[摘要]由于我國股票市場是一個典型的訂單驅(qū)動型市場，存在報價深度不充分的問題，傳統(tǒng)的買賣價差不能真正反映流動性風(fēng)險，針對這一情形，文章以個股日最高價與最低價之間的價差為度量指標，結(jié)合經(jīng)流動性調(diào)整的風(fēng)險價值模型(BDSS)，考察了滬市25個行業(yè)的25只樣本股票面臨的流動性風(fēng)險值。實證表明，我國股市存在較大的流動性風(fēng)險，個股之間的流動性層次區(qū)分度不高，呈現(xiàn)出較大的趨同性，流通股本數(shù)與流動性風(fēng)險值呈顯著的負相關(guān)，而流通市值與流動性風(fēng)險值呈顯著的正相關(guān)關(guān)系。

[關(guān)鍵詞]流動性風(fēng)險；買賣價差；風(fēng)險價值（VaR ）；BDSS模型

[中圖分類號]F830.91［文獻標識碼］ Ａ

[文章編號] 1673-0461(2008)08-0083-05

※基金項目：中國博士后基金項目（20070410665）和廣東省自然科學(xué)基金項目（7301175）的部分成果。

一、引言

風(fēng)險價值的概念最早由JP Morgan的風(fēng)險管理人員于20世紀90年代初提出，根據(jù)Jorion(2001)的概念[1]：風(fēng)險價值（Value at Risk， 下文簡稱VaR）是指在正常的市場環(huán)境下，在一定的置信水平和持有期內(nèi)，衡量某個特定的頭寸或組合所面臨的最大可能損失，VaR以最簡單的形式將已知組合潛在的損失與發(fā)生概率結(jié)合成為單個數(shù)字，將多個風(fēng)險暴露的效果綜合起來，便于銀行和監(jiān)管當(dāng)局的風(fēng)險管理和監(jiān)管。VaR對風(fēng)險測度理論和金融風(fēng)險管理實踐產(chǎn)生了革命性的影響，它不僅被廣泛應(yīng)用于微觀風(fēng)險管理，而且在包括金融風(fēng)險監(jiān)管、財政風(fēng)險控制、國家戰(zhàn)略儲備管理等宏觀風(fēng)險管理領(lǐng)域具有重要的應(yīng)用價值。由于VaR概念簡單，易于理解和風(fēng)險度量的綜合性，受到了包括國際金融監(jiān)管機構(gòu)在內(nèi)的普遍歡迎，與壓力測試、情景分析和后驗測試等一系列技術(shù)一起形成了風(fēng)險管理的VaR體系，并在2006年的《新巴塞爾協(xié)議》中獲得應(yīng)用推廣，已發(fā)展成為現(xiàn)代風(fēng)險管理的國際標準和理論基礎(chǔ)。 然而傳統(tǒng)的風(fēng)險價值模型忽略了流動性風(fēng)險的度量，模型中隱含的一個假設(shè)是交易者總能在一個持有期內(nèi)以一個確定的價格交易任意大小的資產(chǎn)頭寸，很明顯這種假設(shè)與市場的實際流動性不符。流動性風(fēng)險反映了資產(chǎn)在一定價格水平下不能迅速變現(xiàn)所帶來的損失，對于流動性不同的資產(chǎn)即使是頭寸大小和變現(xiàn)時間（持有期）相同，其在變現(xiàn)過程中對價格的影響程度也是不相同的，傳統(tǒng)VaR模型在計算風(fēng)險價值時沒有對此進行區(qū)分，往往是在固定的時間內(nèi)對不同的交易頭寸都選擇了相同的交易價格和交易策略，而沒有考慮流動性和交易頭寸規(guī)模不相同的資產(chǎn)在變現(xiàn)過程中對變現(xiàn)價格的影響。這樣就必然低估了流動性差的資產(chǎn)所面臨的風(fēng)險，尤其是進行大規(guī)模資產(chǎn)頭寸變現(xiàn)的情況下低估風(fēng)險會更加明顯。由于對市場流動性風(fēng)險的低估，近十幾年來在新興金融市場上不斷發(fā)生因流動性而引起的金融危機（如1998年長期資本管理公司（LTCM）的流動性危機等），這些事件引起了世界各國對流動性風(fēng)險管理和控制的高度重視。西方學(xué)者逐漸對微觀市場領(lǐng)域的流動性風(fēng)險與傳統(tǒng)風(fēng)險價值模型之間的結(jié)合展開了一系列深入的研究，在傳統(tǒng)VaR框架下納入了對流動性風(fēng)險的度量，提出了流動性調(diào)整的風(fēng)險價值模型，關(guān)于流動性、風(fēng)險價值和市場風(fēng)險的計量因此取得了一系列新的進展。

