• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      基于QR-m-GARCH(1,1)-GED模型的人民幣匯率隔夜風(fēng)險測度

      2021-03-24 07:23:54張建文唐國強(qiáng)楊靜凌
      桂林理工大學(xué)學(xué)報 2021年4期
      關(guān)鍵詞:匯率均值收益率

      張建文, 唐國強(qiáng), 楊靜凌

      (桂林理工大學(xué) 理學(xué)院, 廣西 桂林 541006)

      0 引 言

      在經(jīng)濟(jì)全球化盛行的大背景下, 各國經(jīng)濟(jì)發(fā)展緊密相連。 作為世界第二大經(jīng)濟(jì)體的中國, 更是深深融入到世界之中。 在當(dāng)代中國, 經(jīng)濟(jì)全球化很重要的一個標(biāo)志就是人民幣國際化。就目前的國際金融體系來看, 全球已經(jīng)有40多個國家把人民幣作為儲備性貨幣。隨著中國國際地位的提高和匯率市場改革的完善, 人民幣的國際影響力不斷提升[1]。近年來, 國際經(jīng)濟(jì)形勢風(fēng)云詭譎, 人民幣匯率面臨較強(qiáng)的升值壓力。一旦人民幣匯率發(fā)生大的波動, 將嚴(yán)重危害我國經(jīng)濟(jì)市場的平穩(wěn)發(fā)展。人民幣匯率波動的增加, 顯著減小中國企業(yè)對外投資的可能性, 對銀行業(yè)超額收益產(chǎn)生負(fù)向影響[2-3]。因此, 深入研究人民幣匯率風(fēng)險, 進(jìn)而實現(xiàn)風(fēng)險的防控與管控, 對我國經(jīng)濟(jì)市場平穩(wěn)運(yùn)行具有重大意義。

      人民幣匯率整日風(fēng)險嚴(yán)格意義上可以分為日內(nèi)風(fēng)險和隔夜風(fēng)險。其中, 隔夜風(fēng)險是指前一天收盤到第二天開盤期間價格波動引發(fā)的風(fēng)險, 但由于風(fēng)險值較低, 只引起了小部分學(xué)者關(guān)注: 彭偉[4]提出了隔夜-AS模型和隔夜-SAV模型對隔夜風(fēng)險進(jìn)行測度; 簡志宏等[5-6]使用CAViaR-EVT模型分別在左、 右尾分位數(shù)下對極端情況下的隔夜風(fēng)險進(jìn)行預(yù)測, 并采用HAR-CJ-M模型對高頻數(shù)據(jù)進(jìn)行隔夜風(fēng)險的波動研究, 實現(xiàn)了隔夜風(fēng)險的可預(yù)測。以上文獻(xiàn)雖對隔夜風(fēng)險進(jìn)行了一定研究, 但隔夜風(fēng)險作為整日風(fēng)險的一部分, 極其隱蔽, 目前實證研究文獻(xiàn)相對較少, 亟待豐富。本文基于QR-m-GARCH(1,1)-GED模型對人民幣匯率隔夜風(fēng)險進(jìn)行研究, 既豐富在該方面的研究方法, 又豐富了研究內(nèi)容。

      金融領(lǐng)域的學(xué)者將VaR(風(fēng)險價值)作為風(fēng)險的測度指標(biāo), 故本文將其作為度量人民幣匯率隔夜風(fēng)險大小的指標(biāo), 在實際運(yùn)用中, 學(xué)者們常借助GARCH類模型求解VaR值。申利[7]使用GARCH(1,1)模型推算人民幣兌美元匯率數(shù)據(jù)的動態(tài)VaR; 申世昌等[8]使用GARCH類模型研究健康險收益率的波動性, 并對中國健康保險市場的VaR值進(jìn)行度量; 曾裕峰等[9]以滬深300股指期貨為研究對象, 使用GARCH模型求解VaR值, 發(fā)現(xiàn)廣義誤差(GED)分布相比正態(tài)分布和t分布風(fēng)險的預(yù)測精度更優(yōu); 李世君等[10]采用偏t分布下的GARCH模型對消費行業(yè)的5個板塊指數(shù)進(jìn)行VaR求解, 失敗率檢驗結(jié)果表明模型擬合效果較好。雖然使用GARCH類模型進(jìn)行風(fēng)險度量在金融市場已得到廣泛應(yīng)用, 但隨著研究的深入, 也暴露出模型缺點。

