q2外汇

Ⅰ 影响外汇供求曲线的移动因素

汇市场供求关系决定汇价的过程

外汇市场决定汇率的过程是这样的：市场汇率是外汇需求等于供给时的均衡水平，当外汇的需求增加而供给不变时，外汇汇率上升；当外汇需求不变而供给增加时，则外汇汇率下跌。

现在假定，外汇市场上只有一种外币美元。外汇的需求主要取决于进口商品和对外投资者对美元的需求。外汇的供给则取决于出口商和在本国投资的外国人对美元的供应。这种供求关系对汇率的影响过程可由图(2.1)来表示。

图中纵轴P表示在直接标价法下外汇（美元）的汇率，横轴Q表示一国所有国际经济交易的外汇收入总额和外汇支出总额，即外币美元的数量。曲线S是外汇美元的供给曲线，表示在外汇市场上，每一时期外汇持有人在各种可能的汇价上要用外汇购买本币

图2.1

的数量，外汇供给曲线斜率为正，反映了外汇汇率越高，本国商品的国际竞争力越强，外国资本在本国的竞争力也越强，从而在外汇市场上的外汇供应就越多；曲线D是外汇美元的需求曲线，表示在外汇市场上，每一时期本币持有人在各种可能的汇价上要用本币购买外币的数量，外汇需求曲线斜率为负，反映了外汇汇率越高，外汇需求就越少。

现设均衡汇率为P0，均衡数量为Q0，均衡点为A点。若现在汇价偏离P0，而在P1点，超过P0，于是外汇市场外汇需求量就下降为Q1，外汇供给量将增加到Q2，这样就形成外汇供过于求，于是就出现数量为(Q2-Q1)的顺差，但这只是暂时的现象，需求少，供给多，必然导致汇率下降，一直降到均衡点A，汇价为P0时，供给量和需求量相等，从而达到了市场均衡，同样当汇价偏离P0而较低时，也会因市场的作用回到均衡水平。

假若在某个时期某个因素发生变化使得外汇供给曲线和外汇需求曲线发生了偏移，如图(2.2)：

图2.2

供给曲线往右下方移动，需求曲线往左下方移动，这样原来均衡的汇率水平在新的外汇供求关系中已不适用，于是均衡汇率也会重新产生，如图中P0’。可见，在图中影响汇率变动的因素就是通过移动外汇供给曲线和外汇需求曲线来体现的。

希望能帮到你。

Ⅱ 市场点评：指数缩量调整，上证指数20日均线处压力较大

一、财经新闻精选

• 海关总署：前7个月我国外贸进出口21.34万亿元 连续14个月正增长

  据海关统计，今年前7个月，我国外贸进出口总值21.34万亿元，同比增长24.5%。其中出口11.66万亿元，同比增长24.5%；进口9.68万亿元，同比增长24.4%。7月份当月，我国外贸进出口总值3.27万亿元，同比增长11.5%。

  来源：央视新闻

• 广东正式印发金融“十四五”规划 支持深交所实施全市场注册制改革

  6日上午，广东省政府正式发布《广东省金融改革发展“十四五”规划》，作为“十四五”时期指导广东金融业发展的纲领性文件，《规划》详细描绘了广东建设金融强省的新蓝图。

  来源：深圳商报

• 剑指新股“抱团报价”！证监会重磅出手

  8月6日，证监会就修改《创业板首次公开发行证券发行与承销特别规定》部分条款向社会公开征求意见，其中，拟对《特别规定》进行适当优化，取消新股发行定价与申购安排、投资者风险特别公告次数挂钩的要求，平衡好发行人、承销机构、报价机构和投资者之间的利益关系，促进博弈均衡，提高发行效率。

  来源：证券时报网

• 7月非农新增94.3万人超预期 美联储将提前缩减购债？

  8月6日，美国劳动统计局公布，美国7月季调后非农就业人口录得增加94.3万人，好于市场预期，为去年8月来最大增幅。美国7月失业率为5.4%，前值5.9%，预期5.7%，为去年4月来新低。多数分析师认为美联储将会在今年缩减购债。

