论文部分内容阅读
摘 要：在VaR（Value at Risk）模型基础上，融入了内生流动性风险和外生流动性风险，建立了一个较新的综合度量市场风险和流动性风险的LaVaRen（liquidity adjusted VaR endogenous）模型。最后利用一个中等规模的开放式基金投资组合进行实证研究。对于机构投资者特别是开放式基金，考虑内生流动性风险的综合风险度量模型准确性更高。
关键词：投资组合 流动性风险 市场风险值 流动性调整风险值
中图分类号：F830.59 文献标识码：A
文章编号：1004-4914（2008）11-032-02
随着计算技术的飞速发展和金融理论的不断创新，现代投资组合的风险管理越来越表现为定量化和模型化。国际风险管理者不仅充分运用金融衍生品进行风险管理的创新，而且建立了很多用来识别和度量风险的模型，并积极地将这些模型程序化、软件化，以有利于在实践中应用和推广。风险管理的一个重要途径就是通过多种量化技术来识别风险因子，根据风险因子的波动来计算投资组合未来的风险值，最后利用各种方法和手段对风险值加以管理，进而控制投资组合的风险。
我国股票市场是一个新兴的金融市场，近十多年来上市股票数量不断增加，交易规模也迅速扩张，但我国的金融市场却很不完善，缺乏有效的风险控制工具，其发展历程也很不平稳，市场多次大起大落，使投资者面临着很大的市场风险。此外，相对于成熟市场和许多其他新兴市场，我国股票市场特别是A股市场虽有较高的换手率但很不稳定，随时间波动性较大，随大势现象严重。股市人气旺的时候大多数股票都有良好的流动性，但大势交易清淡的时候整个市场都表现为流动性不足。从衡量流动性风险的买卖价差角度来看，我国股票市场的买卖价差虽然表面上看相对成熟市场而言较小、流动性较好，但报价深度却远小于成熟市场，这就意味着进行大规模头寸交易将会对价格产生较大影响，变现成本较大，这对机构投资者影响更为明显。以上现象说明，流动性风险是我国股票所面临风险的一个重要组成部分。对于主要投资于股票市场的投资组合而言，信用风险和操作风险影响较小，其面临的风险主要是市场风险和流动性风险。
一、研究回顾
在欧美等成熟的金融市场，机构投资者特别是投资基金把投资组合的风险管理视为其核心竞争力。经过近40年的发展，国外投资组合风险管理的理论和方法已比较完善，其主要包括以下三种思路，①一是Markowitz资产组合理论框架下的投资组合风险管理；二是建立在Black-Scholes模型上的通过衍生工具进行风险管理的理论及方法；三是J.P.Morgan针对市场风险计量技术的不足而提出的VaR方法，以及以VaR方法为基础的其他拓展模型。本文对投资组合风险度量研究采用的方法以VaR模型为基础。
VaR的一般定义为：②设XT（W）I表示投资一定数额的资产W后在某一时期[0,T]内的损失额（也称负收益），p是一个给定的概率，称满足方程：
P{XT（W）＞θ}=p（1）
θ=θ(T,W,p)為该资产（组合）在持有期[0,T]内置信度为1-p的VaR（风险值），记为VaR(T,W,p)。由此可见，VaR反映了给定置信度下一定持有期内资产的最大预期损失。
20世纪90年代以来，尤其是1998年长期资本管理公司（LTCM）的破产，使得流动性风险在风险管理中的重要性越来越被众多监管机构和机构投资者认同。国际清算银行等权威金融机构也已经意识到对流动性风险加以研究的重要性，并开始制定将市场风险和流动性风险进行合成的管理方法。
文献③把流动性分为外生的和内生的两个部分。外生流动性是由市场决定的，这对每个市场参与者都相同，不受个别交易者的行为所影响。外生流动性好的市场，交易量大，买卖价差小且稳定，报价深度水平高。外生流动性差的市场则正好相反，交易量小，买卖价差大，报价深度低。内生流动性与投资者所持有的头寸有关，一般而言，持有的头寸越大，其内生流动性就越差。
到目前为止，将市场风险与流动性风险合成的风险管理方法基本思路是①，在传统的VaR方法基础上，通过不同的方式融合进流动性风险，从而形成新的风险管理框架。按照研究方法的不同可以划分为两大类。
