摘要
进入21世纪后,作为银行传统业务的国际贸易融资在各国商业银行中发挥着越来越重要的作用。经济全球化的发展势必会带来全球金融一体化。过去银行在日常的经营中更多的是关注信用和资金的风险,然而,自2015年以来,央行已开始改革人民币中间价格报价制度,人民币兑美元的汇率波动已达到新世纪以来的最大水平。人民币汇率的上升对中国的进出口贸易产生了长期的巨大影响,银行间汇率市场已经产生了持久的影响。
论文综合了现有的汇率风险研究理论,以X银行为例,分析了2012年至2017年的国际贸易融资数据。根据VAR方法,测试了汇率变动对X银行的实际影响,并提供了X银行和其他中国商业银行的汇率风险防范相关建议。
关键词国际贸易融资 商业银行 汇率风险防范
第一章 绪论
1.1 研究背景和意义
1.1.1 研究背景
随着生产力的不断发展和世界贸易往来的增多,世界各国的经济正逐步走向资源整合的方向,世界各国之间的商品货物贸易往来已经成为一种司空见惯的事情。作为世界经济的核心力量的商业银行在国际贸易中也扮演者越来越重要的角色。随着我国经济的飞速发展,各港口的进出口货物吞吐量的提升,我国的国际贸易在世界上的份额也越来越高,而这也间接孕育出了汇率风险。
从交易的角度来说,商业银行进行国际贸易融资提高了国与国之间贸易的效率,进一步促进了经济全球化的发展;从银行的角度来说,一方面国际贸易融资可以提高银行的经营收入,提高对客户的吸引力,进而增强银行的业内竞争实力。另一方面,国际贸易融资作为一项高佣金的业务,已经成为各大商业银行相互竞争最为激烈的项目之一,能够有效得进行国际贸易融资势必会提高银行的声誉,进而推动其他业务的发展。
随着各大商业银行国际贸易业务的发展以及银行风险控制管理问题的热门化,越来越多的专家学者开始研究商业银行的国际贸易融资风险。和其他风险类似的是,国际贸易融资也存在着诸如信用、资金、法律和汇率风险。但是,基于国际贸易融资业务的特殊性,在研究的过程中我们更关注汇率对该业务的影响。如果不能提前发现并预防汇率所带来的风险,商业银行就有业务失败的可能,这将会对银行的收入和声誉造成极大的影响。对业务风险的控制一直以来都是银行风控部门的重中之重。国际贸易融资在业务上的特殊性决定了它与传统业务上有着本质的风险区别,因此对国际贸易业务进行风险控制需要转变传统思想,寻找新的思路。参考以前专家学者的研究,可以发现学者们对于汇率风险的研究很少。但是自从2015年以来,随着人民币与其他主流币种的汇兑比率更加受市场的影响,人民币汇率的预测既要考虑国内的经济形势也要考虑国际间贸易的往来变化,因此可变因素越来越多,预测的难度也相应提升,汇率风险在不断提高。
1.1.2 研究意义
商业银行在日常经营中会面临着各种各样的风险,已有学者对这些风险进行了深入的研究,并探究了商业银行的相关风险应对策略,但是随着人民币汇率波动幅度的增大,我国商业银行将面临着一个新的重大风险:汇率风险。汇率波动导致的商业银行在国际贸易融资方面受损事件已经受到了各方面的关注。但目前对银行汇率风险的研究仍在少数,许多大型商业银行也并不关注汇率风险。
上述现象出现的原因可以主要归结为二:一是过去二十年间人民币汇率波动幅度较其他币种来说较小,人民币在国际市场上并没有收到太大冲击。但随着中国经济的发展以及2008年金融危机的影响,人民币的汇率也开始出现了较大幅度的变化,且随着中国资本市场的进一步发展,这种波动还会更加反常和难以预测。二是目前大型商业银行的国际贸易融资业务相对较少,业务涉及的金额并不大,即使出现了因汇率波动带来的损失对银行的整个业务影响也不是很大,所以我国的大型商业银行对汇率风险关注度还很低。
近几年基于国际贸易的交易特殊性,汇率的变动对其具有很大的影响,越来越多的学者和业内人士也开始关注汇率变动对商业银行国际贸易融资行为的影响,因此这一研究也具有很重要的理论研究意义和实际应用价值。
1.2 主要工作及创新点
论文从汇率变动这一切入点入手,从理论和实证分析两个角度探究汇率对商业银行国际贸易融资风险的影响。具体而言,论文首先从理论上整理出银行汇率风险的出现机理,汇率风险的检测方法以及风险防范的理论。接着用实证方法分析了汇率对X银行2012-2017年的实际影响,并得出相应结论理论为商业银行汇率风险防范提出相关建议。论文的主要创新点有三:
(1)随着中国经济的发展以及2008年金融危机的影响,人民币的汇率也开始出现了较大幅度的变化,且随着中国资本市场的进一步发展,这种波动还会更加反常和难以预测。此外,我国的大型商业银行对汇率风险关注度还很低,目前现有研究对这种风险的应对还很少,所以论文对汇率变动导致的国际贸易融资风险进行研究具有重要意义。
