前言：中文期刊網精心挑選了金融實證分析論文范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
金融實證分析論文范文1
會計財務管理論文參考文獻：
[1]杜興強，曾泉，杜穎潔.政治聯系、過度投資與公司價值——基于國有上市公司的經驗證據[J]?金融研究,2011(8):93-110.
[2]杜曉瞭.產權性質、債券融資與過度投資一一基于中國A股上市公司的經驗證據[J].經濟與管理，2012(8):23-28.
[3]范海峰，胡玉明.機構投資者持股與公司股權融資成本的實證研究[J].經濟與管理研究，2010(2):44-50.
[4]黃少安,鐘衛東.股權融資成本軟約束與股權融資偏好——對中國公司股權融資偏好的進一步解釋[J].財經問題研究，2012(12):3-10.
[5]黃乾富，沈紅波.債務來源、債務期限結構與現金流的過度投資——基于中國制造業上市公司的實證證據[J].金融研究,2009(9):143-155.
[6]蔣琰，陸正飛.公司治理與股權融資成本——單一與綜合機制的治理效應研究[J]?數量經濟技術經濟研究，2009(2):60-75.
[7]姜付秀,伊志宏,蘇飛，等.管理者背景特征與企業過度投資行為[J].管理世界,2009(1):130-139.
[8]李維安，姜濤.公司治理與企業過度投資行為研究——來自中國上市公司的證據[J]財貿經濟，2007(12):56-61.
[9]劉昌國.公司治理機制、自由現金流量與上市公司過度投資行為研究[J].經濟科學’2006(4):50-58.
[10]羅進,李延喜.管理者過度自信對股權融資成本的影響一一基于信息透明度的視角[J].技術經濟，2013(12):112-117.
[11]毛新述，葉康濤，張頓.上市公司權益資本成本的測度與評價——基于我國證券市場的經驗檢驗[J]會計研究，2012(11):12-22.
[12]潘敏,金巖.信息不對稱、股權制度安排與上市企業過度投資[J].金融研究,2003(1):36-45.
[13]龐明川.中國的投資效率與過度投資問題研究[J].財經問題研究，2007(7):46-52.
[14]屈冬冬.制度環境股權再融資與上市公司過度投資_屈冬冬[J].中國注冊會計師，2013(11):43-50.
[15]盛明泉.預算軟約束、過度投資與股權再融資[J].中南財經政法大學學報，2010(4):84-90.
[16]唐雪松，周曉蘇，馬如靜.政府干預、GDP增長與地方國企過度投資[J].金融研究,2010(8):33-48.
[17]唐雪松，周曉蘇,馬如靜.上市公司過度投資行為及其制約機制的實證研究[J].會計研究，2007(7):44-52.
[18]汪平,孫士霞.自由現金流量、股權結構與我國上市公司過度投資問題研究[J].當代財經,2009(4):123-129.
[19]王曉梅.投資者利益保護與股權融資成本研究——基于原始股東視角看IPO融資[J].經濟與管理研究,2013(5):49-54.
[20]王彥超?融資約束、現金持有與過度投資[J].金融研究,2009(7):121-133.
[21]魏明海，柳建華.國企分紅、治理因素與過度投資[J].管理世界,2007(4):88-95.
[22]鄔國梅.控制權收益與上市公司過度投資——來自上市公司股權再融資的經驗證據[J].當代財經，2008(5):115-119.
[23]肖浩，夏新平.政府干預、政治關聯與權益資本成本[J].管理學報,2010(6):921-925.
[24]楊華軍，胡奕明.制度環境與自由現金流的過度投資[J].管理世界,2007(9):99-106.
[25]楊興全,張照南，吳昊旻.治理環境、超額持有現金與過度投資——基于我國上市公司面板數據的分析[J].南開管理評論，2010(5):61-69.
[26]楊興全，魏卉.股權融資成本影響因素綜述與啟示[J].新疆農墾經濟,2011(8):75-80.
[27]葉康濤，陸正飛.中國上市公司股權融資成本影響因素分析[J].管理世界，2004(5):127-131.
