外匯儲備幣種結構風險測度范文

本站小編為你精心準備了外匯儲備幣種結構風險測度參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《統計研究雜志》2014年第六期

一、文獻綜述

國內外學者對外匯儲備幣種結構風險進行了大量的研究。但整體而言，國外學者起步較早，研究成果也在較大程度上領先于國內學者。Bollerslev(1986)提出了GARCH模型，為預測金融資產收益和風險提供了重要的研究工具。Eichengreen和Mathieson(2000)以各國年末匯率時間序列數據，分析得出國際外匯儲備結構的變化是緩慢而持久的。Elias等(2006)采用動態均值方差模型，并將交易費用納入計量，得出了外匯儲備最優幣種結構的計算方法。Wooldridge(2006)通過分析全球性數據、國家(地區)性數據以及非公開調查數據發現，因匯率波動和各國外匯管理策略改變等原因，美元在外匯儲備中的占比在逐漸降低，而部分高風險高收益資產正愈發受到歡迎。Czadoetal(2010)通過構建滿足ARMA-GARCH邊緣分布的多元copula模型，對歐元匯率的相關性結構進行了研究。國內近期的研究成果有潘志斌(2010)和閆素仙、張建強(2012)將匯率的在險價值分解為邊際在險價值(M-VaR)、成分在險價值(C-VaR)和增量在險價值(I-VaR)，從細分的角度對外匯的幣種結構風險進行了分析，研究顯示歐元資產風險相對更大，美元資產風險相對較小，故可適當減持歐元資產。此外，在我國現有外匯儲備的基礎上少量配置除美元、日元、歐元和英鎊外的其他幣種資產并不能明顯減小我國整體的外匯儲備風險。孔立平(2010)在考慮外匯儲備風險和收益的同時，綜合考慮我國的貿易結構、外債結構、外商直接投資來源結構和匯率制度對我國外匯儲備進行最優幣種結構配置。周光友、羅素梅(2011)在測度我國外匯儲備最優規模的基礎上，提出了優化外匯儲備資產結構的建議。王永中(2011)對中國外匯儲備的幣種和證券資產構成進行推測，并估算其成本與收益，分析潛在的資本風險。姜昱、邢曙光(2010)以條件在險價值CVaR替代普通在險價值VaR，克服了后者缺乏次可加性、不滿足凸性要求且沒考慮極端情況的缺陷，并結合DCC-GARCH模型，對外匯儲備的匯率風險進行了動態分析，發現我國近期的CVaR較大，即我國近期的外匯儲備風險較大。王珍、趙瑞君(2012)分析了我國持有外匯儲備的各項可量化成本和收益，并提出了相應的政策建議。劉瀾飚、張靖佳(2012)的研究結果表明，中國央行外匯儲備規模及投資策略對危機時期的反應不足。改變外匯儲備投資收益的主要方法包括降低居民的相對風險回避系數，通過政策引導促進居民消費，以及大力發展中國金融市場，降低對美國金融市場的依賴程度。李衛兵和楊鵬程(2012)利用我國主要儲備貨幣的月度利率數據，以VaR方法分析了我國外匯儲備的利率風險，指出可通過適當降低美元資產比例，相應增加歐元、日元和英鎊比例的方法來控制外匯儲備的資產結構風險。張斌、王勛(2012)通過計算中國外匯儲備的名義收益率和真實收益率分析外匯儲備的資產結構風險。羅素梅、陳偉忠和周光友(2013)運用層次分析法(AHP模型)估計了我國最優的幣種結構。毫無疑問，已有的國內外研究都是非常有價值的，同時也是本文進一步研究的基礎。但也還有一些不足:一是在利用條件在險價值CVaR的方法進行風險分析時，往往會忽略金融時間序列尖峰厚尾的特性，簡單的假設其服從正態分布，這會對模型的準確性造成較大影響。而時變條件copula-t模型，確實可以描繪更多非正態、非對稱分布的特征，但是在確定當期相關性構成的問題上卻未達成共識，選擇不同的構成成分，其對應的模型的準確性也會不同。二是在研究幣種結構風險時，多數研究僅聚焦于各類貨幣匯率變動的影響，較少考慮各幣種直接對應的資產或資產組合收益率的影響，而即便涉及收益率因素，其所收集的資料也不夠完整。實際上，外匯儲備的最終投向是以各幣種標價的資產或資產組合，筆者認為直接以各幣種資產的收益率為研究數據能夠更好地對外匯儲備的幣種結構風險進行衡量。因此，本文將綜合考慮匯率波動和資產收益率兩者的影響，對收益率的相關資料進行更加全面的收集，并在構建GARCH模型時用t分布代替正態分布，以期能更加完整和準確地度量外匯儲備的幣種結構風險。

