股市风险分析范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的13篇股市风险分析范例，将为您的写作提供有力的支持和灵感！

篇1

1、研究背景介绍

2014年下半年中国A股市场开启了一波罕见的大牛市，一时间全民炒股成为了一股热潮，尤其是新股民甚至产生一种错觉，只要炒股就能挣钱。但是15年六月中旬开始，A股开始暴跌，在短短十几天时间里，上证指数从最高的5000多点一路猛跌至3300多点，一时间千股跌停。至此一些新股民开始闻股色变。然而仅仅过去一个多月，A股又紧随股市开始暴跌，史称“股灾2.0”。进入2016年，上两次的股灾还未远去多久，A股在新年首个交易日就两次触发熔断伐，提前休市，1月7日更是创纪录的30分钟就休市。这一切的一切无疑都告诉我们，股市绝对不是提款机，股市是有风险的，而且风险来时更是猛如虎！而我们的这篇文章就是要用VaR方法分析中国A股市场的风险。

早在2000年，中国科学院科技政策与管理科学研究所的范英就研究了VaR方法在深圳股票市场的应用问题，在股票价格随机游动的假设下计算了深圳股市在不同置信水平下的风险值，并与实际投资收益做了对比。本文就是基于范英的研究方法对2014年下旬到2016年初的中国股市的风险进行分析，另外为了更好地分析，本文选取了沪深300指数作为分析的标的。

2、实证分析

因为这轮牛市大抵是从2014年的下半年开始的，因此这篇文章选择从2014年9月17日到2016年一月初的A股数据，为了更好地体现整个A股市场，本文选择了沪深300指数作为分析的标的。要特别说明的是，本文的所有图表数据均来自Wind。

VaR，即风险价值度（value at risk），当考虑VaR的测度时，我们所关心的是如下的问题：在给定时期，有x%的可能性，最大的损失是多少？

假设沪深300综合指数在时间t的取值是，时间间隔为1天，

=ln（）-ln（）=ln（1+），

≈ （1）

这里计算VaR的方法采用方差协方差方法，当已知时，假设服从独立异方差的正态分布，这里考虑了方差的时变性。

=ln（）-ln（）～ N（0，）

= -αW （1） （2）

对方差的估计采用周期为20天（T=20）的移动平均法，即

= （3）

根据（2）式，考虑1天的持有期，令W=1，对应的VaR值为风险值占整个投资额的比例。对置信水平的不同取值c，对应的分位点为α，可以计算出相应的风险值VaR。

本文对置信水平的4个不同取值分别计算每天的VaR值，表1列出了本算例的主要结果。从表中数据分析可以看出，置信水平越高，风险值越大。对风险规避者来说，对风险的预期比较大，在量化风险时需要较高的置信水平，以降低投资的风险；而对于风险偏好者来说，对风险的承受能力比较大，在计算风险时设置相对低的置信水平，相应的风险值比较低，有利于做出积极的投资决策，从而期望获得较高的利润。

表1最后一行显示了收益率为负的超过VaR的天数与总天数的比例，通过观察我们可以发现，当置信水平是90%时实际损失超过VaR的比例为9.33%，这个比例与相应的置信水平是基本吻合的。但是随着置信水平的不断增大，实际损失超过VaR的比例与相应的置信水平就不是那么精确的吻合了。因此对于95%、97%、99%的置信水平，所计算的VaR值略低估A股市场的风险。

本文绘制了对于90%的置信水平所反映收益率和风险值的对应曲线图，图1是沪深300指数每日收益率的变动曲线，图2为相应时间每日风险值的VaR曲线。通过图1和图2的对比我们可以看出，当每日收益率变化较大时，相对应的VaR曲线也变化较大。

3、结论

通过以上分析可知，用VaR方法能较好地度量A股市场的风险，且VaR方法使用单，通俗易懂。随着A股市场的不断完善，其人为的影响也会越来越小，相应的市场化会越来越高，因此用VaR方法来度量A股的风险也会相应的更加准确。当然这也仅仅是个方法而已，市场是随时变化的，市场的风险当然也是变化莫测的，在投资A股的同时要时刻防范风险，这是我们每一位股民都应该牢牢记在心里的。

参考文献

篇2

随着社会经济的不断发展，人们的生活水平日益提升，油气的使用在生活中也越来越广泛。但是由于我国的油气分布的不均，因此，要想满足人们日常生活对油气的需求，提高人们的生活质量，长输管道的建设就成了解决这一问题最有效的方法[1]。长输管道的建设能够使油气运输问题得到有效的解决，但是，在建设中，必须确保运行的安全性能，因为一旦在输送过程中发生开裂或者管道方面的其他问题，就会直接对环境，甚至人们的生命财产安全造成威胁，由此，就可以看出长输管道选线的重要性，下面就具体对长输管道的事故风险进行具体了解。

1长输管道事故风险分析

在长输管道建设中，线路的选择以及在对运行中风险的评价和分析，是确保正确选择长输管道线路的最重要的根据。在线路选线前期，只有做到对可能发生的风险以及事故进行有效的预估和评价，才能更好实现线路的优化和选择，进而使最终的长输管道的建设质量得到保证。就目前长输管道在建设和运行中存在的问题来说，主要可以分为腐蚀，设计以及误操作和第三方损害。其中腐蚀可以分为长输管道内部的腐蚀、大气腐蚀以及地层内部的腐蚀。由于设计出现的问题有：土壤推移、管道安全系数等方面的问题。而误操作导致的风险则是指在长输管道的运行维护方面存在的问题。第三方损害是导致长输管道面临的风险的一个最大的原因，据相关数据显示，长输管道事故中，百分之四十以上的事故都是由于这一原因造成的。风险评价是长输管道从建设到运维中，最重要的一个环节，立场不同，最终得出的评价结果也就不同。对长输管道实行公正、客观的评价，有利于促进长输管道建设的优化。定型风险评价是长输管道评价中最常用的一种方式，这一方式能够将长输管道在建设以及运行维护方面的影响因素实现综合评价。在评价的进行中，主要是以设计、施工作为评价的主体。对其进行评价的根本途径，就是通过从相应的设计、施工人员方面提出自己对于设备、施工等方面的具体认识，根据这些人员对长输管道建设不同时期的认识，得出相应的评价结果，然后再对其进行分析，这样就能够使得后期的长输管道设计、建设更加优化[2]。这样评价方式最主要的特点就是简单易行。不过由于其途径的局限性，导致结果受主观因素影响非常明显。如果相应的设计、施工人员本身对相关的工序没有一个深入的了解，专业水平有限，就会使最终的评价结果受到影响，降低评价的质量。

2长输管道选线方法分析

在前期，长输管道的选线都是在地图上进行的，第一步，相关的设计人员需要通过对地图的研究，进而确定几个相对来说执行性比较高的线路，线路范围确定以后，就需要勘测人员按照地图对设计的线路进行实地踏勘，并且出据相应的勘测报告。以上工作完成以后，线路的确定问题，就需要勘测人员、设计人员按照具体的结果进行讨论，最终实现路线的确定。不过这种选线的方式就目前来看已经不能适应当前社会的发展了，因为这种选线方式不管从时间上还是最终的路线选定上面，都有着明显的缺陷。目前，在长输管道的线路选择上，由于科学技术的不断发展，对选线区域进行遥测已经成为了当前管道选线中最常用的一种方式。遥测技术是基于遥感、翻译等技术通过不断的发展实现的，就目前的发展现状来说，遥测能够收集到的信息越来越多，以往在遥测中难以实现数据的收集也已经得到了明显的改善，比如气候带、地形以及复杂地质结构中管道的穿越产生的环境参数等问题。当前，人们为了更好的对选线问题进行优化，已经形成了集卫星定位系统、遥感技术、以及摄影测量系统于一体的勘测系统。这一系统在线路选择的过程中，首先通过遥感技术进行管道选线数据源的收集，摄影测量系统和卫星定位系统再将这些数据进行处理，对于已经形成的管道选线的位置信息还要及时的和地理系统进行匹配，实现对数据的有效管理，提高选线工作效率。在选线的实际工作中，可以分为可研踏勘阶段、初步勘察阶段以及详细勘察阶段三个阶段，在三个阶段的实际实施中，又可以分为资料的收集和实地踏勘阶段。其次，管道的详细勘察阶段以及分段。再次，对相应的线路进行风险分析，最后明确线路走向，对其进行可行性的精确计算，应用科学的方法实现长输管道线路的选择。

3结语

综上，长输管道的线路选择问题，对长输管道的稳定运行有着直接的影响，为了更好的实现管道运送业务的发展，就需要不断的进行管道选线方式的优化，这样才能使管道的正常运行得到保障，促进人们生活水平的不断提高，推动社会经济的发展。

参考文献:

篇3

中图分类号:F830.91文献标识码:A文章编号:1672-3198(2009)16-0145-01

1 引言

当市场充当市场参与者对其金融产品进行估价和风险管理时,或者证券管理部门执行其相关的政策时,通常简单假设市场不存在流动性问题或认为流动性风险与市场风险相互独立,但不幸的是,流动性通常随市场波动而波动。1987年10月席卷全球的股灾,1998年的亚洲金融危机,2007年的美国次贷危机,流动性随市场剧烈波动,给整个金融体系乃至全球经济运行带来了严重的负面影响。

在风险管理中,流动性风险不可忽视,根据传统的风险管理理论,若要联合度量市场风险与流动性风向,就必须假定两风险因子之间的相关关系是线性的,而前提假设是两风险因子呈现正态分布,但是金融数据往往呈现出非正态特征――尖峰厚尾,而Copula函数恰恰满足了这种需要,用Copula函数构建金融模型时,可以将随机变量的边缘边布和它们之间的相关结构分开来研究,其中相关结构可由一个Copula函数来描述,可以捕捉到变量间非线性、非对称性的相关关系,此外Copula函数可以迅速而有效地捕捉到非正态、非对称分布的尾部信息,对于尾部相关性的分析极为有意义。

2 相关性模型的构建

2.1 Copula函数

Copula实际上是多元随机变量相依结构的一种刻画,它是多元随机变量的联合分布函数与其对应的边际分布函数之间的一种连接函数。以下将从相关性分析角度介绍几种常用的Copula函数:(1)二元Gumbel Copula函数,其分布函数为CG(u,v,α)=exp{-[(-lnu)α+(-lnv)α]1/α},其中α∈[1,+∞)。当α=1时,随机变量u,v独立,当α趋向于+∞时,随机变量u,v趋向于完全相关。Gumbel Copula函数在上尾处的相关性较强,而下尾的相关性较弱,其上下尾的相依系数为λU=2-21/α,λL=0,因此可用于描述在上尾处具有较强的相关结构关系的现象,如牛市时市场风险与流动性风险的相关性。(2)二元Clayton Copula函数,其分布函数为Cc(u,v,α)=(u-α+v-α-1)-1/α,其中α∈(0,∞),当α0时,随机变量u,v趋向于独立,而当α∞时,随机变量u,v趋向于完全相关,与Gumbel Copula函数相反,Clayton Copula函数的下尾相关性较强,而上尾的相关性较弱,其上下尾相依系数为λU=0,λL=2-1/α,因此适合描述熊市时市场风险与流动性风险的相关性。(3)二元Frank Copula函数,其分布函数为CF=(u,v,α)=-1αlog1-(1-e-au)(1-e-av)(1-e-α),其中α≠0,当α>0时,随机变量u,v正相关,α0时,随机变量u,v趋向于独立,α

