基于GARCH模型的中國行業(yè)外匯風險暴露研究

徐晨鵬，王相寧

(中國科學技術大學管理學院統(tǒng)計與金融系，安徽合肥 230026)

0 引言

自20世紀70年代布雷頓森林體系崩潰以來，固定匯率時代宣告終結，各國貨幣之間匯率的波動性逐漸放大.匯率的波動不僅給進出口企業(yè)帶來極大的風險，還會給宏觀經(jīng)濟運行帶來不穩(wěn)定性，甚至匯率短期內的劇烈波動更會使一國的經(jīng)濟運行受到重創(chuàng).近幾十年來，匯率波動及其相關風險的研究吸引了眾多學者的目光，該領域也成為國際金融管理中日益重要的一個組成部分.

在“匯改”之前，我國實際上執(zhí)行的是釘住美元的固定匯率制度，人民幣與美元之間相對穩(wěn)定的匯率使得各行業(yè)均免于遭受匯率波動所帶來的不利影響.2005-07-21，我國開始實行以市場供求為基礎、參考一籃子貨幣進行調節(jié)、有管理的浮動匯率制度，即前面所稱的“匯改”.當天19時，中國人民銀行宣布美元對人民幣官方匯率由8.27調整為8.11，此后，人民幣步入快速升值軌道，如圖1所示.截至2012年3月，美元對人民幣中間價已經(jīng)跌破了6.3，人民幣對美元已累計升值約30%.匯率的波動不僅給出口行業(yè)的經(jīng)營運作帶來了極大的不確定性，甚至對非出口行業(yè)也造成了影響.為了定量化地反映匯率變動對企業(yè)價值的影響，國內外學者對外匯風險暴露的度量技術和評估方法做了大量的研究工作.

圖1 “匯改”后美元對人民幣中間價走勢Fig.1 Trend of middle rate of the RMB against the US dollar after RMB exchange regime reform

目前，外匯風險暴露的度量方法大致分為兩類，即現(xiàn)金流量法和資本市場法.

(Ⅰ) 現(xiàn)金流量法

現(xiàn)金流量法對外匯風險暴露的研究是以公司財務報表中的現(xiàn)金流量、營業(yè)利潤等數(shù)據(jù)為基礎的.該方法的優(yōu)點在于它能夠將公司的外匯風險暴露分解為長期暴露和短期暴露.文獻[1-5]均運用此方法對企業(yè)的長短期外匯風險暴露進行了研究，但是現(xiàn)金流量法的缺點也是顯而易見的.在應用上，它需要用到企業(yè)財務報表中的數(shù)據(jù)，其觀測值較少且不易得.然而這并不是該方法最大的缺點，現(xiàn)金流量法最大的缺點在于它存在理論上的缺陷.根據(jù)外匯風險暴露的定義，企業(yè)的外匯風險暴露是指企業(yè)價值對匯率變動的敏感性.企業(yè)價值是企業(yè)未來預期現(xiàn)金流的折現(xiàn)值，而現(xiàn)金流量法是以企業(yè)過往的現(xiàn)金流量數(shù)據(jù)為基礎的，并沒有考慮到企業(yè)未來預期現(xiàn)金流的情況，因而現(xiàn)金流量法對企業(yè)價值的刻畫是片面的，該方法常常被稱為是“不完整的”.

(Ⅱ) 資本市場法

外匯風險暴露的資本市場研究方法始于Alder和Dumas.Alder和Dumas[6]提出了一種簡單實用的度量外匯風險暴露的方法，他們將一種以本國貨幣標價的資產(chǎn)的市場價格對同時期的外匯匯率進行回歸，來估計該種資產(chǎn)的外匯風險暴露.

由于經(jīng)濟時間序列的非平穩(wěn)性通常會給計量經(jīng)濟處理帶來困難，Adler和Simon[7]對文獻[6]的方法進行了改進.這一改進基于以下兩點合理的假設：公司的價值是公司未來現(xiàn)金流的折現(xiàn)值；公司的市值能夠很好地代表公司的價值.這樣，在公司股本不變的情況下，

這一突破性的改進有兩大優(yōu)點：從理論上來說，公司股票的收益率不僅反映了公司以往的現(xiàn)金流狀況，更代表了投資者對公司未來現(xiàn)金流的預期，因此恰好彌補了現(xiàn)金流量法對公司價值刻畫上缺陷.從應用上來說，股票收益率是對股票價格進行差分處理之后所得到的序列，因此它很好地消除了資產(chǎn)價格時間序列的不平穩(wěn)性，為計量經(jīng)濟處理帶來了方便.

