馮媞 謝斌斌 侯俊屹 董子騰

摘 要：在浮動(dòng)匯率制下，匯率風(fēng)險(xiǎn)的管理對(duì)于我國(guó)商業(yè)銀行經(jīng)營(yíng)的穩(wěn)定性至關(guān)重要，而對(duì)匯率風(fēng)險(xiǎn)管理的前提是能對(duì)匯率風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確的度量。從現(xiàn)階段來(lái)看，我國(guó)商業(yè)銀行的匯率風(fēng)險(xiǎn)管理還處于比較落后的階段，因此對(duì)匯率風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確識(shí)別與有效度量是我國(guó)商業(yè)銀行仍需解決的難題。本文選取我國(guó)金融市場(chǎng)的部分日匯率中間價(jià)，在理論分析和實(shí)證研究的基礎(chǔ)上運(yùn)用VaR-GARCH方法度量我國(guó)金融市場(chǎng)的匯率風(fēng)險(xiǎn)，最后得出在GED分布下的GARCH（1，1）模型是最優(yōu)的度量五種匯率風(fēng)險(xiǎn)的模型，且運(yùn)用VaR方法度量我國(guó)商業(yè)銀行匯率風(fēng)險(xiǎn)是必要且可行的。

關(guān)鍵詞：VaR-GARCH模型;匯率風(fēng)險(xiǎn);商業(yè)銀行;風(fēng)險(xiǎn)管理

一、研究背景及意義

風(fēng)險(xiǎn)度量是匯率風(fēng)險(xiǎn)管理的主要流程之一，在風(fēng)險(xiǎn)管理中起著重要的作用，它是風(fēng)險(xiǎn)識(shí)別的延續(xù)，也是正確處理和控制風(fēng)險(xiǎn)的依據(jù)。我國(guó)商業(yè)銀行的匯率風(fēng)險(xiǎn)管理注重風(fēng)險(xiǎn)控制，但商業(yè)銀行的風(fēng)險(xiǎn)管理整體起步較晚，而偏技術(shù)性的風(fēng)險(xiǎn)度量更為其薄弱環(huán)節(jié)。

目前我國(guó)大部分銀行以敞口分析和敏感性分析為主，若要更好的控制風(fēng)險(xiǎn)則需要從定性分析轉(zhuǎn)化為定量分析，且我國(guó)對(duì)于外匯衍生工具的運(yùn)用還沒(méi)有很普遍，外匯期貨和期權(quán)交易市場(chǎng)不完善，商業(yè)銀行內(nèi)部審計(jì)方法存在缺陷，缺乏橫向和縱向的相互制約，管理人員掌控風(fēng)險(xiǎn)的能力較弱，不能制定出科學(xué)有效的風(fēng)險(xiǎn)管理策略，這些都在一定程度上限制了商業(yè)銀行匯率風(fēng)險(xiǎn)的轉(zhuǎn)移和規(guī)避。

控制匯率風(fēng)險(xiǎn)的前提是準(zhǔn)確的度量匯率風(fēng)險(xiǎn)，本文將選取我國(guó)2012年到2019年的部分外匯數(shù)據(jù)，通過(guò)運(yùn)用VaR-GARCH的方法對(duì)我國(guó)商業(yè)銀行的匯率風(fēng)險(xiǎn)進(jìn)行度量，并在理論分析的基礎(chǔ)上進(jìn)行實(shí)證研究，為引入VaR作為我國(guó)商業(yè)銀行匯率風(fēng)險(xiǎn)的度量工具提出可行性建議。

