ParK's 論文后花園

苏州大学
硕士学位论文
我国商业银行外汇风险度量的实证研究——基于改进的VaR方法
的应用
姓名：杨文艳
申请学位级别：硕士
专业：金融学
指导教师：王光伟
20090401
我国商业银行外汇风险度量的实证研究
Y1 467720中文摘要
我国商业银行外汇风险度量的实证研究
——基于改进的VaR方法的应用
中文摘要
2005年7月21日我国进行汇率制度改革，人民币汇率不再盯住单一美元，而是
形成更富弹性、更市场化的人民币汇率机制。此次改革使得我国商业银行的外币资产
与负债以及银行在外汇交易中存在的各种外汇头寸暴露在极大的汇率风险之中，同时
也使我国商业银行在汇率风险管理方面面临者极大的挑战。而外汇风险管理程序主要
包括：外汇风险识别、度量、风险管理方法选择、风险管理实施、监督与调整，可见
外汇风险识别和度量是外汇风险管理的重要前提和核心。如何对商业银行面临的汇率
波动风险进行有效的度量与管理，以增强其抵御汇率风险的能力，是我国商业银行迫
切需要解决的难题。
本文采用实证研究和理论研究相结合的方法，从商业银行外汇风险的识别出发，
重点研究了外汇风险度量的YaR方法。文章采用各种改进的VaR模型对我国商业银
行汇率波动风险进行实证研究，经过准确性检验，最终选择一种适合度量我国商业银
行外汇风险的VaR方法。研究结果表明，最优度量方法是基于t分布的GARCH0，
1)．M模型估算VaR的方法。本文基于结论提出相应的政策建议，这对于提高我国商
业银行外汇风险管理水平有着重要的现实意义。
关键词：商业银行；汇率波动；外汇风险度量；VaR；
作者：杨文艳
指导老师：王光伟
我国商业银行外汇风险度量的实证研究英文摘要
The Empirical Study in Measurement of Exchange Rate
Risk in China Commercial banks
—珈ased on the Application of Improved VaR Method
1
Abstract
Ourcountry reformed foreign exchange rate system ON July 21也，2005．From then on，
RMB did not stare at only Dollar．It has come into being a new exchange rate system,
which is more flexibility and marketable．The reform means that Our commercial banks’
foreign assets，foreign debts and Variety of foreign exchange position that formed in
exchange rate dealing would expose in great risk．At the san'le time，there would be great
challenge for commercial banks in the aspect of exchange rate management．As we all
known，the procedures of exchange rate management mainly include：identifying foreign
exchange risk,measuring this risk,choosing the method of risk management,carrying out
risk managemenL supervising and adjustment，while the important precondition and core
of foreign exchange rate risk management are the first two procedures．Therefore，OUr
commercial banks cry for solving this problem：how to measure and manage fluctuations
of foreign exchange rate risk of OUr commercial banks effectively in order to enhance the
ability of resisting foreign exchange rate risk．
The article used the combined methods of empirical and theoretical study．It started
from the identification of foreign exchange risk,and then put more efforts into the study of
the main method of measuring the foreign rate risk—Value at础Sk(VaR)．Besides，it made
empirical study in foreign exchange risk of c．ommercial banks based on improved VaR
methods．Finally,it chose a method by veracity test，which was proper to measure the
foreign rate risk of Our commercial banks．The results showed that optimal measurement
methods was GARCH(1，1)一M modelbased on t—distribution to estimate VaR．Then it put
forward some corresponding policy recommendations based 011 the conclusions．Obviously,
Ⅱ
我国商业银行外汇风险度量的实证研究英文摘要
there is all important practical significance for Chinese commercial banks to raise foreign
exchange risk management．
Keywords：Commercial bank；Fluctuations of exchange rate；Measure of exchange
rate risk；Value at risk；
Ill
Written by：Yang wenyan
Supervised by：Wang guangwei
苏州大学学位论文独创性声明及使用授权的声明
学位论文独创性声明
本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进
行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含
其他个人或集体已经发表或撰写过的研究成果，也不含为获得苏州大学
或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡
献的个人和集体，均己在文中以明确方式标明。本人承担本声明的法律
责任。
研究生签名：搔遂日期： 鲨z：生堑
学位论文使用授权声明
苏州大学、中国科学技术信息研究所、国家图书馆、清华大学论文
合作部、中国社科院文献信息情报中心有权保留本人所送交学位论文的
复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本
人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文
外，允许论文被查阅和借阅，可以公布(包括刊登)论文的全部或部分
内容。论文的公布(包括刊登)授权苏州大学学位办办理。
研究生签．．拯垂撞日导师签名：—丢坼曰
f
l
期：
期：
我国商业银行外汇风险度量的实证研究第一章引言
第一章引言
浮动汇率制的盛行使得外汇市场汇率波动更加频繁，波动幅度越来越大，从而外
汇市场交易主体(主要是商业银行)面临的汇率风险加剧。如何度量商业银行面临的
汇率波动风险成为金融界关注的焦点。本章将从研究的理论背景，现实背景，国内外
文献综述等方面引出当前度量汇率波动风险的VaR工具。
1．1研究背景
1．1．1研究的理论背景
随着国际金融自由化的盛行和对金融创新的鼓励，外汇交易和金融衍生品交易逐渐
成为金融市场交易的重要组成部分，这使得金融市场的波动频度和波动幅度逐渐扩大，
各国金融市场交易主体面临的市场风险也日趋严重，如何加强金融市场风险管理成为金
融理论界的一个重要研究课题和方向，而其核心和基础在于实现对市场风险的准确度
量，即对利率风险、汇率风险、商品价格风险和股票价格风险等市场风险的度量。
VaR方法正是在这一背景下发展起来的。它是用来测量和控制金融市场风险的量
化工具，主要考察资产损失的尾部特征，通过求值提供一些不经常发生、但又不该忽
视的极端事件的信息，从而金融市场交易主体可以对预期遭受的损失采取防范措施。
商业银行汇率风险管理中难度最大的就是风险的度量问题，而VaR可以用来量化汇
率风险。过去传统的外汇风险管理方法，如外汇敞口计量，难以对银行外汇风险进行
具体量化。VaR可以揭示不同资产的风险状况及其对整个银行资产组合的风险的贡
献。在风险一定的条件下，可以通过调整资产组合中不同资产的比例，来实现资产赢
利能力最大化，使银行达到优化有限资金资源配置的目的。对外汇风险而言，它与信
贷资产的风险来源不同。后者主要来源于信用风险，而前者则来自于汇率波动，运用
传统的方法无法对它们的风险大小进行量化比较，也就无法决定持有外汇投资资产和
信贷资产的合理比例。运用VaR法可以对持有的不同资产的风险量化后，将各自风
险及赢利贡献进行横向比较，决定资产组合中不同资产的比例，由此实现对资金资源
的合理配置。
我国商业银行外汇风险度量的实证研究第一章引言
另外，商业银行可以借助VaR有效地利用风险。由于VaR与组合资产在不同市
场的分散性有联系，因此风险管理者可以以有效的方式配置银行所选择的风险偏好，
他们能根据不同风险头寸的预期收益及其对总风险的贡献，在不增加风险的条件下有
效地扩大头寸，又能将银行总风险限制分解到整个机构的各个业务领域包括外汇市
场，从而对每个业务所暴露的风险有清晰的了解。
由于VaR模型把资产或资产组合风险概括为一个简单、直观的数字，易于为实
际从业人员和管理者所接受，很好地弥补了其它度量方法在风险管理中的弊端。因此
运用VaR模型能够对外汇风险做出比较准确的估计，有利于风险管理者正确把握风
险，更好地控制风险，为风险管理政策和措施的制定提供了一个客观的依据。目前
VaR方法已被西方接受为最重要的市场风险管理标准工具之一。例如，巴塞尔协议和
欧盟资本充足率指导都己使用VaR作为监督标准。随着我国汇率制度的深化改革和
外汇市场的不断成熟，商业银行依据国际惯例建立以VaR为风险衡量标准的外汇风
险管理体系将成为必然。
国外对VaR方法的理论和实证研究都比较成熟，国内的研究还相对缺乏。已有
研究主要集中在对国外成熟的VaR．技术方法的理论介绍，部分学者开始对VaR模型
在我国金融市场上的应用进行实证研究。在已有的VaR模型实证研究中，侧重于市
场化程度相对较高的股票市场的股票价格风险度量，而将其运用到我国外汇市场汇率
风险领域的实证研究则相对较少。因此，运用先进的VaR工具对我国商业银行汇率
波动风险度量进行实证研究，对扩展国内研究的应用领域具有重要的理论意义。
1．1．2研究的现实背景
当前世界上大多数国家实行了浮动汇率制，汇率浮动不再受到限制，而国际资本
的大规模运动以及外汇市场上的频繁交易必然会导致各种货币间汇率的大幅度地、频
繁地波动，这就使跨国经营的企业和银行面临着巨大的汇率风险。而作为金融全球化
载体的跨国银行在全球运转着数万亿美元的国际借贷资本，是国际经济、金融关系的
一个重要方面，并且跨国银行正在走规模扩大化、资本集中化、经营国际化、业务全
能化的道路，跨国银行面临的汇率风险越来越大。如何评估与管理国际跨国银行的汇
率风险，己经成为理论界的重要研究对象，这是本文研究VaR及其在商业银行汇率
风险度量中应用的大背景。
2
我国商业银行外汇风险度量的实证研究第一章引言
就我国的现实情况而言：一方面，随着金融全球化的发展和混业经营的发展趋势，
以及我国商业银行国际竞争力的进一步增强，相信在不久的将来，各大商业银行将走
出国门，在世界各地开展跨国经营，成为名副其实的跨国银行；另一方面，自2005
年7月21日起，我国实行汇率制度改革，由以前的固定汇率制，改为以市场供求为
基础、参考一篮子货币进行调节、有管理的浮动汇率制度。人民币汇率不再盯住单一
美元，而是形成更富弹性、更市场化的人民币汇率机制。此次改革使我国商业银行的
外币资产与负债及其在外汇交易中产生的各种外汇头寸暴露在极大的汇率风险之中，
同时也使我国商业银行在汇率风险的度量与管理方面面临着极大的挑战。如何对我国
商业银行面临的汇率波动风险进行有效的评估与管理，以增强其抵御汇率风险的能
力，构成了本文研究的最为迫切的现实背景，同时也是本文的选题依据所在。
1．2文献综述
1．2．1国外文献综述
率先对VaR模型进行研究的是摩根风险管理集团(1994)，他们率先推出用于量
化市场风险的Risk Metrics(均值．方差模型)，并对该方法的原理和具体算法进行了系
统总结，标志着国际上对VaR的研究逐步走向成熟，VaR技术也逐渐成为市场风险
度量的基准。但Risk Metrics法在实际运用中受到很大限制，它假定金融资产的回报
服从条件正态分布——均值为0、方差为历史回报平方的指数移动平均，而这一假定
通常与实际金融数据的统计特点存在根本性的偏差：1)金融回报分布与正态分布相
比，存在尖峰和厚尾(Hsieh，1988：Meese，1986)；2)平方回报存在明显的自相关，
即市场因子的波动具有集聚性和时变性(Ding，1993；So，2000)。自此国外对VaR
方法的研究主要集中在对已有技术的改进、补充及完善，以及将模型VaR方法推广
到市场风险以外包括信用风险、流动性风险和操作风险等风险领域的尝试。
到目前为止，发展起来的各种模型尽管采用的方法不尽相同，但都遵循一个统一
的框架：1)映射投资组合；2)估计组合回报的分布；3)计算组合的VaR值。其中
最主要的差别是如何估计组合价值的可能变化，并据此可将现有的VaR模型划分为
三大类：一是参数法，包括硒Sk Metrics和GARCH族模型；二是非参数方法，包括
历史模拟法和蒙特卡罗模拟法：三是半参数法，包括极值理论、CVaR和最大似然
我国商业银行外汇风险度量的实证研究第一章引言
GARCH模型。每种方法都强调了VaR的某些方面，都有特定的假设条件和适用范围。
由Bollerslev(1985)提出的广义自回归条件异方差模型(GARCH模型)逐渐被应用于
资产组合的风险测量，大大地丰富了的计算方法，弥补了硒Sk Metrics法假设金融资产
的回报服从正态分布的缺陷。B酣一1995)曾运用八种VaR方法1对三种假想投资组合进
行风险估计，结果发现不同方法的估计值差别非常大，对于同一投资组合的变动幅度可
达1 4倍。Dowd和Kewin(1 999)提出了极值模型，它不是对整个资产组合收益率分布建
模，而是只对收益率尾部分布超过某～较大阀值(Threshold)的数据进行建模进而计算
VaR值。随后，众多学者纷纷利用实际金融数据，运用多种方法进行实证比较、检验和
分析，来探讨适合金融市场特点的最优估计方法的选择，主要成果有：
David X．Li(1999)提出了使用四阶矩统计量的半参数法，它不要求损失序列服从
正态分布，只要求出收益序列的均值、方差、峰度和偏度，就可以直接求出一定置信
水平下此置信区间的左端点，从而得到VaR值。并分别用Risk Metrics模型和半参数
模型对1989年12月17日至1999年2月8日12个主要货币汇率的时序数据进行分
析，得出半参数模型较砒Sk Metrics模型更为稳健的结论。
Monica Billio和Loriana Pelizzon(2000)为了能够更好地解释由回报序列跳跃性突
变带来的非正态性回报分布，尝试运用SRM(Switch Regime Models)模型对VaR进行
估算，并将方差．协方差风险矩阵法、GARCH(1，1)模型、GARCHB模型(beta-GARCH，
又称单因素模型)、GARCH(1，1)4分布模型、GARCHB．t分布模型与SRM模型进行
比较，通过回测证明，使用SRM模型计算VaR要比其他几种方法更有优势。
Rachel Campbell、Ronald Huisman和Kees Koedijk2将YaR风险管理模型应用于
资产组合选择和资本资产定价，通过理论推导得出在资产组合收益率呈正态分布且无
风险利率为零的假设条件下，基于VaR风险管理模型的资产组合选择将会得出同硒Sk
Metrics方法完全一致的结论，而且还通过实证分析，对基于历史模拟风险管理模型
的资产组合选择结果同基于收益率正态分布假设的耻Sk Melrics方法资产组合选择结
果进行对比，并指出由于资产组合收益率的尖峰、肥尾分布，运用传统的硒sk Metrics
方法会存在低估风险的缺陷，从而可能致使过量资金投资于风险资产。
Simone Menganlli和Robert EEngle(2001)系统地分析了各种VaR方法(参数法、
1其中，主要是参数方法和非参数方法，非参数方法未考虑进去．
2转引白张伊(2007)
4
我国商业银行外汇风险度量的实证研究第一章引言
非参数法、半参数法)的潜在假设和逻辑缺陷，并利用Monte Caro模拟(蒙特卡罗模拟)
对各种方法进行了比较，其结论是：对于厚尾数据过程，CAViaR模型表现最优。
