人民币汇率厚尾特征和VAR估计.PDFVIP

第３４卷第２期 重庆工商大学学报（自然科学版） ２０１７年４月 Ｖｏｌ．３４　ＮＯ．２　　　　　　　　ＪＣｈｏｎｇｑｉｎｇＴｅｃｈｎｏｌＢｕｓｉｎｅｓｓＵｎｉｖ（ＮａｔＳｃｉＥｄ）　 　　　　　　　 Ａｐｒ．２０１７ － ｄｏｉ：１０．１６０５５／ｊ．ｉｓｓｎ．１６７２０５８Ｘ．２０１７．０００２．０１０ 人民币汇率厚尾特征及ＶＡＲ估计 吴 慧 慧 （岭南师范学院数学与计算科学学院，广东 湛江５２４０４８） 　　摘　要：针对人民币汇率收益率序列的厚尾性特征，基于ＥＧＡＲＣＨ模型得到标准化的收益率序列，建立 ＧＰＤ模型对标准化收益率序列的尾部进行拟合，并得到相应的ＶＡＲ估计值；结论证明：人民币收益率序列 存在双厚尾特征，故对于人民币汇率的投资者，无论做多头还是空头，都面临着较大的自身风险和交易对手 风险。 关键词：人民币汇率收益率；ＥＧＡＲＣＨ模型；ＧＰＤ模型；风险价值；失败率检验 中图分类号：Ｆ８２２；Ｏ２１１　　　文献标志码：Ａ　　　文章编号：１６７２０５８Ｘ（２０１７）０２００４１０７ 　　汇率改革之后，人民币汇率的波动幅度逐渐增 民币汇率收益率分布尾指数，在此基础上得到ＶＡＲ 大，波动幅度的增大就意味着人们投资外汇市场的 估计。 风险也在变大。ＶＡＲ方法是当今国际上比较通用 和流行的风险度量方法，指在一定的置信水平下， １　模型方法介绍 在市场处于正常的波动条件下，某一资产或资产组 合在未来一段时间内可能发生的最大损失。 大量研究表明，金融资产的收益率过程一般都 在实际的风险管理中，人们往往会对金融资产 存在波动集聚性、条件方差时变性、长记忆性、非对 的大起大落比较关心，并且大量实证分析证明基于 称性等非线性特征，这违背了极值理论应用的前 传统的方差协方差方法、历史模拟法、蒙特卡洛模 提：样本来自于独立同分布的总体。因此，在使用 ［１］ 极值理论估计ＶＡＲ之前，此处使用ＧＡＲＣＨ类模型 拟方法等估计的ＶＡＲ值比较低效 。为了更加准 确的估计ＶＡＲ值，极值理论被用于风险度量的研究 对金融资产的收益率序列进行过滤，得到标准化的 中。基于极值方法度量金融资产风险，国内外学者 残差序列，即标准化的收益率序列。对于波动模型 ［２５］ 的选取，论文选用既放松了对 ＧＡＲＣＨ模型参数非 进行了大量的研究 。一般来说，极值理论对风 险的度量主要分为两大模型：块最大值模型（ＢＭＭ 负性约束，又可以反映出杠杆效应的指数 ＧＡＲＣＨ ［６］ 模型）和广义帕累托模型（ＧＰＤ模型），前者主要是 （ＥＧＡＲＣＨ） 。相对于其他分布，正态分布具有薄 针对组最大值建模，后者是针对观测值中超过某一 尾的特征，为了不影响原收益率序列的厚尾性，方差 门限值（ｔｈｒｅｓｈｏｌｄ）的数据建模。对于金融机构和金 方程中条件分布设定为正态分布。ＥＧＡＲＣＨ（１，１）模 融投资者而言，他们更关心的是观测数据超过某一 型方差方程的具体形式设定为 门限值之后金融时序的变化，因此，在实践中，ＧＰＤ ε ε－ － ｔ１ ２ ｔ１ ２ ｌｎ ＝ ＋ ＋ ｌｎ ＋