一类方法是基于资产头寸变现期限的市场风险和流动性风险合成的管理。这类方法都是将研究的重点集中于对能够将资产头寸变现的期限，即资产出清的时间进行研究。这类方法将资产的流动性风险转化为市场风险进行度量。
文献{4}针对变现时间构造了一个反映流动性的指标，即变现时间T：
上式中，变现时间T等于日均换手率（to）的倒数、持仓量（F）和流通市值（PF）倒数的乘积，其中换手率的倒数反映了一只股票在外流通的所有股份全部换手一次所需要的平均时间，而持仓量（以价值表示）和流通市值的商反映了需要变现的股票占所有流通股份的比例，这两者的乘积可以看成是变现所持有的股票需要的平均时间，即变现时间。
另一类方法是基于买卖价差的市场风险和流动性风险合成的管理。这类方法将研究的重点放在交易的日内数据买卖价差（bid-ask spreads）上，其主要有BDSS（Bangia,Diebold,Schuermann和Stroughair）提出的模型③，BDSS模型将买卖价差所反映的流动性风险直接纳入到传统的VaR计算公式中。将纳入买卖价差影响的VaR记为LaVaR(liquidity adjusted VaR)，即：
在LaVaR模型中，第一项是关于资产组合收益率的VaR,σ1是资产组合收益率分布标准差，α1是资产组合收益率分布的分位数；第二项是对加入的流动性风险的衡量，S代表相对买卖价差的平均值，相对买卖价差的表达式为：(卖价-买价)/平均市场价，σ2是相对买卖价差分布的标准差，α2是相对买卖价差分布的分位数。
上式是建立在资产组合的分布服从正态分布的条件下，但实际金融市场却具有“尖峰、厚尾”的特性，为了反映这种情况，Bangia等在上式中引入反映资产组合收益峰度的量θ，将上式调整为：
式中，θ=1+ψln(k/3)，k是资产组合收益分布的峰度，ψ是与概率值相关的常数。对于99%的置信度，ψ=0.4。
二、构建LaVaRen模型
流动性是证券的一个重要特性。市场流动性是指能够以较低的交易成本即时完成一定数量指令，同时对市场价格影响较小或者价格有大的波动之后能够及时回复到原来水平的市场交易能力。一般从以下四个方面对流动性风险进行衡量⑤：（1）宽度（width），是从价格方面入手，最常见的是买卖价差，即当买卖价差足够小时，市场具有宽度，否则缺乏宽度。（2）深度（depth），是从数量方面入手，反映某一价格水平可交易的数量。深度指标可以衡量市场的价格稳定程度，即在深度较大的市场，一定数量的交易对价格的冲击较小。（3）速度（immediacy），是从交易的即时性上入手。即投资者若决定买卖证券，可以立刻得到满足。（4）弹性（resiliency），是从稳定性上入手。弹性较好的市场，较大数量的交易可在较短时间得到执行，造成的价格较大变化能够立刻返回到均衡水平。
我国股票市场是指令驱动的交易机制，一般情况下都可以在适当的价位使买卖证券成交，从而“速度”无法有效度量我国股市的流动性风险。“弹性”主要借助交易的数量和价格的变化来度量买卖证券对市场稳定性的影响。对上述四个衡量角度进行归纳，本文认为通过价格和数量两个角度能够比较完善地度量流动性风险。
对于内生流动性风险，借鉴文献④的思想，在其变现时间T的定义中，用W表示日交易量，则to=W/PF,变现时间T可变换为:
该式将变现时间T表示为持仓量F与日交易量W的比值，具有比较明确的经济涵义，即持仓量被市场平稳吸纳所需要的平均时间，比较直观地描述了对内生流动性风险的衡量。此处以日交易量W来反映市场吸纳持仓量的能力，变现时间T能较好地表征内生流动性风险。
对于外生流动性风险，常见的指标主要有：成交量、流通市值、换手率、日内数据的买卖价差、每笔成交股数等。上述内生流动性风险的度量考虑了日成交量的影响，但这还不能充分描述外生流动性风险的影响。在BDSS模型中，是用相对买卖价差来表征流动性风险的，但由于日内买卖价差数据难以获得，而且日内数据对投资基金等机构投资者的流动性风险管理意义不大，因此，本文选用每日价格波动幅度来度量投资组合的外生流动性风险：
