货币市场基金流动性风险实证研究及承压能力测试

刘建和 白冰 陈磊

摘   要：本文根据2010年之前成立的我国31只货币市场基金相关数据，实证分析了我国货币市场基金流动性风险的有效影响因素，并利用有效影响因素设定压力情景和压力测试模型，检验我国货币市场基金行业和不同规模的货币市场基金在一定压力情景下对流动性风险的承压能力。研究发现：上海同业拆借利率变动率、货币市场基金的收益率、国内生产总值增长率、基金资产组合的剩余到期期限、基金所属公司的资产管理规模对货币市场基金流动性风险有显著性影响;在重度、中度、轻度的压力测试下，我国货币市场基金均出现了严重的流动性风险，小规模货币市场基金的承压能力更加出色。

关键词：流动性风险;货币市场基金;流动性风险承压能力;压力测试

DOI：10.3969/j.issn.1003-9031.2021.03.001

中图分类号：F830.9            文献标识码：A        文章编号：1003-9031（2021）03-0003-12

一、引言与文献综述

我国货币市场基金近年来发展迅速，截至2020年上半年，货币市场基金总资产净值已经超过8.6万亿元，占基金市场规模的48.5%。但是，我国货币市场基金的现金资产配置所占比为17.83%①，当基金净赎回大于17.83%时，便可能存在流动性风险。我国货币市场基金曾于2006年、2009年、2013年和2016年发生严重的赎回潮，其中，2009年的净赎回率高达70%，2013年净赎回率也达43%。如果出现类似的高赎回潮，货币市场基金将面临十分严峻的流动性风险。

为防范货币市场基金流动性风险，2020年7月10日，证监会发布《公开募集证券投资基金侧袋机制指引（试行）》，进一步丰富公募基金的流动性风险管理工具，缓解特定情形下因基金赎回引发的潜在系统性风险，也可防范先赎占优等行为，保护投资者合法权益。目前关于货币市场基金的研究主要集中在五个方面：一是货币市场基金系统性风险研究。涂晓枫（2019）指出货币市场基金的规模与系统重要性正相关，与系统脆弱性负相关，投资者集中度则与系统重要性和脆弱性都呈正相关;且系统性风险指标具有持续性的特征，货币基金自身风险与系统重要性正相关，与系统脆弱性负相关。二是货币市场基金的收益和流动情况。Jank & Wedow（2008）、Wermers（2010）发现不同流动性阶段，货币市场基金的赎回情况不同，金融危机期间，相对于散户，机构投资者对货币市场基金投资组合的流动性问题更加敏感。三是货币市场基金流动性风险影响因素。陈静（2013）、石磊和沈佳熹（2016）、Witmer（2016）研究发现季节性因素、银行存款集中兑付、债券机构去杠杆行为等因素可能对货币市场基金流动性风险产生影响。四是货币市场基金投资组合。魏英辉（2016）、Witmer（2017）通过研究发现我国货币市场基金在发展过程中存在投资组合品种单一、结构不均衡和增长不平衡等问题。五是货币市场基金申赎率影响因素。孙长华和桑柳玉（2013）、梅立海（2014）指出投资者申购或赎回货币市场基金的主要影响因素有基金的成立时间、规模、基金公司的背景（是否为银行系、是否有外资背景）、销售服务费，货币市场基金的业绩等。不难发现，学术界对货币市场基金流动性风险的研究仍存在不足，对货币市场基金流动性风险管理方面的理论研究较少，特别是利用压力测试模型研究货币市场基金流动性风险方面的成果少之又少。那么，货币市场基金的流动性风险究竟受哪些因素影响？如果发生了流动性风险，我国货币市场基金又有多大的承压能力？

为此，本文选取我国2010年之前成立的31只货币市场基金相关数据和相关宏观经济指标，实证验证了影响我国货币市场基金流动性风险的主要因素，并利用这些因素设置压力情景及建立压力测试模型，实证检验货币市场基金在不同压力设定下的流动性风险承压能力。

二、模型设计

从单个基金层面上看，货币市场基金机构投资者持有比例、成立时间、规模、背景、基金收益率、对赎回估计不足等因素可能影响单个基金的流动性风险;而从货币市场基金整个行业的宏观因素分析，单个基金风险的溢出效应、收益率下降、信用风险事件、政策变动等可能影响整个货币市场基金行业的流动性风险。