二、模型介紹

1.VaR方法

VaR方法即Value at Risk，稱為風(fēng)險(xiǎn)價(jià)值模型，在現(xiàn)代金融風(fēng)險(xiǎn)管理中是最核心和基本的度量方法，它的產(chǎn)生是由于傳統(tǒng)的ALM和CAPM無(wú)法準(zhǔn)確定義和度量金融風(fēng)險(xiǎn)。G30集團(tuán)在研究衍生品種的基礎(chǔ)上于1993年發(fā)表的報(bào)告《衍生產(chǎn)品的實(shí)踐和規(guī)則》中提出了VaR方法。VaR模型中風(fēng)險(xiǎn)的測(cè)量是建立在概率論與數(shù)理統(tǒng)計(jì)的基礎(chǔ)上，具有很強(qiáng)的科學(xué)性且統(tǒng)一了風(fēng)險(xiǎn)計(jì)量標(biāo)準(zhǔn)。金融機(jī)構(gòu)在僅有一個(gè)具體的指標(biāo)數(shù)值——VaR的情況下就可以粗略地得知整個(gè)金融機(jī)構(gòu)或投資組合的風(fēng)險(xiǎn)狀況，這使得金融機(jī)構(gòu)各業(yè)務(wù)部門對(duì)有關(guān)風(fēng)險(xiǎn)信息的交流更加便捷，最高管理層也能夠隨時(shí)掌握機(jī)構(gòu)的整體風(fēng)險(xiǎn)狀況及時(shí)進(jìn)行風(fēng)險(xiǎn)調(diào)控，因此VaR方法常被金融機(jī)構(gòu)用來(lái)進(jìn)行風(fēng)險(xiǎn)管理。

“在正常市場(chǎng)環(huán)境下，給定一定概率水平（也即置信度），用于測(cè)度預(yù)期某一金融資產(chǎn)或證券組合在未來(lái)特定的一段時(shí)間內(nèi)的最大可能損失的方法”，這是菲利普·喬瑞對(duì)VaR權(quán)威的解釋，用數(shù)學(xué)公式可表示為：

2.GARCH模型

GARCH模型被稱為廣義ARCH模型，是ARCH模型的拓展。ARCH模型實(shí)質(zhì)上是使用殘差平方序列的q階移動(dòng)平移對(duì)當(dāng)期異方差函數(shù)值進(jìn)行擬合，而移動(dòng)平均模型具有自相關(guān)系數(shù)q階截尾性，因此ARCH模型只適用于異方差函數(shù)短期自相關(guān)過(guò)程。但在實(shí)踐中會(huì)有一些殘差序列的異方差函數(shù)具有長(zhǎng)期自關(guān)性，此時(shí)若仍使用ARCH模型對(duì)異方差函數(shù)進(jìn)行擬合，不僅將會(huì)產(chǎn)生很高的移動(dòng)平均階數(shù)，使參數(shù)估計(jì)的難度增加，還會(huì)影響ARCH模型的擬合精度。因此為解決這一問(wèn)題，Bollerslev提出了廣義自回歸條件異方差模型，即GARCH模型，模型簡(jiǎn)記為GARCH（p，q）。

GARCH模型是在ARCH的基礎(chǔ)上又考慮了異方差函數(shù)的p階自回歸性，可以更有效擬合具有長(zhǎng)期記憶性的異方差函數(shù)，反映實(shí)際數(shù)據(jù)中的長(zhǎng)期記憶性質(zhì)。因此我們可以通過(guò)建立誤差項(xiàng)的方差和均值模型更加準(zhǔn)確對(duì)波動(dòng)性進(jìn)行分析與預(yù)測(cè)。

三、實(shí)證研究

1.樣本數(shù)據(jù)選取及說(shuō)明

目前，我國(guó)大部分的商業(yè)銀行計(jì)算VAR以持有期一天為標(biāo)準(zhǔn)，因此本文采用日VaR進(jìn)行分析。鑒于美元、歐元、日元、港幣、英鎊幾種貨幣是我國(guó)主要的貿(mào)易結(jié)算貨幣，而且是我國(guó)外匯儲(chǔ)備的主要構(gòu)成部分，本文選取了直接標(biāo)價(jià)法下，美元、歐元、港幣、日元、英鎊兌人民幣的日匯率中間價(jià)（數(shù)據(jù)來(lái)源于國(guó)家外匯管理局網(wǎng)站）。數(shù)據(jù)選取區(qū)間為2012年1月4日到2019年12月31日。

