時間：2023-09-06 17:08:37
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇投資組合的風險分析，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
關鍵詞： CopulaGARCH模型；開放式基金；投資組合選擇；VaR
中圖分類號： F224 文獻標識碼： A 文章編號：1003-7217(2011)06-0059-03
一、緒 論
隨著金融市場的日益動蕩以及金融危機的頻發，如何對金融風險進行有效監控,進而降低風險成為金融界和投資者關注的焦點。證券投資基金的風險管理是現代金融領域的一個重要問題，對于基金管理者來說，有必要對其所管理的基金投資組合在一定時間內所面臨的風險進行量化分析，以便為潛在的損失做好準備，并依此適時調整投資組合，降低風險。
傳統的VaR技術是假定單個資產收益服從正態分布，資產組合中不同的風險資產收益線性相關。事實上，這種假設經常與客觀事實相違背，特別是有極端事件發生時，在正態分布假設下進行的資產組合的風險值與實際情況偏差較大。特別是在VaR的估計中，用簡單的線性相關來描述多變量的尾部相關性顯然是不充分的。多變量之間的關系最完備的刻畫應該是它們的聯合分布。為了克服線性相關性的種種弊端，我們將通過Copula函數建模來克服這些問題。Copula 函數方法是研究多個隨機變量間相關性的一個很有效的方法。它最早由Sklar 在1959 年提出，在1999 年左右開始被廣泛應用于金融領域，尤其是風險管理建模中。近年來,國內外對Copula 函數方法的研究非常活躍，它被廣泛地應用于市場風險、信用風險等多個領域。與傳統方法不同，Copula 函數方法不直接對隨機變量Xi之間的相關性進行建模，而是對其分布函數Ui=F－1i(Xi)之間的相關性進行建模，這樣做能將隨機變量間的相關性與各個隨機變量各自的邊際分布分開，能更靈活地模擬實際情況。
二、Copula函數的定義和相關定理
定義1.1 (Nelsen,1998)［1］N元Copula函數是指具有以下性質的函數C：
C=IN=［0,1］N;
C對它的每一個變量都是遞增的；
C的邊緣分布Cn(•)滿足：Cn(un)=C(1,…1,un,1,…,1)=un，其中u∈［0,1］，n∈［1,N］。
顯然，若F1(•),…,FN(•)是一元分布函數，令un=Fn(xn)是一隨機變量，則C(F1(x1),…,Fn(xn),…,FN(xN))是一個具有邊緣分布函數F1(•),…,FN(•)的多元分布函數。
定理1.1 (Sklar定理［2］)令F為具有邊緣分布F1(•),…,FN(•)的聯合分布函數，那么，存在一個Copula函數C，滿足：
F(x1,…,xn,…xN)=C(F1(x1),…,
Fn(xn),…,FN(xN))(1)
若F1(•),…,FN(•)連續，則C唯一確定；反之，若F1(•),…,FN(•)為一元分布，那么由式(1)定義的函數F是邊緣分布F1(•),…,FN(•)的聯合分布函數。
通過Copula函數C的密度函數c和邊緣分布F1(•),…,FN(•)，可以方便地求出N元分布函數F(x1,…,xn,…,xN)的密度函數：
f(x1,…,xn,…,xN)=c(F1(x1),…,Fn(xn),
…,FN(xN))∏Nn=1fn(xn)(2)
其中c(u1,…,un,…,uN)=C(u1,…,un,…,uN)u1…un…uN，fn(•)是邊緣分布Fn(•)的密度函數。
三、投資組合選擇模型的改進
本文結合利用Copula 函數方法與GARCH理論，并引進VaR（Value at Risk，在險價值）這個風險量化指標討論投資組合的風險分析和最優化問題［3］，并將該方法用于我國開放式基金的最優投資組合選擇上。這里，以Markowitz 投資組合模型作為基礎，對傳統的最優投資組合選擇模型從以下三方面進行了改進［4，5］：
1.對單個資產收益率條件分布估計。
Markowitz 投資組合模型在分析投資組合標的資產中各自的收益率分布函數時，傳統的做法是假設Xt服從一維高斯分布函數，或服從經驗分布函數。將標的資產的收益率分布模擬為高斯分布函數的這種做法對分布函數的中部模擬得比較準確，但高斯分布尾部較薄，現實市場上的分布通常表現出一定的厚尾性，因此應用高斯分布函數對尾部模擬的誤差較大。
2.對風險量化指標的選擇。
在 Markowitz 的模型中以方差來度量投資組合的風險，這種做法不僅在處理由多個資產組成的投資組合時計算量非常大，并且在各資產的協方差矩陣不可逆時，該模型將無法獲得一個真正意義上的最優投資組合的解。本文在Markowitz 模型的基礎上，引入VaR作為風險度量指標求解最優投資組合［6］。
3.對多個資產間的相關性的計量。
傳統做法假設投資組合回報率的分布服從多維高斯分布、多維Student-t分布或經驗分布，這樣做首先會使模型過于單一，不能具體問題具體分析。其次，高斯分布函數的尾部相關性很差，這與現實不符。現實中的尾部，尤其是極限尾部都呈現出較大的厚尾性，而這是多維高斯分布所不具備的。本文應用Copula 函數方法模擬投資組合各個資產間的相關性。
四、基于Copula的投資組合選擇模型
首先，我們應用GARCH理論來對單個資產的對數收益率邊際分布進行建模.設給定資產在t日的價格為St，它在時間段(t,t+1)內的對數收益率為rt+1， 則有rt+1=ln St+1St，顯然rt（固定時間t）為一隨機變量。
其中X為給定資產價格的對數收益率，即
rt=μ+at
at=σt•εt εt~N(0,1)
σ2t=α0+α1a2t-1+βσ2t-1（3）
其中，rt為收益率序列，μ為rt的樣本均值；at為rt的波動項，用來反映收益率的波動性， at的形式使得GARCH模型能夠較好描述收益率序列的各種特性［7］。 這里εt為標準正態分布，其中α0、α1和β為待估計的參數。
P(Xt+1≤rΩt)=P(at+1≤(x－μ)Ωt)=
P(σt+1εt+1≤(x－μ)Ωt)=
P(εT+1≤x－μα0+α1a2t+βσ2t)=
N(x－μα0+α1a2t+βσ2t) （4）
其中，Ωt為到時刻t為止的信息集．此時，式（4）即下一觀測時刻收益率Xt+1的條件分布．
其次，估計多個資產間的相關矩陣R，本文參考Embrechts［8］中所闡述的方法，模擬出一組滿足正態Copula函數的隨機變量：
用蒙特卡羅方法模擬出一組相互獨立并符合標準正態分布的隨機數z1,z2,…,zn
應用Cholesky方法可以將矩陣R轉化為一個n×n的矩陣A和它的轉置AT的乘積：R=AAT
令wi=Azi，再令ui=Φ(wi)，其中Φ為一維標準正態分布函數，可以看出(u1,u2,…,un)T是滿足相關矩陣為R的正態Copula函數的。
這樣便將此投資組合標的資產間的相關性部分模擬為正態Copula函數．而對于各個標的資產的收益率ri，可以由ri=F－1i(ui)求出，其中F－1i為標的資產的收益率分布函數的逆函數［9,10］。
我們對各資產的收益率序列運用CopulaGARCH模型，估計得到其邊緣分布函數Fit(•)，i=1,2,…,n及相關結構的Copula函數C(u1t,u2t,…,unt)，然后通過Monte Carlo模擬法模擬得到服從相應Copula函數分布的序列(u1,u2,…,un)，最后由邊緣分布函數Fit(•)，i=1,2,…,n的逆函數計算得到相應的仿真資產收益率：
rit=F－1it(uit)，i=1,2,…,n（5）
rit=ln Sit－ln Si,t－1 ，i=1,2,…,n，
t=1,2,…,T （6）
從而得資產價格：Sit+1=Sitexp (rit+1)
設ki表示資產的份額，此時投資總額St=∑ni=1kiSit,其中n為投資組合的資產總數，第i個資產在投資組合中的權重δit=kiSitSt,顯然∑Nn=1δn=1．
此時，第i個資產在持有期t,t+1內的損失率(即單位貨幣的平均損失)為：
it+1=Sit－Sit+1Sit=Sit－Sitexp (rit)Sit=
1－exp (rit) （7）
如果將全部資金St投給第i個資產，第i個資產在持有期t,t+1內的損失為：
Lit+1=Stit+1=St(1－exp (rit))（8）
根據單個資產的損失率，可以計算得到投資組合在持有期t,t+1內的損失率：
t+1=∑ni=1δitit+1=∑ni=1δit(1－exp (rit+1)) （9）
投資組合在持有期t,t+1內的損失為：
Lt+1=Stt+1=∑ni=1Sit(1－exp (rit+1)) （10）
在實證分析時，首先采用多次模擬過程獲得資產投資組合損失值Lt+1，再從經驗分布中得投資組合VaR值：
P(Lt+1≤VaRαt+1)=1－α （11）
其中VaRαt+1表示在持有期t,t+1內、1－α置信度下的VaR值．
有了收益率和風險的定義，我們在此應用投資組合選擇的均值-VaR模型。該模型是在給定期望收益水平下最小化投資組合的VaR。不含無風險資產時，模型可表示為：
min VaR=∑Ni=1ωiVaRi∑ni=1ωiXi=U∑ni=1ωi=1（12）
其中ωi表示第i支股票的權重，Xi表示第i支股票的收益率，U表示期望收益水平。
五、開放式基金投資組合選擇的實證研究
本文選取我國的一只開放式基金中信紅利精選股票型證券投資基金的前十大重倉股構成的投資組合為研究對象。采集的數據是：2008，10，8~2008，12，31的每天的收盤價。
運用本文的投資組合選擇的改進模型和Monte Carlo仿真技術，結合歷史數據，得到U=13.4%，同時可以得到樣本對(x1,x2,…,xn)，將其代入上述模型可求解最優投資組合ω以及相對應的VaR值。
六、結 論
為了分散風險，投資者往往會對各種金融資產進行組合投資來對沖風險．這就要求投資者要充分了解資產間的相關性，但金融市場的時變、波動、非線性等特點使得各資產間的相關性也復雜多變．Copula理論將此問題簡單化，它將資產的邊緣分布和資產間的相關結構分開來研究，其中資產間的相關結構由一個Copula函數來描述．使用Copula函數可以克服上述多元統計分布函數估計中存在的問題［11］。
本文建立了CopulaGARCH模型，該模型不僅可以較好的描述金融時間序列時變的波動特性，還可以將變量的相關程度和相關模型結合到一起來研究［12,13］；提出了可以用Copula模型來分析多個資產間的相關關系，從而為資產投資組合的選擇提供依據。
基于Copula理論對我國的一支開放式基金中信紅利精選股票型證券投資基金投資組合的選擇進行了優化，通過建立多變量的金融時間序列模型來對金融資產的投資組合進行風險度量。并應用lingo8.0，在收益率一定的情況下， 得到了VaR最小的投資組合的權重.進而提高了我國開放式基金投資組合的風險預測的精度。這不僅可以幫助金融資產管理人更科學有效地管理好掌管的資產；對投資者來說，也可以使用投資模型結合自身需求來對金融資產進行組合投資，以此達到分散風險、提高收益的目的，從而使投資行為更加理性化。
參考文獻：
［1］Nelson. R. B. An Introduction to Copulas ［M］.New York:Springer,1998
［2］Sklar A. Fonctions de repartition a n dimensions et leurs marges［J］.Publication de insititut de Statistique de Universite de Paris, 1959,8:229-231
［3］Rockinger. M and E. Jondeau. Conditional Dependency of Financial Series: an Application of Copulas ［D］. Working Paper of Department of Finance，HEC School of Management, Paris, 2002.
［4］Joe H. Parametric families of multivariate distributions with given marginals［J］. Journal of Multivariate Analysis, 1993,46：262-282.
［5］Roberto De Matteis. Fitting Copulas to Data［D］.IMU,Zurich,2001.
［6］Rank J，Siegl T．Applications of copulas for the calculation of VauleatRisk．in Applied Quantitative Fi．Dance［M］．Springer，2002．
［7］劉大偉，杜子平. Copula在投資組合選擇與VaR計量中的應用理論新探［J］ 2006,3: 25-27.
