基于GARCH类模型的外汇风险度量研究

周靖

【摘 要】外汇风险是影响对外经济的重要因素之一。选取5种常见外汇汇率收益率分析汇率走势和度量风险。通过研究发现5种常见外汇收益率普遍存在尖峰厚尾性，具有异方差效应，但序列平稳的特征，因此，采用GARCH类模型对5种常见外汇汇率收益率进行研究，并依据拟合较好的GARCH类模型进行VaR值的估算，从而探究我国汇率波动的总体规律与风险性，并为相关企业进行趋势交易和应对此类风险提供了建议。研究发现目前欧元和英镑的风险值较大，且日元和英镑汇率波动存在过高的持续性。

【Abstract】 Foreign exchange risk is one of the important factors that influence foreign economy. Five common exchange rate returns are selected to analyze the exchange rate trend and measure risk. Through the study， we found that 5 kinds of foreign exchange rates have the characteristic of higher？peak？and？range？end， and have Heteroscovariance effect， but stable sequence. So we use GARCH class models to study 5 kinds of exchange rate returns， and according to the fitted GARCH class model， the VaR value is estimated， so as to explore the law and the risk， and provides advice on trends trading and dealing with such risks for related companies. The study found that the risk of the euro and the pound is greater， and the volatility of the yen and the pound is too persistent.

【关键词】外汇风险；GARCH类模型；VaR；风险度量

【Keywords】foreign exchange risk； GARCH class models； VaR； risk measurement

【中图分类号】F8 【文献标志码】A 【文章编号】1673-1069（2017）06-0093-04

1 引言

外汇风险是影响对外经济发展的重要因素之一，随着我国汇率改革的不断深化，同时2016年6月英国脱欧，汇率波动日趋频繁。2016年5月，伴随着人民币波动幅度的增加，外汇储备出现最大月度降幅达到279亿美元，外汇储备跌至3.19万亿美元，人民币长期单边贬值，影响中国对外经济稳定发展。由于我国外汇市场起步相对较晚，国内的部分企业和相关金融机构对外汇风险不具有较强的管理和防范意识，导致在面对新的经济环境下，无法准确预估外汇的风险，从而失去在对外贸易中的优势，造成许多中小型外贸企业遭受巨大损失。基于以上背景，本文想要通过分析汇率走势和度量风险以研究当前形势下的外汇汇率。因而本文选取5种常见的外汇汇率的中间牌价，进行GARCH类模型的建立，选取拟合程度较好的模型进行VaR值的估算，从而探究我国汇率波动的总体规律和风险特性并为相关企业应对相应风险提出建议。

2 文献综述

前人研究中，如姜程耀、周博雅的《浅析外汇风险对我国对外贸易的影响》，较为详细地论证了外汇风险对不同规模和不同结构的公司的影响程度，但并没有对风险外汇进行定量测量，也没有提出如何应对此类风险。而采用实证进行分析的文章，如苏飞的《人民币升值对我国出口贸易影响的实证研究》中则采用自回归滞后分布模型（ADL）进行分析，详细地阐述了当前国外经济景气指数、汇率变动和汇率风险三者之间的关系。综上，采用VaR方法进行预测估计的人较少，而VaR方法多被用于研究国内股票市场的波动性，对外汇市场波动性的研究并不多。本文采用VaR方法定量研究[1]，在提供度量外汇风险的思路的同时，也进一步为相关企业进行趋势交易和应对此类风险提供了建议。

3 数据描述和实证分析

3.1 研究方法

在对汇率波动的初步观察后发现汇率存在较为普遍的条件异方差性，因而选择GARCH类模型和VaR度量方法研究我国汇率波动规律和风险度量[2]。这里GARCH类模型选取常见的GARCH、TARCH、EGARCH模型进行拟合。

3.2 数据来源和数据预处理

本次研究的数据来自2014年1月1日至2016年12月9日间每个外汇交易日五种常见外汇汇率，包括美元、欧元、日元、港幣、英镑5种外汇汇率（USD/RMB、EUR/RMB、JPY/RMB、HKD/RMB、GBP/RMB）的中间牌价，每种外汇各有718个样本观测值，数据来源于国家外汇管理局官网，采用eviews对其进行分析[3]。

因为金融资产价格大多不具有平稳性的特点，而收益率序列往往具有稳定性，因而为了方便分析，将五种货币每个外汇交易日的外汇汇率的中间交易牌价进行对数差分处理，其对数收益率 rt 为：rt=lnPt-lnPt-1（t=1，2，……n）

3.3 外汇收益率的统计描述

3.3.1 序列平稳性

在进行回归分析之前必须先进行序列平稳性检验以避免出现“伪回归”现象，采用ADF检验，结果（见表1）：

根据以上模型可知五种汇率对数收益率序列的ADF检验统计量的值在1%、5%、10%的水平下均小于临界值，则拒绝原假设，说明这五种汇率对数收益率都为平稳序列。

3.3.2 尖峰厚尾特征（见表2）

五种外汇的对数收益率的偏度和峰度均不满足正态分布的偏度为0，峰度为3的要求，且JB统计量非常大，相应的p值很小，五种外汇的对数收益率均具有尖峰，且上下尾明显厚尾的特征，进一步证明了该序列不服从正态分布。

3.3.3 条件异方差

对序列进行自相关检验，发现除欧元对人民币汇率的对数收益率不存在自相关，其他四种外汇汇率的对数收益率存在自相关，说明序列与其滞后项存在较强的相关性，因此近期的波动性之间也具有一定的相关性（见表3），所以存在异方差。

