王天倫

（武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院，湖北武漢430072）

我國家具制造業(yè)上市公司外匯風(fēng)險(xiǎn)管理研究
——基于GARCH模型與VaR方法

王天倫

（武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院，湖北武漢430072）

選取我國7家代表性家具制造業(yè)上市公司2012-2013年數(shù)據(jù)，運(yùn)用廣義自回歸條件異方差模型（GARCH）和VaR方法，旨在測算人民幣匯率變動對以出口為導(dǎo)向的家具制造業(yè)造成的潛在外匯風(fēng)險(xiǎn)。結(jié)果表明，其中3家公司風(fēng)險(xiǎn)敞口較小，建議通過資金需求和訂單議價(jià)靈活調(diào)整；另外4家公司存在較明顯的外匯風(fēng)險(xiǎn)，需要尋找合適的匯率風(fēng)險(xiǎn)管理工具管理風(fēng)險(xiǎn)。

家具制造業(yè)；外匯風(fēng)險(xiǎn)；GARCH模型；VaR方法

0 引言

當(dāng)前，世界經(jīng)濟(jì)復(fù)蘇乏力，主要發(fā)達(dá)國家利用其貨幣的強(qiáng)勢地位大量釋放流動性，推行量化寬松政策，導(dǎo)致世界貨幣體系中匯率的波動日趨頻繁和劇烈。在國際浮動匯率制度的宏觀環(huán)境和國內(nèi)逐步開放金融業(yè)的微觀環(huán)境下，外匯風(fēng)險(xiǎn)管理能力較差的中國制造企業(yè)，特別是出口導(dǎo)向型企業(yè)面臨著巨大的外匯風(fēng)險(xiǎn)。

2005年7月21日，中國人民銀行宣布廢除盯住單一美元的匯率制度，開始實(shí)行以市場供求為基礎(chǔ)、參考一籃子貨幣進(jìn)行調(diào)節(jié)有管理的浮動匯率制度，人民幣一次性升值2%。2007年5月21日，人民銀行擴(kuò)大人民幣兌美元日波動區(qū)間上限至0.5%。2008年，人民幣匯改后已累計(jì)升值了19%，但受金融危機(jī)的影響，人民幣停止了升值的趨勢。2010年6月19日，中國央行決定進(jìn)一步推進(jìn)人民幣匯率形成機(jī)制改革，增強(qiáng)人民幣匯率彈性。從我國匯率制度改革的發(fā)展進(jìn)程來看，盡管人民幣并未在外部升值壓力下一味升值，但人民幣波動區(qū)間擴(kuò)大，彈性增加，向自由浮動發(fā)展是未來的趨勢。這就對我國外向型企業(yè)的外匯風(fēng)險(xiǎn)管理能力提出了巨大的挑戰(zhàn)。

我國家具制造行業(yè)是典型的外向型行業(yè)。由于實(shí)木家具、金屬家具等屬于勞動密集型產(chǎn)業(yè)，在生產(chǎn)過程中有噪音、粉塵、漆霧和有害氣體等污染，在發(fā)達(dá)國家已經(jīng)逐步衰落，這一產(chǎn)業(yè)主要轉(zhuǎn)向發(fā)展中國家，如中國、波蘭、墨西哥等。我國由于擁有豐富的勞動力和木材資源，改革開放以來，已逐漸成為世界家具制造中心。據(jù)資料統(tǒng)計(jì)，2001-2010年間我國家具出口復(fù)合增長率達(dá)30.16%，家具出口市場份額由2003年的14.6%增加到2010年的24.7%，已成為全球家具出口最多的國家。而這一產(chǎn)業(yè)由于資金、技術(shù)壁壘低，也無市場準(zhǔn)入門檻，導(dǎo)致行業(yè)中企業(yè)眾多，行業(yè)集中度低，同質(zhì)化競爭嚴(yán)重，大量小企業(yè)以低價(jià)位參與市場競爭，真正有實(shí)力的企業(yè)不多。這一行業(yè)中的上市公司是有實(shí)力企業(yè)的代表，它們的經(jīng)營狀況能夠反映整個(gè)行業(yè)的景氣程度和發(fā)展前景，代表企業(yè)有宜華木業(yè)、浙江永強(qiáng)、海歐衛(wèi)浴等。綜觀這些上市公司有兩大特點(diǎn)：一是出口收入占總收入的比重大多高于50%，浙江永強(qiáng)達(dá)到98%，基本上全部產(chǎn)品用于出口；二是出口地大多集中在美國，外幣收入主要是美元。盡管這些企業(yè)利用銀行的外匯掉期交易規(guī)避了訂單中的外匯風(fēng)險(xiǎn)，但其賬面上仍有大量的外幣資金和外幣銀行存款（主要是美元）。因此，這些企業(yè)在外匯風(fēng)險(xiǎn)逐漸增大的今天，能否擁有良好的計(jì)量外匯敞口、管理外匯風(fēng)險(xiǎn)的工具顯得尤為重要。

