中國上市金融機構(gòu)系統(tǒng)性風(fēng)險度量方法比較研究

歐陽資生 楊希特

摘 ? 要：本文采用條件在險值CoVaR、邊際期望損失MES、金融巨災(zāi)風(fēng)險指標(biāo)Catfin、SRISK、中國CISS指數(shù)，研究了我國44家上市金融機構(gòu)的系統(tǒng)性金融風(fēng)險溢出效應(yīng)及不同時段的演變特征，并比較五種系統(tǒng)性金融風(fēng)險測度指標(biāo)在我國的適用性。研究發(fā)現(xiàn)：（1）銀行、保險和證券的MES和SRISK依次遞增;證券、保險和銀行的CoVaR依次遞增;保險、證券和銀行的Catfin依次遞減;不同度量方法得到的結(jié)果有一定的差異。（2）CoVaR、MES、Catfin和中國CISS具有明顯的周期性，其在危機時期風(fēng)險較高，危機過后呈現(xiàn)向下趨勢。（3）中國SRISK自金融危機以來一直呈上升趨勢，且銀行積累的風(fēng)險比任何其他金融機構(gòu)都多?？傮w來看，一旦發(fā)生嚴(yán)重金融危機，銀行可能承受最大的資本缺口，而證券公司將承受更大比例的短期損失，從而面臨更高的風(fēng)險。

關(guān)鍵詞：系統(tǒng)性風(fēng)險;條件在險值;邊際期望損失;SRISK;金融巨災(zāi)風(fēng)險指標(biāo);中國CISS指數(shù)

中圖分類號：F832 ? 文獻(xiàn)標(biāo)識碼：A ?文章編號：1674-2265（2020）10-0013-07

DOI：10.19647/j.cnki.37-1462/f.2020.10.002

一、引言

2008年全球金融危機引發(fā)了國際組織、各國金融監(jiān)管機構(gòu)及學(xué)者們對系統(tǒng)性金融風(fēng)險的重新思考。與此同時，金融風(fēng)險傳染日漸常態(tài)化，“錢荒”等極端風(fēng)險事件的發(fā)生，使得系統(tǒng)性金融風(fēng)險在資本市場快速傳播。雖然我國未發(fā)生大規(guī)模的金融危機，但隨著金融市場發(fā)展不斷深化，金融創(chuàng)新與日俱進，金融機構(gòu)之間的關(guān)聯(lián)度不斷提高，若有一家金融機構(gòu)陷入危機，其個體風(fēng)險將通過資產(chǎn)負(fù)債關(guān)聯(lián)和投資者非理性“羊群效應(yīng)”等快速傳導(dǎo)，可能導(dǎo)致系統(tǒng)性風(fēng)險，進而危及整個經(jīng)濟社會的平穩(wěn)運行。因此，找到合適的系統(tǒng)性風(fēng)險度量方法，從個體和整體的角度評估我國金融業(yè)的系統(tǒng)性風(fēng)險顯得十分重要。

本文利用Adrian和Brunnermeier（2016）[1]提出的條件在險值CoVaR，Acharya等（2017）[2]提出的邊際預(yù)期損失MES，Allen等（2012）[3]提出的金融巨災(zāi)風(fēng)險指標(biāo)Catfin，Brownlees和Engle（2017）[4]提出的SRISK，清華大學(xué)國家金融研究院金融與發(fā)展研究中心課題組（2019）[5]提出的中國CISS指數(shù)，衡量我國的系統(tǒng)性金融風(fēng)險，分析和比較我國系統(tǒng)性風(fēng)險的時空分布特征，以利于我國金融監(jiān)管當(dāng)局宏觀審慎管理政策的實行。

