外汇风险度量-方法与评述

《外汇风险度量-方法与评述》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、外汇风险度量:方法与评述　　自从中国外汇制度开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度以来,中国的外汇风险环境越来越严峻。如何有效地度量外汇风险成为整个金融风险度量过程的重要环节,也是外汇市场经济主体合理规避风险的重要前提。　　一、外汇风险的直接度量　　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金融风险度量法主要有外汇敞口分析、VaR度量方法和极端情况下的各类方法。　　在这些方法

2、中,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(王璐等,2006)。这种方法具有计算简便、清晰易懂的优点,但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。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度量法以及在极端情况下所使用的各种直接度量方法。　　(一)VaR度量法　　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。该方法又可以分为参数分析法、非参数分析法以及情景分析等,这些方法

3、各有特点但均存在不足。　　参数分析方法是VaR计算中最为常用的方法,一般是建立在汇率波动是正态分布假设之上的,能正确地估计外汇资产价值变动的分布函数,并且在得出该分布函数后准确地计算出该分布函数的参数值。但用它没有考虑到在现实汇率的时间序列波动中表现出来的厚尾现象和非正态汇率波动现象。　　非参数的测量方法包括历史数据模拟法和蒙特卡罗模拟法。历史数据模拟法所需数据从历史的收益率序列中取样,在应用过程中不需对外汇市场的复杂结构做出任何假设和考虑汇率波动分布非正态的问题。但当波动率在短期内变化较大时历史模拟法估计不准(Engle,1982),并且选取的历史数据对VaR值的预测有很大影响。

4、另一种非参数方法为蒙特卡罗模拟法,可以用来观测那些人们认为将要发生,但历史观测值中没有出现的事件。该方法考虑到波动性的时变性、厚尾和极端事件,在解决数据的非正态分布等复杂的问题上表现出了极大的灵活性。但由于测量结果取决于模拟的次数,导致该方法耗时、依赖于电脑并且模拟的代价较高。国内学者朱宏泉等(2002)和王春峰等(2000)均发展了用蒙特卡罗模拟计算VaR的新方法,对非参数方法进行了扩展性研究。　　情景分析是测量外币资产与负债组合在汇率发生极大的变化时的敏感度,优点是通过计算资产组合面临的潜在的最大损失找出较为脆弱且容易发生问题的部分,便于经济主体对汇率风险的度量与控制。缺点在于

5、其效果很大程度上依赖于有效情景的构造和选择,一旦预期的各种组合变动与实际情况存在较大的差距,对汇率风险分析的结果就会失去实践意义,甚至会引发错误的套利政策从而导致不必要的损失。　　(二)极端情形度量法　　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外汇风险,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,原有外汇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EVT,CVaR,Copula,ES等方法来测量极端金融市场情景下的外

6、汇风险。　　1·极值理论　　极值理论(EVT)是可以用来测量外汇风险极端情景下风险损失的一种参数估计方法,是研究分布的尾部状态的强有力的工具,其优点主要有两点:首先,不会像历史模拟法受到历史观测个数的限制,即使对于较小的显著水平的样本外VaR值也可方便求得;其次,该理论没有对收益率分布强加某个特定模型,而是由数据本身来说明尾部分布,这样就降低了模型风险。该方法局限性在于只适合于描述尾部的分布,对于较大的显著水平有可能导致大量的数据浪费。并且估计的VaR的精确性并不是很好,计算方法不易掌握,统计量的分析和估计方法比较困难。　　国外学者将极值理论广泛地运用到外汇风险度量实证研究中。Ak

7、ging(1998)利用极值理论研究了拉丁美洲黑市汇率分布特性;Koedijk(1990,1992)基于极值理论中非参数尾部指数估计,实证研究了东欧7国黑市汇率收益的经验分布;Embrechts(2000)通过实证分析了极值理论的前景和缺陷,并作了全面的总结。国内学者詹原瑞等(　　其中,qα是X的α%分位数。由于损益的分布f(x)没有必要是绝对连续的,通常可以用EX表示离散分布条件下VaR1-α(X)。该模型是一致性风险度量模型,具有次可加性,在一定程度上克服了VaR