前言：中文期刊网精心挑选了金融实证分析论文范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
金融实证分析论文范文1
会计财务管理论文参考文献：
[1]杜兴强，曾泉，杜颖洁.政治联系、过度投资与公司价值——基于国有上市公司的经验证据[J]?金融研究,2011(8):93-110.
[2]杜晓瞭.产权性质、债券融资与过度投资一一基于中国A股上市公司的经验证据[J].经济与管理，2012(8):23-28.
[3]范海峰，胡玉明.机构投资者持股与公司股权融资成本的实证研究[J].经济与管理研究，2010(2):44-50.
[4]黄少安,钟卫东.股权融资成本软约束与股权融资偏好——对中国公司股权融资偏好的进一步解释[J].财经问题研究，2012(12):3-10.
[5]黄乾富，沈红波.债务来源、债务期限结构与现金流的过度投资——基于中国制造业上市公司的实证证据[J].金融研究,2009(9):143-155.
[6]蒋琰，陆正飞.公司治理与股权融资成本——单一与综合机制的治理效应研究[J]?数量经济技术经济研究，2009(2):60-75.
[7]姜付秀,伊志宏,苏飞，等.管理者背景特征与企业过度投资行为[J].管理世界,2009(1):130-139.
[8]李维安，姜涛.公司治理与企业过度投资行为研究——来自中国上市公司的证据[J]财贸经济，2007(12):56-61.
[9]刘昌国.公司治理机制、自由现金流量与上市公司过度投资行为研究[J].经济科学’2006(4):50-58.
[10]罗进,李延喜.管理者过度自信对股权融资成本的影响一一基于信息透明度的视角[J].技术经济，2013(12):112-117.
[11]毛新述，叶康涛，张頓.上市公司权益资本成本的测度与评价——基于我国证券市场的经验检验[J]会计研究，2012(11):12-22.
[12]潘敏,金岩.信息不对称、股权制度安排与上市企业过度投资[J].金融研究,2003(1):36-45.
[13]庞明川.中国的投资效率与过度投资问题研究[J].财经问题研究，2007(7):46-52.
[14]屈冬冬.制度环境股权再融资与上市公司过度投资_屈冬冬[J].中国注册会计师，2013(11):43-50.
[15]盛明泉.预算软约束、过度投资与股权再融资[J].中南财经政法大学学报，2010(4):84-90.
[16]唐雪松，周晓苏，马如静.政府干预、GDP增长与地方国企过度投资[J].金融研究,2010(8):33-48.
[17]唐雪松，周晓苏,马如静.上市公司过度投资行为及其制约机制的实证研究[J].会计研究，2007(7):44-52.
[18]汪平,孙士霞.自由现金流量、股权结构与我国上市公司过度投资问题研究[J].当代财经,2009(4):123-129.
[19]王晓梅.投资者利益保护与股权融资成本研究——基于原始股东视角看IPO融资[J].经济与管理研究,2013(5):49-54.
[20]王彦超?融资约束、现金持有与过度投资[J].金融研究,2009(7):121-133.
[21]魏明海，柳建华.国企分红、治理因素与过度投资[J].管理世界,2007(4):88-95.
[22]邬国梅.控制权收益与上市公司过度投资——来自上市公司股权再融资的经驗证据[J].当代财经，2008(5):115-119.
[23]肖浩，夏新平.政府干预、政治关联与权益资本成本[J].管理学报,2010(6):921-925.
[24]杨华军，胡奕明.制度环境与自由现金流的过度投资[J].管理世界,2007(9):99-106.
[25]杨兴全,张照南，吴昊旻.治理环境、超额持有现金与过度投资——基于我国上市公司面板数据的分析[J].南开管理评论，2010(5):61-69.
[26]杨兴全，魏卉.股权融资成本影响因素综述与启示[J].新疆农垦经济,2011(8):75-80.
[27]叶康涛，陆正飞.中国上市公司股权融资成本影响因素分析[J].管理世界，2004(5):127-131.
[28]俞红海,徐龙炳，陈百助.终极控股股东控制权与自由现金流过度投资[J].经济研究,2010(8):103-114.
[29]张洪辉,王宗军.政府干预、政府目标与国有上市公司的过度投资[J].南开管理评论，2010(3):101-108.
[30]祝继高，陆正飞.融资需求、产权性质与股权融资歧视一一基于企业上市问题的研究[J].南开管理评论，2012(4):141-150.
