工商管理论文范文商业银行汇率风险量化研究

　　随着经济全球化的日渐深入及中国企业“走出去”战略的实施，中国企业国际化程度将日益提高。本文是一篇工商管理论文范文，主要论述了商业银行汇率风险量化研究。
　　[摘要]本文应用有别于业界普遍采用的正态或对数正态分布函数量化研究中国商业银行参与国际外汇市场所主要涉及的汇率收益率的风险特征，以期为处于国际化扩张中的商业银行识别、计量与处置汇率风险提供参考。基于正态分布与非对称拉普拉斯分布函数的比较实证研究表明，后者能够更好地拟合汇率收益率尖峰、厚尾、偏态特征;进一步测度基于不同分布的汇率收益率在险价值，发现正态分布假设下的VaR显著低估汇率风险，而非对称拉普拉斯分布在度量汇率收益率在险价值方面更为有效。在商业银行汇率风险管理过程中，非对称拉普拉斯分布无疑是较为理想的选择。

　　[关键词]商业银行,汇率风险管理,非对称拉普拉斯分布,在险价值

　　一、引言

　　习总书记在2014年11月APEC工商领导人峰会上表示，未来十年中国对外投资将达到1.25万亿美元，这意味着中国今后的对外直接投资规模将增加3倍。国有企业、民营企业和中小企业将集群式“走出去”，在全球化背景下进行资源配置、产能合作与产业渗透。国务院随即出台了金融业支持企业“走出去”的一揽子措施。可以预见，随着相关政策的逐步推进与政策效力的不断释放，由此衍生的跨境金融服务需求将为国内商业银行带来全新的发展机遇和潜在增长点。商业银行如欲抓住发展契机，亟需为“走出去”客户提供安全、便利、有效的本外币跨境结算、中长期项目融资、投资并购等金融支持与延伸服务。在此背景下，深度参与国际金融市场是商业银行有效整合国际金融资源、加速推进跨国经营活动的必要前提。

　　当前国际社会政治经济环境日渐复杂，国际投融资活动愈加频繁，国际金融市场中蕴含的市场、信用与操作风险越来越大。近十几年来国际著名金融机构的破产倒闭案件和2007年美国次贷危机所引起的金融海啸余波未息，如何在交易品种多样化与风险种类多元化的国际金融市场进行跨币种、跨市场、跨媒介资金交易，寻求交易收益与交易风险之间的有效平衡，成为国内商业银行跨境交易执行主体与市场风险管理部门亟需加深理解的重要课题。

　　本文研究针对这一问题，通过实证研究，一方面，为国内商业银行丰富跨境交易汇率风险测度指标，进而准确定位、有效衡量汇率风险提供参考;另一方面，将在工程科学、质量控制等领域得到广泛应用的拉普拉斯分布引入金融风险管理范畴，在风险管理计量方法上进行新的尝试与探索。

　　二、理论基础与文献综述

　　1986年巴塞尔协定的补充协议《资本协议关于市场风险的补充协议》成功颁布，协议要求商业银行必须量化市场风险并计算其相应资本金。市场风险管理的关键在于测度风险，即将风险定量化计算。最初的风险测度方法包括名义值法、敏感性法和波动性法等，由于涉及大量计算且不能为金融机构高管及监管人员提供一个关于整体风险的完整图像，已越来越不能满足金融市场测度风险的要求。这时，人们希望有一个简单指标能够完全反映其在某一特定市场价格变动和某一特定期间下持有一定头寸的金融资产组合所带来的可能损失额。在这种背景下，作为一种风险测度方法与风险测度指标，在险价值(Valueat Risk，即VaR)应运而生。汇率作为一种重要的金融市场指标，受国内外经济形势与外汇政策等因素的影响呈现出一定的波动性，特别是在浮动汇率制下，这种波动性显得更加活跃，加剧了外汇持有主体①收益的不确定性，需要找到科学有效的方法来测度、管理风险。而诞生于20世纪90年代的VaR模型则为汇率风险提供了有效测度，使得外汇持有者能够借助披露的VaR信息及时调整外汇头寸、降低风险。

　　VaR将金融风险测度为一个确定的值，因其直观简洁的特点，广泛应用于世界不同地区的银行资本金(包括市场风险、信用风险和操作风险的资本金)分析与研究。VaR的计算方法主要有历史模拟法、蒙特卡罗模拟法以及参数法三种，而实践中通常多采用参数法。考虑到金融资产序列收益率具有典型的尖峰、厚尾、偏态特征，因而在采用参数法计算VaR时，确定合适的概率分布函数来描述这种特征，对提高VaR计算的准确性有着十分重要的意义。为此，许多学者进行了大量研究。陈守东和俞世典认为中国股票市场的收益率具有厚尾特征，在t分布和GED分布假定下的GARCH模型能够更好地反映出收益率的风险特性。田新时和刘汉中基于Johnson分布族的非线性测度VaR。汪飞星等把PearsonⅦ分布应用到VaR模型的计算中。得到了很好的风险测度效果。王慧敏和刘国光利用跳跃式扩展模型和极值理论方法对沪深股市收益分布特征进行了研究，认为帕累托分布较好地拟合收益分布左尾部风险。潘志斌认为金融资产回报的尖峰厚尾现象可以通过g-h分布来描述，并运用g-h分布计算投资组合的VaR。黄炎龙将Skewed-t分布引入VaR的计算中，认为Skewed-t分布能更好地描述金融资产收益率序列的尖峰厚尾性和非对称性特征。

