近些年,我国经济社会在不断发展中有了一些较大的新变化,历时近十年的利率市场化改革慢慢接近尾声,金融科技等方面的创新正不断深化,在我国金融行业内占据主导地位的银行业开始积极寻求自身的突破发展,各银行彼此之间虽然在资产负债的结构、业务种类的多样性及复杂性等方面开始出现不同的发展趋势,但同业之间的关联程度却在不断加深,这使得商业银行内的流动性受金融市场波动的作用越来越明显,由流动性紧缺而导致的流动性风险也更容易在银行体系内传染。为此,本文以商业银行的流动性风险为研究对象,梳理相关理论之后,在对现有流动性风险监测方法及相应指标的不足之处进行分析的基础上,运用因子分析法构建流动性风险因子综合衡量指标,同时引入Copula理论和非参数核密度估计方法构建了 Copula—Kernel模型,并结合Monte Carlo仿真技术对流动性风险组合值z(Z=δ*MLR+(1—δ)·*FLR)的未来分布进行模拟估计,进而实现了对我国商业银行流动性风险的VaR测度,并得出了一些有价值的结论。本文首先从选题背景入手,并阐述了该选题的研究意义。接着从流动性风险及Copula理论两个部分对国内外研究现状进行归纳及评述。在对相关理论进行梳理之后,本文回顾和梳理我国银行业流动性风险监管的变迁历程,在此基础上总结介绍我国商业银行流动性风险的现有监测方法及有关指标,通过对这些方法和指标的不足之处的分析,提出因子分析法构建流动性风险因子衡量指标,并以构建的指标为实证变量,整体银行业的风险因子数据为样本,构建Copula-Kernel模型并进行有效性检验,最后结合Monte Carlo仿真技术实现了对各大型商业银行流动性风险的VaR测度。本文根据实证结果得出了一些结论,主要有:Copula-Kernel模型下估计的流动性风险VaR是将风险因子之间相依结构考虑在内进而测度出来的风险值,与传统的历史模拟法相比,其能更加准确地度量商业银行的流动性风险;同时,实证结果显示当前银行体系内各银行之间的流动性风险差异较大,国有大型银行所面临的流动性风险压力大于股份制商业银行;银行体系受融资市场的波动影响较大等。最后,根据实证得出的结论,本文就如何完善当前我国商业银行流动性风险的监测管理提出了几点建议,包括:完善流动性风险监测指标、大力开发数理模型等先进技术、尽快建立包含数据仓库的信息系统等内容,同时也就本文存在的不足进行了分析和展望。