在險(xiǎn)值（Value at Risk，VaR）是一種用于測量和控制金融風(fēng)險(xiǎn)的量化工具。VaR的優(yōu)點(diǎn)在于其簡明性和綜合性，將市場風(fēng)險(xiǎn)概括為一個(gè)簡單的數(shù)字，便于使用者理解。最早預(yù)測VaR的是J.P Morgan在RiskMetrics產(chǎn)品中采用的EWMA方法，該方法比較簡單，無需參數(shù)估計(jì)。但這種方法在計(jì)量外匯風(fēng)險(xiǎn)時(shí)，沒有考慮殘差序列的異方差性，且假定時(shí)間序列呈正態(tài)分布，不符合金融時(shí)間序列數(shù)據(jù)尖峰厚尾的特點(diǎn)。后來的很多學(xué)者［1-5］在研究中開始運(yùn)用廣義自回歸條件異方差模型（GARCH）進(jìn)行VaR的計(jì)算和預(yù)測。上述文獻(xiàn)大多只是利用GARCH中的一個(gè)模型，比如GARCH（1，1）、GARCH-M等算出匯率波動的VaR，沒有與實(shí)際企業(yè)或者某一產(chǎn)業(yè)聯(lián)系起來，很難運(yùn)用到實(shí)務(wù)當(dāng)中。

本文采用GARCH-M模型預(yù)測未來匯率波動率的VaR，再從家具行業(yè)上市公司財(cái)務(wù)報(bào)告中摘取其外匯風(fēng)險(xiǎn)敞口，預(yù)測在近三個(gè)月內(nèi)外匯資產(chǎn)的在險(xiǎn)值，從而為家具上市公司提供風(fēng)險(xiǎn)預(yù)警的工具，以便其采用更有效的外匯風(fēng)險(xiǎn)管理工具。

1 模型與數(shù)據(jù)

1.1 VaR模型

VaR（Value at Risk）是指在市場正常波動的情況下，某一金融資產(chǎn)或證券組合的最大損失。用數(shù)學(xué)語言可描述為，在一定概率水平下，資產(chǎn)組合的最大可能損失。公式表示為

其中ΔP表示資產(chǎn)組合的預(yù)期損失。

實(shí)際上，如果用r作為資產(chǎn)的收益率，公式（1）可變形為

其中rmax表示單位資產(chǎn)在給定概率α下的最大損失。

要正確度量風(fēng)險(xiǎn)資產(chǎn)的VaR，需要知道兩個(gè)因素：持有期和置信水平。資產(chǎn)的持有者一般根據(jù)自身現(xiàn)金流狀況確定持有期，根據(jù)風(fēng)險(xiǎn)承受能力確定置信水平。

設(shè)收益率r的概率密度函數(shù)為（fr），在給定置信水平1-α下，即有

或者

在有效市場前提下，可以認(rèn)為r服從正態(tài)分布，即r～N(μ，σ2)，從而

其中?(Z)為標(biāo)準(zhǔn)正態(tài)隨機(jī)變量的分布函數(shù)。由此可知，如果我們找出了μ和σ，那么由?(Z)的嚴(yán)格單調(diào)增加性和公式（5）可知，α和rmax可以互相唯一確定。