二、文獻(xiàn)綜述

美國金融危機后，系統(tǒng)性風(fēng)險度量成為全球金融監(jiān)管改革的重要組成部分。針對傳統(tǒng)計量方法的不足，金融監(jiān)管機構(gòu)和學(xué)界提出了多種方法來測度機構(gòu)的系統(tǒng)性金融風(fēng)險和風(fēng)險貢獻(xiàn)。有學(xué)者采用網(wǎng)絡(luò)分析方法研究系統(tǒng)性金融風(fēng)險，該方法關(guān)注的是機構(gòu)間構(gòu)成的網(wǎng)絡(luò)結(jié)構(gòu)，這種結(jié)構(gòu)可以由資產(chǎn)負(fù)債表構(gòu)成，也可由支付清算體系內(nèi)的關(guān)系構(gòu)成（Chan等，2009）[6]，主要用于對單個金融機構(gòu)的系統(tǒng)重要性以及對系統(tǒng)性金融風(fēng)險貢獻(xiàn)度的測度。目前除少數(shù)國家外，銀行間實際雙邊敞口數(shù)據(jù)一般難以獲得（范小云等，2011）[7]。因此，現(xiàn)有的銀行間風(fēng)險傳染的研究主要采用最大熵值法，通過分析各銀行間的資產(chǎn)和負(fù)債來估計銀行間的聯(lián)系。

目前學(xué)界主要通過金融機構(gòu)資產(chǎn)收益的尾部特征來衡量系統(tǒng)性風(fēng)險，以及金融機構(gòu)對整個金融體系或其他金融機構(gòu)的風(fēng)險溢出。主要可分為“自上而下”和“自下而上”兩種分析方法（Mathias和 Nikola，2011）[8]?！白陨隙隆钡姆治龇椒ㄊ鞘紫扔嬎阆到y(tǒng)遭受的風(fēng)險，然后將風(fēng)險分配給每個金融機構(gòu)。例如，Acharya等（2017）[2]提出的（SES）和邊際期望損失（MES）方法。SES和MES可以衡量所有超過閾值的損失，其考慮了金融機構(gòu)杠桿對系統(tǒng)風(fēng)險的影響以及金融機構(gòu)對邊際風(fēng)險的貢獻(xiàn)?！白韵露稀钡姆治龇椒ㄊ呛饬恳粋€金融機構(gòu)遭遇風(fēng)險時，其對金融系統(tǒng)產(chǎn)生的影響。此類方法的主要代表是Adrian和Brunnermeier（2016）[1]提出的條件在險值（CoVaR）。CoVaR可以衡量單個金融機構(gòu)對整體系統(tǒng)性風(fēng)險的溢出效應(yīng)。當(dāng)然每個衡量指標(biāo)也具有一定的局限性，例如條件在險值CoVaR無法測度一定置信水平下的期望損失，很難對金融體系面臨的系統(tǒng)性風(fēng)險進行測度（Acharya等，2012）[9]。此外， MES更多反映金融機構(gòu)在遭遇金融風(fēng)險的情況下需要補充的資本金，但其忽略了金融機構(gòu)的規(guī)模、杠桿比率等因素，在辨識金融風(fēng)險貢獻(xiàn)時會存在一定的誤差（楊子暉等，2018）[10]。而SRISK主要強調(diào)金融機構(gòu)自身經(jīng)營引發(fā)金融資本短缺，也可是由外部沖擊導(dǎo)致，如貨幣政策或宏觀經(jīng)濟波動等因素導(dǎo)致，但其未充分考慮風(fēng)險溢出等原因，也具有一定的局限性（梁琪等，2013）[11]。

另外，學(xué)術(shù)界基于CoVaR、MES、Catfin、SRISK和中國CISS指數(shù)等五種系統(tǒng)性風(fēng)險度量方法，從多種角度進行了相關(guān)的研究。Karimalis和Nomikos（2018）[12]基于Copula函數(shù)計算ΔCoVaR，檢驗導(dǎo)致系統(tǒng)性金融風(fēng)險發(fā)生的因素，并分析了金融機構(gòu)規(guī)模、市場杠桿率和股票Beta值與金融機構(gòu)對系統(tǒng)性金融風(fēng)險貢獻(xiàn)度的相關(guān)程度。李政等（2019）[13]構(gòu)建下行和上行ΔCoES作為系統(tǒng)性風(fēng)險的同期度量指標(biāo)和前瞻預(yù)警指標(biāo)。歐陽資生等（2019）[14]選取14個系統(tǒng)性風(fēng)險基礎(chǔ)指標(biāo)測度系統(tǒng)性風(fēng)險，構(gòu)建系統(tǒng)性金融風(fēng)險綜合指數(shù)，并運用PLQR研究系統(tǒng)性風(fēng)險對宏觀經(jīng)濟的影響。楊子暉等（2019）[15]采用預(yù)期損失ES來衡量各金融部門以及中國金融市場的極端風(fēng)險，并運用回溯測試的方法進行后驗分析。劉玚等（2020）[16]基于MVMQ-CAViaR方法，分析了我國金融機構(gòu)間風(fēng)險溢出效應(yīng)。