Ramanza Gencay、FarukSelcuk和Abdurrahman Ulogulyagci(2003)将极值理论和方
差．协方差法、GARCH模型、历史模拟法进行比较，发现广义帕累托分布(GPD)预测
的分位数的波动性较GARCH模型更加稳定，是一种较好的分位数预测工具。
Dannis Barns和Thortsten Lhnert(2005)认为，汇率回报序列虽存在肥尾特征，但
尾部有极少的观测值，将尾部复杂化的模型会因夸大尾部发生概率而高估风险。通过
GARCH(1，1)-N分布、GARCH(I，1)4分布、power-GARCH—stable分布模型的实证
比较发现，GARCH(1，1)-t分布分布模型是估算汇率头寸ⅥR的最佳模型，带有更
复杂尾部行为的模型(power-GARCH．stable分布模型')只会导致参数及VaR测算的更
大不确定。
Mike K．P．So和Philip L．H．Yu(2006)对基于七种GARCH模型的VaR估计方法
进行了实证研究，发现基于GARCH模型的VaR估计值比砌SkMetrics方法得到的估
计值具有更好的预测效果。在综合考虑长短期投资头寸的情况下，他们将7种GARCH
类模型(msk Metrics模型、GARCH(p，q)一正态模型、GARCH(p，q)-t分布模型、
IGAKCH(p，q)一正态模型、IGARCH(p，q)-t分布模型、FGARCH(p，d，q)-正态模型、
FGARCH(p，d，q)-t分布模型)分别应用于4种汇率和12种市场指数中，评价各模型
对不同置信水平下的VaR值估计的优劣。结果发现，在小的置信度(如1％)下不适合
使用Risk Metrics模型估计VaR值；对于多数回报序列所表现出来的厚尾分布和长记
忆性特点，在估算VaR时考虑具有厚尾分布的模型要比考虑具有长记忆性的模型更
为重要；在估计1％置信度下的股票市场长期头寸的VaR时，t分布模型要比正态分
布更为有效，但对于短期头寸并非如此，由此反映了股票市场的不对称行为，而这种
现象在汇率数据中并未发现。
由此可见，不同学者由于采用了不同的方法组合和不同的金融市场数据，得到的
最终结论不尽相同，这要求我们在运用VaR模型进行市场风险度量时，必须充分把
握每种方法的隐含假设及运用的数学模型和定量分析技术，选择适合的VaR估计方
法，以提高金融市场风险估计的精确性。
1．2．2国内文献综述
我国学者最早对VaR进行研究的是郑文通(1997)阐述了金融风险管理的VaR
我国商业银行外汇风险度量的实证研究第～章引言
方法及其应用；随后，刘宇-飞(1999)提出了VaR方法在我国金融监管中的运用及其意
义，并具体指出如何运用国际上通行的“事后检验"方法对VaR模型进行检验；王
志诚、史树中等(1999)介绍了金融风险VaR分析的方法；杨春鹏、崔援民(1999)通过
几何布朗运动模型得出期权等非对称金融衍生工具的"qaR模型；魏永强、李刚(2000)
提出了在投资银行运用VaR方法度量市场风险；范英(2000)初步探讨了VaR方法
在股市风险分析中的运用；严太华、邱阳(2000)提出了在我国证券市场中应用VaR方
法管理市场风险：王春峰、万海晖、李N(2000)指出用蒙特卡罗模拟法计算VaR值所
存在的缺陷，并提出用基于马尔科夫链蒙特卡罗(Markov Chain Monte Carlo，简称
MCMC)的VaR计算方法；王春峰(2001)系统地介绍了金融市场风险管理的基本概念、
理论和VaR技术方法。袁丽胜和朱世武(2002)在风险价值体系的基础上，详细介
●
绍了事后检验法在整个金融风险管理体系中地位和运用，并进行实证分析，对上证指
数进行风险价值分析和事后检验。随着VaR理论的逐步引入，国内学者开始深入对
VaR模型的应用进行实证研究，而且更多地集中在市场化程度比较高的股票市场领
域，主要成果有：
范英(2000)对深证综合指数计算VaR值，其样本数据为1 994年1月3日至1998
年1月23日的每日收盘价。她认为收益率服从独立异方差的正态分布，并用周期为
20天的移动平均法对方差进行估计，最后计算出在90％，95％，97％及99％的置信度
下的VaR值，并进行“事后检验”，发现模型计算得到的VaR值低估了深市的风险。
杜海涛(2000)在股票市场指数风险量度、单个证券的风险量度、基金管理人员绩效评
价及确定配股价格等方面运用VaR方法进行实证研究。他认为沪深两市的指数、单
个证券、投资基金的收益都服从正态分布，在这一前提下计算在95％置信度下资产的
VaR值，并进行模型检验。其结论是VaR模型对风险的拟合结果较好，同时认为在
2000年1月1日到6月2日这一阶段中，基金金泰的管理者业绩要优于基金安信、
开元、裕阳和普惠的管理者。
陈守东(2002)用各种模型计算了沪市综指的VaR值，结果表明基于GARCH
模型估算的收益率Va_R最有效。陈学华、杨辉耀(2003)通过实证证明上证综合指数回
报率分布存在尖峰厚尾性，并具有杠杆效应，于是应用APARCH模型在正态分布、t
分布和GED分布三种分布假设下对上证综合指数通过事后模拟和条件单步预测来计
6
我国商业银j亍外汇风险度量的实证研究第一章引言
算其VaR值，然后把它与应用GARCH模型的估计结果进行比较分析，通过返回检
验发现，GED分布较正态分布和t分布模拟效果更好；APARCH模型应用于VaR估
计明显优于GARCH模型。
朱世武、李豫、何剑波(2004)采用方差．协方差矩阵估计法、历史模拟法和蒙特卡
罗模拟法三种方法对中国股市投资组合的VaR进行测算，并使用事后检验法对其进
行了有效性检验，实证表明蒙特卡罗模拟法和协方差矩阵估计法在采用GARCH模型
来计算波动率的VaR值是最佳的，该模型能够较好的覆盖真实损失；另外，采用蒙
特卡罗模拟法来计算VaR要略优于协方差矩阵估计法。龚锐、陈仲常和杨栋锐(2005)
分别在正态分布、t分布、GED分布假设下，用当前金融领域刻画条件方差最典型的
GARCH族模型(@娘CH模型、EGARCH模型、PARCH模型)，对上证指数、上证
180指数与深市综指估算VaR值进行实证研究，并对结果作了比较，得出以下结论：
在正态分布假设下，GARCH族模型估值效果优于RiskMetrics模型；在同分布假设
下，EGARCH、PARCH模型估值效果优于GARCH模型；用GED分布来描述收益
率的厚尾特点比t分布计算结果要精确。姚京、李仲飞(2005)以上证A股指数为例，
对GARCH类模型(EWMA、GARCH、EGARCH、FEGARCH)在估计VaR值时所存
在的模型风险进行了实证分析，并通过返回检验表明，EGARCH和FEGARCH模型
的表现明显优于其它两种。
郭金利(2006)采用沪深两市的指数数据考察了考虑长期记忆的FIGARCH模型，
不考虑长期记忆的GARCH模型和IGARCH模型对市场波动性的拟合效果和预测能
力。实证结果表明，非对称的t分布和GED分布函数更适合我国股市波动特征的描
述，FIGARCH模型在拟合效果和预测能力方面要优于其他两个模型。吴琼、薛红和
王露琰(2007)从理论上对基于t分布和正态分布的GARCH模型进行了比较，得出
基于t分布的GARCH模型更能刻画金融市场尖峰厚尾等实际特征。并将基于两种不
同分布下的GARCH模型应用与我国深圳股市的风险度量，通过对比VaR的估计结
果，说明基于t分布的GARCH模型计算的VaR更有效反映了我国金融市场的风险水
平。高可佑、王潇怡和黄永兵(2008)以沪深300指数为研究对象，基于历史模拟法
和蒙特卡罗模拟法，进行了VaR风险测量的实证研究。研究发现蒙特卡罗模拟法能
够较好地覆盖实际损失，适用于我国股票市场价格指数的风险度量。
7
我国商业银行外汇风险度量的实证研究第一章引言
这些成果把研究的重点放在股票市场上，结合我国股票市场的实际统计特点，综
合采用多种VaR技术方法进行实证度量、比较，从中选择适合我国股市特征的VaR
模型。同样，由于不同学者选择的样本区间不同，运用的VaR方法组合不同，得出
的结论也不尽相同，但这为我们进一步研究VaR模型在我国商业银行汇率风险领域
的应用提供了思路，具有一定的参考和借鉴价值。
到目前为止，国内将VaR模型应用于汇率风险估值的实证研究成果主要有：严
忠、刘亚琴(2004)选取人民币兑美元的每日汇率为研究对象，基于ARCH模型的方差
一协方差法来度量人民币汇率的风险值，得出人民币兑美元汇率的风险轨迹。沈兵
(2005)以美元兑日元即期汇率的每日数据和每小时数据为研究对象，首先以不同的
G灿比H族模型考察收益率的风险报酬补偿特征和不对称性，然后再应用方差．方差风
险矩阵法在不同置信度水平下，对低频的每日数据和高频的每小时数据的风险价值度
量进行比较。分析发现，低频每日数据的ARCH效应较高频每小时数据要明显，其
中EGARCH．M模型对汇率收益率的异方差性描述为最优，汇率风险度量中随着置信
度的提高，模型由高估风险转为低估风险。王天兴(2006)对香港汇丰银行的汇率波
动率进行实证研究。研究发现港元兑美元、澳元和新加坡元的汇率对数收益率存在
ARCH效应，故用GARCH族模型(GARCH、IGARCH、EGARCH和GARCH．M)
对汇率对数收益率的波动率进行预测。结果表明，对于港元兑美元汇率，IGARCH(1，
1)模型的拟合效果最优，而港元兑澳元和新加坡元汇率，EGARCH(1，1)模型的
拟合效果最优，原因在于香港的联系汇率制度。
显然，这些已有的汇率风险度量研究仅限于某种方法的实证应用，未能全面考察
和研究各种方法在我国汇率风险度量中的适用性问题，而本文弥补了这一缺陷。本文
运用各种VaR方法对我国商业银行汇率风险进行度量，并运用事后检验法，最终选
出适合我国商业银行汇率风险度量的最佳模型。
1．3研究思路及文章结构
1．3．1研究思路
本文先介绍基本理论：从VaR方法的基本理论着手，并对VaR的每一个理论模
型进行比较评价，引出对VaR方法的发展理论——压力测试法。然后针对当前我国
8
我国商业银行外汇风险度量的实证研究第一章引言
商业银行外汇风险加剧，而外汇风险管理的关键环节——汇率风险度量方法与国外相
比存在很多不足，进而提出用国际上通用的VaR模型来度量我国商业银行汇率风险，
并进一步说明其必要性和可行性；接着本文用各种VaR模型对我国商业银行的外汇
风险进行了实证研究，最后做出总结，给出了我国商业银行完善汇率风险管理体系的
政策建议。
1．3．2文章结构
本文第一章阐述用VaR方法对商业银行进行汇率风险度量研究的理论背景与现实
背景，介绍了国内外这方面的研究状况，指出本文研究可能的创新与不足。第二章介绍
了VaR的各种理论方法并对其进行评述，进而介绍VaR方法的发展。第三章阐述了我
国商业银行外汇风险加剧的现状，并对国外商业银行外汇风险度量进行了研究，通过与
国外度量现状相比，指出我国商业银行外汇风险度量不足之处，并进一步说明用国际通
用的VaR模型度量我国商业银行外汇风险的必要性和可行性。第四章用各种VaR模型
对我国商业银行的外汇风险进行了实证研究。包括样本选取和数据说明，对模型前提假
设进行检验，然后用各种VaR模型进行实证研究，最后进行准确性检验。最后一章给出
总结，并就我国商业银行完善汇率风险管理体系给出政策建议。
1．4可能的创新与不足
国内学者对VaR方法的应用进行的实证研究更多地集中在市场化程度比较高的
股票市场领域，本文则侧重于外汇市场领域。本文选用最新的数据，用各种VaR．模
型对我国商业银行汇率风险进行实证研究，并通过准确性检验，分析比较计算出各个
VaR值，总结出适合我国商业银行汇率风险度量的最佳模型，这是本文可能的创新之
处。
由于本人水平有限，对于用更复杂的VaR方法如条件VaR法，极值理论，压力
测试等对商业银行汇率风险进行实证研究这一点心有余而力不足，这也是本人今后努
力的方向。
9
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
第二章VaR方法的理论及评述
目前度量市场风险的方法有多种，本文对各种度量方法进行比较、评价，从而选
出当前各行业运用最广泛，最重要的风险测量工具——-vaR法，并对其进行详细的理
论介绍。
2．1商业银行外汇风险度量方法研究及评述
本节首先大体介绍了目前商业银行市场风险的度量方法，并对其进行评价，然后
针对本文研究的主题，即市场风险中的一种重要的风险——汇率风险的度量方法进行
详细的比较、总结。
2．1．1商业银行市场风险度量方法研究现状
商业银行金融风险是指银行未来收益的不确定性或波动性，它直接与金融市场的
波动性相关。一般来说，收益的不确定性包括盈利的不确定性和损失的不确定性两种
情况，而现实中人们更关注的是损失的不确定性。更具体地说，商业银行金融风险是
指由于金融市场因素发生变化而对银行现金流产生负面影响导致银行的金融资产或
收益发生损失并最终使银行价值下降的可能性。例如利率、汇率或者商品价格的波动
以及由于债务人财务状况恶化而导致违约的可能性等都会给银行的资产价值和收益
带来风险。而风险的度量则是整个风险管理过程中最重要的一个环节。
目前能够进行数理计量的风险主要是市场风险(包括利率风险、汇率风险、商品
价格风险和股票价格风险等)和信用风险。用于风险测量的工具或方法可以归为四类：
(1)简单算术法(偏差率，价差率)；(2)灵敏度(Sensitivity)分析，如∥系数法；(3)波动性
(Volatility)分析，即方差或标准差法；(4)下方风险(Downside Risk)的测量技术，如低
位部分矩LPMS．(Lower Partial Moments)法、风险价值VaR法、情景分析(Scenario
Analysis)法、压力测试(Stress Testing)法等。
这些计量方法从不同角度强调了风险的基本意义和特征，它们彼此间是和谐的。
其中下方风险是最“综合”性的风险计量方法，它将灵敏度分析与具有负面不确定性
效应的波动分析结合在一起，风险价值VaR便属于这种计量方法。目前VaR以及情
lO
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
景分析法和压力测试法已发展成为现代风险量化管理中应用最广泛、最重要的方法，
它们在证券投资组合的风险测量、经营机构(证券公司，商业银行及其它金融机构，
甚至一般的公司)的整体风险监控中得到越来越广泛的应用。本文将重点介绍VaR法。
我们从简单到复杂较详细地介绍风险计量的一般方法。
1、用价差来衡量风险
价差率是用来测算汇率波动风险最简单的方法，其计算公式如下：
价差率=2}(最高价-最低价)／(最高价+最低价)}100％
上式中的最高价、最低价是指汇率在相应各期限(如月)的最高价和最低价。
价差率法的实质是直接将汇率的可能波动幅度作为衡量风险的指标。用价差率来
衡量汇率的波动幅度和风险计算简单方便，意义清晰直观；价差率越大意味着汇率波
动风险越大，反之则风险越小。而且可以根据具体情况和需要采取不同的期限，如年、
月、周等来计算价差率。
但是，用价差率来测量风险存在明显的缺点：不同时间段汇率收益率序列具有相
同的价差率并不能表明这两个时间段序列的波动风险一样大，有可能一个序列波动频
繁，另一个序列波动平稳，只是他们的最高值和最低值分别相等而已。显然，用价差
率来测量风险时所包含的内容过于狭窄，其精确度和适用范围非常有限。
2、灵敏度分析与∥系数法
灵敏度(Sensitivity)是收益的方差与产生这一方差的某一随机变量(如利率、汇率
等)的方差之比，它是两个方差的比值。设以V表示收益，x表示影响收益的市场随
机变量，S表示收益V对x的灵敏度，则：S=AV／AX；或者以两方差的百分比的
比值表示为：
S=(△VⅣ)／(ax／x) (2．1)
如某一债券价格对利率的敏感度为5，则它意味着1％的利率方差将产生5％的
债券收益方差。若债券价值为10000则其价值变动的方差为500。
灵敏度法是指通过测量金融资产价值对市场因子的灵敏度来估计金融资产市场
风险的方法。一般地灵敏度就是函数关系中因变量变化受自变量变化影响的程度。或
者反过来说灵敏度反映的是自变量的改变所引起的因变量的变化程度。设D为灵敏
度且F=厂b)贝0
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
D：竺×三
缸F (2．2)
假设知道了资产价值F与市场因子x问的函数关系，即资产定价公式f．(X)就可以
通过灵敏度来表达资产价值受市场因子变动的影响情况：
等-D×Ax (2．3)
显然，灵敏度D越大，资产价值受市场因子波动的影响也就越大，市场风险也
就越高。
在实际应用灵敏度法时，通常利用全微分的思想来近似描述多个市场因子对资产
价值的作用，用泰勒公式等微分近似方法来解决非线性问题。要表达在期权价值(c)
变化中哪些是由基础证券价格(S)波动引起的，哪些是由时间(t)流逝造成的，那么就
有下面的全微分公式dc=．Oc(。S。,t)dS+掣出(2．4)
as at 、。
而对非线性资产价值函数厂G)可用泰勒级数在而处作线性展开
厂G)：妻乡k融一而y：厂k)+六k№一‰)+丢厶kk一粕)2+Re (2．5)
无论是全微分还是泰勒级数都属于微分近似即市场因子变化较小时的一种近似。
所以灵敏度法在市场因子小幅波动时对市场风险的测量较为准确。
由于灵敏度方法的计算简单明了，它在风险的计算和管理中得到了极为广泛的应
用。例如在银行业的利率风险和信贷风险的计量管理中，灵敏度分析法的应用就特别
广泛；而它在证券市场中的应用就是所谓的夕系数法应用在期权中时就得到所谓的艿
系数法。
随着金融市场的规模增大、交易方式的动态性和复杂性的增加灵敏度方法存在以
下几个问题。
第一，近似性。只有在市场因子的变化范围很小时，这种近似关系才与现实相符，
因此它只是一种局部性度量方法。灵敏度分析法比较适合简单的金融工具在市场因子
变化较小的情形，对于复杂的证券组合及市场因子的大幅波动情形，灵敏度方法或者
准确性差，或者由于复杂而失去了其原有的简单直观性。
12
