（金融学专业论文）VaR在外汇市场中的应用.pdf

i i i il l pi r lr lrl li ii i f li y 1715 3 4 0 t h e s t u d y o fv a ri nf o r e i g ne x c h a n g e m a r k e t 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导 下，独立进行研究工作所取得的成果。除文中已经注明引用的 内容外，本论文不含任何其他个人或集体己经发表或撰写过的 作品成果。对本文所涉及的研究工作做出重要贡献的个人和集 体，均已在文中以明确方式标明。本人完全意识到本声明的法 律责任由本人承担。 特此声明 学位论文作者签名： 向南暂 驯。年，月如日 学位论文版权使用授权书 本人完全了解对外经济贸易大学关于收集、保存、使用学 位论文的规定，同意如下各项内容：按照学校要求提交学位论 文的印刷本和电子版本；学校有权保存学位论文的印刷本和电 子版，并采用影印、缩印、扫描、数字化或其它手段保存论文； 学校有权提供目录检索以及提供本学位论文全文或部分的阅览 服务；学校有权按照有关规定向国家有关部门或者机构送交论 文；在以不以赢利为目的的前提下，学校可以适当复制论文的 部分或全部内容用于学术活动。保密的学位论文在解密后遵守 此规定。 学位论文作者签名： 何$ 秀争 导师签名：汤1f 韵 一、 v 讪( q 年j 其洳日 如o 年, j - - 月汐日 摘要 进入2 1 世纪，我国成功加入了世贸组织，并在2 0 0 5 年进行了卓有成效的 汇率改革。随着国际商贸往来同渐频繁以及外汇汇率波动幅度相对增大，我国 有着结汇需求的非金融机构所面临的外汇风险日益严峻。近些年来，由于国际 经济环境极其脆弱，各种形式的经济危机横跨各大洲接二连三的爆发，外汇市 场风起云涌。各主要货币间的汇率波动的幅度与频率均大幅增加。很多金融机 构在这样的险恶环境中都未能独善其身，而各类有结汇需求的非金融机构则更 是损失惨重。大到上市公司，小到涉外办事处，我国境内众多的非金融机构都 曾或多或少的经受了汇率波动导致的结汇损失所带来的打击，部分企业甚至由 此一蹶不振。 本文将采用实证方法，利用v a r 模型对五种主要货币与人民币的汇率近三 年来的数据进行分析，利用由v a r 改进得出的p o r 对不同货币与人民币之间的 远期汇率与即期汇率的风险大小进行比较，并应用g a r c h 模型对美元和欧元进 行分析及预测，通过分析不同货币与人民币之间汇率风险的大小以及探寻如何 山 应用远期汇率结汇来规避外汇风险，从而帮助我国非金融机构及时有效的应对 外汇风险。 关键词：外汇风险，v a r ，g a r c h 模型 a b s t r a c t i n t ot h e21s tc e n t u r y , c h i n ah a ss u c c e s s f u l l yj o i n e dt h ew t o ，a n di n2 0 0 5c h i n a h a sf r u i t f u l l yc a r r i e do u te x c h a n g er a t er e f o r m w i t ht h ei n c r e a s i n gf r e q u e n c y i n t e r n a t i o n a lb u s i n e s st r a n s a c t i o n sa n dt h er e l a t i v ei n c r e a s i n gi nf o r e i g nc u r r e n c y e x c h a n g er a t ef l u c t u a t i o n s ，m a n yo fo u rn o n f i n a n c i a li n s t i t u t i o n sw i t hs e t t l e m e n t n e e d sa r ef a c i n gd a y b yd a ys e r i o u sf o r e i g ne x c h a n g er i s k d u et ot h eu n s t a b l e i n t e m a t i o n a le c o n o m i ce n v i r o n m e n t ，v a i l o u sf o r m so fe c o n o m i cc r i s i sb r o k eo u t a c r o s st h ew o r l do n ea f t e ra n o t h e r f o r e i g ne x c h a n g em a r k e t d r a s t i c a l l yc h a n g e di n r e c e n ty e a r s a m o n gm a j o rc u r r e n c i