文獻[7]提出的度量外匯風險暴露的新模型如下：

Ri,t=αi+γiRe,t+εi,t

(1)

式中，Ri,t表示公司i的股票在時間段t內的收益率；Re,t表示時間段t內的匯率變動率；αi表示常數(shù)項，εi,t表示隨機擾動項，且εi,t～N(0,σ2)；Re,t的系數(shù)γi就是公司i的外匯風險暴露系數(shù)，表示公司i的股票收益率對匯率變動率的敏感性.我們注意到，在式(1)中只有兩個變量，Ri,t和Re,t，因此γi表示匯率變動率對公司i價值的全部影響，γi也被稱為公司i的“全部的”外匯風險暴露系數(shù)(total exposure).

Jorion[8]認為，其他的宏觀經(jīng)濟變量有可能與匯率和股票收益率共同變化，如果建模時沒有將這些因素包含進來，可能會夸大匯率變動對股票收益的影響.因此Jorion[8]提出用擴展的市場模型來估計公司的外匯風險暴露系數(shù)：

Ri,t=αi+βiRm,t+γiRe,t+εi,t

(2)

式中，Rm,t表示整個市場組合在時間段t內的收益率；βi表示公司i的股票收益率對市場組合收益率的敏感性，γi表示公司i的股票收益率對匯率變動率的敏感性，此為“剩余的”外匯風險暴露系數(shù)(residual exposure).其余變量的含義同式(1).

擴展的市場模型的提出具有里程碑式的意義，因為它確立了此后整個外匯風險暴露資本市場研究方法的基本框架.在此后的20多年里，學者們以文獻[8]擴展的市場模型為基礎，或采用傳統(tǒng)的最小二乘法，或采用面板數(shù)據(jù)中的似不相關回歸方法，對外匯風險暴露問題進行了研究，參見文獻[9-13].

然而，擴展的市場模型仍舊存在問題.該模型最值得質疑之處就在于它對隨機擾動項的同方差假定.現(xiàn)實中的經(jīng)濟活動是錯綜復雜的，某些因素往往會隨其觀測值的變化對解釋變量產(chǎn)生不同的影響，從而導致了隨機誤差項的方差相異.有鑒于此，近年來有學者開始使用廣義自回歸條件異方差(generalized autoregressive conditional heteroskedasticity,GARCH)模型來展開外匯風險暴露的研究.

文獻[14-16]運用GARCH模型對外匯風險暴露進行了研究，但是他們的研究大多是以一個國家的整個股票市場為對象的.高度綜合的市場組合的外匯風險暴露情況是各行業(yè)不同的外匯風險暴露特征相互抵消之后的結果，這種結果無論是對各行業(yè)識別和控制外匯風險，還是對投資者挑選股票以構建投資組合，都沒有太大的意義和幫助.Koutmos等[17]運用GARCH模型考察了外匯風險暴露的不對稱性，但是卻沒有對匯率波動率的暴露進行研究.Jayasinghe等[18]運用GARCH模型對日本各行業(yè)匯率變動率的暴露和波動率的暴露進行了研究，但是其在其均值方程中，匯率變動率所取的時間段是股票收益率時間段的滯后一期，這種做法與傳統(tǒng)的外匯風險暴露研究方法頗有出入，因此其研究所得的變動率暴露系數(shù)的真實性和有效性是值得商榷的.

本文采用外匯風險暴露的資本市場研究法，對擴展的市場模型進行了改進，并建立GARCH(1,1)模型，從匯率變動率的暴露、波動率的暴露以及波動率暴露的不對稱性3個方面對我國各行業(yè)的外匯風險暴露情況進行研究.我們希望通過本文的研究，能夠清晰、全面地反映出人民幣匯率變化給各行業(yè)帶來的影響.

