孟慶斌（博士生導(dǎo)師），宋 烜，宋祉健

一、引言

外匯市場(chǎng)是每個(gè)國(guó)家金融市場(chǎng)的核心組成部分，匯率穩(wěn)定對(duì)宏觀經(jīng)濟(jì)穩(wěn)定至關(guān)重要。尤其是對(duì)于新興市場(chǎng)國(guó)家而言，短時(shí)間內(nèi)的匯率大幅波動(dòng)會(huì)對(duì)金融市場(chǎng)，甚至整個(gè)國(guó)家的宏觀經(jīng)濟(jì)產(chǎn)生嚴(yán)重的后果。2015 年之前，由于人民銀行對(duì)我國(guó)匯率波動(dòng)幅度管制較嚴(yán)，因此匯率風(fēng)險(xiǎn)相對(duì)較小。2015 年的“8.11匯改”為我國(guó)人民幣國(guó)際化與市場(chǎng)化進(jìn)程起到了積極的推動(dòng)作用，但此后匯率波動(dòng)上限大幅提高，匯率風(fēng)險(xiǎn)也隨之上升。十九大報(bào)告首次提出的“宏觀審慎政策”和央行行長(zhǎng)首次警示的“明斯基時(shí)刻”說(shuō)明我國(guó)對(duì)金融風(fēng)險(xiǎn)的重視程度不斷提高。在這樣的背景下，匯率風(fēng)險(xiǎn)作為金融風(fēng)險(xiǎn)的一部分，迅速成為上至國(guó)家決策層下至金融市場(chǎng)關(guān)注的焦點(diǎn)問(wèn)題之一，也引起了學(xué)術(shù)界的廣泛討論。

科學(xué)管控匯率風(fēng)險(xiǎn)的基礎(chǔ)和前提是對(duì)匯率風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確的度量和預(yù)測(cè)，對(duì)此學(xué)者們進(jìn)行了大量的研究。如惠曉峰等[1]運(yùn)用GARCH 模型對(duì)1994年匯改后的人民幣匯率波動(dòng)進(jìn)行刻畫(huà)，并對(duì)匯率進(jìn)行了一步向前的預(yù)測(cè)。王雪等[2]運(yùn)用多元GARCH 模型（GARCH-BEKK）測(cè)算了我國(guó)匯率的波動(dòng)，并將測(cè)算結(jié)果運(yùn)用于我國(guó)的出口貿(mào)易中。張海波等[3]運(yùn)用GARCH 模型刻畫(huà)了我國(guó)匯率波動(dòng)，并結(jié)合在險(xiǎn)價(jià)值（VaR）模型測(cè)算了人民幣匯率風(fēng)險(xiǎn)。GARCH 模型將金融時(shí)間序列的條件方差表示為殘差平方和條件方差的滯后項(xiàng)的線(xiàn)性組合，較好地反映了匯率波動(dòng)中的時(shí)間聚集效應(yīng)。然而，現(xiàn)實(shí)中匯率等金融時(shí)間序列的波動(dòng)率變化更接近于一般隨機(jī)過(guò)程，波動(dòng)率具有時(shí)變性，但GARCH 族模型卻不能較好地刻畫(huà)這一特點(diǎn)，這就影響了它的擬合度和預(yù)測(cè)精度。隨機(jī)波動(dòng)（SV）模型考慮了波動(dòng)率的時(shí)變性，很好地彌補(bǔ)了GARCH 族模型的不足，從而有利于提高刻畫(huà)的準(zhǔn)確性[4-6]。實(shí)際上到目前為止，SV模型已經(jīng)在金融研究，尤其是對(duì)股票市場(chǎng)[7-9]、期貨市場(chǎng)[10-12]、債券市場(chǎng)[13]的研究上得到了比較廣泛的應(yīng)用。然而，由于匯率的影響因素更加復(fù)雜，且我國(guó)匯率受政策干預(yù)程度較高，到目前為止，只有少數(shù)學(xué)者將SV 模型引入我國(guó)匯率或匯率風(fēng)險(xiǎn)的刻畫(huà)，鮮有學(xué)者將其運(yùn)用于我國(guó)匯率風(fēng)險(xiǎn)的預(yù)測(cè)中[14-16]。