[28]俞紅海,徐龍炳，陳百助.終極控股股東控制權與自由現金流過度投資[J].經濟研究,2010(8):103-114.
[29]張洪輝,王宗軍.政府干預、政府目標與國有上市公司的過度投資[J].南開管理評論，2010(3):101-108.
[30]祝繼高，陸正飛.融資需求、產權性質與股權融資歧視一一基于企業上市問題的研究[J].南開管理評論，2012(4):141-150.
會計財務管理論文參考文獻：
[1] 曾永藝, 吳世農, 吳冉劼. 我國創業板高超募之謎: 利益驅使或制度使然[J]. 中國工業經濟,2011(09): 140-150
[2] 張強, 張寶. 機構投資者情緒、承銷商聲譽與融資超募: 來自中國創業板市場的證據[J]. 經濟經緯, 2012(02)
[3] 衣龍新, 楊峰. 創業板上市公司首發“超募”動因分析與實證檢驗[J]. 深圳大學學報, 2012(03):112-117
[4] 衣龍新. 市場熱度、券商利益與 IPO 超募[J]. 中央財經大學學報, 2012(05): 85-91
[5] 郭泓, 趙震宇. 承銷商聲譽對 IPO 公司定價、初始和長期回報影響實證研究[J]. 管理世界,2006(03): 122-128
[6] 蔣順才, 蔣永明, 胡琦. 不同發行制度下我國新股首日收益率研究[J]. 管理世界, 2006(07):132-138
[7] 徐浩萍, 羅煒. 投資銀行聲譽機制有效性——執業質量與市場份額雙重視角的研究[J]. 經濟研究, 2007(02): 124-136
[8] 張丹, 廖士光. 中國證券市場投資者情緒研究[J]. 證券市場導報, 2009(10): 61-68
[9] 夏峰, 謝詠生, 張霖等. 創業板投資者整體情況及交易行為特征分析[J]. 證券市場導報,2009(11): 42-47
[10] 劉文虎. 基于 Malmquis 指數的中國股市羊群效應測度研究[J]. 證券市場導報, 2009(08):72-77
[11] 郭海星, 萬迪昉. 創業板 IPO 發行定價合理嗎?[J]. 中國軟科學, 2011(09): 156-166
[12] 郭海星, 萬迪昉,吳祖光. 承銷商值得信任嗎——來自創業板的證據[J]. 南開管理評論,2011(03): 101-109
[13] 莊虔華, 張文, 郭良鵬. 創業板投資行為分析[J]. 證券市場導報, 2011(12): 49-57
[14] 張強, 張寶. IPO 發行成本與中介機構聲譽——來自中國創業板市場的證據[J]. 證券市場導報, 2011(12): 4-10
[15] 劉志遠, 鄭凱, 何亞南. 詢價對象之間是競爭還是合謀——基于 IPO 網下配售特征的分析[J].證券市場導報, 2011(03): 35-44
[16] 陳煒, 吳世農. 交易信息、訂單簿透明度與投資者訂單提交策略[J]. 證券市場導報, 2012(12):66-73
[17] 張亦春, 洪圖. 創業板 IPO 市盈率與超募率的影響因素研究——基于券商聲譽及私募股權投資的實證分析[J]. 廈門大學學報, 2012(03): 42-49
[18] 范漢熙. 股票首次公開發行抑價現象理論研究[J]. 管理世界, 2011(05): 176-177
[19] 陳見麗. 承銷商聲譽、融資超募與超募資金使用效率——基于我國創業板上市公司的經驗證據[J]. 經濟社會體制比較, 2012(03): 47-57
[20]王彥超.融資約束、現金持有與過度投資[J].金融研究，2009(7).
[21]馮巍.內部現金流和公司投資.經濟科學.1999(1).
[22]何金耿，丁加華.上市公司投資決策行為的實證分析.證券市場導報.2001(9).
[23]郝項超.公司治理、財務信息質量與投資者保護——基于最終控制人視角的分析.中國金融出版社.2011.
[24]郝穎，劉星，伍良華.基于內部人尋租的扭曲性過度投資行為研究.系統工程學報.2007(2).
