金融統計論文范文

前言：我們精心挑選了數篇優質金融統計論文文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

加法——上海住房面積的統計是否超乎想象地簡單？

每年，上海政府部門都要公布上海的人均建筑面積、人均居住面積指標。其目的為說明人民住房水平在“節節高”、“年年高”，更為了彰示政府部門的業績。那么，“人均建筑面積”、“人均居住面積”又是怎樣得來的？得到那些數據又經過了怎樣艱苦繁復的調查和計算過程？

筆者為了驗證上海統計部門有關住房統計數據的準確性，曾經歷過了艱苦繁復的計算，但計算結果總與政府公布的數據大相徑庭。是一個突發的奇想，使筆者在半個小時內就算出了與統計部門數據基本吻合的上海十年來的“居民住房總建筑面積”以及相關的“人均建筑面積”。其計算結果，“居民住房總建筑面積”與各類統計年鑒公布的相應數據平均只相差3.6%，“人均建筑面積”與建設部近三年的《城鎮房屋概況統計公報》中的相應數據百分之百相符。

是什么樣的“突發奇想”有如此神奇的效果？筆者是這樣“奇想”的：“嗎要那么認真？”鬼使神差，筆者信手將1995年以來每上一個年度的住宅建筑面積與當年竣工的商品住宅建筑面積相加，結果就與統計部門“統計”的“居民住房建筑面積”基本相符，再將統計年鑒中公布的“非農人口”與“居民住房建筑面積”相除，就得到了與建設部《城鎮房屋概況統計公報》數據一模一樣的精確到小數點后兩位的“上海人均住房建筑面積”！

當然，在1999年到2004年，筆者的計算結果與統計部門數據相比還略少些，多則少10個百分點，少則少5個百分點。于是，筆者再次“突發奇想”，“我如果把空置房、已拆遷房都拿來填空缺呢？”于是，“奇跡”再次出現——筆者“靈感”激發中計算得來的上海住房建筑面積就與政府部門的統計數據99%、100%地相符了！

難道政府統計部門是在如此搞笑的狀態下工作的嗎？

筆者不愿相信。

如果需要計算的是上海全部居住房屋總面積，那可以把上年的居住房屋面積加上當年的竣工住宅面積——竣工住宅面積指“報告期內房屋建筑按照設計要求已全部完工，達到住人和使用條件，經驗收鑒定合格，可正式移交使用的房屋居住面積的總和”（此解釋見由上海市房屋土地資源管理局和上海市統計局聯合編輯出版的年鑒類刊物《上海市房地產市場》，下同），但必須減去已經拆遷了的住房面積。然而這樣得出的全部居住房屋總面積數不能用作計算人均居住房屋面積的基數，因為當年和往年的竣工住宅中的沒有實現銷售的部分是不能按照已經移交使用的“人居房”來計算人均面積的。

如果需要計算的是上海已經實現了“人居”的全部住房面積，那么在每個當年度的竣工住宅中必須扣除還沒有發生“人居”的面積，并減去已經拆遷了的住房面積。請注意，如果扣除了每個當年度竣工住宅中的沒有發生“人居”的面積，在此就不發生“空置房”的概念——空置房指“銷售物業報告年度內某類物業經初始登記一年后未售出的數量”，該面積已經包含在初始登記年的竣工住宅面積中。

筆者“第一次奇想”時的計算方法謬誤在于：如果是計算全部居住房屋總面積，其沒有減去已拆遷房的面積；如果是計算實現了“人居”的全部房屋總面積，其一沒有減去已拆遷房的面積，其二沒有減去以往年度積存的空置房面積，其三沒有減去當年竣工住宅面積中沒有實現銷售的部分。

照筆者“第一次奇想”時的計算方法來計算“人均住房面積”，那是偷換了“人均住房面積”的概念——雖然統計部門沒有對“人均住房面積”的計算方法作出定論，但是，作為體現住房條件改善的最重要指標，人們對“人均住房面積”的約定俗成的理解就是已經實現了“人居”的房屋的人均住房面積！