本文研究結(jié)構(gòu)安排如下：第二部分對流動性風(fēng)險與VaR擴展模型的文獻綜述；第三部分基于買賣價差的流動性調(diào)整的風(fēng)險價值模型改進；第四部分是利用模型對我國股票市場進行實證分析。第五部分是結(jié)論。

二、文獻綜述

近年來國內(nèi)外學(xué)者從各個方面對流動性風(fēng)險價值的管理和度量開展了一系列研究，對傳統(tǒng)的VaR模型進行了新的擴展。Bangia，et al（1998）[2]用買賣價差的波動來衡量資產(chǎn)面臨的外生流動性風(fēng)險，并把它引入到傳統(tǒng)的VaR模型中。Bangia，et al（1998）用匯率數(shù)據(jù)對調(diào)整的模型進行了VaR的計算和檢驗，結(jié)果如果不考慮流動性風(fēng)險，則會低估資產(chǎn)面臨的總風(fēng)險。Le Saout（2002）[3]在Bangia，et al（1998）建立的模型基礎(chǔ)上用加權(quán)的買賣價差代替了直接觀測到的買賣價差，通過對法國股票市場的實證分析發(fā)現(xiàn)外生流動性風(fēng)險和內(nèi)生流動性風(fēng)險是總風(fēng)險中不可忽略的一部分，不經(jīng)過流動性調(diào)整的傳統(tǒng)VaR模型會低估風(fēng)險。Timotheos Angelidis，Alexandros Benos（2005年）[4]用通過交易量調(diào)整后的隱式價差（implied spread）代替Bangia，et al（1998）模型中的買賣價差來度量經(jīng)流動性調(diào)整后的資產(chǎn)風(fēng)險價值，通過對希臘股票市場的實證研究表明，對于價格越高股本越大的股票流動性越好，其流動性風(fēng)險在總風(fēng)險中所占的比例非常小，而對應(yīng)價格越低股本越小的股票而言其流動性越差，這些股票所面臨的流動性風(fēng)險不容忽視。George Chacko（2006年）[5]構(gòu)造了一個稱之為潛在流動性的統(tǒng)計量指標來考察債券的流動性風(fēng)險，并利用美國公司債券數(shù)據(jù)和政府長期債券數(shù)據(jù)進行了實證分析，結(jié)果顯示流動性風(fēng)險不僅是債券收益率的重要影響因素也是影響債券定價的一個重要因素。

