发布时间：2023-09-21 16:53:11
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的投资组合的风险分析样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
1952年3月，哈里•马柯维茨发表的资产组合的选择，将概率论和线性代数的方法应用于证券投资组合的研究，探讨了不同类别的、运动方向各异的证券之间的内在相关性，标志着现代资产组合理论的诞生。在马柯维茨对资产组合理论研究的基础上，另两位美国经济学家、金融学家、诺贝尔奖金获得者威廉•厦普和约翰•琳特纳分别在1964年的文章《资本资产定价:风险条件下的市场均衡理论》和1965年的文章《风险资产的价值，股票资产组合的风险投资选择，资本预算》中，给出了资本资产定价模型———CAPM。CAPM模型主要是用来描述证券的风险价格进而得出均衡价格形成机理的，在实际生活和理论分析中应用十分广泛。国内学者也对证券投资组合理论做了大量的实证研究。这些研究主要通过分析我国证券市场的实际数据，用简单随机等权组合的方法，研究投资组合规模与组合风险的关系。其中比较有代表性的有以下几位学者的研究。1996年10月，我国学者施东晖先生在《经济研究》上发表了《上海股票市场风险性实证分析》一文。他以1993年4月至1996年5月上海证交所的50种股票为样本，以双周收益率为指标，采用简单随机等权组合构造50个“n种股票组合”(n=1，2，……，50)来推断股票组合分散风险的能力，由此得出“投资多元化只能分散掉大约20%的风险,降低风险的效果极其有限”的结论。实际上，这一研究只构造了1个“1种证券的组合”、1个“2种证券的组合”、……1个“50种证券的组合”，缺乏统计稳定性和可靠性。2001年5月，顾岚、薛继锐等在《数理统计与管理》上发表了《中国股市的投资组合分析》一文，以深沪114种股票为样本,以日收益率为指标，分别研究了不同年份、不同行业等权组合规模的情况，得出“不同年份的组合方差相差很大，不同行业对于不同组合规模方差的降低有明显差别”的结论。此外,他们还对比了马科维茨组合和简单等权组合,发现在方差的减少效果上,马科维茨组合优于简单等权组合，并且马科维茨组合的规模小于简单等权组合。本文在上述研究的基础上,通过采用2007年上半年沪市A股的数据,研究投资组合规模、投资收益和投资风险之间的关系。通过进一步研究,希望能够为投资者进行证券投资组合提供理论和实践的参考。
二、实证研究过程
（一）研究样本及数据
本文选取样本的原则，一是考虑足够的样本容量，本文数据取自2001年1月至2009年12月的上海证券交易所上市的股票。在2001年1月，共有562家上市公司，其中资料不全的公司有210家，因此本次研究的范围共352家公司，样本容量足够大。二是抽样方法，本文采取的是不放回随机抽样，按照简单等权的方法进行1至30种股票的投资组合，选取上述方法的原因是计算方便，并且能够比较从1支股票增加到30支股票，每增加一支，对收益和风险的影响。三是考虑适当的分析时间区段，避免由于样本数据波动带来较大的估计误差，经过简单观测上证指数的k线图，本小组发现在2006年1月至2008年1月上证指数波动较为平稳，又考虑到时间跨度过大会影响股票收益及风险的变动，故时间跨度确定为6到8个月。本研究选取的样本为，随机抽取在上海证券交易所上市的30家A股，时间跨度从2007年1月至2007年6月。
（二）证券投资组合的规模、收益与风险的实证
研究表1是本小组在随机抽取30支股票后，运用excel及spss统计软件计算得出。经过分析表1中的数据，我们可以得出投资组合规模与风险的关系、组合规模与收益的关系，并可利用他们之间的关系尝试拟合回归模型。
1.投资组合规模与风险的关系。从表1中的数据可以看出，当股票规模由1支增加到2支时，股票的风险下降趋势明显，由9.24%下降到7.25%，下降了1.99%，下降幅度显著，组合效果十分明显。当组合的规模从2种增加到6种时，股票的风险下降了1.26%，当组合的规模从6种增加到12种时，股票的风险下降了0.58%，当组合的规模由12种变化到18种时，风险下降了0.23%，而当组合的规模由18种增加到30种时，投资组合的风险由5.18%降低到5.14%，风险仅降低了0.04%，组合效果不理想。根据随机抽样的30支股票的上述计算与比较，推断上海证券市场在2007年1月至6月的总体情况。随着投资组合规模的不断扩大，投资组合的风险会呈现逐步下降的趋势，且风险的下降趋势随着组合规模的增加下降明显。当股票规模超过20支时，风险区域稳定，下降趋势不明显。
2.投资组合规模与组合收益的关系。从表1中的数据可以看出：当组合规模从1种增加到2种时，组合的收益率下降了0.54%。当组合的规模由2种增加到6种，收益率上升了0.05%。当组合的规模由6种增加到12种时，收益率下降了0.06%。当组合的规模增加到18种时，收益率下降了0.11%，组合规模继续增加到24种，收益率下降了0.02%，组合规模到达30时，收益率下降到2.24%，下降了0.04%。根据投资组合理论，组合的收益是组合中各风险资产收益的现行组合，本文采用的是简单的等权线性组合，投资组合的增加并不能增加组合的收益。从样本数据可以看出，在2007年1月至6月的上海证券市场，随着组合规模的增加组合的收益率出现了有规律的下降趋势，但收益的这种下降程度并不是很高，当组合数增加到一定程度后，组合收益的变动范围基本上保持在一个很小的范围内，这意味着达到一定规模后，组合规模的不断扩大，组合的收益差距基本不变。因此，投资组合规模的增加并不是增加组合收益的主要途径，甚至可能降低组合的收益。
3.组合规模与风险的回归模型。根据上述实证数据，可以看出投资组合的规模与组合的风险呈现一定的相关关系，即投资组合的规模增加会减少组合的风险，但这种关系不是严格的线性关系。本文运用spss软件采用尝试性的方法，将组合规模作为自变量，风险（即方差）作为因变量，拟合了包括Linear(线性)，Quadratic（二次）,Cubic（三次）,Inverse（倒数）四种模型。通过比较后，发现拟合模型中Inverse函数在四个函数中最为符合。以投资规模为X，风险为Y。拟合模型为：Y=0.023+0.004X此模型恰好与埃文斯和阿彻的投资组合模型Y=A+BNi〔其中Ni为组合的规模(i=1,2,3,……n);Yi为不同组合规模的σ〕相符合。4.组合规模与收益的回归模型。回归模型拟合的比较好，拟合优度为0.803，调整后的拟合优度为0.798，整体的F检验也非常显著，各个参数的t检验也比较显著，据此说明了投资组合规模与组合风险之间确实存在显著的相关关系。我们可以用上述模型对投资组合的风险进行合理的估计,但由于组合中存在系统性风险,因此,当N趋向于无穷大时,组合的风险并不趋向于0。5.组合规模与收益的回归模型。与组合规模与风险的模型类似，组合规模与收益的回归模型为：Y=0.05+0.004X经检验回归模型拟合得非常好，拟合优度为0.980，调整后的拟合优度为0.979，整体的F检验十分显著，各个参数的t检验也十分显著，但此模型没有经济理论的支持，因此仅作为一种拟合趋势，没有变量间的因果关系，不能解释两者之间的关系。
三、结论与建议
经过实证研究，得出如下结论:
（1)上海证券市场在2007年1月至6月期间,投资组合的适度规模数为16种股票。这种投资组合规模使投资组合总风险降低4.06%。因此，投资者为了降低组合的风险可以增加投资组合中的股票数，但投资组合的风险在组合规模达到一定程度后将逐渐稳定。
（2)从之前规模与收益的风险分析可看出：简单的投资组合并不必然导致组合收益水平的提高,投资组合的规模存在一定的有效范围,当组合规模超过该范围时将引起组合的过度分散，而组合的过度分散又将产生各种交易费用及不必要的管理成本,这样势必会引起整个投资组合的收益降低。
【关键词】Copula 金融市场风险 综合风险 测算
随着经济全球化和金融自由化的发展，全球金融市场特别是金融衍生品市场得到迅猛发展，呈现出了前所未有的波动性，金融机构和投资者面临的各种风险日益复杂和多样化，因此对金融风险的评估和测量也提出了越来越高的要求。传统的风险计量方法已不能适应现代金融业的需要。基于此，Copula方法这种全新的测算技术被引入金融风险的计量中。
Copula函数被称为“相依函数”或者“连接函数”，它是把多维随机变量的联合分布用其一维边际分布连接起来的函数。Copula理论于1959年由Sklar提出，定义了一个联合分布分解为它的K个边缘分布和一个Copula函数，其中Copula函数描述了变量间的相关结构，Sklar定理为Copula方法体系的发展打下了基础。但直到上世纪90年代末期才被引入金融领域，Nelson(1998)比较系统地介绍了Copula的定义、构建方法，并全面介绍了Copula函数的各项性质以及几种重要的Copula函数族。Embrechs(1999)把Copula理论引入到金融领域中，把金融风险分析推向了一个新的阶段。在我国，对Copula的研究起步较晚，最早是张尧庭(2002)在理论上，主要是从概率论的角度上探讨了Copula方法在金融上应用的可行性。Copula方法在金融风险测算中主要具有如下优势：①Copula理论不限制边缘分布的选择，结合Copula函数可以更为灵活地构建多元分布函数；②在运用Copula理论建立模型时，边缘分布反映的只是单变量的个体信息，变量间的相关信息完全由Copula函数来体现，可以将随机变量的边缘分布和它们之间的相关关系分开来研究；③通过不同形式Copula函数的选择使用，可以准确捕捉到变量间非线性、非对称的相关关系，特别是容易捕捉到分布尾部的相关关系，这有助于风险管理机构度量出现极端情况下的风险值。