為此，本文嘗試?yán)肧V模型對(duì)我國(guó)匯率風(fēng)險(xiǎn)進(jìn)行刻畫(huà)，在此基礎(chǔ)上還將對(duì)匯率風(fēng)險(xiǎn)進(jìn)行樣本外預(yù)測(cè)，從而為國(guó)家政策制定者科學(xué)管控匯率風(fēng)險(xiǎn)提供理論依據(jù)。首先，運(yùn)用四種隨機(jī)波動(dòng)模型（SV-N、SV-T、SV-MN和SV-MT）對(duì)人民幣匯率波動(dòng)進(jìn)行擬合，并運(yùn)用DIC 準(zhǔn)則篩選出擬合效果最好的模型；然后，利用篩選出的模型結(jié)合在險(xiǎn)價(jià)值模型（VaR和CVaR）對(duì)人民幣匯率風(fēng)險(xiǎn)進(jìn)行度量；最后，在度量人民幣匯率風(fēng)險(xiǎn)的基礎(chǔ)上，對(duì)人民幣匯率進(jìn)行一步向前預(yù)測(cè)。研究發(fā)現(xiàn)，在本文所考察的SV 模型中，SV-N模型對(duì)匯率波動(dòng)的擬合效果相對(duì)最優(yōu)，且當(dāng)運(yùn)用于人民幣匯率風(fēng)險(xiǎn)刻畫(huà)和預(yù)測(cè)時(shí)，SV-N模型也取得了很好的效果。

本文的理論貢獻(xiàn)體現(xiàn)在兩個(gè)方面：①使用隨機(jī)波動(dòng)模型對(duì)包括重大外生政策沖擊——“8.11匯改”在內(nèi)的時(shí)間區(qū)間中的人民幣匯率風(fēng)險(xiǎn)進(jìn)行刻畫(huà)和度量，與之前文獻(xiàn)廣泛使用的GARCH族模型相比，更好地?cái)M合了匯率的波動(dòng)特征，提高了匯率風(fēng)險(xiǎn)的度量精度。在此基礎(chǔ)上，構(gòu)建了人民幣匯率風(fēng)險(xiǎn)的樣本外預(yù)測(cè)模型，且取得了令人滿(mǎn)意的結(jié)果。②由于本文建立的人民幣匯率風(fēng)險(xiǎn)刻畫(huà)和預(yù)測(cè)模型對(duì)外生政策沖擊有較好的包容性，因此該結(jié)果可為政策制定者和外匯市場(chǎng)參與者更加準(zhǔn)確地度量與預(yù)測(cè)我國(guó)匯率風(fēng)險(xiǎn)提供借鑒，從而科學(xué)地制訂風(fēng)險(xiǎn)管控和預(yù)警方案。

二、基于隨機(jī)波動(dòng)模型的在險(xiǎn)價(jià)值模型

1.在險(xiǎn)價(jià)值模型。J.P.Morgan 公司1994 年首次提出在險(xiǎn)價(jià)值（Value at Risk，簡(jiǎn)稱(chēng)VaR）的概念，其數(shù)學(xué)表達(dá)式為：

其中，△p 為上述組合在持有時(shí)期△t 內(nèi)的虧損，c 為一定的概率水平。由此可見(jiàn)，VaR 模型表示在險(xiǎn)價(jià)值在既定概率水平c 下，某投資組合在某段時(shí)間內(nèi)可能產(chǎn)生的最大損失。然而，由于VaR 模型不滿(mǎn)足一致性原則，以及其尾部損失測(cè)量的非充分性，它無(wú)法考察超過(guò)分位點(diǎn)的下方風(fēng)險(xiǎn)信息，因此受到了學(xué)術(shù)界的廣泛質(zhì)疑。為了規(guī)避VaR 模型的缺陷，更好地對(duì)風(fēng)險(xiǎn)進(jìn)行度量，學(xué)者們提出了條件在險(xiǎn)價(jià)值（CVaR）模型[17，18]，定義為：

