首先，前面我们已经说过，包括指数基金在内的投资基金所面临的风险按性质可划分为系统风险和非系统风险两种。所谓系统风险是由不依赖于特定的投资对象因素引起的，它作用于整个市场，而且无法通过对系统内的投资进行多样化组合而将其消除的风险，它是某一投资领域内所有投资者将共同面对的风险。在我国，政策的变化导致的政策风险或制度缺陷导致的制度风险，都属于系统风险的范畴。比如：政策风险，当政府实行紧缩的经济政策时，社会投资、资金流通量的减少将引起经济紧缩，从而很可能导致股价下挫，基金净值下降等结果，基金投资者有可能遭受损失。所谓非系统风险是由一些只影响特定投资事件所引起的风险，这种风险可以通过多样化投资组合来降低，或可理解为，非系统风险是在总风险中，剔除了系统风险之后那部分剩余的风险。非系统性风险针对投资基金而言，主要是来自于所投资的证券，即投资基金所投资的上市公司本身因素的影响。由于上市公司的经营状况受多种因素的影响，包括该公司所处的行业状况；以及该公司的经营状况，如管理能力、财务状况、市场份额、人员素质等。如果基金投资的上市公司经营不善，其股票价格可能下跌，从而使基金收益下降。
其次，从风险的起源来看，可将指数基金所面临的风险划分为市场风险、信用风险、流动性风险、操作风险和法律风险等。市场风险，又称为价格风险，是指由于资产的市场价格（包括金融资产价格和商品价格）变化和波动而引起的未来损失的可能。根据引发市场风险的风险因子不同，市场风险可分为利率风险、汇率风险、商品价格风险等。一般认为，市场风险是投资基金面临的主要风险。信用风险指由于交易对方不履行合约或无力履行合约而造成损失的可能性。流动性风险指由于金融市场流动性不足而产生的风险。流动性风险可视为一种综合性风险，是其它风险的衍生。操作风险是指由于金融机构的交易系统不完善、管理失误或缺失、诈骗或其他一些人为错误而导致的潜在损失。法律风险指当交易对手不具备法律资格或监管部门的授权，其他主体与其交易时而导致损失的可能性。法律风险往往与信用风险有关。同时，上述各种风险与市场风险存在着关联性：流动性风险可看作市场风险的衍生，当市场波动性越大时，资产价格的流动性问题加剧整体金融机构倒闭的危机；同样地，大幅度的市场波动会恶化交易一方的损失，从而提高违约概率，引发信用风险；另外，操作风险在市场波动低时造成的影响较小，而不良的内部控制及人为疏忽将因市场波动加大而加剧其影响；法律风险发生的概率虽然不高，但一旦发生可能会造成巨大的损失。
另外，在金融市场中，常常出现一些极端情形，如市场崩溃、金融危机、政治风波或自然灾害等，在这些情况下，经济变量之间以及金融市场风险因素之间的一些稳定关系就会遭到破坏，造成原有市场因子之间的价格关系、相关性、波动性都会发生巨大改变，其他一些原本不该出现的意外情形，在极端市场情况下也会出现，市场因子和组合价值之间的关系也会发生巨大的改变。
因此，对于金融风险的管理者而言，仅仅使用历史数据来衡量风险是不够的，压力测试的出现就弥补了以往风险管理的不足之处。从风险的控制和管理来看，除了要考虑正常情况下可能的损失，更重要的是必须确保在极端市场情况下，金融机构所持有的金融资产部分不会让该机构出现破产的风险。在此种条件下，以往运用的VaR则无法估计出此类风险，但是通过压力测试，则可以找出针对于极端市场情况的应对办法。
再者，对于资产组合管理，压力测试也能确定各种极端事件对资产组合价值的影响程度，由于每种资产组合都具有特定的一些性质，因此，它们可能对某些特定的条件非常敏感。比如，一个高收益债券资产组合对利率的波动最为敏感；一个在多个国家和行业间进行分散化的权益资产投资组合，对世界股票市场之间的相关性结构最为敏感；权益资产衍生产品对基准资产波动性的增大最为敏感；而某一个跟踪特定基准指数的投资组合即指数基金，可能对基准指数的波动更敏感。因此，对于基金组合的管理者而言，压力测试对于风险评估和管理，是必不可少的。
对于基金风险度量，压力测试的本质思想是获取尽可能大的价格变动或者综合价格变动的信息，并将其量化应用到资产组合中，分析资产组合可能导致的潜在收益或损失压力测试的关键环节在于风险因子的选取，在实际中，并不是所有的资产组合都受到同样风险因子的影响。所选的风险因子应该包含影响资产组合值的所有因子。压力测试要回答的问题是：如果风险因子突然发生某种变化，市场状态将会有什么结果发生？