一、Copula方法在国外金融市场风险测算中的应用
1.常规模式下Copula方法的应用
如同任何新方法被应用到新的领域一样，Copula方法之于金融市场风险管理也经历了从简单到复杂，从理论研究到具体实证中的过程。Sklar(1959)到Nelson(1998)，对Copula理论起到了奠基性的作用。Embrochts(1999)把Copula作为相关性度量的工具，引入金融领域。Matteis(2001)详细介绍了Arehimedean Copulas在数据建模中的应用，并运用Copula对丹麦火灾险损失进行了度量。Bouye(2000)系统介绍了Copula在金融中的一些应用。Embrechts (2003)，Genest(1995)分别于模拟技术、半参数估计、参数估计对Copula的统计推断作了详细介绍。Roberto De Matteis(2001)对Copula函数，特别是Archimedean Copula函数作了较为全面地总结。Romano(2002)开始用Copula进行了风险分析，计算投资组合的风险值，同时用多元函数极值通过使用Monte Carlo方法来刻画市场风险。Forbes(2002)通过对固定Copula模型来描述Copula的各种相关模式，并把这一个方法广泛地应用在金融市场上的风险管理、投资组合选择及资产定价上。Hu(2002)提出了混合Copula函数(Mixed-Copula)的概念，即把不同的Copula函数进行线性组合，这样就可以用一个Copula函数来描述具有各种相关模式的多个金融市场的相关关系了。上述文献主要从理论上探讨了Copula方法的适用性，并对Copula函数形式的选择，Copula函数的参数估计方法等展开了较为深入的研究且采用金融市场的数据进行了相关实证说明，但都是在固定时间段内固定相关模式的假设下进行，没有体现出金融市场风险瞬息万变，投资组合的风险值动态变化的特征。
2.动态模式下Copula方法的应用
众所周知，金融市场投资组合面临的风险每时每刻都在波动，在模型假设固定的情况下测算往往会低估风险，因此建立动态的，能及时体现市场波动特征的模型显得更为重要。Dean Fantazzini(2003)将条件Copula函数的概念引入金融市场的风险计量中，同时将Kendall秩相关系数和传统的线性相关系数分别运用于混合Copula函数模型中对美国期货市场进行分析。Patton(2001)通过研究日元/美元和英镑/美元汇率间的相关性，发现在欧元体系推出前后这两种汇率之间的相关性程度发生了显著变化。在此基础上，Patton提出引入时间参数，在二元正态分布的假设下提出了时变Copula函数来刻画金融资产。Goorbergh，Genest和Werker(2005)在Patton的基础上设计出新的动态演进方程并用在时变Copula中对期权定价进行了研究。Jing Zhang，Dominique Guegan(2006)开始构造拟合优度的统计检验量来判断样本数据在进行动态Copula建模时适用的模型结构，也就是时变相关Copula模型与变结构的Copula模型的统计推断，Ane，T.and C.Labidi (2006)采用条件Copula对金融市场的溢出效应进行了分析，Bartram，S. M.，S. J. Taylor，and Y-H Wang(2007)采用GJR-GARCH-MA-t作为边缘分布并用Gaussian Copula作为连接函数建立了动态Copula模型对欧洲股票市场数据进行了拟合，取得了较好的结果，Aas，K.，C. Czado，A. Frigessi，and H. Bakken(2008)在多元分布前提下对双形Copula建模进行了研究。
二、Copula方法在我国金融市场风险测算中的应用
1.二元Copula方法的应用
Copula方法在我国起步较晚，直到张尧庭(2002)才将该方法引入我国，主要在概率统计的角度上探讨了Copula方法在金融上应用的可行性，介绍了连接函数Copula的定义、性质，连接函数导出的相关性指标等。随后韦艳华(2003，2004) 结合t-GARCH模型和Copula函数，建立Copula-GARCH模型并对上海股市各板块指数收益率序列间的条件相关性进行分析。结果表明，不同板块的指数收益率序列具有不同的边缘分布，各序列间有很强的正相关关系，条件相关具有时变性，各序列间相关性的变化趋势极为相似。史道济、姚庆祝(2004)给出了相关结构Copula、秩相关系数Spearman与Kendall tau和尾部相关系数，以及这三个关联度量与Copula之间的关系，各个相关系数的估计方法等，并以沪、深日收盘综合指数为例，讨论了二个股市波动率的相关性，建立了一个较好的数学模型。叶五一、缪柏其、吴振翔(2006)运用Archimedean Copula给出了确定投资组合条件在险价值(CVaR)的方法，对欧元和日元的投资组合做了相应的风险分析，得到了二者的最小风险投资组合，并对不同置信水平下VaR和组合系数做了敏感性分析。曾健和陈俊芳(2005)运用Copula函数对上海证券市场A股与B股指数的相关结构进行分析，发现了与国外市场不同的研究结果：不论市场处于上升期或下跌期，上证A股与B股指数间均存在较强的尾部相关性。李悦、程希骏(2006)采用Copula方法分析了上证指数和恒生指数的尾部相关性。肖璨(2007)则较为全面的介绍了Copula方法应用二元情况下的建模与应用。
2.多元Copula方法的应用
只在二元情况下度量金融市场风险并不全面，现实金融市场中的机构投资者和个体投资人通常选择多个金融资产进行组合投资以降低投资风险，因此如何刻画多个金融资产间的相关结构，对于规避市场风险更具有现实意义，但如何将二元向多元推广依然是一个需要解决的难题。这是因为当变量增加时，模型的复杂程度及参数估计难度都将呈指数倍增长，针对二元方法的模型参数估计可能将不再适用，需要研究新的估计方法。
芝交所风险控制制度的主要特点
由于金融衍生品交易的高风险，芝加哥商业交易所十分重视交易相关的风险控制问题。在过去的30多年中，该所已经形成了一整套行之有效的风险管理体系。保证金是芝加哥商业交易所风险控制制度的核心要素之一。
(1)芝交所关于金融衍生品交易的风险控制制度，以交易所监管清算会员负责内部和客户账户风险控制的二元风险管理制度为基础。交易所根据联邦期货监管委员会条例和内部管理章程对所有清算会员实行风险防范管理；清算会员则根据交易所相关业务章程和内部控制制度对自己和客户账产业务风险进行管理。
(2)通过逐日盯市制度及时调整清算会员和客户保证金是交易所控制风险的主要制度安排。交易所根据市场交易行情变化即时调整(增加)日中盯市清算频率。这是防范清算会员和客户风险扩大的有效措施。在市场剧烈变动之时，增加日中盯市清算安排，可以有效地限制清算会员和客户风险累积扩大的幅度，从而为防范交易所范围内出现体系性风险奠定了坚实的制度基础。
(3)交易所通过按期核准清算会员最低净资本金标准和财务报告的形式审查清算会员资格，同时要求清算会员购买商业交易所股份、向交易所存缴安全存款准备金，并要求清算会员根据客户账户交易和持仓规模缴纳和调整账户维持保证金的办法，控制清算会员和客户交易风险。这种风险控制制度不仅要求清算会员对自己和客户风险进行有效控制，而且交易所和清算会员之间建立了事实上的风险控制利益共同体。这是芝交所有效防范交易风险的重要制度保证。
(4)芝交所集多年金融衍生品交易风险管理的经验研究开：发的标准组合资产风险分析系统(SPAN)是交易所、清算会员和参加金融衍生品交易单位管理金融衍生品交易风险的有效工具。这一工具不仅可以用于交易保证金的计算，而且对于各种市场条件下风险值的匡算，以及实现交易风险实时监控，都有着不可替代的优势。
(5)作为芝交所金融衍生品交：易风险控制的重要组成部分，清算会员对客户风险的监控需建立在有效的事前、事中和事后监管制度。事前控制的必要组成部分包括，会员下单核实、风险管理和定单管理的内容。会员下单核实主要包括对交易双方身份的认定、下单内容的审核等内容。风险管理主要包括在定单交易之前检测资金支付方保证金是否足额，是否符合限仓和大户报告等其他需要满足的风控指标。如果保证金不足，需要求资金支付方在交易前的一定时间内补足保证金。如果违反限仓制度和大户报告制度，则要求资金支付方先满足这两个制度，再进行交易。定单管理指及时显示和取消在交易时间里未成交的定单，并及时把相关信息转递到中后台。在有效防范风险的基础上，兼顾市场交易效率和风险管理目标也是风险控制制度建设的重要参照指标。
