人民幣外匯期權(quán)隱含波動率和實際波動率的比較研究

摘? ?要：本文運用外匯期權(quán)和即期市場的大量基礎(chǔ)數(shù)據(jù)，使用“無模型”方法計算了人民幣匯率的期限為一個月的期權(quán)隱含波動率和實際波動率，Wilconxon符號秩次檢驗表明它們存在顯著差異，體現(xiàn)了匯率波動率不確定性的風(fēng)險，且811匯改后，這種差異在增大。本文實證分析發(fā)現(xiàn)：市場結(jié)售匯對隱含波動率有顯著影響，811匯改前后，售匯行為波動增大和售匯行為加劇分別對匯率波動率的預(yù)期發(fā)揮加速器和穩(wěn)定器作用;811匯改后，短期資本流入增大有利于平抑實際匯率波動，美元指數(shù)變動加大會促進下一期實際波動率收斂。為守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線，建議采用差異化安排交易和匯兌層面的主動性宏觀審慎管理措施。

關(guān)鍵詞：外匯期權(quán);隱含波動率;實際波動率;交易和匯兌;宏觀審慎管理

DOI：10.3969/j.issn.1003-9031.2021.01.001

中圖分類號：F832.63? ? ? ? ? ? 文獻標(biāo)識碼：A? ? ? ? ? ?文章編號：1003-9031（2021）01-0004-10

一、引言及文獻回顧

匯率波動率一直是金融領(lǐng)域的重點問題。從衍生品市場和即期市場分開看，人民幣匯率波動率包括外匯期權(quán)隱含波動率（Implied Volatility，IV）和實際波動率（Realized Volatility，RV），前者反映出對未來匯率波動率的預(yù)期，后者是即期市場上已經(jīng)實現(xiàn)的波動率。2005年7月21日后，人民幣開始脫離之前的事實上的固定匯率制，遵循“主動、漸進、可控”的原則，除2008—2010年因外部的次貸危機和歐債危機保持穩(wěn)定外，整體上處于升值通道。2015年8月11日起（以下簡稱“811匯改”），人民幣匯率中間價納入銀行間外匯市場上一日收盤價，人民幣匯率雙向波動真正形成。之后人民幣經(jīng)歷了階段性貶值、匯率回調(diào)、區(qū)間震蕩等多種形態(tài)。隨著人民幣匯率市場化程度逐步提高，外匯期權(quán)市場也取得了長足發(fā)展。2011年4月1日，我國推出期權(quán)業(yè)務(wù)，之后外匯局出臺若干措施（匯發(fā)〔2011〕8號、匯發(fā)〔2014〕34號等），促進了買入或賣出以及組合等多樣化期權(quán)業(yè)務(wù)的發(fā)展。根據(jù)2011、2019年的《中國國際收支報告》，2019年期權(quán)市場累計成交8500億美元，是2011年19億美元成交量的447倍。因此，在人民幣匯率彈性增大和外匯期權(quán)市場擴容的背景下比較研究外匯期權(quán)隱含波動率和實際波動率具有重要的現(xiàn)實意義，測算人民幣匯率波動率及分析其影響因素，有助于對外匯有關(guān)交易和匯兌層面開展宏觀審慎管理。

高頻數(shù)據(jù)通常能較為準確的刻畫資產(chǎn)收益的波動率。早期Jiang&Tian（2005）、Bollerslev et al（2011）等學(xué)者利用股票價格的高頻數(shù)據(jù)計算了其收益率的已實現(xiàn)波動率。國內(nèi)學(xué)者朱孟楠和嚴佳佳（2007）、趙華和燕焦枝（2008）、駱殉和吳建紅（2009）等在當(dāng)時沒有獲得匯率高頻數(shù)據(jù)的情況下，利用GARCH族模型來擬合和預(yù)測人民幣匯率波動率，張欣和崔日明（2013）采用隨機波動模型研究了人民幣匯率波動的非對稱性，隋建利等（2013）運用ARFIMA-FIGARCH模型檢驗了人民幣匯率的雙長期記憶性。目前國內(nèi)也有部分文獻專門研究了人民幣外匯期權(quán)隱含波動率。王琦等（2014）估計了人民幣匯率的隨機波動率模型，并分析了隱含波動率曲面的特征及有效性。鄭振龍等（2019）檢驗了期權(quán)隱含指標(biāo)對未來匯率分布的預(yù)測能力，發(fā)現(xiàn)811匯改后期權(quán)價格中包含了越來越多關(guān)于未來匯率分布的信息，在岸和離岸期權(quán)市場的信息效率都有顯著提高。張雪鹿（2020）利用外匯期權(quán)隱含波動率數(shù)據(jù)對人民幣匯率風(fēng)險定價情況進行了分析，發(fā)現(xiàn)811匯改后，波動率不確定的風(fēng)險體現(xiàn)在人民幣匯率定價中，人民幣匯率形成機制更加成熟。

