管理风险是金融监管中最重要的一个步骤。若要管理好风险,首先需要找到一个合理的风险度量工具。JP摩根在上个世纪90年代提出了在险价值VaR,VaR概念简单、便于理解,2008年次贷危机的爆发揭露了 VaR无法度量尾部风险的天然缺陷,随后巴塞尔委员会在2013年明确建议金融机构使用ES替代VaR,ES和VaR相比,首先ES可以描述尾端风险,其次ES满足次可加性,满足现代投资组合理论中的风险分散化原则,最后ES具备凸性,这表明ES作为风险度量工具构建投资组合可以得到最优解。Dimitriadis和Bayer(2017)[1]依据ES的损失函数(Fissler和Zigel,2016)[2]构建了一类VaR和ES的联合估计模型,该模型能够像普通回归模型一样测度或预报出ES,极大的方便了风险度量和管理工作,但现有的工作并没有考虑金融数据的典型特征,而且用简单联合模型估计ES时,其残差中也有存在条件异方差现象,本文用实际数据证实了这一点,有鉴于此,我们构建了能充分考虑条件异方差特性的ES度量模型,设计了一种迭代算法来估计参数,并简要讨论了参数估计量的统计性质。为了检验新模型在度量ES上的优势,本文使用Johanna et al(2017)[3]提出的最新的方法,检验了模型实际度量ES的效果,结果显示,相比传统的方法,文中构建的条件异方差下ES度量模型能更加准确地测出ES的具体数值。在获得预期不足更为准确的度量之后,本文继续探究其在实际中的应用。主要包括如下二方面,首先用新方法估计出的ES来分析风险的贡献因素,文中以招商银行为例,从公司基本面、市场层面、宏观层面三个维度选择分析变量,探究风险的主要来源,结果显示其尾部风险的来源主要为来自股票交易市场的流动性风险和来自宏观层面的系统风险,并且在越是极端的情况下,流动性风险贡献越高,系统风险贡献越低;最后在Piotroski-F评分法(Piotriski,2000)[4]的基础上依据较为准确的ES,帮助具备价值投资理念的个人投资者构建资产组合,使得个人投资者在获得超额收益的同时控制风险。综上所述,本文在构建ES度量模型时首次考虑到了条件异方差,和传统的方法相比,该方法对于ES的估计更加精确。该模型能够为金融机构进行风险贡献因素分析提供参考,能够帮助投资者构建资产组合,提高资产组合应对极端情况风险的能力,也能够为金融监管机构监管风险提供了一定的参考价值。