(2)此前很多学者对国内商业银行的风险研究主要是基于案例研究和比较分析,这种定性分析法并不具有普遍性。论文采用的实证分析法,对X银行2012-2017年间共计1210个交易日的数据进行实证检验,探究银行面临的汇率风险,研究方法和结果更为直观,也更具有推广性。
(3)此前学者的对VAR的研究大多局限于协整检验和方差分析,论文在参考了Risk Metric等的研究后加入了EWMA模型,并探究基于不同分布计算EWMA方法下的VAR模型,对数据分析的过程更为直观,也更符合银行业的业务特点。
1.3 研究内容与基本框架
论文对国际贸易融资现状进行了细致的文献梳理,结合了我国商业银行国际贸易融资的具体情况,选取了X银行作为研究对象,通过详尽调研其2012-2017年共六年的数据,以VAR 法结合EWMA波动率模型通过对X银行面板数据的分析对国际贸易融资所面临的汇率风险进行了全面实证分析,并提出了相关的防范建议。
论文一共由四个部分组成,各部分内容大致如下:
第一章为绪论,本章主要介绍说明了选题的背景及意义,论文的创新点及研究的内容与文章基本框架。
第二章是国内外文献综述,对此前学者在汇率风险、银行风险以及国际贸易融资等领域的研究进行综述。
第三章为我国X银行国际贸易汇率风险的实证研究,采用2012-2017年的数据以风险价值(VAR)实证的方法对其外汇风险进行实证分析,并得出相应结论。
第四章是全文的总结,根据实证分析的结果结合我国商业银行的特点提出了风险应对的策略和建议。
1.4 文献综述
1.4.1 国内文献综述
国外学者已经开始相对较早地研究汇率风险领域,并获得了一些比较成熟的理论。
在银行国际贸易融资方面,Branson(2001)通过对理论研究总结了影响汇率变动的主要原因。他发现资金流动性和汇率变动呈现出一定的相关关系,并揭示了资本市场中上市银行的股价与汇率波动之间的关系,为银行研究汇率风险提供了一定的理论支持。K.N.Huang(2008)发现金融危机期间银行的收入和利润显著下降,并从国际贸易融资的角度为银行创收发现了新思路。
在汇率风险防范方面,Lkhindanova在实证研究中发现,当存在大样本数据时,VAR模型预测的方向存在一定的误差,他通过优化模型修正了这种误差,改善了VAR模型。Simone(2001)分析了其他方法下的VAR模型的适用性,推广了VAR模型的使用范围。Jeremy(2002)以商业银行为例实证分析了VAR模型的预测有效性,发现了模型的预测优度并提出了优化的方法。
在银行风险防范方面,Jose A. Lopeza(2000)在通过对过去10年间商业银行财务和资金分配模型的分析,指出了这些模型分析的有效性仍有待于检验,如果这些模型能够通过大数据的检验并进行优化,那么将这些模型运用在商业银行风险防范方面将会有效提高银行的风险控制能力。Michel Crouhy(2000)实证分析了VAR模型和其他通用的 Credit Metrics、Credit Portfolio View、KMV、Credit Risk+等信用风险评级模型之间的异同,通过确定多个因子分析变量,得到了这些模型之间的差异,有利于帮助商业银行对模型选择的判断。
1.4.2 国外文献综述
与国外学术界相比,中国的汇率风险理论起步较晚。
王志勇,魏健(2009)等研究了日元、美元、英镑以及欧元四种国际主要货币之间的汇率波动关系,发现在经济全球化的过程中这四种货币之间的汇率波动存在着极大的相关性,也就是说随着世界经济金融的不断发展,国与国之间的贸易往来促进了外汇的交易,也间接影响了货币间的相关关系。
张德荣(2009)以计量经济学的研究方法对集合数据进行检验。根据回归的结果发现,我国货币的汇率波动对商业银行尤其是小型商业银行的国际业务产生了巨大的影响。小型商业银行在进行国际贸易融资的过程中易受融资风险的影响,并且因为银行体量不够大,应对风险的能力不强,所以一旦这类银行遭受了汇率风险,那么将会对该类银行产生极大的副作用,严重的会导致银行其他业务的封停。因此作者从小型银行的角度就针对这种风险防范提出了若干建议,要求小型银行谨慎选择国际贸易融资,做出科学的汇率波动预测,并要做好应对风险的措施。
杜丽娟(2013)对我国商业银行国际贸易融资业务的发展现状做了总结和概括,并对商业银行的风险控制做了详细的分析。她以某大型商业银行的国际贸易融资为例,发现即使是大型商业银行,在进行国际贸易交易时也存在很多风险控制上的不足和漏洞,例如汇率波动现状及预测不清晰,资格审查不严格以及没有完备的预备方案等。她指出大型商业银行在国际贸易业务上的不重视引发了若干起因汇率严重波动导致的业务损失的事件,但因为银行体量巨大,对整体绩效的影响并不大,这也导致了银行对业务的不重视。但随着我国汇率市场化的进一步发展,汇率波动幅度越来越大,国际贸易融资的损失相比之前肯定也会大大提高。因此,即使是大型银行也应该加强汇率风险的控制,尽可能避免损失。
