时间：2023-08-25 17:09:32
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇股市风险分析，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
一、引言
综合集成研讨厅体系作为复杂性科学界首次提出，并系统阐述的方法论，是我国科学界对于系统科学和复杂性科学的原创性贡献。综合集成研讨厅，就其实质而言，是将专家群体（各种有关的专家）、数据和各种信息与计算机技术有机结合起来，把各种学科的科学理论和人的经验知识结合起来。
这个方法论的成功应用在于发挥该系统的整体优势和综合优势。其核心在于人的心智与机器高性能的取长补短、综合集成。其核心原理是：一方面专家的心智、经验、形象思维能力及由专家群体互相交流、学习而涌现出来的群体智慧在解决复杂问题中起着主导作用。另一方面机器体系的数据存储、分析、计算以及辅助建模、模型测算等功能是对人心智的一种补充，在问题求解中也起着重要作用；知识体系则可以集成不在场的专家以及前人的经验知识、相关的领域知识、有关问题求解的知识等，还可以由这些现有知识经过提炼和演化，形成新的知识，使得研讨厅成为知识的生产和服务体系。
近年来，关于股票市场风险预测模型和理解模拟人类心理行为的博弈技术已经取得长足进展。在对股票市场体系的研究中，也开始引入综合集成研讨厅技术，这种技术的应用标志着金融学中有关经济主体行为的有限理性的关键问题有了一个新的解决途径：可以用人工模拟出主体在认知方面的局限性，并从行为科学的角度，开展主体的经验性研究。它不但强调专家个体以人机结合的方式进行工作，而且要把多个专家组织起来，形成专家群体，通过研讨的方式共同对问题进行研究。针对股票市场的复杂体系，应致力于构建以综合集成为基础的智能工程系统，作为可操作的工作平台。对于不同的复杂问题，则更换平台的有关专家与数据即可处理，以实现该平台的通用性，并最终初步建立一个这样的可操作平台。
二、股市风险体系在综合集成研讨厅研究的可行性
股票市场的风险主要分为系统性风险和非系统性风险两部分。系统性风险是指处于同一市场当中的所有股票共同面临的由整个经济或政治形势的变化所造成的风险；非系统性风险则是指存在于个别股票的由某一个行业或企业自身因素所带来的风险。
系统性风险有两个特点：一是股票价格波动对所有投资者都起作用；二是投资者无法通过投资组合方法消除系统性风险。我们所研究的系统性风险可以通过综合集成研讨厅对宏观经济、政治军事局势、贸易汇率调控以及国家的货币及财政政策对股市的干预度等知识面判断股市的风险程度，从而起到对股市系统性风险的预防和警示作用。例如，我国2006～2007年10月沪深股市指数的向上趋势就是在中国以及全球经济走势良好这个技术层面上分析的。
非系统性风险主要有三个特点：一是由特殊因素引起的，如行业地区发展动态；二是只影响个别股票的收益；三是可以通过投资多样化来规避。我们所研究的非系统性风险也可以通过综合集成研讨厅对公司经营财务状况、股票本身波动规律以及投资者散户和庄家的心态与方法等层面上判断和解读。其中行业性风险是我们的主要研究目标。
由于股票资本风险市场可以看作为复杂自适应系统（CAS），这个复杂系统由许多具有差异性的主体和它们的行为组合而成。我们对股票资本市场的模拟仿真就是希望通过应用人工适应主体技术来模仿系统内部的行为主体，建立起一个人工环境，让人工主体在此环境中进行仿生命的运动，最终完成模拟整个复杂系统。
三、在综合集成研讨厅下的股市风险体系概念设计方案架构
关于股票市场风险体系概念设计综合集成研讨厅方案的构建：
（一）专家体系。专家体系包括项目管理专家、金融分析师、证券投资专家、数量经济学专家、计算机专家、数学模型专家、风险分析专家、金融工程师、技术经济专家、银行投资专家、政策专家等工程各个领域的专家。专家库中记录每个专家的详细资料，包括年龄、性别、教育程度、专长、参与过哪些股票市场风险系统项目的概念设计等，供股票市场风险系统概念设计工作组选用专家，组建专家工作小组时参考。
（二）模型模拟体系。收集整理常用的风险评价和预测模型。评价方法库中包括两大类模型：
第一类是风险评价模型。它包括：决定论评价法，如德尔菲法；经济论评价法，如费用-效益分析法、会计收益法、奥尔森法、净现值法、净现值指数法、内部收益率法；博弈论；运筹学和其他数学方法，如层次分析法、模糊综合评价法、数理统计法、多目标决策法、数据包络分析法、风险评审技术法、灰色聚类分析法、神经网络评价法、时间序列、数据挖掘以及这些模型的组合评价模型。
第二类是相关的计算机模拟模型。它包括：基于Agent的金融市场仿真、不同市场态势下证券系统性风险度量指标模拟软件、金融数据挖掘中的非线性相关跟踪技术、双曲密度分析、小波神经网络在股票平均线交易规则中的应用等模拟平台。
（三）知识体系。一般而言，知识体系是由三个层次构成的：一是专家和历史数据的经验知识。如，专家曾经参与的风险评估经验、历史股票交易的数据和转折以及各种趋势；二是股票市场的相关科学理论知识。股票市场发展到今天，其科学理论已经构成了一个庞大的科学技术体系，如基础的关于股票证券投资的知识以及金融和博弈知识；三是解决分析问题的哲学知识。它强调辩证思维方式和社会思维方式的运用，是人类知识的最高智慧结晶。
股票市场风险体系概念设计综合集成研讨厅中的知识体系更为强调直接通过历史实践所获得的经验数据知识。知识库中提供了已有的各种项目案例供借鉴和参考，并对这些经验知识进行了总结，为指导风险评价实践提供了坚实的理论和技术基础。
（四）信息体系数据库。主要由支持股票市场系统概念设计的各种数据组成，有项目数据、经济数据、技术数据等。信息数据库中的数据可细分为股票市场指数数据、经济数据和技术数据。相关数据主要是股票指数总体情况和股民需求、国内如沪深股市资料；庄股动态和股市平均市盈率等经济数据以及国家政府对股市的相关政策。此外，综合集成研讨厅是一个多种软件系统集成的研讨环境，包括群决策支持系统、信息融合技术、多媒体会议系统、管理信息系统、数据预测模型等。
（五）实践框架图。根据上面的四大体系，结合股市的风险类型，再利用现在广泛采用的技术媒介手段，最终股票市场风险体系设计综合集成研讨厅基本框架见图1。（图1）
【关键词】上证综指;对数收益率;风险
引言
我国股票市场经过十余年的发展,无论是上市公司的数量、股票市值、每日股票交易量还是在整个国民经济体系中的地位和作用都有了很大的发展。股市融通和配置资金的重要经济功能己经被广大投资者所认同,同时在中国因为个人投资者投资渠道较少,投资股市获利成了广大民众的选择。截止2008年3月,沪深两市共有A股账户11,305.81万户可见股市已成为广大居民的投资方式。所以股市的研究既是众多专家也是民众关心的热点。
2005年中国证监会启动股权分置改革试点工作,此后2006年到2008年中国股市经历了一波大幅飙升的牛市和一波跌幅巨大的熊市。本文将对此段时间的上证指数进行统计分析。
1.数据来源和一些基本统计量
1.1 数据采集
