q2外匯

Ⅰ 影響外匯供求曲線的移動因素

匯市場供求關系決定匯價的過程

外匯市場決定匯率的過程是這樣的：市場匯率是外匯需求等於供給時的均衡水平，當外匯的需求增加而供給不變時，外匯匯率上升；當外匯需求不變而供給增加時，則外匯匯率下跌。

現在假定，外匯市場上只有一種外幣美元。外匯的需求主要取決於進口商品和對外投資者對美元的需求。外匯的供給則取決於出口商和在本國投資的外國人對美元的供應。這種供求關系對匯率的影響過程可由圖(2.1)來表示。

圖中縱軸P表示在直接標價法下外匯（美元）的匯率，橫軸Q表示一國所有國際經濟交易的外匯收入總額和外匯支出總額，即外幣美元的數量。曲線S是外匯美元的供給曲線，表示在外匯市場上，每一時期外匯持有人在各種可能的匯價上要用外匯購買本幣

圖2.1

的數量，外匯供給曲線斜率為正，反映了外匯匯率越高，本國商品的國際競爭力越強，外國資本在本國的競爭力也越強，從而在外匯市場上的外匯供應就越多；曲線D是外匯美元的需求曲線，表示在外匯市場上，每一時期本幣持有人在各種可能的匯價上要用本幣購買外幣的數量，外匯需求曲線斜率為負，反映了外匯匯率越高，外匯需求就越少。

現設均衡匯率為P0，均衡數量為Q0，均衡點為A點。若現在匯價偏離P0，而在P1點，超過P0，於是外匯市場外匯需求量就下降為Q1，外匯供給量將增加到Q2，這樣就形成外匯供過於求，於是就出現數量為(Q2-Q1)的順差，但這只是暫時的現象，需求少，供給多，必然導致匯率下降，一直降到均衡點A，匯價為P0時，供給量和需求量相等，從而達到了市場均衡，同樣當匯價偏離P0而較低時，也會因市場的作用回到均衡水平。

假若在某個時期某個因素發生變化使得外匯供給曲線和外匯需求曲線發生了偏移，如圖(2.2)：

圖2.2

供給曲線往右下方移動，需求曲線往左下方移動，這樣原來均衡的匯率水平在新的外匯供求關系中已不適用，於是均衡匯率也會重新產生，如圖中P0』。可見，在圖中影響匯率變動的因素就是通過移動外匯供給曲線和外匯需求曲線來體現的。

希望能幫到你。

Ⅱ 市場點評：指數縮量調整，上證指數20日均線處壓力較大

一、財經新聞精選

• 海關總署：前7個月我國外貿進出口21.34萬億元 連續14個月正增長

  據海關統計，今年前7個月，我國外貿進出口總值21.34萬億元，同比增長24.5%。其中出口11.66萬億元，同比增長24.5%；進口9.68萬億元，同比增長24.4%。7月份當月，我國外貿進出口總值3.27萬億元，同比增長11.5%。

  來源：央視新聞

• 廣東正式印發金融「十四五」規劃 支持深交所實施全市場注冊制改革

  6日上午，廣東省政府正式發布《廣東省金融改革發展「十四五」規劃》，作為「十四五」時期指導廣東金融業發展的綱領性文件，《規劃》詳細描繪了廣東建設金融強省的新藍圖。

  來源：深圳商報

• 劍指新股「抱團報價」！證監會重磅出手

  8月6日，證監會就修改《創業板首次公開發行證券發行與承銷特別規定》部分條款向社會公開徵求意見，其中，擬對《特別規定》進行適當優化，取消新股發行定價與申購安排、投資者風險特別公告次數掛鉤的要求，平衡好發行人、承銷機構、報價機構和投資者之間的利益關系，促進博弈均衡，提高發行效率。

  來源：證券時報網

• 7月非農新增94.3萬人超預期 美聯儲將提前縮減購債？

  8月6日，美國勞動統計局公布，美國7月季調後非農就業人口錄得增加94.3萬人，好於市場預期，為去年8月來最大增幅。美國7月失業率為5.4%，前值5.9%，預期5.7%，為去年4月來新低。多數分析師認為美聯儲將會在今年縮減購債。

