金融市场在迅猛发展的同时,其风险也在不断增大。近年来,金融风险时有发生,如2007年至2009年的全球金融危机,2010年开始全面爆发的欧洲债务危机等。自这些金融风险发生以来,人们逐渐意识到:金融市场内部不确定性的影响因素日益增多,市场复杂性在也日益明显(如非线性和异质性等)。时间序列分析在金融计量中占据重要地位,本文在汲取国内外本领域最新研究成果基础上,着眼于解决金融系统中非线性与异质性等复杂性问题,选取“基于分位数自回归的金融风险计量研究”这一课题,将时间序列分析拓展到分位数回归框架下,研究一元时间序列的非线性分位数自回归以及多元时间序列的分位数向量自回归,进而给出相应的金融风险计量模型与方法。本文主要采取数理分析、人工智能、数值模拟和实证研究相结合的方法,从以下两个方面开展研究:第一,在理论建模方面,对经典的分位数回归模型进行拓展,给出新的金融风险计量工具与方法;第二,在应用研究方面,将新的金融风险计量方法应用于金融风险管理,提高金融风险管理的效率。本文研究特色体现在两个方面。第一,在分位数回归框架下开展研究,能够充分发挥分位数回归揭示响应变量完整分布特征与异质效应的能力,提高对尾部风险的刻画效率。第二,通过神经网络等人工智能方法,给出基于非线性分位数自回归的金融风险计量模型与方法,能够充分模拟金融系统的非线性特征,提高金融风险计量的稳健性,实现金融风险的准确计量。本文的主要创新点如下:1.提出基于神经网络的分位数自回归模型(Quantile Autoregressive Neural Network, QARNN),给出VaR风险计量新方法。第一,将神经网络结构引入分位数自回归,建立了 QARNN模型,给出了模型表式与参数估计方法;第二,建立了 QARNN模型定阶的AIC和GACV准则,用以确定模型的最优滞后阶数;第三,通过数值模拟,研究QARNN模型拟合效果与预测能力,并将其与RiskMetrics模型、ARMA-GARCH模型、CAViaR模型、CARE模型以及分位数回归等传统方法进行对比,发现前者极大地提高了预测的精度和准度;第四,将QARNN模型应用于金融风险计量,给出新的VaR风险计量方法,获得了更为满意的金融风险测度效果。2.提出基于神经网络的非参数条件自回归Expectile ( Nonparametric Conditional Autoregressive Expectile,NCARE)模型,给出 ES 风险计量新方法。第一,将神经网络结构引入Expectile自回归,建立了 NCARE模型,给出了模型表示与参数估计方法,在理论上证明了通过NCARE能够得到Expectile的一致估计结果;第二,建立NCARE模型定阶的GACV准则,用以确定模型的最优滞后阶数;第三,通过数值模拟,研究了 NCARE模型的拟合效果与预测能力,并将它们与传统方法进行对比,发现前者能够更好地描述各种金融时间序列的非线性动态规律;第四,将NCARE模型应用于金融风险计量,给出新的ES风险计量方法,并着重讨论其在金融危机期间与金融危机前后的异同表现。3.建立分位数向量自回归分布滞后QVARDL(p,q)模型及其脉冲响应分析,给出金融风险传染的计量方法。第一,将向量自回归分布滞后模型扩展到分位数体系下,提出了 QVARDL(p,q)模型,给出其数学表示、参数估计、模型定阶、脉冲响应分析等一整套建模方法;第二,估计多个时间序列在多个分位点处的条件分位数及其相互之间动态关联关系,基于分位数脉冲响应分析给出金融风险传染计量方法;第三,将QVARDL(p,q)模型应用于解释美国次贷危机对世界范围金融市场产生的影响,主要通过多变量与自回归设计,从横向与纵向两个方面把握条件分位数的变动规律,有助于从影响程度、影响方式、响应时期等方面全面理解美国次贷危机的传播规律。本文研究工作,首先对经典的分位数回归模型进行有意义的扩展,开发出新的分位数回归模型与方法,丰富了分位数回归理论研究内容;其次,选取金融领域的热点问题,在分位数回归框架下开展相关主题研究,并着重致力于研究金融市场的异质效应与非线性特征等问题,解决金融风险准确计量问题,既有助于金融机构提升风险管理水平以提高国际竞争能力,又有助于监管部门监督以保证金融市场健康发展。