SV―t模型下人民币汇率VaR和ES动态度量与分析.docVIP

SV―t模型下人民币汇率VaR和ES动态度量与分析 　　内容摘要：人民币汇率的风险度量是汇率风险管理的关键环节。本文首先用SV-t模型对人民币对美元、日元及欧元汇率收益的波动率进行分析，在此基础上分别运用VaR和ES方法对其风险进行动态的度量与分析比较。结果表明：SV-t模型能够刻画出人民币汇率收益率序列的波动特征；人民币对美元的VaR基本反映出其最大可能的损失；人民币对日元及欧元的VaR则低估了实际的风险水平，相应的ES虽保守却比较准确地估计出尾部风险。文章最后也对中国汇率市场的风险管理及风险监管提出了一些政策建议。 　　关键词：人民币汇率 SV-t模型 学生t分布 Value-at-Risk Expected Shortfall 　　引言 　　人民币汇率本身的波动规律及风险度量方面的研究不论对涉外企业、商业银行及金融监管部门的外汇风险管理，抑或人民币衍生品定价及衍生品市场的发展，都具有重要的借鉴意义。但到目前为止，国内众多学者对人民币汇率的研究集中于汇率水平变动（升值或贬值）对国际贸易及实体经济的影响（周宇，2006；吴武清等，2008；龙玲，2008），或人民币汇率市场与股票市场间的动态关系方面（陈云，2009；陈国进，2009），对汇率波动及风险度量方面的研究则鲜有所见。原因可能在于：2005年7月21日汇改以前，人民币实行单一盯住美元的制度，汇率波动幅度非常小且走势易于预测，涉外经济主体面临的汇率风险并不突出。但汇改后，人民币汇率的波幅逐渐放开继而汇率风险加剧，此时如何对人民币汇率风险进行有效的度量和管理就成为各经济主体亟待解决的问题。 　　因此，本文将对汇改后人民币汇率收益的波动性及其风险度量问题进行研究。通过对各收益率序列统计特征的分析，发现其分布中存在比较显著的厚尾现象，因此本文尝试引入条件均值新息项服从学生t分布的SV（SV-t）模型，对人民币汇率日收益率序列的波动性进行描述，在此基础上，分别运用度量金融市场风险的经典方法VaR以及近几年学术界认为能替代VaR的ES方法对其风险进行动态的度量与分析。针对最后的研究结果，笔者也对中国汇率市场的风险管理及风险监管提出了较为可行的政策建议。 　　本文在研究人民币汇率风险时，一个重要的目标是考察SV-t模型能否准确刻画出人民币汇率日收益率序列的波动特征。虽然Watanabe等人（2001）及Jacquier等人（2004）的研究结果都表明：在对汇率日收益率序列的厚尾分布及波动率进行联合估计方面，SV-t模型要优于其他模型，但该模型是否适合描述人民币汇率日收益率序列的波动特征，还有待于进一步的检验分析。本文研究的另一个重要目标是考察VaR和ES在度量人民币汇率风险方面孰优孰劣。尽管Aceribi等人（2002）和Rockafellar等人（2002）认为在风险度量方面，与VaR相比ES具有更为显著的效果，但ES是否在所有的人民币汇率收益率序列中都有较好的表现却值得深入研究。 　　理论模型 　　（一）基于VaR和ES的风险度量 　　在现有对金融市场风险进行度量的工具中，Value-at-Risk（VaR）因概念简单、易于计算等优势被金融机构和监管部门作为一个标准的风险度量工具而广泛运用。VaR可表述为：在给定持有期和概率α的前提下，某一特定资产或投资组合的最大可能损失，它可以被简单地表示为其收益率X的分布在分位数q（α）（X）=inf{x│P[X≤x]≥α}下的损失值，即：VaR（α）（X）=-q（α）（X）。 　　尽管VaR有诸多优势，但学术界对VaR的使用亦有一定的争议：VaR既不满足次可加性也不能处理资产收益因极端价格变动而遭受严重损失的情形（Aceribi等，2002；Yamai等，2005）。为弥补这些缺陷，Artzner（1999）提出使用Expected Shortfall（ES）来代替VaR。ES被定义为损失超过VaR的条件期望且满足次可加性，这保证了其作为一个风险度量工具是一致性的。依照Acerbi和Tasche（2002），ES可被定义为：，当X是连续型变量时，。 　　依据VaR和ES的不同特点，本文的研究目的就是针对不同的人民币汇率收益率序列，比较分析二者间的差异及优劣。 　　（二）SV-t模型的设定 　　要对特定资产或投资组合的VaR和ES准确度量并非易事。传统基于正态分布假设的方差-协方差法并不能捕捉到收益率中经常存在的厚尾现象，存在低估风险的可能。因此为准确度量VaR和ES，首先必须对收益率的分布和波动间的关系有一个清晰的认识。而迄今为止，SV模型被认为是对这两者综合考虑最为精确的模型，该模型一般通过假定条件均值的新息项服从一个厚尾分布来描述收益率分布中的厚尾特征。 　　依据Liesenfeld等人（2000）及J