王天伦

（武汉大学经济与管理学院，湖北武汉430072）

我国家具制造业上市公司外汇风险管理研究
——基于GARCH模型与VaR方法

王天伦

（武汉大学经济与管理学院，湖北武汉430072）

选取我国7家代表性家具制造业上市公司2012-2013年数据，运用广义自回归条件异方差模型（GARCH）和VaR方法，旨在测算人民币汇率变动对以出口为导向的家具制造业造成的潜在外汇风险。结果表明，其中3家公司风险敞口较小，建议通过资金需求和订单议价灵活调整；另外4家公司存在较明显的外汇风险，需要寻找合适的汇率风险管理工具管理风险。

家具制造业；外汇风险；GARCH模型；VaR方法

0 引言

当前，世界经济复苏乏力，主要发达国家利用其货币的强势地位大量释放流动性，推行量化宽松政策，导致世界货币体系中汇率的波动日趋频繁和剧烈。在国际浮动汇率制度的宏观环境和国内逐步开放金融业的微观环境下，外汇风险管理能力较差的中国制造企业，特别是出口导向型企业面临着巨大的外汇风险。

2005年7月21日，中国人民银行宣布废除盯住单一美元的汇率制度，开始实行以市场供求为基础、参考一篮子货币进行调节有管理的浮动汇率制度，人民币一次性升值2%。2007年5月21日，人民银行扩大人民币兑美元日波动区间上限至0.5%。2008年，人民币汇改后已累计升值了19%，但受金融危机的影响，人民币停止了升值的趋势。2010年6月19日，中国央行决定进一步推进人民币汇率形成机制改革，增强人民币汇率弹性。从我国汇率制度改革的发展进程来看，尽管人民币并未在外部升值压力下一味升值，但人民币波动区间扩大，弹性增加，向自由浮动发展是未来的趋势。这就对我国外向型企业的外汇风险管理能力提出了巨大的挑战。

我国家具制造行业是典型的外向型行业。由于实木家具、金属家具等属于劳动密集型产业，在生产过程中有噪音、粉尘、漆雾和有害气体等污染，在发达国家已经逐步衰落，这一产业主要转向发展中国家，如中国、波兰、墨西哥等。我国由于拥有丰富的劳动力和木材资源，改革开放以来，已逐渐成为世界家具制造中心。据资料统计，2001-2010年间我国家具出口复合增长率达30.16%，家具出口市场份额由2003年的14.6%增加到2010年的24.7%，已成为全球家具出口最多的国家。而这一产业由于资金、技术壁垒低，也无市场准入门槛，导致行业中企业众多，行业集中度低，同质化竞争严重，大量小企业以低价位参与市场竞争，真正有实力的企业不多。这一行业中的上市公司是有实力企业的代表，它们的经营状况能够反映整个行业的景气程度和发展前景，代表企业有宜华木业、浙江永强、海欧卫浴等。综观这些上市公司有两大特点：一是出口收入占总收入的比重大多高于50%，浙江永强达到98%，基本上全部产品用于出口；二是出口地大多集中在美国，外币收入主要是美元。尽管这些企业利用银行的外汇掉期交易规避了订单中的外汇风险，但其账面上仍有大量的外币资金和外币银行存款（主要是美元）。因此，这些企业在外汇风险逐渐增大的今天，能否拥有良好的计量外汇敞口、管理外汇风险的工具显得尤为重要。

在险值（Value at Risk，VaR）是一种用于测量和控制金融风险的量化工具。VaR的优点在于其简明性和综合性，将市场风险概括为一个简单的数字，便于使用者理解。最早预测VaR的是J.P Morgan在RiskMetrics产品中采用的EWMA方法，该方法比较简单，无需参数估计。但这种方法在计量外汇风险时，没有考虑残差序列的异方差性，且假定时间序列呈正态分布，不符合金融时间序列数据尖峰厚尾的特点。后来的很多学者［1-5］在研究中开始运用广义自回归条件异方差模型（GARCH）进行VaR的计算和预测。上述文献大多只是利用GARCH中的一个模型，比如GARCH（1，1）、GARCH-M等算出汇率波动的VaR，没有与实际企业或者某一产业联系起来，很难运用到实务当中。

本文采用GARCH-M模型预测未来汇率波动率的VaR，再从家具行业上市公司财务报告中摘取其外汇风险敞口，预测在近三个月内外汇资产的在险值，从而为家具上市公司提供风险预警的工具，以便其采用更有效的外汇风险管理工具。

1 模型与数据

1.1 VaR模型

VaR（Value at Risk）是指在市场正常波动的情况下，某一金融资产或证券组合的最大损失。用数学语言可描述为，在一定概率水平下，资产组合的最大可能损失。公式表示为

