近年来中国金融市场波动加剧，系统性风险问题凸显，亟需立足中国金融实情，准确衡量金融系统性风险。本文基于广义自回归得分模型（GAS）和 BE—MES 模型，构建了包括旋转 Copula 和其本身的时变混 Copula 模型—DMC-MES 模型，并将其用于度量 2012 年至 2018 年沪深 300 成分股中不同行业的边际期望损失（MES），力求对系统性风险有更好把握。研究结果发现：（1）该模型可以很好捕获非线性相依关系，将非线性相依结构清晰分为上下尾相依结构；（2）除部分金融机构外，其他机构的左尾相依性要大于右尾；（3）各个机构的风险贡献很大程度上取决于活动领域，相同部门机构的 MES 相近；（4）与国外研究相反，国内银行机构的风险贡献度最小，风险贡献度最大的行业为券商和房地产行业；（5）金融类机构在市场下跌期的波动性小于其他行业，并发现在2015年股灾发生前这类机构的 MES 值就已开始下降。

学界关于指数效应研究一直争论不断，尤其我国沪深 300 指数，文献中结论几乎完全相反，本文表明这些结论差异可能源自传统回归方法的缺陷。针对 Beneish 和 Whaley（1996）称作“标普游戏”（套利）的指数效应，本文利用断点回归实验，验证了沪深 300 指数效应，并通过双重差分（DID）和异常收益率分布检验验证实验结果稳健性。沪深 300 指数成分每年按照市值排名高低调入调出指数，提供难得自然实验环境。排名断点的处置效应显著，调入股票相对其对照组（未调入指数的股票）出现了大约 15%的正异常收益率，调出股票宣告日前相对于其对照组（保留在指数的股票）产生大约 10%的超幅下跌，并在宣告日后第 6 天发生反转回复到宣告前水平，但是显著性不足，说明我国沪深 300 指数效应不具有对称性。

本文提出了一种新的马尔可夫机制转换 EGARCH模型（MRS-EGARCH），与传统的 波动率建模方法不同的是，我们在 MRS-EGARCH 中分别假定了收益残差序列可以服从高 斯、学生 t 以及广义误差分布，并进一步允许其分布的自由度与所处机制（Regime）有关， 以便刻画金融收益可能随时间变化的峰度（厚尾）特征。以能反映我国 A 股市场整体走势 的沪深 300指数为例，本文对比了 MRS-EGARCH模型和单机制 EGARCH模型的样本内和 样本外波动率预测结果。主要实证结果显示：沪深 300 指数确实存在不同的波动强弱机制区 间，而我们提出的 MRS-EGARCH 模型能够清晰区分出隐藏在收益序列中的不同机制。同 时，无论从样本内还是样本外的波动率预测结果来看，设定收益残差序列服从厚尾分布的 MRS-EGARCH都是预测精度更好的波动率模型。