2.2 Copula模型构建

使用Copula函数构建金融模型,主要包括三个步骤:首先确定边际边布模型,其次估计待拟合的Copula函数的参数,最后进行检验,从中选取最适合用于描述边际边布间相关结构的Copula函数。从建模过程可知,选择一个合适的边际分布模型是正确构建Copula模型的前提,如果边际分布选择错误,将会导致模型的构建失败,而收益率时间序列往往呈现尖峰厚尾,波动骤集等特性,边际分布较为复杂,而流动性的边际分布则更加难以用一个确定的模型来表述,因此使用经验边布函数的估计值实现Copula函数中相关参数的估计问题。本文采用极大似然法估计各Copula函数中的参数,然后使用AIC准则确定最优的Copula模型,AIC的一般表达式为:AIC=-2ln(似然函数值)+2(参数个数),该值越小,模型越好。

3 实证研究

3.1 指标和数据的选取

本文使用具有良好统计特性的对数收益率作为市场风险的衡量指标,其计算公式如下Rt=lnPt-lnPt-1,其中Rt表示对数收益率,Pt,Pt-1分别为当日收盘价和昨日收盘价。流动性的衡量指标多种多样,至今仍不存在一致认可的指标,本文采用Amivest流动比率作为流动性的衡量指标,

其计算公式为:Lt=Ht/[(Pt,max-Pt,min)/Pt,min],其中Lt表示流动性水平,Ht表标t时刻以成交量表示的换手率,Pt,max,Pt,min分别表示t时刻的最高价与最低价,该指标越高,市场流动性越好。

本文以上证A股指数为研究对象,时间段为2005年10月至2008年12月,在此期间我国股票市场经历了一个从牛市到熊市再平稳的一个完整的股市周期,研究数据均来自国泰安研究服务中心。

3.2 实证结果

使用极大似然估计法对Gumbel Copula函数,Clayton Copula函数,Frank Copula函数进行估计,估计结果如表1。估计结果表明,Clyton最适合用来描述股票市场风险与流动性风险的相关性。说明上海股票市场的市场风险与流动性风险的相关模式具有非对称性,下尾的相关性强于上尾的相关性,当股票价格暴跌时,上海股票市场流动性风险与市场风险的协同运动明显增强。一般而言股票市场同时存在私人信息投资者和非私人信息投资者,当股票价格大幅下跌时,没有私人信息的投资者将处于观望状态,使得股票市场的流动性风险放大,私人信息拥有者将难以找到交易对手,因此市场风险与流动性风险具有较强的下尾相关性,而当股票价格上涨时,会吸引没有私人信息的投资者入市交易,但股价的过度上涨,反而会导致投资者的心理恐慌而远离市场,因而市场风险与流动性风险的上尾相关性并不显著。

参考文献

篇4

文章编号：1000-8772(2014)28-011-02

为了提高农民生产的积极性和农村经济产业化水平，把的不足给弥补起来，“股田制”被大量的推广施行，在解决土地利用分散和生产水平低的方面有非常大的优势，但是这种资本集中运营的农村土地使用方式也面临着更多的风险和挑战。

一、“股田制”的内涵及其推行的依据

（一）“股田制”的内涵分析

“股田制”是在原来的的基础上，在经过农民同意和保证土地集体所有性质不变的情况下，通过土地承包合同的形式让农民让出土地的使用权，由成立的土地股份公司统一进行管理和经营，而农民则成为公司的股东，按照自己让出土地使用权的多少来进行利益的分红以及风险的担当，从而实现农业企业的股份合作。

（二）“股田制”推行的依据分析

“股田制”的推行不是随意提出或者实行的一种土地使用制度，而是有一定的推行依据，主要表现在以下几点：首先，顺应市场的发展要求推行的土地利用制度。现代市场经济的发展，更加注重产业生产的效率、产业的现代化规模和产业的经济效益，只有进行规模化的管理和运作才能获得最大的效益。其次，依据农村土地利用的实际情况。在市场经济快速发展的今天，农村土地利用的效率非常低下，无论在生产技术、管理水平和销售渠道等方面，都与市场的要求相差甚远，以及很多农村群众进城务工造成了大量的土地荒废，不利于农村经济的快速发展。再次，国家法律的支持。据《土地承包法》第四十二条规定，承包方之间可以通过联合的方式，将土地的承包权入股来进行生产。这就明确表明土地的使用权是可以相互转让的，为“股田制”的实施提供了法律基础。

二、“股田制”具备的生产和发展优势分析

（一）通过合同方式，保障农民实现增收

“股田制”的推行让农民之间达成了一种合作的关系，成立的土地股份公司与农民签订合同，农民就成为公司的股东，可以参与或者不参与公司的经营管理，按照自己的股份及贡献大小来参与公司利益的分红。而合同的签订是具有法律意义的，这样农民的土地收入就有了一定的保障。同时农民在成为公司股东后，还可以继续从事其他行业，如参与城市的工程建设等，这样也为农民经济收入的增加拓展了新的渠道。

（二）调整农业产业结构，实现规模化的生产经营

与的个体经营相比，“股田制”的推行则是将土地资源集中起来，通过对土地的大小、肥沃或贫瘠、地形结构等进行考察后，根据土地的情况加工不同的农产品，这样就使农业产业实现了多元化的发展，改变了传统单一的产业类型和结构。而土地集中起来后，以现代化的经营方式进行农产品的生产、管理和销售，不仅提高土地的使用效率，还扩大了土地的增值空间，优化了农村产业的配置，让农业迅速的走上现代化的道路上来。

（三） 推动农村经济转型和发展

传统农村经济的发展方式比较单一，农民只能在自己的土地上获得一年的劳作收入，而且一旦受到气候环境的影响，农民的这种自给自足的生产就要大打折扣。另外还有一种情况就是很多农民选择进城务工，致使很多的土地闲置，这对农村经济的发展非常不利。而“股田制”的推行改变了传统的农村经济发展形式，由自给自足的个体经营转化成大规模、机械化、高水平管理和多渠道销售的经济发展形式，公司通过资金、技术和管理的运作，使土地的利用价值大大提高，这对于农民收入的增加和农村经济发展的带动作用非常大。

三、 “股田制”推行过程中出现的问题和风险分析

（一） 资本运作挤压农民对土地的使用空间

“股田制”的推行对于农村经济的发展和农民收入的增加带来巨大的促进作用，但是“股田制”长时间的推行，会使农民对于土地股份公司有很强的依赖心理，而公司的资本运作会带来很多的剩余价值，为了追求经济效益的最大化，公司的资金会更多的流向第二、第三产业，用于农业自身的发展资金就会大量的缩水。而农民与公司签订长期的协议后，面对公司的资本运作也无能为力，同时自己想通过种植结构的调整获得其他的收入，但是却不能与公司专业化、规模化的生产和销售形成竞争力，久之农民很难依靠自己进行土地种植而实现增收。

（二） 法律的公平性难以得到真正实现

法律方面要求涉及到法律关系的主体权利和义务是对等的，但在实际的“股田制”推行过程中很难真正做到法律上的平等。如“股田制”在河北隆尧县推行时，华龙集团实行的策略是每亩地返还农民500斤的小麦，而具有328户村民的某村，就把自己的土地承包权给了村委会再由村委会转让给华龙集团，这样农民还可以从华龙集团获得每亩地550元的补助。从整个过程中农民的收入是因为出让了土地使用权而获得的租金而不是将自己的土地通过入股的方式得到的分红。在公司里面只有少数土地入股的村干部是董事会的成员，而农民由于不持有该公司的股份就不能进入到董事会中，不仅没有股息或者分红也没有实际的管理权，同时农民也没有实际的土地可以使用，这对农民而言是非常不平等的。

（三）没有健全的制度来减少风险的产生

“股田制”推行以后就要面临着两种重要的风险，一个是土地股份公司的经营风险，另外一个就是公司存在倒闭的风险。据《经济观察报》报道四川宜宾市南溪县罗龙镇某村的47户农民入股该地的养殖公司，在入股之初社会各界普遍对它持乐观的心态，但是由于资金短缺且没有招牌产品，经营上面临着巨大的亏损风险，而且很快就由经营风险转化成了倒闭的风险。

四、 针对“股田制”风险应采取的措施分析

（一） 建立有效的产权结构

“股田制”的产权结构划分，是减少风险产生的有效措施，这就需要国家颁布相关的法律，对土地的所有权进行明确的规定，尤其是农民在集体土地产权的问题上具有的权利，并将这种权利以法律的形式永久的确立下来。不仅打破了传统的土地产权关系，也能适应市场经济的发展要求，更以清晰的产权结构来保障“股田制”的顺利推行和健康发展。

（二） 加强风险教育和机制建设抵御风险

为应对风险的产生，首先需要对农民或者公司的股东进行风险意识教育，提高心理承受能力；其次成立有效的管理制度，因为公司的运行是关乎广大群众的切身利益，通过对股东会、董事会和其它部门负责人的有效监管，也有利于公司的不断做大做强。再次，聘任农业发展专家作为顾问，为公司的日常运营和生产管理献计献策。

（三） 对公司股权和利益进行合理的分配

股权和利益的分配对公司长远的运作有非常大的影响，否则合同到期后农民撤股对于公司的发展和农村经济的发展都有很大的影响，因此要实行让利于民的多样化股权分配方案，如村里的土地、集体资产划分为不同的股份，其中80%归个人而20%归公司，这样就能坚定农民入股的决心和积极性。而利益的分配要参考其股权的多少和实际的劳动付出，这样才能保证生产的效率和水平，促进“股田制”的顺利推行和农村经济的发展。

结束语：

“股田制”的推行对于提高农村经济的发展水平有非常大的促进作用，不仅解决了土地利用率低的问题，还为农村实现现代化的生产经营提供了条件。但是由于相关的制度建设不是很健全，也极大的限制了“股田制”作用的发挥。通过建立完善的农村保障制度、对农业发展提供政策保障以及把土地使用权入股用政策固定下来等措施，有效的避免了“股田制”运营过程中的风险出现，对农村经济的发展起到了非常大的促进作用。

参考文献：

[1]司顺文,张入化.“股田制”经营方式优势及其风险分析[J].长沙民政职业技术学 院学报,2013(2).

