人民幣利率匯率雙重風險動態同步管理與靜態同步管理

摘 要：因人民幣利率和匯率變化，我國出口企業在借款用于生產出口收到外匯貨款過程中，面臨很大人民幣利率匯率雙重風險。本文用變量表示雙重風險、用方差度量雙重風險大小，用人民幣利率遠期、外匯遠期和外匯期貨等衍生工具對人民幣利率匯率雙重風險進行靜態同步管理，用GARCH模型擬合雙重風險波動的聚集性來對雙重風險進行動態同步管理。最后，本文結合企業實際，對研究結果進行實證分析，使企業可以靈活使用動態同步管理策略和靜態同步管理策略，同步規避所面臨的人民幣利率匯率雙重風險。

關鍵詞：人民幣；利率風險；匯率風險；動態同步管理；靜態同步管理

中圖分類號：F832.2 文獻標識碼：A 文章編號：1003-9031（2013）10-0031-04 DOI：10.3969/j.issn.1003-9031.2013.10.07

一、引言

我國出口企業的主要收入是外匯貨款，由于匯率變動，企業會面臨很大外匯風險；同時，企業在生產過程中需要借款，由于利率波動，借款成本有很大不確定性。本文將我國出口企業面臨人民幣利率風險和匯率風險作為一個整體來處理，稱之為人民幣利率匯率雙重風險。雙重風險給企業的收入和成本帶來很大的不確定性，特別是在人民幣既升值又加息的情況下，企業在收入外匯貨款時遭受嚴重貶值，而在借款中又大大增加了借款成本，這些風險不僅使企業的利潤降低、成本提高，還可能會影響到企業的生存問題。因此，怎樣有效地規避人民幣利率匯率雙重風險對我國出口企業顯得尤為重要。

在利率風險和匯率風險管理理論方法研究方面，人們多數把利率風險和匯率風險分開研究，對它們分別進行獨立管理。林孝貴等（2013）研究用人民幣外匯期貨管理人民幣升值風險[1]。雖然有少數學者研究利率風險和匯率風險的同步管理，使用的工具是外匯遠期和利率期貨，但對人民幣利率風險和匯率風險而言，因為沒有與之完全吻合的衍生工具而不便直接使用。范利民等（2007）研究了運用遠期外匯和利率期貨同步管理商業銀行的利率風險和外匯風險[2]。考慮到金融時間序列具有聚集性和動態性，張高勛等（2011）把GARCH模型應用于研究套期保值的效果[3]。但這些研究都不是針對人民幣，而且使用的工具都是外匯遠期和利率期貨。由于目前市場上沒有相應的人民幣利率期貨，所以用這些現有方法不便同步管理人民幣的利率風險和匯率風險。關于人民幣的衍生工具問題，在我國境內市場上可找到人民幣利率遠期和外匯遠期，而在境外市場上有人民幣外匯期貨和本金交割的外匯遠期即NDF（Non-Delivery Forward）。本文首先研究我國出口企業面臨人民幣利率匯率雙重風險情況，用變量對雙重風險進行表示和度量，再使用目前市場上已經存在的人民幣外匯遠期、外匯期貨和利率遠期等衍生工具對人民幣利率匯率雙重風險進行靜態同步管理和動態同步管理，并運用GARCH模型擬合雙重風險的聚集性和動態性，結合我國出口企業具體情況，對上述研究結果進行實證分析，使企業能夠選擇適當方法規避所面臨的人民幣利率匯率雙重風險。

二、出口企業人民幣匯率利率雙重風險的表示與度量

為了方便表示我國出口企業面臨的人民幣利率匯率雙重風險，把利率數值擴大100倍，設企業在將來需要借入？姿i100A萬元人民幣用于生產，借款時間長度為Δt，同時收到？姿eA萬元外幣貨款，其中A是公因子。設直接標價法下的人民幣匯率在當前和將來分別是e0和e，則企業的外匯貨款因人民幣升值而帶來的損失額是？姿eA（e0-e）；設人民幣利率在當前和將來分別是i*0和i*，則企業借款因人民幣加息而帶來的損失額是？姿i100A（i*-i*0）Δt。記