      GARCH模型需要預(yù)先設(shè)定誤差服從的分布, 在一定程度上從模型自身角度加大了誤差。由于分位數(shù)回歸(quantile regression, QR)理論優(yōu)良的統(tǒng)計特征, 部分學(xué)者開始將GARCH模型和分位數(shù)回歸模型進(jìn)行組合引入VaR的建模求解。陳耀輝等[11]采用QR-GED-GARCH模型和GED-GARCH模型對人民幣匯率收益率風(fēng)險進(jìn)行測度, 將二者的擬合成功率進(jìn)行比較, 發(fā)現(xiàn)QR-GED-GARCH模型更適合描述人民幣匯率的數(shù)據(jù)特征; 涂振興[12]采用歷史模擬法、 QR-GARCH模型、 Gumbel Copula函數(shù)法, 對證券市場的4個指數(shù)進(jìn)行研究發(fā)現(xiàn), QR-GARCH模型更適宜刻畫我國證券市場波動現(xiàn)象; 劉亭等[13]研究滬深綜合指數(shù)的收益率數(shù)據(jù), 建立QR-t-GARCH(1,1)模型與QR-st-GARCH(1,1)模型對指數(shù)收益率的風(fēng)險特征進(jìn)行全面描述; 王傳美等[14]針對創(chuàng)業(yè)板的隔夜收益數(shù)據(jù), 使用GARCH類模型與QR-GARCH類模型求解VaR, 發(fā)現(xiàn)QR-GARCH類模型得到的結(jié)果更準(zhǔn)確。以上研究均表明, 將分位數(shù)理論與GARCH類模型組合后的模型能夠較好地描述數(shù)據(jù)特征, 度量得到的風(fēng)險結(jié)果更準(zhǔn)確。

      本文使用GARCH類模型與分位數(shù)回歸模型的組合模型對人民幣匯率進(jìn)行隔夜風(fēng)險的測度。由于美元指數(shù)在人民幣匯率隔夜風(fēng)險產(chǎn)生期間發(fā)生了完整的交易, 因此在GARCH類模型的均值方程中加入美元指數(shù)作為人民幣匯率隔夜收益率的解釋變量, 從中選取最優(yōu)模型與分位數(shù)回歸模型進(jìn)行組合研究人民幣匯率隔夜風(fēng)險, 最終建立QR-m-GARCH(1,1)-GED模型求得VaR值, 同時將常數(shù)均值方程的QR-GARCH(1,1)-GED模型作為對照, 比較二者擬合成功率。

      1 理論介紹

      1.1 GARCH族模型

      ARCH模型最早由Engle[15]于1982年提出, 但針對具有長期自相關(guān)性的數(shù)據(jù)進(jìn)行擬合時, 會產(chǎn)生很高的移動平均階數(shù), 增加模型估計的難度, 從而影響ARCH模型的擬合精度。此后Bollerslev[16]在ARCH模型的基礎(chǔ)上進(jìn)行推廣, 假設(shè)條件方差不僅受滯后一階平方擾動項的影響, 而且受自身一階滯后項的影響, 即廣義ARCH模型——GARCH模型。低階的GARCH模型已可以實現(xiàn)大部分非線性條件方差的刻畫, 故使用GARCH(1,1)模型擬合人民幣匯率隔夜收益率數(shù)據(jù), 模型如下:

      (1)

      ut=σtεt;

      (2)

      (3)

      將美元指數(shù)日對數(shù)收益率mt作為解釋變量, 對應(yīng)的均值方程如下

      rt=at1mt+ut,t=1,2,…,T。

      (4)