綜合來看，目前系統(tǒng)性風(fēng)險度量方法雖然在測度模型方面得到不斷改進，卻也帶來了諸如理論基礎(chǔ)薄弱、無法判定優(yōu)劣性等問題。一方面，各類測度方法對系統(tǒng)性金融風(fēng)險的度量存在一定的差異，增加了金融監(jiān)管機構(gòu)在實施宏觀審慎管理時的難度;另一方面，不少測度方法實際上難以度量系統(tǒng)性金融風(fēng)險的系統(tǒng)性以及多維性，與簡單的單指標(biāo)測度相差不大。本文通過五種度量方法的比較分析，一方面從理論和實證角度探討五種度量方法的適用性，另一方面對金融機構(gòu)的風(fēng)險進行排序，討論我國銀行、保險和證券業(yè)系統(tǒng)性金融風(fēng)險的大小，并指出危機期間和非危機期間各行業(yè)的系統(tǒng)性風(fēng)險差異。

三、研究方法

1. 邊際期望損失（MES）。Acharya等（2017）[2]在期望損失[ES]的基礎(chǔ)上提出[MES]，其假設(shè)金融系統(tǒng)包括[N]家金融機構(gòu)，用[ES]來測度單個機構(gòu)的金融風(fēng)險，而用[MES]表示金融機構(gòu)[i（i=1，2，3，…，N）]對系統(tǒng)性金融風(fēng)險的邊際貢獻(xiàn)。機構(gòu)[i]在[t]時刻的收益率為[ri，t]，[rm，t]表示[t]時刻的市場收益率，定義如下：

即[SRISK%]越大，金融機構(gòu)[i]在金融系統(tǒng)中越重要。

需要指出CoVaR、MES和SRISK的區(qū)別。CoVaR代表了某個機構(gòu)對系統(tǒng)的風(fēng)險貢獻(xiàn)，衡量了單個機構(gòu)面臨危機時的整體系統(tǒng)風(fēng)險，這是一種“自下而上”的分析。MES和SRISK是分析系統(tǒng)風(fēng)險的“自上而下”的方法，它衡量的是在整個系統(tǒng)遭遇金融危機時單個機構(gòu)的風(fēng)險。

5. 中國CISS指數(shù)。本文構(gòu)建的中國CISS指數(shù)包括了股票市場、貨幣與債券市場、外匯市場三個子市場。每個市場選取2—4個指標(biāo)，從而轉(zhuǎn)換為構(gòu)建中國CISS指數(shù)的9個基礎(chǔ)性指標(biāo)。基礎(chǔ)指標(biāo)匯總見表1。

本文首先對9個基礎(chǔ)指標(biāo)進行標(biāo)準(zhǔn)化，然后將標(biāo)準(zhǔn)化后的數(shù)據(jù)進行賦權(quán)。由于各子市場之間相關(guān)性和波動率增大多來自金融危機，因此，本文將相關(guān)系數(shù)和波動率上升的時間點賦予更高的權(quán)重，相關(guān)系數(shù)和波動率平穩(wěn)時期賦予較低的權(quán)重。通過此種賦權(quán)可以更加突出時間序列上對系統(tǒng)性風(fēng)險事件的識別。中國CISS指數(shù)的具體計算公式為：

四、實證分析

（一）數(shù)據(jù)的選取與描述性統(tǒng)計

為了更全面準(zhǔn)確地比較和刻畫CoVaR、MES、SRISK、Catfin和中國CISS指數(shù)對中國金融市場的適用性和分布特征，本文從銀行、證券、保險三個板塊選取了44家上市公司作為樣本，其中銀行機構(gòu)16家、證券機構(gòu)24家、保險機構(gòu)4家①。樣本區(qū)間為2008年1月1日至2019年3月31日，選取滬深300指數(shù)收益率作為市場收益率指標(biāo)。本文數(shù)據(jù)均來自國泰安數(shù)據(jù)庫和萬得數(shù)據(jù)庫。

