【正文】 90%的日 VaR所對應(yīng)的 maxr 。但是由于 Eviews 中的 ARCH 模型 是假設(shè)殘差序列為 正態(tài)分布，所以本文要在 Eviews所得 出的參數(shù)估值結(jié)果的 基礎(chǔ)上，利用最大似然函數(shù)法 進(jìn)行 回歸 ， 得到殘差 序列符合 t分布的 ARCH類模型 對 美元 /人民幣匯率日 收 益率的參數(shù)估計(jì)值、 K時(shí)刻的殘差以及 條件方差。由于蒙特 卡洛模擬法可以模擬出收益率成千上萬種 未來情形，充分表現(xiàn)金融資產(chǎn) 價(jià)值的各種不確定性情況，因 而它是三種方法中最為精確和科學(xué)的方法 。 目前用來計(jì)算 VaR 的方法 主要有三種：參數(shù)法、歷史模擬法和蒙特卡洛模擬法， 本文使用第三種方法。 風(fēng)險(xiǎn)估值模型（ Value at Risk， VaR）是一種用于測 量和控制金融風(fēng)險(xiǎn)的量化工具 ， Philippe Jorion 在 1996 年將其定義為“ VaR 是在給定的置信水平下的一個(gè)持有期內(nèi)的最大預(yù)期損失（或最壞情況下的損失） ”，即在一定的持有期和置信度內(nèi)，某金融工具和投資組合面臨的最大潛在損失。這些學(xué)者的研究都在某些程度上做了一定的探索，為我們進(jìn)一步精確計(jì)算金融市場的風(fēng)險(xiǎn)提供了很多 有價(jià)值的 的參考。 在國外，以 ARCH 模型為基礎(chǔ)來計(jì)算金融資產(chǎn) VaR 的文獻(xiàn)有 Monica Billio 和Loriana Pelizzon（ 2022） （參考文獻(xiàn) [8]） ， Ron D’Vari 和 Juan （ 2022） （參考文獻(xiàn) [9]） ， Cherif Guermat 和 Richard （ 2022） （參考文獻(xiàn) [10]） 等。 為了需要刻畫證券市場中的非對稱效應(yīng)時(shí)， Nelson（ 1991） （參考文獻(xiàn) [6]） 提出的 EGARCH 模型能更準(zhǔn)確地描述金融產(chǎn)品價(jià)格波動(dòng)的情況。Bollerslev（ 1986） （參考文獻(xiàn) [4]） 在此基礎(chǔ)上提出了廣義自 回歸 條件異方差（ GARCH）模型。其中最成功地模擬了隨時(shí)間變量的方差模型 由 Engle（ 1982） （參考文獻(xiàn) [3]） 首先提出的自回歸 條件方差模型（即 ARCH 模型）。早在 20 世紀(jì) 60 年代， Fama（ 1965） （參考文獻(xiàn) [2]） 就觀察到了投 機(jī)性價(jià)格的變化和收益率的變化具有穩(wěn)定時(shí)期和易變時(shí)期，即價(jià)格波動(dòng)呈現(xiàn)集群性，方差隨時(shí)間變化。 4 對 VaR 的計(jì)算和預(yù)測其實(shí)質(zhì)是對波動(dòng)率的計(jì)算和預(yù)測。 第四 節(jié) 文獻(xiàn)回顧 20 世紀(jì) 80 年代，由于金融衍生產(chǎn)品市場的迅猛發(fā)展給傳統(tǒng)的風(fēng)險(xiǎn)管理方法帶來巨大的挑戰(zhàn)，美國的一些主要銀 行就提出了一種新的風(fēng)險(xiǎn)測度方法 VaR； 1994年 10 月， VaR 的技術(shù)文件被公開在 公司的網(wǎng)站上，該公司還開發(fā)了包含一系列市場風(fēng)險(xiǎn)管理的數(shù)據(jù)和方法的產(chǎn)品 RiskMetrics（參考文獻(xiàn) [1]） 。 在基于 ARCH 類模型 的計(jì)算 中 ，本文都假定 收益率時(shí)間 序列服從 t 分布， 而且均值方程取 AR(2)模型 。 通過對人民幣對美元匯率的日收益率數(shù)據(jù)進(jìn)行實(shí)證分析，比較不同模型，并且將模型的計(jì)算結(jié)果與實(shí)際情況做出對 比，來說明模型在計(jì)算外匯風(fēng)險(xiǎn) VaR 值的優(yōu)劣。 通過本文的研 究，可以為金融機(jī)構(gòu)、 監(jiān)管部門以及外匯 投資者 提供一些 理論計(jì)算上的 參考 ， 不同的風(fēng)險(xiǎn)投資者 可以根據(jù)自己的風(fēng)險(xiǎn)厭惡程度，計(jì)算各自的 VaR 3 值，達(dá)到預(yù)測以及控制 外匯風(fēng)險(xiǎn) 的目的 。 本文在預(yù)測 VaR過程中 的 有以下幾個(gè) 特點(diǎn)： 充分考慮了金融時(shí)間序列的異方差 特點(diǎn)，采用 ARCH類模型對 VaR進(jìn)行預(yù)測； 考慮 了 美元 /人民幣 匯率收益率 時(shí)間序列的尖峰厚尾 的 特點(diǎn)，在模型計(jì)算過程中，假定 收益率 時(shí)間序列是呈 t分布的 。