付 強(qiáng)，劉永文，姚立鴻

（貴州大學(xué) 經(jīng)濟(jì)學(xué)院，貴州 貴陽 550000）

一、引言

2008 年國際金融危機(jī)爆發(fā)并迅速蔓延，造成國內(nèi)金融市場(chǎng)急劇動(dòng)蕩，此后，國內(nèi)一系列金融風(fēng)險(xiǎn)事件的發(fā)生，如2013 年銀行業(yè)“錢荒事件”、2015 年國內(nèi)“千股跌停”以及2018 年中美貿(mào)易摩擦等，給我國金融市場(chǎng)和金融系統(tǒng)帶來了挑戰(zhàn)和困擾。2017 年4月召開的金融穩(wěn)定工作會(huì)議指出“將防范跨行業(yè)、跨市場(chǎng)的交叉性金融風(fēng)險(xiǎn)作為維護(hù)金融穩(wěn)定的重點(diǎn)領(lǐng)域”。黨的二十大報(bào)告指出，防范金融風(fēng)險(xiǎn)還須解決許多重大問題。要強(qiáng)化金融穩(wěn)定保障體系，守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)的底線。由此把系統(tǒng)性金融風(fēng)險(xiǎn)管控提升到一個(gè)新的高度。

中國的金融業(yè)、房地產(chǎn)業(yè)在國內(nèi)經(jīng)濟(jì)快速發(fā)展的進(jìn)程中做出了極大的貢獻(xiàn)，規(guī)模不斷攀升。截至2021 年底，中國金融機(jī)構(gòu)總資產(chǎn)為381.95 萬億元，其中，銀行業(yè)344.76 萬億元，證券業(yè)12.3 萬億元，保險(xiǎn)業(yè)24.89 萬億元。此外，房地產(chǎn)開發(fā)企業(yè)資產(chǎn)總值達(dá)到113.39 萬億元。在我國的城市化發(fā)展過程中，金融業(yè)與房地產(chǎn)業(yè)之間的關(guān)系越發(fā)密切，一方面，兩個(gè)行業(yè)之間因利益聯(lián)結(jié)而深度融合，相互依賴而又相互影響，房地產(chǎn)行業(yè)在“鍍金時(shí)代”不斷朝著金融深化方向進(jìn)行變革；另一方面，房地產(chǎn)行業(yè)屬于資金密集型行業(yè)，其對(duì)杠桿開發(fā)以及金融中介的依賴不言而喻，全國房地產(chǎn)開發(fā)企業(yè)資產(chǎn)負(fù)債率常年一直保持在70%以上，2021 年這一數(shù)據(jù)更是達(dá)到80.30%。房地產(chǎn)市場(chǎng)商品價(jià)值量大、生產(chǎn)集約化且具有保值增值的特性，因此該行業(yè)經(jīng)營(yíng)模式和商品屬性方面與金融業(yè)有太多相切合的地方。兩個(gè)行業(yè)在常年的生產(chǎn)和經(jīng)營(yíng)過程中，逐漸發(fā)展為相互依存和相互支持、相互促進(jìn)又相互發(fā)展的市場(chǎng)共同體。金融行業(yè)之間的關(guān)聯(lián)性提高了系統(tǒng)性金融風(fēng)險(xiǎn)滋生與傳染的可能性。