表2給出了CoVaR、MES、Catfin、SRISK和中國CISS的描述性統(tǒng)計量，其中Panel 1為金融系統(tǒng)的風(fēng)險指標(biāo)值，Panel 2—4為分行業(yè)指標(biāo)值②。描述性統(tǒng)計表明不同系統(tǒng)性風(fēng)險測度指標(biāo)的變動規(guī)律有一定的差別。

（二）系統(tǒng)性金融風(fēng)險整體測度

本文旨在運用五種系統(tǒng)性風(fēng)險度量方法，分析中國金融市場系統(tǒng)性金融風(fēng)險隨時間的變化、不同行業(yè)間的風(fēng)險差異以及指標(biāo)的不同含義。圖1—4顯示了我國系統(tǒng)性金融風(fēng)險隨時間的變化，可以看到，在2008年金融危機時期和2015年“股災(zāi)”期間，CoVaR、MES、中國CISS和Catfin都出現(xiàn)了劇烈的變動。但觀察各指標(biāo)具體變動趨勢，指標(biāo)間存在一定的差異性。

（三）系統(tǒng)性金融風(fēng)險分行業(yè)測度研究

將系統(tǒng)性金融風(fēng)險分行業(yè)樣本時期分為四個時間段，分別代表金融危機時期（2008—2009年）、穩(wěn)定期（2010—2013年）、“股災(zāi)”時期（2014—2016年）和近期（2017—2019年），考察銀行業(yè)、證券業(yè)和保險業(yè)的CoVaR、MES、Catfin和SRISK指數(shù)的變化。

在圖5—8中，我們報告了我國金融機構(gòu)在2008年1月至2019年3月期間的波動。結(jié)果表明，在金融危機時期，CoVaR和MES都呈現(xiàn)明顯的上升趨勢，就三大板塊而言，銀行業(yè)遭受的系統(tǒng)性金融風(fēng)險最大。銀行業(yè)的SRISK最高，其次是證券業(yè)和保險業(yè)，但并未發(fā)現(xiàn)有明顯的波動，這與CoVaR和MES的變化趨勢有很大的不同，究其原因，可能是由于這一時期各銀行的流動性急劇增加而導(dǎo)致。中國金融巨災(zāi)風(fēng)險指標(biāo)Catfin居高不下，長時間高于風(fēng)險警戒閾。觀察2010—2013年我國金融市場穩(wěn)定期的波動情況可以發(fā)現(xiàn)，CoVaR和MES趨勢相對穩(wěn)定。CoVaR的走勢表明銀行業(yè)在系統(tǒng)性風(fēng)險貢獻(xiàn)中發(fā)揮了重要的作用。通過MES則可以看出，證券行業(yè)的系統(tǒng)性風(fēng)險最大。與此同時，SRISK也在穩(wěn)步增長，銀行業(yè)仍是SRISK最高的行業(yè)。中國金融巨災(zāi)風(fēng)險指標(biāo)Catfin走勢相對平穩(wěn)。觀察2014—2016年“股災(zāi)”時期，可以看到在2015年中國股市遭遇重創(chuàng)時，CoVaR和MES顯著增加。與平穩(wěn)時期相似，銀行的CoVaR最高，而證券部門的MES變化最大。CoVaR和MES均表明，這三個行業(yè)的波動趨勢相似。而銀行業(yè)的SRISK在2014年繼續(xù)增加，保險行業(yè)則在2014年有所變化，之后保持穩(wěn)定。而證券業(yè)在2015年后有明顯的增長。因此，當(dāng)股市出現(xiàn)負(fù)面震蕩時，證券業(yè)可能會遭遇最大的系統(tǒng)性風(fēng)險。Catfin高于警戒閾，說明存在系統(tǒng)性風(fēng)險。2017—2019年期間沒有出現(xiàn)嚴(yán)重的金融危機，這三個市場都經(jīng)歷了穩(wěn)定的波動。總體來看，CoVaR和MES對2008年全球金融危機和2015年“股災(zāi)”的反應(yīng)較為敏感;中國CISS指數(shù)則在2008年金融危機、2011年歐債危機、2013年“錢荒”、2015年“股災(zāi)”和2016年年初人民幣貶值與股市下跌時更為敏感，這也與其對危機事件的計算權(quán)重息息相關(guān)。而SRISK的計算則與機構(gòu)的負(fù)債和市值有很大的關(guān)系，因此銀行業(yè)的SRISK要遠(yuǎn)大于其他兩個行業(yè)。

