人民幣自由化與國際化趨勢的浪潮下，2015年10月1日人民幣正式納入國際貨幣基金(IMF)特別提款權(SDR) 成為SDR第三大儲備貨幣。在全球央行增加人民幣資產的需求，及吸引國際資本配置境内債券和股票資產的需求帶動下，人民幣扮演舉足輕重的國際地位。隨著人民幣匯率市場價格的雙向波動成為常態，波動彈性幅度放大，廠商更需要掌握期貨規避風險優勢，善用人民幣匯率期貨進行避險。
    本研究採用台灣經濟新報TEJ資料庫所提供人民幣即期匯率收盤價及臺灣期貨交易所美元兌人民幣匯率期貨RHF(大美人) 與小型美元人民幣匯率期貨RTF(小美人)之收盤價資料，研究資料期間為2015年8月3日至2017年2月14日間之日資料，運用傳統OLS模型， 單變量GARCH (1,1) ，雙變量GARCH (1,1) 等避險模型來估計避險比率，並比較大、小契約規格的兩檔人民幣匯率期貨避險工具，在不同模型下的避險效果。實證結果顯示大、小美人二檔人民幣匯率期貨，確實能提供廠商及投資人作為人民幣匯率避險最適的避險工具。避險效果以雙變量GARCH（1,1）之動態避險策略的避險績效最佳。此外，實證結果顯示，人民幣匯率確實會受到重大財金事件的影響而產生結構性改變。且在考慮結構時間轉折下，確實更具有提高避險績效的解釋能力。
    探究使人民幣現貨匯率及期貨匯率產生結構時點改變的重大財金事件，為外在環境因子對匯率的衝擊，其衝擊(波動)係來自中國跨境資金鉅額外流、外匯存底的大量減少、龐大的企業債務問題、房市泡沫化風險、施行緊縮信貸、及以逆回購方式調控資金缺口等政府當局的干預政策。造成人民幣匯率持續貶值，這些干預都可能是本研究實證結構轉折時點的形成與大、小美人期貨工具能夠提高避險績效，得到最佳的避險效果的主要因素。而隨著經濟體系不斷變動，結構轉折時點亦可能不只一個。而近期接連發生的財金事件，例如:美國解除對中國利率操縱國的指控、人民銀行在人民幣中間價形成機制中加入「逆週期因子」等，政策的不確定性干預與中國A股納入MSCI新興市場指數是否發生結構性改革等因素。亦可能使近2年人民幣匯率空頭趨勢反轉等，這些政府政策干預的不確定性，都可能是下一次發生結構轉折時點的重要衝擊因子。

Under the liberalization and internalization of the renminbi (RMB), the currency was officially incorporated into the Special Drawing Rights(SDR) maintained by the International Monetary Fund (IMF) on October 1, 2015, and has since then become the third major foreign-exchange reserves. As the Financial Stability Board increase the demand for RMB assets and countries worldwide attempt to attract foreign investment in domestic bonds and stocks, the RMB plays an essential role in the global finance. However, because the two-way fluctuation of the RMB exchange rate occurs frequently with substantial fluctuation levels, firms needs to adopt adequate hedging strategies for RMB futures to posses competitive advantages. This study adopts the RMB spot exchange rate data provided by the Taiwan Economic Journal  datebase (TEJ) and the closing prices of the USD/CNT FX futures (RTF) and USD/CNH FX futures (RHF) provided by Taiwan future Exchange.(TAIFEX)                         
The sampling period spans from August 3 ,2015 to Febrary 14, 2017. Daily price data are input into an OLS model, GARCH(1,1) model, and a bivariate GARCH9(1,1) model to estimate the hedge ratio. In addition, the effects of hedging tools for the RTF and RHF are compared under the different models. 
The empirical results for this study show that the adopted models can serve as suitable hedging tools for firms and investors to exchange RMB futures.
 The hedging effect is the best hedge effect of the bivariate GARCH (1,1) dynamic hedging strategy. In addition, the empirical results show that the RMB exchange rate will indeed be affected by major financial events and structural breaks. And in the structure of the time structure of the transition, but also has the ability to improve the ability to improve safe-haven performance.
