摘要：在中國外匯儲備規模迅速積累與匯改后人民幣匯率波動幅度日益增加的情況下，準確度量外匯儲備的匯率風險非常必要。利用GARCH族模型估計我國外匯儲備資產組合的VaR值，并通過VaR值的準確性檢驗得到最有效合理的GARCH模型形式。在此基礎上進行VaR值分解，分析各資產對整體風險的影響。研究發現：美元資產風險較小，增加美元資產可以減少組合的風險;歐元資產風險大，目前不宜增持;日元、英鎊資產風險較小，占比較低，可適當增持。

　　關鍵詞：研究生論文發表,外匯儲備,匯率風險,VaR,GARCH

　　在國際金融危機頻發，全球金融市場動蕩的背景下，央行作為一國金融體系風險管理者的角色增強。中國作為全球外匯儲備的最大持有國，外匯儲備風險管理更是重中之重。當前中國外匯儲備資產面臨的各類風險中，匯率風險是主要的風險形式，加強儲備資產匯率風險管理因此成為央行風險決策的核心，而實現有效管理的前提是對風險的準確度量。

　　一、文獻綜述

　　在險價值(value at risk，VaR)指在特定時期內，在一定的置信水平下，由于金融資產價格波動使資產組合面臨的最大潛在損失。該方法是度量市場風險的有效工具之一，近年來逐漸被用于分析外匯儲備投資組合的匯率風險。計算VaR主要包括三個要素：組合資產的持有期、置信水平以及資產收益率的分布，其中前兩項可以主觀設定，而正確估算匯率收益率的分布是計算VaR的關鍵。

　　Chiou等[1]在對外匯儲備匯率風險的研究中比較了指數加權移動平均法、自舉法、蒙特卡羅模擬法的優劣及其適用性，發現通過EWMA計算的方差-協方差法精確度最佳。進而運用該方法計算了所有國家、工業國家和發展中國家三個組別 1995-2001年間外匯儲備的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分布，使用EWMA的方差- 協方差法估計方差-協方差矩陣，該文將日元、英鎊資產的比例分別固定在15%和10%的水平，通過變動二者的相對比例來考察對VaR的影響。研究表明，隨著歐元資產比重的增加和美元資產比重的下降，外匯儲備整體的VaR值增大，即風險增加。因此單從控制風險的角度，應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分布的強約束條件;二是將日元、英鎊的比例固定在15%和10%的水平過于主觀，IMF的外匯儲備幣種構成數據(COFER)顯示，該文樣本期(2007-2008年)內日元、英鎊在外匯儲備中的實際占比約為3%和5%。

　　大量實證研究表明，金融資產收益率的分布具有尖峰肥尾特征，不服從正態分布假設;同時各幣種收益率之間可能是非線性相關。為此，學者在計算VaR時從兩個方向著手改進：一是對匯率風險刻畫的改進，二是對儲備資產不同幣種之間相關性的優化。

　　Engle[3]提出的DCC-GARCH模型克服了靜態模型的缺點，能夠更準確地度量外匯儲備不同幣種資產之間的動態相關性。馬杰[4]在實證分析中引入DCC-GARCH(dynamic conditional correlation)模型。姜昱、邢曙光[5]則采用DCC-GARCH模型與條件在險價值(conditional value at risk，CVaR)相結合的方法動態分析外匯儲備的匯率風險。CVaR由Rockafellar和Uryasev[6]提出，指損失超出VaR的條件均值，克服了VaR技術缺乏次可加性、不滿足凸性要求、不能度量尾部風險等缺點。

　　上述改進使得對外匯儲備匯率風險的度量從靜態分析轉向動態分析，但是以上研究在計算出VaR值后大多沒有對其準確性進行檢驗。閆素仙、張健強[7]利用GARCH族模型估計中國外匯儲備中主要的貨幣資產和儲備組合日對數收益率的動態波動率，再測算外匯儲備的VaR值并對每一次的計算結果進行了準確性檢驗，提高了VaR值的正確性和模型設定的合理性。