  来源：智通财经网

• 首家外资独资券商来了！摩根大通全资控股旗下合资券商获备案

  8月6日晚间，摩根大通宣布，中国证监会已对摩根大通证券(中国)有限公司控股股东——摩根大通国际金融有限公司受让5家内资股东所持股权，成为摩根大通证券(中国)唯一股东的事项准予备案。也就是说，摩根大通证券(中国)将成为中国首家外资全资控股的证券公司。

  来源：澎湃新闻

        （投资顾问  蔡 劲  注册投资顾问证书编号： S0260611090020）

二、市场热点聚焦

• 市场点评：指数缩量调整，上证指数20日均线处压力较大

  周五两市大盘指数震荡调整，市场总成交金额较前一交易日有所减少。具体来看，沪指收盘下跌0.24%，收报3458.23点；深成指下跌0.3%，收报14827.4点；创业板下跌1.18%，收报3490.90点。

  盘面上看，稀土永磁概念股、锂电池概念股和煤炭股表现活跃，涨幅居前，疫苗概念股表现相对较弱。指数大幅下挫后上周走出强势反弹行情，上证指数在20日均线附近反弹受阻，技术角度来看上证指数Macd面临金叉，但由于是大幅反弹后再出现的技术金叉，再度上涨的动能较弱，预计指数回踩下方的概率较大。

  操作上，近期市场呈现大开大合走势，谨慎的投资者建议维持在半仓左右，激进的投资者仓位可以稍高些，涨幅较大的板块及个股谨防回调风险。稀土概念股、锂电池概念股和光伏概念股涨幅较大，但目前资金介入较深，短期仍然会在这些品种里轮动，但属于筹码博弈阶段，不建议用中线思维对待。中线则建议关注位置较低的军工板块、有业绩支撑的资源类周期股、本轮涨幅较小有补涨需求的风能概念股和稀土概念股以及中报业绩向好的个股。

  （投资顾问  余德超  注册投资顾问证书编号：S0260613080021）

   

• 宏观视点：中国7月末外汇储备报3.2359万亿美元

  中国7月末外汇储备报3.2359万亿美元，预估3.2275万亿美元，前值为3.2140万亿美元。

  来源：证券时报网

  点评：2021年7月，我国外汇储备规模较6月末小幅上升了。主要原因是，国际金融市场上，受新冠肺炎疫情反复、主要国家货币政策预期及宏观经济数据等因素影响，非美元货币小幅走强，全球金融资产价格总体上涨。外汇储备以美元为计价货币，非美元货币折算成美元后金额增加，与资产价格变化等因素共同作用，当月外汇储备规模上升。外汇储备规模的稳定，对资本市场影响偏利好。

    （投资顾问  蔡 劲  注册投资顾问证书编号： S0260611090020）

   

• 国防军工行业：H1持仓：机构化趋势强化，带来投资风格切换

  Q2持仓比例修复提升，3%持仓比例中枢持续保持：21Q1军工板块在经历部分企业业绩低于预期（主因为市场对军工扩产节奏认知不足，导致预期过高），基金持仓比例下降后，21Q2整体军工板块进入修复阶段，持仓比例出现上升，机构持仓比例中枢3%得到维持。伴随部分企业中报实现超预期增长，主机配套企业调整关联交易预计值及收到甲方大额预付款，产业景气度持续兑现，机构配置比例在Q2得到快速修复。

  来源：天风证券研报

  点评：军工板块将在高景气度的背景下持续成为机构配置的偏好类板块，目前军工板块整体的位置较低，建议关注军工板块各细分龙头后续的趋势性机会。

  （投资顾问 余德超 注册投资顾问证书编号：S0260613080021）

   