e s ，t h ee x c h a n g er a t ef l u c t u a t i o n sb e t w e e nt h e m a g n i t u d ea n df r e q u e n c yh a v ei n c r e a s e ds i g n i f i c a n t l y m a n yf i n a n c i a li n s t i t u t i o n si n s u c ha d a n g e r o u se n v i r o n m e n tc o u l dn o tb ee x e m p t e d ，a n ds o m en o n f i n a n c i a l i n s t i t u t i o nw i t hm o r es e a l e m e n td e m a n ds u f f e r e dm o r el o s s e s w h e t h e r l a r g el i s t e d c o m p a n i e so rs m a l lr e p r e s e n t a t i v eo f f i c eo ff o r e i g nc o m p a n i e s ，al a r g en u m b e ro f n o n - f i n a n c i a li n s t i t u t i o n sh a v em o r eo rl e s sh i tb yt h el o s so fs e t t l e m e n t ，s o m e e n t e r p r i s e sa r ee v e nf a c i n gb a n k r u p t c i e s t h i sp a p e rw i l lu s e e m p i r i c a lm e t h o d sa n dv a r m o d e l st oa n a l y z et h ed a t e so f e x c h a n g er a t eb e t w e e nf i v em a j o rc u r r e n c i e sa g a i n s tr m bi nt h el a s tt h r e ey e a r s ，a n d u s et h ep o rw h i c ho b t a i n e df r o mv a rt oc o m p a r et h ee x c h a n g er a t er i s kb e t w e e n r m ba n dd i f f e r e n tc u r r e n c i e s ，a n dt oc o m p a r et h er i s ko ft h ef o r w a r de x c h a n g er a t e a n dt h er e c e n te x c h a n g er a t e t h i sp a p e rw i l la p p l yt h eg a r c hm o d e lf o ra n a l y s e sa n d p r e d i c to i lt h eu s d o l l a ra n dt h ee u r o b ya n a l y z i n gt h ee x c h a n g er a t er i s kb e t w e e nd i f f e r e n t c u r r e n c i e sa n dr m bt of i n do u th o wt oa p p l yt h ef o r w a r de x c h a n g er a t et oa v o i df o r e i g n e x c h a n g es e t t l e m e n tr i s k ，a n dt oh e l po u rn o n - f i n a n c i a li n s t i t u t i o n st or e s p o n dt i m e l ya n d e f f e c t i v et ot h er i s ko ff o r e i g ne x c h a n g er a t e k e y w o r d s ： f o r e i g ne x c h a n g er i s k ，v a r ，g a r c hm o d e l i l 目录 第一章引言1 1 1 概述1 1 2 现实的风险2 1 3 数据来源3 1 4 研究方法4 第二章人民币汇率v a r 与p o r 5 2 1 人民币汇率v a r 分析5 2 2p o r 的引入及应用6 2 3 远期汇率与即期汇率p o r 的比较8 第三章应用g a r c h 模型预测v a r 1 0 3 1v a r 模型的发展1 0 3 2g a r c h 模型的应用与预测结果1 2 第四章结论及应用1 5 4 1 结j 沧1 5 4 2 现实意义1 6 参考文献1 7 附录a 主要货币与人民币汇率v a r 图表1 9 附录b 主要货币与人民币汇率p o r 图表2 4 致谢3 0 l i i 第一章引言 1 1 概述 自从2 0 0 1 年我国正式加入世界经济贸易组织以来，国际经贸往来日渐频 繁。