　　用不同方法計算出的VaR值可以反映資產組合的可能損失，但是無法判斷單個資產對組合整體風險的影響方向以及影響程度。而這恰恰是風險管理者所關注的。技術上，Garman[8-9]把資產組合的總風險分解成邊際VaR、成分VaR、增量VaR等不同部分，分析投資組合中的單個資產及其調整對組合整體風險的影響。實證研究方面，Chiou等[1]經過分解發現：若其他貨幣的持有比例不變，減持美元同時增持歐元，則外匯儲備資產組合的VaR下降;但是，當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險。王碩、曾詩鴻 [10]通過對VaR值進行分解認為，美元資產的邊際VaR、成分VaR較小，因此美元風險小，應當增持美元資產，而歐元資產對外匯儲備VaR的影響較大、風險較大，應該減持歐元資產。不過該文考察的樣本期較短，從2009年1月-2009年11月，正態性檢驗結果顯示匯率對數收益率服從正態分布，這一點與多數研究有出入。潘志斌[11]進行了改進，利用局部線性估計法計算在非正態分布下的VaR值分解，通過計算得出，歐元和英鎊資產會增加組合的風險，而美元和日元資產可以減小組合風險。另外，在組合中增加瑞士法郎并未起到分散風險的作用。閆素仙、張健強[7]采用改進的資產組合VaR值分解法測算四種主要儲備貨幣的動態邊際VaR、動態成分VaR、動態增量VaR，研究發現，美元資產依然是相對安全的儲備資產，歐元資產風險較大，日元和英鎊因為持有比例非常低，因而對外匯儲備的VaR影響較小。

　　國內外有關投資組合風險管理理論的研究，為我國外匯儲備匯率風險的度量提供了良好的研究基礎。使用VaR-GARCH模型，通過四種資產的GARCH模型計算出VaR值，并對VaR值進行了準確性的檢驗，以驗證VaR值的準確性以及模型設定的合理性。然后借助VaR值分解，進一步深入分析組合中的單一資產對組合風險的影響情況。 　　二、模型的構建

　　由于中國外管局并未披露外匯儲備的幣種結構，本文用COFER數據庫中公布的發展中國家的數據來代替我國外匯儲備幣種構成。根據已披露的數據，截至到2012年底，外匯儲備中美元、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)自相關和偏自相關性檢驗

　　通過觀察各收益率序列的自相關和偏自相關圖可以看出，美元、歐元收益率序列的自相關系數和偏自相關系數在95%的置信區域內，Q統計量值也不顯著，其對應的P值都大于5%的檢驗水平，可以接受原假設，認為美元、歐元、日元收益率序列不存在自相關，英鎊匯率收益序列在高階有微弱的自相關性。

　　(四)ARCH效應檢驗

　　一般線性回歸模型通常假設隨機誤差項是同方差的，但是對于金融時間序列，尤其是高頻數據序列，該假設通常不太可能成立，其方差是時變的，并常表現出“波動聚集性”特征，因此，有必要進行ARCH效應檢驗。檢驗結果可以看出，匯率對數收益序列均存在ARCH效應。見表2。

　　由表4可見，美元、歐元、日元、英鎊這四種資產在三種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，說明在極端市場條件下我國外匯儲備面臨的匯率風險遠大于在正常市場條件下的風險，這對外匯儲備管理來說具有非常重要的現實指導意義。

　　(二)準確性檢驗

　　VaR值準確性檢驗是指通過模型計算得到的結果對實際損失的覆蓋程度，進行準確性檢驗的目的是為了確認通過模型計算得到的VaR值是否具有可靠性，模型的設定形式是否合理。

　　假定VaR的顯著水平為α，N為實際樣本期天數，M表示實際損失值超過VaR值的天數，那么失敗率就是實際損失超過VaR值的天數除以樣本期天數，即p=M/N。通過對失敗率與顯著水平α進行比較來判斷模型是否準確。

　　從四種貨幣的VaR值波動圖可以看出，樣本期內美元序列的VaR值比其他三種貨幣的VaR值小，而且波動幅度也要小于其他三種貨幣，這與美元在我國匯率管理中的特殊地位有關。次貸危機爆發之前，人民幣維持小幅緩慢升值態勢，美元對人民幣匯率波動較大，2008年第三季度，美國次貸危機全面爆發并迅速演變成全球性的金融危機，為控制出口下滑對經濟增長的不利影響，中國貨幣當局大幅收窄了人民幣對美元匯率的波動幅度，人民幣重回釘住美元的制度軌道，因此美元對人民幣進入小幅波動狀態并持續了近一年時間，之后，美元對人民幣又開始了大幅波動狀態。