    (The volatility) of the external environmental factors from the impact of the external environmental factors on the exchange rate, the volatility of the cross-border funds from China, the large amount of foreign exchange reserves, the huge reduction of foreign exchange earnings, the impact of the RMB exchange rate, Corporate debt problems, the risk of housing bubble, the implementation of tightening credit, and reverse repurchase to control the funding gap and other government authorities intervention policy. Resulting in the continuous depreciation of the RMB exchange rate, these interventions are likely to be the formation of the empirical structure of the transition point and the formation of large and small beauty futures tools to improve safe-haven performance, the best hedge effect of the main factors. And as the economy changes, the structural transition may be more than one point. And the recent financial events such as the United States to lift the accusations against the Chinese interest rate manipulator, the People's Bank of China in the RMB central parity formation mechanism by adding "counter-cyclical factors", the policy of uncertainty and A shares into the MSCI Emerging Markets Index Whether structural reform and other factors. It may also make the past two years the RMB exchange rate short trend reversal, etc., these government policy intervention uncertainty may be the next time the structure breaks

目錄
第一章  緒  論	                 1
  第一節 研究背景與動機          1
  第二節 研究目的	        11
  第三節 研究架構及流程	        12
第二章 文獻回顧	                14
  第一節 期貨避險功能	        14
  第二節 人民幣匯率期貨避險	17 
  第三節 避險相關文獻	        24
第三章 研究方法       	          28
  第一節 資料來源	          28
  第二節 各避險模型說明	          29
  第三節 傳統OLS避險模型 	  30
  第四節 單變量GARCH(1,1)模型	  32
  第五節 雙變量GARCH(1,1)模型	  33
  第六節 避險績效之估計	          35
  第七節 考慮結構性時點的避險模型 37
第四章 實證結果分析	40
  第一節 基本統計量	40
  第二節 各模型效果比較	44 
第五章 結論與未來研究建議	51
  第一節 結論	                51
  第二節 未來建議研究方向	53
參考文獻	        54
一、中文文獻	54
二、英文文獻	55 
表目錄
表 1-1-1 人民幣匯率制度沿革一覽表                         7
表 1-1-2 中國實施匯率改革之匯率變動狀況表                 8
表 1-1-3  1960年以來歷年美元兌人民幣匯率年均價            9
表2-2-1人民幣匯率期貨交易的9個國際交易所                 16
表2-2-2 人民幣匯率期貨交易量最具規模的全球四大交易所     16
表2-2-3 臺灣期貨交易所(TAIFEX)人民幣匯率期貨交易量統計表 17
表2-2-4  2016年1-7月全球前四大人民幣匯率期貨交易量統計表 18
表2-2-5 美元兌人民幣匯率期貨契約規格介紹         19
表2-2-6 人民幣匯率期貨避險策略介紹               21
表4-1-1 美元兌人民幣匯率與美元兌人民幣匯率期貨RHF(大美人)、小型人民幣匯率期貨RTF (小美人)之基本統計量       41
表4-2-1 樣本內不同模型之避險比率                 44
表4-2-2 樣本內不同避險下投資組合之變異數         45
表4-2-3 樣本內不同避險模型避險效果之比較         46
表4-2-4 樣本外不同避險模型下投資組合之平均變異數	 48
表4-2-5 樣本外不同避險模型平均避險效果之比較	 50 
圖目錄
圖1-1-1 研究流程圖	                         13
圖4-1-1 美元兌人民幣匯率期貨RHF (大美人)趨勢圖	 42 
圖4-1-2 小型人民幣匯率期貨RTF (小美人)趨勢圖	 42
圖4-1-3 美元兌人民幣匯率(CNY)趨勢圖	         43 
圖4-2-1 估計期間與避險期間之移動視窗方法圖	 48

一、中文文獻
1. 王呈晃（1999），台股指數期貨避險績效之研究，中興大學企業管理研究所碩士論文。
2. 林茂南（1999），股票投資組合運用台指期貨避險策略之研究，銘傳大學金融 研究所碩士論文。
3. 林威助（2003），多變量GARCH架構下股價指數期貨策略之研究，台北大學企業管理研究所碩士論文。
4. 張峻銘（2000），台股指數期貨避險之研究，時間數列模型與技術分析之應用，東海大學管理研究所碩士論文。
5. 邱建良、魏志良和吳佩珊，（2004），TAIFE與MSCI台股指數期貨與直接現貨直接避險策略之研究，商管科技季刊，第5卷，第3期，頁169-184。
6. 黃于珍（2007），實質匯率之結構改變:亞太地區之實證研究，中山大學經濟學研究所碩士在職專班論文。
7. 溫曜誌（1998），以SIMEX台股指數期貨規避台灣股價指數風險之研究，政治大學財務管理研究所碩士論文
8. 葉淑玲（2010），期貨規避策略分析，中正大學財務金融研究所碩士論文。
9. 蔡東旭（2008），期貨與現貨避險策略之檢討，成功大學企業管理研究所碩士論文。





二、英文文獻
1.	Benet, B. A. (1992) “Hedging period length and ex-ante futures hedging effectiveness: The case of foreign exchange risk cross hedges” Journal of Futures Markets, Vol. 12, 163-175.