隱含波動率和實際波動率的差異體現(xiàn)了波動率不確定的風(fēng)險，一些實證研究表明發(fā)達經(jīng)濟體貨幣的波動率風(fēng)險溢價確實存在，而中國目前對人民幣匯率這方面的研究卻不多。本文的主要貢獻則在于運用外匯期權(quán)市場和即期市場的“大數(shù)據(jù)”，專門對人民幣外匯期權(quán)隱含波動率和實際波動率進行了比較研究，理解它們的差異和影響因素。

二、隱含波動率和實際波動率的測算及秩次檢驗

（一）隱含波動率的測算方法

隱含波動率是期權(quán)定價的關(guān)鍵變量。根據(jù)中國銀行間外匯市場實務(wù)，隱含波動率是基于期權(quán)不同的delta報出的，形成了隱含波動率曲線。如何利用這一曲線的市場數(shù)據(jù)來還原風(fēng)險中性下未來匯率波動率的預(yù)期呢？本文參考張雪鹿（2020）的研究進行測算。在標(biāo)的資產(chǎn)沒有分紅或付息以及無風(fēng)險利率為零的假設(shè)下，Britten-Jones and Neuberger（2000）通過構(gòu)造期權(quán)組合證明了式（1）：

其中，VARt1，t2為t1—t2期間的匯率方差，EQ（·）為隱含方差，即隱含波動率的平方。St為標(biāo)的資產(chǎn)的價格，C（t，K）為某一時點的執(zhí)行價為K、到期日為t的看漲期權(quán)的價格。這說明理論上，隱含方差可以由某一時點的基于所有執(zhí)行價的期權(quán)價格得到，這就充分利用了期權(quán)市場的信息①，而不是只依賴于單一delta的隱含波動率報價②。在有直接的期權(quán)費報價的情況下，由于式（1）僅利用了期權(quán)的價格信息，而不要求標(biāo)的資產(chǎn)價格服從于某一特定的隨機過程，故稱為“無模型（model-free）”的隱含方差。

將式（1）運用到人民幣外匯期權(quán)上需要將原假設(shè)做出兩點修正。一是現(xiàn)實中本幣無風(fēng)險利率rd不為零。Jiang&Tian（2005）通過創(chuàng)造零漂移率的虛擬證券，證明可用Kerdt代替K。二是現(xiàn)實中外幣有利率為rf的利息收入。由于對外幣付息類似于股票分紅，也是一種現(xiàn)金流出，作者認為需要將外幣資產(chǎn)的現(xiàn)價St按照rf進行折現(xiàn)。

現(xiàn)實中進行測算需要將連續(xù)積分形式的式（2）轉(zhuǎn)化成離散求和形式，利用積分的數(shù)學(xué)特性可以得到式（3）：

其基本思路是：盡可能在更大的范圍內(nèi)以及更密集的對執(zhí)行價進行取值，以減少估計誤差。現(xiàn)實中，執(zhí)行價不會低至0，也不會高至∞，并考慮到式（2）趨近0或∞的積分值是收斂的，可以選定截斷參數(shù)K，使得Ki位于區(qū)間[S0/（1+K），S0（1+K）]內(nèi)，這樣的離散求和能夠覆蓋式（2）理論值中的絕大部分③。同時還要選擇離散化參數(shù)m，使得Ki的取值盡可能的密集，即更充分的利用式（2）積分曲線的信息。Jiang&Tian（2005）的模擬研究表明，當(dāng)K≥0.2且m≥20時，估計誤差就可以忽略不計了。