i=100i*Δt， i0=100i*0Δt

x=？姿ii-？姿ee， x0=？姿ii0-？姿ie0

合并兩項損失，得到企業遭受雙重風險的損失額為

？姿eA（e0-e）+？姿iA（i-i0）=A（x-x0） （1）

由式（1）可知，e和i的變化是導致x變化的原因，即e和i的變化主導了x的變化，并且e的波動對x有負向影響，而i的波動對x有正向影響。當人民幣升值或加息時，即當e下降或i上升時，x就會上升，此時企業就會遭受損失；當人民幣升值并且加息時，即當e下降，同時i上升時，x上升的幅度很大，此時企業的損失就會很大。所以，x可作為刻畫企業雙重風險的變量。x上升幅度越大，企業的損失就越大；x上升幅度越小，企業的損失就越小。本文定義x、i和e的方差及i和e的相關系數為：

hxx=Var（x）， ？滓2i=Var（i）

？滓2e=Var（e）， ？籽ie=Cov（i，e）/？滓i？滓e

如果用雙重損失額的方差來度量我國出口企業面臨人民幣利率匯率雙重風險的大小，則求式（1）方差可得到企業雙重風險的程度為：

A2hxx=A2（？姿2i？滓2i+？姿2e？滓2e-？姿i？姿e？籽ie？滓i？滓e） （2）

由式（2）可知，當人民幣升值又加息時，i與e具有負相關性。此時？籽ie<0，表明企業除了面臨人民幣利率風險和外匯風險外，還要面臨利率和匯率交叉風險。

三、雙重風險靜態同步管理

運用衍生工具進行風險靜態管理，就是在管理期間，不需要根據市場變化情況改變衍生工具的單位數量，始終是用一樣多的衍生工具單位數量進行管理。靜態風險管理可以直接運用經典的回歸方法進行分析，但是要求隨機波動項具有獨立的方差。

企業既要穩定外匯貨款價值，又要控制借款成本，就必須設法規避將來因人民幣匯率和利率波動給企業帶來的雙重風險的損失-A（x0-x），或通過套期保值方法穩定企業將來的回報A（x0-x）。根據市場上交易的人民幣利率遠期，外匯遠期和外匯期貨，企業可考慮買入數量為ki100A的人民幣利率遠期，同時賣出數量為keA人民幣外匯期貨或外匯遠期對上述雙重風險進行同步管理。設人民幣外匯期貨或外匯遠期當前和將來的價格分別是f0和f，人民幣遠期利率當前和將來分別是r*0和r*，記r=100r*Δt，r0=100r*0Δt，定義

k=ki-ke，F=rf，F0=r0f0

則x與f的協方差和復相關系數為

HFF=Cov（F，F）=Cov（r，r） Cov（r，f）Cov（r，r） Cov（f，f）=hrr hrfhfr hff

HFx=Cov（F，x）=Cov（r，x）Cov（f，r） =hrx hfx ，HxF=HTFX

？籽xr=hxr■，？籽xf=hxf■

？籽xf=hxf■，Pxf=■

企業為同步管理所交易的衍生工具在將來的收益可表示為AKT（F-F0），企業在將來收到外匯貨款和借款及衍生工具等頭寸的組合價值可表示為：

V=A（x0-x）+AKT（F-F0）

本文用上述組合價值的方差來度量同步套期保值策略的風險，其風險值為：

？滓2（K）=A2（hxx+KTHFFK-2KTHFx） （3）

為了求出上述風險函數的最小值點，令？滓2（K）關于K的偏導數等于0，就得到下面矩陣方程：

■=2A2（HFFK-HFx）=0

因式（3）關于K的函數一定存在最小值，所以上述方程的唯一解就是同步靜態管理的最優套期比：

K*=H■■HFx

寫出K*的分量形式：

k*i-k*e=■■（？籽xr-？籽xf？籽fr）■（？籽xf-？籽xr？籽xf） （4）

同步管理策略本身還存在風險，把K*代入式（3）得到最優套期比對應的同步管理策略方差風險：

？滓2（K*）=A2（hxx-HxFH■■H■■）=A2hxx（1-P■■） （5）

P2=h■■HxFH■■H■■=？籽■■+（？籽xf-？籽xr？籽xf）2/（1-？籽■■）

其中，？滓（K*）是同步管理策略的標準差風險，？滓2（K*）是度量同步管理策略風險的絕對指標，為了得到相對指標，用？滓2（K*）去除不保值風險A2hxx得到同步管理策略的效率指標：

