首页 > 文章中心 > 正文

CHY汇价波动性实证研究

CHY汇价波动性实证研究

本文作者:宋新伟宋国军作者单位:中国人民银行青岛市中心支行

一、引言

开放经济条件下,汇率作为核心变量之一,其波动势必对相关经济变量产生重要影响。自2005年7月21日起,我国启动汇率改革,开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。随着汇率改革的稳步推进,汇率市场化程度不断提高,形成机制更富弹性,波动更加复杂。因此,对人民币汇率波动性进行研究,成为学术界、实务界及监管层共同关心的话题。大量的实证研究表明,股票、汇率等金融资产的收益率呈现波动集聚性。为了刻画金融资产收益率与其波动的关系,Engel开创性地提出了自回归条件异方差(简称ARCH)模型[1],Bollerslev在ARCH模型的基础上提出了广义的ARCH模型,即GARCH模型[2],其假定随机误差项的条件方差不仅依赖于误差项前期值平方的大小,而且也依赖于误差项条件方差的前期值,由于GARCH模型不适合描述外币冲击对金融市场波动的非对称性,Nelson[3]又提出了EGARCH模型来刻画波动对正负冲击的非对称性,如果波动受负外部冲击的影响大于受正外部冲击的影响,则说明存在着“杠杆效应”。但是在实际的金融分析中往往发现,条件方差的变化往往直接影响条件期望的值,故又提出了ARCH-M、GARCH-M和EGARCH-M模型。国内运用EGARCH-M模型对股票市场进行分析的较多,如封毅等[4]、陈丽娟[5],等等;而运用该方法对汇率进行分析的较少,如杨瑞成等[6]。本文拟从时间序列角度出发,以人民币兑美元汇率中间价为研究对象,利用EGARCH-M模型对人民币汇率波动性进行实证研究。

二、理论模型介绍

(一)ARCH及GARCH模型

ARCH模型反映了经济变量之间的方差时变性,它描述了在前期的信息集合给定的条件下随机误差项εt的分布。ARCH(q)模型表述如下:(略)。

(二)EGARCH模型

EGARCH模型考虑了波动的非对称性,其条件方差方程为:(略)。可以看出,当θ≠0时,说明干扰的影响是非对称的,若θ<0,说明金融价格波动受负外部冲击的影响大于受正外部冲击的影响,存在杠杆效应。

(三)EGARCH-M模型

EGARCH-M模型为在EGARCH模型的基础上,在均值方程中加入随机项的影响因素,表现形式主要有标准差、方差、对数方差,模型分别如下:(略)。

三、数据处理及实证分析

(一)样本选择及预处理

为了对人民币汇率波动性进行分析,本文选取人民币兑美元汇率中间价作为研究对象,考虑到汇率改革的影响,数据范围为2005年7月22日至2012年6月28日,共1691个观测值,数据来源于Wind咨询。从人民币兑美元汇率中间价走势看,央行启动汇率改革之后,迫于升值压力,人民币开始了升值步伐,2008年经济危机爆发前升值幅度加快,但经济危机的爆发减缓了人民币升值步伐,从2008年6月至2010年6月人民币兑美元汇率中间价维持在一个相对稳定区间水平上,不过此后,人民币又开始了新一轮升值,并且一直上升到6.27水平,之后略有回调。鉴于人民币兑美元汇率中间价的非平稳性,我们运用对数差分方法对其进行处理,记为人民币兑美元的收益率,计算方法为相邻交易日中间价的对数的一阶差分,也就是:(略)。从图1可以看出,人民币汇率收益率呈现波动的聚集效应,在较大波动后面跟着较大的波动,较小波动后面跟着较小的波动,收益率序列具有明显的时变方差的性质。利用Eviews5.1对人民币汇率收益率进行分析,描述统计分析结果表明,人民币汇率收益率均值为-0.000148,最大值为0.003638,最小值为-0.004330,标准差为0.000846,偏度为-0.435434,峰度为5.859834。均值和偏度为负表明分布呈现左偏态分布,峰度值明显大于正态分布的峰值3,表明存在尖峰,这说明人民币汇率收益率存在“尖峰厚尾”和非对称性。Jarque-Bera统计量为629.3182,相伴概率为0,拒绝正态分布假设(见图2)。人民币汇率收益率的QQ图(见图3)存在离群值也支持非正态性这一结论。由于EGARCH-M模型仅适用于对平稳时间序列的建模,故在实证分析之前,首先对人民币汇率收益率进行单位根检验,ADF检验统计量为-39.51288,小于1%显著性水平临界值-3.434018,拒绝存在单位根的零假设,表明序列是平稳的。

(二)EGARCH-M模型实证分析

首先,通过Rt对的自相关和偏自相关分进行析,我们认为其20阶自相关性较为明显,因此采用滞后20阶的回归模型进行分析,方程为:(略)。在此基础上,通过对上述方程的残差做ARCH-LM检验,得到F统计量、Obs*R-squared分别为45.08634和43.95170,两者相伴概率均为0;ARCH-LM检验结果还表明,在q值等于5时仍然拒绝原假设,这表明Rt存在高阶ARCH效应。为了更好地刻画Rt的波动特性,选择EGARCH-M模型进行分析。在条件异方差模型中误差的设定方面,一般的模型均采用正态分布假设,这里针对人民币兑美元汇率中间价“尖峰厚尾”的特性,我们采用GED分布,其中GED分布是由JPMorgan在Riskmetrics中提出的,其概率密度函数定义如下:(略)。从估计结果看,EGARCH(1,1)-M(var)自回归系数z检验的统计值为0.639295,相伴概率为0.5226,接受原假设,也就是自回归系数为0;EGARCH(1,1)-M(std)模型中,F统计量概率值为0.061662,在5%显著水平下拒绝原则假设;而EGARCH(1,1)-M(log(var))模型各项统计量都通过显著性水平检验,且自回归系数的显著性水平、R2、DW、F统计量概率要优于其他两组模型,故作为模型最终形式。EGARCH-M项中M系数为负值,表明随着GARCH项波动程度的增加,Rt呈反方向变动,这反映了市场参与者厌恶风险;非对称项系数估计值等于-0.064884,且通过显著性检验,表明“坏消息”对波动性具有“杠杆效应”。对EGARCH-M模型估计的残差进行ARCH-LM检验,得到F统计量、Obs*R-squared为0.000798、0.000799,相伴概率分别为0.977469、0.977252,因此接受残差不存在ARCH效应的原假设,这说明模型对样本信息提取的比较完全,比较合理。

四、主要结论

本文应用EGARCH-M模型对人民币汇率波动性进行了实证分析,结果表明:一是人民币兑美元汇率收益率具有平稳性、波动集聚性及尖峰厚尾特性,这与前期学者研究结论相一致;二是人民币兑美元汇率收益率的波动具有“杠杠效应”,这说明市场参与者的投资行为极易受到外部各种信息的干扰,这为指导投资者进行投资以及监管者制定政策提供依据。三是通过比较,我们认为EGARCH(1,1)-M(log(var))模型优于其他模型,能够更好地刻画汇率波动性。

文档上传者