（一）理论假设与分析

梅立海（2014）研究表明货币市场基金资产规模、累计成立时间等因素会对货币市场基金的流动性风险产生负向影响。资产规模越大的货币市场基金有较强大的資金优势对流动性风险进行管控，流动性风险也就越小;货币市场基金累计成立的时间越长，对流动性风险的管控经验越丰富，流动性风险水平就越低。故本文提出假设1。

假设1：货币市场基金公司的资产规模越大、累计成立时间越长，流动性风险就越小。

司盛媛（2006）的研究发现货币市场基金的经营资产状况、剩余到期期限同样会影响其流动性风险。剩余到期期限越短、收益率越高时货币市场基金被赎回可能性越小，流动性风险就越小。故本文提出假设2。

假设2：资产组合的剩余到期期限越短、货币市场基金的收益率越高，货币市场基金的流动性风险就越小。

货币市场基金的持有人结构也会影响其流动性风险。Wermers（2010）指出在风险条件下，机构投资者一般更加敏锐，对市场信息较为敏感，反应较为迅速，通常能够更早地退出市场。另外，涂晓枫（2019）还发现机构投资者的“热钱”效应进一步加剧了风险的集聚与爆发，机构投资者资金在流动性充裕时期大量囤积于货币市场基金，一旦流动性紧张，机构投资者快速、大体量的一致赎回行为，极易引发挤兑。当机构投资者在基金公司中持股比例较高时，该基金就面临较大的流动性风险。故本文提出假设3。

假设3：当货币市场基金机构投资者持有的股份越多，持股占比越高，其流动性风险就越大。

一般来说，宏观经济表现较好的时候，人们更倾向于投资货币市场基金，货币市场基金赎回率就越低，流动性风险也就越小。王雅丽和刘洋（2010）认为利率上浮会带动货币市场基金的收益率上涨，从而降低货币市场基金被赎回的可能性，其流动性风险的压力也就越小。此外，近些年来中央银行持续减少货币供应量，对货币市场基金赎回潮产生了一定影响。故本文提出假设4。

假设4：宏观经济发展情况会对货币市场基金面临的流动性风险产生影响，宏观经济发展状况越好，货币市场基金的流动性风险水平就越低;银行间拆借利率水平越高，流动性风险水平就越低;货币供应量越大，流动性风险水平就越低。

孙长华和桑柳玉（2013）发现股市行情走强对货币市场基金的流动性风险影响是正向的。股票市场升温会对货币市场基金产生“虹吸效应”，投资者为了腾出资金投资股票市场而大量赎回货币市场基金份额，从而增大流动性风险。故本文提出假设5。

假设5：股市行情越好，货币市场基金的流动性风险越大。

（二）货币市场基金流动性风险有效影响因素实证模型

1.变量说明

借鉴孙长华和桑柳玉（2013）的研究，本文以基金净申赎率（flow）作为衡量货币市场基金的流动性风险的变量，也是本文实证部分的被解释变量。flow>0时表示份额净申购，flow<0时表示份额净赎回，其计算方法为flow=（当期总申购-当期总赎回）/（（期初份额总数+期末份额总数）/2）。解释变量分为单只基金层面的指标变量和整个货币市场基金行业层面的宏观指标变量，具体设置如下。

单只基金层面的指标变量：超额收益率（R）：表示货币市场基金单位净值的超额收益率;累计成立时间（lnT）：货币市场基金的成立累计天数取对数;机构持股比例（SHR）：货币市场基金机构投资者持有的基金份额所占比重;基金公司的资产规模（lnSIZE）：货币市场基金公司的资产总数的对数值;资产组合剩余到期期限（lnP）：对投资组合中剩余到期期限平均值再进行加权平均后对数，权数为对应期限的资产所占该资产组合总资产的比重。如货币市场基金的投资组合中，剩余到期期限为0～40天的资产占投资组合的比例为60%，剩余到期期限为40～80天的资产占投资组合的比例为40%，那么该投资组合剩余期限lnP=ln（（0+40）/2*60%+（40+80）/2*40%）。

整个基金行业层面的宏观指标变量：广义货币供应量（M2）：购买力的代表性指标，M2增速加快意味着投资市场变得更加活跃;七天上海同业拆借利率（SHI）：拆借市场资金价格的代表性指标，金融市场代表性的利率;沪深300指数（HS）：反映我国整个股票市场的总体状况。整个基金行业流动性风险影响因子的增长率数据均使用同比增长率;国内生产总值增长率（GDP）：代表我国经济增长总体状况。

