汇改以来人民币汇率波动风险溢出效应研究
发布时间：2020-12-21 04:00
人民币汇率于1994年开始实行并轨制,此后人民币汇率水平的高低逐步成为我国对外进行经济调节的重要杠杆之一。2005年7月21日,中国试实施汇率形成机制弹性化改革,采用一篮子货币为准进行调节。这种浮动汇率制度取代了之前的美元盯住制,由此人民币向自由浮动迈出了历史性的一步。2015年8月11日,中国人民银行发出公告,宣布兑人民币汇率制度进行重大改革。中国人民银行发出关于完善人民币兑美元汇率中间价报价的声明,完善人民币兑美元汇率中间价报价,即811汇改。同时,随着人民币国际化进程的不断推进以及各国之间国际贸易往来的不断加强,其他币种之间兑人民币汇率的波动也同样存在相互的联系和影响,这也大大增加了汇率波动风险。在这种背景下,本文首先介绍了汇率以及汇率风险的相关概念,以及汇率风险的研究背景与意义,梳理了到目前为止相关研究的现状,对汇率的相关理论进行简要的介绍;其次进行两方面的定性分析,一方面针对汇改以来四种货币兑人民币汇率变化趋势进行整体分析,另一方面对811汇改、英国脱欧投票、中美贸易战三个特殊事件中汇率风险的溢出效应进行分析;之后进行定量分析,将2015年7月1日至2019年7月1日四种货币...
【文章来源】：沈阳工业大学辽宁省
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
015年7月1日至2019年7月
第4章人民币汇率风险溢出效应的实证分析27c日元兑人民币汇率日对数收益率走势图d英镑兑人民币汇率日对数收益率走势图图4.12015年7月1日至2019年7月1日四种货币兑人民币日对数收益率走势图Fig.4.1ThedailylogarithmicrateofreturnofthefourcurrenciesagainsttheCNYfromJuly1,2015toJuly1,2019如图4.2所示，美元兑人民币汇率的对数收益率序列的均值为0.119783，中值为0.127013，最大值为18.40324，最小值为-9.262614，标准差为5.359060，标准差为2.333668，偏度S=0.771546＞0，呈现右偏现象；峰度K=10.18610＞3，呈现尖峰状态；在正态分布的原假设下，J-B统计量是自由度为2的卡方分布，查卡方表得到临界值为9.21034，RUSD的J-B统计量为2192.360，远大于临界值，表明该序列具有厚尾性，同时由于P值为0，说明至少在99%的置信水平上，拒绝正态分布的原假设，认为汇率的对数收益率具有显著的非正态性。图4.2RUSD的直方图和描述性统计量Figure4.2HistogramanddescriptivestatisticsofRUSD如图4.3所示，欧元兑人民币汇率的对数收益率序列的均值为0.138549，中值为0.026845，最大值为27.63988，最小值为-19.87512，标准差为5.359060，标准差为4.279157，偏度S=0.676626＞0，呈现右偏现象；峰度K=8.343846＞3，呈现尖峰状态；在正态分布的原假设下，J-B统计量是自由度为2的卡方分布，查卡方表得到临界值为9.21034，REUR的J-B统计量为1233.246，远大于临界值，表明该序列具有厚尾性，同时由于P值为0，说明至少在99%的置信水平上，拒绝正态分布的原假设，认为汇率的对数收益率具有显著的非正态性。
第4章人民币汇率风险溢出效应的实证分析27c日元兑人民币汇率日对数收益率走势图d英镑兑人民币汇率日对数收益率走势图图4.12015年7月1日至2019年7月1日四种货币兑人民币日对数收益率走势图Fig.4.1ThedailylogarithmicrateofreturnofthefourcurrenciesagainsttheCNYfromJuly1,2015toJuly1,2019如图4.2所示，美元兑人民币汇率的对数收益率序列的均值为0.119783，中值为0.127013，最大值为18.40324，最小值为-9.262614，标准差为5.359060，标准差为2.333668，偏度S=0.771546＞0，呈现右偏现象；峰度K=10.18610＞3，呈现尖峰状态；在正态分布的原假设下，J-B统计量是自由度为2的卡方分布，查卡方表得到临界值为9.21034，RUSD的J-B统计量为2192.360，远大于临界值，表明该序列具有厚尾性，同时由于P值为0，说明至少在99%的置信水平上，拒绝正态分布的原假设，认为汇率的对数收益率具有显著的非正态性。