摘要：在中國(guó)外匯儲(chǔ)備規(guī)模迅速積累與匯改后人民幣匯率波動(dòng)幅度日益增加的情況下，準(zhǔn)確度量外匯儲(chǔ)備的匯率風(fēng)險(xiǎn)非常必要。利用GARCH族模型估計(jì)我國(guó)外匯儲(chǔ)備資產(chǎn)組合的VaR值，并通過VaR值的準(zhǔn)確性檢驗(yàn)得到最有效合理的GARCH模型形式。在此基礎(chǔ)上進(jìn)行VaR值分解，分析各資產(chǎn)對(duì)整體風(fēng)險(xiǎn)的影響。研究發(fā)現(xiàn)：美元資產(chǎn)風(fēng)險(xiǎn)較小，增加美元資產(chǎn)可以減少組合的風(fēng)險(xiǎn);歐元資產(chǎn)風(fēng)險(xiǎn)大，目前不宜增持;日元、英鎊資產(chǎn)風(fēng)險(xiǎn)較小，占比較低，可適當(dāng)增持。

　　關(guān)鍵詞：研究生論文發(fā)表,外匯儲(chǔ)備,匯率風(fēng)險(xiǎn),VaR,GARCH

　　在國(guó)際金融危機(jī)頻發(fā)，全球金融市場(chǎng)動(dòng)蕩的背景下，央行作為一國(guó)金融體系風(fēng)險(xiǎn)管理者的角色增強(qiáng)。中國(guó)作為全球外匯儲(chǔ)備的最大持有國(guó)，外匯儲(chǔ)備風(fēng)險(xiǎn)管理更是重中之重。當(dāng)前中國(guó)外匯儲(chǔ)備資產(chǎn)面臨的各類風(fēng)險(xiǎn)中，匯率風(fēng)險(xiǎn)是主要的風(fēng)險(xiǎn)形式，加強(qiáng)儲(chǔ)備資產(chǎn)匯率風(fēng)險(xiǎn)管理因此成為央行風(fēng)險(xiǎn)決策的核心，而實(shí)現(xiàn)有效管理的前提是對(duì)風(fēng)險(xiǎn)的準(zhǔn)確度量。

　　一、文獻(xiàn)綜述

　　在險(xiǎn)價(jià)值(value at risk，VaR)指在特定時(shí)期內(nèi)，在一定的置信水平下，由于金融資產(chǎn)價(jià)格波動(dòng)使資產(chǎn)組合面臨的最大潛在損失。該方法是度量市場(chǎng)風(fēng)險(xiǎn)的有效工具之一，近年來逐漸被用于分析外匯儲(chǔ)備投資組合的匯率風(fēng)險(xiǎn)。計(jì)算VaR主要包括三個(gè)要素：組合資產(chǎn)的持有期、置信水平以及資產(chǎn)收益率的分布，其中前兩項(xiàng)可以主觀設(shè)定，而正確估算匯率收益率的分布是計(jì)算VaR的關(guān)鍵。

　　Chiou等[1]在對(duì)外匯儲(chǔ)備匯率風(fēng)險(xiǎn)的研究中比較了指數(shù)加權(quán)移動(dòng)平均法、自舉法、蒙特卡羅模擬法的優(yōu)劣及其適用性，發(fā)現(xiàn)通過EWMA計(jì)算的方差-協(xié)方差法精確度最佳。進(jìn)而運(yùn)用該方法計(jì)算了所有國(guó)家、工業(yè)國(guó)家和發(fā)展中國(guó)家三個(gè)組別 1995-2001年間外匯儲(chǔ)備的VaR值。

　　艾之濤、楊招軍沿用Chiou等[2]的思路，假定收益率服從正態(tài)分布，使用EWMA的方差- 協(xié)方差法估計(jì)方差-協(xié)方差矩陣，該文將日元、英鎊資產(chǎn)的比例分別固定在15%和10%的水平，通過變動(dòng)二者的相對(duì)比例來考察對(duì)VaR的影響。研究表明，隨著歐元資產(chǎn)比重的增加和美元資產(chǎn)比重的下降，外匯儲(chǔ)備整體的VaR值增大，即風(fēng)險(xiǎn)增加。因此單從控制風(fēng)險(xiǎn)的角度，應(yīng)減持歐元而增持美元。該研究的不足在于，一是有收益率服從正態(tài)分布的強(qiáng)約束條件;二是將日元、英鎊的比例固定在15%和10%的水平過于主觀，IMF的外匯儲(chǔ)備幣種構(gòu)成數(shù)據(jù)(COFER)顯示，該文樣本期(2007-2008年)內(nèi)日元、英鎊在外匯儲(chǔ)備中的實(shí)際占比約為3%和5%。

