中國在經(jīng)過幾次匯率改革之后,匯率市場化程度不斷加深,人民幣匯率變動(dòng)逐漸頻繁。近期發(fā)生的中美貿(mào)易戰(zhàn)等因素導(dǎo)致人民幣匯率波動(dòng)加劇,呈現(xiàn)出劇烈的單邊貶值現(xiàn)象,中國未來的匯率市場變化預(yù)測難度較大。在這樣的背景下,具有較大外匯敞口的涉外企業(yè)匯率風(fēng)險(xiǎn)不斷加劇,潛在的匯兌損失不斷擴(kuò)大。本文以代表性的航空企業(yè)東方航空為案例分析對(duì)象,與國內(nèi)其他上市航空公司基于匯兌損益與凈利潤的占比、ROE指標(biāo)進(jìn)行對(duì)比后,發(fā)現(xiàn)其匯兌損益對(duì)凈利潤的影響更大、匯率風(fēng)險(xiǎn)管理或存在問題;對(duì)東方航空歷年ROE的回歸分析發(fā)現(xiàn)外匯敞口對(duì)ROE的影響較為顯著。對(duì)此,本文從外匯敞口視角對(duì)比中國國航與南方航空,發(fā)現(xiàn)東方航空存在較高的資產(chǎn)負(fù)債率和外幣非流動(dòng)負(fù)債、較大的外匯敞口以及外匯敞口分配不均勻等問題。針對(duì)這些問題,本文以航空公司主要持有的美歐日三種外幣兌人民幣匯率中間價(jià)為樣本數(shù)據(jù),進(jìn)行GARCH-Va R模型的實(shí)證分析,得出在t分布下的GARCH（1,1）模型用來擬合美元匯率數(shù)據(jù)、GED分布下的TARCH（1,1）模型用來擬合歐元匯率數(shù)據(jù)、GED分布下的GARCH（1,1）模型用來擬合日元匯率數(shù)據(jù)比較合適;東方航空因持有美元導(dǎo)致的匯率風(fēng)險(xiǎn)... 

【文章來源】：上海師范大學(xué)上海市

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究技術(shù)路線圖

第3章東方航空案例介紹上海師范大學(xué)碩士學(xué)位論文21了大量的外幣負(fù)債與資產(chǎn)，從而對(duì)匯率波動(dòng)更為敏感。因此，航空業(yè)的特殊性對(duì)匯率波動(dòng)及風(fēng)險(xiǎn)防范的研究提出了要求。表3-2清楚地列示了我國七家上市航空公司2015-2018年匯兌損益及凈利潤的數(shù)據(jù)情況。不難發(fā)現(xiàn)，東方航空、中國國航、南方航空和海南航空四家國內(nèi)規(guī)模較大的航空公司，其每年匯兌損益數(shù)額之大，足以證明了匯率雙向波動(dòng)導(dǎo)致的匯率風(fēng)險(xiǎn)對(duì)航空業(yè)產(chǎn)生的影響是巨大的，因此選擇航空業(yè)作為案例分析行業(yè)具備一定的代表性和實(shí)際意義。眾所周知，在企業(yè)的財(cái)務(wù)報(bào)表中，最能直接反映匯率風(fēng)險(xiǎn)的項(xiàng)目為匯兌損益項(xiàng)目，而匯兌損益項(xiàng)目是計(jì)入到利潤表中的財(cái)務(wù)費(fèi)用項(xiàng)目里，企業(yè)的財(cái)務(wù)費(fèi)用又直接影響著企業(yè)凈利潤的大校由于航空公司的規(guī)模不同，其匯兌損益和凈利潤的絕對(duì)值差距可能較大，故選用匯兌損益比凈利潤這個(gè)指標(biāo)，更能同向地對(duì)比出匯兌損益對(duì)企業(yè)凈利潤造成的影響。我們再把占比數(shù)據(jù)做成折線圖：圖3.12015-2018年我國七家上市航空公司匯兌損益與凈利潤占比數(shù)據(jù)來源：七家上市航空公司年報(bào)（2019年7月22日）從圖3.1我們可以發(fā)現(xiàn)：首先，從2015年至2018年，除了規(guī)模相對(duì)較小的春秋航空和吉祥航空，我國航空業(yè)大部分航空公司匯兌損益比凈利潤這個(gè)占比的走勢是十分類似的，也就是說由于匯率波動(dòng)產(chǎn)生的匯兌損益對(duì)國內(nèi)航空公司凈利潤的影響是基本相同的；