图4.2RUSD的直方图和描述性统计量Figure4.2HistogramanddescriptivestatisticsofRUSD如图4.3所示，欧元兑人民币汇率的对数收益率序列的均值为0.138549，中值为0.026845，最大值为27.63988，最小值为-19.87512，标准差为5.359060，标准差为4.279157，偏度S=0.676626＞0，呈现右偏现象；峰度K=8.343846＞3，呈现尖峰状态；在正态分布的原假设下，J-B统计量是自由度为2的卡方分布，查卡方表得到临界值为9.21034，REUR的J-B统计量为1233.246，远大于临界值，表明该序列具有厚尾性，同时由于P值为0，说明至少在99%的置信水平上，拒绝正态分布的原假设，认为汇率的对数收益率具有显著的非正态性。
【参考文献】：
期刊论文
[1]离岸与在岸人民币汇率:联动机制和溢出效应——基于VAR-GARCH-BEKK模型的分析[J]. 谭小芬,张辉,杨楠,金玥. 管理科学学报. 2019(07)
[2]加入SDR后人民币汇率波动规律研究——基于ARIMA-GARCH模型的实证分析[J]. 孙少岩,孙文轩. 经济问题. 2019(02)
[3]中欧货币汇率的极端风险传播研究[J]. 黄乃静,汪寿阳. 管理科学学报. 2018(12)
[4]人民币汇率波动的溢出效应分析[J]. 任俊露. 特区经济. 2018(09)
[5]人民币离岸与在岸汇率关联性及风险溢出研究——基于Copula-GARCH-CoVaR方法[J]. 马宇,张莉娜. 云南财经大学学报. 2018(04)
[6]股票市场和外汇市场间风险溢出效应研究——基于GARCH-时变Copula-CoVaR模型的分析[J]. 周爱民,韩菲. 国际金融研究. 2017(11)
[7]金融危机后美元汇率波动的影响因素研究[J]. 韩笑. 财经界. 2017(11)
[8]西方传统汇率决定理论综述[J]. 区俏婷. 现代商业. 2017(10)
[9]基于HP滤波和ARMA-GARCH模型的人民币汇率趋势预测[J]. 宋博,陈万义. 数学的实践与认识. 2017(01)
[10]离岸与在岸人民币汇率互动与风险溢出效应研究[J]. 甄峰,陈丽. 金融监管研究. 2016(10)
硕士论文
[1]基于GARCH-POT模型的人民币汇率风险测度研究[D]. 于海旭.哈尔滨工业大学 2018
[2]基于四元VAR-GARCH-BEKK模型的金融市场间波动溢出效应研究[D]. 李颜颜.东北财经大学 2011
[3]基于ARCH族模型的我国汇率风险度量实证研究[D]. 刘丽婷.东北财经大学 2011
[4]中国股市股指收益结构性变点与波动性建模[D]. 孙小冬.山西财经大学 2011
本文编号：2929146
【文章来源】：沈阳工业大学辽宁省
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
015年7月1日至2019年7月
第4章人民币汇率风险溢出效应的实证分析27c日元兑人民币汇率日对数收益率走势图d英镑兑人民币汇率日对数收益率走势图图4.12015年7月1日至2019年7月1日四种货币兑人民币日对数收益率走势图Fig.4.1ThedailylogarithmicrateofreturnofthefourcurrenciesagainsttheCNYfromJuly1,2015toJuly1,2019如图4.2所示，美元兑人民币汇率的对数收益率序列的均值为0.119783，中值为0.127013，最大值为18.40324，最小值为-9.262614，标准差为5.359060，标准差为2.333668，偏度S=0.771546＞0，呈现右偏现象；峰度K=10.18610＞3，呈现尖峰状态；在正态分布的原假设下，J-B统计量是自由度为2的卡方分布，查卡方表得到临界值为9.21034，RUSD的J-B统计量为2192.360，远大于临界值，表明该序列具有厚尾性，同时由于P值为0，说明至少在99%的置信水平上，拒绝正态分布的原假设，认为汇率的对数收益率具有显著的非正态性。图4.2RUSD的直方图和描述性统计量Figure4.2HistogramanddescriptivestatisticsofRUSD如图4.3所示，欧元兑人民币汇率的对数收益率序列的均值为0.138549，中值为0.026845，最大值为27.63988，最小值为-19.87512，标准差为5.359060，标准差为4.279157，偏度S=0.676626＞0，呈现右偏现象；峰度K=8.343846＞3，呈现尖峰状态；在正态分布的原假设下，J-B统计量是自由度为2的卡方分布，查卡方表得到临界值为9.21034，REUR的J-B统计量为1233.246，远大于临界值，表明该序列具有厚尾性，同时由于P值为0，说明至少在99%的置信水平上，拒绝正态分布的原假设，认为汇率的对数收益率具有显著的非正态性。