上证综合指数作为国内外普遍采用的衡量中国证券市场表现的权威统计指标,由上海证券交易所编制并。上证指数反映了上海证券交易所上市证券品种价格的变动情况,可以反映不同行业的景气状况及其价格整体变动状况,从而给投资者提供不同的投资组合分析参照系。市场指数的变动从总体上反映了上海证券交易所上市股票价格的变动情况。
本文样本区间为2006年7月6日至2008年12月18日,共计601个样本初始数据,研究数据来源于上海聚源数据服务公司的聚源数据工作站。
1.2 基本统计量
为了对上海证券市场进行统计分析,我们需要下面几个常用的统计量。
1.2.1 对数收益率
一般的投资者最关心的是投资收益,所以我们研究的对象主要是上证综指的收益率。
资产收益率计算方法有两种:百分比法和对数法。百分比收益率较为直观且易于计算,但对数收益率的优点在于利用价格得到的对数收益率在整个实数范围内取值,便于数学上处理。另外,采用对数收益率,使得数据进一步趋于平稳,有更容易处理的统计性质,因此本文采用上证综指的收盘价计算日对数收益率。
日对数收益率为,其中为第t天的上证综指的收盘价。
1.2.2 平均值(Mean)
数组的算术平均值,用来描述随机变量取值的一般水平。
\* MERGEFORMAT(1)
1.2.3 标准差(Std. Deviation)
标准差是反映随机变量相对其均值的偏差程度,其值越大,这种偏差就越大,表明随机变量的取值在其均值周围的分布越分散。其计算公式为:
\* MERGEFORMAT (2)
1.2.4 偏度(Skewness)
偏度是反映收益率分布密度对称性的指标,在概率统计中,经常遇到连续的单峰的不对称的密度函数,它在众数的一边形成长尾,另一边形成短尾。如果长尾在正的一边,那么,即该分布具有正的偏斜度(右偏)。反之,长尾在负的一边,则,即该分布具有负的偏斜度(左偏)。偏斜值不仅反映偏斜的方向,而且能表示偏斜的程度,偏度的计算公式为:
\* MERGEFORMAT (3)
1.2.5 峰度(Kurtosis)
峰度是用来测定收益率分布的形状的另外一个重要指标,它反映密度函数曲线在众数附近的“峰”的尖峭程度。通过以正态分布的峰度(其值为3)为标准。如果是一个分布的峰度大于3,则该分布具有过度的峰度,表示分布具有“尖峰、厚尾”的特征。若一个分布的峰度小于3,则该分布具有不足的峰度,表示分布具有“低峰、厚尾”的特征。如果峰度值较大,是由于大幅度偏离均值的异常值造成的。峰度的计算公式为:
\* MERGEFORMAT(4)
1.2.6 风险价值(VaR)
VaR是value at risk开头字母的缩写,可译为“在险价值”或“风险价值”。现今,VaR己经成为股票市场风险测量的最常用模型,其值可以反映投资的风险。Philippe Jorion[1]给出了权威定义:VaR是指在一定的概率水平(置信度)下,某一金融资产或证券组合在未来特定的一段时间内的最大可能损失”用数学公式可表示为:
\* MERGEFORMAT (5)
其中,为金融资产在持有期内的资产价值的变化,表示的积累分布函数。VaR为置信水平下处于风险中的价值。当时,一个多头的持有者受到损失,所以很小时VaR是一个负值,表示损失。
VaR计算方法较多,但是为了简化运算,我们选用历史摸拟方法计算VaR。例如,我们计算样本1的置信水平为95%日VaR值。先将样本1的日对数收益率从小到大排序,共311个数据。则311* 5% = 15.6,可得311个数据中第16小的日对数收益率就是样本1的置信水平为95%的日VaR。同样方法可以得出其它样本的置信水平为95%的日VaR值,结果如表1。
2.实证分析
我们将得到的每日股市交易结束后的上证综指和计算得到的日对数收益率用图画出来(如图1、图2)。从图中我们可以看到上证综指有一次大的上升过程和一次大的下跌过程,这正是股市经过的一波牛市与熊市在图上的直观反映。为此,我们将样本按时间分成两段,样本1(2006-07-06到2007-10-18)反映了牛市的上证综指,样本2(2007-10-18到2008-12-18)反映了熊市的上证综指。
下面我们用Eviews软件[2]计算样本对数收益率的一些基本统计量,结果如表1。
通过分析计算出来的统计量,我们得到一些有意思的结论。
1)对数收益率平均值(Mean)的分析:样本1表示在牛市的阶段投资,其对数收益率均值最高,为0.004069,而样本2为熊市的阶段投资,对数收益率均值最低,而且是负值说明投资有损失。显然在牛市的阶段投资,收益率会高,而在熊市投资股市则会带来损失,这符合我们对股市投资的认识。总样本为0.000265是正值,说明如果投资者一开始就进行投资,其中不做任何操作也能得到一个较好的正收益,这是一种长线投资结果。
2)对数收益率的最大最小值分析。最小的日对数收益率-0.092561在样本1中出现,最大的日对数收益率0.090345在样本2出现。这说明在牛市中,股市有一天达到了日损失的最大;而在熊市中某一天却得到了日收益的最大,这个结果有点出人意料。分析其原因,我们认为这说明中国股市还是一个政策市,很容易受到一些政策因素的影响而形成大起大落,暂时改变运行的趋势。
3)偏度与峰度的分析:从表中可以看到样本2中上证指数的收益率偏度为正值,说明其分布有长的右拖尾。这意味着熊市中有少数数据点远远游离在大多数点的右侧,均值受到这些点的影响将会偏向右侧,所以大多数投资者很容易感觉自己的收益益比平均水平要低。而样本1和总样本的结论则刚好想反。再看三个样本的峰度,其值都大于3,这说明上证指数的收益率分布尾巴要比正态分布的厚,其分布密度曲线在距离均值较远的地方位于正态分布曲线的上方。这意味着收益率出现异常值的概率要大于正态分布时的概率,这就是所谓的尖峰厚尾现象。造成收益率的概率分布呈现尖峰厚尾现象的主要原因是由于存在大幅偏离均值的异常值,且异常值成群出现,这种波动聚集现象可以从收益率的图2中直观看到。
4)正态性检验:从上证指数的收益率偏度和峰度已可看出不同于正态分布。同时我们用Eviews软件对样本进行了Jarque-Bera正态检验,(其结果在表2中)检验结果是上证指数的对数收益率不是正态分布的。这使得通过基于正态分布的方法如传统的CAPM模型、APT模型等来预测股价走势的精度将很差。
5)投资风险分析:首先从标准差看风险,股价剧烈的波动隐藏着金融市场的风险。从表1可以看到样本2的标准差最大,可见熊市时的股市波动剧烈,意味着较大的投资风险,这一点可以从图2直观看到。其次,从风险价值看股市的投资风险。表1可以看到样本2的VaR值最小,说明置信水平为95%时,在熊市中投资的资金损失值比牛市大,这也意味着熊市的投资风险较大。这说明,股市投资时要看好大趋势,在牛市时投资风险相对熊市要小。
3.结束语
本文通过对2006年7月6日至2008年12月18日一波牛市和熊市中上海股市指数的日收益率进行了数学方面的统计分析。验证了股市收益率序列的“高峰厚尾”及“有偏性”等统计特征,特别是牛市和熊市中投资特点的对比分析和风险比较等结论,为更好的把握我国股市的特征,为投资决策提供了有益的参考。
参考文献
[1]陈跃.Philippe Jorion,风险价值VAR[M].北京:中信出版社,2007.
[2]攸频,张晓峒.Eviews6实用教程[M].北京:中国财政经济出版社,2008.
