论文部分内容阅读
在金融市场不断发展、金融创新工具层出不穷的今天，实务操作界对金融理论的精确性要求越来越高，传统金融理论中忽视流动性所造成的误差问题也日益突出。在此背景下，流动性及相关课题的研究己成为金融研究领域的一个热点。 流动性的定量研究中，流动性度量模型是核心的内容之一，也是本文的主要研究对象之一。本文系统地总结了国际学术界金融市场流动性研究的历程与近况，讨论了常见的各种流动性度量指标模型的优势与不足，结论认为，相比之下，价量模型中的GH模型是一类较好的流动性度量模型。但它缺陷也同样明显：忽略了证券价格变动的离散性，得到的价量关系是简单的线性形式。因此，本文将常用于处理分类属性变量的积累线性模型方法引入到流动性度量模型中，建立了一个基于积累线性模型的修正的GH流动性度量模型，基于该模型，可以得到一系列良好的流动性指标，并在其后的流动性风险评价中有较好的应用。 本文还集中地研究了各种常见流动性指标的统计规律。从大量搜索到的文献中，笔者尚未发现对各类指标统计特征的较集中的实证研究，本文的研究填补了这一空白。实证结果发现，在运用不同的指标度量流动性时，可能会得到不同、甚至截然相反的结果!本文尝试着对这些现象进行了解释。这一发现提醒人们在流动性的定量研究时，需要谨慎地选择流动性指标，做出结论时也要甚重。 优秀的流动性模型不但能用于评价市场效率的高低，而且能应用到实际的投资实务中。本文还将建立的流动性度量模型能用于度量单笔交易的流动性修正VaR，对大型的风险对冲投资机构或套期保值机构而言，该模型具有直接和有效的指导意义。 本文的创新主要有几个方面：(1)将积累线性模型应用到流动性度量建模中；(2)总结得出了适合本文的拟合优度检验方法，并对序次Logistic回归和序次Probit回归的选择标准做出分析；(3)给出了各种常见流动性指标统计规律的实证研究，发现了与直观经验不符的现象；(4)将流动性度量模型应用到流动性修正VaR理论中，对金融机构的实际操作具有一定的参考意义。