  來源：智通財經網

• 首家外資獨資券商來了！摩根大通全資控股旗下合資券商獲備案

  8月6日晚間，摩根大通宣布，中國證監會已對摩根大通證券(中國)有限公司控股股東——摩根大通國際金融有限公司受讓5家內資股東所持股權，成為摩根大通證券(中國)唯一股東的事項准予備案。也就是說，摩根大通證券(中國)將成為中國首家外資全資控股的證券公司。

  來源：澎湃新聞

        （投資顧問  蔡 勁  注冊投資顧問證書編號： S0260611090020）

二、市場熱點聚焦

• 市場點評：指數縮量調整，上證指數20日均線處壓力較大

  周五兩市大盤指數震盪調整，市場總成交金額較前一交易日有所減少。具體來看，滬指收盤下跌0.24%，收報3458.23點；深成指下跌0.3%，收報14827.4點；創業板下跌1.18%，收報3490.90點。

  盤面上看，稀土永磁概念股、鋰電池概念股和煤炭股表現活躍，漲幅居前，疫苗概念股表現相對較弱。指數大幅下挫後上周走出強勢反彈行情，上證指數在20日均線附近反彈受阻，技術角度來看上證指數Macd面臨金叉，但由於是大幅反彈後再出現的技術金叉，再度上漲的動能較弱，預計指數回踩下方的概率較大。

  操作上，近期市場呈現大開大合走勢，謹慎的投資者建議維持在半倉左右，激進的投資者倉位可以稍高些，漲幅較大的板塊及個股謹防回調風險。稀土概念股、鋰電池概念股和光伏概念股漲幅較大，但目前資金介入較深，短期仍然會在這些品種里輪動，但屬於籌碼博弈階段，不建議用中線思維對待。中線則建議關注位置較低的軍工板塊、有業績支撐的資源類周期股、本輪漲幅較小有補漲需求的風能概念股和稀土概念股以及中報業績向好的個股。

  （投資顧問  余德超  注冊投資顧問證書編號：S0260613080021）

   

• 宏觀視點：中國7月末外匯儲備報3.2359萬億美元

  中國7月末外匯儲備報3.2359萬億美元，預估3.2275萬億美元，前值為3.2140萬億美元。

  來源：證券時報網

  點評：2021年7月，我國外匯儲備規模較6月末小幅上升了。主要原因是，國際金融市場上，受新冠肺炎疫情反復、主要國家貨幣政策預期及宏觀經濟數據等因素影響，非美元貨幣小幅走強，全球金融資產價格總體上漲。外匯儲備以美元為計價貨幣，非美元貨幣折算成美元後金額增加，與資產價格變化等因素共同作用，當月外匯儲備規模上升。外匯儲備規模的穩定，對資本市場影響偏利好。

    （投資顧問  蔡 勁  注冊投資顧問證書編號： S0260611090020）

   

• 國防軍工行業：H1持倉：機構化趨勢強化，帶來投資風格切換

  Q2持倉比例修復提升，3%持倉比例中樞持續保持：21Q1軍工板塊在經歷部分企業業績低於預期（主因為市場對軍工擴產節奏認知不足，導致預期過高），基金持倉比例下降後，21Q2整體軍工板塊進入修復階段，持倉比例出現上升，機構持倉比例中樞3%得到維持。伴隨部分企業中報實現超預期增長，主機配套企業調整關聯交易預計值及收到甲方大額預付款，產業景氣度持續兌現，機構配置比例在Q2得到快速修復。

  來源：天風證券研報

  點評：軍工板塊將在高景氣度的背景下持續成為機構配置的偏好類板塊，目前軍工板塊整體的位置較低，建議關注軍工板塊各細分龍頭後續的趨勢性機會。

  （投資顧問 余德超 注冊投資顧問證書編號：S0260613080021）

   