3.4 GARCH类模型拟合

因为五种外汇汇率的对数收益率均满足序列平稳，存在条件异方差，且序列不服从正态分布，存在尖峰厚尾的特征。所以可以建立GARCH类模型。首先确定GARCH类模型的阶数，按照SIC、AIC准则，得到当（q，p）= （1，1）模型拟合效果最好。其次在GARCH（1，1）， TARCH（1，1）， EGERCH（1，1）模型中进行拟合。

根据数据可知，除GBP/RMB对数收益率的TARCH（1，1）与EARCH（1，1）模型，JPY/RMB对数收益率的TARCH（1，1）與EARCH（1，1）模型，EUR/RMB对数收益率的EARCH（1，1）模型的部分项不显著之外，其余模型都拟合良好。进一步进行异方差检验，得ARCH检验表，表中数据为卡方检验p值，所有模型均能有效消除条件异方差（见表4），说明模型拟合良好。

α反映前期的外部冲击对汇率波动的影响，除EUR/RMB的TARCH模型出现α< 0，前期的外部冲击并不会加剧汇率变动，其余模型α>0，说明前期的外部冲击会加剧汇率的波动。β反映汇率系统是否有自我调节功能，所有模型均有β< 1，说明汇率具有自我稳定的功能，其中HKD/RMB、USD/RMB的 β明显小于其他几种汇率，说明这两种汇率的波动率记忆性最差，即耗散效果最好。γ 反映模型是否存在非对称效应，USD/RMB、EUR/RMB、HKD/RMB的γ≠ 0，并且通过显著性检验，说明外部冲击对这三种汇率波动率的作用是非对称的，即这三种汇率存在显著的非对称效应，也就是存在杠杆效应，γ>0时说明市场的利好消息影响明显强于利空消息影响，γ<0 时说明市场的利空消息影响明显强于利好消息影响。其中HKD/RMB和USD/RMB波动性的非对称性程度基本一致，表示投资者在对待消息冲击的反应上具有基本相同的应变态度。由于模型参数α+β 反映汇率波动的持续性，从表中可以看出EUR/RMB、JPY/RMB和GBP/RMB波动的持续性大于HKD/RMB、USD/RMB，而且JPY/RMB和GBP/RMB出现了α+β>1 的现象，说明波动存在过高的持续性，这与GARCH模型要求的数据平稳性相违背，导致残差呈现指数增长，应用此类模型为衍生品定价时需要谨慎[4]。

3.5 计算VaR值

因为计算得到的VaR值较小，这里对VaR值进行处理，均乘以100后输出，结果（见表5）：

根据表中VaR值的均值可以发现，GBP/RMB与EUR/RMB的VaR值明显大于其他三种汇率，说明GBP/RMB与EUR/RMB的风险显著地大于其他三种汇率，产生此结果的原因可能是2016年6月24日英国脱欧以来造成的英镑和欧元的汇率不稳定，人民币汇率的持续下调等一系列事件。而受此事件影响的还有日元，2016年6月28日JPY/RMB的VaR值和GBP/RMB的VaR值同时达到最大。HKD/RMB和USD/RMB的VaR值在2015年8月13日左右都达到最大，产生此次汇率风险波动的原因极有可能是2015年8月11 日的人民币汇改。根据以上数据可以发现，由USD/RMB的GARCH（1，1）、TARCH（1，1）和EGARCH（1，1）；EUR/RMB的GARCH（1，1）、TARCH（1，1）；JPY/RMB的GARCH（1，1）；HKD/RMB的GARCH（1，1）、TARCH（1，1）和EGARCH（1，1）；GBP/RMB的GARCH（1，1）模型估算出来的VaR值均能对应相应的政治事件和经济活动，进一步体现了模型拟合程度较好。

4 结论

4.1 汇率收益率的GARCH类模型拟合状况

五种汇率收益率时间序列存在明显的ARCH效应，波动幅度大，通过建立GARCH类模型可以有效消除ARCH效应。USD/RMB用EGARCH（1，1）模型预测效果较好，EUR/RMB用GARCH（1，1）和TARCH（1，1）预测效果较好，JPY/RMB用GARCH（1，1）预测效果较好，HKD/RMB用EGARCH（1，1）预测效果较好，GBP/RMB用GARCH（1，1）预测效果较好。

4.2 五种外汇记忆性不同，部分外汇存在明显的杠杆效应

美元、日元、港币、英镑汇率前期的外部冲击会加剧汇率的波动，但港币和英镑汇率的波动率记忆性较差，耗散前期冲击的影响较快。欧元、港币、英镑汇率波动率存在杠杆效应。合理利用杠杆效应，可以调节进出口贸易进而规避风险。

4.3 受政策与政治等因素影响，欧元与英镑近期外汇风险较大，投资需谨慎

受人民币汇率改革和英国脱欧等一系列因素影响，目前欧元和英镑的风险值较大，且日元和英镑汇率波动存在过高的持续性，应用此类模型为衍生品定价时需要谨慎，因而以上几种外汇不建议投资。

【参考文献】

【1】吴慧慧. 基于GARCH模型VAR方法外汇风险度量[D].济南：山东大学，2013.

【2】王德全. 外汇风险度量研究——基于GARCH类模型及VaR方法[J]. 南方金融，2009（08）：11-15+10.

【3】苏飞. 人民币升值对我国出口贸易影响的实证研究——基于汇率风险视角[J]. 安徽大学学报（哲学社会科学版），2012（04）：131-139.

【4】姜程耀，周博雅. 浅析外汇风险对我国对外贸易的影响[J]. 中国商贸，2011（21）：211-212.