筆者“第二次奇想”時的計算方法謬誤更是顯而易見——那是明知故犯了——不但不將這些沒有發生的、不存在的因素做減法，相反還把這些因素又做了一次加法！每一個按常規思維的人會為此感到不可思議。筆者同樣不信政府部門工作人員會故意這么做。這么做的后果是嚴重的，這使得上海在2005年時的人均住房建筑面積平添了13.33平方米——在把2005年全部竣工住宅作為已經實現了“人居”的前提下！因為1999年到2004年，上海城市的拆遷面積總和加上每年空置住宅面積的累計數是5520萬平方米，這些數字不扣除，就是多計算了5520萬平方米未實現“人居”和已經滅失了的住房面積，這些數字還要再加一次，那就是在1999年到2004年，多計算了5520×2=11040萬平方米未實現“人居”和已經滅失了的住房面積；同樣，在1996年~1998年以及2005年的住房面積中，也因為沒有扣除拆遷面積和空置住宅面積，導致多計算了4278萬平方米的未實現“人居”和已經滅失了的住房面積，只不過沒有再重復加一次而已。這樣，1996年到2005年每年多計算的“人居”住房面積累計一共是11040萬+4278萬=15318萬平方米——2005年竣工面積中的未實現銷售部分還未計算在內，2005年上海的非農業人口是1148.94萬，15318÷1148.94=13.33，這13.33就是按照筆者“搞笑計算法”計算出來的屬于“多算”的人均建筑面積！

筆者相信政府工作人員不會這么搞笑，筆者也認為，計算結果一樣不等于計算過程一樣，但是，由于政府部門對住房面積的計算過程不見公布，作為上海市民，希望能看到政府統計部門對于上海住房面積的計算過程。

筆者的計算過程見表（一）、表（二）。

表（一）、上海居民“人居”住房面積計算過程表(與統計部門的統計結果相符)單位：萬平方米

注：1.“統計部門提供的市區住宅建筑面積”中，97、98、99三年的數據來自《上海投資建設統計年鑒》，其他數據來自年鑒刊物《上海市房地產市場》。2.“當年商品住宅竣工面積”來自年鑒刊物《上海市房地產市場》。

3.此表中的已拆遷住宅面積和空置住宅面積不包括1976、1997、1998、2005年數據，這些數據見表三和表四。已拆遷住宅面積來源：見《上海市房地產市場》，空置住宅面積來源：2000年前數據見《上海統計年鑒》，2000年后數據散見于媒體報道的官方統計數據。

4．撤縣改市增加的住房面積中，99年數據是指青浦、松江的住房面積，2002年數據是指南匯、奉賢的住房面積，2003年數據是指崇明的住房面積。數據來自《上海統計年鑒》。

表（二）、2003~2005年上海城鎮人均住房建筑面積計算表(與統計部門的統計結果相符)

數據來源：《上海市房地產年鑒》，2005年數據見《上海統計年鑒（2006）》

2．搜集了自2000年到2005年由政府部門認定的每年的空置住宅面積數據。

之所以稱為“搜集”，是從2000年開始，《上海統計年鑒》就不再公布每年的空置住宅面積，《上海市房地產年鑒》也不見公布。現在統計部門公布的居民居住房屋總面積中是把空置住宅也當作已居住的房屋面積計算的（年鑒刊物《上海市房地產市場》明確居住房屋面積中包括空置住宅面積），但是就常識而論，空置住宅面積是不能作為“居民人均建筑面積”來充數的。所以，筆者要把空置住宅面積剔除出人均居住面積指標體系。雖然統計部門關于空置量的計算自1999年以來都是“根據上市量與銷售量的變化判斷空置量的增減或升降趨勢”，然而，有總勝于無。空置住宅面積見表（四）：

表（四）、商品住宅空置面積（95-2005），單位：萬平方米

注：1.2005年空置住宅面積根據當年商品房空置面積536.56平方米的60%計算。

2.對于空置量的概念和計算方法，2000年到2005年的年鑒類刊物《上海市房地產市場》均這樣注解：“空置量是銷售物業報告年度內某物業經濟竟初始登記一年后未售出的數量（建筑面積）。由于本市樓宇個數眾多，目前根據上市量與銷售量的變化判斷空置量的增減或升降趨勢”。

3．計算了不應該當作“居民居住水平提高”來展示的住房面積增加因素。

上海市區居住房屋面積增長由多種因素造成，并非所有的增長因素都是“住房改革的成果”，有些增長甚至還是住房改革導致的“后果”。因此，不論是住房總面積增加還是人均住房面積增加，并非都能為之歌頌的。