［8］Embrechts, P. A. Mcneil and D. Straumann. Correlation and Dependence in Risk Management: Properties and Pitfalls, Risk Management: Value at Risk and Beyond［J］. Cambridge University Press. 1999, 176-223
［9］張明恒. 多金融資產風險價值Copula計量方法研究［J］. 數量經濟技術經濟究，2004,(4): 67-69.
［10］朱世武. 金融計算與建模理論、算法與SAS程序［M］.北京：清華大學出版社，2007,7
［11］尹向飛，陳柳欽. 基于copula的投資組合選擇模型的研究［J］. 金融發展研究，2009,(2): 58-69.
［12］周義, 李夢玄. CopulaCVaR資產組合選擇模型分析［J］. 金融教學與研究, 2010,(2):54-58.
Empirical Analysis about Portfolio selection of Copula
YANG Xiangyu1, GAO Nannan2
(1.College of Mathematics and Econometrics, Hunan University, Changsha, Hunan 410082, China;
2.Vipshop Electronic Information Technology Co.,LtD, Guangzhou, Guangdong 510370,China)
Abstract：In this paper, Copula and the forecast function of GARCH model are well combined, and a CopulaGARCH model is built for risk analysis of portfolio investment as it can describe the dependency structure of multi dimension random variable. By this model and Markowitz'portfolio selection model, empirical portfolio selection analysis is made in Chinese open end funds. The portfolio with minimum VaR when the yield is given is get by lingo8.0 .
Key words：Copula GARCH model; open end funds; portfolio selection; Value at risk
收稿日期： 2011-03-22
【摘 要】本文就金融風險測算的一種新方法Copula理論在國內外的已有研究進行了總結，較為清晰的勾畫出Copula方法在金融市場風險測算中的發展過程及應用現狀，在此基礎上，提出了Copula方法對綜合風險度量的可適性及應用前景。
【關鍵詞】Copula 金融市場風險 綜合風險 測算
隨著經濟全球化和金融自由化的發展，全球金融市場特別是金融衍生品市場得到迅猛發展，呈現出了前所未有的波動性，金融機構和投資者面臨的各種風險日益復雜和多樣化，因此對金融風險的評估和測量也提出了越來越高的要求。傳統的風險計量方法已不能適應現代金融業的需要。基于此，Copula方法這種全新的測算技術被引入金融風險的計量中。
Copula函數被稱為“相依函數”或者“連接函數”，它是把多維隨機變量的聯合分布用其一維邊際分布連接起來的函數。Copula理論于1959年由Sklar提出，定義了一個聯合分布分解為它的K個邊緣分布和一個Copula函數，其中Copula函數描述了變量間的相關結構，Sklar定理為Copula方法體系的發展打下了基礎。但直到上世紀90年代末期才被引入金融領域，Nelson(1998)比較系統地介紹了Copula的定義、構建方法，并全面介紹了Copula函數的各項性質以及幾種重要的Copula函數族。Embrechs(1999)把Copula理論引入到金融領域中，把金融風險分析推向了一個新的階段。在我國，對Copula的研究起步較晚，最早是張堯庭(2002)在理論上，主要是從概率論的角度上探討了Copula方法在金融上應用的可行性。Copula方法在金融風險測算中主要具有如下優勢:①Copula理論不限制邊緣分布的選擇，結合Copula函數可以更為靈活地構建多元分布函數;②在運用Copula理論建立模型時，邊緣分布反映的只是單變量的個體信息，變量間的相關信息完全由Copula函數來體現，可以將隨機變量的邊緣分布和它們之間的相關關系分開來研究;③通過不同形式Copula函數的選擇使用，可以準確捕捉到變量間非線性、非對稱的相關關系，特別是容易捕捉到分布尾部的相關關系，這有助于風險管理機構度量出現極端情況下的風險值。
一、Copula方法在國外金融市場風險測算中的應用
1.常規模式下Copula方法的應用
如同任何新方法被應用到新的領域一樣，Copula方法之于金融市場風險管理也經歷了從簡單到復雜，從理論研究到具體實證中的過程。Sklar(1959)到Nelson(1998)，對Copula理論起到了奠基性的作用。Embrochts(1999)把Copula作為相關性度量的工具，引入金融領域。Matteis(2001)詳細介紹了Arehimedean Copulas在數據建模中的應用，并運用Copula對丹麥火災險損失進行了度量。Bouye(2000)系統介紹了Copula在金融中的一些應用。Embrechts (2003)，Genest(1995)分別于模擬技術、半參數估計、參數估計對Copula的統計推斷作了詳細介紹。Roberto De Matteis(2001)對Copula函數，特別是Archimedean Copula函數作了較為全面地總結。Romano(2002)開始用Copula進行了風險分析，計算投資組合的風險值，同時用多元函數極值通過使用Monte Carlo方法來刻畫市場風險。Forbes(2002)通過對固定Copula模型來描述Copula的各種相關模式，并把這一個方法廣泛地應用在金融市場上的風險管理、投資組合選擇及資產定價上。Hu(2002)提出了混合Copula函數(Mixed-Copula)的概念，即把不同的Copula函數進行線性組合，這樣就可以用一個Copula函數來描述具有各種相關模式的多個金融市場的相關關系了。上述文獻主要從理論上探討了Copula方法的適用性，并對Copula函數形式的選擇，Copula函數的參數估計方法等展開了較為深入的研究且采用金融市場的數據進行了相關實證說明，但都是在固定時間段內固定相關模式的假設下進行，沒有體現出金融市場風險瞬息萬變，投資組合的風險值動態變化的特征。 轉貼于
2.動態模式下Copula方法的應用
眾所周知，金融市場投資組合面臨的風險每時每刻都在波動，在模型假設固定的情況下測算往往會低估風險，因此建立動態的，能及時體現市場波動特征的模型顯得更為重要。Dean Fantazzini(2003)將條件Copula函數的概念引入金融市場的風險計量中，同時將Kendall秩相關系數和傳統的線性相關系數分別運用于混合Copula函數模型中對美國期貨市場進行分析。Patton(2001)通過研究日元/美元和英鎊/美元匯率間的相關性，發現在歐元體系推出前后這兩種匯率之間的相關性程度發生了顯著變化。在此基礎上，Patton提出引入時間參數，在二元正態分布的假設下提出了時變Copula函數來刻畫金融資產。Goorbergh，Genest和Werker(2005)在Patton的基礎上設計出新的動態演進方程并用在時變Copula中對期權定價進行了研究。Jing Zhang，Dominique Guegan(2006)開始構造擬合優度的統計檢驗量來判斷樣本數據在進行動態Copula建模時適用的模型結構，也就是時變相關Copula模型與變結構的Copula模型的統計推斷，Ane，T.and C.Labidi (2006)采用條件Copula對金融市場的溢出效應進行了分析，Bartram，S. M.，S. J. Taylor，and Y-H Wang(2007)采用GJR-GARCH-MA-t作為邊緣分布并用Gaussian Copula作為連接函數建立了動態Copula模型對歐洲股票市場數據進行了擬合，取得了較好的結果，Aas，K.，C. Czado，A. Frigessi，and H. Bakken(2008)在多元分布前提下對雙形Copula建模進行了研究。
二、Copula方法在我國金融市場風險測算中的應用
1.二元Copula方法的應用
Copula方法在我國起步較晚，直到張堯庭(2002)才將該方法引入我國，主要在概率統計的角度上探討了Copula方法在金融上應用的可行性，介紹了連接函數Copula的定義、性質，連接函數導出的相關性指標等。隨后韋艷華(2003，2004) 結合t-GARCH模型和Copula函數，建立Copula-GARCH模型并對上海股市各板塊指數收益率序列間的條件相關性進行分析。結果表明，不同板塊的指數收益率序列具有不同的邊緣分布，各序列間有很強的正相關關系，條件相關具有時變性，各序列間相關性的變化趨勢極為相似。史道濟、姚慶祝(2004)給出了相關結構Copula、秩相關系數Spearman與Kendall tau和尾部相關系數，以及這三個關聯度量與Copula之間的關系，各個相關系數的估計方法等，并以滬、深日收盤綜合指數為例，討論了二個股市波動率的相關性，建立了一個較好的數學模型。葉五一、繆柏其、吳振翔(2006)運用Archimedean Copula給出了確定投資組合條件在險價值(CVaR)的方法，對歐元和日元的投資組合做了相應的風險分析，得到了二者的最小風險投資組合，并對不同置信水平下VaR和組合系數做了敏感性分析。曾健和陳俊芳(2005)運用Copula函數對上海證券市場A股與B股指數的相關結構進行分析，發現了與國外市場不同的研究結果:不論市場處于上升期或下跌期，上證A股與B股指數間均存在較強的尾部相關性。李悅、程希駿(2006)采用Copula方法分析了上證指數和恒生指數的尾部相關性。肖璨(2007)則較為全面的介紹了Copula方法應用二元情況下的建模與應用。
2.多元Copula方法的應用
只在二元情況下度量金融市場風險并不全面，現實金融市場中的機構投資者和個體投資人通常選擇多個金融資產進行組合投資以降低投資風險，因此如何刻畫多個金融資產間的相關結構，對于規避市場風險更具有現實意義，但如何將二元向多元推廣依然是一個需要解決的難題。這是因為當變量增加時，模型的復雜程度及參數估計難度都將呈指數倍增長，針對二元方法的模型參數估計可能將不再適用，需要研究新的估計方法。
關鍵詞：社會保障基金；投資；風險防范
中圖分類號：F224 文獻標識碼：A 文章編號:1003－9031(2012)05－0046－04 DOI:10.3969/j.issn.1003-9031.2012.05.10
2000年8月，我國設立了全國社會保障基金，這是由中央政府籌集的全國社會保障儲備基金，主要用于彌補我國人口老齡化時期養老金收支不足。成立之初，中央財政撥付200億元，之后社會保障基金規模不斷擴大，截至2010年末全國社會保障基金規模達到8566億元。但是另一方面，我國已經步入了“老齡化”階段①。因此，控制社會保障基金的投資風險，如何實現社會保障基金保值增值，使基金追隨經濟發展，并且保持較強的流動性和一定的收益性，是亟待解決的現實難題。
一、社會保障基金投資風險相關研究述評
國內學者對社會保障基金投資風險的研究是隨著社會保障基金的投資范圍擴大而逐步開展的。孫天法、張良華（2004）認為，生產自動化水平達到一定的條件下，人工勞動成為大機器的操作異常的代替品，失業率將成為工業時代普遍的社會現象[1]。與此同時,隨著自動化生產發展，社會生產對勞動力的需求下降。人類生命周期的延長使人類依賴社會保障生存時間更長。社會和經濟條件的變化，使傳統的社會保障面臨著前所未有的挑戰。
劉子蘭、嚴明（2006）采用均值―方差模型、VAR模型等分析工具，對全國社會保險基金投資的風險進行了度量，構建社會保障基金投資組合模型并進行了實證分析，對社會保障基金可量化風險的管理提供了解決思路[2]。
毛燕玲等（2007）提出實業投資是社會保障基金拓展的新業務，未來的社會保障基金將更多地投資國內實業。其還研究了社會保障基金的投資現狀，以及社會保障基金國內實業投資面臨的主要風險，最后提出防范和管理社會保障基金國內實業投資風險的具體對策和思路[3]。黃莉（2007）從社會保障基金投資運營風險的產生出發，分析了我國社會保障基金投資運營在投資途徑和投資模式、投資運營水平、投資運營法規等幾方面存在的風險，最后從拓寬社會保障基金投資方式、加大社會保障基金投資規模、加強投資監管等幾方面提出了防范風險的建議[4]。