风险分析和控制系统
风险分析和控制系统(SPAN)由芝交所于1988年设计开发并执行。目前SPAN是全球50个注册交易所和清算组织的正式保证金机制。
SPAN的主要功能有三个：在一组给定风险参数下，给定的投资组合的最大可能损失是多少；SPAN根据保证金设定机构(通常是交易所或清算组织)设置的风险参数，通过计算标准投资组合所能承受的最大损失来评估投资组合的风险；保证金设定机构对保证金参数和保证金保险范围有完全的控制权。
保证金的计算
SPAN在投资组合水平、清算水平和混合水平上，在尽可能广泛的产品的基础上计算保证金。SPAN提供的详细的投资组合信息包括保证金数据、投资组合价值、详细头寸。
SPAN扫描风险――风险矩阵
SPAN对于每一个合约，都有一个多重(通常为16)风险矩阵。每一个矩阵上的点代表着特定市场假定下，合约发生的潜在的收益或损失。投资组合里的每一头寸都将和风险矩阵进行组合，得出头寸自身的收益或损失。一个投资组合所有头寸的收益／损失矩阵综合在一起，形成投资组合总的收益／损失矩阵。风险矩阵中有最大损失的那个点代表的风险就是投资组合的价格扫描风险。在扫描风险范围内的潜在的价格上升或下跌以及在扫描风险变动率范围内的期权变动率的上升或下跌的组合，形成SPAN系统中的每一个市场假定。
CMEl6个市场假定条件如下：价格不变，数量上升；价格不变，数量下降；价格上升1／3，数量上升；价格上升1／3，数量下降；价格下跌1／3，数量上升；价格下跌1／3，数量下降；价格上升2／3，数量上升；价格下跌2／3，数量下降；价格下跌，数量上升；价格下跌2／3，数量下降；价格上升1倍，数量上升；价格上升1倍，数量下降；价格下跌1倍，数量上升；价格下跌1倍，数量下降；极端市场变动，价格上升3X，覆盖部分数量不变，极端市场变动，价格下跌3X，覆盖部分30％数量不变。
SPAN分析过程
SPAN首先估计每一种商品的直接市场风险(价格扫描风险)，过程如下：
■估算在同样的假定条件下，不同到期合约之间价格行为差异引起的风险，即跨月价差风险；
■针对可能存在的流动性(交割性)风险附加的额外费用，即交割风险；
■如果投资组合中含有期权空头头寸，计算期权空头的最低风险；
■加总价格扫描风险、跨月价差风险和流动性风险；
■比较加总后的数额同期权空头最低风险的大小。较大者作为组合商品的风险值。
然后，比较不同商品组合之间风险值的价差抵扣。
最后，保证金要求将所有商品组合的风险加总后减去不同商品组合之间的风险信用抵扣。
SPAN的功能分离
从理论上看，在定制的SPAN中仅包含保证金计算和SPAN文件生成功能是完全可行的，但客户只能购买或者放弃SPAN，而不能只定制其中的某些功能，因为CME不是软件开发商，且无此先例。
保证SPAN运行的一个关键点是必须向SPAN输入特定格式的数据，即输入SPAN文件，才可能输出保证金计算结果以及其他风险计算结果，据了解，交易所层面运行SPAN有以下三种途径：一是购买PC－SPAN软件，同时开发能生成SPAN文件的软件或者从芝所下载相关SPAN文件。开发能生成SPAN文件的软件需投入较高成本，从芝所下载文件难以满易所层面随时计算保证金和计算保证金至客户一级的需求(清算会员一般购买PC－SPAN，一天两次从芝所下载文件，计算至客户一级)；二是购买SPAN风险管理清算软件，该软件包含了生成SPAN文件的功能，此时只需开发接口，将本交易所清算系统的数据通过接口传至SPAN风险管理
清算系统，后者生成SPAN文件并计算保证金，目前新加坡交易所使用了此套方案；三是购买PC―SPAN软件，同时购买清算二十一系统，清算二十一系统可以生成SPAN文件输出供PC―SPAN计算保证金(SPAN体系共有3种软件可供选择，详见黄面介绍手册)。
国内金融衍生品交易的监管环境
健全我国相应的金融法规，相应完善金融衍生产品交易的监管体制是我国衍生品市场能够实现高效和有序发展的必要条件。
首先，中国人民银行和外汇管理局对金融和外汇期货交易监管。其相关监管法规主要包括《国务院关于坚决制止期货市场盲目发展的通知》(1993)、《国家外汇管理局关于金融机构办理自营外汇买卖业务的管理规定》(1993)、《中国人民银行远期结售汇业务暂行管理办法》(1994)、和《国有企业境外期货套期保值业务外汇管理操作规程》(试行，2001)。
第二，中国证监会统一监管期货交易市场。其相关监管法规主要包括《关于严厉查处非法外汇期货和外汇按金交易活动的通知》(1994)、《期货交易管理暂行条例》(1999)、《期货交易所管理办法》(2002)、《期货从业人员资格管理办法》(2002)、《期货交易所、期货经营机构、信息技术管理规范》(2000)、《期货经纪公司管理办法》(修订，2002)、《期货经纪公司高级管理人员资格管理办法》(修订，2002)、《国有企业境外期货套期保值业务管理办法》(2001)等等。这些法规主要针对期货交易所、期货经纪公司及其从业人员的所有市场行为进行监管。
第三，中国银行业监督管理委员会负责对金融机构衍生产品交易的监管。其相关监管法规主要包括《中国商业银行法》(修改，2003)和《金融机构衍生产品交易业务管理暂行办法》(2004)等。大部分中小金融机构目前还不具备银监会《金融机构衍生产品交易业务管理暂行办法》的条件。
此外，中国期货行业公会和期货交易所对衍生品交易存在自律管理条例，最高人民法院依据《最高人民法院关于审理期货纠纷案件若干问题的规定》处理有关期货交易的纠纷。
从健全我国金融外汇衍生交易法律环境的需要．出发对衍生交易场内市场进行重新立法，对期货交易所的法律性质重新定位，允许交易所以公司制形式运营。同时，降低进入衍生交易所的准入门槛，制定对市场交易行为管理的规定，对外汇衍生交易中的纠纷和仲裁进行立法。借鉴西方发达国家的经验，在法律规定的范围内，制定包括金融衍生品交易在内的统一的行业协会自律和从业人员管理相关规定。
国内相应风险管理制度建设的建议
首先，结合国内有关市场风险管理的经验，同时参照国际市场成熟风险控制制度和实际业务做法，从审慎发展国内银行间金融衍生品交易需要出发，自主进行相关风险管理制度建设。从目前实际出发，建议在金融衍生品交易风险管理制度中，坚持“事先原则”和“充分原则”。
【关键词】财务管理 风险投资 风险评估 风险控制
一、企业风险投资的概念及基本特征
（一）企业风险投资的概念。
企业的风险投资又被称作创业投资，主要是指企业为了促进行业高科技的产业化发展，以股权资本的形式将资金专门投向存在着较大失败风险的高新技术开发领域，并期待成功后能通过股权的转让来获得较高资本的收益的一种投资行为。
（二）风险投资的基本特征。
1. 风险投资是一种具有较大风险的投资
风险投资主要支持的是高新科技、产品的创新，所以在技术、市场、经济等方面存在着巨大的投资风险，一般而言投资成功率平均只占到30%左右。但是，面对高额的投资回报率，很多企业仍乐此不疲地进行风险投资，其仍旧吸引着全球各企业的目光。
2. 风险投资是一种典型的组合型投资
很多成功的风险投资案例证明，如果采取组合投资，将是企业风险投资行之有效的方法。通俗的说，就是不要把鸡蛋放在同一个篮子里。这就要求企业不要将所有的资金全部投放在一个项目、一个阶段、一个企业中，而是将投资均衡的投放在不同的企业和企业不同的发展阶段和项目中。这种分散式的组合投资将投资的风险成功的进行了分散，即使有一部分项目失败，也不会引起资金大规模的损失。反之，如果有一部分项目成功，则可以弥补其他项目失败所带来的损失。企业也可以只投入所需资本的一部分，不必承担全部投资，这样可以避免企业孤注一掷。
3. 风险投资属于一种长期投资
一般的风险投资要经历3至7年的时间才能获得收益。在投资的过程中还要不断的对那些有希望成功的项目或企业不断的进行增资投资，因此，风险投资不仅要有足够的资本，还要有足够的耐心。不仅要在投资之前进行评估，在后期的发展阶段也要做好跟踪。
4. 风险投资属于一种权益性投资
风险投资的本质并不是借贷资金，而是一种明显的权益资本投资。投资的着眼点并不在于投资对象当前的盈亏上，而是在于对投资企业或项目的发展前景或资产的增值上。这样做的目的主要是希望通过对投资企业的上市或出售转让变现而取得高额的回报。
5. 风险投资是一种非常专业的投资
企业的风险投资并不是单纯的向投资企业的创业者提供资金，而是企业的投资者凭借自己积累的丰富学识、经营管理经验、广泛的社会关系等向投资企业提供这些资源。投资人需要有这方面的专业知识、管理手段以及一定的财务知识，并积极参与企业的创业，与企业的创业者共同创办企业的经营管理，帮助企业的创业者取得经营的成功。
二、投资风险评估
（一）风险报酬率。
风险报酬率是指投资者因承担风险而获得的超过时间价值率的那部分额外报酬率，即风险报酬与原投资额的比率。风险报酬率是投资项目报酬率的一个重要组成部分，如果不考虑通货膨胀因素，投资报酬率就是时间价值率与风险报酬率之和。
（二）单项投资风险报酬率的评估。