2.数据来源

为了使多次赎回潮包含在实证检验时间跨度内，本文选取的货币市场基金公司均在2010年之前成立。在考虑了数据完整性和可得性等因素之后，本文共选取31家货币市场基金2010—2018年的相关数据作为实证数据。所有的基金数据和宏观经济指标均取自同花顺iFinD金融数据库。

3.模型设定

根据上文分析，为探究我国货币市场流动性风险有效影响因素，本文设定如下实证模型：

（1）

其中，i指第i只货币市场基金，t即时间（单位为年），t为随机干扰项，n（n=1，2，…，9）为待估计的系数。

（三）压力测试模型

本文对货币市场基金流动性风险的压力测试采用假设情景分析法和历史情景分析法两种。历史情景分析法是使用历史上曾经发生的一种极端变动作为假设发生情景，由于这种方法利用实际发生过的历史数据作为测试因子，因此具有客观性。因现今金融市场的变动迅速，历史事件变动显然无法覆盖未来金融市场的变动，本文在历史情景分析法的基础上引入假设情景分析法，参考历史上发生的事件并建立各个不同风险的因子下假设会发生的极端变化事件，再建立测试模型，这样压力测试便更加具备完整性。测试模型如式（2）。

flowit=jXit+eit  （2）

其中，i指第i只货币市场基金，t即时间（单位为年），n（n=1，2，…，9）即解释变量系数，eit指随机干扰项，Xit表示我国货币市场流动性风险有效影响因素。

三、我国货币市场流动性风险有效影响因素研究

（一）描述性统计

如表1所示，净申赎率（flow）最小值为-2.949，说明某只货币市场基金历史上曾遭遇较严重的赎回问题，净申赎率（flow）最大值为1.959，表明某一基金历史上曾有较大的份额净申购;货币市场基金的资产组合剩余到期期限（lnP）最小值为2.407，最大值为5.194，具有较大的差异;货币市场基金超额收益率（R）的最大值为1.18%，最小值为-0.32%，最大值和最小值之间相差较大，说明不同时期货币市场基金收益率相差较大;机构投资者持股比例（SHR）的最大值与最小值之差达到了97%，从最大值97.32%可以看出有的货币市场基金几乎全部由机构投资者掌控，而有些货币市场基金的投资者主要由散户组成。同业拆借利率年增长率（SHI）的最大值达到了3.081，有较大的标准差，表明历史上我国的利率市场出现较大的波动;不同货币市场基金所属的基金公司规模也表现出比较大的差异，总资产规模最小仅为17亿元人民币，总资产规模最大达到了5900多亿元人民币;沪深300指数（HS）的最大值和最小值分别达到0.517和-0.253，检验期内我国股市有一定的波动幅度，说明检验期間的选择较为合理;广义货币供应量年增长率（M2）的标准差较小，仅为0.035，国内生产总值（GDP）年增长率的标准差也处于一个较小的值0.013，M2和GDP在检验期间内波动幅度较小，说明近些年来我国的货币供应状况和经济增长状况均比较稳定。

为了保证回归的准确性，本文使用Levin，Lin & Chu方法对每个时间序列进行单位根检验，检验结果如表2所示，每个时间序列均在1%的统计水平上显著，即每个时间序列都是一阶平稳序列，可对模型进行进一步的回归分析。

（二）实证结果及分析

本文利用面板数据回归模型实证分析各影响因子对基金净赎回率具体影响效应。为确定应该使用混合效应模型回归还是固定效应模型回归，本文首先进行F统计量检验。检验结果为F=1.18、Prob>F=0.2435，不应拒绝混合效应模型的原假设，因而应选用混合效应模型对各风险因素进行分析。

