关键词：条件风险价值；动态套期保值；DCC-BGARCH模型；最优套期比
如何帮助我国涉外企业有效规避外汇风险已成为亟待解决的问题。我国境内和境外都有人民币外汇远期，怎样通过套期保值策略使风险达到最小，是人们追求的目标。由于传统的方差最小化策略不能很好地反映人民币汇率波动的非对称性，可以考虑VaR和CVaR下方风险最小化策略，但是VaR不满足一致性风险度量理论的次可加性公理，而且忽略了对套期保值资产组合尾部损失的控制。CVaR可以弥补VaR在度量尾部损失方面的不足，被学术界认为是一种比VaR风险计量技术更为合理有效的现代风险管理方法[1]。考虑到人民币即期汇率，期货汇率和远期汇率的波动具有时变性和聚集性，所以本文使用GARCH模型估计这些汇率的波动性[2]，使用动态条件相关（Dynamic Condition Correlation，DCC）模型估计它们的相关性[3]。在此基础上，本文研究基于DCC-BGARCH模型人民币升值动态风险管理问题，设计出该模型的最优策略，并且比较该策略与传统策略的风险和效率，分析该策略的优越性，我国企业可以借鉴该策略规避人民币升值风险，稳定生产收益。
二、动态管理人民币升值风险的DCC-BGARCH模型
传统的套期保值策略都假设方差是非时变的，并且要求变量间具有固定的相关关系，这显然不符合人民币汇率波动的时变性，以及即期汇率与期货汇率关系的时变性。Engle（1982）提出的自回归条件异方差（ARCH）模型对于刻画方差的时变性提供了一个全新的思路，其主要思想是扰动项的条件方差依赖于它前期值的大小。但随着应用的深入，人们发现ARCH模型需要使用高阶的滞后期方能很好的描述波动性特征，这为估计带来了很大的困难。为了弥补ARCH的不足，Bollerslve（1986）提出了广义自回归条件异方差（GARCH）模型，该模型使待估参数大为减少，提高了模型的预测精度。然而1维GARCH模型只能拟合一个时间序列，无法同时分析人民币即期汇率与期货汇率的交互影响。
三、DCC-MGARCH模型动态管理人民币升值风险效果分析
为了比较DCC-MGARCH模型与其它模型动态管理人民币升值风险的效果，笔者选取2010年9月10日至2011年9月30日期间的动态套期比进行效果分析，剔除日收益率不匹配数据，共计248对人民币兑美元的现货和期货数据日数据。设St为人民币兑美元现货汇率序列，其数据来源于中国货币网公布的汇率中间价；设ft为人民币兑美元期货汇率序列，其数据来源于美国芝加哥商品期货交易所（CME）外汇期货市场的期货价格。为避免价格异动和实物交割，不选择交割月份的期货合约。因此，数据选取期货4个季月合约数据，每种合约数据取其交割月份之前的3个月交易价格。即前一年的12月和本年的1、2月的数据取本年3月的期货价格；本年3、4、5月的数据取本年6月的期货价格；本年6、7、8月的数据取本年9月的期货数据；本年9、10、11月的数据取本年12月的期货价格，这样就构造出了一个连续的期货价格序列。
研究表明以CVaR风险最小化为目标，建立套期保值模型，设计动态管理人民币升值风险的期货套期保值策略，运用DCC-GARCH模型可以很好刻画人民币现货汇率和期货汇率波动性与相关性，动态套期保值策略具有较高套期保值绩效结果。
（特约编辑：罗洋）
参考文献：
[1]安俊英，张卫国.基于CVaR的期货套期保值决策模型[J]. 2009，31（4）.
[2]刘继春.多维GARCH模型的估计和检验[J].吉林大学学报（自然科学版），2000， （4）： 37-40.
[3]张青，程希骏，陈功.推广的DCC模型及其在中国股市的应用[J]. 工程数学学报，2011，28（1）.