　　大量實(shí)證研究表明，金融資產(chǎn)收益率的分布具有尖峰肥尾特征，不服從正態(tài)分布假設(shè);同時(shí)各幣種收益率之間可能是非線性相關(guān)。為此，學(xué)者在計(jì)算VaR時(shí)從兩個(gè)方向著手改進(jìn)：一是對(duì)匯率風(fēng)險(xiǎn)刻畫的改進(jìn)，二是對(duì)儲(chǔ)備資產(chǎn)不同幣種之間相關(guān)性的優(yōu)化。

　　Engle[3]提出的DCC-GARCH模型克服了靜態(tài)模型的缺點(diǎn)，能夠更準(zhǔn)確地度量外匯儲(chǔ)備不同幣種資產(chǎn)之間的動(dòng)態(tài)相關(guān)性。馬杰[4]在實(shí)證分析中引入DCC-GARCH(dynamic conditional correlation)模型。姜昱、邢曙光[5]則采用DCC-GARCH模型與條件在險(xiǎn)價(jià)值(conditional value at risk，CVaR)相結(jié)合的方法動(dòng)態(tài)分析外匯儲(chǔ)備的匯率風(fēng)險(xiǎn)。CVaR由Rockafellar和Uryasev[6]提出，指損失超出VaR的條件均值，克服了VaR技術(shù)缺乏次可加性、不滿足凸性要求、不能度量尾部風(fēng)險(xiǎn)等缺點(diǎn)。

　　上述改進(jìn)使得對(duì)外匯儲(chǔ)備匯率風(fēng)險(xiǎn)的度量從靜態(tài)分析轉(zhuǎn)向動(dòng)態(tài)分析，但是以上研究在計(jì)算出VaR值后大多沒有對(duì)其準(zhǔn)確性進(jìn)行檢驗(yàn)。閆素仙、張健強(qiáng)[7]利用GARCH族模型估計(jì)中國(guó)外匯儲(chǔ)備中主要的貨幣資產(chǎn)和儲(chǔ)備組合日對(duì)數(shù)收益率的動(dòng)態(tài)波動(dòng)率，再測(cè)算外匯儲(chǔ)備的VaR值并對(duì)每一次的計(jì)算結(jié)果進(jìn)行了準(zhǔn)確性檢驗(yàn)，提高了VaR值的正確性和模型設(shè)定的合理性。

　　用不同方法計(jì)算出的VaR值可以反映資產(chǎn)組合的可能損失，但是無法判斷單個(gè)資產(chǎn)對(duì)組合整體風(fēng)險(xiǎn)的影響方向以及影響程度。而這恰恰是風(fēng)險(xiǎn)管理者所關(guān)注的。技術(shù)上，Garman[8-9]把資產(chǎn)組合的總風(fēng)險(xiǎn)分解成邊際VaR、成分VaR、增量VaR等不同部分，分析投資組合中的單個(gè)資產(chǎn)及其調(diào)整對(duì)組合整體風(fēng)險(xiǎn)的影響。實(shí)證研究方面，Chiou等[1]經(jīng)過分解發(fā)現(xiàn)：若其他貨幣的持有比例不變，減持美元同時(shí)增持歐元，則外匯儲(chǔ)備資產(chǎn)組合的VaR下降;但是，當(dāng)歐元的持有比例增加到一定量以后，組合的VaR不降反升。總體上，增持成分VaR最高的幣種，減持成分VaR最低的幣種可以降低組合的風(fēng)險(xiǎn)。王碩、曾詩鴻 [10]通過對(duì)VaR值進(jìn)行分解認(rèn)為，美元資產(chǎn)的邊際VaR、成分VaR較小，因此美元風(fēng)險(xiǎn)小，應(yīng)當(dāng)增持美元資產(chǎn)，而歐元資產(chǎn)對(duì)外匯儲(chǔ)備VaR的影響較大、風(fēng)險(xiǎn)較大，應(yīng)該減持歐元資產(chǎn)。不過該文考察的樣本期較短，從2009年1月-2009年11月，正態(tài)性檢驗(yàn)結(jié)果顯示匯率對(duì)數(shù)收益率服從正態(tài)分布，這一點(diǎn)與多數(shù)研究有出入。潘志斌[11]進(jìn)行了改進(jìn)，利用局部線性估計(jì)法計(jì)算在非正態(tài)分布下的VaR值分解，通過計(jì)算得出，歐元和英鎊資產(chǎn)會(huì)增加組合的風(fēng)險(xiǎn)，而美元和日元資產(chǎn)可以減小組合風(fēng)險(xiǎn)。另外，在組合中增加瑞士法郎并未起到分散風(fēng)險(xiǎn)的作用。閆素仙、張健強(qiáng)[7]采用改進(jìn)的資產(chǎn)組合VaR值分解法測(cè)算四種主要儲(chǔ)備貨幣的動(dòng)態(tài)邊際VaR、動(dòng)態(tài)成分VaR、動(dòng)態(tài)增量VaR，研究發(fā)現(xiàn)，美元資產(chǎn)依然是相對(duì)安全的儲(chǔ)備資產(chǎn)，歐元資產(chǎn)風(fēng)險(xiǎn)較大，日元和英鎊因?yàn)槌钟斜壤�非常低，因而�?duì)外匯儲(chǔ)備的VaR影響較小。

