本文基于2007—2022年中国上市能源相关企业面板数据（46,424个企业—年度观测值），研究极端气候与政策冲击背景下ESG风险暴露对企业能源系统韧性的影响及其动态传导机制。本文构建阶段敏感的离散风险状态表示方法，把《易经》中“变易—不易”的结构思想转化为可操作的计量框架，将企业风险映射为六个生命周期阶段下的64种状态结构，并在企业与年份固定效应框架下识别风险效应的阶段异质性。结果表明，原煤依赖度显著降低绿色转型指数（韧性指标），天然气依赖度显著提高韧性；标准煤当量能源强度在煤炭暴露与韧性之间发挥重要中介作用，占总效应的62.3%。进一步构建马尔可夫状态转移模型，发现极端事件显著改变高风险状态向低韧性状态的转移概率。结合LSTM-注意力机制生成预警概率，在最优阈值下样本外预测准确率为78.6%，稳健性检验结果一致。基于预警概率构建阶段相关的对冲规则，结果显示其在后期阶段显著降低风险暴露并提高风险调整后收益。本文为能源企业转型期风险管理与政策干预提供了可操作的识别框架与决策依据。

鉴于目前现代风险测度未考虑极端事件,本文借助极值理论对中国股市收益的GEV分布和GP分布进行了估计和拟合,并对不同置信水平下的VaR进行估计和检验。实证研究表明,GEV分布和GP分布均能对上证指数和深圳成指日收益序列做出较好的拟合,两种收益序列均具有显著的尖峰厚尾分布特征,而且右尾均比左尾更厚,基于GEV分布和GP分布的VaR测度均比正态分布更优,而且GP分布比GEV分布更优。

本文对VaR的理论与计算模型进行了系统地介绍，并结合中国证券市场的数据进行了深度分析。针对其中具有代表性的Risk Metrics方法、ARCH类模型、混合正态以及广义误差分布中涉及到的有关参数进行估计，提出了适合中国证券市场的主要参数。具体结果如下： 1． 结合中国证券市场主要指数估计了Risk Metrics模型中的最优衰减因子，结果如下表： 最优衰减因子 上海综指 0.944 上证A指 0.942 深圳成份 0.920 深圳成A 0.917 均 值 0.93075 2． 就混合正态模型而言利用中国证券市场主要指数的标准化收益率估计出两个正态分布的参数值与概率值，结果如下表： 正态一 正态二 P值 均值1 标准差1 均值2 标准差2 上证综指 0.107349 0.711383 -0.214843 1.843125 0.775636 上证A指 0.107312 0.714149 -0.229415 1.864664 0.782019 深圳成份 0.044483 0.822448 -0.144945 2.196894 0.860187 深圳成A 0.057668 0.759801 -0.153388 1.795529 0.774296 3． 结合中国证券市场四个主要指数的标准化收益率提出了广义误差分布模型的参数v值，结果如下：上海综合的v=1.14； 深圳成份的v=1.19；上海A指的v=1.13；成份A指的v=1.24。但与其他发展中国家证券市场的v值相比，我国的证券市场稳定性较好，极端事件出现的概率相对较少。 4． 将AIC准则尝试性地应用到ARCH类模型的定阶中来，并取得了较好的效果；