温斌(2005)从银行资产负债,外汇持有,跨境结算,现金流量,损益,从股价波动等多方面实证分析汇率变动对我国商业银行国际交易收入的影响。他指出国际汇率变动对我国商业银行贸易融资盈利能力的作用是全方位的,因此他根据商业银行的运行特点给出了具体的策略来应对这种汇率变动风险。
杨卫青(2013)综合2013年中国汇率改革的大政策环境,采用VAR模型对中国银行做了实证研究。实证结果发现,我国货币的汇率波动对中国银行当年的运营情况、偿债能力和股价都产生了较大的影响。当汇率波动较大时,中国银行选择收缩外币交易业务降低风险,并提高国内业务的范围;当汇率波动较小时,中国银行选择在提高偿债能力的情况下开拓国际业务,提高国家贸易融资业务量。通过这两类不同情况下的应对策略,中国银行在2013年取得了非常良好的经营业绩,海外业务也取得了很大的突破,进而带来了公司股价的提升。
王博(2011)采用2010和2011年的我国的汇率数据实证分析了包括VAR在内的多个汇率风险模型,并采用常规方法和历史模拟方法计算了外汇资产头寸的风险敞口。他指出汇率风险对商业银行的影响是长远而且巨大的。商业银行必须重视对该风险的预防和控制。
徐立平(2013)主要研究了银行应对风险的可行措施。他以我国大型商业银行为例,采用多元回归模型的方法,发现银行规模和持有的外汇储备会提高银行应对汇率风险的能力。也就是说银行的规模越大持有的外汇储备越多,当银行在进行国际贸易融资时会有更多途径来降低损失。他还特别指出,小型银行通过提高外汇储备的方法来降低风险的方法是行之有效的,因此,这也为小型银行实现国际贸易融资提供了一条新思路。
吴雪峰(2013)衡量了其他可以降低商业银行风险的措施。他指出我国商业银行目前正处于汇率风险的高发期。他认为,中国商业银行目前面临过多的外汇风险敞口,外汇信贷超额控制以及不必要的金融衍生品,这些问题看似提高了银行的外汇储备,但实际上在占用过多的银行资源,并且对降低外汇风险没有起到显著作用。此外,作者还指出,商业银行应开发出更多“风险合理型”的国际贸易融资产品,综合考虑日常经营收入和风险控制两方面的平衡。
秦霁娇(2014)从商业银行内部角度研究银行如何应对国际贸易融资风险。她发现传统国有商业银行的内部控制相对其他银行来说更为严格,从风险的源头便降低了出现的可能。但是国有商业银行的风险控制流程过于死板,流程复杂导致风控部门不能及时对风险采取行动。因此,国有商业银行应该精简审核流程并引入风险控制信息系统,不断提高风险部门的应对速度和处理能力,降低风险带来的财务损失。
高美(2013)以人民币和美元、日元、英镑和欧元的汇率比较,对比几个国家的国际收支情况。她发现外汇储备越大,当汇率波动时受到的冲击会越多,但这一影响会随着国家货币总量的提高而减小。通过综合比较几个国家,结果表明日本最易受到汇率波动的影响,这也验证了金融危机时日本银行受到冲击最大的现实。
王晓燕(2014)对新型国际贸易融资产品进行了分类。她发现这些融资产品的一个共同点就是更接近风险和收益的平衡性。不同于以往了“保守型”或是“高风险型”产品,商业银行开始逐渐转型国际贸易融资业务,力求在保证收益的情况下提高自身的抗风险能力。这也标志着国际贸易融资的风险已经被越来越多的银行重视,并且银行已经开始采取了实际行动来应对这种风险。
第二章 x银行国际贸易融资业务现状
2017年,A银行境内分行贸易融资总量发放1.36亿美元,同比增加了69.1亿美元,增幅6.5%;2016年,A银行境内贸易融资累计发放1.22万亿美元,同比增加646.1亿美元,增幅5.7%。
2017年,x银行国际结算量1.38万亿美元,境内外跨境人民币结算量达2.24万亿元。同比增幅分别达16.66%;2016年,A银行国际结算量1.16万亿美元,境内外跨境人民币结算量达2.06万亿元。同比增幅分别达30.6%。如图3-2所示:
2.2 x银行山东省分行国际贸易融资业务开展情况
2017年,x银行山东省分行国际业务在客户开发、市场宽拓、推新产品等方面取得长足进步,主要体现在:
一.市场占有率连年增高,部分指数在同业前列。2017年末,贸易融资投放、外汇贷款、对公外汇存款的占比分别为46.7%、42.6%、36.8%,排名第二。国际收入支出量、间接业务营收、跨境人民币结余等指标四行占比逐年大幅提升,与同业领先行差距不断减少。
二.产品推新和应用情况显著提高。近几年国际业务创新产品质量实现了显著提高,是省行产品创新的主力军之一。凭借创新产品,给力带动了国际业务融资投放的快速增加。2017年通过紧盯政策和市场变化,抓住机会,大力参与国际融资、跨境受托代付等业务,全年累计实现跨境融资62.1亿元。
2.3 x银行人民币兑世界主要货币变动情况
论文以x银行人民币兑世界主要货币变动进行分析,得出结论。其中2015至2017年数据如下:
