我国外汇储备的结构优化研究

我国外汇储备的结构优化研究摘要：随着外汇储备规模的不断扩大，储备资产的结构以及风险管理日渐重要。选取2009年1月至2014年12月期间美元、欧元、日元、英镑、澳元、加元以及石油和黄金等八个代表性的储备资产的日收益率数据，通过使用两次绝对偏差模型（MAD模型）计算资产的最优配置，使用VaR-GARCH模型进行配置资产的风险管理，可进一步优化我国外汇储备资产的结构，满足外汇储备管理的安全性原则。关键词：外汇储备；MAD模型；GARCH模型；储备货币；外汇组合风险；外汇储备结构中图分类号：F832.6文献标识码：A文章编号：1007-2101（2016）04-0045-07一、引言改革开放三十多年来，中国经济高速发展，其中，对外贸易居功至伟。特别是中国加入WTO以来，由于国际投资者看好中国经济形势，大量资本进入国内。贸易、资本双顺差使得我国外汇储备长期累积并占据了世界第一的位置。截止到2014年末，我国外汇余额已有3.84万亿美元。巨额的外汇储备为我国开放经济的平稳发展起到了重要作用，同时管理巨额外汇储备的投资风险也面临巨大挑战。国际货币基金组织（IMF）2014年第四季度公告了发展中国家的外汇储备结构：美元为62.25%，欧元21.48%，日元3.16%，英镑4.48%，加拿大元2.23%，澳元2.07%，其他货币总共占比3.93%。由于我国外汇储备规模在发展中国家占比极大，由以上数据推测我国约有60%的外汇储备投资于美元资产，欧元也占到20%左右。最近研究显示，在国际金融大环境处于长期动荡的背景下，如何平衡风险与收益之间的关系，合理确定外汇的储备结构，已然成为学界研究的热点。关于外汇储备结构，国外学者很早就开展过相关的研究。比较著名的理论有：Markowitz的资产组合选择模型、Heller和Knight模型以及Dooley模型。通过对外汇储备币种构建Markowitz（1952）的资产组合选择模型，可对各种储备货币的风险和收益进行优化分析。Heller和Knight（1978）通过建立计量模型，关注一国的贸易收支结构和汇率制度，来对该国的外汇管理进行研究。Dooley（1989）等对Heller-Knight模型进行了补充，指出外汇资产结构是贸易流量、外币支付流量和汇率制度共同影响的结果。外汇储备结构研究的另一个方向是运用VaR方法，综合运用其他模型，从降低外汇风险的角度来优化外汇币种结构。Zong-RunWang等（2010）运用GARCH―EVT―Copula模型，并结合VaR（CVaR）方法，对外汇组合风险进行研究。同时运用多元Copula将研究结果进行扩展，解决了从二维扩展到n维的资产配置问题。姜昱、邢曙光（2010）通过DCC-GARCH-CVaR模型研究了我国外汇储备的汇率风险，并在此基础上，运用Mean-CVaR模型确立我国外汇储备的最优结构。阎素仙、张建强（2012）选取美元、欧元、日元、英镑作为我国外汇储备资产，并运用VaR-GARCH方法及边际VaR工具进行分析，最终给出了降低欧元比重，适当提高日元、英镑比重的结论。余湄、何泓谷（2013）选取8种具有代表性的外汇储备资产，运用绝对偏差模型来计算我国外汇储备的最优结构，结果表明我国需提高澳元、日元占比，降低美元比例。周光友、赵思洁（2014）为研究中国外汇储备的结构风险，利用GARCH模型，结合VaR算法，实证分析了在不同预期收益率假设下的我国外汇储备的最优结构。王桐（2015）以杜利模型为基础，综合考虑我国进出口贸易、外商投资、我国外债以及各储备国的经济实力等要素，并添加未来中国国际政治经济战略（一带一路、亚投行、中韩自贸协定等）作为考量因素，得出我国外汇资产币种结构为：美元55.87%，日元10.37%，欧元18.23%，韩元6.90%，其他货币8.62%。陈珂、徐丹萍和杨胜刚（2015）借鉴了Makin（1971）的方法构建外汇储备币种结构，讨论在效用最大化的情况下，储备资产的安全性、流动性和盈利性三者之间的权衡，通过运用协整分析、格兰杰检验得出我国外汇储备投资总体是风险规避型的。