二、文獻(xiàn)綜述

金融體系的穩(wěn)定離不開對(duì)尾部風(fēng)險(xiǎn)的度量，以及在此基礎(chǔ)上對(duì)各行業(yè)的風(fēng)險(xiǎn)傳染的深入研究。在該領(lǐng)域研究早期，Morgan（1996）[1]構(gòu)建了“在險(xiǎn)價(jià)值”（Value-at-Risk，VaR）以衡量一定持有期和給定置信水平下金融資產(chǎn)的最大可能損失。憑借VaR 計(jì)算簡(jiǎn)便、普適性強(qiáng)等優(yōu)點(diǎn)，該指標(biāo)的提出在當(dāng)時(shí)算得上是一次巨大的創(chuàng)新。1994 年10 月，Morgan 風(fēng)險(xiǎn)管理集團(tuán)推出Risk metrics，即風(fēng)險(xiǎn)矩陣模型，被運(yùn)用于對(duì)市場(chǎng)風(fēng)險(xiǎn)的量化。自VaR 模型構(gòu)建以來，風(fēng)險(xiǎn)矩陣模型的推出系統(tǒng)總結(jié)了前者的原理及具體算法，使模型研究更進(jìn)一步。Linsmeier 和Pearson（1996）[2]對(duì)VaR 的方法進(jìn)行了比較細(xì)致的介紹。而后，Hendricks（1996）[3]等學(xué)者將計(jì)算VaR 的三類常用方法——參數(shù)法、蒙特卡洛模擬法和歷史模擬法做了比較充分的綜述。1996 年，巴塞爾銀行監(jiān)管委員會(huì)（BCBS）通過《資本協(xié)議市場(chǎng)風(fēng)險(xiǎn)補(bǔ)充規(guī)定》要求將VaR 納入市場(chǎng)風(fēng)險(xiǎn)度量的范疇。Alexander 和Baptista（2001）[4]將VaR 與均值-方差聯(lián)系起來進(jìn)行分析，得出了聯(lián)系起來的方法與效用最大化的選擇結(jié)果基本一致的結(jié)論。

國內(nèi)學(xué)者也利用VaR 對(duì)風(fēng)險(xiǎn)進(jìn)行量化，如鄭文通（1997）[5]在發(fā)表的文章中最早對(duì)VaR 方法的背景、計(jì)算、用途以及引入中國的必要性進(jìn)行闡述。劉宇飛（1999）[6]在其文章中介紹了VaR 模型，并就該模型在我國金融監(jiān)管中的應(yīng)用進(jìn)行論述。在方法的運(yùn)用方面，陳守東和王魯非（2002）[7]利用方差-協(xié)方差法（參數(shù)法）以及歷史模擬法計(jì)算了上海證券交易所綜合指數(shù)的VaR。而后，楊子暉等（2018）[8]在研究各種風(fēng)險(xiǎn)度量指標(biāo)對(duì)行業(yè)金融風(fēng)險(xiǎn)的預(yù)測(cè)能力上也引用和考察了VaR 模型。在險(xiǎn)價(jià)值VaR 測(cè)度資產(chǎn)風(fēng)險(xiǎn)已被學(xué)者們廣泛運(yùn)用，而將VaR 以不同的測(cè)算方法對(duì)金融行業(yè)的系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行度量的相關(guān)研究比較少見，故本文的研究將在度量行業(yè)系統(tǒng)性金融風(fēng)險(xiǎn)、分析行業(yè)之間風(fēng)險(xiǎn)關(guān)系的同時(shí)對(duì)測(cè)度方法之間的差異性進(jìn)行比較分析。

三、方法介紹

VaR（Value-at-Risk）即在險(xiǎn)價(jià)值，自1993 年被G30 集團(tuán)在《衍生產(chǎn)品的時(shí)間與規(guī)則》報(bào)告中提出之后，由Morgan 拓展為主流的金融風(fēng)險(xiǎn)測(cè)度指標(biāo)。定義為：在指定置信水平下，某一金融資產(chǎn)或組合在未來持有期內(nèi)的最大可能損失。數(shù)學(xué)表達(dá)如下：

式（1）中，1-α 表示置信水平，ΔX 表示金融資產(chǎn)或組合在未來持有期Δt 內(nèi)的可能損失。一般來說，時(shí)間區(qū)間和置信水平1-α 是計(jì)算VaR 的兩個(gè)最重要指標(biāo)。根據(jù)不同的研究目的和研究對(duì)象，置信水平一般可以選擇為90%、95%或99%。對(duì)VaR 的計(jì)算有如下三種經(jīng)典方法：