篇5

中图分类号：TL364+.5 文献标识码：A文章编号：

1．工程概况

宁波市轨道交通1号线一期工程地下工程Ⅵ标段包括2个区间隧道：福明路站~世纪大道站、樱花公园站~福明路站。

樱花公园站～福明路站～世纪大道站区间隧道位于江东区中山东路路下，沿线多为居民楼，情况复杂。线路须下穿五座桥梁：洞桥、过旧桥、太古桥、七里垫桥及史家桥。下穿的五条河流均为后塘河支流。区间隧道采用盾构法施工，隧道主要穿越地层为②2-2层灰色淤泥质粘土、③2层灰色粉质粘土夹粉砂及④2层灰色粉质粘土。

本工程区间隧道施工采用一台日本小松公司产的外径为6340mm，长度为8680mm的带铰接土压平衡式盾构掘进机。

盾构机从福明路站东端头井下井，从右线始发掘进，到达世纪大道站西端头井后盾构调头，然后沿隧道左线施工至福明路站。到达福明路站后盾构机主体分解吊出端头井，从福明路站西端头井下井，后配套从福明路站底板上过站。在隧道右线完成盾构机连接后，沿隧道右线继续施工到达樱花公园站，在樱花公园站东端头井调头，然后沿隧道左线施工至福明路站西端头井结束施工。详见图1.1-1。

图1.1.-1 盾构施工流程图

2．盾构始发施工

2.1盾构始发准备工作

2.1.1洞门土体加固

盾构始发前进行洞门土体加固，采用三轴搅拌桩和高压旋喷桩加固，凿除洞门混凝土（地连墙围护结构）之前，对洞门加固土体进行钻芯取样，检测土体的加固强度是否达到设计要求（28天后强度不小于1Mpa）。然后在洞圈内上下、左右、中心凿五个观测孔，用来观察外部土体情况。

2.1.2洞门凿出

洞门围护结构为钢筋混凝土结构，分9块凿除，施工顺序为：先上后下、先内后外。

凿除混凝土时，先暴露出内排钢筋，割去内排钢筋，按照分块顺序凿除洞圈内地下连续墙混凝土，凿至外排钢筋并保留外排钢筋，落在洞圈底部的混凝土碎块应清理干净，然后按照先上后下的顺序逐块割除外排钢筋，并将混凝土块吊出端头井，清理剩余残渣。洞口凿除必须连续施工，尽量缩短作业时间，以减少正面土体的流失量。

2.1.3洞门密封装置安装

由于工作井洞圈直径与盾构外径存有一定的间隙，为了防止盾构始发时及施工期间土体从该间隙中流失，在洞圈周围安装由帘布橡胶板、圆环板、固定板、翻板等组成的洞口防水密封装置。

2.2盾构始发施工

洞门混凝土凿除并清理干净后，将盾构机刀盘贴近土体，盾构始发后，正面土体为加固区，土质较硬，为控制推进轴线、保护刀盘，耐心磨削旋喷桩和水泥土搅拌桩，使加固区土体得到充分切削。当盾构出加固区时，为防止由于正面土质变化而造成盾构姿态突然变化，平衡压力设定值应略高于理论值。

3．盾构始发风险事故分析

盾构始发作为盾构施工的一个必经阶段，也是盾构施工风险控制的关键阶段，是整个盾构隧道施工成功的关键。宁波市轨道交通1号线一期工程地下工程Ⅵ标段盾构始发共四次，宁波属于软土地层，盾构始发风险性大，整个盾构始发过程将是盾构施工的关键。根据盾构始发施工工序分析可能发生的风险事故类型和事故原因如下：

3.1打观测孔时漏水、涌砂

盾构洞门外侧土体加固方案不当、加固深度范围不够、加固效果欠佳，造成加固体质量有缺陷时，将会在搭设观测孔时发生漏水、涌砂事故。

3.2破除外层洞门漏水、涌砂

洞门外侧土体加固方案不当或加固效果欠佳，造成漏水漏砂；由于地下水丰富，形成通路，造成漏水涌砂。

3.3破除里层洞门发生洞门土体坍塌

①洞门外侧土体加固方案不当或加固效果欠佳，自立性达不到洞门拆除所需的施工时间。

②地下水丰富，土体软弱自立性极差。

③洞门拆除施工工艺不合理或施工中发生意外，造成洞门外土体暴露时间过长。

3.4洞门防水装置处出现漏水

①洞门密封装置安装不好，止水橡胶帘带内翻，造成水土流失。

②洞门密封装置强度不高，经不起较高的土压力，受挤压破坏而失效。

③盾构机损坏密封装置。

3.5 盾构机贴近土体后并开始掘进施工后，盾构机螺旋输送器口漏水、涌砂

①洞门外侧土体加固方案不当、加固深度范围不够、加固效果欠佳，造成加固体质量有缺陷。

②洞门外承压水位过高，水压力过大。

3.6支撑体系失稳

①盾构推力过大，或受出洞千斤顶编组影响，造成后靠受力不均匀、不对称，产生应力集中。

②盾构后靠混凝土充填不密实或填充的混凝土强度不够。

③组成后靠体系的部分构件的强度、刚度不够，各构件间的焊接强度不够。

④后靠与负环管片间的结合面不平整。

3.7盾构机磕头

盾构机离开加固体时没有及时建立土压。

3.8周边道路、建筑物、管线沉降大

①洞口土体加固质量不好，强度未达到设计或施工要求而产生塌方，或者加固不均匀，隔水效果差，造成漏水、漏泥现象。

②在凿除洞门混凝土或拔除洞门钢板桩后，盾构未及时靠上土体，使正面土体失去支撑造成塌方。

③洞门密封装置安装不好，止水橡胶帘带内翻，造成水土流失。

④洞门密封装置强度不高，经不起较高的土压力，受挤压破坏而失效。

⑤盾构外壳上有突出的注浆管等物体，使密封受到影响。

⑥土体塌陷涌入车站内。

4．盾构始发风险预控技术

4.1洞门土体加固预控技术

①加固体与围护结构之间的冷缝处理很重要，必须采用高压旋喷桩进行嵌缝处理，靠近围护结构一侧的两边应采用“丁”字形进行旋喷桩的施工，根据现场实际情况可将搅拌桩和旋喷桩的深度适当加深，保证加固区的止水效果；

②通过水平和竖向取芯对旋喷桩的效果进行判断，尤其是成桩率及芯样的连续性，如不满足要求必须进行注浆补强处理。

③控制洞门加固质量，保证垂直度偏差≤1%，确保水泥参量。加固土体达到龄期后，进行钻心样，如发现强度不达标，对该部位进行注浆补强或重新加固处理；

4.2打设观察孔

在拆洞门前根据地质情况，土体加固情况、周边管线情况等来布置洞门内部探孔位置、探孔深度及探孔数量。检测加固效果，以确保在土体加固效果良好的情况下拆洞门；

4.2破除里层洞门发生洞门土体坍塌

①根据洞门的实际尺寸，制定合理的洞门拆除工艺，施工安排周详，确保拆洞门时安全、快速。

②里层地连墙凿除必须连续施工，及时清除洞口内杂物、混凝土碎块、钢筋等，尽量缩短作业时间，以减少正面土体的暴露时间。

③可采用木板、木撑对暴露土体进行简单加固，防止土体坍塌。

④在整个作业过程中，对洞口土体稳定性进行监测，并注意洞门渗水情况，确保洞口土体稳定和洞门附近作业人员的安全。布置井点降水管，紧急情况启动降水；

4.3洞门防水装置控制技术

①检查洞门防水装置螺栓是否拧紧、帘布橡胶板是否紧贴预埋洞圈。

②盾构始发前，在刀盘和帘布橡胶板外侧涂抹油以免盾构机刀盘刮破帘布橡胶板影响密封效果。

③安排专人观察洞圈是否漏水。

④盾构机刀盘严禁在洞门范围内转动，防止损坏密封装置。

4.4盾构机螺旋输送器口漏水、涌砂预控技术

盾构掘进时做好施工参数调整，保证土压和推力。注入泡沫，进行土体改良。始发过程中安排专人观察螺旋机密封情况。

4.5支撑体系失稳

①支撑体系失稳基本只会出现在加固区推进的过程中，可通过开启盾构上半环的超挖刀减小推进阻力。

②施工中必须对盾构施工进行动态管理，对土压力设置、盾构掘进速度等重要参数详细计算并严格管理，建立现场旁站制度，监测反力架连接点及直撑体系安全。

③在推进过程中合理控制盾构的总推力，且尽量使千斤顶合理编组，使之均匀受力；

④采用素混凝土或水泥砂浆填充各构件连接处的缝隙，除充填密实外，还必须确保填充材料强度，使推力能均匀地传递至工作井后井壁。在构件受力前还应做好填充混凝土的养护工作；

⑤对体系的各构件必须进行强度、刚度校验，对受压构件一定要作稳定性验算。各连接点应采用合理的连接方式保证连接牢靠，各构件安装要定位精确，并确保电焊质量以及螺栓连接的强度；

⑥尽快安装上部的后盾支撑构件，完善整个后盾支撑体系，以便开启盾构上部的千斤顶，使后盾支撑系统受力均。

4.6盾构机磕头

当刀盘还有一环管片距离离开加固体时就建立土压；将平衡土压力值设定稍高于理论值；盾构推进轴线略大于设计坡度。根据地层变形量等监控信息对平衡压力设定值、推进速度等施工参数及时调整。

4.7周边道路、建筑物、管线沉降大

①始发前做好周边建筑物、管线调查，制定建筑物、管线保护措施。

②建筑物、管线监测点始发前布置完成，并完成初始值采集，加大监测频率，控制建筑物、管线沉降值。

③控制降水，做好降水井降水记录每天观察水位变化，确保按需降水。

④始发前做好周边管线调查，制定管线保护措施。

⑤管线监测点始发前布置完成，并完成初始值采集，加大监测频率，控制管线沉降值。

⑥控制降水，做好降水井降水记录每天观察水位变化，确保按需降水。

⑦盾构出洞前应对影响范围内的管线做详细调查，尤其要注意上水管、雨污水管爆裂后，管中水喷出对盾构出洞安全的不利影响。

⑧盾构将进入进洞口土体加固区时，要降低正面的平衡压力；

⑨在始发阶段需尽早建立盾构机的适合工况并严密注重出土量及土压情况；

5．结束语

盾构法隧道工程是一项风险较大的施工技术，而出洞又是盾构施工中一个关键的风险源，出洞的成功与否对于整条隧道施工具有举足轻重的意义。通过多年来前人的不断摸索和实践，盾构出洞施工技术也在原有的基础上不断的发展和完善，施工人员要不断摸索和总结，根据不同的地质条件制定适用的预案，具体条件具体分析，同时加强管理，以保证在出洞时能顺利完成。

参考文献：

篇6

一、VaR概述

VaR（Value at Risk）按字面的解释就是“处于风险状态的价值”，可译为受险价值、在险价值、风险价值等。通常解释为：VaR是在一定置信水平和一定持有期内，某一金融资产或组合在正常的市场条件下所面临的最大损失额。

因此从数学和统计的意义上看：

VaR就是在某个既定的损益预期分布中，对应一定置信水平的分位数：

Prob（ΔP？燮-VaR）=1-c

其中，c为显著性水平，1-c代表置信水平，ΔP代表损益。[1]