　　國(guó)內(nèi)外有關(guān)投資組合風(fēng)險(xiǎn)管理理論的研究，為我國(guó)外匯儲(chǔ)備匯率風(fēng)險(xiǎn)的度量提供了良好的研究基礎(chǔ)。使用VaR-GARCH模型，通過四種資產(chǎn)的GARCH模型計(jì)算出VaR值，并對(duì)VaR值進(jìn)行了準(zhǔn)確性的檢驗(yàn)，以驗(yàn)證VaR值的準(zhǔn)確性以及模型設(shè)定的合理性。然后借助VaR值分解，進(jìn)一步深入分析組合中的單一資產(chǎn)對(duì)組合風(fēng)險(xiǎn)的影響情況。 　　二、模型的構(gòu)建

　　由于中國(guó)外管局并未披露外匯儲(chǔ)備的幣種結(jié)構(gòu)，本文用COFER數(shù)據(jù)庫中公布的發(fā)展中國(guó)家的數(shù)據(jù)來代替我國(guó)外匯儲(chǔ)備幣種構(gòu)成。根據(jù)已披露的數(shù)據(jù)，截至到2012年底，外匯儲(chǔ)備中美元、歐元、日元、英鎊大概比例分別為60%、24%、3%、5%。幣種選擇美元、歐元、日元和英鎊。

　　(三)自相關(guān)和偏自相關(guān)性檢驗(yàn)

　　通過觀察各收益率序列的自相關(guān)和偏自相關(guān)圖可以看出，美元、歐元收益率序列的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)在95%的置信區(qū)域內(nèi)，Q統(tǒng)計(jì)量值也不顯著，其對(duì)應(yīng)的P值都大于5%的檢驗(yàn)水平，可以接受原假設(shè)，認(rèn)為美元、歐元、日元收益率序列不存在自相關(guān)，英鎊匯率收益序列在高階有微弱的自相關(guān)性。

　　(四)ARCH效應(yīng)檢驗(yàn)

　　一般線性回歸模型通常假設(shè)隨機(jī)誤差項(xiàng)是同方差的，但是對(duì)于金融時(shí)間序列，尤其是高頻數(shù)據(jù)序列，該假設(shè)通常不太可能成立，其方差是時(shí)變的，并常表現(xiàn)出“波動(dòng)聚集性”特征，因此，有必要進(jìn)行ARCH效應(yīng)檢驗(yàn)。檢驗(yàn)結(jié)果可以看出，匯率對(duì)數(shù)收益序列均存在ARCH效應(yīng)。見表2。

　　由表4可見，美元、歐元、日元、英鎊這四種資產(chǎn)在三種GARCH模型下，在99%置信水平下的VaR值均明顯大于95%置信水平下的VaR值，說明在極端市場(chǎng)條件下我國(guó)外匯儲(chǔ)備面臨的匯率風(fēng)險(xiǎn)遠(yuǎn)大于在正常市場(chǎng)條件下的風(fēng)險(xiǎn)，這對(duì)外匯儲(chǔ)備管理來說具有非常重要的現(xiàn)實(shí)指導(dǎo)意義。

　　(二)準(zhǔn)確性檢驗(yàn)

　　VaR值準(zhǔn)確性檢驗(yàn)是指通過模型計(jì)算得到的結(jié)果對(duì)實(shí)際損失的覆蓋程度，進(jìn)行準(zhǔn)確性檢驗(yàn)的目的是為了確認(rèn)通過模型計(jì)算得到的VaR值是否具有可靠性，模型的設(shè)定形式是否合理。