參數(shù)法，也被稱為方差-協(xié)方差法。參數(shù)法基于概率分布假設(shè)，通過估計(jì)風(fēng)險(xiǎn)資產(chǎn)或組合的概率分布參數(shù)來計(jì)算VaR。通常情況下，使用正態(tài)分布、t 分布、對(duì)數(shù)正態(tài)分布等進(jìn)行假設(shè)。在確定概率分布后，通過式（2）進(jìn)行計(jì)算：

式（2）中，μ 和σ 分別表示資產(chǎn)或組合的均值和標(biāo)準(zhǔn)差，Φ-1（α）是α 分位數(shù)下的標(biāo)準(zhǔn)正態(tài)分布值。

蒙特卡洛法是一種基于模擬的方法，通過隨機(jī)模擬風(fēng)險(xiǎn)因素的變化來計(jì)算VaR。具體來說，該方法通過對(duì)風(fēng)險(xiǎn)因素進(jìn)行隨機(jī)模擬，生成大量的可能情況，并計(jì)算每種情況下的收益或損失。通過統(tǒng)計(jì)模擬結(jié)果中超過VaR 水平的情況占總模擬次數(shù)的比例，得到VaR 值。

歷史模擬法是一種基于歷史數(shù)據(jù)的方法，通過直接使用歷史數(shù)據(jù)來估計(jì)VaR。具體來說，該方法通過選擇一段歷史時(shí)間序列，計(jì)算該時(shí)間序列中的變化量，并按照這些變化量的大小排序。通過選取適當(dāng)?shù)姆治粩?shù)，即可得到給定置信水平下的VaR 值。

四、實(shí)證分析

（一）數(shù)據(jù)選取和說明

本文選取的行業(yè)包含銀行業(yè)（801192.SL）、證券業(yè)（801193.SL）、保險(xiǎn)業(yè)（801194.SL）、多元金融業(yè)（801191.SL）以及房地產(chǎn)業(yè)（801183.SL），并利用申銀萬國行業(yè)指數(shù)中的各行業(yè)指數(shù)的周度對(duì)數(shù)化收益率進(jìn)行風(fēng)險(xiǎn)的度量，全樣本時(shí)間跨度為2007 年1 月19日至2023 年1 月13 日，頻率為周度。

（二）描述性統(tǒng)計(jì)和相關(guān)性分析

各行業(yè)樣本觀測(cè)值共計(jì)為817 個(gè)周度數(shù)據(jù)，全樣本時(shí)期的5 個(gè)行業(yè)在時(shí)間跨度上包含了諸多金融事件，根據(jù)各行業(yè)指數(shù)數(shù)據(jù)得出每個(gè)行業(yè)的周度收益率數(shù)據(jù)之后，本文對(duì)其進(jìn)行描述性統(tǒng)計(jì)分析和相關(guān)性分析。

表1 詳細(xì)給出了5 個(gè)行業(yè)周度收益率數(shù)據(jù)的描述性統(tǒng)計(jì)信息，從表1 中各行業(yè)收益率均值來看，收益率數(shù)據(jù)均值均為接近于0 的正值，中位數(shù)也基本為0，從最大值和最小值來看，各行業(yè)的收益率區(qū)間基本在-0.30～0.30 之間。銀行業(yè)收益率標(biāo)準(zhǔn)差為0.032 496，收益率波動(dòng)較為穩(wěn)定；證券業(yè)收益率標(biāo)準(zhǔn)差為0.049 402，在5 個(gè)行業(yè)中收益率波動(dòng)最大。從峰度和偏度兩個(gè)指標(biāo)來看，各行業(yè)收益率數(shù)據(jù)均呈尖峰厚尾的形態(tài)。

表2 給出了銀行、保險(xiǎn)、證券、多元金融以及房地產(chǎn)業(yè)收益率之間的相關(guān)系數(shù)①上三角為斯皮爾曼相關(guān)系數(shù)，下三角為皮爾遜相關(guān)系數(shù)。，前4 類行業(yè)本身歸屬于金融行業(yè)大類，故它們之間必然有著較強(qiáng)的相關(guān)關(guān)系，而房地產(chǎn)行業(yè)在發(fā)展過程中其自身的金融屬性及其金融依附性使得該行業(yè)與前四類金融行業(yè)之間也存在著較強(qiáng)的相關(guān)關(guān)系，表2 中的相關(guān)系數(shù)均大于0.5，說明5 類行業(yè)具有一定程度的聯(lián)動(dòng)效應(yīng)。