二、VaR的获取方法

计算VaR的关键在于确定证券或组合的未来损益的统计分布或概率密度函数。而直接获取未来损益的分布几乎是不可能的事，为此，通常经过下述分解过程：将资产表示为市场因子的函数，预测市场因子的波动性，根据市场因子的波动估计资产的价值变化及其概率分布，根据给定的置信水平和持有期，计算得出VaR。[2]

这一分解过程中，波动性模型和价值模型是核心和难点。根据波动性模型和价值模型的不同，可以将VaR的计算方法分为以下三类：历史模拟法，蒙特卡罗模拟法，参数法（方差-协方差法）。

（一）历史模拟法

利用历史数据集，将过去已经实现的收益率分布或市场变量分布应用于目前的投资（或组合），据此模拟下一个时期该投资（或组合）可能面临的收益分布，给定置信水平和持有期，就可以计算出VaR。

隐含前提：历史可以复制未来，历史数据可获得，且完整有效。优点：原理简单且实用，非参数完全估值，避免了估值和模型风险。不足：对历史数据的依赖，路径依赖假设等概率假设。[3]步骤如下：

实证：假设A股：马钢股份（600808）投资60万，B股：交通银行（601328）投资40万。下一个交易日，该组合在99%置信水平下的VaR是多少？

首先取数据从2011年1月11日到2013年1月10日的股票收盘价，两只股票都有488个数据（资料来源和讯财经网）。用EXECLE表格和EVIEWS6.0软件，计算其每日简单收益率和组合收益率，生成一个新的时间序列。

公式为：简单收益率R=（Pt-Pt-1）/Pt-1

组合收益率=A股简单收益率*0.5+B股简单收益率*0.5

然后将序列中组合收益率的数据按升序排列，找到对应的第488×1%=4.88个数据（谨慎起见，我们用第4个），即-5.01%。于是可得，VaR=100×5.01%=5.01万。

（二）蒙特卡罗模拟法

假设资产价格或市场变量的变化服从于某个随机过程，通过模拟该随机过程，就可以得出在给定时点上投资组合的价格或市场变量的估计值。不断重复该模拟过程，就可以得到一系列估计值。如果重复的次数足够多，模拟出的估计值最终将会收敛于“真实的”组合价值。以此为基础，给定置信水平1-C，通过分位数就可以计算出VaR，就可以进一步估计出组合“真实的”风险价值。

优点：全场景模拟，不受历史数据限制，完全估值，可处理非线性、非正态问题。不足：复杂、不易理解，模拟次数、计算精确度与耗费时间的矛盾，模型风险和估值风险，伪随机数问题。[4]

例如：资料同前。

样本同前，假定该股票价格服从随机游走。检验如下：

首先，利用EVIEWS软件中的单位根检验（ADF检验）来判断股票价格序列的平稳性，结果如下：

A股：马钢股份（600808）

可知DF=-1.269527，大于下面所有临界值，因此可知该序列是非平稳的。

接下来，利用EVIEWS软件中的相关性检验来判断序列的自相关性。选择价格序列的一阶差分（P=Pt-Pt-1）和30天滞后期。

结果如下：

可知股票价格的一阶差分序列P滞后8期以内都不具有相关性，即其分布具有独立性。

通过上述检验，我们可以得出结论，深发展股票价格服从随机游走，即：Pt=Pt-1+εt。

利用EXCEL软件做蒙特卡罗模拟，模拟次数为10000次：

首先产生10000个随机数，然后获取模拟价格序列：模拟价格=初始价格P0+随机数，再将模拟后的价格按升序重新排列。

找出对应99%的分位数，即10000×1%=100个交易日对应的数值：1.985，于是有马钢股份：

VaR=60×（1.985-2.17）÷2.17=-5.115万

B股：交通银行（601328）

步骤同前，找出对应99%的分位数，即10000×1%=100个交易日对应的数值：4.975，于是有马钢股份：VaR=40×（4.975-4.9）÷4.9=0.612万。

所以，两个股票组合的VaR=√（-5.115）2+0.6122=5.152。

（三）参数法（方差协方差法）

首先假定要考察的随机变量服从于某种参数分布，如正态分布、泊松分布等，然后借助于分布参数，如均值、方差等直接计算出VaR。优点：可以迅速求解，易于处理组合。不足：正态分布假设，参数估计风险。[5]

方法一：静态法，假定均值与方差恒定（不随时间而变化）。

利用EVIEWS软件对样本数据进行处理，分别获取简单收益率的分布图和对数收益率分布图

A股：马钢股份（600808）

简单收益率分布图：

通过上述统计分析可知，与正态分布相比，二者均呈现出“尖峰厚尾”的特征。相对而言，对数收益率更接近于正态分布。根据VaR的计算公式可得：

VaR=2.33×0.014971×60=2.093万

同步骤B股：交通银行（601328）得出VaR=2.33×0.012151×40=1.132万

于是，组合有VaR=√2.0932+1.1322=2.38万元。

方法二：动态法，简单移动平均法，假定时间与方差随时间变化。

A股：马钢股份（600808）取100天的样本

σ2=0.000255093，所以σ=0.01597，则马钢股份VAR=2.33××0.01597×60万=2.2326万

同步骤B股：交通银行（601328）

σ2=0.0001464426，所以σ=0.0121，则交通银行VAR=2.33××0.0121×40万=1.128万

于是，组合VAR=√2.23262+1.1282=2.5万。

三、VAR变化值对股票组合投资进一步运用

VaR对基本概念的发展的基础延伸了管理组合风险的三种分析方法，即边际VaR、成分cVaR和增量VaR。为了控制风险，拥有一个当前投资组合风险分解方法是非常有用的。因为投资组合的波动性是其各组成部分的一个高度非线性函数，我们需要一种分解法来认识分散化投资的效果。[6]

1.边际VaR（mVaR）。是指当组合中的某种资产增加一单位时，引起的投资组合VaR的变化值。

2.增量VaR（iVaR）。即新头寸加入而引起的VaR的变化值。它与mVaR的不同在于，它的增加量可以很大，在这种情况下，VaR的变化是非线性的。

3.成分VaR（cVaR）。假定投资组合包含N种成分，如果下式成立：

因为，交通银行的mVAR较小，所以追加50万给交通银行，iVAR=0.013473×50=0.67万，投资风险增加0.67万元。

四、总结

VaR模型可以简单明了地分析出股票组合风险的大小，即使没有任何专业背景的投资者和管理者都可以通过VaR的值对金融风险进行评判。VaR模型也对银行风险的质量和管理是一个有效的工具，它对正常市场条件下重要交易的短期风险的衡量尤为有用。作为分散投资者，更可以运用VAR来实现自己股票投资的风险管理，对市场和个人都有重要意义。

参考文献

[1]张利，胡铂.基于VaR模型的证券投资组合风险管理[J].合作经济与科技，2011.

篇7

资本市场理论认为收益率遵循随机游动，其分布近似于正态或对数正态。实证研究发现证券收益率不服从正态分布，标准差作为风险的度量不再合适。随着对资本市场混沌特性的研究，人们开始用分形来研究风险问题。现阶段随着对金融市场分形性质研究的进一步加深，又产生多重分形问题，多重分形分析向人们展现了各个股市的混沌现象，使人们感觉到风险的存在。

本文研究的问题是：不同股票市场的风险不一样，它们的多重分形特征也不同，那么风险与多重分形间有什么关系呢？利用MF-DFA方法对中、美两国股票市场的多重分形特性进行研究与比较，结合二者的实际风险情况，得到多重分形与风险的关系。

证券市场风险的分形分析

当今资本市场理论是以理性投资者、有效市场和随机游动三个关键概念为基础，由于投资者的理性和市场的有效，收益率遵循随机游动。因此，收益率的概率分布近似于正态或对数正态，风险用收益率的标准差度量。但是，在对股票市场收益率分布进行正态性检验时，发现其明显地不拟合于正态分布的。只有在其背后的系统是随机的时候，标准差作为风险的度量才有意义。股票市场收益率的分布不呈现正态，所以我们关于风险的统计测度——标准差——亟需修正。

英国水文学家赫斯特在20世纪40年代研究了有偏随机游走，提出一种新的统计量即Hurst指数(H)。赫斯特指数有三个不同的类型：(1)H=0.5；(2)0≤H<0.5；(3)0.5Mandelbrot在20世纪60年代再次对非随机时间序列作了全面研究，指出证券市场收益率服从一族分形分布。分形维(D)描述一个时间序列如何填充其空间的，是所有对于生成这一时间序列的系统发生影响的因素的产物。分形维是由时间序列如何填充其空间决定的。Hurst指数与时间序列分形维的关系：D=2-H。一条线分形维为1，随机时间序列的分形维为1.5。宋学锋提出用“混沌度”度量系统的复杂性，其中分形维就是“混沌度”的组成部分。刘卫东等人也提出用分形维度量证券投资风险。

证券市场的多重分形分析

随着对金融市场分形性质研究的进一步加深，又产生了下述问题：一个分形维数能否很好地描述市场的分形结构，价格增量的不同部分的相关性及其在时间轴上的分布是否一致。要回答这些问题必须对分形局部结构进行更细致的研究。如果分形的局部结构是均匀一致的，那么一个整体分形维数就能很好地描述它；如果分形结构是非均匀的，仅用一个分形维数只能描述收益率波动的宏观面貌，无法对其局部进行细致的刻画，必须用多重分形来对局部结构进行更细致的分析。K.MATIA,Y.ASHKENAZY等人对股票和商品的价格波动的多重分形特性进行了研究。胡雪明、宋学锋等曾对我国股票市场进行了多重分形分析。

所谓多重分形，是定义在分形结构上的由多个标度指数的分形测度组成的无限集合。它刻画了分布在子集上的具有不同标度和标度指数的分形子集的局部标度性。从几何的观点看，组成分形集的若干个子集的标度、分形维数都不同。多重分形理论间接刻画价格波动。

下面，我们利用多重分形理论对股票市场价格波动进行分析。

多重分形消除趋势波动分析（MultifractalDetrendedFluctuationAnalysis，记MF-DFA）方法是验证一个非平稳时间序列是否具有多重分形性的有效方法。对于给定长度为N的序列{xi}，i=1，2，……，N，MF-DFA方法一般可分为如下五个步聚：

1.计算序列对于均值的累积离差{Yi}：

其中为均值。

2.分割序列{Yi}成等长小段。把序列{Yi}分成长为s的NSint(N/s)个互不重叠小段。

3.通过最小二乘法拟合每一小段上的局部趋势函数Pv(i)，这里Pv(i)是第v小段上的拟合多项式函数，可以是线性的、二次或更高阶多项式（分别记为MF-DFA1，MF-DFA2,……）。消除每一小段的趋势，得残差平方和：

4.计算序列的q阶波动函数Fq(s)=

其中，q为不等于0的实数。很显然，Fq(s)与s、q有关。对于给定的q，Fq(s)随s增加而增加。因此，对不同的s，重复步聚2、3、4，就可得到对应Fq(s)。一个分形时间序列，对于大量的s，有如下关系：Fq(s)~sh(q)。