      其中,at1表示美元指數(shù)變量前系數(shù)。

      為彌補(bǔ)GARCH模型不能區(qū)分好、 壞消息給金融市場帶來的不同影響, 學(xué)者們相繼提出了非對稱沖擊模型, 如TARCH、 EGARCH、 PARCH模型。

      TARCH模型是Glosten等[17]提出的, 可以衡量好消息和壞消息對條件方差帶來的不同沖擊, 并且可以檢驗數(shù)據(jù)是否具有杠桿效應(yīng)。非對稱模型的均值方程與GARCH模型相同, 不再重復(fù)列出, 僅將條件方差方程列出

      (5)

      EGARCH模型[18]又稱為指數(shù)GARCH模型, 設(shè)定標(biāo)準(zhǔn)差與誤差項之間滿足更靈活的指數(shù)關(guān)系, 對應(yīng)表達(dá)式如下

      (6)

      其中:ω,α,β,γ均為變量前系數(shù)。方程通過設(shè)定條件方差的對數(shù)形式, 反映呈指數(shù)函數(shù)變化的杠桿效應(yīng)。

      PARCH模型[19]模擬對象不再局限于方差, 而是標(biāo)準(zhǔn)差的δ次方。這樣可以減弱條件方差受到大幅沖擊時帶來的影響。其方程為

      (7)

      其中:ω,α,β是常數(shù);γ用來描述非對稱效應(yīng);δ是標(biāo)準(zhǔn)差的冪指數(shù)參數(shù),δ>0, 通過估計得出, 可以描述沖擊帶來的影響幅度。

      1.2 VaR及計算方法

      VaR指某金融資產(chǎn)在持有期L內(nèi), 在顯著性水平α下, 可能遭受的最大損失值。設(shè)FL是金融資產(chǎn)L期內(nèi)損失函數(shù)的累積分布函數(shù), 記為FL(x)=P(L≤x)。VaR其實就是FL的α分位數(shù), 表示為[20]

      VaRα=inf(x|FL(x)≥α)。

      (8)

      在VaR值的計算方法中,方差-協(xié)方差方法最為流行, 最簡單的就是借助GARCH模型的參數(shù)結(jié)果進(jìn)行求解。以持有期1期為例, 給出3種分布下的計算公式。

      1) 正態(tài)分布

      (9)

      2)t分布

      (10)

      其中:ν為自由度;tν(α)是對應(yīng)的α分位數(shù)。

      3) GED分布

      (11)

      其中:GEDα,ν,ε是GED分布在自由度為ν下的α分位數(shù)。

      分位數(shù)回歸使用參數(shù)估計的方法, 使誤差絕對值的加權(quán)之和最小, 不需要假設(shè)誤差項的分布, 從模型層面降低了擬合失敗的風(fēng)險。Taylor[21]將分位數(shù)回歸模型引入VaR的求解。在置信水平為(1-α), 持有期為K期的金融資產(chǎn)收益率VaR的計算公式為

      Vt,K(α)=β1,α+β2,αK1/2+β3,αK+β4,αK2+

      (12)

      (13)

      2 實證分析

      2.1 數(shù)據(jù)選取與描述性統(tǒng)計

      本文選取人民幣匯率作為研究對象, 選用1美元折合人民幣金額的直接標(biāo)價法表示匯率價格。實證數(shù)據(jù)為人民幣匯率和美元指數(shù)的每日開盤和收盤價格。數(shù)據(jù)來源于同花順軟件, 選取的時間為2009-12-10—2019-08-23。

      如果將相鄰兩天的收盤價的對數(shù)差定義為整日收益率r=lncloset-lncloset-1, 那么可以將其分為兩部分: 日內(nèi)收益率r1=lncloset-lnopent和隔夜收益率r2=lnopent-lncloset-1。按照上述定義, 根據(jù)時間順序, 將人民幣匯率隔夜收益率和美元指數(shù)日內(nèi)收益率的時間關(guān)系表示為圖1。美元與中國外匯市場的交易時間規(guī)律暗示著美元匯率日內(nèi)收益的變動可能會對接下來開盤的人民幣匯率產(chǎn)生一定的影響, 從而影響到人民幣隔夜收益率, 即人民幣匯率隔夜風(fēng)險, 也就是前一天收盤到第二天開盤這段時間會受到美元指數(shù)影響的風(fēng)險。