表2 各行業(yè)周度收益率相關(guān)性情況

本文全樣本時(shí)期的數(shù)據(jù)時(shí)間跨度為2007 年1月19 日至2023 年1 月13 日，每個(gè)行業(yè)各817 個(gè)周度收益率樣本數(shù)據(jù)。圖1 給出了各行業(yè)指數(shù)收盤價(jià)及其收益率的曲線圖。

圖1 各行業(yè)收益率和收盤價(jià)格

由圖1 不難看出，在2007 年1 月份、2009 年上半年、2014 年年底以及2018 年年底，5 個(gè)行業(yè)的收盤價(jià)均出現(xiàn)不同幅度的上漲，收盤價(jià)總體上的變動(dòng)趨勢(shì)相同，收益率曲線的波動(dòng)聚集性也能充分體現(xiàn)這種相關(guān)性。

（三）行業(yè)風(fēng)險(xiǎn)的度量與分析

1.風(fēng)險(xiǎn)的靜態(tài)度量與分析。本節(jié)將分別利用參數(shù)法、蒙特卡洛法和歷史模擬法對(duì)5 個(gè)行業(yè)全樣本時(shí)期的指數(shù)收益率進(jìn)行VaR（置信水平95%）測(cè)算，以期得到整體的行業(yè)金融風(fēng)險(xiǎn)信息，從靜態(tài)的角度對(duì)行業(yè)之間的風(fēng)險(xiǎn)狀況進(jìn)行分析。

表3 展示了在全樣本時(shí)期5 類行業(yè)運(yùn)用三種測(cè)算VaR 方法所測(cè)算出的在險(xiǎn)價(jià)值，還給出了行業(yè)在險(xiǎn)價(jià)值均值及其排名，在險(xiǎn)價(jià)值的測(cè)算方法均值及其排名的信息。

表3 全樣本時(shí)期各行業(yè)VaR 測(cè)算情況

從行業(yè)均值排名來看，行業(yè)金融風(fēng)險(xiǎn)由大到小排名為證券業(yè)、多元金融業(yè)、保險(xiǎn)業(yè)、房地產(chǎn)業(yè)和銀行業(yè)。證券業(yè)和多元金融業(yè)在我國體量較小，起步較晚，自身發(fā)展以及行業(yè)規(guī)范尚不夠完善，以至于在面臨風(fēng)險(xiǎn)事件時(shí)難以進(jìn)行及時(shí)有效的防御，而風(fēng)險(xiǎn)事件過后，往往這兩個(gè)行業(yè)又會(huì)成為投資者轉(zhuǎn)移風(fēng)險(xiǎn)和尋求投資機(jī)會(huì)的市場(chǎng)，故而其在險(xiǎn)價(jià)值排名靠前；保險(xiǎn)業(yè)在我國的體量也較小，此外，保險(xiǎn)業(yè)在我國大致呈寡頭式發(fā)展，該行業(yè)與其他金融行業(yè)之間的相關(guān)關(guān)系相較于其他行業(yè)相互之間的相關(guān)關(guān)系來說稍弱一些，這一點(diǎn)可以從表2 中得到印證，從表2 中還可以看出保險(xiǎn)業(yè)與風(fēng)險(xiǎn)排名靠后的銀行業(yè)相關(guān)系數(shù)最大，達(dá)到了0.770 684，銀行業(yè)本身抵御風(fēng)險(xiǎn)的能力較強(qiáng)，故而在面臨風(fēng)險(xiǎn)事件時(shí)保險(xiǎn)業(yè)能發(fā)揮出比證券業(yè)和多元金融業(yè)更有效的風(fēng)險(xiǎn)抵御能力；在險(xiǎn)價(jià)值排名靠后的房地產(chǎn)業(yè)和銀行業(yè)在我國的體量較大，可以說房地產(chǎn)業(yè)和銀行業(yè)在體量層面上和其他三類行業(yè)相比完全不是一個(gè)層次，此外這兩個(gè)行業(yè)之間也有著較為緊密的相關(guān)關(guān)系，行業(yè)發(fā)展起步早，制度成熟，業(yè)務(wù)廣泛且擁有著較強(qiáng)的市場(chǎng)需求和制度保護(hù)，故而在面臨風(fēng)險(xiǎn)事件時(shí)，房地產(chǎn)業(yè)和銀行業(yè)能及時(shí)且有效地整合自身資源進(jìn)行風(fēng)險(xiǎn)緩沖，自保能力較強(qiáng)。