　　歐元、日元、英鎊的波動趨勢比較一致，但是日元的波動幅度要大于歐元和英鎊。自發生主權債務危機以來，歐元對人民幣的走勢一直處于動蕩不安的境況。近5年來，歐元對人民幣匯率在長期內，整體上呈現波動及下跌的趨勢。從2008年金融危機引發歐洲債務危機以來，歐元對人民幣匯率走勢一直處于波動下跌的趨勢中，從2008年3月份的最高點11.2下降到 2012年7月的最低點7.647 3。從短期來看，歐元對人民幣的匯率波動也較大。

　　四、資產組合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險暴露。而VaR分解主要考察組合中每個資產對組合整體風險的影響方向、影響程度。

　　五、結 論

　　本文利用GARCH模型度量匯率波動性并計算外匯儲備資產組合的VaR值，進而進行VaR值分解，得出如下結論。

　　通過對三種GARCH模型計算得出的VaR值進行準確性檢驗后可以看出，GARCH(1，1)-t模型比GARCH(1，1)-N、GARCH(1，1)-GED模型在度量外匯儲備匯率風險時具有更高的準確性。

　　美元資產的VaR值波動幅度相對較小，邊際VaR、成分VaR均為負值，表明美元風險相對較小，增加美元資產可以減少組合的風險。

　　歐元、日元、英鎊三種資產的VaR值波動幅度比較大，這三種資產的邊際VaR、成分VaR均為正值，表明增加歐元、日元、英鎊資產會增加外匯儲備的匯率風險。其中，歐元風險最大，日元、英鎊較小。如果考慮到權重因素，由于日元、英鎊在外匯儲備中占的比重非常小，而歐元資產占比較大，僅次于美元，因此歐元資產對外匯儲備整體匯率風險影響較大，所以應該減持歐元資產。

　　當前關于中國外匯儲備優化配置的一個較為普遍的觀點認為，由于美元資產占比最高而且近期美元呈現貶值趨勢，中國應適當降低美元占比，并相應提高歐元等幣種的持有比例。本研究則得出相反的結論：如果央行把控制匯率風險作為首要目標，應該增持美元而減持歐元。事實上，同類研究大多認為美元資產風險最小。這與人民幣匯率的制度安排不無關系，始于2005年7月的匯率形成機制改革本質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重有所下降，但是這一進程因全球金融危機的爆發而一度中斷。時至今日，美元在人民幣匯率決定中仍然占有舉足輕重的地位，美元對人民幣匯率的波動性明顯小于其他幣種，勢必造成資產組合中美元越多則風險越小。不過可以預見的是，隨著匯率形成機制改革的逐漸深化，人民幣與美元的關聯性會不斷變化，央行在把握匯率形成機制改革節奏的同時，應該密切關注主要儲備貨幣的匯率走勢并建立以 VaR 為標準的匯率風險度量體系。

　　需要特別指出的是，本文僅側重于外匯儲備資產組合的匯率風險度量，而外匯儲備幣種結構優化除了考慮匯率風險因素以外，還應該考慮資產的收益狀況以及央行目標函數的影響。

　　未來可以考慮從三個角度改進：第一，在計算VaR的過程中引入連接函數Copula以刻畫不同資產之間的動態相依關系，提高計算精度;第二，由于匯率收益率的分布往往難以用參數方法準確估計，可以嘗試使用非參數分布，例如Bootstrap方法;第三，處理波動集群時可以對GARCH模型作一定的擴展，引入非對稱的ARCH模型如TARCH和EGARCH模型來分析不同沖擊的影響差異。當然，上述改進方向可以結合使用。 　　[參考文獻]

　　[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方法的我國外匯儲備幣種結構風險分析[J].經濟數學，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模型的外匯儲備結構動態調整研究[J].中南財經政法大學學報，2010(3)：70-75.

　　[5] 姜 昱，邢曙光.基于DCC-GARCH-CVaR的外匯儲備匯率風險動態分析[J].財經理論與實踐，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.