基于双变量GJR- GARCH 模型的汇率风险暴露研究——关于对外投资企业的实证分析

唐韬1，谢赤1，2

（1.湖南大学工商管理学院，湖南长沙410082；2.湖南大学金融与投资管理研究中心，湖南长沙410082）

摘　要：近年来，中国与全球经济的联系更加密切，对外投资规模持续扩大。而伴随着人民币汇率波动的不断加剧，作为对外投资参与主体的对外投资企业直接承受着较大的汇率风险。文章以境外资产总额和对外投资存量较大的30家中国对外投资上市企业为研究样本，针对对外投资过程中使用得最多的三种外币——欧元、美元和日元兑人民币汇率的波动，运用双变量GJR-GARCH模型考察对外投资企业的汇率风险暴露。实证结果表明：上述对外投资企业存在显著滞后一期的汇率风险暴露，其中80%、60%和67%的企业分别面临人民币兑欧元、兑美元和兑日元的汇率风险暴露，且风险暴露具有非对称性，人民币兑不同外币的汇率变动对企业的影响程度不同，大部分企业受损于人民币升值。

教育期刊网 http://www.jyqkw.com
关键词 ：汇率波动；对外投资企业；汇率风险暴露；双变量GJR-GARCH模型

中图分类号：F830.91　文献标识码：Ａ文章编号：１００２－３２４０（２０１5）02－００－0

收稿日期：2015-01-06

基金项目：国家自然科学基金创新研究群体项目(71221001)；国家软科学研究计划项目(2010GXS5B141)

作者简介：唐韬(1983-)，湖南永州人，湖南大学工商管理学院博士研究生，研究方向为企业风险管理；谢赤(1963-)，湖南株洲人，博士，湖南大学工商管理学院教授，博士生导师，研究方向为金融工程与风险管理。

一、研究综述

1975年，Shapiro首次提出通过度量外汇风险暴露来评估企业的汇率风险，并将外汇风险暴露界定为有可能遭受外汇风险的企业价值的大小[1]。自此，许多学者开始广泛寻求度量企业的汇率风险暴露的方法，迄今已大体形成了两大类别：现金流量法和资本市场法。

现金流量法强调从财务角度刻画汇率变化对企业的影响，通过估算企业现金流或经营收入对汇率变化的敏感程度来度量其汇率风险暴露。不过，由于企业真实的内部现金流数据较难获得，因此当前使用现金流量法进行汇率风险暴露的研究相对较少。

资本市场法认为，汇率风险暴露可以用企业的股票收益率对汇率变化的敏感程度来度量。这种方法的优点是数据收集比较容易，灵活性也较强，因而得到学术界青睐。AdlerandDumas首次提出资本市场法，运用线性回归获得企业价值对汇率变动的弹性系数来度量外汇风险暴露[2]。Jorion以股票价格代替公司价值作为涉险变量，在传统A-D模型中加入市场的平均收益率考察美国跨国公司的外汇风险暴露[3]。自此之后，大量学者开始使用经典Jorion模型及其拓展模型探讨外汇风险暴露问题。例如，BartovandBodnar选取1979至1989年间208家美国上市公司进行实证研究，发现公司股票收益率和同期汇率波动之间并没有显著关系，而股票收益率和汇率滞后变动存在显著的负相关关系[4]。WuandZhou在Jorion模型中设置滞后因素，对中国电子行业企业进行实证研究，结果显示整个电子行业都存在显著的滞后汇率风险[5]。

MullerandVerschoor利用引入了GARCH(1,1)的Jorion模型考察1993年1月至2003年1月期间国际上活跃的3634家亚洲公司，检验各样本企业股票收益率和汇率波动之间是否存在关系，结果发现25.0%的样本公司对美元存在显著的外汇风险暴露，22.5%的样本公司面临着显著的日元汇率风险暴露[6]。Fang,LaiandMiller运用动态的双变量条件相关GARCH(1,1)-M模型检验外汇风险暴露是否具有非对称效应，研究发现在样本企业中，汇率贬值(升值)对出口存在显著的负向(正向)作用[7]。Walid,ChakerandMasood等在探讨汇率变化对股市波动的影响时，基于扩展的MS-EGARCH模型允许汇率变化与股市行为之间存在动态关系，结果表明股价变动对外汇市场事件具有非对称反应[8]。众多研究表明，结合GARCH族模型研究汇率风险暴露可以克服随机误差的异方差性，从而提高参数估计的准确性。

