91精品人妻互换日韩精品久久影视|又粗又大的网站激情文学制服91|亚州A∨无码片中文字慕鲁丝片区|jizz中国无码91麻豆精品福利|午夜成人AA婷婷五月天精品|素人AV在线国产高清不卡片|尤物精品视频影院91日韩|亚洲精品18国产精品闷骚

論文導(dǎo)讀:：實證研究人民幣匯率變動對安徽省貿(mào)易進出口的影響。人民幣匯率波動與風(fēng)險價值研究。
論文關(guān)鍵詞：人民幣匯率，風(fēng)險價值，GARCH，半?yún)��?shù)法

　　一、 引言
　　人民幣匯率一直是國際國內(nèi)高度關(guān)注的問題，外界普遍要求人民幣升值，對人民幣升值的速度也一直是熱議的話題。我國從2005年7月21日實行匯改后，人民幣持續(xù)不斷升值，人民幣匯率風(fēng)險逐漸顯現(xiàn)，而且匯率的持續(xù)波動加大了人民幣的匯率風(fēng)險。2009年以來我國經(jīng)濟率先走出金融危機的陰影，呈現(xiàn)出快速復(fù)蘇的勢頭，國際上要求人民幣升值的呼聲再次高漲。人民幣升值對于我們來說既有利又有弊，但人民幣升值過快將增加匯率風(fēng)險，而且會對我國的宏觀經(jīng)濟帶來很大沖擊。因此，研究人民幣匯率的波動，以及正確測量匯率風(fēng)險，就顯得十分必要。
　　本文選取人民幣/美元匯率中間價的日數(shù)據(jù)作為研究對象，利用GARCH模型分析了人民幣匯率的波動特性；同時，采用基于GARCH模型的VaR估計方法（參數(shù)法）和David X Li（1999）提出的半?yún)��?shù)估計法實證檢驗，分別度量了人民幣匯率的風(fēng)險價值，并對兩種方法進行了比較。
　　二、 理論模型與研究方法
　　1.GARCH模型
　　自回歸條件異方差(ARCH)模型最早是由Engle于1982年提出半?yún)��?shù)法，用于波動性的建模研究。在此基礎(chǔ)上，Bollersler進行了擴展，于1986年提出廣義自回歸條件異方差模型，即GARCH模型。
　　GARCH(p，q)模型定義如下：
　　均值方程： ，
　　波動率方程：
　　其中，{}是均值為0，方差為1 的獨立同分布隨機變量序列，＞0,≥0 ()，≥0 ()。實際中，通常假定服從標準正態(tài)分布，學(xué)生-t分布，或廣義誤差分布（GED）。
　　2.單整GARCH（IGARCH）模型
　　在實際研究中，人們常發(fā)現(xiàn)GARCH模型的a參數(shù)和β參數(shù)的和非常接近于1，在這種情況下，條件方差具有單位根和單整性，于是人們將符合這種特征的GARCH模型稱作單整GARCH模型小論文。
　　當(dāng)GARCH模型的估計參數(shù)滿足：
　　
　　時，就稱作單整GARCH模型，記為IGARCH模型。該模型描述了條件方差波動的持續(xù)性質(zhì)。
　　3.VaR方法
　　（1）基于GARCH模型的VaR度量
　　VaR即風(fēng)險價值，是指在正常的市場條件和給定的置信水平下，某一金融資產(chǎn)在未來特定一段持有期內(nèi)的最大損失。用統(tǒng)計學(xué)公式表示即為：
　　
　　其中， c 為置信水平。
　　通常為簡化計算，會假設(shè)資產(chǎn)收益服從正態(tài)分布，則VaR可表示為
　　（1）
　　其中，是置信度為a的標準正態(tài)分布的臨界值，當(dāng)a=5%時，；是收益率序列的條件方差。
