本文研究了在金融供应链模式下，商业银行的信用风险评价机制。通过选取以上 海汽车为核心企业的 89 家关联中小企业数据，运用主成分 logistic 回归方法结合传统银行 信用评价方法建立风险评价组合模型，并比较分析供应链金融模式与传统银行授信模式的中 小企业授信概率之间的差异，为商业银行对中小企业的融资和信用风险评定提供参考。 研究 得出：传统银行授信模式受到财务指标、市场风险、是否关联交易等静态硬性指标的约束， 选择对中小企业实施信贷配给，供应链金融模式下，构建包括交易方式、交易商品的价值、 质物变现能力、交易双方的合作情况等变量， 有效地提升了中小企业的信用等级和交易中的 谈判地位，有利于降低商业银行的信用风险。

本文首次探讨了基于金融供应链模式下，商业银行的信用风险评价机制。通过选取以上海汽车为核心企业的89家关联中小企业数据，运用主成分logistic回归方法结合传统银行信用评价方法建立风险评价组合模型，并比较分析供应链金融模式与传统银行授信模式的中小企业授信概率之间的差异，为商业银行对中小企业的融资和信用风险评定提供参考。研究得出：传统银行授信模式受到财务指标、市场风险、是否关联交易等静态硬性指标的约束，选择对中小企业实施信贷配给，供应链金融模式下，构建包括交易方式、交易商品的价值、质物变现能力、交易双方的合作情况等变量，有效地提升了中小企业的信用等级和交易中的谈判地位，有利于降低商业银行的信用风险

由于下偏矩测度方法具有明显优于最小方差风险度量方法的特征，因此是更为合理的套期保值效率测度准则。本文针对已有的计算最小下偏矩套期保值比率的非参数方法与参数方法存在的局限性问题，提出使用时变Copula函数来估计现货与期货收益率的联合密度函数，然后通过数值方法计算最小下偏矩套期保值比率的新方法。并且运用上海期货交易所交易的铜期货合约价格与上海金属网公布的铜现货价格数据进行实证检验，发现使用具有随时间变化的相关系数的Copula函数，与非参数方法相比，可以得到更小下偏矩的套期保值率。

本文介绍了一种新的金融系统性风险测度方法—金融压力指数法，并在前人研究的基础上结合中国的现实情况构建了能实时显示中国金融系统性风险状态的中国金融压力指数。该压力指数的实证结果显示中国在2008年4-12月处在金融系统性风险较大时期，且2008年10月是2002年以来中国金融系统性风险达到最大的时期。该结果能较好的拟合2002-2009年中国金融的现实状况。因此，该指数将为我国金融系统性风险监测提供有用的工具。

对股票信息风险进行准确的测度无论对资产定价、风险管理还是市场绩效的衡量 都有着重要意义。Easley, Kiefer, O’Hara and Paperman (1996)[1]最早提出了直接测度信息风 险的经典PIN 模型，此后该模型成为测度信息风险的炙手可热的模型。然而，PIN 模型隐含 的买卖指令之间的负相关性与实际数据中买卖指令之间的正相关性并不相符。本文在Easley, Kiefer, O’Hara and Paperman (1996)[1]提出的经典的PIN 模型基础上，通过增加交易动机， 提出了修正的PIN 模型。本文基于中国股票的逐笔交易数据，利用修正的PIN 模型对我国 股票具有的信息风险进行的实证研究表明，修正的PIN 模型隐含的买卖指令之间的相关性 和买卖指令的方差能够更好地与实际数据相匹配。经典的PIN 模型由于忽视了市场指令流 冲击事件发生时引起的交易动机，倾向于高估股票具有的信息风险。

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。

目前比较流行的金融市场风险价值研究一般采用日收益数据，并基于GARCH类模型进行估计和预测。本文利用沪深股指日内高频数据，分别通过ARFIMA模型和CARR模型对实现波动率和较新的实现极差建模，计算风险价值。通过对VaR的似然比和动态分位数等回测检验，实证分析了各种模型的VaR预测能力。结果显示，使用日内高频数据的实现波动率和实现极差模型的预测能力强于采用日数据的各种GARCH类模型。

本文研究了沪深300股指和股指仿真交易收益率极端风险和相依关系。用DCC-GARCH模型描述了股指期货和现货之间动态的条件相关系数，并以极值分布为边际分布对四种常用的Copula函数进行了拟合，发现Frank Copula的拟合效果最好，其次为Clayton Copula。在此基础之上，对不同组合的VaR和CvaR进行测度，发现投资组合比例与风险之间呈现“U”型特征，这也为套期保值提供了一种新的研究方式。

对期货市场最佳套期保值比率的研究可分为两大类：一类是从组合资产收益风险最小化的角度，研究最小风险套期保值比率；另一类是同时考虑组合资产收益和收益方差，从效用最大化的角度研究均值－风险套期保值比率。研究套期保值的模型方法一般运用以下六种: 传统回归模型（OLS）、双变量向量自回归模型（B-VAR）、误差修正套期保值模型（ECHM）、广义自回归条件异方差模型（EC-GARCH）、VaR最小方差套期保值方法（VaR）、基于几何谱风险测度GM的期货套期保值模型（GM）。本文比较了以上六种模型方法各自的优势和缺陷。

以权证市场的10只产品为例，研究探讨了我国权证产品的波动特征以及相应的风险测度VaR模型，同时运用更加严谨和稳健的Kupic LR检验以及动态分位数回归（Dynamic quantile regression）检验法，对各类不同波动模型和收益分布假定下的VaR估计精度进行了深入的后验分析（Backtesting）。主要实证结果显示，能够刻画波动的非对称杠杆效应以及假定新生量服从“有偏学生分布”的VaR测度模型能更好地刻画我国权证市场的风险状况，但并没有发现能够普遍适用于所有权证产品的VaR计算模型存在。