日期 | 美元变动 | 欧元变动 | 日元变动 | 英镑变动 |
2015/1/4 | 0.42 | -11.93 | -0.128 | -4.9 |
2015/1/22 | 0.06 | 0.14 | 0.0181 | -1.28 |
2015/1/23 | -0.34 | 0.21 | 0.0827 | -0.29 |
2015/1/24 | 0.21 | -0.44 | 0.0018 | -0.42 |
2015/1/25 | 0.22 | 4.24 | -0.1484 | -2.48 |
2015/1/28 | 0.13 | 6.02 | -0.0418 | 0.08 |
2015/1/29 | 0.33 | -0.25 | 0.0401 | -4.41 |
2015/2/4 | 0.41 | 2.63 | -0.0652 | -10.28 |
2015/2/6 | 0.31 | 6.08 | -0.0903 | -5.2 |
2015/2/18 | -0.82 | -11.88 | -0.0329 | -11.4 |
2015/2/19 | 0.05 | 0.34 | 0.0045 | -1.05 |
2015/2/20 | -0.17 | 4.17 | 0.0091 | -2.65 |
2015/2/21 | 0.42 | -7.6 | -0.0039 | -11.86 |
2015/2/25 | 0.21 | 0.15 | -0.0561 | -7.22 |
2015/2/27 | -0.14 | -1.78 | 0.0344 | -1.97 |
2015/2/28 | -0.63 | 4.98 | -0.022 | 1.12 |
2015/3/4 | 0.24 | -3.21 | -0.052 | -8.12 |
2015/3/6 | -0.52 | 1.11 | 0.0067 | -0.13 |
2015/3/7 | 0.4 | -4.38 | -0.0521 | -8.75 |
2015/3/8 | -0.66 | 6.86 | -0.0613 | 0.83 |
2015/3/11 | 0.5 | -6.25 | -0.0854 | -5.97 |
2015/3/12 | -0.23 | 2.21 | -0.0337 | -0.56 |
2015/4/18 | 0.74 | -7.89 | 0.0017 | -6.01 |
2015/4/22 | 0.2 | 0.86 | -0.0918 | -3.69 |
2015/4/24 | 0.24 | -3.3 | -0.0269 | -3.19 |
2015/5/7 | -0.31 | -3.73 | -0.0142 | -3.12 |
2015/5/8 | -1.03 | -1.29 | 0.0091 | -5.57 |
2015/5/10 | 0.91 | -7.29 | -0.1099 | -4.76 |
2015/5/13 | 0.56 | -2.94 | -0.0615 | -5.06 |
2015/6/27 | 0.18 | -3.72 | 0.0264 | -5.22 |
2015/6/28 | -0.1 | 0.79 | -0.0581 | -4.91 |
2016/1/4 | 0.42 | -11.93 | -0.128 | -4.9 |
2016/1/22 | 0.06 | 0.14 | 0.0181 | -1.28 |
2016/1/23 | -0.34 | 0.21 | 0.0827 | -0.29 |
2016/1/24 | 0.21 | -0.44 | 0.0018 | -0.42 |
2016/1/25 | 0.22 | 4.24 | -0.1484 | -2.48 |
2016/1/28 | 0.13 | 6.02 | -0.0418 | 0.08 |
2016/1/29 | 0.33 | -0.25 | 0.0401 | -4.41 |
2016/2/4 | 0.41 | 2.63 | -0.0652 | -10.28 |
2016/2/6 | 0.31 | 6.08 | -0.0903 | -5.2 |
2016/2/18 | -0.82 | -11.88 | -0.0329 | -11.4 |
2016/2/19 | 0.05 | 0.34 | 0.0045 | -1.05 |
2016/2/20 | -0.17 | 4.17 | 0.0091 | -2.65 |
2016/2/21 | 0.42 | -7.6 | -0.0039 | -11.86 |
2016/2/25 | 0.21 | 0.15 | -0.0561 | -7.22 |
