【文章內容簡介】 三個月的合約與倫敦金屬交易所場內銅03從2000年1月4日到2009年12月31日十年的日收盤價為研究對象，就滬銅國際定價能力及與國際期銅市場在尾部風險的相關性展開了深入的理論與實證研究。本文首先采用向量自回歸與向量誤差修正模型等動態(tài)計量經(jīng)濟模型就匯率改革前后滬銅的國際定價能力狀況進行了實證研究，對實證結果結合實際背景進行了深入的分析。之后，本文用極值理論刻畫了滬銅尾部風險特征，同時，為了深入探討滬銅與倫銅尾部風險的相關模式與相關程度，構建了GPD—Copula模型來進行實證分析，結合期銅市場的實際狀況對實證結果加以分析和總結。最后，本文對全文進行了總結，就有待進一步研究的問題提出了展望，對存在的問題給出了政策建議。 本文采用規(guī)范分析與實證分析相結合、定量分析與定性分析相互補充的原則，使用統(tǒng)計分析工具對滬銅交易日收盤價數(shù)據(jù)進行實證研究。針對滬銅國際定價能力的研究本文采用了向量自回歸模型和向量誤差修正模型；對于極端風險問題，本文以定量的統(tǒng)計分析研究法為主，借鑒國內外有關極值理論的大量研究成果，使用了BLOCK方法下的廣義極值分布（GEV分布）和ＰＯＴ方法下的廣義帕累托分布（GPD分布）；對于尾部風險相關性，本文采用了阿基米德Copula函數(shù)來刻畫；此外在對數(shù)據(jù)的基本統(tǒng)計特征分析中采用了正態(tài)性檢驗，平穩(wěn)性檢驗，kolmogorovSmimov(KS)檢驗等統(tǒng)計分析方法。、。 技術路線 Copula理論文獻綜述相關性文獻綜述極值理論文獻綜述圖 技術路線 Figure Technical Route 章節(jié)安排本文的結構安排如下：第1章為引言。首先是提出問題，繼而闡述了本文的選題意義、研究內容、研究方法和章節(jié)安排；第2章為文獻綜述。就買賣價差形成理論、流動性與流動性風險的相關國內外文獻進行了系統(tǒng)的梳理和評論，從而為后續(xù)章節(jié)提供理論支持；第3章為中國股市流動性及其政策性風險研究。此部分內容首先構建了適合中國股市的流動性指標，然后對中國股市的流動性及其及其政策性風險進行了實證分析；第4章為中國股市流動性風險的系統(tǒng)性特征研究。本章對中國股市的流動性風險的系統(tǒng)性特征進行實證檢驗，從行為金融學角度對系統(tǒng)流動性風險的成因進行了深入的分析；第5章為中國股市流動性風險與市場風險相關性——基于Copula函數(shù)的研究。利用Copula函數(shù)研究了中國股市流動性風險與市場風險的關系，并對流動性風險與股市危機的關系進行了定性分析；第6章為流動性風險的度量——LVaR研究。 全文創(chuàng)新之處及主要不足有助于提高我國證券市場的效率。盡管流動性、透明性、穩(wěn)定性、有效性、公平性、可靠性都是衡量一個市場質量的重要指標，但實際上流動性是決定這個市場是否有效而穩(wěn)定的根本性因素。因為市場流動性會影響市場價格的不確定性，這種不確定性從本質上來說使得市場價格不能反映所有可以獲得的信息，或者使得市場價格暫時偏離市場結清的均衡價格，并最終影響市場效率。而增加流動性，可以降低買賣價差或交易的市場沖擊力，可以及時和全面反映市場信息，使價格和信息具有最優(yōu)的對應關系，從而降低市場價格的不確定性，最終改進市場效率、優(yōu)化資金和風險的配置。有助于不斷完善我國證券市場的微觀結構。流動性是金融市場微觀結構理論研究的核心內容，它與證券市場的價格形成方式與交易機制的選擇都有著密切的聯(lián)系。對怎樣的市場運行機制更有利于證券市場流動性的提高，更有利于發(fā)揮證券市場功能的正確回答，對于完善證券市場微觀結構、更好的發(fā)揮證券市場的作用具有重要的意義。 