惠民福利国产成人97精品免费看片_日韩视频一区二区12p_国产又色又爽又黄在线观看视频_最新国产vr麻豆aⅴ精品无_肉丝超薄丝袜交一区二区_好色先生tv免费视频_免费高清在线蜜乳AV_破外女出血在线视频_高清欧美精品亚洲_手机看片福利永久片你

一、引言

2015 年“811 匯改”以后，人民幣的波幅加大，結(jié)束了原來(lái)單邊升值的態(tài)勢(shì)，呈現(xiàn)出雙邊波動(dòng)的態(tài)勢(shì)，人民幣出現(xiàn)了較大幅度的下跌；2017 年，由于美元指數(shù)的下跌，人民幣對(duì)美元又出現(xiàn)較大幅度的上漲；而進(jìn)入了2019 年后，由于中美貿(mào)易戰(zhàn)的升級(jí)，人民幣又出現(xiàn)的較大程度的下跌。

人民幣匯率的波動(dòng)會(huì)對(duì)企業(yè)的經(jīng)營(yíng)活動(dòng)產(chǎn)生重大的影響，其中，受人民幣匯率變化影響最大的行業(yè)類型主要有四類：一是外匯負(fù)債型行業(yè)；二是原材料進(jìn)口型行業(yè)；三是產(chǎn)品出口型行業(yè)；四是金融服務(wù)型行業(yè)。其中，外匯負(fù)債型行業(yè)由于以外幣計(jì)價(jià)的負(fù)債升值而造成債務(wù)加重直接影響企業(yè)利潤(rùn)情況，最為典型的即為航空業(yè)。從表1 可以看出，從2015 年——2018 年國(guó)內(nèi)各主要航空公司受到匯率波動(dòng)的影響巨大，除了2017 年因?yàn)槿嗣駧派到o各個(gè)航空公司帶來(lái)了匯兌收益外，其余各年都給航空公司帶來(lái)了巨額的匯兌損失，因此各航空公司應(yīng)高度重視外匯波動(dòng)對(duì)經(jīng)營(yíng)活動(dòng)可能產(chǎn)生的影響。

雖然匯兌損益對(duì)航空公司帶來(lái)的影響巨大，但根據(jù)《企業(yè)會(huì)計(jì)準(zhǔn)則第19 號(hào)——外幣折算》以及《公開發(fā)行證券的公司信息披露編報(bào)規(guī)則第15 號(hào)——財(cái)務(wù)報(bào)告的一般規(guī)定》的要求，匯兌損益在財(cái)務(wù)報(bào)表中一般不單獨(dú)列示，而是合并在損益表中的財(cái)務(wù)費(fèi)用中，并在財(cái)務(wù)費(fèi)用的附注中進(jìn)行披露。在年報(bào)的披露上主要披露以下內(nèi)容：（1）有關(guān)外幣折算和匯兌損益計(jì)算的會(huì)計(jì)政策；（2）外匯風(fēng)險(xiǎn)的管理方法；（3）匯兌損益的數(shù)值；（4）外幣敞口的貨幣類型及其金額。以中國(guó)國(guó)航（601111）為例，在年報(bào)中對(duì)于外匯風(fēng)險(xiǎn)的描述比較有限，對(duì)于外匯風(fēng)險(xiǎn)的管理方法甚至沒(méi)有說(shuō)明，而只是對(duì)外匯風(fēng)險(xiǎn)進(jìn)行了敏感性的分析。

