1、風(fēng)險(xiǎn)簡(jiǎn)單的定義是“起作用的不確定性”，它之所以起作用，是因?yàn)樗軌蛴绊懸粋€(gè)或者是多個(gè)目標(biāo)，因此我們需要定義什么“處于風(fēng)險(xiǎn)之中”(at risk)，換句話說(shuō)就是，如果風(fēng)險(xiǎn)發(fā)生的話，什么目標(biāo)會(huì)受到影響。因此，風(fēng)險(xiǎn)的一個(gè)比較完整的定義應(yīng)該是“能夠影響一個(gè)或多個(gè)目標(biāo)的不確定性”。 金融市場(chǎng)風(fēng)險(xiǎn)測(cè)量就是測(cè)量由于市場(chǎng)因子的不利變化而導(dǎo)致金融資產(chǎn)價(jià)值損失的大小。目前，金融市場(chǎng)風(fēng)險(xiǎn)測(cè)量的主要方法包括均值一方差分析、靈敏度分析、波動(dòng)性分析、VaR

2、和CVaR方法。許多研究發(fā)現(xiàn)金融資產(chǎn)收益率時(shí)間序列不服從正態(tài)分布，具有尖峰厚尾的特性，其波動(dòng)具有聚集性和時(shí)變性，并且還具有杠桿效應(yīng)。為了正確估計(jì)金融風(fēng)險(xiǎn)，必須充分考慮收益率序列的分布特征和波動(dòng)性。為正確擬合收益率序列，許多學(xué)者提出使用GARCH族模型來(lái)分析股票市場(chǎng)風(fēng)險(xiǎn)。 本文在第三章運(yùn)用GARCH-CVaR模型對(duì)我國(guó)滬深300指數(shù)風(fēng)險(xiǎn)進(jìn)行度量和分析，發(fā)現(xiàn)我國(guó)股票市場(chǎng)具有顯著波動(dòng)聚集性，市場(chǎng)在受到意外事件沖擊時(shí)恢復(fù)期長(zhǎng)、影響減弱較

3、慢，股票市場(chǎng)具有較強(qiáng)的波動(dòng)性，平均方差水平較高；將股票市場(chǎng)的歷史CVaR與同期VaR對(duì)比發(fā)現(xiàn)，CVaR始終偏大，尤其在市場(chǎng)劇烈波動(dòng)即風(fēng)險(xiǎn)較大時(shí)，尾部事件發(fā)生時(shí)的期望損失比VaR大得多。 第四章在考慮行業(yè)風(fēng)險(xiǎn)因素的情況下先利用加權(quán)正態(tài)分布模型對(duì)單個(gè)股票進(jìn)行VaR和CVaR分析；然后用GARCH模型對(duì)單個(gè)股票進(jìn)行VaR和CVaR風(fēng)險(xiǎn)分析。發(fā)現(xiàn)除萬(wàn)科A外其它三只股票的VaR和CVaR均值都是加權(quán)分布下的小于GARCH分布下的，也就是說(shuō)

4、GARCH分布下失效率要比加權(quán)分布的失效率小一些，但是同時(shí)GARCH分布也存在對(duì)風(fēng)險(xiǎn)的高估。萬(wàn)科A的例外之處可能在于它流通盤(pán)過(guò)大，線性相關(guān)性過(guò)強(qiáng)。 第五章將追蹤誤差定義為證券投資組合收益率與所追蹤的指數(shù)基準(zhǔn)收益率之差，并在分析CVaR的基礎(chǔ)上，在無(wú)交易費(fèi)用和有交易費(fèi)用的情況下，建立了基于CVaR約束的追蹤誤差最小化的指數(shù)組合優(yōu)化模型，對(duì)指數(shù)進(jìn)行復(fù)制，并通過(guò)實(shí)證分析，得出了基于CVaR約束的追蹤誤差最小時(shí)的樣本期內(nèi)及樣本期外的最優(yōu)