摘 要

自2005年7月21日国家出台汇率改革政策以来，我国的汇率机制从过去的盯住美元汇率机制变为有管理的浮动汇率制度。自此之后，频繁的汇率波动给商业银行的运营带来了压力，对其进行有效的汇率风险管理提出了更高的要求，对汇率风险的度量更是汇率风险管理的前提。在此背景下，本文探讨EGARCH模型是否能很好的度量中国工商银行的汇率风险。本文题目为基于EGARCH VAR 模型中国工商银行汇率风险管理实证研究，围绕这个主题，本文首先对商业银行汇率风险和EGARCH VAR模型的理论知识做了详细的介绍，然后进行实证分析。本文选择了美元/人民币汇率的几何收益率序列作为样本，先对其进行分析检验，然后在T分布和GED分布的假定下估计出EGARCH（1,1）模型的参数，并据此计算不同置信水平下的VAR值，最后运用Kupiec失败频率检验法对模型的准确性进行检验，得出基于GED分布的EGARCH模型能较好度量中国工商银行汇率风险的结论。

关键词： 商业银行；汇率风险；EGARCH模型；VAR方法

Abstract

Since the introduction of the exchange rate reform policy by the state July 21, 2005, China's exchange rate mechanism has changed from the past pegged to the dollar mechanism to a managed floating exchange rate system.Since then, frequent fluctuations in the exchange rate have put pressure on the operation of commercial banks, and it also has put forward higher requirements for commercial banks to take effective exchange rate risk management. The measure of exchange rate risk is the premise of exchange rate risk management.In this context, this paper discusses if the EGARCH model can measure the exchange rate risk of ICBC.The theme of this paper is an empirical study on exchange rate risk management of industrial and commercial bank of China based on EGARCH VAR model.Based on the theme, this paper first introduces the exchange rate risk of commercial banks and the theoretical knowledge of EGARCH VAR model, and then makes an empirical analysis.In this paper, we select the geometric yield sequence of the US dollar / RMB exchange rate as a sample. Firstly ,we analyze the sample .Secondly ,we estimate the parameters of EGARCH (1,1) model under the assumption of T distribution and GED distribution, and calculate the VAR under different confidence. At last,we use the Kupiec failure frequency test to test the accuracy of the model, and drown the conclusion that the EGARCH model based on GED distribution can better measure the exchange rate risk of ICBC.

Keywords: commercial bank ;exchange rate risk ;EGARCH model ;VAR method

目 录

摘要 i

ABSTRACT ii

第1章 绪论 1

1.1研究背景及意义 1

1.1.1研究背景 1

1.1.2研究意义 1

1.2国内外研究综述 2

1.3研究内容与研究方法 3

1.3.1研究内容 3

1.3.2研究方法 3

第2章 商业银行汇率风险管理概述 5

2.1我国商业银行面临的汇率风险 5

2.2我国商业银行汇率风险管理的现状分析 6

2.3 引入VAR方法度量我国商业银行汇率风险的必要性与可行性 7

第3章EGARCH模型和VaR方法的概述 9

3.1 VaR方法的概述 9

3.1.1 VaR方法的定义 9

3.1.2 VaR方法参数的选择 9

3.1.3 VaR方法的计算 10

3.2 EGARCH模型 11

3.2.1EGARCH模型提出的准备知识 11

3.2.2EGARCH模型 12

第4章 实证研究 14

4.1样本数据的选取与说明 14

4.2样本数据的检验与分析 14

4.3基于EGARCH VAR模型的汇率风险实证研究 17

4.4基于失败率对VAR模型进行检验 18

第5章 结论与建议 20

5.1结论 20

5.2政策建议 20

参考文献 22

致谢 24

第1章 绪论

1.1研究背景及意义

1.1.1研究背景

随着全球经济一体化趋势的加强，各国经济之间的交流越来越频繁，金融创新也不断发展，金融风险问题的研究也越来越收到人们的重视。各国外汇间的频繁交易以及资本的国际流动，使得商业银行这个金融全球化的载体不可避免地受到汇率风险的冲击，因此加强对商业银行汇率风险度量的实证研究具有十分重大的意义。