      圖1 人民幣與美元的時間關(guān)系

      擬合模型前, 先將人民幣匯率序列與美元指數(shù)序列的日期進(jìn)行比對, 剔除不重疊日期對應(yīng)的數(shù)據(jù)。針對處理后的數(shù)據(jù), 計算人民幣匯率的隔夜收益率和美元指數(shù)日內(nèi)收益率。由于數(shù)值量級過小, 為方便參數(shù)估計, 將人民幣匯率隔夜收益率序列、 美元指數(shù)日內(nèi)收益率序列放大100倍后再進(jìn)行研究, 運(yùn)行結(jié)果由Eviews 9.0和R語言實現(xiàn)。

      借助人民幣匯率隔夜收益率的時序圖圖2可直觀地分析波動特征??芍? 人民幣匯率隔夜收益率序列圍繞著0值上下波動, 波動幅度在-1.2~1.2, 整體上序列處于平穩(wěn)狀態(tài)。但也觀察到有多次明顯的大幅上升和下降, 說明所選時間段內(nèi)隔夜風(fēng)險的確存在且不容忽視。以2015年8月11日匯率改革為分界線, 匯改前人民幣匯率隔夜收益率除幾次大的波動外基本保持平穩(wěn), 匯改后波動頻率和幅度明顯加劇。匯率改革提高了人民幣匯率的市場化水平, 增強(qiáng)了外匯市場的透明度, 但也使得匯率的彈性變大。所選取的10年數(shù)據(jù)中, 2018年人民幣匯率隔夜收益率波動最為劇烈, 這是因為貨幣政策分化和中美貿(mào)易戰(zhàn)加大了人民幣匯率的基本面壓力。

      圖2 人民幣匯率隔夜收益率時序圖

      為進(jìn)一步分析人民幣匯率隔夜收益率的數(shù)據(jù)特征, 對數(shù)據(jù)進(jìn)行描述性統(tǒng)計分析, 結(jié)果見圖3。人民幣匯率隔夜收益率的均值為-0.001 7, 呈負(fù)收益特征; 標(biāo)準(zhǔn)差為0.121 9, 表明人民幣匯率隔夜收益整體波動不大; 偏度為負(fù)數(shù), 說明數(shù)據(jù)整體向左傾斜; 峰度為24.884 8, 遠(yuǎn)大于3, 說明數(shù)據(jù)的“尖峰”特征顯著; J-B統(tǒng)計量為49 657.76, 其對應(yīng)的p值為0, 表明樣本數(shù)據(jù)不服從標(biāo)準(zhǔn)正態(tài)分布。

      圖3 人民幣匯率隔夜收益率直方圖和基本統(tǒng)計量

      2.2 平穩(wěn)性檢驗及格蘭杰因果關(guān)系檢驗

      為了從統(tǒng)計角度驗證美元指數(shù)會對人民幣匯率的隔夜風(fēng)險產(chǎn)生影響的猜測, 借助Granger因果關(guān)系檢驗驗證二者之間的關(guān)系。由于Granger因果關(guān)系檢驗對數(shù)據(jù)有平穩(wěn)性要求, 故在進(jìn)行檢驗之前, 先對數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗, 防止出現(xiàn)虛假回歸, 導(dǎo)致檢驗結(jié)果的不準(zhǔn)確。采用ADF單位根檢驗對美元指數(shù)日內(nèi)收益率與人民幣匯率隔夜收益率進(jìn)行平穩(wěn)性檢驗, 結(jié)果如表1所示。可以看出, 兩變量單位根檢驗對應(yīng)的p值均為0, 說明在99%的置信水平下, 人民幣匯率隔夜收益率序列和美元指數(shù)日內(nèi)收益率序列均平穩(wěn)。

