SWFIT(环球银行金融电信协会)最新发布的国际支付全球排名统计显示：2013年1月人民币的国际支付规模占据全球市场份额0.63%，全球排名第十三。而早在2010年，中国经济体量早已超越日本，成为全球第二大经济体，2012年，中国进出口总额更是超越美国跃居全球第一，庞大的外汇交易总额与支付水平显然不协调。如何通过汇率制度的调整实现支付规模的扩大成为我国与其他国家经济往来的重要途径。2005年汇改后，我国开始实行参考一篮子货币的浮动汇率，人民币汇率的波动日渐市场化，各大涉外贸易投资主体、央行、商业银行所持有的外汇头寸及其外汇的投资比例都将随着汇率的波动而波动，面临的风险日益加强。货币篮子中不同种类货币的持有比例直接决定我国所面临的汇率风险的大小。伴随着汇率风险的日益凸显，如何对人民币汇率风险实行有效管理已经成为各大经济主体的重要研究课题，风险管理的前提是对风险的概率分布有明晰的分析，即对人民币汇率风险分布的有效模拟和度量。人民币汇率价格序列属于时间序列模型，计量经济学的ARIMA模型、GARCH类模型能够很好的拟合汇率波动的特点。VaR模型是1993年最早J.P.Morgan在考察衍生品产品的基础上提出的一种金融风险测量和控制的模型，一经提出便受到了广泛应用。本文将VaR方法引入到汇率风险的测度上来，较传统的金融风险测量模型，它简单易操作，兼具实用性，可以给投资者提供更多的参考信息。1996年巴塞尔银行监管委员会明确提出银行内部VaR值的内部模型法，1997年美国证券交易委员会（SEC）宣布上市公司必须及时披露衍生金融工具风险的量化信息，其中VaR方法是可以采用的三种方法之一。目前它已经成为国际上业绩评估、信息披露及其市场风险度量等方面的一种主流方法。但是由于VaR模型不能很好地度量分布的尾部特征，及其并不满足一致性度量，所以本文选取VaR基础上的ES(预期损失)来衡量人民币汇率的风险。汇率风险源于汇率的波动，本文首先从研究汇率的波动性特征入手，对人民币汇率对数收益率序列先后进行了正态性检验、单位根检验及其ARCH效应检验，全面验证了使用ES模型度量人民币汇率风险适用性前提。由于汇率收益的波动变化具有非对称性及聚集性，GARCH族模型可以很好的刻画这些特征，所以近年来很多学者都采用不同的GARCH模型拟合汇率收益分布，本文通过GARCH模型，基于各种不同的厚尾特征分布，t分布、GED分布、极值极值理论下（广义帕累托分布POT）进行计算VaR的参数，进而计算ES值。