会计财务管理论文参考文献：
[1] 曾永艺, 吴世农, 吴冉劼. 我国创业板高超募之谜: 利益驱使或制度使然[J]. 中国工业经济,2011(09): 140-150
[2] 张强, 张宝. 机构投资者情绪、承销商声誉与融资超募: 来自中国创业板市场的证据[J]. 经济经纬, 2012(02)
[3] 衣龙新, 杨峰. 创业板上市公司首发“超募”动因分析与实证检验[J]. 深圳大学学报, 2012(03):112-117
[4] 衣龙新. 市场热度、券商利益与 IPO 超募[J]. 中央财经大学学报, 2012(05): 85-91
[5] 郭泓, 赵震宇. 承销商声誉对 IPO 公司定价、初始和长期回报影响实证研究[J]. 管理世界,2006(03): 122-128
[6] 蒋顺才, 蒋永明, 胡琦. 不同发行制度下我国新股首日收益率研究[J]. 管理世界, 2006(07):132-138
[7] 徐浩萍, 罗炜. 投资银行声誉机制有效性——执业质量与市场份额双重视角的研究[J]. 经济研究, 2007(02): 124-136
[8] 张丹, 廖士光. 中国证券市场投资者情绪研究[J]. 证券市场导报, 2009(10): 61-68
[9] 夏峰, 谢咏生, 张霖等. 创业板投资者整体情况及交易行为特征分析[J]. 证券市场导报,2009(11): 42-47
[10] 刘文虎. 基于 Malmquis 指数的中国股市羊群效应测度研究[J]. 证券市场导报, 2009(08):72-77
[11] 郭海星, 万迪昉. 创业板 IPO 发行定价合理吗?[J]. 中国软科学, 2011(09): 156-166
[12] 郭海星, 万迪昉,吴祖光. 承销商值得信任吗——来自创业板的证据[J]. 南开管理评论,2011(03): 101-109
[13] 庄虔华, 张文, 郭良鹏. 创业板投资行为分析[J]. 证券市场导报, 2011(12): 49-57
[14] 张强, 张宝. IPO 发行成本与中介机构声誉——来自中国创业板市场的证据[J]. 证券市场导报, 2011(12): 4-10
[15] 刘志远, 郑凯, 何亚南. 询价对象之间是竞争还是合谋——基于 IPO 网下配售特征的分析[J].证券市场导报, 2011(03): 35-44
[16] 陈炜, 吴世农. 交易信息、订单簿透明度与投资者订单提交策略[J]. 证券市场导报, 2012(12):66-73
[17] 张亦春, 洪图. 创业板 IPO 市盈率与超募率的影响因素研究——基于券商声誉及私募股权投资的实证分析[J]. 厦门大学学报, 2012(03): 42-49
[18] 范汉熙. 股票首次公开发行抑价现象理论研究[J]. 管理世界, 2011(05): 176-177
[19] 陈见丽. 承销商声誉、融资超募与超募资金使用效率——基于我国创业板上市公司的经验证据[J]. 经济社会体制比较, 2012(03): 47-57
[20]王彦超.融资约束、现金持有与过度投资[J].金融研究，2009(7).
[21]冯巍.内部现金流和公司投资.经济科学.1999(1).
[22]何金耿，丁加华.上市公司投资决策行为的实证分析.证券市场导报.2001(9).
[23]郝项超.公司治理、财务信息质量与投资者保护——基于最终控制人视角的分析.中国金融出版社.2011.
[24]郝颖，刘星，伍良华.基于内部人寻租的扭曲性过度投资行为研究.系统工程学报.2007(2).
[25]刘昌国.公司治理机制、自由现金流与上市公司过度投资行为研究.经济科学.2006(4).
[26]梁光红，龚蜜.公司过度投资国内外文献综述[J].财会通讯，2011(12).
[27]李青原.会计信息质量与公司资本配置效率.南开管理评论，2009(2).
[28]李青原.会计信息质量、审计监督与公司投资效率[J].审计研究，200%4).