1.2 GARCH模型

廣義自回歸條件異方差模型（GARCH）是在Engle［6］的ARCH模型上，由Bollerslev［7］提出。在金融領(lǐng)域，資產(chǎn)價(jià)格波動往往存在明顯的“波動性集聚”（volatility clustering）現(xiàn)象（指如果本期或過去若干期的波動較大，則未來幾期的波動可能也會很大。即方差大的觀測值似乎集聚在一起，而方差小的觀測值也會發(fā)生集聚）。在ARCH模型建立之前，經(jīng)濟(jì)學(xué)家一直假設(shè)時(shí)間序列的方差是恒定的。而ARCH模型考慮了方差的波動性，故而能更好地預(yù)測方差，從而能夠更好地計(jì)算VaR值（因?yàn)閂aR依賴于對未來收益率方差的預(yù)測）。最常見的ARCH（p）模型在估計(jì)時(shí)，如果自回歸階數(shù)p過大，則需要估計(jì)很多參數(shù)，會損失樣本容量。而Bollerslev在ARCH模型的基礎(chǔ)上，加入了自回歸部分，即GARCH項(xiàng)，使得待估計(jì)參數(shù)減少，從而對未來?xiàng)l件方差的預(yù)測更準(zhǔn)確。GARCH（p，q）模型具體形式為

其中，xt是解釋變量，yt是被解釋變量，γ，μ，α1，…，αm，β1，β2，…，βr為參數(shù)，且滿足

p=max(m，r)，若m＞r，則βj=0，j＞r；若r＞m，則αj=0，j＞m。εt為隨機(jī)干擾項(xiàng)，雖然εt的無條件方差是一常數(shù)δ2，但εt的條件方差可能隨時(shí)間而變化。是εt方差的預(yù)測值。GARCH（p，q）模型主要描述的是條件異方差的變化規(guī)律，恰好可以用來衡量外匯市場上所存在的風(fēng)險(xiǎn)的運(yùn)動規(guī)律。

1.3 數(shù)據(jù)

為了揭示匯改以后人民幣兌美元的匯率風(fēng)險(xiǎn)，本文選取了2007年5月21日到2013年5月29日國家外匯管理局公布的人民幣兌美元中間價(jià)的日數(shù)據(jù)，共1 466個(gè)觀測值，記為USDt，其走勢見圖1。

圖1 人民幣兌美元匯率中間價(jià)走勢圖Fig.1Central parity of RMB against USD

為了得到匯率的日收益率數(shù)據(jù)rt，將原始數(shù)據(jù)做對數(shù)一階差分，即rt=ln USDt-ln USDt-1，得到新的序列rt，其描述性統(tǒng)計(jì)見圖2。

圖2 rt的描述性統(tǒng)計(jì)Fig.2Descriptive statistics ofrt

圖2中，峰度（kurtosis）5.37＞3，呈尖峰特征，偏度（skewness）-0.46說明序列長期存在左厚尾特征，即該序列存在金融數(shù)據(jù)時(shí)間序列常見的“尖峰厚尾”，基于正態(tài)分布假設(shè)的模型均不再適用。而GARCH模型是更為合適的方法。

同時(shí)，為了測算我國家具行業(yè)上市公司美元外匯風(fēng)險(xiǎn)敞口，本文選取了行業(yè)中7家上市公司，摘取了這7家上市公司2013年一季報(bào)中的“匯率變動對現(xiàn)金及現(xiàn)金等價(jià)物的影響”值和2012年年報(bào)中“美元現(xiàn)金和銀行存款”總額（見表1），以此來預(yù)測未來3個(gè)月這些上市公司的美元外匯風(fēng)險(xiǎn)暴露。

表1 家具行業(yè)7家上市公司美元外匯風(fēng)險(xiǎn)敞口Tab.1USD foreign exchange risk exposure of 7 listedcompanies in furniture industry

2 實(shí)證分析

2.1 對rt序列的檢驗(yàn)

對收益率rt序列做單位根檢驗(yàn)，結(jié)果見表2。

表2 單位根檢驗(yàn)結(jié)果Tab.2Unit root test

從單位根檢驗(yàn)結(jié)果來看，ADF檢驗(yàn)的t值均小于不同顯著性水平下的臨界值，因此rt序列是平穩(wěn)的。Durbin-Watson檢驗(yàn)輸出結(jié)果為1.999 2，非常接近2，殘差不存在序列相關(guān)。

將rt序列繪成一張圖（見圖3），從圖中可以發(fā)現(xiàn)明顯的叢集效應(yīng)。在左側(cè)匯率收益率的波動比較大，中間波動幅度比較小，最后波動幅度又開始變大。匯改后人民幣升值加快，2008年經(jīng)濟(jì)危機(jī)后人民幣停止升值，2010年擴(kuò)大人民幣匯率波動區(qū)間后波動幅度再次增大，圖形與經(jīng)濟(jì)事實(shí)一致。時(shí)間序列的叢集效應(yīng)說明可能存在異方差現(xiàn)象。做進(jìn)一步檢驗(yàn)，結(jié)果見表3。