由表3可知，单只基金层面有三个影响因素对货币市场基金的流动性风险存在显著的影响效应。超额收益率（R）的回归系数为0.269，在5%的统计水平上显著，说明超额市场收益率R越大，货币市场基金流动性风险越小，这与假设2相符合。货币市场基金资产组合剩余到期期限（lnP）的回归系数为-0.191，在1%的统计水平上显著，即资产组合剩余到期期限越长，申赎率越低，流动性风险越大，这和假设2相符。货币市场基金所属公司的资产规模（lnSIZE）的回归系数为0.058，在10%的统计水平上显著，即lnSIZE越大，货币市场基金申赎率越高，流动性越小，说明货币市场基金所属公司的资产规模对货币市场基金流动性风险有着显著的负向影响，与假设1一致。SHR、lnT的回归系数分别为-0.101、-0.06，但在10%统计水平上并不显著，说明机构投资者持有股份的比例和货币市场基金累计成立时长均不影响货币市场基金的流动性风险。

从宏观层面的流动性风险影响因素来看，货币供应量（M2）的回归系数是不显著的，说明货币供应量增长率并不影响货币市场基金的流动性风险。七天上海银行间同业拆借利率变动率（SHI）的回归系数为-0.266，在1%的置信水平上显著，说明上海同业拆借利率（SHI）变动率越大，货币市场基金的流动性风险越高，这与本文的假设4不符。原因可能是利率向上浮动带动其他金融产品的收益率的上涨，这可能促使人们赎回货币市场份额，而将资金配置于其他金融产品。国内生产总值增速（GDP）的回归系数为29.220，表明国内生产总值变动率对货币市场基金的申赎率存在显著的正向影响，即国内生产总值变动率越大，货币市场基金流动性风险越低，这与假设4相符。最后，沪深300指数的回归系数为0.127，在10%的置信水平上并不显著，即沪深300指数并不影响货币市场基金流动性风险，这与假设5不符。可能的原因是当前我国部分投资者的投资态度较为保守，对风险较为厌恶。股票市场的“升温”在一定程度上带动了货币市场基金收益率的上涨，促使部分投资者更偏向于将资金配置在货币市场基金中以保持较为稳健的收益。

四、我国货币市场基金流动性风险承压能力测试

关于货币市场基金流动性风险压力测试的模型，本文主要采用面板数据回归模型。上文已通过面板数据回归模型实证研究了我国货币市场基金的流动性风险的有效影响因素。为了使压力测试的结果更加准确，根据上文实证结果，本文对模型进行了调整，即将对货币市场基金流动性风险影响不显著的因素移出模型之外再重新回归，实证结果见表4。

由表4可知，原模型各有效影响因素显著的，剔除不显著影响因子后的回归系数仍然显著。同时，通过对比两个模型各项影响因素的系数发现，各影响因素的回归系数与原模型差异不大。因此，本文以这五个显著影响因子作为解释变量，以货币市场基金的份额申赎率作为被解释变量建立压力测试模型：

flowit=？琢+？酌1Rit+？酌2lnPit+？酌3lnSIZEit+？酌4SHIit+t+？酌5GDPit+eit  （3）

其中，i代表第i只货币市场基金;t表示时间（以年为单位）;eit代表随机干扰项;？酌n（n=1，2，…，5）为待估计的系数。

（一）压力情景设定

为了设定恰当的压力情景，测试在该压力情景下我国货币市场基金流动性风险的承压能力，本文用历史法和假设法对压力情景进行设定。用上文回归得到的货币市场基金流动性风险的显著影响因素作为风险因子进行压力测试，即基金资产组合剩余到期期限、超额收益率、货币市场基金公司资产总规模和上海银行间同业拆借利率年变动率以及国内生产总值年增长率。

首先对确定的各风险因子做描述性统计。对于单个基金层面的流动性风险影响因子，本文以资产组合剩余到期期限、货币市场基金超额收益率和货币市场基金公司资产规模的原数据作为历史数据;而对于整个基金行业层面的流动性影响因子的数据，上海银行间同业拆借利率取自所有可取得的年份数据作为压力测试数据，即2007—年至2018年的数据。数据选择的依据是前文的理论分析结果和实证检验的有效影响因素。

本文用历史情景法设定资产组合剩余到期期限（lnP）、货币市场基金超额收益率（R）、基金公司资产总规模（lnSIZE）三个风险因子作用下的压力情景。以这三个风险因子的最大（小）值数据设置重度压力情景。如上文实证结果表明所属公司资产规模（lnSIZE）、货币市场基金超额收益率（R）对货币市场基金申赎率有显著的正向影响，本文选取其最小值作为重度压力值;剩余到期期限（lnP）负向影响货币市场基金的申赎率，本文选取其最大值作为重度压力测试值。中度压力值用风险因子平均值加或减一个标准差作为测试值，轻度压力值用各风险因子的平均值加或减标准差的二分之一作为测试值。其中，当风险因子正向影响申赎率时应减上一个标准差或二分之一个标准差，否则为加去一个标准差或二分之一个标准差。