5．给定阶数q，通过双对数图，分析波动函数Fq(s)与时间标度s的关系。

一般地，标度指数h(q)与q有关。当h(q)与q无关时，称时间序列是单分形的。当h(q)与q有关时，称时间序列是多重分形的。对于平稳时间序列，h(2)就是Hurst指数H，因此，我们称h(q)为广义Hurst指数。

考虑到数据的代表性和可比性，本文选取1990年12月19日至2004年6月30日相同时间跨度的上证综合指数和道琼斯工业指数的日收盘指数为研究对象。这里上证综指和道琼斯指数的数据长度N分别为3132和3413。

首先把指数序列转化为收益率序列{rt}：

rt=lnPt+1-lnPt，t=1，2，……，N-1

其中，Pt是股票市场在第t个交易日的收盘指数，rt为股票市场的日收益率。

考虑到要将股票市场收益率序列与高斯随机序列作比较，我们用Matlab软件的randn函数产生两个高斯随机序列，长度分别为3132和3413，依据MF-DFA方法分别计算其广义Hurst指数，将其平均值作为随机序列的广义Hurst指数。

当拟合区间s取10~500天时，下面给出MF-DFA1的结果。

从表1可以看出，当q从负10变到正10，上证的h(q)从0.7946递减为0.2633，而道琼斯的h(q)从0.6248递减为0.3015,随机序列的h(q)则在0.4791~0.5067之间变动。

对上证、道琼斯及随机序列的h(q)与q的关系分别作线性回归分析，结果如表2。

根据表2的P-value值，不难得出结论：随机序列的h(q)与q无显著关系,而上证和道琼斯的h(q)与q有显著关系。

h(q)和q无关等价于Fq(S)和q无关，即一个时间序列的每一小段消除趋势后的q阶波动相同，说明时间序列的局部结构是均匀一致的，这样的分形时间序列当然是单分形的。h(q)仅给出这一相同的标度行为。理论上，随机序列的h(q)应为0.5，由于Matlab产生的随机数本身就是伪随机数，所以，q从负10变到正10，随机序列的h(q)在0.4791~0.5067之间变动是合理的。h(q)与q有关和Fq(S)与q有关是等价的，即消除趋势后Ns小段的q阶波动大小不同，说明时间序列的局部结构是非均匀一致的，这样的分形时间序列是多重分形的。所以，得出结论：上证综指和道琼斯工业指数收益率均存在较明显的多重分形特性。但是，从表2的Coefficients值看，上证的h(q)随q变化趋势更明显，所以，我们说上证的多重分形特征比道琼斯明显。

对深圳成指与纳斯达克综指进行相同分析，可得出类似的结论，在此不列出详细结果。

多重分形与风险关系

篇8

中图分类号：F830.91文献标志码：A文章编号：1673-291X（2011）10-0076-02

引言

中国A股市场经过十几年的发展，市场逐渐在规范，但是上市公司整体所表现出来的股市市值规模仍然较小，2005年开始的股权分置改革，使A股市场的发展迎来了新的机遇，走出了多年的熊市，有了较快的发展，处于上升的行情之中，但是与之相伴的却是股市激烈的波动。此外，由于诸多因素的影响和限制，中国A股市场投机气氛较浓。自从2008年世界金融危机以来，股市还出现了市场不确定性因素增多和市场风险加剧的趋势。

当前出现了大量的研究资产收益率方面的文献，有的定量研究波动性的非对称反应机制（李珠，吕明光，2001；胡永红，陆忠华，2005；周立、王东，2005），有的对波动性的形成方式与来源进行了分解（仲黎明等，2003；樊智、张世英，2005），有的研究了两市IPO的版块效应（王燕鸣、楚庆丰，2009），这些研究具有一定的针对性，对我们研究金融市场运行机制与风险控制具有一定的启发意义。此外，有Engle等人开创ARCH和GRACH计量（Engel，1982），Grange（1988）的因果检验已经用在了许多经济金融模型检验中（如高辉、赵敬文，2006），使研究者对金融市场有了更多的认识。

本文主要采用误差修正模型（Error correct model）即ECM模型，检验两市短期波动模式的异同，判断两市对市场冲击的短期调整及反应程度，描述两市向均衡收敛的过程。同时利用两种Garch模型检验两市波动性之间的关系，判断两市的风险特征与风险转移过程，检验两市之间的“溢出效应”（spillover effect）和“杠杆效应”（leverage effect）。

一、变量选择和数据处理

在现有的可以衡量沪深股市的指数中，我们分别选择了上证A股综合指数和深圳A股综合指数作为指标。样本时间的选择，我们选择从2006年2月17日至2007年11月1日，这段时间，剔除节假日，共计样本416个。

我们将股市指数收益率Rt定义为股票指数的对数的一阶差分：Rt=ln（Pt）-ln（Pt-1），其中Pt是股票指数价格。当股票指数波动不是十分剧烈的时候，它近似等于股票指数的日收益率，对应着股票市场的整体收益水平。

许多的学者研究结果倾向表明中国股市处于弱有效形式（王智波，2004；黄泽先等，2008）。因此，本文对股票指数收益率序列Rt、股票指数绝对日收益率序列|Rt|、日均方收益率序列R2t的变化情况进行考察。当样本容量比较大的时候，根据大数定理与市场弱型有效，可知样本区间的整体收益率均值为：Rt=Rt≈0，其中T是样本容量。假设εt表示沪深两市A股指数日收益率与样本均值的偏离，则有εt=Rt-Rt≈Rt，εt=Rt-≈Rt，ε2t=（Rt-Rt）2≈R2t。

因此，沪深两市A股指数日收益率Rt、日绝对收益率Rt、日均方收益率R2t分别表示股指收益率分别围绕均值的双向变动，绝对变动，均方波动，他们体现了波动性逐渐增强的特点。

二、模型的建立

通过对沪深股市价格指数和收益率作单位根检验，Granger因果关系检验和协整检验，我们发现：（1）沪指和深指对数序列均为一阶单整I（1），指数收益率序列为平稳序列；（2）上海股票市场指数是深圳股市指数的Granger原因，但反之不成立；（3）沪深股指之间存在着协整关系（检验结果在附录）。基于检验结果，本文可以建立以下模型：

（一）误差修正模型

通过平稳检验，可以对沪深股指的收益率序列间建立误差修正模型，结果如下：

Rsht=0.7884Rszt+0.0957Rsh t-1+0.0288Rsh t-2-0.0974Rsz t-1-0.0787Rsz t-2-

0.0006+εsh t

（41.6471） （1.9558） （0.58988） （-2.26068） （-1.82970）

（-1.15173）

Rszt=01.0273Rsht+0.1121Rsz t-1+0.0577Rsz t-2-0.1128Rsht-1-0.0191Rsht-2-

0.0002+εsz t

（41.6471）（2.2821）（1.1734）（-2.02089）（-0.34466）

（-0.46366） （1）

其中，sh表示上海综指，sz表示深圳综指，t表示时间，t-1表示t期滞后一阶。根据上述误差修正方程计算，如果仍然引入非显著的回归项，那么求解收益率序列的无条件数学期望，可以得到两市收益率水平分别为：=0.00371，=0.00428。可见两市的长期收益率有显著差异。两市收益率均受到长期均衡关系的显著影响，但是修正项对沪深股市收益率是负的边际贡献。在ECM模型中，存在沪深两市股票价格收益率的交互影响，因为滞后系数出现部分显著与不显著，体现了短期波动之间的相互影响。

因此，ECM模型表明，沪深两市股票收益率之间存在长期的协整趋势，但是它们的短期波动过程存在着相异的波动模式。

（二）GARCH模型和溢出效应模型的估计与检验

我们采用GARCH模型检验收益率序列的条件异方差性，首先利用偏自相关函数（PACF）和自相关函数（ACF）决定均值方程中的AR过程与MA过程的阶数，然后根据绝对残差序列的特性，然后确定方差方程中的ARCH 项和GARCH项的阶数。在经过不断试错的情况下，GARCH（1，1）都能比较好地进行解释，其SC和AIC值也比较小。

沪深市场的GARCH－M模型和溢出效应模型估计（括号中为Z统计量值）：

Rsht=0.1789Rsht-0.0597Rsh t-1+ε t

（3.338219） （1.15366）（2）

hsht=0.0000105-0.08（εsht-1）2+0.899hsht-1

（1.7415）（3.6922） （31.7933）

Rszt=0.18Rszt-0.0122Rsz t-1+ε t

（3.5721） （0.2446） （3）

hszt=0.00005-0.08（εsht-1）2+0.899hsht

（1.75）（3.66） （31.71）

上述GARCH－M模型的均值方程和溢出效应模型估计结果显示，中国沪深股市存在一定的风险，波动性增加了当前收益率；两市的风险激励0.18和0.1789相近，且两市都存在显著的正向风险溢价。风险与收益相伴，高收益，伴随着高风险，高风险也伴随着高收益，体现出两个市场上的投资者都有一定程度的风险偏好。以上情况也表明：中国沪深股市经过近几年来的发展，已经逐渐成熟，成交量放大，其收益率水平和波动性能够起到一定的示范作用，其波动性形成了一定程度的“溢出效应”。

（三）杠杆效应模型估计

沪深股市A股指数的T-GARCH模型估计结果为（括号中为Z统计量值）：

Rsht=0.2094hsht-0.0433Rsh t-1+ε t

（3.7429） （0.8633）

hsht=0.133762（εsht-1）2+0.932536hsht-1-0.102942Dsht（εsh t-1）2

（-2.6543） （4）

Rszt=0.2019hszt-0.0433Rsz t-1+ε t

（3.823） （0.1687）

hszt=0.1028（εsz t-1）2+0.9363hszt-1-0.7956Dszt（εsz t-1）2

（-2.4389） （5）

从上述估计结果中可以看出，哑变量前的系数均为负值，并且在5%均十分显著，说明两市存在的“杠杆效应”十分显著，市场利空消息的影响明显强于利好消息的影响。这是中国沪深股市波动性的重要特征，也和国内其他学者的研究及国外学者对股市研究相一致。虽然对沪深两市的影响因素来源基本相同，但由于两市上市公司结构差异较大，沪市主要侧重大型国企，而深市则侧重中小板块，因此，企业规模的差异也影响了两市波动性的程度，即波动性的非对称性程度并不一致，且差异较大（由哑变量的系数大小0.102942和0.7956可以看出），沪市受利空消息影响的波动程度明显比深市要好很多。

结论

我们通过ECM模型和GARCH模型，分析中国沪深两市的关联性，也对收益率和波动性进行统计检验，得到的结论上面已经有了说明，下面总结如下：

首先，通过ECM模型，我们认为沪深两市的长期收益率几乎没有显著差异。两市收益率均受到长期均衡关系的显著影响，同时修正项为负的，这一反馈机制起到了保持长期均衡的作用。其次，我们发现，沪深两市指数收益率和波动性之中存在较为明显的非线性与非对称性。GARCH模型中显著的ARCH和GARCH项表明，两市的收益率序列存在一定的波动聚类与持续性。GARCH-M模型估计结果显示，市场存在一定的风险溢价，波动性增加了当前收益率。其中两地存在着相似的的风险溢价，且风险溢价是正向的，两个市场上的投资者都有一定程度的风险偏好。最后，通过T-GARCH模型检验结果，看到两市存在一定的“杠杆效应”，市场利好消息的影响弱于利空消息的影响，市场的波动性对消息影响呈现一定程度的非对称性。两市存在的利空消息均大于利多消息的作用，尤其是受利空消息的影响时，深市的波动幅度明显大于沪市。

参考文献：

[1]樊智，张世英.非线性协整建模研究及沪深股市实证分析[J].管理科学学报，2005，(2).

