汇率风险度量培训
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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。
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 J a r q u e 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。
（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。
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。
（3）对估计的GARCH（1，1）模型进行检验评价。对残差序 列做 Q 检验，发现5%的显著水平下，前20阶残差项序列的自相关 系数整体不显著；然后对残差再做异方差效应的LM检验，发现残 差序列已显著不存ARCH效应合上述表现认为GARCH（1，1）模 型能较好地刻画人民币汇率对数收益率的异方差现象。
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。
（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（GBM）作为人民
异方差检验
ARCH效应检验。人民币汇率收益率序列在q>1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：
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）
（4）建立的GARCH模型生成人民币汇率对数收益率的条件方 差序列{ht}。
（5）将ht代入公式 中，得到动态日Va R值。(日动态Va R的最 大值、最小值、均值和标准差)
综上所述，本文分别以历史模拟法、蒙特卡罗模拟
法、方差—协方差法的SWA-N、SWA-t、EWMA—N 、
E W M A - t 、 GARCH 模型的 GARCH ( 1 ， 1 ) — N 、
VaR
险模
度型Baidu Nhomakorabea
魏 金 明 张
量在 中人 的民
敏
应币
用汇
率
风
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。
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。
GARCH(1，1)—t和GARCH(1，1)—GED等九种不同的
Va R方法对人民币汇率风险进行了估算，结果不尽相同。
为了衡量每种方是否有效及选择出最优的风险度量方法，
需要对Va R模型结果进行准确性检验。
（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。
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 J a r q u e 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。
（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。
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。
（3）对估计的GARCH（1，1）模型进行检验评价。对残差序 列做 Q 检验，发现5%的显著水平下，前20阶残差项序列的自相关 系数整体不显著；然后对残差再做异方差效应的LM检验，发现残 差序列已显著不存ARCH效应合上述表现认为GARCH（1，1）模 型能较好地刻画人民币汇率对数收益率的异方差现象。
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。
（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（GBM）作为人民
异方差检验
ARCH效应检验。人民币汇率收益率序列在q>1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：
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）
（4）建立的GARCH模型生成人民币汇率对数收益率的条件方 差序列{ht}。
（5）将ht代入公式 中，得到动态日Va R值。(日动态Va R的最 大值、最小值、均值和标准差)
综上所述，本文分别以历史模拟法、蒙特卡罗模拟
法、方差—协方差法的SWA-N、SWA-t、EWMA—N 、
E W M A - t 、 GARCH 模型的 GARCH ( 1 ， 1 ) — N 、
VaR
险模
度型Baidu Nhomakorabea
魏 金 明 张
量在 中人 的民
敏
应币
用汇
率
风
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。
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。
GARCH(1，1)—t和GARCH(1，1)—GED等九种不同的
Va R方法对人民币汇率风险进行了估算，结果不尽相同。
为了衡量每种方是否有效及选择出最优的风险度量方法，
需要对Va R模型结果进行准确性检验。