由此可見(jiàn)，CVaR 模型反映了在一定的置信水平下，投資組合超過(guò)潛在最大損失的平均潛在損失。同時(shí)，CVaR的運(yùn)算以VaR為依托，且在CVaR的運(yùn)算中能夠同時(shí)得出二者的值。

CVaR具有包括時(shí)移不變性、劣可加性、正齊次性及單調(diào)性在內(nèi)的一致性，與不具有這一性質(zhì)的VaR相比精度更高、適用范圍更廣[19]。將CVaR 運(yùn)用于人民幣匯率風(fēng)險(xiǎn)的度量與預(yù)測(cè)時(shí)，反映了在一定的置信水平下，人民幣匯率風(fēng)險(xiǎn)超過(guò)潛在最大損失的平均潛在損失，因此能夠更好地對(duì)我國(guó)匯率進(jìn)行度量。

VaR是CVaR的基礎(chǔ)，VaR的數(shù)學(xué)表達(dá)式為：

其中，pt-1為t-1時(shí)刻的匯率，α為分位數(shù)，μ和σ分別為t時(shí)刻的預(yù)計(jì)收益（虧損）r的數(shù)學(xué)期望和標(biāo)準(zhǔn)差為顯著性水平c一定時(shí)的臨界價(jià)格。

CVaR的數(shù)學(xué)表達(dá)式為：

在正態(tài)分布條件下，CVaR值為：

在t分布條件下，CVaR值為：

其中，pt-1表示t-1 時(shí)刻的人民幣匯率中間價(jià)，α表示在顯著性水平c給定時(shí)的分位數(shù)。

2.隨機(jī)波動(dòng)模型。從上文可以看到，計(jì)算在險(xiǎn)價(jià)值模型的核心為準(zhǔn)確地估計(jì)匯率波動(dòng)率σt。然而如前所述，現(xiàn)實(shí)中匯率等金融時(shí)間序列波動(dòng)的變化更接近于一般隨機(jī)過(guò)程，波動(dòng)率具有時(shí)變性，但GARCH 族模型卻不能較好地反映該特點(diǎn)，這就影響了擬合度和預(yù)測(cè)精度。為此，本文利用善于捕捉波動(dòng)率時(shí)變性的隨機(jī)波動(dòng)（SV）模型對(duì)其進(jìn)行擬合。同時(shí)為了提高擬合精度，分別使用SV-N、SV-T、SV-MN 和SV-MT 模型對(duì)人民幣匯率波動(dòng)進(jìn)行刻畫(huà)，并對(duì)各模型結(jié)果進(jìn)行比較。

Clark[20]最早在時(shí)間序列的模型中引入隨機(jī)過(guò)程的概念，建立了收益率的時(shí)變波動(dòng)率模型，此模型是SV 模型的雛形。此后由Tauchen 和Pitts[21]、Hull和White[22]等進(jìn)一步優(yōu)化后逐漸成熟。其中，由Taylor[23]提出的SV-N模型適用于經(jīng)常出現(xiàn)自回歸的金融收益序列，在金融市場(chǎng)價(jià)格波動(dòng)的刻畫(huà)上得到了廣泛應(yīng)用，其具體形式如下：

其中，yt是第t 日匯率的變動(dòng)率，εt是正態(tài)隨機(jī)誤差項(xiàng)，ht為對(duì)數(shù)波動(dòng)率，即為ht的隨機(jī)干擾項(xiàng)，誤差εt項(xiàng)和ηt相關(guān)系數(shù)為零。φ為當(dāng)期波動(dòng)對(duì)遠(yuǎn)期波動(dòng)的影響，又可稱(chēng)為持久性變量。h0遵循以μ為均值，以τ-1為方差的正態(tài)分布。當(dāng)ht-1已知時(shí)，ht～N（μ+φ（ht-1-μ），τ-1）。SV-N 模型的未定參數(shù)μ，τ，h0，φ1的先驗(yàn)分布如下：

