人民币利率汇率双重风险动态同步管理与静态同步管理

开篇：润墨网以专业的文秘视角，为您筛选了一篇人民币利率汇率双重风险动态同步管理与静态同步管理范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：因人民币利率和汇率变化，我国出口企业在借款用于生产出口收到外汇货款过程中，面临很大人民币利率汇率双重风险。本文用变量表示双重风险、用方差度量双重风险大小，用人民币利率远期、外汇远期和外汇期货等衍生工具对人民币利率汇率双重风险进行静态同步管理，用GARCH模型拟合双重风险波动的聚集性来对双重风险进行动态同步管理。最后，本文结合企业实际，对研究结果进行实证分析，使企业可以灵活使用动态同步管理策略和静态同步管理策略，同步规避所面临的人民币利率汇率双重风险。

关键词：人民币；利率风险；汇率风险；动态同步管理；静态同步管理

中图分类号：F832.2 文献标识码：A 文章编号：1003-9031（2013）10-0031-04 DOI：10.3969/j.issn.1003-9031.2013.10.07

一、引言

我国出口企业的主要收入是外汇货款，由于汇率变动，企业会面临很大外汇风险；同时，企业在生产过程中需要借款，由于利率波动，借款成本有很大不确定性。本文将我国出口企业面临人民币利率风险和汇率风险作为一个整体来处理，称之为人民币利率汇率双重风险。双重风险给企业的收入和成本带来很大的不确定性，特别是在人民币既升值又加息的情况下，企业在收入外汇货款时遭受严重贬值，而在借款中又大大增加了借款成本，这些风险不仅使企业的利润降低、成本提高，还可能会影响到企业的生存问题。因此，怎样有效地规避人民币利率汇率双重风险对我国出口企业显得尤为重要。

在利率风险和汇率风险管理理论方法研究方面，人们多数把利率风险和汇率风险分开研究，对它们分别进行独立管理。林孝贵等（2013）研究用人民币外汇期货管理人民币升值风险[1]。虽然有少数学者研究利率风险和汇率风险的同步管理，使用的工具是外汇远期和利率期货，但对人民币利率风险和汇率风险而言，因为没有与之完全吻合的衍生工具而不便直接使用。范利民等（2007）研究了运用远期外汇和利率期货同步管理商业银行的利率风险和外汇风险[2]。考虑到金融时间序列具有聚集性和动态性，张高勋等（2011）把GARCH模型应用于研究套期保值的效果[3]。但这些研究都不是针对人民币，而且使用的工具都是外汇远期和利率期货。由于目前市场上没有相应的人民币利率期货，所以用这些现有方法不便同步管理人民币的利率风险和汇率风险。关于人民币的衍生工具问题，在我国境内市场上可找到人民币利率远期和外汇远期，而在境外市场上有人民币外汇期货和本金交割的外汇远期即NDF（Non-Delivery Forward）。本文首先研究我国出口企业面临人民币利率汇率双重风险情况，用变量对双重风险进行表示和度量，再使用目前市场上已经存在的人民币外汇远期、外汇期货和利率远期等衍生工具对人民币利率汇率双重风险进行静态同步管理和动态同步管理，并运用GARCH模型拟合双重风险的聚集性和动态性，结合我国出口企业具体情况，对上述研究结果进行实证分析，使企业能够选择适当方法规避所面临的人民币利率汇率双重风险。

二、出口企业人民币汇率利率双重风险的表示与度量

为了方便表示我国出口企业面临的人民币利率汇率双重风险，把利率数值扩大100倍，设企业在将来需要借入？姿i100A万元人民币用于生产，借款时间长度为Δt，同时收到？姿eA万元外币货款，其中A是公因子。设直接标价法下的人民币汇率在当前和将来分别是e0和e，则企业的外汇货款因人民币升值而带来的损失额是？姿eA（e0-e）；设人民币利率在当前和将来分别是i*0和i*，则企业借款因人民币加息而带来的损失额是？姿i100A（i*-i*0）Δt。记

i=100i*Δt， i0=100i*0Δt

x=？姿ii-？姿ee， x0=？姿ii0-？姿ie0

合并两项损失，得到企业遭受双重风险的损失额为

？姿eA（e0-e）+？姿iA（i-i0）=A（x-x0） （1）

由式（1）可知，e和i的变化是导致x变化的原因，即e和i的变化主导了x的变化，并且e的波动对x有负向影响，而i的波动对x有正向影响。当人民币升值或加息时，即当e下降或i上升时，x就会上升，此时企业就会遭受损失；当人民币升值并且加息时，即当e下降，同时i上升时，x上升的幅度很大，此时企业的损失就会很大。所以，x可作为刻画企业双重风险的变量。x上升幅度越大，企业的损失就越大；x上升幅度越小，企业的损失就越小。本文定义x、i和e的方差及i和e的相关系数为：

hxx=Var（x）， ？滓2i=Var（i）

？滓2e=Var（e）， ？籽ie=Cov（i，e）/？滓i？滓e

如果用双重损失额的方差来度量我国出口企业面临人民币利率汇率双重风险的大小，则求式（1）方差可得到企业双重风险的程度为：

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，当人民币升值又加息时，i与e具有负相关性。此时？籽ie

