《论文：人民币汇率非线性问题的重新研究》由会员分享，可在线阅读，更多相关《论文：人民币汇率非线性问题的重新研究（4页珍藏版）》请在金锄头文库上搜索。
1、论文：人民币汇率非线性问题的重新研究论文：人民币汇率非线性问题的重新研究论文：人民币汇率非线性问题的重新研究发表时间:2015-4-12 9:00:28人民币汇率非线性问题的重新研究基于数据异常值和残差非正态分布估计的分析 类似范文：论文：人民币实际有效汇率非线性问题的再探讨摘 要：非线性计量研究中 Sarantis 曾经指出过，非线性是经济现象本身的所内蕴的还是 样本数据的异常值所导致的这一值得注意的重要问题，而且，更值得注意的是，汇率波动 数据所具有厚尾特征使其计量模型有可能更适配于残差非正态分布而不是残差正态分布的 设定来进行估计。对于上述问题，尽管国内目前利用非线性模型进行经济分析的文
2、献逐渐 增多，但却极少有文献研究过甚至是注意到过。有鉴于此，本文以 STAR 模型为例，针对 人民币汇率非线性问题重新进行了研究，结果发现，人民币实际有效汇率未排除异常值时， 具有明显的非线性特征，而排除异常值后的数据虽然仍然具有一定的非线性特征，但其其 平滑转换特征有所减缓而更具有门限模型的快速调整特征。此外，与残差正态分布设定的 模型估计情况比较起来，残差 t 分布非线性模型估计的预测绩效更好一些，这一研究结果 对国内非线性计量经济学研究的深入与细化可能具有一点启发意义。关键词：实际有效汇率、非线性、平滑转换自回归（STAR）模型、异常值、残差 t 分布 一、引言尽管目前国内利用非线性模型
3、进行经济分析的文献逐渐在增多，但却很少有文献注意到 Sarantis 曾经指出的，模型呈现出非线性特征是经济现象本身的所内蕴的还是样本数据的异 常值所引发的这一重要问题，而且，更值得注意的是，大多文献都是直接基于残差正态分 布的设定进行模型估计，而未能考虑到汇率波动模型的残差具有厚尾特征从而有可能更适 应残差非正态分布估计。有鉴于此，本文以非线性计量模型中具有一定代表性的 STAR 模型为例，针对人民币汇 率问题对上述问题进行了重新研究，重点分析了排除异常值和未排除异常值的汇率模型适 配问题及其预测绩效比较，以及残差正态分布的 STAR 模型和残差非正态分布（本文主要 以 t 分布为例）下的
4、STAR 模型适配绩效问题进行了比较，希望从中寻找具有较好解释力 的汇率模型来描述汇率调整机制。在某种意义上，本文所探索的问题在国内目前的 STAR 模型研究中尚未有触及，因此具有一定的研究意义。进而，本文还希望在给国内的非线性 计量经济学的研究更为严谨和精细提供一点参考和启示。至于为何要选取 STAR 模型作为非线性计量模型的代表，这是因为，虽然平滑转换自回 归模型(S异常值问题以及残差 t 分布问题特别值得注意的是，Sarantis (1999)认为，汇率呈现非线性走势的原因可能是源于数据异 常值的结果，或者说，这种非线性其实质是由数据的异常值造成的。这意味着如果将样本 异常值排除，则汇率
5、将可能并不再具有非线性特性。中国台湾的钟明宏 (2001)基于 Sarantis 的想法探讨了亚太地区国家排除异常值后的实际汇率是否仍具非线性走势，但无论 是 Sarantis 还是钟明宏针对异常值排除后研究样本所做的估计发现，除了少数国家不能以 非线性模型解释之外，其余仍然是呈现非线性特性之走势。但这两篇文献并未就未排除异 常值的样本资料进行估计和比较。至于残差的非正态假设，许多实证结果显示汇率报酬率分配呈现偏态与高峰态的现象， 与一般研究中所设定的正态分布并不相符。例如，台湾的王兆佑 (1999)就曾经以十种模型 来探讨台币汇率究竟是属于何种分配型态。实证结果说明台币兑美元的周报酬率最符合
6、 t 分布模型，但仍存在偏态与高峰态现象。台湾的李季原（2004）则上述研究的基础上不仅深入地比较研究了排除异常值与未排除 异常值汇率样本的非线性问题，且同时对模型的残差 t 分布设定也就行了估计，并与残差 正态分布时模型的估计情况进行了比较分析，其工作有相当的启发性 本文的研究思路也 正是在很大程度上参考了李季原的研究思路。（三）国内的研究简况至于国内的文献，尽管张弢等（2002） 、谢赤等（2005） 、刘潭秋（2007） 、王璐（2007） 、 张卫平（2007） 、刘柏等（2008）采用 STAR 模型对人民币实际有效汇率的非线性行为进 行实证分析，但不难发现，尚未有任何文献针对 Sa
7、rantis (1999)提出的重要推测利用人民币 汇率数据进行过验证。而且，更值得注意的是，大多文献都是直接将模型的残差设定为正 态分布直接估计，更没有任何文献考虑到汇率波动的残差有可能并不服从正态分布而是具 有厚尾特征（服从其它类型的分布）等现象。而这些问题，正是本文研究的切入点。三、模型与数据说明（一）STAR 模型的建立与检验程序:平滑转换自回归（smooth transition autoregressive model）STAR 模型设定如下：其中， ， 。是反映模型的转换性特征的函数，介于 0 和 1 之间。第一种转换函数为 logistic 函数：， ，称为 LSTAR 模型。