      表1 單位根檢驗結(jié)果

      在兩序列均平穩(wěn)的前提下, 對人民幣匯率隔夜收益率序列和美元指數(shù)日內(nèi)收益率序列進(jìn)行格蘭杰因果關(guān)系檢驗, 檢驗結(jié)果見表2。發(fā)現(xiàn)兩個檢驗結(jié)論中只有一個拒絕原假設(shè), 說明只存在一個單向格蘭杰因果關(guān)系。在1%的顯著性水平下, 美元指數(shù)是人民幣匯率的格蘭杰原因, 同時人民幣匯率不是美元指數(shù)的格蘭杰原因。這驗證了美元指數(shù)日內(nèi)收益率會影響人民幣匯率隔夜風(fēng)險的猜測, 證實可以將美元指數(shù)日內(nèi)收益率作為人民幣匯率隔夜收益率數(shù)據(jù)的解釋變量。這也從側(cè)面說明, 中國外匯市場存在被美國外匯市場引導(dǎo)的現(xiàn)象。

      表2 Granger因果關(guān)系檢驗結(jié)果

      2.3 ARCH效應(yīng)檢驗

      在建立GARCH類模型之前, 首先要檢驗人民幣隔夜收益率序列是否具有ARCH效應(yīng)特征。由于要建立兩種不同的均值方程, 加入美元指數(shù)日內(nèi)收益率序列作為解釋變量的均值方程和常數(shù)均值方程, 故進(jìn)行兩次檢驗。使用拉格朗日乘數(shù)檢驗, 即ARCH-LM檢驗進(jìn)行驗證, 滯后1階的ARCH-LM檢驗結(jié)果見表3。結(jié)果發(fā)現(xiàn), 對應(yīng)p值均為0, 表明在1%的顯著性水平上拒絕原假設(shè), 說明兩種不同均值方程的殘差序列具有顯著的ARCH效應(yīng), 可以建立GARCH類模型。

      表3 ARCH效應(yīng)檢驗結(jié)果

      2.4 模型的建立及VaR的求解

      由于人民幣匯率數(shù)據(jù)存在ARCH效應(yīng), 可以建立GARCH類模型來描述數(shù)據(jù)的“尖峰厚尾”特征, 消除異方差性。為獲取更優(yōu)的數(shù)據(jù)擬合效果, 建立4個不同的波動率模型GARCH、 TARCH、 EGARCH、 PARCH進(jìn)行比較, 從中選出最優(yōu)模型進(jìn)一步分析。由于GARCH類模型普適性強(qiáng), 低階模型就能夠很好地測量數(shù)據(jù)的時變特征。駱珣等[23]驗證了GARCH(1,1)模型能較好地度量人民幣匯率風(fēng)險。故選用GARCH(1,1)、 TARCH(1,1)、 EGARCH(1,1)、 PARCH(1,1)模型, 在3種不同的分布(正態(tài)、t、 GED)下建模, 通過AIC(Akaike information criterion)和SC(Schwarz criterion)準(zhǔn)則從中選出最優(yōu)模型。由于前文已經(jīng)證明美元指數(shù)是人民幣匯率隔夜收益率數(shù)據(jù)的格蘭杰因果原因, 故在模型均值方程中加入美元指數(shù)收益率數(shù)據(jù)作為解釋變量, 同時將簡單常數(shù)均值方程模型作為對照, 其中誤差服從3種不同的分布, 每種分布對應(yīng)8個模型, 共建立24種不同的模型, 信息準(zhǔn)則結(jié)果如表4所示。