（2）压力测试的主要方法。
情景分析（scenario analysis）是最常用的压力测试方法，其目的在于评估金融市场中的某些特殊情景或事件对资产组合价值变化的影响。“情景”是指潜在的将来可能发生的情况，而与压力测试相联系的情景指的是将来可能发生的市场状态，因此情景指的是结果而不是过程。
情景分析给出了某种特殊市场情景下资产组合的损失，但没有指明损失发生的概率；而VaR指出了不利事件发生的概率（损益分布的左尾部分），却没有说明不利事件发生时的实际损失到底有多大。在很多情况下，二者互为补充。情景分析的具体方法包括单因素分析（也称为敏感性分析）与多因素分析。敏感性分析作为一种单因素分析的方法，主要考虑单个风险因子如利率或者汇率等的变动，对金融机构或资产组合风险承担能力的影响。此分析方法的优点在于简单易行，操作性强，缺点则是在估计时，对于风险因子变动所取的幅度及范围必须十分恰当，否则将会影响分析的结果与判断，特别是对于具有非线性报酬率的资产组合，此种情况将更为显著。多因素分析则可以通过模拟多项风险因素（例如股价、汇率及利率）变动的压力情景，评估金融机构或资产组合价值的变动。敏感性分析方法会凸显具体风险因素对某个组合或业务部门的影响；而多因素分析法则能够评估所有风险因素出现变动时，对评估对象造成的整体影响。
（3）压力测试的主要步骤。一般来说，情景分析主要包括两大步骤：情景构造、情景评估。首先，情景构造是情景分析的基础，目的在于产生金融市场的某些极端情景。这些极端情景包括资产价值极端损失的情景、市场因子波动性和相关性的极端情景等。情景构造的方法包括历史模拟情景方法、典型情景方法和假设特殊事件方法。情景通常分为基本情景（baseline scenario）和可选择性情景（alternative scenario）。基准情景是评价可选择性情景或冲击影响的一个基准。可选择性情景是用来分析金融机构或金融资产是否能承受这种冲击，而冲击是来自包括经济领域以及环境等各方面的因素。
首先是情景构造。它的方法主要有以下几种。一是历史模拟情景方法。它是指以历史上曾发生过的极端事件为基础，构建金融市场未来的极端情景。历史极端事件包括极端金融市场事件及引发了金融市场大幅震荡的政治、经济事件和自然灾害等。典型的极端金融事件，如1987年10月的美国股市震荡、1992年的欧洲货币危机、1995年的墨西哥比索危机、1997年的亚洲金融危机等。这些历史事件常用来构建金融市场未来极端情景的基础。二是典型情景方法。该方法是指通过对金融市场中一个或多个主要市场因子，包括利率、汇率、股票价格或商品价格等变化的模拟，来构建未来的极端情景。比如传统资产负债管理中的典型情景可包括：未来一个月利率发生200个基点的变化或货币贬值30%等。三是假设特殊事件方法。该方法是指通过设想未来可能发生的一次突发事件，来构建未来的极端情景。假定的特殊事件包括可能发生的自然灾害如大地震、大规模破产、一些重要法规的制定和出台以及突发性的政治事件等。分析这些特殊事件对金融市场的影响，以此来构建未来金融市场的极端情景。
然后是情景评估。所谓情景评估是指完成市场情景构造后，评估该极端情景的发生对资产组合价值变化的影响和后果。它是情景分析的核心和最终目的。情景评估的主要方法包括基于灵敏度的情景评估和全值情景评估两种。在情景评估中，将极端情景下的冲击，通过基本模型作用于评估对象。而基本模型的确定，有两种方法，一是具体形式需要估计的模型，即模型中的各个参数需要使用计量经济学的方法估计得到。二是形式为恒等式的模型，这类模型不需要估计参数。另外，在情景评估中，需要确定冲击（shock）的大小，即将情景具体化。此时存在以下情况。第一种情况，当情景本身已是明确的冲击时，如汇率上升10%，可直接将冲击输入基本模型，得到结果。第二种情况，当情景较为模糊时，如情景为汇率将会出现大幅波动时，可以主观设定汇率分别下降10%、20%、30%或分别上升10%、20%、30%，再将冲击输入基本模型得到结果。在实际的情景评估时，确定冲击的大小需要仔细斟酌。然后，将冲击数值代入基本模型，得到结果，从而判断潜在的风险状况。