　�。�2）基于David X.Li半?yún)��?shù)估計方法的VaR度量
　　上述計算VaR的過程中需假設(shè)收益服從正態(tài)分布，然而現(xiàn)實中的許多收益序列分布都具有“厚尾”現(xiàn)象，所以利用正態(tài)分布假設(shè)常常會低估潛在的風(fēng)險。David Li（1999）提出了基于收益率序列的均值、標準差、偏度和峰度的半?yún)��?shù)法，該方法不需做任何分布假設(shè)，即可構(gòu)造VaR。假設(shè)收益率序列r的均值、標準差、偏度和峰度分別為：
　　
　　若≠0，≠0，則r不服從正態(tài)分布�？梢宰C明，VaR的置信上限VaR(U)和置信下限VaR(L)可以用下面的公式計算得到：
　　 （2）
　　 （3）
　　其中半?yún)��?shù)法，≠0；是標準正態(tài)分布的臨界值。
　　（3）VaR模型的事后檢驗
　　VaR是一個統(tǒng)計估計值，其準確程度受到估計誤差的影響，故需進行嚴格的檢驗。通行的檢驗法則是通過“失敗率”來檢驗，將各期的收益率r與VaR進行對比，當(dāng)收益率超過VaR時記為失敗，此時記1，否則記0。若考察實際天數(shù)為T，失敗天數(shù)為N，則失敗率p=N/T，然后將p與顯著性水平a進行比較，來判定模型的準確性。若p>a，說明模型低估了風(fēng)險；若p<a，表明模型的預(yù)測結(jié)果覆蓋了實際的損失，但如果p太小，則表明模型估計過于保守。
　　三、 實證分析
　　1.數(shù)據(jù)選取及處理
　　本文選取2009年1月5日—2010年6月2日為樣本期，以人民幣/美元匯率中間價為研究對象，對其短期波動特性進行描述。數(shù)據(jù)來源于國家外匯管理局網(wǎng)站（http://www.safe.gov.cn），變量名稱記為P。分析時作如下處理：，作為匯率的收益率。對數(shù)據(jù)的操作與處理及模型的估計與檢驗是在計量經(jīng)濟學(xué)軟件Eviews6.0上實現(xiàn)的。
　　2.GARCH模型的估計及檢驗
　　表1給出了收益率序列的基本統(tǒng)計特征值，從中可以看出，收益率基本上在零上下波動，峰度顯著大于3，呈現(xiàn)出明顯的尖峰和厚尾的特征，同時根據(jù)JB統(tǒng)計量可知，其不服從正態(tài)分布，因此不能簡單地用正態(tài)分布模擬人民幣匯率收益率的變化。根據(jù)對相關(guān)圖的判別，我們可初步得出收益率序列符合平穩(wěn)性的特征，表2給出了對進行單位根檢驗的結(jié)果，在各種水平下都接受了序列平穩(wěn)性的假設(shè)，表明收益率序列是平穩(wěn)的。另外，由的ACF和PACF函數(shù)圖像可知，可以用ARMA（2,2）模型對其進行擬合，然后對殘差序列進行ARCH-LM檢驗，檢驗結(jié)果見表3半?yún)��?shù)法，結(jié)果表明，在95%的置信水平下，拒絕原假設(shè)，收益率序列存在AHCH效應(yīng)。也可用殘差平方相關(guān)圖檢驗，殘差平方自相關(guān)（AC）和偏相關(guān)（PAC）系數(shù)顯著不為零，且Ｑ統(tǒng)計量也非常顯著，可得到同樣的檢驗結(jié)果。因此需要采用GARCH模型來準確描述收益率序列的波動性特征小論文。
　　表1 人民幣匯率收益率序列的統(tǒng)計特征
　　