筆者先計算了從1993年浦東新區成立以來，在撤縣改區過程中新增加的原縣屬城鎮住房面積。

1991年浦東新區成立前，上海市區區域面積是745平方公里，九個郊縣的面積是5590.5平方公里，到2005年，上海市區區域面積是5155平方公里，一個郊縣（崇明縣）的面積是1185.49平方公里；1991年時市區戶口數是269萬，郊縣戶口數是167萬，當2005年，市區戶口數是468.1萬，郊縣戶口數28.6萬。這樣的變動當然會對市區住房總面積產生影響——光從1997年金山撤縣改區起算，到2002年上海先后有松江、青浦、奉賢、南匯等整區建制的2000多萬平方米的原縣屬城鎮居民住宅面積并入了市區居民住宅面積，而崇明縣的鎮建制住房也有305萬平方米在2003年并入市區住宅面積。上海2002年的居住房屋總面積比1997年多了12677萬平方米，減去5434萬平方米的空置住宅、拆遷住宅面積，余下的住宅增加面積是7243萬平方米，這其中22%是原縣屬鎮居民住房劃并為城區居民住房所致。顯然，這些因行政區劃變動帶來的城區住房面積增加不能視作“住房改革的成果”，不能視作“居民居住水平提高”的佐證。

筆者再根據第五次人口普查數據，計算了各社會層面擁有的房屋資源狀況。這個計算揭示了“人均住房指標”已經對國計民生的真實情況產生了誤導。在“住房商品化”前后擁有權力資源的家庭集中擠上了“單位分房末班車”，這是導致1998年到2001時上海居民住房面積激增的原因之一。在這個時期，商品住宅還輪不到普通市民來“商品化”——那時普通市民接受的“商品化”，不過是在1998年~2001年差價換房5000戶、10694戶、16941戶、10888戶，出售已購公有住宅10155套、19771套、43411套、69832套（見年鑒刊物《上海市房地產市場》）。最多是到1999年底，居民在出售已購公有住房后再購新房時“吸納新建商品房總建筑面積達250平方米”（《上海房地產市場（2000）》。1999年以后不見有關統計數了，但根據2000年和2001年居民出售已購公有住房560萬平方米的數據，那到2001年，全市居民在出售原有公房后再購置的新建商品房不過是10萬套左右。這就是住房商品化開始前后上海普通市民消化商品化住房的能力——2001年，上海城市居民中等收入家庭的人均可支配收入是11155元，恩格爾系數是47！

這個時期內銷商品房（包括住宅、辦公樓、商業用房，住宅面積平均占95%）的出售情況是：1997年出售3.76萬套，1998年7.46萬套，1999年11.95萬套，2000年16.16萬套，2001年20.01萬套，總共59.36萬套。其中外地個人購買6.61萬套，本地單位購買4.27萬套，本地個人購買48萬套（見年鑒刊物《上海市房地產市場》）。注意，1997年到2001年“本地個人”購買的商品房中購買的商品住宅是40萬套，而“本地個人”購買的套數其實是有假的，因為從1999年“住房商品化”政策起步開始，就有不少有“實力”有“勢力”的單位以事實上的單位出資來為少部分個人購置房產；而各級黨政企事業單位負責人，也在此時加緊讓自己的住房面積“達標”、“超標”，“達標”、“超標”的標準，是1995年頒布的滬房地改（1995）767號文件《職工家庭購買公有住房建筑面積控制標準》，在這個文件中，明確一般職工、干部和初級技術職稱人員可購買公有住房面積的上限是75平方米，科級干部、中級技術職稱人員、具有證書的高級工購買上限85平方米，縣處級干部、副高級職稱人員購買上限100平方米，副局級購買上限120平方米，正局級、正高級和享受正高級待遇的專業技術職稱人員購買上限140平方米。購買公有住房面積的前提是要首先住房要達到這個面積標準，不少掌握權力資源者趁機將自己的住房面積大大地上了幾個臺階，當他們將自己突擊得來的房屋用“購買公用住宅的標準價”買下，他們就擁有了比普通市民多得多的住房資產——他們才是住房商品化的最大得益者。

根據第五次人口普查資料，到2000年為止，上海的中心城區和新建城區共有457.16萬家庭戶，其中15.5%家庭戶（70.6萬戶）人均建筑面積40平方米以上，這部分家庭戶擁有城區35.2%的房屋資源，這些家庭戶以國家機關、黨群組織、企業、事業單位負責人為絕對主體；而人均建筑面積19平方米以下家庭幾乎全都是底層社會普通勞動者家庭，這部分家庭占到城區家庭戶總數的53.3%（244.1萬戶），他們擁有的房屋資源只占到24.8%，當時城區有80萬戶家庭、225.5萬人居住在人均建筑面積8平方米以下的居所，65.2萬戶家庭、183.1萬人居住在人均建筑面積9~12平方米的居所。