[25]劉昌國.公司治理機制、自由現金流與上市公司過度投資行為研究.經濟科學.2006(4).
[26]梁光紅，龔蜜.公司過度投資國內外文獻綜述[J].財會通訊，2011(12).
[27]李青原.會計信息質量與公司資本配置效率.南開管理評論，2009(2).
[28]李青原.會計信息質量、審計監督與公司投資效率[J].審計研究，200%4).
金融實證分析論文范文2
論文關鍵詞：KMV模型，信用風險，違約距離
1．引言
2010年來，國家針對房地產的政策不斷出臺，致使房地產公司發展面臨諸多風險。 2010年11月份，銀監會抽取60家大型房地產公司調研的結果表明：負債率整體上升，資金鏈趨緊金融論文，信用風險已成為房地產公司監管層心頭之患。本文采用修正的KMV模型，以求更適合我國房地產上司公司的特點，更加有效的對數據進行實證研究，分析公司在信用風險管理中應將違約距離控制在哪一個范圍cssci期刊目錄。
2．KMV模型的基本原理
KMV模型是根據Merton將有關期權定價理論運用于風險貸款和證券投資而開發出的一種實用高效的分析模型，用以衡量公司的信用風險。
KMV模型又稱預期違約率模型（expected default frequency，EDF模型），該模型將企業負債看作是買入一份歐式看漲期權，即企業所有者持有一份以公司債務面值為執行價格，以公司資產市場價值為標的歐式看漲期權。如果負債到期時企業資產市場價值V高于其債務D，公司償還債務，企業股東權益的價值為償還債務后的剩余金融論文，即V-D；而當企業資產市場價值小于其債務時，企業則無法償還貸款，選擇違約，股東權益變得毫無價值，股權所有者將會選擇放棄公司的所有權。
KMV模型評價公司信用風險的基本思路是以違約距離DD表示公司資產市場價值期望值距離違約點D (Default Point)的遠近，距離越遠，公司發生違約的可能性越小，反之越大。違約點D通常處于流動負債與總負債面值之間的某一點；違約距離常以資產市場價值標準差的倍數表示。該模型基于公司違約數據庫，根據公司的違約距離確定公司的預期違約概率cssci期刊目錄。
3．KMV模型的計算方法
KMV模型的計算有兩個重要的步驟：一是利用B-S模型倒推出公司資產的市場價值V及其波動率SV；二是計算公司的違約距離DD并得出一個期望違約率EDF。
3.1 計算公司資產價值V和資產波動率SV
由于公司股權市場價值可以采用B-S期權定價模型來構建公司資產價值和股權價值之間的關系，即：
（1）
B-S期權定價模型中公司股票的波動率SE和資產的波動率SV之間存在如下關系: ， 金融論文， 聯立得：
（2）
其中，E為公司股權市場價值，V為公司資產價值，N( )為標準正態累積分布函數, ，D為公司違約點，r為無風險利率，t表示當前時間，信用風險評價通常以一年為時段，設定違約距離的計算時間為一年，即T=1。
E、D和SE可以從資本市場上獲得，但公司資產價值V以及公司資產的波動率SV這兩個變量未知金融論文，于是通過(1)和(2)兩個方程組聯立用MATLAB軟件求解，算出這兩個未知數。
3.2計算違約距離DD和期望違約率EDF
違約點D即公司資產價值與公司負債價值相等時的價值，也就是當公司資產價值低于此違約點時，公司就會被視為違約。違約距離DD是指以公司資產價值在風險期限內由當前水平降至違約點的相對距離。假設公司資產價值屬于對數正態分布，計算公式為：
（3）
KMV公司根據違約距離,基于違約數據庫,可以映射出公司的期望違約頻率EDFcssci期刊目錄。由于我國當前還沒有公開的違約的數據庫可以使用,所以我們暫且采用理論上的預期違約頻率來代替。假設公司資產價值服從對數正態分布, 這樣就能利用MATHCAD軟件計算理論上的違約概率，計算公式為：
(4)
4.KMV模型的修正
4.1 股權市場價值E的修正
