风险无处不在,无时不在。1997年亚洲金融危机,2007年美国次贷危机引起的全球金融危机让整个金融体系遭受了巨大打击和损失,金融体系格局也发生了翻天覆地变化,一些金融机构在风险中顽强抵抗并发展壮大起来,而一些世界知名的金融机构却轰然倒下。面对金融危机,可以从不同的角度,不同的层面去解读分析,但是究其根源,还是风险管理的失控和缺失。随着经济全球化和金融自由化的深入,我国金融业进入了经营国际化、业务全能化的模式,与此相伴则是风险的复杂化和多样化。作为金融体系中具有主导地位的商业银行,金融衍生工具的不断创新为其带来机遇和利润的同时,也带来了挑战和风险。混业经营让我国商业银行风险管理成为一件庞大并且复杂的事项。巴塞尔协议Ⅱ明确指出：商业银行的风险管理从单纯的信用风险管理模式转向信用风险、市场风险、操作风险并举的全面风险管理模式。随着风险的增加,如何正确认识并准确度量商业银行风险显得至关重要。风险的整合度量与控制已经成为商业银行管理的重要课题。商业银行整合风险的传统度量采用线性相加,即利用历史数据估计出每一类风险的损失概率及损失大小,再将各种风险的损失值加权求和。这种方法假设商业银行面临的各类风险是相互独立的,在一定程度上反映了不同风险对整合风险的影响大小。然而,这种方法忽略了各类风险间存在的相关关系。在实际中,一种风险的发生和另一种风险发生的概率和损失大小密不可分。因此,采用简单的线性相加方法计算整合风险,偏离了商业银行整合风险的真实值,降低了商业银行管理水平。本文首先详细解释了商业银行信用风险、市场风险、操作风险的含义、特点及其度量方法,然后采用copula函数来体现商业银行各类风险之间的相关关系。Copula函数是一种有效度量整合风险的统计学方法,它可以将不同风险的边缘分布和风险间的相关关系分开研究,且边缘分布的选择不受约束条件限制。本文以我国12家上市商业银行为研究样本,采用风险因素方法整合我国商业银行三大风险。首先选取上证国债指数收益率、上证企债指数收益率作为影响信用风险的因素,利用风险因素法进行OLS回归,得到信用风险收益率日估计值,确定信用风险边际分布模型；其次,选取上证国债指数收益率、人民币兑美元收盘价收益率、HS 300指数收益率作为影响市场风险的因素,利用风险因素法进行OLS回归,得到市场风险收益率日估计值,确定市场风险边际分布模型；再次,在前人的研究成果上,以极值理论为基础,采用蒙特卡洛法模拟操作风险收益率序列,确定操作风险边际分布模型。得到三大风险边际分布模型,分别使用C藤copula函数和D藤copula函数建立整合风险的模型,利用R软件分别估计出最优copula函数类型及其参数值。根据AIC最小原则比较C藤copula模型与D藤copula模型,选取拟合结构较好的D藤copula作为我国商业银行整合风险的度量模型。最后,通过蒙特卡洛法计算出整合风险的VaR值,并与传统线性相加方法下的VaR值相比较,发现copula模型的VaR值与真实情况更相符,copula模型对我国商业银行整合风险的拟合更好。本文在前人的研究成果上进行一些新的尝试：第一,将操作风险量化,通过蒙特卡洛方法模拟操作风险序列,建立模型,将其整合到我国的商业银行风险度量管理中。第二,在整合风险度量中,本文采用了藤copula函数进行建模,并比较了C藤copula和D藤copula的结果,得出最优的藤结构及其参数值。这种方法比使用简单的高维copula函数更灵活,估计更简洁,结果也更可信。