应用VAR模型计算人民币汇率风险的实证研究

应用VAR模型

第２００９年第８期（总第３３２期）

商

业经

济

Ｎｏ．８，２００９ＴｏｔａｌＮｏ．３３２

ＳＨＡＮＣＹＥ．ＩＩＮＧＪＩ

【文章编号】１００９—６０４３（２００９）０８－００６４—０３

应用ＶＡＲ模型计算人民币汇率

风险的实证研究

李

妍

１５０００１）

（哈尔滨工程大学经济管理学院。黑龙江哈尔滨

【摘要】

自２００５年汇改以来，人民币兑换美元汇率不再是盯住美元的固定汇率制，而是以市场供求为基础、参考一篮

子货币进行调节、有管理的浮动。通过利用ＶＡＲ模型对这段期间内人民币汇率风险的大小，进行了实际测算以及得出的具体数值来看，虽然目前我国人民币汇率波动相对稳定．尚未经历极端情形和事件，使用ＶａＲ模型测度风险对结果估算不会产生很大影响，但随着我国人民币汇率不波动幅度的逐步放宽，政府完全可以考虑使用目前在ＶａＲ基础上发展起来的极值理论和压力测试等方法，这些方法对资产损益分布极端尾部事件将会重点研究并加以测量。

【关键词】ＶａＲ模型；人民币汇率风险；实证研究【中图分类号】Ｆ７２０

ｆ文献标识码】Ｂ

ｒ．

一、ＶＡＲ简介

（一）ＶＡＲ的概念

ＶＡＲ是指在一定的持有期和给定的置信水平下，利率、汇率、股票价格等市场风险因子发生变化时可能对某项资金头寸、资产组合或机构造成的潜在最大损失。用公式表示为：Ｐｒｏｂ（Ａｐ＜ＶａＲ）＝ｌ—ｏｔ

其中：Ｐｒｏｂ为资产组合价值损失小于可能损失上限的概率；Ａｐ为资产组合在持有期ｔ内的价值损失额；ＶａＲ

ｒｒ＋－

ａ＝Ｊ

。’∞

ｆ（州ｒ或Ｉ－ａ＝｛

’ｒ’

“叫ｒ

由上式进～步可知，ＶＡＲ实质Ｊ二是显著性水平ａ和投资收益率概率分布ｆ（ｒ）的函数，在显著性水平ａ给定的情况下，确定投资收益率的概率密度ｆ（ｒ）成为求解ＶＡＲ的核心。

正是基于对投资收益率概率分布的不同假设和估计，从而形成了不同的ＶＡＲ模型。目前常用的风险价值法主要有方差一协方差法、历史模拟法、蒙特卡罗模拟法三种。

为置信度ｌ—ａ下的风险价值——可能的损失上限；ｌ—ｄ

为给定的概率（置信度）。

（二）ＶＡＲ的一般性原理

二、ＶＡＲ的三种计算方法

（一）方差一一协方差法

方差一一协方差法是较早的计算ＶＡＲ的参数方法，属于静态的参数法。该方法假定风险因素收益的变化服从特定的分布，通常假定为正态分布，然后通过历史数据分析和估计该风险因素收益分布的参数值，如方差、均值、相关系数等，然后根据风险因素发生单位变化时．头寸的单位敏感性与置信水平来确定各个风险要素的ＶＡＲ值．可通过这个公式：ＶａＲ＝Ｐ—Ｓ×ＤＲ，其中。Ｐ表示该风险要索对应头寸的大小，Ｓ表示风险因素发生单位变化时，头寸的单位敏感性．ＤＲ表示风险因素的不利波动的幅度．再根据各个风险要索之间的相关系数来确定整个组合的ＶＡＲ值。

（二）历史模拟法

历史模拟法是计算风险价值的最直观的方法，它直接根据ＶＡＲ的定义进行计算，是一种简单的基于经验的方法。历史模拟法假定历史可以在未来重复，通过收集一定的历史时期内全部的风险因子收益信息来模拟风险因