美國上市公司沒有非流通股，全部為流通股，而我國上市公司的總股本分為非流通股和通通股,二者同權不同價，所以不能簡單地以流通股股價乘以總股本來計算上市公司的股權市場價值。本文對此進行修正，將股權市場價值計算公式確定為：
(5)
其中，N1為流通股股數金融論文，P1為流通股股價，本文選取每季最后一日收盤價為流通股股價，N2 為非流通股股數，P2 為非流通股股價。
4.2 非流通股股票定價問題的修正
我國的國有股轉讓主要是協議轉讓，協議轉讓價格主要是基于每股凈資產的價格上下浮動。本文構造一個線性回歸模型，其中自變量為每股凈資產指標，因變量為股票實際轉讓價格，其對應的回歸方程如下：
(6)
其中，P為國有股實際轉讓價格；X為國有股每股凈資產。
本文選取2009年協議轉讓的50只股票的相關數據利用SPSS.17軟件中最小二乘法進行線性回歸分析，以確定方程(6)中的參數值及檢驗方程的可信度，SPSS回歸分析結果如表1所示cssci期刊目錄。
表1 非流通股定價模型回歸分析結果
未標準化系數
Beta
t
Sig.
B
標準誤差
方程 1
a
.495
.101
4.796
.000
b
.895
.052
.946
金融實證分析論文范文3
關鍵詞：對外承包工程，完成額，實證分析
隨著改革開放的不斷深入、加入WTO，中國經濟得到了快速的發展，對外承包工程事業也得到矚目的成就。國際承包工程市場的快速發展，為中國對外承包工程提供的新的機遇，但同時也帶來了新的挑戰。
中國的對外承包工程事業起步比較慢，是在過去對外援助的基礎上發展起來的，自1978年到現在已經經歷了三十年了。在這過去的30年里，對外承包公司的數量從一開始的4家到2008年2300多家，入選美國《工程新聞記錄》(ENR)全球最大的225家中國企業也從沒有到2008年51家。截至2008年底，我國累計完成對外承包工程營業額2630億美元,簽訂合同額4341億美元。新簽合同額和完成營業額分別從1979年的3352萬美元和3000萬美元增長到2008年的1046億美元和566億美元。論文格式，實證分析。。
下面我們先來了解一下，近十年來，中國對外承包工程取得的驕人成績。論文格式，實證分析。。
1995-2007對外承包工程基本數據
年份 新簽合同額（單位：億美元） 新簽合同數(單位;份) 完成額（單位：億美元） 入選225企業（單位：家） 新簽合同額在1億美元以上的項目（單位：份）
金融實證分析論文范文4
論文關鍵詞：股指期貨，滬深300指數，協整，VAR模型
1．引言
金融衍生工具市場是中國資本市場極其重要的組成部分。衍生金融工具與其相對應的原生金融工具之間的關聯性問題也一直是學術界與投資者所共同關心的話題。 2010年4月16日的滬深300股指期貨上市，標志著中國資本市場發展又翻開了歷史性的新篇章。那么至今運行了四個月股指期貨是否實現了價格發現功能，對現貨市場產生了怎樣的影響，兩個市場之間的聯動效應會怎樣，又是否會與以往研究結果相一致？本文將選取更新的市場數據，借助VAR模型、VECM模型、協整檢驗、長短期Granger因果檢驗、方差分解等方法，在以往研究基礎上更全面綜合的刻畫我國股指期貨價格發現功能作用的大小，由此說明滬深300股指期貨市場的運行效率，以期對我國金融衍生工具市場的進一步發展提供有價值的參考。
2. 模型與數據的選取
2.1數據說明
本文選取2010年4月16日至2010年8月23日中國滬深300股指現貨和股指期貨每交易日收盤價數據作為樣本數據，全面再現中國金融衍生品市場中股指期貨合約的產生至其發揮其功能影響市場的過程。之所以選擇收盤價數據，是因為道氏理論認為收盤價是最重要的價格．這一價格反映了市場的大部分行為。又由于股指期貨與現貨市場不具有同時性，且同一交易日會同時有若干不同的交易價格金融論文，數據不連續，本文選取最近月份的股指期貨合約為代表，將不匹配的數據刪除，這樣可以得到一個連續的期貨合約價格序列。為減小數據的波動，將指標進行對數處理。在此定義，LS為滬深300現貨股指對數序列，LF為滬深300股指期貨對數序列，數據來源于國泰君安證券研究所及湘財金禾證券分析軟件，經整理得共計88組數據,實證過程借助 Eviews5.0軟件。
