测度(Measure-ment)。金融市场风险(Market Risk)是指由于金融市场因素(如利率、汇率、股价以及商品价格等)的波动而导致金融资产价值发生变化的风险。本文主要针对金融市场风险测度理论的相关假说、测度方法和主流模型进行综述，并对其所面临的严峻挑战展开评述，进一步提出了金融市场中不断涌现的各类典型事实(Stylized Facts)对市场风险测度研究的重大启示。

关键词：金融市场风险；风险测度；典型事实

保持金融市场这样一个复杂系统的健康平稳运行则是一个国家甚至是全球经济持续稳定增长的重要前提。在过去短短的十多年间，爆发了几次震惊世界的大规模金融危机，如1987年美国的“黑色星期一”大股灾、1990年的日本股市危机、1992年的欧洲货币危机、1994-1995年的墨西哥比索危机、1997年的亚洲金融风暴、1998年长期资本管理管理公司(Long-term Capital Management)的倒闭以及最近席卷全球的次贷危机等等。这些金融危机给世界金融市场乃至全球经济造成的损失是不可估量的，同时其产生的一系列后续连锁反应至今仍然对经济生活产生着不可小觑的影响。

金融市场频繁发生的危机事件最重要的启示是，要想保持金融市场的健康平稳运行，进而保证国民经济的持续稳定增长，则必须依靠全面和有效的金融风险管理工作。

Dowd指出，任何一次全面和有效的金融风险管理活动，至少包括识别风险(Risk I-dentity)、测度风险(Risk Measurement)和管理风险(Risk Management)这三个基本步骤。因此，风险测度(Risk Measurement)在整个金融风险管理工作中起着承前启后的关键作用。

Marrison进一步表明，按照风险来源的不同，金融风险主要分为以下四种类型：(1)市场风险(Market Risk)、(2)信用风险(Credit Risk)、(3)流动性风险(Liquidity Risk)和(4)操作风险(Operatiollal Risk)。从根本上来讲，对后三类风险问题研究的发展时间、理论成熟度以及研究方法的多样性等都远远不及市场风险测度的相关内容。更重要的是，对信用风险、流动性风险和操作风险研究所采用的金融理论基础、计量手段、统计方法和数理模型等都主要借鉴了市场风险管理研究中已有的成熟结论。因此，笔者主要针对金融市场风险测度理论的相关假说、测度方法和主流模型进行综述，并对其所面临的严峻挑战展开评述，进一步提出了在金融市场中不断涌现的各类典型事实(StyIized Facts)对市场风险测度研究的重大启示。

一、“有效市场假说”与已有的金融

市场风险测度方法

主流金融学的理论基石是“有效市场假说”(Efficient Market Hypothesis，EMH)。该假说的核心内容是：在一个有效的市场里，金融资产的价格已经反映了所有公开的信息，价格的变化互不相关，它们是遵循布朗运动(Brownian Motion)的随机变量，因此金融资产的收益率服从正态分布(Normal Distribution)。以主流金融理论为依据，已有的金融市场风险测度方法和指标在理论研究和实际运用中都得到了广泛的认可。目前，经常使用的市场风险测度方法(指标)大致可以分为相对测度和绝对测度两种类型。

(一)市场风险相对测度方法(指标)

主要是测量市场因素(如利率、汇率、股价以及商品价格等)的波动与金融资产价格(收益)变化之间的敏感性关系。

目前最常用的相对风险测度指标主要包括：针对债券等利率性金融产品的久期(Duration)和凸性(Convexity)指标；针对股票的Beta值；针对金融衍生产品的Delta、Theta、Gamma、Vega和Rho指标等。这些市场风险相对测度指标的具体含义见下面(如表1所示)。

(二)市场风险的绝对测度方法(指标)

主要是测度金融资产价格(收益率)波动的绝对幅度大小。

目前最常用的市场风险绝对测度指标是由Markowitz提出的方差(Variance)风险测度指标。Markowitz[63(P77。”在著名的《金融学杂志》(Journal of Finance)上，首次提出了“风险为投资收益的波动性或不确定性”的概念，并利用金融收益率的方差或标准差(Standard Deviation)来度量其风险大小，同时在此基础上建立了相应的资产组合选择模型(Portfolio Selection Model)。随后，为了区别对待正的收益波动和负的收益波动对风险贡献，Markowitz又提出了只考虑负收益波动的半方差(Semi-Variance)风险测度指标。