1 數(shù)據(jù)說明及其預處理

本文所采用的行業(yè)指數(shù)是道瓊斯第一財經(jīng)中國600行業(yè)領先指數(shù).該指數(shù)包括14個行業(yè)，分別是：汽車和零件、基礎資源、化工制品、建筑和材料、金融行業(yè)、食品和飲料、衛(wèi)生保健、工業(yè)用品和服務、石油和天然氣、個人和家庭用品、零售行業(yè)、科技行業(yè)、旅游和休閑、公用事業(yè).另外本文用道瓊斯第一財經(jīng)中國600指數(shù)來代表整個市場組合，分別取道瓊斯第一財經(jīng)中國600行業(yè)領先指數(shù)和道瓊斯第一財經(jīng)中國600指數(shù)的日漲跌幅作為指數(shù)的日收益率.

美元不僅是我國進出口貿易中計價和結算所使用的主流貨幣，而且也是國際大宗商品的計價貨幣.因此各行業(yè)對美元的外匯風險暴露特征就能夠很好地代表其對一籃子貨幣的風險暴露情況，相對于其他貨幣而言，研究各行業(yè)對美元的外匯風險暴露更加具有意義.因此，在本文中我們選取直接標價法下美元對人民幣的中間價作為匯率指標，取美元對人民幣中間價的日漲跌幅作為美元匯率的變動率.

本文實證研究的樣本期為2005-08-01～2011-12-31，采用日數(shù)據(jù)，所有數(shù)據(jù)均來自萬得資訊金融終端.數(shù)據(jù)預處理和后續(xù)實證分析部分的所有計算均通過SAS9.2完成.

下面，我們對實證研究將要使用的數(shù)據(jù)進行預分析.首先對各變量進行描述性統(tǒng)計分析并對它們進行Jarque-Bera正態(tài)性檢驗和ADF單位根檢驗，如表1所示.

從表1可以看出，在14個行業(yè)中，食品和飲料行業(yè)、零售行業(yè)指數(shù)日均收益率最高，分別為0.132和0.112；公用事業(yè)行業(yè)、工業(yè)用品和服務行業(yè)指數(shù)日均收益率最低，分別為0.028和0.050；汽車和零件行業(yè)指數(shù)收益率的標準差最大，衛(wèi)生保健行業(yè)指數(shù)收益率的標準差最小，分別為2.530和1.980.另外，從表1 還可以看出，匯率變動率、14個行業(yè)指數(shù)收益率以及市場組合收益率的峰度都大于3，說明這些變量均呈現(xiàn)高狹峰分布(leptokurtic distribution)狀態(tài).

表1 匯率變動率、行業(yè)指數(shù)收益率、市場組合收益率的描述性統(tǒng)計和單位根檢驗Tab.1 Descriptive statistics of exchange rate changes,sector blue-chip indexes returns and market portfolio yields and unit root test

【注】*，**，***分別表示在10%，5%，1%的顯著性水平下拒絕原假設.

表1中ADF檢驗的結果顯示，在1%的顯著性水平下，各變量序列都不存在單位根，具有平穩(wěn)性.在1%的顯著性水平下，各變量序列的Jarque-Bera檢驗統(tǒng)計量也均拒絕了正態(tài)分布的原假設，說明匯率變動率、14個行業(yè)指數(shù)收益率以及市場組合收益率的分布不具有正態(tài)性.

接下來我們對各個行業(yè)采用式(2)用最小二乘法進行預回歸，得到其殘差序列.然后對這些殘差序列和匯率變動率分別進行Ljung-Box檢驗和ARCH效應檢驗，設定滯后期為10，檢驗結果如表2所示.

表2中的Q(10)統(tǒng)計量說明，在14個行業(yè)中，除了工業(yè)用品和服務行業(yè)之外，用其余13個行業(yè)數(shù)據(jù)對模型(2)進行預回歸所得到的殘差都存在無法拒絕序列不相關；Q2(10)統(tǒng)計量說明，除了石油和天然氣行業(yè)之外，用其余13個行業(yè)數(shù)據(jù)對模型(2)進行預回歸所得到的殘差的平方也無法拒絕序列不相關；LM統(tǒng)計量說明，對于除石油和天然氣行業(yè)之外的13個行業(yè)來說，模型(2)的殘差具有ARCH效應.