当前我国主要金融风险点剖析
房地产泡沫风险
房地产泡沫是事关中国经济金融和社会发展全局的重大问题。放任房地产泡沫发展，后果不堪设想。现阶段，北京、上海、杭州、深圳等多地房价在短短半年至一年的时间内翻倍，甚至连翻数倍，引发更多购房者恐慌入市，房价进一步被推升，楼市深陷房价泡沫陷阱。让过热的房地产软着陆，中国经济才有未来。如果任由房价过快上涨，必将带来一系列风险。
杠杠过高。一些地方为了完成房地产去库存的任务，通过加杠杆的方式，降低住房按揭贷款利率及首付比例，吸引民众买房。一些购房者使用首付贷、消费贷等形式加杠杆，导致债务风险上升。在一二线城市，住房供不应求， 2016年1～8月，个人按揭贷款15395亿元，增长52.2%。未来如果房价大幅下跌，消费者个人会面临信用违约风险，银行的不良率会大幅上升。银监会的数据显示，截至2016年9月末，商业银行不良贷款余额为1.49万亿元，不良贷款率攀升至1.76%。三季度末，关注类贷款占比为4.1%，创历史新高，关注类贷款很可能转化为不良贷款。
通货膨胀。2016年中国楼市一路高歌，相当一部分实体企业老板把钱转投到楼市中，因为做实体远不如投资房地产的收益率高，这就导致劣币驱逐良币现象出现。大量资金进了楼市的口袋，结果是实体经济发展资金不足，而背负巨额房贷的“房奴”也没有钱去拉动内需消费。实体经济资金和原本可用于消费的资金都被楼市挤占，央行为了支持实体经济的发展并拉动消费，需要更加宽松的货币政策，这就为通货膨胀埋下了隐患。
国内外流动性波动。国内外多年积累的流动性和当前宽松的货币环境，推动中国大量资金流向房地产。然而，如果美联储继续加息导致全球流动性紧缩或中国资本外流加剧，楼市继续上涨的预期可能就会改变。房地产泡沫有可能导致资金逃离中国。房地产政策收紧，必然要挤出一部分资金，最好的结果就是资金进入股市、实体经济和三四线城市房地产，最坏的结果是资金逃离中国。“8・11”汇改之后，人民币贬值预期加大，人民币汇率屡创新低。因此，须警惕楼市挤出的资金逃离中国。
当前国内房地产市场已经脱离民生轨迹。这不单与国家的政策相背离，而且对于楼市调控也增加了许多困难。中国房地产市场的健康发展方向应是以消费品为主导的方向，买房是为了住，而不是为了卖，更不应把房产作为金融资产炒作。
股市风险
当前，中国股市的主要风险体现为杠杆化、期现联动以及金融行业联动特征。第一，以场内融资以及场外融资为支撑的融资杠杆化带来的风险。融资杠杆对金融市场具有双重的放大效应，场内融资及场外配资跨市场、跨行业、杠杆化的风险格局极有可能|发系统性金融风险。目前的场外配资其实就是民间版的融资融券，其运作方式主要有互联网平台线上配资和线下实体公司配资两种。投资者从这些平台或公司借钱炒股，支付较高利息，账户亏损到一定限度就会被强行平仓，典型的零门槛、高杠杆、高风险。第二，做空机制放大了市场的波动性和脆弱性。在正常情况下，在配资参与的个股中，除非有重大利空，一般很少出现大面积跌停的局面。但是，随着配资公司规模的不断做大，其承担的风险也就越来越大，为了最大限度地保证自己的利益不致受损，很多配资公司都专门聘请了专业的股指期货团队为其运作股指期货对冲。所以，一旦场外有机构大举做空股指期货，很多弱势股就会迎来大跌，而配资公司此时往往会借势通过强制客户减仓或平仓的方式进一步做空股市，从而在股指期货上谋取暴利，这股力量完全超出了股市的承受能力，不容小觑。第三，资产管理行业的不断创新使各金融机构之间的经营壁垒逐渐被打破，证券市场交易亦开始形成跨市场关联、全行业联动的特征。这种联动关系主要体现在三个方面：一是证券业务的跨市场关联；二是产品的内生性全行业关联；三是金融机构经营的全行业关联。这种跨市场、产品关联和机构关联使得金融风险的传递呈现网状扩散的态势，极易形成金融风险的空间传染机制，引发系统性风险。
互联网金融风险
近几年，我国互联网金融发展迅速，但也暴露出一些问题和风险隐患，主要包括：客户资金安全存在隐患，出现了多起经营者“卷款跑路”事件；信用体系和金融消费者保护机制不健全等。行业发展处在“无门槛、无规则、无监管”的状态，容易出现劣币驱逐良币现象，严重阻碍了互联网金融的健康发展并积累风险，无论是行业还是公众都期待进一步规范。
信息中介冒进信用中介，监管底线屡被突破。自2014年4月针对P2P网贷行业发出监管声音以来，坚持信息中介而非信用中介、不得搞资金池的监管底线便已出现在“四条红线”之中。不过这条监管底线始终没有被行业所重视，资产错配、期限错配背后的资金池问题却普遍存在。“资金池现象”藏匿着巨大的风险漏洞。
金融风险蔓延已跨区域、跨市场、跨业态。诸多金融创新已经失控。除P2P外，无视金融创新边界的现象普遍存在，金融风险的蔓延已呈跨区域、跨市场、跨业态的形式。如：第三方支付领域，私自挪用客户的备付金以及客户的沉淀资金；在股权众筹领域，以股权众筹名义从事股权融资业务、未经批准擅自公开或者变相公开发行股票；在互联网保险领域不具备金融资质的机构，以非保险名号从事着和保险相同的业务，以金融创新之名从事着非法集资之实。
项目逾期距坏账仅一步之遥。近期P2P平台项目逾期已极其常见，面对逾期，不少平台以自有资金垫付消除不良影响。这似乎给那些碰到P2P平台逾期的投资者吃了一颗“定心丸”，但是，如果某个平台自称零逾期零坏账，最大可能是介入了资金池。动用资金池的结果就是，将逾期拖成坏账，将坏账不断积累，然后逐渐借新还旧，最后完全被利息拖垮，直到无法兑付而跑路。所以，从长远来看，从逾期到坏账，可能就是一步之遥。
债券市场风险
中国债券市场的风险主要包括企业债务风险和政府债务风险。
首先，经济增长放缓加剧了企业债务问题。随着我国经济增长的放缓，不少企业面临着利润减少甚至亏损的困境，这进一步增加了企业偿债的压力。可以预期在今后将会出现更多的企业信用债违约的案例，企业与政府融资平台的债务出现违约或违约预期，或成为中国债券市场的“新常态”。从2014年以来债市发生的兑付风险事件来看，违约风险已经从民营企业扩大到国有企业，从私募债蔓延至公募债，国企已经不再绝对安全，债市违约的常态化迹象越来越明显。虽然发生违约的案例不算太多，但发行主体评级下调的现象逐渐增多，且国企所占比例逐渐增加。
其次，地方债务是中国可能爆发金融风险点之一。当前正在推进的地方政府债务置换工作，只是推迟了存量债务兑付的时间，并没有解决大量地方政府债务的质量问题，还要下大力气寻找化解存量债务的办法。继2016年1月11日财政部出台《关于对地方政府债务实行限额管理的实施意见》，将地方政府债务的限额分为一般债务限额和专项债务限额之后，2016年的地方债务置换工作也随即启动。自2016年以来，专项债券作为缓释地方政府债务的重要举措，力度空前。银行作为地方政府债务置换的重要利益攸关方，在债务置换风险缓释的同时，利润的下降、资产结构的调整以及客户的结构都受到直接冲击，转型的压力更加显现。对于中央政府来说，需要警惕的是，地方政府的财政收支情况正在迅速恶化，再加上债务负担有增无减，尽管有关部门出台了“拿时间换空间”的债务置换措施，但在地方支出刚性压力之下，部门地方政府的财政危机的风险在迅速加剧，不排除少数地方财政风险、金融风险和社会风险等多重风险同时爆发的可能。
