论文部分内容阅读
中国外汇储备近些年突飞猛进增长,2012年已经超3万亿美元,而巨额外汇储备里,约超过70%的份额都是美元资产。表面上看,是美国对中国的负债;而实际上看,如果人民币对美元持续升值,则意味着中国持有的巨额美元资产将持续缩水。因此,现阶段外汇资产的保值增值就显得尤为必要了。而外汇资产的保值增值,核心环节就是要度量外汇资产组合的风险。在2007年,美国次级债券住房抵押贷款危机爆发,随后发展成了华尔街的金融危机,并最终演变成了影响全球的金融危机。在全球经济一体化的背景下,次贷危机的冲击,通过多种渠道的影响,金融风险传染到了中国的外汇市场,使得外汇市场波动增大,外汇资产组合收益率的波动幅度也增大了。在这种国际形势下,外汇资产组合的风险度量也变得更加迫切和必要了研究组合风险,首先需要研究资产之间的相关性。对于资产相关结构的研究,经历了从静态相关到动态相关,从线性相关到非线性相关的过程。目前主流的研究方法是动态研究,假设资产间的关系具有时变性,会随着时间的变动而相应的发生改变。这与现实时间里金融市场的情况相吻合的。所以本文考虑从动态的角度入手,研究外汇资产的相关性,作为进一步度量外汇市场风险的基础。由于不清楚外汇资产之间的关系是否为线性,本文决定分别运用DCC-GARCH模型和时变Copula模型来刻画动态线性和动态非线性的相关结构。在此基础上,本文选择如今运用最多的度量风险方法----VaR理论对资产的风险进行度量。最后为了比较两个模型对实际值的拟合程度,本文运用返回检测的方法对模型进行比较。由于外汇资产与其他的时间金融资产一样,其收益率的波动存在集聚效应----即异方差现象。而在时间序列计量模型中,研究经济领域的收益率波动常用的模型是GARCH模型。在众多的多元GARCH族模型中,多元DCC-GARCH模型具有较强的优势。DCC-MGARCH模型可以捕捉到方差、协方差和相关系数的动态性,估计也相对容易,现有统计软件一般都己给出该模型估计的软件包,比如R软件(Package:ccgarch),因此DCC-MGARCH模型已被众多专家学者用来刻画随机变量间的动态相关性。但DCC-MGARCH模型也存在一定的不足,比如该模型在任意时刻有相同的条件动态相关结构;需要假设随机扰动项服从多元正态分布,这很可能违背实际数据的“非正态”特征,且相关性是用线性相关系数测度,从而不能刻画随机向量间的“非线性”相关特征。而对非线性相关的资产组合来说,时变Copula模型是如今研究其相关关系的有力工具。Copula理论在实际应用中有许多优点。首先,由于不受边缘分布选择的限制,本文可以构造灵活的多元分布,可以将随机变量的边缘分布和它们之间的相关结构分开来研究。其次,Copula函数导出的一致性和相关性测度,对于严格单调递增的变换都不改变。另外,外汇市场的数据和其他的时间序列金融数据一样,一般都具有尖峰厚尾的特性。如果外汇收益率不服从多元正态分布,那么擅长刻画尾部信息的Copula模型就能够更好地拟合数据特征。最重要的一点是,时变Copula模型对于资产间非线性相关的刻画有着特别的优势,而在大部分的金融资产的相关性都是非线性的,这使得Copula模型在实证研究中得到了大量的应用。本文以不同汇率的时变相关性为切入点,以08年全球金融危机爆发对汇率市场的影响为背景,运用DCC-GARCH模型和时变Copula模型为工具,选用了2007年5月8日至2011年12月30日期间美元、欧元及日元兑人民币日中间价作为数据,计算了三种外汇两两组合的收益率,通过VaR模型来模拟不同置信水平下的DCC VaR和Copula VaR,进行了返回性检验,得到了下面的结论。美国次贷危机的冲击使得美元与欧元兑人民币汇率、美元与日元兑人民币汇率、欧元兑人民币汇率的相关性发生了明显的变化,但是在次贷危机结束后回复到正常程度的状态,说明次贷危机没有改变三种外币兑人民币相关性的结构,仅仅是外在冲击而已。从DCC-GARCH模型与时变t-Copula模型得出的动态条件的相关系数p值,虽然在波动的幅度有所不同,不过总体走势是一致的,说明本文两个模型获得的结果是稳定的。DCC-GARCH模型和时变Copula模型都较好的描述了美元、欧元和日元的时变相关性,各个检验指标都通过了检验。其中取得的时变点与近年发生的事件吻合,可以很好的反映出在次贷危机下的外汇变动趋势,有很强的实用性。通过组合实际收益率、DCC VaR和Copula VaR的图形对比发现,DCC模型所模拟VaR紧贴着真实值波动,可以在精度要求不是很大的情况下使用,然而DCC却很难捕捉高精度条件下的风险值,这可能是DCC模型假设数据满足多元正态分布,与实际的情况不符合而造成的。时变Copula模型虽然没有很好的反映实际收益率的波动,但它模拟的VaR值能较好地覆盖住实际收益率的波动,在不同的精度下都可以达到很好的效果而时变Copula在精度方面比DCC模型更好,并且计算出的VaR能更准确衡量外汇资产组合的风险。另外,时变Copula模型虽然在数据的刻画上比DCC模型有更高的准确性,尤其是很好的包涵了数据的尾部信息,但在实际的操作应用中比较困难。相比较下,DCC模型假设资产组合满足多元正态分布,相互间的关系用线性方差矩阵来表示,在操作上比较方便。在要求的精度不是太高的情况下,可以选择运用DCC模型。如果投资者是典型的风险规避者,要求高精度的估计投资组合风险,那么可以选用刻画尾部信息能力较强的时变Copula模型。