怎样度量风险?怎样度量投资组合的风险?怎样度量不同类型风险的总风险（巴塞尔新资本协议中明确规定商业银行面临市场风险、信用风险、操作风险）?传统的方法是将各种风险直接加总或假设各种风险服从多元正态分布，这些方法虽然能够度量风险，但是有可能高估或低估实际风险，不能实现对真实风险的准确度量，其原因在于我们对风险之间的相关结构没有准确的刻画。大量研究表明，无论是组合风险还是不同类型的风险，风险因子都存在相关性，总风险并不是单个风险因子的直接加总，单个风险因子在总风险中相互关联、交叉、渗透，对总风险有叠加、放大或约减的作用。鉴于此，许多学者提出了在度量总风险时应实施集成风险管理，所谓集成风险管理是指度量由不同风险因子、风险类型共同作用所产生的风险，实现风险集成的关键是对风险相关性的度量，传统的线性相关系数不能够准确度量不同风险因子之间的动态特征，因此，人们不断寻求其它的度量风险相关性的方法。近年来，Copula理论在风险管理领域的应用越来越广泛，特别是在度量风险相关性方面有着独特的优势，鉴于此，本文基于Copula理论展开对集成风险度量方法的研究，并在已有研究的基础之上全面比较不同CopuIa函数在实现风险集成方面的作用及适用范围，同时将基于Copula理论的集成风险与传统的风险度量方法对比，进一步揭示基于风险相关性的集成风险度量方法的准确性和必要性，也为风险管理的研究者提供新的视角和方法。　　 本文以Copula理论为基础，研究了一种新的风险度量和投资组合、以及不同类型的风险集成问题，鉴于多元Copula函数在实际应用中的局限，最后研究了一种基于Pair-Copula分解的多元Copula函数的在集成风险管理中的应用。　　 本文的主要内容和研究成果包括：　　 （1）首先从定性和定量两个方面总结了集成风险管理的研究历程，论述了实施集成风险管理的根源和必要性-风险的多样性和相关性。继而从定性和定量两个方面论述了风险相关性的研究成果以及几种常见的风险相关性度量方法，由于Copula理论能刻画风险相关性的动态特征，重点介绍了Copula理论及其若干性质，总结了基于不同边际分布的Copula模型和时变Copula、变结构copula的模型特征和应用范围，最后归纳了不同类型的Copula模型在风险管理中的应用，并对以往研究予以评析并说明本文的切入点。　　 （2）传统的风险度量方法存在几个不足：1，VaR不满足次可加性，是一种非一致性的风险度量方法，2，方差度量风险把投资者的正向收益与负向收益等同看待，没有考虑到投资者的期望收益。本文第三章基于这两点不足研究了一种基于期望收益的风险度量方法，这种风险度量考虑了投资者的期望收益，又结合了VaR方法的优点，所以更能体现出投资者的实际风险态度。又由于重尾分布能更好的拟合金融收益时间序列数据，我们给出了这种风险度量在重尾分布下的表达式，并研究了其若干性质。　　 （3）归纳了几种风险相关性的度量方法，包括线性相关、秩相关（Kendall秩相关和Spearman秩相关）、尾部相关、随机相关、Copula相关，推导了Copula相关与其它几种相关的相互转化关系，比较了几种不同类型的Copula函数（主要是高斯Copula函数和阿基米德Copula函数）在度量风险相关性方面的优劣，同时也比较了两种参数估计方法和四种Copula函数在度量风险相关性方面的优劣，实证表明：当样本容量足够大时，两种方法得到的参数估计方法得到的结果非常接近，但是几种拟合优度的结果有一定的差异，这说明需要寻求一种更具一般性的拟合优度方法和模型选择的方法。　　 （4）在国际金融危机的背景下，研究了基于极值Copula的投资组合集成风险度量方法，应用极值的阈值与峰值模型来度量单个资产的风险价值，用两种不同的方法度量了基于Copula函数的沪深指数风险的相关结构，比较了不同Copula函数下基于沪深指数的二元投资组合集成风险值，结果说明：T Copula函数对沪深指数收益率的相关结构拟合较好，阈值模型的极值Copula能较好的度量投资组合的集成风险值，在高置信度下（0.99以上），基于Gumble Copula函数的上尾（正收益）集成风险值、基于Clayton Copula函数的下尾（负收益）集成风险值与真实值最为接近，峰值法的集成风险值误差较大，同时改进了已有的阈值确定方法。　　 （5）研究了不同类型风险的集成方法，以证券市场为例，集成了上证9股票的市场风险和流动性风险，实证结果表明：基于集成方法的总风险要比直接加总的方法得到的总风险要小，但是要高于假设两种风险服从二元态分布的情况，并以此方法为基础，提出了解决巴塞尔新资本协议.商业银行风险集成方法，为商业银行的集成风险提供思路和借鉴。　　 （6）指出了Copula函数的两个发展方向，多元Copula函数和时变Copula函数，多元Copula函数在风险管理应用中虽然理论上可行，但是由于边缘分布、参数估计、拟合优度等诸多原因，在度量多元分布的相关性的实际应用方面存在一定的局限性，本文基于条件分布的原理，通过Pair-Copula的简单模块来对多元数据建模，将多元Copula分解为若干个Pair-Copula的乘积，分析了其不同分解结构下的参数估计和模型选择的方法，实证表明：基于Pair-Copula的方法在度量风险相关性方面有更好的拟合优度，以此构建了基于Pair-Copula的商业银行集成风险值模型。　　 论文的主要创新点：　　 （1）创新点一：给出了风险度量在Laplace分布、混合正态分布、T分布等具有厚尾特征分布下的表达式。由于重尾分布能更好地拟合收益率的时间序列数据，故给出这种风险度量在重尾分布下的性质无疑具有一定的理论和现实意义。同时推导了这种风险度量与相关参数的内在联系1。　　 本文研究了一种基于目标收益的新的风险度量方法，但是已有研究仅仅给出这种风险度量在对称分布下的若干性质，因而缺乏实际指导意义，鉴于实际金融数据的尖峰厚尾特征，本支给出了这种风险度量在重尾分布下的表达式，推导这种风险度量与相关参数的内在关系，并解释了其对应的经济意义。　　 （2）创新点二：建立了基于极值Copula的投资组合的集成风险度量模型，归纳了不同种类风险相关性的度量方法和模型选择方法，同时改进了阈值的选择方法，给出了一种选择最优Copula函数的方法2，指出了不同类型的Copula函数的适用范围。集成了投资组合和不同类型的风险。　　 归纳了不同种类风险相关性的度量方法和模型选择方法（主要是通过拟合优度的方法），应用极值的阈值与峰值模型来度量单个资产的风险价值，用两种不同的方法度量了基于Copula函数的沪深指数收益率的相关结构，改进了已有的阈值选择方法，而且比较了不同Copula函数下基于沪深指数的二元投资组合集成风险值，结果说明：T Copula函数对沪深指数收益率的相关结构拟合较好，阈值模型的极值Copula能较好的度量投资组合的集成风险值，在高置信度下（0.99以上），基于Gumble Copula函数的上尾（正收益）集成风险值、基于Clayton Copula函数的下尾（负收益）集成风险值与真实值最为接近。在目前的样本容量下，峰值法的集成风险值误差较大。　　 （3）创新点三：改进了基于Pair-Copula的多元Copula分解模型，提出基于Pair-Copula模型的集成风险度量方法，为多元Copula在集成风险管理中的应用提供一种新的思路，为巴塞尔新资本协议中的商业银行集成风险提供思路和借鉴。　　 本文改进了一种称之为Pair-Copula的模型转化方法，这种方法基于条件分布的原理，将多元Copula通过条件分布分解为一系列二元Copula的乘积，基于严格的相等而并非近似，由于Copula的性质、特征、使用范围我们已经非常清楚，所以可以通过解决二元Copula的应用来解决多元Copula的应用问题，通过实证表明基于Pair-Copula的方法对相关结构的度量较直接应用多元Copula方法更为精确，并在此基础上构建了基于Pair-Copula模型的商业银行集成风险度量方法，为商业银行的集成风险提供思路和借鉴。