三、新股申購提示

• 金鷹重工申購代碼301048，申購價格4.13元

• 恆盛能源申購代碼707580，申購價格8.38元

• 中國電信申購代碼780728，申購價格4.53元

• 格 科 微申購代碼787728，申購價格14.38元

四、重點個股推薦

• 參見《早盤視點》完整版（按月定製路徑：發現-資訊-資訊產品-資訊-早盤視點；單篇定製路徑：發現-金牌鑒股-早盤視點）

Ⅲ 想問大家一個問題，嘉盛和福匯這兩個外匯經紀商，到底哪一個比較好

這兩家都算是市場上數一數二的外匯經紀商了，不過感覺這幾年嘉盛的勢頭逐漸超過了福匯。在2015年瑞郎黑天鵝事件之後，福匯就進行了業務調整，出售了非核心資產，在2017年2月還因為對客戶進行誤導性宣傳，被CFTC處罰了700萬美元，永久退出了美國市場，它的美國客戶現在已經全部轉到了嘉盛，另外同年5月福匯還被納斯達克下了退市通知，可以說福匯現在在美國市場的地位一落千丈啊。

嘉盛感覺這幾年發展還是比較穩定的，業務在不斷擴大，目前它的股價和市場前景一直在穩步上升，它們2017年Q2的時候總資產已經有14億美元了，福匯才6億不到呢。另外從嘉盛2017年5月宣布擴大股票回購計劃來看，它對自身實力也是很有信心的。還有就是我覺得嘉盛在對市場的前瞻性這方面一直做得不錯，之前為了應對FCA和歐盟法規二將來的新規，特別推出受CIMA監管的業務，讓大家可以自由選擇受監管的機構，保證了交易的靈活性。

Ⅳ Q2財報會上的馬斯克有點忙

上周末7月15日，特斯拉終於在德克薩斯州的Giga工廠製造出了拖延已久的 Cybertruck電動皮卡，但當時幾乎沒有透露任何細節。在周三的財報中，特斯拉仍讓投資者和分析師們充滿猜測。

首席執行官埃隆·馬斯克（Elon Musk）在財報電話會上說，他迫不及待地要在今年稍晚開始交付Cybertruck，預計明年大批量生產。

Cybertruck是特斯拉今年最令人期待的車型。因嚴重依賴Model 3和Model Y提振銷量，Cybertruck被外界視為特斯拉未來增長的關鍵。

馬斯克還指出：「需求離我們太遠了，你甚至都看不到任何跡象。」他強調說，「Cybertruck有很多新技術......所以生產Cybertruck的速度將與整個供應鏈中最慢、最不可能的元素一樣快。」

特斯拉沒有提供有關 Cybertruck 的其他信息，如明年的產能、定價和更多規格。

據印媒《印度時報》《經濟時報》7月11日報道，特斯拉已開始與印度政府討論在印度建廠事宜。報道指，計劃中的特斯拉印度汽車工廠預計年產50萬輛電動車，且印度版特斯拉起售價或為200萬盧比（約17.46萬人民幣），考慮到特斯拉目前尚無這一價格帶的車型，這意味著特斯拉可能會在印度生產新平台車型，這款車大概率就是Model 2，且其定價很可能在17萬人民幣左右。

特斯拉的海外擴張計劃、AI新進展和超級充電網路。除了印度，近期也傳出特斯拉計劃在法國建廠的消息。此外，據華爾街日報本周報道，特斯拉也計劃擴建柏林工廠，預計該工廠的佔地面積將至少擴大一倍。

另外一大重點是特斯拉的人工智慧業務。自從5月底英偉達發布超預期的一季度業績以來，特斯拉股價累計上漲近60%。盡管特斯拉並不像英偉達那樣，對整個AI行業擁有「賣鏟人」的強大影響力，但它使用AI來訓練其自動駕駛技術，數十萬特斯拉車主已經購買了特斯拉最貴的自動駕駛套件，所以，它也能受益於英偉達強勁業績帶來的樂觀情緒。

【本文來自易車號作者汽車商業評論，版權歸作者所有,任何形式轉載請聯系作者。內容僅代表作者觀點，與易車無關】

Ⅳ 金屬礦產品市場風險預測模型

金屬礦產品市場風險，是指成礦帶所在國家的市場條件的不確定引起礦業投資的不確定性。國際礦產品市場兼具實物市場和金融市場的特徵，特別是近年來大量資金的湧入，更使其金融的特徵加強。金屬期貨市場上的價格波動，直接反映出投資企業面臨或即將面臨的風險。外匯市場上的匯率波動，從間接角度也會給投資企業帶來風險。由於在國際金屬期貨市場上，金屬期貨的價格一般以美元標價，對國內企業來說，要進行國際投資，首先需要把人民幣轉化為相應的外幣，運用外幣才能在國際市場上靈活操作。