　　综观前述研究成果，笔者发现，以前学者应用汇率收益率分布测度VaR时，较少运用非对称拉普拉斯分布。尽管上述学者通过用其他分布来测度资产收益率分布，取得了一定进展。但是，由于多数分布形式比较复杂，有的分布函数没有解析表达式，只能用特征函数来表示，给进一步研究带来了很大的困难。鉴于此，本文尝试利用Kozubowski和Podgorski提出的非对称拉普拉斯分布对1999年1月1日至2012年2月14日三个重要发达市场国家汇率收益率数据进行分布拟合与检验，并基于拟合的非对称拉普拉斯分布测度汇率收益率VaR。

　　三、分布模型

　　拉普拉斯分布诞生于1774年。因与正态分布相比拥有显著的厚尾特征而在工程科学、质量控制、环境科学领域得到广泛应用。近年来，与经济金融学科相关的期权定价领域，围绕拉普拉斯分布出现了实践与应用：Kou在跳跃扩散模型中利用拉普拉斯分布较好地克服了基于正态分布假定推导出的传统B-S模型的不足。在方法论方面，非对称拉普拉斯分布在刻画资产收益率尖峰、厚尾、偏态过程中衍生出两种分布形式，即Kozubowski和Podgorski以及Huang等不同参数形式，两者间的区别在于特定涵义的差异化参数。 　　(一)非对称拉普拉斯分布的定义

　　我们称随机变量Yσ，μ服从非对称拉普拉斯分布AL(μ，K，σ)，假如参数μ∈R和σ≥0使得随机变量Yσ，μ特征函数为：

　　四、样本数据选取、拟合与检验

　　(一)样本数据的选取

　　本文选取基于美元(USD)的三种主要货币英镑(GBP)、欧元(EUR)和日元(JPY)所对应的汇率数据，利用非对称拉普拉斯分布模型进行实证分析。考虑到欧元诞生日为1999年1月1日，为了使数据更具可比性，我们选取汇率时间序列数据从1999年1月1日至2012年2月14日，共3 422个样本，数据来源为WIND咨询金融终端。记P1为汇率的中间价序列，其收益率序列采用自然对数形式表示：

　　(二)样本数据的主要统计量与参数估计

　　利用已观测数据作为样本，计算样本描述统计量和参数极大似然估计值，结果如表2所示。

　　从表2可以看出，三种汇率的峰度远大于3，尖峰特征比较明显：在偏度方面，三种汇率的偏度也是一致，均表现为右偏。偏度、峰度的描述统计量表明汇率收益率并不服从正态分布，描述统计虽然不足以推导出一般性的结论，但却能够为进一步研究提供参考价值。为了进一步检验我们的判断，利用STATA12.0软件对样本数据进行一种正态性的偏度一峰度检验，结果如表3所示。从检验结果可知，在1%显著性水平下，汇率USD_JPY和USD_GBP无论是在偏度还是在峰度，抑或是把两者结合在一起考虑都表现出显著的非正态性。尽管在1%显著性水平下，汇率USD_EUR的偏度(P=0.2583)不显著，但其峰度(P=0.0000)非常显著，当把两者结合在一起考虑(P=0.0000)仍表现出显著的非正态，结果如表3所示。对样本进行KolmogorovSmirnov正态检验，结果与正态性的偏度一峰度检验完全一致。

　　(三)汇率收益的非对称拉普拉斯分布参数估计与拟合图

　　为了拟合非对称拉普拉斯分布模型，我们运用最大似然估计量，分别计算三种汇率收益率分布估计参数μ、σ和κ，结果如表2所示。把其代入表1中的总体矩的理论值公式，即可得到分布特征参数的理论值，计算结果如表4所示。

　　从表4可以看出，除了汇率USD_JPY偏度参数理论值和经验值不一致外，汇率USD_EUR、USD_GBP偏度非常一致。而在峰度方面，三种汇率的理论值和经验值比较一致，这些说明应用非对称拉普拉斯分布拟合汇率收益率的分布，效果是比较好的，要显著地优于正态分布。为了更直观显示汇率收益率的分布拟合效果。运用STATA12.0软件，分别画出三种汇率收益率的直方图，并根据相应的估计参数，画出非对称拉普拉斯分布和正态分布的密度函数图，再将它们叠加一起，如图2-图4所示。

　　从以上三种汇率的拟合图以清楚地看到，非对称拉普拉斯分布能较好地拟合三种汇率收益率分布，优于正态分布的拟合效果。使用它去拟合汇率收益率，除了汇率USD_JPY偏度不一致外，非对称拉普拉斯分布能够很好地拟合汇率收益率序列的尖峰、厚尾、偏态特征。

