论文部分内容阅读
本文将J.P.Morgan的RiskMetrics所采用的EWMA(exponentially weightedmoving average)方法，和充分考虑金融时间序列异方差特点的ARCH(Auto-regressive Conditional Heteroskedastic)类模型用于VaR(Value-at-Risk)的计算，以对美元/人民币的汇率风险进行计算和预测。 本文在预测VaR过程中的特点有以下几个方面:1、充分考虑了金融时间序列的异方差特点，采用ARCH类模型对VaR进行预测;2、考虑了时间序列的尖峰厚尾的特点，在模型计算过程中，假定时间序列是呈t分布的;3、均值方程为AR2模型，并通过无相关检验;4、使用多个模型对汇率收益率时间序列数据进行了计算和预测，实证对比，然后从中寻找最能精确计算预测其VaR的模型。 实证计算选取美元/人民币汇率作为研究对象，首先用EWMA方法预测VaR值，然后运用几种不同ARCH类模型分析美元/人民币汇率日收益率波动的条件异方差，预测每天的VaR值，并且将计算结果与实际的损失做比较。结论是在计算美元/人民币汇率的收益率的日VaR值时，首先基于t分布假定的ARCH类模型的计算精度都超过了RiskMetrics所采用的EWMA方法，也这验证了ARCH类模型处理汇率序列是优于EWMA方法的;其次，由于ARCH类的不同模型分别考虑了不同金融序列的特性，所以在通过这些模型计算汇率时间序列的VaR值时也表现出了不同的计算精度，其中以TARCH-M(1，1)模型计算结果最为理想。实证研究结论表明，在针对美元外汇风险管理中，基于t分布假定的ARCH类模型的VaR计算方法对美元/人民币的汇率风险有较好的估值和预测效果。