[2]高辉，赵进文.期货价格收益率与波动性的实证研究[J].财经问题研究，2007，(2).

[3]黄泽先，曾令华，江群.市场有效性传统及其演进和反思[J].数量经济技术经济研究，2008，(2).

[4]胡永宏，陆忠华.沪深股市杠杆效应的实证分析[J].数学的实践与认识，2005，(3).

[5]李姝，吕光明.中国股市股价指数变动的协整研究[J].辽宁师范大学学报，2001，(9).

[6]史代敏.沪深股市股指波动的协整性研究[J].数量经济技术经济研究，2002，(9).

[7]王智波.1970年以后的有效市场假说[J].世界经济，2004，(8).

[8]王燕鸣，楚庆丰.沪深股市IPO行业版块研究[J].金融研究，2009，(1).

[9]仲黎明，刘海龙，吴冲锋.深发展与深成指协整和引导关系的实证检验[J].预测，2003，(2).

[10]周立，王东.沪深股市的互动[J].统计与决策，2005，(8).

篇9

关键词 固定收益证券 市场风险 实证分析

一、导论

我国现阶段的固定收益证券市场正处于建立和完善的关键时期,有很多独立的特征和不同于其他国家一般情况的特点。而国债市场作为其中的代表,其各种市场风险指标也显现得最明显,所以通常选择国债市场作为代表来分析固定收益证券市场行情及风险状况。

Macaulay(1938)最早提出用久期分析利率和固定收益证券价格之间的关系,开创了利率风险度量方法的先河。Hicks(1939)开始利用久期来衡量固定收入现金流的利率风险。庄东辰(1996)和宋淮松(1997)分别运用非线性回归方程和一元线性回归方程对我国的零息国债进行建模。王敏、瞿其春、张帆(2003)研究了债券组合的风险价值,但对于债券套期保值所涉及的风险问题研究则相对滞后。

二、国债市场风险的种类

1.流动性风险

国债一直被各类金融机构作为资产流动性管理的重要工具,但是,由于我国国债市场不完善,大部分国债交易仅能通过银行间债券市场进行,难以充分满足各类金融机构资产流动性管理的需求,在某些情况下甚至会影响到金融机构的流动性。此外,因为国家财政政策的松紧随经济发展的需求时有变化,如果国债净额清偿即净发行额负增长也会增加金融业的流动性风险。

2.利率风险

利率风险主要是利率变动引起债券市场价格波动的风险。对商业银行而言,利率风险主要体现在:第一是利率频繁波动,使银行利率敏感性资产与敏感性负债的调整难以跟上利率的变化,削弱了利息收益;第二是影响银行存贷差;第三是短期利率上升的步伐一般都快于长期利率,使借款期限一般较短而贷款期限一般较长的商业银行蒙受时间差异损失。

3.其它风险

除了以上提到的两种风险外,还有通货膨胀风险,以及因我国特殊的国情与固定收益市场建设情况下的特有风险,一是交易违约风险,二是金融机构债务风险。多年来,我国交易所国债市场国债托管采用二级托管制度,即对投资人持有的国债实行按券商席位托管,而不是按投资人实名账户进行托管,某些金融机构利用托管制度的这一漏洞,通过国债代保管单和买空卖空的假回购交易套取资金,形成数额巨大的债务链,导致大量金融纠纷。这种因制度缺位导致国债投资的高风险,必然使国债国债发行利率上升,极大地加重了固定收益证券市场的整体风险,是不可忽略的危险因子。

三、模型估计与检验

在以上论述之后,本文意欲对国债市场的各种风险对国债价值的影响做定量分析模型,用数据量化说明各种市场风险对国债价值的独立影响,以及它们之间存在的相互影响因素。

1.模型因变量与自变量

数据的采集时间为2006年10月8日至2009年9月30日。

这里选取国债的每日收益率平均数与一年期定期存款利率的差值作为固定收益证券的价值衡量变量,称为因变量。

在自变量的选择上,第一个自变量是反映利率风险的,利率作为对固定收益证券因背负种种市场风险而产生的额外补偿,主要应依据上文所提及的各种市场风险类型分别给出衡量指标。在这个模型中选择久期与固定收益证券存续期间实际变动值的成绩作为自变量。第二个自变量是反映流动性风险的,本模型选择存续期间交易量占总交易量的比例作为自变量,尽可能平衡每个月异常交易量的影响,并结合债券买卖价差做补充的定性分析。第三个自变量是反映通货膨胀风险的指标,即CPI数值。因为一些债券为规避此种风险是采用浮息债形式,所以对于这种债券即须从CPI中减去浮息率。通常这种债券的风险存在于未能预期到的通货膨胀风险中。

2.建立多元线性回归模型

根据上一部分中构建模型的思想,本文最终构建的模型可以用表示为:

Y= a0+a1X1+ a 2X2+ a3X3+u (1)

其中:Y――超额利率(国债存续期间平均收益率-1年定期存款利率)

X1――该券存续期间交易量/该券该期间全部交易量

X2――该券存续期间久期平均*价格变动

X3――该券存续期间CPI均值-该券浮息率

3.模型估计与检验

通过RESSET金融研究数据库收集到所需数据并进行整理后,共得到58组国债数据。

(1)参数估计

用Eviews5.0对(1)式用LS方法进行回归,得到结果如下:

Y= -1.172429+-3.455869X1+ 0.144138X2+ 23.99125X3 (2)

回归结果整理如下表(表1):

(2)参数检验―T检验

步骤如下:

1)提出待检假设H0:βi=0,备择假设H1:βi≠0;

2)在α=0.01的显著性水平下,对于(2)式N=58,查t分布表可以得到t0.005(58);

3)对于(2)式,|ti|t0.005(58)则拒绝待检假设H0:βi=0,也就是各参数在α= 0.01的显著性水平下不为零,根据表一给出的统计值,|t0|=3.032261,|t1|=3.037075,|t2|=6.677351,|t3|=3.513093;可见所有变量都通过了检验。

(3)序列相关的检验与克服

随机扰动项ut如果存在序列相关,在解释变量严格外生的时候对LS估计量的无偏性和一致性没有影响,但会影响其有效性,标准误差和统计量检验都不可靠。下面用两种方法进行检验:

①残差散点图

看残差散点图(图1与图2),发现在两图中的点几乎可以拟和成一条向右上方倾斜的射线有一定的正相关趋势,即从图表上直观反映出(2)式的回归模型是有效的。

②Q-统计量检验

该检验法也是以残差序列为基础,得到DW统计量:

在α=0.01的显著性水平下,对(2)式n=58,k=4,查表知dl=1.24,du=1.49,而Eviews5. 0报告的DW=1. 343340(表一),故DW∈(0,dl),存在微弱的序列自相关,需要克服。

(4)异方差检验――WHITE检验

White(1980)提出了对最小二乘回归中残差的异方差性的检验。包括有交叉项和无交叉项两种检验。检验统计量是通过利用解释变量所有可能的交叉乘积对残差进行回归来计算。例如:假设估计如下方程

式中b是估计系数,ûi 是残差。检验统计量基于辅助回归:

Eviews显示两个检验统计量:F统计量和 Obs*R2 统计量。White检验的原假设:不存在异方差性(也就是上式中除a0以外的所有系数都为0成立)。

用Eviews5.0进行WHITE检验得到数据如下表(表二)所示:

(5)随机扰动项正态分布检验

利用Eviews5.0得到残差序列的正态直方图(图三)如下:

从图可见,残差序列几乎呈现标准的正态分布,从图中后边的数据可知:对于图三,偏度Skewness =0.454111≈0,峰度Kurtosis =2.838089≈3,不是非常理想的正态分布,但与本模型的假设性质有关,也不会影响本模型的估计性质。

4.模型参数经济意义解释

交易量在同类证券总交易量中的比例与综合风险也呈正相关关系,因为换手较频繁的固定收益证券更容易暴露在市场的系统风险之下,这与流动性低带来的风险降低有一定的背离,这也与我们现在固定收益证券市场存在的固有缺陷有关,流动性较差的固定收益证券存在天然的数据稀少和缺失,这也为模型的准确性造成了一定影响。再者,久期与价格的乘积对综合风险的影响并不显著,但负相关说明价格顺应市场情况作出调整后有利于降低该证券本身所隐藏的风险,这也为规避市场风险提供了可贵的思路。最后,综合风险随着通货膨胀的增长会暴露得更明显,这也与通常的认知一致,只是在模型中将其影响量化了。

四、政策建议

利息是投资者购买固定收益证券获得收益的最主要形式,利率风险也是固定收益证券面临的最主要风险,由于市场利率不断变化,要想降低利率风险就得在利息上做文章,其中利息的支付方式与投资者所承受的风险以及与发行者现金流出量的大小都直接相关。固定收益证券也就有了很多细分的种类,比如固定利率证券、浮动利率证券、指数化证券、纯粹证券等,这些证券的创新就主要是通过改变证券利息的支付方式而规避市场的利率风险。

固定收益证券的流动性风险也是影响极大的风险,在一定程度上它决定了一个市场的成长环境和潜质,而流动性的提高主要依赖于固定收益证券交易方式的多样化,这样投资者投资该证券的流动性风险就会降低。现在随着我国金融创新的进一步加深,交易品种也不断丰富起来,例如现货交易、期货交易、期权交易、信用交易、回购交易和互换交易等,它们都是规避流动性风险的重要途径。

国债市场风险规避的途径归根到底是依靠金融创新的,在我国这样比较特殊的环境下,强化微观金融主体并相应弱化政府在金融创新供给中的作用,把制度创新放在首位,并处理和协调好金融监管与金融创新的关系显得至关重要。

参考文献:

[1]程振源著.计量经济学:理论与实践.上海:上海财经大学出版社.2009.3.

[2]张建平,杨莎莎.固定收益证券的市场风险分析.特区经济.2006.6.