从现有文献来看，虽然汇率风险暴露的研究成果颇多，但大部分学者往往关注的只是某些行业或金融机构的汇率风险暴露，鲜有从企业层面对汇率风险暴露进行分析的，尤其是专门针对对外投资企业汇率风险暴露的研究相对更少。考虑到股票收益率和汇率收益率的异方差性以及汇率风险暴露的不对称性，本文拟构建一个双变量GJR-GARCH模型考察对外投资企业的汇率风险暴露，旨在丰富对外投资企业汇率风险暴露的研究，为其进行汇率风险管理提供基础和参考。

二、模型构建

考虑到汇率波动的滞后效应、股票收益率与汇率收益率的异方差性和汇率风险暴露的不对称性，本文对传统Jorion两因素模型[3]进行扩展，运用GARCH(1,1)模型度量股票收益率和汇率收益率的方差，并在此基础上添加虚拟变量du,t-1，考察汇率风险暴露的非对称性。

三、实证研究

（一）样本选择与数据来源

目前商务部仅公布2012年及以前年度的《中国对外直接投资统计公报》，本文根据数据可得性和样本量的需求性，按照2007年至2012年间对外投资企业的境外资产总额和对外投资存量排名持续在前50的原则进行筛选，得到30家在沪深证券市场上市的非金融类且为非ST的对外投资企业。它们是中国目前对外直接投资的主体，承担着相对较高的汇率风险。通过研究这30家典型企业的汇率风险暴露状况，可以对中国对外投资企业面临的汇率风险形势有一个较为全面深入的认识(限于篇幅下列表格只显示5个企业数据)。本文以2007年1月1日至2012年12月31日为样本区间，并选取深证综合A股指数和上证综合A股指数分别对应深圳A股上市公司和上海A股上市公司的市场平均收益率。由于中国最主要的贸易伙伴为欧盟、美国和日本，2012年中国对欧洲直接投资同比增长94.1%，对美国投资增长28%，同时欧元、美元和日元也是国际上最主要的三种货币，因此本文选取以上三种外币为对象考察人民币汇率的变动，所有汇率数据均为名义汇率，且采用直接标价法。

本文考察汇率变化对企业股票日收益率的影响，实证分析均使用日度数据。借鉴李小平,冯芸和吴冲锋及其它学者的研究[10]，价格序列是非平稳的，而对数收益率序列是平稳的，因此实证分析中使用的样本企业股票收益率、所在市场的平均收益率、汇率数据均是通过对其原始数据进行一阶对数差分并乘以100所得。即：

（8）

其中，Pi,t为i上市公司的t日收盘价，Pm,t为深证综合A股或上证综合A股的t日收盘指数，其数据均来源于国泰安数据库(CSMAR)。Px,t为人民币兑欧元或美元或日元的t日汇率中间价，其数据均来源于国家外汇管理局网站。

（二）数据分析

首先对各变量进行描述性统计，其结果如表1。

由表1中可知，人民币兑欧元和美元汇率的对数收益率均值均小于0，说明样本期间内人民币兑欧元和美元主要呈现升值趋势，而人民币兑日元汇率的对数收益率均值大于0，表明样本期间内人民币兑日元主要呈贬值趋势。深证综合A股市场收益率的均值大于0，表明在样本期内其市场收益率整体呈上升趋势，而上证综合A股市场收益率的均值小于0，则说明其市场收益率整个表现为下降趋势。

标准差表示平均波动水平，人民币兑欧元和日元汇率的波动程度大致相同，而美元汇率的波动程度小于欧元和日元。虽然近几年人民币兑美元不断升值，但是是循序渐进地升值，因此其波动程度较小；而人民币兑欧元和日元起伏不定，因此其波动程度较大。偏度反应了统计数据分布的非对称性程度，正态分布的偏度为0，两侧尾部长度对称。上述变量的偏度有正有负，当偏度大于0时，其分布具有正偏离，曲线右侧尾部拖得很长；当偏度小于0时，其分布具有负偏离，曲线左侧尾部拖得很长。正态分布的峰度应该是3，而所有收益率的峰度均大于3，且Jarque-Bera统计量均在1%的置信水平下显著，说明收益率序列显著拒绝正态性分布的原假设。

由各收益率的自回归残差序列ARCH-LM检验结果可知，各变量均存在显著的ARCH效应，可以判断在样本期内各变量均存在条件异方差。对各数据进行ADF平稳性检验，其结果表明各变量均在1%的置信水平上拒绝存在单位根的原假设，说明各变量收益率序列是平稳的，从而避免了伪回归问题，可以进行下一步的数据处理。