鑒于隱含波動率報價是基于delta而非執(zhí)行價的，需要根據(jù)隱含波動率和delta的市場數(shù)據(jù)，利用BS期權(quán)定價公式推算出執(zhí)行價④?，F(xiàn)實中，基于不同delta隱含波動率報價的Ki'比較有限。本文參考Jiang &Tian（2005）的做法，通過三次樣條插值法來解決這一問題。對于Ki超出隱含波動率報價Ki的情況（即Ki>Kmax或Ki

由于Jiang&Tian（2005）的研究標(biāo)的是股票指數(shù)而非外幣，在截斷參數(shù)k的取值方面，本文與其有所不同?，F(xiàn)實中，匯率的波動性一般小于股指，隱含波動率報價對應(yīng)的執(zhí)行價通常位于即期匯率附近范圍內(nèi)。如果k取值過大，會導(dǎo)致較多的Ki超出現(xiàn)有隱含波動率報價對應(yīng)的執(zhí)行價Ki。由于假定這兩端的波動率曲線是“平坦”的，會造成式（3）的計算“假定”成分較多，而對現(xiàn)有隱含波動率曲線的市場信息利用不足。而且，811匯改前后，人民幣匯率由整體上的單邊升值轉(zhuǎn)為雙向波動，隱含波動率曲線形狀也發(fā)生了相應(yīng)的變化，單一的k取值則有可能遺漏這種市場預(yù)期的動態(tài)調(diào)整。因此，k的取值應(yīng)該是基于delta的、而非即期匯率數(shù)值左右的固定范圍。本文選取delta從0.05～0.95的隱含波動率報價，間隔為0.05。每一時點的這19個市場數(shù)據(jù)，從深度虛值到深度實值，能夠覆蓋絕大部分的市場報價。而k的取值則僅比max（Kmax/即期匯率，即期匯率/Kmin）略大一點，且為最接近它的、保留三位小數(shù)的數(shù)值①。這樣保證了很大限度的利用已有的波動率曲線信息，且兩端波動率曲線“平坦”的假定部分較少。離散化參數(shù)m取值為35，即插值數(shù)量Ki為71個，能夠保證三次樣條插值中的每段分段函數(shù)均有Ki落在其中。將這樣得出的隱含方差年化處理后再開方，即得到隱含波動率。

（二）實際波動率的測算方法

在數(shù)據(jù)頻度較低時（如日度數(shù)據(jù)），GARCH族模型是最常用的估計波動率的模型，但會遺漏隔日及日間波動的重要信息。而高頻數(shù)據(jù)可避免這一問題，用來估計波動率能夠更為全面的反映匯率波動率情況。因此，本文基于高頻數(shù)據(jù)的“無模型”方法來估計實際方差，見式（4）。

其中，p為匯率的對數(shù)收益率。Andersen et al.（2001）指出，當(dāng)n很大時，高頻數(shù)據(jù)下的收益率平方和趨近于真實的收益率方差。本文采用5分鐘的高頻數(shù)據(jù)，數(shù)據(jù)來自國內(nèi)某權(quán)威交易平臺。這既運用了較多的樣本數(shù)據(jù)，又不至于受到市場噪音（noise）的太多影響。將如此得出的實際方差年化處理后再開方，即得到實際波動率。

（三）隱含波動率和實際波動率的測算結(jié)果

與中國貨幣網(wǎng)公布的delta計算方法一致，本幣無風(fēng)險利率采用shibor，外幣利率采用由掉期點逆推出的隱含利率，這兩類數(shù)據(jù)均來自于中國貨幣網(wǎng)。美元對人民幣看漲期權(quán)的delta0.05～0.95的隱含波動率報價取自于彭博。由于第三部分要探討宏觀變量對隱含波動率和實際波動率的影響，本文采用月度數(shù)據(jù)，即期限為1個月，用每月末的數(shù)據(jù)計算隱含波動率，代表對下個月波動率的預(yù)期。考慮到數(shù)據(jù)的可獲得性，本文的研究樣本為2011年10月—2020年11月②。按照前述方法計算得到了隱含波動率和實際波動率，其描述性統(tǒng)計及時間序列平穩(wěn)性見表1。它們的均值和標(biāo)準差均在811匯改之后顯著增大。從偏度看，隱含波動率的偏度較低，而實際波動率有一定的右偏。從峰度看，實際波動率的峰度值在811匯改前較大，其“尖峰后尾”特征比較明顯。