假设以一个交易日为一个计算周期，PH、PL、PC分别为交易日内股票的最高价、最低价和收盘价，此指标从价格角度全面度量了证券全天内的外生流动性风险状况。
文献①经过实证比较，认为经换手率调整后的V是较好的流动性度量指标，但本文对内生流动性风险度量的变现时间T中已内含了换手率的影响，因此，本文在外生流动性风险的度量中就不再考虑换手率。
在LaVaR模型中，考虑了外生流动性风险，但却没有对内生流动性风险进行分析。本文在LaVaR模型的基础上，用新的流动性指标V做替换，并通过变现时间T引入内生流动性风险的度量，得到修正的包含内生流动性风险和外生流动性风险的综合风险度量模型，记为：LaVaRen：
其中V由（6）式确定。
三、实证分析
本文随机选取一个偏股型的中等规模开放式基金——易方达积极成长基金⑥进行实证研究，因为我国的开放式基金发展历史相对较短，每个季度公布一次投资组合情况，并且只公布前十名股票的详细情况，投资组合在季度内的变动情况也无法得知，就只能根据这些股票样本信息进行分析。本文以易方达积极成长基金在2007年底的投资组合作为具体研究对象。
截取投资组合内各股票自2007年3月23日到2008年4月18日共262组行情数据作为研究样本。因股票“特变电工”在研究期内长期停盘，予以剔除。以下对其余9种股票构成的投资组合进行分析，各股票所占比例做相应的调整。
数据来源：日内收盘价PC、日内最高价PH、日内最低价PL、日内交易量W、每日流通股数均来自大智慧行情软件。考虑到红利分配、增发股、配股等因素的影响，本文对数据均进行了向前复权处理，并对期间少数的缺失数据通过线性插值进行补足。
经计算，投资组合收益率分布的峰度和偏度分别为2.9536、-0.269，比较接近正态分布的情况，用收益率正態分布假设计算投资组合VaR的稳健性在一定程度上得到满足，从而可将峰度调整值θ视为1。投资组合收益率极端变化与外生流动性指标V极端变化的相关系数为ρ（r,V）=0.9307，非常接近1，相关性很强，这说明使用LaVaR模型的条件得到满足。
使用Matlab软件计算了模型的相关数值，所有VaR计算都选用90%的置信度，其中VaR不含流动性风险，LaVaR仅含外生流动性风险，LaVaRen含内、外生流动性风险。
在实际损失的计量中，由于要考虑内生流动性风险的影响，本文对实际损失值的计量是通过对市场波动引起的损失加上一个扩张系数而得，具体计算方法是：
由Matlab计算结果得知，研究期内传统VaR被刺穿47次，仅含外生流动性风险的LaVaR被刺穿16次，含内、外生流动性风险的LaVaRen被刺穿20次。
在文献⑦的基于失效率的模型验证部分，Kupiec确定了95%非拒绝试验置信区间。其中，当VaR置信水平为90%，T为255天时，非拒绝区间为（16,36）。上面的实证中T为262天，非拒绝区间相应调整为[17,36]。
VaR过多次被实际损失额所刺穿，说明不包含流动性风险的VaR模型不能规避投资组合较大的波动，流动性风险是投资组合不可忽略的重要风险。由式（4）知，仅含外生流动性风险的LaVaR实际上默认变现时间为1天，当实际变现时间小于1天，则LaVaR高估风险；当实际变现时间大于1天，则LaVaR低估风险。在本实证的投资组合中，大多情况下变现时间小于1天，经计算LaVaR均值为3.84（亿元），LaVaRen均值为3.66（亿元），总体上LaVaRen小于LaVaR，而且LaVaR有16次被刺穿，小于非拒绝区间的下限17，也印证LaVaR高估了风险。LaVaRen的刺穿次数在非拒绝区间之内，其比较准确地度量了投资组合的综合风险。
四、结论
投资组合面临着各种各样的风险，对于主要投资于股票市场的投资组合，市场风险和流动性风险是其面临的两大主要风险，单纯考虑市场风险而忽略流动性风险，将严重低估投资组合所面临的真实风险。本文在建立反映外生流动性风险指标的基础上，通过合并考虑内生流动性风险，从一个新角度建立了综合度量市场风险和内、外生流动性风险的LaVaRen模型。
