打开文本图片集
摘 要 依据人民币兑美元汇率的长期走势所示性态，对人民币汇率时序数据分段建立GARCH模型，实证检验了人民币汇率的波段动态特征.结果表明，人民币汇率时序数据不服从正态分布，波动具有明显的集聚性，序列前段波动长记忆性明显，中后期波动尖峰厚尾特性更加显著，依据分析，央行应采取适当的调控措施和平稳的汇改政策抑制人民币汇率过度波动.
关键词 GARCH模型；人民币汇率；波段动态特征
中图分类号 F82 文献标识码 A
Abstract The exchange rate， which always has an deep influence on macroeconomy， is an vital variable， and to understand the dynamic characteristics of the exchange rate is important for a country"s economic research. We established the GARCH model in several segments for RMB exchange rate time series according to the longterm trend of the exchange rate of RMB against the US dollar so as to inspect the dynamic characteristics of the RMB exchange rate. The results show that the RMB exchange rate time series don’t subject to normal distribution and it is obvious that the volatility has the characteristic of agglomeration. Anterior sequence of the time series has long memory volatility characteristic and it is more significant that the late period sequence has aiguille large remaining part. According to the analysis， the central bank should take appropriate control measures and stable reform policies to restrain excessive volatility of the RMB exchange.
Key words GARCH model；RMB exchange rate；dynamic characteristics of stages
1 引 言
随着经济全球化、金融一体化的深化发展，国与国之间的联系愈发紧密，汇率作为宏观经济的重要变量，其在开放经济中的重要性日益突出，汇率波动由此成为政、商、研等各界共同关注的问题.我国自2005年7月21日起开始实施更有弹性的汇率制度，即以市场供求为基础、参考一篮子货币进行调节的有管理浮动汇率制，市场化程度的加强使得人民币汇率波动相比汇改前更加剧烈，据统计，自2005年汇改以来人民币对美元汇率累计升值已超过30%，年平均升值幅度达3.27%，而2014年人民币对美元汇率出现了自2005年汇改以来的首次年度贬值，全年贬值幅度超过3%[1].长期以来，对外贸易顺差是拉动我国经济腾飞的三驾马车之一，剧烈的汇率波动无疑会对国际贸易产生重大影响，增加微观进出口企业风险，破坏国内宏观经济环境稳定，汇率波动引致的大量资本流动还促成了金融危机在国际间的传导，恶化了国内投资环境，因此，研究汇率的波动特征对于抑制汇率过度波动、稳定国家经济具有重要意义.另一方面，人民币在国际化的道路上大步向前，Barry Eichengreen教授认为货币分立已打破美元一币独大的局面，中国新时代不断深化的金融改革正将人民币推向世界.越来越多的国际投资者开始关注人民币，研究人民币汇率的波动性态，促进人民币的稳定性对于吸引国际投资者、加速人民币国际化具有重要的战略意义.
汇率波动问题一直是国内外学者普遍关注的问题.国外学者关于汇率波动特征的研究主要围绕GARCH族模型和随机波动模型展开，关于采用哪种模型的争论焦点在于时间序列的记忆性问题，GARCH族模型使用者认为小波消噪处理的GARCH模型能够精确预测汇率的短期波动，而采用随机波动模型的学者认为SV类模型能更好地刻画汇率波动的记忆性特征[2].Domowitz&Hakkio（1985）利用GARCH模型阐述了汇率的时变性特征和风险溢价等问题，Bollerslve（2003）对日元和马克的汇率波动分布及相关性等问题进行了研究，Kilic（2007）深入比较了FIGARCH模型和GARCH模型对汇率时间序列的拟合优度，结果发现具有NIG分布的FIGARCH模型能更好地拟合汇率波动，近年来，以Ronald et al.为代表的学者开始使用随机波动模型研究汇率的波动性态，Meyer&Yu（2000）在随机波动的框架下研究了英镑汇率的波动，并发现英镑汇率存在杠杆效应，Times&Mahieu（2006）运用MSV模型研究了美元、欧元等汇率的波动特征[3].
国内学者对汇率波动特征的研究主要采用自回归移动平均模型和ARCH族模型，张忠杰（2005）认为ARIMA（2，4，5）能很好的反映汇率的变化情况，苏岩、杨振海（2007）认为自回归移动平均模型不能反映汇率数据方差时变的特性，进一步提出ARCH模型能够解决此类非正太分布问题，惠晓峰等（2003）使用GARCH（1，1）模型对人民币汇率进行预测，结果显示预测精确度较高，翟爱梅（2010）基于GARCH模型对人民币汇率的实证研究表明，人民币汇率具有单峰左厚尾特性，国内运用SV模型对汇率波动特征进行的研究还比较少，崔日明（2013）基于非对称SV模型对人民币汇率的研究具有代表性[4].本文采用GARCH（1，1）模型对人民币汇率的波动特征进行研究，考虑到人民币汇率时间序列不同波段的趋势结构不同，采取类似于Zou Test的分段处理方式，将汇率时间序列划分为三段，并分段建立GARCH（1，1）模型，分析各阶段汇率波动呈现出的特征并比较其异同，由此更精准地解析人民币汇率的波动特征，为当局制定平抑汇率过度波动提供理论依据.