如果假设Ｗ０为某一资产或资产组合的初始价值．ｒ

为该项资产或资产组合在一定持有期内的投资收益率．则在持有期末，该资产或资产组合的价值为ｗ＝ｗ“１＋ｒ），显然ｒ和ｗ均为随机变量。令投资收益率ｒ在持有期内的期望值和波动性分别为斗和仃，一定置信水平ｌ—ａ下的最低收益率为ｒ．，则该项资产或资产组合的相对ＶＡＲ可以被定义为资产或资产组合的预期价值与最低价值之差：

ＶａＲ＝Ｅ（Ｗ）－Ｗ’

＝Ｅ【ｗ“ｌ＋ｒ）卜ｗ０（１＋订

＝ｗ０（斗一ｒ．）

假设初始价值Ｗａ＝ｌ，上式变为：

ＶａＲ＝斗－ｒ＊

由上式可知．在己知期望投资收益率的情况下．求ＶＡＲ相当于确定在一定置信水平下的最小收益率ｒ．。一般地，最小收益率ｒ‘可以通过资产或资产组合未来收益率的概率分布“ｒ）求出。即在给定置信水平ｌ—ｏｔ下：【收稿日期】２００９—０５—２２

—６４一

万方数据

应用VAR模型

子收益未来的变化。历史模拟法首先选择市场风险因子历史收益率时间序列．然后计算清算期间组合价值变动的时间序列。最后，把从历史数据归纳出的风险因子收益实际分布情况列表显示．选择某一概率水平．计算该分布在这一概率水平下可能出现的极值。

历史模拟法的透明度高、直观．对系统要求较低。但对数据样本选择区间较为敏感，既可能包括极端的价格波动，也可能排除极端情况。历史模拟法反映了风险因子收益分布．一次不需要任何分布假设，也无须计算波动率、相关系数等模型参数。由于历史模拟法的风险凶子的历史收益本身已完全包含了风险因子之问的相关关系。因而可以全面反映风险因子和组合价值的各种关系，是一个完全估值模型。

历史模拟法有很多优点：最容易理解合适，可以用于任何非正态分布，可以有效处理那些难以计算的工具的收益。但同时，它的缺点也很明显：假定根据过去可以准确地预测将来，电脑软件与硬件的投入较大，所有历史数据都具有相同的权重。

（－－）蒙特卡罗模拟法

蒙特卡罗模拟法与历史模拟法十分类似，它们的区别在于前者利用统计方法估计历史上各市场因子的运动参数后．以这些参数模拟这些市场凶子未来的变化情景，而后者则直接根据历史数据来模拟市场因子未来的变化情景。

蒙特卡罗模拟法是通过计算所预期的变量在历史上的均值、方差、相关系数等统计特征，并根据这些特征运用随机数发生时产生符合这些特征的数据．构成所假设的情形，模拟出大量的资产组合收益数值．再从中推出ＶＡＲ的值。其估算ＶＡＲ的基本思路是：模拟市场因子的随机过程，通过模拟可以得到资产或资产组合在持有期末时点上的一个估计价值．不断重复进行此模拟过程．从而得到一个模拟分布，如果模拟次数足够多。那么该模拟分布最终将收敛于真实分布，然后利用这一模拟分布得到既定置信水平下的分位数。从而估计出ＶＡＲ。

三、实证分析‘

由于白２００５年７月２１日起，我国进行了人民币汇率形成机制的莺大改革，人民币兑换美元汇率不再是盯住美元的同定汇率制，而是以市场供求为基础的、参考一篮子货币进行调节、有管理的浮动。故本文选取的人民币兑美元汇率样本是从２００５年７月２１日至２００９年５月１５日．共计９３３个样本观测值，置信水平分别选取９５％、

９９％。

由于在金融研究中关注更多的是价格变动和收益率而非价格本身．因此需要把人民币汇率的价格序列转化为收益率序列。本文首先对人民币汇率的原始数据进行对数处理，然后在此基础上进行一阶差分，从而得到几何收益率Ｒ’，即

