免费韩漫无遮漫画,欧美Z0ZO人禽交欧美人禽交 ,男人激烈吮乳吃奶视频免费,GAY男同GV网站播放免费

一、引言

2015 年“811 匯改”以后，人民幣的波幅加大，結(jié)束了原來單邊升值的態(tài)勢，呈現(xiàn)出雙邊波動的態(tài)勢，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，人民幣對美元又出現(xiàn)較大幅度的上漲；而進入了2019 年后，由于中美貿(mào)易戰(zhàn)的升級，人民幣又出現(xiàn)的較大程度的下跌。

人民幣匯率的波動會對企業(yè)的經(jīng)營活動產(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)由于以外幣計價的負(fù)債升值而造成債務(wù)加重直接影響企業(yè)利潤情況，最為典型的即為航空業(yè)。從表1 可以看出，從2015 年——2018 年國內(nèi)各主要航空公司受到匯率波動的影響巨大，除了2017 年因為人民幣升值給各個航空公司帶來了匯兌收益外，其余各年都給航空公司帶來了巨額的匯兌損失，因此各航空公司應(yīng)高度重視外匯波動對經(jīng)營活動可能產(chǎn)生的影響。

雖然匯兌損益對航空公司帶來的影響巨大，但根據(jù)《企業(yè)會計準(zhǔn)則第19 號——外幣折算》以及《公開發(fā)行證券的公司信息披露編報規(guī)則第15 號——財務(wù)報告的一般規(guī)定》的要求，匯兌損益在財務(wù)報表中一般不單獨列示，而是合并在損益表中的財務(wù)費用中，并在財務(wù)費用的附注中進行披露。在年報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算的會計政策；（2）外匯風(fēng)險的管理方法；（3）匯兌損益的數(shù)值；（4）外幣敞口的貨幣類型及其金額。以中國國航（601111）為例，在年報中對于外匯風(fēng)險的描述比較有限，對于外匯風(fēng)險的管理方法甚至沒有說明，而只是對外匯風(fēng)險進行了敏感性的分析。

敏感性分析（Sensitivity Analysis）可以顯示不確定性因素對項目經(jīng)濟效益的影響，以及允許維持項目的不確定性受到不利影響的程度，從而預(yù)測項目承擔(dān)的風(fēng)險，但沒有說明風(fēng)險發(fā)生的可能性。也就是說，年報中反映了人民幣升值1%對凈利潤和股東權(quán)益的影響，但這個事件發(fā)生的概率有多大，并沒有反映出來；另一方面，對于風(fēng)險方面的度量，我們更關(guān)注的是其可能帶來的損失，也就是人民幣貶值會對公司的凈利潤產(chǎn)生的影響。為解決敏感性分析存在的問題，可以使用度量風(fēng)險常見的VaR（Value at Risk）模型，國外商業(yè)銀行以及大型企業(yè)通常采用了VaR 方式對外匯風(fēng)險進行度量。本文也認(rèn)為VaR 是一種度量外匯風(fēng)險的更合理方法，并提出了一種適合中國的航空公司使用的外匯風(fēng)險VaR 度量模型。

表1 國內(nèi)航空公司2015 年-2018 年匯兌損失表

資料來源：Choice 數(shù)據(jù)庫

圖1 中國國航年報中關(guān)于外匯風(fēng)險的闡述

數(shù)據(jù)來源：中國國航（601111）2018 年年報

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)組合在未來特定的一段時間內(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)險值VaR 的定義公式中可以看出，計算風(fēng)險值VaR 必須重點關(guān)注以下幾個參數(shù)：

1.時間范圍

風(fēng)險管理者可根據(jù)自己的需要及投資組合的特性選擇合適的時間長度。文中，中國國航選用的是1 日的VaR 來進行監(jiān)管。

2.置信水平

置信水平的選擇主要取決于風(fēng)險管理者對待風(fēng)險的態(tài)度。一般而言，風(fēng)險厭惡水平越高，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)

要計算風(fēng)險值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)時要認(rèn)真考慮。

（二）VaR 的計算方法

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

而如果從計算過程中是否需要估計參數(shù)的角度來看，VaR的計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)方法必須在計算過程中估計參數(shù)，常見的是使用正態(tài)分布或高斯分布；非參數(shù)方法在計算過程中不需要估計參數(shù)，而是應(yīng)用經(jīng)驗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)方法僅需要估計部分參數(shù)，典型的方式是利用極值理論（EVT）來計算。