2 GARCH模型简介
广义自回归条件异方差模型（GARCH）最早是由Bollerslev（1986）提出的，其形成的基础是Engle（1982）提出的自回归条件异方差模型（ARCH），Bollerslev引入一种允许条件方差转化为一个自回归移动平均过程的方法，由此得到GARCH模型，其基本思想是用一个或两个σ2t的滞后值代替许多μ2t的滞后值.GARCH与ARCH模型的区别在于GARCH模型的条件异方差是滞后条件方差和滞后残差平方的线性函数，能够更好地呈现时间序列尖峰后尾的特征[5].本文采用的GARCH（1，1）模型的（1，1）即滞后阶数为1的自回归项和滞后阶数为1的残差平方项，在介绍GARCH（1，1）之前，首先介绍ARCH模型.
3 波段的选取与数据处理
本文选取2005年7月21日汇改至2015年2月28日的人民币兑美元直接标价法下的每100美元的中间汇率，为了便于分析，本文采用对原始数据对数化处理后的数据，样本总容量为2 336个数据，全部来国家外汇管理局网站.汇率收益率的趋势图如图1所示，从图1上可以看出人民币汇率在样本区间内持续升值，且有明显的时间趋势，但是波动幅度较大，时间序列非平稳.对图1数据进行ADF检验，ADF值为-3.454 522，大于1%、5%和10%置信水平下的临界值，因此判定时间序列存在单位根，该序列不平稳.为了得到平稳的时间序列，本文对原始数据取对数差分得到新的序列，即rt=lnyt-lnyt-1，yt为每100美元的人民币汇率，rt为汇率收益率的波动率，其动态趋势如图2所示，从图2中可以看出汇率收益的波动有记忆性，大幅波动之后往往也是大幅波动，波幅有集群现象，该序列明显存在异方差性.
对rt进行ADF检验，ADF值为-46.260 14，小于1%、5%和10%置信水平下的临界值，因此对数差分汇率序列不存在单位根，该序列是平稳的，序列的HP滤波检测结果也证实rt是趋势平稳的，如图4所示；对rt进行自相关性检验发现，滞后20阶的自相关系数和偏自相关系数都很小，但是不显著为0，相应的Q统计量也表明序列存在自相关性，如图5所示.从上述分析可以得出，对数差分汇率序列是平稳的时间序列，具有尖峰厚尾特性，存在自相关和异方差，能够使用GARCH（1，1）模型进行研究.
从图1可以看出，人民币汇率样本波动序列大致可以分为3个不同的波动阶段，即第一阶段2005年7月～2008年5月，第二阶段2008年6月～2010年6月，第三阶段2010年7月～2015年2月.
第一阶段为人民币汇率稳定大幅升值阶段，2007年、2008年升值幅度均超过6%，随着以雷曼兄弟破产为标志性事件的金融危机的到来，人民币汇率波动进入震荡波动阶段，人民币实际上回到了2005年汇改前的单一盯住美元的汇率政策，2009年汇率基本保持不变，2010年升值幅度达3.15%，2010年6月19日，人民币再次回归到盯住一篮子货币的有管理浮动汇率制度，人民币汇率随后进入震荡小幅升值阶段[7].各波段数据处理同样是对原始汇率数据进行对数差分，3个阶段的动态波动如图6所示，从人民币汇率收益波动情况来看，第一阶段属于波动由弱变强型，中后期波动较剧烈，第二阶段属于由强变弱型，该阶段波动整体上偏弱，第三阶段属于剧烈震荡型，整体波动较强，长波幅集聚效应明显.
从以上回归结果可以看出，ARCH项系数均大于0，说明汇率波动对外部冲击反应敏感，二阶段ARCH项系数远大于其他两阶段值，表明第二阶段更易受到外界冲击的影响；GARCH项系数均大于0，说明汇率波动具有长记忆性，一阶段GARCH项系数最大，长记忆性更明显，GARCH项与ARCH项系数之和均小于1，模型满足参数约束条件，对比GARCH（1，1）的AIC（赤池）、SC（施瓦茨）值与ARCH模型的AIC、SC值发现，三个阶段的GARCH（1，1）的AIC与SC值均小于ARCH模型的对应值，这说明GARCH（1，1）对数据拟合的更好.各阶段的残差柱状分析结果如表2所示，观察发现一阶段的锋度系数与偏度系数最小，JB统计量显示虽然拒绝序列服从正太分布，但是JB值相对较小，序列比较接近正太分布，二阶段JB值、偏度系数与锋度系数最高，明显具有尖峰左厚尾特性，三阶段各统计量介于一、二阶段之间，是标准的单峰后尾序列，各阶段残差分布直方图如图8所示.
