汇率风险度量.pptxVIP

VaR模型在人民币汇率风险度量中的应用魏金明 张敏摘要 本文首先从Va R模型的假设前提入手，通过对人民币汇率收益率序列的随机性、正态性和异方差性的综合检验，验证了Va R模型在人民币汇率风险度量中的适用性。随后，分别采用非参数法和参数法两大类共九种Va R方法对人民币汇率风险进行实证度量。最后，通过准确性检验发现，GARCH-t模型是度量当前人民币汇率风险的最优方法。 VaR是指在一定的持有期和给定的置信水平下，市场风险因子发生变化时可能对某项资金头寸、资产组合或机构造成的潜在最大损失。 VaR=E(W)-W”=Wo(u-r) Wo为某一资产或资产组合的初始价值，r为该项资产或资产组合在一定持有期内的投资收益率（r在持有期内的期望值和波动性分别为u和r）数据选取 本文选取了自2005年7月21日至 2007年12月31日直接标价法下人民币对美元的日中间汇率，共计598个样本观测值。随机性检验 1.单位根检验 首先，对人民币汇率对数序列{pt}进行单位根检验，发现ADF检验值均大于三个不同检验水平的临界值，说明人民币汇率对数序列是一个非平稳性时间序列。其次，在此基础上，对人民币汇率对数序列的一阶差分（即人民币几何收益率序列Rt）继续进行单位根检验，结果发现，ADF检验值分别小于三个不同检验水平的临界值，由此可以断定{pt}序列是一阶单整序列。 2.游程检验。取分界值为0，把人民币汇率收益率大于0和等于0归入一种游程，这样就满足了游程检验对二分变量的要求。结果表明，双尾伴随的显著性概率p为65.2%，远远大于显著性水平5%，接受了随机游走的原假设。 综合以上对人民币汇率收益率序列的单位根检验和游程检验，可以得出一致的结论{Rt}序列为随机游走过程，具备了使用Va R模型度量人民币汇率风险的适用性前提。J-B检验 J-B检验。进一步观察{Rt}序列的直方图：在样本区间内，人民币汇率收益率的均值为-0.000175，偏度为-0.216188，说明正的收益要少于负的收益；峰度为6.183058，说明呈现尖峰的特点。同时，由Jarque-Bera统计量看，其相伴概率小于显著性水平1%，拒绝原假设，表明人民币汇率收益率序列不服从正态分布。异方差检验 ARCH效应检验。人民币汇率收益率序列在q1时，Qlb相伴概率p值都明显小于1%的显著水平，因此不能接受原假设，可以认为人民币汇率收益率序列存在ARCH效应，而且存在高阶的ARCH效应。非参数方法 1.历史模拟法根 据 历 史 模 拟 法 的 基 本 原 理 ， 实 证 度 量 步 骤 如下：（1）将{Rt} 序列按升序排列；（ 2）用样本容量（N=597）乘以相应的显性水平（α），得到分位数位置d；（3）采用内插值法求出d所对应的分位数r*α，即显著性水平下α的最低收益率；（4）利用如下公式，得到相对Va R值。非参数方法 2、蒙特卡罗模拟法 （ 1 ） 选 择 几 何 布 朗 运 动 （ G B M ） 作 为 人 民 币汇 率 收 益 率 变 化 的 随 机 模 型 及 分 布 ， 通 过 参 数 估计 ， 得 到 人 民 币 汇 率 收 益 率 波 动 的 随 机 过 程 ， 即 （2）产生标准正态分布的伪随机数 ； （3）利用如下公式（其中P0=8.11），可以得到P1，然后重复进行10000次，可以得到人民币汇率未来的10000个模拟价格；（4）利用这10000个模拟汇率计算出几何收益率分布，根据选定的置信水平，由分位数估计出相应的Va R值。参数方法 1.方差—协方差法：简单移动平均法（SWA） ——SWA-n、SWN-t 指数移动平均法（EWMA） ——EWMA-n、EWMA-t 2、GARCH族模型 ： 包括GARCH-n、GARCH-t、 GARCH-GED 方差—协方差法 运用矩估计得出GARCH族模型 （1）确定GARCH族模型阶数。根据上面的分析可知，{R}序列为平稳序列，所以收益方程为一般均值回归方程。经反复试算，判定滞后阶数（p，q）为（1，1）比较合适，所以GARCH族模型均为GARCH（1，1）类模型。 （2）采用极大似然估计法（Maximum Likelihood M e t h o d ），分别对正态分布、 t 分布、 G E D 分布下的GARCH族模型进行参数估计，结果发现，对于非对称性的TGARCH、EGARCH、PGARCH模型，在5%的显著水下，描述非对称信息的参数γ无论在何种分布函数假定下均不显著，说明人民币汇率收益率的条件异方差不存在明显的杠杆效应。而对于GARCH模型，无论是在正态分布、t分布，还是GED分布下，均值方程和方差方程的参数估计值在1%的显著性水平下均是显著的。 （3）对估计的GARCH（1，1）模型进行检验评价。对残