本文將2008—2019年分行業(yè)系統(tǒng)性風(fēng)險指標(biāo)列于表3。從表3可以看出，以CoVaR為標(biāo)準(zhǔn)，在2008年金融危機和2015年股災(zāi)期間，銀行排名第一，證券排名第二。以MES為標(biāo)準(zhǔn)，我們發(fā)現(xiàn)在金融危機時期，銀行排名第一，保險排名第二，這與CoVaR的結(jié)果有一定的出入。以SRISK為標(biāo)準(zhǔn)，我們發(fā)現(xiàn)銀行總是排在第一位，其次是保險公司，最后是證券公司，究其原始，是因為SRISK與金融機構(gòu)的負(fù)債和市值密切相關(guān)，從而使得銀行和保險公司SRISK比證券公司大。以Catfin為標(biāo)準(zhǔn)，銀行、保險和證券存在排名不定的情況，但大致趨勢與CoVaR和MES相仿?？傮w來看，各個指標(biāo)針對系統(tǒng)性風(fēng)險的衡量存在一定的差異。

五、結(jié)論

本文采用2008年1月至2019年3月中國金融市場數(shù)據(jù)，從CoVaR、MES、Catfin、SRISK和中國CISS五個方面分別描述了中國系統(tǒng)性金融風(fēng)險和分行業(yè)的系統(tǒng)性金融風(fēng)險。其中CoVaR反映了單個金融機構(gòu)發(fā)生危機時對整個金融系統(tǒng)的影響，是一種“自下而上”的方法。MES和SRISK則反映了整個金融系統(tǒng)處于危機時，系統(tǒng)對單個金融機構(gòu)的影響，是一種“自上而下”的分析。Catfin是對整個金融體系風(fēng)險的表征。中國CISS則是將股票市場、貨幣與債券市場以及外匯市場的指標(biāo)進行綜合計算得到，反映了中國金融體系整體的系統(tǒng)性風(fēng)險。研究發(fā)現(xiàn)：第一，CoVaR、MES、Catfin和中國CISS在金融危機期間有明顯的波動，反映了金融機構(gòu)在危機期間有更大的風(fēng)險。但SRISK隨時間逐漸增加不能直接觀察金融危機，是由于SRISK與金融機構(gòu)的負(fù)債和市值相關(guān)。第二，我國證券、保險和銀行的MES依次遞減。銀行、保險和證券的條件在險值CoVaR依次遞減，說明銀行相比于保險和證券，其對系統(tǒng)性風(fēng)險的貢獻(xiàn)更大。保險、證券和銀行的Catfin依次遞減，保險的金融巨災(zāi)風(fēng)險指標(biāo)更大，說明其整體的風(fēng)險更大。第三，CoVaR、MES、Catfin和中國CISS具有明顯的周期性，其在危機時期風(fēng)險較高，危機過后出現(xiàn)下降。第四，從SRISK可以看出，銀行總是排在第一位，其次是保險和證券，說明相比于保險和證券，銀行更應(yīng)受到金融監(jiān)管部門的關(guān)注。綜合來看，如果發(fā)生嚴(yán)重金融危機，銀行將承受最大的資本缺口。而證券公司對金融市場的波動更加敏感，隨著時間的推移，保險公司也將在系統(tǒng)性風(fēng)險中扮演更重要的角色?？傮w來看，不同的系統(tǒng)性風(fēng)險測度指標(biāo)得出的結(jié)論有所差異，金融監(jiān)管部門應(yīng)該審慎使用各系統(tǒng)性風(fēng)險測度指標(biāo)。

基于以上研究，本文得到以下兩點啟示：第一，銀行業(yè)是中國系統(tǒng)性金融風(fēng)險的主要來源，如果發(fā)生嚴(yán)重金融危機，銀行將承受最大的資本缺口。而證券公司對金融市場的波動更加敏感，保險公司在系統(tǒng)性風(fēng)險中可能會隨著時間的推移發(fā)揮更重要的作用。監(jiān)管部門應(yīng)加大對各個部門的審慎監(jiān)管，及時調(diào)整監(jiān)管的方向和力度，防范系統(tǒng)性風(fēng)險。第二，不同系統(tǒng)性風(fēng)險測度方法對于不同部門的風(fēng)險測度結(jié)果不同，監(jiān)管機構(gòu)應(yīng)該審慎使用各個測度方法。