敏感性分析（Sensitivity Analysis）可以顯示不確定性因素對(duì)項(xiàng)目經(jīng)濟(jì)效益的影響，以及允許維持項(xiàng)目的不確定性受到不利影響的程度，從而預(yù)測(cè)項(xiàng)目承擔(dān)的風(fēng)險(xiǎn)，但沒(méi)有說(shuō)明風(fēng)險(xiǎn)發(fā)生的可能性。也就是說(shuō)，年報(bào)中反映了人民幣升值1%對(duì)凈利潤(rùn)和股東權(quán)益的影響，但這個(gè)事件發(fā)生的概率有多大，并沒(méi)有反映出來(lái)；另一方面，對(duì)于風(fēng)險(xiǎn)方面的度量，我們更關(guān)注的是其可能帶來(lái)的損失，也就是人民幣貶值會(huì)對(duì)公司的凈利潤(rùn)產(chǎn)生的影響。為解決敏感性分析存在的問(wèn)題，可以使用度量風(fēng)險(xiǎn)常見(jiàn)的VaR（Value at Risk）模型，國(guó)外商業(yè)銀行以及大型企業(yè)通常采用了VaR 方式對(duì)外匯風(fēng)險(xiǎn)進(jìn)行度量。本文也認(rèn)為VaR 是一種度量外匯風(fēng)險(xiǎn)的更合理方法，并提出了一種適合中國(guó)的航空公司使用的外匯風(fēng)險(xiǎn)VaR 度量模型。

表1 國(guó)內(nèi)航空公司2015 年-2018 年匯兌損失表

資料來(lái)源：Choice 數(shù)據(jù)庫(kù)

圖1 中國(guó)國(guó)航年報(bào)中關(guān)于外匯風(fēng)險(xiǎn)的闡述

數(shù)據(jù)來(lái)源：中國(guó)國(guó)航（601111）2018 年年報(bào)

二、外匯的VaR 度量

（一）VaR 的定義

VaR 的傳統(tǒng)定義為：給定資產(chǎn)組合在未來(lái)特定的一段時(shí)間內(nèi)，在某一給定的置信水平下，可能遭受的最大損失。用數(shù)學(xué)公式表示為：

P(ΔV ≤-VaR)=1-c

從風(fēng)險(xiǎn)值VaR 的定義公式中可以看出，計(jì)算風(fēng)險(xiǎn)值VaR 必須重點(diǎn)關(guān)注以下幾個(gè)參數(shù)：

1.時(shí)間范圍

風(fēng)險(xiǎn)管理者可根據(jù)自己的需要及投資組合的特性選擇合適的時(shí)間長(zhǎng)度。文中，中國(guó)國(guó)航選用的是1 日的VaR 來(lái)進(jìn)行監(jiān)管。

2.置信水平

置信水平的選擇主要取決于風(fēng)險(xiǎn)管理者對(duì)待風(fēng)險(xiǎn)的態(tài)度。一般而言，風(fēng)險(xiǎn)厭惡水平越高，置信水平的選擇也應(yīng)越高。為了保障金融系統(tǒng)的安全，巴塞爾委員會(huì)建議選取99%的置信水平。

3.損益的概率分布（密度）函數(shù)

要計(jì)算風(fēng)險(xiǎn)值VaR，必須假設(shè)損益的概率分布函數(shù)，最常用的假設(shè)是正態(tài)分布，但由于大部分金融資產(chǎn)收益率的分布與正態(tài)分布假設(shè)相差較大，在設(shè)定概率分布函數(shù)時(shí)要認(rèn)真考慮。

（二）VaR 的計(jì)算方法

菲利普·喬瑞（1998）認(rèn)為，從估值的范圍即估值的局部和完全性來(lái)分，VaR 的度量方法可以劃分為兩類。第一類以局部估值為基礎(chǔ)，其典型代表為delta-正態(tài)法和delta-Gama 法；第二類以完全估值為基礎(chǔ)，包括歷史模擬法（Historical Simulation）、壓力測(cè)試法（Stress Testing）以及結(jié)構(gòu)蒙特卡羅法（Structured Monte Carlo）[1]。