楊軼華、關向紅（2009）從內部與外部兩方面對社會保障基金投資運營中面臨的風險進行了系統的分析，建議進行組合投資，分散投資風險，建立社會保障基金投資風險補償機制，加強監管部門的有效監管[5]。廉桂萍（2009）對社會保險基金境外投資風險及其防范展開研究，指出風險主要包括流動性風險、匯率風險、信息披露和交易成本風險、稅收法規風險、投資限制風險和國家風險[6]。許海英、魏建翔（2011）運用克魯格曼三角形理論對基金投資進行風險分析，在借鑒發達國家先進經驗的基礎上，提出優化投資結構、強化投資監管、完善風險補償機制等對策化解風險[7]。
通過上述文獻可看出，我國社會保障基金投資風險的分析框架還沒有完全確立，而且投資風險的定性分析較多，定量分析較少，在實證研究社會保障基金投資風險方面，還缺乏深入系統的研究。因此，本文試對社會保障基金的投資風險進行測度，并且提出在后危機時代社會保障基金投資的風險防范路徑。
二、我國社會保障基金的投資現狀
目前，社會保障基金主要投資于國內金融市場，投資產品主要包括銀行存款、國債和股票等。在過去的一段時間里，社會保障基金選擇銀行存款和國債作為主要的投資產品。近年來，社會保障基金一系列多元化投資的探索和創新，2003年開始擴大試點范圍，投資謹慎穩健；2004年開始向實業股權投資；2006年開始對外國投資；2008年開始向股權投資基金投資，以分散風險增加盈利，奠定了良好的基礎。社會保障基金投資不斷優化組合， 2009年末，全國社會保障基金產業投資比例是20.54%，固定收益產品的投資比例是40.67%，國內和海外股票投資比例是32.45%。
從收益水平看，過去10余年，全國社會保障基金累計收益率為9.17%（見表1），比同期累計通貨膨脹率2.14%高出7.03%，這表明社會保障基金的收益率水平還是較為滿意的。
從表1顯示的收益率水平看，僅在2004年和2008年投資收益率低于通貨膨脹率，其余年份均完成了保值增值功能。2004年，社會保障基金投資“縮水”，主要原因是股票的投資回報率并不好。2008年，社會保障基金投資由于國際金融危機的影響，收益率稍差。近年來，股市行情較好，社保基金投資收益上升。
三、我國社會保障基金中股票投資風險的測度
2009年，我國社會保障基金投資收益的22.7％來自股票收入，年末交易性金融資產、可供出售金融資產和長期股權投資余額為4131.74億元，占資產總額的53%。由于股權投資、境外投資和股權投資基金投資缺乏相關數據，因此本文只對社會保障基金的股票投資展開分析。對于社會保障基金而言，股票是收益率較高、風險性最大的投資渠道，股票投資收益的不確定性受到宏觀經濟運行狀況、資本市場的完善等多重因素的影響。
雖然股票投資只是社會保障基金投資的部分，但分析社會保障基金股票投資的風險測度對于防范社會保障基金的風險而言具有重要意義。1952年，馬可維茲（Markowitz）明確提出，使用收益率波動離散程度的統計測度――方差和標準差這兩個指標作為風險的測量工具，并在使用這兩個變量的數據結構中進一步豐富了其投資組合理論[8]。
（一）樣本選擇
本文從社會保障基金2011年第二季度新進與增倉兩大股票池中，篩選出持股比例最為靠前的10只股票（見表2）作為樣本，依次用x1，x2，…，x10表示，本文中只考慮由這十只股票組成的社會保障基金投資組合。
對于市場證券組合，本文選擇上證綜合指數。計算使用日度數據，數據區間定為2011年4月1日至2011年6月30日。同時，本文上證綜合指數的日對數收益率由每日的收盤指數計算所得，以每只股票收盤價的每日對數收益率為基本數據。
（二）確定置信水平
為了滿足不同的風險規避需求，可以選擇不同的置信水平進行比較分析。本文選擇95%與99%兩種置信度，便于進行比較分析。
（三）計算相關指標
1．計算收益率。根據Rt=ln（Pt）―ln（Pt-1）公式計算股票收益率，其中Pt和Pt-1分別表示股票在第t日和t-1日的股票價格。
本文沒有考慮樣本數據的排列順序、所謂的“周一效應”等現象，當股票價格指數不是很大的波動，其種類約等于股票價格指數變化的速度，對應于股票市場整體收入水平。因此，即使出現假期也不影響數據序列。
2．計算協方差矩陣。通過SPSS軟件，計算出社會保障基金前10支重倉股票的每日對數收益率的協方差矩陣（見表3）。
3．計算股票權重。以2011年6月30日的收盤價為基準，根據社會保障基金的持股數和收盤價來計算其市值，從而得出股票投資權重。
（四）社會保障基金投資組合與上證指數風險度量值的計算
筆者假設投資組合的總價值為1，計算VaR可以轉化為在給定的置信水平1-c下，計算出Δt日（本文采用1日和10日）內的投資損失不超過投資總額的百分比。
同時針對不同的風險度量指標，計算出社會保障基金投資組合和上證綜合指數的三種風險度量值即方差、β系數和VaR，具體結果見表4。
四、簡要結論與后危機時代防范社會保障基金投資風險的路徑
（一）實證分析結論
從表4中可看出，社會保障基金投資組合的β系數為0.88，這意味著組合類型是一個保守的投資組合，風險低于上海綜合指數，該組合的波動性相對較小。
在95%的置信水平上，利用方差―協方差法計算得出的VaR：在99%置信水平下，上證指數的VaR1值為2.976%，而社保基金投資組合的VaR1為2.811%。即在2011年6月30日的下一個24小時內，99%的可能性認為損失值的最大限度為投資總額的2.811%。同理，在未來10天的持有期內，有95%的可能性認為損失值不會超過投資總額的7.269%，有99%的可能性認為損失值不會超過投資總額的9.412%。上證綜指的VaR1為1.996%，這說明指數每日有95%的可能性損失不會超過1.996%。也就是說，每日損失大于1.996%的可能性不會超過5%，而相同置信水平下社保基金投資組合的VaR1卻為1.968%。
通過實證分析表明，社會保障基金投資組合的三個風險度量均低于上海綜合指數的風險度量值，這表明在一定程度上社會保障基金投資組合的風險程度比相應市場平均風險水平要低。因此，在這一時期社會保障基金投資組合具有一定的風險控制能力特征。
（二）防范社會保障基金投資風險的路徑
1.要堅持審慎投資方針。一是正確選擇投資目標與風險政策。現階段的中長期投資最低目標是戰勝通貨膨脹，5年預期年化收益率不低于3.5%。二是樹立長期投資、價值投資和責任投資的投資理念[9]。三是進行組合投資，分散投資風險。多元化投資是確保社會保障基金投資合理最有力的武器，同時可以擴大全國社會保障基金投資渠道，適當的海外投資將有助于分散投資風險。根據《全國社會保障基金投資管理暫行辦法規定》，社保基金投資的范圍限于銀行存款、國債和其他具有流動性良較好的金融工具，包括上市流通的信用評級在投資級以上的有價證券、證券投資基金和股票。目前，我國社會保障基金投資風險不平衡，低風險投資主要有銀行存款、政府債券、金融債券和其他投資產品。
2.對投資風險進行再保險或采取資產證券化的形式。對社會保障基金投資風險進行再保險，保險機構可以承擔部分風險，并且隨著保險公司的干預，可以逐步形成一個有效信用增進的機制。社會保障基金投資的再保險，可使社會保障基金理事會放心地把資金交由管理公司進行運營。若社會保障基金投資房地產和實業，以資產證券化方式能夠提高流動性，建立應對流動性的風險補償機制。
3.完善投資方式。目前，社會保障基金投資通過兩種方式進行：一是由社保理事會直接向未上市公司和對股權投資基金進行投資。二是通過市場公開、公平競爭，選擇若干家境內外基金管理公司，委托投資股票債券類資產。
4.加強投資監管。對社會保障基金投資運營進行監管是克服市場失靈做出的必然選擇。一方面，要加強信息披露，增強社會保障基金投資運營的透明度。另一方面，要加強內部控制，建立職權分離和相互制約的管理制度，加強各個工作環節的自我監控，建立健全內部審計稽核制度，加強基金規章制度建設，以確保社會保障基金安全有效地運行。
參考文獻：
[1]孫天法,張良華.貧困的終結：社會保障無風險投資[M].北京：經濟科學出版社，2004：51-56.
[2]劉子蘭,嚴明.全國社會保障基金投資風險管理研究[J].當代經濟研究，2006（8）:64-68.
[3]毛燕玲等.社會保障基金國內實業投資的風險研究[J].金融與經濟，2007（2）:50-52.
[4]黃莉.社會保障基金投資運營風險探討[J].商業時代，2007（13）:62-63.
[5]楊軼華,關向紅.我國社會保障基金投資運營的風險管理與控制[J].經濟縱橫，2009（11）:93-95.
[6]廉桂萍.社會保險基金境外投資風險及其防范[J].財政研究，2009（8）:33-35.
[7]許海英，魏建翔.我國社會保障基金投資的風險管理前瞻――基于克魯格曼三角理論分析[J].財務與金融,2011(1):21-27.
[8]Burnside Craig，Eichenbaum Martin，Rebelo Sergio.
一、文獻回顧
對投資資產收益構建適當的模型進行相關性分析，在投資風險管理中有很重要的應用價值。張維（2008）認為度量風險以及如何采取相應的對策是投資風險分析的核心。當研究單一市場不同資產收益相關性時，應該考慮聚類波動和厚尾分布等因素。Rachev和Mittnik（1993）指出對金融數據建模，模型結構固然重要，但資產收益分布假設由于影響到模型的擬合度，因此也要重點考慮。Fama、Mittnik、Rachev等人（2003）認為投資風險模型中變量分布為平穩分布時檢驗效果比較好。當研究多個市場相關性時，通常應用線性相關，例如應用多元線性回歸法研究變量間的相關性。但線性相關系數通常假定不同市場收益是對稱相關的，通常不能反映非對稱相關情況。Embrechts和Rachev等人（2003）研究了線性相關系數分析相關性的缺陷，不能較為準確地反映金融危機情況下的投資資產收益波動。為此Embrechts（1999）引入了Copula 函數來研究關于投資組合的風險價值問題，提供了處理變量相關問題的簡單易行的方法。之后Copula函數在投資資產風險管理中被廣泛采用，它克服了線性相關系數不能捕捉變量間的非線性和非對稱相關的缺點。秦學志、王玥（2011）分析了Copula函數的尾部相關系數的漸進變化特征及其應用。任仙玲、張世英（2008）利用Copula函數對民生銀行和浦發銀行兩只個股的尾部相關性做了分析，得出“其下尾相關性大于上尾相關性，且下尾相關性很大”的結論。但目前對于尾部相關性的研究多數集中在二維的情形。Bedford和cook（2001）在Joe 研究工作的基礎上，介紹了一種基于簡單構造塊——Vine copula的多變量分布概率模型，通過對多元聯合密度函數進行Vine copula分解，分解后的模型能夠捕捉到多個資產組合中不同風險因素間的尾部相關性差異，從而更好地描述資產間的相依結構。這一方法為研究高維復雜相關問題提供了新的思路。
二、研究方法
（一）Vine模型 Kurowicka和Cooke（2004）提出D-Vine和C-Vin
e模型，這兩類藤在不同的樹狀集合的邏輯結構下都能對高維分布進行分解。n維聯合密度函數f（x1，…，xn）的C-Vine和D-Vine的分解式分別如式（1）、式（2）所示：
其中，Cij|k是二維Copula分布函數，vj是d向量v中任一分量，而v-j是向量v中除去vj后的d-1維向量。
（二）擬合優度檢驗方法 本文采用經驗Copula檢驗統計量。假定n元隨機變量的秩統計量為｛U1，U2，…，Un｝，那么可以用一個經驗Copula來反映它們的分布信息，如式（4）所示：
該檢驗方法實質是考察經驗Copula與假定的Copula之間的距離，距離越小，那么越有可能接受零假設H0；距離越大，則越有可能拒絕零假設H0。其檢驗步驟為：
（1）產生秩統計量序列集U=｛U1，…，Un｝，Ui=｛Ui1，…，UiT｝；
（2）計算在每個秩統計量下的經驗Copula值，以及假定的Copula的參數；
在實際應用中，這兩個統計量的有限分布依賴于給定的Copula函數及其相應的參數，需要應用蒙特卡洛模擬來計算參數，間接得出兩個統計量。
二、基于C-Vine與D-Vine的投資組合相關性比較
（一）樣本選取與數據來源 采用C-Vine和D-Vine模型，本文對香港恒生（HSI）、日經225（N225）、新加坡海峽時報（STI）和上證綜指（SSEC）四個股票市場組成的投資組合的風險進行比較分析。數據樣本區間為2005年1月1日至2011年6月30日的周收盤價，由于各國的風俗習慣不同，同一時期內的數據個數不一致，數據對應上出現一些偏差，本文剔除了不同時間開盤的數據，共得到有效數據共1356個。本文將第i個市場的周收盤價定義為Pi，t，將收益率Ri，t定義為Ri，t=100（lnPi，t-lnPi，t-1）。本文的數據處理工具為Eviews6.0和 Matlab R2010a。
（二）收益率序列的描述性統計分析及正態檢驗 利用Eviews
6.0軟件對收益率序列進行描述性統計分析，應用J-B進行檢驗。計算結果如表1所示。
從表1可以看出，各個收益率序列的均值接近于0，方差接近于3；偏度值接近于0且都為負，峰度值均大于3。各收益率序列從偏度上看，接近正態分布；但從峰度上看，具有明顯的厚尾特征，大的峰度值表明各收益率序列的數據在均值附近的集中度較高。從J-B檢驗值可以看出，各收益率序列明顯不服從正態分布的假設。
（三）邊緣分布的建模與平穩性自相關檢驗 邊緣分布采用時間序列GARCH模型，首先進行平穩性檢驗。本文采取Dickey & Fuller（簡稱ADF）所提出的單位根檢驗。檢驗值如表2所示。