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
第二，对产品类型的高度依赖性。某一种灵敏度概念只适用于某一类资产、针对
某一类市场因子，无法度量包含不同市场因子、不同金融产品的投资组合的风险。如
果某投资组合的收益或价值受到几个市场随机变量的影响，那么该投资组合的风险就
需要由这几个灵敏度组成的灵敏度变量来描绘。例如某证券投资组合的市场价值依赖
于各有关货币的利率、汇率、证券价格指数，这时需将投资组合价值对这些变量的灵
敏度都计算出来，但不能将它们直接相加。因为那样意味着各随机变量将在同一时间
以给定的幅度变动从而会夸大风险。
第三，相对性。灵敏度只是一个相对的比例概念，并没有回答某一投资组合的风
险损失到底是多大。
3、波动分析法(方差或标准差法)
这种方法是运用概率论中的方差或标准差来测量和比较不同金融资产的风险，即
根据金融资产的收益和概率分布先计算出收益的数学期望，然后计算它和实际收益的
偏差程度(方差或标准差)，以此来衡量证券资产的风险。方差或标准差越大对应的金
融资产风险越大。若比较两种不同金融资产之间的风险，则需使用标准差与收益或损
失变量的当前值之比来比较。
波动性描述了收益偏离其均值的程度，在一定程度上度量了金融资产价格的变化
程度。实际应用中风险测度指标使用最多的是方差(均方差)，原因是使用方差(均
方差)刻划投资风险简单明了。但从风险管理实践效果来看，该指标不是令人满意的
尺度。首先方差是对称的测度，只描述了收益的偏离程度，却没有描述偏离的方向，
对收益和损失同时加以惩罚，而实际中最关心的是负偏离(损失)；其次方差并不适合
描述小概率极端事件的风险(如信用风险和操作风险等)；最后波动性并没反映证券
组合的损失到底是多大。因此对于随机变量统计特征的完整描述需要引入概率分布，
而不仅仅是方差。均值～方差决策方法和期望效用理论之间存在差异，除非对收益的
分布作正态假设，这样当金融资产的收益表现出偏度和厚尾特征(如外汇收益便是如
此)，模型的效果不好。解决问题的方法一方面集中在发展出能更好刻画金融资产收
益行为的模型，例如GARCH及其各种变形EGARCH、PARCH和IGARCH等；另
一种方法则试图从根本上改变风险测度方法如VaR法。
尽管波动性不适宜直接用来度量证券组合的市场风险，但市场因子的波动性却是
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
下面将介绍的VaR计算的核心因素之一。
4、低位部分矩(LPM)法
方差反映的是随机变量对自身期望值的离散程度，期望值两侧的随机变量值都被
用来计算方差。在金融市场中对于超出期望收益的那部分收益值，人们一般不将其视
为风险。因为在这种情形下尽管超出了预期，但收益增大了，这部分收益与位于期望
收益之下的那部分收益是有本质区别的。但是在方差法中这两者被视为是相同的。为
了解决这一缺陷，人们长期以来一直希望能够找到一种新的度量风险的方法，这种风
险度量方法应只关注资产组合收益率低于给定收益率的部分，即着重考察收益率概率
分布的左边。为实现这种构想人们相应地发展出一些方法总的来说可称为下方风险
(Downside—Risk)度量法，其中最具代表性的是LPM法和VaR法。VaR法将在后面的
章节中详细介绍，所以这里我们主要介绍LPM法。
LPM是“Lower Partial Moments”的缩写也可直译为“低位部分矩”。在LPM法中
只有收益分布的左尾部分才被用来进行风险度量。一般说来在给定的目标收益率T
下，用LPM法衡量的投资收益的风险可表示为：
LPM计=ZP,(r-Rp 7I (2．6)
R，盯
其中0是收益率为RP时的概率，n=0，1，2，⋯。11的取值不同，LPM的含义
也不同。当n=0时LPM表示的是组合收益率对目标收益率的零阶矩，即收益率低于
目标收益率的概率；当n=l时该一阶矩表示收益率单边离差的均值；当n=2时二阶
矩朋织为收益率的半方差。
由LPM表达式可知，目标收益率T越大，LPM的有效集{RP l RP≤T)扩大，
LPM值也越大，从而对应的风险越大。LPM法要求先确定目标收益率，而且计算比
较复杂，不易理解，现实中运用的不多。
2．2．2商业银行外汇风险的度量方法
根据测算汇率风险途径的不同，把商业银行外汇风险度量方法分为两类：直接度
量法和间接度量法。下面就每一类度量方法进行详细介绍。
14
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
2．2．2．1外汇风险的直接度量法
外汇风险的直接度量法，是指衡量由于汇率的波动给有关外汇市场经济主体的外
汇资产价值带来影响的度量方法。通过这类金融风险度量方法，外汇市场经济主体的
管理者可以直接掌握汇率发生变动的情况下外汇投资组合的损失。直接度量外汇风险
的度量方法主要有外汇敞口分析、内部模型法和VaR法。
外汇敞口头寸是指金融机构在做完外汇买卖业务后某一币种借贷方轧差后的余
额。这个余额太大了会因为汇率波动带来风险而且不能够使资金的收益最大化；太小
了又不能满足客户的购汇需要，降低了汇兑收益。外汇敞口分析法被巴塞尔协议指定
为“标准方法”。外汇敞口分析可以衡量经济主体因其外币资产和负债组合的不相匹
配或外汇买卖的不相匹配而可能产生的外汇亏损或盈利所形成的外汇风险，直接汇率
风险可通过加总银行外币计价的资产和负债净值得出，因而具有计算简便、清晰易懂
的优点。然而，据此只能衡量银行面临汇率风险的一小部分，即使银行的国内资产也
会遭受汇率变动的影响。尽管只能覆盖银行整体汇率风险的一部分，对外汇敞口头寸
的测量却是一个“标准方法”，特别是在巴塞尔协议关于银行监管中，欧洲、日本和
北美的央行于1993年制定以此种方法衡量一系列市场风险，包括汇率风险。这一标
准方法也存在局限性，如当出口商贷款使得银行处于美元短缺的境地时，这一方法并
没有规避间接外汇暴露风险。但如果银行以该方法借入美元以对冲美元短缺敞口，则
又会对常规资产负债结构造成紊乱。通常银行选择以外汇资产冲抵其他经营活动带来
的敞口头寸，其资产为降低银行总体汇率风险而服务。在这种情况下，以标准方法那
样将银行外汇资产定义为风险的制造者是不恰当的。另外，它忽略了各币种汇率变动
的相关性，难以揭示由于各币种汇率变动的相关性所带来的外汇风险。
针对这些局限，巴塞尔委员会最终允许以更灵活的方式来评价外汇和其他市场风
险。自1996年起，各代表国的银行监管者既可以使用标准方法来衡量暴露风险(对
此必须有一定的风险准备金)，也可以采用银行各自的内部模型来定义风险。后一种
方法必须遵循关于谨慎性、透明性和一致性原则。如果使用恰当，其对比标准法具有
更大的进步和改善。
内部模型法较之标准方法使得银行对汇率风险的监控更为广泛。1994年，巴塞
尔协议中对于市场化风险资本协定的修订中指出，内部模型更着重于对银行交易活动
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
中产生风险的评估。这种方法能更好地体现利率和汇率间的相关性。从原则上讲，这
些内部模型法能够使得每家银行更全面地汇总所有暴露风险，体现甚至是非交易活动
间的关系。然而内部模型法在覆盖范围上仍是有限的。
目前，为大多学者所使用的外汇风险直接度量方法主要是VaR法。VaR是指在
一定的置信水平或容忍度下，在一定的期限内，某一资产或资产组合在正常市场条件
下潜在的最大的损失。VaR的度量法可以将不同市场因子、不同市场的风险集成一个
数，较准确地测量由不同风险来源及其相互作用而产生的潜在损失的风险。VaR模型
把资产或资产组合风险概括为一个简单、直观的数字，易于为实际从业人员和管理者
所接受，很好地弥补了其它度量方法在风险管理中的弊端，因而已被西方接受为最重
要的市场风险管理标准工具之一。目前，巴塞尔协议和欧盟资本充足率指导都已使用
VaR作为监督标准。
2．2．2．2外汇风险的间接度量法
由于汇率的变动对于宏观经济变量发生作用从而又通过种种经济的传导机制，最
终使企业的价值发生改变。这种未预期到的汇率变动所引起的公司价值的变化也叫外
汇风险暴露，企业通常使用回归的方法来度量汇率波动与公司价值变动之间的关系，
从而间接描述外汇风险。外汇风险暴露的度量方法又可以分为两种，一种为资本市场
法，另一种为现金流量法。，
1、资本市场法
资本市场法是通过分析银行资产的收益来确定其所面临的汇率风险。资产收益可
以反映一家公司总体价值的变动。所以当银行的总体价值对于汇率变动敏感时，其资
产收益就会如同一面镜子将其反馈出来。无论是直接的还是间接的，外汇暴露均可以
从收益表现中反映出来。因此银行资产收益的汇率敏感性对于外汇暴露风险衡量提供
了更全面的方案。外汇风险能影响企业的股票价格，因此Adler和Dumas(1984)首次
提出外汇风险暴露可以由股票收益率对汇率波动的敏感度来度量。他们认为，单位汇
率变动造成股票价值变动的大小就是该资产的外汇暴露。因此外汇暴露是一个包括了
以上因素的倾斜的回归方程，可以表示成：
P：a+6s+已(2．7)
3转引自谢赤、王雅瑜、孙柏(2007)
16
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
其中，P是公司的股票价值；a是常数项；b是暴露的回归系数，表示为b=Cov(P，
S)NaR(S)；S是汇率的波动；e是残差项，E(e)=Coy(e，S)。
国外许多学者在Adler-Dumas模型上进行了发展，Jorion(1990)，Amihud(1994)
以及Choi和Prasad(1995)都使用了一个两因素模型：
心=q+届Rm,+乃Z+％ (2．8)
其中B为f公司t期的股价报酬率；Rra，为市场大盘指数报酬率；Z是t期末预
期汇率变动率。
许多学者利用该模型进行实证研究均对其进行发展和完善，Martin(1999)禾U用指
数平滑法发展了一个简单的汇率预测方法束估计投资人对汇率的期望值，这个变量可
同时包含过去的汇率变动率和最近一期的汇率变动率，从而使结果比较客观和结构
化。Bod-nar和Wong(2000)，Parsley和Popper(2002)以及Dominguez和Tesar(200 1)
也对该模型所度量的外汇风险暴露在变量指标的使用如汇率与市场收益率数据的选
取上有建设性的建议。
由于企业在现实外汇交易中，可能不只一种货币的汇率对公司价值造成影响，因
此当影响公司价值的汇率由单独一种货币的汇率变为多种货币的汇率后，公司f的价
值决定的方程可以变为：
巧=口+包墨+b2s2+⋯+％％+qK+乞坞+⋯巳K+岛(2．9)
其中，最为影响该公司价值的汇率；m，K为其他因素。可以通过上式求出各种
外汇汇率对公司价值的“净影响"，即求出汇率最对该公司价值V的偏导数6肼，m=l，
2，⋯，I．TI，6m即为f公司面临的货币m的外汇风险暴露。
但是资本市场法不能衡量具体某一经营活动的风险性。这种方法对于外汇暴露风
险因素没有关联，因此其不能追踪特定活动的潜在因素。尽管如此，资本市场法对于
银行家和监管者评价以往汇率风险管理成功与否还是很有用的，特别是用于比较多家
银行的外汇暴露风险，因为该法的使用具有一致性，并且不涉及各银行的内部模型。
此外，资产法的全面性也为评估其他风险提供了良好的借鉴。
2、现金流量法
17
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
由于许多不发达国家股市的不稳定和不完善，容易受到许多人为因素和政府政策
因素的影响而引起波动。许多对不发达国家所进行的股票收益率与外汇波动之间的关
系研究结果显示，用资本市场法度量的外汇风险暴露显著性均不是很明显。由此
Shapiro(1990)提出，如果APV／Ae(APV为公司价值的变动，Ae为外汇的变动)不等于
零时，公司将暴露于外汇风险中。他的研究发现，外汇风险暴露为公司价值因不确定
外汇变动的影响而产生的变动，亦即外汇的变动会影响公司的现金流量。因此，他以
营运的概念为出发点，认为外汇风险暴露的衡量可以用下面的回归式来衡量：
ACF,=口+AEXCHt+Ut (2．10)
其中，ACF为t期的现金流量变动，AEXCH。为名义汇率变动率，口为常数项，
％为回归式的残差项。Brown(1995)，Walsh(1994)以及Martin和Mauer(2003)均采用
现金流量法研究企业的外汇风险暴露，其模型表示如下：
％=qo+口aen+％ (2．11)
其中，凡为公司f在t时期的营业收入变动率，％为汇率变动率，q。为常数项，
％为残差值。由于一个企业的某个时期的营业收入的高低，不仅会受到当期汇率变
动的影响，也应受到既往汇率变动的影响。因此，上述学者在该模型的基础上进行改
进，加入汇率滞后的因素来探索竞争效果。由于他们均对将企业的月度营业收入代表
企业的价值，采用落后四期的汇率变动，约一季度的时间来讨论企业的经营暴露状况：
4
焉=嘶+Σollae工，。+毛，f=1，2，．．．，n (2．12)
k=O
其中，如为公司f在t时期的营业收入变动率，气为汇率变动率，％为落后k
期的外汇风险暴露系数，毛为残差值。
用回归方法测量外汇经济风险暴露的优点在于：计算过程非常简便，并且其结果
以数量的形式表示出来，简单明了，便于公司的管理人员进行其它定量分析。但该方
法也存在着一些不足：第一，在计算外汇风险暴露时，只能计算整个外汇风险暴露，
而难以将外汇经济风险暴露与外汇交易风险暴露、外汇会计风险暴露区分开来；第二，
在选择模型形式时，若对模型形式的选择根据主观判断进行，则具有较大的随意性；
18
我国商业银行外汇风险度量的实证研究第：章VaR方法的理论及评述
第三，在构造模型时，难以将影响公司价值的所有因素均引入到模型中，从而在计算
的外汇风险暴露中，既有外汇风险暴露也包含了其他因素引起的风险暴露，从而从结
果上直接表现为模型的拟合效果均不是很好；第四，进行参数估计时，需要大量的数
据，常常出现数据不足或数据难以获得的情况。
鉴于本文研究的是汇率波动直接给商业银行外汇资产带来的可能损失，故选择目
前国际上通用的VaR模型及计算方法度量商业银行的汇率波动风险。
2．2 VaR方法的基本原理
2．2．1 v2R概述
所谓VaR就是指，在一定的置信水平或容忍度下，在一定的期限内，某一投资组
合在正常市场条件下潜在的最大的损失。J·P摩根集团在2004年年报中公布其日交易
VaR在时间间隔为一天，95％的置信水平下平均约为2500万美元。通过这个数据，股
东就可以评估他们是否能承受这一风险水平。VaR具有以下优点：(1)把各种金融工
具、资产组合及金融机构的风险具体化为一个可以比较的数字，简单明了地表示风险
的大小，即使没有任何专业背景的投资者和管理者都可以通过VaR值对风险进行评
判。(2)可以事前计算风险。VaR具有的缺点是其结果表明的只是一定置信度内的最
大损失，但是仍会有小概率造成极大损失的可能性。
2．2．2 VaR估算原理
要估算VaR首先要对两个因素进行选取：一个是持有期，另一个是置信水平。
VaR'法对持有期和置信水平的选择主要是主观行为，对于商业银行我们的理想选
择是天时间段，而对置信水平的选择则没有任何强制性的指导原则，5％或1％的损失
概率是否被视为“极端情况”，对银行管理者来说，只是个选择问题，使用VaR法的
商业银行选择了不同的概率水平。
不同置信水平的选取影响是否显著要视其用途而定。如果所得置信水平用于决定
需多少铺底资金，那么置信水平的选取就非常关键。所选取的置信水平应反映银行对
风险的回避程度及超过VaR的损失成本。风险回避程度越高，损失成本越大，表明弥
补损失所需的资本量越大，从而置信水平就越高。如果只是将Vail．作为一种公司内部
比较不同市场风险的尺度，置信水平的选择就显得不那么重要，因而会如上表所示的
19
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
不同机构选择不同置信水平的情况。
巴塞尔风险监管委员会对金融机构支持VaR损失的计算要求是10天持有期和99％
的置信水平。
在计算某一资产或资产组合中的VaR之前，我们首先假设：
(1)Wo为某一资产或资产组合的初始价值，R为为该项资产或资产组合在一定
持有期内的投资收益率；
(2)在持有期末该资产或资产组合的价值为W_Wo(1+R)；
(3)令投资收益率r持有期内的期望值和波动性分别为∥和仃；
(4)一定置信水平1．口下的最低收益率为r．，资产或资产组合
W’=Wo(1+R．) (2．13)
显然r和W均为随机变量。
则该项资产或资产组合的相对VaR可以被定义为资产或资产组合的预期价值与
最低价值之差：
VaR=E(W)．W事=E[Wo(1斗．r)】．W(1斗T‘产Wo(乒．r) (2．14)
从上式中我们可看出，只要找到资产或资产组合最小价值或最低投资收益率，就
可以估算出相应的VaR。一般地，最小收益率可以通过资产或资产组合未来收益率的
概率分布求出。
f(w)为投资组合价值的概率分布，在给定置信水平口下，投资组合最小价值为
W’，超出这一水平的概率为口，表示为
口=胁枷(2．15)
那么低于w’的概率P=1·口=￡厂@伽。(2．16)
正是基于对投资收益率概率分布的不同假设和估计，从而形成了不同的VaR模
型。总的来说，根据是否对收益率分布做出假设，计算的模型可分为三类：(1)非参
数法，无须假定市场因子变化的统计分布，直接通过对已有历史数据的分析来模拟估
计，主要包括历史模拟法和蒙特卡罗模拟法等。(2)参数法，是利用金融资产价值函
数与市场因子之间的近似关系、市场因子的统计分布特征来计算，由于通常假设收益
率服从某一特定分布，计算过程涉及参数值的估计，故称参数法，主要包括risk Metrics
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
法和(]ARCH族模型等。(3)半参数法，是参数法和非参数法的混合体，核心思想是
利用参数法得到样本数据的条件标准差，然后使用非参数法得到样本数据分布的分位