三、新股申购提示

• 金鹰重工申购代码301048，申购价格4.13元

• 恒盛能源申购代码707580，申购价格8.38元

• 中国电信申购代码780728，申购价格4.53元

• 格 科 微申购代码787728，申购价格14.38元

四、重点个股推荐

• 参见《早盘视点》完整版（按月定制路径：发现-资讯-资讯产品-资讯-早盘视点；单篇定制路径：发现-金牌鉴股-早盘视点）

Ⅲ 想问大家一个问题，嘉盛和福汇这两个外汇经纪商，到底哪一个比较好

这两家都算是市场上数一数二的外汇经纪商了，不过感觉这几年嘉盛的势头逐渐超过了福汇。在2015年瑞郎黑天鹅事件之后，福汇就进行了业务调整，出售了非核心资产，在2017年2月还因为对客户进行误导性宣传，被CFTC处罚了700万美元，永久退出了美国市场，它的美国客户现在已经全部转到了嘉盛，另外同年5月福汇还被纳斯达克下了退市通知，可以说福汇现在在美国市场的地位一落千丈啊。

嘉盛感觉这几年发展还是比较稳定的，业务在不断扩大，目前它的股价和市场前景一直在稳步上升，它们2017年Q2的时候总资产已经有14亿美元了，福汇才6亿不到呢。另外从嘉盛2017年5月宣布扩大股票回购计划来看，它对自身实力也是很有信心的。还有就是我觉得嘉盛在对市场的前瞻性这方面一直做得不错，之前为了应对FCA和欧盟法规二将来的新规，特别推出受CIMA监管的业务，让大家可以自由选择受监管的机构，保证了交易的灵活性。

Ⅳ Q2财报会上的马斯克有点忙

上周末7月15日，特斯拉终于在德克萨斯州的Giga工厂制造出了拖延已久的 Cybertruck电动皮卡，但当时几乎没有透露任何细节。在周三的财报中，特斯拉仍让投资者和分析师们充满猜测。

首席执行官埃隆·马斯克（Elon Musk）在财报电话会上说，他迫不及待地要在今年稍晚开始交付Cybertruck，预计明年大批量生产。

Cybertruck是特斯拉今年最令人期待的车型。因严重依赖Model 3和Model Y提振销量，Cybertruck被外界视为特斯拉未来增长的关键。

马斯克还指出：“需求离我们太远了，你甚至都看不到任何迹象。”他强调说，“Cybertruck有很多新技术......所以生产Cybertruck的速度将与整个供应链中最慢、最不可能的元素一样快。”

特斯拉没有提供有关 Cybertruck 的其他信息，如明年的产能、定价和更多规格。

据印媒《印度时报》《经济时报》7月11日报道，特斯拉已开始与印度政府讨论在印度建厂事宜。报道指，计划中的特斯拉印度汽车工厂预计年产50万辆电动车，且印度版特斯拉起售价或为200万卢比（约17.46万人民币），考虑到特斯拉目前尚无这一价格带的车型，这意味着特斯拉可能会在印度生产新平台车型，这款车大概率就是Model 2，且其定价很可能在17万人民币左右。

特斯拉的海外扩张计划、AI新进展和超级充电网络。除了印度，近期也传出特斯拉计划在法国建厂的消息。此外，据华尔街日报本周报道，特斯拉也计划扩建柏林工厂，预计该工厂的占地面积将至少扩大一倍。

另外一大重点是特斯拉的人工智能业务。自从5月底英伟达发布超预期的一季度业绩以来，特斯拉股价累计上涨近60%。尽管特斯拉并不像英伟达那样，对整个AI行业拥有“卖铲人”的强大影响力，但它使用AI来训练其自动驾驶技术，数十万特斯拉车主已经购买了特斯拉最贵的自动驾驶套件，所以，它也能受益于英伟达强劲业绩带来的乐观情绪。

【本文来自易车号作者汽车商业评论，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

Ⅳ 金属矿产品市场风险预测模型

金属矿产品市场风险，是指成矿带所在国家的市场条件的不确定引起矿业投资的不确定性。国际矿产品市场兼具实物市场和金融市场的特征，特别是近年来大量资金的涌入，更使其金融的特征加强。金属期货市场上的价格波动，直接反映出投资企业面临或即将面临的风险。外汇市场上的汇率波动，从间接角度也会给投资企业带来风险。由于在国际金属期货市场上，金属期货的价格一般以美元标价，对国内企业来说，要进行国际投资，首先需要把人民币转化为相应的外币，运用外币才能在国际市场上灵活操作。