纵观国内外研究可以看出，尽管学者们从不同角度对外汇储备的币种结构做了深入研究，但是仍然存在一些不足：首先，从“鸡蛋不要放在一个篮子里”的角度来看，大多数研究选择储备资产的种类仍然偏少，导致外汇组合风险没有很好的分散；其次，采用均值方差模型研究外汇储备的结构，需要假设收益率分布的正态性，然而实际情况是外汇资产的收益率分布一般不服从正态分布；最后，使用绝对偏差模型虽然避免了正态性假设的难题，但明显没有考虑风险的因素。针对以上研究中存在的不足，本文从外汇资产的选择以及优化方法的选用两个方面都做了创新。首先，在外汇储备资产的选择上，选取了美元、欧元、日元、英镑、澳元、加元以及石油和黄金八种资产；其次，在优化方法的选取上，两次运用了绝对偏差模型，特别是在第二次使用绝对偏差模型时不仅考虑了贸易方向和外债结构等刚性约束，更考虑了利用GARCH模型计算出来的外汇储备风险值的约束，解决了上述文献研究中存在的一些不足，实现了收益和风险的新均衡。二、基于GARCH模型的动态VaR测度（一）GARCH模型GARCH模型的数学表达式如下：xt=β0+β1xt-1+β2xt-2…+βpxt-s+utut=σtεtσt2=α0+∑pi=1αiσ2t-i+∑qj=1θju2t-j其中α00，αi≥0，θj≥0。GARCH的基本思想是在ARCH模型的基础之上，用一个或两个以上ut平方滞后值代替许多σ2t的滞后值。GARCH（p，q）中的（p，q）是指方差设定中含有q个GARCH项与p个ARCH项。（二）动态VaR测度VaR是在正常的市场条件下和给定的置信度内，某一金融资产或资产组合在未来特定持有期内的最大可能损失。用统计学公式表示为：P（ω（Δt，x）≤VaR）=1-C其中x为风险因素（如利率、汇率等市场因子），C为置信水平，Δt为持有期。ω（Δt，x）=ω（t，x）-ω（t0，x）（大于0时为收益，小于0时是损失）为损益函数，ω（t0，x）为资产的初始价值，ω（t，x）为时刻t资产的预测价值。从VaR的统计定义可以看出VaR值是由持有期Δt、置信水平C、风险因子x这三个基本要素组成的。估计条件方差的方法属于动态VaR计算的分析方法，可以利用下式计算每日的VaR值：VaR（i）=Δ+Zc*σ（i）其中Zc是相应标准化条件分布的上侧分位数，C为置信水平，Δ根据GARCH类模型的均值方程确定，σ（i）是根据GARCH类模型计算出来的条件方差。（三）VaR模型的事后检验我们使用Kupiec提出的LR检验法来进行VaR模型的准确性检验。该方法是对VaR模型估计风险过于激进或保守的权衡，能够全面检验模型的准确性。假定失败的期望概率为：■=1-C（C为置信度）。零假设为■=p。Kupiec提出了对零假设最合适的检验是似然比检验：LR=-2ln[（1-■）n-N■N]+2ln[（1-p）n-NpN]在零假设条件下，统计量LR～χ2（1）。自由度为1的卡方分布的99%置信区间的临界值为6.635。所以当计算出的LR值大于临界值时，拒绝模型。三、我国外汇储备的结构优化实证分析（一）我国外汇储备资产选择与数据的收集2012年11月19日，澳元和加元两个币种被国际货币基金组织认可为官方储备货币。同时2013年以后，两个币种在各个成员国的持有量也被独立公告出来，这表明澳元和加元在国际结算中将被越来越广泛使用。另外，黄金储备已然成为衡量当今世界各国财富硬实力的指标，拥有更多的黄金储备意味着在世界贸易体系中，国家应对金融风险的能力更加强大。石油作为我国工业经济命脉资源之一，其与充足的煤炭资源相比，储存量不足。除了进一步开发国内的石油资源外，利用外汇储备的方式解决石油长期缺乏的难题已迫在眉睫。基于上述原因，考虑到我国对外贸易结构和外债币种结构，本文选取美元、欧元、日元、英镑、澳大利亚元、加拿大元、黄金和石油作为我国外汇的储备资产。