数，进而得到V水值，主要包括极值理论、CVaR等。考虑到半参数法是参数法和非参
数法的融合，本文重点介绍目前普遍采用的非参数法和参数法，并运用这两类方法对
我国商业银行外汇风险进行实证研究。
2．2．3对VaR方法的评价
VaR方法以其高度的综合、概括能力，为投资者提供了一个直观、全面的风险
量化指标。投资者可以运用VaR方法，动态地评估和计量其所持有的资产组合的风
险，及时调整投资组合，以分散和规避风险，提高资产营运质量和运作效率。
虽然VaR较为准确地测量了金融市场在正常波动情形下资产组合的市场风险，
但实际金融市场中极端波动情景和事件时有发生。如果这些事件发生，经济变量间和
金融市场因子间的一些稳定关系就会被破坏，原有金融市场因子之间的相关性、价格
关系以及波动性都会发生很大改变，而VaR在这种极端市场情景下存在较大的估计
误差。为此，人们引入了压力测试法来测量极端金融市场情景下的外汇风险。
2．3 VaR方法及其改进
2．3．1参数法(risk Metrics法和GARCH族模型)
2．3．1．1 risk Metrics方法
J．P．Morgan银行的risk Metrics方法的核心是基于对资产回报率的方差—协方差
矩阵进行估计，它的重要假设是线性假设和正态分布假定，即假定竺L二兰～N(0，1)，
吼
且一般假设∥=0，即假定R～N(o，盯?，，在t2'置信水平下，第t期在险值根据相
对VaR定义为：
VaR=一Z口·Wo·盯r
假设初始价值‰=l，则(2．17)可化为
VaR=一Ztal
2l
(2．17)
(2．18)
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
其中，z口在这里表示标准正态分布的第口个分位数。
表2．1标准正态分布对应一定置信水平分位数Za表
置信度口--99％ 口=95％ 口--90％
分位数Za 2．33 1．65 1．28
根据(2．5)式，可知risk Metrics方法的关键在于估计第t期资产组合回报率的方差。
假定我们用(t．n)期至(t一1)期的n个回报率来预测第t期方差。一般可以通过两种方式来
估计第t期的方差。
一种是等权重移动平均法(无条件的，unconditional)，即简单移动平均法(SMA)，
它的表达式为： 卟阿(2．19)
其中，∥为从第(t-n)期至0-1)期的期望回报率。
另一种是指数加权滑动平均法(EWMA—ExponentiaUy Weighted Moving Average
Approaeh)，RiskMetrics一般采用这种方法。指数移动平均方法对时间序列中的不同
时间的数据采取不等权重，根据历史数据距当前时刻的远近，分别赋予不同的权重，
距离现在越近，赋予的权重越大。为了使赋予的权重简单化，指数移动平均方法引入
一个参数五决定权重的分配，五称为衰减因子。假定第(t．n)期至0-1)期的期望回报率
为q，该方法表达式如下： 咔阿
而最优衰减因子兄的求解采用均方根误差原则，即：
RMSE=
(2．20)
(2．21)
预测均方根误差达到最小的五即为最优衰减因子。其中T为依据指数移动平
均法外推估计的时期数。J．P．Morgan的RiskMetrics方法在对日回报率数据的波动性
和相关性系数的估计中，一般选取T-250、最优衰减因子力=o．94。
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
如果对以上两种求解crt方法予以推广，考虑到金融资产回报率的异方差性，则
对吼的估计可考虑采用GARCH类模型，如GARCH、TGARCH(Glostenetal，1993)、
以及EGARCH(Nelson，1991)等。
硒sk Metrics法中回报率分布可以由正态分布进一步推广到非正态分布。比如考
虑到资产回报具有厚尾性，因而可以考虑资产回报率服从混合正态分布、t分布、广
义误差分布(GED)等，不同的分布可得到不同的乙。
Risk Metrics方法在实践中虽然得到广泛的应用，具有一定的优势，同时也存在
缺陷。Risk Metrics法的重要优势在于：相关的数据很容易取得；而且在正态分布假
定下，同一组合的VaR值在不同的置信水平和持有期之间可以相互转化。例如己知
资产组合95％天VaR为：VaR95％日=-1．65甄·O'13，则可以得到资产组合99％的天VaR
f
为：V出嗍日=-2．33％·17"日=(2．33／1．65ⅣaR95％日；假定一月有22个交易日，由
仃月=√22咱， 则可以得到资产组合95％的月VaR 为：
VaR”％月=一1．65·．42217／o·％=422Va_R95％日。
该方法的缺点是必须对参数服从的分布作出人为的假定，可能会带来模型选择误
差，同时在预测极端事件或突变方面仍不尽人意。
2．3．1．2动态参数法——GARCH族模型
尉sk Metrics法暗含着一个重要的假设——无条件方差，即某一资产或资产组合
现在的收益变化与过去的收益变化相同。而大量的实证研究表明，实际的金融数据具
有时变风险的特征，常常出现群聚波动，即一次较大的波动后伴随着较大幅度的波动，
一次较小的波动后伴随着较小幅度的波动，这就是异方差现象。目前，对金融数据的
时变特性主要采取GARCH族模型进行描述，为此我们需要用刻画条件异方差的
GARCH族模型取代假设无条件方差的Risk Metrics法，以提高的估计精度，这就是
动态参数法。
GARCH族模型中，用来度量资产或资产组合收益率波动的条件方差公式为
啊=砰f(其中，忽为在时间段It，t+i】内资产或资产组合收益率的条件方差)
从而计算的(2．18)式公式变形为
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
VaR=Z。吨厄。(2．22)
由(2．22)式可知，使用GARCH族模型估算，关键题同样是估计收益率的波动
率√啊和选择收益率的分布函数计算分位数z1．口。
(1)波动性的估计
Engle(1982)开创地提出了自回归条件异方差方程(ARCH)概念，但后来
Bollerslev(1986)为了更好地捕获条件异方差，对其进行了直接扩展，形成广义自回归
条件异方差(GARCH)模型。为了利用条件方差表示预期风险，Engle、Lilien、Robins
又引入了GARCH均值模型，即GARCH．M模型。
由于金融资产存在非对称效应，即资产的向下运动通常伴随着比之程度更强的向
上运动，坏消息冲击比好消息冲击更容易增加波动，这种非对称性允许波动率对市场
下跌的反应比对市场上升的反应更加迅速，因此被称为“杠杆效应’’。为此后来的学
者又提出了能够描述这种非对称冲击的模型：TARCH、EGARCH和PARCH模型。
GARCH模型和这些扩展模型被统称为GARCH族模型。本文共介绍GARCH．M、
TARCH、EGARCH和PARCH四种模型。
GARCH(p，q)-M模型包括两个方程，一个是收益方程，一个是条件方差方程，
具体公式如下：
①条件均值模型‘=c+per，+％ (2．23)
⑦条件方差模型仃?：国+圭％“乙+妻岛仃三J (2．24)
jtl J一1
式(2．24)中条件均值方程是一个带有误差项的外生变量的函数。均值方程包括
O"t的原因是为了在收益率的生成过程中融入风险测量。参数p是用条件方差仃?来衡
量的，可观测到的预期风险波动对‘的影响程度，它代表了风险和收益之间的一种平
衡。残差”，由独立同分布的随机变Icr,-与‘组成。盯；是由以前面信息为基础的一期
向前预测方差，故称为条件方差。条件方差方程中国为常数，P是ARCH项的阶数，
q是自回归GARCH项的阶数，p>O并且岛>10，1≤f≤p。口，为自回归项(ARCH
项)系数，岛为扰动平均项和GARCH项系数，CO、口，、。∥』都必须是正数。决定波
24
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
动冲击持久性的自回归的根是％和色的和，这个根接近于1，所以冲击会缓慢消失。
一般来说，金融资产价格行为具有～定的非对称性，即资产价格的上升和下降可
能非对称的影响随后的波动，多数情况是资产价格的下降比其同样幅度的上升对随后
的波动有更大的影响。鉴于此，Zakoian(1990)和Gloste，jagannathan．Runkle(1993)提
出非对称的TARCH(Threshold ARCH)模型，随后Nelson(1991)提出了更加灵活的
EGARCH(Exponential ARCH)模型，Ding等(1993)提出了基于标准差的PARCH
(Power ARCH)模型。这三种非对称GARCH模型与GARCH模型在均值方程上完全
相同，不同的仅是方差方程。
TARCH(p，q)模型条件方差方程：
砰=国+Σ％Ⅳ二+Σ色以』+Σ以“乙c。(2．25)
其中，4-1是一个虚拟变量，当U。．1<O时，4一，=l；否则，Z一，=0。只要厂≠0，
就存在非对称效应。
在公式2．25中，条件方差方程中的∥乙4一】项称为非对称效应项，或TARCH项。
条件方差方程表明砰依赖于前期的“王。和条件方差吐，的大小。好消息(材。一>o)和
坏消息(“，一<O)对条件方差有不同的影响：好消息只有一个口倍的冲击，即UH>
0时，吐一，=0，式中的非对称项不存在；同理可得，坏消息会带来一个(口+厂)倍
的冲击。如果，>O，说明存在杠杆效应，非对称效应的主要效果是使得波动加大；
如果y<O，则非对称效应的作用是使得波动效应减小。
EGARCH(p，q)模型条件方差方程演变为：
In c O't--=CO+善口，陲一仨糕儿等+嘉肚c吒，嘲
等式左边是条件方差的对数，这意味着杠杆影响是指数的，而不是二次的，所以
条件方差的预测值一定是非负的。杠杆效应的存在能够通过y<0的假设得到检验。
只要7≠0，冲击的影响就存在非对称效应。
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
PGARH(p，q)模型条件方差方程为：
仃?：国+ΣP q(h-rtu，_i)占+芝乃口二，
，．1 _，=l
(2．26)
这个模型模拟的不是方差，而是标准差。式中，6>o，当f=l，2，．．．，r时，∽I≤1；
当i>r时，九=o，r≤p。6是估计的，用来评价冲击对条件方差的影响幅度；而7是
捕捉直到r阶的非对称效应得的参数。同样，只要y≠0，冲击的影响就存在非对称效
应。
2、@讯CH模型的扰动项分布的假定
金融时间的无条件分布往往具有比正态分布更宽的尾部，为了更精确地描述金融
时间序列分布的尾部特征，还需要对误差项U，的分布进行假设。本文给出3种假设：
正态分布，学生t分布和广义误差分布(GED)。
学生t分布的概率密度函数：
／(乃力=
y+1、r
丁人
， 、三她J2
v+l
1+d丁
V)
兰)
(2．27)
其中，r(．)为Garmma函数；y为自由度；由学生t分布的性质可知，当V接近
于无穷时，t分布收敛于标准正态分布的概率密度函数。～般来说，当v>30时，t分
布近似为正态分布；当v显著小于30时，t分布有比正态分布更厚的尾部。
GED是一种较为灵活的分布形式，通过参数的调整可以拟合不同的情形，其概
率密度函数： 触咖矧泣28，
舯砷圳¨r-咖-6-两D11l门，y为GE。分椭形糁戮可以反映分椭厚
尾特征，当v---2时，GED为正态分布，当p>2时，GED呈现瘦尾性，当l，Q时，
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
GED呈厚尾性，y--1时，GED为双指数分布。
2．3．1．3评价
参数法通过假设资产收益率服从某一特定分布，使VaR的计算变得简单、便捷，
而且可以通过不同分布函数的选择来刻画资产收益分布的尖峰厚尾特征，通过
GARCH族模型的选择来刻画条件异方差效应、非对称现象和杠杆效应，从而具有比
较好的整体拟合效果，也是目前业内计算VaR的最重要方法。
但是，参数法也存在以下缺点：1)以历史数据为依据计算VaR，无法对异常或特
殊事件风险进行衡量。2)计算结果依赖于分布假设的正确与否，当假设不正确时，可
能会产生较大的模型误差。
2．3．2非参数法(历史模拟法和蒙特卡罗模拟法)
2．3．2．1历史模拟法(Historical Simulation approaches，缩写为HS)
历史模拟法假定投资组合的回报分布是独立同分布，市场因子的未来波动和历史
波动完全一样，其核心是利用过去一段时间资产回报率数据，估算资产回报率的统计
分布，再根据不同的分位数求得相应置信水平的VaR。历史模拟法的步骤是：(1)将汇
率收益率按由小到大的顺序排列；(2)对于数据窗口宽度(样本区间长度)T，排序后的
汇率收益率分布的第5分位和第1分位数等对应为95％VaR和99％VaR。
历史模拟法的优点在于：该方法简单、直观、易于操作，不需对回报率分布形式
作出假设，可以解决比如回报率分布厚尾或不对称等问题，同时避免了因为参数估计
或选择模型而引起的误差。
历史模拟法也存在很多缺陷。具体表现在：第一，回报率分布在整个样本时期内
是固定不变的，如果历史趋势发生逆转时，基于原有数据的YaR值会和预期最大损
失发生较大偏差；第二，历史模拟法不能提供比所观察样本中最小回报率还要坏的预
期损失：第三，样本的大小会对VaR值造成较大的影响，产生一个较大的方差；第
四，历史模拟法不能作极端情景下的敏感性测试。
2．3．2．2蒙特卡罗模拟法(Monte-Carlo simulation，简称MC)
蒙特卡罗模拟法(MC)与历史模拟法十分类似，它们的区别在于MC是利用统
计方法估计历史上市场因子运动的参数，然后模拟市场因子未来变化的情景；而HS
方法则直接根据历史数据来模拟市场因子未来变化情景。
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
MC方法模拟的具体过程如下：
(1)首先识别基础的市场因子，并用市场因子表示出资产组合中各个金融工具的
盯市价值。
(2)为市场因子选择合适的模型，选定模型后，在己有历史数据基础上估计有关
分布的参数(如协方差矩阵和相关系数)。
(3)为模型中的随机变量选择较好的随机数产生方式，模拟市场因子未来变化的
情形，模拟足够多次数后，根据定价公式计算资产组合在未来的盯市价值及未来的潜
在损益，根据潜在损益的分布，在给定置信度下计算VaR值。
蒙特卡罗方法的优点在于其不受金融工具类型复杂性、金融时间序列的非线性、
厚尾性等问题限制，能较好地处理非线性问题，且估算精度好，特别是随着计算机软
硬件技术的飞速发展，该方法越来越成为计算为VaR的主流方法。
但这种方法也存在许多不足之处：其一是计算量大。一般来说，复杂证券组合往
往包括不同币种的各种债券、股票、远期和期权等金融工具，其基础市场因子包括多
种币种不同、期限不同的利率、汇率、股指等，使得市场因子成为一个庞大的集合，
即使市场因子的数目比较少，对市场因子矢量的多元分布进行几千次甚至上万次的模
拟也是非常困难的；其二，模型选择误差。金融产品的价格波动是个随机过程，不同
产品价格波动方式也不同，很难用某一特定的模型来刻画，因而模型选择会带来一定
的选择误差。
2．3．3半参数法(极值理论和CVaR法)
2．3．3．1极值理论(Extreme Value Theory，简称EVT)
极值理论是概率论的一个分支，广泛应用于气象学，水文地理学，环境科学以及
其他科学和工程领域，近年来它又应用于金融风险管理领域。
极值理论描述的是独立随机变量的极大值所服从的极限分布，其重要性相当于中
心极限定理在抽样分布中的地位(中心极限定理描述的是独立随机变量和的极限分
布)。极值理论有两个很重要的结论。第一个重要的结论是：对服从非对称分布的一
系列样本最大值序列进行建模，在某种条件下，这些最大值标准化序列的极限分布是
Gumbel分布、Freehet分布或Weibull分布中的一种，而这三种分布的标准化统一形
式被称为广义极值分布；第二个重要的结论是：给定某个阙值(threshold)，极值理论
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
表明超过此阈值的超额值的极限分布是广义帕雷托分布。
在把极值理论运用于金融领域中，国外己有不少理论上和实际操作上的研究，例
如，Longin(1996，2000)运用广义极值分布理论(Generalized extreme value
Distribution．GEV)来估计VaR；Neftei(2000)，运用广义帕累托分布(Generalized Pareto
distribution．GPD)来估计VaR。
(4)极值理论VaR模型的优点
大多数用来度量VaR的参数模型(如fiskMetrics)，一般假定回报率服从正态分布，
但金融时间序列通常具有厚尾特征，这将低估或高估风险值的大小。为此，人们对回
报率的可能分布作了许多研究，如t分布或混合正态分布，但所有这些VaR方法都集
中在对全部观察值进行建模的基础上，换而言之，都集中在对正常情况下的回报率进
行建摸的基础上。尽管非参数方法(如历史模拟法)没有对回报率的分布做任何假定，
但这种方法不能对样本之外的分位数进行估计，并且没有解决合理地给观察值定权重
的问题。
使用极值理论来估计VaR值相比参数模型和非参数模型具有如下优点：
①由于极值理论描述的是尾部数据的分布密度，可以更好地用来估计厚尾分布的
分位数，譬如用于估计VaR值。使用极值理论我们只需关注回报率尾部值的分布，
而不必通过直接估计整个回报率分布来推断尾部值。风险管理主要是考虑小概率事件
可能带来极大损失的风险，然而传统的用来估计VaR的方法却忽略了极端事件
(extreme event)，把对风险的测量建立在直接估计整个回报率的分布之上，使用极值
理论估计VaR克服了传统方法的这个缺点。
②与其它VaR方法不同，极值理论不需要对观测值服从的分布做出任何假定，
并且由于大多数金融时间序列服从的分布具有非对称性，极值理论强调的也正是这种