向量自回歸模型（VAR）的一般表示傳統(tǒng)的聯(lián)立方程組的結構性方法是用經(jīng)濟理論來建立變量之間關系的模型。但是，經(jīng)濟理論通常并不足以對變量之間的動態(tài)聯(lián)系提供一個嚴密的說明。并且，內生變量既可以出現(xiàn)在等式的左端又可以出現(xiàn)在等式的右端使得估計和推斷更加復雜。Sims(1980) 提出了使用模型中的所有當期變量對所有變量的若干滯后變量進行回歸，用于相關時間序列系統(tǒng)的預測和分析隨機擾動對變量系統(tǒng)的動態(tài)影響，這是一種非結構化的多方程模型。它不帶有任何事先約束條件，將每個變量均視為內生變量，避開了結構建模方法中需要對系統(tǒng)中每個內生變量關于所有變量滯后值函數(shù)的建模問題，它突出的一個核心問題是“讓數(shù)據(jù)自己說話”(Gujarati，1997)。 一個含有n個變量滯后k期的VAR(k) 模型的數(shù)學形式是： (21)其中， 為階時間序列向量。為階常數(shù)項列向量。均為階參數(shù)矩陣，是階隨即誤差列向量，其中每一個元素都是非自相關的，但這些元素，即不同方程對應的隨即誤差項之間可能存在相關。因VAR模型中每個方程的右側只含有內生變量的滯后項，他們與是漸進不相關的，所以可以用OLS法一次估計每一個方程，得到的參數(shù)估計量都具有一致性。VAR模型的特點是：（1） 不以嚴格的經(jīng)濟理論為依據(jù)。在建模過程中只需明確兩件事：一是共有哪些變量是相互有關系的，把有關系的變量都包括在VAR模型中，二是確定滯后期k，使模型能反映出變量間相互影響的絕大部分。（2） VAR模型對參數(shù)不施加零約束，參數(shù)估計值不論有無顯著性，都保留在模型中。（3） VAR模型的解釋變量中不包括任何當期變量，所以與聯(lián)立方程模型有關的問題在VAR模型中都不存在。（4） VAR模型的另一個特點是有相當多的參數(shù)需要估計。比如一個VAR模型含有三個變量，最大滯后期,則有個參數(shù)需要估計。當樣本容量較小時，多數(shù)參數(shù)的估計量誤差較大（5） 無約束VAR模型的應用之一是預測。由于在VAR模型中每個方程的右側都不含有當期變量，這種模型用于預測的優(yōu)點是不必對解釋變量在預測期內的取值做任何預測。（VAR）的檢驗 判斷一個變量的變化是否是另一個變量變化的原因，是計量經(jīng)濟學中的常見問題。Granger提出一個判斷因果關系的檢驗——Granger因果檢驗。Granger判斷變量是否是變量變化的原因，是看現(xiàn)在的能在多大程度上是被過去的解釋，在加入的滯后值后，對的解釋程度是否提高。如果與的相關系數(shù)在統(tǒng)計上是顯著的，或者對的預測有所幫助，就可以認為是由Granger引起的。 在一個二元k階的VAR模型中 (22) 當且僅當系數(shù)矩陣中的系數(shù)全部為0時，變量不能Granger引起，等價于變量外生于變量。這時，判斷Granger原因的直接方法是利用檢驗來檢驗下述聯(lián)合檢驗：至少存在一個使得其統(tǒng)計量為： （23）如果大于的臨界值，則拒絕原假設；否則接受原假設：不能Granger引起，其中。是式（）中方程的殘差平方和： （24）是不含的滯后變量，即如下方程的殘差平方和： （25）則有 （27）在滿足高斯分布的假設下，檢驗統(tǒng)計量式（）具有精確的分布。如果回歸模型形式如式（）的VAR模型，一個漸進等價檢驗刻有下式給出： (28)注意，服從自由度為的分布。如果大于的臨界值，則拒絕原假設；否則接受原假設：不能Granger引起。而且Granger因果檢驗的任何一種搞檢驗結果都和滯后長度的選擇有關，并對處理序列非平穩(wěn)的方法選擇結果極其敏感。VAR模型中一個重要的問題就是滯后階數(shù)的確定。