人民币汇率波动与风险价值研究

1、人民币汇率波动与风险价值研究论文导读:：实证研究人民币汇率变动对安徽省贸易进出口的影响。人民币汇率波动与风险价值研究。论文关键词：人民币汇率，风险价值，GARCH，半参数法一、 引言人民币汇率一直是国际国内高度关注的问题，外界普遍要求人民币升值，对人民币升值的速度也一直是热议的话题。我国从2005年7月21日实行汇改后，人民币持续不断升值，人民币汇率风险逐渐显现，而且汇率的持续波动加大了人民币的汇率风险。2021年以来我国经济率先走出金融危机的阴影，呈现出快速复苏的势头，国际上要求人民币升值的呼声再次高涨。人民币升值对于我们来说既有利又有弊，但人民币升值过快将增加汇率风险，而且会对我国的宏观经

2、济带来很大冲击。因此，研究人民币汇率的波动，以及正确测量汇率风险，就显得十分必要。本文选取人民币/美元汇率中间价的日数据作为研究对象，利用GARCH模型分析了人民币汇率的波动特性；同时，采用基于GARCH模型的VaR估计方法其中，是置信度为a的标准正态分布的临界值，当a=5%时，；是收益率序列的条件方差。 其中半参数法，0；是标准正态分布的临界值。3VaR模型的事后检验VaR是一个统计估计值，其准确程度受到估计误差的影响，故需进行严格的检验。通行的检验法那么是通过失败率;来检验，将各期的收益率r与VaR进行比照，当收益率超过VaR时记为失败，此时记1，否那么记0。假设考察实际天数为T，失败天数

3、为N，那么失败率p=N/T，然后将p与显著性水平a进行比拟，来判定模型的准确性。假设pa，说明模型低估了风险；假设p三、 实证分析1.数据选取及处理2.GARCH模型的估计及检验表1给出了收益率序列的根本统计特征值，从中可以看出，收益率根本上在零上下波动，峰度显著大于3，呈现出明显的尖峰和厚尾的特征，同时根据JB统计量可知，其不服从正态分布，因此不能简单地用正态分布模拟人民币汇率收益率的变化。根据对相关图的判别，我们可初步得出收益率序列符合平稳性的特征，表2给出了对进行单位根检验的结果，在各种水平下都接受了序列平稳性的假设，说明收益率序列是平稳的。另外，由的ACF和PACF函数图像可知，可以用

4、ARMA2,2模型对其进行拟合，然后对残差序列进行ARCH-LM检验，检验结果见表3半参数法，结果说明，在95%的置信水平下，拒绝原假设，收益率序列存在AHCH效应。也可用残差平方相关图检验，残差平方自相关AC和偏相关PAC系数显著不为零，且统计量也非常显著，可得到同样的检验结果。因此需要采用GARCH模型来准确描述收益率序列的波动性特征小论文。表1 人民币汇率收益率序列的统计特征 样本容量 均值 最大值 最小值 标准差 偏度 峰度 JB-统计量 343 -2.76E-06 0.000732 -0.000731 0.000163 0.72902 6.2865 155.5714 表2 人民币汇率

5、收益率序列的ADF检验 ADF-统计量 -15.79359 1% level -3.449220 5% level -2.869750 10% level -2.571213 表3 ARMA2,2模型残差序列ARCH-LM检验结果 F-statistic 3.288543 Prob. F(2,337) 0.0385 Obs*R-squared 6.330941 Prob. Chi-Square(2) 0.0422 在以上模型及检验分析的根底上，经过变量筛选、模型参数和各种统计显著性检验、以及AIC和SC值的比拟分析，最终确定采用ARMA(2,2)-IGARCH(1,1)-t模型，模型的估计结果

6、如表4。表4 ARMA(2,2)-IGARCH(1,1)-t模型的估计结果 估计变量 系数值 标准差 统计量 P值 AR 1.223067 0.004584 266.8326 0.0000 AR -0.974930 0.006567 -148.4538 0.0000 MA -1.258429 0.002954 -426.0128 0.0000 MA 0.994899 0.000027 37095.31 0.0000 Variance Equation 0.115259 0.021856 5.273640 0.0000 0.884741 0.021856 40.48115 0.0000 估计结果

7、显示，收益率的当期值与滞后一期值存在很强的正相关关系，与滞后二期值存在较强的负相关关系，而方差方程弥补了均值方程对条件异方差性的无视；a=0.8847410，说明当期的波动率与滞后一期的波动率有很强的正相关性，前期大的波动会引起当期大的波动，即出现波动的集群特征；a+=1，说明该模型刻画出了人民币汇率收益率序列的条件异方差波动的持续特性；利用t分布拟合的GARCH模型弥补了正态分布的缺乏，很好地刻画出了收益率序列波动的厚尾现象。对上述模型的残差序列进行ARCH-LM检验 VaR 实际天数 失败天数 失败率 0.05 0.0188 -0.0003 343 15 0.0437 从模型的VaR计算结

8、果可看出，在95%的相同置信水平下半参数法，基于IGARCH(1,1)方法的失败率为0.0641，大于0.05，而半参数法下的失败率为0.0437，小于0.05。根据后验测试说明基于IGARCH(1,1)的VaR模型在一定置信水平下低估了风险水平，而基于半参数方法的VaR模型得到的VaR值更稳健和准确，在此很好地度量了收益率序列的风险。四、 结论对人民币/美元汇率收益率序列的研究发现，ARMA(2,2)-IGARCH(1,1)-t模型很好的描述了其波动率的集群和厚尾特征，以及波动的持续性质。基于David Li半参数法的VaR模型在准确度量收益率序列的风险方面要优于IGARCH-VaR模型。2021年以来，人民币汇率保持持续升值的趋势，总体来看，波动幅度不大，尚未表现出不可控风险。以上实证研究也说明，David Li半参数法的VaR模型在度量人民币汇率收益率序列风险方面有较大优势，我国外汇风险管理部门可将此作为短期的汇率风险监控手段，做到及时发现、合理控制，在较高的人民币升值压力下，保持汇率的连续性。同时，这对外汇交易者控制交易风险也有一定的借鉴意义。参考文献【1】Jianqing Fan，Juan Gu. Semiparametricestimation of Value at Risk