在所有的经济贸易活动中，货币兑换都是一个重要的环节。尤其是在2 0 0 5 年7 月2 1 日之后，我国实行了新的浮动汇率制度，由过去单一的盯住美元汇率 制度改为“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”。新的浮动汇率制度增强了人民币汇率的弹性，加大了企业所面临的外汇 风险1 ，对我国有汇兑需求的众多非金融机构的运营管理提出了严峻的挑战。 曾经长期习惯了盯住单一美元汇率制度的非金融机构对汇率风险的理解和 认识不够深入，也未引起足够的重视，同时由于我国众多涉外非金融机构普遍 缺乏能够有效管理外汇风险的人才，再加上用于评估汇率风险的方法与工具相 对复杂，市场上也缺乏规避汇率风险的金融衍生品，因此在新的浮动汇率制度 下，我国众多的涉外非金融机构暴露了巨大的外汇风险敞口。对我国很多涉外 非金融机构而言，汇兑风险已成为其经营管理中的一项重要风险，如果处理不 当，轻则将利润损失殆尽，重则可能破产倒闭。 在八十年代末九十年代初金融衍生品大行其道挑战金融监管能力的背景下 诞生的v a r ( v a l u ea tr i s k ) 模型，自从1 9 9 3 年问世以来，就被国外大多数金融 与非金融机构作为风险评估工具广泛的应用于金融产品市场中。最近几年，国 内的学者也越发的关注v a r 模型的研究及其应用，但关注的角度主要是集中在 银行等金融机构领域。本文将在前人的研究成果下继承创新，研究v a r 模型在 我国现行的有管理的浮动汇率制度下的应用以及其对有兑汇需求的非金融机构 的现实意义。 1 2 现实的风险 汇兑风险并不是一把高悬在上的达摩克利斯之剑，而是在现实中每天都在 造成损失的一种常见风险。根据上市公司年报统计显示，我国非金融机构上市 公司在2 0 0 5 年因汇兑产生的损失高达1 6 6 3 亿元。这个数字在2 0 0 6 年增长到 1 9 3 亿元，在2 0 0 7 年更是猛增到5 8 6 1 亿元，其中中国石油一家公司全年的汇 l 谢非：浮动汇率制度下企业外汇风险度量研究，重庆工学院学报，2 0 0 8 年第五期。 l 1 一 一 兑损失就达到了8 6 6 亿。这个数字在2 0 0 8 年上半年更是创纪录的达到了5 2 6 3 亿元，2 0 0 8 年全年竟高达6 7 2 4 亿元。 虽然自2 0 0 5 年我国汇率改革以来，上市公司总体的汇兑收益大于汇兑损 失，但必须要注意的是，上市公司的经营管理水平要大大高于为数众多的非上 市公司。因此不能笼统而论认为我国企业总体的汇兑收益大于汇兑损失。下面 是一些我国企业由于汇兑风险造成损失的具体案例，样本中即有国内上市公司， 也有在海外上市的主要业务在中国境内的公司，还有普通的中小企业。 来自中国家电行业协会的数据显示，2 0 0 6 年人民币升值给国内家电行业至 少带来了近1 0 亿元的利润损失。四川长虹和美的电器的年报显示，2 0 0 6 年两 家上市公司的汇兑损失分别达到7 7 0 6 万元和4 7 0 2 万元，而两家公司同期的净 利润只有3 0 6 亿元和5 0 5 亿元。其中。四川长虹的汇兑损失高达当期净利润的 四分之一。 2 0 0 8 年，兖州煤业集团及其附属公司汇兑损失3 2 9 亿元，其中：公司汇兑 损失1 3 亿元，兖州煤业澳洲分公司汇兑损失1 9 9 亿元。据兖州煤业发布的公 告显示，产生汇兑损失主要原因是：本期人民币兑美元等主要货币升值约6 4 ， 使公司本部外币货币资金产生汇兑损失约0 6 4 亿元，对兖州煤业澳洲公司委托 贷款和代垫设备款等产生汇兑损失0 6 6 亿元。而兖州煤业澳洲公司产生汇兑损 失主要原因是澳元兑美元大幅贬值，公司对其委托贷款和代垫设备款等产生汇 兑损失1 4 9 亿元，银行贷款产生汇兑损失1 4 2 亿元，应收账款等产生汇兑收益 0 9 2 亿元。 同样是在2 0 0 8 年，中国中铁的年报显示公司全年汇兑损失竟然高达4 1 3 7 亿元，约为其同期净利润的2 5 倍。中铁的副总裁兼财务总监李建生对产生如 此巨大的汇兑损失解释说，因为外汇政策的原因，公司2 0 0 8 年在h 股所募集 的资金未能及时调回内地，所以带来了较大的汇兑损失。 兀o 2 4 1 0 企业 还包括各类涉外办事机构。汇兑损失对涉外办事机构造成的影响也是不可忽视 的，只不过这类的损失很少见于公开的新闻报道之中。为了全面的理解汇兑损 失对我国非金融机构的影响，笔者特地深入走访了一些涉外办事机构。 笔者调研过的国外行业协会驻中国代表处，每年的预算在前一年9 月报给 欧洲总部，欧洲总部按核准的预算金额分四次在每年的1 月、4 月、7 月、1 0 月初，以欧元支付。