近年来，随着期货产品体系的丰富和完善，我国期货市场实现跨越式发展，为服务经济发展方式转变夯实了基础。期货市场在监管制度改革、产品扩容、业务创新等方面齐头并进，行业总资产、净资产、净资本均大幅增长，行业承载力不断增强。伴随着期货市场的不断发展，市场承载的风险亦不断的扩大，引发风险的因素亦不断的增多，因此如何积极、有效地对风险进行管理就成为目前较为迫切的目标。中共中央政治局委员、国务院副总理刘鹤在6月18日的第十二届陆家嘴论坛中也指出“风险应对要走在市场曲线前面”。因此，如何提前评估风险、防范风险就是本课题旨在解决的重要问题。
在应对风险之前，首先要了解市场的风险点在何处。本课题从风险来源角度出发，将期货市场风险分为内部风险和外部风险两部分。内部风险定义为由品种特性、规则设计等原因造成的期现价差不合理，并使得期货价格脱离于现货市场的风险。若市场存在一定的内部风险，则将无法很好地发挥期货的价格发现功能，从而无法有效地实现资源的合理配置。外部风险则是指现货市场本身存在的，通过影响未来供需和成本进一步传导到期货价格波动的因素，外部风险不仅可能会影响基差，同样的也会给期货价格带来较大的波动，从而引发期货市场风险。
在了解市场风险的着眼点之后，就需要找到对风险进行评估的方法。由于内部风险程度的评估是指导选择风险监控要素范畴的重要前提，因此本课题将首先对各品种的内部风险做量化评估，评估后对商品初步分类，为后续建立和筛选风险指标做指导依据；其次，从“供需定价原理”、“成本定价原理”的角度找出可能影响期货（远期价格）的因素，建立量化因子池；第三，通过实证归因方法找出对品种不同阶段影响显著的基差和价格因子，再从定性角度二次筛选并解释逻辑成因，选出一系列因子作为未来监管的主要指标体系。
在内部风险的评估方法上，本文以基差回归性为标的，对时间序列进行多元回归，并在剔除季节性和周期性后，通过平稳性检验、ARCH效应检验结果来确定相应的Garch模型，并用Garch模型来描述时间序列的波动性。在监控因素的筛选方面，主要通过Lasso模型以及Kernel模型进行分析，找出对因变量（基差数据以及价格）产生影响的相关因子。在对因变量做标准化处理后，去掉上下5%的极端值，再以所有因子x作为自变量，对因变量进行lasso拟合，通过剔除个别因子，找到因变量有较稳定解释效力的因子；随后在筛选的因子中，加入时间维度的标记，以确定在不同到期时间，经验因子们与因变量的相关性如何演变；最后，应用统计学习（机器学习）的Kernel模型和NN方法，构建因变量的合理预测模型，找出不同商品不同时段应重点监控的指标体系。
关键词：内部风险；外部风险；基差回归性；风险因子池；Lasso