從表2可以看出，收益率序列進行的ADF單位根檢驗所得到的ADF值均小于各序列的概率臨界值，故樣本序列全部為平穩序列。應用DW檢驗，本文對樣本序列中是否存在自相關性進行檢驗。通過Eviews6.0計算得到各收益率序列的DW值如表3所示，從表3可以看出四個收益率序列的DW值均接近2，說明各對數收益率序列不存在自相關性。
（四）邊緣分布的GARCH建模與擬合度檢驗 因為樣本序列都是平穩的，且不存在自相關性，所以可以用GARCH模型對收益率序列進行建模。同時從描述性統計分析可知各個對數收益率序列的t特征比較明顯，故取對數收益率序列進行GARCH（l，l）-t建模，模型如式（5）所示：
對各收益率序列進行建模和參數估計，參數估計采用極大似然法。其結果如表4所示。
檢驗GARCH（1，1）-t模型對收益率序列的擬合效果，對其進行Ljung-Box檢驗，其結果表明在5%的置信水平上收益率序列無自相關性的假設是可接受的。計算各收益率序列的殘差序列，觀察殘差序列Q-Q圖（如圖1至圖4所示）可以看出GARCH（1，1）-t模型可以較好地擬合各序列的邊緣分布。
（五）基于C-Vine與D-Vine的收益率序列相關性比較分析 為了確定合適的變量順序，對不同收益率序列的Pearson相關系數進行了比較，具體結果如表5所示。
本文選擇了t-copula（具有對稱尾部特點）、Clayton copula（具有下尾相關性）以及Joe-Clayton Copula（同時具有上尾、下尾相關性）等三種pair copula函數進行分析。
一是基于C-Vine的收益率序列相關性分析。根據表6中選擇初始結點日經225，所以得到C-Vine的分解結構圖，如圖5所示。
根據圖5的分解結構，利用極大似然法，計算可得到各層參數，見表6，其中1、2、3、4分別代表日經225（N225）、新加坡海峽時報（STI）、香港恒生（HSI）和上證綜指（SSEC）。
應用PIT方法進行擬合優度檢驗，表7是檢驗統計量S在5%的置信水平下所得的P值。從表7中可以看出，Clayton Copula沒有通過檢驗但是很接近臨界值。
二是基于D-Vine模型的收益率序列相關性分析。采用D-Vine分解的方法首先要根據各變量間的相關性確定樹T1的次序，由表5可得到樹1變量的排序為日經225、新加坡海峽、香港恒生、上證綜指。D-Vine的分解如圖6所示。
根據圖6的分解結構，利用極大似然法，計算可得各層參數，如表8所示。其中1、2、3、4分別代表日經225（N225）、新加坡海峽時報（STI）、香港恒生（HSI）和上證綜指（SSEC）。應用PIT方法進行擬合優度檢驗，表9是檢驗統計量S在5%的置信水平下所得的P值。從表9中可以看出，不同的Copula函數擬合均通過檢驗。
三是基于C-Vine與D-Vine的收益率序列相關性比較分析。從表6和表8的參數估計可以得出，在C藤結構下用t-Copula描述變量間的相關性所得的自由度明顯不同，其中日經225與新加坡海峽時報、日經225與香港恒生、日經225與上證綜指的自由度均較小，說明它們聯合分布的尾部很厚，序列間出現極值的概率較大。在條件分布的情況下，當以日經225作為條件時，新加坡海峽時報、香港恒生之間的自由度最大，說明它們之間出現極端值的概率最小；當將日經225和新加坡海峽時報同時作為條件時，自由度取得最大值，說明相關性最小。以上的分析基本與D藤結構下相同，唯一不同的是在C藤中當以日經225為條件時，新加坡海峽時報和上證綜指之間的自由度為11.690648，說明它們之間的相關性較強，而在D藤中當以香港恒生作為條件時，新加坡海峽時報和上證綜指之間的自由度為300，說明它們之間的相關性很弱，C藤所得結論與我國股市的開放程度還不高有一定出入。另外從對應的AIC值、BIC值也可以看出D藤下的分解結構模型對數據的描述更優。因此C藤結構不適合分析股市間這種沒有絕對引導關系的相關性問題。
三、基于D-Vine的多元股市收益率序列尾部相關性分析
（一）尾數相關性分析 因為D藤模型對數據擬合效果更優，所以采用D藤參數值來分析各股市間的尾部相關性，從而為投資者提供投資參考。尾部相關性用來衡量當一個隨機變量大幅度增加或者大幅度減少時，另一個隨機變量也發生大幅度增加或者大幅度減少的概率。設二維隨機變量（X，Y）的邊際分布分別為Fx，Fy，其上尾相關系數？姿u和下尾相關系數？姿t定義如式（6）、式（7）所示：
從表10可以看出，采用t-Copula函數時，HIS和SSEC之間相關系數為0.047826，兩股市之間的相關性遠遠低于N225和STI，STI和HIS，后兩組股市相關系數分別為0.336015和0.322037，但從后兩組股市相關系數的絕對值來看，其相關性遠低于1，相關性不是太強。而條件相關系數結果均為0，所以不存在條件相關。因此，根據分析結果，同時對這四個股市投資可以分散風險。但由于尾部相關系數沒有得到體現，所以在熊市或牛市的時候，投資決策很難做出。采用Clayton Copula函數時，HIS和SSEC之間的下尾相關系數為0.305930，兩股市之間的下尾相關性遠遠低于N225和STI，STI和HIS，后兩組股市下尾相關系數分別為0.637326和0.646258，而后兩組下尾相關系數的絕對值均超過0.5，說明在熊市時，為了降低風險，不宜同時投資N225和STI，STI和HIS。采用Joe-Clay-
ton Copula函數時，在條件相關性分析結果中，上尾相關系數大于下尾相關系數，而且上尾相關性也極其微弱。在非條件相關性分析結果中，均呈現出下尾相關系數大于上尾相關系數，且N225和STI，STI和HIS兩組股市收益變動相關性要大于HIS和SSEC，這和采用t-Copula函數以及Clayton Copula函數所得到的結果一致。說明為了降低風險，在股市波動不大的情況下宜于同時向四個股市投資；在熊市時，不宜采用N225和STI，STI和HIS，兩種組合進行投資。
綜上分析可以看出，運用D-Vine函數對多個股市收益相關性進行分析，得出的結果，特別是尾部相關系數與實際情況一致，因此選擇D-Vine函數對多元股市收益相關性進行分析具有顯著的適用性。
（二）相關結論 本文采用的AGARCH-C-Vine與AGARCH-
D-Vine模型度量資產組合風險，對日經225（N225）、新加坡海峽時報（STI）、香港恒生（HSI）和上證綜指（SSEC）收益率序列的相關性進行實證比較研究，結果顯示AGARCH-D-Vine的擬合效果較好。運用AGARCH-D-Vine對各收益率序列尾部相關性分析，在選擇刻畫上尾相關、下尾相關以及上下尾相關的不同的Copula情況下，得到了投資者一致的投資組合決策結果。
參考文獻：
［1］Bauerle N， Muller A. Modelling and comparing dependencies in multivariate risk portfolios［J］. Astin Bulletin， 1998，28：59-76.
［2］Frees E W， Valdez E. Understanding relationships using copulas［J］. North American Actuarial Journal，1998，2：1-25.
［3］Klugman S A， Parsa R. Fitting bivariate loss distributions with copulas［J］. Insurance： Mathematics and Economics，1999，24：139-148.
［4］張維：《風險度量的主要模型及其評述》，《南京審計學院學報》2008年第3期。
［5］Rachev S，Mittnik S. Stable paretian models in finance［M］. New York： Wiley，2000.
［6］Fama E. Mandelbrot and the stable paretian hypothesis［J］. Journal of Business，1963，36： 420-429.
［7］Mittnik S， Rachev S.. Modeling asset returns with alternative stable models［J］. Econometric Reviews，1993，12： 261-330.
［8］Rachev S. Handbook of heavy tailed distributions in finance［M］. Elsevier： Amsterdam 2003：595-640.
［9］Rachev S， Menn C， Fabozzi F. Fat-tailed and skewed asset return distributions［M］. New Jersey： Wiley，2005.
［10］王天東、盧文淵：《新會計準則下我國上市公司債務重組影響因素研究》，《南京審計學院學報。2012年第1期。
［11］Embrechts P， Lindskog F， McNeil A. Modelling dependence with copulas and applications to risk management［M］//Rachev S. Handbook of heavy tailed distributions in finance. Elsevier： Amsterdam，2003.
［12］Embrechts P， Mcneil A J，Straumann D. Correlation and dependence in risk management： properties and pitfalls［M］//Dempster M. Risk management： value at risk and beyond. Cambridge：Cambridge University Press， 1999：176-223.
［13］秦學志、王玥：《尾部相關系數的漸進變化特征及其應用》，《系統工程理論與實踐》2011年第2期。
［14］任仙玲、張世英：《基于Copula函數的金融市場尾部相關性分析》，《統計與信息論壇》2008年第6期。
［15］Bedford T J， Cooke R M. Monte Carlo simulation of vine dependent random variables for applications in uncertainty analysis［C］. Proceedings of ESREL2001， MECC， Maastricht， Netherlands.
［16］Bedford T， Cooke R M. Probability density decomposition for conditionally dependent random variables modeled by vines［J］. Annals of Mathematics and Artificial Intelligence，2001，32：245-268.
［17］Bedford T， Cooke R M. Vines：a new graphical model for dependent random variables［J］. Annals of Statistics，2002，30：1031-1068.
［18］Joe H. Families of m-variate distributions with given margins and m（m-1）/2 bivariate dependence parameters［R］. Ruschendorf L， Schweizer B， Taylor M D. Distributions with fixed marginals and related topics. 1996
［19］Kurowicka D， Cooke R M. Distribution-free continuous bayesian belief nets［C］. Fourth International Conference on Mathematical Methods in Reliability Methodology and Practice， Santa Fe， New Mexico，2004.
［20］Genest C， B， R′emillard， Beaudoin D O. Goodness-of-fit tests for copulas： a review and a power study［J］. Insurance： Mathematics and Economics，2009，44：199-213.
［21］Dickey D， Fuller W. Distribution of the estimators for autoregressive time series with a unit root［J］. Journal of the American Statistical Association， 1979， 74：427-431.