再次，美元走强加剧了债务违约风险。一些公司曾经利用成本低廉的美元贷款而积累了大量债务，而随着我国经济增长的放缓，这些公司正面临着双重威胁：一方面，美元汇率正在大幅上涨；另一方面，随着美联储的加息，这些都意味着一些公司的利息负担将会增加。
最后，权责利划分难、缺乏法律保护加大了PPP投资风险。面临“缺钱”和“欠债”的双重压力，PPP成为地方政府融资新模式。从2015年5月政策层面顶层设计明确之后，地方就开始掀起一阵PPP启动的热潮，仅2016年下半年签约规模就已达近万亿元。全国各地都在急着上项目，但如何运作、如何避免走过去的弯路，地方政府难说真正想清楚了。当前面临的主要问题是法制、地方政府信用、金融体系和公众参与决策与监管（包括透明）机制等问题。对于规范政府和社会资本双方的权利，究竟是用行政法来管还是合同法来管，目前在法律层面并无界定。
当前金融风险防范对策
分析中国的金融风险问题，有两个基本的背景：一个是中国经济增长放缓，另一个是金融市场化改革。经济增长放缓会导致不良贷款率的提升，增加银行的信贷风险、市场风险和流动性风险，推动银行进军新的资产类别和业务模式。与此同时，金融市场化改革允许更多的银行超越之前简单的存贷款业务，促使各种非银行金融机构和金融市场业务快速增长，混业经营的趋势已经非常明显。然而，当前的金融监管现状还跟不上金融机构混业经营的步伐，导致监管的空白和重叠，这就需要监管机构之间的协调。中国加强金融监管协调制度安排的目标是要解决不断变化和不断增长的系统性风险，这就需要从战略协调的层面来进行监管制度的设计。
有效的监管制度需要各个国家根据具体情况制定。在笔者看来，中国需要从以下三个方面来完善金融监管制度：一是建立数据采集和共享平台，二是加强对系统性风险的分析，三是增强监管机构之间协调和综合分析的能力。
建立数据采集和共享平台
信息的收集和共享已被许多国家证明是防范系统性风险的重要一步，尤其是在美国。就中国目前的监管协调情况来看，央行需要在数据共享上做出更多的努力，信息收集与共享需要从法律层面消除障碍。为了避免金融监管机构在收集信息过程中重复收集的成本，各监管机构应共享信息，不应存在障碍。中国的金融监管非常重视对流动性的监测。因此，企业部门的外汇风险披露、企业和家庭债务规模、金融机构之间的交叉风险、更精细、及时的统计监测数据、各类交易数据等信息应当在各监管部门之间实现共享。
加强对系统性风险的分析
金融监管机构应密切关注金融风险，其中一个最关键的领域就是需要一套完善的评估系统来分析金融风险的关联性。一是金融市场的流动性风险很可能成为信贷风险。二是一家金融机构风险的上升会传染给其他的金融机构。三是企业部门的财务困境可以传递给金融部门。四是家庭和企业部门的资产价值下降和高风险的债务会导致银行资产质量的下降，银行业信用风险增加。因此，中国的金融监管部门应收集更详细的信息，并对各种风险进行深入分析，尤其是加强各种风险的关联性分析。压力测试可以作为早期预警机制，网络分析可以用来模拟金融系统之间的关联性。
建立更好的协调制度安排
关键词：VaR GARCH 沪市国债
本文基于GARCH和VaR模型对沪市国债市场的个案进行了相关分析，以期显示国债在样本期内的变动性状。
VaR模型
VaR是国际上新近发展起来的一种卓有成效的风险量化技术，它是英文Value-At-Risk的缩写，中文通常译为在险价值， VaR模型通常被称为风险估值模型。对它的一种较为通俗的定义是：未来一定时间内，在给定的条件下，任何一种金融工具和品种的市场价格的潜在最大损失。确切的说，VaR可表示为：
Probt（P＞VaR）=1-C
其中P为证券组合在持有期t内的损失，C为风险测量的置信水平，VaR为此置信水平下处于风险中的价值。根据定义，VaR实际上是要度量估测“正常”情况下资产或资产组合的预期价值与在一定置信区间下的最低价值之差，即
VaR=wo[E(r)-r*] （1）
其中，wo为持有期初资产组合的价值，r为收益率，E（r）为资产组合的预期收益率，r*为一定置信区间C下最低的收益率。
计算VaR最关键也是最困难的问题是确定资产报酬的分布形式，以找到特定分布的一定置信区间C下的最低收益率r*。如果收益率序列{r}服从正态分布，要想求出给定置信水平C下的r*，只要利用正态分布表找到标准正态分布的一个上分位点Z，使得：
，
根据正态分布的性质得出：
其中，μt为收益率序列的期望，而
为标准差，即可得到与置信度C相对应的r*，即
（2）
将公式（2）代入公式（1），可得到一般求解VaR的方差协方差模型，即
（3）
由此可知，一般的测算VaR方差协方差模型，通常假定收益率序列服从正态分布。而现实中，国债收益率序列是否满足这一假定，需要进行收益率序列的正态性检验。目前常用的估算VaR模型波动率的方法有移动平均法、GARCH模型和隐含波动率法，移动平均法假设资产收益率的波动服从白噪声过程，这一假设与实际的观察结果常常不一致，隐含波动率则只能运用于有期权产品的资产，因此本文采用GARCH模型方法。
GARCH 模型
近几年，许多金融实际数据表明：市场在一定时期内有较大波动，为解决实际分析中存在的异方差现象，ENGLE于上世纪80年代初提出了ARCH模型(Autoregressive Conditional Heteroskedasticity)，即自回归条件异方差模型。Bollerslev又于1986年提出广义的ARCH模型，即GARCH模型(Generalized ARCH)，其形式为：
(4)
(5)
其中rt为收益率的时间序列，Vart-1(εt)为εt的条件方差。（5）式中系数有关系：
＜1，α＞0，Gi＞0，Aj＞0
我们称这样的模型为GARCH（P，Q）模型，模型中的（4）式描述了模型的条件期望部分，投资者在交易中所得到的信息依赖于过去时刻的收益率以及过去时刻预期收益和实际收益间的误差；（5）式描述了模型的条件方差部分，它不仅是滞后随机扰动项平方的线性函数，还是滞后条件方差的线性函数，表明了过去时刻的波动对未来价格波动有着正向缓解的影响，从而模拟了波动的集群性。
实证前的分析
由于上证国债指数自2003年1月2日起对外，可考察样本期太小。故挑选其中个股考察，经比较，20国债（4）具有较强的代表性，考察其从2001年1月2日到2004年5月11日每日的收盘价，共795个样本。关于收益率公式，本文采用：
（6）
统计样本均值为-3.1567×10-5，其标准差为0.0021，其样本偏度为-0.0310，其样本峰度为13.0043，从中可以看出国债收益率序列的经验分布频率与相应的正态分布相比，具有尖峰宽尾的特征，这正是非线性的显著特性。这说明不能用简单的正态分布来模拟国债收益率的变化。考虑到条件正态分布既保留了正态分布的特点又能更好地对收益率进行模拟，在此引入条件正态分布，并应用GARCH模型来计算时变的条件方差ht，代入公式（3），可得出计算我国国债市场的VaR值：
VaRt=Pt-1Zα （7）
其中，Pt-1为前一日国债价格，Zα是置信度为标准正态分布的临界值，当α=0.05时，Zα=1.645，ht是国债收益率序列的条件方差。 则是标准差。
使用自相关函数（ACF）和偏自相关函数(PACF)对收益率序列的自相关性进行分析后，发现在大部分时滞上函数值在置信区间内0附近上下波动，所以收益率序列并不具有自相关性，因此在条件期望模型中不需要引入自相关性的描述部分，于是收益率rt由一个常数项C加上扰动项εt组成，其中Eεt=0，即rt=C+εt。