第3章東方航空案例介紹上海師范大學(xué)碩士學(xué)位論文23東方航空的初步分析，得出東方航空在面對(duì)匯率波動(dòng)產(chǎn)生的匯率風(fēng)險(xiǎn)，所做的內(nèi)部管理或應(yīng)對(duì)措施等方面可能并不如行業(yè)內(nèi)的其他航空公司，從而導(dǎo)致公司匯兌損失對(duì)凈利潤的影響程度比其他公司要大。因此我們選擇對(duì)七家航空公司進(jìn)行基于ROE指標(biāo)的績效評(píng)價(jià)，進(jìn)一步驗(yàn)證問題的存在。表3-32015-2018年我國七家上市航空公司ROE單位：%2015201620172018東方航空14.4510.9512.674.98中國國航11.8710.599.348.18南方航空10.3412.3112.755.21春秋航空26.3113.7115.9813.79吉祥航空39.0022.7216.2913.64海南航空9.677.025.85-6.46山東航空17.0514.8012.127.96平均值18.3813.1612.146.76數(shù)據(jù)來源：七家上市航空公司年報(bào)，Wind數(shù)據(jù)（2019年7月22日）上表列示了在相同時(shí)間段2015-2018年的我國七家上市航空公司ROE的數(shù)據(jù)，為了更清晰地顯示出差別，我們依然把它做成折線圖來對(duì)比：圖3.22015-2018年我國七家上市航空公司ROE數(shù)據(jù)來源：七家上市航空公司年報(bào)（2019年7月22日）

【參考文獻(xiàn)】：
期刊論文
[1]中國外匯儲(chǔ)備風(fēng)險(xiǎn)測度探究:基于SEM模型的視角[J]. 郭君默,鄭開焰,趙茜,晁江鋒.  經(jīng)濟(jì)問題. 2019(08)
[2]中國外匯儲(chǔ)備市場風(fēng)險(xiǎn)測度——基于GARCH-EVT-COPULA模型的利率和匯率風(fēng)險(xiǎn)集成分析[J]. 朱孟楠,段洪俊.  廈門大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版). 2019(03)
[3]外幣債務(wù)對(duì)企業(yè)價(jià)值的影響研究——基于我國非金融類上市公司面板數(shù)據(jù)[J]. 謝非,方璐.  重慶理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)). 2018(12)
[4]企業(yè)匯率風(fēng)險(xiǎn)管理研究——以某央企的實(shí)踐為例[J]. 王丹妮.  商業(yè)會(huì)計(jì). 2018(20)
[5]外匯風(fēng)險(xiǎn)影響企業(yè)價(jià)值的非對(duì)稱效應(yīng)——基于我國制造業(yè)上市企業(yè)的數(shù)據(jù)[J]. 谷任,丁思.  金融發(fā)展研究. 2018(08)
[6]跨國企業(yè)匯率風(fēng)險(xiǎn)管理的五步組合論[J]. 任尚,吳革.  國際商務(wù)財(cái)會(huì). 2018(08)
[7]基于金融工程在匯率風(fēng)險(xiǎn)管理中的應(yīng)用淺析[J]. 張郁達(dá).  現(xiàn)代商業(yè). 2018(22)
[8]跨國公司匯率風(fēng)險(xiǎn)管理問題探究——基于中興通訊的案例[J]. 李海珍.  財(cái)會(huì)通訊. 2017(35)
[9]外匯衍生品、匯率風(fēng)險(xiǎn)暴露與企業(yè)價(jià)值——來自中國制造業(yè)上市公司的經(jīng)驗(yàn)證據(jù)[J]. 李夢,陳奉先.  金融經(jīng)濟(jì)學(xué)研究. 2017(06)
[10]人民幣匯率風(fēng)險(xiǎn)測度研究[J]. 伍楠林,龐博.  學(xué)術(shù)交流. 2017(08)

碩士論文
[1]基于向量自回歸模型的人民幣匯率預(yù)測研究[D]. 錢倩倩.北京外國語大學(xué) 2015
[2]不同殘差分布下歐元兌美元匯率的GARCH-VaR模型比較研究[D]. 范慶龍.東北財(cái)經(jīng)大學(xué) 2012



本文編號(hào)：3146891