由于對石油和天然氣行業(yè)來說，擴展的市場模型不存在ARCH效應，用傳統(tǒng)的外匯風險暴露方法即可對其進行分析，因此本文將忽略該行業(yè)不對其進行分析.在下一部分，我們將對其余13個行業(yè)建立GARCH(1,1)模型，對其匯率變動率的暴露、波動率的暴露以及波動率暴露的不對稱性展開研究.

表2 式(2)的殘差及其平方的Ljung-Box檢驗結果、ARCH效應檢驗結果Tab.2 Ljung-Box test results and ARCH test results for residuals and squared residuals obtained based on Eq.(2)

【注】*，**，***分別表示在10%，5%，1%的顯著性水平下拒絕原假設.

2 GARCH(1,1)模型的設定

Engle[19]提出了自回歸條件異方差(ARCH)模型，用以分析時間序列數(shù)據(jù)的異方差性.其后，Bollerslev[20]又提出了廣義自回歸條件異方差(GARCH)模型.GARCH模型是為研究和分析金融時間序列數(shù)據(jù)而量身打造的，它除了對變量本身進行建模之外，還對隨機擾動項的方差進行了進一步的建模，因此特別適合用來對具有異方差性的金融時間序列數(shù)據(jù)進行研究和分析.

在本文中，我們對文獻[8]擴展的市場模型做進一步修改，從3個方面對我國行業(yè)的外匯風險暴露情況進行研究，根據(jù)研究目的和需要，我們的模型如下：

行業(yè)收益率的均值方程

Ri,t=αi+βiRm,t+γiRe,t+φiεi,t-1+εi,t

(3)

匯率變動率的均值方程

Re,t=αe+εe,t

(4)

方差方程

(5)

(6)

hie,t=0

(7)

對該模型的解釋如下.

關于式(3)，i=1,2,3，…,13,代表了除去石油和天然氣行業(yè)以外的13個行業(yè)；Ri,t表示行業(yè)i在時間段t內的股票收益率；Rm,t表示整個市場組合在時間段t內的收益率；Re,t表示時間段t內的匯率變動率；γi表示行業(yè)指數(shù)的收益率對匯率變動率的敏感性，我們把它稱為變動率暴露系數(shù).

關于式(3)中的εi,t-1項我們從兩個方面進行解釋，一方面，引入滯后效應的概念，所謂滯后效應是指某種因素或變量對另一變量的影響不僅限于當期，而且還延續(xù)若干期.根據(jù)股票技術分析法的基本假設，當一個改變股票均衡價格的新信息出現(xiàn)時，它對股票價格的影響具有持續(xù)性，并且這種影響的方向不會改變.也就是說，技術分析法認為新信息對股票價格的影響具有滯后效應.因此，在本文中我們假定滯后效應持續(xù)一期，用εi,t-1項代表了t-1期的新信息對t期價格的影響，理論上εi,t-1的系數(shù)φi應該為正值.另一方面，根據(jù)前面的預分析，表2中Q(10)統(tǒng)計量的結果說明原擴展市場模型的殘差存在序列相關性，加入εi,t-1項也正好能夠消除這種相關效應.基于以上分析，εi,t-1項的加入，不僅更加合理地刻畫了股票價格的行為特征，而且能夠很好地消除殘差的自相關性，從而提高了模型估計結果的準確度和可信度.

式(4)描述了匯率變動率滿足的過程.根據(jù)前面對匯率變動率的Ljung-Box檢驗可以看出匯率波動率不存在自相關，因此在式(4)中不包括匯率變動率的滯后項.

[18]，設定各行業(yè)股票收益率的波動方程滿足的GARCH(1,1)過程如式(5)所示.其中,ωie表示行業(yè)指數(shù)收益的波動率對前一期匯率波動的敏感性，我們把它稱為波動率暴露系數(shù)；λie用于捕獲前一期匯率波動對行業(yè)指數(shù)收益波動率影響的不對稱效應.同時我們設定匯率變動滿足的波動方程滿足GARCH(1,1)過程，如式(6)所示.另外，因為式(3)中，引入了同期的匯率變動率Re,t，因此我們有理由認為在信息集It-1下，εi,t與Re,t不相關，從而可以得到εi,t與εe,t不相關.所以在式(7)中設定hie,t=0.