尽管收益率序列的ACF值揭示了其弱相关性，但收益率的平方的ACF值却表现出了一定的自相关性，在时滞为1时呈现显著自相关性。最后对相关性进行定量检验，使用ARCH检验和Q检验。
在不存在序列相关的假设下，Q统计量和ARCH检验的统计量近似服从x2分布。对收益率序列进行Q检验，发现时滞为10，12，15时的P值分别为0.2747，0.2560，0.2938均大于0.05的显著性水平，说明接收原假设，不存在明显的序列相关性。
但是在对收益率平方进行Q检验时，在0.05的显著水平下时滞为10，12，15的P值均为0，收益率方差存在非常明显的序列相关性。结果证实了收益率序列具有GARCH效应，说明国债价格收益率序列具有异方差性，因此使用GARCH建模是合适的。
模型参数估计与选择
GARCH(1，1)模型参数估计结果如下：rt=-0.00010954+εt；
(-1.7528)
σt2 =1.6117×10-6 +0.1851σ 2 t-1+0.599εt2
(13.6621) (4.7064) (10.2098)
括号中为t统计量，可以看到G1，A1在0.05的显著水平下明显地异于零，说明此国债收益率过去时刻的波动大小对当前波动大小有明显的影响，此外G1+A1
对模型进行最优选择，使用AIC和BIC信息准则来比较可供选择的GARCH模型。对各种模型的检验如表1，发现随着参数的增加，AIC，BIC值并没有显著增加，直观上说明可选用较为简单的GARCH(1，1)来建模。
此外，用似然比检验进行定量分析，假设选用GARCH(1，1)建模可以达到良好效果，通过计算发现在显著水平为0.05的条件下，P值为1.0000，因此接受原假设，证实了选择GARCH(1，1)来拟合收益率序列的易变性是合适的。
求解VaR并结论
就此本文完成了对GARCH(1，1)模型确定前的检验，开始代入收益率序列进行计算，利用公式(7)，计算得到沪市20国债（4）每日VaR值，该值给出了该国债在一置信概率下的最大损失下界。
计算所得沪市20国债（4）每日VaR值的基本统计特征，偏度为2.3192，峰度为11.8328，均大于0，表明该序列与标准正态分布有一定偏离，且具有右偏、高峰特征，说明在国债的日VaR值中，低于按其自身时间序列计算的平均VaR值天数较多。
由表2可以看出，沪市20国债（4）最大前十名VaR主要集中在2002年4月（5，8，9日），2002年7月（2，3，4日），2002年9月（12，13日），2003年11月（19，21日），这说明2002年对于这个国债来说，其总体风险较其他年份为大，而且日期都相对集中，证实了异方差模型的波动群集效应。
分析这些时段的风险极大的原因可以发现，将20(4)国债放到我国证券市场的宏观背景下来分析将得出一些变动的原因。我国国债市场主要的成因来自于政策风险，如2002年4月份那次，是由于4月5日证监会、国家计委、国家税务总局联合发文，决定自5月1日起调整证券交易佣金收取标准。佣金浮动对证券业的冲击强度几乎前所未有，导致券商之间的竞争更为激烈。因而在国债市场引起较大冲击，而使国债风险波动较大。
而2002年6月20日，上海交易所公布将于7月1日正式推出上证180指数，取代原来的上证30指数，为建立我国权威统一指数迈出了重要一步，为今后股指期货的推出打下了基础。该政策公布后，在6月24日行情中引领大盘蓝筹股大幅上扬。这也使得相应的国债市场风险波动剧烈。这些政策变化都反映在沪市20国债（4）这支个股上，其波动性状折射出中国国债市场受政策影响的一角。
参考文献：
1.王洪礼，李胜朋，李栋.Garch-M模型的沪市险值实证研究.天津大学学报，2005.5
2.王玉荣.中国股票市场波动性研究－ARCH模型族的应用.河南金融管理干部学院学报, 2002.5
关键词：房地产企业 财务风险 风险测度
房地产业是一种高风险、高收益的产业，价值规律如同一只“看不见的手”给房地产开发企业投资带来巨大的不确定性。作为典型的资金密集型行业，由于资金投入量大、回收期长、变现能力差等特点，同时存在行业自身尚不成熟、体制不健全、法规不规范等问题，决定了房地产企业必然会面临巨大的财务风险。中国指数研究院2008年6月的一项有关房地产上市公司研究成果表明：沪深房地产上市公司资产负债率在2007年大幅上升，达到76. 49%，负债风险显著提高。同时，部分沪深房地产上市公司在多次加息后资本成本上升，EVA （经济增加值）降幅明显。数据显示，近百家沪深房地产上市中，超过60%的公司2007 年EVA为负，导致沪深上市公司资产成本压力日益加大。房地产企业的财务风险成为当前房地产企业亟待解决的问题之一。本文从实证分析的层面来来测度和反映我国房地产企业财务风险，并就此提出防范房地产行业财务风险的相关对策，从而为促进我国房地产企业健康发展进行积极探索。
一、房地产企业财务风险表现形式及其管理问题分析
（一）房地产企业财务风险的表现形式 房地产开发企业，财务风险主要表现为以下几个方面：（1）偿还债务风险。开发企业虽然也实行资本金制度，但大部分开发企业在初期阶段均以负债开发为主，自有资本金比例相当低，大量的开发资金来源于借贷。根据调查显示，目前我国房地产开发企业的资产负债率平均高达75%以上，甚至有超过90%以上的，远高于60%的警戒线。筹资结构不稳定，资金成本高。在所谓高回报利益趋动下，很多企业置到期能否偿还本金及高利率的风险于不顾，盲目地、过度地、不合规范地进行名目多样的筹融资活动，资金空转、借贷短期流动资金贷款、大面额存单转贷等，为企业埋下了到期支付能力及利滚利负担的财务风险。（2）利率变动风险。房地产企业需要的资金链一般都很长。在负债经营期间，由于通货膨胀等影响，贷款利率发生增长变化，利率的增长必然增加公司的资金成本，从而抵减了预期收益。高额的利息将成为房地产企业沉重的负担。自2008年以来我国经济通货膨胀问题较大，财政政策的紧缩同时货币市场上利率增长，使得我国大部分房地产公司资金成本的上升，进而使得企业预期收益减小的风险增大。利率变动风险在某种意义上是房地产企业面临的诸多风险中最为致命的不测风险。（3）再筹资风险。对于房地产企业来说，高负债率进一步限制了企业在其他融资渠道上进一步得到贷款的可能性。而且房地产企业的经营链条一般比较长，这种高负债率的存在使得链条断裂风险加大，一旦断裂会造成其他企业的连锁反应， 再筹资风险的效应会放大从而给集团经营带来致命威胁，从而对整个经济来说也是一个巨大的经营风险。