2 0 0 8 年底，其中国代表处按照1 欧元兑1 0 元人民币的汇 率制定了2 0 0 9 年的预算，并得到了总部的批准，不料2 0 0 9 年欧元一路下跌， 导致其全年汇兑损失数十万元人民币，超过其预算的百分之十，对其正常的运 转造成了极大的影响，不得不在年底向总部申请追加一笔特别预算才能完成全 年工作。 1 3 数据来源 由于本文的研究对象是我国有汇兑需求的非金融机构，因此选择了中国银 行的即期外汇牌价和远期外汇牌价作为数据来源。每日即期和远期外汇牌价以 当日收盘价为准。选取中国银行的外汇牌价作为数据来源是由于在笔者的调研 中绝大多数企业都选择中国银行作为结汇行，并且中国银行是我国最早开展远 期外汇交易业务的商业银行，也是2 0 0 5 年人民币汇率改革之后的首批人民币做 市商。 由于本文研究的对象是我国有着汇兑需求的非金融机构，因此在建立模型 计算v a r 时只考虑单一外币与人民币的汇率，组合汇率和交叉汇率不在本文的 研究范围之内。为了便于研究和说明问题，本文选择了美元、欧元、英镑、日 元和港币这五种主要外币兑人民的汇率进行研究，当然，同样的研究方法也适 用于其它外币与人民币的汇率，但由于不同货币兑人民币汇率的变化趋势与变 化幅度都不尽相同，因此本文所得出的结论对其它货币兑人民的汇率未必适用。 本文所所采用的即期汇率选取的时间段为2 0 0 7 年1 月1 日至2 0 0 9 年1 2 月 3 1 日，因为2 0 0 5 年7 月2 1 日汇率改革之后，2 0 0 5 年当年和2 0 0 6 年各主要外 币兑人民币的汇率变化较大，这种变化是市场对汇率改革政策的一种反应，并 不具有延续性，因此本文选取了2 0 0 7 年1 月1 日之后的美元、欧元、英镑、日 元和港币兑人民币的即期汇率。由于人民币远期汇率数据来源有限，因此本文 只选择了2 0 0 9 年1 月1 日至2 0 1 0 年1 2 月3 1 日五种主要外币兑人民币的远期 汇率数据进行研究。虽然远期汇率的时间段较短，只有一年，但是由于本文主 要使用即期汇率进行v a r 等模型的构建与分析，远期汇率只用来辅助说明远期 结汇对非金融机构规避外汇的价值，因此并不影响本文模型的有效性。另外在 实际应用中，对非金融机构而言，当天的远期汇率与即期汇率都是已知的数据， 并不需要建立模型进行预测，而构建模型时只需要历史上的即期汇率，因此历 史上远期汇率数据的缺失也不会影响非金融机构对本文研究结果的应用。 为了便于计算和说明问题，本文所选取的汇率单位都为“人民币1 0 0 外币”， 无论是即期还是远期汇率，都只选取中间价。 1 4 研究方法 本文的第二章将采用实证研究的方法首先应用历史模拟法对所选取的五种 主要货币与人民币的即期汇率整理计算得出各货币与人民币之间1 至3 6 0 天的 v a r ，并绘制相应时间段内的v a r 图形，再对得出的数据和图形进行分析和对 比，寻找各货币与人民币之间v a r 变化规律并寻求利用此规律帮助我国非金融 机构避免外汇风险的措施。本文在实际研究中发现v a r 在比较不同货币的汇率 风险时存在一定的缺陷，因此将v a r 进行了一些改进，使用p o r ( p r o p o r t i o n o f r i s k ) 进行不同货币汇率之间的比较，并取得了很好的效果。 本文的第三章将在继续采用实证研究的方法利用g a r c h 模型对所选取的 原始数据中的美元和欧元的即期汇率进行分析，分别得出数据范围外下一交易 日美元与欧元的v a r ，并判断美元与欧元兑人民币汇率的稳定性。同时这种方 法也可在实际中预测超短期( 1 天内) 的v a r 。 本文的第四章将归纳总结各章节所得出的结论，并着重讨论在现实中的非 金融机构应该如 2 1 人民币汇 v a r 法是由 市场正常波动条 一段时间内的最大可能损失p 。可表示为：p r o b ( ap v a r ) = i c 2 本文首先才用简单的历史模拟法对2 0 0 7 年1 月1 日至2 0 0 9 年1 2 月3 l 同 的人民币即期汇率进行分析，分别得出了置信度为1 0 0 和9 9 时，人民币与 五种主要外币之间使用即期汇率在远期结汇所面临的双向( 买入与卖出) 的 v a r ，并以远期时间间隔为自变量( 1 至3 6 0 天) ，v a r 为因变量，绘制了相应 的v a r 曲线图3 。 历史模拟法是借助于计算过去一段时间内的风险收益的频率分布，找到历 史上一段时间内的资产组合的平均收益，以及既定置信水平下的最低收益水平 计算v a r 的值，具有简单直观、便于计算的特点4 。应用历史模拟法计算v a r 的缺点主要有二：一是历史数据的时间跨度长短难以确定，如果时间跨度太短， 历史数据的样本容量就会太小，从而估计误差比较显著，反之如果时间跨度很 长，样本容量大，这样构造的分布图会比较细致，但经过这么长时间那些影响 收益率分布的潜在因素可能已经发生了很大变化，很难相信样本中的数据还是 来自同一个分布；二是该方法对远期数据和近期数据给予同等的重视，忽视了 近期数据对组合价值影响更大的事实5 。