单项投资风险是指某一项投资方案实施后，将会出现各种投资结果的概率。换句话说，某一项投资方案实施后，能否如期收回投资以及能否获得预期的收益，在事前是无法确定的，这就是单项投资的风险。除国库券投资外，其他所有投资项目的预期报酬率都可能不同于实际获得的报酬率。对于有风险的投资项目来说，其实际报酬率可以用如下标准来进行衡量：
1.期望报酬率
期望报酬率（Expected rate of return）；是指各种可能的报酬率按概率加权计算的平均报酬率，又称为预期值或均值。它表示在一定的风险条件下，期望得到的平均报酬率。
2.方差、标准离差和标准离差率
（1） 方差
按照概率论的定义，方差是各种可能的结果偏离期望值的综合差异，是反映离散程度的一种量度。
（2）标准离差
标准离差则是方差的平方根。在实务中一般使用标准离差而不使用方差来反映风险的大小程度。一般来说，标准离差越小，说明离散程度越小，风险也就越小；反之标准离差越大则风险越大。
（3） 标准离差率
标准离差是一个绝对指标，作为一个绝对指标，标准离差无法准确地反映随机变量的离散程度。解决这一问题的思路是计算反映离散程度的相对指标，即标准里差率。标准里差率是某随机变量标准离差相对该随机变量期望值的比率。
3. 风险价值系数和风险报酬率
标准离差率虽然能正确评价投资风险程度的大小，但还无法将风险与报酬结合起来进行分析。因此我们还需要一个指标来将对风险的评价转化为报酬率指标，这便是风险报酬系数。
（三）投资组合风险报酬率的评估。
1. 投资组合的报酬率
投资组合的期望报酬率就是组成投资组合的各种投资项目的期望报酬率的加权平均数，其权数是各种投资项目在整个投资组合总额中所占的比例。
2. 投资组合的风险
在一个投资组合中，如果某一投资项目的报酬率呈上升的趋势，其他投资项目的报酬率有可能上升、下降或者不变。在统计学测算投资组合中，协方差和相关系数是任意两个投资项目报酬率之间变动关系的指标，这也是投资组合风险分析中的两个核心概念。
（1）协方差
协方差是一个测量投资组合中一个投资项目相对于其他投资项目风险的统计量。各投资组合相互变化的方式影响着投资组合的整体方差，从而影响着整体的风险。
（2）相关系数
为了使其概念能更易于接受，可以将协方差标准化，将协方差除以两个投资方案投资报酬率的标准差之积，得出一个与协方差具有相同性质但却没有量化的数，我们将这个数称为这两个投资项目的相关系数（correlation coefficient）。
三、企业风险投资的控制对策
投资风险的控制是企业风险管理人员在经过对风险的分析评估后，针对企业所面临的不同风险而采取的相应控制风险的措施，从而降低企业的预期损失。
（一）风险的避免。
在风险投资管理中，风险的避免是一种较为消极的方法。高风险伴随着高收益，风险的避免也意味着可能损失这一部分风险所带来的收益。其方式主要是通过对风险源的中断来彻底消除某一风险造成的损失和一些潜在的负面影响。在现实中，风险避免将受到大自然、国内外政策等很多因素的影响。另外，在避免这一风险的同时，很有可能带来了其他风险的发生。
（二）风险损失的控制。
损失控制主要是指在发生风险之前对企业的投资过程中的某些方面进行调整或重组，以便降低企业投资损失的发生。一般情况下，企业可以采取改变企业的投资风险因素、改变风险因素所处的环境、改变风险因素与所处环境的相互作用机制等措施来完成对风险损失的控制。
（三）风险转移控制。
风险转移是一种风险控制的基本方法，主要是指企业将自己不愿意承担的分先以某种方式转移给其他单位或个人的一种风险管理措施。它主要包括：风险的保险转移、风险的非保险转移。风险的保险转移主要将风险转移给保险公司。风险的非保险转移有控制型风险的转移和财务型风险的转移。企业实施风险的控制转移主要的方法为：出售买卖合同，将风险转移到其他单位或个人。在转移的过程中切忌那些无节制的、无限度的不道德行为，必须通过合理合法的手段进行风险的转移。
（四）财务控制策略。
企业的风险投资控制还可以通过经济手段进行处理和控制。设计良好的财务管理制度，在投资前期进行财务评价，在投资跟进期间实行动态财务管理。加强管理手段，在具体实践中实行纵横交叉的网络式管理，主要有以下几种方式：财务经理双任联签制、财务经理单任制、记账制、中介机构审计的方式和数据库管理方式。
四、结论
大量事实表明，做任何投资都有风险，风险本身并不可怕，可怕的是不知道如何规避风险；风险投资企业从事高风险项目可以带来高收益，关键在于对风险的管理。企业应加强风险投资财务管理，做好风险评估，从源头上规避风险，在跟进中降低风险，为企业谋取最大的利益。在政府的直接推动和社会各界的广泛关注和参与下，我国的投资事业已经进入了高速的发展时期。例如新浪这些优秀的企业的造就，使得风险投资成为我国高新技术企业进一步发展的源泉动力。虽然，我国的风险投资发展没有国外成熟，仍旧处于起步阶段，但是我国的风险投资事业正朝着蓬勃的势头发展。
参考文献：
[1]龚琳.我国风险投资的发展及其对策[J].中国集体经济，2010，（12）.
[2]高囡囡，张晓梅，伍萌.关于风险投资的分析与思考[J].中国市场，2010，（26）.
[3]何佳.浅析我国风险投资现状及发展对策略[J].特区今天几点，2010，（02）.
1.引言
近年来金融工具及其衍生物越来越多元化，其带来的不确定因素也越来越大，因而金融市场的风险也就越来越高。金融市场间的关系更是变得日趋复杂，更多的呈现出非线性、非对称和厚尾的特性，金融波动和危机的频繁出现使聚合风险管理和金融市场间相依关系分析成为国内外关注的焦点。
现阶段最常使用的风险度量指标是20世纪90年代j.p.morgan和g30集团提出的var（value at risk）方法，var旨在一定的置信水平下，估计金融资产或组合受市场因子波动影响，而在未来特定的一段时间内的最大可能损失。严格的说，var描述了在一定的目标期间内收益和损失的预期分布的分位数。如果c代表置信水平，var对应的是较低的尾部水平1-c。可表示为：
其中，表示某事件的概率，表示资产或资产组合在持有期内的损失，c为置信度水平。在最近这些年var作为金融风险度量工具得到了广泛的应用，然而，研究发现var不具有次可加性和一致性的风险度量，后来针对这一问题，acerbi等[2-3]提出了期望损失es（expected shortfall）的定义。
假设r为持有期内资产或者资产组合的损益，并假设r的累积分布函数f（r）（cdf）是连续的，那么对于置信水平，var也可以用如下定义：
式中，表示r的分布在给定显着水平的下侧分位数。假设表示r的概率密度函数，那么置信水平为1-c下的es可以定义为：
式中，为示性函数。es实质上是将资产价值r乘以权重的从-到0的积分，这样它就把超过var水平的损失部分考虑进去了。从经济意义上讲，es就是指当损失超过var时的平均损失。由于它同时具有了次可加性和一致性，是一个较好的风险度量工具。rappoport（1993）第一次在金融行业中用它来做风险管理的一个工具，后来acerbi（1997）等人证明了该方法是一个一致性的风险度量工具。
同时，通过引入copula函数度量资产组合集成风险的方法已经越来越成熟。schweizer和sklar最早提出copula函数的概念及其它的一些性质。后来sklar指出了copula函数可以把具有不同类型边缘分布函数连接起来，并且能抓住它在风险管理应用中的本质特征（例如：尖峰厚尾性）；emberchts等第一次把该方法引入到金融类相关研究之中。许多研究学者在他们的基础上做了很多有意义的研究。例如：breymann等人研究表明了学生t-copula的经验拟合比高斯copula优越很多；ceske，hemandez（1999）提出可以将copula函数与montecarlo技术结合计算相关损失；matteis对archimedean copula做了很好的总结。
在我国，copula函数方法在金融上的应用才刚刚起步，且其中绝大多数文献做的是介绍性、引入性的研究。最早见的是张尧庭（2002）提出copula函数在金融风险领域大有可为；史道济利用copula函数研究外汇组合的相关性；司继文（2004，2005）分别将copula函数应用于国内外的股票市场和期货市场；韦艳华、张世英（2004）将garch模型应用于copula函数，来度量金融时间序列的自相关结构。前人的研究主要集中在利用copula函数对股市或资产组合的相关性研究。而韦艳华（2004）利用garch模型拟合正态copula函数的边缘分布，然后运用monte carlo仿真技术计算投资组合的var。
本文创新一是采用garch或者egarch模型来拟合t-copula函数的边缘分布，克服了传统garch模型不能处理特定非对称金融时间序列的局限性。对此，本文也比较分析了单独使用garch下和本文采取的方法下的风险值，研究表明本文提出改进的思路对风险估计更为准确。改进二在于对于风险衡量的指标不是仅仅采用var，而是利用var与es双监管的风险度量方法，克服了传统风险度量var的很多缺陷（不具有次可加性、正齐次性等）。最后通过度量我国股票型开放式基金的市场风险为出发点，运用monte carlo仿真技术计算投资组合的var以及es，具有很强的实用价值。