（二）房地产企业财务风险管理存在问题 目前房地产企业财务风险管理存在问题主要有：（1）企业贷款比较随意。目前我国有些房地产企业没有对资金进行科学合理规划，为了使得一些项目上项，有些企业没有对自身的资金潜力进行估算，没有对内外负债进行估计。而是千方百计地向银行贷款甚至向事业单位借款，从而加大了房地产项目的投资风险程度。再者，一旦拿到项目上项以后，并没有对整个项目进行合理规划，没有做全面的研究计划，盲目使用，分不清资金使用的轻重，没有从整体上规划项目的用款，客观上导致风险的增大。（2）单个项目的负债金额较大。我国大部分房地产企业的大量资金都是来源于借贷，很少有自有资金，因而其借贷的资金金额都比较大，如果项目较大的话，同样导致负债成本的上升。另外，一些项目上项以后，由于质量的难度和风险使得项目在很长时间内都成为一个比较大的问题困扰着房地产企业。有些房地产企业为了能使项目正常开工，在所谓高回报的利益驱动下盲目举债加重了成本负担与债务风险，企业负债规模巨大，利息支出加大，收益降低而导致企业丧失偿付能力或破产的可能性也增大。（3）资本结构不合理。而且根据组合风险分散理论，多元化筹资可以有效地分散企业的筹资风险，单一化筹资是非常危险或成本很高的，极易造成资金链断裂。（4）内部信息传递不畅。目前，大多数房地产集团内部各部门之间以及上下级企业之间缺乏统一的规划，就很容易造成房地产企业难以对下属的部门及子公司的财务数据进行提取、汇总、分析和管理。（5）对开发项目缺乏合理规划和科学管理。由于房地产具有不可移动性，其交易的完成只能是通过所有权或是使用权的转移；其次，由于房地产投资的规模大、占用资金多，决定了房地产交易的完成需要一个相当长的过程。这些都影响了房地产的流动性和变现性，因此，科学的规划和管理非常重要，一旦规划不合理，开发定位出现失误，投资分析缺乏可靠依据、开发过程缺乏严密、有效地投资控制、进度控制、质量控制等，就会造成企业财务风险的出现。鉴于房地产企业发生财务危机的现实，房地产企业只有构建符合自身条件的财务危机预警模型，才能及时的发现财务危机的相关动向，随时动态跟踪公司的财务状况，根据预警判别值的变化和判别区间的归属来预测公司发生财务危机的可能性，及时发现导致公司财务危机存在的不良因素，以此寻找关键原因，采取适当措施，从而对财务风险加以有效防范和控制。
二、房地产企业财务风险的实证测度
（一）预测指标的选择 本文选取了我国沪深交易所A股的39家房地产公司作为研究样本。在选取的样本中，房地产行业上市公司数目，ST公司数目都排名第2，满足实证研究对样本的要求，能有效保证实证分析结果的准确性和可靠度。本文选取的具体数据和相关指标按照以下几个方面来选择：本文引用的流通股市值是以公司股票当年12月31日收盘价为依据计算得来的，而非流通股本则是以每股净资产与非流通股数相乘计算的；所有年报数据均采用合并会计报表中的数据；由于所需的利息费用一项从公司财务公布的报表中难以获取，因而使用报表中的财务费用来代替利息费用；每股净资产、净资产收益率、每股收益采用非国际标准数值；总资产按年末数计算。
（二）z模型及其修正 美国学者奥尔曼（Altma）在20世纪60年代中期构建了Z―Score模型，这个模型主要是用来预测企业破产发生的概率。他通过选用66家样本企业，即33家破产企业和与之相对应的相同规模相同行业的33家正常企业，然后按流动性、获利能力、财务杠杆、偿债能力和周转能力五项标准选取了22个指标，最后从中选取五个财务变量，并赋予这五个财务变量一定的权重，这五个变量分别为营运资本/总资产、留存收益/总资产、息税前利润/总资产、股权市价总值/总负债、销售收入/总资产，并依据这个五个变量建立了Z模型。利用搜集到的样本数据代入Z模型计算出一个数值，根据该数值归属哪个区间来预测企业财务危机发生的可能性，其本质是一种多元线性模型。其基本公式为：Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5。奥尔曼（Altman）在总结搜集到的破产企业数据中，发现了判别Z模型经验性临界值，其中2.675为上临界值，1.81为下临界值。当判别Z值高于2.675时，企业被认定为财务状况良好，破产几率极低；而当判别Z值高于1.81、低于2.675时，企业通常财务状况不稳定，有可能存在财务危机的隐患，需要进一步的跟踪；如果判别Z值低于1.81，则该企业被认为存在极大的破产概率，如果不采取有力措施，将难以摆脱破产命运。具体来说，奥尔曼（Altman）提出的Z模型临界区间如（表1）所示。从Z模型判别区间可以看出，计算出来的Z值越大，则企业出现的财务危机越小，破产机率极低，相反Z值逐渐变小，则企业出现破产机率逐渐增大。同时奥尔曼还发现Z模型在企业破产时前一年预测企业破产情况正确率相当高，在33家破产企业样本中能有效预测31家，33家正常企业样本也能准确预测到32家未发生破产，预测正确率达到95.45%。为了更好的证明Z模型预测的良好效果，奥尔曼教授又选取了81家样本企业即25家破产企业和56家非破产企业，同样采取类似的判别方法，实证结果得出Z模型预测正确率达到93.83%。本文在借鉴奥尔曼对各个变量的定义及计算公式，同时考虑到我国的一些特殊情况，对Z模型运用的5个变量计算公式设定为：X1：营运资金/总资产=（流动资产-流动负债）/总资产；X2：留存收益/总资产=（未分配利润+盈余公积）/总资产；X3：息税前利润/总资产=（净利润+所得税+财务费用）/总资产；X4：股权市价总值/负债总额=（每股市价×流通股数十每股净资产×非流通股数）/负债总额；X5：销售收入/总资产=主营业务收入/总资产。
（三）Z模型临界值的修正 奥尔曼教授构建的Z模型是具有相当大的学术价值，但是判别方法是基于西方国家较为完备的市场经济环境下的企业风险测度，并不适合我国市场经济条件下的上市公司风险测度，尤其是该模型所设置的临界值偏高，并不适合我国房地产企业财务风险的评价。因此，具体到我国房地产企业的现实来说，必须探索适应我国市场经济条件下的房地产企业财务风险判别标准，才能精准反映我国房地产企业的财务风险状况。基于此，本文在借鉴相关文献资料和数据统计支持下提出我国房地产行业上市公司的经验临界值，然后利用2008年的数据对经验临界值做出检验。目前，国内学者使用净资产收益率指标来预测财务危机时，如陈晓、陈治鸿在研究中认为当净资产收益率小于6%，财务风险较大。因而根据净资产收益率小于6%，得出财务风险较大这一结论。本文统计了此段区间房地产公司的Z统计值，随后再把条件调整地更为严格一点，让每股收益和净资产收益率都小于零。因为通常一家公司每股收益和净资产收益率小于零时，人们一般认为该公司出现财务危机的可能性更大，所以相应的本文也计算了此段区间房地产公司的Z统计值，具体见（表2）。由表得知，当Z值小于0.8481时，ST公司有6家，占了总ST公司的近70%；非ST公司有10家，占总非ST公司的11%。根据谨慎性原则，为了包含更多的ST公司起到提示风险的作用，本文估计Z模型下临界值为1（0.973的约数）。许多文献（刘凤娇，2006；王芳云，2005）都表明，当每股收益大于0.4时，公司的财务状况比较好，本文选为风险较小者，对每股收益大于0.4这一区间的Z值做数据统计，见（表3）。同时也运用了另一个传统指标净资产收益率来判别风险较小者，根据有关文献及房地产业业绩评价标准，当净资产收益率大于10%时，公司财务风险较小。对净资产收益率大于10%这一区间的Z值做数据统计，见（表4）。根据谨慎性原则，本文定义当Z值大于1.7（1.6133，1.8368两者的平均值）时为业绩比较好的公司，风险较小，见（表5）。在Z值大于1.7时，有20家公司，这20家公司按每股收益、净资产收益率、主营业务收入排名都在前面，其每股收益、净资产收益率远超过房地产行业上市公司加权平均每股收益（-0.4）和加权平均净资产收益率（0.09）。综上所述，本文提出我国房地产行业上市公司Z指标的经验临界值见（表6）。
