鉴于流动性风险在风险管理中的重要性以及现有文献对流动性风险的研究仍存在诸多不足,本文试图对目前流动性调整VaR的计算方法进行完善,为开放式基金的日常风险管理提供一定帮助。本文提出了 3-α LVaR计算体系以更精确地度量流动性风险,并分析了该计算方法在风险管理中的一些应用。在日常风险管理中,开放式基金每个开放日均面临着不确定的赎回请求与申购请求。基金须在一个开放日内为这个不确定的现金支出进行融资,这就需要基金选择最优交易策略以满足流动性需求并最大化其期望效用。因而,开放式基金流动性风险的精确度量应建立在最优交易策略之上。本文认为基金的出清行为只是造成价格冲击的一个来源,其他交易者的交易行为同样会对价格造成冲击。信息的随机性导致其他交易者的交易也是随机的,我们将由此产生的随机交易量称为自发交易量。基金的出清量与自发交易量共同构成了市场上的整个交易量,而正是这个总交易量最终对市场价格形成冲击。金融市场上存在着广泛的信息不对称,交易者将尽可能利用交易量等市场变量来推测可能存在的私有信息,这是交易量对价格形成冲击的基础。本文主要考虑两类信息,即流动性信息与资产信息,流动性信息并不改变资产价值,而资产信息则会改变资产价值。对于这两种信息的拥有者,其交易策略是相似的,这使得其他交易者无法分辨出交易背后的信息种类,因而既需要一定的价格补偿以使其改变现有资产组合,即瞬时性的直接价格冲击,也需要一定的价格补偿以弥补处于信息劣势带来的损失,即永久性的信息冲击。某期交易量仍可用于以后期的信息推断,因而会在一定时期内持续对价格造成冲击,即信息冲击具有一定的累加效果。这样,价格过程可由资产信息、直接价格冲击与信息冲击决定。为将流动性需求作为约束条件引入模型,利用计算VaR类似的思路确定一定置信水平下开放式基金面临的最大清算金额。由于价格的不确定性,开放式基金应用某交易策略筹集到的现金也仅能以一定置信水平满足流动性需求。至此,我们在一定假设下建立了最大化基金期望效用的优化模型,该模型整合了市场风险、资产流动性风险与融资流动性风险。在最优交易策略基础上,一定置信水平对应的最大损失就是本文所要计算的流动性调整VaR,由于共对应三个置信水平,我们称之为3-α LVaR。为了更好地理解模型,我们分别对单资产完全清算情形与多资产固定清算金额情形下的最优交易策略进行了研究。假设可行交易策略中各期的出清量非负,在线性价格冲击、正态分布以及变量间特定的方差-协方差结构等假设下本文利用数值方法求解了最优交易策略。单资产情形时,最优交易策略取决于资产信息、直接价格冲击与信息冲击的共同影响。资产信息的期望占主导时,清算随期望为正或为负而呈递增或递减的形态;资产信息的方差占主导时,清算呈递减状。直接价格冲击无论是其期望还是方差占主导,清算过程都应是和缓的。信息冲击的期望占主导时,清算将相对集中,但发生时间取决于其他因素;信息冲击的方差占主导时清算集中在期初而后呈现出递减形态。多资产情形下,资产之间的相互作用使得各参数对最优交易策略的影响更为复杂,某资产的清算过程也将取决于其他资产的参数以及资产间的相关性。因而,相比于单资产情形,某资产的最优交易策略可能会因其他资产的影响而发生变化。类似于微观经济学中的收入效应与替代效应,多资产情形下某参数的变化会对整个资产组合的清算带来相似影响。影响因素众多,某资产的最优交易策略随参数变化发生跳跃或反转的可能性大大增加。因此,多资产情形下参数估计应务必准确,以防得到的VaR与真实值发生较大偏离。在最优交易策略的基础上,我们提出了 3-α LVaR的计算公式。利用资产组合的期初价值减去期末财富得到资产组合的损失,则其一定置信水平下的分位数就是3-α LVaR值。在线性价格冲击、正态分布及变量间特定的方差-协方差结构等假设下,我们利用数值方法计算了 3-α LVaR值并进行了敏感性分析,发现3-α LVaR对单参数变化较为稳健,但如果多参数均发生较大变化,则其变化可能也较大。与传统VaR相比,3-α LVaR更加合理,忽略融资流动性可能会低估风险。3-α LVaR具有广泛的应用,如确定基金的最优资产组合和计算风险调整的收益率等。随后本文利用我国股票市场高频数据以某股票型开放式基金为例演示了3-α LVaR的计算过程,分别在混合数据与面板数据下进行回归分析得到相关参数的估计值。当流动性需求取6%的初始资产组合价值时,3-α LVaR在混合数据模型与面板数据模型两种情形下超出不考虑流动性时的VaR分别为10.06%与16.62%,超出仅考虑资产流动性时的VaR分别为2.44%与6.41%。可见,流动性风险在风险管理中较为重要,尤其当市场环境不好时,更应得到重视。最后,我们在组合价值一定的条件下求解了最优初始资产组合与最优交易策略。与最优初始资产组合相比,两种数据处理方式下该基金原始资产组合的投资效率都较高。