《系统工程理论与实践》于2015年7月，发表了我院刘向丽教授与硕士研究生合作的的学术论文：中国沪深300股指期货风险度量——基于流动性调整的收益率方法的研究。

流动性风险是除了价格风险外，可交易证券面临的另一种风险，近年来它显现出的破坏性越来越大🍑。传统的VaR模型没有考虑流动性风险，因为它假设不管多大的头寸，投资者都可以在固定时间内无成本得完成交易🧑🏻‍🔧，所以忽略了由于投资者交易对市场的冲击💁🖖🏻，以及买卖价差波动等因素带来的风险。一些西方学者从这些缺点入手👱🏽，试图将流动性风险纳入成熟的VaR模型当中，拓展出了多种流动性风险调整的VaR模型。

以BDSS模型为代表的许多模型都是将流动性风险进行单独计算，总风险则等于市场风险与流动性风险的简单相加🚛👮🏿，背后的假设是这两种风险是完全正相关的🦸🏽‍♀️，没有考虑两者实际的相关关系⛔，本研究证明了忽略市场风险与流动性风险相关关系总是会高估风险。

对于如何在风险度量中考虑流动性风险的模型有很多，总结起来🤴🏽，关键问题有两个🪒：一是将流动性风险引入VaR的方式；二是对流动性风险理解及其度量指标的选取👂🏽。

用买卖价差来度量流动性风险（如BDSS模型）🤞🏿🫁，适合于有做市商制度的报价驱动型市场⏳，并且它只考虑了外生的流动性风险，本文提出另外一种度量流动性成本的指标，同样假设收益率是Rt，流动性成本（变现成本）为c，c用每日（或更小时间段）的价格波动率除以交易金额来表示🦆，即 ， 、 、 分别为最高、最低和中间价，V为该时间段内的交易金额💇🏽‍♀️，c表示的就是是每交易一单位的资产造成的价格波动。然后用 表示经流动性风险调整的收益率，这里的X表示需要变现的头寸，X乘以c/2表示变现所有头寸所承担的价格损失🏌🏿🤽，这样 就表示经流动性风险调整的收益率。然后，我们用GARCH模型来拟合该收益率序列 ，最后就能求出流动性风险调整的收益率 在一定置信水平下的风险价值。

通过对沪深300股指期货5分钟高频数据的实证检验🦼，L-VaR模型具有较高的可靠性🏋🏼，（1）L-VaR/VaR总是大于1的🐓，即L-VaR>VaR，说明传统VaR由于没有考虑流动性风险从而产生了对风险的低估🍗🫃🏿；

（2）L-VaR/[VaR(R)+VaR(c)]总是小于1，即L-VaR< [var(r)+var(c)]，说明简单相加的方法高估了风险🤾🏻，原因是此时r与c两个序列的相关系数为，远大于-1，不存在完全负相关的关系🦨。

本文提出的L-VaR能够较为合理的考虑流动性风险，对总体的风险进行准确地度量。