2.garch或者egarch收益率分布模型
对于某一金融资产，投资者最想知道的是将来某个时刻该资产收益率的信息。由于金融资产收益率的尖峰厚尾性、条件异方差性、波动聚集性和杠杆效应等，普通的garch模型对对前三者能较好的刻画，但是对于杠杠效应garch模型不能刻画出，因此，本文对不存在杠杆效应的收益率序列采用garch模型拟合资产收益率的特征，对存在杠杠效应的收益率序列采用egarc模型刻画。该模型是glosten jagannathan和runkle在engle提出自回归条件异方差（arch）模型和bofloerselev提出的广义自回归条件异方差（garch）模型的基础上改进提出的，它考虑了坏消息和好消息对波动性不同的影响。
假设投资组合中有d种金融资产，对于资产i，直接根据最近的n期历史收益率数据（t=1，2，…，n）运用garch其中eagch模型中条件方差采用自然对数形式，意味着非负，且杠杠效应为指数型的。模型中引入了一个重要参数，若，说明信息作用非对称，存在杠杠效应。为第i个资产收益率序列；为的条件均值项；v是t分布的自由度。为待估参数；随机扰动项服从均值为0，方差为1的标准t分布。即：
它的形式使得garch或者egarch模型能够较好地描述收益率序列的各种特性（如条件异方差性、波动聚集性）。
假定利用观察资产收益率历史数据样本可以得到，在估计出参数后，可以得到下一时刻收益率的条件分布：
其中，是自由度为v的t分布函数，是到时刻t为止的信息集。利用matlab可以很方便地由样本观测数据估计出garch模型的各个参数，从而由式（2）得到给定t时刻前信息集的条件概率分布。
3.copula函数的参数估计
在资产分配、衍生品定价和风险管理等许多金融领域中，有关风险因素之间的相关性度量及其重要。许多文献中常采用多元正态函数，然而各种金融资产的收益率之间一般并不符合多元正态分布的假设，为此，本文使用copula函数来解决这个问题。
由sklar定理可知，对于一个具有边际分布函数为（）的金融资产的联合分布函数f，一定能找到一个copula函数c，使得：
如果所有的边际分布函数都连续则从上式定义的copula函数是唯一的。从上式可以计算得出copula：
其中，
文献表明，t-copula能更好地刻画各个金融资产的尾部相关性，本文研究的是t-copula连接函数分布。
其中，表示相关系数矩阵为r，自由度为v的维标准t分布函数，表示自由度为v的单变量标准t分布函数的反函数。copula模型为：
参数v为t分布的自由度。为d维t-copula分布，表示均值为0，方差为1，自由度参数为的正规化t分布函数，即：
式中是伽马函数。由于t-copula的密度函数对任意维数都不是一个简单的形式，本文根据t-copula函数形式使用matlab工具估计其参数，过程
（1）把资产收益率数据通过概率积分变换转化为一致分布；
（2）用对数似然函数法估计学生t-copula的参数：
此处的copula函数c为公式（4）给出的；
（3）令，此处是单变量累积标准正态分布函数；
4.利用模特卡罗模拟资产组合的var和es
根据embrechts关于利用t-copula函数模拟随机变量的方法，多次模拟资产组合资产收益率的随机扰动项。具体模拟步骤为：
（1）由上述估计出的随机扰动项的相关系数矩阵r，对其进行cholesky分解。
（2）根据标准正态分布，模拟d个相互独立的随机变量。
（3）产生与y相互独立的变量e，服从分布。
（4）令。
（5）令，则x为服从自由度为v的t分布。
（6）计算得到。
（7）根据得到联合分布为，连接函数为的d维随机扰动项。
（8）根据egarch或garch模型，得到金融资产收益率的条件均值和条件方差，然后根据随机波动方程，得到资产组合的资产收益率向量。
（9）给定资产在投资组合中的权重，计算投资组合收益r的值。
（10）重复上述过程5000次，模拟得到其经验分布，容易求出var和es的值。
5.实证研究
（1）数据的选取和边缘分布的估计
本文选取融通深证100基金2010年3月31日公布的前10大重仓股票作为观测样本，如表1所示。
本文采用从2004年7月1日至20010年3月31日共937个（对空缺数据已做处理）交易日的收盘价作为原始数据，计算出每只股票的对数收益率，并根据公式（1）、（2）估计出每只股票的边际分布，利用aic准则、sc准则和杠杆系数检验可以得出万科a、苏宁电器、中兴通讯、格力电器、吉林敖东存在杠杠效应，适宜采用egarch模型建模（其余采用garch建模拟合效果更好），下面以第三、四只股票五粮液（000858）和苏宁电器（002024）为例，分析其边缘分布函数的估计和拟合效果的评价。参数估计结果见表2和3：
其中，表2、3中括号的数据表示相应t统计量的估计值。从表2、3中给出的k-s相伴概率可知，利用cml方法对原序列做概率积分变换后，序列服从[0，1]的均匀分布。由此可以说明本文提出的模型可以较好地描述相关资产的边缘分布。同样的方法检验了其他8只股票的边缘分布拟合效果，都说明了garch或者egarch模型能较好拟合各自的边缘分布，因此用本文的模型描述收益率序列的边缘分布是充分的。
（2）copula函数参数估计和monte carlo模拟var和es
此处为了对比分析采用egarch或garch拟合边缘分布与仅仅采用garch拟合的效果，根据上面估计得各个股票收益序列的边缘分布，利用文中第四部分的估计copula函数参数的方法，估计得出其t分布的自由度dof=7.5848和各自的相关矩阵（表4、表5）。
由上述结果可知，仅仅采用garch拟合边缘分布使得各个资产之间的相关系数整体性的变小。从而可以推断出可能会导致风险的低估，从而对准确度量基金风险存在一定的影响。进一步的风险值比较分析可见表6、表7。
按照表1的投资比例，假设投资者处于t时刻，这里的t时刻指的是样本时间段的最后一天，即2010年3月31日，t时刻的投资组合价值为：
假设资产持有期从t时刻到t+1时刻，置信水平选择95%和99%进行估计。根据本文的copula-garch（egarch）模型，运用t-copula函数的模特卡罗模拟仿真模拟5000次，可以得出t+1时刻各个股票的收益率序列，进一步可以计算出t+1时刻各股票的损失序列，给定置信水平，容易得出t时刻到t+1时刻相应的投资组合var和es值，表6、7分别给出了本文提出的采用egarch或garch拟合边缘分布和传统方法仅仅采用garch模型拟合的情况下各个股票和证券投资组合的var和es值。
表6、表7清晰的显示本文所提出的方法对准确估计风险更进了一步，比较而言传统方法只使用garch模型拟合边缘分布导致了单个资产和资产组合的风险值都偏小。对于文中提出使用egarch模型拟合万科a、苏宁电器、中兴通讯、格力电器、吉林敖东，从表6与7中可以看出，var与es的风险值都比其他个股风险值偏离程度更大，说明采用egarch模型针对特定（存在杠杠效应）金融序列拟合效果更好，风险估计更为准确。
单独分析表6可以看出，在投资额一定的情况下，基金的风险值要比单个资产进行投资的风险值小，可见该基金选择的各个股票之间的相关关系有较大差别，说明投资组合可以大大降低投资风险。从var和es的风险值看，es都大于var，说明es比var度量风险更为保守，也说明了var在度量风险上存在计算风险值偏低的现象，这样对基金控制风险和减少资产损失极为不利，特别是当极端事件发生时，资产组合的风险值与实际值就会发生偏差。另外从var与es的差值可出看出，置信水平越高，投资组合降低风险的程度也就越大，但是由于var不具有次可加性，从es的差值能很明显看出。
6.结论
本文为了描述特定资产具有非对称性的特征，通过对资产收益率进行egarch建模，对不存在杠杠效应的资产仍使用传统的garch模型，这与copula可以连接具有不同边际分布的函数的相关关系相符，同时考虑到var度量风险的不足，引入了es一致性风险度量，通过t-copula函数和monte carlo模拟计算出了证券投资组合的var以及es的值。最后文章对融通深证100基金风险度量的实证研究可以看出，有的金融资产收益率序列可能存在杠杠效应；而且var的确存在低估风险的不足；同时也得出了风险值var或者es在置信度越高，它们的差值越为明显，说明了本文copula-egarch（garch）模型能较好地刻画投资组合二中不同资产间非正态非线性非对称的相关性。基于该模型的风险度量方法可以为我们基金管理公司评估和管理资产组合的市场风险，从而有利于公司控制和减少资产损失提供一定的参考作用。
参考文献
张尧庭.连接函数(copula)技术与金融风险分析明[j].统计研究,2002(4):48-51.
史道济,邱男.关于外汇组合风险相关性的分析[j].系统工程,2005,23(6):90-94.
司继文,蒙坚玲,龚朴.国内外期货市场相关性研究田[j].华中科技大学学报,2004,21(1):16-19.