（四）隱含波動率和實際波動率的秩次檢驗及結(jié)果分析

從表1可知，無論是全樣本還是811前后的兩個子樣本，隱含波動率和實際波動率的均值均不同。為進一步考察兩者是否存在系統(tǒng)性的差異，本文進行了Wilconxon符號秩次檢驗。這是一種非參數(shù)的假設(shè)檢驗，原假設(shè)HO為“隱含波動率和實際波動率相等”。運用stata軟件得到表2的檢驗結(jié)果。

從p值可以看出，全樣本和子樣本中，均可以拒絕原假設(shè)，說明隱含波動率和實際波動率存在顯著差異。而整體上隱含波動率大于實際波動率，表明風(fēng)險厭惡的投資者因承擔(dān)波動率的不確定性風(fēng)險而要求獲得正的風(fēng)險補償。這是因為，風(fēng)險中性下的預(yù)期波動率對應(yīng)的是無風(fēng)險利率，而現(xiàn)實中風(fēng)險厭惡下的實際波動率對應(yīng)的是比無風(fēng)險利率更高的收益率。一般而言，收益率越高，期權(quán)價格越高;波動率越大，期權(quán)價格越高。根據(jù)無套利定價思想，風(fēng)險中性下的預(yù)期波動率會高于風(fēng)險厭惡下的實際波動率。

匯率波動率不確定性的風(fēng)險是區(qū)別于匯率波動的另一重風(fēng)險來源。如811匯改前，除2008年中至2010年中匯率較為穩(wěn)定外，人民幣對美元在央行掌控下整體上處于升值狀態(tài)，期間的升值速度比較平穩(wěn)，市場對人民幣匯率波動率的預(yù)期不易出現(xiàn)太大偏差，匯率波動率的不確定性較低。這時隱含波動率和實際波動率的均值差異僅為0.000733。而811匯改后，人民幣匯率的雙向波動不斷加大，波動率較之以往有了更大的不確定性。因此，作為風(fēng)險補償，市場參與者更會將這種不確定性納入對未來人民幣匯率波動率的預(yù)期中。期間隱含波動率和實際波動率的均值差異上升至0.006304。這與日元、瑞士法郎、英鎊等發(fā)達經(jīng)濟體貨幣也存在匯率波動率風(fēng)險溢價的情形一致，說明人民幣外匯期權(quán)市場的信息含量更為豐富，市場更趨成熟。

三、811匯改前后隱含波動率和實際波動率的影響因素分析

從經(jīng)濟學(xué)意義上看，隱含波動率與實際波動率的差異體現(xiàn)了匯率波動率不確定的風(fēng)險。而隱含波動率與實際波動率各自受哪些因素影響？這些因素產(chǎn)生影響的方式是否存在差異？本部分試圖通過實證分析回答以上問題。

（一）實證設(shè)計

隱含波動率、實際波動率受到它們滯后項、匯率變動和宏觀變量的影響。

1.滯后項：擬在自回歸模型的框架中檢驗它們的自回歸特征。

2.匯率變動：隱含波動率體現(xiàn)了對未來匯率波動的預(yù)期，這種預(yù)期是否會受到過去匯率變動的影響？需要注意的是，隱含波動率大小本身并沒有包含匯率變動方向的信息，如一定的升值、貶值、區(qū)間震蕩情況下的IV可能相同。因此，除與匯率變動直接進行回歸外，還要選取匯率變動的絕對值（ABSS）作為自變量。同時，為檢驗升貶值對隱含波動率的影響是否存在不對稱效應(yīng)，引入虛擬變量（D）：D=0對應(yīng)人民幣貶值，D=1對應(yīng)人民幣升值。用虛擬變量值乘以ABSS，得到新的自變量DABSS（虛擬變量乘積項）與ABSS一并進行回歸。另外，由于實際波動率本身就是已經(jīng)實現(xiàn)的波動率，不再額外檢驗它與匯率變動的關(guān)系。