研究表明：投资组合的收益率分布近似服从正态分布，仅仅考虑市场风险的VaR模型大幅低估了风险，考虑流动性风险的LaVaR模型和LaVaRen模型能较好度量投资组合所面临的综合风险，其中LaVaRen比LaVaR能准确地度量投资组合的内生流动性风险，在综合风险度量上更具有准确性。利用本文所建立的综合风险度量模型，机构投资者可以对投资组合进行风险预算，根据LaVaRen值的变动情况可以对组合的仓位进行动态调整，使投资组合的损失保持在限额之内，进而对投资组合的风险进行更加有效的管理。
最后，本文也存在一些不足之处，比如，可以用其他较复杂的分布来更准确地拟合投资组合收益率的分布情况，对时间序列数据的波动率时变性进行GARCH模型处理等，这些问题将在笔者进一步的研究中予以讨论。
注释：
①胡经生，王荣，丁成.VaR方法及其拓展模型在投资组合风险管理中的应用研究.数量经济技术经济研究，2005（5）
②阎春宁.风险管理学.上海大学出版社，2002
③Anil Bangia, Francis X.Diebold, Til Schuermann, John D. Stroughair： Modeling liquidity risk,with implications for traditional market risk measurement and management.Workingpaper,the Wharton School-Univers
ity Pennsylvania
④宋逢明，谭慧.VaR模型中流动性风险的度量.数量经济技术经济研究，2004（6）
⑤帅晋瑶，陈晓剑.开放式基金流动性指标研究.运筹与管理，2006（6）
⑥易方达积极成长基金详情网址：http://www.efunds.com.cn/viewid=27&fundcode=110005&tab=cominvest&newenddate=2007-12-31
⑦Philippe Jorion： Value at Risk[M]. McGraw-Hill, 2001
（作者简介：侯卜魁，上海大学国际工商与管理学院硕士生，研究方向：金融工程；阎春宁，上海大学房地产学院教授，研究方向：风险管理、质量管理等；鲁娇，上海大学国际工商与管理学院硕士生，研究方向：金融工程 上海 200444）
（责编：若佳）
关键词：投资组合 流动性风险 市场风险值 流动性调整风险值
中图分类号：F830.59 文献标识码：A
文章编号：1004-4914（2008）11-032-02
随着计算技术的飞速发展和金融理论的不断创新，现代投资组合的风险管理越来越表现为定量化和模型化。国际风险管理者不仅充分运用金融衍生品进行风险管理的创新，而且建立了很多用来识别和度量风险的模型，并积极地将这些模型程序化、软件化，以有利于在实践中应用和推广。风险管理的一个重要途径就是通过多种量化技术来识别风险因子，根据风险因子的波动来计算投资组合未来的风险值，最后利用各种方法和手段对风险值加以管理，进而控制投资组合的风险。
我国股票市场是一个新兴的金融市场，近十多年来上市股票数量不断增加，交易规模也迅速扩张，但我国的金融市场却很不完善，缺乏有效的风险控制工具，其发展历程也很不平稳，市场多次大起大落，使投资者面临着很大的市场风险。此外，相对于成熟市场和许多其他新兴市场，我国股票市场特别是A股市场虽有较高的换手率但很不稳定，随时间波动性较大，随大势现象严重。股市人气旺的时候大多数股票都有良好的流动性，但大势交易清淡的时候整个市场都表现为流动性不足。从衡量流动性风险的买卖价差角度来看，我国股票市场的买卖价差虽然表面上看相对成熟市场而言较小、流动性较好，但报价深度却远小于成熟市场，这就意味着进行大规模头寸交易将会对价格产生较大影响，变现成本较大，这对机构投资者影响更为明显。以上现象说明，流动性风险是我国股票所面临风险的一个重要组成部分。对于主要投资于股票市场的投资组合而言，信用风险和操作风险影响较小，其面临的风险主要是市场风险和流动性风险。
一、研究回顾