关键词货币市场基金风险控制方法
货币市场基金，是指以货币市场工具为投资对象的基金。投资对象主要包括：短期国债、商业票据、大额可转让存单、回购协议、银行承兑汇票等货币市场工具。
1我国货币市场基金的发展现状及特点
我国货币市场基金起步较晚，2003年12月10日，由华安、博时和招商三家基金公司分别发起管理的首批三只货币市场型基金获准设立。到2004年4月12日，已经设立的7只货币市场型基金的总份额为430.93亿元，占开放式基金总份额的24%。
目前我国货币市场基金的投资范围还比较狭窄，暂时设定为短期债券（含央行票据）、银行存款和回购协议，但随着货币市场的逐渐发展，此类基金将来可投资于大额转让存单、银行承兑汇票、经银行背书的商业承兑汇票或其他流动性良好的短期金融工具。从这些投资对象的性质来看，主要特点有：
（1）基金单位的资产净值是固定不变。货币市场基金与其他基金最主要的不同在于基金单位的资产净值是固定不变的，通常是每个基金单位1元。投资该基金后，投资者可利用收益再投资，投资收益就不断累积，增加投资者所拥有的基金份额。比如某投资者以1000元投资于某货币市场基金，可拥有1000个基金单位，l年后，若投资报酬是8％，那么该投资者就多80个基金单位，总共1080个基金单位，价值1080元。
（2）收益率是衡量货币市场基金表现好坏的标准。这与其他基金以净资产价值增值获利不同。
（3）流动性好、资本安全性高。这一优势主要来源于基金所投资的对象的特点，同时，投资者可以不受到日期限制，随时可根据需要转让基金单位。
（4）风险性低。货币市场工具的到期日通常很短，货币市场基金投资组合的平均期限一般为4～6个月，因此风险较低，其价格通常只受市场利率的影响。
（5）投资成本低。货币市场基金通常不收取赎回费用，并且其管理费用也较低，货币市场基金的年管理费用大约为基金资产净值的0.25％～1％，比传统的基金年管理费率1％～2.5％低。
（6）货币市场基金均为开放式基金。它通常保持一定比例的现金，以应付客户的日常赎回。即使在发生较大规模的赎回时，也可以通过在货币市场迅速变现自己的短期有价证券来获取现金以满足客户要求。
2货币市场基金的风险分析
2.1货币市场基金的系统风险
货币市场基金的系统风险是指基金投资于货币市场必须承受的其外部发生的，非基金本身所能控制的来自政治、经济、政策、法规的变更等所导致的市场行情波动而产生的投资风险。
（1）利率风险。不同于投资股票和债券的基金，货币市场基金投资于货币市场工具，货币市场基金单位的资产净值是固定不变的，衡量其表现好坏的标准是收益率，这一收益率通常只受市场利率影响，其收益主要取决于短期市场利率水平，利率风险也因此产生。一般来说，货币市场基金的盈利空间和市场利率的高低成正比。市场利率越高，其盈利空间越大，反之则收益较低。
（2）资金转移风险。货币市场基金的流动性非常接近银行存款，且收益率一般会超过银行存款，如果设立货币市场基金，银行存款可能就会出现转移。如果商业银行在货币市场基金中不扮演基金管理人的角色，银行的经营业务将受到直接影响。资金转移的另外一种风险是，资本市场和货币市场的相对走势将导致资金的流动。资本追求最大化的收益，当货币市场和资本市场收益出现差异时，货币市场基金就有动力超越有关限制，资金在货币市场和资本市场之间的不正常流动就会出现，这需要行业自律的提高和监管的强化。
（3）政策风险。这是由于国家政策的变动而引起的投资人的损失，同时也是国内发展货币市场基金的一个特色风险。我国金融体系是分业经营、分业监管，最后货币市场基金到底由谁来监管，参与者的范围，政策方面尚存在着很大的不确定性，有待我们进一步去研究。此外，货币市场基金成立之后的收益直接取决于货币市场本身的发展，货币市场参与者是否足够广泛、投资工具发展是否充分、利率市场化改革的进展状况、货币政策执行是否具有独立性等，这诸多因素都直接影响着货币市场基金的收益，而这些因素大都与政策变迁的方向和速度有关。
2.2货币市场基金的非系统风险
非系统性风险是由于局部因素造成的风险，是货币市场基金自身经营管理所带来的风险，基金本身可以通过一定的方法避免。
（1）道德风险。货币市场基金实质上是契约的组合，是多数投资者以集合出资的形式形成基金，委托基金管理人管理和运用基金资产。投资者选择好基金管理人之后，由于投资者不能直接观测到基金管理人选择了什么行动，能观测到的只是另一些变量，这些变量由基金管理人的行动和其他外生随机因素共同决定，只是基金管理人的不完全信息，因此，基金管理人随时可能出现“道德风险”问题，即基金管理人在最大限度地增加自身效用时做出不利于基金投资人的行动。
（2）信用风险。又称违约风险，是指企业在债务到期是时无力还本付息而产生的风险。货币市场基金以货币市场上的短期工具为投资对象，其中各类不同工商企业发行的商业票据占其基金投资组合的一定份额。企业发行的商业票据由于受自身的规模、信誉、业绩和经营历史等因素的影响，他们的商业票据质量有所不同；某些企业一旦遇到经营环境恶化，经营业绩不佳，净现金流锐减，此时发行商业票据的企业就存在到期无法兑付的风险。如果货币市场基金的投资组合中这类资产所占份额较大，必然影响到基金的收益，表现出一定的资本损益风险。
（3）流动性风险。流动性风险是指金融资产持有者按价值出售资产的难易程度。对货币市场基金而言，流动性是指基金经理人在面对赎回压力时，将其所持有的资产———投资组合在市场中变现的能力。基金经理常常面对两大流动性风险：一是所持有资产在变现过程中由于价格的不确定性而可能遭受损失；二是现金不足，难以满足投资人的赎回要求。所以一旦基金出现大幅缩水或投资者集中赎回投资的情况，而基金手中所持流动性资产又不敷支出时，货币市场基金必将面临严重的被动局面。
（4）经营风险。虽然货币市场基金是专家理财，但基金管理者仍然会有投资失误，基金内部监控也可能失灵，这样货币市场基金净值将可能存在大幅缩水。因此，基金的收益、风险状况很大程度上取决于基金投资顾问的专业水平。投资顾问的专业技能及其业绩档案能提供下面一些重要信息：即基金的投资策略和风险控制度能否被坚持；基金对未来的机会或严峻的形势将作何反应；该基金的顾问以受托人方式，按照基金股东的最佳利益行事的可能性。
3货币市场基金的风险控制
3．1外部环境的治理
（1）制定相应的法律法规。法规制定应当先行，应明确货币基金的设立原则、各方当事人间的关系、货币基金的投资领域、管理原则、分配制度以及违规处罚措施等，特别是要严格禁止货币基金投资股票、中长期债券、房地产以及实业领域。
（2）大力发展货币市场工具。众所周知，投资品种的多样化，对于降低投资组合的风险具有相当重要的作用。从我国当前货币市场的发展情况来看，货币市场工具仍显单一，有限的货币市场工具必然会限制货币市场基金的投资方向，使货币市场基金无法通过投资组合的多样化来分散风险，从而降低了它的灵活性。因此，我们应在进一步完善信用制度的基础上，鼓励发展货币市场工具。
（3）实施制度创新，提高货币市场的流动性。提高货币市场的流动性对于降低基金的风险具有一定的作用。要提高货币市场的流动性，需要市场制度方面的一系列创新和改革。首先，要打破银行间市场与交易所市场的分割局面，允许更多的证券公司、信托公司、财务公司、基金公司以及大企业进入货币市场，以进一步壮大货币市场交易主体，活跃市场交易。其次，引入货币市场经纪商，提高货币市场的流动性。
3．2内部环境的治理
（1）保持高度的流动性。由于货币基金的投资者可以随时赎回投资或据其基金账户的资产净值予以签发支票，所以基金组合必须具有高度的流动性。这不仅是指平常资产组合中应保有相应量的现金性资产，更为重要的是应持有必要量的短期国库券。因为能够形成大规模和范围广泛的流通交易市场的是短期国库券，所以国库券已成为仅次于现金的准现金性资产。同时，与持有基金较大份额的投资者经常的交流是得到赎回暗示的重要方法，有的基金采取鼓励大额赎回提前通知和拒绝对利率敏感的投资资金等措施。
（2）实行开放式的管理。即必须每天公布基金资产的净值与收益水平，允许投资者随时根据各自的需求，按公布的资产净值自由进出货币基金。为此，基金管理人应当与托管银行密切合作，将商业银行的网络作为投资者进出货币基金的窗口。并且，基金账户与投资者的银行资金账户要有顺畅的沟通，以保证投资者的资金根据需要在两个账户间快速流动。
（3）特别的内控程序。①估价。准确的估价是维持一个稳定的基金净值的重要因素。应定期（每天）估算基金实际市值和按摊余成本法计价得出基金净值，并将偏离度控制在0.5％之内。当发现偏离度超过0.25％之时，基金应该启动应急处理程序，通过适当的处理方法降低偏离度，如卖出对偏离度贡献最大的品种等；②对不确定性的处理和测试分析。对不确定性的处理包括计算购买任何证券之后对基金的加权平均到期日（WAM）的影响，同时考虑在证券购买时可能发生的意外赎回。此外，还应对单个证券和投资组合进行压力测试，评估在发生较大的利率变化时证券价格的敏感性。
目前，我国经济又处于转轨时期，市场发育不健全，各种金融法规和制度有待完善，在这种情况下推出货币市场基金，我们必须从观念上重视货币市场基金的风险，并积极加以防范，保持基金的收益与风险的同步。
参考文献
1张亦春．现代金融市场学[M].北京：中国金融出版社，2003
2吴道霞．货币市场基金法律问题研究[J].河北法学，2004(3)
3田启伟，马建国．货币市场基金及其风险分析[J].武汉冶金管理干部学院学报，2004(1)
关键词：证券市场；风险管理；VaR
中图分类号：F83文献标识码：A