在方法層面，在險(xiǎn)價(jià)值均值由高到低分別是蒙特卡洛法（-0.0932）、參數(shù)法（-0.0822）及歷史模擬法（-0.0663）。不僅如此，表3 所列數(shù)據(jù)中，5 類行業(yè)的風(fēng)險(xiǎn)測(cè)算過程嚴(yán)格遵循此規(guī)律，且每一類方法所得在險(xiǎn)價(jià)值的行業(yè)排名與最后的均值排名相同。圖2 為5 個(gè)行業(yè)在險(xiǎn)價(jià)值測(cè)度的直觀圖。

圖2 各行業(yè)風(fēng)險(xiǎn)測(cè)算圖

產(chǎn)生這個(gè)結(jié)果的原因是不同的VaR 計(jì)算方法有著不同的假設(shè)和優(yōu)缺點(diǎn)。就本文而言的行業(yè)指數(shù)收益率的VaR，從其方法的特征來說，蒙特卡洛法計(jì)算結(jié)果的精度會(huì)比其他兩種方法高。

2.風(fēng)險(xiǎn)的動(dòng)態(tài)度量與分析。該部分是在風(fēng)險(xiǎn)靜態(tài)度量的基礎(chǔ)上，采用滾動(dòng)窗口的方法①歷史模擬法滾動(dòng)窗口w=10，參數(shù)法和蒙特卡洛法滾動(dòng)窗口w=52。，置信水平仍取95%，使用滾動(dòng)窗口計(jì)算動(dòng)態(tài)VaR 的好處在于能夠更準(zhǔn)確地反映當(dāng)前市場(chǎng)的風(fēng)險(xiǎn)情況，并能夠及時(shí)發(fā)現(xiàn)風(fēng)險(xiǎn)的變化趨勢(shì)，動(dòng)態(tài)VaR 可以及時(shí)反映不同行業(yè)風(fēng)險(xiǎn)的變化情況，幫助金融機(jī)構(gòu)掌握其風(fēng)險(xiǎn)狀況，及時(shí)采取措施控制風(fēng)險(xiǎn)。

通過比較三種動(dòng)態(tài)V aR 測(cè)算方法不難發(fā)現(xiàn)，三種方法的度量精確程度均依賴于滾動(dòng)窗口的選擇，歷史模擬法對(duì)窗口選擇尤為敏感，即使是在較短的窗口選擇（w=10）情況下，歷史模擬法所呈現(xiàn)的動(dòng)態(tài)V aR 的精確度卻還是不盡如人意；而由于本文選取的收益率頻率為周度，故參數(shù)法和蒙特卡洛法的窗口選擇為w=52，通過對(duì)比很容易看出這兩種方法所呈現(xiàn)的結(jié)果大致相同，但直觀來看，蒙特卡洛法的結(jié)果還是要精確一些。

