刘明成

(重庆工商大学 a.数学与统计学院；b.经济社会应用统计重庆市重点实验室，重庆 400067)

1963年由Baumol[1]提出的VaR风险度量法对于衡量单个金融风险有很好的效果，但无法对系统性风险的外部性和溢出效应做出测度，2011年Adrian和Brunermeier[2]所提出的条件风险价值CoVaR方法，有助于解决这一问题。CoVaR被称为协同风险法，也称条件风险法，其中的“Co”表示的是金融单位之间所具有的联动、传染和条件三种性质。相比而言，两者的差别主要在于VaR只能够测量机构在危机出现前的风险，而CoVaR能够测量出当危机发生时的风险程度；同时，VaR方法应用的对象是单个机构，而CoVaR不仅能描述系统性风险，还可以描述多个机构之间的风险溢出情况。因此，CoVaR方法具有更为先进的特性。万军等[3]通过CoVaR的方法对利率和股市之间的风险溢出效应进行探究，证明了两者之间的风险存在着相互溢出的现象，学界也基于Engle等对CoVaR的研究以及Bassett等所提出的分位数回归发展出了通过分位数的方法计算CoVaR[4-5]。Girardi等[6]收集了大量金融机构的数据之后，利用Garch-CoVaR模型计算了各组综合风险对系统性风险的贡献度，对比分析了各个机构系统性风险的联系特征。而金融资产之间存在复杂的相依结构，不是简单的线性关系，当极端事件发生时，在正态分布和线性相关的假设之下进行风险测算，得到的结果与实际情况会有较大的偏差。Sklar[7]提出的Copula函数就成了衡量多个金融资产风险之间相依关系的有力工具。张尧庭[8]的研究证实了Copula函数在金融方面运用的可行性，并且对其定义、性质等进行了较为详细的介绍。……