2.	Cecchetti, S. G.; Cumby, R. E.; Figlewski, S. (1988) “Estimation of the Optimal Futures Hedge.” Review of Economics & Statistics. Vol. 70 (4). p 623-30.
3.	Ederington, L. H. (1979) “ The Hedging Performance of the New Futures Markets.”. Journal of Finance. Vol. 34 (1). p 157-70..   
4.	Ferguson, R. and Leistikow, D. (1999) “Futures Hedge Profit Measurement, Error-Correction Model vs. Regression Approach Hedge Ratios, and Data Error Effects.” Financial Management. Vol. 28 (4). p 118-25.
5.	Figlewski, S. (1984), “Hedging Performance and Basis Risk in Stock Index Futures,” Journal of Finance, Vol .39(3), 657-669.
6.	Gagnon L. and G. Lypny (1997), “The Binefits of Dynamically Hedging the Toronto 35 Stock Index,” Canadian Journal of Administrative Sciences, Vol. 14(1), 69-78.
7.	Gray, R. W. and Rutledge, D. JS. (1971) “The Economics of Commodity Futures Markets: A Survey”, Review of Marketing & Agricultural Economics. Vol. 39 (4). p 57-108. Dec.
8.	Herbst, A. F., D. D. Kare and S. C. Caples (1989), “Hedging Effectiveness and Minimum Risk Hedge Ratios in the Presence of Autocorrelation: Foreign Currency Futures,” Journal of Futures Markets, Vol. 9(3), 185-97.
9.	Holmes, P. and Antoniou, A. (1996) “Futures Market Efficiency, the Unbiasedness Hypothesis and Variance-Bounds Tests: The Case of the FTSE-100 Futures Contract.” Bulletin of Economic Research. Vol. 48 (2). p 115-28.
10.	Junkus, J. C. and C. F. Lee (1985) “Use of Three Stock Index Futures in Hedging Decisions”, Journal of Futures Markets, Vol. 5(2), 231-237.
11.	Koutmos, G. and Pericli, A. (1999) “Hedging GNMA Mortgage-Backed Securities with T-Note Futures: Dynamic versus Static Hedging.” Real Estate Economics. Vol. 27 (2). p 335-63.
12.	Kroner, K. F and Sultan, J. (1993) “Program Trading, Non-Program Trading and Market Volatility.” University of Arizona Economics Working Paper: 93-2. p 14.
13.	Lindahl, M. (1992), “Minimum Variance Hedge Ratios for Stock Index Futures : Duration and Expiration Effects,” The Journal of Futures Markets, 33-51.
14.	Park, T. H. and L. N. Switzer (1995) “Bivariate GARCH Estimation of the Optimal Hedge Ratios for Stock Index Future: A Note”, Journal of Futures Markets, Vol. 15, 61-67.
15.	Working H. (1953) “Futures Trading and Hedging”, American Economic Review, Vol. 43(3), 314-343.
16.	Yeh, S. C and Gannon, G. L. (2000) “Comparing Trading Performance of the Constant and Dynamic Hedge Models: A Note.. Review of Quantitative Finance & Accounting.” Vol. 14 (2). p 155-60.