圖3 VaR 度量方法的分類：是否需要估計參數(shù)

何旭彪（2005）對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進行了總結(jié)[2]。三種方法的主要特征比較見表 2。

表2 VaR 計算方法的比較

（三）VaR 方法的優(yōu)點

VaR方法有助于企業(yè)管理者對風(fēng)險進行量化分析，并因此提高企業(yè)的整體風(fēng)險管理水平。VaR 方法具有以下優(yōu)點：

（1）VaR 方法把對預(yù)期損失和該損失發(fā)生的概率結(jié)合起來，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 方法使用簡單。用一個VaR 值就能反映企業(yè)整體的風(fēng)險狀況，企業(yè)管理層可以利用VaR 值及時掌握企業(yè)的整體風(fēng)險狀況。

（3）適應(yīng)不同風(fēng)險偏好人士使用。管理者可以通過調(diào)節(jié)置信水平，以滿足企業(yè)的風(fēng)險偏好，對于風(fēng)險厭惡型的企業(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，該方法在外匯風(fēng)險的度量上也同樣適用。李亞靜、朱宏泉、何躍（2000）介紹了VaR 的方法在外匯市場的應(yīng)用，并計算了加元、日元、英鎊、法郎和馬克對美元的匯率波動的VaR 值[3]。林劍（2006）則進一步將風(fēng)險價值方法和我國企業(yè)外匯風(fēng)險管理相結(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 模型來分別度量我國商業(yè)銀行某時點的匯率風(fēng)險值[5]。VaR 的度量也可以用于新興國家的外匯市場上。Rejeb、Salha 和Rejeb（2012）對四種風(fēng)險價值模擬方法（即方差-協(xié)方差法、歷史模擬法、bootstrap法和蒙特卡羅法）進行實證比較，并估計在突尼斯外匯市場上的三種貨幣和四種貨幣組合的VaR[6]。

由于外匯波動并不呈現(xiàn)出完全的正態(tài)分布，而且企業(yè)的外匯風(fēng)險敞口可能涉及多個幣種，而多個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)來計算企業(yè)的外匯風(fēng)險VaR 值。具體的計算方式可分為單幣種的VaR 值計算和多幣種組合的VaR 值計算：

（1）單幣種的VaR 計算。僅涉及到某一幣種的VaR 值計算，相對比較簡單，但是要考慮各個幣種的現(xiàn)實情況，在選用歷史數(shù)據(jù)進行蒙特卡羅模擬時要特別小心。

（2）多幣種組合的VaR 計算。涉及到多個幣種組合時，需要考慮不同幣種變動的相關(guān)性，比如說當(dāng)歐元對美元上升時，英鎊對美元上升的概率也越高，說明兩者存在一定的正相關(guān)，在模擬的過程中要把這種相關(guān)性考慮進去。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，這種方法也過于復(fù)雜，但利用歷史數(shù)據(jù)可以很好地解決這一問題。

三、統(tǒng)計分析

（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）這幾種貨幣也是國際上外匯儲備使用最多的貨幣。

（3）我國企業(yè)交易也主要涉及這幾種貨幣。

2.時間范圍的選取

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)，是因為2005 年7 月21 日，央行對人民幣匯率形成機制進行改革，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，人民幣的波動也相對加大。如果選取之前的數(shù)據(jù)，波動率較小，不符合目前的市場情況，所以把這部分?jǐn)?shù)據(jù)舍棄。

3.收益率的計算

在收益率計算上，采用金融產(chǎn)品主要使用的對數(shù)收益率，即ln(St/St-1)，計算對數(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，

圖4 四種貨幣的收益率波動情況圖

4.統(tǒng)計情況

通過計算后，四種貨幣（美元、歐元、日元、英鎊）的收益率波動情況如圖 4 所示。

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

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

從表 3 的描述統(tǒng)計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正態(tài)分布的概率，同時在尾部，當(dāng)超過±3個標(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 個標(biāo)準(zhǔn)差仍會發(fā)生。說明，USD 的收益率符合尖峰厚尾的屬性。如果用正態(tài)分布來估算USD的收益率會產(chǎn)生較大的偏差。

圖5 美元匯率收益率分布與正態(tài)分布概率的對比

表3 四種貨幣收益率的描述統(tǒng)計量

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)估計的方法比較難以實現(xiàn)，本文中主要采用非參數(shù)的方法，主要以歷史模擬法對VaR 值進行估計。由于外匯市場波動大，因此也采用1 日的時間范圍。