Ｅ＝ｈａＰＩ—ｌｎＰ。ｌ

式中．Ｒ为第ｔ个营业日人民币兑美元的日中间汇

万方数据

李妍：应用ＶＡＩｌ模型计算人民币汇率风险的实证研究

率。对原始数据取自然对数有助于使人民币汇率序列趋势线形化，由此得到的几何收益率也具有良好的统计特征，而且在汇率波动较小时．Ｒ近似等于汇率的日变化率（Ｐｌ—Ｐ卜。册■。。

对人民币汇率对数收益率进行正态性检验。目前检验正态分布特性的方法有三种：正态Ｐ－Ｐ图、正态Ｑ—Ｑ图和Ｊ—Ｂ检验。Ｐ—Ｐ图是根据变量的累计比例对所指定的理论分布累计比例绘制的图形，正态ｐ－ｐ图应是条直线。Ｑ—Ｑ图是根据变量分布的分位数对所指定的理论分布分位数绘制的图形，正态Ｑ—Ｑ图应是条直线。通过正态Ｑ—Ｑ图可以直观地观察到实际分布是否具有正态性。Ｊ—Ｂ检验是Ｊａｒｑｕｅ和Ｂｅｒａ（１９５７）提出的正态性检验统计量，公式为ＪＢ＝（Ｎ／６）【Ｓ２＋（Ｋ一３）２／４１（其中，Ｎ为样本容量；Ｓ为偏度；Ｋ为峰度），ＪＢ统计量服从自由度为２的Ｘ２分布，若ＪＢ统计量大于该分布的临界值。将拒绝服从正态分布的原假设。

（１）正态Ｐ－Ｐ图

对獭收益率的正态ｐ．－ｐ田

正态Ｐ－Ｐ图

从正态Ｐ－Ｐ图看出，人民币汇率对数收益率序列的Ｐ—Ｐ图两端接近直线．中间部分偏离该直线。呈现尖峰的特征。因此．可以初步拒绝收益率服从正态分布的原假设。

（２）正态Ｑ—Ｑ图

对数收益率的正毫０－Ｑ圈

正态Ｑ—Ｑ图

一６５—

应用VAR模型

商业经济第２００９年第８期

从Ｑ—Ｑ图可以看出，人民币汇率对数收益率序列的Ｑ—Ｑ图中部接近直线，而两端有大点散布在正态直线之外，上端向右偏离该直线。下端向左偏离该直线，呈现厚

尾的特征。因此。可以初步拒绝收益率服从正态分布的原

假设。

Ｓｅｒｉｅｓ：Ｓａｍｐｌｅ１９３２

Ｏｂｓｅｒｖａｔｉｏｎｓ９３２

Ｍｅａ．ｎ－８．９９ｅ－－０５

Ｍｅｄｉａｎ－４．９％－０５

ＭａｘｉｍｕｍＯ．００１３０７

Ｍｉｎｉｍｕｍ－０．００８８２６

Ｓｔｄ．Ｄｅｖ．０．０００４７０Ｓｋｅｗｎｅｓｓ一７．１３６７５８Ｋｕｒｔｏｓｉｓ

１３０．１３７６Ｊａｒｑｕｅ－Ｂｅｒａ

６３５６１２．８Ｐｒｏｂａｂｉｌｉｔｙ

Ｏ．００００００

（３）Ｊ—Ｂ检验

由上表可以看出，在采样区间内。人民币汇率对数收益率的均值为负，偏度小于０（正态峰度的偏度是ｏ），峰度

也大于３（正态分布的峰度是３）。可以初步判序列不服从

正态分布。偏度小于０．说明负的收益要多于正的收益；峰度大于３，呈现尖峰的特点。同时。由Ｊ—Ｂ统计量看，其伴随概率小于显著性水平１％，拒绝原假设．进一步表明人民币汇率对数收益率序列不服从正态分布。