圖2 VaR 度量方法的分類：估值的范圍

而如果從計(jì)算過(guò)程中是否需要估計(jì)參數(shù)的角度來(lái)看，VaR的計(jì)算方法可以分為三大類：參數(shù)（Parametric）方法、非參數(shù)（Nonparametric）方法和半?yún)?shù)方法（Semiparametric）方法。其中參數(shù)方法必須在計(jì)算過(guò)程中估計(jì)參數(shù)，常見(jiàn)的是使用正態(tài)分布或高斯分布；非參數(shù)方法在計(jì)算過(guò)程中不需要估計(jì)參數(shù)，而是應(yīng)用經(jīng)驗(yàn)的分布或歷史的分布，常用的方法是歷史模擬法或者蒙特卡羅模擬法；而半?yún)?shù)方法僅需要估計(jì)部分參數(shù)，典型的方式是利用極值理論（EVT）來(lái)計(jì)算。

圖3 VaR 度量方法的分類：是否需要估計(jì)參數(shù)

何旭彪（2005）對(duì)VaR 的幾種方法歷史模擬法、方差-協(xié)方差方法和蒙特卡羅模擬法的特點(diǎn)進(jìn)行了總結(jié)[2]。三種方法的主要特征比較見(jiàn)表 2。

表2 VaR 計(jì)算方法的比較

（三）VaR 方法的優(yōu)點(diǎn)

VaR方法有助于企業(yè)管理者對(duì)風(fēng)險(xiǎn)進(jìn)行量化分析，并因此提高企業(yè)的整體風(fēng)險(xiǎn)管理水平。VaR 方法具有以下優(yōu)點(diǎn)：

（1）VaR 方法把對(duì)預(yù)期損失和該損失發(fā)生的概率結(jié)合起來(lái)，使用者不僅可以知道發(fā)生損失的大小，而且知道其發(fā)生的概率。

（2）VaR 方法使用簡(jiǎn)單。用一個(gè)VaR 值就能反映企業(yè)整體的風(fēng)險(xiǎn)狀況，企業(yè)管理層可以利用VaR 值及時(shí)掌握企業(yè)的整體風(fēng)險(xiǎn)狀況。

（3）適應(yīng)不同風(fēng)險(xiǎn)偏好人士使用。管理者可以通過(guò)調(diào)節(jié)置信水平，以滿足企業(yè)的風(fēng)險(xiǎn)偏好，對(duì)于風(fēng)險(xiǎn)厭惡型的企業(yè)可以提高置信水平，以適應(yīng)企業(yè)的需要。

（四）外匯VaR 的度量

由于VaR 方法的各種優(yōu)點(diǎn)，該方法在外匯風(fēng)險(xiǎn)的度量上也同樣適用。李亞靜、朱宏泉、何躍（2000）介紹了VaR 的方法在外匯市場(chǎng)的應(yīng)用，并計(jì)算了加元、日元、英鎊、法郎和馬克對(duì)美元的匯率波動(dòng)的VaR 值[3]。林劍（2006）則進(jìn)一步將風(fēng)險(xiǎn)價(jià)值方法和我國(guó)企業(yè)外匯風(fēng)險(xiǎn)管理相結(jié)合，建立了以VaR 作為分析方法的企業(yè)外匯風(fēng)險(xiǎn)體系[4]。謝非、陳利軍、秦建成（2011）采用歷史模擬法和蒙特卡羅模擬法的VaR 模型來(lái)分別度量我國(guó)商業(yè)銀行某時(shí)點(diǎn)的匯率風(fēng)險(xiǎn)值[5]。VaR 的度量也可以用于新興國(guó)家的外匯市場(chǎng)上。Rejeb、Salha 和Rejeb（2012）對(duì)四種風(fēng)險(xiǎn)價(jià)值模擬方法（即方差-協(xié)方差法、歷史模擬法、bootstrap法和蒙特卡羅法）進(jìn)行實(shí)證比較，并估計(jì)在突尼斯外匯市場(chǎng)上的三種貨幣和四種貨幣組合的VaR[6]。