？祝2=A-2h■■？滓2（K*）=1-P■■， 0≤？祝2≤1 （6）

？祝2是一個逆指標，指標值越小，同步管理策略的效果越好。顯然，復相關系數平方P2也是評價同步管理策略效果的相對指標。P■■是一個正指標，指標值越大，同步管理策略效果越好。

四、雙重風險動態同步管理

運用衍生工具進行風險動態管理，就是根據市場變化情況改變衍生工具單位數量。由于市場上金融時間序列波動具有聚集性等特征，其隨機波動項的無條件方差是常數，而條件方差是變量，所以直接運用經典的回歸分析方法進行靜態管理會有較大缺陷，應該考慮使用動態模型來擬合金融時間序列波動。

動態波動模型的一般形式是

rt=？滋t+■

其中，ht是在t時間收益率的波動量，？滋t是期望收益率，rt是實際收益率，zt是殘差序列，模型的隨機性來源于隨機變量zt。

在各種動態波動模型中，GARCH（p，q）模型是最常用的。對大多數金融時間序列來說，GARCH（1，1）模型已經能夠滿足要求。因此，本文采用如下的GARCH（1，1）模型來分析動態管理問題。

rt=？滋+■ht=？琢0+？琢1（rt-1-？滋t-1）2+？茁1ht-1？琢0>0，？琢1≥0，0≤？琢1+？茁1<1 （7）

運用時間序列分析軟件分別建立xt、rt和ft等序列的GARCH（1，1）模型，就可以估計這些序列的動態方差、動態協方差、動態相關系數和動態復相關系數，分別記為：

HFF，t=hrr，t hrf，thfr，t hff，t，HFx，t=hrx，t hfx，t

將上式分別代入式（4）、（5）和（6），得到動態同步管理的最優套期比及其評價指標：

k*i，t-k*e，t=■■（？籽xr，t-？籽xf，t？籽fr，t）■（？籽xf，t-？籽xr，t？籽xf，t） （8）

？滓2t（K*t）=A2hxx，t（1-P2xF，t） （9）

？祝2t=1-P■■ （10）

五、雙重風險動態同步管理與靜態同步管理比較

在實際中，只要估計套期保值策略的評價指標，就可以通過比較指標值來比較動態同步管理策略與靜態同步管理策略。

杭州某進出口導向型上市公司，主營以棉、毛、絲、麻、晴綸為原料的針織、梭織服裝，服飾和家用紡織品的出口業務。出口銷售收入貨款主要以美元結算，從簽訂產品出口合同到收到美元外匯貨款需要3個月時間。該公司在各生產周期中，需要借入人民幣用于生產。公司在2012年9月20日有計劃，3個月后將收到238萬美元貨款，需要兌換成人民幣；同時，公司要在3個月后借款20000萬元人民幣，借期3個月。于是公司面臨3個月后人民幣加息又升值的雙重風險。在雙重風險變量x=？姿ii-？姿ee中，比例系數為？姿i=1，？姿e=1.19，公因子為A=200。借款期限為Δt=0.25年。為了方便，選取2011年11月25日至2012年12月20日共207個交易日數據進行分析，其中用插值法適當補齊某些缺失的數據。i*t表示上海銀行間同業拆放利率（SHIBOR）①；i*t是興業銀行人民幣3×6遠期利率②；et是人民幣兌美元中間價③；ft是境外非本金交割3月期人民幣外匯遠期（NDF）④。

it=100i*tΔt=25i*t， rt=100i*tΔt=25i*t，xt=？姿iit-？姿eet=it-1.19et

在2012年9月20日，運用EViews軟件分別建立xt、rt和ft的GARCH（1，1）模型，并且估計出它們的方差、協方差、相關系數和復相關系數，再根據式（8）、（9）和（10），計算出這一天的同步管理最優套期比及其相應評價指標值。類似地，保持樣本容量207，時間逐日前移，得到表1的結果。