20世纪七十年代以来，随着全球经济活动的日趋国际化，金融创新尤其是金融衍生工具的迅猛发展，使得金融市场的波动性日益加剧，金融风险不断加大。日趋严重的金融风险不仅影响了微观经济主体的正常运营，而且还对整个金融与经济体系的稳定性构成了威胁。为了有效地控制和降低金融风险，各种风险管理方法相继出现。20世纪八十年代末，JP摩根的风险管理人员研发出一种能够度量不同交易、不同业务部门的市场风险，并将这些风险体现为一个数值的风险度量方法，这就是VaR方法。随着VaR技术的日渐成熟，VaR方法得到了世界各金融机构及金融监管机构的广泛认可和支持，巴塞尔委员会允许金融机构采用标准化方法和内部模型法来度量市场风险，其中就是以VaR作为内部模型的核心技术。
一、VaR概述
（一）VaR的定义。VaR（Value at Risk），中文可译为受险价值、在险价值、风险价值等，它是指在一定置信水平和一定持有期内，某一金融资产或组合在正常的市场条件下所面临的最大损失额。更严格地说，VaR描述了在一定的持有期内收益和损失的预期分布的分位数。用数学公式可以表示为：
1-c=prob（R＞VaR）=f（R）dR
其中，1-c代表所选举的置信水平，R代表损益。
假设某公司交易的有价证券某日置信度为95%的日VaR值为100万元，根据VaR的定义，它是指在未来24小时内该有价证券在正常的市场条件下，发生大于100万元亏损的可能性为5%。
（二）VaR方法的优点
1、VaR方法是建立在概率论和数理统计的基础之上的，为全面综合地度量市场风险提供了规范的计量技术，它摒弃了主观判断的随意性，能够更加准确地计量金融机构所面临的风险状况，不仅具有很强的科学性，同时又表现出方法操作上的简便性。
2、VaR方法为人们提供了研究和管理金融风险的统一框架，VaR适用于衡量包括利率风险、汇率风险、股票价格风险以及商品价格风险、衍生金融风险在内的各种市场风险，金融机构可以定期地计算VaR值以概括反映整个金融机构的风险状况，这有利于金融机构对风险进行统一的管理，也使得风险度量的结果具有可比性，对金融市场的稳定和现代金融风险管理的发展具有重要意义。
3、VaR方法不像以往的风险管理方法只是在事后衡量投资组合风险的大小，它可以在事前计算投资组合的风险，这样投资者就可以运用VaR的方法，动态地评估和计量所持有的资产组合的风险，选择在相同的风险条件下能够带来最大收益的组合，以分散和规避风险，提高运作效率和资产收益。
（三）VaR方法的缺陷
1、VaR方法没有考虑尾部风险。本质上，VaR只是告诉我们在特定分布中对应一定置信水平的分位数是多少，并不能告诉我们分位数左侧的分布状况，即所谓的左尾损失，这就是VaR尾部损失测量的非充分性。例如，假设对应99%置信水平下的日VaR为1，000万元，即未来还有1%的可能性会出现最大损失超过1，000万元的情况，如果这种情况发生，具体会损失多少，这可能是人们更为关注的问题，因为这种小概率事件一旦发生，将会带来灾难性的后果。
2、VaR方法可能存在数据不充分或者失真的风险。VaR分析方法是依赖于历史数据的。但是，许多市场由于历史较短、市场有效性不高等原因，可能不存在充分、真实的可用数据。
3、VaR方法还可能存在模型风险。VaR方法的运用建立在大量的模型基础之上，因此模型的选择、操作及参数估计方面如果出现错误，将给VaR的计算带来风险，也使得VaR不能很好地度量金融风险。
二、VaR的获取方法
计算VaR的关键在于确定证券或组合的未来损益的统计分布或概率密度函数，但是直接获取未来损益的分布是几乎不可能的事，因此，VaR的获取通常要经过下述分解过程：第一步，识别市场风险的因子，将资产表示为市场因子的函数，这一过程通常称为映射；第二步，预测市场因子的波动性；第三步，根据市场因子的波动估计资产的价值变化及其概率分布，这一过程也成为盯市；第四步，根据给定的置信水平和持有期，计算得出VaR。
根据对风险因子及其与资产价值之间关系的不同处理方法，可以将VaR的获取方法分为三类：
（一）历史模拟法。历史模拟法是建立在历史可以复制未来、历史数据可获得且完整有效的隐含前提下，利用历史数据集，将过去已经实现的收益率分布或市场变量分布应用于目前的投资或组合，据此模拟下一个时期该投资或组合可能面临的收益分布，给定置信水平和持有期，就可以计算出VaR。
例如，将100万元投资于工商银行的股票，根据以下步骤可以求出99%置信水平下1天的VaR值。第一步：获取收益的时间序列。样本数据选择2008～2009年每个交易日的收盘价，共482个数据，然后根据公式R=（Pt-Pt-1）/Pt-1计算出每日简单收益率，生成一个新的时间序列。第二步：在EXCEL中将序列中的数据按照升序排列，找到对应的第482×1%=4.82个数据（谨慎起见，使用第4个数据），即-8.29%，于是可得，VaR=100×8.29%=8.29万元。
（二）蒙特卡罗模拟法。蒙特卡罗模拟法的基本思路是假设资产价格或市场变量的变化服从于某个随机过程，通过模拟该随机过程，就可以得出在给定时间点上投资组合的价格或市场变量的估计值。不断重复该模拟过程，就可以得到一系列估计值。如果重复的次数足够多，模拟出的估计值最终将会收敛于“真实的”组合价值。以此为基础，就可以进一步估计出组合“真实的”风险价值。
蒙特卡罗模拟法的主要步骤是：第一步，为变量选择一个随机模型，确定模型参数，以模拟价格变化的时间路径。第二步，产生一个虚拟的随机变量系列?着i，i=1，2，…，n，由此计算出价格序列。第三步，根据特定的价格序列计算目标期末的资产价值，尽可能多地重复第二、第三步，如10，000次，就可以得到一个价值分布。第四步，给定置信水平1-C，通过分位数就可以计算出VaR。
（三）方差-协方差法。方差－协方差法的基本思路是：首先假定要考察的随机变量服从于某种参数分布，如正态分布、泊松分布等，然后借助于分布参数，如均值、方差等直接计算出VaR。
以正态分布为例，方差-协方差法的基本步骤是：假设资产收益率服从于一般正态分布R=f（r）～N（μ，σ2），然后借助于正态化转换，转换成标准正态分布Φ（ε）～N（0，1）：
三、VaR方法在我国证券市场风险管理中的实证分析
沪深300指数选取了沪深两市300只A股作为样本，其中沪市179只，深市121只。沪深300指数样本覆盖了沪深市场60%左右的市值，具有良好的市场代表性，能够反映我国证券市场的概貌和运行状况，是反映沪深两个市场整体走势的“晴雨表”。因此，本文选取沪深300指数作为本文的研究对象。本文选取了2008年12月1日至2010年12月1日的沪深300指数每日的收盘价作为样本，样本数为484。下面，分别运用历史模拟法、蒙特卡罗模拟法和方差―协方差法计算价值为100万元的沪深300指数投资在99%的置信水平下的单日VaR值。
（一）历史模拟法。根据历史模拟法的基本原理，进行以下的计算步骤：
1、由原始样本数据计算出每日的简单收益率，公式为：简单收益率=（Pt-Pt-1）/Pt-1。
2、在EXCEL中将生成的简单收益率按照升序排列。
3、找到对应的第484×1%=4.84个数据（谨慎起见，用第4个数据），即-5.51%。
4、计算可得：VaR=100×5.51%=5.51万元。
（二）蒙特卡罗模拟法
1、利用EVIEWS软件中的单位根检验（ADF检验）来判断股票价格序列的平稳性，由结果可知DF=-1.860199，大于10%水平下的临界值，因此可知该序列是非平稳的。
2、利用EVIEWS软件中的相关性检验来判断序列的自相关性。选择价格序列的一阶差分（P=Pt-Pt-1）和30天的滞后期。由结果可知，沪深300指数收盘价的一阶差分序列不具有相关性，即其分布具有独立性。我们可以得出如下结论，沪深300指数的收盘价格服从随机游走，即Pt=Pt-1+εt。
3、利用EXCEL软件做蒙特卡罗模拟，模拟次数为10，000次，首先产生10，000个随机数，考虑到股市涨跌停板的限制，以样本期最后一天价格3136.99为起点，即价格在下一天的波动范围为（-313699313699），故随机数的函数式为：Randbetween（-313699313699），生成的数即为我们需要的股价随机变动数εt。然后获取模拟价格序列：模拟价格=P0+随机数/1000。再将模拟后的价格按照升序重新排列，找出对应99%的分位数，即10000×1%=100个交易日所对应的数值：2，829.944，于是可计算出VaR=100×（3136.99-2829.944）÷3136.99=9.79万元。
（三）方差-协方差法
1、利用EVIEWS软件对样本数据进行处理，分别获取简单收益率和对数收益率的分布图。（图1、图2）标准正态分布的偏度为0，峰度为3，所有偏度非0的分布曲线都是偏斜的，峰度大于3的分布曲线则是厚尾的。由输出结果可知，二者均呈现出“尖峰厚尾”的特征。相对而言，对数收益率更接近于正态分布。
2、根据VaR的计算公式，可求得VaR=2.33×0.018998×100=4.43万元。
四、结束语
我国的金融市场还是一个处于发展中的新兴市场，在我国金融市场和金融机构快速融入金融自由化和全球化趋势的过程中，随着金融创新的蓬勃发展，市场风险必将随着金融市场的发展而逐渐加大。将VaR的方法引入我国，不仅能够为金融机构和投资者提供一种有效的市场风险管理工具，而且能够为中央银行、证监会等金融监管部门提供一个风险管理的标准，有助于我国金融机构内部风险管理和外部监管技术跟上世界金融发展的潮流，对于我国的金融风险管理技术来说，具有重要的意义。
（作者单位：安徽大学经济学院）
主要参考文献：
[1]陈燕玲.金融风险管理[M].安徽大学出版社，2008.
[2]王春峰.金融市场风险管理[M].天津大学出版社，2001.