非对称性，同时极值理论还解决了样本之外的分位数估计问题，有利于预测极限情况
下的损失。
2．3．3．2 CVaR法(条件vaR)
在现实的金融领域中，经济变量之间存在很大的相关关系，最简单的例子就是广
泛应用的线性回归模型方法，该方法可以描述经济变量之间的线性关系。在金融风险
管理的研究中也要考虑变量之间的相关关系，以及各种风险因子之间的相互影响。然
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
而在当今的风险管理研究中，重点都放在了某种金融资产本身的风险研究上，过分集
中在研制单一风险的测量模型，而从金融风险事件研究中可以看出，各种风险是相互
作用、相互扩散的，常常需要研究在给定某个变量的条件下市场风险度量的变化情况，
例如需要研究不同的资产的价格条件下，该资产的收益率的变化情况，以及在不同的
利率水平下，股指收益率的市场风险的变化情况等等。在给定条件下的条件风险，可
以在一定程度上解决上述问题，一般应用CVaR来分析上述条件风险问题。
CVaR是指在正常市场条件和一定的置信水平下，在给定的时间段内损失超过
VaR值的条件均值，代表了超额损失的平均水平。CVaR亦被称作平均超额损失或尾
部VaR。令资产组合的随机损失为X，VaR。为置信水平口下的VaR值，则CVaR
可表示为：
cv出口(x)_E(x I X>一VaR口)=击￡xf(x)dx (2．24)
CVaR是一个条件期望，是大于"VaR的极端损失的平均值，反映损失超过VaR．
阈值时可能遭受的平均潜在损失的大小，可以更好地体现潜在的风险价值。
CVaR是次可加的和凸的，符合一致性风险度量的条件。CVaR不是损失分布上
单一的分位点，而是尾部损失的平均值，反映了损失超出YaR．部分的相关信息。只
有把大于VaR的所有尾部损失进行充分估计，才能用以计算CVaR。
通过以上对各种VaR模型及方法的阐述，可以看出，每种方法都有其优点和缺
点，本文第四章将就每一种方法进行实证研，从而选出符合我国商业银行汇率变动风
险的方法。、
从上面也可以看出，仅使用VaR作为风险的度量方式是不够的。风险管理者必
须提供一个鉴别和量化金融机构资产组合极端价格变动效果的手段。处理极端价格变
动影响更适当的风险度量方法是一类称为压力测试的方法。下面我们将进一步介绍
、，冰模型的发展——压力测试法。
2．4 VaR的准确性检验
VaR模型的准确性检验是指Vall的测量结果对实际损失的覆盖程度。例如，给
30
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
出了95％的置信度下的Vail．，则VaR模型的准确性是指实际损益结果超过VaR的概
率是否小于5％。VaR模型准确性的最直接检验方法就是考察实际损失超过VaR的概
率，即失败频率检验法。把实际损失超过VaR估计的记为失败，把实际损失低于VaR
的估计的记为成功。如果假定VaR估计具有时间独立性，则失败观察的二项式结果
代表一系列独立的贝努里试验，失败的期望概率为P(p=l—c，c为置信度)。因此，
模型的准确性就相当于检验失败概率等于特定概率的零假设。KuPiec提出了失败频
率检验法，他假定计算VaR的置信度为c，实际考察天数为T，失败天数为N，则失
败频率为p(NZD。零假设为p；p。对零假设最合适的检验是似然比率检验
髀2h㈣卜Ⅳ≥ⅣM，一矿(别旺25，
在零假设的条件下，统计量LR服从自由度为1的Z2分布。
例如，选择置信度为95％，期望的失败天数为753 X 5％≈38。在零假设成立的
条件下，统计量LR～z2(1)，查表得自由度为1的卡方分布的95％置信区间临界值
为3．84，当LR>3．84时，我们就拒绝原假设。
2．5 VaR方法的发展——压力测试法
压力测试是将过去一段时间内发生的极端市场变化或根据风险管理政策确定的
极端市况应用于当前的头寸，测算在极端市况下的盈亏。压力测试的本质思想是获取
大的价格变动或者综合价格变动的信息，并将其应用到资产组合中，以及量化将导致
的潜在的收益和损失。由于金融市场的变化很大程度上具有不可预测性，因而压力测
试是对风险价值管理方法的一种必要补充。压力测试法包括情景分析和系统化压力测
试。
压力测试的基本方法是由风险管理者预先确定某些主要的市场变量，如汇率、利
率等，然后假设这些市场变量未来的变动情况，再按照预想的变动对交易组合重新估
值，就可以评估出特定市场变动幅度对交易组合价值的影响。
衍生产品策略集团(DPG)建议的压力测试标准是收益率曲线向下平行移动各
100个基本点；收益率曲线(2至10年)变平或变陡25个基本点；以上两种情况同
我国商业银行外汇风险度量的实证研究第二章VaR方法的理论及评述
时发生(共四种组合方式)3个月收益率波动率比正常情况增加或减少20％。主要货
币兑美元的汇率波动幅度增加或减少6％；外汇汇率波动幅度比正常情况增加或减少
20％等。
巴塞尔资本协议(1996)要求使用内部模型计算市场风险资本需求的银行，而且
应具备灵活且精密的压力测试。
32
我国商业银行外汇风险度量的实证研究第三章我国商业银行汇率风险度量现状分析
第三章我国商业银行汇率风险度量现状分析
在人民币汇率制度改革之前，我国实行的是固定汇率制度，商业银行面临的汇率
波动风险较小，外汇风险管理意识淡薄，风险管理水平落后。改革后，实行有管理的
浮动汇率制度，人民币汇率逐渐趋于市场化，商业银行面临的汇率波动风险骤然加剧，
给商业银行敲响了警钟，对其外汇风险管理，特别是汇率波动风险的度量带来极大的
考验。
3．1我国商业银行面临的各种汇率风险
汇率风险(exchange rate nsk)即指在一定时期内由于汇率的波动导致的经济主体
的资产、负债或收益的不确定性，一般指资产、收益的减少和负债、支出的增加，也
称为外汇风险或货币风险。汇率风险来源于银行持有的国内货币和其他国家货币之间
汇率的变动，所以汇率风险产生的前提是银行持有或运用外汇。
人民币汇率形成机制改革之后，对于从事外汇业务主体的商业银行来说，其涉及
的外汇交易规模和由此承受汇率风险要比进出口贸易主体庞大的多。
1、在人民币汇率形成机制改革之前，人民币对美元的汇率基本保持不变，无形
中为商业银行从事外汇业务构筑了一道“防洪’’，抵挡汇率风险的冲击，而商业银行
主要扮演着外汇买卖业务的“代理人"角色，获取买卖差价，风险较小；但在改革之
后，由于汇率波动的幅度逐步加大，且波动频繁，商业银行面临的币种错配风险较高，
外汇买卖过程中一旦出现未轧平的外币敞口头寸(超买或超卖)，在缺乏相应的风险对
冲手段的情况下就会面临较大的汇率风险，特别是在2006年1月4日引入买卖双方
询价交易制度后，这种风险随时都可能发生。
2、商业银行手中持有的大量外币资产和负债，如外汇本金、外汇存款、外汇贷
款、同业外拆借、投资性外币债券等，也会随着汇率的波动发生大幅度的价值波动，
从而使商业银行的外币资产负债结构发生重大变化，进而带来外汇贷存比和资本充足
率的变化，引发流动性风险。
3、涉外经济主体在汇率风险加大的情况下可能会向商业银行转嫁风险。如果出
口企业的出口经营业务得到了银行的信贷支持，当该出口企业出现亏损时，信用等级
33
我国商业银行外汇风险度量的实证研究第三章我国商业银行汇率风险度量现状分析
下降，可能会造成银行的呆坏账，这样原属于企业的汇率风险和损失就转变成商业银
行的信用风险和损失。
4、2005年人民币汇率形成机制改革后，很多商业银行新增了无交割人民币远期、
人民币与外币掉期等金融衍生工具，在为涉外经济主体有效规避汇率风险提供服务的
同时，也使自身陷入更大的交易风险中：一方面，多数金融衍生工具的交易采用保证
金交易制度，具有杠杆效应，会几倍几十倍地放大交易量，从而放大风险另一方面，
随着人民币汇率双向波动幅度的扩大，企业的避险操作会日渐频繁、规模扩大，商业
银行所积累的衍生产品头寸会越来越大。
3．2我国商业银行外汇风险度量现状与不足
由于过去相当一段时间内人民币汇率机制缺乏弹性，我国商业银行的汇率风险意
识普遍比较淡薄，在汇率风险管理方面缺乏必要的经验和技能，尤其在汇率风险度量
方面更是滞后。
目前我国商业银行外汇风险度量方法有：
1、外汇风险敞口的敏感性分析
外汇风险敞口的敏感性分析在国外是二十世纪七、八十年代普遍使用的风险度量
工具，而我国的金融机构才刚刚开始尝试用计算风险敝口的方法来度量汇率风险。商
业银行根据计算出的外汇风险敞口，限定外汇交易种类、规定交易权限、控制交易金
额和控制止损金额等。这种传统方法很不全面，并且在相当时期内不随市场变化而变
化。通过交易限制控制的是亏损的绝对最大额，而没有考虑到外汇风险本身并不恒定。
如果没有一套对外汇风险资产进行风险评估的市场估值系统，而只是简单设定交易权
限和交易额度，则银行要么因惧怕风险和对风险损失无法预测而裹足不前，交易量、
参与市场能力和利润水平难以提高，要么贸然进入汇率风险领域，对风险没有充分认
识和准备，招致巨额汇率风险损失。
虽然很多银行采用外汇风险敝口分析方法，但是运用时还没有完全掌握，有的银
行甚至至今都不能准确算出本机构所承担的单一货币的敞口头寸和所有外币的总敞
口头寸。另外，外汇风险敞口分析忽略了各币种汇率变动的相关性，难以揭示各币种
汇率变动的相关性带来的汇率风险。
我国商业银行外汇风险度量的实证研究第三章我国商业银行汇率风险度量现状分析
2、初步引入VaR计量模型
虽然少数金融机构，如中国银行、中国建设银行及中国交通银行等，开始引进国
际先进的VaR计量模型，但在具体运用引进的VaR计量模型时，完全是照搬照抄，
未能结合我国人民币汇率波动的实际特点对模型的适用性进行验证测试。由于我国金
融市场刚刚起步，市场化运作不规范，运用VaR计量汇率风险难免会面临许多约束
条件，结果是即使运用了这一国际先进的风险度量方法，也存在较大的模型风险，大
大降低了VaR方法的估算效力。另外，虽然从国际上引入标准化的VaR风险计量系
统，能够计算VaR值，但这些技术尚在试用阶段，在决策中仅起到参考作用，并没
有被整合到机构日常风险管理过程中，如设置交易员限额和产品限额等。
3．3用VaR方法度量我国商业银行外汇风险
基于上述研究，本文提出用VaR方法对我国商业银行汇率波动风险进行度量，
并从这一做法的必要性和可行性两方面进行阐述。
3．3．1我国商业银行引进VaR方法进行外汇风险管理必要性
我国商业银行采用VaR方法进行外汇风险度量，既是向国际通行做法靠拢，又
是我国人民币汇率制度深化改革的内在要求。
(一)随着我国外汇制度改革的深入，人民币汇率波动频率和波动幅度也将进一
步扩大，计算资本充足率4公式分子的资本金的不确定性也会增大。同时，为了规避
汇率风险，衍生品交易的规模会扩大，由于外汇衍生品交易的风险权重比较高，也会
使资本充足率公式中的分母对汇率变动更加敏感。因此，人民币汇率形成机制的改革
将给商业银行资本充足率的管理带来更大的挑战。引入VaR方法则为商业银行提供
了一种行之有效的度量外汇风险的工具，进而提高我国商业银行的资本充足比率管理
水平。
(二)随着我国外汇市场化程度逐渐增加，商业银行急需一整套行之有效的外汇
风险管理方法，而外汇风险度量是外汇风险管理的核心。我国商业银行长期在计划经
济管理之下，一些计划经济的传统落后的管理方法目前仍被沿用，我国商业银行本身
并没有合适的度量风险的工具。VaR模型是～种银行内部市场风险评估模型，银行外
·资本充足率=核心资本，风险加权资产。核心资本包括外汇资本金，外汇资产包含在风险加权资产中．
35
我国商业银行外汇风险度量的实证研究第三章我国商业银行汇率风险度量现状分析
汇风险进行估算的VaR值以绝对值表示，简单明了，便于我国商业银行学习和掌握。
此外，商业银行可以依据计算出的VaR值加强汇率风险管理：根据VaR值来设置汇
率风险资本或者提取汇率风险准备金，准确计算本行的资本充足率，优化银行内部各
级部门、各项业务之间的资本配置；根据VaR值确定本银行整体或内部各层面的风
险限额，以避免风险的过度承担，提高汇率风险管理水平；根据VaR值计算出
RAROC5，实现对银行各部门的风险调整绩效评估等。
(三)我国银行风险管理人员的风险意识和业务素质有待提高。VaR值使银行外
汇等风险管理人员可随时了解本行承受的风险值是多少，从而根据风险值进行相应操
作，这有益于我国经济转轨时期的商业银行从业人员增强风险意识，提高业务素质，
减少人为事故的发生，降低操作风险。
●
(四)随着我国金融市场不断走向成熟，商业银行面临的市场风险日趋复杂，银
行的业务也必须根据市场变化不断创新。在风险额度范围内，外汇风险管理人员可以
根据市场需求推出金融创新产品，以最优的方式进行资产组合，获得最大的收益。随
着组合投资在我国逐渐兴起，需要将利率风险、汇率风险，股票价格风险等各种市场
风险汇总综合考虑和衡量，这就为综合衡量市场风险的VaR模型的应用提供了广阔
的发展空间。
所以，将VaR方法引入我国商业银行的外汇风险管理领域，对于我国商业银行
的发展有着重大的意义。相信在不远的将来，VaR模型必将以其科学性、实用性、综
合性和国际性等特点得到我国商业银行的重视和青睐。
3．3．2用VaR方法度量我国商业银行外汇风险的可行性
首先，国际成功的经验可供我们借鉴。VaR模型己被美国等西方国家各大商业银
行广泛采用。对于VaR理论部分的研究，以美国的菲利普·乔瑞为代表的西方学者
已经进行了大量的研究，并且对VaR的理论研究已经比较成熟。在此基础上，我们
可以对其中比较适合我国银行业外汇风险度量模型进行更进一步的分析与研究，以为
我所用。对于实证部分的研究，国外学者也做了大量的研究：有针对证券市场的市场
风险，也有针对外汇市场的汇率风险。此外，国内众多学者也集中针对证券市场风险
5凡U的C：根据风险调整的收益，由银行家信托银行首创，是一风险为基础的考核盈利指标，描述了单位资本风
险所获得的收益。计算公式为：RAROC=(净收益-预期损失膨济资本=(挣收益·预期损失WaR
36
我国商业银行外汇风险度量的实证研究第三章我国商业银行汇率风险度量现状分析
进行实证研究，这些都为商业银行对VaR实际运用提供了一定的思路，具有良好的
借鉴价值。
另外VaR方法易于操作，适合计算机联网管理，从而增加了管理的有效性。尽
管VaR模型建立在数学理论之上，但其计算方法步骤明确，易于掌握，而且该方法
适合银行内部计算机网络系统采用，银行可随时了解风险值，从而达到有效监督的目
的。
鉴于我国于2005年7月21日实行了人民币汇率制度改革，在此之后可认为人民
币汇率已逐步走向市场化，本文选取2005年7月25日至2008年8月20日作为样本
区间，选取此区间共753个交易日的人民币对美元的汇率作为样本数据，以此对商业
银行面临的汇率波动风险进行度量，测算其VaR．值。
因此可以说，用VaR模型度量我国商业银行外汇风险不论是在理论还是在实证
上的研究都是可行的。
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
第四章我国商业银行外汇风险度量的实证研究
本章开始对我国商业银行汇率风险度量进行实证研究，这是整篇论文的核心部
分。下面主要从样本选取，数据说明，模型前提假设的检验，实证研究和准确性检验
这几个方面展开进行论述。
4．1样本选取及数据说明
本文选取的人民币汇率特指在直接标价法下人民币对美元的日中间汇率，之所以
在众多汇率中选取人民币对美元的汇率，是因为：在贸易领域，美国一直是我国最大
的出口市场国，与我国进行贸易的很多国家也大多以美元结算；在金融领域，美元仍
是世界性储备货币，在我国的外汇储备中美元比重高达70％之多。因此可以说，人民
币对美元的汇率在我国外汇市场上处于核心的地位，其变动将全方位地影响我国各层
次的经济主体，研究人民币对美元的汇率波动风险也自然成为重中之重。
由于2005年7月21日，我国进行了人民币汇率形成机制的重大改革，此后人民
币汇率波动逐渐趋于市场化，故本文选取的人民币汇率样本区间为2005年7月25
日至2008年8月20日，共计753个样本观测值，数据来源于中国人民银行网站。
由于在金融研究中关注更多的是价格变动和收益率而非价格本身，因此需要把人
民币汇率的价格序列转化为收益率序列。首先对人民币汇率的原始数据进行对数处
理，然后在此基础上进行一阶差分，从而得到几何收益率Rt，即
Rt=111P，一h1只．1 (4．1)
式中，刃为我国外汇市场人民币兑美元的日中间汇率。对原始数据取自然对数
有助于使人民币汇率序列趋势线形化，由此得到的几何收益率也具有良好的统计特
征，而且在汇率波动较小时，冠近似等于汇率的日变化率。
本文在对人民币汇率风险进行实证度量时，不考虑样本数据当中与日历顺序相关
的日历效应，这样即使出现节假日使数据局部出现断开现象，也不影响时间序列的顺
序关系，从而在处理数据时可简单地将时间后移把数据排成连续时间序列。此外，本
文所有数据采用Eviews5．0， Excel两软件进行处理。
38
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
4．2对模型前提假设的检验
应用VaR方法度量人民币汇率风险之前，需要对模型所做的假设进行严格检验，
否则模型的运用将失去现实意义。以下是根据我国商业银行人民币汇率的实际运行模
型假设进行系统的检验，包括对人民币汇率自然对数服从平稳性和自相关性假设的检
验、对收益率分布异方差的假设检验及对收益率分布条件性正态性的假设检验。
4．2．1序列R的平稳性检验和自相关检验
l、平稳性检验
研究时间序列的一个重要前提是序列是平稳的。如果一个时间序列的均值和方差
函数随时间而变化那么这个序列是非平稳的；否则是平稳的。最常见的平稳性检验是
单位根检验，所谓单位根检验是指若变量X。须一阶差分平稳，则称变量X。有一个单
位根，计为I(1)；若经二阶差分平稳，则称变量X。有两个单位根，计为II(2)，依次
类推。检验单位根一般使用ADF(Augment Dickey-Fuller)检验。
对人民币兑美元的自然对数序ylJ{p。'}进行ADF检验，结果发现ADF检验值均大