國內(nèi)學(xué)者劉海龍，仲黎明，吳沖鋒（2003年）[6]在考察現(xiàn)存的股票流動性衡量標準的基礎(chǔ)上，從市場微觀結(jié)構(gòu)角度給出一種度量股票流動性的新方法--有效流速，以考慮某一段時期的市場流動性。他們分別用成交股數(shù)、成交金額、換手率、流通速度和有效流速計算了我國滬深市場共120只股票的流動性，結(jié)果表明高流通市值的股票流動性不一定好于低流通市值的股票。宋逢明，譚慧（2004）[7]通過調(diào)整傳統(tǒng)VaR模型中的重要參數(shù)——持有期，來反映資產(chǎn)的流動性。他們構(gòu)造了一個新的指標變現(xiàn)時間來反映股票的流動性，最后通過用傳統(tǒng)VaR計算出的日風(fēng)險值和變現(xiàn)時間的乘積來度量經(jīng)流動性調(diào)整后的資產(chǎn)風(fēng)險值，他們通過對我國滬深股市進行地實證發(fā)現(xiàn)，如果不考慮流動性風(fēng)險，用傳統(tǒng)的VaR度量出的風(fēng)險會嚴重低估股票實際面臨的總風(fēng)險，而對于流動性好的股票而言，傳統(tǒng)的VaR會高估其風(fēng)險，降低風(fēng)險管理的效率。韓冬，王春峰，岳慧煜（2006年）[8]根據(jù)金融市場微觀結(jié)構(gòu)理論，運用高頻數(shù)據(jù)研究了上海股市流動性的“周內(nèi)效應(yīng)”和“日內(nèi)效應(yīng)”，實證結(jié)果表明，周內(nèi)流動性呈反“U”型，日內(nèi)流動性呈反“L”型，即周內(nèi)和日內(nèi)流動性具有明顯的周期性。另外他們通過回歸分析得到交易量、波動性和交易價格對流動性具有非常顯著的影響。朱小斌（2007年）[9]從投資者實際投資時所面臨的價格沖擊人手，提出了新的流動性風(fēng)險概念，利用上海證券交易所樣本股的日交易數(shù)據(jù)進行了實證研究，得出分散化不僅可以降低價格波動的風(fēng)險，還可以降低流動性風(fēng)險的結(jié)論。

三、傳統(tǒng)BDSS模型的改進

對于存在做市商制度的股票市場，做市商報出的最佳買價和賣價一般都能保證一定的深度，因此買賣價差可以用來作為度量流動性風(fēng)險的指標，而我國股票市場作為一個典型的訂單驅(qū)動型市場，任何市場參與者都沒有義務(wù)提供市場的流動性，國內(nèi)學(xué)者已有的研究表明，中國股市報價的寬度和深度遠遠低于美國和香港股市，在報價深度不夠的情況下，買賣價差是不能真正體現(xiàn)流動性成本的。針對我國股市的這一特征，本文用當(dāng)日股票的最高價與最低價之間的價差代替BDSS模型中的買賣價差來度量我國股市的流動性風(fēng)險價值。BDSS模型是Bangia，Diebold，Schuermann和Stroughair(1998)[2]建立的基于流動性調(diào)整的風(fēng)險價值模型，傳統(tǒng)的BDSS模型將資產(chǎn)的風(fēng)險分解為兩種類型進行計算：一種是由于資產(chǎn)貶值帶來的價格風(fēng)險；一種是由于投資者變現(xiàn)手中的資產(chǎn)頭寸所帶來的流動性風(fēng)險[10]。具體模型的數(shù)學(xué)表達式如下：

PVaR=Pt(1-e )（1）

ECL= [Pt(S+α t)]（2）

Loss*=Pt(1-e )+ [Pt(S+α t)]（3）

其中：Loss*代表的是經(jīng)流動性調(diào)整的資產(chǎn)風(fēng)險價值；ECL代表資產(chǎn)的外生流動性成本；Pt是t時刻資產(chǎn)的中間價格；Zα是對應(yīng)收益率分布的α分位數(shù)；θ是對收益分布尖峰特征進行調(diào)整的修正系數(shù)；σt是資產(chǎn)在t時刻的波動率；S為對應(yīng)資產(chǎn)相對買賣價差的平均值，即S= ；α是對買賣價差分布進行調(diào)整的換算系數(shù)； t是在t時刻資產(chǎn)相對買賣價差的波動率。

引入最高價和最低價對BDSS模型進行改進，即S= ，其中hpi，lpi分別表示第i個交易日該股票的最高價與最低價。對于公式（2）中的S我們這里用日最高價與最低價的價差在95%置信度下的最大值MS來代替，相應(yīng)的我們用S'波動率t代替公式（2）中相對買賣價差的波動率 t。也就是說我們用歷史的日最高價與最低價之間的價差在95%置信水平下的最大值來模擬該資產(chǎn)在未來某天可能存在的最大價差，因此本文計算股票的流動性成本公式如下：

