近年来,伴随着经济全球化与金融自由化的发展,我国金融市场的对外开放程度逐渐加大,国内市场更容易受到来自国际金融市场的风险冲击,与此同时,金融创新的发展使得金融市场中的产品类型有所增多,国内金融市场的波动性日益增强。在金融投资实务中,投资者往往选取多个资产进行组合投资,而不是仅局限于某一种资产。并且对于组合资产的确定,投资者往往会选择同时在多个行业进行资产配置,从而有效地分散行业风险,提高投资绩效。在国内金融市场波动性逐渐增强的背景下,如何对行业资产组合风险进行有效管理,既是实务界面临的重要任务,也是学界关注的焦点问题。对于金融风险的有效测度是金融风险管理的核心。在险价值VaR方法通常被视为风险测度的标准方法,但是其不能永远满足次可加性,同时并没有考虑金融资产的尾部风险状况,因而不能很好地对组合风险进行刻画。在此基础上,有学者提出了预期损失ES模型,满足一致性风险测度的要求。准确刻画行业资产间相依关系是进行行业组合风险测度的前提和基础。传统的线性模型不能够准确描述金融市场的非线性状态,而非线性模型中的二元Copula面临着“维度诅咒”问题,多元Copula缺乏灵活性,vine copula方法能够较好地解决此问题。现有研究通常采用C-vine以及D-vine模型测度行业组合风险,较少有学者使用结构上相对灵活的R-vine对其组合风险进行刻画。为了明确组合风险的测度效果,需要对风险预测值进行返回测试。现有研究通常在资产相等权重下进行返回测试,然后设定新的投资权重进行稳健性检验,然而需要指出的是,等权重仅仅是组合投资的一种特殊情况,稳健性检验对于权重的设定又存在较大主观性。基于此,本文选取沪深300行业指数中的金融地产、能源、工业、原材料、主要消费、可选消费、公用事业以及医药卫生指数建立行业资产组合;首先,利用ARMA(1,1)-GARCH(1,1)-t模型捕捉金融收益序列的典型事实特征,过滤得到标准化残差序列;结合EVT极值理论,构建六类vine copula模型(C-vine、D-vine、R-vine、R-vine all Frank、R-vine all Clayton、R-vine all Gumbel),用以刻画行业资产间极值相依关系;在此基础上,运用滚动时间窗的蒙特卡罗方法建立预期损失ES模型,并分别基于等权重以及均值-CVaR的优化权重进行返回测试,比较不同风险模型的测度精度差异。具体结论如下:第一,通过对行业资产收益率进行描述性统计分析,发现各行业资产收益表现出了显著的尖峰厚尾、非正态性、波动集聚性、自相关性等特征。本文采用ARMA(1,1)-GARCH(1,1)-t-EVT模型建立边缘分布,用以刻画行业收益率的典型事实特征,而K-S与BDS检验表明边缘分布满足i.i.d的(0,1)上均匀分布,因此运用该模型建立边缘分布是合适的,能够进一步建立Copula模型。第二,通过分析R-vine模型的构建结果,我国行业间的非条件相依性较强,而通过引入条件市场建立多行业资产组合能够在一定程度上降低原行业组合的风险程度。具体而言,当同时在5个及以下行业构建投资组合,一些组合的条件相关性仍然较大,而同时在6个或者以上的行业进行组合投资则能够较好地分散行业风险。第三,根据返回测试结果,vine copula模型均能有效地预测行业组合ES风险,而在vine copula模型中,R-vine能够更为灵活地刻画行业资产间的相依结构,并进而取得更好的行业组合风险测度效果。根据本文的实证结果,提出以下三点建议:(1)金融市场存在着众多典型事实特征,如果不对这些特征进行有效捕捉,那么建立的Copula模型就不能够有效描述资产间的真实相依状况,而对于刻画多元资产相依关系的vine copula模型,准确构建边缘分布就更加重要。因此,投资者应当充分考虑金融市场的典型事实状态。在金融市场波动性日益增强的背景下,投资者应当更加关注对于金融极端风险的防范,结合EVT极值理论能够对金融资产收益的极端分布进行建模,并进而准确刻画金融资产间的极值相依关系。(2)虽然各行业间具有一定区别,但由于行业间相互关联以及受到国内政治经济环境的影响,市场间的非条件相依性仍然较强,当股市剧烈波动时,两个行业同向变动的可能性较大,此时投资者应当尽量避免只在两个行业进行组合投资。此外,虽然条件市场的引入会在一定程度上降低行业组合的风险程度,但由于受到条件市场不足等因素的影响,当同时在5个及以下市场进行组合投资时,部分组合的条件相关性仍然较大,投资者应当避免在条件相依强度较大的行业构建投资组合。最后,当条件市场达到4个,即同时在6个或以上市场进行投资时,其行业风险已能得到充分的分散,此时条件相关系数均较小,当市场剧烈波动时,投资者可以尝试同时在6个及以上市场进行组合投资,从而规避投资风险。(3)在相依性的研究方法中,传统的线性相依关系模型、非线性的二元Copula与多元Copula模型均不能对多元资产间的非线性相依状态进行准确刻画,vine copula方法能够较为有效地描述多资产间的相依关系。在vine copula模型中,R-vine模型能够根据市场的实际相依状态进行构建,具有较好的灵活性优势,更加适应金融资产间复杂的相依状态。