2016/2/27 | -0.14 | -1.78 | 0.0344 | -1.97 |
2016/2/28 | -0.63 | 4.98 | -0.022 | 1.12 |
2016/3/4 | 0.24 | -3.21 | -0.052 | -8.12 |
2016/3/6 | -0.52 | 1.11 | 0.0067 | -0.13 |
2016/3/7 | 0.4 | -4.38 | -0.0521 | -8.75 |
2016/3/8 | -0.66 | 6.86 | -0.0613 | 0.83 |
2016/3/11 | 0.5 | -6.25 | -0.0854 | -5.97 |
2016/3/12 | -0.23 | 2.21 | -0.0337 | -0.56 |
2016/4/18 | 0.74 | -7.89 | 0.0017 | -6.01 |
2016/4/22 | 0.2 | 0.86 | -0.0918 | -3.69 |
2016/4/24 | 0.24 | -3.3 | -0.0269 | -3.19 |
2016/5/7 | -0.31 | -3.73 | -0.0142 | -3.12 |
2016/5/8 | -1.03 | -1.29 | 0.0091 | -5.57 |
2016/5/10 | 0.91 | -7.29 | -0.1099 | -4.76 |
2016/5/13 | 0.56 | -2.94 | -0.0615 | -5.06 |
2016/6/27 | 0.18 | -3.72 | 0.0264 | -5.22 |
2016/6/28 | -0.1 | 0.79 | -0.0581 | -4.91 |
2017/6/30 | -0.32 | 11.36 | 0.0146 | 2.76 |
2017/7/1 | 0.13 | -4.59 | 0.003 | -2.24 |
2017/7/2 | 0.22 | -5.36 | -0.032 | -5.09 |
2017/7/3 | -0.11 | 2.68 | 0.0148 | 0.37 |
2017/7/6 | 0.12 | -3.21 | 0.0178 | -2.88 |
2017/7/8 | 0.09 | -3.11 | 0.0133 | -8.58 |
2017/7/9 | -0.24 | 4.19 | 0.0686 | -5.74 |
2017/7/10 | 0.02 | -0.49 | -0.0382 | 0.03 |
2017/7/17 | 0.19 | -4.16 | -0.0117 | -2.57 |
2017/7/21 | 0.02 | -0.68 | -0.0091 | -3.48 |
2017/7/22 | -0.31 | 6.69 | 0.0179 | -0.51 |
2017/7/24 | -0.03 | 5.1 | 0.0025 | -5.73 |
2017/7/28 | -0.22 | 6.47 | 0.0187 | 1.97 |
2017/8/4 | 0.08 | -1.94 | 0.0022 | -2.39 |
2017/8/5 | 0.09 | -3.87 | -0.0113 | -0.94 |
2017/8/7 | -0.07 | 0.92 | 0.0041 | -6.27 |
2017/8/10 | -0.12 | 2.09 | 0.0209 | -0.86 |
2017/8/18 | -0.03 | -1.27 | -0.0033 | -4.3 |
2017/8/20 | -0.48 | 6.43 | 0.012 | 0.4 |
2017/9/1 | -1.41 | -0.75 | -0.0051 | -8.76 |
2017/9/2 | -1.33 | 1.13 | 0.0354 | -6.1 |
2017/9/7 | -0.35 | -7.89 | 0.0445 | -6.67 |
2017/9/14 | -0.1 | 4.03 | 0.005 | 0.25 |
2017/9/15 | -0.44 | -2.51 | 0.0095 | -1.64 |
表2-1 x银行人民币兑世界主要货币汇率变动
第三章 商业银行国际贸易融资的汇率风险实证研究
本章将以X银行2012-2017年的数据为例,使用风险价值法进行实证分析,探究汇率波动对银行国际贸易融资风险的影响。
3.1 风险价值(VAR)
风险价值是指汇率变动对特定持有期和信心水平的银行利润的影响。风险价值法的模型相对其他模型来说优化程度高结果简明扼要,有利于银行高层直观了解银行的风险状况。我国现有的测度银行风险水平的方法主要有三种,分别是:历史模拟、方差-协方差和蒙特卡罗模拟。银行通过风险价值的测度来判断面临的风险,这也是目前最常用的方法之一。