在Markowitz之后，一些学者也提出了很多市场风险的测度理论和方法，其中比较有代表性的是：Bawa和Fishburn提出了用资产收益概率分布左尾部的某种“矩”(Moment)来度量风险大小的下偏矩方法(Lower Partial Mo-ments，LPM)。Simaan提出了用收益与其均值差值的绝对值来测度风险大小的绝对离差指标(Absolute Deviation)。Young提出了用在一定观测期问内金融资产收益(价格)的最大值和最小值偏差来度量风险大小的极大极小值指标(Minimax)等等。

然而，一种称之为风险价值(Value at Risk，VaR)的市场风险定量测度方法却赢得了市场交易各方以及各国金融监管当局的广泛认可。风险价值(VaR)是一种利用统计思想对金融风险进行估值的方法，它最早起源于20世纪80年代，但作为一种市场风险测定和管理的工具，则是由J.P.Morgan投资银行在1994年的RiskMetrics系统中提出。VaR的定义是：在一定置信水平下，由于市场波动而导致整个资产组合在未来某个时期内可能出现的最大损失值。在数学上，VaR表示为投资工具或组合的损益分布的a分位数(Quan-tile)，其表示如下：Prob(△p<＝－VaR)＝α，其中，△p表示投资组合在持有期△t内在置信水平(1－a)下的市场价值损失。

VaR方法最大的优点在于其对市场风险度量的综合性，它可以把由于不同市场因素波动所引起的不同种类市场风险集合成一个单一的数值。国际清算银行(BIS)的银行业监督管理巴塞尔委员会(Basle Committee)也推荐各国的金融监管机构使

用VaR模型所估计的市场风险来确定银行以及其他金融机构的资本充足率。

二、金融市场的典型事实与已有市场

风险测度方法的缺陷

不容忽视的是，20世纪70年代以来，实际金融市场出现了许许多多无法为EMH所解释的异常现象(Anomalies)。更值得关注的是，这些异常的复杂波动特征似乎并非某个特定市场的专有属性，而是普遍存在于不同国家和不同类型的金融市场当中，因此又被称为金融市场的典型事实(StylizedFacts)。金融市场的这些典型的复杂波动特征主要包括：金融资产收益的条件和非条件“胖尾分布”特征(Conditional／Uncondi-tional Fat Tailed Distribution)、价格波动的聚集性(Volatility Clustering)和持久性(Persist-ence)特征、资产损益的非对称性(Gain／loss A-symmetry)、收益的加总正态性(AggregationalGaussianity)、价格波动的自相似性与标度不变特征(Self-similarity and Scale Invarianee)、价格和收益率波动的单分形和多分形特征(Multifrac-tal)、收益与波动的杠杆效应(Leverage Effect)等等。

为了克服主流金融理论在解释实际金融市场典型事实时所暴露出的种种缺陷，一类被称之为“新金融学”(New Finance)的研究引起了人们的关注。“新金融学”研究的代表流派主要是20世纪80年代后期兴起“行为金融学”(Behav-ioral Finance)以及20世纪90年代兴起的“经济物理学”(Econophysics)流派。其中，“行为金融学”的研究以心理学上的发现为基础，辅以社会学等其他社会科学的观点，尝试解释那些由于投资者的非理性行为所造成的实际金融市场的异象。“经济物理学”则是将物理学(特别是统计物理学)的理论、方法和模型应用到经济学和金融学领域研究的一门新兴学科。

虽然上述这些建立在主流金融理论基础之上的风险测度方法在各自不同的领域都取得了一定的成功，并且在可以预见的将来，这些市场风险的测度方法还会在风险管理学术界和理论界得到广泛运用，但需要指出的是：无论是市场风险的相对测度还是绝对测度，在理论上或实际运用中都存在着这样或那样的缺陷。

