以下为精品学习网为您编辑的：“我国商品期货市场风险预警指标体系及其实证分析浅析”，敬请关注!!

我国商品期货市场风险预警指标体系及其实证分析浅析

　1.期货市场风险预警方法
　　1.1 风险预警内涵
　　风险管理专家HEins与Willams认为风险管理是有关风险识别、风险衡量、风险评价、风险控制的一个连贯过程，目的在于最小成本下实现效用的最大化。
　　通过纳入反映我国商品期货市场价格的关键变量，构建体现我国商品期货市场风险的指标体系，对诸多指标进行主因子提取，并结合风险预警模型形成比较科学的风险预警机制，以减少我国商品期货市场风险影响和提高预测风险的能力。
　　1.2 市场风险预警方法
　　（1）早期的预警方法
　　早期预警方法中代表性的是一元分析法，该方法将分析的对象样本按照某种标准进行排序，然后选出预先认为的判断点，超过这一判断点则视为风险。一元分析法方法简单易行，但由于对影响风险的因素的分析过于单一，使得人们对风险的判断过于简单，往往没有意识到影响风险因素的复杂性，从而造成低估风险的现象。
　　（2）多元判别预警方法
　　多元判别模型基于影响风险的因素具有多元化的特征，从多个方面考察影响风险的各种因素。选取多元的过程主要是通过对各种因素进行分组，将相对类似的因素分为一组，重点考察在在组中差别或离散程度较小而在各组之间具有较大差异的因素，在此基础上通过构建多元模型进行有效的分析。
　　假设在Z模型中，各种选定因素设为则Z可以表示为：
　　其中，Z为判别值，可以通过该值进行判别风险，但也可以跟据具体的发展环境的不同，采取不同的临界值。相比早期的预警方法具有更多的优势，能从比较全面的角度考察市场风险，并能有效的提高市场风险预警的精确度。但由于影响价格的市场因素的千变万化，该模型对于不同时期的风险预警数据调整性较差，有些定性变量对于市场风险的影响比较大，如何用数据进行界定是一个很大的问题，此外，在组内变量的选择上主要是基于正态分布的假定，而这与大多的经济现象是难以吻合的。
　　（3）ANN预警方法
　　ANN预警方法为Anificial Neural Network方法的简称，即人工神经网络模型，该方法是将人类大脑神经网络的运行方式，应用到风险预警上的一种方神经网络的模拟法。整体上ANN主要由输入层、输出层以及隐藏层三个部分组成。ANN预警方法中有关信息的处理方式有两种，即前向传播和后向学习，整体上传播过程相对比较简单，而学习过程主要是一个的过程，即信息是从输出层到输入层的逆向进行反馈，并对错误进行有效的修正的过程，通过学习的过程将分析的样本对象进行有效的类别划分，从而实现风险预警的目的。ANN预警方法能够对风险影响的因素进行有效的分析和归纳，能够在分布不明确的数据中进行有效的分析，并且通过学习过程能够实现较好的能力。但ANN预警方法由于是对人脑神经网络的模拟，很难形成现实分析的稳定，使风险预警的作用受到很大的抑制。
　　（4）Logistic预警方法
　　Logistic回归法是一种最主要的二元选择分析模型，通过二元概率的选择，说明风险发生的概率与不发生的概率，由于分析建立在累计概率的基础之上，因而对所分析的各个变量的分布设定没有正态分布的假定，能够较好的分析客观风险的实际情况。通过实现设定的分割点（如设风险点为0.5）进行判断，若通过模型算出的概率值大于分割点则意味着风险的存在。
　　若概率表示风险状态，则风险不发生的概率表示为。对所有指标进行判断将总分设置为，其中。，为风险预警相关比率。则：
　　式（5），通过该模型，可以对事件发生的概率进行有效的测度，具有较高的准确性。但缺点是对临界值进行规范的确定比较困难，需要根据不同的发展环境和风险要求进行实现界定。如选取0.5作为风险较严重的水平作为判断标准，则有以下分类：