      表4 各模型的信息準(zhǔn)則結(jié)果

      從誤差服從不同分布角度分析, 僅有EGARCH(1,1)模型在誤差服從t分布時, 對人民幣匯率隔夜收益率數(shù)據(jù)的擬合優(yōu)度高于正態(tài)和GED分布。另外7個模型, GED分布比正態(tài)、t分布對應(yīng)的AIC和SC信息準(zhǔn)則值更小,擬合優(yōu)度更高。表明GED分布在測度人民幣匯率隔夜風(fēng)險的能力要優(yōu)于正態(tài)和t分布。從均值方程角度分析,加入美元指數(shù)作為解釋變量的m-GARCH類模型,比簡單常數(shù)均值方程的GARCH類模型有更小的AIC和SC值, 且GED分布下兩者差距更明顯。 比如,m-GARCH(1,1)-GED模型對應(yīng)的AIC值為-12.858 2,顯著小于GARCH(1,1)-GED模型的AIC值-4.695 2。從整體上看, 24個模型中, 加入美元指數(shù)的m-PARCH(1,1)-GED模型的擬合優(yōu)度最高, AIC值和SC值最小分別為-13.737 5和-13.718 8;其次是加入美元指數(shù)的m-GARCH(1,1)-GED模型, AIC值和SC值最小分別為-12.858 2和-12.844 0。GED分布下, 信息準(zhǔn)則較優(yōu)的兩個模型及其對照模型的參數(shù)估計結(jié)果見表5。

      表5 GED分布假設(shè)下模型估計結(jié)果

      其中, PARCH(1,1)模型和m-PARCH(1,1)模型中捕捉非對稱效應(yīng)的參數(shù)γ對應(yīng)p值為0.270 6和0.907 1均大于0.05, 參數(shù)不顯著, 說明人民幣匯率隔夜收益率數(shù)據(jù)不具有明顯的杠桿效應(yīng)。權(quán)衡參數(shù)顯著性和擬合優(yōu)度兩方面, 選用m-GARCH(1,1)-GED模型刻畫人民幣匯率隔夜風(fēng)險的波動特征。m-GARCH(1,1)-GED模型中方差一階滯后項參數(shù)β對應(yīng)p值為0, 參數(shù)顯著, 表明隔夜風(fēng)險受滯后風(fēng)險的影響。

      提取出m-GARCH(1,1)-GED模型所擬合的標(biāo)準(zhǔn)差, 繪制成時序圖(圖4)。標(biāo)準(zhǔn)差的變化反映了人民幣匯率隔夜收益率的波動走勢。為檢驗異方差性是否消除, 對標(biāo)準(zhǔn)化殘差進(jìn)行ARCH效應(yīng)檢驗。結(jié)果顯示調(diào)整R2統(tǒng)計量為0.990 6, 其對應(yīng)的p值為0.000 1, 表明ARCH效應(yīng)基本消除, 證明了模型的有效性。

      圖4 m-GARCH(1,1)-GED擬合的標(biāo)準(zhǔn)差的時序圖

      將m-GARCH(1,1)-GED模型擬合得到的條件方差和標(biāo)準(zhǔn)差估計值代入式(13), 在0.05、 0.01兩個分位點下進(jìn)行分位數(shù)回歸, 求解VaR值。將5%和1%顯著性水平下, QR-m-GARCH(1,1)-GED模型計算出的VaR與人民幣匯率隔夜收益率真實值r繪制在圖5中。可以看出, VaR值的動態(tài)走勢與人民幣匯率隔夜收益率波動走勢相近, 表明QR-m-GARCH(1,1)-GED模型能很好地刻畫人民幣匯率隔夜風(fēng)險的每日動態(tài)變化。

      圖5 QR-m-GARCH(1,1)-GED模型風(fēng)險預(yù)測圖

      將QR-m-GARCH(1,1)-GED模型求解出的VaR值與人民幣匯率隔夜收益率真實值進(jìn)行比較, 計算擬合成功率, 擬合成功率越高說明模型的擬合效果越好。同時與常數(shù)均值方程的QR-GARCH(1,1)-GED模型的結(jié)果進(jìn)行比較, 結(jié)果見表6。