二、幣種結構及收益率的計算

在分析外匯幣種構成時，主要從交易性需求、償債性需求和干預性需求、結算便利性需求等角度進行考慮。而無論從何種角度出發，美元、歐元、日元和英鎊，都占有絕對重要的地位。故本文將主要以美元、歐元、日元和英鎊這四種貨幣為對象，進行外匯儲備幣種結構風險的分析和研究。

(一)我國外匯儲備幣種結構根據眾多學者的研究成果可知，在我國持有的各幣種外匯儲備中，美元占有絕對的比重，普遍認為其占比超過55%(孔立平，2012)。此外，由于美元資產相關資料的可得性最高，故本文選取美元資產為基準，類比推測和估計其他幣種資產的構成。由于我國對外匯儲備資產的幣種和期限結構等數據未進行公開披露，故本文將主要依據美國財政部的國際資本系統(簡稱TIC系統)的統計數據和其他公開信息，進行分析和推斷。根據歷年的數據可知，我國持有的美元證券資產的規模呈現不斷擴大的趨勢，僅于2012年略微下降。但2012年6月，我國持有的美元證券資產額達159222.36億美元①，占美國外債總額的12.01%，也已穩坐美債第一大持有國的位置。這些美元證券主要包括國債、機構債、公司債和股票四大類，其中國債和機構債占比較大，二者占比平均達85%以上，參見表1和表2。雖然TIC系統統計的數據與我國實際持有的美元外匯數量相比，可能會存在漏損或重復計算等情況，如我國外匯管理局在美國以外的國際市場購買的美國國債不會被計入TIC系統，而非我國外匯管理局的我國其他機構購買美國國債則會被列入TIC系統。但是為了簡便起見，本文假設:TIC系統統計的我國在美國證券投資的資產規模和結構與我國實際持有的美元外匯資產的規模和結構相一致，不存在上述的漏損和重復計算等現象。本文對于歐元、日元和英鎊資產，同樣也進行簡化處理，假設其僅投資于長期和短期國債兩種資產，且結構與美元資產的長短期結構相同。

(二)我國外匯儲備資產的收益率1．以所在國貨幣計價的各國資產收益率。基于上文對各國貨幣資產的假設，將其對應的資產收益率表示為式(1)其中，i=US，EU，JP，GB，US表示美元資產，EU表示歐元資產，JP表示日元資產，GB表示英鎊資產;l表示長期證券資產;s表示短期證券資產;表示以所在國貨幣計價的資產收益率;ω表示各類資產所占的比重;t表示相對應的時期。如rUS，l，t表示t期的短期美元資產收益率，其他的依此類推。上述各類資產所占比重的數據均來自于TIC系統，而美元資產的收益率數據來自于美國財政部網站的DataandChartsCenter，日元資產的收益率數據來自于日本財務省網站，英鎊資產的收益率數據來自于英格蘭銀行網站。歐元資產的收益率則是基于對德國和法國國債收益率數據的整合而得到，具體分別來自于德意志聯邦銀行網站和法蘭西銀行網站②。長期證券收益率均取10年期國債收益率，而短期證券收益率均取1年期國債收益率。2．以人民幣計價的各國資產收益率。由于上述的資產收益率分別用所在國貨幣計價，不具有可比性，所以為了便于進行比較和計算，本文將所有收益率均換算為以人民幣計價。以人民幣計價對于國內研究人員而言更加直觀，同時也更有助于我們將其與其他國內資產進行比較和分析。具體計算式如式(2):