本文在此之所以选择历史模拟法是因为 在这章节中只是分析最近三年外汇风险的大小并与远期外汇合约的风险大小做 比较，并非预测未来某一汇率的v a r ，因此对模型的精确性要求不高，主要考 虑的是模型的便捷性与可操作性。 通过对前文得出的v a r 曲线图的分析，可以得出如下结论： 第一，人民币正处于升值过程中，除日元兑人民币外，其它四种货币兑人 民币的v a r 总体上随间隔增大而明显增加，而人民币兑上述四种货币的v a r 在 9 0 天至3 6 0 天之间呈现波动状态，并无显著增势。 第二，人民币与美元与港币间的汇率比与其它三种货币的汇率稳定，一方 面我国虽然实行了“参考一篮子货币进行调节、有管理的浮动汇率制度 ，但显 然美元在一篮子货币中所占的比重最大，而港币又实行的是盯住美元的汇率政 策，所以人民币与美元和港币间双向的v a r 相对于其它三种货币而言都很小。 由于v a r 使用的是绝对值来衡量风险的大小，因此在应用v a r 分析汇率风 2 谢非：浮动汇率制度下企业外汇风险度量研究，重庆工学院学报，2 0 0 8 年第5 期。 3 参见附录a 。 4d u f f l ed ，p a nj ，“a no v e l w i e wo f v a l u ea t r i s k ”，j o u r n a lo f d e r i v a t i v e s ，1 9 9 7 - 4 5 秦拯，陈收，邹建军：v 出模型的计算方法及其评析，系统工程，2 0 0 5 年7 月。 险时，由于不同货币的价值不同，因此不同种货币之间的v a r 无法直接进行比 较。另外，由于每同的汇率都在不断变化，因此通过历史模拟法得出v a r 存在 着固有误差，这种误差随着汇率波动的增加而增加。为了消除上述两个v a r 在 外汇市场中应用时的缺点，便于下文分析问题，需要将v a r 进行一定的改进。 2 1p o r 的引入及应用 种最为简单有效地方法就是将用绝对值表示的v a r 替换成用相对比例表 示的p o r ( p r o p o r t i o no fr i s k ) 。p o r 是指在市场正常波动条件与在一定的概率 水平( 置信度) 下，某一资产在未来特定的一段时间内的最大可能损失的比例， 可表示为：p r o b ( a p p o r ) = i c p o r 准确的说不是一种新的模型，而是v a r 的另一种表示方式，其原理与 思路都与v a _ r 一致，只是在计算过程中略有不同。以在外汇市场中对汇率进行 历史模拟法为例：计算v a r 时先对观测期内t 间隔的即期汇率相减得出一组差 值，再对这组差值排序并按照置信度计算出t 间隔畎；而计算p o r 时则先对 观测期内t 间隔的即期汇率相减得出一组差值，再将差值除以相应的被减数( 即 二用第n + t 天的即期汇率减去第n 天的即期汇率的得到的差除以第n 天的汇率) 得到一组t 间隔时汇率变化的比例，再对这组比例排序并按照置信度计算出t 间隔的p o r 。 通过上述方法计算出的p o r 可以有效消除由于汇率波动产生的误差，同时 采用比例的方式表示风险与基数无关，因此便于比较不同币种与人民币之间的 汇率风险。因此，我们将本文选取的数据使用p o r 的方法计算并绘制了人民币 与五种主要外币问汇率的p o r 随间隔时间变化的图表。6 利用p o r 图表可以直观的分析比较不同货币与人民币之间的汇率风险的大 小以及随间隔时间的变化趋势。通过对p o r 数据和图表的分析可以得到以下结 论： 第一，英镑兑人民币风险最大，即使在9 9 的置信度下，一年期的英镑兑 人民币p o r 也超过了5 0 ，约为同期欧元兑人民币p o r 的两倍，美元和港币兑 人民币p o r 的五倍。 第二，在三个月至一年之间，除日元外，其它四种货币兑人民币的p o r 均 6 见附录b 。 6 大于人民币兑该种货币的p o r ，而同元则恰恰相反。 第三，在九个月至一年之间，同元的p o r 最低，并且随着间隔时间的增加 呈现波动向下的走势。 第四，人民币兑美元或港币的p o r 在一天至一年的任意间隔中都保持在很 低的水平，在1 0 0 的置信度下最高不到1 2 。 以上结论表明除人民币兑美元与港币进行远期结汇风险较小外，人民币兑 其它主要货币以及五种主要货币兑人民币的远期结汇风险均十分显著。这个结 论证实了有结汇需求的我国非金融机构确实面对着巨大的外汇风险。 在使用远期外汇合约时规避外汇风险的一个简单的方法就是选择外汇风险 相对较小的货币进行远期结汇，比如进口企业可以选择美元或港币进行支付， 而出口型企业和国际驻华机构可以在中短期( 六个月或六个月以内) 选择美元 或港币结汇，中长期( 六个月以上) 选择日元进行结汇。但是在实际应用中， 我国很多有着结汇需求的非金融机构并没有选择结汇货币的话语权。