外汇风险度量论文关于基于GARCH类模型的外汇风险度量论文范文参考资料

外汇风险度量论文关于基于GARCH类模型的外汇风险度量论文范文参考资料 1 引言 外汇风险是影响对外经济发展的重要因素之一，随着我国汇率改革的不断深化，同时xx 年6 月英国脱欧，汇率波动日趋频繁。xx 年5 月，伴随着人民币波动幅度的增加，外汇储备出现最大月度降幅达到279 亿美元，外汇储备跌至3.19 万亿美元，人民币长期单边贬值， _对外经济稳定发展。由于我国外汇市场起步相对较晚，国内的部分企业和相关金融机构对外汇风险不具有较强的管理和防范意识，导致在面对新的经济环境下，无法准确预估外汇的风险，从而失去在对外贸易中的优势，造成许多中小型外贸企业遭受巨大损失。基于以上背景，本文想要通过分析汇率走势和度量风险以研究当前形势下的外汇汇率。因而本文选取5 种常见的外汇汇率的中间牌价，进行GARCH 类模型的建立，选取拟合程度较好的模型进行VaR 值的估算，从而探究我国汇率波动的总体规律和风险特性并为相关企业应对相应风险提出建议。 2 文献综述 前人研究中，如姜程耀、周博雅的浅析外汇风险对我国对外贸易的影响，较为详细地论证了外汇风险对不同规模和不同结构的公司的影响程度，但并没有对风险外汇进行定量测量，也没有提出如何应对此类风险。而采用实证进行分析的文章，如苏飞的人民币升值对我国出口贸易影响的实证研究中则采用自回归滞后分布模型(ADL)进行分析，详细地阐述了当前国外经济景气指数、汇率变动和汇率风险三者之间的关系。综上，采用VaR 方法进行预测估计的人较少，而VaR方法多被用于研究国内股票市场的波动性，对外汇市场波动性的研究并不多。本文采用VaR 方法定量研究1，在提供度量外汇风险的思路的同时，也进一步为相关企业进行趋势交易和应对此类风险提供了建议。 3 数据描述和实证分析 3.1 研究方法 在对汇率波动的初步观察后发现汇率存在较为普遍的条件异方差性，因而选择GARCH 类模型和VaR 度量方法研究我国汇率波动规律和风险度量2。这里GARCH 类模型选取常见的GARCH、TARCH、EGARCH 模型进行拟合。 3.4 GARCH 类模型拟合 因为五种外汇汇率的对数收益率均满足序列平稳，存在条件异方差，且序列不服从正态分布，存在尖峰厚尾的特征。所以可以建立GARCH 类模型。首先确定GARCH 类模型的阶数，按照SIC、AIC 准则，得到当(q,p)= (1,1)模型拟合效果最好。其次在GARCH(1,1)，TARCH(1,1)，EGERCH(1,1)模型中进行拟合。 根据数据可知，除GBP/RMB 对数收益率的TARCH(1,1)与EARCH(1,1)模型，JPY/RMB 对数收益率的TARCH(1,1)与EARCH(1,1)模型，EUR/RMB 对数收益率的EARCH(1,1)模型的部分项不显著之外，其余模型都拟合良好。进一步进行异方差检验，得ARCH 检验表，表中数据为卡方检验p 值，所有模型均能有效消除条件异方差（见表4），说明模型拟合良好。 反映前期的外部冲击对汇率波动的影响，除EUR/RMB的TARCH 模型出现琢0，说明前期的外部冲击会加剧汇率的波动。茁反映汇率系统是否有自我调节功能，所有模型均有茁0时说明市场的利好消息影响明显强于利空消息影响，酌1的现象，说明波动存在过高的持续性，这与GARCH 模型要求的数据平稳性相违背，导致残差呈现指数增长，应用此类模型为衍生品定价时需要谨慎4。 3.5 计算VaR 值 因为计算得到的VaR 值较小，这里对VaR 值进行处理，均乘以100 后输出，结果（见表5）： 根据表中VaR 值的均值可以发现，GBP/RMB 与EUR/RMB 的VaR 值明显大于其他三种汇率，说明GBP/RMB 与EUR/RMB 的风险显著地大于其他三种汇率，产生此结果的原因可能是xx 年6 月24 日英国脱欧以来造成的英镑和欧元的汇率不稳定，人民币汇率的持续下调等一系列事件。而受此事件影响的还有日元，xx 年6 月28 日JPY/RMB 的VaR 值和GBP/RMB 的VaR 值同时达到最大。HKD/RMB 和USD/RMB 的VaR 值在xx 年8 月13 日左右都达到最大，产生此次汇率风险波动的原因极有可能是xx 年8 月11 日的人民币汇改。根据以上数据可以发现，由USD/RMB 的GARCH(1,1)、TARCH(1,1)和EGARCH(1,1)；EUR/RMB 的GARCH(1,1)、TARCH(1,1)；JPY/RMB 的GARCH(1,1)；HKD/RMB 的GARCH(1,1)、TARCH(1,1)和EGARCH(1,1)；GBP/RMB 的GARCH(1,1)模型估算出来的VaR 值均能对应相应的 _和经济活动，进一步体现了模型拟合程度较好。 4 结论 4.1 汇率收益率的GARCH 类模型拟合状况 五种汇率收益率时间序列存在明显的ARCH 效应，波动幅度大，通过建立GARCH 类模型可以有效消除ARCH 效应。USD/RMB 用EGARCH(1,1)模型预测效果较好，EUR/RMB 用GARCH (1,1) 和TARCH (1,1) 预测效果较好，JPY/RMB 用GARCH(1,1)预测效果较好，HKD/RMB 用EGARCH(1,1)预测效果较好，GBP/RMB 用GARCH(1,1)预测效果较好。 4.2 五种外汇记忆性不同，部分外汇存在明显的杠杆效应 美元、日元、港币、英镑汇率前期的外部冲击会加剧汇率的波动，但港币和英镑汇率的波动率记忆性较差，耗散前期冲击的影响较快。欧元、港币、英镑汇率波动率存在杠杆效应。合理利用杠杆效应，可以调节进出口贸易进而规避风险。 4.3 受政策与政治等因素影响，欧元与英镑近期外汇风险较大，投资需谨