在SV-N 模型基礎(chǔ)之上，將正態(tài)白噪聲εt設(shè)定成自由度為ω的t分布，即可得到SV-T模型[24]，即：

SV-T模型更好地考慮了樣本序列尖峰厚尾的性質(zhì)，其中未定參數(shù)ω的先驗(yàn)分布分別為：

此后，由于風(fēng)險(xiǎn)補(bǔ)償現(xiàn)象隨著市場(chǎng)的發(fā)展在各金融市場(chǎng)中發(fā)生的頻率越來(lái)越高，Koopman等[25]將風(fēng)險(xiǎn)補(bǔ)償引入SV模型，建立了SV-M模型。同樣，由于白噪聲εt分布的不同，SV-M 模型也可以分為SV-MN和SV-MT模型。SV-MN模型為：

其中，dexp（ht）代表風(fēng)險(xiǎn)補(bǔ)償程度，d 為均值波動(dòng)效應(yīng)的未定參數(shù)，其先驗(yàn)分布為：

當(dāng)白噪聲εt服從自由度為ω的t分布時(shí)，SV-MN模型變成SV-MT模型，即：

其中，β為t 分布自由度的未定參數(shù)，其先驗(yàn)分布為：

3.隨機(jī)波動(dòng)模型的估計(jì)方法——馬氏鏈蒙特卡洛模擬方法。對(duì)SV模型進(jìn)行估計(jì)時(shí)可以采用極大似然估計(jì)和馬氏鏈蒙特卡洛模擬（MCMC）兩種方法。然而，由于極大似然估計(jì)法計(jì)算量過(guò)大且效果相對(duì)較差，因此學(xué)者們通常采用貝葉斯統(tǒng)計(jì)分析中的MCMC 方法對(duì)其進(jìn)行估計(jì)[26]。MCMC 方法通過(guò)構(gòu)造具有平穩(wěn)分布為π（x）的Markov鏈得到π（x）的抽樣，并依據(jù)大數(shù)定理得到統(tǒng)計(jì)結(jié)果，即：

其中，一些未知量如均值和方差等均可由（fX）表示。MCMC 方法需要根據(jù)π（x）分布較為準(zhǔn)確地得到π（x）的抽樣X(jué)t，t=1，2，…，m。要想進(jìn)行準(zhǔn)確的抽樣，需要滿(mǎn)足抽樣樣本序列的平穩(wěn)性及其與抽樣時(shí)間t 和初值的無(wú)關(guān)性。而馬氏鏈的性質(zhì)恰好符合這兩個(gè)要求。在估計(jì)馬氏鏈的蒙特卡洛積分時(shí)，應(yīng)將尚未達(dá)到收斂狀態(tài)的r 個(gè)迭代值舍去，對(duì)收斂的結(jié)果進(jìn)行估計(jì)，即“模擬退火”：

此外，在實(shí)際應(yīng)用MCMC 方法時(shí)常常遇到形式復(fù)雜、維數(shù)較高且非標(biāo)準(zhǔn)的復(fù)雜分布，導(dǎo)致抽樣十分復(fù)雜。此時(shí)，可以根據(jù)Clifford-Hammersley 定理將這樣的高階分布分解成低維、簡(jiǎn)單的完全條件分布。以標(biāo)準(zhǔn)SV 模型為例，其復(fù)雜的后驗(yàn)聯(lián)合分布（fμ，φ，h|y）可由（fμ|y，φ，h）、（fφ|μ，y，h）、（fh|μ，φ，y）等完全條件分布決定，因此可以從這些簡(jiǎn)單的完全條件分布中進(jìn)行抽樣，降低抽樣難度。在MCMC的抽樣過(guò)程中，學(xué)者們通常采用基于特殊的單元素的Metropolist-Hastings方法——Gibbs方法[27]。

以SV-N 模型為例，對(duì)于未定參數(shù)的組合（h1，h2，…，hm，μ，φ，τ），Gibbs 抽樣以如下方式進(jìn)行：設(shè)置初值從完全條件分布中抽取將替代從完全條件分布μ0，φ0，τ0）中抽取將替代從完全條件分布中抽取……；用φ1替代φ0，從完全條件分布f中抽取τ1。

以上步驟是Gibbs 抽樣的第一輪迭代過(guò)程，第二輪迭代將第一輪迭代得到的μ1，φ1，τ1）作為初值，重復(fù)以上迭代步驟，直至序列收斂到穩(wěn)定分布。設(shè)舍棄的期數(shù)為p，共進(jìn)行q 次迭代，則“退火”后保留的樣本為