金屬礦產資源價格風險是金屬期貨交易中最為普遍、最為經常的風險，它存在於每一種期貨產品中。這是因為每一種期貨產品的交易，都是以對這種產品價格變化的預測為基礎的；當實際價格的變化方向或幅度與交易商的預測出現背離時，就會造成相應得損失。

匯率風險又稱外匯風險，就是由於匯率波動導致企業以外幣計量的籌集資金的價值發生變化的可能性。匯率波動風險，是指由於匯率的波動而給持有或使用外匯的項目公司或其他利益參與者帶來損失的風險。項目融資的成本和利潤對金融市場上匯率變動比較敏感。首先，本國貨幣與國際主要貨幣之間匯率變化的風險將影響其生產成本和費用，同時也會加劇國內市場的競爭，因為國外同類產品的生產者會發現這個市場更具吸引力；其次，各國貨幣之間的交叉匯率變化也會間接影響到該項目在國際市場上的競爭地位；最後，匯率變化也將對項目的債務結構產生影響。

金屬礦產品市場風險度量方法分析，主要是藉助金融市場風險管理理論，來選用市場風險價值（VaR）作為金屬礦產品市場風險測量指標。VaR方法是由JPMORGAN公司率先提出來的，並在實踐中得到了廣泛應用。市場風險度量的方法有多種，VaR方法是目前金融市場風險測量的主流方法。VaR計算方法包括歷史模擬法、方差—斜方差法和蒙特卡羅模擬法。與歷史模擬法和蒙特卡洛模擬法相比，方差—斜方差法的優點是需要的數據量較少，易於操作，因此在實踐中得到了廣泛應用。

VaR的優點在於將不同的市場因子、不同市場的風險集成為一個數，較准確地測量由不同風險來源及其相互作用而產生的潛在損失，適應了金融市場發展的動態性、復雜性和全球整合性的趨勢。

VaR計算方法基本思路是：首先，根據金屬礦產品市場風險因素分析市場風險因子的函數；其次，建立預測市場風險因子的波動性模型，預測市場風險因子的波動性；最後，根據市場風險因子的波動性估計市場風險價值和分布，計算出VaR 值。

（1）基於GARCH族模型的VaR計算

1）VaR計算的基本原理。

VaR譯為風險價值，是指在市場正常波動下，某一金融資產或證券組合的最大損失。更為確切地說，是指在一定概率水平下和特定的持有期內，某一金融資產或證券組合的最大損失。用數學語言，可以定義VaR為：令α∈（0,1）為某一給定的概率水平，則α水平下，投資組合p的VaR 定義如下

國外油氣與礦產資源利用風險評價與決策支持技術

式中：函數

（α）為收益R_p的累積分布函數

的逆函數。VaR的實質為R_p的α－分位數。VaR估計的條件方差方法屬於動態VaR計算的分析方法，在VaR的計算當中，其核心是對波動率的估計。不同的波動率模型構成了VaR 計算的不同。

本書是對倫敦銅和人民幣兌美元匯率對數日收益率時間序列進行研究，選取VaR的計算公式：

國外油氣與礦產資源利用風險評價與決策支持技術

式中：t表示第t天；P_t-1為上一個交易日的收盤價；z_α為標准正態分布的臨界值，而1%,5%,10%的臨界值分別為－2.33,－1.64,－1.28；σ_t是由GARCH模型估計得到的收益率序列條件標准差。

2）VaR模型的後驗測試。

為檢驗市場風險計量模型的有效性，需要檢驗VaR模型的計算結果對實際損失的覆蓋程度。本書採用Kupiec檢驗對所建的模型適合性進行檢驗。設Ⅳ為檢驗樣本中損失高於VaR的次數，T為檢驗樣本總數，a是既定的顯著性水平，f表示失敗率。其中：