金融实证分析论文范文2
论文关键词：KMV模型，信用风险，违约距离
1．引言
2010年来，国家针对房地产的政策不断出台，致使房地产公司发展面临诸多风险。 2010年11月份，银监会抽取60家大型房地产公司调研的结果表明：负债率整体上升，资金链趋紧金融论文，信用风险已成为房地产公司监管层心头之患。本文采用修正的KMV模型，以求更适合我国房地产上司公司的特点，更加有效的对数据进行实证研究，分析公司在信用风险管理中应将违约距离控制在哪一个范围cssci期刊目录。
2．KMV模型的基本原理
KMV模型是根据Merton将有关期权定价理论运用于风险贷款和证券投资而开发出的一种实用高效的分析模型，用以衡量公司的信用风险。
KMV模型又称预期违约率模型（expected default frequency，EDF模型），该模型将企业负债看作是买入一份欧式看涨期权，即企业所有者持有一份以公司债务面值为执行价格，以公司资产市场价值为标的欧式看涨期权。如果负债到期时企业资产市场价值V高于其债务D，公司偿还债务，企业股东权益的价值为偿还债务后的剩余金融论文，即V-D；而当企业资产市场价值小于其债务时，企业则无法偿还贷款，选择违约，股东权益变得毫无价值，股权所有者将会选择放弃公司的所有权。
KMV模型评价公司信用风险的基本思路是以违约距离DD表示公司资产市场价值期望值距离违约点D (Default Point)的远近，距离越远，公司发生违约的可能性越小，反之越大。违约点D通常处于流动负债与总负债面值之间的某一点；违约距离常以资产市场价值标准差的倍数表示。该模型基于公司违约数据库，根据公司的违约距离确定公司的预期违约概率cssci期刊目录。
3．KMV模型的计算方法
KMV模型的计算有两个重要的步骤：一是利用B-S模型倒推出公司资产的市场价值V及其波动率SV；二是计算公司的违约距离DD并得出一个期望违约率EDF。
3.1 计算公司资产价值V和资产波动率SV
由于公司股权市场价值可以采用B-S期权定价模型来构建公司资产价值和股权价值之间的关系，即：
（1）
B-S期权定价模型中公司股票的波动率SE和资产的波动率SV之间存在如下关系: ， 金融论文， 联立得：
（2）
其中，E为公司股权市场价值，V为公司资产价值，N( )为标准正态累积分布函数, ，D为公司违约点，r为无风险利率，t表示当前时间，信用风险评价通常以一年为时段，设定违约距离的计算时间为一年，即T=1。
E、D和SE可以从资本市场上获得，但公司资产价值V以及公司资产的波动率SV这两个变量未知金融论文，于是通过(1)和(2)两个方程组联立用MATLAB软件求解，算出这两个未知数。
3.2计算违约距离DD和期望违约率EDF
违约点D即公司资产价值与公司负债价值相等时的价值，也就是当公司资产价值低于此违约点时，公司就会被视为违约。违约距离DD是指以公司资产价值在风险期限内由当前水平降至违约点的相对距离。假设公司资产价值属于对数正态分布，计算公式为：
（3）
KMV公司根据违约距离,基于违约数据库,可以映射出公司的期望违约频率EDFcssci期刊目录。由于我国当前还没有公开的违约的数据库可以使用,所以我们暂且采用理论上的预期违约频率来代替。假设公司资产价值服从对数正态分布, 这样就能利用MATHCAD软件计算理论上的违约概率，计算公式为：
(4)
4.KMV模型的修正
4.1 股权市场价值E的修正
美国上市公司没有非流通股，全部为流通股，而我国上市公司的总股本分为非流通股和通通股,二者同权不同价，所以不能简单地以流通股股价乘以总股本来计算上市公司的股权市场价值。本文对此进行修正，将股权市场价值计算公式确定为：
(5)
其中，N1为流通股股数金融论文，P1为流通股股价，本文选取每季最后一日收盘价为流通股股价，N2 为非流通股股数，P2 为非流通股股价。
4.2 非流通股股票定价问题的修正
我国的国有股转让主要是协议转让，协议转让价格主要是基于每股净资产的价格上下浮动。本文构造一个线性回归模型，其中自变量为每股净资产指标，因变量为股票实际转让价格，其对应的回归方程如下：
(6)
其中，P为国有股实际转让价格；X为国有股每股净资产。
本文选取2009年协议转让的50只股票的相关数据利用SPSS.17软件中最小二乘法进行线性回归分析，以确定方程(6)中的参数值及检验方程的可信度，SPSS回归分析结果如表1所示cssci期刊目录。
表1 非流通股定价模型回归分析结果
未标准化系数
Beta
t
Sig.