3.2 VaR模型外汇风险度量
VAR模型在行业中被广泛认可用于资产组合风险计量。金融,统计和计量领域的许多学者对该模型进行了进一步的研究。他们通过对不同银行的实证数据使用历史模拟模型,方差-协方差模型和蒙特卡罗模拟模型进行分析,加入EWMA波动率的影响,提高了模型的拟合优度,大大提高VAR模型预测的可靠性。
3.2.1 VaR模型计量的常用方法
(1)历史模拟法
历史模拟的使用简单直观,因此很多学者将历史模拟法应用在其他各个领域内。历史模拟方法使用大量历史数据通过测量结果预测未来的损益分布,并在一定置信度下给出结果估计。历史模拟放通过对已经实现的市场变量分配和收益率分配用于当前的外汇资产组合,以预测外汇组合在下一阶段可能面临的回报分布和风险值。此外,历史模拟方法的另一大优点就是可以很好地处理非正态分布而不假设市场因素的统计分布,这也是论文选择历史模拟法的原因之一。
(2)方差-协方差法
方差-协方差方法通过使用正态分布的统计特性简化回归的数据计算。它需要单个资产的方差-协方差矩阵度量来确定组合的标准偏差。该方法还可以计算各变量之间的相关关系,并据此判断各变量的相关程度。
(3)蒙特卡罗模拟法
蒙特卡罗模拟是通过随机生成预期收益分布并将模拟收益排序以估计风险值指标来估计风险值,蒙特卡罗分析采用的动态模型对数据的回归更符合那些业务复杂多变的数据。
3.2.2 VAR计量的实证
本小节借鉴了吴雪峰等(2008)所采用的VAR分析方法,以美元、欧元、日元和英镑四种货币作为研究对象,时间跨度从2012年9月15日到2017年9月15日,选取的指标是以上四种货币与人民币的汇率收盘价。
(1)历史模拟法分析
论文选取了2012年9月15日至2017年9月15日底共1210个交易日四种货币的中间汇率作为研究数据,使用Excel计算出这四种货币在1210个工作日可能的损益值并依据损失值的大小依次排列。以2015年9月15日这天为例,论文设定的置信度为为95%,那么VAR的计算公式就是0.05*968=49,也就是说VAR是由大到小排第49个损失值,查找数据可知VAR为人民币-436585元,也就是说有95%的把握认为,X商业银行的这笔外汇头寸在2015年9月15日这天因为人民币汇率的波动,可能带来的最大损失是436585元。接着,我们运用主成分分析法选择了美元、欧元、日元和英镑这四种国际主流常用货币,收集X银行2012-2017年的外汇数据,建立面板模型进行分析。根据我们的实证结果,我们发现X银行在2012-2017年四种货币整体的汇率风险较小,但具体来说,日元对该银行的影响更大一些。以下是论文的具体分析。
(2)EWMA波动率模型
参考Risk Metric等的研究,论文选择使用EWMA模型通过为历史数据分配不同的权重来预测未来的波动性。EWMA模型的公式如下:
假设我们有 m+1个交易日的收盘数据,对于波动率的指数加权移动平均(EWMA)估计由以下公式给出:
是估计的日波动率。
是风险因子从第 i 天往回算 j 天的当日对数收益率。
参考Riskmetrics的研究 我们将的值选定为0.94。与历史模拟方法相同,使用2012年9月15日至2017年9月15日的1210个交易日的四种货币的中间汇率作为研究数据。Excel首先获取外汇收盘价数据的对数收益率,并获得各个风险因子(每日)的估计波动率:
表1四种外币日波动率预测值
美元 | 欧元 | 日元 | 英镑 | |
日波动率预测值 | 0.0034 | 0.0081 | 0.0074 | 0.0062 |
接着我们对四种外币做相关系数矩阵测算,结果如表2所示:
表 2四种外币日收益率的相关系数
美元 | 欧元 | 日元 | 英镑 | |
美元 | 1 | 0.481 | 0.379 | 0.594 |
欧元 | 0.481 | 1 | 0.618 | 0.675 |
日元 | 0.379 | 0.618 | 1 | 0.323 |
英镑 | 0.594 | 0.675 | 0.323 | 1 |
从表 2中我们得到了四种货币之间的相关系数的EWMA估计。我们可以发现除了美元与日元相关系数较低外,其他货币间的相关系数均比较高。因此,建议银行采取相应的对冲措施来化解长短头寸敞口产生的外汇风险。
(3)基于不同分布计算EWMA方法下的VAR
EWMA模型很好的描述了汇率收益率序列的波动性,以及四种汇率间的相关性。VAR的计算公式为:
其中为 t-1 时刻所持有的外汇敞口,
为不同分布下置信水平为
的临界值或者分位数,
为根据 EWMA 模型算出的日波动率。我们选取X银行2015年9月15日当天的外汇净头寸数据为例,可以算出单个汇率波动的置信水平95%的一天的VAR:
表 3单个汇率的VAR
单位:百万元 | 美元 | 欧元 | 日元 | 英镑 |
VAR | 502.02 | 221.39 | 386.47 | 805.42 |
从不同货币的角度来看,欧元的VAR值最小,表明X银行在2015年9月持有欧元的风险最小,这与其风险和波动性有关。此外,持有英镑的风险最高。因此,我们应考虑在外汇市场采用对冲方法,以减少因英镑减值而造成的损失。
3.3 实证结论
在本节中,我们使用SPSS软件通过实证分析对数据进行分布测试。首先我们使用历史模拟法对美元、欧元、日元和英镑这四种国际主流常用货币进行面板数据分析。根据实证结果,论文发现X银行在2012-2017年四种货币整体的汇率风险较小,但具体来说,日元对该银行的影响更大一些。接着我们基于EWMA波动率模型对未来汇率的波动性进行了预测,并基于不同分布计算EWMA法优化了预测数据发现欧元的VAR值最小,表明X银行在2015年9月持有欧元的风险最小,这与其风险和波动性有关。此外,持有英镑的风险最高。因此,我们应考虑在外汇市场采用对冲方法,以减少因英镑减值而造成的损失。
第四章 对我国商业银行国际贸易融资汇率风险的建议
4.1 重视国际贸易融资风险
我国商业银行面临的外汇风险不容忽视。因此,商业银行应重视对风险的防范和预测,加强风控部门的队伍建设,引入现代化的风险应对系统,对风险的事前预防、事中控制和事后应对进行一个全过程的监控。
银行在对国际贸易融资风险进行测度时可以采用基于VAR的EWMA模型,对未来汇率波动进行预测。当测度发现未来汇率波动较大时应考虑提高外汇储备或减少国际贸易融资业务,降低财务损失。此外,当银行存在多币种的贸易时,还可以考虑在外汇市场采用对冲方法,例如第三章实证中可以采取用欧元储备来对冲以减少因英镑减值而造成的损失。
4.2 健全风险管控体系
我国商业银行目前的风险管控体系还不是特别完善,尤其是对国际贸易方面的业务控制流程不严格,常常带来不必要的损失。因此,无论是大型商业银行还是小型商业银行都应该建立健全风险管控体系,尤其是因汇率变动带来的风险。
银行管理层应出台相关制度完善风险控制部门的流程规范,加强日常行为监督,对银行内部控制流程进行审核,不合规范的需要重新建设。对于银行风控信息系统来说,应跟进国内国际先进技术,对落后的信息系统进行淘汰升级,保证风控环节的准确快捷,提高风控部门的工作效率,确保银行风险的可控性。
此外,银行所面临的风险之间均存在一定的相关性。比如说法律风险如果处理不善会带来重大财务风险,道德风险会导致银行的社会声誉风险等。因此,银行在考虑汇率风险的同时还应该充分考虑其他风险对银行可能的影响,在对风险控制流程和风险控制系统设置时留有部分的随机处理余地,这样风控部门和银行日常经营部门才能够对多种风险进行协同处理,做到不顾此失彼,最大程度解决多风险问题。
4.3 完善风险控制模型
我国的商业银行应不断发展和完善风险计量模型,并定期对汇率风险进行估算。银行应应邀请业内专家根据本行的业务特点设计适宜的风控模型,并在使用的过程中不断改进和优化。例如,当银行在2015年进行国际贸易融资时使用VAR历史模拟模型后,应根据国家的汇率波动趋势和本行的国际业务变动调整相关参数,并模拟改进新模型。风险控制模型是银行在国际贸易融资中盈利的关键要素,银行需要在实施业务之前充分考虑各种因素,根据模型回归的结果谨慎考虑,在充分降低风险的条件下最大化银行的收益。
4.4 做好事后风险应对
商业银行管理层以及风险控制部门应该在日常经营中不断完善风险应对的事后方案,确保在银行面对重大风险时可以依据流程有条不紊的进行处理。商业银行可以通过对历史数据的备份以及过去发生的风险应对事件进行回顾和总结,出台相应的应对流程。在平时经营时,银行可以进行风险模拟测验,假定银行遭受了因汇率变动导致的国际贸易融资风险,相关部门应采取何种措施进行应对,银行可以邀请行业专家学者对应对方案进行评价,提出相关建议,并组织员工进行培训和学习,加强银行整体的风险应对能力。
4.5 明确员工职责分工
杜丽娟(2013)等发现我国银行在进行国际贸易交易时存在很多风险控制上的不足和漏洞,例如汇率波动现状及预测不清晰,资格审查不严格以及没有完备的预备方案等。她指出这些问题出现的重要原因之一就是银行各部门的职责分工不明确。当银行员工职责分工不明,各部门之间就会出现消极怠工、互相推卸责任的现象。以X银行为例,风险控制部门和信息部门在风险控制系统的开发上就出现了职责的重合,这常常带来两个部门之间关于系统体系设计的矛盾冲突,在风险发生后两部门又互相推卸责任,大大降低了风险控制对公司的积极作用。因此无论是大型银行还是小型银行,都应该重视员工和部门的职责岗位划分。银行管理层在进行组织机构设计时应充分调研,考虑本行的实际业务情况,对部门设计要合理,对员工招聘和培训时应明确职责,这样银行无论在风险防范、风险应对和风险处理方面都能够做到专人专责、流程规范、部门之间通力合作,有效应对银行风险。