本文采用假设情景法设置国内生产总值增长率（GDP）和上海银行间同业拆借利率变动率（SHI）作用下的压力情景。鉴于我国近几年经济增长速度放缓的事实，本文选定以6.5%、6%和5.5%作为重度、中度和轻度压力的测试值;而從上海银行间同业拆借利率变动率（SHI）历史数据上看，SHI出现大于1的情况较少，而各年份SHI值均大于0.6，本文以1和0.6分别作为SHI的最大值和最小值。综上，本文利用历史情景法和假设情景法对各风险因子进行了取值，取值结果见表5。

（二）压力测试结果分析

根据表5设定的各风险因子的测试值，将各取值代入式（3）进行压力测试，测试的结果如表6所示 。由表6可知，在重度压力下，我国货币市场基金申赎率达到了104.09%，在中度压力下申赎率达到64.24%，在轻度压力情景下为28.17%，都远高于我国货币市场基金17.83%的现金资产比例（见表1），即可能存在大量赎回需求将无法被满足，从而引发严重的流动性风险。

（三）对不同规模的货币市场基金进行压力测试

为了进一步探究资产规模不同的货币市场基金对流动性压力的承受能力是否相同，本文区分管理资产规模十亿元人民币以上和十亿元人民币以下的基金数据，并分别对其进行回归。本文把管理资产规模十亿元以上的基金称为“大规模基金”，十亿元以下的称为“小规模基金”。 为了确定回归模型，本文分别对大规模基金和小规模基金做F统计量检验。检验结果分别为F=1、Prob>F=0.452和F=1.25、Prob>F=0.238，故均不拒绝原假设，因此对大规模基金和小规模基金的回归都应选择混合效应模型进行回归。为了使回归结果的更加精确，本文重新对不同规模下货币市场基金流动性风险的影响因素进行实证分析，实证的结果见表7。

由表7可知，不管是小规模基金还是大规模基金，资产组合剩余到期期限、超额收益率、国内生产总值增速、同业拆借利率均对其流动性风险具有显著的影响。而基金所属公司的资产规模和沪深300指数变动率对大小规模基金的影响不再显著。可能的原因是基金所属公司的资产规模和基金管理的资产规模两个变量具有较强的相关性。一般情况下，基金所属公司的资产规模较大时，其管理的资产规模也比较大，因此当控制了基金管理的资产规模这一变量时相当于把基金所属公司的资产规模这一变量放在模型之外考察。另外，对比大小规模基金的回归系数可以发现，大规模基金剩余到期期限、银行间同业拆借利率和国内生产总值增速回归系数的绝对值均大于小规模基金，这表明这三个因素对大规模基金流动性风险的影响更大，而小规模货币市场基金流动性风险更容易受基金超额收益率的影响。

根据表7的实证结果，本文分别设置了大小规模基金流动性风险的压力测试模型：

将各风险因子测试值分别代入大小规模基金的压力测试模型，测试结果见表8。

从表8可知，在各种压力情景下，小规模基金和大规模基金都有较高的净赎回率，尤其在重度压力下赎回率都在100%以上，出现了较为严重的流动性风险，这与上文的研究结论一致。在轻度压力情景下，不同规模基金赎回率都高于不分规模时的基金赎回率，可能的原因是不同规模基金之间的协同作用有利于消解部分轻度的流动性风险。另外，通过对比大小规模基金的净赎回率可以发现，无论是在重度、中度还是在轻度压力情景下小规模基金的流动性风险承压能力均强于大规模基金。但是，即使在轻度压力情景下，小规模货币市场基金的净赎回率也高达48.81%，不仅大于当前货币市场基金现金资产配置比例（17.83%），而且大于2013年发生赎回潮时的净赎回率（43%），因此存在较为严重的流动性风险隐患。

五、结语

本文以我国2010年之前成立的31只货币市场基金作为研究对象，选取2010—2018年每只基金的微观数据和对应年份的宏观数据作为实证数据，通过面板数据回归模型实证研究了货币市场基金流动性风险的有效影响因素。同时，利用有效影响因素设定压力情景和压力测试模型，检验了我国货币市场基金行业和不同规模的货幣市场基金在一定压力情景下对流动性风险的承压能力，其结论主要如下：