金属矿产资源价格风险是金属期货交易中最为普遍、最为经常的风险，它存在于每一种期货产品中。这是因为每一种期货产品的交易，都是以对这种产品价格变化的预测为基础的；当实际价格的变化方向或幅度与交易商的预测出现背离时，就会造成相应得损失。

汇率风险又称外汇风险，就是由于汇率波动导致企业以外币计量的筹集资金的价值发生变化的可能性。汇率波动风险，是指由于汇率的波动而给持有或使用外汇的项目公司或其他利益参与者带来损失的风险。项目融资的成本和利润对金融市场上汇率变动比较敏感。首先，本国货币与国际主要货币之间汇率变化的风险将影响其生产成本和费用，同时也会加剧国内市场的竞争，因为国外同类产品的生产者会发现这个市场更具吸引力；其次，各国货币之间的交叉汇率变化也会间接影响到该项目在国际市场上的竞争地位；最后，汇率变化也将对项目的债务结构产生影响。

金属矿产品市场风险度量方法分析，主要是借助金融市场风险管理理论，来选用市场风险价值（VaR）作为金属矿产品市场风险测量指标。VaR方法是由JPMORGAN公司率先提出来的，并在实践中得到了广泛应用。市场风险度量的方法有多种，VaR方法是目前金融市场风险测量的主流方法。VaR计算方法包括历史模拟法、方差—斜方差法和蒙特卡罗模拟法。与历史模拟法和蒙特卡洛模拟法相比，方差—斜方差法的优点是需要的数据量较少，易于操作，因此在实践中得到了广泛应用。

VaR的优点在于将不同的市场因子、不同市场的风险集成为一个数，较准确地测量由不同风险来源及其相互作用而产生的潜在损失，适应了金融市场发展的动态性、复杂性和全球整合性的趋势。

VaR计算方法基本思路是：首先，根据金属矿产品市场风险因素分析市场风险因子的函数；其次，建立预测市场风险因子的波动性模型，预测市场风险因子的波动性；最后，根据市场风险因子的波动性估计市场风险价值和分布，计算出VaR 值。

（1）基于GARCH族模型的VaR计算

1）VaR计算的基本原理。

VaR译为风险价值，是指在市场正常波动下，某一金融资产或证券组合的最大损失。更为确切地说，是指在一定概率水平下和特定的持有期内，某一金融资产或证券组合的最大损失。用数学语言，可以定义VaR为：令α∈（0,1）为某一给定的概率水平，则α水平下，投资组合p的VaR 定义如下

国外油气与矿产资源利用风险评价与决策支持技术

式中：函数

（α）为收益R_p的累积分布函数

的逆函数。VaR的实质为R_p的α－分位数。VaR估计的条件方差方法属于动态VaR计算的分析方法，在VaR的计算当中，其核心是对波动率的估计。不同的波动率模型构成了VaR 计算的不同。

本书是对伦敦铜和人民币兑美元汇率对数日收益率时间序列进行研究，选取VaR的计算公式：

国外油气与矿产资源利用风险评价与决策支持技术

式中：t表示第t天；P_t-1为上一个交易日的收盘价；z_α为标准正态分布的临界值，而1%,5%,10%的临界值分别为－2.33,－1.64,－1.28；σ_t是由GARCH模型估计得到的收益率序列条件标准差。

2）VaR模型的后验测试。

为检验市场风险计量模型的有效性，需要检验VaR模型的计算结果对实际损失的覆盖程度。本书采用Kupiec检验对所建的模型适合性进行检验。设Ⅳ为检验样本中损失高于VaR的次数，T为检验样本总数，a是既定的显著性水平，f表示失败率。其中：