通过正态Ｐ—Ｐ、正态Ｑ—Ｑ图和Ｊ—Ｂ检验的综合分析．可以判断样本期内人民币汇率对数收益序列不服从正态

分布，因而不能使用方差——协方差的ＶＡＲ模型，可以

考虑使用历史模拟法和蒙特卡罗模拟法的ＶＡＲ模型来度量人民币的汇率风险。

（一）历史模拟法

根据历史模拟法的基本原理，实证度量步骤如下：１．将人民币汇率对数收益率序列按升序排列。２．用样本容量（Ｎ＝９３２）乘以相应的显著性水平（ａ），得到分位数位置ｄ。

３．采用内插值法求出ｄ所对应的分位数ｒａ’，即显著性水平下ａ的最低收益率。在ｌ％的显著水平下．ｒ二为考察

期内第９．３２（９３２×ｌ％价数对应的收益率，即－０．００１２１９７ｌ；

在５％的显著水平下．‘为考察期内第４６．６（９３２ｘ

５％）个数

对应的收益率．即一０．０００７３８０７。

根据公式Ｒ＝Ｅ（ｒ卜ｒ：对得到的ｒ：进行处理，最终得到ＶＡＲ值，分别为ＶＡＲ蝴－－０．００１

１

２９８３，ＶＡⅫ．０００６４８２０。

ＶａＲｎ啪－－０．００１１２９８３．其含义是有９９％的信心确定在未来的

理．ＶＡ啪．０００６４８２０表示有９５％的信心确定在未来的

ｌ天内，人民币日汇率损失最多不会超过０．００１１２９８３；同

ｌ天内，人民币日汇率损失最多不会超过０．０００６４８２０。

（－－）蒙特卡罗模拟法

一６６一

万方数据

ＳＨＡＮＧＹＥＪＩＮＧＪＩＮ０８．２００９

使用蒙特卡罗模拟法估算ＶＡＲ的基本步骤如下：１．选择反映收益率变化的随机模型及分布，并估计相应的参数。

本文选择几何布朗运动（ＧＢＭ）作为人民币汇率收益率变化的随机模型和分布进行模拟分析，则人民币汇率收益率波动的随机过程可以表示为：

ＰＩ＝Ｐ■（恤．ｔａｔ．仃。８订）

其中，咒，为ｔ－Ｉ时刻的人民币汇率；ＰＩ为ｔ时刻人民币汇率的变化量；￡为标准正态随机变量；参数“．和ｄ。分别为ｔ时刻的瞬间漂移和波动。

本文研究的是人民币对数汇率的日波动问题，故令

ｔ＝ｌ，同时假定ｐ．和口。为常量肛和仃，则上式变为：

Ｐ，－－Ｐ‘－Ｉ＋艮１（ｐ＋ｄ８）

通过人民币汇率的收益率数据计算得到斗＝ｍ

００００８９８７，叮＝０．０００４７０３６。此外．选取样本第一天（２００５年７月２１日）的人民币汇率为原始值。即：当ｔ＝０时，Ｐｏ＝８．１ｌ。则人民币汇率收益率波动的随机过程变为：

ＰＩ＝Ｐｏ＋Ｐｏ（－０．００００８９８７＋０．０００４７０３６ｅ）２．产生标准正态分布的伪随机数。

首先是在【Ｏ，１１区间产生一个服从均匀分布的随机数ｘ。然后通过逆积分概率分布函数将均匀随机数ｘ转换成正态分布，根据定义，其累积的概率分布函数ＮＯ）总是位于Ｏ和ｌ之问。因此，为了产生一个正态分布的随机变量。

