2008金融危机的爆发令各国的金融监管机构意识到金融体系中系统性风险的重要性,也使得系统性风险方面的研究成为学者们关注的热点。要有效加强对系统性风险的监管,必须以能够有效识别并科学测度系统性风险为前提。边际期望损失(MES,Marginal Expected Shortfall)是由 Acharya et al.(2011)提出的一种金融系统性风险测度的新方法。MES是指在市场收益率出现大幅下跌时,某单个金融机构的系统性风险贡献,该指标可用于确定公司在金融危机中将面临的资本损失。相应的长期指标为长期边际期望损失(LRMES),即未来一段较长时间内,市场股票价格指数下跌大于某一阂值时单个金融机构的系统性风险贡献。由于LRMES的计算涉及高维积分,难以得到精确的解析解,Brownlees and Engle(2012)通过拒绝抽样的方法计算LRMES的值。然而,当下跌阂值较大时,事件发生的概率较小,该方法的抽样效率会非常低。因此,考虑采用序贯重要性抽样方法计算LRMES。具体而言,本文采用序贯重要性抽样方法以提高样本的接受概率,解决上述有效样本比率过低的问题。然而在序贯重要性抽样过程中,某些样本分量会发生严重偏斜,导致其对最终样本估计量(LRMES)的贡献微乎其微,实际有效样本量减少。因此,本文考虑采用带重抽样的序贯重要性抽样方法来提高实际有效样本数量。同时,由于重抽样系数的计算涉及高维积分,本文采用模拟导频样本的方法算得该重抽样系数。模拟结果显示,序贯重要性抽样可以有效提高样本接受概率;基于导频的重抽样方法可以增加有效样本数量,并提高样本估计量的准确性。