由于外匯波動(dòng)并不呈現(xiàn)出完全的正態(tài)分布，而且企業(yè)的外匯風(fēng)險(xiǎn)敞口可能涉及多個(gè)幣種，而多個(gè)幣種之間又存在著一定的相關(guān)性，因此很難用解析方法求出VaR 值。因此，本文主要采用上面所述的歷史模擬法和蒙特卡羅模擬法，并輔以歷史數(shù)據(jù)來(lái)計(jì)算企業(yè)的外匯風(fēng)險(xiǎn)VaR 值。具體的計(jì)算方式可分為單幣種的VaR 值計(jì)算和多幣種組合的VaR 值計(jì)算：

（1）單幣種的VaR 計(jì)算。僅涉及到某一幣種的VaR 值計(jì)算，相對(duì)比較簡(jiǎn)單，但是要考慮各個(gè)幣種的現(xiàn)實(shí)情況，在選用歷史數(shù)據(jù)進(jìn)行蒙特卡羅模擬時(shí)要特別小心。

（2）多幣種組合的VaR 計(jì)算。涉及到多個(gè)幣種組合時(shí)，需要考慮不同幣種變動(dòng)的相關(guān)性，比如說(shuō)當(dāng)歐元對(duì)美元上升時(shí)，英鎊對(duì)美元上升的概率也越高，說(shuō)明兩者存在一定的正相關(guān)，在模擬的過(guò)程中要把這種相關(guān)性考慮進(jìn)去。常用的解決方法是喬列斯基分解，但如果涉及到的幣種較多，這種方法也過(guò)于復(fù)雜，但利用歷史數(shù)據(jù)可以很好地解決這一問(wèn)題。

三、統(tǒng)計(jì)分析

（一）數(shù)據(jù)選取

本文從路透系統(tǒng)中獲取相應(yīng)幣種的匯率數(shù)據(jù)。

1.幣種的選取

本文選取美元USD、歐元EUR、英鎊GBP、日元JPY 與人民幣CNY 的匯率（后面簡(jiǎn)稱為美元匯率、歐元匯率、英鎊匯率和日元匯率）交易數(shù)據(jù)作為樣本。選擇這幾個(gè)貨幣的原因如下：

（1）美元USD、歐元EUR、英鎊GBP、日元JPY 與人民幣是構(gòu)成SDR（特別提款權(quán)）① 的五種貨幣。

（2）這幾種貨幣也是國(guó)際上外匯儲(chǔ)備使用最多的貨幣。

（3）我國(guó)企業(yè)交易也主要涉及這幾種貨幣。

2.時(shí)間范圍的選取

取數(shù)范圍，從2005年7月21日-2019年6月12日，每日的匯率數(shù)據(jù)。之所以從2005 年7 月21 日開始取數(shù)，是因?yàn)?005 年7 月21 日，央行對(duì)人民幣匯率形成機(jī)制進(jìn)行改革，人民幣匯率不再單一盯住美元，而是參考了一攬子貨幣，之后，人民幣的波動(dòng)也相對(duì)加大。如果選取之前的數(shù)據(jù)，波動(dòng)率較小，不符合目前的市場(chǎng)情況，所以把這部分?jǐn)?shù)據(jù)舍棄。

3.收益率的計(jì)算

在收益率計(jì)算上，采用金融產(chǎn)品主要使用的對(duì)數(shù)收益率，即ln(St/St-1)，計(jì)算對(duì)數(shù)收益率的好處是各期收益率可以直接相加，而不用像算術(shù)收益率一樣，要用乘法；而且當(dāng)收益率比較小時(shí)，

圖4 四種貨幣的收益率波動(dòng)情況圖

4.統(tǒng)計(jì)情況

通過(guò)計(jì)算后，四種貨幣（美元、歐元、日元、英鎊）的收益率波動(dòng)情況如圖 4 所示。

由圖4 可以看出以下幾個(gè)特點(diǎn)：（1）美元匯率的波動(dòng)幅度明顯小于歐元、日元和英鎊的變動(dòng)幅度；（2）美元匯率在前期的波動(dòng)幅度較小，而2015 年8 月11日匯改以后，美元匯率迅速加大；其他幣種前期波動(dòng)幅度較大，而后期波動(dòng)幅度較?。ǔ?016 年英鎊匯率因?yàn)槊摎W事件有短暫的波動(dòng)加大）。