3 實證研究結果

我們采用極大似然估計方法對節(jié)2建立的GARCH(1,1)模型進行了估計，估計結果如表3所示.表3從變動率的暴露、波動率的暴露以及波動率暴露的不對稱性3個方面全面揭示了我國13個行業(yè)的外匯風險暴露情況。需要指出的是，在這一節(jié)中我們只根據(jù)GARCH模型估計的結果對各行業(yè)外匯風險暴露的情況進行闡述，并不嘗試對其原因進行分析.這是因為，行業(yè)的外匯風險暴露情況是由其本身所具有的特征決定的，行業(yè)特征涵蓋的范圍非常廣，并不僅僅局限于進出口，對各行業(yè)外匯風險暴露特征的原因分析超出了本文的范圍，不過這卻是后續(xù)研究中我們將要重點關注的內容.

從表3的第二列可以看出，在10%的顯著性水平下，13個行業(yè)中有6個具有顯著的變動率暴露系數(shù)γi，它們分別是：汽車和零件行業(yè)、基礎資源行業(yè)、化工制品行業(yè)、食品和飲料行業(yè)、個人和家庭用品行業(yè)、科技行業(yè).其中，汽車和零件行業(yè)、食品和飲料行業(yè)、個人和家庭用品行業(yè)、科技行業(yè)的變動率暴露系數(shù)為正，最大值和最小值分別是汽車和零件行業(yè)的0.618 364和個人和家庭用品行業(yè)的0.529 258；基礎資源行業(yè)、化工制品行業(yè)的變動率暴露系數(shù)γi為負，分別是-0.753 180和-0.554 050，說明這些行業(yè)正從人民幣升值中獲益.

表3 我國各行業(yè)外匯風險暴露模型參數(shù)估計結果Tab.3 Parameters estimation of foreign exchange exposure of Chinese industrial sectors

【注】 ①*，**，***分別表示在10%，5%，1%的顯著性水平下拒絕原假設.
② 不包括石油和天然氣行業(yè)，另外限于篇幅，僅列出對實證有用的估計結果.如果需要我們可以提供其他參數(shù)的估計結果.

表3第六列告訴我們，在13個行業(yè)中，有6個行業(yè)具有顯著的波動率暴露系數(shù)ωie.這6個行業(yè)是:基礎資源行業(yè)、化工制品行業(yè)、食品和飲料行業(yè)、衛(wèi)生保健行業(yè)、科技行業(yè)、公用事業(yè)行業(yè).其中，波動率暴露系數(shù)最大的是基礎資源行業(yè)的4.163 260，最小的是科技行業(yè)的1.527 736.此外，我們注意到，6個行業(yè)的波動率暴露系數(shù)ωie全部為正，說明匯率波動的增加會增大行業(yè)指數(shù)收益率的波動性.

通過觀察表3的第七列我們可以發(fā)現(xiàn)，在所研究的13個行業(yè)中個，有9個行業(yè)的λie是顯著的，即波動率對匯率的暴露具有不對稱性.這9個行業(yè)分別是：基礎資源行業(yè)、化工制品行業(yè)、建筑和材料行業(yè)、食品和飲料行業(yè)、衛(wèi)生保健行業(yè)、個人和家庭用品行業(yè)、零售行業(yè)、科技行業(yè)、公用事業(yè)行業(yè).λie的估計結果全部為負，從-5.154 220(基礎資源行業(yè))到-0.602 700(零售行業(yè))不等.我們注意到，具有顯著的波動率暴露系數(shù)ωie的全部行業(yè)——基礎資源、化工制品、食品和飲料、衛(wèi)生保健、科技、公用事業(yè)，也都具有顯著的波動率暴露不對稱性，這說明與人民幣貶值的波動相比，人民幣升值的波動對這些行業(yè)波動性的影響更大.建筑和材料行業(yè)、個人和家庭用品行業(yè)、零售行業(yè)具有顯著的波動率暴露不對稱系數(shù)λie，但是卻沒有顯著的波動率暴露系數(shù)ωie，說明人民幣貶值的波動會降低這些行業(yè)指數(shù)收益率的波動，但是人民幣升值的波動卻對這些行業(yè)指數(shù)收益率的波動性沒有影響.

另外，通過表3第三列εi,t-1的系數(shù)φi的估計結果可以看出，13個行業(yè)中有11個行業(yè)顯著，且所有的估計結果均為正值，這也證明了我們前面的理論分析.