相比一般收益率，幾何收益率具有很好的統(tǒng)計(jì)特征，更適合進(jìn)行金融建模，同時(shí)在金融研究中人們更關(guān)注收益率和價(jià)格變動(dòng)而不是價(jià)格本身，因此本文借助Eviews和Excel對(duì)原數(shù)據(jù)序列先取對(duì)數(shù)，將其匯率的價(jià)格序列轉(zhuǎn)化為對(duì)數(shù)收益率序列l(wèi)nPt，再進(jìn)行一階差分處理，最后得到幾何收益率Rt。

2.樣本數(shù)據(jù)檢驗(yàn)分析

日收益率序列并不符合傳統(tǒng)的正態(tài)分布，而是呈現(xiàn)“尖峰厚尾”;GED分布下的GARCH（1，1）模型可以更好地?cái)M合模型的波動(dòng)集群現(xiàn)象，從而使測(cè)算VAR的結(jié)果更加科學(xué)合理。

日收益率序列一般都呈現(xiàn)尖峰厚尾的狀況，不符合傳統(tǒng)的正態(tài)分布，收益率的分布則直接影響VaR的計(jì)算精度，因此在進(jìn)行模型擬合前我們需要先對(duì)數(shù)據(jù)進(jìn)行正態(tài)性檢驗(yàn)。本文將先采用J-B檢驗(yàn)來(lái)對(duì)五種外匯收益率序列的正態(tài)性進(jìn)行檢驗(yàn)，再采用GED分布或t分布來(lái)代替正態(tài)分布，這樣尾部的擬合效果和度量精度就得到了提高。

（1）J-B檢驗(yàn)及其他統(tǒng)計(jì)特征

對(duì)于收益序列的正態(tài)分布特征的檢驗(yàn)，我們運(yùn)用eviews對(duì)五種匯率進(jìn)行J-B檢驗(yàn)。假設(shè)J-B統(tǒng)計(jì)量服從正態(tài)分布，若P<0.01則在1%的顯著性水平下可以拒絕原假設(shè)，即序列不服從正態(tài)分布;否則接受原假設(shè)，認(rèn)為服從正態(tài)分布我們根據(jù)運(yùn)行結(jié)果把美元、歐元、港幣、日元、英鎊的收益率序列基本統(tǒng)計(jì)值繪制成表1。

從表1中可以看出，五種匯率的偏度都不為0，其中美元、歐元，港幣的偏度大于0，收益率分布有右拖尾現(xiàn)象;日元、英鎊的偏度小于0，收益率分布有左拖尾現(xiàn)象。同時(shí)五種匯率的峰值都顯著的大于3，說(shuō)明其收益率序列分布都比正態(tài)分布更集中呈現(xiàn)出“尖峰”的狀態(tài)。而從JB統(tǒng)計(jì)量來(lái)看，所有的P值都為0，因此序列不服從正態(tài)分布。通過(guò)對(duì)偏度、峰度和JB統(tǒng)計(jì)量進(jìn)行分析，發(fā)現(xiàn)收益率序列呈現(xiàn)尖峰厚尾的現(xiàn)象，不符合正態(tài)分布。因此本文將采用t分布，GED分布來(lái)描述各序列的尖峰厚尾現(xiàn)象，以更好刻畫尾部特征，提高VaR的度量精度。

（2）平穩(wěn)性檢驗(yàn)

時(shí)間序列的平穩(wěn)性是對(duì)時(shí)間序列進(jìn)行研究的首要前提，且GARCH模型只適用于平穩(wěn)性序列，因此此處采用ADF檢驗(yàn)，對(duì)美元、歐元、日元、港幣、英鎊的收益率序列Rt進(jìn)行平穩(wěn)性檢驗(yàn)。

檢驗(yàn)結(jié)果得出：五種外幣收益率序列的ADF檢驗(yàn)值在1%、5%、10%的顯著性水平下均小于臨界值，所以通過(guò)了平穩(wěn)性檢驗(yàn)，因此美元、歐元、日元、港幣、英鎊的收益率序列均不存在單位根，是平穩(wěn)的時(shí)間序列。

（3）自相關(guān)檢驗(yàn)