3.宏觀變量：考慮以下4類宏觀變量。

（1）經(jīng)濟基本面變量。宏觀因素是決定匯率的根本性因素，或多或少對匯率波動預(yù)期產(chǎn)生影響。經(jīng)濟基本面因素包括中國PMI（CPMI）、美國制造業(yè)PMI（AMPMI）、美國非制造業(yè)PMI（ANPMI）。國際收支因素納入海關(guān)進出口順差（EX）、短期資本流動（FLOW）。其中，短期資本流動=外匯占款增量-貿(mào)易順差-FDI實際利用額，即短期資本流動為跨境資金流入中扣除了基礎(chǔ)性國際收支項目的部分。

（2）結(jié)售匯行為。目前中國市場主體結(jié)售匯的自主性已達到較高程度，因此宏觀的跨境資金流動映射到微觀的外匯市場供需還須考慮結(jié)售匯行為?？捎勉y行代客結(jié)匯/收匯率（JIESHOU）和售匯/付匯率（SHOUFU）來衡量市場的結(jié)售匯行為。前者指當(dāng)期銀行代客結(jié)匯與代客收匯之比;后者為當(dāng)期銀行代客售匯與代客付匯之比①。目前的公開數(shù)據(jù)只有代客口徑，但根據(jù)外匯局數(shù)據(jù)，長期以來代客結(jié)售匯占比超過90%，而銀行自營結(jié)售匯占比不足10%。

（3）金融市場指標(biāo)。有時匯率的短期波動并不一定反映基本面因素，反而是市場情緒占據(jù)主導(dǎo)。811匯改后幾次人民幣階段性走貶均與美元走強的外部因素有一定關(guān)聯(lián)，故納入美元指數(shù)（USD）進行分析。

（4）外匯干預(yù)。當(dāng)國際外匯市場、資本市場波動較大時，外匯儲備會出現(xiàn)估值調(diào)整，此時用外匯儲備來推測央行是否在外匯市場進行了干預(yù)容易引起誤判。而外匯占款（INTERVENE）是更好的指標(biāo)，因為央行買賣外匯時，相應(yīng)的人民幣資產(chǎn)會有所變化，體現(xiàn)在外匯占款這一科目的變動。類似的，還要引入以上變量的絕對值（ABS+宏觀變量符號）和虛擬變量乘積項（DABS+宏觀變量符號）進行回歸。其中，D=0對應(yīng)變量減小，D=1對應(yīng)變量增大。

在隱含波動率為因變量的回歸中，自變量為以上影響因素的一階滯后項;在實際波動率為因變量的回歸中，自變量為以上影響因素的當(dāng)期值及一階滯后項。為避免多重共線等問題，本文逐一對自變量進行回歸①。由于811匯改前后，人民幣匯率由漸進升值轉(zhuǎn)為雙向波動，本文分為811前后兩個子樣本進行實證分析。月度的匯率及宏觀變量數(shù)據(jù)來自wind。以上變量若為平穩(wěn)的時間序列則可直接用于回歸，否則須進行差分。

（二）實證結(jié)果及分析

1. 隱含波動率的影響因素

從表3可以看出，811匯改前后，隱含波動率均服從AR（1）過程，系數(shù)小于1說明波動率的預(yù)期不會發(fā)散。匯率變動絕對值對隱含波動率產(chǎn)生正向影響說明預(yù)期的形成部分來自過去的匯率變動，且兩者是同向關(guān)系。不過811匯改之前，匯率升貶值對隱含波動率的影響是不對稱的，人民幣貶值的影響要大于升值的影響。這反映出當(dāng)時市場有一定的“升值思維”：若上一期貶值，則市場認為下一期匯率會有更大的波動，如發(fā)生更多的升值。另外，811匯改后，人民幣匯率的市場化程度提高，預(yù)期所依賴的信息更為多樣化，歷史信息不再占據(jù)主導(dǎo)，因此匯率變動對隱含波動率的解釋能力有所下降（調(diào)整后的R2從0.394降至0.089）。