比如出口 企业向英国出口产品，几乎必须要在远期用英镑进行结汇；再比如前文提到的 某行业协会驻中国代表处，因其总部设在欧洲，所以预算必须要换算成欧元， 也只能在远期用欧元进行结汇。 当面对无法回避的汇率风险时，使用远期外汇合约的方式锁定远期汇率已 达到防范外汇风险的目的，是一种较为简单的方式。但是笔者在调研中发现很 多非金融机构并不愿意使用这种方式来回避外汇风险，其原因主要有二。一是 当远期外汇牌价低于即期外汇牌价时，认为选择远期外汇合约在汇率上将无法 获得潜在收益；二是认为汇率的波动既是风险也是机遇，寄希望于未来的汇率 朝着有利于自己的一面变化，从中获取额外收益。正因为如此，很多非金融机 构在有几乎出手堵住外汇风险敞口的时候犹豫不决，最终导致巨额的结汇损失。 2 3 远期汇率与即期汇率p o r 的比较 为了验证使用远期外汇合约的方式是否能够有效避免外汇风险，本文选取 了中国银行2 0 0 9 年全年各期限( 7 天、3 0 天、9 0 天、1 8 0 天、2 7 0 天和3 6 0 元) 的远期外汇牌价，通过计算远期外汇牌价与当日即期外汇牌价的p o r ，对比通 过历史模拟法得出相应期限即期汇率的p o r ，用来检验远期外汇合约对回避外 汇风险的有效性。通过对数据的整理，得出了远期汇率与即期汇率p o r 数据表。 再通过对数据表的分析，可以的得出如下结论： 7 第一，美元兑人民币各期限的远期汇率的p o r 均小于即期汇率的p o r ；人 民币兑美元9 0 天及以下各期限的远期汇率的p o r 小于即期汇率的p o r ，1 8 0 天 及以上各期的远期汇率的p o r 大于即期汇率的p o r 。 第二，欧元、英镑、同元三种货币兑人民币的各期限远期汇率，以及人民 币分别兑欧元、英镑、日元的各期限远期汇率p o r 均小于即期汇率p o r 。 第三，港币兑人民币各期限的远期汇率的p o r 均小于即期汇率的p o r ；人 民币兑港币1 8 0 天及以下各期限的远期汇率的p o r 小于即期汇率的p o r ，2 7 0 天 和3 6 0 天的远期汇率的p o r 大于即期汇率的p o r o。 ， 通过对上述历史数据处理分析后的研究表明，除1 8 0 天、2 7 0 天、3 6 0 天的 人民币兑美元以及2 7 0 天和3 6 0 天的人民币兑港币的远期汇率的p o r ，大于即 期汇率的p o r ，没有必要使用远期外汇合约的方式规避汇率风险外，其它情况 下采用远期外汇合约规避外汇风险的措施是有效的。 表卜1 美元与人民币间远期汇率p o r 与即期汇率p o r 数据 七天一个月三个月六个月九个月 一年 美 即期汇率 置信度1 0 0 9 6 0 8 6 6 2 0 7 7 4 3 4 2 7 4 8 4 1 0 1 6 8 1 1 1 4 8 兀 p o r 置信度9 9 o 7 5 1 1 7 2 0 4 2 0 1 7 3 4 3 9 8 7 1 1 0 9 6 2 兑 人 置信度1 0 0 o 1 3 7 0 1 5 7 0 3 2 7 0 4 7 5 0 5 3 5 0 6 6 4 民 远期汇率 币p o r 置信度9 9 0 1 1 l o 1 5 l 0 2 8 4 0 4 0 7 o 5 1 8 o 6 4 5 人即期汇率 置信度1 0 0 0 4 5 7 0 7 5 9 0 5 3 8 0 4 3 2 0 4 6 7 0 3 8 4 民 p o r 置信度9 9 0 3 3 6 0 5 2 5 0 2 7 0 0 2 1 4 0 1 9 5 0 1 3 0 币 兑 置信度1 0 0 0 1 7 4 o 1 1 l 0 1 5 2 0 5 0 2 1 2 2 0 1 6 5 4 美 远期汇率 元p o r 置信度9 9 0 0 5 4 0 0 6 7 0 1 3 3 0 4 2 6 1 0 4 4 1 6 2 6 表1 - 2 欧元与人民币间远期汇率p o r 与即期汇率p o r 数据 七天一个月三个月六令r九个月 一年 欧 即期汇率 置信度1 0 0 8 0 3 1 1 6 1 1 4 2 5 4 8 2 2 8 8 9 8 2 7 4 3 3 2 9 3 8 4 元 p o r 置信度9 9 5 9 0 4 1 0 5 9 5 2 2 0 8 6 2 7 0 3 7 2 5 8 4 3 2 8 1 9 3 兑 人 置信度1 0 0 2 1 8 2 2 2 0 9 2 2 7 9 2 3 5 8 2 4 4 5 2 4 9 8 民 远期汇率 币p o l l 置信度9 9 2 0 2 7 1 9 2 0 1 9 4 7 1 9 7 3 2 0 9 7 2 2 4 7 人 即期汇率 置信度1 0 0 9 5 4 2 1 2 6 0 7 1 1 7 1 6 1 3 2 6 8 1 6 7 0 1 1 7 3 3 5 民 p o r 置信度9 9 5 0 9 9 9 8 7 5 9 9 3 1 1 2 4 2 0 1 5 6 9 7 1 6 0 0 0 币 兑 置信度1 0 0 1 9 0 8 1 8 9 0 1 8 7 0 1 9 2 0 1 9 1 3 2 2 0 7 欧 远期汇率 元p o r 置信度9 9 1 2 9 0 1 2 6 3 1 3 1 3 1 4 9 5 1 5 1 1 1 8 9 3 8 表1 - 3 英镑与人民币间远期汇率p o r 与即期汇率p o r 数据 七天一个月三个月六个月九个月 一年 英 即期汇率 置信度1 0 0 0 , 6 1 0 8 9 5 1 7 9 7 3 2 7 9 7 2 4 3 4 2 7 4 6 5 3 9 5 2 6 3 6 镑 p o r 置信度9 9 6 5 3 8 1 5 8 9 8 2 5 4 6 0 3 7 。