表4就13個行業(yè)的外匯風險暴露情況進行了總結，其內容包括各行業(yè)的變動率暴露系數(shù)γi、波動率暴露系數(shù)ωie以及波動率暴露不對稱性λie.

分析表4，我們有如下發(fā)現(xiàn)：①基礎資源行業(yè)、化工制品行業(yè)、食品和飲料行業(yè)、科技行業(yè)的3種外匯風險暴露系數(shù)γi，ωie和λie都是顯著的；②金融行業(yè)、工業(yè)用品和服務行業(yè)、旅游和休閑行業(yè)的γi，ωie和λie均不顯著；③汽車和零件行業(yè)、個人和家庭用品行業(yè)，具有顯著的變動率暴露系數(shù)γi，卻沒有顯著的波動率暴露系數(shù)ωie；④在10%的顯著性水平下，衛(wèi)生保健行業(yè)、公用事業(yè)行業(yè)沒有顯著的變動率暴露系數(shù)γi，但是卻具有顯著的波動率暴露系數(shù)ωie和波動率暴露不對稱性λie.按照傳統(tǒng)的外匯風險暴露理論，γi不顯著意味著這兩個行業(yè)根本不存在外匯風險暴露.然而，這兩個行業(yè)卻具有顯著的ωie和λie.

表4 各行業(yè)外匯風險暴露總體情況Tab.4 The overall picture about foreign exchange exposure of Chinese industrial sectors

【注】 “√”表示方程(3)和(5)中的γi，ωie和λie在10%的顯著性水平下顯著.“—”表示這些系數(shù)不顯著.

這說明傳統(tǒng)的變動率暴露系數(shù)對外匯風險暴露情況的反映是不全面的.另外，建筑和材料行業(yè)、零售行業(yè)沒有顯著的變動率暴露系數(shù)γi，卻有顯著的波動率暴露不對稱性λie，這兩個行業(yè)的情況也證明了傳統(tǒng)的變動率暴露系數(shù)的片面性.

最后，為了檢驗我們模型的合理性，下面對模型估計結果的標準化殘差和標準化殘差的平方項進行Ljung-Box檢驗.表5中的Q(10)統(tǒng)計量在1%的顯著性水平下均不顯著，說明模型的標準化殘差已經(jīng)不存在序列相關性；Q2(10)統(tǒng)計量說明標準化殘差的平方項已經(jīng)沒有ARCH效應.因此，本文中模型的設定是合理的.表5中，僅有公用事業(yè)行業(yè)的LB檢驗拒絕原假設，說明絕大部分的行業(yè)的殘差服從正態(tài)分布.

表5 GARCH(1,1)模型標準化殘差的Ljung-Box檢驗結果Tab.5 Ljung-Box test result for standardized residuals of GARCH(1,1) model

【注】*表示在10%的顯著性水平下拒絕原假設.

4 結論

本文以道瓊斯第一財經(jīng)中國600行業(yè)領先指數(shù)所涵蓋的14個行業(yè)為研究對象，通過建立GARCH(1,1)模型，對各行業(yè)的外匯風險暴露情況進行了研究.本文不僅考察了各行業(yè)指數(shù)收益率對匯率變動率的敏感性，還考察了各行業(yè)對匯率波動率的暴露情況以及波動率暴露的不對稱性.

我們發(fā)現(xiàn)，在10%的顯著性水平下，汽車和零件行業(yè)、食品和飲料行業(yè)、個人和家庭用品行業(yè)、科技行業(yè)具有顯著的正變動率暴露系數(shù)；基礎資源行業(yè)、化工制品行業(yè)具有顯著的負變動率暴露系數(shù).基礎資源行業(yè)、化工制品行業(yè)、食品和飲料行業(yè)、衛(wèi)生保健行業(yè)、科技行業(yè)、公用事業(yè)行業(yè)具有顯著的波動率暴露系數(shù)，且符號全部為正.基礎資源行業(yè)、化工制品行業(yè)、建筑和材料行業(yè)、食品和飲料行業(yè)、衛(wèi)生保健行業(yè)、個人和家庭用品行業(yè)、零售行業(yè)、科技行業(yè)、公用事業(yè)行業(yè)具有顯著的波動率暴露不對稱性，且符號全部為負.

