（南京大学商学院）
【摘要】本文提出了流动性风险度量的一个新的方法，流动性调整的CAViaR模型。该模型能够直接反映资产流动性的变动对未来风险的影响，并在此基础上计算资产未来经过流动性调整的风险VaR，从而使投资者能够更好的管理风险，尤其是流动性风险。实证研究表明该模型能够较好地刻画中国股市流动性风险的动态变化特征；并且发现股票流动性的大幅下降通常导致未来风险明显加大，且正向流动性下降所带来的风险往往较负向流动性要更大，因此更值得投资者关注。
关键词 流动性 风险度量 VaR 条件自回归 分位数回归
中图分类号 F830.91 文献标识码 A
A New Method of Risk Measurement
Based on Liquidity Adjusted CAViaR Models
Abstract: The measurement and management of the liquidity risk， which is one of the major risks faced by investors， has always been one of the most difficult problems in both academia and practice. In this paper， we propose a new risk measurement method， called liquidity adjusted CAViaR models， to help investors manage future risks better， especially liquidity risk. This method can directly reflect the impacts of liquidity changes on the future risks， and the future liquidity adjusted VaR can be calculated simultanuously. Empirical studies suggest that this model can characterize the behavior of dynamic changes of liquidity risks in Chinese stock market， and conclude that a substantial decline of stock liquidity may lead to a significant increase of future risks. The positive liquidity may have a more significant effect than that of negative liquidity， thus it is more worthy of attentions from investors.
Key words: Liquidity; Risk Measurement; VaR; Conditional Autoregression; Regression Quantile
引 言
起源于美国的次贷危机于2007年8月开始席卷全球，不仅重创了全球金融市场，而且逐渐波及实体经济，其影响至今仍未结束。在此次金融危机中，流动性风险扮演了重要的角色，成为危机爆发和迅速蔓延的重要推手之一。虽然现有的风险管理技术与方法在不断成熟，但此次金融危机的爆发仍凸显了现有风险管理的不足，特别是针对流动性风险的管理更是缺乏一个有效的方法。因此，如何更好地度量资产的流动性及其引起的流动性风险，已成为当下金融投资者和管理者迫切需要解决的重要问题之一，而这正是本文的出发点所在。
流动性本身是一个令人难以琢磨的概念，市场微观理论通常将资产的市场流动性定义为：在对资产价格影响很小的前提下迅速进行大规模交易的能力；也就是说，一个市场的流动性主要表现在以下三个方面：第一，交易是否能够即时完成；第二，交易成本的大小；第三，大量交易对价格的影响程度。一个流动性好的市场，通常被认为是即使是很大规模的交易，也能够在市场上即时完成，且不会对价格造成显著影响。流动性的度量则主要从上述三个方面（交易即时性、交易成本和交易影响）来考虑，由此衍生出一系列流动性度量的静态指标（反映市场宽度、深度和即时性）和动态指标（反映市场影响力和弹性），主要包括：价差指标（Harris， 1990；Amihud和Mendelson， 1988；Hasbrohck和Seppi， 2000）、Kyle市场深度模型（Kyle， 1985），Hui-Heubel流动性指标（Hui和Heubel， 1984），Amivest流动性比率（Dubofsy和Groth， 1984），Amihud流动性比率（Amihud， 2002）等。上述指标或模型均反映了流动性内涵的不同侧面，但遗憾的是：到目前为止，并没有一个学术界一致认同的流动性度量指标或模型。
流动性风险是指由于市场缺乏流动性，导致交易成本上升和交易难度增加，从而给投资者带来损失的风险。流动性风险作为投资者面临的主要风险之一，其度量与管理已成为学术界和实务界共同关注的焦点。在众多的风险度量和管理方法中，VaR（Value at Risk）方法最为引人注目，最近十多年已成为许多银行和金融机构衡量市场风险的一种标准工具。计算VaR的方法有很多，Manganelli和Engle（2001）将广为使用的VaR计算方法从参数角度分为三类：第一，参数法（如Risk Metric方法）；第二，非参数方法（如历史模拟法和Mento Carlo模拟法）；第三，半参数方法（如极值理论）。上述每类方法虽然都强调了计算VaR的某些方面，但都有特定的假设条件和适用范围，见Jorion（1997）、Manganelli和Engle（2001）。到目前为止，还很难说一种方法在任何条件下都优于其他方法。这些方法的共同点都是设法通过某种途径求得未来收益或损失的分布，从而计算分位数来间接地获得VaR。不同于上述间接方法，Engle和Manganelli（2004）创造性地直接对VaR进行自回归建模，提出了CAViaR（Conditional Autoregressive Value at Risk）模型用于直接计算VaR；并且认为对于厚尾数据，该方法要优于以往的间接方法。此外，为了解决VaR度量的“一致性（Coherence）”问题（Artzner等，1999），学者们提出了条件VaR（Conditional VaR， CVaR）度量方法，又称为期损（Expected Shortfall）模型，并证明了其诸多优良性质，参见Acerbi和Tasche（2002）、Rockafellar和Uryasev（2001）等。
由于流动性风险通常与许多其他风险，比如市场风险、信用风险等相互联系、相互影响，因此单独度量流动性风险变得十分困难，且缺乏实际意义。一种较为合理的做法是：把流动性风险纳入一个统一的风险框架下，并在此框架下计算经过流动性调整的总风险大小。Bangia等（1998）最先对流动性调整的VaR进行了研究，他们在收益率服从正态分布的假设下，利用买卖价差定义了一个流动性成本，并将此流动性成本直接添加到传统的VaR值上，得到了流动性调整的VaR；Cosandey（2001）、Angelidis和Benos（2006）通过不同方式构建交易量对价格的冲击函数，并在此基础上利用冲击后的价格计算资产的VaR；类似思想的文献还有很多，不一一介绍。上述流动性风险的测度均是考虑即期、少量交易的情形，而对于在较长的清算期下交易大量资产的情形，一般就需要考虑利用最优交易策略来计算流动性调整的VaR了。其主要思路是：首先设定清算行为对价格的冲击形式，在此基础上确定最优的交易策略使得清算成本最小化或效用最大化，最后在最优交易策略下计算资产价格及风险VaR。此类方法的相关文献主要有Hisata和Yamai（2000），Subramaniam和Jarrow（2001），Engle和Ferstenberg（2007）等。上述方法存在如下诸多缺陷：第一，由于流动性风险与其他风险之间存在相依性，因此，直接添加流动性风险到传统的VaR上将使得风险测度存在叠加部分从而无法准确反映风险的大小；第二，冲击函数形式的设定具有主观性；第三，VaR的计算依赖于资产收益率分布的假设，而这一假设通常具有主观性。本文试图克服上述缺陷，借鉴Engle和Manganelli（2004）的思想，绕过收益率分布和冲击函数的假设，直接将流动性作为未来风险VaR的影响因子引入到CAViaR模型中，构建流动性调整的CAViaR模型，并由此计算经过流动性调整的VaR。该模型能够直接反映流动性变化对未来风险的影响情况，成功地将流动性风险纳入VaR的计算中，从而为投资者提供了一个流动性风险管理的有效途径。