于3个不同检验水平的临界值，说明{Pt}是非平稳时间序列，运行结果如下：
表4．1人民币兑美元的自然对数序列ADF检验结果
t-Statistic
Augmented Dickey—Fuller test statistic 5．802820
Test critical valUg$ 1％level -2．570785
5％level ．1．941621
10％1evel ．1．616165
再对{P1)序列的一阶差分R进行ADF检验，发现结果发现ADF检验值均小于3
个不同检验水平i拘1t$界值，说IjfJ{p。)序列的一阶差分是平稳的，人民币兑美元的自然
对数序列{Pt>是具有一阶单位根的平稳序列。运行结果如下：
表4．2对{P。)序列的一阶差分ADF检验结果
t-Staffstic
Augmented Dickey—Fuller test statistic ．11．43597
Test critical values 1％1eve】．3．446692
5％level -2．868638
10％level ．2．570617
2、自相关检验：
39
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
作为一种统计思想，VaR存在的最根本前提是金融资产价格的变化是一个随机变
量，所以首先应检验金融资产价格是否服从随机游走(随机游走模型见公式(4．2))。
如果人民币汇率满足随机游走假设，即扰动项{毛)不相关，则可以运用VaR度量人
民币汇率风险，否则说明VaR对人民币汇率风险的度量不具有适用性。
hpl--u+ln P，-l+q (4．2)、
其中，P，为时点t金融资产的价格，u为资产自然对数价格的漂移项。在此模型
中假设扰动项{‘)不相关。对扰动项{‘)进行自相关检验是因为，随机游走模型中，
假定{毛)不相关，即如果人民币对数汇率变动符合随机游走模型，那么对数汇率变动
的误差项应当不存在序列自相关，即符合白噪音过程。为此需通过计量经济检验才能
做出确定的结论。本文使用Box和Pierce(1970)提出的Q统计量进行该序列的自相
k
关检验，Q=NΣP；(其中，彳为i阶自相关系数，N为样本容量)，Q渐进于z2分布，
自由度为k减去计算自相关时使用的参数的个数。
从下表4．3中可以看出，取显著性水平为1％时，自相关系数Q统计量的相伴概
率远远大于1％，接受序列不相关的原假设，而且显著性Q统计量值越来越大，说明
人民币汇率在逐步走向白噪音。
表4．3人民币汇率对数收益率序列的自相关检验
Autocorrelation Partial Correlation AC PAC Q—Star Prob
． I ． ● l O．01 l 0．011 0．0857 0．770
． I ． ● 2 ．o．052旬．052 2．1 354 0．344
． I ． ● 3 0．042 0．043 3．4807 0．323
． 1 ． ● 4 —0．035-0．039 4．4101 0．353
． I ． ● 5 -0．034-0．029 5．2839 0．382
． J ． ● 6 0．009 0．004 5．3443 0．500
· I ．
● I 7 0．077 0．077 9．8759 0．196
． I ． ● 8 0．002 0．002 9．8787 0．274
． 1 ． ● 9 0．042 0．048 11．217 0．261
． I ．
● 10 0．051 0．044 13．221 0．212
· 1 ．
● I 11 0．072 0．083 17．】61 0．103
． I ．
● I 12 0．065 0．071 20．421 0．060
． 1 ． ● 1 3-0．039-0．034 21．608 0．062
· J ．
● J 1 4 0．080 0．085 26．575 0．022
． I ． ● 15 0．019 0．017 26．853 0．030
3、结论：
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
通过对人民币汇率对数收益序列Rt采取单位根检验、自相关检验进行综合分析，
可以得出一致的结论：人民币对数汇率序列R符合随机游走过程，具备了使用VaR
模型度量人民币汇率风险的适用性前提。验证人民币汇率服从随机游走过程实质上等
价于验证了我国外汇市场能够达到弱式有效，因为在弱式有效市场中，当前的价格包
含了历史价格所有的信息，在对未来价格进行预测时，只有当前的价格信息起作用，
之前的历史价格信息对预测未来价格毫无意义，也就是说价格的变化是随机的，服从
随机游走。这也在一定程度上说明，自2005年7月21日我国人民币汇率形成机制改
革以来，人民币汇率的波动基本上能够反映外汇市场的供求变化，信息传递通畅，投
资者更为理性地理解汇率波动信息，我国外汇市场的有效性在逐步提高。
4．2．2序列R的异方差检验
． 方差是估算VaR值的最重要参数，目前各项研究工作基本上是围绕着方差展开
以提高Vail．模型的精度，主要有以下两条主线：一是仍然基于无条件分布的假设，
即假设方差是常数；另一方面是基于条件分布的假设，认为方差具有时变性，使用
GARCH族模型刻画条件异方差性。因此，需要检验收益率分布是否具有条件异方差
性，从而便于确定最优的YaR模型度量汇率风险。
异方差检验一般采用时序图、ARCH效应检验和均方差序列相关性检验三种检验
方法。首先观察收益率时序图，可以对异方差现象有一个直观的判断。然后检验序列
是否存在ARCH效应，通过平稳性检验和自相关检验可知，人民币汇率对数收益率
序列服从随机游走过程，因此可以考虑在收益率均值回归模型中不包括回归因子，而
只包括均值和随机扰动项，即R，=∥+毛，随后对毛进行ARCH效应检验，采用常用
的拉格朗日乘子检验，即ARCH．LM检验，如果ARCH(q)的检验统计量的伴随概率
显著为0，则认为序列不存在ARCH效应，否则可以认为序列存在ARCH效应。最
后使用均方差序列相关性作进一步的检验，由于盯2=E(r-Er)2=E(r2)．皿r)2，在Er接
近0的情况下，盯2=E(r2)，因此可以使用收益率平方序列近似代替收益率均方差序
列，如果收益率平方序列存在明显的自相关性，则可以接受条件异方差的假设。
l、时序图
41
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
06M0 1 06M07 07M01 07M07 08M01 08M07 暄圃
图4．1收益率序列的时序图
由图4．1可以发现，人民币对数汇率收益率的波动具有明显的时变性，即在不同
时期波动性时大时小。因此可以初步判断接受条件异方差的假设。
2、ARCH效应检验
对人民币兑美元汇率对数收益率序列＆进行ARCH效应检验，从表4．4看出序
列R在滞后阶数为15时，ARCH检验统计量Obs*R-squared值为101．8161，其相伴
概率P为O，则拒绝原假设，说明Rt序列存在ARCH效应，且存在高阶ARCH效应。
表4．4人民币汇率对数收益率序列ARCH效应检验
l F．statistic 7．704794 Prob．F(15，721) 0．000000
l Obs·R-squared 101．8161 Prob．Chi·Square(1 5) 0．000000
3、人民币兑美元汇率对数收益率平方序列的相关性检验
从表4．5可以看出，在显著性水平为1％时，相关系数和偏相关系数显著不为0，
Q统计量显著，且其相伴概率为O，则拒绝原假设，这进一步表明了收益率平方序列
与其滞后期存在较强的相关关系，相邻近期的波动性之间具有一定的自相关性，存在
条件异方差。
42
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
表4．5人民币兑美元汇率对数收益率平方序列的相关性检验
Autocorrelation Partial Correlation AC PAC Q·Stat Prob
4、结论：
通过三种方法的检验分析，可以判断样本期内人民币对数汇率收益率序列R存
在条件异方差，因而可以考虑使用GARCH族模型的V出方法去度量人民币汇率风
险，以更好地刻画条件异方差和提高VaR的度量精度。
4．2．3序列Rt的正态分布检验
使用VaR模型度量人民币汇率风险时，不同的VsR模型假设了不同的分布形式
来拟合实际分布，其中基于正态分布的居多，因为正态分布具有良好的统计特征，仅
用均值和方差就可以确定分布形式，可以达到简化计算的目的，满足交易实时性的需
要，但己有的实证研究表明，实际金融资产收益率分布具有尖峰厚尾特征，不能满足
正态分布假设，于是出现了基于t分布、GED分布等其他分布形式代替正态分布的
Va_R模型，以提高对尾部拟合的效果和度量的精度。可以说，序列是否满足正态分布
特征将直接影响到VaR方法估算的准确性，也是我们选取VaR方法的依据，因此有
必要对人民币汇率对数收益序列的分布进行正态性检验。
目前检验序列正态分布特性的方法主要有两种：正态Q．Q图和J，B检验。Q．Q
图是根据变量分布的分位数对所指定的理论分布分位数绘制的图形，正态Q—Q图应
是一条直线，通过正态Q．Q图可以直观地观察到实际分布是否具有正态性。J．B检验
是指Jarque和Bera(1987)提出的正态性检验统计量，公式为JB=警I s2+坚专坚l(其
43
O
O
O
O
O
O
0
0
O
鲫鲫∞∞∞∞∞∞0
O
O
0
0
O
0
O
0
O
O
9
7
7
4
1
1
3
7
1
2
3
9
6
6
O
9
3
1
8
0
J
5
5
4&&i&t丘
7
7
7
5
O，2
3
4
5
2
4
8
9
1
1
1
l
1
l
9
3
7
9，7
0
7
6
O
8
3
8
1
5
5
3
5
3
6
，F，O
O
n
O
O
O
O
O
O
O
O
O
O
O
O
O
眇矾如吆埔如g：侈∞列0
1】，‘i
nv
i
O
0
0
O
0
0
0
0
O
0
l
2
3
4
5
6
7
8
9
O
．
。
¨
。
．
。
。
。
。
。
●
●
●
●
●
●
●
●
●
●
我固商n《行卅汇风险度量的宴证日f究第四章我图商业银行外ER硷度蜃0匀实《研究
中，N为样本容量：S为偏度：K为峰度)，JB统计量服从自由度为2的z 2分布，若
JB统计量伴随概率小于培定的显著性水平，将拒绝服从正态分布的原假设
1)正态Q—Q图
TheomⅡcal0曲嘣b-(3岫TlIib
图4 2序列R的正态Q-Q图
从图4．2看出，人民币汇率对数收益率序列R的Q-Q图中部偏离直线，而两端
有大量的点散布在正态直线之外，上端向右偏离该直线，下端向左偏离该直线，呈现
尖峰厚尾分布的特征。因此，可以初步拒绝收益率服从正态分锥的原假设。
2)J-B检验
图4 3直方图和J．B检验
Series：SER01
Sample 7125／2005 8r20／2008 Ob㈣l】0m 753
口；≈10一pEoz
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
对于正态分布，峰度(Kurtosis)值为3，偏度(Skewness)值为0。而从上面的
直方图可以看出，人民币对美元的汇率对数收益率序列Rt分布图的偏度S小于0，K
大于3，可以初步判断序列不符合正态分布。S<0，说明负的收益要多于正的收益，
序列分布有长的左拖尾；K>3，说明序列分布呈现尖峰的特点。均值显著小于0，反
映人民币汇率的均衡收益水平为负，市场的风险较大。同时，由Jarque．Bera统计量
看，其伴随概率0小于显著性水平5％，拒绝原假设，进一步表明人民币汇率对数收
益率序列不服从正态分布。
3)结论
通过正态Q—Q图和J．B检验的综合分析，可以判断样本期内人民币汇率对数收
益率序列不服从正态分布，这一假设检验结果与金融时间序列具有尖峰厚尾特征的实
际情况是相符的，因而可以考虑选择使用较为复杂的t分布、GED分布等分布形式的
VaR模型来度量人民币汇率风险，以期能够更好地刻画尾部特征，提高VaR的度量
精度。
4．2．4总结
总之，本文通过人民币对数汇率收益序列的平稳性检验和自相关检验，验证了我
国人民币汇率对数收益率服从随机游走，从理论上证明了使用VaR模型对人民币汇
率风险进行度量具有适用性；通过人民币对数收益序列的异方差检验，判断出样本期
内人民币对数汇率收益序列存在条件异方差，因而在使用VaR度量人民币汇率风险
时可以考虑GARCH族模型，以期更好地刻画条件异方差；通过人民币对数收益序列
的正态性检验，判断出样本期内人民币汇率对数收益序列不服从正态分布，存在尖峰
厚尾特征，因而在运用VaR模型度量人民币汇率风险时可以考虑选择使用较为复杂
的t分布、GED分布等分布形式，以期更好地刻画尾部特征，最终提高VaR的度量
精度。
4．3各种VaR模型对人民币汇率波动风险的实证度量
本文分别采用参数法和非参数法两大类VaR模型对人民币汇率进行风险估算，
选取的持有期为1日，置信水平分别选取90％，95％，99％，期望通过比较不同置信
水平下不同VaR模型的风险度量结果，确定出度量我国人民币汇率风险的最优模型。
45
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
4．3．1参数法对人民币汇率波动风险的度量
参数法实质上需要解决两个问题：一是金融数据的尖峰厚尾、波动集群的异方差
性；二是寻找金融数据的分布密度函数。目前，对金融数据的时变特性主要采用
GARCH模型族进行描述，即动态VaR；对金融数据的分布则有Normal， Student-t、
GED等分布假设，即risk Metrics的静态V水。
虽然4．2节己经证明人民币汇率对数收益率不服从正态分布，存在尖峰、厚尾的
特点，但为了全面对比各种VaIL方法在实际测度人民币汇率风险中的适用程度及其
最优选择，本文在此仍然将正态分布考虑进去。
1、risk Metrics法
使用risk Metrics法计算VaR的具体步骤如下：
(1)计算人民币汇率几何收益率的均值Ⅳ、标准差盯。
对于标准差的计算，本文分别采用简单移动平均法(SWA)和指数移动平均法
(EWMA)计算。
(2)在既定分布密度函数的假定下，求出一定显著性水平的、反映分布偏离均
值程度的分位数Z1吨。
本文选择两种分布密度函数：正态分布和t分布。对于正态分布，通过查询相应
显著水平下的标准正态函数分布表可得分位数Z1一口。对于t分布，首先应该对自由度
y进行估计，因为自由度y控制着t分布的尾部厚度，本文采用矩估计法(Method of
Moments Estimator，MME)估计t分布的自由度，公式采用y=等+4(其中P=峰度一3
O
为峰度系数)。对于人民币汇率几何收益率序列，其峰度为4．777086，则峰度系数
P=峰度一3=1．777086，利用公式估算自由度y=4．296181。然后，查询t分布表及使
用插值法计算出在此自由度和一定置信度下的分位数Z。。
表4．7 t分布对应一定置信水平分位数玩表
置信度口---99％ 口=95％ 口=90％
分位数Z口4．434689277 2．715475218 2．097256054
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
(3)利用公式V出口=乙一口仃，得到VaR值(结果见表4．8)。
表4．8 risk Metrics法估算的VaR值
计算方法标准差口=1％ 口=5％ 口=10％
VaRo．ol VaRo．05 VaRo．1
风SMA．N 0．00075 1 0．0017475 0．0012392 0．0009613
险
S^似-t 0．00075 1 ’0．0033305 0．0020393 O．0014857
矩
阵E矾rlvIA．N 0．000434 O．0010112 0．0007l 61 0．0005556
法EⅥ，MA-t 0．000434 0．0019247 0．001 1677 0．0009102
2、GARCH族模型
根据上述异方差检验结果可知，人民币汇率对数收益率序列存在高阶的ARCH
效应，而能够较好地模拟金融时间序列条件异方差性的模型是GARCH模型。考虑到
外汇市场的风险溢价，在均值方程中加入条件方差的函数，得GARCH-M模型即
ARCH均值回归模型。一般来说，有效的外汇市场上汇率与其风险是正向相关的。
Q讯CH．M模型对参数的要求和稳定性条件同GARCH模型的要求一样。使用
G』6眦H族模型计算VaR的步骤如下：
(1)确定GARCH族模型的阶数
根据4．2节分析可知，人民币汇率对数日收益率为平稳序列，且不存在自相关，
所以收益方程为条件均值回归方程。对方差建立GARCH族模型之前，首先采用模型
参数的z检验统计量、对数似然标准、AIC准则、SiC信息准则进行模型最优阶数的判
别，经过反复试算，判断滞后阶数((p，q)为(1，1)比较合适，所以选择GARCH族模
型均为GARCH(1，1)类模型。
(2)采用极大似然估计法(Maximum Likelihood Method)，分别对正态分布、t分
布、GED分布下的GARCH族模型进行参数估计，从而选择最优的GARCH模型估
计VaR。估计结果分别见表4．9、表4．10和表4．11。
47
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
表4．9正态分布下人民币对数收益率GARCH族模型估计结果
参模型类型
数
模GARCH．M(1，1) TARCH．M(1，1) EGARCH．M(1，1) PARCH．M(1，1)
型-N -N -N -N
均一0．278006 ．0．287076 一0．291 815 -0．289879
值p
(O．0000) (0．0000) (0．0000) (O．0000)
方2．05E．05 2．02E．05 2．73E．05 2．29E．05
程C