造成這一波動(dòng)特點(diǎn)的主要原因是：（1）人民幣“811”匯改后，市場(chǎng)化程度增強(qiáng)，因此美元匯率波動(dòng)幅度加大[7]；（2）人民幣原來(lái)盯住美元的策略改為了盯住一攬子貨幣的策略，當(dāng)美元匯率波動(dòng)幅度加大時(shí)，其他貨幣匯率自然會(huì)縮小。

從表 3 的描述統(tǒng)計(jì)量可以看出美元匯率收益率的標(biāo)準(zhǔn)差，明顯小于其他三種貨幣（歐元、日元和英鎊）。且這四種貨幣的峰度明顯超過(guò)正態(tài)分布下的峰度，呈現(xiàn)出尖峰厚尾的特征。以美元匯率為例，其收益率與正態(tài)分布概率的對(duì)比如圖 5 所示。

從圖5 可以看出，在中間部分，USD 收益率的概率明顯超過(guò)正態(tài)分布的概率，同時(shí)在尾部，當(dāng)超過(guò)±3個(gè)標(biāo)準(zhǔn)差后，正態(tài)分布的概率接近于0，而USD 收益率的尾部在±6 個(gè)標(biāo)準(zhǔn)差仍會(huì)發(fā)生。說(shuō)明，USD 的收益率符合尖峰厚尾的屬性。如果用正態(tài)分布來(lái)估算USD的收益率會(huì)產(chǎn)生較大的偏差。

圖5 美元匯率收益率分布與正態(tài)分布概率的對(duì)比

表3 四種貨幣收益率的描述統(tǒng)計(jì)量

表4 美元、歐元、日元、英鎊四種貨幣1 日VaR（歷史模擬法）

（二）單幣種外幣的VaR 度量

由于各種幣種匯率的收益率并不符合正態(tài)分布的特性，要利用參數(shù)估計(jì)的方法比較難以實(shí)現(xiàn)，本文中主要采用非參數(shù)的方法，主要以歷史模擬法對(duì)VaR 值進(jìn)行估計(jì)。由于外匯市場(chǎng)波動(dòng)大，因此也采用1 日的時(shí)間范圍。

實(shí)現(xiàn)VaR 測(cè)量的歷史模擬方法主要有四個(gè)步驟：（1）獲取所需分析的單個(gè)幣種的歷史數(shù)據(jù)（這一步前面已經(jīng)完成）；（2）調(diào)整模擬數(shù)據(jù)（權(quán)重等），以反映當(dāng)前市場(chǎng)狀況；（3）擬合調(diào)整后數(shù)據(jù)的實(shí)證分布；（4）推導(dǎo)相關(guān)顯著性水平和風(fēng)險(xiǎn)水平的VaR。其中第（2）個(gè)步驟中對(duì)于模擬數(shù)據(jù)的權(quán)重選擇至關(guān)重要，因?yàn)闀?huì)直接影響到最終的VaR 值，對(duì)于權(quán)重的選擇有兩種思路：第1 種思路是所有數(shù)據(jù)的權(quán)重都是一致的；第2 種思路是最新的數(shù)據(jù)權(quán)重要更大，而越早的數(shù)據(jù)權(quán)重越小。通過(guò)計(jì)算得出幾種貨幣的1 日VaR 值，如表4 所示。

可以看到，美元的第1 種VaR 計(jì)算結(jié)果比第2種VaR 的計(jì)算結(jié)算結(jié)果小，而其他三種貨幣（歐元、日元和英鎊）則正好相反，第1 種VaR 計(jì)算結(jié)果都比第2 種VaR 的計(jì)算結(jié)果大。這是因?yàn)榈? 種VaR 的計(jì)算方法中，對(duì)近期的收益率賦予比較高的權(quán)重，而對(duì)遠(yuǎn)期的收益率賦予比較低的權(quán)重。美元第2 種VaR的計(jì)算結(jié)果比較大，說(shuō)明美元近期的波動(dòng)正在加大，其他三種貨幣（歐元、日元和英鎊）則正好相反，說(shuō)明這三種貨幣的收益率波動(dòng)正在縮小。這一分析也與圖 4 四種貨幣的收益率波動(dòng)情況圖中所反映的信息是一致。