宏觀變量中，只有市場的售匯情況對隱含波動率產(chǎn)生顯著的影響。這說明短期內(nèi)，不光經(jīng)濟基本面因素與匯率波動率預(yù)期的相關(guān)性很弱，美元指數(shù)、外匯干預(yù)也對預(yù)期形成未發(fā)揮明顯作用。811匯改前，售匯/付匯率的絕對值變動對隱含波動率有正向影響，反映出在當(dāng)時的升值環(huán)境下，售匯端的市場行為成為匯率波動預(yù)期的重要來源。而811匯改后，在樣本期內(nèi)人民幣出現(xiàn)了若干次的階段性貶值，如2016年底至2017年初、2018年四季度、2019年5月人民幣匯率就面臨了三次“破7”壓力，2019年8月更是實現(xiàn)了“破7”。售匯行為加劇會增大貶值壓力，但傳導(dǎo)到預(yù)期上，卻是預(yù)期的匯率波動率收窄。這體現(xiàn)出了市場理性，認為匯率能夠發(fā)揮自動調(diào)節(jié)作用，接下來的匯率走勢會回歸合理水平。換個角度看，階段性升值期間，售匯行為也可以降低匯率波動預(yù)期。

2. 實際波動率的影響因素

811匯改前，前文列示的宏觀變量無一對實際波動率產(chǎn)生顯著影響，說明當(dāng)時人民幣匯率的市場化程度確實不高，升值情況部分受到央行掌控，而宏觀變量難以對其發(fā)揮作用。811匯改后，實際波動率在AR（1）過程中的自回歸系數(shù)較小，表明匯率波動率具有較強的自動收斂機制。實際波動率受短期資本流動一階滯后項影響，且短期資本流動流入越大，對實際波動率的沖擊會越小。與811匯改前人民幣面臨升值壓力不同，811匯改后中國國際收支轉(zhuǎn)向總體平衡，且人民幣有時還會遭遇階段性的貶值壓力。因此，資本項下資金流入增大有助于支撐人民幣匯率，平抑實際匯率波動。換個角度看，在階段性升值期間，上一期跨境資金流入增大會減小本期實際波動率，說明兩者的聯(lián)動并非順周期，市場化的匯率能夠防范短期資本流動持續(xù)單邊變動。美元指數(shù)變動絕對值的一階滯后項的回歸系數(shù)為負也反映出市場更為成熟。根據(jù)現(xiàn)實情況，外部的美元指數(shù)變化有時的確會引起人民幣匯率的短期波動。如2016年底至2017年初，特朗普當(dāng)選造成美元指數(shù)走強，人民幣匯率就面臨“破7”壓力。但下一期的匯率波動會收窄說明市場能夠更為理性的應(yīng)對短期的外部因素擾動。

比較隱含波動率、實際波動率的影響因素可以發(fā)現(xiàn)：市場結(jié)售匯情況而非經(jīng)濟基本面或外匯干預(yù)因素對隱含波動率產(chǎn)生顯著影響;而實際波動率僅受到宏觀經(jīng)濟變量中的短期因素資本流動及美元指數(shù)波動影響。

四、結(jié)論與啟示

本文運用外匯期權(quán)和即期市場的大量基礎(chǔ)數(shù)據(jù)，使用“無模型”方法計算了人民幣匯率的期限為一個月的期權(quán)隱含波動率和實際波動率：前者由隱含波動率曲線上19個不同delta下的波動率報價再經(jīng)過71次插值得出;后者由5分鐘的人民幣即期匯率高頻數(shù)據(jù)得出。Wilconxon符號秩次檢驗表明，隱含波動率與實際波動率存在顯著的不同。整體上前者更大，兩者差異體現(xiàn)了匯率波動率不確定性的風(fēng)險。811匯改后，隨著人民幣匯率由“漸進、可控“的單邊升值轉(zhuǎn)為雙向波動，波動率的不確定性更為凸顯，隱含波動率與實際波動率的差異也變大了。

本文分析了隱含波動率與實際波動率的影響因素，實證結(jié)果表明：隱含波動率和811匯改后的實際波動率有自回歸特點，而實際波動率在811匯改前沒有明顯的影響因素;市場結(jié)售匯對隱含波動率有顯著影響，811匯改前后，售匯行為波動增大和售匯行為加劇分別對匯率波動率的預(yù)期發(fā)揮加速器和穩(wěn)定器作用;811匯改后，短期資本流入增大有利于平抑實際匯率波動，美元指數(shù)變動加大會促進下一期實際波動率收斂。