在以后的“住房商品化”過程中，“負責人”群體在家庭住房上占有的地段優勢更是遠遠超出了其在2000年時單純的面積優勢，這種地段優勢體現的商品化價值遠不是面積優勢體現的商品化價值所能比擬。因此，不分職別不分區域地段的籠統的全市性的人均住房指標已經失去了統計的意義、公布的意義。

需要指出，筆者曾經在有關投資建設統計年鑒（可能是《上海投資建設統計年鑒》？）中見過1994年~1999年的上海市區建筑面積、居住面積、市區人口統計數（見表五），不管數據是否準確，起碼，此表將人均居住水平指標是如何產生的過程透明化了。而現在的統計數據對于公眾來說，是從根本上缺乏透明度的。此次筆者能把上海的住宅建筑面積和人均住宅建筑面積算到與統計數據差不離，不過是“蒙”對了而已。

原表說明：人均居住面積一般以各類建筑房屋的實際建筑面積乘以各自平面K值折算成居住面積，與市公安局提供的年末長期人口數相除后求得。73年通過房屋普查，以實際測得居住面積計算。

但此表中的“市區人口數”在《上海統計年鑒中》中是找不到出處的?！渡虾＝y計年鑒中》提供的1994年到1999年的“非農業人口”與此表中的“市區人口”相比，少則相差4%，多則相差14%，“年末區人口”與此表中的“市區人口”相比，相差得就更多。

筆者叢觀歷年的住房統計數據，發現有的年份以“市區人口數”為人口計算基數（1994-1999），有的年份則以“非農業人口”為計算基數（2003~2005），而更多年份的人口計算基數還無從核對無從查找。這樣，上海的人均住房統計指標光是因為“人口數的統計口徑不同”，就已經沒有可比性了。

還有必要認真對待“人均居住面積”、“人均建筑面積”嗎？

“人均居住面積”、“人均建筑面積”還能反映絕大部分居民的真實居住狀況嗎？作為一個公民，筆者提請政府部門變更上海住房指標的統計方法。事實上，這并不是需要白手起家的作業——第五次人口普查已經提供了全國各地的非常詳細的住房統計資料，上海當然不例外。一個疑點：第五次人口普查中有關住房的數據為何不見引用？

2000年的全國第五次人口普查提供了非常詳細的住房統計資料。這個住房統計資料反映，在2000年，上海中心城區一共有627.92萬人，人均建筑面積15.85平方米；新建城區有657.21萬人，人均建筑面積27.45平方米，將城區人均建筑面積乘以人數，上海城區范圍內的住房建筑面積應該是27993萬平方米，比統計部門用因襲下來的統計方法計算出來的面積要多7128萬平方米——統計年鑒公布的2000年上海各區的住房建筑面積統計數是20865萬平方米。

第五次人口普查是“重大的國情國力調查，是和平時期最大的社會動員，涉及到社會的各個方面、每一個家庭和每一個人”，“對于全面實現我國現代化建設戰略目標，研究下個世紀的社會、人口變化情況具有重要意義”（見《國務院關于進行第五次全國人口普查的通知》）。通過這樣的調查得來的有根有據的數據卻不見引用，這又是為什么？

不解決為什麼人的問題，住房改革不可能成功

近年來，有關住房改革是否成功的討論進行得轟轟烈烈，筆者不諱言，筆者認為住房改革是失敗的。即使這樣，筆者還沒有對上海的居民居住房屋總面積和人均住房面積提出過懷疑，筆者還是相信政府統計部門是在嚴肅認真的工作態度下科學地得出這些統計數據的。但因為筆者搞笑般地計算了一番上海住房數據竟意外地與政府統計部門的計算結果相同，而這樣的計算結果是要讓上海的人均建筑面積平添出13.33平方米的，這不由得筆者誠惶誠恐——即使筆者認定住房改革是失敗的，也不希望以“統計部門多算人均建筑面積13.33平方米”來作為佐證呀！

筆者猜度，目前有關上海的住房數據可能是“數出多門”，卻缺乏對這些數據的整體性的把關。國家對房地產宏觀調控措施不能從根本上奏效，恐怕與我國的數目字管理的基礎還相當薄弱有關?，F代化管理的基礎一是法治，二是“用數字說話”，從宏觀而言，一個國家的基礎數據管理情況和應用情況反映了一個國家現代化的水平。第五次人口普查得來的住房數據是基礎數據，而怎樣對這些基礎數據有效管理和應用，則是一個龐大的課題——缺乏管理，數據就只是一堆令人頭昏目旋眼花繚亂的阿拉伯數字。