國外油氣與礦產資源利用風險評價與決策支持技術

則檢驗的假設為

國外油氣與礦產資源利用風險評價與決策支持技術

似然比統計量為

國外油氣與礦產資源利用風險評價與決策支持技術

在原假設下，LR 服從於自由度為1的X²分布。在大樣本條件下，也可以用正態分布來逼近，同樣有較好的檢驗效果。當

（1）時，拒絕H₀,VaR模型失敗。

3）GARCH（p,q）族模型的基本原理。

金融風險主要是由金融資產價格的波動引起的。大量實證研究發現，金融資產的波動分布具有尖峰厚尾性和波動集聚性，即金融市場波動往往表現出異方差性。1986年Bollerslev在Engle（1982）提出的自回歸條件異方差模型（ARCH）基礎上，建立了GARCH 模型能夠較好地捕捉金融市場風險的這些特性。ARCH 及其以後產生的擴展模型TGARCH、EGARCH等被稱為GARCH模型族。目前，基於GARCH族模型對金融市場風險價值（VaR）的研究已經非常豐富。例如，龔銳、陳仲常等（2005）；陳守點、俞世典（2007）；金秀、許宏宇（2007）；丁元子（2009）等。

廣義自回歸條件異方差模型（GARCH 模型）對各指數的波動性進行分析。具體建模步驟如下：①對收益率序列進行平穩性和自相關性檢驗；②根據相關系數和Q 統計量進行ARMA模型識別；③建立均值方程，根據殘差自相關性檢驗確定模型擬合效果，並運用LM方法對序列殘差項進行ARCH效應檢驗；④採用極大似然法進行GARCH模型的參數估計；⑤根據擬合優度統計量評價模型。

A.GARCH模型。

1986年Bollerslev提出GARCH模型。GARCH（p,q）模型的一般公式包括兩部分：均值方程形式和方差方程形式。可寫為

國外油氣與礦產資源利用風險評價與決策支持技術

式中：ε_t為殘差；r_t為收益率；α_j為GARCH項系數，代表了隨機誤差項的方差滯後期對當期方差的影響；β_i為AHCH項系數，代表前一期隨機誤差項對即期殘差方差的影響程度，刻畫了市場對於新的信息的反映；σ_t為條件方差，刻畫了市場的波動性；其中模型參數滿足一下約束：c≥0，ω≥0，α≥0，β≥0。

B.TGARCH模型。

Zakoian（1990）及Glosten,Jaganathan和Runkle（1993）提出的TGARCH（門限TGARCH）模型的一般形式為

國外油氣與礦產資源利用風險評價與決策支持技術

和GARCH 模型相比，在TGARCH 模型中設立了一個閥值d_t-1，用來描述信息的影響。

其中，d_t-1是一個名義變數，取0或1；市場上利好或利壞對條件方差的作用效果是不同的。上漲時，ε_t≥0表示利好消息，則

其影響系數為

下跌時，ε_t﹤0表示利空消息，則

其影響系數為

如果γ≠0，則說明信息作用是非對稱的；如果y﹥0，則認為存在杠桿效應。

另外，以上模型中

，蘊涵GARCH族過程為寬平穩。

4）實證分析。

A.數據來源。

本專題的金屬期貨的收盤價格採用倫敦期貨交易所發布的期銅收盤日收盤價格，用大智慧軟體下載。匯率所使用的資料為人民幣兌美元的匯率，來自美國聯邦儲備銀行聖路易斯分行聯邦儲備經濟資料庫（Federal Reserve Economic Data）提供的統計數據。兩者數據選取區間為2005/07/22～2009/09/04日止，其中扣除非營業日及部分交易資料的缺失。對缺失數據的處理，為當日缺失資料的前一天以及後一天的平均來當作當日缺失的資料，一共各1063個數據。

B.收益率序列基本特徵分析。

市場收益率採取對數日收益率的形式，定義為

國外油氣與礦產資源利用風險評價與決策支持技術

式中：r_i,t為第i市場第t日的收益率；p_i,t為i市場第t日的價格，i取1時表示期銅市場，i取2時表示外匯市場。收益率序列的主要統計特徵如圖9.18所示。可以看出均存在波動集聚性和爆發性，可認為兩個收益率序列均是隨機的。

圖9.18 收益率序列的主要統計特徵

根據表9.12給出的收益率序列的主要統計特徵，由偏度值可知倫敦銅收益率序列是左偏的，人民幣兌美元收益率序列是右偏的。兩者均具有尖峰厚尾現象，並且匯率市場比期貨市場明顯。由J-B統計檢驗知二者均拒絕服從正態分布的假設。由Q（20）和Q2（20）值可知，兩者的收益率序列和收益率平方序列均在1%的顯著性水平下，拒絕了不存在序列相關性的原假設，即都存在顯著的序列相關性，說明波動的集聚性很顯著。適合用GARCH模型來建模。