造成這種結(jié)果有以下原因：人民幣現(xiàn)在是盯住一攬子貨幣，而原來(lái)主要是盯住美元的策略，這就造成了在早期美元匯率波動(dòng)相對(duì)較小，而近期美元匯率波動(dòng)較大，且因?yàn)槭嵌⒆∫粩堊迂泿?，其他貨幣的匯率波動(dòng)也相對(duì)降低。為了更好地反映VaR 值的真實(shí)情況，建議在VaR 值的計(jì)算使用中采用非等權(quán)重（越新的數(shù)據(jù)權(quán)重越高）的方法。

表5 四種貨幣之間的相關(guān)系數(shù)

（三）多幣種外匯資產(chǎn)組合的VaR 度量

前面部分主要考慮了單幣種外匯的VaR 度量，但企業(yè)在經(jīng)營(yíng)過(guò)程中，往往不止持有一種外幣，因此需要綜合考慮外匯組合的VaR。

1.各種貨幣的相關(guān)性

根據(jù)CAPM 模型，只要各種資產(chǎn)之間的相關(guān)性不為1，資產(chǎn)組合可降低和分散風(fēng)險(xiǎn)，即資產(chǎn)組合的風(fēng)險(xiǎn)小于各資產(chǎn)單獨(dú)的風(fēng)險(xiǎn)之和。

首先計(jì)算四種貨幣收益率之間的相關(guān)系數(shù)。從表5 可以看到，美元匯率與其他三種貨幣的相關(guān)性不大，而其他貨幣之間除了歐元匯率與英鎊匯率相關(guān)性較大外，其他貨幣之間的相關(guān)性也都不大。因此可以認(rèn)為外匯組合的VaR 值應(yīng)該會(huì)小于單個(gè)外匯VaR 值之和。

2.中國(guó)國(guó)航外匯組合VaR 的計(jì)算

本文以中國(guó)國(guó)航年報(bào)的實(shí)際數(shù)據(jù)為例，使用歷史模擬法對(duì)中國(guó)國(guó)航組合VaR 進(jìn)行測(cè)算，具體有以下四個(gè)步驟：（1）獲取所需分析的各個(gè)幣種的歷史數(shù)據(jù)，同時(shí)代入中國(guó)國(guó)航的實(shí)際外匯敞口計(jì)算組合的歷史收益情況；（2）調(diào)整模擬數(shù)據(jù)（同樣分為等權(quán)重和非等權(quán)重兩種方法），以反映當(dāng)前市場(chǎng)狀況；（3）對(duì)得到的結(jié)果進(jìn)行排序；（4）按概率權(quán)重推導(dǎo)組合的VaR。

從中國(guó)國(guó)航年報(bào)的敏感性分析，可以倒推出2018年12 月31 日外匯敞口的情況（即對(duì)凈利潤(rùn)的影響除以1%），見(jiàn)表6：

經(jīng)過(guò)計(jì)算后得到中國(guó)國(guó)航2018 年12 月31 日的外匯敞口，在1 日下各種置信度下的外匯風(fēng)險(xiǎn)VaR 值見(jiàn)表7：