　　假定VaR的顯著水平為α，N為實(shí)際樣本期天數(shù)，M表示實(shí)際損失值超過VaR值的天數(shù)，那么失敗率就是實(shí)際損失超過VaR值的天數(shù)除以樣本期天數(shù)，即p=M/N。通過對(duì)失敗率與顯著水平α進(jìn)行比較來判斷模型是否準(zhǔn)確。

　　從四種貨幣的VaR值波動(dòng)圖可以看出，樣本期內(nèi)美元序列的VaR值比其他三種貨幣的VaR值小，而且波動(dòng)幅度也要小于其他三種貨幣，這與美元在我國(guó)匯率管理中的特殊地位有關(guān)。次貸危機(jī)爆發(fā)之前，人民幣維持小幅緩慢升值態(tài)勢(shì)，美元對(duì)人民幣匯率波動(dòng)較大，2008年第三季度，美國(guó)次貸危機(jī)全面爆發(fā)并迅速演變成全球性的金融危機(jī)，為控制出口下滑對(duì)經(jīng)濟(jì)增長(zhǎng)的不利影響，中國(guó)貨幣當(dāng)局大幅收窄了人民幣對(duì)美元匯率的波動(dòng)幅度，人民幣重回釘住美元的制度軌道，因此美元對(duì)人民幣進(jìn)入小幅波動(dòng)狀態(tài)并持續(xù)了近一年時(shí)間，之后，美元對(duì)人民幣又開始了大幅波動(dòng)狀態(tài)。

　　歐元、日元、英鎊的波動(dòng)趨勢(shì)比較一致，但是日元的波動(dòng)幅度要大于歐元和英鎊。自發(fā)生主權(quán)債務(wù)危機(jī)以來，歐元對(duì)人民幣的走勢(shì)一直處于動(dòng)蕩不安的境況。近5年來，歐元對(duì)人民幣匯率在長(zhǎng)期內(nèi)，整體上呈現(xiàn)波動(dòng)及下跌的趨勢(shì)。從2008年金融危機(jī)引發(fā)歐洲債務(wù)危機(jī)以來，歐元對(duì)人民幣匯率走勢(shì)一直處于波動(dòng)下跌的趨勢(shì)中，從2008年3月份的最高點(diǎn)11.2下降到 2012年7月的最低點(diǎn)7.647 3。從短期來看，歐元對(duì)人民幣的匯率波動(dòng)也較大。

　　四、資產(chǎn)組合VaR值分解

　　VaR值衡量的是組合可能的損失，包含了所有持有頭寸可能的風(fēng)險(xiǎn)暴露。而VaR分解主要考察組合中每個(gè)資產(chǎn)對(duì)組合整體風(fēng)險(xiǎn)的影響方向、影響程度。

　　五、結(jié) 論

　　本文利用GARCH模型度量匯率波動(dòng)性并計(jì)算外匯儲(chǔ)備資產(chǎn)組合的VaR值，進(jìn)而進(jìn)行VaR值分解，得出如下結(jié)論。

　　通過對(duì)三種GARCH模型計(jì)算得出的VaR值進(jìn)行準(zhǔn)確性檢驗(yàn)后可以看出，GARCH(1，1)-t模型比GARCH(1，1)-N、GARCH(1，1)-GED模型在度量外匯儲(chǔ)備匯率風(fēng)險(xiǎn)時(shí)具有更高的準(zhǔn)確性。

　　美元資產(chǎn)的VaR值波動(dòng)幅度相對(duì)較小，邊際VaR、成分VaR均為負(fù)值，表明美元風(fēng)險(xiǎn)相對(duì)較小，增加美元資產(chǎn)可以減少組合的風(fēng)險(xiǎn)。

　　歐元、日元、英鎊三種資產(chǎn)的VaR值波動(dòng)幅度比較大，這三種資產(chǎn)的邊際VaR、成分VaR均為正值，表明增加歐元、日元、英鎊資產(chǎn)會(huì)增加外匯儲(chǔ)備的匯率風(fēng)險(xiǎn)。其中，歐元風(fēng)險(xiǎn)最大，日元、英鎊較小。如果考慮到權(quán)重因素，由于日元、英鎊在外匯儲(chǔ)備中占的比重非常小，而歐元資產(chǎn)占比較大，僅次于美元，因此歐元資產(chǎn)對(duì)外匯儲(chǔ)備整體匯率風(fēng)險(xiǎn)影響較大，所以應(yīng)該減持歐元資產(chǎn)。