其中ΔP表示资产组合的预期损失。

实际上，如果用r作为资产的收益率，公式（1）可变形为

其中rmax表示单位资产在给定概率α下的最大损失。

要正确度量风险资产的VaR，需要知道两个因素：持有期和置信水平。资产的持有者一般根据自身现金流状况确定持有期，根据风险承受能力确定置信水平。

设收益率r的概率密度函数为（fr），在给定置信水平1-α下，即有

或者

在有效市场前提下，可以认为r服从正态分布，即r～N(μ，σ2)，从而

其中ϕ(Z)为标准正态随机变量的分布函数。由此可知，如果我们找出了μ和σ，那么由ϕ(Z)的严格单调增加性和公式（5）可知，α和rmax可以互相唯一确定。

1.2 GARCH模型

广义自回归条件异方差模型（GARCH）是在Engle［6］的ARCH模型上，由Bollerslev［7］提出。在金融领域，资产价格波动往往存在明显的“波动性集聚”（volatility clustering）现象（指如果本期或过去若干期的波动较大，则未来几期的波动可能也会很大。即方差大的观测值似乎集聚在一起，而方差小的观测值也会发生集聚）。在ARCH模型建立之前，经济学家一直假设时间序列的方差是恒定的。而ARCH模型考虑了方差的波动性，故而能更好地预测方差，从而能够更好地计算VaR值（因为VaR依赖于对未来收益率方差的预测）。最常见的ARCH（p）模型在估计时，如果自回归阶数p过大，则需要估计很多参数，会损失样本容量。而Bollerslev在ARCH模型的基础上，加入了自回归部分，即GARCH项，使得待估计参数减少，从而对未来条件方差的预测更准确。GARCH（p，q）模型具体形式为

其中，xt是解释变量，yt是被解释变量，γ，μ，α1，…，αm，β1，β2，…，βr为参数，且满足

p=max(m，r)，若m＞r，则βj=0，j＞r；若r＞m，则αj=0，j＞m。εt为随机干扰项，虽然εt的无条件方差是一常数δ2，但εt的条件方差可能随时间而变化。是εt方差的预测值。GARCH（p，q）模型主要描述的是条件异方差的变化规律，恰好可以用来衡量外汇市场上所存在的风险的运动规律。

1.3 数据

为了揭示汇改以后人民币兑美元的汇率风险，本文选取了2007年5月21日到2013年5月29日国家外汇管理局公布的人民币兑美元中间价的日数据，共1 466个观测值，记为USDt，其走势见图1。

图1 人民币兑美元汇率中间价走势图Fig.1Central parity of RMB against USD

为了得到汇率的日收益率数据rt，将原始数据做对数一阶差分，即rt=ln USDt-ln USDt-1，得到新的序列rt，其描述性统计见图2。

图2 rt的描述性统计Fig.2Descriptive statistics ofrt

图2中，峰度（kurtosis）5.37＞3，呈尖峰特征，偏度（skewness）-0.46说明序列长期存在左厚尾特征，即该序列存在金融数据时间序列常见的“尖峰厚尾”，基于正态分布假设的模型均不再适用。而GARCH模型是更为合适的方法。

同时，为了测算我国家具行业上市公司美元外汇风险敞口，本文选取了行业中7家上市公司，摘取了这7家上市公司2013年一季报中的“汇率变动对现金及现金等价物的影响”值和2012年年报中“美元现金和银行存款”总额（见表1），以此来预测未来3个月这些上市公司的美元外汇风险暴露。

表1 家具行业7家上市公司美元外汇风险敞口Tab.1USD foreign exchange risk exposure of 7 listedcompanies in furniture industry

2 实证分析

2.1 对rt序列的检验

对收益率rt序列做单位根检验，结果见表2。

表2 单位根检验结果Tab.2Unit root test

从单位根检验结果来看，ADF检验的t值均小于不同显著性水平下的临界值，因此rt序列是平稳的。Durbin-Watson检验输出结果为1.999 2，非常接近2，残差不存在序列相关。

将rt序列绘成一张图（见图3），从图中可以发现明显的丛集效应。在左侧汇率收益率的波动比较大，中间波动幅度比较小，最后波动幅度又开始变大。汇改后人民币升值加快，2008年经济危机后人民币停止升值，2010年扩大人民币汇率波动区间后波动幅度再次增大，图形与经济事实一致。时间序列的丛集效应说明可能存在异方差现象。做进一步检验，结果见表3。