(一)市场风险相对测度方法(指标)的缺陷

首先，市场风险的相对测度方法只是一个相对的比例概念，并没有回答某一资产或组合的风险(损失)到底有多大。其次，相对测度指标对测度对象的依赖性较高，无法测度包含不同市场因子或不同类型金融产品组合的风险，因此也就无法比较不同资产组合的风险大小。最后，由于相对测度方法无法综合不同市场因素、不同金融产品的风险暴露(Risk Exposure)，因此金融监管机构无法了解各具体业务部门和机构的整体风险状态，从而无法进行有效的风险监控和绩效评估活动。

(二)市场风险绝对测度方法(指标)的缺陷

对市场风险的绝对测度指标而言，当实际市场不满足“有效市场假说”的前提条件时，最主要表现在当资产收益不满足正态分布时，方差(Vari-ance)以及VaR等指标的准确度都将大大降低。以目前主流的风险价值指标(VaR)为例，Zan-garic、Bouehaud and Potters以及Assaf的研究表明，在正态分布假设下计算的VaR值，常常会低估实际的风险，可能会使金融机构遭受巨大的损失。

由于实际市场收益率的尾部普遍展现出比正态分布宽大的“胖尾”(Fat-tailed)特征，因此一些学者在不同的收益分布假设下研究了金融资产VaR的计算问题。比方说，Venkatara—man、Bauer、Khindanova等以及Haas分别运用混合正态分布(Mixture of Normal Distribution)、双曲线分布(Hyperbolic Distribution)、稳定分布(Stable Distribution)和两个学生t分布的马尔可夫混合(Markov Mixture of Two Students’t Dis-tributions)探讨了相应的金融资产VaR计算方法。

最近，Sardosky的研究表明，无论是用传统的移动平均(MA)、指数平滑(Ew)、自回归(AR)等方法，还是用GARCH类模型，都无法给参数类VaR找到准确和统一的波动参数估计。因此，不同估计方法得到的参数VaR模型在计算同一资产的风险价值时，就会出现明显偏差。Guidolinand Timmermann的研究发现，虽然马尔可夫混合模型(Markov Mixture Model)能较准确地测度收益率月度数据的VaR，但它对日数据的VaR测量能力则明显较弱，因为日数据具有十分明显的非高斯(Non-Gaussian)特征。

更为严重的问题是，Artzner，Delbacn andEber以及Acerbi andTashe的研究表明，VaR本身不是一种一致性的风险测度(Coherent Measures 0f Risk)。比方说，VaR不具有次可加性(Subadditive)，也就是说，实际中可能出现资产组合的VaR高于单个资产VaR的总和问题，因此不能用VaR来进行投资组合的优化。同时，VaR无法说明资产损失超过某一界限的幅度，即无法说明极端波动状态下的资产损失情况。因此，Artzner，Delbacn andEber提出满足一致性风险测度标准的Expected Shortfall指标。日前，Bormetfi等以及Sorwar and Dowd用非高斯模型(Non-Gaussian Model)和格栅模拟程序(Sdmulation-lattice Procedure)得到了VaR和Ex-petted Shortfall的估计值，实证结果均发现在任何给定的置信水平下，Expected Shortfall估计值都显著高于VaR估计值。

由于VaR在理论上和实际运用中存在种种局限性，一类称之为条件风险价值指标(ConditionalValue-at-Risk，CVaR)的方法应运而生。CVaR方法引起了风险管理学术界和实务界的浓厚兴趣，并大有取代传统VaR作为市场风险测度标准的趋势。Rockafeller and Uryasev首次正式提出了CVaR的概念。从本质上来讲，CVaR就是Artzner，Delbacn and Eber提出的Expected Shortfall，它是指金融资产的损失超过某个给定VaR的损失的平均值。CVaR代表了金融资产超额损失的期望值，反映了金融资产可能的潜在损失幅度，弥补了传统VaR指标在这一

问题上的不足。同时，Rockafeller and Ur-yasev指出，CVaR是一个一致性的风险测度，因为它具有次可加性和凸性(Convexity)，在数学上也非常便于处理。随后，Rockafeller andUryasev又说明了，CVaR可以通过线性规划算法优化，并在最小化CVaR的同时，也得到了VaR本身的近似最优估计。

