2015年的“股灾”事件使中国股市震荡,引发的恐慌情绪和冲击快速传染到其他金融市场,引发整个金融市场剧烈波动。这场流动性危机让中国投资者付出了惨痛代价,因此亟需搭建纳入流动性风险的全面风险监管机制,防患“风险”于未然。而如何准确地度量风险一直是学界研究的热点话题,不同类型的风险有不同的特征,不能以一概全。流动性风险和市场风险作为股票市场的主要风险,两者之间并非简单的正或负相关关系。投资者在买进或卖出股票的过程中会影响股票价格,这种影响受多种因素影响,例如投资者心理预期、市场供需,股票本身内在价值等。而当出现市场风险时,价格的波动会导致流动性不足,甚至衍变成流动性风险,这又会加剧价格波动,扩大市场风险。两风险彼此之间相互关联、影响,有时表现为风险之间的相互抵消和减弱,有时表现为风险的叠加和扩大。因此如何计量具有非正态分布的风险序列间复杂的相关结构,并量化研究这种相关结构是本文研究的重点。本文总结国内外学者的理论成果和经验数据,归纳流动性风险度量、市场风险度量和集成风险度量的方法。在此基础上对集成风险这一概念解析,并对流动性风险和市场风险之间的相关性理研究进行梳理。流动性溢价理论提出,收益率和非流动性呈正相关关系,这为本文集成度量流动性风险和市场风险提供理论前提。同时以往的经验数据表明无论是市场风险还是流动性风险都不服从正态分布。前者具有“尖峰厚尾”现象,后者依据不同的流动性指标显示不同的统计特征。为了更加准确地描述风险特征,采用GARCH刻画两风险序列的边缘分布。Copula函数能够精确刻画资产之间非线性、非对称的相关关系,还可捕捉到资产之间这种相关结构的变化,尤其是尾部相关的变化。因此本文选择Copula函数作为两种风险的联合分布。为了量化风险,根据最优Copula的参数估计进行Monte Carlo模拟并计算VaR和CVaR值。通过对相关性检验,说明流动风险和市场风险之间存在正相关关系。两者互为因果互相引导,其中市场风险对流动性风险的解释力度较强,流动性风险的解释力度相对较弱。这一结论从侧面证实了我国股市的流动性溢价现象的存在。对实证结果分析,发现流动性风险和市场风险都存在波动聚集效应,风险一旦出现很难立刻消除,外部的冲击也会加剧风险的波动性,并且这种波动性会持续一段时间。根据Copula函数刻画的联合分布,发现在熊市时,股票市场收益率的减少伴随着流动性的减少;在牛市时,股票收益率较高时,流动性也会随之减少。即在股票市场出现价格暴涨或暴跌时,均容易产生流动性风险。此外,正态假设简单加总下的VaR值明显低估了低估了股票的集成风险,通过相应Copula函数度量下的股票集成风险明显要更大。