我们从ｘ＝Ｎ０）或ｙｆＮ（ｘ）－‘计算Ｙ。Ｙ值即为要求的８值。

３．利用公式ＰＩ＝Ｐｏ＋Ｐｄ－０．００００８９８７＋０．０００４７０３６８）可以

得到ＰＩ。

４．重复第２、３步骤１００００次，可以得到人民币汇率未来的１００００个模拟价格。

５．利用这１００００个模拟汇率计算出几何收益率分布，

根据选定的置信水平，由分位数估计出相应的ＶＡＢ值。

ＶＡＩｔ岫＝Ｏ．００１０８４３５，ＶＡＢｏ肝－－Ｏ．００１０３９６４。

由于ＶａＲ模型并非完美的市场风险度量模型，该方法估计的仅是正常市场波动条件下的金融市场风险暴露，对于金融市场出现的极端情形（如：市场崩溃、金融危机、政治事件及自然灾害等），可能会出现较大的估计误差。虽然目前我国人民币汇率波动相对稳定，尚未经历如此的极端情形和事件，使用ＶａＲ模型测度风险对结果估算不会产生很大影响，但未来的情形无法预测到，伴随着我国人民币汇率不波动幅度的逐步放宽，可以考虑使用目前在ＶａＲ基础上发展起来的极值理论和压力测试这些重点研究资产损益分布极端尾部事件的方法加以测量。

【参考文献】

【１】菲利普 乔瑞风险价值ＶＡＲ【Ｍ】．ｊ匕京：中信出版社，２００５．

【２】田军．投资组合风险测算的风险价值方法们．西安交通大学学报，２００１，（８）．

【３】喻波，王慧．新巴塞尔协议框架与ＶＡＲ方法的运用叨．财经科学，２００４，（６）．

【责任编辑：潘洪志】

应用VAR模型

应用VAR模型计算人民币汇率风险的实证研究

作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：

李妍

哈尔滨工程大学经济管理学院,黑龙江,哈尔滨,150001商业经济

BUSINESS ECONOMY2009，""(16)0次

参考文献(3条)

1.菲利普·乔瑞 风险价值VAR 2005

2.田军 投资组合风险测算的风险价值方法 2001(8)

3.喻波.王慧 新巴塞尔协议框架与VaR方法的运用[期刊论文]-财经科学 2004(6)

相似文献(7条)

1.学位论文 陈敏 VaR模型在我国人民币汇率风险度量中的实证研究 2007

自2005年7月21日人民币汇率形成机制改革以来，伴随着外汇市场一系列配套措施的逐步出台，人民币汇率波动日渐市场化，我国涉外贸易投资主体、商业银行、中央银行等各大经济主体所面临的汇率风险也日益凸现。在此背景下，加强人民币汇率风险管理已成为摆在各大经济主体面前的重大课题，而其核心和前提是实现对人民币汇率风险的有效度量。

目前国际流行的风险测量工具是VaR(Value at Risk)，国外对VaR的研究比较成熟，VaR已发展成银行、非银行金融机构等各类组织风险度量的标准方法，而国内各大机构对VaR的应用与国际相比则存在着很大差距。

为提高基于VaR的汇率风险度量水平，本文首先从VaR模型的假设前提入手，对人民币对数汇率收益率序列分别进行随机性检验、正态性检验和异方差检验，综合验证了使用VaR模型度量人民币汇率风险具有适用性。然后，本文分别采用非参数法(包括历史模拟法和蒙特卡罗模拟法)和参数法(包括具有不同分布的方差一协方差法和GARCH族模型)两大类VaR方法对人民币汇率风险进行了实证度量，通过准确性检验发现，GARCH-t模型是度量目前人民币汇率风险的最佳方法，从而进一步证实我国人民币汇率波动具有时变性和非正态性。最后，本文在实证基础上进行了归纳总结，并从管理理念、人员配备、方法选择和结果应用四个方面对如何建立以VaR为风险度量标准的汇率风险度量体系提出政策建议。

2.学位论文 吴伟韬 基于极值理论与Copula函数的人民币汇率风险测度 2008

自2005年7月21日人民币汇率制度改革以来，外汇市场的逐渐自由化增加了其不确定性，涉外经济主体如商业银行与企业面临的汇率风险加剧，如何加强人民币汇率风险管理已成为各经济主体亟待解决的问题，而最关键的一个环节是对人民币汇率风险进行测度。目前国际上先进的风险测度是在险值VaR（Value-at-Risk），国外各大金融机构与企业均已采用VaR作为风险测度方法，而在国内的商业银行和企业中，VaR的应用还非常少，但随着我国金融市场的逐渐完善，引入VaR模型来度量风险将成为必然。