［本文系教育部人文社會科學研究規劃基金項目（編號： 11YJ
1.引言
近年來金融工具及其衍生物越來越多元化，其帶來的不確定因素也越來越大，因而金融市場的風險也就越來越高。金融市場間的關系更是變得日趨復雜，更多的呈現出非線性、非對稱和厚尾的特性，金融波動和危機的頻繁出現使聚合風險管理和金融市場間相依關系分析成為國內外關注的焦點。
現階段最常使用的風險度量指標是20世紀90年代j.p.morgan和g30[1]集團提出的var（value at risk）方法，var旨在一定的置信水平下，估計金融資產或組合受市場因子波動影響，而在未來特定的一段時間內的最大可能損失。嚴格的說，var描述了在一定的目標期間內收益和損失的預期分布的分位數。如果c代表置信水平，var對應的是較低的尾部水平1-c。可表示為：
其中，表示某事件的概率，表示資產或資產組合在持有期內的損失，c為置信度水平。在最近這些年var作為金融風險度量工具得到了廣泛的應用，然而，研究發現var不具有次可加性和一致性的風險度量，后來針對這一問題，acerbi等[2-3]提出了期望損失es（expected shortfall）的定義。
假設r為持有期內資產或者資產組合的損益，并假設r的累積分布函數f（r）（cdf）是連續的，那么對于置信水平，var也可以用如下定義：
式中，表示r的分布在給定顯著水平的下側分位數。假設表示r的概率密度函數，那么置信水平為1-c下的es可以定義為：
式中，為示性函數。es實質上是將資產價值r乘以權重的從-到0的積分，這樣它就把超過var水平的損失部分考慮進去了。從經濟意義上講，es就是指當損失超過var時的平均損失。由于它同時具有了次可加性和一致性，是一個較好的風險度量工具。rappoport（1993）[4]第一次在金融行業中用它來做風險管理的一個工具，后來acerbi（1997）[3]等人證明了該方法是一個一致性的風險度量工具。
同時，通過引入copula函數度量資產組合集成風險的方法已經越來越成熟。schweizer和sklar最早提出copula函數的概念及其它的一些性質。后來sklar指出了copula函數可以把具有不同類型邊緣分布函數連接起來，并且能抓住它在風險管理應用中的本質特征（例如：尖峰厚尾性）；emberchts等第一次把該方法引入到金融類相關研究之中。許多研究學者在他們的基礎上做了很多有意義的研究。例如：breymann等人研究表明了學生t-copula的經驗擬合比高斯copula優越很多；ceske，hemandez（1999）提出可以將copula函數與montecarlo技術結合計算相關損失；matteis對archimedean copula做了很好的總結。
在我國，copula函數方法在金融上的應用才剛剛起步，且其中絕大多數文獻做的是介紹性、引入性的研究。最早見的是張堯庭（2002）提出copula函數在金融風險領域大有可為；史道濟利用copula函數研究外匯組合的相關性；司繼文（2004，2005）分別將copula函數應用于國內外的股票市場和期貨市場；韋艷華、張世英（2004）將garch模型應用于copula函數，來度量金融時間序列的自相關結構。前人的研究主要集中在利用copula函數對股市或資產組合的相關性研究。而韋艷華（2004）利用garch模型擬合正態copula函數的邊緣分布，然后運用monte carlo仿真技術計算投資組合的var。
本文創新一是采用garch或者egarch模型來擬合t-copula函數的邊緣分布，克服了傳統garch模型不能處理特定非對稱金融時間序列的局限性。對此，本文也比較分析了單獨使用garch下和本文采取的方法下的風險值，研究表明本文提出改進的思路對風險估計更為準確。改進二在于對于風險衡量的指標不是僅僅采用var，而是利用var與es雙監管的風險度量方法，克服了傳統風險度量var的很多缺陷（不具有次可加性、正齊次性等）。最后通過度量我國股票型開放式基金的市場風險為出發點，運用monte carlo仿真技術計算投資組合的var以及es，具有很強的實用價值。
2.garch或者egarch收益率分布模型
對于某一金融資產，投資者最想知道的是將來某個時刻該資產收益率的信息。由于金融資產收益率的尖峰厚尾性、條件異方差性、波動聚集性和杠桿效應等，普通的garch模型對對前三者能較好的刻畫，但是對于杠杠效應garch模型不能刻畫出，因此，本文對不存在杠桿效應的收益率序列采用garch模型擬合資產收益率的特征，對存在杠杠效應的收益率序列采用egarc模型刻畫。該模型是glosten jagannathan和runkle在engle提出自回歸條件異方差（arch）模型和bofloerselev提出的廣義自回歸條件異方差（garch）模型的基礎上改進提出的，它考慮了壞消息和好消息對波動性不同的影響。
假設投資組合中有d種金融資產，對于資產i，直接根據最近的n期歷史收益率數據（t=1，2，…，n）運用garch其中eagch模型中條件方差采用自然對數形式，意味著非負，且杠杠效應為指數型的。模型中引入了一個重要參數，若，說明信息作用非對稱，存在杠杠效應。為第i個資產收益率序列；為的條件均值項；v是t分布的自由度。為待估參數；隨機擾動項服從均值為0，方差為1的標準t分布。即：
它的形式使得garch或者egarch模型能夠較好地描述收益率序列的各種特性（如條件異方差性、波動聚集性）。
假定利用觀察資產收益率歷史數據樣本可以得到，在估計出參數后，可以得到下一時刻收益率的條件分布：
其中，是自由度為v的t分布函數，是到時刻t為止的信息集。利用matlab可以很方便地由樣本觀測數據估計出garch模型的各個參數，從而由式（2）得到給定t時刻前信息集的條件概率分布。
3.copula函數的參數估計
在資產分配、衍生品定價和風險管理等許多金融領域中，有關風險因素之間的相關性度量及其重要。許多文獻中常采用多元正態函數，然而各種金融資產的收益率之間一般并不符合多元正態分布的假設，為此，本文使用copula函數來解決這個問題。
由sklar定理可知，對于一個具有邊際分布函數為（）的金融資產的聯合分布函數f，一定能找到一個copula函數c，使得：
如果所有的邊際分布函數都連續則從上式定義的copula函數是唯一的。從上式可以計算得出copula：
其中，
文獻表明，t-copula能更好地刻畫各個金融資產的尾部相關性，本文研究的是t-copula連接函數分布。
其中，表示相關系數矩陣為r，自由度為v的維標準t分布函數，表示自由度為v的單變量標準t分布函數的反函數。copula模型為：
參數v為t分布的自由度。為d維t-copula分布，表示均值為0，方差為1，自由度參數為的正規化t分布函數，即：
式中是伽馬函數。由于t-copula的密度函數對任意維數都不是一個簡單的形式，本文根據t-copula函數形式使用matlab工具估計其參數，過程如下：
（1）把資產收益率數據通過概率積分變換轉化為一致分布；
（2）用對數似然函數法估計學生t-copula的參數：
此處的copula函數c為公式（4）給出的；
（3）令，此處是單變量累積標準正態分布函數；
4.利用模特卡羅模擬資產組合的var和es
根據embrechts關于利用t-copula函數模擬隨機變量的方法，多次模擬資產組合資產收益率的隨機擾動項。具體模擬步驟為：
（1）由上述估計出的隨機擾動項的相關系數矩陣r，對其進行cholesky分解。
（2）根據標準正態分布，模擬d個相互獨立的隨機變量，。
（3）產生與y相互獨立的變量e，服從分布。
（4）令。
（5）令，則x為服從自由度為v的t分布。
（6）計算得到。
（7）根據得到聯合分布為，連接函數為的d維隨機擾動項。
（8）根據egarch或garch模型，得到金融資產收益率的條件均值和條件方差，然后根據隨機波動方程，得到資產組合的資產收益率向量。
（9）給定資產在投資組合中的權重，計算投資組合收益r的值。
（10）重復上述過程5000次，模擬得到其經驗分布，容易求出var和es的值。
5.實證研究
（1）數據的選取和邊緣分布的估計
本文選取融通深證100基金2010年3月31日公布的前10大重倉股票作為觀測樣本，如表1所示。
本文采用從2004年7月1日至20010年3月31日共937個（對空缺數據已做處理）交易日的收盤價作為原始數據，計算出每只股票的對數收益率，并根據公式（1）、（2）估計出每只股票的邊際分布，利用aic準則、sc準則和杠桿系數檢驗可以得出萬科a、蘇寧電器、中興通訊、格力電器、吉林敖東存在杠杠效應，適宜采用egarch模型建模（其余采用garch建模擬合效果更好），下面以第三、四只股票五糧液（000858）和蘇寧電器（002024）為例，分析其邊緣分布函數的估計和擬合效果的評價。參數估計結果見表2和3：
其中，表2、3中括號的數據表示相應t統計量的估計值。從表2、3中給出的k-s相伴概率可知，利用cml方法對原序列做概率積分變換后，序列服從[0，1]的均勻分布。由此可以說明本文提出的模型可以較好地描述相關資產的邊緣分布。同樣的方法檢驗了其他8只股票的邊緣分布擬合效果，都說明了garch或者egarch模型能較好擬合各自的邊緣分布，因此用本文的模型描述收益率序列的邊緣分布是充分的。
（2）copula函數參數估計和monte carlo模擬var和es
此處為了對比分析采用egarch或garch擬合邊緣分布與僅僅采用garch擬合的效果，根據上面估計得各個股票收益序列的邊緣分布，利用文中第四部分的估計copula函數參數的方法，估計得出其t分布的自由度dof=7.5848和各自的相關矩陣（表4、表5）。
由上述結果可知，僅僅采用garch擬合邊緣分布使得各個資產之間的相關系數整體性的變小。從而可以推斷出可能會導致風險的低估，從而對準確度量基金風險存在一定的影響。進一步的風險值比較分析可見表6、表7。
按照表1的投資比例，假設投資者處于t時刻，這里的t時刻指的是樣本時間段的最后一天，即2010年3月31日，t時刻的投資組合價值為：
假設資產持有期從t時刻到t+1時刻，置信水平選擇95%和99%進行估計。根據本文的copula-garch（egarch）模型，運用t-copula函數的模特卡羅模擬仿真模擬5000次，可以得出t+1時刻各個股票的收益率序列，進一步可以計算出t+1時刻各股票的損失序列，給定置信水平，容易得出t時刻到t+1時刻相應的投資組合var和es值，表6、7分別給出了本文提出的采用egarch或garch擬合邊緣分布和傳統方法僅僅采用garch模型擬合的情況下各個股票和證券投資組合的var和es值。
表6、表7清晰的顯示本文所提出的方法對準確估計風險更進了一步，比較而言傳統方法只使用garch模型擬合邊緣分布導致了單個資產和資產組合的風險值都偏小。對于文中提出使用egarch模型擬合萬科a、蘇寧電器、中興通訊、格力電器、吉林敖東，從表6與7中可以看出，var與es的風險值都比其他個股風險值偏離程度更大，說明采用egarch模型針對特定（存在杠杠效應）金融序列擬合效果更好，風險估計更為準確。
單獨分析表6可以看出，在投資額一定的情況下，基金的風險值要比單個資產進行投資的風險值小，可見該基金選擇的各個股票之間的相關關系有較大差別，說明投資組合可以大大降低投資風險。從var和es的風險值看，es都大于var，說明es比var度量風險更為保守，也說明了var在度量風險上存在計算風險值偏低的現象，這樣對基金控制風險和減少資產損失極為不利，特別是當極端事件發生時，資產組合的風險值與實際值就會發生偏差。另外從var與es的差值可出看出，置信水平越高，投資組合降低風險的程度也就越大，但是由于var不具有次可加性，從es的差值能很明顯看出。
6.結論
本文為了描述特定資產具有非對稱性的特征，通過對資產收益率進行egarch建模，對不存在杠杠效應的資產仍使用傳統的garch模型，這與copula可以連接具有不同邊際分布的函數的相關關系相符，同時考慮到var度量風險的不足，引入了es一致性風險度量，通過t-copula函數和monte carlo模擬計算出了證券投資組合的var以及es的值。最后文章對融通深證100基金風險度量的實證研究可以看出，有的金融資產收益率序列可能存在杠杠效應；而且var的確存在低估風險的不足；同時也得出了風險值var或者es在置信度越高，它們的差值越為明顯，說明了本文copula-egarch（garch）模型能較好地刻畫投資組合二中不同資產間非正態非線性非對稱的相關性。基于該模型的風險度量方法可以為我們基金管理公司評估和管理資產組合的市場風險，從而有利于公司控制和減少資產損失提供一定的參考作用。
參考文獻
[1]張堯庭.連接函數(copula)技術與金融風險分析明[j].統計研究,2002(4):48-51.
[2]史道濟,邱男.關于外匯組合風險相關性的分析[j].系統工程,2005,23(6):90-94.
[3]司繼文,蒙堅玲,龔樸.國內外期貨市場相關性研究田[j].華中科技大學學報,2004,21(1):16-19.