篇10

康达新材002669

近期公告，公司于7月5日接到中国证券监督管理委员会《立案调查通知书》，因公司涉嫌信息披露违法违规，康达新材早在今年1月25日曾《关于收到证监会行政监管措施决定书的公告》。公告称公司对刊登招股说明书前经营业绩出现较大幅度下滑的事项，未向证监会作出书面说明，也未在招股过程中作相应的补充公告，违反了《上市公司信息披露管理办法》第十四条的规定，按照《上市公司信息披露管理办法》第五十九条的规定，决定对公司采取出具警示函的监督管理措施。该股属于中小板股票，业绩表现中规中矩，但该消息属于利空性质，对该股的短期走势造成影响，近日该股大幅跳水，注意风险。

锡业股份000960

篇11

VaR①（Value-at-Risk，在险价值）作为一种新型的风险度量方法，VaR是指在正常市场条件下，在给定的置信水平下，金融资产或资产组合在一定时期内可能产生的最大损失值。

本文运用分析法来计算我国股票市场的VaR的值，选取上证综指和深证成指日收盘价作为研究对象，通过变换得到对数收益率作为随机变量来对我国股票市场进行建模，最后对模型进行检验。

(一)上证综指对数收益率时间序列的正态性检验

表1为上证综指对数收益率的统计特征表，从图中可知峰度Kurtosis=134.6177远大于正态分布临界值3，同时JB统计量=3407718远大于临界值5.99。由此可见，上证综指对数收益率并不服从正态分布，而是具有明显的尖峰厚尾的特征。因此，在收益率服从正态分布计算VaR会产生较大的误差。针对金融时间序列的尖峰、厚尾的特性，本文考虑采用收益率服从GED分布。分析法计算VaR其实质在于求条件方差，考虑到GARCH-M模型的时变方差可以刻画股票市场的波动性，为此我们可以利用GARCH族模型度量股票市场的在险价值VaR。综上所述，我们考虑采用收益率服从GED分布的GARCH―M族模型。

表1上证综指对数收益率基本统计特征表指数均值标准差最大值最小值偏度峰度J-B值P值上证0.0007290.0263130.719152-0.1790515.362101134.617734077180.0000（二）实证分析

⑴用GARCH-M族模型在GED分布假设下计算上证综指的VaR

GARCH-M族方程与一般的GARCH族方程的区别在于收益率方程不同，其收益率方程为：

rt=u1+AΣt+ε2t-P（1）

σ2t=α0+α1ε2t-1+…+αpε2t-p（2）

表2上证综指对数收益率GED分布假设下GARCH-M族模型参数估计结果ModelAα0α1β1γ1δGED

ParameterGARCH(1,1)

-GED-M0.017217

(0.674698)7.91E-06

(6.279656)0.211277

(13.72017)0.805538

(72.72423)1.076381EGARCH(1,1)

-GED-M-0.027154

(-1.179563)-0.480337

(-12.70877)0.308138

(16.86692)0.967825

(270.7189)-0.037195

(-3.560364)1.067685PARCH(1,1)

-GED-M-0.026397

(-1.146292)0.000444

(1.780874)0.179462

(15.37804)0.851777

(96.86748)0.102109

(3.184858)0.980492

(8.661895)1.079621注：括号内z统计量的值

注：表中的GED Parameter为GED分布的形状参数（该参数的作用是通过调用分位数函数@qged(p,v)来计算GDE分布的分位数，其中p表示置信水平，v代表形状参数）

从模型的估计参数来看，各模型的参数在5%显著性水平下的t值的绝对值基本都大于2，即在5%的显著性水平下均显著。

表3上证综指对数收益率GED分布假设下

GARCH-M族模型置信水平为95%时VaR计算结果后验表Model置信

水平VaR

最小值 VaR

最大值VaR

均值VaR

标准差失败

次数失败率GARCH(1,1)

-GED-M95%-0.542773-0.010682-0.0353830.028861450.045EGARCH(1,1)

-GED-M95%-0.542484-0.010676-0.0353640.028845410.041PARCH(1,1)

-GED-M95%-0.542878-0.010684-0.0353900.028866440.044从表3可知，对于上证综指而言，在95%的置信水平下，以上三个模型计算VaR比较准确，精度较高。

表4上证综指对数收益率GED分布假设下

GARCH-M族模型置信水平为99%时VaR计算结果后验表GARCH

(1,1)-N-M99%-0.240421-0.024972-0.0469720.018605140.014EGARCH

(1,1)-N-M99%-0.205564-0.020645-0.0465320.016625150.015PARCH

(1,1)-N-M99%-0.202636-0.022828-0.0466790.017416170.017从表4可知，对于上证综指而言，在99%的置信水平下，以上三个模型计算VaR比较准确，精度较高。

⑵用GARCH-M族模型在GED分布假设下计算深证成指的VaR

表5深证成指对数收益率GED分布假设下

GARCH-M族模型参数估计结果ModelA α0 α1β1γ1δGED

ParameterGARCH(1,1)

-GED-M-0.054864

(-1.226691)7.53E-06

(5.047544)0.094817

(9.534295)0.886557

(74.92280)1.228343EGARCH(1,1)

-GED-M-0.073890

(-1.760229)-0.378626

(-7.256661)0.205389

(12.38394)0.972260

(176.2290)-0.049063

(-4.328638)1.236238PARCH(1,1)

-GED-M-0.090310

(-2.143278)0.000423

(1.588457)0.109222

(11.33845)0.893356

(83.50981)0.272368

(4.777806)1.020478

(7.162238)1.233295从模型的估计参数来看，各模型的参数在5%显著性水平下的t值的绝对值基本都大于2，即在5%的显著性水平下均显著。

表6深证成指对数收益率GED分布假设下

GARCH-M族模型置信水平为95%时VaR计算结果后验表Model置信

水平VaR

最小值VaR

最大值VaR

均值VaR

标准差失败

次数失败

率GARCH(1,1)

-GED-M95%-0.137667-0.015404-0.0298130.011713490.049EGARCH(1,1)

-GED-M95%-0.117003-0.012821-0.0295460.010639510.051PARCH(1,1)

-GED-M95%-0.103492-0.013434-0.0296100.010935530.053从表6可知，对于深证成指而言，在95%的置信水平下，以上三个模型计算的VaR比较准确，精度较高。

表7深证成指对数收益率GED分布假设下

GARCH-M族模型置信水平为99%时VaR计算结果后验表Model置信

水平VaR

最小值VaR

最大值VaR

均值VaR

标准差失败

次数失败

率GARCH(1,1)

-GED-M99%-0.219585-0.024571-0.0475530.01869380.008EGARCH(1,1)

-GED-M99%-0.186280-0.020413-0.0470390.016938150.015PARCH(1,1)

-GED-M99%-0.164876-0.021401-0.0471730.017421150.015从表7可知，对于深证成指而言，在99%的置信水平下，以上三个模型计算的VaR比较准确，精度较高。

（三）VaR模型的失败率检验的基本原理

Kupiec（1995）提出的失败率检验法将实际损失值与VaR模型计算出的预测损失值比较，实际损失值较大则记为失败，用失败的天数除以总观察天数得到的失败率与预先设定的VaR估计的显著性水平比较，越接近则该VaR模型的预测效果越好。他假定VaR的估计具有时间独立性，则失败观察的二项式结果代表一系列的伯努利试验，失败的期望概率为α（α为显著性水平），假定实际观察天数为T，失败天数为N，则失败率为p＝N／T。原假设为p=α，Kupiec提出采用似然比率检验，LR统计量为：

LR=2[(1-α)T-NαN]+2ln[(1-p)T-NpN]

在原假设下，统计量服从自由度为1的χ2分布。

Kupiec给出了失败率检验方法的接受域，见表5..1

表7检验区域值标准概率水平P失败次数N的接受域T=255天T=510天T=1000天0.01N

表8上证综指和深证成指GARCH族模型失败次数统计表股票指数上证综指深证成指置信水平95%99%接受域37

（四）结论分析

⑴上证综指和深证成指的比较发现

无论是在95%的置信水平还是99%置信水平，上证综指的VaR标准差均大于深证成指的VaR标准差。

结论：上证股市的风险要大于深证股市。

综上所述：上证股市的风险要略高于深证股市的风险，对于上证综指而言，无论是在95%还是在99%置信水平下， GED分布的EGARCH-M模型更好，对于深证成指而言，无论是在在95%下还是在99%置信水平下，GED分布的GARCH-M模型最好。

参考文献

[1]李庆全．VaR方法在中国股票市场的风险度量中的应用研究［D］．云南：昆明理工大学，2011：

[2]廖飞．VaR方法在我国证券投资基金中的应用研究［D］．贵州：贵州财经大学，2011：

[3]孟跃辉．VaR方法在沪深股市风险度量中的应用［D］．安徽：安徽大学，2012：

[4]钱思思．基于价格极差―GARCH模型VaR风险研究［D］．四川：西南财经大学，2012：

[5]王超．基于VaR模型的风险价值度量研究［D］．山东：山东财经大学，2013：

[6]赵鹏．基于GARCH模型的VaR方法的实证研究［D］．山东：山东大学，2013

注解

①谭春芝、滕莉莉、谢玉华．金融工程学理论与实务（第二版）［M］．北京：北京大学出版社，2012：73-74．

(下接第83页)

最终选择随机效应模型。模型结果为

lnZit=αi-0.545HHIit+γconit+εit

3.结果分析。如上我们发现lnZ与HHI之间成反向关系，而lnZ越大说明银行违约风险越小，那么HHI与银行违约风险为正向关系，即银行集中度越大银行的破产风险越大，也就是说银行集中度的增大不利于银行抵御自身的违约风险。

五、总结

本文从银行股权结构的一个方面-银行股权集中度的角度出发，对9家上市银行的违约风险进行建模，并加入银行总资产规模、银行贷款增长率、银行留存收益率以及银行盈利性这些控制变量。最终通过面板模型的估计结果得出结论：银行股权集中度越高，银行自身的违约风险越高，上市商业银行在面临存款保险即将到来的大势面前，适当分散大股东的控股能力，将有助于保护银行不受各种信用违约事件的影响。

参考文献

[1]权艳青、曹维凯和吴楠.中国上市银行股权集中度与绩效关系的实证研究[J].经济研究导刊,2013(183):61-106.

[2]王永梅、刘慧玲.银行股权结构与风险承受―基于我国上市银行数据的研究[J].当代会计评论2010(2):1-12.

[3]朱瑾、朱恩涛.我国上市银行股权集中度与经营绩效的实证分析[J].证券市场 2008(10):85-87.