（三）模型的参数估计

由对各变量描述统计的分析可知，可以使用GARCH模型进行实证分析，此模型能够克服收益序列中的异方差现象。同时，考虑到对外投资企业的汇率风险可能存在非对称性，因此构建双变量GJR-GARCH模型进行实证研究。

注：αx-1为外汇风险暴露系数，αi与γi为GARCH(1,1)系数，βi为GJR项，即非对称系数，αix为交叉项ARCH系数。下同。

表2列示了对外投资企业欧元汇率风险暴露的实证结果。由汇率风险暴露系数(αx-1)可知，30家样本企业中有24家企业存在显著滞后一期的汇率风险暴露，其中有12家企业的欧元汇率风险暴露系数显著为正。当某企业汇率风险暴露系数显著为正时，该企业受到人民币兑欧元升值的负面影响，反之亦然。如中色股份的汇率风险暴露系数αx-1在1%的置信水平上显著为正，系数为0.2672，则说明人民币兑欧元每升值1%，其股票收益率将下降0.2672%。除了TCL集团外，其它公司的ARCH项系数(αi)与GARCH项(γi)系数均十分显著，说明当期波动与滞后一期的残差和滞后一期波动相关，GARCH模型可以较好地刻画对数收益率变化的异方差现象。由非对称系数(βi)可知，60%的样本企业面临人民币兑欧元的非对称外汇风险暴露，说明人民币兑欧元在升值和贬值过程中对样本企业股票收益率影响呈现不同的影响。交叉项ARCH系数(αix)表明50%样本企业的股票收益率与人民币兑欧元汇率收益率之间存在显著的波动溢出，如中国石油的系数(αix)在1%的水平上显著为正，则说明人民币兑欧元汇率收益率的波动引起企业收益率的正向波动。

表3为对外投资企业美元汇率风险暴露的实证结果。由汇率风险暴露系数(αx-1)可知，60%的样本企业面临显著滞后一期的汇率风险暴露，其中有9家样本企业的汇率风险暴露系数为正。如中兴通讯在1%的置信水平下对美元存在显著的汇率风险暴露，系数为－3.016，表明人民币兑美元每贬值1%时，其股票收益率将上升3.016%。除了上海汽车和中联重科，其它ARCH项系数(αi)和GARCH项系数(γi)均显著，说明GARCH模型能够较好地拟合数据。如保利地产的系数(αi)和(γi)均在1%的置信水平下显著，则说明其t日股票收益率波动与t-1日的残差和收益率波动相关。由非对称系数(βi)可知，70%的样本企业面临人民币兑美元的非对称外汇风险暴露，表明人民币兑美元的升值和贬值对样本企业股票收益率影响呈现不同的影响。交叉项ARCH系数(αix)表明77%样本企业的股票收益率与美元汇率收益率之间存在显著的波动溢出，如中国石油的系数(αix)在1%的水平上显著为负，则说明人民币兑美元汇率收益率的波动引起企业收益率的负向波动。

表4是对外投资企业日元汇率风险暴露的实证结果。由汇率风险暴露系数(αx-1)可知，有20家样本企业存在显著滞后一期的汇率风险暴露。若此系数为正，该企业受到人民币兑日元升值的负面影响，反之亦然。如中化国际在1%的置信水平上存在显著的日元汇率风险暴露，系数为0.2309，则说明人民币兑日元每升值1%，其股票收益率将下降0.2309%。ARCH项系数(αi)存在少数几个不显著，其它样本的ARCH项与GARCH项(γi)均十分显著。由非对称系数(βi)表明有15家样本企业面临人民币兑日元的非对称外汇风险暴露。由交叉项ARCH系数(αix)表明，70%样本企业的股票收益率与日元汇率收益率之间存在显著的波动溢出，如中国神化的系数(αix)在1%的水平上显著为负，则说明其人民币兑日元汇率收益率的波动引起企业收益率的负向波动。