（一）企業雙重風險的靜態同步管理

把2012年9月20日定為雙重風險靜態同步管理入市時間，并且在風險管理期間不考慮市場變化，即不需根據市場變化而改變用于套期保值的衍生品單位數量。由表1可知，2012年9月20日的套期比分別是K*i=0.8009，k*e=0.3531。因為：

K*i100A=0.8009×100×200=16018

K*eA=0.3531×200=70.62

所以企業買入名義本金為16018萬元人民幣，規格為3×6的遠期利率協議，并且賣出名義本金為70.62萬美元，期限為3個月的遠期外匯協議，同步規避3個月后借款20000萬人民幣，收到238萬美元的利率風險和匯率風險。這是靜態同步管理，要求在套期保值期間不改變這些衍生品頭寸。這一策略取得的風險管理效率為0.1034，這一數值比較靠近0，所以該策略效率還是較高的。另外，實施該策略標準差風險為17.74。

（二）企業雙重風險的動態同步管理

動態同步管理需要根據市場不同情況調整遠期利率頭寸和遠期外匯頭寸。由于調整衍生品頭寸需要成本，所以不一定每天都需要調整衍生品的頭寸。如果發現某天市場出現較大變化，例如預期收益突然出現很大變化，或效率逐步提高后出現拐點等，就應該調整衍生品的頭寸，使風險管理策略處于較大優勢狀態。

由表1可知，從2011年9月21日開始，每天的同步管理效率都高于前一天的效率。直到2011年11月1日和11月2日連續兩天出現相同效率0.0708，效率不再提高，甚至有可能出現反轉，于是可以認為2012年11月2日的策略為較好策略，按這一天套期比調整衍生品頭寸。因為K*i=0.7634，K*e=0.6288。

K*i100A=0.7634×100×200=15266

K*eA=0.6288×200=125.76

因此，企業在這一天衍生品頭寸應該調整為：買入名義本金為15266萬元人民幣的遠期利率協議，賣出名義本金為125.76萬美元的遠期外匯協議。

由表2可知，在企業面臨人民幣利率匯率雙重風險下，動態同步管理策略的效率比靜態同步管理策略大幅提高，相應的標準差風險也有所降低。動態同步管理的逆指標效率是0.0708，比靜態同步管理利率風險提高了31.53%；動態同步管理策略的標準差風險是17.2078，比靜態同步管理風險降低了3.0%。

六、結束語

我國外貿企業在日常經營中常常面臨人民幣利率和風險雙重風險，用風險度量方法度量雙重風險，用套期保值方法規避雙重風險。通過買入人民幣遠期利率、賣出人民幣外匯遠期或外匯期貨，就可以對雙重風險進行靜態同步管理。根據金融時間序列波動具有聚集性和動態性等特征，運用GARCH模型可以擬合雙重風險的波動，由EViews軟件得到動態同步管理和靜態同步管理的最優套期比和對應的評價指標。根據市場變化情況，可以動態地調整同步風險管理策略。動態同步管理比靜態同步管理更加靈活、更加優越。企業可使用GARCH模型分析對比每一天的套期比、風險和效率等市場變化情況，再把同步管理策略調整為更加優化的策略。企業在實際中可以靈活采用動態同步管理策略和靜態同步管理策略，同步規避所面臨的人民幣利率匯率雙重風險。

（責任編輯：徐璐）

參考文獻：

[1]林孝貴，劉飛.基于DCC-BGARCH模型人民幣升值風險動態管理研究[J].海南金融，2013（1）：29-32.

[2]范利民，唐莆莆，阮青松.我國商業銀行外匯套期保值策略研究[J].國際金融研究，2007（4）：69-73.

[3]張高勛，田益祥，李秋敏.基于Copula-ECM-GARCH模型的動態最優套期保值比率估計及比較[J].系統工程，201

1（8）：56-64.