对各阶段拟合的残差进行ARCHLM检验，在滞后一阶的情况下，一阶段F值为0.032 834，obs*R2为0.032 927，伴随概率分别为0.856 3、0.856 0，二阶段F值0.002 243，obs*R2为0.002 252，伴随概率分别为0.962 2，、0.962 1，三阶段F值0.031 656，obs*R2为0.031 711，伴随概率分别为0.858 8、0.858 7，比较3个阶段的F值与Obs*R2值，发现二阶段异方差消除效果最好，在滞后阶为1阶或更高阶的情况下，F值与Obs*R2的伴随概率均远大于0.05，这说明GARCH（1，1）模型修正了ARCH效应，各阶段的异方差已经消除.
5 结 论
本文基于GARCH模型对2005年7月21日汇改后的人民币兑美元汇率进行了分析，分3个阶段对序列建立了GARCH（1，1）模型，研究发现，人民币汇率总体上波动剧烈，不服从正太分布，具有持续性、集聚性和记忆性特征，一阶段汇率呈大幅升值状态，波动长记忆性明显，二阶段波动具有尖峰左厚尾特征，且对外界冲击更为敏感，三阶段波动呈单峰厚尾性态，波动剧烈且集聚性更为显著.本文依据实证研究结果，结合我国经济步入“新常态”时期的宏观经济现状，提出新常态下平抑人民币汇率过度波动的几点建议，以期为汇率政策的制定和汇率制度的改革提供理论依据.
第一，制定契合“新常态”的外汇政策.经济新常态下，我国GDP增速逐步回落，经济结构调整迫在眉睫，国内金融风险持续上扬，同时处于全球化周期、存货周期和固定投资周期叠加期，国际货币政策分化，美元持续走强，人民币面临较大的阶段性贬值压力，双向波动及阶段性升贬值交替可能成为常态，但是国内企业“走出去”战略及人民币国际化的内在要求决定了人民币必须坚挺，为了化解这对矛盾同时抑制汇率过度波动，央行必须制定审慎的干预机制，强化对外汇市场的监管，合理引导市场预期，在平抑人民币汇率过度波动的同时确保人民币持续坚挺，维护新常态下各方利益[8].
第二，稳步推进汇率体制的改革.本文实证研究发现，序列三个阶段的划分点均出现汇率制度的变革，一、二阶段的划分为2008年下半年人民币重新盯住美元的汇率制度，二、三阶段的划分为2010年6月人民币重回有管理的浮动汇率制度，二、三阶段的波动性态明显不同，但是偏度系数与锋度系数都比较高，波动比第一阶段更为剧烈，由此表明对汇率制度大刀阔斧的改革必然引致汇率过度波动，在当前的基本国情下，央行应该稳步地推进汇率体制的改革，增强人民币汇率的弹性，制定合理的浮动区间，减少跨境资金频繁进出对国内金融体系的不利影响，适当增加货币篮子中其他主要货币的权重，减少对美元的依赖，另外，可适当扩大外汇市场的开放程度，加速资本自由流动的同时强化对跨境资金的跟踪和监测，稳步推进我国外汇市场的深化发展，探索最适合我国社会主义市场经济的汇率体制，以此平抑人民币汇率的过度波动，促进人民币的稳定[9].
参考文献
[1] 孙开焕. 从实际汇率看美元兑人民币汇率中长期走势[J].北方经贸，2015（2）：13-18.
[2] Agnieszka MARKIEWICZ.Model uncertainty and exchange rate[J]. International EconomicReview，2012，53（3）：815-843.
[3] 苏玉华.人民币汇率预测模型与实证研究[J].时代金融，2012（9）：52-54.
[4] 翟爱梅.基于GARCH模型对人民币汇率波动的实证研究[J].技术经济与管理研究，2010（2）：22-30.
[5] 魏红燕，孟纯军.基于GARCH模型的短期汇率预测[J].经济数学，2014，31（1）：81-84.
[6] 黄金.基于GARCH类模型的人民币汇率波动性研究[J].金融经济，2012（7）：46-47.
[7] 孙映宏，曹显兵.基于GARCH模型的中美汇率实证分析[J].数学的实践与认识，2012（10）：15-20.
[8] 李佐军.引领经济新常态走向好的新常态[J].国家行政学院学报，2015（1）：21-25.
[9] 李晓鹏.新常态条件下中国国家经济战略分析[J].党政研究，2015（3）：5-10.
相关热词搜索： 波段 人民币汇率 模型 特征 动态