三、双重风险静态同步管理

运用衍生工具进行风险静态管理，就是在管理期间，不需要根据市场变化情况改变衍生工具的单位数量，始终是用一样多的衍生工具单位数量进行管理。静态风险管理可以直接运用经典的回归方法进行分析，但是要求随机波动项具有独立的方差。

企业既要稳定外汇货款价值，又要控制借款成本，就必须设法规避将来因人民币汇率和利率波动给企业带来的双重风险的损失-A（x0-x），或通过套期保值方法稳定企业将来的回报A（x0-x）。根据市场上交易的人民币利率远期，外汇远期和外汇期货，企业可考虑买入数量为ki100A的人民币利率远期，同时卖出数量为keA人民币外汇期货或外汇远期对上述双重风险进行同步管理。设人民币外汇期货或外汇远期当前和将来的价格分别是f0和f，人民币远期利率当前和将来分别是r*0和r*，记r=100r*Δt，r0=100r*0Δt，定义

k=ki-ke，F=rf，F0=r0f0

则x与f的协方差和复相关系数为

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=■

企业为同步管理所交易的衍生工具在将来的收益可表示为AKT（F-F0），企业在将来收到外汇货款和借款及衍生工具等头寸的组合价值可表示为：

V=A（x0-x）+AKT（F-F0）

本文用上述组合价值的方差来度量同步套期保值策略的风险，其风险值为：

？滓2（K）=A2（hxx+KTHFFK-2KTHFx） （3）

为了求出上述风险函数的最小值点，令？滓2（K）关于K的偏导数等于0，就得到下面矩阵方程：

■=2A2（HFFK-HFx）=0

因式（3）关于K的函数一定存在最小值，所以上述方程的唯一解就是同步静态管理的最优套期比：

K*=H■■HFx

写出K*的分量形式：

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

同步管理策略本身还存在风险，把K*代入式（3）得到最优套期比对应的同步管理策略方差风险：

？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*）是同步管理策略的标准差风险，？滓2（K*）是度量同步管理策略风险的绝对指标，为了得到相对指标，用？滓2（K*）去除不保值风险A2hxx得到同步管理策略的效率指标：

？祝2=A-2h■■？滓2（K*）=1-P■■， 0≤？祝2≤1 （6）

？祝2是一个逆指标，指标值越小，同步管理策略的效果越好。显然，复相关系数平方P2也是评价同步管理策略效果的相对指标。P■■是一个正指标，指标值越大，同步管理策略效果越好。

四、双重风险动态同步管理

运用衍生工具进行风险动态管理，就是根据市场变化情况改变衍生工具单位数量。由于市场上金融时间序列波动具有聚集性等特征，其随机波动项的无条件方差是常数，而条件方差是变量，所以直接运用经典的回归分析方法进行静态管理会有较大缺陷，应该考虑使用动态模型来拟合金融时间序列波动。

动态波动模型的一般形式是

rt=？滋t+■

其中，ht是在t时间收益率的波动量，？滋t是期望收益率，rt是实际收益率，zt是残差序列，模型的随机性来源于随机变量zt。

在各种动态波动模型中，GARCH（p，q）模型是最常用的。对大多数金融时间序列来说，GARCH（1，1）模型已经能够满足要求。因此，本文采用如下的GARCH（1，1）模型来分析动态管理问题。