【关键词】上证综指；恒生指数；Copula函数；尾部相关性
1.引言
多元分布函数是描述随机变量相关性的最基本方法，但传统的多元分布函数在实际应用中存在：变量较多时函数的解析式很难处理，并且存在一定的约束条件，不仅要求各个边缘分布函数类型相同，而且要求边缘分布函数的类型和多元分布函数的类型一致等问题。事实上，金融市场的边缘分布函数一般不是服从同一类型分布。这使得传统的多元分布函数很难在分析金融市场相关性中得到广泛的应用。由Sklar定理知，可以通过Copula函数构造灵活的多元分布函数，从而掌握金融市场之间的真实相关性，并且由Copula函数导出的相关性测度不仅可以捕捉随机变量间的非线性、非对称相关性，还可以更容易地刻画分布的尾部相关性。
Copula理论可以将一个联合分布分解为k个边缘和一个Copula函数，这个Copula函数描述了变量之间的相关性[1]。由此可看出，Copula函数实际上是一种将联合分布函数与它们各自的边缘分布函数连接在一起的函数，因此也有人称它为连接函数[2]。Copula理论的应用在国际上已经取得了极大的进展，如Patton(2001)[3]构造了马克-美元和日元-美元汇率的收益的二元Copula模型，并与相应的BEKK-GARCH模型做了比较，结果表明Copula模型可以更好地描述金融市场之间的相关关系；Hu（2002）[4]用一个混合Copula函数来描述具有不同相关程度和相关模式的金融市场之间的相关关系。国内学者从2002年开始了Copula在金融数据分析中的研究，韦艳华（2004）[5]将Copula函数和GARCH模型结合，研究了沪深股市的相关结构，傅强、邢琳琳（2009）[6]将极值理论和Copula函数应用于资产风险的研究以及条件VaR的估计.国内对Copula理论的关注程度越来越高，应用范围也是越来越广。
股票市场的尾部相关性考察的是当一个股票市场收益率高涨(猛跌)时，是否会引起其他股票市场价格的高涨(猛跌)。与通常两个股票市场之间的相关关系相比，在市场价格急剧上涨或下跌等极端情况下的相关关系会呈现出与平时不同的特征。在市场极端波动时，两个股票市场之间的尾部相关性对全球投资组合的风险影响更大，因而对控制风险而言，研究两个股票市场之间的尾部相关性更为重要。本文研究沪港两市的尾部相关性，对投资组合和风险管理有一定的意义，有助于市场投资者进行跨市场组合投资分析，从而分散风险，提高收益。
对沪港股市的尾部相关性研究，国内李悦、程希骏（2006）[7]用Gumbel-Hougard copula对上证指数和恒生指数进行尾部相关性，发现两者具有较好的上尾相关性，而没有讨论下尾相关性。Gumbel copula是一种对上尾相关性敏感的静态Copula函数，本文拟选用多种Copula函数，包括几种常见的静态单参数和双参数Copula函数，以及几种动态Copula函数，重点研究时变SJC Copula这种对上尾相关性和下尾相关性都非常敏感的动态Copula函数（因为其参数为上下尾相关系数）。王（2009）[8]用BB1 Copula函数研究两市的尾部相关性，发现两市具有较强的上尾相关性，但BB1 Copula函数作为一种静态的Copula函数，不能看出相关性变化的趋势。本文经过动态分析趋势后，将样本分为两阶段分析，发现这两阶段有着截然不同的表现。较之静态的Copula函数，这样做能够更准确、全面地捕捉到金融市场之间尾部相关性的变化。刘伟（2009）[9]选用SJC-Copula-EGARCH模型分析了沪港两市的尾部相关性，参数估计法为极大似然估计法，这种方法的缺陷是易受到边缘分布的影响，而本文选用基于秩的极大似然估计法，可以避免这种影响。因为极大似然估计法必须先估计边缘分布函数的参数，如果边缘分布函数选择不准确或对其参数估计不准确的话，都将对最终参数的估计造成不利的影响，而本文选取的估计方法可以直接从样本出发，无需给出边缘分布函数和对其参数进行估计，从而避免了边缘分布的影响。
本文结构安排如下：第二部分介绍Copula函数的一些理论知识，重点为时变SJC Copula函数;第三部分着重介绍基于秩的极大似然估计法，其相比于其他估计法的优越性也将在此部分给出;第四部分采用多种Copula函数对沪港股市的尾部相关性进行实证研究，得出结论。
2.Copula函数理论知识
SJC Copula函数是由JC Copula函数演变而来的，Joe-Clayton Copula函数的分布函数为：
其中函数是logistic转换函数，它的作用是确保上尾和下尾相关系数都处于（0，1）区间内。
3.参数估计与检验方法
3.1 参数估计方法
参数估计法较常用的有严格极大似然法(EML)和边缘分布推断法(IFM)。严格极大似然法是同时估计边缘分布和Copula函数中的参数；边缘分布推断法是将估计过程分为两步，先估计边缘分布函数的参数，然后估计Copula函数的参数，因此又被称为两阶段极大似然估计法。因为EML和IFM法都必须估计边缘分布函数的参数，如果边缘分布函数选择不准确或对其参数估计不准确的话，都将对最终参数的估计造成不利的影响。
非参数法中常用的是Genest and Rivest法。而对于多参数阿基米德Copula函数，Genest and Rivest法不是很适用。由于两个随机变量的相关结构只与它们的相关函数Copula有关，而与边缘分布没有关系，因此通过样本直接估计Copula函数的参数将更加接近随机变量间的真实结构。
半参数估计法中有伪极大似然估计法和基于秩的极大似然估计法，后者是由前者经过变换得来的，因此我们先来看伪极大似然估计法。假设是随机向量(X，Y)的一个样本，是X和y的Copula函数，伪极大似然估计的对数似然函数为：
其中：A代表极大似然函数；M代表独立参数的个数；n代表样本容量。AIC和BIC包含了模型和参数估计值的信息，其值越小，其拟合效果越好。
4.实证分析
与内地股票市场的发展不同，香港作为世界上最成熟的资本市场之一，其高度的开放性使得香港股市与国际股市具有很强的联动性，作为紧邻大陆的国际金融中心之一，吸引了大批内地企业上市。而沪指作为内地股市的代表，和港指在尾部相关性上有着怎样的表现呢？以下将展开实证分析。
4.1 样本的选取和初步分析
本文选取上证综指和恒生指数（数据来自雅虎财经）自1996年12月31日到2011年2月22日的日收盘价作为样本，剔除不在同一天交易的数据，最后得到3328组数据。两市每日的收益率为数据处理后的相邻交易日收盘价的一阶差分，即。
经过处理后的到收益率数据3327个。本文使用的软件为matlab-
R2009a。上证综指和恒生指数对数收益率图如图1和图2所示。
4.3 参数估计及尾部相关性分析
我们先来求静态的SJC Copula函数的上下尾相关系数，下尾相关系数（0.1088）略大于上尾相关系数（0.0844）。
但是，单从静态的两个系数难以看出上下尾相关结构的变化情况，下面用时变的SJC Copula函数来做动态的分析，首先我们根据前面提到的基于秩的极大似然估计法求出时变SJC Copula函数的参数如表2所示。
下面给出上下尾动态变化图，如图3，从图中可以看出上下尾相关系数分别围绕0.0844和0.1088上下浮动，但都表现出来增大的趋势，为了看清这种变化的趋势，我们把3327个数据分成两个阶段，第一个阶段包含1663个数据，第二个阶段包含1664个数据，时间分界线是2004年2月26日，经拟合度检验后发现，时变SJC Copula函数对这两阶段的拟合都是最好的，并求得第一阶段的=0.0314，=0.0000，第二阶段的=0.1569，=0.2763
它们的动态变化图分别如图4（a）和图4（b）所示。可见两市上下尾相关性都有了大幅度的增加，尤其是下尾相关性，由原来的几乎为0，增加到了0.2763，两市的关联性已经有了质的变化。
5.结论
本文通过AIC和BIC信息准则，从几种动态和静态Copula函数中选出了拟合度最好的时变SJC Copula函数对沪港两市的尾部相关性进行了分析，参数估计方法为基于秩的极大似然估计法。结果发现所选样本得到的下尾相关性略高于上尾相关性，上下尾相关性都表现出了增大的趋势，于是笔者把样本分为两个阶段分析，结果发现第一阶段表现出的主要是上尾相关性，下尾相关系数几乎为0，第二阶段则下尾相关系数大于上尾相关系数，下尾相关系数已经由第一阶段的几乎为0增加到了0.2763。从本文数据可以看出，两市的关联程度表现的趋势是逐渐增大的，尤其是下尾相关性，说明上海股市正由一个新兴的股票市场向成熟股票市场转变。
该研究一方面将有助于市场投资者进行跨市场组合投资分析，从而分散风险，提高收益；另一方面对于保证我国证券市场乃至金融市场的正常运行，抵御外来金融风险冲击，保证国家金融安全及相关政策的制定具有一定的参考价值。
参考文献
[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]张荛庭.连接函数(Copula)技术与金融风险分析[J].统计研究,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]韦艳华,张世英.金融市场的相关性分析――Copula-GARCH模型及其应用[J].系统工程,2004,22(4):7-12.
[6]傅强,邢琳琳.基于极值理论和Copula函数的条件VaR计算[J].系统工程学报,2009,24(5):531-537.
[7]李悦,程希骏.上证指数和恒生指数的copula尾部相关性分析[J].系统工程,2006,24(5):88-92.
[8]王.基于不同类型Copula沪港股市相关性分析[D].合肥:中国科技大学管理科学与工程系,2009.
[9]刘伟.基于时变连接函数的股票市场相关性分析[D].北京:北京工业大学管理科学与工程系,2009.
[10]任仙玲,张世英.基于Copula函数的金融市场尾部相关性分析[J].统计与信息论坛,2008,23(6):66-71.
作者简介：