表9.12 兩收益率序列的主要統計特徵

GARCH模型的參數估計：

a.倫敦銅的最優模型為GARCH（1,1）:

國外油氣與礦產資源利用風險評價與決策支持技術

b.人民幣兌美元最優模型為TGARCH（1,1）:

國外油氣與礦產資源利用風險評價與決策支持技術

式中：括弧內數據表示參數估計的標准差，***表示在99%置信度下顯著，**表示在95%置信度下顯著；*表示在90%的置信度下顯著。

c.VaR的計算與分析。

通過式9.14與式9.15可計算出倫敦銅與人民幣兌美元對數收益率序列的條件方差

,從而得到時變的標准差σ_t，並按照式：

，計算得到VaR。其中，P_t-1為上一個交易日的收盤價；為計算方便，在此標准化為1元。Z_α為標准正態分布的臨界值，而1%,5%,10%的臨界值分別為－2.33,－1.64,－1.28；置信水平為90%,95%,99%下每天的VaR 值，並與實際收益率進行比較，見圖9.19。

圖9.19 不同置信度下的VaR值與實際收益率的比較

d.採用Kupiec失敗率檢驗對所建的模型進行後驗測試。

表9.13 後驗測試結果分析

由表9.13可知，從似然比統計量LR值可以看出，在給定的置信水平下都小於臨界值，說明所建的VaR模型是合理的。通過α與f比較，可以看出期銅GARCH（1,1）模型預測結果基本覆蓋了實際損失，RMB/USD的TGARCH（1,1）模型略微低估了市場風險。

（2）基於歷史模擬的VaR計算方法

歷史模擬法（英文簡稱Hs）作為一種常用於VaR估值的方法，主要特點是對市場因素未來變化的概率分布並未做過多假設，只利用市場因素的歷史變化來構造未來投資組合盈虧的概率分布。在給定置信度（95%,99%）的情況下，利用分布函數找出頻數分布中佔到5%、1%的損失臨界值，以此作為VaR值。歷史模擬法步驟如下。

1）以歷史模擬法來估算I項資產未來一天的風險植的程序。

步驟一，選取過去N＋1天第I項資產的價格作為模擬資料；

步驟二，將過去彼此相鄰的N＋1筆價格資料相減，就可以求得N筆該資產每日的價格損益變化量；

步驟三，步驟二代表的是第I項資產在未來一天損益的可能情況（共有N種可能情形），將變化量轉換成報酬率，就可以算出N種的可能報酬率。

步驟四，將步驟三的報酬率由小到大依序排列，並依照不同的信賴水準找出相對應分位數的臨界報酬率。

步驟五，將目前的資產價格乘以步驟四的臨界報酬率，得到的金額就是使用歷史模擬法所估計得到的風險值（VaR）。

2）實證分析。

以倫敦市場上的期鋁為例，選取2007/7/19～2009/11/18日共592個數據，數據來源為Wind資訊金融資料庫。市場收益率採取對數日收益率的形式，公式為：r_t=ln（p_t）-ln（p_t-1）。按照歷史模擬法的計算步驟，估計的向前一步預測在不同置信度下的市場風險價值計算結果如圖9.20所示。

圖9.20 計算結果

（3）兩種度量方法的比較

一般情況下，從失敗天數與失敗率來看，GARCH模型能更好地刻畫股市收益率的變動。從計算的VaR值來看，Hs法明顯比GARCH模型下高估了風險。VaR方法是在假設正常市場條件下對市場風險進行估算。

在估算結果的可靠性方面，Hs法過於直接依賴歷史數據。因此，當選取的考察期沒有代表性時，則Hs估算出的VaR值不能很好地反映市場風險。後種方法雖然也依賴於考察期的歷史數據，但後果不如前者那麼嚴重。但是Hs法簡便、易懂，最容易被人理解和運用，而後種方法則需要一定的概率統計和金融衍生工具的背景知識。

總之，GARCH模型在VaR的測量中更具有準確性、靈活性等特點，在當前股市瞬息萬變的情況下，已越來越為大多數人所接受，在VaR的測量方法中成為主流。