這就完成了Gibbs 抽樣的第一輪迭代，按照相同的迭代方式，反復(fù)迭代，直至序列收斂到穩(wěn)定分布。最后，舍棄尚未達(dá)到收斂狀態(tài)之前的p 期，保留之后的q 期迭代結(jié)果，最終通過(guò)計(jì)算就可以得到參數(shù)估計(jì)結(jié)果。

三、人民幣匯率風(fēng)險(xiǎn)預(yù)測(cè)實(shí)證分析

1.數(shù)據(jù)的統(tǒng)計(jì)特征分析。本文選取2015 年5 月5 日到2017 年5 月23 日的人民幣兌美元匯率共500個(gè)樣本進(jìn)行分析，對(duì)其進(jìn)行對(duì)數(shù)變換后做差，其統(tǒng)計(jì)特征見(jiàn)表1。

表1 統(tǒng)計(jì)特征

從表1 可以看到，人民幣匯率變動(dòng)存在明顯的右偏（偏度為1.83＞0）特征，且峰度較高（峰度為16.63＞3），同時(shí)其JB 統(tǒng)計(jì)量為4151，說(shuō)明該序列與正態(tài)分布相去甚遠(yuǎn)，具有典型的尖峰厚尾特征。由ADF 統(tǒng)計(jì)量可知，人民幣匯率變動(dòng)序列是平穩(wěn)的，為后續(xù)利用SV族模型進(jìn)行建模創(chuàng)造了條件。

2.基于SV 模型的人民幣匯率波動(dòng)性分析。針對(duì)人民幣兌美元匯率，本文利用MCMC 方法對(duì)SV-N、SV-T、SV-MN、SV-MT四個(gè)模型中的未定參數(shù)進(jìn)行貝葉斯估計(jì)，各模型參數(shù)估計(jì)結(jié)果見(jiàn)表2。

為了從四個(gè)模型中篩選擬合效果最好的模型，本文選用目前常用的DIC準(zhǔn)則，結(jié)果見(jiàn)表3。在DIC準(zhǔn)則中表示模型的刻畫(huà)水平，具體而言值較低的模型對(duì)樣本數(shù)據(jù)的刻畫(huà)效果較好；PD代表模型自身的簡(jiǎn)易程度，PD值較大的模型自身的簡(jiǎn)易程度較差。所以，DIC值越大，模型的刻畫(huà)水平越差、簡(jiǎn)易程度越差，模型更應(yīng)該被淘汰，反之，則更應(yīng)該被保留。從表3 可以看到，SV-N 模型的DIC 值最小，說(shuō)明其對(duì)人民幣匯率的擬合效果最優(yōu)，因此本文選用SV-N 模型，即表2 中的式（20）來(lái)進(jìn)行人民幣風(fēng)險(xiǎn)測(cè)度和預(yù)測(cè)。

SV-N模型中各未定參數(shù)的后驗(yàn)分布密度如圖1 所示。由圖1 可以看出，各未定參數(shù)的分布較為集中，也證明本文的估計(jì)結(jié)果是可靠的。

圖1 SV-N模型中各未定參數(shù)的后驗(yàn)分布密度

由以上的貝葉斯估計(jì)結(jié)果可以得出如下結(jié)論：

（1）人民幣匯率的對(duì)數(shù)波動(dòng)（μ）的均值為-13.3193，α=0.05時(shí)的置信區(qū)間是［-14.4000，-12.4975］，結(jié)果顯示樣本序列的對(duì)數(shù)波動(dòng)數(shù)值較大，說(shuō)明人民幣匯率的波動(dòng)率較高。

（2）當(dāng)期波動(dòng)對(duì)遠(yuǎn)期作用持久性（φ）的均值為0.9388，α=0.05時(shí)的置信區(qū)間為［0.8913，0.9792］，說(shuō)明匯率的波動(dòng)對(duì)外匯市場(chǎng)遠(yuǎn)期的作用是持久的。