在已有的研究中，虽然有学者引入各种VaR模型来度量汇率风险，但研究人民币汇率风险的很少，而且计算VaR的方法也比较简单粗糙。基于此种现状，本文试图寻求一种合适的方法来度量人民币汇率风险。考虑到人民币汇率序列尖峰厚尾的特性，本文摒弃了传统的正态分布假设，利用极值理论中的广义帕累托分布去拟合其尾部来计算VaR，通过对传统方法与极值理论法进行准确性检验发现，与传统方法相比，基于极值理论的VaR能更准确地度量欧元/人民币和日元/人民币的风险，涉外经济主体可以采用基于极值理论的VaR去精确度量欧元/人民币和日元/人民币的风险。但在度量美元/人民币和港币/人民币的风险时，极值理论与其它方法一样，低估了它们的风险。这可能是因为汇改后，人民币对美元不断攀升导致其尾部肥厚，而港币又与美元挂钩的缘故，因此，如果需要准确度量这两种汇率的风险，还需要结合其它的定性或定量的方法，或者可以考虑用期望损失ES（ExpectedShortfall）测度。

鉴于商业银行和企业可能在更多的情况下持有汇率组合，因此，测算汇率组合的风险将更具有现实意义，本文引入了Copula理论并结合极值理论，建立了Copula-EVT模型，通过Monte Carlo模拟法来计算VaR以度量欧元/人民币和日元/人民币汇率组合的风险，通过对比实际损失发现，Copula-EVT模型比传统的历史模拟法更准确地度量了欧元/人民币和日元/人民币汇率组合的风险。商业银行和企业可以考虑利用此方法来度量这对组合的风险，然后根据计算的VaR值来储备资金或者采取措施规避风险。同时，本文也计算了ES作为对VaR的补充。

3.学位论文 王峰 基于VaR模型的我国金融市场风险计量研究 2005

为了推进基于VaR的市场风险计量工作的开展,缩短与国际先进银行的差距,我国商业银行应根据我国金融市场风险的实际情况做好VaR的本土化工作.首先需要检验VaR计量我国金融市场人民币汇率风险、利率风险、股票价格风险是否具有适用性,在目前人民币汇率实行高度管制、利率尚未完全市场化的情况下,本文认为VaR不能有效用于计量人民币汇率风险;虽然可以用于计量利率风险,但准确性会有所降低;VaR可以有效地运用于股票价格风险的计量.在此基础上,应根据我国金融市场风险的实际情况从重新设定模型参数和模型择优两个方面做好VaR的本:t化工作,这是由于VaR产生于西方发达国家,模型参数的设定大都是以西方较成熟的金融市场为依据,因此并不完全适合我国金融市场的实际情况.本文在现有约束条件下,以我国股票市场数据为例,以蒙特卡罗模拟法为重点,对三种主流VaR模型进行了实证比较,结论认为基于t分布的指数移动平均和基于t分布的蒙特卡罗模拟法具有更好的预测效果.

4.学位论文 贾胜如 人民币汇率VaR风险度量的实证研究 2008

目前，加强人民币汇率风险管理已成为摆在各大经济主体面前的重大课题，而其核心和前提是实现对人民币汇率风险的有效度量。本文首先对人民币对数汇率收益率序列分别进行正态性检验和异方差检验，综合验证了使用VaR模型度量人民币汇率风险具有适用性。然后，用VaR参数法对人民币汇率风险进行了实证度量，通过准确性检验发现，GARCH-t模型是度量目前人民币汇率风险的最佳方法，从而进一步应证了我国人民币汇率波动具有时变性和非正态性。