面对上述事实，我国学者也根据本国国情、紧跟国外研究潮流，不断调整研究方法和研究对象。

在刻画实际市场收益率的“胖尾”(Fat-tailed)特征时。于红香，刘小茂使用基于一般帕累托分布(GPD)的EVT拟合SV-M模型的修正分布尾部；林宇等认为有偏学生t分布比正态分布、学生t分布更能准确反应金融收益分布实际特征。

为了给参数类VaR找到更准确的波动参数估计，余素红、张世英、宋军开展了GARCH模型和SV模型的VaR比较研究；林宇等引人FIAPARCH模型刻画金融价格条件波动率特征，以此测度金融市场动态风险VaR。同时，为了刻画股市极端波动风险的影响，封建强运用EVT和GARCH模型对沪深股市的极值VaR进行了测度研究；魏宇运用EVT和AR(1)－LGARCH(1，1)模型对上证综指和世界股市若干重要指数的极端市场风险进行了测度研究。与主流的使用GARCH族方法刻画波动率不同，邵锡栋，殷炼乾利用沪深指日内高频数据，分别通过ARFIMA模型和CARR模型对实现波动率和较新的实现极差建模，计算风险价值，并实证分析了各种模型的VaR预测能力，结果显示，使用日内高频数据的实现波动率和实现极差模型的预测能力强于采用日数据的各种GARCH模型。

随着更具优越性的一致风险测度方法Expec--ted Shortfall和CVaR的出现，我国学者也逐渐将注意力转移到这方面的研究上。但遗憾的是，这方面的研究主要是理论方法的介绍。如唐爱国、秦宛顺介绍了广义随机占优单调一致风险测度和ES方法；曲圣宁，田新时介绍了投资组合风险管理中VaR模型的缺陷以及CVaR模型研究；刘俊山比较研究了VaR和CVaR方法，此外探讨了CVaR在风险管理和监管实践中遇到的问题，指出CVaR模型的事后检验不易实施。

三、金融市场典型事实对市场风险

测度方法研究的启示

金融市场不断涌现的各类典型事实(StylizedFacts)至少说明了，有效市场假说并非实际市场运行和波动机制的完美表述。因此，由于这些“典型事实”并没有对金融资产价格或者收益波动服从的随机过程有任何参数上的先验假设(Ex AnteAssumptions)，而展现的是上述过程的一种更为广义的定量特征，因此这些“典型事实”是不依赖于任何模型的(Model Free)。换句话说，任何有关价格或者收益过程的金融模型(包括市场风险的测度方法)都必须将这些“典型的统计规律”作为其模型的“约束条件”(Constraints)。

然而，目前绝大多数的市场风险测度理论和方法都无法反映下面这些非常重要的基本典型事实：

(一)已有风险测度方法无法体现价格波动的自相似性和标度不变性特征

主流金融理论很少注意到不同时间标度(Time Scales)之间价格(或收益率)波动的关系，而Mandelbrot的研究表明，不同时间标度之间的价格(收益率)变化具有某种统计学意义上相似性(分形结构)，即标度不变性(Scale Invari-ance)特征。而金融市场这类混沌系统的行为模式一般都具有标度不变性特征，即金融市场在一段时间内的波动经历可以在更长的时间标度上重演。因此，如何改进已有的市场风险测度方法，使其同样体现出短时间标度上的风险测度(如每小时、每天等)与长时间标度上的风险测度(如每周、每月、每年等)的“标度不变”特征，从而建立一种有实用价值的“风险预警”方法，将是非常有意义的研究方向之一。

(二)已有风险测度方法无法体现价格波动的聚集性和持久性特征

典型事实中一个重要的发现就是价格波动存在“聚集性”(Clustering)和“持久性”(Persist-ence)特征，即市场发生大幅度波动以后，往往会紧跟着另外一个大幅度的波动，且这种波动的聚集现象会持续相当长的一段时间。因此，如何将主流金融理论中的静态风险测度指标V(如方差、VaR指标等)，通过这种定量的“聚集”特征和“持久性”特征，改进成为一种具有时变特性的动态风险测度V(t)，从而建立一种行之有效的“风险补救”方法，将是有意义的研究方向之二。