2.2 VAR（向量自回歸）模型
本文運用該類模型與方法來對滬深300股票價格期貨指數與滬深300股價指數兩者之間整體關聯性及其互動關系進行系統的考察。VAR（向量自回歸）模型是基于數據的統計性質建立模型，VAR模型把系統中每一個內生變量作為系統中所有內生變量的滯后值的函數來構造模型，從而將單變量自回歸模型推廣到由多元時間序列變量組成的“向量”自回歸模型（高鐵梅，2006）。 VAR(p)模型的數學表達式是：
(1)
其中：是k維內生變量向量，是d維外生變量向量，p是滯后階數，T是樣本個數。k×k維矩陣和k×d維矩陣H是要被估計的系數矩陣。是k維擾動列向量，它們相互之間可以同期相關，但不與自己的滯后值以及等式右邊的變量相關。VAR模型常用于預測相互聯系的時間序列系統及分析隨機擾動對變量系統的動態沖擊，從而解釋各種經濟沖擊對經濟變量形成的影響。
3. 實證分析
3.1單位根檢驗
研究經濟變量之間是否存在長期關系，首先要對時間序列的平穩性進行檢驗，否則可能出現“偽回歸”的情況（Granger,1974）。本文采用Augmented Dickey-Fuller(簡稱ADF)檢驗方法來檢驗樣本數據的時間序列特征，ADF平穩性檢驗基于以下回歸方程：
為純粹白噪音誤差項，滯后階數的選擇使得不存在序列相關論文開題報告范文。ADF檢驗的原假設，備擇假設。接受原假設意味著時間序列含有單位根，即序列是非平穩的（古扎拉蒂，2005）。
對每個變量的原序列以及一階差分序列的平穩性特征采用ADF檢驗方法金融論文，可知變量原序列都是非平穩的，而一階差分都是平穩的，滿足協整檢驗前提。
3.2 協整檢驗
協整檢驗是從分析時間序列的非平穩性入手，尋找非平衡變量之間的長期均衡關系。常見的協整方法主要有兩變量的Engle-Granger檢驗（簡稱EG檢驗）和多變量之間的Johansen檢驗（簡稱JJ檢驗Johansen-Juselius）。EG檢驗是基于回歸殘差的檢驗，通過建立OLS模型來檢驗其殘差的平穩性，若殘差是沒有單位根的平穩序列，則說明原序列存在協整關系。EG檢驗存在一定的缺陷，假如當協整關系的維數增加或協整的秩大于1時，EG檢驗便無能為力了。JJ檢驗是基于回歸系數的檢驗，是利用向量自回歸模型計算出與殘差矩陣相關的矩陣的特征值，根據特征值的軌跡及最大特征值進行檢驗，該方法在一定程度上糾正了EG檢驗在多變量檢驗方面的不足。本文采用Johansen檢驗法來檢驗LF和LS之間是否存在長期穩定的均衡關系,根據AIC最小準則選取滯后階數為2階運用Eviews5.0得到結果如表1：
表1：LF和LS的協整檢驗結果
協整向量
Johansen（跡）統計量
原假設
特征值
跡統計量
臨界值
P值
LF和LS
rk(∏)=0
0.23432
22.76331
12.3209**
0.0007
rk(∏)≤1
0.000812
0.069089
4.129906**
金融實證分析論文范文5
>> 淺談次貸危機產生的原因、蔓延及影響 金融危機產生及蔓延的原因分析 美國次債危機爆發的主要原因分析 美國次債危機及對中國的影響分析 論歐債危機形成原因及中國的應對策略 財務危機的形成原因及對策分析 歐債危機原因分析 歐債危機與美債危機產生原因及對比分析 歐債危機對中歐貿易的實證分析 次債危機前后中外股市相關性實證分析 次貸危機與歐債危機發生的原因及其思考 歐債危機爆發的原因及影響 論當前歐債危機發生的原因及啟示 歐債危機的政治經濟原因分析 美國次債危機影響分析 探究歐債危機的形成根源 歐債危機蔓延銀行業 美國次貸危機的原因分析 歐債危機原因及改善建議 美債危機與歐債危機的區別及前景分析 常見問題解答 當前所在位置：
[2]王冠宇.美國次貸危機與現行國際國幣體系變革研究.碩士畢業論文，2010.
