商业银行汇率风险VaR―GARCH(1,1)模型计量.docVIP

商业银行汇率风险VaR―GARCH(1,1)模型计量 　　摘要：采用VaR-GARCH（1，1）模型，选取2003年至2009年人民币对四种外汇的交易数据度量了商业银行外汇资产组合的风险。研究发现，外汇收益率具有尖峰特征，且欧元和日元收益率服从正态分布。从GARCH模型的估计和检验来看，外汇收益率序列具有波动集聚性特点，因此GARCH（1，1）模型能够有效模拟收益率序列。在99.9%置信水平下，用VaR-GARCH（1，1）估计的欧元和日元外汇资产组合的最大潜在损失约为上一交易日市场价值的0.05%，以此度量了商业银行的汇率风险。 　　关键词：商业银行；外汇风险；GARCH模型 　　中图分类号：文献标志码：A文章编号2013业银行汇率风险是指汇率变动可能给银行的当期收益或价值带来损失的风险，它是由汇率波动的时间差、地区差及银行表内外业务币种和期限结构不匹配等原因造成的。汇率风险源于包括固定汇率和浮动汇率的两大国际货币制度。固定汇率风险较浮动汇率风险要小得多，浮动汇率波动频繁且波动幅度大，所产生的汇率风险也难以度量，是商业银行风险控制的主要内容之一。 　　中国目前实行以市场供求为基础，单一的、有管理的浮动汇率制度，在这种汇率制度下，人民币汇率保持了基本的稳定。然而，人民币面临很大的升值压力，从市场均衡角度看，主要是外汇供大于求，截至2011年6月30日，中国外汇储备达到3.19万亿美元，外汇储备的不断增加以及贸易逆差、热钱涌入使得人民币面临更大的升值压力。纵观当前形势，人民币升值已势在必然，对于中国商业银行而言，必须密切关注人民币汇率走势，做好外汇资产的合理分配和保值增值，有效防范汇率风险。早在20世纪90年代，国外学者就展开了对均衡汇率及其风险的研究，如Willianmson提出了基本要素均衡汇率模型FEER[1]，Stein提出了自然均衡实际汇率模型NATREXR[2]，MacDonald提出了行为均衡汇率模型[3]，这些模型都以发达国家为研究对象，很少考虑发展中国家常见的制度性干预因素，如外汇管制、贸易壁垒和黑市汇率等。中国一些学者直接利用上述模型对人民币汇率进行了测算，如张晓朴[4]、施建淮和余海丰[5]分别采用FEER模型对1984年1季度至1999年1季度和1991年1季度至2004年3季度的人民币汇率进行了估计。施建淮和余海丰认为自20世纪90年代以来，人民币实际实质汇率在大部分时期偏离人民币均衡实质汇率轨迹，表现为人民币实质汇率的失调[5]。因此，在人民币实际汇率失调的情况下很难采用传统方法度量人民币汇率的风险。对于商业银行而言，要有效管理汇率风险，首先应比较准确地度量汇率风险。在2005年7月汇率改革以来，人民币兑主要发达国家货币的汇率越来越市场化，导致汇率呈现出尖峰厚尾的非对称性，传统的VaR方法无法刻画这类风险，而GARCH模型则能较好地反映金融市场上的非线性波动特征。本文在传统VaR方法的基础上，引入GARCH模型，构造了VaR-GARCH（1，1）模型来计算商业银行的汇率风险，以便刻画汇率波动中的制度性干扰因素。 　　一、研究设计 　　（一）VaR方法 　　1.VaR概述 　　VaR的含义是在险价值 ，指市场正常波动下，某一金融资产或证券组合的最大可能损失[6]，更为确切地是指，在一定的概率水平下（置信度），某一金融资产或证券组合在未来特定的一段时间内的最大可能损失，其数学表达式为： 　　Prob（ΔPVaR）=1-c（1） 　　其中ΔP为金融资产在持有期Δt内的损失；VaR为置信水平c下的在险价值。直观上讲，在假定市场正常波动的情况下，某银行的VaR是指这样的损失：给定的概率为c，持有期为Δt，在Δt日内超过这一损失的概率为1-c。 　　从统计学的角度来看，VaR实际上是金融资产收益分布的一个百分位数，换言之，如果给出某一金融资产价值的统计分布图，根据定义就可直观地找到与置信度相对应的分位数，即VaR值。在VaR定义中，有两个重要参数：持有期和置信水平。 　　1重庆大学学报（社会科学版）2013年第19卷第5期 　　陆静，等商业银行汇率风险的VaR-GARCH（1，1）模型计量 　　持有期是计算VaR的时间范围。由于波动性与时间长度正相关，所以VaR随持有期的增加而增加。金融机构选择持有期时往往要考虑流动性、正态性、头寸调整、数据约束四种因素。一般而言，交易头寸流动性好则持有期可以较短，否则较长。但当持有期较短时，收益的实际分布会更接近于正态分布的假设，所估计的结果也更加合理。而且持有期较短时，组合头寸也会尽量保持不变，这有利于VaR的计算。 　　置信水平的选取反映了金融机构对风险的厌恶程度，置信水平越高，厌恶风险的程度也越大。置信水平一般选择在90%到99%