關鍵詞貨幣市場基金風險控制方法
貨幣市場基金，是指以貨幣市場工具為投資對象的基金。投資對象主要包括：短期國債、商業票據、大額可轉讓存單、回購協議、銀行承兌匯票等貨幣市場工具。
1我國貨幣市場基金的發展現狀及特點
我國貨幣市場基金起步較晚，2003年12月10日，由華安、博時和招商三家基金公司分別發起管理的首批三只貨幣市場型基金獲準設立。到2004年4月12日，已經設立的7只貨幣市場型基金的總份額為430.93億元，占開放式基金總份額的24%。
目前我國貨幣市場基金的投資范圍還比較狹窄，暫時設定為短期債券（含央行票據）、銀行存款和回購協議，但隨著貨幣市場的逐漸發展，此類基金將來可投資于大額轉讓存單、銀行承兌匯票、經銀行背書的商業承兌匯票或其他流動性良好的短期金融工具。從這些投資對象的性質來看，主要特點有：
（1）基金單位的資產凈值是固定不變。貨幣市場基金與其他基金最主要的不同在于基金單位的資產凈值是固定不變的，通常是每個基金單位1元。投資該基金后，投資者可利用收益再投資，投資收益就不斷累積，增加投資者所擁有的基金份額。比如某投資者以1000元投資于某貨幣市場基金，可擁有1000個基金單位，l年后，若投資報酬是8％，那么該投資者就多80個基金單位，總共1080個基金單位，價值1080元。
（2）收益率是衡量貨幣市場基金表現好壞的標準。這與其他基金以凈資產價值增值獲利不同。
（3）流動性好、資本安全性高。這一優勢主要來源于基金所投資的對象的特點，同時，投資者可以不受到日期限制，隨時可根據需要轉讓基金單位。
（4）風險性低。貨幣市場工具的到期日通常很短，貨幣市場基金投資組合的平均期限一般為4～6個月，因此風險較低，其價格通常只受市場利率的影響。
（5）投資成本低。貨幣市場基金通常不收取贖回費用，并且其管理費用也較低，貨幣市場基金的年管理費用大約為基金資產凈值的0.25％～1％，比傳統的基金年管理費率1％～2.5％低。
（6）貨幣市場基金均為開放式基金。它通常保持一定比例的現金，以應付客戶的日常贖回。即使在發生較大規模的贖回時，也可以通過在貨幣市場迅速變現自己的短期有價證券來獲取現金以滿足客戶要求。
2貨幣市場基金的風險分析
2.1貨幣市場基金的系統風險
貨幣市場基金的系統風險是指基金投資于貨幣市場必須承受的其外部發生的，非基金本身所能控制的來自政治、經濟、政策、法規的變更等所導致的市場行情波動而產生的投資風險。
（1）利率風險。不同于投資股票和債券的基金，貨幣市場基金投資于貨幣市場工具，貨幣市場基金單位的資產凈值是固定不變的，衡量其表現好壞的標準是收益率，這一收益率通常只受市場利率影響，其收益主要取決于短期市場利率水平，利率風險也因此產生。一般來說，貨幣市場基金的盈利空間和市場利率的高低成正比。市場利率越高，其盈利空間越大，反之則收益較低。
（2）資金轉移風險。貨幣市場基金的流動性非常接近銀行存款，且收益率一般會超過銀行存款，如果設立貨幣市場基金，銀行存款可能就會出現轉移。如果商業銀行在貨幣市場基金中不扮演基金管理人的角色，銀行的經營業務將受到直接影響。資金轉移的另外一種風險是，資本市場和貨幣市場的相對走勢將導致資金的流動。資本追求最大化的收益，當貨幣市場和資本市場收益出現差異時，貨幣市場基金就有動力超越有關限制，資金在貨幣市場和資本市場之間的不正常流動就會出現，這需要行業自律的提高和監管的強化。
（3）政策風險。這是由于國家政策的變動而引起的投資人的損失，同時也是國內發展貨幣市場基金的一個特色風險。我國金融體系是分業經營、分業監管，最后貨幣市場基金到底由誰來監管，參與者的范圍，政策方面尚存在著很大的不確定性，有待我們進一步去研究。此外，貨幣市場基金成立之后的收益直接取決于貨幣市場本身的發展，貨幣市場參與者是否足夠廣泛、投資工具發展是否充分、利率市場化改革的進展狀況、貨幣政策執行是否具有獨立性等，這諸多因素都直接影響著貨幣市場基金的收益，而這些因素大都與政策變遷的方向和速度有關。.2貨幣市場基金的非系統風險
非系統性風險是由于局部因素造成的風險，是貨幣市場基金自身經營管理所帶來的風險，基金本身可以通過一定的方法避免。
（1）道德風險。貨幣市場基金實質上是契約的組合，是多數投資者以集合出資的形式形成基金，委托基金管理人管理和運用基金資產。投資者選擇好基金管理人之后，由于投資者不能直接觀測到基金管理人選擇了什么行動，能觀測到的只是另一些變量，這些變量由基金管理人的行動和其他外生隨機因素共同決定，只是基金管理人的不完全信息，因此，基金管理人隨時可能出現“道德風險”問題，即基金管理人在最大限度地增加自身效用時做出不利于基金投資人的行動。
（2）信用風險。又稱違約風險，是指企業在債務到期是時無力還本付息而產生的風險。貨幣市場基金以貨幣市場上的短期工具為投資對象，其中各類不同工商企業發行的商業票據占其基金投資組合的一定份額。企業發行的商業票據由于受自身的規模、信譽、業績和經營歷史等因素的影響，他們的商業票據質量有所不同；某些企業一旦遇到經營環境惡化，經營業績不佳，凈現金流銳減，此時發行商業票據的企業就存在到期無法兌付的風險。如果貨幣市場基金的投資組合中這類資產所占份額較大，必然影響到基金的收益，表現出一定的資本損益風險。
（3）流動性風險。流動性風險是指金融資產持有者按價值出售資產的難易程度。對貨幣市場基金而言，流動性是指基金經理人在面對贖回壓力時，將其所持有的資產———投資組合在市場中變現的能力。基金經理常常面對兩大流動性風險：一是所持有資產在變現過程中由于價格的不確定性而可能遭受損失；二是現金不足，難以滿足投資人的贖回要求。所以一旦基金出現大幅縮水或投資者集中贖回投資的情況，而基金手中所持流動性資產又不敷支出時，貨幣市場基金必將面臨嚴重的被動局面。
（4）經營風險。雖然貨幣市場基金是專家理財，但基金管理者仍然會有投資失誤，基金內部監控也可能失靈，這樣貨幣市場基金凈值將可能存在大幅縮水。因此，基金的收益、風險狀況很大程度上取決于基金投資顧問的專業水平。投資顧問的專業技能及其業績檔案能提供下面一些重要信息：即基金的投資策略和風險控制度能否被堅持；基金對未來的機會或嚴峻的形勢將作何反應；該基金的顧問以受托人方式，按照基金股東的最佳利益行事的可能性。
3貨幣市場基金的風險控制
3．1外部環境的治理
（1）制定相應的法律法規。法規制定應當先行，應明確貨幣基金的設立原則、各方當事人間的關系、貨幣基金的投資領域、管理原則、分配制度以及違規處罰措施等，特別是要嚴格禁止貨幣基金投資股票、中長期債券、房地產以及實業領域。
（2）大力發展貨幣市場工具。眾所周知，投資品種的多樣化，對于降低投資組合的風險具有相當重要的作用。從我國當前貨幣市場的發展情況來看，貨幣市場工具仍顯單一，有限的貨幣市場工具必然會限制貨幣市場基金的投資方向，使貨幣市場基金無法通過投資組合的多樣化來分散風險，從而降低了它的靈活性。因此，我們應在進一步完善信用制度的基礎上，鼓勵發展貨幣市場工具。
（3）實施制度創新，提高貨幣市場的流動性。提高貨幣市場的流動性對于降低基金的風險具有一定的作用。要提高貨幣市場的流動性，需要市場制度方面的一系列創新和改革。首先，要打破銀行間市場與交易所市場的分割局面，允許更多的證券公司、信托公司、財務公司、基金公司以及大企業進入貨幣市場，以進一步壯大貨幣市場交易主體，活躍市場交易。其次，引入貨幣市場經紀商，提高貨幣市場的流動性。
3．2內部環境的治理
（1）保持高度的流動性。由于貨幣基金的投資者可以隨時贖回投資或據其基金賬戶的資產凈值予以簽發支票，所以基金組合必須具有高度的流動性。這不僅是指平常資產組合中應保有相應量的現金性資產，更為重要的是應持有必要量的短期國庫券。因為能夠形成大規模和范圍廣泛的流通交易市場的是短期國庫券，所以國庫券已成為僅次于現金的準現金性資產。同時，與持有基金較大份額的投資者經常的交流是得到贖回暗示的重要方法，有的基金采取鼓勵大額贖回提前通知和拒絕對利率敏感的投資資金等措施。
（2）實行開放式的管理。即必須每天公布基金資產的凈值與收益水平，允許投資者隨時根據各自的需求，按公布的資產凈值自由進出貨幣基金。為此，基金管理人應當與托管銀行密切合作，將商業銀行的網絡作為投資者進出貨幣基金的窗口。并且，基金賬戶與投資者的銀行資金賬戶要有順暢的溝通，以保證投資者的資金根據需要在兩個賬戶間快速流動。
（3）特別的內控程序。①估價。準確的估價是維持一個穩定的基金凈值的重要因素。應定期（每天）估算基金實際市值和按攤余成本法計價得出基金凈值，并將偏離度控制在0.5％之內。當發現偏離度超過0.25％之時，基金應該啟動應急處理程序，通過適當的處理方法降低偏離度，如賣出對偏離度貢獻最大的品種等；②對不確定性的處理和測試分析。對不確定性的處理包括計算購買任何證券之后對基金的加權平均到期日（WAM）的影響，同時考慮在證券購買時可能發生的意外贖回。此外，還應對單個證券和投資組合進行壓力測試，評估在發生較大的利率變化時證券價格的敏感性。
目前，我國經濟又處于轉軌時期，市場發育不健全，各種金融法規和制度有待完善，在這種情況下推出貨幣市場基金，我們必須從觀念上重視貨幣市場基金的風險，并積極加以防范，保持基金的收益與風險的同步。
參考文獻
1張亦春．現代金融市場學[M].北京：中國金融出版社，2003
2吳道霞．貨幣市場基金法律問題研究[J].河北法學，2004(3)
3田啟偉，馬建國．貨幣市場基金及其風險分析[J].武漢冶金管理干部學院學報，2004(1)
【關鍵詞】外幣貸款；風險管理；情景分析；壓力測試；敏感性分析；在險價值
在今后較長一段時期，我國企業將面臨外幣貸款中的匯率風險。通過借鑒國外企業外債風險管理中科學而完整的風險管理體系，結合我國外匯管理體制以及企業的實際狀況，建立健全外幣貸款風險管理具有重要的應用價值和現實意義。
一、研究背景
改革開放有三十年，根據積極、合理、有效的利用外資的方針政策，截至2006年底，我國累計實際使用外資金額6854億美元。
我國外債主要是外國政府和國際金融組織提供的貸款。這部分資金具有貸款期限長、貸款利率低等優點，深受企業的歡迎。在實際運作中，該部分外債真正承貸及還貸的主體是國內企業。一旦企業出現償債能力的問題，將不可避免地將其轉嫁給國內金融機構和國家財政，從而影響國家總體外債安全。