　　(四)非对称拉普拉斯分布拟合检验

　　为了进一步证实上文的结论，进行Kolmogorov-Smirnov拟合优度检验，D为分布函数和样本累计分布之间的K-S最大距离，用来检验样本数据是否服从非对称拉普拉斯分布，检验结果如表5所示。

　　从表5可以看出，在5%显著性水平下，基于非对称拉普拉斯分布三种汇率拟合检验的P值均大于α，因而接受原假设，即汇率收益率序列服从非对称拉普拉斯分布。因此，运用非对称拉普拉斯分布测度汇率收益率的VaR是合适的。

　　五、外汇收益率VaR测度

　　我们主要研究基于拟合的非对称拉普拉斯分布如何测度汇率收益率VaR。另外，考虑到汇率收益率分布偏态特征，尽管多头头寸和空头头寸的VaR并不正好相反，但计算方法原理完全一样，因而本文主要关注汇率收益率多头头寸的VaR测度。

　　(一)VaR的定义及其计算方法

　　VaR是一种利用统计思想对风险进行测度的方法，又称为在险价值。VaR是指在一定的置信水平下，某一金融资产或证券组合在未来特定的一段时间内最大可能的预期损失。从数学角度来说，VaR可以表示为资产组合的收益率分布α分位数，表达式为：

　　也是就说，未来收益率只有α的概率小于等于VaR。在VaR的定义中有三个基本要素，即时间展望期、置信水平和资产收益率分布。(1)时间展望期的选择。通常时间展望期就是指计算VaR的时间范围。由于本文选用的是日收益率数据，故时间展望期为一个交易日。(2)置信水平的选择。对于不同的风险类型，一般选择不同的置信水平。置信水平越高，风险厌恶程度越大。(3)资产收益率分布的选择。一般假定资产收益率服从正态分布，但根据前文汇率收益率分布拟合检验结果可知，非对称拉普拉斯分

　　六、结论与政策建议

　　本文选取1999年1月1日至2012年2月14日国际外汇市场上三种主要汇率收益率数据，运用正态分布及非对称拉普拉斯分布进行拟合，实证研究结果表明，非对称拉普拉斯分布能够比正态分布更好地拟合汇率收益率的尖峰、厚尾、偏态特征，而且非对称拉普拉斯分布有显性的解析表达式，具有有限的二阶矩，只需两个参数就可以确定。因此，参数估计和数字特征比较容易计算。在此基础上本文分别测度基于正态分布和非对称拉普拉斯分布的VaR。我们发现，正态分布假设下的VaR低估了汇率风险，而非对称拉普拉斯分布能较好地测度汇率日收益率的VaR。为了进一步检验我们上述判断，本文还采用最为常用的LR统计量进行检验，检验表明非对称拉普拉斯分布能够准确地测度三种汇率收益率风险。因此，对商业银行风险管理者而言，在采用VaR风险测度技术进行尾部风险控制时，非对称拉普拉斯分布将是较好的选择。

　　汇率风险控制是一项较为复杂的系统工作。商业银行如需进一步提高汇率风险管理水平，在有效测度汇率收益率VaR的基础上仍需做好以下工作：第一，明确汇率风险控制目标。利用非对称拉普拉斯分布测度汇率收益率的VaR，制定可浮动的汇率收益率VaR区间，准确计算外汇风险敞口头寸，根据模型估计结果。检查外汇交易头寸的风险程度并采取必要的交易措施进行市场操作，将汇率风险控制在设定范围内。第二，优化汇率风险管理技术。汇率风险控制的基础在于理论模型，而理论模型与现实之间存在一定的差距，需要定期调整和改进模型。应根据外汇市场交易情况和自身交易头寸信息，结合宏观经济状况和国内外市场与行业变化形势对模型设定进行优化，以提升模型预测能力。第三，进行汇率风险绩效评价。外汇市场交易中，仅利用VaR反映汇率风险状况，可能出现交易人员过度交易现象，影响外汇收益。需引人合理的附加措施，使得金融机构风险与收益直接关联，能较为真实地反映交易人员业绩。此外，强化机构持有者的内部审计和管理机制也是减少汇率风险的重要措施。
　　工商管理论文发表期刊推荐《管理世界》杂志是由国务院发展研究中心主管主办的中国经济管理类权威刊物，是反映中国经济管理理论、政策研究和管理实践的一家著名刊物。自1985年创刊以来，受到国内外各界人士的好评。在2003年，由南京大学中国社会科学研究评价中心公布的《中文社会科学引文索引》(CSSCI)统计结果中，本刊的“影响因子”在管理科学的社科期刊中名列第一;根据《中国学术期刊综合评价数据库(CAJCED2002)》的统计，《管理世界》杂志的“总被引频次”为1148，“影响因子”为1.7550。

转载请注明来自：http://www.yueqikan.com/gongshangqiyeguanlilw/56157.html