比如有的研究是 直接利用 ARCH類 模型，默認(rèn)時(shí)間序列是呈正態(tài)分布， 但是這種假定 不足以描述金融時(shí)間序列數(shù)據(jù) 尖峰厚尾 的特點(diǎn)； 有的研究中 均值方程直接取 期望值 常數(shù)項(xiàng)， 而未對自相關(guān)性進(jìn)行檢驗(yàn)，這樣就會(huì) 影響計(jì)算結(jié)果 的準(zhǔn)確性 ； 有的研究中通是否常選取一種 ARCH模型進(jìn)行計(jì)算，并未采用其它模型進(jìn)行比較，所以忽略了可能更為準(zhǔn)確的計(jì)算模型。在這些文獻(xiàn)中， 一般結(jié)果都證明用 ARCH 類模型計(jì)算的波動(dòng)率能比較好地?cái)M合實(shí)際情況 。但是該方法在計(jì)量外匯風(fēng)險(xiǎn)時(shí)， 沒有考慮殘差序列的異方差性，且假定時(shí)間序列呈正態(tài)分布， 而這個(gè)假定 不符合通常 的 金融時(shí)間序列 尖峰厚尾 的特點(diǎn) 。 計(jì)算預(yù)測 VaR最早的是 Man的 RiskMetrics 產(chǎn) 品中使用的 EWMA方法，目前仍有很多機(jī)構(gòu)和個(gè)人在使用。 2 第二節(jié) 研究意義 目前， VaR（ Value at Risk）已成為各種金融機(jī)構(gòu)、非金融機(jī)構(gòu)和監(jiān)管者測量市場風(fēng)險(xiǎn)的重要工具。目前中國 金融機(jī)構(gòu) 的外匯資產(chǎn)和負(fù)債也通常以美元計(jì)價(jià) ,而且我們國家的外匯儲(chǔ)備大約 70%為美元資產(chǎn)。 除了銀行面臨 著逐步增加的 外匯風(fēng)險(xiǎn)之外，有很多的企業(yè)和機(jī)構(gòu)也在面臨著同樣的問題。特別 是 2022 年 7 月 21 日中國人民銀行人民幣匯率政策調(diào)整方案公布以來，新的人民幣匯率參考 一籃子貨幣定價(jià)，人民幣兌美元等單一貨幣的波動(dòng)較為頻繁。 外匯風(fēng)險(xiǎn)是指以外幣計(jì) 價(jià)的資產(chǎn)與負(fù)債，因?yàn)橥鈳艆R率波動(dòng)而引起其價(jià)值上漲或下降的可能性 。因此，準(zhǔn)確辨別、測量金融風(fēng)險(xiǎn)成為金融機(jī)構(gòu)和監(jiān)管部門關(guān)注的焦點(diǎn)。 4, many models are used to pute and forecast VaR of the exchange rate returns ratio time series data, and the results of demonstration are pared to confirm the more precise putation model. USD/RMB exchange rate was chosen as the object of study in this arricle. First, the EWMA method was been used to forecast the VaR value, and then several kind of different ARCH kind of model were utilized to analysis the condition heteroscedasticity of USD/RMB exchange rate daily return ratio and forecast the daily VaR value. And the puted result and the actual loss will do pare at last。 2, considering the peak and thick tail characteristics of the time series, the model putation process base on the hypothesis time series assumes the Tdistribution。 實(shí)證研究 結(jié)論 表明，在針對美元外匯風(fēng)險(xiǎn)管理中， 基于 t分布假定的 ARCH類模型 的 VaR計(jì)算方法對美元/人民幣 的 匯率 風(fēng)險(xiǎn)有較好 的 估值 和 預(yù)測 效果。 實(shí)證計(jì)算選取 美元 /人民幣 匯率 作為研究對象，首先用 EWMA方法 預(yù)測 VaR值，然后運(yùn)用 幾種不同 ARCH類模型分析 美元 /人民幣 匯率日收益率波動(dòng)的條件異方差，預(yù)測 每天的 VaR值，并且將計(jì)算結(jié)果與實(shí)際的損失做比較 。 II 題目： 基于 ARCH 類模型的 VaR 方法在外匯風(fēng)險(xiǎn)計(jì)量中的應(yīng)用 III 摘 要 本文 將 的 RiskMetrics所采用的 EWMA（ exponentially weighted moving average ） 方法， 和 充 分 考 慮 金 融 時(shí) 間 序 列 異 方 差 特 點(diǎn) 的ARCH(Autoregressive Conditional Heteroskedastic) 類模型 用于VaR(ValueatRisk)的計(jì)算 ，以對 美元 /人民幣 的 匯率風(fēng)險(xiǎn)進(jìn)行 計(jì)算和 預(yù)測 。 