進一步分析研究結果，我們發(fā)現(xiàn)：有些行業(yè)雖然沒有顯著的變動率暴露系數(shù)，但是卻具有顯著的波動率暴露系數(shù)和波動率暴露不對稱性.傳統(tǒng)的外匯風險暴露模型一般只研究匯率變動率的暴露系數(shù)，而忽略了匯率波動率對企業(yè)和行業(yè)造成的影響.本文通過建立GARCH(1,1)模型，不僅揭示了我國各行業(yè)對匯率變動率的敏感性，而且考察了各行業(yè)對匯率波動率的敏感性以及對波動率暴露的不對稱性情況.所建立的GARCH(1,1)模型是對傳統(tǒng)外匯風險暴露模型的有益補充，不僅清晰全面地反映了人民幣匯率變化給各行業(yè)帶來的影響，而且為各行業(yè)有效地對沖外匯風險提供了方向和思路.

參考文獻(References)

[1] Walsh E J.Operating income,exchange rate changes,and the value of the firm:An empirical analysis[J].Journal of Accounting Auditing and Finance,1994,9:703-724.

[2] Chow E H,Lee W Y,Solt M E.The exchange-rate risk exposure of asset returns[J].Journal of Business,1997,70:105-123.

[3] Martin A D,Mauer L J.Exchange rate exposure of US banks:A cash flow-based methodology[J].Journal of Banking and Finance,2003,27:851-865.

[4] Martin A D,Mauer L J.Transaction versus economic exposure:Which has greater cash flow consequences?[J] International Review of Economics and Finance,2003,12:437-449.

[5] Chen Xuesheng，Zhou Aimin.Exchange rate exposure of Chinese listed company in the new type of exchange rate regime[J].Economic Management,2008,30(8):31-35.

陳學勝，周愛民.新匯率體制下中國上市公司外匯風險暴露研究[J].經(jīng)濟管理，2008,30(8):31-35.

[6] Adler M,Dumas B.Exposure to currency risk:Definition and measurement[J].Financial Management,1984,13:41-50.

[7] Adler M,Simon D.Exchange risk surprises in international portfolios[J].Journal of Portfolio Management,1986,12:44-53.

[8] Jorion P.The exchange rate exposure of US multinationals[J].Journal of Business,1990,63:331-345.

[9] Bodnar G M,Gentry W M.Exchange rate exposure and industry characteristics:Evidence from Canada,Japan and the USA [J].Journal of International Money and Finance,1993,12:29-45.

[10] Gao T.Exchange rate movements and the profitability of US multinationals [J].Journal of International Money and Finance,2000,19:117-134.

[11] Muller A,Verschoor W F C.Asian foreign exchange risk exposure [J].Journal of the Japanese and International Economics,2007,21:16-37.

[12] Wong T C,Wong J,Leung P.The foreign exchange exposure of Chinese banks [J].Journal of China Economic Review,2009,20:174-182.

[13] 劉思躍，楊丹.匯率變動、外匯風險暴露與上市公司價值：基于制造業(yè)行業(yè)的實證分析[J].證券市場導報，2010(10)：46-51.

[14] Apergis N,Rezitis A.Asymmetric cross-market spillovers:Evidence from daily data on equity and foreign exchange markets [J].Manchester School,2001,69(s1):81-96.

[15] Koutmos G,Martin A D.First and second moment exchange rate exposure:Evidence from US stock returns [J].The Financial Review,2003,38:455-471.

[16] Yang S Y,Doong S C.Price and volatility spillovers between stock prices and exchange rates:Empirical evidence from the G-7 countries [J].International Journal of Business and Economics,2004,3 (2):139-153.

[17] Koutmos G,Martin A D.Modeling time variation and asymmetry in foreign exchange exposure[J].Journal of Multinational Financial Management,2007,17:61-72.

[18] Jayasinghe P,Tsui A K.Exchange rate exposure of sectoral returns and volatilities:Evidence from Japanese industrial sectors [J].Japan and the World Economy,2008,20:639-660.

[19] Engle R F.Autoregressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation [J].Econometrica:Journal of the Econometric Society,1982,50(4):987-1 007.

[20] Bollerslev T.A generalized conditional heteroskedasticity[J].Journal of Econometrics,1986,31:307-327.