如北京奧林匹克飯店、中德合資武漢長江啤酒有限公司等均是因本幣大幅貶值造成企業無力償還債務而倒閉的。總體而言，目前我國大多數企業對外幣貸款的風險管理認識程度不夠，對匯率風險的規避意識淡薄，相應的風險管理體系極不成熟，急切需要外債風險管理方面的理論指導與實務方面的經驗。
二、現狀考察
外債風險不僅從宏觀上影響一個國家經濟的穩定和信用，而且從微觀上影響一個企業的生存與發展。
目前，我國外幣貸款使用企業已經開始關注風險管理問題，并著手使用一些基本的衍生工具來管理外匯貸款風險。然而在實際中還存在各種各樣的問題。
例如，債務風險管理意識淡薄，“重籌資，輕還貸”和“圈錢”思想盛行；國有企業體制性缺陷造成管理者缺少長遠的規劃或者具體操作的隨意性；缺乏風險管理意識，不能準確把握匯率和利率市場變動情況、熟知各種金融工具應用的專業人才；缺乏合理的外債風險管理激勵約束機制和相應的風險管理工具等等。
自2005年7月21日起，我國金融系統開始實行以市場供求為基礎、參考一籃子貨幣進行調節、有管理的浮動匯率制度。人民幣匯率不再盯住單一美元，形成更富彈性的人民幣匯率機制。人民幣匯率改革一年后，人民幣兌換美元的匯率從8.27元人民幣/美元上漲至接近8元人民幣/美元，年變動幅度達到3.3%。
由于人民幣兌換美元、歐元及日元等主要貨幣每年都發生較大幅度的變化，匯率風險已經成為我國企業外幣貸款過程中值得高度重視的一個風險來源。
三、匯率風險
匯率風險主要是指由于企業經營收入貨幣與外債債務償還支出貨幣的幣種不匹配，在外債債務未清償前，因匯率變動而產生償債成本增加的風險。主要表現為收入貨幣貶值或支出貨幣升值導致借用外債單位的償債成本上升。
目前我國企業外債匯率風險主要體現在兩方面：
其一，匯率制度改革后人民幣匯率市場化使得人民幣匯率的波幅趨大趨頻，整體匯率風險增加。人民幣匯率制度改革直接后果就是較大幅度的升值。至2008年1月3日，人民幣匯率已經達到7.27元人民幣兌1美元，升值幅度達到12%。
同時，市場化后的人民幣匯率更容易受到國際、國內多方面因素的影響，波動的頻率、幅度將進一步擴大，不確定性進一步增加，從而使外債債務的整體匯率風險有所加大。
其二，日元和歐元債務潛在風險大。日元和歐元一直是匯率波動較頻，波幅較大的幣種，歐元從2002年至2006年7月，兌換美元波幅達到60%以上。如果持有這兩種貨幣債務的單位而不對其日元和歐元債務進行風險管理，未來發生損失的可能性很大，并有可能超出債務單位所能承受范圍，導致償債危機，嚴重的將可能影響到企業的生存。
相對于固定匯率制度而言，浮動匯率制度下匯率的波動幅度要大得多，因此對外幣貸款企業帶來的風險也增加了許多。而目前外匯市場匯率波動的特點是匯率走向更加無序化，影響匯率變動的短期因素更加令人難以捉摸，凸顯匯率風險管理的日益重要。
匯率風險一般包括本幣、外幣和時間三個因素。在企業償還外幣貸款過程中，均需要以本幣兌換成所需償還的外幣，在規定的時間內進行本息的償還。在這個確定的時間范圍內，本幣與外幣的兌換比例可能發生變化，從而發生匯率風險。
外幣貸款的時間結構對匯率風險的大小具有直接影響。時間越長，則在此期間匯率波動的可能性就越大，匯率風險相對就越小；時間越短，在此期間內匯率波動的可能性就越小，匯率風險相對就越小。我國企業在外幣貸款償還過程中，由于產生收益的是人民幣，而需要償還的貸款都為日元、美元、歐元等外幣，因此，這是一種典型的“貨幣錯配現象”，收益與債務的不匹配給外匯貸款債務人平添了一層匯率風險。
根據外匯風險的作用對象及表現形式，通常將匯率風險分為交易風險、經濟風險、折算風險及國家風險。
將匯率風險進行分類，有利于確定風險管理應采用的最有效的方法。
對使用外幣貸款的企業而言，其還債過程中所面臨的匯率風險是具有雙面性的。由于匯率未來變動的方向、時間以及規模的不確定性，匯率的波動既可能減小企業的償債成本，也可能增加企業的償債成本，使企業遭受損失。如果匯率的波動方向是不利的，企業的收入貨幣本幣相對于所借外幣貶值，則企業的外幣借款成本上升，企業遭遇損失。反之，如果匯率的波動方向是有利的，企業的收入貨幣本幣相對于所借外幣升值，則企業的外幣借款成本下降，企業獲利。
四、風險計量
準確度量外債項目所面臨的匯率風險是企業管理層進行風險決策的必要前提。企業在進行外匯債務風險計量時可采用情景分析、壓力測試、敏感性分析和在險價值四種常用的方法。通過該四種計量方式計算，一般可以滿足企業財務從不同角度和側重對風險的認識和分析。
（一）情景分析
情景分析是當市場風險監控人員預測會發生影響市場的重大事件時，就多個風險因素建立較為全面的模擬環境，應用于當前的頭寸，以測算可能發生的盈虧的一種風險管理手段。在外債風險管理中，企業根據專業金融機構對匯率和利率走勢的分析判斷，分析企業外債風險。
情景分析為管理層更好地應付市場變化提供了有利的信息，是一種策略分析技術，可用來評估在發生各種不同事件的情形下，對企業外債的影響。
進行情景分析的關鍵首先在于對情景的合理設定；其次是對設定情景進行深入細致的分析以及由此對事態在給定時間內可能發展的嚴重程度和投資組合因此而可能遭受的損失進行合理的預測；最后得出情景分析報告。
情景分析方法簡單、直觀，但存在對匯率和利率走勢分析主觀判斷的成分較大的問題。
（二）壓力測試
壓力測試是指將整個金融機構或資產組合置于某一特定的極端市場情況之下測定債務風險程度的一種方法。
在壓力測試中，由測試者主觀決定其測試的市場變量及其變動幅度，變量變化的幅度可以被確定為任意的大小，而且測試者一旦確定了測試變量，就假設了測試變量與市場其他變量的相關性為零，不用再擔心測試變量與其他市場變量之間的相關性。它不需要探究事件發生的可能性，不需要復雜的數學計算，所以比較適合債務風險的定性認識和一般流。
壓力測試可以模擬市場任何因素的變動幅度，從而計算出企業外債的極限風險。
壓力測試理論上并不復雜，但在實踐中仍存在不少問題。
首先是市場變量相關性和測試變量的選擇問題。壓力測試的一個重要假設是所選測試變量與市場其他變量的相關性為零。因此，變量的選擇要考慮其是否真正獨立于其它變量，是否有必要將一組變量作為測試變量，或進行二維聯合測試。
其次需要對分析的前提條件重新確認。進行壓力測試，某一或某些市場因素的異常或極端的變化可能會使得風險分析的前提條件發生變化。某種在正常市場狀態下有效運行的基本模型，在市場危機時可能也會失效。
每次壓力測試只能說明事件的影響程度，卻并不能說明事件發生的可能性。
與情景分析相比，壓力測試只是對組合短期風險狀況的一種衡量，可以說只是風險管理中一種戰術性的方法，而情景分析則注重比較全面和長遠的投資環境的變化，因而可以說是一種戰略性的風險管理方法。
（三）敏感性分析
敏感性分析是指在保持其他條件不變的前提下，研究單個市場風險要素的變化可能會對外債償還成本造成的影響，是應用最為廣泛的方法。
敏感性分析首先需要風險管理者確定影響企業外債成本的主要變量；然后通過計算顯示債務成本對各變量的敏感性。對于不同敏感程度的因素，企業可以采取不同的措施。
敏感性分析計算簡單且便于理解，在市場風險分析中得到了廣泛應用。該分析的局限性在于它只能判斷出外債償還成本對風險因素的敏感程度，但不能反映不確定因素發生可能性的大小以及在各種可能情況下對償還成本的影響程度。因此，在使用敏感性分析時要注意其適用范圍，實務分析中一般結合VaR進行分析。
（四）在險價值(ValueatRisk)
在險價值就是在一定的持有期和一定的置信區間內，一個投資組合最大的潛在損失是多少。VaR是一種利用概率論與數理統計來評價風險的方法，它可以使投資人既知道潛在損失的金額，又知道損失發生的可能性。
VaR風險衡量方法適用面較廣，適用于綜合衡量包括利率風險和匯率風險在內的各種市場風險。
在企業外債風險計算中多用歷史交易資料模擬法，即根據歷史的統計數據，計算出未來可能的匯率和利率分布，從而進一步計算債務風險暴露在一定概率范圍內發生的最大損失。
歷史模擬法是一種非參數方法，可以有效處理非對稱和后尾問題，諸如非線性、市場大幅波動等情況，以便捕捉各種風險。但是，該方法計算出的VaR波動性較大，存在嚴重滯后而導致VaR的高估等風險。
雖然風險值評估法是公認的風險管理有效的計量工具，但也存在若干局限，主要體現在：
首先，該方法不能涵蓋價格劇烈波動等突發性小概率事件，無法應對市場出現的極端情況，但往往正是這些事件給銀行的安全造成最大的威脅。
其次，存在頭寸規模的影響問題。在外債項目的VaR計算過程中，沒有考慮頭寸規模或大小對市場匯率和利率的報價的影響。但是實際情況中，不同規模的頭寸在交易時價格是不同的。
一般而言，債權方可利用VaR模型進行風險測算和規避。而對于獲取外幣貸款的債務方，也可利用相關計量測試，分析該項目的風險得失，更為今后的財務策劃提供實用的借鑒經驗。
總體而言，各種風險計量的方法受到自身的條件影響，其應用范圍、場合將受到一定的限制。
情景分析從更廣泛的視野，更長遠的時間范圍來考察金融機構或投資組合的風險問題。這種具有戰略高度的分析可以彌補VaR和壓力測試只注重短期情況分析的不足。因此，情景分析應與VaR和壓力測試結合起來，使得風險管理更加完善。
當單個模型的分析方法種類較多時，不同分析方法得到的結論也不盡相同。如在險價值分析中，可以采用歷史分析法、蒙特卡羅模擬法等手段進行分析，得到不同的結果。究竟采用何種手段，該種手段風險分析的方法是否正確都是較難確定的問題。
五、結束語
由于我國對外幣貸款風險管理的理論研究較晚，相應的管理體系不成熟、不健全。企業普遍存在金融風險管理的防范意識薄弱，缺乏相應的風險管理人才等問題。而在實際經營中，尤其在鐵路、公路的外幣貸款建設中，有些必須是通過將盈利所得的人民幣兌換成相應的外幣（美元、日元、歐元等），然后進行外債的償還。在還債過程中，不可避免的，外幣貸款的價值會因為相應貨幣匯率的波動而變化。因此，利用何種工具對面臨的風險進行計量是企業經營中急需解決的首要問題。
通過對企業外幣貸款的匯率風險的分析，筆者選擇了四種風險計量方法，對可能存在的金融風險進行測算，為企業外幣貸款金融風險管理提供了理論參考。
在具體實踐中，筆者建議企業的管理者可以通過衡量企業自身抵抗風險的能力，選擇相應的風險規避方式和手段，以更好地面對企業經營中的實際問題。
【參考文獻】
[1]閆迄，楊麗.國際金融[M].北京：人民郵電出版社.