ECL= [Pt(MS+αt)]（4）

由于我們考察的是當(dāng)日該資產(chǎn)最高價與最低價的差，因此度量的是投資者在變現(xiàn)該資產(chǎn)時帶來的額外成本的一個最大的可能值，也就是最大的可能流動性成本，這個成本要遠遠大于BDSS模型中用買賣價差度量出來的流動性成本。而對于具體的交易者而言他需要承擔(dān)的流動性成本應(yīng)該是小于或者等于ECL的。最后我們得到的經(jīng)流動性調(diào)整的資產(chǎn)風(fēng)險價值計算公式為：

Loss=Pt(1-e )+ [Pt(MS+αt)]（5）

其中的max表示的是我們度量的是流動性風(fēng)險的最大可能值。

四、數(shù)據(jù)選取與實證分析

(一)數(shù)據(jù)選取

本文按25個行業(yè)（金融、商業(yè)、通信、地產(chǎn)、電力、石化、鋼鐵、汽車、科技、電腦、農(nóng)業(yè)、醫(yī)藥、紡織、外貿(mào)、家電、旅游、公用事業(yè)、造紙印刷、航天軍工、有色金屬、釀酒食品、交通設(shè)施、化纖、機械制造、黑色金屬）從滬市各挑選一只有代表性的股票作為樣本，并以深圳成指和上證指數(shù)作為研究參照，樣本考察期為 2000年1月4日至2007年8月31日。所有數(shù)據(jù)均來源于廣發(fā)證券行情分析軟件。對于在考察期內(nèi)被停市的股票，由于再次上市后的第一個交易日的股價與停市前最后一個交易日的股價往往相差很大，我們將這些股票再次上市后的第一個交易日的收益率設(shè)定為0。其他交易日的收益率我們通過相應(yīng)股票收盤價的對數(shù)一階差分計算出來，即：

ret=Ln(cpt/cpt-1)（6）

其中ret表示t日該股票的收益率，cpt表示該股票在t日的收盤價格。（其中上證指數(shù)和深證指數(shù)的收盤價格以當(dāng)日收盤點數(shù)衡量）。

（二）價格風(fēng)險值計算

在傳統(tǒng)的VaR風(fēng)險計量方法中，大多都將資產(chǎn)收益假設(shè)為無條件的正態(tài)分布，但大量實證研究表明，資產(chǎn)收益的波動具有明顯的尖峰厚尾性。下面我們以浦發(fā)銀行為例，對資產(chǎn)收益率序列進行正態(tài)性檢驗。本文所有數(shù)據(jù)的處理和計算都是采用Excel結(jié)合Eviews5.0軟件得到的。

如圖1所示，我們可以看到樣本數(shù)據(jù)的偏度大于0，峰度值為6.425大于標準正態(tài)分布的峰度值3，表明此股票收益率呈現(xiàn)出明顯的正偏度和尖峰厚尾特征，從Jarque-Bera正態(tài)檢驗來看其JB檢驗統(tǒng)計量的值遠遠大于5%顯著性水平下的臨界值5.99，因此我們可以得出其收益率序列明顯偏離正態(tài)分布。通過對其他股票進行同樣的檢驗發(fā)現(xiàn)另外24只股票的收益率序列分布也都明顯的偏離了正態(tài)分布。

因此，傳統(tǒng)VaR模型中假設(shè)資產(chǎn)收益率服成標準正態(tài)分布不符合實際情況。這也是Bangia，Diebold，Schuermann和Stroughair(1998)在模型中引入了對收益率分布的厚尾性進行調(diào)整的修正系數(shù)θ的原因。當(dāng)收益服成正態(tài)分布時，θ=1；當(dāng)收益不服成正態(tài)分布時，θ >1，為了計算θ值的大小，他們通過研究給出了收益分布的峰度值K和修正系數(shù)θ之間的關(guān)系：

θ=1+?準#8226;Ln( )(7)

其中?準是與收益的尾部特征有關(guān)的常數(shù)，我們可以利用歷史VaR值對等式（1）進行回歸而得到。這里我們首先用歷史模擬法計算出樣本股的歷史VaR值，再用這些值對等式（1）進行回歸，得到?準的值為0.891。然后通過等式（7）計算得到相應(yīng)資產(chǎn)的修正系數(shù)值θ。最后我們以一天為持有期，計算出在95%的置信度下各股票資產(chǎn)的價格風(fēng)險價值。

