论文部分内容阅读
从2016年10月1日起,人民币成为国际货币基金组织的储备货币之一。随着人民币走上国际货币大舞台,外汇风险日益增大,有效防范和控制外汇风险成为当务之急。MS-GARCH模型(Markov-switching GARCH models)具有揭示金融序列波动中的不可观测变量对序列波动的影响的特点,而被广泛应用在工业生产、汇率、股票价格和失业率的经济研究中。因此本文采用MS-GARCH模型研究人民币汇率风险,共分为五章。第一章,介绍了文章的研究背景和意义,以及本文的难点与创新。第二章,介绍了研究汇率的几种重要模型,其中包括ARCH族模型、GARCH族模型以及马尔可夫切换模型的基本理论,以及影响汇率波动的因素。第三章,计算了 MS-GARCH(1,1)模型的各阶距以及峰度与偏度。计算结果表明:状态的均值不同是马尔可夫切换模型中产生偏度的一个重要因素,并且两个状态的方差差异是不足以产生偏度。而人民币汇率均值较小的特点,很适合用马尔可夫切换的GARCH模型研究。同时本章还介绍了 Kupice的非参数核估计方法和VaR的计算方法。第四章,本文选取了 2005年7月至2015年6月区间人民币兑日元的汇率数据作为样本观察值。首先对汇率数据进行对数处理,并进行平稳性检验和相关性检验。然后构建基于正态分布、t 分布、GED 分布(Generalized error distribution)的 GARCH(1,1)模型和EGARCH(1,1)模型拟合汇率数据,计算其VaR值,并利用Kupice的非参数核估计方法来估计模型的有效性,得出GARCH-G模型拟合效果最优。最后将得到的最优模型GARCH-G与构建的MS-GARCH模型对汇率数据的拟合效果进行比较分析。实证分析表明:(1)人民币汇率收益率是非正态平稳序列,具有显著厚尾性、聚集性和非对称性效应。(2)数据的拟合预测效果和失败频率检验值都表明GARCH-G模型的拟合效果要优于本文研究的其他GARCH族模型。(3)MS-GARCH模型能够较为全面的反应汇率的波动状况,并能提前辨识重大事件的发生,相对GARCH-G模型而言可以更深刻揭示金融事件对我国汇率市场的影响。第五章,对本文的结论进行归纳总结,并指出文中存在的不足以及改进办法。