在欧美等成熟的金融市场，机构投资者特别是投资基金把投资组合的风险管理视为其核心竞争力。经过近40年的发展，国外投资组合风险管理的理论和方法已比较完善，其主要包括以下三种思路，①一是Markowitz资产组合理论框架下的投资组合风险管理；二是建立在Black-Scholes模型上的通过衍生工具进行风险管理的理论及方法；三是J.P.Morgan针对市场风险计量技术的不足而提出的VaR方法，以及以VaR方法为基础的其他拓展模型。本文对投资组合风险度量研究采用的方法以VaR模型为基础。
VaR的一般定义为：②设XT（W）I表示投资一定数额的资产W后在某一时期[0,T]内的损失额（也称负收益），p是一个给定的概率，称满足方程：
P{XT（W）＞θ}=p（1）
θ=θ(T,W,p)為该资产（组合）在持有期[0,T]内置信度为1-p的VaR（风险值），记为VaR(T,W,p)。由此可见，VaR反映了给定置信度下一定持有期内资产的最大预期损失。
20世纪90年代以来，尤其是1998年长期资本管理公司（LTCM）的破产，使得流动性风险在风险管理中的重要性越来越被众多监管机构和机构投资者认同。国际清算银行等权威金融机构也已经意识到对流动性风险加以研究的重要性，并开始制定将市场风险和流动性风险进行合成的管理方法。
文献③把流动性分为外生的和内生的两个部分。外生流动性是由市场决定的，这对每个市场参与者都相同，不受个别交易者的行为所影响。外生流动性好的市场，交易量大，买卖价差小且稳定，报价深度水平高。外生流动性差的市场则正好相反，交易量小，买卖价差大，报价深度低。内生流动性与投资者所持有的头寸有关，一般而言，持有的头寸越大，其内生流动性就越差。
到目前为止，将市场风险与流动性风险合成的风险管理方法基本思路是①，在传统的VaR方法基础上，通过不同的方式融合进流动性风险，从而形成新的风险管理框架。按照研究方法的不同可以划分为两大类。
一类方法是基于资产头寸变现期限的市场风险和流动性风险合成的管理。这类方法都是将研究的重点集中于对能够将资产头寸变现的期限，即资产出清的时间进行研究。这类方法将资产的流动性风险转化为市场风险进行度量。
文献{4}针对变现时间构造了一个反映流动性的指标，即变现时间T：
上式中，变现时间T等于日均换手率（to）的倒数、持仓量（F）和流通市值（PF）倒数的乘积，其中换手率的倒数反映了一只股票在外流通的所有股份全部换手一次所需要的平均时间，而持仓量（以价值表示）和流通市值的商反映了需要变现的股票占所有流通股份的比例，这两者的乘积可以看成是变现所持有的股票需要的平均时间，即变现时间。
另一类方法是基于买卖价差的市场风险和流动性风险合成的管理。这类方法将研究的重点放在交易的日内数据买卖价差（bid-ask spreads）上，其主要有BDSS（Bangia,Diebold,Schuermann和Stroughair）提出的模型③，BDSS模型将买卖价差所反映的流动性风险直接纳入到传统的VaR计算公式中。将纳入买卖价差影响的VaR记为LaVaR(liquidity adjusted VaR)，即：
在LaVaR模型中，第一项是关于资产组合收益率的VaR,σ1是资产组合收益率分布标准差，α1是资产组合收益率分布的分位数；第二项是对加入的流动性风险的衡量，S代表相对买卖价差的平均值，相对买卖价差的表达式为：(卖价-买价)/平均市场价，σ2是相对买卖价差分布的标准差，α2是相对买卖价差分布的分位数。
上式是建立在资产组合的分布服从正态分布的条件下，但实际金融市场却具有“尖峰、厚尾”的特性，为了反映这种情况，Bangia等在上式中引入反映资产组合收益峰度的量θ，将上式调整为：
式中，θ=1+ψln(k/3)，k是资产组合收益分布的峰度，ψ是与概率值相关的常数。对于99%的置信度，ψ=0.4。
二、构建LaVaRen模型