一是货币市场基金的机构投资者持股比例、沪深300指数的变动率、广义货币供应量的增长率、货币市场基金累计成立时间、对货币市场基金的流动性风险没有显著的影响。

二是货币市场基金的超额收益率、国内生产总值增长率、基金所属公司的资产管理规模对货币市场基金的流动性风险有着显著的负向影响。上海银行间同业拆借利率和基金资产组合剩余到期期限正向影响货币市场基金的流动性风险，且影响效应十分显著，可能是因为利率的上浮带动其他金融产品收益率提升，促使人们赎回货币市场份额，将资金配置于债券或其他理财产品。

三是我国货币市场基金流动性风险承压能力较弱，无论是在重度、中度还是轻度压力都将使货币市场基金发生较为严重的流动性风险，即使是在轻度压力情景下净赎回率也达到28.17%，也超过了当前货币市场基金17.83%的现金资产配置比例，存在流动性风险隐患;同时，相较于大规模基金，小规模基金的承压能力更加出色，无论是在重度、中度还是轻度压力测试情景下，小规模基金的净赎回率均低于大规模货币市场基金。因此，有必要对货币市场基金的流动性风险进行防范和管控，尤其对较大规模的货币市场基金，更有必要对其流动性风险进行重点监管。

（责任编辑：孟洁）

参考文献：

[1]涂晓枫.中国货币市场基金系统性风险研究[J].金融与经济，2019（6）：29-36.

[2]陈静.我国货币市场基金流动性风险问题研究[J].上海金融，2013（10）：80-84.

[3]石磊，沈佳熹. 我国货币市场基金流动性风险问题研究[J].中国市场，2016（33）：136-137.

[4]魏英辉.美欧货币市场基金监管改革及启示[J].证券市场导报，2016（8）：4-12.

[5]孙长华，桑柳玉.我国货币基金申购赎回影响因素分析[J].金融与经济，2013（6）：70-74.

[6]梅立海.基于平台属性的我国互联网货币基金流动性研究[J].现代经济信息，2014（19）：361-362.

[7]童磊，彭建刚.基于宏观经济因子冲击的商业银行流动性压力测试研究[J].湖南科技大学学报（社会科学版），2013，16（3）：99-103.

[8]周凯，袁媛.商业银行动态流动性风险压力测试应用研究[J].审计与经济研究，2014（3）：104-112.

[9]杨胜刚，刘亚之.我国商业银行流动性风险压力测试[J].吉首大学学报（社会科学版），2015， 36（3）：30-38.

[10]丁建臣，庞小凤，孟大伟.银行压力测试的方法和应用：优势与缺陷[J].现代经济探讨，2015（11）：38-43.

[11]张萌.银行同业违约情景下的流动性风险压力测试[J].经济问题探索，2016（12）：151-158.

[12]谭校琴.FSAP框架下我国银行业压力测試稳定性压力测试评估[J].金融经济，2017（8）：109-112.

[13]潘庄晨，邢博，范小云.互联网理财产品的压力测试建模与流动性风险管理——以余额宝为例[J].现代管理科学，2015（8）：36-38.

[14]司盛媛.我国货币市场基金流动性赎回风险的实证分析[J].经济论坛，2006（17）：111-113.

[15]涂晓枫.货币市场基金高速扩张：避险抑或逐利？[J].现代财经，2019（5）：24-39.

[16]王雅丽，刘洋.利率调整对货币市场基金的政策效应研究[J].商业时代，2010（28）：58-59.

[17]Wermers R.Money Fund Runs[J].Ssrn Electronic Journal，2010：25-69.

[18]Witmer J.Does the buck stop here？ A comparison of withdrawals from money market mutual funds with floating and constant share prices[J].Journal of Banking & Finance， 2016，66：126-142.

[19]Witmer J.Strategic Complementarities and Money Market Fund Liquidity Management[J].Staff Working Papers，2017.

[20]Bouveret A.Liquidity Stress Tests for Investment Funds：A Practical Guide[J].Social Science Electronic Publishing，2017，17（226）：1.

[21]Metadjer，Naoise，Moloney，et al. Liquidity analysis of Bond and Money Market Funds[J].Economic Letters，2017.