注：

①具體包括以下44家金融機構(gòu)：中國銀行，中信銀行，建設(shè)銀行，工商銀行，光大銀行，交通銀行，農(nóng)業(yè)銀行，北京銀行，興業(yè)銀行，南京銀行，招商銀行，民生銀行，華夏銀行，浦發(fā)銀行，寧波銀行，平安銀行，方正證券，光大證券，華泰證券，東吳證券，興業(yè)證券，國泰君安，東興證券，招商證券，東方證券，海通證券，西南證券，國金證券，中信證券，國信證券，西部證券，山西證券，長江證券，廣發(fā)證券，國海證券，國元證券，錦龍股份，東北證券，申萬宏源，太平洋保險，中國平安，新華保險，中國太保，中國人壽。

②因中國CISS指數(shù)的算法只能衡量金融系統(tǒng)的風(fēng)險，故分行業(yè)中無中國CISS指數(shù)。

參考文獻(xiàn)：

[1]Adrian T，Brunnermeier M K. 2016. CoVaR [J]. American Economic Review，106（7）.

[2]Acharya V V， Pedersen L H，Philippon T，et al. 2017. Measuring Systemic Risk [J].Working Paper，29（1002）.

[3]Allen L， Bali T G，Tang Y. 2012. Does Systemic Risk in the Financial Sector Predict Future Economic Downturns？ [J].The Review of Financial Studies，25（10）.

[4]Christian Brownlees，Robert F. Engle. 2017. Srisk：A Conditional Capital Shortfall Measure of Systemic Risk [J]. ?Review of Financial Studies，30（1）.

[5]清華大學(xué)國家金融研究院金融與發(fā)展研究中心課題組.中國系統(tǒng)性金融壓力的監(jiān)測 [J].國際金融研究，2019，（12）.

[6]Chan-Lau J，Espinosa M，Solé J. 2009. On the Use of Network Analysis to Assess Systemic Financial Linkages [J]. IMF （International Monetary Fund） working paper.

[7]范小云，王道平，方意.我國金融機構(gòu)的系統(tǒng)性風(fēng)險貢獻(xiàn)測度與監(jiān)管——基于邊際風(fēng)險貢獻(xiàn)與杠桿率的研究 [J].南開經(jīng)濟研究，2011，（4）.

[8]Mathias Drehmann，Nikola Tarashev. 2011. Systemic Importance：Some Simple Indicators [J].BIS Quarterly Review.

[9]Viral Acharya，Robert Engle，Matthew Richardson. ?2012. Capital Shortfall：A New Approach to Ranking and Regulating Systemic Risks [J]. American Economic Review， 102（3）.

[10]楊子暉，陳雨恬，謝銳楷.我國金融機構(gòu)系統(tǒng)性金融風(fēng)險度量與跨部門風(fēng)險溢出效應(yīng)研究 [J].金融研究，2018，（10）.

[11]梁琪，李政，郝項超.我國系統(tǒng)重要性金融機構(gòu)的識別與監(jiān)管——基于系統(tǒng)性風(fēng)險指數(shù)SRISK方法的分析[J].金融研究，2013，（9）.

[12]Emmanouil N. Karimalis，Nikos K. Nomikos. 2018. Measuring Systemic Risk in the European Banking Sector：A Copula Covar Approach [J].The European Journal of Finance，24（11）.

[13]李政，梁琪，方意.中國金融部門間系統(tǒng)性風(fēng)險溢出的監(jiān)測預(yù)警研究——基于下行和上行ΔCoES指標(biāo)的實現(xiàn)與優(yōu)化 [J].金融研究，2019，（2）.

[14]歐陽資生，李虹宣，劉鳳根.中國系統(tǒng)性金融風(fēng)險對宏觀經(jīng)濟的影響研究 [J].統(tǒng)計研究，2019，36（8）.

[15]楊子暉，陳雨恬，陳里璇.極端金融風(fēng)險的有效測度與非線性傳染 [J].經(jīng)濟研究，2019，54（5）.

[16]劉玚，李政，劉浩杰.中國金融市場間極端風(fēng)險溢出的監(jiān)測預(yù)警研究——基于MVMQ-CAViaR方法的實現(xiàn)[J].經(jīng)濟與管理研究，2020，41（2）.