对外投资企业的人民币兑欧元、美元和日元汇率风险暴露系数的描述统计结果如表5。

表5对外投资企业的人民币兑欧元、美元和日元汇率风险暴露系数的描述性统计

由表5可知，面临欧元汇率风险暴露的对外投资企业最多，这与欧盟是中国最大贸易伙伴的现状相吻合，据中国海关统计，2011年中国对欧非金融类投资达42.78亿美元。从对外投资企业的整体外汇风险暴露情况来看，所有样本企业至少对一种货币存在显著的滞后一期汇率风险暴露，47%的样本企业面临两种货币的汇率风险暴露，有9家样本企业对欧元、美元和日元均存在显著滞后一期的汇率风险暴露，分别为中兴通讯、云南铜业、首钢股份、保利地产、上海汽车、兖州煤业、中金黄金、中国神华、中国铝业。在面临显著汇率风险暴露的样本企业中，一半以上的企业股票收益率受损于人民币兑欧元、美元和日元的升值。汇率风险暴露系数αx-1的均值均大于0，表明人民币持续升值将会给样本企业带来负面影响。企业汇率风险暴露日益显著的可能原因是：在新的汇率制度下，人民币汇率参考一篮子货币进行调节，对外投资企业在国际投资中不再只面对美元一种货币，汇率变动具有不确定性和复杂性，各种汇率变化都可能引起企业股票收益率的变动，同时对外投资企业的投资领域并非单一，而是着眼于全球投资，因此企业所面临的汇率风险暴露日益显著。

四、结论

1.中国对外投资企业存在显著的汇率风险暴露。所有的样本企业至少对一种货币存在显著的外汇风险暴露，面临两种汇率风险的对外投资企业占样本数量的47%，30%的样本企业对三种货币均存在显著汇率风险暴露。这说明在对外投资过程中，企业面临着巨大的汇率风险。

2.对外投资企业的汇率风险暴露具有显著的非对称和滞后性。本币的升值和贬值对企业的影响具有不对称性，分别有60%、70%和50%的样本企业面临人民币兑欧元、美元和日元的不对称暴露，多数企业的股票收益率因人民币升值而遭受损失。同时，汇率风险暴露还存在滞后效应，当期汇率风险暴露受到前一期汇率变化的影响，说明汇率变化反映到企业的股票收益率变化上需要一定的时间。

综上所述，对外投资企业面临显著的汇率风险暴露，必须采取相应措施规避汇率风险。目前，对外投资企业还处在成长发展阶段，对汇率风险的认识不足，抗击汇率波动的能力相对较弱。随着对外投资的快速发展和人民币波动幅度的不断扩大，对外投资企业的汇率风险将日益加剧，对外投资企业可以通过加快转变结算方式，利用多币种结算途径，并根据企业的实际情况选取适合的金融衍生工具规避汇率风险，化压力为动力，实现企业经营效益的提升。

教育期刊网 http://www.jyqkw.com
参考文献

[1]SHAPIRO A C. Exchange rate change, inflation and the value of multinational corporation[J].Journal of Finance, 1975, 30(2): 485-502.

[2]ADLER M, Dumas B. Exposure to currency risk: Definition and measurement[J].Financial Management, 1984, 13(2): 41-50.

[3]JORION P. The exchange-rate exposure of U.S. multinationals[J].Journal of Business, 1990, 63(3): 331-345.

[4]BARTOVE E, BONDAR G M. Firm valuation, earnings expectations and the exchange rate exposure effect[J].Journal of Finance, 1994, 45(5): 1755-1785.

[5]WU X, ZHOU L. Currency exposure of listed electronic companies to exchange rates with different lag periods[J].Systems Engineering Procedia, 2011, 2: 191-198.

[6]MULLER A, VERSCHOOR W F C. Asian foreign exchange risk exposure[J].Journal of the Japanese and International Economies, 2007, 21(1): 16-37.

[7]FANG W S, LAI Y H, MILLER S M. Does exchange rate risk affect exports asymmetrically? Asian evidence[J].Journal of International Money and Finance, 2009, 28(2): 215-239.

[8]WALID C, CHAKER A, MASOOD O, FRY J. Stock market volatility and exchange rates in emerging countries: A Markov-state switching approach[J].Emerging Markets Review, 2011, 12(3): 272-292.

[9]BARTOVE E, BONDAR G M. Firm valuation, earnings expectations and the exchange rate exposure effect[J].Journal of Finance, 1994,45(5):1775-1785.

[10]李小平, 冯芸, 吴冲锋. 金融危机前后的汇率波动特征[J].管理科学学报,2012,15(4):40-49.

［责任编校：唐 鑫］

本刊声明

近来，不断有作者来电向我刊反映，一些中介组织和个人冒用《社会科学家》杂志社名义征稿，收取相关费用，欺诈投稿人，严重损害了我刊名誉。在此，我刊严正声明：从未委托和授权任何机构和个人进行组稿、征稿，亦无任何形式的用稿通知。同时，我刊将保留追究有关人员法律责任的权利。特此声明！

本刊收稿邮箱：glkxj@163.com

本刊官方网址：http://www.shehuikexuejia.com

本刊官方微信：《社会科学家》杂志社

咨询电话：0773-2898542

《社会科学家》杂志社