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

运用时间序列分析软件分别建立xt、rt和ft等序列的GARCH（1，1）模型，就可以估计这些序列的动态方差、动态协方差、动态相关系数和动态复相关系数，分别记为：

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

将上式分别代入式（4）、（5）和（6），得到动态同步管理的最优套期比及其评价指标：

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、双重风险动态同步管理与静态同步管理比较

在实际中，只要估计套期保值策略的评价指标，就可以通过比较指标值来比较动态同步管理策略与静态同步管理策略。

杭州某进出口导向型上市公司，主营以棉、毛、丝、麻、晴纶为原料的针织、梭织服装，服饰和家用纺织品的出口业务。出口销售收入货款主要以美元结算，从签订产品出口合同到收到美元外汇货款需要3个月时间。该公司在各生产周期中，需要借入人民币用于生产。公司在2012年9月20日有计划，3个月后将收到238万美元货款，需要兑换成人民币；同时，公司要在3个月后借款20000万元人民币，借期3个月。于是公司面临3个月后人民币加息又升值的双重风险。在双重风险变量x=？姿ii-？姿ee中，比例系数为？姿i=1，？姿e=1.19，公因子为A=200。借款期限为Δt=0.25年。为了方便，选取2011年11月25日至2012年12月20日共207个交易日数据进行分析，其中用插值法适当补齐某些缺失的数据。i*t表示上海银行间同业拆放利率（SHIBOR）①；i*t是兴业银行人民币3×6远期利率②；et是人民币兑美元中间价③；ft是境外非本金交割3月期人民币外汇远期（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，运用EViews软件分别建立xt、rt和ft的GARCH（1，1）模型，并且估计出它们的方差、协方差、相关系数和复相关系数，再根据式（8）、（9）和（10），计算出这一天的同步管理最优套期比及其相应评价指标值。类似地，保持样本容量207，时间逐日前移，得到表1的结果。

（一）企业双重风险的静态同步管理

把2012年9月20日定为双重风险静态同步管理入市时间，并且在风险管理期间不考虑市场变化，即不需根据市场变化而改变用于套期保值的衍生品单位数量。由表1可知，2012年9月20日的套期比分别是K*i=0.8009，k*e=0.3531。因为：

K*i100A=0.8009×100×200=16018

K*eA=0.3531×200=70.62

所以企业买入名义本金为16018万元人民币，规格为3×6的远期利率协议，并且卖出名义本金为70.62万美元，期限为3个月的远期外汇协议，同步规避3个月后借款20000万人民币，收到238万美元的利率风险和汇率风险。这是静态同步管理，要求在套期保值期间不改变这些衍生品头寸。这一策略取得的风险管理效率为0.1034，这一数值比较靠近0，所以该策略效率还是较高的。另外，实施该策略标准差风险为17.74。

（二）企业双重风险的动态同步管理

动态同步管理需要根据市场不同情况调整远期利率头寸和远期外汇头寸。由于调整衍生品头寸需要成本，所以不一定每天都需要调整衍生品的头寸。如果发现某天市场出现较大变化，例如预期收益突然出现很大变化，或效率逐步提高后出现拐点等，就应该调整衍生品的头寸，使风险管理策略处于较大优势状态。

由表1可知，从2011年9月21日开始，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日连续两天出现相同效率0.0708，效率不再提高，甚至有可能出现反转，于是可以认为2012年11月2日的策略为较好策略，按这一天套期比调整衍生品头寸。因为K*i=0.7634，K*e=0.6288。

K*i100A=0.7634×100×200=15266

K*eA=0.6288×200=125.76

因此，企业在这一天衍生品头寸应该调整为：买入名义本金为15266万元人民币的远期利率协议，卖出名义本金为125.76万美元的远期外汇协议。

由表2可知，在企业面临人民币利率汇率双重风险下，动态同步管理策略的效率比静态同步管理策略大幅提高，相应的标准差风险也有所降低。动态同步管理的逆指标效率是0.0708，比静态同步管理利率风险提高了31.53%；动态同步管理策略的标准差风险是17.2078，比静态同步管理风险降低了3.0%。

六、结束语

我国外贸企业在日常经营中常常面临人民币利率和风险双重风险，用风险度量方法度量双重风险，用套期保值方法规避双重风险。通过买入人民币远期利率、卖出人民币外汇远期或外汇期货，就可以对双重风险进行静态同步管理。根据金融时间序列波动具有聚集性和动态性等特征，运用GARCH模型可以拟合双重风险的波动，由EViews软件得到动态同步管理和静态同步管理的最优套期比和对应的评价指标。根据市场变化情况，可以动态地调整同步风险管理策略。动态同步管理比静态同步管理更加灵活、更加优越。企业可使用GARCH模型分析对比每一天的套期比、风险和效率等市场变化情况，再把同步管理策略调整为更加优化的策略。企业在实际中可以灵活采用动态同步管理策略和静态同步管理策略，同步规避所面临的人民币利率汇率双重风险。

参考文献：

[1]林孝贵，刘飞.基于DCC-BGARCH模型人民币升值风险动态管理研究[J].海南金融，2013（1）：29-32.

[2]范利民，唐莆莆，阮青松.我国商业银行外汇套期保值策略研究[J].国际金融研究，2007（4）：69-73.

[3]张高勋，田益祥，李秋敏.基于Copula-ECM-GARCH模型的动态最优套期保值比率估计及比较[J].系统工程，201

1（8）：56-64.