Q統(tǒng)計(jì)量是由Ljung和Box于1978年提出，用來(lái)檢驗(yàn)一系列自相關(guān)性是否具有統(tǒng)計(jì)顯著性，本文通過(guò)對(duì)擾動(dòng)項(xiàng)進(jìn)行自相關(guān)檢驗(yàn)來(lái)證明擾動(dòng)項(xiàng)是否自相關(guān)。各收益率序列的Q統(tǒng)計(jì)量檢驗(yàn)結(jié)果如表2所示。

本文取的滯后階為8，從表中可以看出，在5%的顯著性水平下，歐元和英鎊Q統(tǒng)計(jì)量所對(duì)應(yīng)的P值均大于0.05，因此可以接受原假設(shè)，我們認(rèn)為收益率序列是不相關(guān)的。當(dāng)Q統(tǒng)計(jì)值逐漸增大時(shí)，人民幣匯率正在逐步走向白噪聲，此時(shí)的收益率序列符合隨機(jī)游走過(guò)程，但是由于美元、日元和港幣的收益率序列均存在自相關(guān)，因此在對(duì)這三種外匯收益率建立回歸方程時(shí)需要加入滯后項(xiàng)來(lái)消除自相關(guān)。

（4）異方差檢驗(yàn)

由于回歸函數(shù)中存在異方差容易引發(fā)多重共線性問(wèn)題，因此我們需要檢驗(yàn)收益率序列分布來(lái)判斷回歸函數(shù)是否具有條件異方差，本文采用ARCH效應(yīng)對(duì)收益率序列進(jìn)行異方差檢驗(yàn)。

根據(jù)ARCH效應(yīng)檢驗(yàn)我們可看出在滯后階數(shù)為8時(shí)，ARCH統(tǒng)計(jì)量的P值均小于0.01，因此原序列存在高階的ARCH效應(yīng)，我們可以采用GARCH（p，q）模型下的VaR方法來(lái)度量匯率風(fēng)險(xiǎn)。

（5）GARCH模型滯后階數(shù)的選擇

由于模型GARCH（p，q）通過(guò)了異方差檢驗(yàn)，本文將運(yùn)用該模型對(duì)波動(dòng)性進(jìn)行估計(jì)。GARCH（1，1），GARCH（2，1），GARCH（1，2）和GARCH（2，2）均是實(shí)驗(yàn)中常用的GARCH模型，所以我們?cè)贕ED分布和t分布的前提下，根據(jù)AIC和SC準(zhǔn)則確定出模型的最優(yōu)滯后階數(shù)。

根據(jù)得出的AIC值和SC值，美元、歐元、港幣、日元與英鎊五種的收益率數(shù)據(jù)在滯后階數(shù)為（1，1）時(shí)的AIC值和SC值的偏差都較小。若AIC值和SC值差別不大，我們則選取滯后階數(shù)少的模型，這樣可以降低待估參數(shù)的個(gè)數(shù)，方便計(jì)算，因此GARCH（1，1）模型最合適。

（6）模型的殘差檢驗(yàn)

在確定使用GARCH（1，1）模型后，我們對(duì)模型的殘差序列進(jìn)行ARCH-LM檢驗(yàn)。根據(jù)美元、歐元、港幣、日元與英鎊收益率的t分布和GED分布表可見(jiàn)，在1%的顯著性水平下，模型所對(duì)應(yīng)的P值均大于顯著水平，因此模型的殘差序列不存在ARCH效應(yīng)，所以模型能夠很好地反映美元、歐元、港幣、日元與英鎊五種匯率收益率序列的異方差性。

四、結(jié)論與政策建議

本文通過(guò)VaR-GARCH模型對(duì)我國(guó)商業(yè)銀行匯率進(jìn)行度量，并采用t分布和GED分布刻畫收益率序列的尖峰厚尾現(xiàn)象，最后結(jié)合實(shí)證研究得出結(jié)論：