[3] Krugman，Paul.A Model of Balance-of-Payments Crises.Journal of Money，Credit and Banking，1979，11（3）.
[4]鄭蕾云，劉力臻.國際金融.北京：經濟科學出版社.2005.
[5] Flood，Robert and Peter Garb.Collapsing Exchange Rate Regime：Some Linear Example.Journal of International Economics，1984，17.
[6] Maurice Obstfeld.The Logic of Currency Crises.NBER Working Paper，No.4640，1994.
金融實證分析論文范文6
【關鍵詞】中國流通股 逆政策效應 AR模型 杠桿效應 EGARCH模型
自1993年G 30集團《衍生產品的實踐和規則》研究報告，并竭力推薦各國銀行使用VaR（Value at Risk，即風險價值）風險管理技術后，巴塞爾委員會1995年也在其《關于市場風險資本要求的內部模型法》、《關于使用“返回檢驗”法檢驗計算市場風險資本要求的內部模型法的監管構架》文件中向其成員國銀行大力倡導這一方法（彭坤、王飚，2002）。如今，VaR技術已延伸至保險、證券、信托等非銀行金融機構甚至非金融機構的風險管理領域，以VaR作為市場主體風險的統一標準與管理機構資本充足水平的準繩和依據。中國滬深兩市的流通股是投資者的首選，以VaR測算滬深兩市流通股資產的市場風險對于機構投資者及時防范風險具有重要意義。
一、文獻綜述
Value at Risk是由J.P.摩根銀行20世紀80年代的全球研究部總經理蒂爾?古爾迪曼所創立。在1995年4月的巴爾塞委員會擴大會議上，規定銀行可以選擇使用自己的風險衡量模型去確定其資本要求，從此風險價值開始被廣泛應用到內部風險衡量模型之中。在VaR模型回測方面，Kupiec（1995）提出了基于失敗頻率的VaR模型正確性檢驗的方法。christoffersen（1998）提出了考慮在時間變化時，對VaR模型正確性檢驗的方法。Philippe Jorion（2000）的《風險價值（VaR）》被奉為風險管理的圣經，該書極為系統地講述了VaR的來龍去脈以及各種VaR的計量方法，還對VaR在衡量和管理信用風險、流動性風險以及操作風險中的應用進行了細致的分析（樊葵葵，2010）。我國學者王春峰（2001）在《金融市場風險管理》中較系統地論述了VaR，對金融市場風險的測量和管理進行了系統深入的介紹。黃海（2003）重點介紹了摩根銀行在金融風險度量系統Risk Metrics中的EWMA模型（指數加權移動平均預測模型），并且基于金融數據分布的有偏性提出了有偏的EWMA模型。朱世武（2004）對中國市場上各類VaR方法計算進行了實證，并對各類VaR方法在中國市場上的有效性進行了事后檢驗（韓琦，2008；袁婷，2010）。
由于金融市場數據呈現出“尖峰厚尾”分布特征，難以用傳統的VaR方法進行計算，不少學者就使用VaR方法時如何估計數據的分布、如何處理“尖峰厚尾”分布作出了探討。其中鄭文通（1997）在《金融風險管理的VaR方法及其應用》中使用J.P.摩根1994年的年報數據對該公司一天95%置信度下的VaR平均值進行了計算，利用實證方法對VaR方法的正態假設進行了有效性檢驗。對于非正態分布的情況，引入了t分布來代替原來的正態分布假設，并提出了金融資產t分布自由度n的參數估計值（袁婷，2010）。陳守東（2002）運用GARCH模型對上證綜合指數進行了VaR值的度量，并用Kupiec提出的似然比檢驗法驗證不同模型的有效性，認為服從t分布的GARCH（l， 1）模型對上證綜指收益率VaR值的估計最為有效。