国外油气与矿产资源利用风险评价与决策支持技术

则检验的假设为

国外油气与矿产资源利用风险评价与决策支持技术

似然比统计量为

国外油气与矿产资源利用风险评价与决策支持技术

在原假设下，LR 服从于自由度为1的X²分布。在大样本条件下，也可以用正态分布来逼近，同样有较好的检验效果。当

（1）时，拒绝H₀,VaR模型失败。

3）GARCH（p,q）族模型的基本原理。

金融风险主要是由金融资产价格的波动引起的。大量实证研究发现，金融资产的波动分布具有尖峰厚尾性和波动集聚性，即金融市场波动往往表现出异方差性。1986年Bollerslev在Engle（1982）提出的自回归条件异方差模型（ARCH）基础上，建立了GARCH 模型能够较好地捕捉金融市场风险的这些特性。ARCH 及其以后产生的扩展模型TGARCH、EGARCH等被称为GARCH模型族。目前，基于GARCH族模型对金融市场风险价值（VaR）的研究已经非常丰富。例如，龚锐、陈仲常等（2005）；陈守点、俞世典（2007）；金秀、许宏宇（2007）；丁元子（2009）等。

广义自回归条件异方差模型（GARCH 模型）对各指数的波动性进行分析。具体建模步骤如下：①对收益率序列进行平稳性和自相关性检验；②根据相关系数和Q 统计量进行ARMA模型识别；③建立均值方程，根据残差自相关性检验确定模型拟合效果，并运用LM方法对序列残差项进行ARCH效应检验；④采用极大似然法进行GARCH模型的参数估计；⑤根据拟合优度统计量评价模型。

A.GARCH模型。

1986年Bollerslev提出GARCH模型。GARCH（p,q）模型的一般公式包括两部分：均值方程形式和方差方程形式。可写为

国外油气与矿产资源利用风险评价与决策支持技术

式中：ε_t为残差；r_t为收益率；α_j为GARCH项系数，代表了随机误差项的方差滞后期对当期方差的影响；β_i为AHCH项系数，代表前一期随机误差项对即期残差方差的影响程度，刻画了市场对于新的信息的反映；σ_t为条件方差，刻画了市场的波动性；其中模型参数满足一下约束：c≥0，ω≥0，α≥0，β≥0。

B.TGARCH模型。

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

国外油气与矿产资源利用风险评价与决策支持技术

和GARCH 模型相比，在TGARCH 模型中设立了一个阀值d_t-1，用来描述信息的影响。

其中，d_t-1是一个名义变量，取0或1；市场上利好或利坏对条件方差的作用效果是不同的。上涨时，ε_t≥0表示利好消息，则

其影响系数为

下跌时，ε_t﹤0表示利空消息，则

其影响系数为

如果γ≠0，则说明信息作用是非对称的；如果y﹥0，则认为存在杠杆效应。

另外，以上模型中

，蕴涵GARCH族过程为宽平稳。

4）实证分析。

A.数据来源。

本专题的金属期货的收盘价格采用伦敦期货交易所发布的期铜收盘日收盘价格，用大智慧软件下载。汇率所使用的资料为人民币兑美元的汇率，来自美国联邦储备银行圣路易斯分行联邦储备经济数据库（Federal Reserve Economic Data）提供的统计数据。两者数据选取区间为2005/07/22～2009/09/04日止，其中扣除非营业日及部分交易资料的缺失。对缺失数据的处理，为当日缺失资料的前一天以及后一天的平均来当作当日缺失的资料，一共各1063个数据。

B.收益率序列基本特征分析。

市场收益率采取对数日收益率的形式，定义为

国外油气与矿产资源利用风险评价与决策支持技术

式中：r_i,t为第i市场第t日的收益率；p_i,t为i市场第t日的价格，i取1时表示期铜市场，i取2时表示外汇市场。收益率序列的主要统计特征如图9.18所示。可以看出均存在波动集聚性和爆发性，可认为两个收益率序列均是随机的。

图9.18 收益率序列的主要统计特征

根据表9.12给出的收益率序列的主要统计特征，由偏度值可知伦敦铜收益率序列是左偏的，人民币兑美元收益率序列是右偏的。两者均具有尖峰厚尾现象，并且汇率市场比期货市场明显。由J-B统计检验知二者均拒绝服从正态分布的假设。由Q（20）和Q2（20）值可知，两者的收益率序列和收益率平方序列均在1%的显著性水平下，拒绝了不存在序列相关性的原假设，即都存在显著的序列相关性，说明波动的集聚性很显著。适合用GARCH模型来建模。