（3）匯率的對(duì)數(shù)波動(dòng)方差（τ）的均值為0.5474，在顯著性水平α=0.05 時(shí)的置信區(qū)間為［0.4259，0.6991］，數(shù)值相對(duì)較小，說(shuō)明刻畫(huà)人民幣匯率的對(duì)數(shù)波動(dòng)的模型較好。

表2 SV-N模型各變量基本特征

表3 SV-N模型DIC值

3.人民幣匯率風(fēng)險(xiǎn)的度量。在上文所得到的人民幣匯率對(duì)數(shù)波動(dòng)率（ht）的基礎(chǔ)上，本文進(jìn)一步利用式（5）對(duì)人民幣匯率風(fēng)險(xiǎn)（CVaR）進(jìn)行度量，結(jié)果見(jiàn)表4。

為驗(yàn)證SV-N-CVaR 模型的適用性，本文采用Kupiec檢驗(yàn)法對(duì)其進(jìn)行考察。為此，本文首先對(duì)匯率序列作差，得到匯率變動(dòng)序列｛△pt=pt-pt-1|t=1，2，…，500｝；在此基礎(chǔ)上，定義似然比率（Likelihood Ratio）統(tǒng)計(jì)量為：

其中，T為樣本量，N為CVaR 小于匯率變動(dòng)量的次數(shù)。因此p=N/T即為CVaR小于真實(shí)差值的頻率。而當(dāng)CVaR 的置信水平為c 時(shí)，CVaR 小于匯率變動(dòng)量的期望頻率則為p'=1-c。

計(jì)算可得，LR統(tǒng)計(jì)量為3.89，接近于5%的顯著性水平下的閾值（3.84），因此本文風(fēng)險(xiǎn)度量的結(jié)果是可以接受的?？紤]到本文樣本區(qū)間涵蓋了2015年“8.11 匯改”時(shí)段，Kupiec 檢驗(yàn)的結(jié)果說(shuō)明本文的風(fēng)險(xiǎn)度量在外生政策沖擊下具有穩(wěn)健性，能夠全面考察人民幣匯率風(fēng)險(xiǎn)。

4.人民幣匯率風(fēng)險(xiǎn)預(yù)測(cè)。為了考察本文所構(gòu)建的SV-N-CVaR的預(yù)測(cè)效果，本文對(duì)2017年5月23日到2017 年10 月19 日，即上文所選樣本范圍之外100 日的匯率風(fēng)險(xiǎn)進(jìn)行一步向前預(yù)測(cè)。在對(duì)每日匯率風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)時(shí)，均從該日的上一個(gè)交易日開(kāi)始，向前取500 個(gè)有效的人民幣匯率中間價(jià)作為訓(xùn)練集，用以計(jì)算SV-N模型中的未定參數(shù)。將其代入式（20）和式（5），計(jì)算該日的匯率風(fēng)險(xiǎn)，并與當(dāng)日真實(shí)風(fēng)險(xiǎn)進(jìn)行比較。以預(yù)測(cè)2017年5月25日的匯率風(fēng)險(xiǎn)為例，訓(xùn)練集選為2015 年5 月6 日至2017 年5 月24日，共500個(gè)匯率數(shù)據(jù)。具體預(yù)測(cè)結(jié)果見(jiàn)圖2。

圖2 2017年5月24日至10月19日匯率風(fēng)險(xiǎn)預(yù)測(cè)值和真實(shí)匯率差值絕對(duì)值

結(jié)果表明，在100次預(yù)測(cè)中，有87次的預(yù)測(cè)值大于真實(shí)差值，預(yù)測(cè)正確率為87%，結(jié)果是可以接受的。從圖2也可以看到，匯率風(fēng)險(xiǎn)預(yù)測(cè)值和真實(shí)值的變動(dòng)趨勢(shì)基本相同，說(shuō)明外匯風(fēng)險(xiǎn)預(yù)測(cè)值與真實(shí)狀況保持了較高的一致性，本文所構(gòu)建的SV-N-CVaR模型預(yù)測(cè)效果較好。

