1、在經(jīng)濟新常態(tài)背景下，金融機構的經(jīng)營環(huán)境面臨著市場結構和金融體制的雙重改變，市場化趨勢逐步增強，風險作為市場的基本屬性日益引起金融機構的重視。直至今日，2008年經(jīng)濟危機已經(jīng)過去十年。在此，我們應該總結金融危機的經(jīng)驗教訓，更應該做好防范金融風險的準備。這一過程中，需要我們不斷加強對市場風險的監(jiān)管力度，提高對風險預估的準確性。本文在此背景下，研究我國資本市場的市場風險問題。文中將我國金融資產(chǎn)按照行業(yè)的標準進行分類，根據(jù)滬深300行業(yè)指數(shù)，我

2、們選擇如下行業(yè)類目，包括:電氣設備、汽車、專營零售、航空、電力、建材、制藥等共28個，時間跨度為2012年至2017年。通過對數(shù)據(jù)的描述性統(tǒng)計分析，可得我國行業(yè)類金融資產(chǎn)的收益率分布呈現(xiàn)尖峰厚尾的狀態(tài)，要求我們在下一步的風險測度時需要更多的關注尾部風險。本文采用的計量模型分為兩個框架，分別為VaR體系和ES體系。VaR即在險價值，其概念直觀，計算方法簡易且應用范圍較廣，同時是巴塞爾協(xié)議明確要求使用的風險度量方法。ES即預期損失，其主要考

3、量尾部風險，在理論性質上，較VaR優(yōu)越，但在實際應用中，難度較大。兩個計量方法各有千秋。本文綜合兩個體系來進行風險測度。在VaR體系下，本文引入了GARCH模型、GJR-GARCH模型、EWQR模型和CAViaR模型。前兩者我們分別代入四種收益率分布狀態(tài)，分別為:正態(tài)分布、t分布、漢森-尖峰t分布和廣義誤差分布。通過這四種分布，來更好的擬合現(xiàn)實金融資產(chǎn)收益率波動。CAViaR模型不用假定模型分布狀態(tài)。在ES體系下，我們引入了GARCH模

4、型和GJR-GARCH模型和EWQR模型。同上，我們需要引入四種收益率分布狀態(tài)。在實證分析中，我們將28個行業(yè)分別代入上述計量模型中。由于真實的VaR值不可知，我們采用間接檢驗的方法來對模型進行檢驗。文中對CAViaR的五個模型我們采用了UC檢驗和DQ檢驗方法。對于GARCH模型、GJR-GARCH模型和EWQR模型，我們采用了UC檢驗、DQ檢驗、DV檢驗和IV檢驗。上述檢驗的原假設都是模型設定正確。拒絕原假設即意味著模型錯誤。實證分析

5、結果如下，在VaR體系和ES體系下，最為有效的模型為EWQR模型、GARCH-t、GJR-GARCH-t模型。在VaR體系下，Adaptive模型表現(xiàn)較為有效。該結果表明，我們行業(yè)類金融資產(chǎn)收益率分布呈現(xiàn)非正態(tài)性，存在尖峰厚尾的特征。由于GARCH-t、GJR-GARCH-t模型較為有效，目前收益率波動呈現(xiàn)t分布。投資者和監(jiān)管者在進行風險測度時，要掌握目前收益率波動的分布情況，考慮尾部風險，只有這樣，才能更好的把握預期損失。同時，實證結