B
标准误差
方程 1
a
.495
.101
4.796
.000
b
.895
.052
.946
金融实证分析论文范文3
关键词：对外承包工程，完成额，实证分析
随着改革开放的不断深入、加入WTO，中国经济得到了快速的发展，对外承包工程事业也得到瞩目的成就。国际承包工程市场的快速发展，为中国对外承包工程提供的新的机遇，但同时也带来了新的挑战。
中国的对外承包工程事业起步比较慢，是在过去对外援助的基础上发展起来的，自1978年到现在已经经历了三十年了。在这过去的30年里，对外承包公司的数量从一开始的4家到2008年2300多家，入选美国《工程新闻记录》(ENR)全球最大的225家中国企业也从没有到2008年51家。截至2008年底，我国累计完成对外承包工程营业额2630亿美元,签订合同额4341亿美元。新签合同额和完成营业额分别从1979年的3352万美元和3000万美元增长到2008年的1046亿美元和566亿美元。论文格式，实证分析。。
下面我们先来了解一下，近十年来，中国对外承包工程取得的骄人成绩。论文格式，实证分析。。
1995-2007对外承包工程基本数据
年份 新签合同额（单位：亿美元） 新签合同数(单位;份) 完成额（单位：亿美元） 入选225企业（单位：家） 新签合同额在1亿美元以上的项目（单位：份）
金融实证分析论文范文4
论文关键词：股指期货，沪深300指数，协整，VAR模型
1．引言
金融衍生工具市场是中国资本市场极其重要的组成部分。衍生金融工具与其相对应的原生金融工具之间的关联性问题也一直是学术界与投资者所共同关心的话题。 2010年4月16日的沪深300股指期货上市，标志着中国资本市场发展又翻开了历史性的新篇章。那么至今运行了四个月股指期货是否实现了价格发现功能，对现货市场产生了怎样的影响，两个市场之间的联动效应会怎样，又是否会与以往研究结果相一致？本文将选取更新的市场数据，借助VAR模型、VECM模型、协整检验、长短期Granger因果检验、方差分解等方法，在以往研究基础上更全面综合的刻画我国股指期货价格发现功能作用的大小，由此说明沪深300股指期货市场的运行效率，以期对我国金融衍生工具市场的进一步发展提供有价值的参考。
2. 模型与数据的选取
2.1数据说明
本文选取2010年4月16日至2010年8月23日中国沪深300股指现货和股指期货每交易日收盘价数据作为样本数据，全面再现中国金融衍生品市场中股指期货合约的产生至其发挥其功能影响市场的过程。之所以选择收盘价数据，是因为道氏理论认为收盘价是最重要的价格．这一价格反映了市场的大部分行为。又由于股指期货与现货市场不具有同时性，且同一交易日会同时有若干不同的交易价格金融论文，数据不连续，本文选取最近月份的股指期货合约为代表，将不匹配的数据删除，这样可以得到一个连续的期货合约价格序列。为减小数据的波动，将指标进行对数处理。在此定义，LS为沪深300现货股指对数序列，LF为沪深300股指期货对数序列，数据来源于国泰君安证券研究所及湘财金禾证券分析软件，经整理得共计88组数据,实证过程借助 Eviews5.0软件。
2.2 VAR（向量自回归）模型
本文运用该类模型与方法来对沪深300股票价格期货指数与沪深300股价指数两者之间整体关联性及其互动关系进行系统的考察。VAR（向量自回归）模型是基于数据的统计性质建立模型，VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型（高铁梅，2006）。 VAR(p)模型的数学表达式是：
(1)
其中：是k维内生变量向量，是d维外生变量向量，p是滞后阶数，T是样本个数。k×k维矩阵和k×d维矩阵H是要被估计的系数矩阵。是k维扰动列向量，它们相互之间可以同期相关，但不与自己的滞后值以及等式右边的变量相关。VAR模型常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量形成的影响。
3. 实证分析
3.1单位根检验
研究经济变量之间是否存在长期关系，首先要对时间序列的平稳性进行检验，否则可能出现“伪回归”的情况（Granger,1974）。本文采用Augmented Dickey-Fuller(简称ADF)检验方法来检验样本数据的时间序列特征，ADF平稳性检验基于以下回归方程：
