近年来,国际金融环境日趋复杂,人民币汇率双向波动凸显,蕴含的汇率风险不断攀升。我国商业银行汇率风险管理起步的时间较晚,尤其是对汇率风险的度量还不成熟。如何提升我国商业银行汇率风险的管理能力,成为一个亟需解决的课题,而汇率风险的度量在整个风险管理的过程中至关重要,是风险管理决策的重要依据。本文采用理论分析与实证分析相结合的方法,探究我国商业银行汇率风险的度量问题。其中,对汇率风险的介绍、我国商业银行汇率风险管理现状的介绍以及本文所用到的模型的理论介绍,采用理论分析;在建立GARCH族模型、DCCGARCH模型以及计算Va R值、COVa R值时,采用实证分析;对Va R值和COVa R值的计算结果进行比较时,采用比较分析法。本文对商业银行汇率风险的度量,不仅使用一元GARCH模型进行建模,还使用了DCC-GARCH模型,在对单一汇率的风险进行度量后,又考虑了两种货币汇率之间的动态相关关系;不仅使用了Va R方法对商业银行的汇率风险进行度量,还使用了COVa R方法,考虑了汇率之间风险的溢出,以更好地实现汇率风险的度量;不仅考虑了持有外汇资产一天面临的风险的情况,还考虑了持有外汇资产多天的情况。通过对商业银行汇率风险的多维度实证研究,本文得到如下结论:第一,四种货币收益率序列均不服从正态分布,而是呈现出“尖峰肥尾”的特征。此外,四种收益率序列呈现出平稳性、异方差性及波动聚集性的特征,均符合建立GARCH模型的要求,也说明GARCH模型可以被广泛地应用于衡量商业银行的汇率风险。第二,COVa R考虑了汇率之间的风险溢出,所建立的风险贡献度为正的COVa R模型比Va R模型检验的失败天数更少、更准确。DCC-GARCH模型考虑了货币之间的相关性,将收益率存在强正相关性的几种外币作为一个投资组合所计算出的Va R值比其作为单一货币计算的Va R值之和大。第三,港币与美元汇率存在强正相关性,两者与其他货币之间的风险溢出情况也极其相似。同时,港币和美元汇率的Va R值和COVa R值均值和标准差都更小,说明商业银行持有此两种外币所面临的汇率风险相对小一些。此外,两者之间的风险贡献度运行区间平稳且较其他汇率之间最小。第四,通过对汇率之间相关关系时间序列图与风险贡献度时间序列图的观察可以看出,不同时间段内汇率之间的关系呈现出不同的特征,例如美元对欧元汇率的风险贡献度前期为正、中期为负、近期又转为正,这说明所建模型对风险的度量具有时效性。第五,通过对中国建设银行的汇率风险进行度量发现,Va R值的大小取决于波动率与资产规模两个因素,商业银行汇率风险的大小与外汇敞口及外汇波动率均成正相关关系。同时,本文在研究过程中通过收集各商业银行的资料发现,我国各商业银行进行汇率风险度量的工具相较于国外来说还很落后,不能很好地适应不断变化的金融环境和政策环境。本文通过进行理论与实证研究,并结合所得出的结论,提出如下几点建议以供探讨:第一,我国各商业银行在使用Va R方法进行计量汇率风险时,可以考虑使用GARCH族模型。经本文实证检验,GARCH族模型对汇率风险的预测效果较好,所选择的模型在进行样本外的预测时基本通过检验。美元收益率序列所建立的GARCH模型在1%显著性水平下因低估风险预测失败,可以结合COVa R方法对其风险进行度量。第二,在使用模型进行预测的过程中,需要做一些假设,例如收益率序列的分布以及残差的分布,商业银行应该不断摸索选择更符合数据特征的假设,这样才能取得更好的预测效果。第三,我国商业银行既应当引入先进的风险管理模型,同时也不能过分地依赖一种模型预测的结果。本文在实证研究的过程中发现,有些模型存在低估尾部风险的可能,因而各商业银行应当综合运用多种方法进行汇率风险的计量来提高汇率风险度量的准确性。第四,因所建模型使用的是历史数据,且汇率数据在不同时间段所呈现的特征不同,商业银行应当意识到所建模型的时效性,不断根据数据特征更新模型。第五,港币与美元汇率表现出的强相关性及与其他汇率风险溢出情况的相似性,究其原因为中国香港实行港币联系汇率制,港币盯住美元。由此可见,商业银行在进行汇率风险度量的时候,可以综合考虑宏观环境和宏观政策进行分析。第六,本文在实证研究的过程中,深刻地认识到数据处理工具的重要性尤其是在当今这个大数据时代,各商业银行应当重视软件实力的提升。模型往往需要大量的数据支撑,商业银行应当不断探索如何能够有效、高效地利用数据。