流动性是证券的一个重要特性。市场流动性是指能够以较低的交易成本即时完成一定数量指令，同时对市场价格影响较小或者价格有大的波动之后能够及时回复到原来水平的市场交易能力。一般从以下四个方面对流动性风险进行衡量⑤：（1）宽度（width），是从价格方面入手，最常见的是买卖价差，即当买卖价差足够小时，市场具有宽度，否则缺乏宽度。（2）深度（depth），是从数量方面入手，反映某一价格水平可交易的数量。深度指标可以衡量市场的价格稳定程度，即在深度较大的市场，一定数量的交易对价格的冲击较小。（3）速度（immediacy），是从交易的即时性上入手。即投资者若决定买卖证券，可以立刻得到满足。（4）弹性（resiliency），是从稳定性上入手。弹性较好的市场，较大数量的交易可在较短时间得到执行，造成的价格较大变化能够立刻返回到均衡水平。
我国股票市场是指令驱动的交易机制，一般情况下都可以在适当的价位使买卖证券成交，从而“速度”无法有效度量我国股市的流动性风险。“弹性”主要借助交易的数量和价格的变化来度量买卖证券对市场稳定性的影响。对上述四个衡量角度进行归纳，本文认为通过价格和数量两个角度能够比较完善地度量流动性风险。
对于内生流动性风险，借鉴文献④的思想，在其变现时间T的定义中，用W表示日交易量，则to=W/PF,变现时间T可变换为:
该式将变现时间T表示为持仓量F与日交易量W的比值，具有比较明确的经济涵义，即持仓量被市场平稳吸纳所需要的平均时间，比较直观地描述了对内生流动性风险的衡量。此处以日交易量W来反映市场吸纳持仓量的能力，变现时间T能较好地表征内生流动性风险。
对于外生流动性风险，常见的指标主要有：成交量、流通市值、换手率、日内数据的买卖价差、每笔成交股数等。上述内生流动性风险的度量考虑了日成交量的影响，但这还不能充分描述外生流动性风险的影响。在BDSS模型中，是用相对买卖价差来表征流动性风险的，但由于日内买卖价差数据难以获得，而且日内数据对投资基金等机构投资者的流动性风险管理意义不大，因此，本文选用每日价格波动幅度来度量投资组合的外生流动性风险：
假设以一个交易日为一个计算周期，PH、PL、PC分别为交易日内股票的最高价、最低价和收盘价，此指标从价格角度全面度量了证券全天内的外生流动性风险状况。
文献①经过实证比较，认为经换手率调整后的V是较好的流动性度量指标，但本文对内生流动性风险度量的变现时间T中已内含了换手率的影响，因此，本文在外生流动性风险的度量中就不再考虑换手率。
在LaVaR模型中，考虑了外生流动性风险，但却没有对内生流动性风险进行分析。本文在LaVaR模型的基础上，用新的流动性指标V做替换，并通过变现时间T引入内生流动性风险的度量，得到修正的包含内生流动性风险和外生流动性风险的综合风险度量模型，记为：LaVaRen：
其中V由（6）式确定。
三、实证分析
本文随机选取一个偏股型的中等规模开放式基金——易方达积极成长基金⑥进行实证研究，因为我国的开放式基金发展历史相对较短，每个季度公布一次投资组合情况，并且只公布前十名股票的详细情况，投资组合在季度内的变动情况也无法得知，就只能根据这些股票样本信息进行分析。本文以易方达积极成长基金在2007年底的投资组合作为具体研究对象。
截取投资组合内各股票自2007年3月23日到2008年4月18日共262组行情数据作为研究样本。因股票“特变电工”在研究期内长期停盘，予以剔除。以下对其余9种股票构成的投资组合进行分析，各股票所占比例做相应的调整。
数据来源：日内收盘价PC、日内最高价PH、日内最低价PL、日内交易量W、每日流通股数均来自大智慧行情软件。考虑到红利分配、增发股、配股等因素的影响，本文对数据均进行了向前复权处理，并对期间少数的缺失数据通过线性插值进行补足。
经计算，投资组合收益率分布的峰度和偏度分别为2.9536、-0.269，比较接近正态分布的情况，用收益率正態分布假设计算投资组合VaR的稳健性在一定程度上得到满足，从而可将峰度调整值θ视为1。投资组合收益率极端变化与外生流动性指标V极端变化的相关系数为ρ（r,V）=0.9307，非常接近1，相关性很强，这说明使用LaVaR模型的条件得到满足。
使用Matlab软件计算了模型的相关数值，所有VaR计算都选用90%的置信度，其中VaR不含流动性风险，LaVaR仅含外生流动性风险，LaVaRen含内、外生流动性风险。