5 5 6 4 2 0 9 4 5 0 5 7 3 兑 人 置信度1 0 0 2 3 6 5 2 3 6 6 2 3 4 9 2 3 0 0 2 2 7 6 2 2 4 5 民 远期汇率 币p o r 置信度9 9 1 4 9 1 1 5 2 5 1 5 0 0 1 5 8 3 1 3 9 0 1 5 0 7 人 即期汇率 置信度1 0 0 5 0 5 2 9 8 0 7 1 5 7 0 8 1 6 0 8 6 1 6 3 5 6 1 2 2 8 0 民 p o r 置信度9 9 4 1 0 6 8 1 5 2 1 4 2 6 5 1 5 4 5 6 1 4 9 1 7 1 1 0 7 1 币 兑 置信度1 0 0 3 6 4 7 3 6 4 9 3 5 6 6 3 5 3 8 3 4 2 8 3 4 0 8 英 远期汇率 镑p o r 置信度9 9 3 6 4 7 3 6 4 9 3 5 6 6 3 5 3 8 3 4 2 8 3 4 0 8 表1 - 4 日元与人民币间远期汇率p o r 与即期汇率p o r 数据 七天一个月三个月六个月九个月一年 日 即期汇率 置信度1 0 0 9 6 6 2 3 1 1 1 1 4 6 1 4 5 9 9 1 4 0 6 7 1 0 9 2 7 6 9 5 0 元 p o r 置信度9 9 0 , 6 4 1 6 1 8 2 8 9 1 1 7 7 6 1 0 4 7 4 8 3 5 7 5 6 5 0 兑 人 置信度1 0 0 0 , 6 2 1 9 3 2 1 6 6 2 2 0 8 2 3 5 0 2 6 2 1 3 0 0 0 民 远期汇率 币p o r 置信度9 9 2 0 5 6 2 1 1 0 2 1 4 3 2 2 6 3 2 5 4 8 2 9 3 3 人 即期汇率 置信度l o o 8 4 3 9 1 1 4 5 1 1 7 7 2 6 1 8 3 5 8 1 5 7 8 4 1 7 8 2 5 民 p o l l 置信度9 9 0 , 6 4 3 7 3 8 4 7 4 1 4 7 8 1 1 7 2 8 8 1 3 3 4 9 1 4 9 3 6 币 兑 置信度1 0 0 5 0 5 8 5 0 1 l 4 9 2 2 4 8 0 4 4 5 8 1 4 2 0 2 日 远期汇率 兀p o l l 置信度9 9 1 6 8 3 1 6 3 1 1 5 6 0 1 6 2 9 1 5 7 8 1 6 2 2 表卜5 港币与人民币间远期汇率p o r 与即期汇率p o l l 数据 七天 一个月三个月 六个月 九个月 一年 港 即期汇率p o r置信度1 0 0 9 6 0 8 9 9 2 1 2 0 4 5 5 9 7 9 5 1 1 0 8 4 3 1 0 7 9 0 币 兑 ( 三年数据) 置信度9 9 0 8 3 3 1 7 7 8 4 2 5 5 7 7 9 3 1 0 5 4 6 1 0 7 3 5 人 远期汇率p o r置信度1 0 0 0 1 5 2 o 1 8 6 0 3 6 6 0 6 2 7 0 7 2 9 0 9 1 8 民 币 ( 一年数据) 置信度9 9 0 1 2 6 0 1 6 1 0 3 5 4 0 5 8 9 0 6 8 8 0 8 4 2 人 即期汇率p o r置信度1 0 0 0 5 8 7 0 6 9 3 0 9 7 4 0 8 9 4 0 9 1 2 0 8 9 8 民 币 ( 三年数据)置信度9 9 9 6 o 3 6 4 0 5 0 2 0 8 4 8 0 7 4 1 0 7 1 3 0 7 3 2 兑 远期汇率p o r置信度1 0 0 o 1 7 6 0 1 1 9 0 0 9 2 0 3 7 9 1 0 2 2 1 3 9 6 港 币 ( 一年数据)置信度9 9 0 0 5 8 0 0 4 7 0 0 6 2 o 3 1 2 0 8 2 3 1 3 0 8 9 第三章应用g a r c h 模型预测v a r 3 1v a r 模型的发展 1 9 9 3 年，在国际金融创新导致的金融衍生品泛滥的背景下，g 3 0 发表了衍 生产品的实践和规则的报告，提出了可以定量衡量单一金融产品风险或金融 产品组合j x l 险的v a r ( v a l u e a t r i s k ) 模型，即“风险估价”模型。