肖慶憲（2003）為了刻畫“厚尾”資產收益率，將非正態收益率數據進行正態化變換，使變換后的厚尾數據服從正態分布，從而使參數估計、假設檢驗等計量問題均為有效。杜本峰（2003）根據連接函數的思想導出資產組合的聯合分布，以此對資產組合的風險進行度量，提出了一種基于連續函數的風險度量方法?？追崩?006）系統地介紹了利用極值理論（EVT）和連接函數度量金融市場風險的問題，通過大量的實證分析與模型檢驗，進一步評估了風險度量模型的有效性（韓琦，2008；袁婷，2010）。
目前，VaR方法在我國金融機構應用的研究己經深入到不同方法細節和具體領域的討論。劉曉煥、袁廣信（2009）利用CVaR方法對一種開放式股票型基金的市場風險進行了研究，求出了組合中某一種資產的邊際CVaR、成分CVaR、增量CVaR，并以此給出了投資建議。最后建立均值――CVaR優化模型，得到在投資者不同的期望收益率下最優的投資組合權重，為基金管理人提供很好的參考（韓琦，2008；袁婷，2010）。邵夢倩、杜子平（2011）利用copula-CVaR模型對壽險投資組合的風險進行度量，得到最優投資比例，進一步對壽險資金的投資風險進行管理。實證結果顯示：壽險投資應主要集中在風險較小的銀行存款和國債上，也可適當放寬到收益較高的股票和基金。
二、線性AR-EGARCH模型的滬深股市流通股的VaR測算
中證流通指數包含了滬深股市所有已完成股權分置改革并正常上市交易的流通股，這也是證券市場投資者的首選，因此選用中證流通指數來分析中國滬深股市流通股的市場風險較為合意。
（一）中證流通指數的數字特征
選取2006年2月27日至2012年12月20日的中證流通指數收盤價，求出對數收益率r=log（lt）-log（lt（-1）），得到時間序列{rt}，樣本容量為1 662。由樣本期內滬深流通股的收益率時間序列（編者：圖略）可看到第500個交易日至第750個交易日之間，即2008年3月至2009年3月這段時間內收益波動幅度較大，這與2008年投機炒作所形成的資產泡沫堆積與非理性繁榮不無關系。
求解時間序列{rt}的數字特征（編者：圖略），發現其偏度小于0，峰度大于3，且JB統計量=446.025，對應的p值接近于0，即該時間序列屬于“尖峰厚尾”的非正態分布，中證流通指數收益率{rt}因并未緊貼正態分布分位數，{rt}并不屬于正態分布。
因此使用基于高斯假設的最小二乘法（OLS）來分析該序列極為不妥，需另尋他法。采用ADF檢驗分析中證流通指數收益率{rt}的平穩性，其ADF統計量為-39.394 13，在1%、5%、10%的顯著性水平下均拒絕原假設，序列不存在單位根，屬于弱平穩時間序列。
（二）自相關性檢驗及AR模型的定階
1.ARCH效應的檢驗。
2005年的匯改并沒有將人民幣匯率制度改革為真正意義上的“有管理的浮動匯率制”，而資本項目下人民幣自由兌換的逐漸放寬，使得“貨幣政策失靈論”甚囂塵上。經統計，2006年以來，我國的一年期存款基準利率和法定存款準備金率分別調整了18次和35次，而中證流通指數逆政策變動分別出現了9次和24次，且這種“逆政策效應”在緊縮貨幣政策中更加明顯。政策的影響是估計VaR時應當考慮到的變量。首先建立線性模型rt=β0+β1RBt+β2RDt+ut，其中{rt}為收益率時間序列，RB、RD分別為一年期存款基準利率與法定存款準備金率，ut為隨機擾動項。對于高頻數據序列，假定線性模型中的隨機誤差項ut同方差不太可能成立，其方差可能是時變的，并常表現出“波動聚集性”特征，即隨機誤差項是異方差，因此需要對隨機擾動項進行ARCH檢驗。假定隨機誤差項的條件方差與其誤差項滯后的平方有關，設ARCH（q）模型的一般形式為σt2=α0+α1ut-12+α2ut-22+……+αqut-q2。