三、外匯儲備幣種結構風險的測度

(一)GARCH模型的構建1．數據處理。本文采用上文所述的經處理后的以人民幣計價的各國資產收益率為研究對象，時間跨度為2008年1月1日至2012年12月31日，共計1301個數據。此外，在不改變變量基本性質的前提下，為了消除時間序列中存在異方差現象的可能性，對以上數據再進行自然對數變換的處理，下文分別用USRt、EURt、JPRt、GBRt來表示美元、歐元、日元和英鎊變換后的數據，即USRt=ln(RUS，t)－ln(RUS，t－1)，其他依此類推。2．可行性檢驗。GARCH模型的建立需要滿足一定的條件，故下文將對各幣種資產的對數收益率序列的平穩性、ARCH效應和條件異方差性等性質分別進行檢驗，以保證GARCH模型建立的合理性。以下所有檢驗均借助EVIEWS6.0軟件完成。(1)平穩性檢驗。建立GARCH模型首先需要所給的時間序列平穩，故需對各幣種資產的對數收益率序列的平穩性進行檢驗。本文采用ADF單位根檢驗的方法進行判斷，檢驗結果見表3。表3顯示，各對數收益率序列的ADF值均小于1%、5%和10%顯著性水平下的臨界值，故可知這4個序列均是平穩序列，滿足構造GARCH模型的基本要求。(2)ARCH效應檢驗。為了檢驗序列的ARCH效應，可以先建立形如Xt=a*Xt－1的輔助回歸方程，再對輔助回歸方程的殘差進行ARCH-LM檢驗，檢驗結果見表4。由于5%顯著性水平下的臨界值為3.84，故結合表4的檢驗結果可知，該4個序列均存在顯著的ARCH效應，即說明收益率數據存在顯著的波動集群效應，滿足構造GARCH模型的基本要求。(3)條件異方差性檢驗。通過Ljung-Box-PierceQ檢驗，其中主要觀測指標為自相關系數(AC)、偏自相關系數(PAC)和Q統計量，可以判斷時間序列是否存在自相關性。此外，由于方差等于隨機變量平方的期望值與其期望值的平方之差，即σ2=E(r-Er)2=E(r2)－(Er)2，故當期望值Er接近于0時，方差σ2可以近似等于該隨機變量平方的期望值E(r2)，因此，可以用各幣種資產的對數收益率的平方序列近似代替相應的均方差序列進行自相關性檢驗。而若平方序列存在自相關性，就證明該序列存在異方差性。簡言之，條件異方差性可以用“Q2檢驗”來實現，檢驗結果見表5，其中重點整理了滯后階數為5、6和12的數據。由表5檢驗結果可知，各對數收益率的平方序列的Q統計量在5%的顯著性水平下均顯著大于臨界值，且Q統計量對應的P值均為0，小于置信度0.05，故各對數收益率的平方序列均存在顯著的自相關性，即這4個對數收益率序列均滿足條件異方差性。綜上所述，美元、歐元、日元和英鎊資產的對數收益率序列均平穩，且存在顯著的ARCH效應和條件異方差性，故可以通過建立GARCH模型進行進一步的分析。3．建立GARCH模型。在上述分析的基礎上，以下將通過建立GARCH(1，1)模型對各幣種資產的對數收益率序列進行分析。由上述的GARCH(1，1)模型估計結果可知，方差方程的ARCH項系數和GARCH項系數在5%的顯著性水平下基本上均高于臨界值，表明條件異方差性均較明顯。ARCH項系數也均大于0，說明各幣種資產收益率的波動具有集群性，且過去波動的擾動對未來的波動有正向緩沖作用。ARCH項系數和GARCH項系數之和分別為0.980333、0.715461、0.47199和0.992599，均小于1，滿足方程的約束條件，表明上述方程模擬的過程均是二階平穩的，可以用于對未來情況的預測和分析。

(二)基于GARCH模型的VaR分析VaR是指市場處于正常波動的狀態下，對應于給定的顯著性水平，投資組合或資產組合在未來特定的一段時間內所遭受的最大可能損失。它常被用來定量地測量金融資產的風險水平，故本文也將利用VaR方法，對一定持有期內我國外匯儲備的各幣種資產的潛在損失進行計算和分析。具體計量公式如式(3):上式中，P表示資產的現有價值，Zα表示分布區間值，1－α表示顯著性水平(α常取1%到5%之間)，σ表示資產標準差，T表示持有時間。然后假設P=1，且取月為最小時間單位，此外，為了簡化計算，同時也假設分布均服從正態分布。由于此處將P均設為1，故用VaR方法計算得到的風險值表示可能損失的百分比而非絕對值。本文取α為5%，故在95%的顯著性水平下，Zα=1.65。將美元、歐元、日元和英鎊資產收益率的波動率即標準差，分別記為σUS、σEU、σJP和σGB。然后利用上文建立的GARCH(1，1)模型分別計算出各幣種資產收益率的波動率，結果分別為:σUS=0.01258，σEU=0.01827，σJP=0.02115，σGB=0.00969。通過分析比較上述VaR模型的計算結果可知，這4個外匯儲備幣種資產的收益率波動基本相同。但是英鎊和美元資產收益率的波動相對最小，在未來一個月內的潛在損失分別約為1.6%和2.1%，在未來一年內的潛在損失分別約為5.5%和7.2%;而歐元和日元資產收益率的波動相對較大，在未來一個月內的潛在損失分別為3.0%和3.5%左右，而在未來一年內的潛在損失則分別達到了10.4%和12.1%，均突破了10%的水平。