(0．50291· (0．5132)· (0．3709)+ (0．4563)’
4．07E．1 0 4．46E．10 ．O．1 18059 6．51E-09
国
(0．6122)· (0．5851)· (0．0112)· (O．77181‘
方口1
0．099470 0．081391 0．1 57642 0．094405
(0．0000) (0．0000) (0．0000) (0．0000)
差0．906126 0．906889 1．000610 0．919160
方屈(O．0000) (0．0000) (0．0000) (O．0000)
程0．033847 ．0．014241 0．091 900
7
(O．1796)· (0．4079)· (0．3398)+
1．583316
万
(O．00001
注：参数估计值后面的括号中是z检验统计量对应的p值，·表示在5％的显著性水平下参估计不
显著．
表4．10 t分布下人民币对数收益率GARCH族模型估计结果
参模型类型
数
模
GARCH．M(1，1) 1’ARCH．M(1，1) EGARCH．M(1，1) PARCH．M(1，1)
型
．t ．t ．t -t
均．0．278019 ．0．283129 一0．246403 -0．246597
值
p
(0．0000) (O．0000) (O．00001 (0．0000)
方2．09E．05 2．05E-05 ．O．0353 12 -0．034246
程
C
(O．4966)· (O．5068)’ (0．3607)· (0．3765)‘
6．46E．10 6．53E．】O ．0．152407 1．90E．07
∞
(0．49891· (0．4915)‘ (0．01691 (O．8252)·
0．100289 0．0871 90 0．1743 10 0．090938
方口1 (0．00001 (O．0006) (0．0000) (O．0000)
差0．904455 0．905395 0．9991 05 0．927519
方届(0．0000) (0．0000) (0．0000) (0．0000)
程0．023554 -0．005685 O．01 8294
y (O．4728)’ (0．8076)+ (O．8894)·
1．125877
占
(0．0011)
自17．91994 l 9．27448 14．81367 14．80904
由V (0．0696)· (O．0962)’ (0．0152) (O．0268)
度
注：参数估计值后面的括号中是Z检验统计量对应的P值，·表示在5％的显著性水平下参数估计
不显著．
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
表4．11 GED分布下人民币对数收益率GARCH族模型估计结果
参模型类型
数GARCH．M(1，1) TARCH．M(1，1) EGARCH．M(1，1) PARCH．M(1，1)
模．GED ．GED -GED ．GED
型
均．o．273153 -0．280347 一0．286213 ．0．283159
p
值(0．0000) (0．oooo) (O．0000) (O．oooo)
方1．78E-05 1．75E．05 2．47E-05 2．09E-05
程C
(0．5605)· (0。5695)· (0．4161)幸(O．4958)·
5．09E．1 O 5．39E-10 ．O．】2863】．1．74E-08
CO
(0．5788)· (O．5568)· (O．0171) (0．7753)·
O．100625 0．08454 1 O．161591 0．093996
％ (O．oooo) (O．0002) (0．oooo) (0．oooo)
方
差届
O．904722 0．905627 1．000094 O．921016
方(O．oooo) (0．0000) (0．oooo) (0．oooo)
程
0．029474 ．0．Ol 1610 O．074054
7
(O．3048)· (O．5692)· (0．4961)·
1．476688
万
(0．0000)
尾1．816773 1．835293 1．797227 1．818770
部(0．oooo) (0．0000) (0．oooo) (o．oooo)
y
参
数
注：参数估计值后面的括号中是Z检验统计量对应的P值，·表示在5％的显著性水平下参数估计
不显著．
从表4．9、表4．10和表4．1 1可以看出，在5％的显著性水平下，对于非对称性的
TGARCH．M，EGARCH．M和PARCH．M模型，无论在何种分布函数假定下，描述非
对称信息的参数y均不显著。由此说明，人民币汇率对数收益率的条件异方差不存在
明显的杠杆效应，即负面消息和正面消息对条件方差的影响程度基本一致，
TGARCH—M，EQ讯CH．M和PARCH．M模型的估计与GARCH．M模型没有明显的区
别。所以，最终选择GARCH．M(I，1)模型估计V承。
对于GARCH族模型，无论是在正态分布下、t分布下，还是在GED分布下，均
值方程和方差方程的参数估计值在5％的显著性水平下均是显著的，其特点是反应系
数口．均显著为正，表明实际人民币汇率的波动呈现集群性特征，即过去波动的扰动
49
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
对市场未来波动有正向的减缓作用，但口，未超过0．2(经验研究表明，金融市场日收
益率数据中，反应系数不超过0．2)，表明波动市场变化的反应并不剧烈。
％+届=1．0623，略大于l，说明波动具有持久性，冲击将对条件方差产生长久记忆，
即收益率序列的波动在短期内不会向其均值回归，当前信息对预测未来收益率的波动
有重要意义。在非对称性模型中，杠杆项7也显著异于零，验证了汇率对数收益率序
列存在杠杆效应。另外，f分布的自由度v显著小于30，GED的尾部参数小于2，进
一步证实了收益率分布的厚尾性。．
(3)对估计的GARCH．M(1，1)模型进行检验评价。
在得到GARCH．MO，1)估计模型后，对估计的结果进行相关的残差检验，以验
证模型是否很好地刻画了残差的异方差现象。对残差做ARCH--LM检验，发现残差
序列已经显著不存在ARCH效应，检验结果综合见表4．12。
表4．12 GARCH(1，1)—M模型残差ARCH效应检验
模型检验统计量估值P值
GARCH．M(1，1)-N ARCH--LM(1 0)Star 12．55244 0．249782
GARCH．M(1，1)．t ARCH--LM(1 0)Stat 1 2．65468 0．243625
GARCH．M(1，】)．GED ARCH—-LM(1 0)Star 12．58152 0．24801 9
(4)根据建立的GARCH．M(1，1)模型生成人民币汇率对数收益率的条件方差序
列{红)。
(5)将啊代入公式VaR，=Zl一口√忽中，得到动态HVaR值。
其中，GED分布的分位数是利用GED的概率分布函数由数值积分得到，并通过
MATLAB程序由己知的置信水平多次逆试算求出相应的分位数，结果见表4．13。由于
使用@讯CH．MO，1)模型得到的是日动态VaR，本文只列出V承的最大值、最小值、
均值和标准差，结果见表4．14。
表4．13 GED分布对应一定置信水平的分位数Z口
置信水平99％ 95％ 90％
分位数Z口2．4 1 6596094 1．650840061 1．260258930
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
表4．14 GARCH．M(1，1)模型估计得到的VaR值
模型类型显著坛氓垤cR 沥足眙足
水平最小值最大值均值标准差
GARCH—M(1，1) 1％ 一0．0041627 ．0．000408 -0．001945 0．00092
．N 5％ -0．0029478 ．0．000289 -0．001378 0．000652
10％ -0．0022868 ．0．000224 ．0．001069 0．000505
GARCH—M(1，1) 1％ -0．007923 ．0．00080 1 -0．003695 0．001743
．t 5％ 一0．004852 ．0．00049 —0．002263 0．001 067
10％ ．0．003747 ．0．000379 ．0．001748 0．000824
GARCH-M(1，1) 1％ ．0．004324 ．0．000428 -0．002016 0．000953
．G E D 5％ ．0．002954 ．0．000292 -0．001377 0．00065 1
10％ -0．002255 ．0．000223 ．O．00 1051 0．000497
4．3．2非参数法对人民币汇率波动风险的度量
由于蒙特卡罗模拟法需要大量的运算，故本文只采用历史模拟法对民币汇率风险
进行度量。
根据历史模拟法的基本原理，实证度量步骤如下：
1)将人民币汇率对数收益率序列按升序排列；
2)用样本容量fN=753)乘以相应的显著性水平(口)，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《，即显著性水平口下的最低收益率。在
1％的显著水平下，哦。为考察期内第7．53(753×1％)个数对应的收益率，即
-0．003028723603在5％的显著水平下，呓05为考察期内第37．65(753×5呦个数对应
的收益率-0．001828943693在10％的显著水平下‘l为考察期内第75．3(753×10％)个
数对应的收益率，即．0．001330630796。
4)利用公式VaR口=E(r)一‘，得到相对VaR值(见表4．15)。
VaR¨l=0．002805099603，其含义是有99％的信心确定在未来的1天内，人民
币日对数汇率损失最多不会超过0．002805099603。
表4．15历史模拟法估算的VaR值
各种置信水平下的VaR值
VaRo．01 VaRo．05 VaRo．1
历史模拟法0．002805099603 0．0016053】9693 O．0011 07006796
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
4．4准确性检验及检验结果分析
综上，本文分别以融sk Metrics法的SMA．N，SMA．t，EWMA．N， EWMA．t，
GARCH模型的GARCH—M(1，1)一N，GARCH-MO，1)一t，GARCH—MO，1)-GED
和历史模拟法八种不同的VaR模型估算出人民币汇率风险，但由于每种模型都要受
到一定的假设条件、样本容量等多种因素的影响，估算结果与实际都存在一定偏差，
为了衡量每种模型是否有效及选择最优的适合估算人民币汇率风险的VaR方法，需
要对VaR模型结果进行准确性检验。
这里我们采用失败频率法对上述VaR模型计算结果进行准确性检验。具体检验
结果见表4．16。
表4．16不同置信水平下各种VaR模型的准确性检验结果表
口=1％ 口=5％ 口=10％
计算方法失败检验失败检验失败检验
次数结果次数结果次数结果
SMA．N 12 接受27 接受50 拒绝
方差．协SMA．t O 接受9 接受21 接受
方差法EWMA-N 42 拒绝83 拒绝105 拒绝
EWMA．t 11 接受30 接受55 拒绝
GARCH-M(1，I)-N 18 接受58 拒绝108 拒绝
GARCH GARCH·M(I，1)-t 2 接受9 接受25 接受
模型(3ARCH—MO，1) 14 接受59 接受113 拒绝
．GED
非参数法历史模拟法3 接受17 接受36 接受
注：“接收”表示通过检验，。拒绝”表示未通过检验．
从表4．16的检验结果可以看到方差．协方差法中的SMA-t、G甜汜H模型中的
GARCH-M(1，1)-t和非参数法中的历史模拟法三种方法在1％，5％和10％--种显著
性水平下均通过检验，估算结果比较理想。其中，度量精度最高的是历史模拟法，其
失败频率最接近于显著性水平，其次是GARCH．M(1，1)．．．t SMA-N、EWMA．t、
GARCH．M(1，1)-N和GARCH．M(1，1)．GED在较低的显著性水平下通过了检验，
而在相对较高的显著性水平下未通过检验；EWMA-N方法则在三种显著性水平下均
未通过检验，明显地过于保守，高估了人民币汇率风险，估算效果较差。这一检验结
果与模型理论基本相符，具体原因解释如下：
我国商业银行外汇风险度量的实证研究第四章我国商业银行外汇风险度量的实证研究
1、方差．协方差法中的基于t分布的简单移动平均法SMA．t在三种显著性水平下
均通过准确性检验，而基于正态分布的简单移动平均法SMA-N在10％的显著性水平
下未通过检验，主要是因为t分布能够更好地刻画人民币汇率实际分布中的尖峰厚尾
性，而正态分布则无法刻画这一特性，它的运用会低估风险。对于指数加权移动平均
法，从理论上讲它可有效克服依赖样本长度的所谓“幽灵现象"，但由于本文选取的
人民币收益率的样本时间窗口仅有753个数据，相对较短，且在这段时间内，我国人
民币汇率波动浮动相对较小，“幽灵现象"并不明显，同时本文指数移动平均的权重
使用了一个常数O．94，这并不一定适合我国外汇市场，所以采用指数加权移动平均法
估算的结果并不理想，除了EWMA-t在l％和5％的显著性水平下通过检验，在10％
显著性水平下两种指数加权移动平均法都未通过检验，存在明显的风险高估。
2、GARCH模型中只有GARCH．M(1，1)-t完全通过三种显著性水平下的准确性
检验，说明在人民币汇率回报序列存在尖峰厚尾特性的实际情况下，使用t分布来刻
画尾部特征明显优于正态分布和GED分布，主要原因是对于正态分布来说，其描述
的尾部太薄，存在明显低估风险的可能；对于GED分布来说，虽然也具有描述厚尾
的特征，但其更适合描述比t分布更薄的尾部特征，在我国汇率回报序列存在着明显
肥尾特征的情况下，该分布的使用会因缩减尾部发生概率而低估，所以GED分布也
未能通过检验。另外，在1％的显著性水平下，GARCH，M(1，1)-N和GARCH—M(1，
1)．GED通过了准确性检验，在5％的显著性水平下只有GARCH．M(1，1)．GED通过
了准确性检验，而在10％的显著性水平下均未通过检验，主要原因是GARCH—M(1，
1)-N和GARCH．M(1，1)．GED虽然在较低的显著性水平下能够保证实际中损失超过
的可能性很小，但在较高的显著性水平下却受到需要获取大量检验数据的约束，在样
本数据有限的条件下使用失败频率检验法可能无法准确判定VaR的精确度。
3、作为非参数法下的历史模拟法均通过了三种置信水平下的准确性检验，主要
是因为非参数法的典型特征是无需假定市场因子变化的统计分布，而是利用历史数据
进行真实分布的拟合，读取分位数计算VaR，可有效地处理人民币汇率实际分布的尖
峰厚尾问题。
4、在通过准确性检验的四种VaR方法中，度量商业银行汇率波动风险的最优模
型是基于t分布的GARCH-M(1，1)模型，原因是相对于历史模拟法、基于t分布的
&目商n《彳亍¨Em陆度量∞窑iE"究第口章我商商m镕j亍，}nR照度量fj勺安《Ⅱ究
简单移动平均法来说，基于t分布的GARCH．M(1，1)模型一方面通过采用t分布较
好地刻画了人民币汇率收益率序列的厚尾特征，另一方面通过采用GARCH—M(1，1)，
较好地刻画了人民币汇率收益率的动态性与时变性特征，并反映了预期收益与预期风
险相对应这一原理，从而综合提高了对vaR的估算精度，这一点正好印证了上节对
人民币汇率收益率序列的正态性检验和异方差检验。该模型的准确性可进一步通过在
观察三种显著性水平下估算的VaR值与实际人民币汇率收益率RT的对比图，见图
4．4、图4．5、图4．6。很明显，实际汇率收益率的被动绝大部分未超过VaR所估算的
最大损失范围，很好地控制着风险的度量。薰；嘲藤一0 005
—卜Fr—‘v。r(．
图4 4在10％的显著性水平下，基于t分布的GARCH-M(1，1)模型估算的VaR与实
际汇率收益率RT的对比图
图4．5在5％的显著性水平下，基于t分布的GARCHrM(1，1)模型估算的VaR与实际
汇率收益率RT的对比图
我国商业银行，}汇A睦度量的宴《w究第四章我国M业钳行外虻R陆度量的实证研究㈦i翟一
我国商业银行外汇风险度量的实证研究第五章我国商业银行完善外汇风险管理体系的政策建议
第五章我国商业银行完善外汇风险管理体系的政策建议
随着人民币汇率制度的深入改革，我国外汇市场不断走向成熟，汇率波动日趋市
场化，汇率风险将逐步加大。借鉴先进的VaR工具，建立以V￡汛为风险度量标准的
外汇风险管理体系，实现对人民币汇率风险的统一、实时的监控和管理，已成为目前
商业银行的当务之急。
．对于围绕以运用VaR I具为核心，完善我国商业银行外汇风险管理体系，本文
提出以下政策建议：
5．1增强人民币汇率风险意识，大胆引进V承工具
当前我国实行的有管理的浮动汇率制度；人民币汇率只是在较窄的范围内浮动，
商业银行面临的汇率风险相对而言还比较小。随着我国汇率制度改革的深入，人民币
汇率浮动的范围将逐步扩大，人民币汇率弹性将逐步增强，商业银行所持有的外汇头
寸暴露面临更大的汇率波动风险。所以商业银行应抓住当前人民币汇率风险相对较小
的机遇，加强本行的汇率风险管理水平。
目前国内商业银行对VaR工具的态度存在两种极端：一种是完全的排斥，认为
根本不适合国内的风险度量；一种是完全的照搬，不加考虑地将其直接用于资产或资
产组合风险的度量。毫无疑问，这两种态度都在一定程度上限制了我国商业银行风险
度量水平的提高。本文建议一方面要大胆引进国际成熟的Ⅵ汛工具，加强我国商业
银行汇率风险管理的定量分析技术，另一方面又要充分意识到v￡汛方法是在西方发
达金融市场发展起来的风险度量方法，将其应用到我国现实的汇率风险度量时必须结
合我国外汇市场的实际特点，即充分考虑它的适用性问题，进行必要的模型检验，以
确保度量结果的准确性和可信性。