从国际环境看，自20世纪70年代布雷森顿体系解体之后，金融市场波动不断加剧，西方国家纷纷开始实行浮动汇率制度，汇率的浮动不再像以前一样受到严格的限制，之后爆发的全球性的金融危机、欧债危机，更加剧了国际金融市场的波动，导致各国间货币兑换比例受到影响，商业银行不可避免地受到汇率波动的冲击。从国内环境看，自2005年7月21日中国人民银行颁布《关于完善人民币汇率形成机制改革》的公告以来，我国开始实行以市场供求为基础的有管理的的浮动汇率制度，人民币汇率不再只是盯住美元，它的波动更具弹性，汇率的波动使得作为外汇市场主要参与者的商业银行更容易受到汇率风险的冲击。人民币汇率机制的改革对商业银行的风险管理机制提出了更高的要求，商业银行更应该加强对金融市场尤其是外汇市场的认识，不断提升自己风险管理水平，其中对汇率风险的度量是就进行汇率风险管理的前提。近年来，人民币不断出现升值和贬值的波动，且波动浮动比较大，在这种情况下，我国商业银行面临的汇率风险明显增大，加强对商业银行的汇率风险度量的实证研究就显得十分必要。

1.1.2研究意义

随着我国经济金融体制改革的不断深化，我国经济的发展进一步与国际接轨，商业银行涉及的业务也逐渐国际化，然而许多实例表明，商业银行在其自身发展和国际竞争方面难免受到汇率波动的影响。即便是具有完善的汇率风险管理机制的外国商业银行也难以避免汇率风险的发生，因此加强对汇率风险的认识与度量显得十分重要。汇率波动对商业银行的影响主要表现在：一是影响银行资产结构[^[1]]，如人民币升值会使外汇存款增长缓慢，外汇需求增长，从而致使外汇存贷比增加；二是影响商业银行的负债，当人民币有升值的趋势时，商业银行的外汇存款会减少，而商业银行的外汇负债主要是外汇存款；三是影响商业银行的资本金，它由本币和外币构成，当人民币汇率波动时，外币折算成本币时就会随之发生波动。

总之汇率的波动会使我国商业银行面临一定的风险，在当前国内外经济受挫以及我国实行浮动汇率制度的背景下，人民币的汇率波动会更加频繁，因此研究商业银行的汇率风险从理论层面和现实层面来说均具有十分重大的意义。对于商业银行而言，拥有完善的汇率风险管理体系是十分必要的。商业银行应充分认识自己面临的汇率风险，提升自身风险管理能力。本文结合我国金融市场的一些数据特性，基于 EGARCH Var模型度量我国商业银行汇率，在理论分析的基础上，从实证的角度准确的度量中国工商银行面临的汇率风险，并提出切实可行的建议。

1.2国内外研究综述

当各国纷纷开始实行浮动汇率制度时，商业银行的汇率风险日益突出，因此商业银行对汇率风险的度量显得尤为重要，外国学者在这方面做了大量的研究。G30集团在1993年首次提出用 VaR方法度量市场风险。Philippe Jorion(1996)对VaR的原理与模型的运用进行了阐述[^[2]]。Allen(1994)基于VaR模型进行实证研究，利用参数法下的方差一协方差法和非参数法下的历史模拟法分析问题[^[3]]。学者研究发现，金融时间收益率序列往往存在着尖峰后尾的分布特征，在这种情况下为了更好地拟合时间序列，GARCH模型被提出并应用与金融风险的度量中，GARCH模型是在ARCH模型的基础上被提出的。Engle 在1982年首次提出了ARCH模型，用于揭示了时间序列存在异方差现象[^[4]]，之后，Bollerslev (1993 )提出了广义自回归条件异方差即GARCH模型[^[5]]。学者们利用GARCH模型不断深入研究经济问题，发现最开始提出的模型有时候不能很好的解决经济问题，便在前人研究的基础上对GARCH模型做出了补充，又提出了GARCH-M模型、EGARCH模型以及TGARCH模型，GARCH族模型被不断丰富和完善。随着研究的深入，学者不再仅仅使用一种模型度量风险，GARCH VAR模型渐渐被用于度量金融风险。Wang L, Huang C Z, Wu Q.（2014）建立EGARCH-VAR模型测量流动性风险，首先用极大似然法估计EGARCH模型的参数，然后计算VAR值对模型进行回测，认为EGARCH-VAR模型比GARCH模型更为准确[^[6]]。Tang N, Feng C H（2015）利用ARMA EGARCH模型估计上海指数的风险值，回测检验表明这种度量方法是有效的[^[7]]。Tang N, Feng C, He Q（2015）在传统极值理论计算的基础上，将当前的随机误差代入方差方程，建立EGARCH GPD模型度量风险[^[8]]。Pratama（2014）利用基于T分布的EGARCH模型与VAR模型度量最大的潜在损失，并用Kuoiec方法对估计结果经行检验[^[9]]。Wei Z Y, Juan L I, Luo Y F（2016）构建EGARCH GPD模型用于度量金融风险，并检验得出该模型能有效描述时变波动率以及胖尾现象的结论[^[10]]。