基于GARCH类模型的外汇风险度量研究.docVIP

基于GARCH类模型的外汇风险度量研究 　　摘 要：随着我国资本市场的开放与发展，汇率的频繁波动所带来的外汇风险越来越受到重视，对于外汇风险的测量与控制是防范外汇风险的关键。本文基于GARCH类模型对美元、欧元、日元、港币、英镑五种货币对人民币的外汇汇率进行实证分析，得出这五种汇率的时间序列均存在显著的ARCH效应，并建立相应的GARCH模型，五种汇率前期汇率波动受到外部冲击而更加剧烈，且均不存在显著的风险补偿效应，五种汇率系统具有自我稳定功能等相关结论。 　　关键词：GARCH类模型 外汇风险 度量 　　一、引言 　　在人民币汇率形成市场化机制的过程中，外汇风险成为了一种不可低估的风险，是金融风险度量研究的重要部分，特别是2005年我国人民币汇率机制改革之后，人民币汇率波动越来越频繁，造成了与此相关的各种外汇金融资产、价值收入、股本负债等均会随汇率变动而产生波动，从而造成外汇风险。我国汇率主要是以人民币兑美元为主的双边汇率，而我国大多数对外贸易以美元为结算单位，又通过我国的“双顺差”现象，以及外汇储备大部分持有美元资产，汇率的频繁波动会造成我国企业与国家资产的巨大风险，即外汇风险。同时，随着我国贸易结构不断发展变化，贸易总量的增长，以及外汇储备规模扩大，汇率风险日益被各方重视，为了防范外汇风险，控制风险的影响，对于其风险的度量与预测及其准确性要求越来越高。本文利用GARCH模型的实证估计和分析，通过时间序列规律的探析，来预测外汇风险波动的变化规律，同时选取五种外汇汇率，旨在更全面的反应外汇汇率波动情况，力求为各金融机构减少金融风险及监管部门调控宏观经济，以及外汇使用者、投资者规避外汇风险提供一定的参考依据。 　　二、GARCH类模型简介 　　广义自回归条件异方差模型，即GARCH模型，由于ARCH存在αi难以限定其非负的条件，使得结果难以精确，所以通过GARCH模型来做调整，要考虑两个条件均值和条件方差的假定。标准的GARCH（p，q）模型如下式： 　　， 　　其中。 　　通过证明发现，使得GARCH（p，q）模型平稳的充分必要条件是。 　　一般而言，对于金融时间序列GARCH（1，1）模型能够反映数据的长期记忆特性，通常可以用GARCH（1，1）模型来简化参数的估计。该模型要求三个参数均为非负。 　　GARCH模型中引入标准差来表示预期风险从而得出GARCH-M模型，多应用于金融资产预期收益与风险关系的问题中。同时，EGARCH和PARCH模型的产生是为了解决时间序列波动非对称性问题，本文的实证分析部分大致会应用到这几个模型。 　　三、实证分析 　　1.样本数据的选择 　　本文分别以USD/RMB，EUR/RMB，JPY/RMB，HKD/RMB，GBP/RMB五种汇率作为研究对象，由于英镑汇率数据从2006年8月1日开始公布，故数据选取2006年8月1日至2011年12月30日外汇汇率中间牌价共5组，每组1321个。 　　2.实证 　　（1）从数据的散点图分析看来，美元、港币汇率在不断的贬值，欧元和英镑汇率也在保持震荡中的贬值过程，只有日元汇率是震荡上行趋势。 　　（2）从外汇汇率的相关性可知，美元汇率和港币汇率之间存在高度的正相关性，日元与其它汇率间均存在一定程度的负相关性，其它汇率间有一定程度的正相关性。 　　（3）GARCH类模型的选择与估计。 　　以下以美元对人民币汇率为例进行分析： 　　首先，该组波动率序列有如下统计特征： 　　根据一般统计分析经验，对各组时间序列变量进行对数处理，并做一阶差分外汇汇率日波动率序列rt=lnyt-lnyt-1，其中，yt为t时刻外汇汇率，rt为t时刻外汇汇率波动率。 　　峰度5.580182大于3，表明汇率波动不服从正态分布，偏度-0.5376980，说明人民币对美元的汇率收益时间呈现长的左厚尾特征，可以看出其厚尾性比较大，则对于汇率预测的历史信息要求更高，汇率波动会集中于某些时段，并以其幅度大小而区分，有一定的集群效应。J-B统计量为429.7599，表示该汇率波动率也不符合正态分布，会使正态分布下模型拟合的准确性降低，可以选择时间序列的t分布来构建模型。 　　其次，对于rt的平稳性进行检验结果显示，ADF值在1%、5%、10%条件下均拒绝了存在单位根的假设，故该序列是相对平稳的。 　　其次DW检验，其统计量的值为1.991771，非常接近2，表示残差序列相关性不通过检验，即不存在。 　　最后进行ARCH-LM检验，是对残差序列的检验即异方差的检验，结果如下显示p值为零表示该序列存在异方差。 　　根据以上检验分析可知：人民币对美元的汇率日收益率rt为平稳数列，不存在自相关，但存在条件异方差，符合建立GARCH模型的条件，