（三）換算系數(shù)α的計算

對于外生流動性成本中的換算系數(shù) 是第二個我們必須要估計的未知數(shù)，根據(jù)Bangia，Diebold，Schuermann和Stroughair(1998)的研究結(jié)果，我們需要將樣本數(shù)據(jù)按流動性大小分成兩個子樣本：一組為流動性強的資產(chǎn)，另一組為流動性弱的資產(chǎn)，然后利用兩組子樣本中對應(yīng)資產(chǎn)的歷史VaR值和價差分布分別對外生流動性成本等式（4）進行回歸估計。圖2為浦發(fā)銀行的價差分布和累計頻率分布圖，從圖中我們可以看到其分布的偏度和峰度值相對都比較高。明顯的偏離了正態(tài)分布。本文通過日換手率來度量相應(yīng)股票的流動性大小，利用2006年1月4日到2007年8月31日的所有股票的日換手率的平均值將樣本股票按流動性大小分成兩個子樣本，再用相對應(yīng)的股票數(shù)據(jù)分別對外生流動性成本等式進行回歸，得到對應(yīng)流動性強的股票的換算系數(shù)值為10.586，對應(yīng)流動性相對較弱的股票的換算系數(shù)值為9.560。對于具體的股票而言，偏離正態(tài)分布的程度越高，對應(yīng)的換算系數(shù)也就越大。這里我們通過對應(yīng)股票價差分布的JB統(tǒng)計量來對其偏離正態(tài)分布的程度進行度量，將所有樣本股票按JB統(tǒng)計量的大小分成兩組，對應(yīng)JB統(tǒng)計量大的股票組換算系數(shù)取值為10.586，JB統(tǒng)計量小的股票組換算系數(shù)取值為9.560。

（四）經(jīng)流動性調(diào)整的風(fēng)險價值計算

最后通過前面構(gòu)造的模型我們可以計算出股票樣本經(jīng)流動性調(diào)整后的風(fēng)險價值。各步驟計算結(jié)果如表1所示。從表1我們看到25只樣本股票流動性風(fēng)險在總風(fēng)險中所占的比重平均值為36.07%，其中最大值為39.11%，最小值為33.69%。由于本文選取日最高價和最低價之間的價差作為流動性指標，因此通過這一指標計算出來的應(yīng)該是內(nèi)生流動性風(fēng)險和外生流動性風(fēng)險的和。另外，用日最高價和最低價之間的價差度量的流動性應(yīng)該是對應(yīng)資產(chǎn)可能面臨的流動性風(fēng)險的一個最大值，也就是說這是投資者所面臨的流動性風(fēng)險損失上限。這樣就更有利于投資者控制和把握風(fēng)險。

從整個樣本股票的流動性風(fēng)險所占總風(fēng)險的比例來看，雖然我國的股票市場有著較低的買賣價差水平，但由于對應(yīng)的報價深度也比較小，我國股票市場的流動性并沒有表面上看到的那么好，流動性風(fēng)險的最大值占到市場風(fēng)險的30%以上，通過樣本各股票間的對比分析我們發(fā)現(xiàn)各行業(yè)對應(yīng)股票之間的流動性都不存在明顯的層次區(qū)分，表現(xiàn)出較大的趨同性，樣本股流動性風(fēng)險最大值和最小值之間相差不到6%，且個股流動性緊跟大盤走的特征比較顯著。從滬深兩市來看，這種趨同性更加明顯，由兩個大盤指數(shù)的計算結(jié)果我們可以看到，滬深兩市流動性風(fēng)險比值之間相差不到2個百分點。這個可能和所有股票都處于同樣的環(huán)境有關(guān)，不論是深市還是滬市或者個股，都是在同樣的經(jīng)濟環(huán)境之下。雖然上市的地點不相同，或者公司質(zhì)量有差別，但就目前來看我國的股市在一定程度上還是一個典型的“政策市”，股市的流動性受國家政策調(diào)控的影響還很明顯，因此個股受市場系統(tǒng)流動性的影響比較顯著。另外我國股市的漲停板制度也在一定程度上縮小了個股之間的這種差距。