8、第二种转换函数是指数函数： ，则称为 ESTAR 模型。这两个模型隐含着在实际有效汇率的运行或调整中有两个明显不同的状态，LSTAR 及 ESTAR 这两个模型分别描述两种不同类型（不对称以及对称）两种动态平滑转换汇率行为。STAR 模型的设定包括以下三个步骤 Granger,C.W.J、Tersvira,T. 着，朱保华等译： 非线性经济的建模 ，上海财经大学出版社，2006 年 6 月。：确定线性 AR 模型，估计在不同 order 之下 AR 模型，并决定出系数。依据延迟参数 d 的不同展开线性检验，拒绝线性假设的同时，也确定 d 的值。利用嵌套假设的序贯检验选择 LSTAR 模型或 E
9、STAR 模型。首先，要决定 lag 参数，先估计一阶自回归模型 AR（i） ，求算 AIC 及 SBC，选择最小的 AIC 及 SBC 自回归模型。Tersvira（1994）提出了一个普通的可以检验非线性行为 的框架构想，这个检验是基于普通 STAR 模型的泰勒级数展开式而进行的。对于 LSTAR 模型，我们可以把写为：LSTAR 模型的近似式是：可以通过如下的辅助回归方程估计 LSTAR 行为的存在，检验原假设：0 , ，而相应备择假设为人为构造回归涉及的不成立。为了选择 d 值，在 d 的值域进行检验是恰当的。如果对于 d 的多个值都拒绝了线性的假设，就可取。其中，选定检验的 p 值。
10、对于 ESTAR，同样我们可以把写成：。如果 LSTAR 模型是合适的，则所有 3 次表达式的项从式中排除是可行的。决定 LSTAR 或 ESTAR 模型。可以用 F 值来检验以下三个虚无假设，以决定到底适合 LSTAR 或 ESTAR。其虚无假设如下：如果我们拒绝，则模型为 LSTAR 模型；若不拒绝而拒绝，表示模型适合 ESTAR 模型； 若不拒绝及但拒绝，则模型适合 LSTAR。在模型设定的基础上，用 NLLS 法估计模型各参数的系数，并检验模型是否合理，及进 行残差检验。以检验残差是否有序列相关，而且还需要检验残差是否具有异方差（二）数据来源本文的中国实际有效汇率来源于 http:/w
11、ww.bis.org.数据样本从 1994 年 1 月到 2008 年 3 月,基期是 2000 年。所有样本均在取对数后作为实际有效汇率研究的数据。四、实证分析（一）数据未排除异常值时的实证结果1.单位根检验表 1 单位根检验结果取自然对数的实际有效汇率一阶差分后的取对数的实际有效汇率类型 TPTP类型 1-2.1760670.2159-12.94210.0000类型 2-2.1538640.5115-13.108830.0000类型 30.5635870.8370-12.843430.0000表 1 检验结果表明，实际有效汇率存在单位根，所以我们对实际有效汇率一阶差分后继 续进行 ADF
12、检验，结果拒绝单位根假设，所以序列平稳。2.STAR 模型的建立与检验(1)确定线性 AR 模型我们估计在不同 order 之下 AR 模型，并决定出系数。估计根据 AIC 来确定，如下表 2：表 2 不同滞后项的 AIC 和 SBC 值ARAICSBCARAICSBC1-4.97869-4.941657-4.955517-4.8036772-4.983875-4.928098-4.96266-4.7911263-4.975324-4.9006429-4.943958-4.7525664-4.960936-4.86720210-4.933755-4.7223565-4.943971-4.831
13、02811-4.931094-4.6994096-4.933023-4.80071212-5.264162-5.012177因为 AIC 和 SBC 值最小都在 K=12，我们可以将模型简化为： (2)线性检验的步骤：估计与的回归方程式，其残差方和，所得值为 0.041874。估计，求出及计算相应的 F 值，我们 d 分别取 1 到 12，结果见表 3。表 3 不同 d 值的以及 F 值dFdF10.0405821.62367670.0394523.00816220.0405151.69951980.0383214.51221730.0399372.44123790.0389963.56711
14、840.0416020.305142100.0393983.016650.0412130.796585110.0389423.58889360.0409611.099615120.0401971.974724本文用 即为实际有效汇率变化的滞后值。作为转换变量，从表 4 可以看出从 d 在 7，8，9，10，11 的时候 F 值都超过了 2.68 F 值在 5%显著性水平下的临界值。，也就是 在这些情况下拒绝线性原假设，这也说明实际有效汇率变化确实存在非线性的调整，这个 转换变量可以有效的允许模型参数随经济周期的不同阶段而变化。但由于有多个滞后期都 可以拒绝线性，则选择使 F 值最大的滞后期数作为转换变量。所以，选择 d8。 (3)模型选择本文通过序贯检验所得的 F 值来决定中国实际有效汇率合适的转换方程式。从表 4 可以 得出假设的 F 值极小，这就表.