表9.12 两收益率序列的主要统计特征

GARCH模型的参数估计：

a.伦敦铜的最优模型为GARCH（1,1）:

国外油气与矿产资源利用风险评价与决策支持技术

b.人民币兑美元最优模型为TGARCH（1,1）:

国外油气与矿产资源利用风险评价与决策支持技术

式中：括号内数据表示参数估计的标准差，***表示在99%置信度下显著，**表示在95%置信度下显著；*表示在90%的置信度下显著。

c.VaR的计算与分析。

通过式9.14与式9.15可计算出伦敦铜与人民币兑美元对数收益率序列的条件方差

,从而得到时变的标准差σ_t，并按照式：

，计算得到VaR。其中，P_t-1为上一个交易日的收盘价；为计算方便，在此标准化为1元。Z_α为标准正态分布的临界值，而1%,5%,10%的临界值分别为－2.33,－1.64,－1.28；置信水平为90%,95%,99%下每天的VaR 值，并与实际收益率进行比较，见图9.19。

图9.19 不同置信度下的VaR值与实际收益率的比较

d.采用Kupiec失败率检验对所建的模型进行后验测试。

表9.13 后验测试结果分析

由表9.13可知，从似然比统计量LR值可以看出，在给定的置信水平下都小于临界值，说明所建的VaR模型是合理的。通过α与f比较，可以看出期铜GARCH（1,1）模型预测结果基本覆盖了实际损失，RMB/USD的TGARCH（1,1）模型略微低估了市场风险。

（2）基于历史模拟的VaR计算方法

历史模拟法（英文简称Hs）作为一种常用于VaR估值的方法，主要特点是对市场因素未来变化的概率分布并未做过多假设，只利用市场因素的历史变化来构造未来投资组合盈亏的概率分布。在给定置信度（95%,99%）的情况下，利用分布函数找出频数分布中占到5%、1%的损失临界值，以此作为VaR值。历史模拟法步骤如下。

1）以历史模拟法来估算I项资产未来一天的风险植的程序。

步骤一，选取过去N＋1天第I项资产的价格作为模拟资料；

步骤二，将过去彼此相邻的N＋1笔价格资料相减，就可以求得N笔该资产每日的价格损益变化量；

步骤三，步骤二代表的是第I项资产在未来一天损益的可能情况（共有N种可能情形），将变化量转换成报酬率，就可以算出N种的可能报酬率。

步骤四，将步骤三的报酬率由小到大依序排列，并依照不同的信赖水准找出相对应分位数的临界报酬率。

步骤五，将目前的资产价格乘以步骤四的临界报酬率，得到的金额就是使用历史模拟法所估计得到的风险值（VaR）。

2）实证分析。

以伦敦市场上的期铝为例，选取2007/7/19～2009/11/18日共592个数据，数据来源为Wind资讯金融数据库。市场收益率采取对数日收益率的形式，公式为：r_t=ln（p_t）-ln（p_t-1）。按照历史模拟法的计算步骤，估计的向前一步预测在不同置信度下的市场风险价值计算结果如图9.20所示。

图9.20 计算结果

（3）两种度量方法的比较

一般情况下，从失败天数与失败率来看，GARCH模型能更好地刻画股市收益率的变动。从计算的VaR值来看，Hs法明显比GARCH模型下高估了风险。VaR方法是在假设正常市场条件下对市场风险进行估算。

在估算结果的可靠性方面，Hs法过于直接依赖历史数据。因此，当选取的考察期没有代表性时，则Hs估算出的VaR值不能很好地反映市场风险。后种方法虽然也依赖于考察期的历史数据，但后果不如前者那么严重。但是Hs法简便、易懂，最容易被人理解和运用，而后种方法则需要一定的概率统计和金融衍生工具的背景知识。

总之，GARCH模型在VaR的测量中更具有准确性、灵活性等特点，在当前股市瞬息万变的情况下，已越来越为大多数人所接受，在VaR的测量方法中成为主流。