      表6 擬合VaR成功率結(jié)果

      在5%和1%顯著性水平下, 加入美元指數(shù)作為解釋變量的QR-m-GARCH(1,1)-GED模型對VaR的擬合成功率為99.52%和92.15%。QR-m-GARCH(1,1)-GED模型在5%的顯著性水平下的預(yù)測結(jié)果最接近理論值, 但在1%顯著性水平下擬合成功率不如QR-GARCH(1,1)-GED模型, 這表明QR-m-GARCH(1,1)-GED模型在高顯著性水平下更有優(yōu)勢。5%的顯著性水平下, 均值方程中加入美元指數(shù)的QR-m-GARCH(1,1)-GED模型與QR-GARCH(1,1)-GED模型相比, 擬合成功率增加了0.79%, 這在一定程度上驗證了美元指數(shù)價格波動與人民幣匯率隔夜風(fēng)險密切關(guān)聯(lián)。

      3 結(jié)束語

      由于中國和美國外匯交易市場開盤和收盤時間不同, 使得美元指數(shù)價格波動對人民幣匯率隔夜風(fēng)險產(chǎn)生影響。本文在人民幣匯率隔夜風(fēng)險的研究中, 加入美元指數(shù)作為人民幣匯率隔夜收益率序列的解釋變量, 建立QR-m-GARCH(1,1)-GED模型進(jìn)行實證研究, 同時與常數(shù)均值方程的QR-GARCH(1,1)-GED模型進(jìn)行對比。結(jié)果發(fā)現(xiàn): 1)所選數(shù)據(jù)期間, 人民幣匯率隔夜風(fēng)險的確存在, 并且匯率改革后波動明顯加劇; 2)人民幣匯率價格走勢存在被美元指數(shù)引導(dǎo)的現(xiàn)象; 3)人民幣匯率隔夜風(fēng)險受滯后風(fēng)險的影響; 4)相比QR-GARCH(1,1)-GED模型, 加入美元指數(shù)的QR-m-GARCH(1,1)-GED模型在高顯著性水平下擬合人民幣匯率隔夜風(fēng)險更具優(yōu)勢。

      本文將美元指數(shù)作為人民幣匯率隔夜收益率的解釋變量, 區(qū)別于以往的常數(shù)均值方程, 更能體現(xiàn)我國外匯市場受美元指數(shù)價格波動的影響。使用QR-m-GARCH(1,1)-GED對人民幣匯率隔夜風(fēng)險進(jìn)行研究, 為央行和廣大投資者提供決策參考, 具有重要的理論和現(xiàn)實意義, 也為深入研究美元指數(shù)與人民幣匯率價格之間的關(guān)系提供了研究依據(jù)。

      猜你喜歡
      匯率均值收益率
      1年期國債收益率跌至1%
      銀行家(2025年1期)2025-02-08 00:00:00
      人民幣匯率:破7之后,何去何從
      中國外匯(2019年17期)2019-11-16 09:31:04
      人民幣匯率向何處去
      中國外匯(2019年13期)2019-10-10 03:37:38
      越南的匯率制度及其匯率走勢
      中國外匯(2019年11期)2019-08-27 02:06:30
      前三季度匯市述評:匯率“破7”、市場闖關(guān)
      中國外匯(2019年21期)2019-05-21 03:04:16
      均值不等式失效時的解決方法
      均值與方差在生活中的應(yīng)用
      關(guān)于均值有界變差函數(shù)的重要不等式
      對偶均值積分的Marcus-Lopes不等式
      404 Not Found

      404 Not Found


      nginx
      五常市| 建宁县| 大安市| 玉屏| 博爱县| 瓮安县| 循化| 永济市| 九龙县| 连州市| 舞钢市| 葫芦岛市| 南丹县| 元江| 如东县| 定安县| 吉木萨尔县| 惠州市| 黄平县| 高碑店市| 洮南市| 建阳市| 郓城县| 凭祥市| 富源县| 馆陶县| 乌恰县| 阿拉善左旗| 元谋县| 龙川县| 巧家县| 麻江县| 红安县| 南丰县| 巴楚县| 临桂县| 威海市| 开原市| 台中县| 尼勒克县| 天等县|