以2012年1月4日到2019年12月31日的匯率數(shù)據(jù)來(lái)看，VaR方法度量我國(guó)商業(yè)銀行匯率風(fēng)險(xiǎn)效果較好，可以便捷準(zhǔn)確地顯示出某段時(shí)間內(nèi)我國(guó)商業(yè)銀行匯率的風(fēng)險(xiǎn)水平，且分析得出日收益率序列表現(xiàn)出較為顯著的“尖峰厚尾”特征，不符合傳統(tǒng)的正態(tài)分布;其次，通過(guò)實(shí)證分析，我們發(fā)現(xiàn)GED分布下的GARCH（1，1）模型可以更好地?cái)M合日收益率序列分布存在的“尖峰厚尾”特征，從而使測(cè)算VaR的結(jié)果更加合理。因此，運(yùn)用VaR方法度量我國(guó)商業(yè)銀行匯率風(fēng)險(xiǎn)是必要且可行的。

2005年以前，我國(guó)實(shí)行的是人民幣盯住美元的匯率政策，商業(yè)銀行面臨的匯率風(fēng)險(xiǎn)較低，因此對(duì)匯率風(fēng)險(xiǎn)的識(shí)別與度量意識(shí)淡薄。2005年匯改之后，匯率波動(dòng)更加頻繁。在這個(gè)變幻莫測(cè)的金融環(huán)境中，監(jiān)管部門和商業(yè)銀行的管理者需要能夠?qū)R率風(fēng)險(xiǎn)進(jìn)行更可靠更準(zhǔn)確地度量，因此必須選取能準(zhǔn)確反映資產(chǎn)收益波動(dòng)的模型對(duì)于度量商業(yè)銀行的匯率風(fēng)險(xiǎn)是極其必要的，這也為我國(guó)的金融風(fēng)險(xiǎn)管理提供一個(gè)良好的技術(shù)保證。

對(duì)于商業(yè)銀行，應(yīng)選取適合自身的、擬合程度較好的分布來(lái)建立模型，以便更好地度量風(fēng)險(xiǎn)，同時(shí)長(zhǎng)期監(jiān)控匯率風(fēng)險(xiǎn)，應(yīng)對(duì)極端情況。因?yàn)楦鞣N因素反映在匯率上是長(zhǎng)期的，且是疊加性的，所以建立實(shí)時(shí)的監(jiān)控處理系統(tǒng)能夠更高應(yīng)對(duì)風(fēng)險(xiǎn)。VaR方法作為西方商業(yè)銀行主流的度量匯率風(fēng)險(xiǎn)的工具，我國(guó)也可以結(jié)合自身經(jīng)濟(jì)形勢(shì)進(jìn)行運(yùn)用，有效控制匯率風(fēng)險(xiǎn)，減少匯率風(fēng)險(xiǎn)帶來(lái)的損失。

參考文獻(xiàn)：

[1]何倩.我國(guó)商業(yè)銀行匯率風(fēng)險(xiǎn)度量的實(shí)證研究[D].蘇州大學(xué)，2014.

[2]張琳.不同階段下我國(guó)商業(yè)銀行匯率風(fēng)險(xiǎn)度量的實(shí)證研究[D].廣西師范大學(xué)，2016.

[3]龔妮.GARCH模型與VaR在外匯風(fēng)險(xiǎn)度量中的應(yīng)用[J]，長(zhǎng)安大學(xué)學(xué)報(bào)，2006，109（6）：22-26.

[4]陸紅.基于VaR-GARCH族模型的我國(guó)商業(yè)銀行匯率風(fēng)險(xiǎn)度量研究[D].東北大學(xué)碩士學(xué)位論文，2010.

[5]朱沛，孫英雋.我國(guó)商業(yè)銀行匯率風(fēng)險(xiǎn)研究——基于VAR-GARCH模型的實(shí)證分析[J].中國(guó)物價(jià)，2018（11）：34-36.

[6]李競(jìng)暉.提高城商行利率風(fēng)險(xiǎn)管理能力的研究[D].西南財(cái)經(jīng)大學(xué)，2018.

[7]李卓娜.我國(guó)商業(yè)銀行匯率風(fēng)險(xiǎn)實(shí)證研究[D].南京航空航天大學(xué)碩士學(xué)位論文，2012.

[8]楊文艷.我國(guó)商業(yè)銀行外匯風(fēng)險(xiǎn)度量的實(shí)證研究——基于改進(jìn)的VaR方法的應(yīng)用[D].蘇州大學(xué)，2009.