篇12

安全事故的出现会给建筑工程的开展造成较大的冲击，进而在其他诸多方面体现出影响。在实际工程中需要针对安全事故进行调查，明确这些事故产生的原因所在，并据此制定对应的风险管理办法，将其运用到以后的建筑工程，以减少安全事故的再次发生，为建筑行业的发展打下安全基础。

1建筑工程的基本特点

（1）规模大。近年来随着经济水平的不断提升，建筑已经成为各个地方展现经济实力的一种具体表现手段，由于建筑工程的规模扩大，使安全事故的发生有所增加。（2）周期长。就当前实际情况而言，建筑工程已经不是以往单一的一栋建筑，而是多栋建筑所组成的建筑群。在实际的建筑施工中也会分为一期、二期、三期等分期进行，如此长的工程周期，就使安全事故的发生有了更多的机会[1]。（3）流动性。流动性主要是指建筑工程的施工人员。在目前各地的建筑工程中，转包分包的现象一直存在，尤其是较大的建筑工程，往往会有多个施工队伍参与其中。而各个施工队的施工人员都具有很强的流动性，其可能同时参与到几个建筑工程中，经常在不同的工地之间来回奔波，这就使施工人员无暇顾及安全问题，容易出现不安全行为，进而发生安全事故。

2建筑安全事故的原因分析

2.1建筑工程安全事故产生原因的基础理论

（1）综合因素影响理论。该理论认为，在建筑安全事故发生的时候，往往会有多个因素参与其中综合起来产生作用。所以，在分析安全事故原因的时候，需要将导致安全事故的相关因素全部罗列出来，并对其进行分门别类，然后按照主次进行排序，如此就可以显而易见的得出造成安全事故的主要原因、次要原因了。在该理论下要控制安全事故，就需要对主要原因进行控制。（2）多米诺骨牌理论。该理论认为，在建筑安全事故发生的时候是一个直接的必然要素导致的，而该必然要素又是其他相关要素所引发的。（3）人为因素理论。该理论认为建筑工程中的材料、设备等都属于静物，不会自己出现安全事故，而在建筑工程中产生安全事故是因为施工人员在使用这些材料设备的过程中出现了错误操作，从而导致安全事故产生。因此，建筑工程中的安全事故都可以归结于参与建筑工程的各个人员[2]。

2.2建筑工程安全事故产生的常见原因

（1）安全管理不到位，建筑工程单位在安全管理上不够重视，投入不够，既没有形成完善的安全管理制度，也缺乏详实的安全工作方案，导致在建筑工程中安全管理的相关工作得不到有效落实。（2）建筑工程的参与者由于流动性较大，因此难以形成一支稳定的工程队伍。这就导致工程队伍的整体安全意识一直难以实现质的提升，各环节都存在安全意识低下的人员，成为安全事故发生的诱发原因。（3）建筑工程的周期长，多米诺骨牌效应更加明显，构成安全事故链的相关因素众多，各个因素之间具有复杂的联系，即使切断一个事故链，依然可能从其他事故链产生安全事故。不仅如此，由于规模大的特点，也使相关因素更多，其综合影响也就更加明显。（4）建筑工程中的参与要素较多，这就给安全事故的发生提供了各种可能的条件。众多的要素难以在监理工作中得到有效把控，从而造成安全事故出现。

3建筑安全事故风险管理办法

3.1建立健全安全风险预警处置机制

目前对于建筑工程工程安全事故已经有了比较多的完善的相关理论，根据这些理论，可以实现构建安全风险预警处置机制，以便及时发现建筑工程的安全潜在风险，及时对其解决。（1）基于综合因素影响理论，可以构建动态可视化的安全模型，这需要利用到BIM信息模型技术，依据建筑工程的相关资料数据，构建初步的安全模型。然后根据工程的实际进展，录入实际的工程数据，由此推演安全模型的未来变化，提前发现容易出现安全风险的节点，对其进行事先控制。（2）基于多米诺骨牌理论，可以采取切断事故链的方式，构建安全风险预警处置机制。在建筑工程中，导致同一安全事故的事故链并非只有一条，所以要阻止安全事故的发生，需要对多条事故链都实现有效阻断。通过分析可以发现，这些不同的事故链中，具有一些重合的节点，这些节点就是防范安全风险的关键，合理控制这些节点，就可以实现多条事故链的同时切断。

3.2加强建筑安全管理的调节控制

（1）依据法律法规明确各方责任，在签订合同的时候，就应该针对建筑工程中可能出现的安全事故进行责任归属的划分，避免出现安全问题时相互推诿。（2）利用经济杠杆对安全事故进行调节，通过经济利益加强工程建设单位、施工单位和分包班组三方之间的关系协调，使其达成利益协同。在相关法律法规的约束下，建设单位、施工单位等都应该强制性办理保险，投保率也需依照市场行情确定。同时，将安全保费的缴纳情况和企业的信誉、业绩实现关联，强化经济调控作用。如此，就可以迫使建设单位、施工单位等对安全问题加强重视[3]。

3.3巩固建筑安全风险防控的基础

（1）对建筑工程的所有参与者进行安全教育，使其认识到安全事故的形成过程和具体原因，从自身出发严格按照标准规范展开工作，避免造成安全风险。（2）制定安全量化指标，对建筑工程各环节的安全程度展开精细量化，以此衡量安全风险的程度等级，从而提早针对性地做好防范处置。（3）完善风险应对机制，即针对可能出现的安全风险，提前制定好解决措施，确保在出现安全事故时可以在第一时间响应，快速解决问题，避免其扩大化形成，将影响控制在最小范围。（4）通过承包、保险、担保转嫁风险。由于建筑行业市场存在一定不透明的情况，使得部分风险难以避免。因此，可以通过承包、保险或是担保的形式，将这部分发生概率较大的风险转嫁其他建设单位、保险公司或是担保公司，由此避免对本单位造成影响。

3.4完善安全量化考核标准

除去以上措施之外，还需要通过量化的安全考核指标，对工程风险进行评价和管理，做好安全风险的防控。比如，可以根据企业以往的安全记录，制定一套安全量化指标，对事故伤害率、时间损失率、劳工索赔率等详细界定，为安全问题的处置提供可靠依据。4结束语综上所述，建筑安全事故产生的原因较多，也有一些相关的理论对其进行阐述说明。在实际的工作中，应该结合实际对安全风险进行分析，提前制定相应的处置对策，完善风险控制机制，将安全风险控制在最小范围，确保建筑工程的顺利进行。

作者:沙军 单位:江苏标龙建设集团有限公司

参考文献:

篇13

风险的辨识、评估和控制这三者在风险管理当中必不可少，其中前两者是基础步骤，后者是最终的目的，必须要经过最后一步风险控制才可以实现减少风险几率的目的，这才是管理风险的关键所在。跑道事故在航天的地面事故中占的比重比较大，因为要经历的员工和环节很多，所以重点对跑道事故多加关注是很有必要的。笔者通过研究过去已经有的风险控制办法，在预防风险方面提出了针对跑道事故的控制方法的一些意见，主要是想建立一个防止事故发生的措施体系，主要内容包括技术基础和组织配合，从这两点对风险发生的可能性进行控制，为降低跑道事故风险几率提供一些建议。

1.跑道事故风险管理控制方法

因为飞机的起飞或是着陆都是在飞机跑道上完成的，所以航空的地面风险跟跑道有很大关系，飞机起降时候的问题发生的事故也很值得重视。但是据我国和外国方面统计，大概在九十年代末到二十一世纪初这一时间段，机场的跑道侵入和偏出的事故时有发生，从数据统计来看，对跑道事故的重视和有效管理也是十分必要的措施。

风险的辨识、评估和控制这三者在风险管理当中必不可少，其中前两者是基础步骤，后者是最终的目的。如果风险能得到很好地控制的话，就能顺利大幅减少事故发生率和事故的破坏性。所以这最后一环也是最重要的一环。

就现在已有的研究方法来看，对风险的控制方法有以下三类。第一类是策略性方法，具体指的是风险规避、冗余技术和风险分散。风险规避是试图免受风险的危害的措施。冗余技术其实就是备用方案。风险分散主要做的是减少人为干扰。第二类是技术性方法，具体包括消除、替代和纪律。消除说的是解决根源性风险问题。代替是在可能的条件下选用风险性更低的方案。纪律是说要严格按照规则行事，违反要求的人就要被惩罚。第三类是管理性方法，先设计好安全方案，再根据方案有针对性地实施另外两种方法。

由于跑道事故的产生主要是由于人为因素，所以根据上述风险管理的办法，应该选择消除和预防风险是最合适的。预防风险并不能达到百分之百的成功率，但是在技术手段和理论的不断进步下，预测的成功率也是会不断提高的。消除风险是只要通过严密的安排、大家的努力，就是绝对可以做得到的。而发生事故之后的措施只是亡羊补牢，有一定的意义但还是一种无奈的挽救行为。所以如果想要大幅降低跑道事故发生率还是要把重心放在预防风险上，这是用过研究可以有效取得进展的。在我国，跑道事故的风险预防研究问题尚未取得明显进展。本文的主要观点是对风险防御体系核心的研发，即风险防御技术。

2.关于建立防范跑道事故的防御体系

这里提到的“防御”包含双重的含义，第一重是说主动性，第二重是说防御的范围，不仅是物，还有人或措施，都在防御的范围之内。跑道事故风险的来源主要是人为因素，所以针对性地采取手段的话应该是人的错误行为、装备的失效还有环境的变化等对象进行有效监管。

笔者的观点是讲组织、技术和文化三种手段有机组合，从这几个方面解析了规则制定的流程和落实的具体步骤。从组织、管理、技术等多角度多方面的分析计划，建立起一个全面的风险防御体系。

（1）基本规则的制定

在实施行动之前，一定要有一个可以依据的原则。风险防御体系的活动准则有以下几点。一是闭环防御。二是动态防御，掌握风险发生的原理和规律。三是分级防御，把总体的任务分解为一个个的小的范围目标，然后给员工确定各自的责任范围。

（2）确定管理方针

整个体系的活动方针应该由领导来指明方向，并保证对措施实施的大力支持和辅助。

（3）组织措施的支持

首先要有一个较为完善的跑道安全规定，然后按照这个规定对员工组织学习培训，并在实际工作中总结经验教训。

（4）技术设计

首先，要对风险进行预测，估计跑道运行时大概的风险是怎样的，以此为依据来确定下技术手段。结合各种测试结果和预估结果，选择最有效的风险防御方法，改善操作，对员工进行相应的培训等，尽量减少让风险发生的因素。

（5）防御技术

经过了组织支持和技术设计，然后是到具有的实施环节了。这里有技术手段、管理手段还有安全文化。这些有一个大概的标准，但是是具有灵活性的，面对不同的任务和要求，要进行相应的改变。还要根据技术的实施效果的反馈来讲进行反思和技术纠正。

（6）反馈

前人的研究成果是后人进步的阶梯，因此要好好利用好反馈的渠道，积累大量的间接经验，在以后的防范工作中才能做到遇事不惊。一个风险防御系统不是一蹴而就的也不是固定的，它应该是在人们不断的实践和积累中不断被补充、被纠正，逐渐趋于完善，并且在各个关节都是非常灵活都变的，能适应不同的条件，这才是一个完善的风险防御系统。

3.总结

综上所述，跑道风险控制可以从策略、技术和管理这三个方面入手。技术当面的控制办法是最合适的最重要的，能很有效的解决事故问题。但是在技术层面的突破又是比较困难的。从管理方面入手最简单，效果也比较好。本文在以上大概描述了建立一个跑道事故防御机制需要从哪些方便思考，帮助大家控制机场的跑道事故发生起了指引作用。

参考文献