股市风险分析

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇股市风险分析范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

股市风险分析范文第1篇

关键词：长输管道；事故分析；选线方法；构建

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:

[1]张圣柱,吴宗之,张健,多英全.油气管道选线和风险评价相关法规与方法[J].油气储运,2012(09).

股市风险分析范文第2篇

关键词：始发 风险分析预控

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：

[1]周文波 《盾构法隧道施工技术及应用》 中国建筑工业出版社 2004.11

股市风险分析范文第3篇

关键词：收益；风险；误差修正模型；沪深股市

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).

[11]Engle.R，1982，“Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation”，Economitrics，Volume 50，Issue 4，pp：987-1007.

股市风险分析范文第4篇

关键词：VaR；分析法一、分析法计算VaR

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.

[4]laetitia,L.,Frank,S..Bank insolvency risk and time-varying Z-score measures[J].Journal of international financialmarkets,institutions and money,2013(73-87).

股市风险分析范文第5篇

关键词：多源数据融合；自动识别；风险控制

一、概述

项目研究背景：电源是人们生活和经济发展的重要保障，但当电网出现特殊状况，当地电网系统管理部门一般选用传统的“统一调度和分级管理”处理原则，而在这样的处理原则下，相关电网调度员要面对大量的信息和事故处理工作，同时要对产生异常的信息进行收集和统计。而收集和统计信息的过程主要包括两个步骤，一是对事故发生等级进行识别，已反馈给指挥中心启动相应级别的预案措施；二是对电网发生状况后影响的范围进行准确定位，以针对性的快速恢复当地电网。在这个过程中，因为缺乏相关的科技协助，往往造成事故等级识别错误或事发地点定位错误，这就严重影响了事故处理速度。同时，国务院了新的供电法规，要求各省电网中心以客户为中心，启用一体化的系统进行供电管理。在这样的背景下，采用多源数据融合的配用电侧故障事件等级自动识别系统就显得尤其重要。笔者结合自身经验，简要浅谈基于多源数据融合的配用电侧故障事件等级自动识别及风险控制体系构成。

二、基于多源数据融合的配用电侧故障事件等级自动识别及风险控制系统

（一）系统结构

基于多源数据融合的配用电侧故障事件等级自动识别及风险控制系统是一款借助多项科技的软件系统，该软件主要包括7个层面，整个系统包含的结构框架如下：图1基于多源数据融合的配用电侧故障事件等级自动识别及风险控制系统构架本文主要探讨图1框架中上两层系统，在现有的基础上添加主网故障监视、损失负荷等系统，这几个添加的新系统结合用电调度系统已经集成的用户信息，实现配用电侧故障事件等级自动识别、故障点专题自动生成、故障后电网薄弱环节自动识别、故障事件快速恢复辅助策略等应用功能，并应用可视化技术手段实现电网故障事件的可是视化全景展示。

（二）系统各部分功能

以上我们展示了“基于多源数据融合的配用电侧故障事件等级自动识别及风险控制系统”的整个框架结构，以下就主要对故障事件等级自动识别、故障后电网薄弱环节识别、故障快速恢复辅助决策、电网故障事件全景可视化展示等四个部分的功能进行介绍。（1）故障事件等级自动识别：该部分包含的功能主要有主网故障监视、配网故障监视。而这两个监视的最终目标是为了计算损失负荷、分析故障影响用户、构建事故评价库以及对事件进行定级。（2）故障后电网薄弱环节识别：该部分包含了主网故障诊断和配网故障诊断功能，这两个功能下又包含了自动图片推送、分析故障后静态安全、分析重要用户供电可靠性以及故障后电网薄弱环节识别功能。（3）故障快速恢复辅助决策：该分部包含的主要功能有主网故障恢复策略、配网故障恢复策略、主配协同大面积停电恢复策略、基于多目标的故障恢复策略排序以及故障事件快速恢复辅助决策。（4）电网故障事件全景可视化展示：该部分的功能主要是对故障事件等级、影响到的重要用户、主配网故障影响的范围自动生成图片，以实现全景可视化。

（三）各系统获取数据的方式

（1）调度自动化系统主要通过主网故障监视、故障后静态安全分析和故障恢复信息等三个部分采用E文件方式传输获取数据的。（2）配网自动化系统主要通过E方式传送获取运行数据、故障监视及故障恢复信息。（3）用电调度系统主要获取主配网模型，重要、中低压用户信息，用户两侧信息等数据。（4）其他系统。其他系统获取的数据主要包括事故导致的人员伤亡、经济损失、设备故障损坏等数据

（四）基于多源数据融合的故障事件等级自动识别功能实现过程

该功能的实现过程发生在故障发生后跳闸时，当故障一旦发生，系统就会迅速的分析各部位损失的负荷、损失的重要和中低级用户以及相关用户的数据，并迅速对故障进行定级。以下对各部分功能自动识别过程作详细介绍。（1）主网故障监视该功能是通过EMS平台实现的，主要对变电压失压、10KV站内母线失压等单一设备故障至大面积停电等复杂电网故障进行监视，并且支持手动模拟。（2）主网故障损失负荷计算该功能的也是通过EMS平台实现，主要计算故障瞬间损失的负荷、备自投动作恢复负荷以及用户自身原因减少的负荷。（3）配网故障监视配网故障监视通过DMS平台实现，它主要监视配网故障信息和输出信息。前者包含断路器跳闸、分支线跳闸以及配网两侧故障信息等。后者包括某开关跳闸、动作设备集、故障后影像设备集等。（4）配网故障损失负荷计算该功能的实现通过用电调度系统实现，主要计算故障影响的用户最近的计量断面数值和用户自身应急电源恢复负荷。两者相减就得到配网故障损失负荷。（5）故障影响用户分析该功能的实现也是通过用电调度系统实现，主要分析故障影响的用户数量、影响重要和一般用户比例以及影响用户中敏感的用户。（6）事故评级库构建该功能通过用电调度系统实现，主要包括电网安全、损失负荷、影响用户等多维度构建。（7）事故定级该功能也是通过用电调度系统实现的，在基于事故评级库的基础上，实现对事故评价定级。

（五）故障后电网薄弱环节自动识别

故障发生后该功能主要对电网中的薄弱环节进行自动识别，而它的识别过程主要通过主网故障诊断、配网故障诊断、自动成图推送、故障后静态安全分析、重要用户供电可靠性分析、故障后电网薄弱环节识别等六个功能实现的。

（六）基于多源数据的故障事件快速恢复辅助决策

该功能的实现主要在故障发生后结合电网薄弱环节的识别结果，针对性的生成应急处理恢复电源策略。而应急处理恢复电源策略根据每个分部的不同，又分为以下几个策略：主网故障恢复策略、配网故障恢复策略、主配协同故障恢复策略、基于多目标的故障恢复策略、故障事件快速恢复决策等。（七）电网故障事件的可视化全景展示该功能的实现是基于故障监视和诊断分析结果实现事故事件的生成，在各功能的协助下，实现自动成图展示。而电网故障事件的可视化全景展示主要包含三大部分，一是事故事件生成；二是电网故障事件全景可视化；三是故障影响范围自动成图调用。

三、结语