在实际损失的计量中，由于要考虑内生流动性风险的影响，本文对实际损失值的计量是通过对市场波动引起的损失加上一个扩张系数而得，具体计算方法是：
由Matlab计算结果得知，研究期内传统VaR被刺穿47次，仅含外生流动性风险的LaVaR被刺穿16次，含内、外生流动性风险的LaVaRen被刺穿20次。
在文献⑦的基于失效率的模型验证部分，Kupiec确定了95%非拒绝试验置信区间。其中，当VaR置信水平为90%，T为255天时，非拒绝区间为（16,36）。上面的实证中T为262天，非拒绝区间相应调整为[17,36]。
VaR过多次被实际损失额所刺穿，说明不包含流动性风险的VaR模型不能规避投资组合较大的波动，流动性风险是投资组合不可忽略的重要风险。由式（4）知，仅含外生流动性风险的LaVaR实际上默认变现时间为1天，当实际变现时间小于1天，则LaVaR高估风险；当实际变现时间大于1天，则LaVaR低估风险。在本实证的投资组合中，大多情况下变现时间小于1天，经计算LaVaR均值为3.84（亿元），LaVaRen均值为3.66（亿元），总体上LaVaRen小于LaVaR，而且LaVaR有16次被刺穿，小于非拒绝区间的下限17，也印证LaVaR高估了风险。LaVaRen的刺穿次数在非拒绝区间之内，其比较准确地度量了投资组合的综合风险。
四、结论
投资组合面临着各种各样的风险，对于主要投资于股票市场的投资组合，市场风险和流动性风险是其面临的两大主要风险，单纯考虑市场风险而忽略流动性风险，将严重低估投资组合所面临的真实风险。本文在建立反映外生流动性风险指标的基础上，通过合并考虑内生流动性风险，从一个新角度建立了综合度量市场风险和内、外生流动性风险的LaVaRen模型。
研究表明：投资组合的收益率分布近似服从正态分布，仅仅考虑市场风险的VaR模型大幅低估了风险，考虑流动性风险的LaVaR模型和LaVaRen模型能较好度量投资组合所面临的综合风险，其中LaVaRen比LaVaR能准确地度量投资组合的内生流动性风险，在综合风险度量上更具有准确性。利用本文所建立的综合风险度量模型，机构投资者可以对投资组合进行风险预算，根据LaVaRen值的变动情况可以对组合的仓位进行动态调整，使投资组合的损失保持在限额之内，进而对投资组合的风险进行更加有效的管理。
最后，本文也存在一些不足之处，比如，可以用其他较复杂的分布来更准确地拟合投资组合收益率的分布情况，对时间序列数据的波动率时变性进行GARCH模型处理等，这些问题将在笔者进一步的研究中予以讨论。
注释：
①胡经生，王荣，丁成.VaR方法及其拓展模型在投资组合风险管理中的应用研究.数量经济技术经济研究，2005（5）
②阎春宁.风险管理学.上海大学出版社，2002
③Anil Bangia, Francis X.Diebold, Til Schuermann, John D. Stroughair： Modeling liquidity risk,with implications for traditional market risk measurement and management.Workingpaper,the Wharton School-Univers
ity Pennsylvania
④宋逢明，谭慧.VaR模型中流动性风险的度量.数量经济技术经济研究，2004（6）
⑤帅晋瑶，陈晓剑.开放式基金流动性指标研究.运筹与管理，2006（6）
⑥易方达积极成长基金详情网址：http://www.efunds.com.cn/viewid=27&fundcode=110005&tab=cominvest&newenddate=2007-12-31
⑦Philippe Jorion： Value at Risk[M]. McGraw-Hill, 2001
（作者简介：侯卜魁，上海大学国际工商与管理学院硕士生，研究方向：金融工程；阎春宁，上海大学房地产学院教授，研究方向：风险管理、质量管理等；鲁娇，上海大学国际工商与管理学院硕士生，研究方向：金融工程 上海 200444）
（责编：若佳）