（五）滬深兩市流動性變化趨勢分析

為了考察我國股市的流動性變化趨勢，這里我們用上證指數(shù)和深證指數(shù)為研究對象，根據(jù)前面介紹的方法以年為單位計算出滬深兩市從2000年到2007年每年的最大流動性風(fēng)險占總風(fēng)險的比重，其中2007年只包含到8月30號為止的前8個月的數(shù)據(jù)，計算結(jié)果見下表2。

由表2我們得到2000年到2007年我國滬深股市的流動性風(fēng)險變化趨勢圖如下（圖3）。

從圖3可以看到滬深兩市的流動性變化趨勢其本保持同步。這也驗證了前面所分析的滬深兩市的流動性沒有層次區(qū)分表現(xiàn)出很大的趨同性。從年度變化來看，流動性風(fēng)險在總風(fēng)險中的比重在2001年最小，然后開始上升到2004年達到最大值。接著開始呈現(xiàn)逐年下降趨勢。

（六）后驗測試

為了檢驗前面通過模型計算出來的股票最大風(fēng)險值的有效性，我們用2007年9月3日到2007年11月15日共54個交易日內(nèi)的所有樣本股票每天的實際損失值對模型結(jié)果進行后驗測試。所謂后驗測試實際上就是檢驗?zāi)Ｐ偷挠嬎憬Y(jié)果對實際損失的覆蓋程度。為此，本文分別計算每只樣本股票在54個交易日內(nèi)各自的溢出天數(shù)E，這里

E=Et，Et=0若VaR≤rt1若 VaR>rt

然后進一步計算出溢出率e=E/N， N為考察天數(shù)，這里N=54。并將e值與顯著性水平1-c進行比較來判斷模型的準確性。計算得到所有樣本股票的溢出率均小于1-c，因此可以認為通過模型計算出來的股票的最大可能風(fēng)險價值能夠很好的涵蓋實際最大損失。

（七）流動性風(fēng)險影響因素分析

為了考察流動性風(fēng)險與股本數(shù)和股票市值之間的關(guān)系，這里我們用個股在2007年8月31日的流通股本數(shù)和流通市值作為自變量對前面計算出來的流動性風(fēng)險值進行回歸分析，回歸結(jié)果參見表3。

其中：x1 =各股票的流通股本數(shù)；x2 =各股票的流通市值。

通過對回歸結(jié)果的分析我們看到X1、X2都通過了顯著性檢驗，這說明股票的流通股本數(shù)和流通市值對股票所面臨的流動性風(fēng)險有顯著的影響，其中，流通股本數(shù)與流動性風(fēng)險值呈顯著的負相關(guān)關(guān)系，而流通市值與流動性風(fēng)險值呈顯著的正相關(guān)。這說明股本越大的股票所面臨的流動性風(fēng)險越小。這可能與我國股市存在的“做莊”現(xiàn)象有關(guān)，從表面上看“莊家”大部分時候都是市場上流動性的提供者，可是一旦市場真正缺乏流動性的時候，他們往往是始作俑者，反而是大量的散戶在這個時候提供了市場急需的流動性。而對于這些流通盤大的股票來說，“莊家”往往不容易控盤，因此由于大量散戶的參與導(dǎo)致了這些股本大的股票所面臨的流動性風(fēng)險要相對較小。而流通市值由于包含了一個很重要的價格因素在里面，股本相當(dāng)?shù)墓善眱r格越高流通市值越大，而廣大投資者往往認為高價股含有更多的泡沫成分，一旦市場發(fā)生流動性危機時，人們往往對這些高價股“懼”而遠之，這就無形中加劇了這些股票所面臨的流動性風(fēng)險，因此表現(xiàn)出股票流通市值與流動性風(fēng)險成正相關(guān)關(guān)系。