從線性模型的殘差線圖（編者：圖略）中可以看出，回歸方程的殘差表現出“波動聚集性”，即大波動后面常伴隨著較大的波動，較小的波動后面的波動也較小。定性分析的結果顯示線性模型存在條件異方差性，即可能存在ARCH效應。再用殘差平方的自相關圖來定量判斷線性模型的殘差是否存在ARCH效應：發現滯后36階的Q統計量對應的p值均接近于0，即殘差平方序列存在自相關，中國流通股確實存在ARCH效應。采用線性模型不合理，應當引入時間序列模型。
2.時間序列{rt}的自相關檢驗及AR模型的定階。
對弱平穩時間序列{rt}進行自相關檢驗，Q統計量對應的p值在5階后全部小于0.05，即時間序列存在自相關。利用有限樣本下的混成檢驗，設樣本容量為n，令參數m=ln（n）=ln（1 662）≈7，可得混成Q統計量為16.28，在5%的置信度下，大于臨界值χ2（7）=14.07，即拒絕H0：ρi=0，i=1，2……7，時間序實存在自相關性。
由上述分析可知，應當使用AR模型研究中證流通指數收益率序列{rt}。利用赤池信息準則（AIC）對AR模型定階。根據下式求出滯后L階的AIC，計算結果如下圖所示：
AIC（L）=-2ln（似然函數的最大值）/n+2（L+1）/n，L≥1
參考文獻
[1] KUPIEC H P.Techniques for Verifying the Accuracy of Risk Measurement Models[J].Journal of Derivatives 2（12）.1995：73-84.
[2] CHRISTOFFERSEN P F.Evaluating Interval Forecasts[J]. International Eeonomies Review，1998 （39）：841-862.
[3] [美]Philippe Jorion.風險價值（第二版）[M].北京：中信出版社，2005.
[4] 王春峰.金融市場風險管理[M].天津大學出版社，2001.
[5] 黃海，盧祖帝.VaR的主要計算方法述評[J].北京：管理評論，2003（7）：31-35.
[6] 朱世武，李豫，何劍波.中國股票市場風險值標準的有效性檢驗[J].上海金融，2004（11）：38-41.
[7] 鄭文通.金融風險管理的VaR方法及其應用[J].北京：國際金融研究，1997（9）：58-62.
[8] 陳守東，俞世典.基于GARCH模型的VaR方法對中國股市的分析[J].長春：吉林大學社會科學學報，2002（4）：11-17.
[9] 肖慶憲.厚尾經濟數據的計量分析[J].北京：數量經濟技術經濟研究，2003（5）：116-119.
[10] 杜本峰，郭興義.一種新的風險度量工具：PaV及其計算框架[J].北京：統計研究，2003（2）：48-50.
[11] 孔繁利.金融市場風險的度量――基于極值理論和Copula的應用研究[D].吉林大學博士論文，2006-04-01.
[12] 劉曉煥，袁廣信.基于CVaR的開放式股票基金市場風險的研究[J].武漢：中南財經政法大學研究生學報，2009（2）：27-32.
[13] 邵夢倩，杜子平.基于pair_Copula_CVaR模型的保險投資組合優化[J].石家莊：合作經濟與科技，2011 （4）：68-69.
[14] 彭坤，王飚.基于VaR（風險價值）的金融投資的研究[J].昆明理工大學學報（理工版），2002（12）.
[15] 韓琦.基于VaR方法的我國商業銀行利率風險實證研究[D].上海：華東師范大學碩士論文，2008-05-01.
