基于ARFIMAHYGARCHMVaR模型的亞洲匯率市場均值和波動過程的雙長期記憶性測度研究

摘要作為金融傳導機制的一個重要成分，匯率在金融危機的傳播中發揮著重要作用.因此本文以亞洲匯率市場的匯率作為研究樣本，通過引入skt分布來刻畫殘差的分布，構建了ARFIMAHYGARCHMVaR模型來測度匯率風險值，并與skt分布下的GARCH及FIGARCH模型的VaR進行失敗率回測檢驗與動態分位數測試.研究結果表明：在不同顯著性水平下，skt分布下的各種模型基本都有較好的風險測度能力，且ARFIMAHYGARCHM模型的VaR風險測度更加精確與穩定.本研究為我國及亞洲其他國家匯率市場的風險測度與風險管理提供了一定的理論借鑒和方法基礎.

關鍵詞亞洲匯率市場；sktARFIMAHYGARCHM；FIGARCH模型；模型回測檢驗

中圖分類號F830.91 文獻標識碼A

1引言

自2008年美國發生次貸危機以來，許多國家都陷入到這場金融危機當中，直到現在，希臘、西班牙等國家仍處在金融危機之中，且作為新興市場的亞洲也受到了不同程度的影響.作為金融傳導機制的一個重要組成部分，匯率在金融危機傳導中發揮著重要作用，而且匯率的波動性是匯率市場最為重要特性之一，因此有必要探討亞洲市場對美元匯率價格的波動規律，以便能更好地把握亞洲市場匯率的運行趨勢，及時識別風險和控制風險.

現階段，對匯率序列的研究主要集中在匯率市場的收益過程和波動過程這兩方面.自從Enders（1988）＼[1＼]利用ARMA模型對美元兌德國馬克、加拿大元和日元的名義匯率進行了預期以來，眾多學者對匯率市場的收益過程進行了研究.如Scarlat＼[2＼]等使用adaptive ARMA模型研究了在美國金融危機之后ROL/USD匯率的收益過程等等.但近期的實證研究表明外匯市場匯率普遍存在長記憶性，所以僅利用ARMA模型來刻畫匯率的收益過程顯然是有缺陷的.Granger和Joyeux（1980）、Hosking（1981）提出ARFIMA模型，作為ARMA模型的推廣，其通過引入了分數階差分能很好地描述匯率市場收益過程的長記憶性特征.因此許多學者通過引入ARFIMA模型來刻畫匯率市場的收益過程，如Shittu＼[3＼]等利用ARFIMA模型來刻畫US Dollar/UK Pound匯率收益過程并對此模型進行了檢驗，發現較ARMA模型相比，ARFIMA模型能較好地刻畫匯率的收益過程；楊瑞成＼[4＼]等也利用ARFIMAGARCHM模型對人民幣匯率長記憶性進行了檢驗，發現人民幣/美元的收益序列確實存在長記憶性，即采用ARFIMA模型是合適的.因此本文擬采用ARFIMA模型來刻畫亞洲市場的匯率收益過程.

對于波動過程的研究有，自從Engle（1982）開創性地提出了條件異方差自回歸模型（ARCH）概念，Bollerslev（1986）對其進行了直接擴展形成廣義的條件異方差自回歸（GARCH）模型以來，許多學者開始對匯率時間序列存在條件異方差進行檢驗，大多較好地描述了匯率價格波動的特征，如波動的叢聚性和分布的“尖峰厚尾”等.且針對GARCH模型刻畫匯率價格波動的缺陷，很多學者提出了更符合匯率市場實際的改良模型.如EGARCH、GJRGARCH、APARCH等等.且許多實證研究表明匯率價格波動具有長記憶性特征，因此許多學者采用了FIGARCH模型來刻畫匯率價格波動的這種性質.如Beine＼[5＼]等 利用FIGARCH模型研究了匯率市場的波動性，并證明采用FIGARCH模型能更好地刻畫匯率市場的波動性；我國學者夏南新＼[6＼]等（2012）采用了ARFIMAFIGARCH模型研究了我國黑市匯率的統計特征，證明了我國黑市匯率市場收益序列和波動序列存在雙長記憶性等等.然而正如Davidson（2004）＼[7＼]指出指出的那樣，FIGARCH模型有其無法克服的缺陷，而通過利用Hyperbolic GARCH＼[8＼]來替代FIGARCH模型，能更好地刻畫時間序列這種長記性特征.因此為了更好地刻畫匯率市場的收益過程和波動過程，本文擬采用ARFIMAHYGARCHMVaR模型來研究亞洲匯率市場收益過程和波動過程的雙長記憶性，且通過考察Akaike（AIC）、Schwarz（SC）、Shibata（Sb）、HannanQuinn（Hn）四個信息準則，實證檢驗匯率市場日收益的雙長記憶性特征，并建立了相應的雙長記憶模型.

4結論

隨著金融全球化的發展，匯率在金融風險傳導中起著重要的作用，若不提前加以防范與控制，就有可能帶來災難性的風險后果.而對匯率市場風險進行有效控制，其關鍵問題就是對匯率市場風險測度進行準確的刻畫.本文通過對匯率的收益和波動過程進行雙長記憶研究，構建ARFIMAHYGARCHMVaR模型對亞洲匯率市場的風險測度進行度量.并通過實證分析發現，基于skt分布計算的VaR和DOQ值，在不同分位數下，較FIGARCH和GARCH模型，采用ARFIMAHYGARCHM模型能更好地刻畫匯率市場的實際風險測度.

本文的研究方法為匯率風險測度和風險管理提供了一些有益的理論借鑒和方法基礎.

參考文獻

[1]Enders W.ARIMA and cointegration tests of purchasing power parity＼[J＼].Review of Economics and statistic，1988，70（3）：504-508.

＼[2＼]Eugen I SCARLAT，Constantin P CRISTESCU， Cristina STAN. Modeling the feedback of complex systems responding to Heavisidelike stepwise excitation： application to ROLUSD exchange rate series＼[J＼]. Journal of Advanced Research in Physics，20101（2）：1-6.

＼[3＼]O I SHITTU， O S YAYA. Measuring Forecast Performance of ARMA and ARFIMA Models：An Application to US Dollar/UK Pound Foreign Exchange Rate ＼[J＼]. European Journal of Scientific Research，2009，32（2）：167-176.

＼[4＼]楊瑞成、秦學志. ARFIMAEGARCHM模型在匯率收益率波動分析中的應用＼[J＼]. 計算機工程與應用，2009，45（12）：23-26.

＼[5＼]M BEINE， S LAURENT， C LECOURT. Accounting for conditional leptokurtosis and closing days effects in FIGARCH models of daily exchange rates[J]. Applied Financial Economics， 2002 12（8）：589-600.

＼[6＼]夏南新. 基于ARFIMAFIGARCH模型的我國黑市匯率統計特性研究＼[J＼]. 經濟管理評論，2012，1（2）：1-6.

＼[7＼]J DAVIDSON. Moment and memory properties of linear conditional heteroscedasticity models，and a new model＼[J＼].Journal of Business and Economic Statistics， 2004，22（1）：16-29.

＼[8＼]許光、宋光輝、郭文偉. 基于skt-ARFIMAHYGARCHVaR模型的股票型基金風格漂移風險測度研究＼[J＼]. 中國管理科學，2010，19（5）：10-19.