(三)已有风险测度方法无法刻画收益分布的条件胖尾分布特征

主流金融理论认为，通过GARCH类模型可以得到收益率的条件波动(Conditional Volatility)状况，在消除了条件波动以后，金融资产的收益率就应该服从正态分布。但是典型事实表明，即使消除条件波动以后，实际市场的收益率仍然展现出明显的“尖峰胖尾”特征。因此，如何让市场风险的测度方法，在消除条件波动以后，仍然可以准确刻画价格波动的这种“条件胖尾”特性，从而建立一种能准确描述极端波动尾部特征的收益分布模型和风险测度指标，将是有意义的研究方向之三。

(四)已有风险测度方法无法体现价格波动的多标度分形特征

典型事实表明，金融市场的价格波动除了具有混沌(Chaos)和一般的单分形(Unifraetal)特征之外，还普遍具有更为复杂的多标度分形(Multi—fraetal)特征。与主流金融理论主要集中在对价格波动的直接刻画上不同，通过计算价格波动的多标度分形谱(Multifractal Spectrum)，可以从其丰富的谱参数(如多标度分形谱的谱宽、最大和最小Hausdorff维数差值、分形谱的偏斜度等指标)中，提炼出价格波动在不同时间标度上不同幅度的间接统计信息。而这些有关价格波动的间接统计描述无疑可以对市场风险的全面刻画提供有益的补充。因此，如何借鉴和吸收价格波动的多标度分形谱所提供的间接统计信息，对直接风险测度进行必要的补充和完善，将是有意义的研究方向之四。

四、小结与展望

综上所述，笔者认为，目前对金融市场典型事实的研究主要有两个有意义的发展方向，第一个方向是探索复杂典型事实背后的市场波动机制模型研究。这类研究的主要目标是寻找一个能够重现更多典型事实的市场复杂性波动机制模型。目前，以“多个体”(Multi-agent)互动演化模型为代表的市场波动机制模型在这一领域取得了一定的领先地位。第二个有意义的研究方向就是如何利用典型事实中不断展现出的市场波动复杂特征，来修正或重构主流的金融理论和模型，以使其更加符合实际金融市场的真实波动状况。因此，现有的这些测度方法能在多大程度上准确刻画实际金融市场的波动和风险状况，就是一个非常值得进一步研究和探讨的课题。

到目前为止，笔者还没有见到综合运用前述金融市场复杂的典型统计规律来重构市场风险测度方法和指标的研究，更没有见到在“一致性风险测度”(Coherent Measures of Risk)标准下对上述问题的探讨。因此，以金融市场的这些“典型的统计规律”为依据，来修正或重构金融市场风险的测度方法和指标，对于准确刻画实际市场风险和有效地管理金融风险，进而对金融市场的健康平稳运行和国民经济的持续稳定增长都将具有非常重大的理论与实际意义。

从我国金融市场风险测度方法来看，虽然计量模型更结合我国国情，但是一些较为复杂和先进的模型还处于介绍推广的阶段，更不用说综合金融市场典型事实去重构一种更为优越的风险测度模型或方法了。同时，理论前瞻性有待提高，目前我国大多数金融市场风险测度方法的理论是从国外引进的，虽然对我国的实践起到了很大的指导作用，但是金融市场实践的不断变化要求在理论上要具有前瞻性。比如，当受到金融危机的冲击时，已有的金融市场风险测度方法或是对其现有的改进方法还有效吗?也就是说已有的金融市场风险测度方法或是对其现有的改进方法也能准确测度到突然剧烈的金融市场波动吗?不会低估这样的风险吗?国外已经有学者提出这样有趣的研究课题了，而我国在这方面的理论研究则有些滞后。理论研究保持前瞻性才能发挥指导实践作用。所以，面对金融市场典型事实对已有金融市场风险测度方法的挑战，我国在理论和方法的改进上有更为艰巨的任务。

作者：魏 宇 温晓倩 赖晓东