1.2 本书主要目的

随着经济金融全球化和金融自由化进程的加快，金融市场的波动越来越剧烈，各国金融市场表现出较强的联动效应，各类区域性的、全球性的金融危机爆发次数越来越多，金融危机爆发的周期也越来越短。尽管我国尚未发生过金融危机，但各类极端风险事件频频发生，特别是新兴金融由于信息披露制度不完善、监管真空等导致的“跑路事件”更是引发社会各界的高度关注。然而，已有的金融风险管理研究还存在理论假设与真实金融市场环境吻合较差问题，无法准确刻画资产收益分布的尖峰厚尾和波动聚集性等特征，对金融资产间的尾部相依结构和网络关联关系的研究也还处于发展阶段。作为现代经济的核心，金融业的稳定对经济的平稳较快发展具有重大的意义，尤其是我国经济步入新常态的背景下，有效的风险管理将为产业结构的调整提供良好的金融环境。因此，加强金融风险管理领域的研究意义重大。

金融风险的准确度量是风险管理的关键。在对历次的金融危机进行反思时，风险预警系统不能及时发送预警信号是风险管理失灵的主要原因，其根源在于未能准确度量真实的金融风险。现有针对风险测度的研究，从个体金融风险的计量到风险溢出度量再到金融风险的网络化特征已数不胜数，相关计量方法也不胜枚举。但在风险计量方面仍然存在风险度量不精确、难以及时发送风险预警信号等问题。在众多风险模型中，VaR能将多种复杂的风险合成为一个简洁易懂的指标，受到金融机构和监管当局的普遍欢迎。VaR本质上是资产损益分布的分位数，大量计算VaR的研究侧重于对资产损益分布的估计。恩格尔和曼加内利（Engle ＆ Manganelli, 2004）利用分位数回归直接对VaR建模，一方面较好地规避了收益率分布的假设，另一方面也刻画了风险的演化模式。但分位数回归本身存在角点解的难题，导致VaR的计算失真，同时基于分位数回归计算的VaR依然未能克服其不满足风险一致性的缺陷。库恩（Kuan, 2009）使用期望分位数回归得到一种新的风险测度——EVaR。该指标不仅满足风险测度的一致性、可导性和稳健性三大定理，且基于期望分位数回归的方法较好地解决了分位数回归的角点解难题，在计算上更为容易（Ziegel, 2014; Bellini ＆Bignozzi, 2015）。

已有研究表明金融收益分布存在明显波动聚集性和时变特征，如何在风险计量工具中反映这一特征对风险的精准计量至关重要（Koenker ＆Xiao, 2009）。随着机构间的业务关联日益密切和复杂，金融机构间的网络关联关系也对金融风险的计量和防范有重大影响，如何基于已有的公开数据刻画这种网络关联性也值得研究。因此，本书以新近发展的CARE模型为主线，尝试采用基于期望分位数回归方法计算的EVaR作为风险测度的核心指标，通过与GARCH模型、LPA方法和Lasso方法的有机结合，有效刻画了金融风险的波动聚集性、时变性和外部溢出性。其中，关于真实金融市场的资产收益分布的刻画、金融风险演化规律的探讨对金融机构本身的风险建模、风险对冲、风险度量以及投资组合的资产优化配置都有重要的应用价值。

本书为建立健全风险防范机制提供了理论依据，在研究中综合运用统计学、金融工程和计算机科学等学科的知识，这将促进相关学科在金融风险管理领域的应用。本书的研究不仅具有重要的理论意义，也在投资组合优化、经济资本监管和风险预警等方面有着广泛的应用。目前，随着我国多层次资本市场的发展，金融自由化使得市场中各个金融子行业的发展逐渐成熟，相互合作日益密切，金融行业经营模式由分业将向混业转变，不同子行业的经营范围和业务渠道日渐交错，形成了复杂的金融网络。因此，研究金融机构间的风险溢出效应有助于深入了解金融体系系统性风险形成初期在金融体系内的传导机制，从而在风险生成初期对系统性风险进行有效的跟踪与防范。本书将微观审慎监管和宏观审慎监管的风险计量方法纳入统一的框架，从而为实现微观审慎监管和宏观审慎监管的统一奠定了方法论基础。