由于指数基金实行被动型的跟踪基准策略，其总体风险能够得到比较有效地控制。但由于我国的证券市场仍然是一个新兴市场，市场的整体波动相对比较剧烈，这从2007年以来证券市场的变化可以看出来，因此，我国指数基金未来的风险水平，对于基金投资者和基金管理者而言，是一个不能被忽视的问题。而且，对于基金管理者而言，指数基金的风险管理是其整体资产管理的重要组成部分。目前，我国的基金管理公司虽然大力强调风险控制，特别是对于指数基金管理而言，但由于历史等方面的因素，仍然存在很大的不足。在实际的风险管理中，主要采取的是制订制度、定期检查、加强沟通以及对工作人员的职业道德教育等方面的措施。而在客观化、数量化、技术化方面则做得相对较少，很多措施仅处于尝试阶段，尚未真正起到应有的作用，风险管理仍是以主观经验为主。主观性强、模糊性大仍然是投资基金风险管理方面的主要缺陷；而定量的管理方法又缺乏精确性且比较片面，不能适应金融资产全面风险管理的需要。对于奉行被动投资策略的指数基金，定量化、技术化的风险监管方式应该是核心内容，并且在实际中也具备可行性。因此，我们在对跟踪误差方差分解的基础上，引入压力测试对我国指数基金的风险进行研究，希望为指数基金风险管理提供有益的借鉴。
三、跟踪误差方差分解的实证分析
在本节中，将运用上述的跟踪误差方差分解模型，选取我国的指数基金为研究对象，对其跟踪误差方差进行分解，分析其历史风险水平。
（一）研究对象和数据来源
本文的研究对象为我国证券市场的十只指数基金，包括：华夏上证50ETF、华安MSCI中国A股、万家上证180、博时裕富、融通深证100、融通巨潮100、易方达上证50、长城久泰中信标普300、银华-道琼斯88精选、嘉实沪深300。样本跨度确定为各自特定时间至2007年12月31日，按每个交易日公布的基金净值，排除一些原因导致的短暂停市，样本基金一共有543至1178个观测数据不等。本文采用公开发布的数据作为样本数据来源。
出于分析方便的目的，本文对跟踪误差以及跟踪误差方差的数据均未做年化处理，均以日数据为准。
（三）实证模型与方法
1、实证模型。为了进一步明确跟踪误差方差的组成，对比不同类型的指数基金跟踪误差方差的结构差异，为下一阶段对跟踪误差方差进行压力测试提供实证依据，以下将对跟踪误差方差进行分解。
2、实证方法。
（四）实证结果
运用上述模型和方法，对所选取的十只指数基金的跟踪误差方差进行分解，分析总体跟踪误差方差中，各个部分对总体跟踪误差方差的影响。
首先，根据将跟踪误差方差分解为预期部分和随机部分的实证结果，样本基金存在如下两个特点：第一，无论是纯复制型的指数基金，还是增强型指数基金，随机部分的跟踪误差方差，在整个跟踪误差方差中均占支配地位，该部分对总体的跟踪误差方差起决定作用，其比例最小者也占整体跟踪误差方差的97.32%，如复制型的融通深证100。而预期部分的跟踪误差方差，对整体跟踪误差方差的影响微乎其微，最大者其比例也只有2.68%，如复制型的融通深证100，几乎可以忽略不计。这符合前面论述的指数基金紧密跟踪基准的特征，其跟踪误差方差主要由随机部分的跟踪误差方差决定。第二，对于随机部分的跟踪误差方差，主要由残余部分的跟踪误差；而来自偏离基准部分的影响还很小。唯一的例外是增强型的华安MSCI中国A股。这也符合前面论述的指数基金紧密跟踪基准的特征，随机部分的跟踪误差方差主要来自残余部分。
其次，根据将跟踪误差方差分解为来自系统风险的部分和来自非系统风险的部分实证结果，样本基金存在如下特点：除去增强型的华安MSCI中国A股，无论是纯复制型的指数基金，还是增强型指数基金，其余样本基金的总体跟踪误差方差中，来自非系统风险的部分，该部分对整体跟踪误差方差的影响起决定作用，其比例最小者也占整体跟踪误差方差的89.7745%，如复制型的华夏上证50ETF。而来自系统风险的部分，即对整体跟踪误差方差的影响很小，最大者其比例也只有10.2255%，如复制型的华夏上证50ETF。
