试议人民币汇率基于GARCH类模型VaR策略对人民币汇率风险计量网

论文导读：
摘 要：随着我国汇率制度改革的不断推进，人民币汇率的波动日趋频繁。我国对外经济贸易的飞速发展以及高额的外汇储备使得汇率风险的控制与防范成为当务之急，选择合理的外汇风险计量与预测的方法是外汇风险防范的重要前提。本文选取2010年6月19日至2012年6月19日期间485个交易日人民币兑美元汇率的中间价，选用基于GARCH类模型的VaR模型对人民币波动的风险进行计量，并通过准确性检验，得出人民币汇率风险计量的最优模型。
关键词：汇率波动 GARCH类模型 VaR
一、引言
随着经济全球化的发展，汇率作为连接各国之间经济和贸易的纽带，其波动一直是市场主体关注的重点。2005年7月21日，我国开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。此次汇改以来，人民币兑美元等单一货币的双边汇率波动日趋频繁。以美元为例，从05年7月至今，人民币兑美元汇率升值幅度为25%左右。同时，随着我国对外经济与贸易的不断发展，我国外汇储备余额逐年攀升，外汇风险的控制与防范成为当务之急。
外汇风险指由于汇率未预见的变动导致资产、负债和营运收入的本币价值发生变动的情况。与其他金融资产类似，外汇的风险通常用汇率的波动率来衡量，汇率的波动越大，预期的收益率越大，汇率风险也越大。风险估值（Value at Risk，简称VaR）是一种用于测量和控制金融风险的量化工具，其最大的优点在于它的简明性、综合性及可理解性，将市场风险概括为一个简单的数字。菲利普·乔瑞（2000）对VaR的定义可表述为：在正常的市场条件下，给定的置信水平的一个持有时间内某种风险资产的最坏预期损失。本文将选用基于GARCH类模型的VaR模型对人民币波动的风险进行计量，并通过准确性检验职称论文范文www.7ctime.com
，得出人民币汇率风险计量的最优模型。

二、GARCH类模型简介

大量的实证研究表明，实际的金融数据具有时变风险的特征，其波动的当期水平往往与它最近的前些时期水平存在正相关关系，呈现出一定的丛聚性，有明显的异方差特征。因此，对金融数据的时变特征主要采用能够刻画条件异方差的GARCH类模型进行描述，以提高VaR估计的准确度。

1.GARCH模型

GARCH类模型最早是Engle（1982）提出的ARCH模型。Bollerslev（1986）扩展了Engle的原始模型，引入了一种允许条件方差转化成一个ARMA过程的方法，即广义自回归条件异方差（Generalized ARCH， GARCH）模型。在GARCH模型中，要考虑两个不同的假设：一个是条件均值；一个是条件方差。GARCH（p， q）模型可以表示为：
rt=μ+εt ，其中εt=yt
ht=α0 ++
上式中，条件方差由三部分组成：（1）常数项α0；（2）用均值方程的残差平方的滞后项来度量从前期得到的波动性信息（ARCH项）；（3）前期的预测方差ht-j（GARCH项）。参数q是ARCH项的阶数；p是自回归GARCH项的阶数；α0>0， ≥0， ≥0。

2.TGARCH模型

TGARCH模型，或者门限（Threshold）ARCH模型作为GARCH模型的简单扩展，加入了解释可能的非对称性的附加项，其条件方差方程为：
ht=α0 ++ + γDt
上式中，Dt表示绝对残差变化方向的虚拟变量，当εt-10）和坏消息（εt-10，则说明存在杠杆效应；若γ≠0，则表明信息是非对称的。

3.EGARCH模型

另一种非对称的GARCH模型是Nelson（1991）提出的指数GARCH模型（Expoential GARCH），其条件方差为：
lnht=α0 + + +
这里，若γ<0，则说明存在杠杆效应，即金融资产受负的冲击比正的冲击引起更大的波动；若γ≠0，则冲击的影响是非对称的。

三、实证分析

1.数据的选取与处理

2005年7月21日起，我国开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。几年来，人民币汇率形成机制改革有序推进，取得了预期的效果，发挥了积极的作用。2010年6月19日，中国人民银行宣布进一步推进人民币汇率形成机制改革，增强人民币汇率弹性。由于我国高额的外汇储备中，美元资产占70%左右，而且美元作为国际货币在全球外汇储备中所占比例也相当高。
首先对原始数据进行处理，{yt}表示人民论文导读：为4.007218，大于正态分布的峰度值3；偏度值为-0.069129<0，呈现一定的左偏特征；同时，J-B统计量为20.84433，其概率值很小，可以判定该序列不服从正态分布。因此，本文将在后面的计算中假定时间序列呈t-分布和GED-分布进行实证研究。（2）平稳性检验其次，对收益率序列{rt}进行单位根（ADF）检验，验证其平稳性。结果表明，该序列
币兑美元汇率时间序列，对其取对数后进行一阶差分，得出rt= lnyt- lnyt-1即可表示人民币兑美元的日收益率。

2.数据的检验与分析

（1）正态性检验
经过数据分析发现，人民币兑美元的日收益率序列的峰度值为4.007218，大于正态分布的峰度值3；偏度值为-0.069129<0，呈现一定的左偏特征；同时，J-B统计量为20.84433，其概率值很小，可以判定该序列不服从正态分布。因此，本文将在后面的计算中假定时间序列呈t-分布和GED-分布进行实证研究。
（2）平稳性检验
其次，对收益率序列{rt}进行单位根（ADF）检验，验证其平稳性。结果表明，该序列在各置信区间均拒绝存在单位根的原假设，所以人民币兑美元日收益率序列是平稳的。
（3）自相关检验
对汇率日收益率序列进行自相关性的检验，结果表明序列的自相关和偏自相关系数均落入两倍的估计标准差内，且Q-统计量对应的p值均大于0.05，故序列在5%的显著性水平下接受原假设，不存在显著的自相关性。因此，将均值方程设定为白噪声。源于：论文结论www.7ctime.com