圖3 匯率日收益率序列圖Fig.3Daily yield of exchange rate

表3 異方差檢驗(yàn)Tab.3Heteroscedasticity test

ARCH檢驗(yàn)的原假設(shè)是同方差，檢驗(yàn)結(jié)果強(qiáng)烈拒絕了原假設(shè)，表示序列存在顯著的異方差現(xiàn)象。

通過對時(shí)間序列rt分別進(jìn)行單位根、序列相關(guān)和異方差檢驗(yàn)得知，匯率波動收益率序列是平穩(wěn)的，不存在序列相關(guān)，但存在嚴(yán)重的異方差，因此，基于同方差假設(shè)的波動性度量方法都是不適用的。而GARCH模型建立在異方差的基礎(chǔ)上，恰好可以解決這一問題。

2.2 GARCH模型估計(jì)

利用Eviews數(shù)次試算，分別建立GARCH（1，1）、GARCH-M、TARCH、EARCH模型，通過均值方程和GARCH模型的顯著性判斷GARCH-M是較好的模型，估計(jì)方程結(jié)果如下：

RESID（-1）^2是我們通常所說的ARCH項(xiàng)，從表4可見，ARCH項(xiàng)和GARCH項(xiàng)均顯著不為零，說明條件異方差效應(yīng)明顯，美元對人民幣匯率日收益率波動具有聚集性，即幅度較大的波動會相對集中在某些時(shí)段，而幅度較小的波動會集中在另一些時(shí)段。ARCH項(xiàng)系數(shù)反映外部沖擊對匯率日收益率波動的影響，其值大于零，反映外部沖擊會加劇系統(tǒng)的波動性，GARCH項(xiàng)數(shù)據(jù)為0.872，反映了系統(tǒng)較長的記憶性，即波動率的沖擊衰減得會比較慢，兩系數(shù)之和為0.992，說明波動的持續(xù)性較強(qiáng)。

表4 GARCH-M估計(jì)結(jié)果Tab.4Result of GARCH-M estimation

最后利用GARCH-M模型對匯率收益率時(shí)間序列進(jìn)行預(yù)測，結(jié)果如圖4。

圖4（a）為95%的置信區(qū)間內(nèi)均值的預(yù)測值。圖4（b）為方差預(yù)測值，可以看出，均值圍繞0上下波動，波動幅度在3%左右。方差在預(yù)測區(qū)間內(nèi)是穩(wěn)定上升的，但上升的速度越來越慢，最后幾近水平。

2.3 VaR法測算風(fēng)險(xiǎn)敞口

圖4 GARCH-M模型預(yù)測結(jié)果圖Fig.4Result of GARCH-M prediction

在建立GARCH-M模型之后，得到匯率日收益率的預(yù)測序列。根據(jù)此預(yù)測序列，推算出在未來30天人民幣兌美元的匯率波動率，并取其平均值作為日匯率波動率，繼而利用公式（8）對匯率波動率VaR進(jìn)行預(yù)測，最后與各家具上市公司美元外匯風(fēng)險(xiǎn)敞口相乘，即可得到在一定時(shí)間范圍內(nèi)的美元資產(chǎn)損失的最大值。最后的預(yù)測結(jié)果見表5。

表5給出了我國家具制造業(yè)7家上市公司美元外匯風(fēng)險(xiǎn)暴露。可以看出，隨著置信水平的提高，外匯風(fēng)險(xiǎn)暴露越大。從整體來看，7家上市企業(yè)未來一個(gè)月的外匯風(fēng)險(xiǎn)敞口并不大，為幾百到幾千美元不等，最高不過4 000美元。這一方面得益于人民幣匯率波動幅度相對較小，另一方面，由于我國是家具出口大國，擁有一定的議價(jià)能力，可以隨時(shí)根據(jù)匯率的變化調(diào)整價(jià)格，避免對生產(chǎn)企業(yè)造成損失。