在選擇滯后階數(shù)時，一方面想使滯后階數(shù)足夠大，以便能完整反映所構造模型的動態(tài)特征。但是另一方面，滯后階數(shù)越大，需要估計的參數(shù)也就越多，模型的自由度就減少。所以通常進行選擇時，需要綜合考慮，既要有足夠數(shù)目的滯后項，又要有足夠數(shù)目的自由度。事實上，這是VAR模型的一個缺陷，在實際中常常會發(fā)現(xiàn)，將不得不限制滯后項的數(shù)目，使它少于反映模型動態(tài)特征所應有的理想數(shù)目。下面介紹幾種確定滯后階數(shù)的檢驗方法。 確定滯后階數(shù)的LR（似然比）檢驗LR（Likelihood Ratio)檢驗方法，從最大的滯后階數(shù)開始，檢驗原假設：在滯后階數(shù)為時，系數(shù)矩陣中至少有一個元素顯著不為0。（Wald）統(tǒng)計量如下： （28）式中是可選擇的其中一個方程中的參數(shù)個數(shù)：，是外生變量的個數(shù)，是內生變量個數(shù)，和分別表示滯后階數(shù)（）和的VAR模型的殘差協(xié)方差矩陣的估計， （29）式中是維殘差列向量，可以選擇是否做自由度調整，如果不做自由度調整，則式（29）不減。注意，式（28）使用的是Sims（1980）小樣本調整用的（），而不是用T。從最大滯后階數(shù)開始，比較LR統(tǒng)計量和5%水平下的臨界值，當時，拒絕原假設，表示統(tǒng)計量顯著，此時表示增加滯后值能夠顯著增大極大似然的估計值；否則，接受原假設。每次減少一個滯后數(shù)，直到拒絕原假設。 AIC信息準則和SC準則實際研究中，大家比較常用的方法還有AIC（Akaike Information Criterion）信息準則和SC（Schwarz Criterion）信息準則，SC信息準則有時又稱為BIC（Bayes Information Criterion）信息準則，其計算方法可由下式給出： (210) （211）式中在VAR模型(21)中是被估計的參數(shù)的總數(shù)，是內生變量個數(shù)，T是樣本長度，是外生變量的個數(shù)，是滯后階數(shù)。通過假定服從多元正態(tài)（高斯）分布計算對數(shù)似然值： （212）需要注意的是，一些參考文獻通過不同的方法來定義AIC和SC。AIC和SC信息準則要求他們的值越小越好。在利用這些準則建立一個初步的模型后，還必須檢驗它的恰當性，這與單變量模型的診斷性檢驗類似，如分析模型的過度擬合及殘差序列的交叉相關性等。 脈沖響應函數(shù)在實際應用中，由于VAR模型是一種非理論性的模型，它無需對變量作任何先驗性約束，因此在VAR模型時，往往不分析一個變量的變化對另一個變量的影響如何，而是分析當一個誤差項發(fā)生變化，或者說模型受到某種沖擊時對系統(tǒng)的動態(tài)影響，這種分析方法稱為脈沖響應函數(shù)方法（impulse response function, IRF）。本節(jié)簡單介紹脈沖響應函數(shù)的基本思想。用時間序列模型來分析影響關系的一種思路，是考慮擾動項的影響是如何傳播到各變量的。下面先根據(jù)兩變量的VAR（2）模型來說明脈沖響應函數(shù)的基本思想。 （213）式中，是參數(shù)，擾動項，假定是具有下面這樣性質的白噪聲向量：， 對于 （214）， 對于 假定上述系統(tǒng)從0期開開始始活動，且設，又設于第0期給定了擾動項，并且其后均為0，即（），稱此為第0期給以脈沖，下面討論和的響應，時：，將其結果代入式（213），時：，再把此結果代入式（213），時：，繼續(xù)這樣計算下去，設求得結果為:稱為由的脈沖引起的的響應函數(shù)。同樣所求得稱為由的脈沖引起的的響應函數(shù)。當然，第0期的脈沖反過來，從，出發(fā)，可以求出由的脈動沖引起的的響應函數(shù)和的響應函數(shù)。因為以上這樣