第2篇

(一)監督得不到有效合理的控制，導致統計工作產生風險我們大家都知道統計數據一般都是反映宏觀整體現象，這種宏觀整體現象往往都掩蓋了事物的個體本質，因此大多數公眾與某些部門對它產生懷疑卻無從下手去監管，另外統計部門在統計信息時，占有主動權，具有權威性，這種信息的不對稱性也容易產生職業道德風險，再有統計部門的垂直領導形式，使其工作都是“上派下行”，從而導致一些統計數據都是現有目標，再有統計，最后達到預期結果，統計工作的這種被動與尷尬已經成為普遍現象，這種從上到下無人監督，無人管理的現象所產生的后果是距離現實在越來越遠，“此地無銀三百兩”的故事距離我們越來越近，社會將進入顛倒是非，真假難辨的惡性循環之中。

(二)統計法的力度不夠，加速統計數據的風險產生從上邊統計風險產生原因我們可以看到都是由于某些政府和個人短期利益的因素，而導致統計產生巨大的風險，這種短期的效益與其產生的長期風險是遠遠不對稱的，但是許多政府與某些單位以及個人卻還是選擇了這一瞬間的短期利益，這是為何？我們常常聽到某些單位或個人由于違反各種會計法、經濟法，最后導致嚴重違反財經紀律、貪污腐化從而導致受到行政法律的制裁，嚴重者觸犯刑法，最高可判無期乃至死刑和罰金。但是統計法律法規卻沒有這么大的力度，即使提供了虛假數據，即使受到行政處罰，也都是輕描淡寫、隔靴搔癢而已，從根本起不到懲戒、震懾和遏止作用，卻反而助長了統計數據失真的力度，加速了統計風險的速度。最后形成了“統計統計，三分統計，七分估計”的熟語。這也很好地回答了上述問題產生的根本原因。

二、針對當前我國統計工作職業道德產生的風險應采取的措施

(一)全面提高相關業務人員的綜合業務素質統計工作涉及面廣，對理論知識與實際工作能力要求高，它要求相關業務人員不僅懂得國家的法律法規，而且還要求相關業務人員掌握一定的財務、審計、經濟、統計分析等一定理論知識，并且還特別強調了統計人員應該加強愛崗敬業、盡職盡責的職業道德，德才兼備，以德為先的職業道德和業務素質修養永遠是統計人員的最起碼要求，也是有效地避免統計風險的基本前提，所以統計人員應該通過各種渠道提高自己的綜合水平，如參加各種統計相關的考試、學習輔導班以及業務比賽活動，使他們融入當今社會潮流之中，這樣可以增強統計人員的自我提升、自我風險保護意識，這也是抵制社會上統計工作不正之風最有效的措施。

(二)政府及主管領導要用正確的發展觀去指導統計工作我們大家都知道統計是為政府部門服務的，這是國家參與宏觀調控的重要手段，但是在當今的市場經濟體制下，以市場微觀調控為主，國家宏觀調控為輔的理念指導下，統計需要減少政府的干涉，甚至消除人為干預，這樣才有助于國家的經濟建設。所以各級政府應該轉變職能態度，從而合理地引導各級主管領導具有科學的世界觀，進而正確指導統計工作，引導寬松的統計工作環境，使統計工作者在良好的工作氛圍中，放下包袱，努力工作，為國家制定合理有效的重大決策提供真實的數據，從而真實地反映國家的宏觀目標，這樣更有力促進社會經濟的發展，促進人們的安全、社會的和諧。

(三)加強統計數據的監督反映統計數據失真給統計工作帶來了一定的風險與隱患，其最大原因就是統計數據缺乏像會計工作那樣的監督機構，另外統計數據的公布也非?；\統化，不如財務指標那樣詳細，計算方法與方式也不像會計那樣進行詳細地披露。所以國家應該盡早地出臺一些法律法規以及有關政策，讓統計部門加大信息披露的力度，如時間間隔應該縮短，披露的數據來源、方法、處理的過程等統計信息應該詳細，讓數據的使用者與監督者能夠很好地分析數據的真實可靠程度，這樣不僅增強了統計的公眾監督力度，又有利于公眾對統計的了解與認可，進而也讓統計工作者工作起來有的放矢，避免了其左右為難的工作情緒，更避免了統計工作的重大隱患風險的存在。