第4章人民币汇率风险溢出效应的实证分析27c日元兑人民币汇率日对数收益率走势图d英镑兑人民币汇率日对数收益率走势图图4.12015年7月1日至2019年7月1日四种货币兑人民币日对数收益率走势图Fig.4.1ThedailylogarithmicrateofreturnofthefourcurrenciesagainsttheCNYfromJuly1,2015toJuly1,2019如图4.2所示，美元兑人民币汇率的对数收益率序列的均值为0.119783，中值为0.127013，最大值为18.40324，最小值为-9.262614，标准差为5.359060，标准差为2.333668，偏度S=0.771546＞0，呈现右偏现象；峰度K=10.18610＞3，呈现尖峰状态；在正态分布的原假设下，J-B统计量是自由度为2的卡方分布，查卡方表得到临界值为9.21034，RUSD的J-B统计量为2192.360，远大于临界值，表明该序列具有厚尾性，同时由于P值为0，说明至少在99%的置信水平上，拒绝正态分布的原假设，认为汇率的对数收益率具有显著的非正态性。图4.2RUSD的直方图和描述性统计量Figure4.2HistogramanddescriptivestatisticsofRUSD如图4.3所示，欧元兑人民币汇率的对数收益率序列的均值为0.138549，中值为0.026845，最大值为27.63988，最小值为-19.87512，标准差为5.359060，标准差为4.279157，偏度S=0.676626＞0，呈现右偏现象；峰度K=8.343846＞3，呈现尖峰状态；在正态分布的原假设下，J-B统计量是自由度为2的卡方分布，查卡方表得到临界值为9.21034，REUR的J-B统计量为1233.246，远大于临界值，表明该序列具有厚尾性，同时由于P值为0，说明至少在99%的置信水平上，拒绝正态分布的原假设，认为汇率的对数收益率具有显著的非正态性。
【参考文献】：
期刊论文
[1]离岸与在岸人民币汇率:联动机制和溢出效应——基于VAR-GARCH-BEKK模型的分析[J]. 谭小芬,张辉,杨楠,金玥. 管理科学学报. 2019(07)
[2]加入SDR后人民币汇率波动规律研究——基于ARIMA-GARCH模型的实证分析[J]. 孙少岩,孙文轩. 经济问题. 2019(02)
[3]中欧货币汇率的极端风险传播研究[J]. 黄乃静,汪寿阳. 管理科学学报. 2018(12)
[4]人民币汇率波动的溢出效应分析[J]. 任俊露. 特区经济. 2018(09)
[5]人民币离岸与在岸汇率关联性及风险溢出研究——基于Copula-GARCH-CoVaR方法[J]. 马宇,张莉娜. 云南财经大学学报. 2018(04)
[6]股票市场和外汇市场间风险溢出效应研究——基于GARCH-时变Copula-CoVaR模型的分析[J]. 周爱民,韩菲. 国际金融研究. 2017(11)
[7]金融危机后美元汇率波动的影响因素研究[J]. 韩笑. 财经界. 2017(11)
[8]西方传统汇率决定理论综述[J]. 区俏婷. 现代商业. 2017(10)
[9]基于HP滤波和ARMA-GARCH模型的人民币汇率趋势预测[J]. 宋博,陈万义. 数学的实践与认识. 2017(01)
[10]离岸与在岸人民币汇率互动与风险溢出效应研究[J]. 甄峰,陈丽. 金融监管研究. 2016(10)
硕士论文
[1]基于GARCH-POT模型的人民币汇率风险测度研究[D]. 于海旭.哈尔滨工业大学 2018
[2]基于四元VAR-GARCH-BEKK模型的金融市场间波动溢出效应研究[D]. 李颜颜.东北财经大学 2011
[3]基于ARCH族模型的我国汇率风险度量实证研究[D]. 刘丽婷.东北财经大学 2011
[4]中国股市股指收益结构性变点与波动性建模[D]. 孙小冬.山西财经大学 2011
本文编号：2929146
本文链接：https://www.wllwen.com/guanlilunwen/bankxd/2929146.html
