針對人民幣兌美元匯率風(fēng)險問題,提出了一種基于分位數(shù)回歸的風(fēng)險測度方法;以2015-08-11—2019-09-16人民幣兌美元匯率中間價數(shù)據(jù)為研究樣本,運(yùn)用EGARCH模型和TGARCH模型刻畫了外匯收益率序列存在的不對稱性、波動集聚性以及尖峰厚尾性特征,并在GARCH族VaR模型的基礎(chǔ)上構(gòu)建了QR-GARCH族VaR模型,最后選擇Kupiec失敗率檢驗和動態(tài)分位數(shù)檢驗等后測檢驗方法,比較了兩類模型的風(fēng)險預(yù)測精度;結(jié)果表明:相對于GARCH族VaR模型,QR-GARCH族VaR模型不僅僅對隨機(jī)擾動項的假設(shè)分布不敏感,并且表現(xiàn)出顯著優(yōu)異的風(fēng)險預(yù)測能力,其中基于t分布的QR-EGARCH VaR模型的預(yù)測能力最優(yōu),故QR-GARCH族VaR模型在人民幣兌美元風(fēng)險測度問題上更具適用性和穩(wěn)健性。 

【文章來源】：重慶工商大學(xué)學(xué)報(自然科學(xué)版). 2020,37(05)

【文章頁數(shù)】：7 頁

【部分圖文】：

匯率收益率序列趨勢圖和密度曲線圖

以信息準(zhǔn)則值為模型評價標(biāo)準(zhǔn)的基于t分布的EGARCH模型為例，為了簡潔、直觀的判斷所建立的人民幣兌美元匯率風(fēng)險測度模型精確度如何，下面做出取分位點(diǎn)τ=0.05時，基于t分布的EGARCH模型和QR-EGARCH模型計算出在95%的置信水平下左尾VaR值和外匯收益率實際值的比較圖。由圖2可以看出:對于同一種殘差分布分布，在0.05分位點(diǎn)處，EGARCH模型普遍低估了左尾風(fēng)險值，加入分位數(shù)回歸后的QR-EGARCH模型很好地避免了過于低估風(fēng)險值，對風(fēng)險有一個更為精確的刻畫。2.4 后測檢驗

【參考文獻(xiàn)】：
期刊論文
[1]基于GARCH-VaR模型的外匯風(fēng)險度量方法的統(tǒng)計比較[J]. 申利.  統(tǒng)計與決策. 2018(21)
[2]VaR歷史模擬法在中國銀行外匯風(fēng)險度量中的應(yīng)用[J]. 胡留所,王明.  現(xiàn)代經(jīng)濟(jì)信息. 2018(09)
[3]基于分位數(shù)回歸模型的人民幣匯率風(fēng)險測度方法研究[J]. 陳耀輝,朱盼盼.  長江大學(xué)學(xué)報(自科版). 2015(22)
[4]基于CAViaR模型的匯率隔夜風(fēng)險研究[J]. 簡志宏,彭偉.  中國管理科學(xué). 2015(06)
[5]基于Copula-VaR方法的外匯儲備風(fēng)險度量[J]. 葉偉,楊招軍.  統(tǒng)計與決策. 2015(03)
[6]匯改前后人民幣匯率預(yù)期的波動特征研究[J]. 白曉燕,郭昱.  國際金融研究. 2014(06)
[7]我國外匯儲備資產(chǎn)的匯率風(fēng)險管理研究——基于t分布的GARCH-VaR模型族[J]. 馬贊,楊杰.  金融經(jīng)濟(jì). 2012(14)



本文編號：3113758