四、最優幣種結構的估計及優化

在計算幣種結構組成時，最典型的有三種模型，分別為資產組合理論模型、Heller-Knight模型和Dooley模型。后兩種模型除了考慮資產的收益和風險因素外，還涉及到了匯率安排、貿易收支結構和外債組成等因素的影響，但是鑒于本文的考量重點為各幣種資產的風險和收益情況，故以下將采用Markowitz的資產組合理論模型對我國外匯儲備的優化幣種構成進行計量和分析。資產組合理論的思想具體可以描述為對于給定的收益率水平，求解使風險值最小化的資產組合，或者在既定的風險水平下，求解使收益率最大化的資產組合。按照上述第一種思路，可以建立規劃求解函數，具體如式(4):(二)各幣種資產相互關聯由于上節中對各資產間相互獨立的假設要求很高，故本文將再對各幣種資產相互關聯的情況進行分析，即各資產間的協方差不全為0。通過EVIEWS6.0軟件計算得到其方差協方差矩陣具體如下表7。預期收益率R0取與上節相同的5種情況，則通過MATLAB6.5軟件求解得各幣種資產的最優結構組成，具體結果如表8。由表6和表8可知，首先，日元對外匯儲備資產組合收益率的貢獻相對最大，歐元次之，且隨著預期收益率的提高，兩者的權重也不斷增大。這主要是因為日元和歐元資產在當期的收益率相對較高，較多的這兩種貨幣可以獲得較大的經濟利益。其次，美元在預期收益率較小時，對外匯儲備資產組合收益率的貢獻相對較大，而當預期收益率處于較高水平時，權重急劇下降。這主要是由于美元資產在當期的波動性和收益率均較小，可以在低預期收益率時起到很好的分散風險的作用，而在高預期收益率時卻不能對提高組合收益率有很好的幫助。最后，英鎊資產在所有預期收益率的情況下權重均為0，這與實際情況不符。這主要是因為模型的假設并沒有考慮我國匯率安排、貿易收支結構和外債組成等因素的影響，而主要分析的是在盡量降低外匯儲備幣種結構風險的前提下，獲得更加穩定的外匯資產收益。

五、結論及政策建議

本文以我國外匯儲備資產的幣種結構風險為中心，通過分析美元、歐元、日元和英鎊這4種主要外匯資產，得出了以下幾點結論:1．美元資產波動性和收益率均較小。它可以在低收益率期望時，較好地對資產組合起到分散風險的作用，但不能實現提高組合收益的作用。近年來，美元兌人民幣持續貶值，且美國國債、機構債收益率也不斷降低，使得我國的外匯儲備資產嚴重縮水。所以在外匯儲備資產中，美元資產的比重不宜過大，而應適當減持美元資產。但是考慮到我國持有的美元資產總量過大，若貿然減持美元，會造成美元資產更加劇烈的波動，對不利影響產生放大作用，故在調整美元資產持有量時，應做好“持久戰”的準備。此外，也可以嘗試使用調整美元資產內部結構的方法，例如增持權益資產和短期證券，這樣既不會造成美元資產持有量的劇烈變動，又可以緩解因資產收益率下降帶來的不利影響。2．歐元和日元資產雖然波動性相對較大，但是它們也擁有較大的收益率。在對組合收益率期望較高時，這兩種資產對提高資產收益有很大的貢獻，故可以適量增持歐元和日元資產。此外，歐盟近年來一直是我國最重要的貿易伙伴之一，歐元在國際貨幣體系中的地位也隨著歐盟影響力的擴大而不斷提升，被諸多專家學者譽為最有可能撼動美元霸主地位的幣種。而日本同樣也是我國的三大貿易伙伴之一。所以，適量增持歐元和日元十分有必要。3．英鎊資產的波動性和收益率均是4種資產中相對最小的。在計算幣種構成時，正是由于過小的收益率，使得其在給定的預期收益率區間內，所得最佳權重均為0，這與實際情況嚴重不符。我們可以通過加入我國匯率安排、貿易收支結構和外債組成等因素，對外匯儲備幣種構成進行調整，從而得到更符合實際的結果。

作者：周光友趙思潔單位：復旦大學經濟學院金融研究院副教授