五、結(jié) 論

流動性風(fēng)險是構(gòu)成股票市場風(fēng)險的重要組成部分，而廣大的投資者尤其是個人投資者往往對流動性風(fēng)險缺乏足夠的重視。本文實證結(jié)果表明我國股市的平均流動性風(fēng)險最大值占到市場總風(fēng)險的30%以上，如果忽視流動性風(fēng)險那么將會嚴重低估投資所面臨的總風(fēng)險。單從我們選取的25只滬市樣本股來看不同股票所面臨的流動性風(fēng)險差異表現(xiàn)不是很明顯，個股之間或者大盤指數(shù)之間的層次沒有很明顯的區(qū)分，呈現(xiàn)出一定的趨同性質(zhì)。通過對各年流動性風(fēng)險的變化趨勢發(fā)現(xiàn)考察期內(nèi)我國股市面臨的流動性風(fēng)險在2001年是最小的，然后開始上升到2004年達到最大值后又開始呈現(xiàn)出逐年遞減的趨勢。最后的回歸結(jié)果顯示股票的流通股本數(shù)和流通市值對股票所面臨的流動性風(fēng)險都有顯著的影響，其中，流通股本數(shù)與流動性風(fēng)險值呈顯著的負相關(guān)關(guān)系，而流通市值與流動性風(fēng)險值呈顯著的正相關(guān)。

[參考文獻]

[1]P.Jorion.Value at Risk.2nd Edition[M]. by McGraw-Hill，Inc. 2001:85-91.

[2]Anil Bangia，F(xiàn)rancis X. Diebold，Til Schuermann and John D. Stroughair. Modeling Liquidity Risk， With Implications forTraditional Market Risk Measurement and Management[Z].The Wharton Financial Institutions Center WP 99-06.

[3]Le Saout Erwan.Incorporrating Liquidity Risk in VaR Models[Z].University of Rene，2000:11-37.

[4]Timotheos Angelidis and Alexandros Benos.Liquidity AdjustedValue-at-Risk based on the components of the bid-ask spread [EB/OL]. [2005]http://www.defaultrisk.com.

[5]George Chacko.Liquidity Risk in the Corporate bond Markets [EB/OL]. [2006]http://www.gloriAmundi.org/.

[6]劉海龍，仲黎明，吳沖鋒.股票流動性的度量方法[J].系統(tǒng)工程理論與實踐，2003，（1）:20-23.

[7]宋逢明，譚慧.VaR模型中流動性風(fēng)險的度量[J].數(shù)量經(jīng)濟 技術(shù)經(jīng)濟研究，2004，（6）:35-45.

[8]韓冬，王春峰，岳慧煜.流動性的“周內(nèi)效應(yīng)”和“日內(nèi)效 應(yīng)”——基于指令驅(qū)動市場的實證研究[J].北京航空航天大學(xué)學(xué)報 (社會科學(xué)版) ，2006，（2）:44-48.

[9]朱小斌.股票投資組合流動性風(fēng)險度量模型：構(gòu)建與檢驗[J]. 中國管理科學(xué)，2007，（1）:23-27.

[10]劉海龍，吳沖鋒，吳文鋒，陳占鋒.漲跌幅限制與流動性研究

[J].系統(tǒng)工程理論方法應(yīng)用，2004，（1）:14-19.

An Analysis on Liquidity-Adjusted Value at Risk in Chinese Stock Market

Liu Xiaoxing，Qiu Guihua

(Finance Department， Guangdong University of Business Studies， Guangzhou 510320，China)

Abstract: The insufficient quote degree problem exists in the Chinese stock market， and so traditional Bid-Ask spread can not reflect truly liquidity risk because Chinese stock market is a typical order form driving market. According to this condition， the paper combines the spread between the highest and the lowest price with the liquidity adjusted value at risk model (BDSS)， analyzing liquidity risk of 25 shares in 25 sectors from Shanghai stock market. The results show that there is a big liquidity risk in our stock markets and the distinction of liquidity level is not high among shares， and exists in a greater convergence. The quantity of a share in circulation is of notable negative correlation to La-VaR and market value of a share in circulation has a remarkable positive correlation to La-VaR .

Key words: liquidity risk；bid-ask spread；value at risk；BDSS model.

（責(zé)任編輯：張積慧）

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。”