为纯粹白噪音误差项，滞后阶数的选择使得不存在序列相关论文开题报告范文。ADF检验的原假设，备择假设。接受原假设意味着时间序列含有单位根，即序列是非平稳的（古扎拉蒂，2005）。
对每个变量的原序列以及一阶差分序列的平稳性特征采用ADF检验方法金融论文，可知变量原序列都是非平稳的，而一阶差分都是平稳的，满足协整检验前提。
3.2 协整检验
协整检验是从分析时间序列的非平稳性入手，寻找非平衡变量之间的长期均衡关系。常见的协整方法主要有两变量的Engle-Granger检验（简称EG检验）和多变量之间的Johansen检验（简称JJ检验Johansen-Juselius）。EG检验是基于回归残差的检验，通过建立OLS模型来检验其残差的平稳性，若残差是没有单位根的平稳序列，则说明原序列存在协整关系。EG检验存在一定的缺陷，假如当协整关系的维数增加或协整的秩大于1时，EG检验便无能为力了。JJ检验是基于回归系数的检验，是利用向量自回归模型计算出与残差矩阵相关的矩阵的特征值，根据特征值的轨迹及最大特征值进行检验，该方法在一定程度上纠正了EG检验在多变量检验方面的不足。本文采用Johansen检验法来检验LF和LS之间是否存在长期稳定的均衡关系,根据AIC最小准则选取滞后阶数为2阶运用Eviews5.0得到结果如表1：
表1：LF和LS的协整检验结果
协整向量
Johansen（迹）统计量
原假设
特征值
迹统计量
临界值
P值
LF和LS
rk(∏)=0
0.23432
22.76331
12.3209**
0.0007
rk(∏)≤1
0.000812
0.069089
4.129906**
金融实证分析论文范文5
>> 浅谈次贷危机产生的原因、蔓延及影响 金融危机产生及蔓延的原因分析 美国次债危机爆发的主要原因分析 美国次债危机及对中国的影响分析 论欧债危机形成原因及中国的应对策略 财务危机的形成原因及对策分析 欧债危机原因分析 欧债危机与美债危机产生原因及对比分析 欧债危机对中欧贸易的实证分析 次债危机前后中外股市相关性实证分析 次贷危机与欧债危机发生的原因及其思考 欧债危机爆发的原因及影响 论当前欧债危机发生的原因及启示 欧债危机的政治经济原因分析 美国次债危机影响分析 探究欧债危机的形成根源 欧债危机蔓延银行业 美国次贷危机的原因分析 欧债危机原因及改善建议 美债危机与欧债危机的区别及前景分析 常见问题解答 当前所在位置：
[2]王冠宇.美国次贷危机与现行国际国币体系变革研究.硕士毕业论文，2010.
[3] Krugman，Paul.A Model of Balance-of-Payments Crises.Journal of Money，Credit and Banking，1979，11（3）.
[4]郑蕾云，刘力臻.国际金融.北京：经济科学出版社.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.
金融实证分析论文范文6
【关键词】中国流通股 逆政策效应 AR模型 杠杆效应 EGARCH模型
自1993年G 30集团《衍生产品的实践和规则》研究报告，并竭力推荐各国银行使用VaR（Value at Risk，即风险价值）风险管理技术后，巴塞尔委员会1995年也在其《关于市场风险资本要求的内部模型法》、《关于使用“返回检验”法检验计算市场风险资本要求的内部模型法的监管构架》文件中向其成员国银行大力倡导这一方法（彭坤、王飚，2002）。如今，VaR技术已延伸至保险、证券、信托等非银行金融机构甚至非金融机构的风险管理领域，以VaR作为市场主体风险的统一标准与管理机构资本充足水平的准绳和依据。中国沪深两市的流通股是投资者的首选，以VaR测算沪深两市流通股资产的市场风险对于机构投资者及时防范风险具有重要意义。
一、文献综述