從圖3～ 圖5 呈現(xiàn)的圖像來看，參數(shù)法、蒙特卡洛法以及歷史模擬法均能在一定程度上對(duì)行業(yè)風(fēng)險(xiǎn)進(jìn)行刻畫，在一些風(fēng)險(xiǎn)事件爆發(fā)時(shí)期，行業(yè)風(fēng)險(xiǎn)表現(xiàn)出激增的態(tài)勢(shì)，且總體來說，證券業(yè)和多元金融業(yè)無論是在靜態(tài)層面還是動(dòng)態(tài)層面的風(fēng)險(xiǎn)值都是較高的，銀行業(yè)的自身風(fēng)險(xiǎn)較低。在我國金融發(fā)展過程中，證券業(yè)和多元金融業(yè)是金融創(chuàng)新的主要推動(dòng)者和承擔(dān)者之一，金融創(chuàng)新和證券業(yè)、多元金融業(yè)的發(fā)展相互促進(jìn)，共同推動(dòng)金融市場(chǎng)和經(jīng)濟(jì)的發(fā)展。另外，在證券業(yè)和多元金融業(yè)的業(yè)務(wù)拓展和產(chǎn)品創(chuàng)新過程中，新的風(fēng)險(xiǎn)因素和監(jiān)管難題也伴之而來，如“烏龍指事件”“熔斷機(jī)制”和“P2P 網(wǎng)貸管控”等事件反映了我國證券業(yè)和多元金融業(yè)在發(fā)展過程中的風(fēng)險(xiǎn)暴露和不斷完善，因此，結(jié)合證券業(yè)和多元金融業(yè)起步較晚，而行業(yè)又不斷進(jìn)行業(yè)務(wù)拓展和產(chǎn)品創(chuàng)新，相對(duì)應(yīng)的監(jiān)管制度尚需進(jìn)一步完善這些因素來看，這兩個(gè)行業(yè)在風(fēng)險(xiǎn)事件時(shí)期更容易累積風(fēng)險(xiǎn)。

圖3 基于參數(shù)法的動(dòng)態(tài)VaR

圖4 基于蒙特卡洛法的動(dòng)態(tài)VaR

圖5 基于歷史模擬法的動(dòng)態(tài)VaR

3.三種方法的比較。參數(shù)法、蒙特卡洛法和歷史模擬法是常用的金融風(fēng)險(xiǎn)價(jià)值（VaR）計(jì)算方法，它們?cè)谟?jì)算不同行業(yè)的VaR 時(shí)具有不同的特點(diǎn)。

參數(shù)法假設(shè)收益率服從特定的概率分布，因此計(jì)算相對(duì)簡(jiǎn)單且速度快，但是這種方法無法反映收益率分布的非正態(tài)性和尾部厚重性，因此可能會(huì)導(dǎo)致VaR 估計(jì)過于樂觀或保守；蒙特卡洛模擬法是一種基于概率論的數(shù)值模擬方法，通過模擬隨機(jī)事件的概率分布來計(jì)算VaR。該方法模擬多次隨機(jī)試驗(yàn)，將試驗(yàn)結(jié)果代入模型計(jì)算，可以比較準(zhǔn)確地計(jì)算出VaR。但是，該方法計(jì)算量大，運(yùn)算速度慢，計(jì)算結(jié)果還受到模擬次數(shù)和隨機(jī)數(shù)生成的影響；歷史模擬法是一種非參數(shù)方法，它基于歷史數(shù)據(jù)進(jìn)行模擬，不依賴于特定的分布形式，因此可以適用于各種復(fù)雜的情況。但是，由于其非參數(shù)的特性，它在某些情況下可能無法準(zhǔn)確地捕捉到分布的形狀，可能導(dǎo)致VaR計(jì)算結(jié)果不準(zhǔn)確。

綜上所述，不同的VaR 計(jì)算方法有各自的優(yōu)缺點(diǎn)和特征，故而測(cè)算的結(jié)果也會(huì)有所差異，實(shí)際應(yīng)用時(shí)需要綜合考慮風(fēng)險(xiǎn)特征、計(jì)算精度、計(jì)算速度等因素來選擇合適的方法。