5.学位论文 李妍 我国上市商业银行汇率风险管理研究 2009

20世纪70年代以来，世界经济与金融环境经历了布雷顿森林体系瓦解、金融自由化和金融市场国际化等冲击。随着全球经济竞争的日趋激烈、各国对金融管制的逐渐放松，金融风险急剧增加，汇率出现了前所未有的巨幅波动现象。就我国的情况而言，1994年以后，人民币汇率风险基本由国家承担，商业银行本身几乎不存在汇率风险。2005年7月21日起，人民币汇率不再盯住单一美元，形成了更富弹性的汇率机制。此后，央行又陆续出台了一系列相关政策，进一步推进人民币汇率制度的改革。在此背景下，对作为我国商业银行领头军的上市商业银行汇率风险管理的研究具有重大的现实意义。本文围绕上市商业银行汇率风险管理这一主题，首先论述了商业银行汇

应用VAR模型

率风险管理理论基础，在全面搜集经济学领域中有关汇率风险管理理论的基础上，经过分析、评价和整合，搭建汇率风险的相关理论平台。其次介绍了我国上市商业银行汇率风险管理的现状，包括上市商业银行的基本情况、汇率风险情况和上市商业银行内部汇率风险管理的现状。然后进行了对我国上市商业银行的汇率风险的度量。运用国际上通用的VAR模型对我国上市商业银行的汇率风险进行实证分析，得出各家上市商业银行汇率风险大小的具体数值，直观、清楚地了解各家上市商业银行面临的汇率风险情况。在此基础上，选取汇率风险较大的两家银行和汇率风险较小的两家银行为代表，比较四家银行的基本情况和汇率风险管理情况，根据比较分析的结果从风险管理组织体系和架构、汇率风险管理使用的金融衍生品和汇率风险内部管理三个方面详细分析我国上市商业银行汇率风险管理存在的问题。最后针对上市商业银行在上述方面存在的实际问题，结合国外先进经验，提出了具体的、可行的有利于完善我国上市商业银行汇率风险管理的策略措施。关键词：上市商业银行；汇率风险；风险管理；VAR模型

6.期刊论文 魏金明.陈敏.WEI Jinming.CHEN Min VaR模型在人民币汇率风险度量中的应用 -上海商学院学报2009,10(4)

本文首先从VaR模型的假设前提入手,通过对人民币汇率收益率序列的随机性、正态性和异方差性的综合检验,验证了VaR模型在人民币汇率风险度量中的适用性.随后,分别采用非参数法和参数法两大类共九种VaR方法对人民币汇率风险进行实证度量.最后,通过准确性检验发现,GARCH-t模型是度量当前人民币汇率风险的最优方法.

7.学位论文 王璐 人民币汇率风险度量研究 2007

随着我国对外开放程度的不断加深和对外经济依存度的不断提高，对外汇风险的管理与防范成为一个重要的课题。经济全球化的步伐加快，国际贸易的大幅度增长以及经济实力的增强，国际上要求我国更多的开发资本市场、货币市场以及要求人民币实现自由兑换。同时，我国已经加入了WTO，这要求我们逐步放开外汇市场。随着经济周期的变化，我国的外汇市场将显现出更大的波动性。自2005年7月21日以来，我国开始实行以市场供求为基础，参考一揽子货币进行调节的有管理的浮动汇率制度，对外直接投资企业和外贸企业面临的外汇风险越来越大。我国国民经济发展带动国际贸易的不断增加，人民币正在逐渐成为一种强势货币，最近，国际上的政治势力和经济团体都在向我国施压要求人民币升值。一旦人民币大幅升值，作为汇率价格接受者的金融机构和企业，他们的美元帐户可能缩水，同时出口贸易会受到严重影响，我国拥有的超过万亿的美元外汇储备和庞大的美元外债将受到国际汇市波动的影响。在此背景下，外汇市场风险对于我国金融机构和企业来说必须引起高度的警惕。