(四)加強統計法律法規建設，完善統計規章制度目前國家對會計、經濟等各種法律法規都進行了不斷的完善與調整，此種方式方法得到了有效的反映，如偷稅漏稅逐步減少，行賄受賄、大吃大喝公款的現象極度收斂，這樣不僅促進國家經濟的發展，也受到了百姓的擁護與好評。那么如果在這種良好的氛圍下，大力加強統計法律法規的建設，對那些原來不合理、不完善、不適合市場經濟體制下的統計法律法規及規章制度進行刪除或者合理的更新，并加以完善和必要的補充，如加大對政府與部門人為反方向干擾統計工作的監督與懲罰，加大脅迫統計工作者編制虛假數據而承擔的法律后果，以及統計工作者在此過程中給予抵制而受到的獎勵制度和聽之任之、同流合污而承擔的法律后果等等規定。這樣統計工作者才能堅定地拿起法律的武器來保護自己，使自己勇敢地面對不法分子堅持真理，永不膽怯。因為誰也不能拿自己的一生和終身的家產去賭注，迫使不法分子沒有可乘之機。這是杜絕統計工作職業道德風險，強化統計職業道德意識最有效的措施。

三、結束語

第3篇

金融風險度量的統計分析方法的研究很多，分析方法都是從不同維度進行篩選。現對常用的幾種方法進行詳細的分析。

（一）金融風險方差度量的分析方法及其改進此方法是最早采用的分析方法，它主要采用方差的方法對金融數據進行計算，從而得到方差，通過方差的大小進行評價。此方法容易讓人理解，也好操作，由于其的適用性廣，簡便性強，在各個金融機構都是很常用的方法。但由于其計算的復雜，人們正在對其計算進行摸索研究，后來對方差方法進行了改進，發現了下側風險的分析方法，通過計算下半方差來對風險進行評價，但因為計算設計的不合理的問題，也會對金融風險度量的分析帶來不便，此方法也需要進行改進。

（二）金融風險度量的靈敏度分析方法靈敏度分析方法是對金融風險度量的線性度量，它測定的是市場因子的變化與證券組合價值變化的關系。常在固定資產市場、股票市場和衍生工具市場中使用，“凸性”代表了衡量利率變動時長期的變動，“伽瑪”是在反應衡量標的資產變動的情況下“德爾塔”的變動。“凸性”和“伽瑪”兩個指標都是只度量一個金融變量中二階金融風險的大小。此分析方法在使用的過程中也存在一定的問題，如局部的分析變化、對產品類型太過依賴，不能在所有產品中使用、分析出的數據不穩定大，也會出現風險等對此分析方法的推廣使用上不可靠，也限制它的廣泛使用。

（三）金融風險度量的VaR分析方法及其改進VaR的分析方法是現在一種新發現的金融風險度量的分析方法，相比以前的分析方法，具有更廣泛的用途，可在不同金融市場中進行評價；容易讓人接受，可以短時間內進行操作，但此分析方法也有一定的不足，此分析方法適合在沒發生危險的市場中，當極端危機出現時就不能正確評估，對數據的分析不能全局分析等，這些分析的缺陷促使對其進行改進，出現了極值分析方法、半參數分析方法，這些分析方法都是利用觀察到的尾部分布的指數特性來估計。這些分析方法都是在前人研究的基礎上進行摸索研究而得到的，但每種分析方法都不是最先進，隨著金融問題的越來越復雜，也會有更新的方法出現。

二、多維度金融風險度量的統計分析方法實例分析

金融風險度量的統計分析方法隨著時代的變遷也在不斷的改進，每種金融風險評價模型都是通過分析方法進行驗證的，采用VaR的分析方法對我國金融機構中2004-2012年間5個維度金融風險度量進行分析。對金融風險度量進行5個維度進行評價，如宏觀經濟維度、銀行與貨幣維度、泡沫維度、外部沖擊維度和債務維度進行綜合評價后進行VaR方法的計算，得到的結果見表1。從表中可以發現：宏觀經濟維度的金融風險的VaR值在[0，2]之間，說明其不同年份中波動性相對于其他幾個維度的變化是最小的；銀行與貨幣維度風險的VaR值在[0，5]之間，說明其不同年份中波動性是比較大的；泡沫維度風險的VaR值在[0，6]之間，說明其不同年份中波動性也是較大的；外部沖擊維度風險的VaR值在[0，8]之間，說明其不同年份中波動是最大的；債務維度風險的VaR值在[0，3]之間，說明其波動性也是比較小的。

三、結語