四、結(jié)論

本文利用SV模型建立了匯率風(fēng)險(xiǎn)度量模型，并以此為基礎(chǔ)對(duì)我國(guó)匯率風(fēng)險(xiǎn)進(jìn)行了樣本外預(yù)測(cè)。為此，首先運(yùn)用四種隨機(jī)波動(dòng)模型（SV-N、SV-T、SV-MN 和SV-MT）對(duì)人民幣匯率波動(dòng)進(jìn)行擬合，并運(yùn)用DIC 準(zhǔn)則進(jìn)行了模型篩選；然后，利用篩選出的模型結(jié)合在險(xiǎn)價(jià)值模型（VaR和CVaR）對(duì)人民幣匯率風(fēng)險(xiǎn)進(jìn)行度量；最后對(duì)人民幣匯率進(jìn)行了樣本外預(yù)測(cè)。研究發(fā)現(xiàn)，相對(duì)于其他模型，SV-N 模型能夠更精確地?cái)M合人民幣匯率波動(dòng)趨勢(shì)，基于該模型建立的SV-N-CVaR 模型對(duì)人民幣匯率風(fēng)險(xiǎn)的預(yù)測(cè)準(zhǔn)確性更高，且對(duì)樣本外的匯率風(fēng)險(xiǎn)的預(yù)測(cè)效果令人滿(mǎn)意。

結(jié)合本文的研究可以得到如下啟示：實(shí)現(xiàn)人民幣國(guó)際化有利于解決我國(guó)的貨幣錯(cuò)配問(wèn)題，提高人民幣的國(guó)際定價(jià)能力。然而，在人民幣國(guó)際化進(jìn)程中，匯率波動(dòng)引發(fā)的問(wèn)題越來(lái)越多，隨之而來(lái)的匯率風(fēng)險(xiǎn)可能對(duì)我國(guó)金融體系甚至經(jīng)濟(jì)安全帶來(lái)挑戰(zhàn)。尤其是我國(guó)正處于經(jīng)濟(jì)發(fā)展的轉(zhuǎn)型換擋期，匯率風(fēng)險(xiǎn)失控有可能上升和轉(zhuǎn)化為實(shí)體經(jīng)濟(jì)的系統(tǒng)性風(fēng)險(xiǎn)。人民幣匯率形成機(jī)制改革應(yīng)結(jié)合國(guó)際經(jīng)濟(jì)發(fā)展趨勢(shì)以及我國(guó)自身經(jīng)濟(jì)發(fā)展?fàn)顩r循序漸進(jìn)，既不能盲目追求市場(chǎng)化而忽視風(fēng)險(xiǎn)，也不能為了方便管控而固步自封。應(yīng)該在保證風(fēng)險(xiǎn)可控的范圍之內(nèi)，穩(wěn)步推進(jìn)人民幣國(guó)際化進(jìn)程。同時(shí)應(yīng)在人民幣國(guó)際化逐步推進(jìn)的過(guò)程中，對(duì)匯率風(fēng)險(xiǎn)保持高度警惕，建立有效的匯率風(fēng)險(xiǎn)防范體系和預(yù)案，當(dāng)風(fēng)險(xiǎn)過(guò)大時(shí)，適度放緩國(guó)際化進(jìn)程甚至以退為進(jìn)亦不失為明智之舉。

具體到風(fēng)險(xiǎn)模型的構(gòu)建上，從本文的研究可以發(fā)現(xiàn)，基于傳統(tǒng)的時(shí)不變模型所構(gòu)建的匯率風(fēng)險(xiǎn)度量和預(yù)測(cè)模型適用性有限，尤其是在面對(duì)如“8.11匯改”這種外生事件的情況下，效果更差。而本文利用考慮波動(dòng)率時(shí)變的SV-N所建立的匯率風(fēng)險(xiǎn)度量模型則能夠?qū)ξ覈?guó)匯率風(fēng)險(xiǎn)進(jìn)行較為準(zhǔn)確的度量，并對(duì)樣本外的風(fēng)險(xiǎn)進(jìn)行較好的預(yù)測(cè)。因此，結(jié)合我國(guó)國(guó)情和匯率形成機(jī)制，利用近年來(lái)計(jì)量經(jīng)濟(jì)學(xué)模型的最新成果，繼續(xù)構(gòu)建和完善匯率風(fēng)險(xiǎn)度量和預(yù)測(cè)模型是我們未來(lái)探索的方向。