（四）新z模型临界值检验 运用房地产上市公司2008年度财务数据对结论进行检验，在86个非财务危机公司中，模型把9个非财务危机公司判别为财务危机公司，其判别准确度为89.5%；7个财务危机公司中，有1个被认定为非财务危机公司，模型判别准确度为86%；对于整个样本来说，模型判别正确为83个，总体判别准确度为89.2%，模型能具有较好的区分度。从判定结果来看，修改的Z模型的临界值具有较好的使用价值。可以利用Z模型临界值变化趋势来预警房地产公司财务危机。如2009年房地产行业上市公司被实行退市风险警示的珠江控股公司股票，从连续三年的Z值数据来看2006为 1.468，2007为1.056，2008为-0.04，公司发生财务危机概率大。因此，在运用奥尔曼模型对我国房地产企业财务风险进行测度时，应该运用修正后的Z值进行判别，这样才能准确衡量我国房地产企业财务风险，并能加以有效防范和控制。
三、房地产企业财务风险的控制策略
由于房地产企业财务风险相对较大，因此应加强对其财务风险的动态管理，全方位、多层次地对其可能发生的财务风险进行全过程的预测和管理，以便将财务风险控制在最小程度的范围内。一是做好全面预算和财务集中管理。将非正常的经营活动控制在萌芽之中，减少企业不必要的损失。并通过滚动预算，不断通过实际与预算的比较以及两者差异的确定和分析，制定和采取调整经济活动的措施，对企业潜在的风险进行揭示和预防。同时，全面预算体系还可以初步揭示企业下一步的预计经营情况，根据所反映出来的预算结果，预测其中的风险所在，以预先采取风险控制措施，达到规避与化解风险的目的。二是合理安排权益及债务资本，优化资本结构。一般而言，随着负债比例的上升，企业的债务风险也会逐渐加大。对房地产企业来说，一方面可以利用本身的良好信用、土地使用权进行银行贷款，充分发挥财务杠杆的作用；另一方面，应把债务风险控制在企业可以接受的范围内。以此来优化资本结构，为控制财务风险奠定基础。三是注重融资策略创新，建立多元化融资渠道。企业可以积极地、主动地实施信托计划、进行股权融资、房地产投资基金融资、典当、销售融资、采购融资、资产证券化等多元化融资渠道，以取得广泛的资金来源，避免主要依靠银行举债来获得发展资金。通过融资渠道多元化、搭配好资产权益比率等方法，既可以充分发挥负债的财务杠杆作用，又可以将财务风险控制在企业可以承受的范围内，有利于企业的长期稳定发展。四是加强资金管理，提高资金的利用率。在财务上实施严格的财务监控，制定合理的现金使用计划，合理安排资金的调度，保证生产经营活动所需的现金。通过建立稳定的信用政策和收款政策，为客户建立资信评估和等级评级，从而加快赊销账款的收回，降低企业坏账损失风险，加速资金的运转，提高资金的利用率。同时， 企业要努力降低商品房空置率，减少资金占用，加速资金周转，提高资金利用率。五是加强投资项目管理，控制投资风险。房地产企业在进行项目投资前，首先要进行严密的市场调研，聘请专业人员参与调研工作，做好项目的风险分析和可行性分析，要避免因管理者个人的喜好导致项目定位失误，降低和减少财务决策的盲目性和风险性。另外，投资项目开发建设周期越长，风险管理中的不确定性就越多，风险也就越大，所以，企业要注意缩短项目建设周期，这不仅有利于加快资金周转，也有利于减小因开发期内外界经济条件的变化而对项目带来的风险。六是建立房地产公司的财务预警系统。通过建立短期财务预警系统，编制现金流量预算，为房地产企业提供预警信号，使经营者能够及早采取措施。此外，在建立短期财务预警系统的同时，还要建立长期财务预警系统，更好地使管理者和员工掌握财务风险的预防、控制、化解和处理的全过程以及自身的风险责任履行情况，责权利相结合，更好地激发员工参与风险管理，控制风险损失。
参考文献：
一、寿险公司资产负债管理的含义
资产负债管理是管理保险资金运用的一种实践。这一认为，寿险公司要实现资金运用安全性、流动性和盈利性三者的均衡，不能只靠资产或负债单方面的管理。而必须根据环境的变化和寿险公司的业务状况对资产和负债进行统一协调管理。在广义上，它可以被定义为：在给定的风险承受能力和约束下，为实现财务目标而针对资产和负债的有关决策进行的制定、实施、监督和修正的过程。从狭义看，资产负债管理是一种系统化资产和负债的总体程序，是在利率波动的环境中，根据利率变化的趋势，运用各种工具，设法使净资产值最大化的管理技术。因此，狭义的资产负债管理就是利率风险管理。从资产负债管理两个层次的含义来看，寿险公司不仅要对资产组合和负债组合分别进行管理，而且还要在此基础上协调两种组合的管理，通过同时整合二者的风险特性，以获得相应的回报。这与传统的资产管理方式（MPT）不同，MPT只注重投资的资产部分，注重投资风险和收益之间的管理，这种管理方式忽略厂负债因素。
一般而言，由于资产负债管理能够有效地控制利率风险和防止大的失误，因此，从国外的情况看，有关资产负债管理的讨论大多局限于利率风险。所以，从直观上讲，寿险公司的资产负债管理，就是要在充分考虑资产和负债特征的基础上，制定投资策略，使不同的资产和负债在数额、期限、性质、成本收益上相匹配，以控制风险。当然，寿险公司资产负债管理的远不止这些，资产负债管理涵盖的内容相当广泛，比如从产品方面所考虑的险种差异、定价利率假设以及市场利率变化时保险客户执行嵌入选择权对现金流量所造成的，到从资产方面考虑市场利率、经济环境变化对金融产品价格的影响等等，但其核心内容则是管理由利率风险导致的资产与负债现金流的不匹配。具体而言，资产负债匹配在资金运用方面的内容有以下几个方面： （1）总量匹配。即资金来源与资金运用总额平衡，资金来源总额匹配资金运用总额；（2）期限匹配。即资金运用期限与收益要与负债来源期限与成本匹配，长期资产匹配于长期负债和负债的长期稳定部分，短期资产同短期负债相匹配；（3）速度匹配。即寿险资金运用周期要根据负债来源的流通速度来确定；（4）资产性质匹配。即固定数额收入的资产与固定数额的负债匹配，部分变额负债，如分红保险、投资连结保险与变额资产匹配。
总体而言，同其它类型的金融机构相比，寿险公司的资产负债管理具有其特点。首先，寿险产品的存续期限比较长，流动性要求较高，利率敏感性较强，且必须保证具有充分的到期给付和退保给付能力。因此，单纯从负债管理角度看，寿险公司的负债管理要比其它金融机构的负债管理困难得多；其次，从资产管理方面来看，寿险公司的资产主要包括银行存款、债券、证券投资基金等，而且在现有资产中，固定收益资产又占绝大多数，现有资产的期限远比寿险保单的期限短，其市场价值变动的性质与负债不一致。因此，寿险公司的资产质量和数量低于负债的要求，其产品管理能力强于投资管理能力，资金运作方式远不如其它金融机构那样灵活，在现有的资金运用方式下，有的寿险产品很难找到合适的资产与之匹配。因此，利率的波动性和资金运用收益的不稳定性，加大了寿险公司资产负债管理的难度。
二、美国寿险业资产负债管理经验教训的借鉴