實現(xiàn)VaR 測量的歷史模擬方法主要有四個步驟：（1）獲取所需分析的單個幣種的歷史數(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)前市場狀況；（3）擬合調(diào)整后數(shù)據(jù)的實證分布；（4）推導(dǎo)相關(guān)顯著性水平和風(fēng)險水平的VaR。其中第（2）個步驟中對于模擬數(shù)據(jù)的權(quán)重選擇至關(guān)重要，因為會直接影響到最終的VaR 值，對于權(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。通過計算得出幾種貨幣的1 日VaR 值，如表4 所示。

可以看到，美元的第1 種VaR 計算結(jié)果比第2種VaR 的計算結(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 計算結(jié)果都比第2 種VaR 的計算結(jié)果大。這是因為第2 種VaR 的計算方法中，對近期的收益率賦予比較高的權(quán)重，而對遠(yuǎn)期的收益率賦予比較低的權(quán)重。美元第2 種VaR的計算結(jié)果比較大，說明美元近期的波動正在加大，其他三種貨幣（歐元、日元和英鎊）則正好相反，說明這三種貨幣的收益率波動正在縮小。這一分析也與圖 4 四種貨幣的收益率波動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，而原來主要是盯住美元的策略，這就造成了在早期美元匯率波動相對較小，而近期美元匯率波動較大，且因為是盯住一攬子貨幣，其他貨幣的匯率波動也相對降低。為了更好地反映VaR 值的真實情況，建議在VaR 值的計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)營過程中，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，即資產(chǎn)組合的風(fēng)險小于各資產(chǎn)單獨的風(fēng)險之和。

首先計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)該會小于單個外匯VaR 值之和。

2.中國國航外匯組合VaR 的計算

本文以中國國航年報的實際數(shù)據(jù)為例，使用歷史模擬法對中國國航組合VaR 進行測算，具體有以下四個步驟：（1）獲取所需分析的各個幣種的歷史數(shù)據(jù)，同時代入中國國航的實際外匯敞口計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)前市場狀況；（3）對得到的結(jié)果進行排序；（4）按概率權(quán)重推導(dǎo)組合的VaR。

從中國國航年報的敏感性分析，可以倒推出2018年12 月31 日外匯敞口的情況（即對凈利潤的影響除以1%），見表6：

經(jīng)過計算后得到中國國航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VaR 值見表7：

表6 中國國航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 中國國航外匯風(fēng)險1 日VaR 值測算 單位：億元（已換算成人民幣）

三、結(jié)論

本文利用VaR 的計算方法，對中國國航的外匯風(fēng)險進行度量，計算出來的1 日99%置信度下的VaR 值為1.9981億元，而中國國航在年報中披露的敏感性分析，即如果人民幣升值1%的情況下，對利潤的影響是2.4487億元。通過數(shù)據(jù)的對比，可以明顯看出年報中披露的敏感性并不能真正反映出中國國航面臨的外匯風(fēng)險，用VaR 的測度方法，在100 個交易日中，就會出現(xiàn)1 日的外匯損失達到2 億元，可以讓報表的使用者更直觀感受到外匯風(fēng)險的大小。

另一方面，中國國航在2015 年、2016 年、2018年的外匯損失分別達到了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 方法進行度量，簡單換算成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，即及），可以得到1 月及1 年的VaR 如表8 所示?？紤]到中國國航在2018 年敞口的下降，1 月及1 年的VaR 值也可以反映出中國國航所實際承受的外匯風(fēng)險。

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

因此，以VaR 的測度方法計算出來的外匯風(fēng)險，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)所面臨的實際外匯風(fēng)險，建議企業(yè)以VaR 值的方式代替原來的敏感性分析，更有效地防范外匯風(fēng)險。

注釋

①2016 年10 月1 日，特別提款權(quán)的價值是由美元、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

[1] [美]菲利普·喬瑞.風(fēng)險價值VAR[M].北京：中信出版社，1998：205-297.

[2]何旭彪.VaR 風(fēng)險耦合理論模型、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)險分析理論與計算方法[J].預(yù)測，2000，5（5）：36-39，46.

[4]林劍.基于VaR 方法論我國企業(yè)外匯風(fēng)險管理研究[D].濟南：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)險比較研究[J].經(jīng)濟師，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 模型對我國企業(yè)外匯風(fēng)險的測量及風(fēng)險管理的研究[D].長春：吉林大學(xué)，2018.