图3 汇率日收益率序列图Fig.3Daily yield of exchange rate

表3 异方差检验Tab.3Heteroscedasticity test

ARCH检验的原假设是同方差，检验结果强烈拒绝了原假设，表示序列存在显著的异方差现象。

通过对时间序列rt分别进行单位根、序列相关和异方差检验得知，汇率波动收益率序列是平稳的，不存在序列相关，但存在严重的异方差，因此，基于同方差假设的波动性度量方法都是不适用的。而GARCH模型建立在异方差的基础上，恰好可以解决这一问题。

2.2 GARCH模型估计

利用Eviews数次试算，分别建立GARCH（1，1）、GARCH-M、TARCH、EARCH模型，通过均值方程和GARCH模型的显著性判断GARCH-M是较好的模型，估计方程结果如下：

RESID（-1）^2是我们通常所说的ARCH项，从表4可见，ARCH项和GARCH项均显著不为零，说明条件异方差效应明显，美元对人民币汇率日收益率波动具有聚集性，即幅度较大的波动会相对集中在某些时段，而幅度较小的波动会集中在另一些时段。ARCH项系数反映外部冲击对汇率日收益率波动的影响，其值大于零，反映外部冲击会加剧系统的波动性，GARCH项数据为0.872，反映了系统较长的记忆性，即波动率的冲击衰减得会比较慢，两系数之和为0.992，说明波动的持续性较强。

表4 GARCH-M估计结果Tab.4Result of GARCH-M estimation

最后利用GARCH-M模型对汇率收益率时间序列进行预测，结果如图4。

图4（a）为95%的置信区间内均值的预测值。图4（b）为方差预测值，可以看出，均值围绕0上下波动，波动幅度在3%左右。方差在预测区间内是稳定上升的，但上升的速度越来越慢，最后几近水平。

2.3 VaR法测算风险敞口

图4 GARCH-M模型预测结果图Fig.4Result of GARCH-M prediction

在建立GARCH-M模型之后，得到汇率日收益率的预测序列。根据此预测序列，推算出在未来30天人民币兑美元的汇率波动率，并取其平均值作为日汇率波动率，继而利用公式（8）对汇率波动率VaR进行预测，最后与各家具上市公司美元外汇风险敞口相乘，即可得到在一定时间范围内的美元资产损失的最大值。最后的预测结果见表5。

表5给出了我国家具制造业7家上市公司美元外汇风险暴露。可以看出，随着置信水平的提高，外汇风险暴露越大。从整体来看，7家上市企业未来一个月的外汇风险敞口并不大，为几百到几千美元不等，最高不过4 000美元。这一方面得益于人民币汇率波动幅度相对较小，另一方面，由于我国是家具出口大国，拥有一定的议价能力，可以随时根据汇率的变化调整价格，避免对生产企业造成损失。

对于风险敞口较小的企业，如梅花伞、科冕木业和索菲亚，由于月度外汇风险暴露在几百美元之间，可以不考虑利用衍生金融工具规避风险，只需根据资金需求和订单数量灵活调整即可。对于风险敞口较大的企业，如浙江永强、*ST成霖、海欧卫浴和宜华木业，可以考虑与银行签订远期外汇协议。如果现金流比较固定，还可以签订货币互换协议，规避汇率风险。当然，在外汇市场寻找有利的套期保值合约也是不错的方法。

表5 7家家具制造业上市公司美元外汇风险暴露预测表Tab.5Prediction of USD foreign exchange risk exposure for 7 listed companies in furniture industry

总之，利用GARCH模型和VaR方法作为外汇风险暴露度量的工具，对于目前家具制造行业是很有必要的。既可以判断每个企业是否需要利用外汇风险管理工具，又可以判断自身外汇风险敞口。

3 结论

本文利用GARCH模型和VaR方法度量了我国家具制造行业上市公司的外汇风险敞口。在对人民币兑美元中间价日收益率的时间序列分析中发现，这一时间序列是平稳的，残差序列不存在自相关，但存在严重的异方差，经过试算论证，GARCH-M是比较合适的模型。在对汇率日收益率序列进行预测的基础上，VaR方法度量了在一定置信水平下7家家具制造业上市公司所面临的最大外汇损失。结果发现，一部分风险暴露比较小的上市公司不需要利用金融衍生工具进行外汇风险管理，只需通过资金需求和订单议价灵活调整；而另一部分外汇风险敞口较大的企业需要通过银行或者在外汇交易市场上寻找合适的汇率风险管理工具管理自身所面临的外汇风险。

（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计量中的应用［J］.陕西农业科学，2004（3）：52-55.

［4］龚妮.GARCH模型与VAR法在外汇风险度量中的应用［J］.黑龙江对外经贸，2006（6）：29-30.

［5］刘瑾，施建准.基于ARCH类模型的VaR方法在外汇风险计量中的应用［J］.国际金融研究，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.

（责任编辑：强士端）

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

王天伦（1990—），女，硕士生，研究方向：应用经济学。