表2 人民幣匯率收益率序列的ADF檢驗
　　

表3 ARMA（2,2）模型殘差序列ARCH-LM檢驗結(jié)果
　　

在以上模型及檢驗分析的基礎(chǔ)上，經(jīng)過變量篩選、模型參數(shù)和各種統(tǒng)計顯著性檢驗、以及AIC和SC值的比較分析，最終確定采用ARMA(2,2)-IGARCH(1,1)-t模型，模型的估計結(jié)果如表4。
　　 　　表4 ARMA(2,2)-IGARCH(1,1)-t模型的估計結(jié)果
　　

估計結(jié)果顯示，收益率的當(dāng)期值與滯后一期值存在很強的正相關(guān)關(guān)系，與滯后二期值存在較強的負相關(guān)關(guān)系，而方差方程彌補了均值方程對條件異方差性的忽視；a=0.884741>0，表明當(dāng)期的波動率與滯后一期的波動率有很強的正相關(guān)性，前期大的波動會引起當(dāng)期大的波動，即出現(xiàn)波動的集群特征；a+β=1，說明該模型刻畫出了人民幣匯率收益率序列的條件異方差波動的持續(xù)特性；利用t分布擬合的GARCH模型彌補了正態(tài)分布的不足，很好地刻畫出了收益率序列波動的厚尾現(xiàn)象。
　　對上述模型的殘差序列進行ARCH-LM檢驗（滯后一期），結(jié)果如表５所示，得到的F統(tǒng)計量為0.0014，對應(yīng)的P值為0.9702�？梢姡�通過上述的ARMA(2,2)-IGARCH(1,1)-t模型擬合的收益率序列，很好地消除了殘差序列的條件異方差性，即不存在ARCH效應(yīng)，這也說明該模型較好的描述了人民幣匯率收益率序列的波動特征。
　　表5 ARMA(2,2)-IGARCH(1,1)-t模型殘差序列ARCH-LM檢驗結(jié)果
　　

3.VaR的計算及檢驗
　　根據(jù)所建立的IGARCH(1,1)模型，可以計算出各期的條件方差，代入（1）式中即可得到各期的VaR值；另外，根據(jù)David Li半?yún)��?shù)法，即（2）和（3）式，計算VaR的置信上限和置信下限，將兩種方法的計算結(jié)果進行匯總，得出各個檢驗參數(shù)，匯總結(jié)果見表6和表7。
　　 表6基于IGARCH的VaR
　　

表7 基于DavidLi半?yún)��?shù)法的VaR
　　

從模型的VaR計算結(jié)果可看出，在95%的相同置信水平下半?yún)��?shù)法，基于IGARCH(1,1)方法的失敗率為0.0641，大于0.05，而半?yún)��?shù)法下的失敗率為0.0437，小于0.05。根據(jù)后驗測試表明基于IGARCH(1,1)的VaR模型在一定置信水平下低估了風(fēng)險水平，而基于半?yún)��?shù)方法的VaR模型得到的VaR值更穩(wěn)健和準確，在此很好地度量了收益率序列的風(fēng)險。
　　四、 結(jié)論
　　對人民幣/美元匯率收益率序列的研究發(fā)現(xiàn)，ARMA(2,2)-IGARCH(1,1)-t模型很好的描述了其波動率的集群和厚尾特征，以及波動的持續(xù)性質(zhì)�；�于David Li半?yún)��?shù)法的VaR模型在準確度量收益率序列的風(fēng)險方面要優(yōu)于IGARCH-VaR模型。
　　2009年以來，人民幣匯率保持持續(xù)升值的趨勢，總體來看，波動幅度不大，尚未表現(xiàn)出不可控風(fēng)險。以上實證研究也表明，David Li半?yún)��?shù)法的VaR模型在度量人民幣匯率收益率序列風(fēng)險方面有較大優(yōu)勢，我國外匯風(fēng)險管理部門可將此作為短期的匯率風(fēng)險監(jiān)控手段，做到及時發(fā)現(xiàn)、合理控制，在較高的人民幣升值壓力下，保持匯率的連續(xù)性。同時，這對外匯交易者控制交易風(fēng)險也有一定的借鑒意義。

參考文獻
[1]Jianqing Fan，Juan Gu. Semiparametricestimation of Value at Risk[J]. EconometricsJournal，2003（6）：261-290
[2]David X Li. Value at Riskbased on the volatility，skewness and kurtosis .www.gloriamundi.org
[3]李志斌，劉園.基于ARCH類模型的人民幣匯率波動特性分析[J].統(tǒng)計預(yù)測與決策，2010（2）：145-147
[4]葉青.基于GARCH和半?yún)��?shù)法的VaR模型及其在中國股市風(fēng)險分析中的應(yīng)用[J].統(tǒng)計研究，2000（12）：25-29
[5]劉向麗，成思危.參數(shù)法、半?yún)��?shù)法和非參數(shù)法計算我國銅期貨市場VaR之比較[J].金融管理，2008（6）：3-8
[6]金秀，許宏宇.基于EGARCH_VaR的半?yún)��?shù)法及實證研究[J].東北大學(xué)學(xué)報，2007（1）：141-144
[7]楊建輝,莫瑞君.中國城市房地產(chǎn)價格波動與風(fēng)險值研究[J]. 統(tǒng)計預(yù)測與決策，2009（24）：44-47
[8]徐國祥.金融統(tǒng)計學(xué)[M].上海：格致出版社，2009年12月