在这样的大背景下，国际金融风险管理研究开发了很多风险管理工具，例如，均值方差模型、beta系数法、敏感性分析等，这些方法因其自身的局限性而使得其应用受到了某些限制，因此在这些方法基础上产生的VaR方法成为现在主流的风险度量方法。VaR方法在国际上已经是一种成熟的风险管理方法，被各国的金融机构和企业广泛使用，但是目前我国金融机构和企业真正采用这种方法应用于外汇市场的还不多。VaR值的计算可以有很多方法得到，常常要寻找适合特定市场的计算方法。因此，寻找适合我国外汇市场的VaR风险模型对于国内金融机构或企业强化风险管理、实行国际化经营以及金融监管当局提高监管水平都有重要的意义。VaR提供了衡量市场风险的指标，它通过建立模型，反映出在一定置信水平下金融机构或投资者所持有的投资组合在未来资产价格波动下每日面临的最大可能损失，它的科学、准确、实用等特点有助于我国外汇市场抗风险能力，同时也利于提高我国金融监管水平，保持与国际金融风险监管的同步。从现行机制下的风险度量角度入手，不仅有利于弄清人民币汇率形成机制的优点与缺陷，深化对人民币汇率问题的研究，而且可以为人民币汇率制度长远改革规划和短期汇率政策的制定提供一定的决策参考。本文将国际上的风险管理方法和我国的实际情况相结合，建立起适合我国具体情况的外汇风险度量模型，运用基于VaR 的 GARCH系列模型为我们提供了个很好的分析工具，对我国外汇市场风险度量和管理具有理论和实践上的重要意义。

本文在实证分析前，从公理化的角度定义了风险度量，归纳了风险度量的存在和特性。在风险度量存在性的前提下，风险应具有平移不变性、正齐性、单调性、次可加性、隶属性、可操作性的一系列特性。在实证分析中，通过对人民币汇率市场风险度量模型的评述，结合我国外汇市场风险的特征，建立 VaR 模型度量我国外汇市场风险，并进行返回性检验，最后结合不同类型GARCH模型不同的适用条件，比较分析各个模型，得出如下结论： 1)人民币兑美元、日元、欧元和港币四种外汇收益序列均具有尖峰厚尾现象，对于收益分布的拟合，广义误差分布呈现出较好的拟合效果，计算的VaR值均通过了检验。

2) 对 GARCH 类模型来说，其对于序列波动性及尖峰厚尾特性的捕捉要明显优于收益分布模型。基于正态分布的GARCH类模型，由于正态分布的尾部较薄，随着置信度下降，容易造成对风险的低估，这在下侧VaR值的失败率检验的结果中可以得出此结论，在附表中可以看出置信区间在1％时，正态分布出现了严重的低估。在三个置信水平上，基于T分布和 GED 分布的GARCH 类模型总体效果较好，大多数都通过了检验，但由于T分布有较厚的尾部，因此对风险总体产生了一定的高估。而基于GED分布的模型随着置信度的变化，检验结果较为稳定，均能较准确的反映序列的风险值。

3) 本文采用了 GARCH 和 EGARCH 两种模型对VaR风险进行度量，从结果中可以看出，两种模型的结果十分接近，这正说明人民币汇率收益序列的EGARCH 模型中的杠杆效应并不明显，反映出我国汇率还处在有管理的浮动制度下。

4)从以上分析可以看出，四种序列的广义误差分布的收益序列模型均通过了失败率检验，但都产生了一定的高估，对于人民币兑港币序列，由于基于GED分布的GARCH类模型对风险度量产生了较大的低估，所以选用基于T分布的GARCH类对其风险进行度量，其余三种收益序列的基于GED的GARCH类模型效果较好，可以很好的描述风险的特征。

从这些结论我们可以得到，分布收益模型计算较为简单，而且对VaR的测算为一条直线，这样可以在一个很稳定的风险区间内进行预测，但不能反映序列的时间波动性，对风险的估计往往也不够准确，这就需要GARCH类模型对收益率序列的动态描述，这种时变性往往又使得对风险的捕捉较为复杂，不利于实际操作。因此，在实际应用中，往往两类模型结合使用，在确定风险大体区间内，捕捉风险的时变性。

本文链接：/Periodical_shangyyj200916029.aspx授权使用：中国人民大学(zgrmdx)，授权号：e5e00e84-8918-4e67-aeb7-9e13016e788c

下载时间：2010年10月18日

本文来源：https://www.bwwdw.com/article/qlsm.html