参考文献
[1]A.Thangam, R.Uthayakumar.Twoechelon Trade Credit Financing forPerishable Items in a Supply Chain when Demand Depends on Both Selling Priceand Credit Period[J].Computers&Industrial Engineering,2009 (57)
[2]Tai, C. S. Asymmetric currency exposure of US bank stock returns. MultinationalFinancial Management, 15, 2005.
[3]Anna, D. M., Laurence J.M. Exchange rate exposures of US banks: A cashflow-based methodology. Banking Finance, 27, 2003.
[4]Chamberlain. S., Howe, J. S., Popper, H.The exchange rate exposures of US andJapanese Banking institutions.Banking and Finance, 21, 1997.
[5]Wetmore, J. L. and J. R. Brick. Commercial Bank Risk: Market, Interest Rate andForeign Exchange. Financial Research, 17, 1994.
[6]Choi, J.J., &Elyasiani, E. Derivative exposure and the interest rate and exchangerate risks of U.S. banks. Journal of Financial Services Research, 12, 1997.
[7]Kouvelis, P.Zhao W.Financing the newsvendor: Supplier vs. bank, and thestructure ofoptimal trade credit contracts[J]. Operations Researc,2012 (3)
[8]Oris Kozolchyk.Strict Compliance and the Reasonable Documentary Checker,Brooklyn Law Review, Vo.SG, spring 1990-,No.1.See 50
[9]冯宗宪.金融风险管理[M].西安:西安交通大学出版社,2011:217-288.
[10]姜春兰,王传东.浅析银行外汇头寸汇率风险的管理方法[J].会计之友,2009,7.
[11]张正平.我国上市商业银行汇率风险的实证研究–基于2005年汇改以来数据的分析[J].北京工商大学学报(社会科学版),2009,(5).
[12]杨文艳.我国商业银行外汇风险度量的实证研究——基于改进的VaR方法的应用[D].苏州大学.2009.
[13]杨卫青.汇率风险对中国银行风险收益影响的实证研究—基于敞口分析及VaR方法[D].东北财经大学. 2013.
[14]徐英杰.压力测试在中国银行体系中的运用研究—以市场风险为例[D].暨南大学. 2013
[15]杜丽娟.中小商业银行贸易融资业务风险管理研究[D].山西财经大学. 2013
[16]楼平平.城市商业银行贸易融资产品汇率风险管理研究[D].宁波大学. 2014
[17]王晓燕.商业银行国际贸易融资业务发展及创新研究[D].山东大学. 2014
[18]高美.人民币汇率走势及其对进出口贸易影响的研究[D].天津财经大学. 2013
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“文章版权申述”(推荐),也可以打举报电话:18735597641(电话支持时间:9:00-18:30)。
2、网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
3、本站所有内容均由合作方或网友投稿,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务。
原创文章,作者:打字小能手,如若转载,请注明出处:https://www.447766.cn/chachong/71938.html,