Value at Risk是由J.P.摩根银行20世纪80年代的全球研究部总经理蒂尔・古尔迪曼所创立。在1995年4月的巴尔塞委员会扩大会议上，规定银行可以选择使用自己的风险衡量模型去确定其资本要求，从此风险价值开始被广泛应用到内部风险衡量模型之中。在VaR模型回测方面，Kupiec（1995）提出了基于失败频率的VaR模型正确性检验的方法。christoffersen（1998）提出了考虑在时间变化时，对VaR模型正确性检验的方法。Philippe Jorion（2000）的《风险价值（VaR）》被奉为风险管理的圣经，该书极为系统地讲述了VaR的来龙去脉以及各种VaR的计量方法，还对VaR在衡量和管理信用风险、流动性风险以及操作风险中的应用进行了细致的分析（樊葵葵，2010）。我国学者王春峰（2001）在《金融市场风险管理》中较系统地论述了VaR，对金融市场风险的测量和管理进行了系统深入的介绍。黄海（2003）重点介绍了摩根银行在金融风险度量系统Risk Metrics中的EWMA模型（指数加权移动平均预测模型），并且基于金融数据分布的有偏性提出了有偏的EWMA模型。朱世武（2004）对中国市场上各类VaR方法计算进行了实证，并对各类VaR方法在中国市场上的有效性进行了事后检验（韩琦，2008；袁婷，2010）。
由于金融市场数据呈现出“尖峰厚尾”分布特征，难以用传统的VaR方法进行计算，不少学者就使用VaR方法时如何估计数据的分布、如何处理“尖峰厚尾”分布作出了探讨。其中郑文通（1997）在《金融风险管理的VaR方法及其应用》中使用J.P.摩根1994年的年报数据对该公司一天95%置信度下的VaR平均值进行了计算，利用实证方法对VaR方法的正态假设进行了有效性检验。对于非正态分布的情况，引入了t分布来代替原来的正态分布假设，并提出了金融资产t分布自由度n的参数估计值（袁婷，2010）。陈守东（2002）运用GARCH模型对上证综合指数进行了VaR值的度量，并用Kupiec提出的似然比检验法验证不同模型的有效性，认为服从t分布的GARCH（l， 1）模型对上证综指收益率VaR值的估计最为有效。肖庆宪（2003）为了刻画“厚尾”资产收益率，将非正态收益率数据进行正态化变换，使变换后的厚尾数据服从正态分布，从而使参数估计、假设检验等计量问题均为有效。杜本峰（2003）根据连接函数的思想导出资产组合的联合分布，以此对资产组合的风险进行度量，提出了一种基于连续函数的风险度量方法。孔繁利（2006）系统地介绍了利用极值理论（EVT）和连接函数度量金融市场风险的问题，通过大量的实证分析与模型检验，进一步评估了风险度量模型的有效性（韩琦，2008；袁婷，2010）。
目前，VaR方法在我国金融机构应用的研究己经深入到不同方法细节和具体领域的讨论。刘晓焕、袁广信（2009）利用CVaR方法对一种开放式股票型基金的市场风险进行了研究，求出了组合中某一种资产的边际CVaR、成分CVaR、增量CVaR，并以此给出了投资建议。最后建立均值――CVaR优化模型，得到在投资者不同的期望收益率下最优的投资组合权重，为基金管理人提供很好的参考（韩琦，2008；袁婷，2010）。邵梦倩、杜子平（2011）利用copula-CVaR模型对寿险投资组合的风险进行度量，得到最优投资比例，进一步对寿险资金的投资风险进行管理。实证结果显示：寿险投资应主要集中在风险较小的银行存款和国债上，也可适当放宽到收益较高的股票和基金。
二、线性AR-EGARCH模型的沪深股市流通股的VaR测算
中证流通指数包含了沪深股市所有已完成股权分置改革并正常上市交易的流通股，这也是证券市场投资者的首选，因此选用中证流通指数来分析中国沪深股市流通股的市场风险较为合意。
（一）中证流通指数的数字特征
选取2006年2月27日至2012年12月20日的中证流通指数收盘价，求出对数收益率r=log（lt）-log（lt（-1）），得到时间序列{rt}，样本容量为1 662。由样本期内沪深流通股的收益率时间序列（编者：图略）可看到第500个交易日至第750个交易日之间，即2008年3月至2009年3月这段时间内收益波动幅度较大，这与2008年投机炒作所形成的资产泡沫堆积与非理性繁荣不无关系。
求解时间序列{rt}的数字特征（编者：图略），发现其偏度小于0，峰度大于3，且JB统计量=446.025，对应的p值接近于0，即该时间序列属于“尖峰厚尾”的非正态分布，中证流通指数收益率{rt}因并未紧贴正态分布分位数，{rt}并不属于正态分布。
因此使用基于高斯假设的最小二乘法（OLS）来分析该序列极为不妥，需另寻他法。采用ADF检验分析中证流通指数收益率{rt}的平稳性，其ADF统计量为-39.394 13，在1%、5%、10%的显著性水平下均拒绝原假设，序列不存在单位根，属于弱平稳时间序列。