表6 中國(guó)國(guó)航2018 年12 月31 日外匯敞口情況 單位：億元（已換算成人民幣）

注：其中負(fù)數(shù)表示為負(fù)債。

表7 中國(guó)國(guó)航外匯風(fēng)險(xiǎn)1 日VaR 值測(cè)算 單位：億元（已換算成人民幣）

三、結(jié)論

本文利用VaR 的計(jì)算方法，對(duì)中國(guó)國(guó)航的外匯風(fēng)險(xiǎn)進(jìn)行度量，計(jì)算出來(lái)的1 日99%置信度下的VaR 值為1.9981億元，而中國(guó)國(guó)航在年報(bào)中披露的敏感性分析，即如果人民幣升值1%的情況下，對(duì)利潤(rùn)的影響是2.4487億元。通過(guò)數(shù)據(jù)的對(duì)比，可以明顯看出年報(bào)中披露的敏感性并不能真正反映出中國(guó)國(guó)航面臨的外匯風(fēng)險(xiǎn)，用VaR 的測(cè)度方法，在100 個(gè)交易日中，就會(huì)出現(xiàn)1 日的外匯損失達(dá)到2 億元，可以讓報(bào)表的使用者更直觀感受到外匯風(fēng)險(xiǎn)的大小。

另一方面，中國(guó)國(guó)航在2015 年、2016 年、2018年的外匯損失分別達(dá)到了51.5604 億元、42.3367 億元及23.7658 億元，明顯高于敏感性披露的金額。而如果用VaR 方法進(jìn)行度量，簡(jiǎn)單換算成1 月及1 年的VaR值（分別乘以1 月及1 年交易日數(shù)的開根號(hào)，即及），可以得到1 月及1 年的VaR 如表8 所示。考慮到中國(guó)國(guó)航在2018 年敞口的下降，1 月及1 年的VaR 值也可以反映出中國(guó)國(guó)航所實(shí)際承受的外匯風(fēng)險(xiǎn)。

表8 中國(guó)國(guó)航外匯風(fēng)險(xiǎn)1 月及1 年VaR 值 單位：億元（已換算成人民幣）

因此，以VaR 的測(cè)度方法計(jì)算出來(lái)的外匯風(fēng)險(xiǎn)，比目前常用的披露敏感性的方式更能全面、準(zhǔn)確反映企業(yè)所面臨的實(shí)際外匯風(fēng)險(xiǎn)，建議企業(yè)以VaR 值的方式代替原來(lái)的敏感性分析，更有效地防范外匯風(fēng)險(xiǎn)。

注釋

①2016 年10 月1 日，特別提款權(quán)的價(jià)值是由美元、歐元、人民幣、日元、英鎊這五種貨幣所構(gòu)成的一籃子貨幣的當(dāng)期匯率確定，所占權(quán)重分別為41.73%、30.93%、10.92%、8.33%和8.09%。

參考文獻(xiàn)

[1] [美]菲利普·喬瑞.風(fēng)險(xiǎn)價(jià)值VAR[M].北京：中信出版社，1998：205-297.

[2]何旭彪.VaR 風(fēng)險(xiǎn)耦合理論模型、數(shù)值模擬技術(shù)及應(yīng)用研究[D].武漢：華中科技大學(xué)，2005.

[3]李亞靜，朱宏泉，何躍.基于VaR 的風(fēng)險(xiǎn)分析理論與計(jì)算方法[J].預(yù)測(cè)，2000，5（5）：36-39，46.

[4]林劍.基于VaR 方法論我國(guó)企業(yè)外匯風(fēng)險(xiǎn)管理研究[D].濟(jì)南：山東大學(xué)，2006.

[5]謝非，陳利軍，秦建成.蒙特卡羅模擬法與歷史模擬法度量匯率風(fēng)險(xiǎn)比較研究[J].經(jīng)濟(jì)師，2011（10）：21-23.

[6]Rejeb A.B.,Salha O.B.,Rejeb J.B..Value-at-Risk Analysis for the Tunisian Foreign Exchange Market:A Comparative Study[J].Theoretical and Applied Economics,2012,Vol.19(5):93-114.

[7]平琳.基于VaR 模型對(duì)我國(guó)企業(yè)外匯風(fēng)險(xiǎn)的測(cè)量及風(fēng)險(xiǎn)管理的研究[D].長(zhǎng)春：吉林大學(xué)，2018.