五、研究結(jié)論與建議

（一）結(jié)論

第一，5 類行業(yè)之間具有較為緊密的相關(guān)關(guān)系，其中，保險(xiǎn)業(yè)與銀行業(yè)、證券業(yè)與多元金融業(yè)、證券業(yè)與房地產(chǎn)業(yè)、多元金融業(yè)與房地產(chǎn)業(yè)之間的相關(guān)系數(shù)均大于0.7，說明行業(yè)之間存在著一定程度的聯(lián)動(dòng)效應(yīng)，一般來說，與銀行業(yè)越相關(guān)的行業(yè)，自身抵御金融風(fēng)險(xiǎn)的能力則越強(qiáng)，而與房地產(chǎn)業(yè)越相關(guān)，自身抵御金融風(fēng)險(xiǎn)的能力反而越弱。

第二，從行業(yè)測(cè)算風(fēng)險(xiǎn)值的均值排名來看，無論是靜態(tài)還是動(dòng)態(tài)層面，行業(yè)金融風(fēng)險(xiǎn)由大到小排名為證券業(yè)、多元金融業(yè)、保險(xiǎn)業(yè)、房地產(chǎn)業(yè)和銀行業(yè)，這主要是由行業(yè)發(fā)展特征和相互關(guān)聯(lián)作用所造成的。

第三，通過對(duì)靜態(tài)和動(dòng)態(tài)的結(jié)果分析發(fā)現(xiàn)，在險(xiǎn)價(jià)值的測(cè)算過程中，由高到低分別是蒙特卡洛法、參數(shù)法和歷史模擬法，這一點(diǎn)在行業(yè)和整體均值上均有體現(xiàn)。一般而言，測(cè)度精確度上蒙特卡洛法>參數(shù)法>歷史模擬法。此外，要根據(jù)場(chǎng)景、方法的特征進(jìn)行運(yùn)用。

（二）政策建議

第一，不同行業(yè)之間的緊密相關(guān)性和聯(lián)動(dòng)效應(yīng)是當(dāng)前金融市場(chǎng)所面臨的一個(gè)普遍現(xiàn)象。為更好地應(yīng)對(duì)金融風(fēng)險(xiǎn)，各行業(yè)應(yīng)該加強(qiáng)協(xié)調(diào)和溝通，建立聯(lián)合應(yīng)對(duì)金融風(fēng)險(xiǎn)的機(jī)制。同時(shí)，通過控制行業(yè)之間的合理相關(guān)關(guān)系，可以減少各行業(yè)在金融風(fēng)險(xiǎn)事件中的連鎖反應(yīng)，增強(qiáng)各行業(yè)的抗風(fēng)險(xiǎn)能力，從而實(shí)現(xiàn)協(xié)同抵御風(fēng)險(xiǎn)的目標(biāo)。

第二，證券業(yè)和多元金融業(yè)是金融市場(chǎng)中的兩個(gè)重要行業(yè)，它們?cè)诮鹑陲L(fēng)險(xiǎn)方面的均值表現(xiàn)較高，表明這兩個(gè)行業(yè)的金融風(fēng)險(xiǎn)需要高度關(guān)注。為確保金融市場(chǎng)的穩(wěn)定和健康，需要完善針對(duì)證券業(yè)和多元金融業(yè)的監(jiān)管政策，以便更有效地預(yù)防和控制風(fēng)險(xiǎn)。同時(shí)，要謹(jǐn)防這兩個(gè)行業(yè)規(guī)模發(fā)展和風(fēng)險(xiǎn)控制的不對(duì)等性，積極推動(dòng)行業(yè)改革，加強(qiáng)監(jiān)管和審查制度，優(yōu)化市場(chǎng)結(jié)構(gòu)，推進(jìn)行業(yè)合規(guī)，以促進(jìn)其良性發(fā)展。

第三，蒙特卡洛法在風(fēng)險(xiǎn)測(cè)算精度上較高，應(yīng)該在風(fēng)險(xiǎn)管理方面加強(qiáng)對(duì)蒙特卡洛法的應(yīng)用和研究。同時(shí)，應(yīng)該將不同風(fēng)險(xiǎn)測(cè)算方法的優(yōu)缺點(diǎn)考慮在內(nèi)，選擇最適合的方法來應(yīng)對(duì)不同的風(fēng)險(xiǎn)情況。