（二）自相关性检验及AR模型的定阶
1.ARCH效应的检验。
2005年的汇改并没有将人民币汇率制度改革为真正意义上的“有管理的浮动汇率制”，而资本项目下人民币自由兑换的逐渐放宽，使得“货币政策失灵论”甚嚣尘上。经统计，2006年以来，我国的一年期存款基准利率和法定存款准备金率分别调整了18次和35次，而中证流通指数逆政策变动分别出现了9次和24次，且这种“逆政策效应”在紧缩货币政策中更加明显。政策的影响是估计VaR时应当考虑到的变量。首先建立线性模型rt=β0+β1RBt+β2RDt+ut，其中{rt}为收益率时间序列，RB、RD分别为一年期存款基准利率与法定存款准备金率，ut为随机扰动项。对于高频数据序列，假定线性模型中的随机误差项ut同方差不太可能成立，其方差可能是时变的，并常表现出“波动聚集性”特征，即随机误差项是异方差，因此需要对随机扰动项进行ARCH检验。假定随机误差项的条件方差与其误差项滞后的平方有关，设ARCH（q）模型的一般形式为σt2=α0+α1ut-12+α2ut-22+……+αqut-q2。
从线性模型的残差线图（编者：图略）中可以看出，回归方程的残差表现出“波动聚集性”，即大波动后面常伴随着较大的波动，较小的波动后面的波动也较小。定性分析的结果显示线性模型存在条件异方差性，即可能存在ARCH效应。再用残差平方的自相关图来定量判断线性模型的残差是否存在ARCH效应：发现滞后36阶的Q统计量对应的p值均接近于0，即残差平方序列存在自相关，中国流通股确实存在ARCH效应。采用线性模型不合理，应当引入时间序列模型。
2.时间序列{rt}的自相关检验及AR模型的定阶。
对弱平稳时间序列{rt}进行自相关检验，Q统计量对应的p值在5阶后全部小于0.05，即时间序列存在自相关。利用有限样本下的混成检验，设样本容量为n，令参数m=ln（n）=ln（1 662）≈7，可得混成Q统计量为16.28，在5%的置信度下，大于临界值χ2（7）=14.07，即拒绝H0：ρi=0，i=1，2……7，时间序实存在自相关性。
由上述分析可知，应当使用AR模型研究中证流通指数收益率序列{rt}。利用赤池信息准则（AIC）对AR模型定阶。根据下式求出滞后L阶的AIC，计算结果如下图所示：
AIC（L）=-2ln（似然函数的最大值）/n+2（L+1）/n，L≥1
参考文献
[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.风险价值（第二版）[M].北京：中信出版社，2005.
[4] 王春峰.金融市场风险管理[M].天津大学出版社，2001.
[5] 黄海，卢祖帝.VaR的主要计算方法述评[J].北京：管理评论，2003（7）：31-35.
[6] 朱世武，李豫，何剑波.中国股票市场风险值标准的有效性检验[J].上海金融，2004（11）：38-41.
[7] 郑文通.金融风险管理的VaR方法及其应用[J].北京：国际金融研究，1997（9）：58-62.
[8] 陈守东，俞世典.基于GARCH模型的VaR方法对中国股市的分析[J].长春：吉林大学社会科学学报，2002（4）：11-17.
[9] 肖庆宪.厚尾经济数据的计量分析[J].北京：数量经济技术经济研究，2003（5）：116-119.
[10] 杜本峰，郭兴义.一种新的风险度量工具：PaV及其计算框架[J].北京：统计研究，2003（2）：48-50.
[11] 孔繁利.金融市场风险的度量――基于极值理论和Copula的应用研究[D].吉林大学博士论文，2006-04-01.
[12] 刘晓焕，袁广信.基于CVaR的开放式股票基金市场风险的研究[J].武汉：中南财经政法大学研究生学报，2009（2）：27-32.
[13] 邵梦倩，杜子平.基于pair_Copula_CVaR模型的保险投资组合优化[J].石家庄：合作经济与科技，2011 （4）：68-69.
[14] 彭坤，王飚.基于VaR（风险价值）的金融投资的研究[J].昆明理工大学学报（理工版），2002（12）.
[15] 韩琦.基于VaR方法的我国商业银行利率风险实证研究[D].上海：华东师范大学硕士论文，2008-05-01.