根据实证的需要，本文选取美元、欧元、日元、英镑、澳大利亚元和加拿大元间接标价法下的每日汇率，黄金和石油的日价格，以及美国、欧盟、日本、英国、澳大利亚和加拿大5年期国债的日收益率。数据来自于Wind数据库，截选了2009年1月至2014年12月的日数据。（二）不同资产收益率的计算一种货币的收益率受到汇率和该种货币利率的影响。货币收益率计算需要考虑两个方面：货币的利息收益以及货币之间兑换的潜在收益率。令Ei0表示期初时人民币对第i种货币的汇率，Eit表示期末时人民币对第i种货币的汇率。则：Ii=ri■，Ei=■-1货币的收益率为：Ri=Ii+Ei。黄金和石油的日收益率为：Rt=■。（三）资产收益率描述性统计分析从表1可以看出，均值最大的为澳元，其次为加元和英镑，由此可知澳元、加元和英镑近几年来收益率较高，表现良好。从方差、标准差角度分析八种资产的风险性，可以看出美元的标准差最小，其次是日元、加元、英镑、欧元、黄金、澳元，标准差最大的是石油。分析八种资产收益率是否符合正态分布。从描述性统计数字出发，可看出偏度系数显著不等于0，峰度系数也不满足正态条件。通过使用Shapiro-Wilk统计检验方法，对八种资产的收益率分布进行正态性检验，我们得到八种资产的W检验统计量都大于0.95，故八种资产收益均不符合正态分布。（四）MAD模型下我国外汇储备结构传统的均值方差模型需要假设货币的收益率满足正态分布的条件，而前文分析中的条件并不满足。故本文利用Yamakaz和Komno（1991）提出的绝对偏差模型来计算外汇储备最优配置比例。带有贸易方向和外债结构约束条件的MAD模型：其中Ri为资产i的收益率，ri=E（Ri），xi为投资者投资在资产i的比例，假设不允许卖空，即xi0。其中TDi用我国从某国进口额除以我国进口总额得出，DEi表示我国外债中持有的某币种的头寸。在计算权重时，用我国2009―2014年的进口贸易比例及外债比例的平均值来计算。k表示贸易方向约束系数，m表示外债方向约束系数，介于0和1之间。将八种资产日收益、进口贸易比例以及外债结构比例数据代入MAD模型，用MATLAB软件进行计算。在满足短期外债和进口贸易支付的前提下，得出在绝对偏差最小时，我国外汇储备的资产结构如表2。考虑我国贸易结构及外债结构，同时结合各资产的风险情况，我国外汇储备中日元所占比例最大为36.9%，其次为美元35.1%。这是因为日本和美国都是我国重要的贸易进口国，而且二者在我国外债中也占有重要地位。从绝对偏差模型的计算结果来看，日元、美元在我国外汇储备中占有重要地位。而欧盟虽然在近几年来一直是我国最大的进口国，但2009年以来的欧债危机导致欧元持续贬值，故欧元在外汇储备中仅占3.69%。单纯从绝对偏差模型来看，目前我国持有美元、欧元比重过高，应适当调低；日元比例应适当增加。另外，均值、标准差并不被看好的澳元，计算结果表明在我国外汇储备中占比1.42%。这是由于我国的贸易结构约束所致。在我国对外贸易体系中，澳大利亚与中国贸易来往密切，并且由于其独特的地理位置与天然的资源优势，澳大利亚成为中国最主要的贸易进口国。因此，澳元应当成为我国战略外汇储备力量之一。英镑占我国外汇储备0.28%的比例，初看起来不可思议。但仔细分析以后，可以发现英国同加拿大一样，都不是我国主要贸易进口国。同时英镑也并没有在外债货币种类中占有一席之地，故外债结构约束并不存在。而在前面统计描述分析中，并不被看好的黄金和石油，也在外汇储备中占有一席之地。黄金在外汇储备中占比13.09%，居第三位；石油占比4.42%，居第五位。虽然最近黄金价格持续下跌，表现不良。鉴于黄金价格易受国际各方炒作的影响，伴随着价格的不稳定性，风险也就有所上升。但是相比较而言，黄金在一段时间内的浮动要比表现不良的货币小的多。同时作为真正的被世界各国所认可的资产，且又存在很少的政治风险，故有必要增持黄金。而石油作为我国的稀缺能源，对我国经济发展具有重要作用，即使石油价格具有较大的波动性，我国