v a r 的定义 是：在一定概率水平( 置信度) 下，某一金融资产或证券组合价值在未来特定 时期内的最大可能损失。 1 9 9 4 年，j p m o r g a n 推出了计算v a r 的r i s k m e t r i c s 风险控制模型，对v a r 及其计算方法进行了全面的介绍。 国际上关于在外汇市场应用v a r 测量汇率风险的研究经历了如下三个发展 阶段7 ： d e l t a - 类模型阶段。在d e l t a - 类模型中，假设市场变量的回报服从多元正 态分布，并且外汇期权组合总价值能够很好地被一阶近似。其中d e l t a 是指外 汇组合总价值对各标的汇率的一阶导数组成的向量。在这个假设的基础上，外 汇组合总价值变化服从一元正态分布，然后利用正态分布的统计特性及v a r 的 定义，计算给定置信度下v a r 的值。 d e l t a - g a m m a t h e t a 多元市场变量回报正态模型阶段。d e l t a - g a m m a - t h e t a - 多元市场变量回报正态模型测量外汇期权在一定时期内的风险时，首先需要对 外汇期权进行“盯市 ( m a r k e t t o m a r k e t ) ，对根据作为变量的汇率，利用b s g k 外汇期权定价公式对投资组合中的每一种期权进行重新估值，且假设市场变量 的回报服从多元条件联合正态分布；之后再设法求出外汇组合的价值变化在未 来特定时期内、在一定的置信水平下的分位点，进而得出v a r 的值8 。在这一发 展阶段，其中比较有代表意义的模型有：d e l t a g a m m a - t h e t a - j o l m s o n 分布模型 ( j p m o r g a n ，19 9 6 ) 、d e l t a - g a m a m t h e t a - s o l o m o n & s t e p h e n s 近似模型 ( b r i t t o n j o n e s & s c h a e f e r ，19 9 9 ) 、d e k a - g a m a m t h e t a - c o m i s h f i s h e r - e x p a n s i o n s 模型( j a s c h k ，2 0 0 1 ) 。 d e l t a - g a m m a t h e t a 。市场变量回报厚尾分布模型。由于前两阶段的模型基于 7 陈荣达，- 干韬： 外汇期权市场风险多维线性v a r 度量模型发展，经济师，2 0 0 4 年9 期。 8m a n o jk s i n g h ，v a l u ea tr i s ku s i n gp r i n c i p a lc o m p o n e n t sa n a l y s i s ”，t h ej o u r n a lo fp o r t f o l i o m a n a g e m e n t ，p p 1 0 1 - 11 2 ，1 9 9 7 2 4 1 0 汇率回报多元正态分布，然而通过大量的实证研究，学者发现大多数汇率变化 的分布给出市场发生大幅变化的概率高于标准正态分析所表明的概率，并表现 出正的高峰度，即所谓的尖峰厚尾性。9 当市场变量回报分布是厚尾分布时，这 时多维非线性的v a r 计算就变得非常复杂，比较具有代表性的是 d e l t a g a m m a t h e t a m o n t e c a r l o s i m u l a t i o n 模型。该模型要求每个市场变量对 应一个其未来可能的分布( 不一定是正态分析) ，如正态分布、对数正态分布、 t 分布等，再利用历史数据确定这些分布的参数，利用分布类型和参数，通过计 算机产生市场变量的一系列价格，然后使用二次近似( d e l t a - g a m m a t h e t a - ) 来 计算组合总价值的变化和相应的v a r l 0 。 我国学者最早对v a r 进行研究的是郑文通教授在1 9 9 7 年发表的金融风 险管理的v a r 方法及其应用，在随后的几年中对v a r 的方法及其应用的研究 更加深入广泛。 进入2 1 世纪以来，我国学者对v a r 模型的研究投入了更大的精力。自2 0 0 4 年至2 0 0 9 年期间，陈荣达与合作者一连发表了三篇研究v a r 模型的文章。其 中，2 0 0 4 年发表的外汇期权市场风险多维线性v a r 度量模型发详述了v a r 模型的发展演进过程；2 0 0 6 年的发表的基于多元t 分布的外汇期权市场风险 非线性v a r 度量模型和2 0 0 9 年发表的基于汇率回报厚尾性的外汇期权组 合非线性v a r 模型深入研究了外汇市场中用多元t 分布描述的厚尾特征，并 假设汇率回报分布厚尾现象用多元t 分布来描述，利用t - 分布的结构间接得到 反映外汇期权组合价值变化的矩母函数，在此基础上，将重要抽样技术发展到 多元