對于風(fēng)險(xiǎn)敞口較小的企業(yè)，如梅花傘、科冕木業(yè)和索菲亞，由于月度外匯風(fēng)險(xiǎn)暴露在幾百美元之間，可以不考慮利用衍生金融工具規(guī)避風(fēng)險(xiǎn)，只需根據(jù)資金需求和訂單數(shù)量靈活調(diào)整即可。對于風(fēng)險(xiǎn)敞口較大的企業(yè)，如浙江永強(qiáng)、*ST成霖、海歐衛(wèi)浴和宜華木業(yè)，可以考慮與銀行簽訂遠(yuǎn)期外匯協(xié)議。如果現(xiàn)金流比較固定，還可以簽訂貨幣互換協(xié)議，規(guī)避匯率風(fēng)險(xiǎn)。當(dāng)然，在外匯市場尋找有利的套期保值合約也是不錯(cuò)的方法。

表5 7家家具制造業(yè)上市公司美元外匯風(fēng)險(xiǎn)暴露預(yù)測表Tab.5Prediction of USD foreign exchange risk exposure for 7 listed companies in furniture industry

總之，利用GARCH模型和VaR方法作為外匯風(fēng)險(xiǎn)暴露度量的工具，對于目前家具制造行業(yè)是很有必要的。既可以判斷每個(gè)企業(yè)是否需要利用外匯風(fēng)險(xiǎn)管理工具，又可以判斷自身外匯風(fēng)險(xiǎn)敞口。

3 結(jié)論

本文利用GARCH模型和VaR方法度量了我國家具制造行業(yè)上市公司的外匯風(fēng)險(xiǎn)敞口。在對人民幣兌美元中間價(jià)日收益率的時(shí)間序列分析中發(fā)現(xiàn)，這一時(shí)間序列是平穩(wěn)的，殘差序列不存在自相關(guān)，但存在嚴(yán)重的異方差，經(jīng)過試算論證，GARCH-M是比較合適的模型。在對匯率日收益率序列進(jìn)行預(yù)測的基礎(chǔ)上，VaR方法度量了在一定置信水平下7家家具制造業(yè)上市公司所面臨的最大外匯損失。結(jié)果發(fā)現(xiàn)，一部分風(fēng)險(xiǎn)暴露比較小的上市公司不需要利用金融衍生工具進(jìn)行外匯風(fēng)險(xiǎn)管理，只需通過資金需求和訂單議價(jià)靈活調(diào)整；而另一部分外匯風(fēng)險(xiǎn)敞口較大的企業(yè)需要通過銀行或者在外匯交易市場上尋找合適的匯率風(fēng)險(xiǎn)管理工具管理自身所面臨的外匯風(fēng)險(xiǎn)。

（References）

［1］MONICA B，LORIANA P.Value-at-risk：a multivari?ate switching regime approach［J］.Journal of Empirical Finance，2000（7）：531-554.

［2］ROCKAFELLAR R T，URYASEV S.Optimization of conditional value-at-risk［J］.Journal of Risk，2000（2）：21-24.

［3］邱沛光.GARCH模型在VaR計(jì)量中的應(yīng)用［J］.陜西農(nóng)業(yè)科學(xué)，2004（3）：52-55.

［4］龔妮.GARCH模型與VAR法在外匯風(fēng)險(xiǎn)度量中的應(yīng)用［J］.黑龍江對外經(jīng)貿(mào)，2006（6）：29-30.

［5］劉瑾，施建準(zhǔn).基于ARCH類模型的VaR方法在外匯風(fēng)險(xiǎn)計(jì)量中的應(yīng)用［J］.國際金融研究，2008（8）：35-43.

［6］ENGLE R F.Autoregressive conditional heteroskedas?ticity with estimates of the variance of UK inflation［J］. Econometrica，1982，50：987-1008.

［7］BOLLERSLEV T.Generalized autoregressive condition?al heteroskedasticity［J］.Journal of Econometrics，1986，31：307-327.

（責(zé)任編輯：強(qiáng)士端）

Estimation of Foreign Exchange Risk on Listed Companies of Chinese Furniture Manufacturing:Based on GARCH Model and VaR Method

WANG Tianlun
（School of Economics and Management，Wuhan University，Wuhan 430072，Hubei，China）

To know the potential foreign exchange risk of furniture manufacturing in China，chooses seven representative listed companies and analyses the data of them from 2012 to 2013 with GARCH model and VaR method.Results show that three of them have low risk window，however the other four companies have experienced obvious risk，and they are strongly recommended to use proper management tools for risk control.

furniture manufacturing；foreign exchange risk；GARCH model；VaR method

F840.323

A

1673-0143（2014）03-0031-06

2014-03-11

王天倫（1990—），女，碩士生，研究方向：應(yīng)用經(jīng)濟(jì)學(xué)。