美国寿险业的资产负债管理基本上是针对利率风险起来的。在上世纪70年代，利率的不寻常波动产生了一系列问题，如因资产的流动性差，美国的许多寿险公司不能应付迅速增长的提现要求，消费者对寿险公司产生信用危机并引起高额退保。面对这种情况，部分寿险公司难以通过调整资产和负债结构来降低利率风险的影响，处于极为被动和尴尬的境地。70年代中后期，诸多寿险公司破产的教训使美国的寿险业逐步认识到资产负债管理的重要性，并开始将资产负债管理作为主要的业务问题看待。在日常的经营管理过程中，美国寿险业开始运用许多复杂的资产负债管理策略和技术，其成功的经验主要体现在以下几个方面：
1.产品创新。为了规避利率风险，美国的寿险产品不断创新。从1971年开始，美国寿险市场先后推出可调整寿险、变额寿险、万能寿险、变额万能寿险以及投资连结保险等许多新型寿险产品。这些利率敏感型寿险产品的推出，一方面将寿险公司的部分经营风险转移给了保险客户；另一方面又使寿险业务与证券投资的联系更加紧密。
2.使用了许多复杂的数学模型、资产负债管理以及机模拟技术进行表内资产负债管理。其中，有代表性的优化模型包括：随机控制模型、机会约束规划模型以及其它一些随机最优化模型等；有代表性的资产负债管理与检测方法包括：弹性检测方法、现金流量检测（CFT）、动态偿付能力检测（DST）、现金流匹配、免疫理论、财务状况报告（FCR）、风险资本（RBC）、动态财务分析（DFA）以及随机资产负债模型等。
3.使用大量的金融衍生工具管理表内外头寸。美国的寿险公司在资产负债管理过程中所使用的金融衍生工具不仅类型广泛，而且规模也很大。从债券期权、股票期权、外汇期权以及利率期权到互换与期货等衍生工具等无所不包，金融衍生产品已经成为美国寿险公司基本的资产负债管理手段。2001年底，美国86％的寿险公司使用金融衍生产品控制利率风险和股市风险，可见，美国寿险业的资产负债管理很大程度上是借助于金融衍生产品完成的。
4.寿险公司传统的组织架构不能有效的运用资产负债管理。营销管理人员、精算师和投资管理人员缺乏有效的沟通，为此，部分规模较大的寿险公司对这种管理架构进行了变革。变革后的管理架构基本上适应了资产负债综合管理的要求，部门间实行有效的横向沟通，且有规范的信息传递路线和有效的风险报告制度。
5.形成了内容丰富、有效的资产负债管理报告体系。报告的内容由传统的静态和动态利率报告、久期凸性报告、现金流和利润率测试、资产流动性报告、Beta值报告、 A／E比率报告，扩展到涵盖动态平衡收入表、流动性／基金风险分析、VaR、EaR报告、CET报告、利润、资本、准备金、资金运用收益敏感性分析报告等。
总之，美国寿险业针对利率变动风险、流动性风险、信用风险以及产品定价风险，在经营过程中了一系列的资产负债管理策略和模型。除此之外，一些较大规模的寿险公司还设立了资产负债管理委员会（简称ALCO），从而在组织上保证了资产负债管理战略的实施。其中，ALCO的一个重要职责就是对经济环境和市场运动趋势进行预测，制定ALM策略概要及其利率风险的管理政策等。因此，美国寿险公司经营成功或失败的经验与教训给我们的启示是：我国保险业也应实行有效的资产负债管理。
三、资产负债管理的组织系统
一般而言，衡量寿险公司资产负债管理能力的标准有两个：一是量化的能力；二是将资产负债管理融人沟通和企业经营策略中的能力。其中，适当的组织架构设置是将资产负债管理融人企业沟通并保证资产负债管理程序有效性的基础。
，我国寿险公司的管理架构大多采取资产管理和负债管理相分离的架构设置，组织架构不能有效地实行资产负债管理。实际运行情况是，资产运营部门负责资产管理；产品开发、精算以及营销等部门负责负债管理，二者缺乏有效的横向沟通，资产运营部门不能准确把握产品特征，如对于投资管理部门来说，产品的久期、凸性等参数对于确定投资组合非常重要，但在实际的资金运用过程中，投资管理人员却不能获得这方面的信息。当然，产品开发、定价以及销售等部门同样也不了解各类投资工具的风险收益特征。因此，寿险公司要在组织内推行资产负债管理模式，其组织架构的设置就应当以实现组织成员间的有效沟通为准绳。从另外一种角度看，由于寿险公司的资产负债管理是一个从产品设计与定价——投资策略的制定——产品设计与定价的循环有序的过程，资产负债管理的各个环节构成了一个闭环系统，各个环节在系统内保持有机联系。为保持这种有机联系，系统需要一个完整统一的报告体系，需要在组织系统中提倡横向沟通以代替传统的纵向沟通，需要全面的信息。因此，寿险公司组织架构设计的基本原则就是应当有助于实现组织内的这种充分的横向沟通。
对于我国寿险业而言，目前构建完整的资产负债管理式架构是不现实的。事实上，我国的寿险公司目前采用的都是传统的纵向组织结构形式，完全打破现有的组织架构对寿险公司会有较大的负面。另外，寿险公司建立独立的资产负债管理式组织架构的内、外部条件也还不够成熟。当然，对于我国保险业来说，尽管暂时不需要在组织系统中建立永久的、独立的资产负债管理部门，但还是有必要建立有效的组织架构来保证资产负债管理模式的实施。因此，目前我国寿险公司的组织架构变革应采取循序渐进的方式，在采用资产负债管理战略的初期，寿险业的资产负债管理采用矩阵式的管理架构是一种可考虑的方案，如图1所示。
传统的矩阵式管理是美国加州理工学院的茨维基教授发明的一种通过建立系统结构来解决的创新，后来被推广为激励创新的一种管理方法。它在项目管理上，是阶段性的，随着项目的结束而结束，后来在此基础上又有所创新。这种组织架构的优点是能够最有效地利用资源，并最大范围地达成资源共享，管理层次比较分明，易于系统管理。寿险公司资产负债管理的矩阵式组织架构不完全等同于传统的矩阵式管理，它可以将资产负债管理作为一个长期固定的项目，项目的宏观指导和协调由资产负债管理委员会负责，资产负债管理委员会列于董事会之下，由首席执行官、财务主管、投资主管、首席精算师以及营销主管等组成。其主要职能是：制定投资政策、财务政策、确定产品的开发策略、制定资产负债管理战略，并从全局角度监控公司的资产负债管理过程。资产负债管理过程由相应的任务团队执行，任务团队对资产负债管理委员会负责，它由产品开发、定价、营销以及投资管理等部门的技术专家和人员组成。按照资产负债管理任务的不同，任务团队又可以划分为多个工作组。这样的架构设计不仅可以使各部门的技术专家同最高决策层之间保持有效的垂直沟通，而且还可以使产品部门和投资部门的工作保持充分的横向沟通和协调，产品的设计与定价受到投资组合的限制，反之也是如此。因此，矩阵式资产负债管理组织架构设置的目标就是使产品特点和投资目标相互融合，使资产与负债之间连动作用，达到资产与负债相协调的目的。这种管理模式由横向的职能部门和纵向的运行部门构成“管理矩阵”，减少了管理层次，强化了资源共享，消除了信息阻隔。
总之，寿险公司要达到资产与负债相协调的目标，就必须有一个使技术专家与最高决策层之间保持有效的垂直沟通，部门间保持充分有效的横向沟通的组织架构作保证。
四、可选择的资产负债管理技术
自20世纪70年代起，经过近30年的，资产负债管理形成三种管理技术。第一是表内管理技术，管理对象是表内资产负债项目；第二是表外管理技术，即运用衍生工具管理利率风险的技术；第三是资产负债管理的证券化技术。其中，表外管理技术需要种类齐全的金融衍生工具和一个运作良好的金融衍生产品市场。至于证券化管理技术，除了具有表外管理技术所必备的条件之外，还需要有资产证券化的环境。由于我国的金融市场发展相对落后，保险公司运用这两种技术的条件也还不成熟。因此，我国保险公司资产负债管理的重点在表内管理技术。