關鍵詞：養老保險基金投資運營監管
一、我國養老保險基金迫切需要投資
養老問題是任何一個社會、任何一個人都無法回避的問題。基于養老的風險性和社會性，為保證人們退休后的生活水平，通常以養老保險的形式籌集養老保險基金，最終以養老金的形式返回到養老保險的受益人手中。因而，償付能力的充足性是養老保險基金的根本問題，投資成為養老保險基金的迫切需要。
（一）巨額隱性債務問題需要解決。在我國現行的基本養老保險的“統賬結合”籌集模式下，社會統籌賬戶由企業繳費；個人賬戶按照職工工資繳費比例建立。企業繳費率由各省政府自行確定，不超過企業工資總額的20%.但在實行該體制以前，已經退休的職工和在現收現付的舊體制下已經工作一定年限的在職職工，都沒有時間或沒有足夠的時間為個人賬戶積累資金。這勢必造成了目前基本養老保險收不抵支和個人賬戶“空賬運行”的現象。據統計，在退休人員每年以6%的速度遞增的情況下，全國養老保險基金缺口已經從1998年的100多億元增加到2003年的400億元左右。改革遺留下的隱性債務日益加劇。其中導致基金缺口的原因是：一是退休年齡偏低；二是待遇水平偏高。
（二）社會老齡化問題需要漸漸化解。在進入本世紀，我國60歲和65歲以上人口分別占到全部人口10%和7%，被認為是我國人口老齡化進入一個新階段。據測算，我國老年人在2015年前后將高達2億，在老齡化高峰時我國老年人將在4億以上。然而，我國今天國民經濟生產總值只占世界的3.8%，卻要負擔著世界20%的老人乃至1/4（25%）的老人。我國在職職工與退休職工的比例是：2000年為5：1.2001年為4.1：1；預測2020年為2.2：1，2030年下降為1.8：1.據預測，2030年左右我國退休高峰（60歲以上人口約占33500萬，約占總人口的27%）來臨時，退休費將占工資總額的36%，高出國際公認的26%的警戒線10個百分點。目前正不斷擴大的老齡化危機，對存在缺口的養老保險基金來說是雪上加霜。
（三）需要投資擴充基金。基金的來源主要包括政府財政撥款、企業（雇主）繳費、職工（雇員）繳費和基金運營收入四個方面。為盡快充實社會保障基金，一方面要繼續保持適度的財政支持，按照“中央社會保障支出占財政支出的比例要逐步達到15-20%”的要求，在確保中央財政當期支付缺口補助和做實個人賬戶補助的基礎上，進一步增加財政投入，穩定國有股海外上市減持和彩票公益金收入，適時開征大額遺產、奢侈品及高檔消費等特別稅種，進一步充實社會保障基金；但是政府財政的主要來源是納稅人，每年用于補充養老保險基金的財政畢竟是有限的，否則抽空財政會影響到社會經濟的發展。企業和職工的負擔已經比較重，還有醫療、工傷等其他繳費，再加重企業負擔已經不大可能。從理論上講，通過繳費來擴充基金畢竟有空間的限制。在繳費比例、覆蓋范圍都飽和的情況下，繳費就不能再帶來基金的增長。因此，長期的養老保險基金問題只能通過長期不斷的投資來解決。
（四）基金管理方面存在的漏洞需要投資來化解。一方面，由于我國養老保險基金與財政密不可分的關系，造成了大量的養老保險基金流失，表現為基金挪用、隱瞞截留收入、福利獎金等非正常支出等等，這一現象近幾年來隨著監管力度的加大已有所控制。另一方面，因為征繳力度不足，基本養老保險的覆蓋面近幾年才擴展到私營經濟、個體經濟的從業人員和一些靈活就業人員。而片面追求覆蓋面以應付眼前的基金支付還會造成基金管理行為的短期化，出現“優惠征收”、“打折征收”的現象，給以后的養老保險基金埋下巨大隱患。這使得養老保險基金的投資問題更加緊迫。
二、養老保險基金投資的風險分析
養老保險基金從形成到支付是一個非常復雜的系統，其中，投資是實現基金增長最核心的一環。巨額的養老保險基金投向資本市場，在追逐基金收益的同時，風險也為各方主體密切關注。養老保險基金理事會代表勞動與社會保障部，專門負責對養老保險基金的監督和日常風險管理，選擇專業的養老保險基金運營機構，指導養老保險基金的投資戰略和方針。投資管理人作為專業的投資機構，職能就是通過具體的投資戰術的運用實現收益最大化和風險最小化。而政府部門出于社會安定的考慮，對投資的風險持非常謹慎的態度。對養老保險基金投資的所有風險進行有效管理，有賴于一個完善的投資監管體系，有賴于各個主體之間相互監督、相互制約的權利關系和職責安排。
三、對養老保險基金投資問題監管的幾點建議
（一）以社保部門為核心，相關部門輔助進行基金運營的監管。我國養老保險基金的運作跨越了多個部門，社會保障部門直接負責基金的征收和發放，目前還有政府財政撥款對養老保險基金的補充，基金的投資由專業的基金管理公司操作，所有的基金都通過銀行托管和流轉，最后受益人從個人在銀行的養老保險賬戶上取得養老金。這些部門通過委托管理聯系在一起。因而，對整個基金運作的監管，應該是以社保部門為主，財政部、證監會、銀監會各司其專職又相互協作。在這樣的體系下，社會保障部門仍是養老保險基金投資監督的核心力量。其他部門專司本職，只在本部門職責范圍內對養老保險基金進行監管。只要權責明晰，就可以保證監管的效率和成果。
（二）建立專門的養老保險基金投資監管機構。養老保險基金數額巨大且專業性強，而基金的投資也是非常講究技術與專業的，需要有專門的機構來監管養老保險基金投資。可以建立專業的養老保險基金投資監管部門。而社會保障部門也可以把養老保險基金投資的管理任務獨立出來，委托由社保部、企業和職工代表、專家組成的養老保險基金理事會管理。對養老保險基金投資的監管，養老保險基金理事會的管理內容應包括：（1）審核批準投資管理人、托管人的進入和退出理事會負責下的養老保險基金業務。（2）限制投資組合與投資比例，嚴格防范投資管理人的冒險行為。大多數國家的養老保險基金都投資于政府公債，而對投資于股票、債券、房地產等項目有嚴格限制。
基于養老保險基金的特性和我國資本市場的高風險性考慮，應該在證監會下獨立設立養老保險基金投資監管司，專門行使證監會對養老保險基金投資的監管職能。其負責基金投資的具體行為包括：（1）與社保部門共同確定養老保險基金運營機構的基本資格，對基金公司高管的任職審核；（2）定期和不定期地對投資管理人進行常規檢查；（3）接收基金公司的定期報告，對養老保險基金的投資風險評估；（4）協調養老保險基金與其他基金、其他證券的關系，首先保證養老保險基金的安全穩健和增長等等。托管銀行根據法律賦予的權利和自身的角色特點，也能有效對基金投資運作進行監督，及時發現和報告投資管理人的異常交易或異常行為，督促投資管理人糾正違法違規行為。
關鍵詞：養老保險基金投資監管
一、我國養老保險基金迫切需要投資
養老問題是任何一個社會、任何一個人都無法回避的問題。基于養老的風險性和社會性，為保證人們退休后的生活水平，通常以養老保險的形式籌集養老保險基金，最終以養老金的形式返回到養老保險的受益人手中。因而，償付能力的充足性是養老保險基金的根本問題，投資成為養老保險基金的迫切需要。
1.巨額隱性債務問題需要解決。在我國現行的基本養老保險的“統賬結合”籌集模式下，社會統籌賬戶由企業繳費；個人賬戶按照職工工資繳費比例建立。企業繳費率由各省政府自行確定，不超過企業工資總額的20%.但在實行該體制以前，已經退休的職工和在現收現付的舊體制下已經工作一定年限的在職職工，都沒有時間或沒有足夠的時間為個人賬戶積累資金。這勢必造成了目前基本養老保險收不抵支和個人賬戶“空賬運行”的現象。據統計，在退休人員每年以6%的速度遞增的情況下，全國養老保險基金缺口已經從1998年的100多億元增加到2003年的400億元左右。改革遺留下的隱性債務日益加劇。其中導致基金缺口的原因是：一是退休年齡偏低；二是待遇水平偏高。
2.社會老齡化問題需要漸漸化解。在進入本世紀，我國60歲和65歲以上人口分別占到全部人口10%和7%，被認為是我國人口老齡化進入一個新階段。據測算，我國老年人在2015年前后將高達2億，在老齡化高峰時我國老年人將在4億以上。然而，我國今天國民經濟生產總值只占世界的3.8%，卻要負擔著世界20%的老人乃至1/4（25%）的老人。我國在職職工與退休職工的比例是：2000年為5：1.2001年為4.1：1；預測2020年為2.2：1，2030年下降為1.8：1.據預測，2030年左右我國退休高峰（60歲以上人口約占33500萬，約占總人口的27%）來臨時，退休費將占工資總額的36%，高出國際公認的26%的警戒線10個百分點。目前正不斷擴大的老齡化危機，對存在缺口的養老保險基金來說是雪上加霜。
3.需要投資擴充基金。基金的來源主要包括政府財政撥款、企業（雇主）繳費、職工（雇員）繳費和基金運營收入四個方面。為盡快充實社會保障基金，一方面要繼續保持適度的財政支持，按照“中央社會保障支出占財政支出的比例要逐步達到15-20%”的要求，在確保中央財政當期支付缺口補助和做實個人賬戶補助的基礎上，進一步增加財政投入，穩定國有股海外上市減持和彩票公益金收入，適時開征大額遺產、奢侈品及高檔消費等特別稅種，進一步充實社會保障基金；但是政府財政的主要來源是納稅人，每年用于補充養老保險基金的財政畢竟是有限的，否則抽空財政會影響到社會經濟的發展。企業和職工的負擔已經比較重，還有醫療、工傷等其他繳費，再加重企業負擔已經不大可能。從理論上講，通過繳費來擴充基金畢竟有空間的限制。在繳費比例、覆蓋范圍都飽和的情況下，繳費就不能再帶來基金的增長。因此，長期的養老保險基金問題只能通過長期不斷的投資來解決。
4.基金管理方面存在的漏洞需要投資來化解。一方面，由于我國養老保險基金與財政密不可分的關系，造成了大量的養老保險基金流失，表現為基金挪用、隱瞞截留收入、福利獎金等非正常支出等等，這一現象近幾年來隨著監管力度的加大已有所控制。另一方面，因為征繳力度不足，基本養老保險的覆蓋面近幾年才擴展到私營經濟、個體經濟的從業人員和一些靈活就業人員。而片面追求覆蓋面以應付眼前的基金支付還會造成基金管理行為的短期化，出現“優惠征收”、“打折征收”的現象，給以后的養老保險基金埋下巨大隱患。這使得養老保險基金的投資問題更加緊迫。
二、養老保險基金投資的風險分析
養老保險基金從形成到支付是一個非常復雜的系統，其中，投資是實現基金增長最核心的一環。巨額的養老保險基金投向資本市場，在追逐基金收益的同時，風險也為各方主體密切關注。養老保險基金理事會代表勞動與社會保障部，專門負責對養老保險基金的監督和日常風險管理，選擇專業的養老保險基金運營機構，指導養老保險基金的投資戰略和方針。投資管理人作為專業的投資機構，職能就是通過具體的投資戰術的運用實現收益最大化和風險最小化。而政府部門出于社會安定的考慮，對投資的風險持非常謹慎的態度。對養老保險基金投資的所有風險進行有效管理，有賴于一個完善的投資監管體系，有賴于各個主體之間相互監督、相互制約的權利關系和職責安排。
三、對養老保險基金投資問題監管的幾點建議
1.以社保部門為核心，相關部門輔助進行基金運營的監管。我國養老保險基金的運作跨越了多個部門，社會保障部門直接負責基金的征收和發放，目前還有政府財政撥款對養老保險基金的補充，基金的投資由專業的基金管理公司操作，所有的基金都通過銀行托管和流轉，最后受益人從個人在銀行的養老保險賬戶上取得養老金。這些部門通過委托管理聯系在一起。因而，對整個基金運作的監管，應該是以社保部門為主，財政部、證監會、銀監會各司其專職又相互協作。在這樣的體系下，社會保障部門仍是養老保險基金投資監督的核心力量。其他部門專司本職，只在本部門職責范圍內對養老保險基金進行監管。只要權責明晰，就可以保證監管的效率和成果。
2.建立專門的養老保險基金投資監管機構。養老保險基金數額巨大且專業性強，而基金的投資也是非常講究技術與專業的，需要有專門的機構來監管養老保險基金投資。可以建立專業的養老保險基金投資監管部門。而社會保障部門也可以把養老保險基金投資的管理任務獨立出來，委托由社保部、企業和職工代表、專家組成的養老保險基金理事會管理。對養老保險基金投資的監管，養老保險基金理事會的管理內容應包括：（1）審核批準投資管理人、托管人的進入和退出理事會負責下的養老保險基金業務。（2）限制投資組合與投資比例，嚴格防范投資管理人的冒險行為。大多數國家的養老保險基金都投資于政府公債，而對投資于股票、債券、房地產等項目有嚴格限制。
基于養老保險基金的特性和我國資本市場的高風險性考慮，應該在證監會下獨立設立養老保險基金投資監管司，專門行使證監會對養老保險基金投資的監管職能。其負責基金投資的具體行為包括：（1）與社保部門共同確定養老保險基金運營機構的基本資格，對基金公司高管的任職審核；（2）定期和不定期地對投資管理人進行常規檢查；（3）接收基金公司的定期報告，對養老保險基金的投資風險評估；（4）協調養老保險基金與其他基金、其他證券的關系，首先保證養老保險基金的安全穩健和增長等等。托管銀行根據法律賦予的權利和自身的角色特點，也能有效對基金投資運作進行監督，及時發現和報告投資管理人的異常交易或異常行為，督促投資管理人糾正違法違規行為。