5．2选择最合适的ⅥR方法度量商业银行汇率风险
充分运用VaR方法度量各种外币资产及资产组合的的人民币汇率波动风险。在
V承方法选择方面，对于目前己根据V状值来设置汇率风险资本或者提取汇率风险
我国商业银行外汇风险度量的实证研究第五章我国商业银行完善外汇风险管理体系的政策建议
准备金的商业银行来说，建议综合采用历史模拟法、方差．协方差法中的基于t分布的
简单移动平均法(SMA-t法)和基于t分布的GARCH0，1)．M模型，取三个估算结
果的平均值，并在发生极端事件的情况下结合压力测试法，从而在风险抵御能力和盈
利能力之间做到最优的权衡。
当然，作为一种统计思想，无论具体哪种模型都会在某种程度上依赖于历史数据，
本文所选择的样本有限，并不能代表外汇市场汇率波动的全部发展状况，因此模型的
最优化(包括模型参数的设定和模型择优)是个动态调整的过程，因此本文第四章对
模型择优进行实证分析的目的并不仅仅是为了得到一个较优的模型，更重要的是在于
阐述一种如何择优的思想，而这种思想是普遍适用的，即使外汇市场实际情况发生了
变化，仍然可以运用这种思想在新的约束条件下去寻找较优的模型。
5．3构建以VaR为核心的外汇风险评估系统
商业银行构建以ⅥR为核心的外汇风险评估系统是外汇风险管理体系的核心。
商业银行外汇风险评估分析系统由以下几部分组成：(1)模型库系统。用来存放各种
YaR模型，系统选用的基本模型分为四种：GARCH(1，1)．M4模型、历史模拟法、
SMA-t法和压力测试。这四种模型估算YaR值效果较好。(2)数据库系统。系统的
数据库分为三种：一种是指标数据库，用来记录银行资产各项具体指标值；第二种是
标准样本库，用来记录评估样本数值的标准和各指标的名称及内涵；第三种是模拟数
据库，用来记录模拟过程中的中间数据。(3)功能系统。分为三个部分，第一部分数
据处理模块，是用来实现各种指标在不同模型及不同评价标准下的计算过程；第二部
分模型管理模块，是用来调整模型结构、参数，根据不同决策目标制定相应的标准和
规则，此规则及标准是由样本数据经过调用相应模型的运行结果决定的；第三部分网
络查询模块，提供网络用户根据其权限范围查询评价结果的功能。见图5．1。
我国商业银行外汇风险度量的实证研究第五章我国商业银行完善外汇风险管理体系的政策建议
图5．1以Va．R为核心的外汇风险评估系统
5．4重视引进和培养外汇风险管理领域的专才
VaR方法的应用，外汇风险管理科学化的实现需要强有力的技术和信息系统支
持，基于该方法的风险管理技术、计量统计技术和风险数据库的建立等，都离不开相
应的人才储备。虽然VaR的结果应用起来很方便，而且功能强大，但风险模型的建
立与应用对银行经营管理人员提出了更高的要求，与VaR方法应用相关的各个层面
都需要大量的专业人才和相应的制度安排。以上节构建的以VaR为核心的外汇风险
评估系统为例，运行模型系统时，商业银行需要懂VaR理论及操作的专业人士，运
行数据库系统时，银行还需要计算机相关专业人士，因此运用VaR工具需要相应的
专业人才或者复合型人才配套。这些对目前我国银行业的管理现状还存在一定的挑
战，这在一定程度上限制了VaR技术的应用。建议一方面运用市场化的手段遴选和
招聘高水平的风险管理人员，另一方面通过内部竞聘的方式甄选专业管理人才，同时
聘请风险监管专家作适时的外部指导；建立科学有效的培训体系，使各岗位人员接受
充分的培训，提升业务人员的业务素质(这一点中国工商银行做的比较好)；建立有
58
我国商业银行外汇风险度量的实证研究第五章我国商业银行完善外汇风险管理体系的政策建议
效合理的激励机制和绩效考核系统，以有竞争力的薪酬待遇留住人才、吸引人才。
5．5监管机构不断改进和完善监管的技术手段
对商业银行的外汇风险管理要注意内外结合。一方面，商业银行自身要做好外汇
风险管理，完善外汇风险管理体制；另一方面，监管机构也要做好外部监管工作，监
管机构要不断改进和完善外部监管的技术手段：可以把有关信息技术风险安全评估、
现场检查和非现场监测等手段运用到对银行汇率风险的监管中，利用现代信息技术提
升监管水平；强化银行监管信息系统建设，大力推进非现场监管建设，实现现场检查
和非现场监管的有机结合：开发相关的风险监测软件，提高对汇率风险监控的效率。
同时，监管机构要积极开展对商业银行监管的创新，以监管创新适应金融创新，适应
新汇率制度带来的新变化。由于汇率形成机制市场化进程的不断推进会产生一系列的
监管盲点，这些监管盲点需要通过监管创新来覆盖。
我国商业银行外汇风险度量的实证研究结论
结论
随着人民币汇率制度改革的推进，外汇市场广度和深度不断发展，我国商业银行
面临的汇率波动风险日益凸显，引进先进的汇率波动风险度量VaR工具，加强汇率
风险管理研究，有着重大的现实意义。本文以商业银行汇率波动风险度量为切入点，
引入目前国际市场上主流的市场风险度量模型VaR，并结合我国外汇市场的实际情
况，运用各种VaR模型对我国商业银行汇率波动风险进行实证研究。本文通过理论
与实证研究获得的主要结论有：
第一，自人民币汇率形成机制改革以来，我国外汇市场能够达到弱式有效，基本
具备了使用VaR模型度量我国商业银行汇率波动风险的前提条件。
第二，通过实证研究表明，我国人民币兑美元汇率对数收益率序列存在的尖峰厚
尾、群聚波动等特点。通过对计算结果的准确性检验及进一步分析得出基于t分布的
Q娘CH—M0，1)模型是度量我国商业银行汇率波动风险的最佳模型，具有良好的预
测准确性和精度。历史模拟法、基于t分布的SMA法稍次，但仍然通过了准确性检
验，在实践中商业银行也可考虑用于汇率波动风险的度量。基于正态分布的SMA法、
基于正态分布和GED分布的GARCH．M(1，1)模型低估了人民币汇率波动风险，可
能造成商业银行低估风险；基于正态分布和t分布的EWMA法则过于保守，高估了
汇率波动风险，造成商业银行风险管理成本的增加和盈利能力的下降。
第三，VaR模型也存在一定的缺陷，该方法估计的仅是正常市场波动条件下的金融
市场风险暴露，对于金融市场出现的极端情形可能会出现较大的估计误差。当人民币汇
率完全市场化以后，VaR模型能否做出更好的估计和预测有待进一步研究。
最后，本文据此结论提出完善商业银行外汇风险管理体系的政策建议，对提高我
国商业银行汇率风险管理水平有一定的借鉴意义。
虽然目前我国人民币兑美元汇率波动相对稳定，使用VaR模型测度风险对结果
估算不会产生很大影响，但是人民币兑欧元和日元等其他主要国际货币汇率波动频
繁，且波幅较大(见附录)，特别是在当前的国际金融危机下，未来的汇率波动情形
更是无法预测。商业银行面临的人民币对欧元和日元等其他主要国际货币汇率波动风
险可参照本文继续深入研究，可以考虑使用目前在VaR基础上发展起来的极值理论
和压力测试这些重点研究资产损益分布极端尾部事件的方法加以测量，这也是本文以
后努力的方向。
我国商业银行外汇风险度量的实证研究参考文献
参考文献
【1】张晓朴，人民币汇率新机制下对我国商业银行风险管理的挑战【J]．国际金融研究，
2005(12)
【2】刘金波，商业银行外汇风险现状及防范措施研究【J]．商业经济，2007(2)
【3】3 菲利普。乔治，风险价值VaR[M]．中信出版社，2005
[4】J．P．Morgan,融Sk Metrics．Technical Document[M】．4th edition,Morgan Guaranty
Trust Company,1 996
【5】David A．Hsieh．The statistical properties of daily foreign exchange
rates：1974-1983叨．Journal ofInternational Economics，1988，(24)：129—145．
[6】Richard Meese．Testing for Bubbles in Exchange Markets：A Case of Sparkling
Rates【J】．Journal ofPolitical Economy,1986，(2)：345—373．
【7】Zhuanxin Ding，Clive W．J．Granger,Robert E Eng／e．A long memory property of
stock market returns and a new model[J]．Journal of Empirical Finance，1 993，(1)：
83-106．
[8】So，M．K．E Long-term memory in stock market volatility[J]．Applied Financial
Economics，2000，O o)：5 1 9-524．
【9】Dowd,Kevin,、qalue at Risk[M】．1998，New Y0rk，John Wiley&Sons．
【1 O】T．S．Beder．VaR：Seductive but dangerous[J]．Financial Analyst,1 995(5)：1 2—24．
[1 1】Monica Billio，Lofiana PelizeⅪn．Value—at-Risk：a multiVaRiate switching
regime[J]．Journal of Empirical Finance，2000，(7)：53 1-554．
[1 2】Simone Manganelli，Robert E En舀e．Value at risk models in finance[R]．ECB
working Paper No．75．2001．
【1 3]Ramszan Gencay,Farak Selcuk,Abdurrahman Ulugulyaci．Hi曲volatility,“ck tails
and extreme value theory in value—at-risk estimation hsurance[yJ．Mathematics and
Economics，2003，(2)：337-356．
【1 4】Dennis Rams，Thorsten Lehnert,ChristiaIl C．R W01．An evaluation framework for
alternative VaR-models[J]．Journal of International Money and Finance，2005，(24)：
61
我国商业银行外汇风险度量的实证研究参考文献
944—958．
【1 5】Mike K．P．So，Philip L．H．№Empirical analysis of GARCH models in value at risk
estimation[Y]．Joumal of International Financial Markets，Institutions and Money,
2006，(16)：180—197．
【16】张伊，VaR在是那个也银行汇率风险评估中的应用管理[D】．同济大学，2007
【17】周大庆，风险管理前沿：风险价值理论与应用【M]．中国人民大学出版社，2004
[18】王春峰，金融市场风险管理【M]．天津大学出版社，2001
【19]涂永宏，外汇风险管理【M】冲国人民大学出版社，2004
[20】任梅春、韩萍，关于风险度量方法VaR的文献综述阴．科技信：息，2006(1 1)
【21]王志城、周春生，金融风险管理研究进展一一国际文献综述叨．管理世界，2006(4)
【22】戴国强、徐龙炳、陆蓉，VaR法对我国金融风险管理的借鉴及应用们．金融研究，
2000(7)
【23】王春峰、万海晖、张维，金融市场风险测量模型一一VaR【J】．系统工程学报，
2000(3)
【24】李强、叶旭刚等，VaR模型的计算及运用阴．中国管理科学，2000(11)
【25】陈守东、俞世典，基于GARCH模型的VaR方法在中国股市的分析叨．吉林大学
社会科学学报，2002(4)
[26】魏岳嵩、林美艳、王峰，金融市场风险度量及实证研究[J】．淮北煤师院学报，
2003(12)
【27】高全胜，金融风险计量理论前沿与应用【J]．国际金融研究，2004(9)
【28]龚锐，陈仲常、杨栋锐，GARCH族模型计算中国股市在险价值㈣风险的比
较研究与评价【J】．数量经济技术经济研究，2005(7)
【29】李凯、张稳瑜，基于GARCH族高频日汇率波动的实证分析【J】．现代管理科学，
2005(3)
【30]郭名媛、张世英，VaR：金融风险计量方法及其应用研究叨．长安大学学报，2005(6)
f31】龚妮，GARCH模型与VaR法在外汇风险度量中的应用四．黑龙江对外经贸，2006(6)
【32】胡国晖、鲍红波，VaR风险度量方法评价及其修正模型CVaR[J]．时代金融，2006(7)
【33】吴琼、薛红，王露琰，GARCH模型在我国深市风险度量中的应用研究阴．广西
我园商业银行外汇风险度量的实证研究参考文献
财经学院学报，2007(2)
【34】陈雷，基于VaR方法的我国市场风险实证分析【J]．财经界，2007(9)
【35】封振，VaR方法在我国证券市场风险度量中的实证分析【J]．财经界，2007(8)
【36]叶华，王跃平，VaR在商业银行汇率风险管理中的应用叨．经济与社会发展，2007(2)
【37】陈银忠，杨建波等，基于VaR．GARCH模型的深市行业市场风险的度量研究【J】．
当代经济，2007(11)
[38】高可佑、王潇怡等，沪深300指数的VaR风险测量一一基于历史模拟法和蒙特
卡罗模拟法【J】．金融观察，2008(3)
[39】杨霞，VaR模型在中国股票市场风险评估中的应用阴．科技创新导报，2008(23)
【40】邹宏元，金融风险管理[M】．西南财经大学出版社，2005
【41】谢赤、王雅瑜、孙柏，外汇风险度量：方法与评述【J】．金融经济，2007(10)
[42】李君瑞，商业银行汇率风险管理[J】．合作经济与科技，2007(20)
【43】袁丽胜、朱世武，事后检验在风险管理中的应用【J】．金融研究，2002(10)
[44】杜德春，商业银行汇率风险及其管理对策研究明．财会通讯，2007(3)
【45】王元龙，刘和平，新汇率机制下我国商业银行汇率风险管理的探讨【J】．金融电子
化j 2007(6)
[46】温杰，我国商业银行外汇风险管理研究阴．会计之友，2007(7)
[47】高铁梅，计量经济分析方法与建模【M】．清华大学出版社，2006
【48】曹中、陶爱元、沈学桢，应用极值理论度量金融市场风险【J】．商业研究，2006(23)
【49】朱世武、李豫、何建波，中国股票市场风险值标准的有效性检验【J】．上海金融，
2004(11)
【50】刘兴权、王振山、史永东，金融风险管理中的VaR模型及其应用田．东北财经大
学学报，1999(6)
【51】张妍、王涌等，计量市场风险VaR方法在我国金融业的应用叨．哈尔滨理工大学
‘
学报，2002(8)
【52】郭金利，基于FIGARCH模型的股指波动性估计与预测研究【J】．西北农林科技大
学学报，2006(9)
【53】金秀、许宏宇，基于GARCH-VaR的半参数法及实证研究叨．东北大学学报，2007(1)
我国商业银行外汇风险度量的实证研究参考文献
【54】严忠、刘亚琴，人民币兑美元汇率的风险测量[J】．安徽工业大学学报，2004(9)
[55】沈兵，汇率收益率的异方差一一基于不同频率的风险价值度量【J】．广西金融研究，
2005(7)
【56】王天兴、张建，ARCH／GARCH类模型对汇率波动率的研究阴．金融经济，2006(24)
【57】陈敏，VaR模型在我国人民币汇率风险度量中的实证研究【D]．青岛大学，2007
【58】邵欣炜，基于VaR的金融风险度量与管理【D]岩林大学，2004
[59】田勇，论我国商业银行风险管理体系的构建【J】．沿海企业与科技，2007(11)
我国商业银行外KR险度量的实Ⅱ研究
附录
图4．6 2005-7-25至2009-2-19人民币兑美元_》[率中间价趋势图
图4 7 2005·7-25至2009．2-19人民币兑欧元汇率中间价趋势图
我国商Ⅱ镕行外汇A险度置的实Ⅱ研究
图4 8 2005-7-25至2009．2．19人民币兑曰元汇率中间价趋势图
图4．9 2005-7-25至2009-2．19人民币兑港币汇率中间价趋势图
图5．0 2006—8·Oj至2009—2-19人民币兑英镑汇率中间价趋势图
我国商业银行外汇风险度量的实证研究硕士学位期间公开发表的论文
硕士学位期间公开发表的论文
1、《浅谈我国实施外汇储备积极管理战略》，杨文艳，财经界2007
2、《浅谈我国指数基金的投资与发展》，杨文艳，商业文化2007
3、《关于中国金融业实行混业经营的思考》，杨文艳，商业文化2007
67
我国商业银行外汇风险度量的实证研究后记
后记
近三年的硕士学习生活即将结束，心中感慨万千!苏州大学美丽的校园环境和浓
厚的学习氛围，让我深深地爱上了她。回顾这三年，自己在学业上的每一点进步，都
离不开商学院众多老师和同学们的关心和帮助，离不开父母和亲人们的鼓励和支持。
我向他们表示最衷心、最诚挚的谢意!
本文是在我的导师王光伟教授的精心指导下完成的，从论文的选题到材料的收
集，从文章的编排、写作到论文终稿的完成，无不倾注老师的心血和辛勤汗水。在两
年多的学习生活中，王老师那渊博的知识，严谨的治学态度、严谨踏实的工作作风以
及平易近人的优良品质使我既在学习上深受鼓舞，又在个人的品德修养上受益匪浅，
无论在研究生的学习阶段还是在论文写作阶段，王老师都给了我许多教导和关怀。在
此，真诚地感谢王老师对我的辛勤培育和谆谆教导!
在这里我还要真诚地感谢商学院在学业上给予我莫大帮助的万解秋教授、贝政新
教授、乔桂明教授、王则斌教授、赵建新教授、顾建平教授以及所有教过我的老师们，
你们永远都是我的恩师!
另外，我要感谢我的同学们，三年同窗的日子，因你们的关心和陪伴而温馨；我
要感谢我年迈的父母，你们期待的目光是我前行的勇气和力量所在。
在论文定稿之际，我向帮助过我的所有人表示最诚挚的谢意1
2009年3月于苏州