　　當(dāng)前關(guān)于中國(guó)外匯儲(chǔ)備優(yōu)化配置的一個(gè)較為普遍的觀點(diǎn)認(rèn)為，由于美元資產(chǎn)占比最高而且近期美元呈現(xiàn)貶值趨勢(shì)，中國(guó)應(yīng)適當(dāng)降低美元占比，并相應(yīng)提高歐元等幣種的持有比例。本研究則得出相反的結(jié)論：如果央行把控制匯率風(fēng)險(xiǎn)作為首要目標(biāo)，應(yīng)該增持美元而減持歐元。事實(shí)上，同類研究大多認(rèn)為美元資產(chǎn)風(fēng)險(xiǎn)最小。這與人民幣匯率的制度安排不無關(guān)系，始于2005年7月的匯率形成機(jī)制改革本質(zhì)上是人民幣不斷與美元脫鉤的過程，2006年以后人民幣匯率所參考的貨幣籃子中美元權(quán)重有所下降，但是這一進(jìn)程因全球金融危機(jī)的爆發(fā)而一度中斷。時(shí)至今日，美元在人民幣匯率決定中仍然占有舉足輕重的地位，美元對(duì)人民幣匯率的波動(dòng)性明顯小于其他幣種，勢(shì)必造成資產(chǎn)組合中美元越多則風(fēng)險(xiǎn)越小。不過可以預(yù)見的是，隨著匯率形成機(jī)制改革的逐漸深化，人民幣與美元的關(guān)聯(lián)性會(huì)不斷變化，央行在把握匯率形成機(jī)制改革節(jié)奏的同時(shí)，應(yīng)該密切關(guān)注主要儲(chǔ)備貨幣的匯率走勢(shì)并建立以 VaR 為標(biāo)準(zhǔn)的匯率風(fēng)險(xiǎn)度量體系。

　　需要特別指出的是，本文僅側(cè)重于外匯儲(chǔ)備資產(chǎn)組合的匯率風(fēng)險(xiǎn)度量，而外匯儲(chǔ)備幣種結(jié)構(gòu)優(yōu)化除了考慮匯率風(fēng)險(xiǎn)因素以外，還應(yīng)該考慮資產(chǎn)的收益狀況以及央行目標(biāo)函數(shù)的影響。

　　未來可以考慮從三個(gè)角度改進(jìn)：第一，在計(jì)算VaR的過程中引入連接函數(shù)Copula以刻畫不同資產(chǎn)之間的動(dòng)態(tài)相依關(guān)系，提高計(jì)算精度;第二，由于匯率收益率的分布往往難以用參數(shù)方法準(zhǔn)確估計(jì)，可以嘗試使用非參數(shù)分布，例如Bootstrap方法;第三，處理波動(dòng)集群時(shí)可以對(duì)GARCH模型作一定的擴(kuò)展，引入非對(duì)稱的ARCH模型如TARCH和EGARCH模型來分析不同沖擊的影響差異。當(dāng)然，上述改進(jìn)方向可以結(jié)合使用。 　　[參考文獻(xiàn)]

　　[1] Chiou J，Hung J，Hseu M.A VaR investigation of currency composition in foreign exchange reserves[J].International Research Journal of Finance and Economics，2008(21)：76-92.

　　[2] 艾之濤，楊招軍.基于VaR方法的我國(guó)外匯儲(chǔ)備幣種結(jié)構(gòu)風(fēng)險(xiǎn)分析[J].經(jīng)濟(jì)數(shù)學(xué)，2010(6)：81-85.

　　[3] Engle R.Dynamic conditional correlation：a simple class of multivariate generalized autoregressive conditional heteroskedasticity models[J]. Journal of Business and Economic Statistics，2002， 20 (3) ： 339-350.

　　[4] 馬 杰.基于DCC-GARCH模型的外匯儲(chǔ)備結(jié)構(gòu)動(dòng)態(tài)調(diào)整研究[J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2010(3)：70-75.

　　[5] 姜 昱，邢曙光.基于DCC-GARCH-CVaR的外匯儲(chǔ)備匯率風(fēng)險(xiǎn)動(dòng)態(tài)分析[J].財(cái)經(jīng)理論與實(shí)踐，2010(3)：16-20.

　　[6] Rockafeller R，Uryasev S.Optimization of conditional value at risk[J]. The Journal of Risk，2000，2(3)：21-41.