811匯改后，人民幣匯率發(fā)揮自動調(diào)節(jié)作用，但匯率波動過大容易強化一致性預(yù)期，威脅跨境資金流動安全。為守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線，建議采用差異化安排交易和匯兌層面①的主動宏觀審慎管理措施，即以交易管理為主，匯兌管理為輔。貶值壓力較大時，對于跨境資金適當(dāng)?shù)摹皵U流入、控流出”有助于降低實際匯率波動率，進而降低隱含波動率（實證顯示實際匯率波動對隱含波動率有正向影響），進而穩(wěn)定市場預(yù)期，防范預(yù)期自我實現(xiàn)的負向螺旋?！按俳Y(jié)匯、穩(wěn)購匯”當(dāng)然也有助于緩解貶值壓力，但811匯改后，市場趨于理性，結(jié)售匯行為（比如售匯端）不會促使匯率預(yù)期發(fā)散，匯兌層面的宏觀審慎管理力度可小于交易層面。

（責(zé)任編輯：孟潔）

參考文獻：

[1]Jiang G J，Tian Y S.The Model-Free Implied Volatility and Its Information Content[J].Review of Financial Studies，2005，18（4）：1305-1342.

[2]Bollerslev T，Gibson M S，Zhou H，et al.Dynamic Estimation of Volatility Risk Premia and Investor Risk Aversion from Option-Implied and Realized Volatilities[J].Journal of Econometrics，2011，160（1）： 235-245.

[3]朱孟楠，嚴佳佳.人民幣匯率波動：測算及國際比較[J].國際金融研究，2007（10）：54-61.

[4]趙華，燕焦枝.匯改后人民幣匯率波動的狀態(tài)轉(zhuǎn)換行為研究[J].國際金融研究，2010（1）：60-67.

[5]駱珣，吳建紅.基于GARCH模型的人民幣匯率波動規(guī)律研究[J].數(shù)理統(tǒng)計與管理，2009（2）：295-300.

[6]張欣，崔日明.基于非對稱隨機波動模型的人民幣匯率波動特征研究[J].國際金融研究，2013（1）：30-39.

[7]隋建利，劉金全，閆超.現(xiàn)行匯率機制下人民幣匯率收益率及波動率中有雙長期記憶性嗎？[J].國際金融研究，2013（11）：56-69.

[8]王琦，儲國強，楊小玄.人民幣對外匯期權(quán)波動率研究[J].金融研究，2014（3）：69-82.

[9]鄭振龍，黃珊珊，郭博洋.外匯期權(quán)信息含量與在岸離岸市場效率[J].金融研究，2019（10）：21-39.

[10]張雪鹿.外匯期權(quán)隱含方差、風(fēng)險偏好和人民幣匯率[J].國際金融研究，2020（9）：77-87.

[11]Guo D.The Risk Premium of Volatility Implicit in Currency Options[J].Journal of Business & Economic Statistics，1998，16（4）：498-507.

[12]Low B S，Zhang S.The Volatility Risk Premium Embedded in Currency Options[J].Journal of Financial and Quantitative Analysis，2005，40（4）：803-832.

[13]Neely C J.Forecasting foreign exchange volatility： Why is implied volatility biased and inefficient？ And does it matter？[J].Journal of International Financial Markets， Institutions and Money，2002，19（1）： 188-205.

[14]Britten jones M， Neuberger A.Option Prices，Implied Price Processes， and Stochastic Volatility[J].Journal of Finance，2000，55（2）：839-866.

[15]Andersen T G，Bollerslev T，Diebold F X， et al. The distribution of realized stock return volatility [J].Journal of Financial Economics，2001，61（1）：43-76.

[16]Hansen P R， Lunde A. Realized Variance and Market Microstructure Noise[J].Journal of Business & Economic Statistics，2006，24（2）：127-161.

[17]Bollerslev T，Tauchen G，Zhou H，et al.Expected Stock Returns and Variance Risk Premia[J].Review of Financial Studies，2009，22（11）：4463-4492.

[18]Zhou H. Variance Risk Premia， Asset Predictability Puzzles，and Macroeconomic Uncertainty[J].Social Science Research Network，2010（14）： 1-45.