碩士研究生學(xué)位論文 題目： 基于 ARCH 類模型的 VaR 方法在外匯風(fēng)險(xiǎn)計(jì)量中的應(yīng)用 姓 名： 劉 瑾 學(xué) 號： 10562055 院 系： 中國經(jīng)濟(jì)研究中心 專 業(yè)： 金融學(xué) 研究方向： 外匯風(fēng)險(xiǎn)管理 導(dǎo)師姓名： 施建淮 二 00 七 年 五 月 I 版權(quán)聲明 任何收存和保管本論文各種版本的 單位和個(gè)人，未經(jīng)本論文作者同意，不得將本論文轉(zhuǎn)借他人，亦不得隨意復(fù)制、抄錄、拍照或以任何方式傳播。否則，引起有礙作者著作權(quán)之問題，將可能承擔(dān)法律責(zé)任。 本文在預(yù)測 VaR 過程中 的特點(diǎn) 有以下幾個(gè)方面 ： 充分考慮了金融時(shí)間序列的異方差 特點(diǎn)，采用 ARCH 類模型對 VaR 進(jìn)行預(yù)測； 考慮 了 時(shí)間序列的尖峰厚尾 的 特點(diǎn)，在模型計(jì)算過程中，假定時(shí)間序列是呈 t分布的； 均值方程為 AR(2)模型，并通 過無相關(guān)檢驗(yàn)； 使用多個(gè)模型對匯率收益率時(shí)間序列數(shù)據(jù)進(jìn)行 了 計(jì)算和預(yù)測，實(shí)證對比， 然后 從中尋找最能精確 計(jì)算 預(yù)測 其 VaR的 模型 。結(jié)論是在 計(jì)算 美元 /人民幣 匯率 的 收益率的日 VaR值時(shí)，首先 基于 t分布假定的 ARCH類模型 的計(jì)算精度都超過了 RiskMetrics 所采用的 EWMA 方法 ，也這驗(yàn)證了 ARCH 類模型 處理匯率序列是優(yōu)于 EWMA 方法的；其次，由于 ARCH 類 的不同模型 分別考慮了不同金融序列的特性，所以在通過這些模型計(jì)算匯率 時(shí)間 序列的 VaR 值時(shí)也表現(xiàn)出了不同的計(jì)算精度 ，其中以 TARCH－ M（ 1,1）模型計(jì)算結(jié)果最為理想 。 關(guān)鍵詞 ： VaR ARCH 外匯風(fēng)險(xiǎn) IV [VaR putation method applied in risk measurement of foreign exchange based on ARCH models ] [Liu Jin] ([Finance]) Directed by [ Jianhuai] Abstract This article selects the EWMA method which RiskMetrics uses and ARCH kind of model with in a full consideration finance time series different variance characteristic such as GARCH, GARCHM, TARCH, TARCHM, EGARCH, and EGARCHM models to apply in the VaR putation. This article has some characteristics during the process of forecasting VaR : 1, considering fully the heteroscedasticity of finance time series and using ARCH kind of model to carry on the forecast to VaR。 3, in this article the average value equation is AR(2) model which pass the Nonrelevant examination。 When puting the daily VaR value of USD/RMB exchange rate returns ratio, these conclusions can be drawn: First the ARCH kind of model putation precision a all has surpassed the EWMA method which RiskMetrics uses, which as confirmed the ARCH kind of model processing exchange rate sequence surpasses the EWMA method. Second because different model of the ARCH kind of model has separately considered the different financial sequence characteristic, therefore the different putation precision was displayed when puting the VaR value of exchange rate returns ratio sequence in V which has been most ideal by TARCHM(1,1) mod