《汇改后人民币对美元名义汇率波动的非线性特征研究――基于门限自回归TAR模型》由会员分享，可在线阅读，更多相关《汇改后人民币对美元名义汇率波动的非线性特征研究――基于门限自回归TAR模型（13页珍藏版）》请在金锄头文库上搜索。
1、汇改后人民币对美元名义汇率波动的非线性特征研究基于门限自回归TAR模型本文受到国家自然科学基金（批准号：70571039）的支持，特此感谢。靳晓婷 张晓峒 栾惠德靳晓婷：南开大学国际经济研究所博士生，研究方向为金融学；张晓峒：南开大学国际经济研究所教授，研究方向为数量经济学；栾惠德：南开大学国际经济研究所博士生，研究方向为数量经济学。（南开大学，天津 300071）【内容摘要】本文对自2005年7月人民币汇率制度改革至2008年1月31日的人民币对美元名义汇率波动进行了计量研究，通过建立基于不同时间段汇率波动的门限自回归模型（TAR），可以看到，两年多来的人民币汇率波动存在门限的非线性特征，当
2、升值幅度较大，即大于一定的门限值时，升值的冲击显示出更持久的延续性，体现出了升值预期的作用和升值不断加速的趋势。【关键词】非线性 门限 汇率 Modeling non-linearities in RMB-Dollar exchange rates using TAR model: evidence after RMB exchange rate regime reformJin Xiaoting Zhang Xiaotong Luan HuideAbstractAfter the announcement on reforming RMB exchange rate regime made
3、by PBC on July 21st in 2005, to give an empirical study on non-linearities in RMB-Dollar exchange rates, we choose to use Threshold Autoregressive model (TAR). It shows that current RMB exchange rate series is nonlinear and fluctuate with a threshold. The impulsion of appreciation which is bigger th
4、an the absolute value of the threshold can last longer than the smaller impulsion. The result shows the impact of the RMB appreciation anticipation and the increasing trend of RMB appreciation.Key Words: nonlinear threshold exchange rate 一、引言自2005年7月21日起，我国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。人民币汇率不再
5、盯住单一美元，形成更富弹性的人民币汇率机制。人民币对美元交易价格调整为1美元兑8.11元人民币。两年以来，人民币汇率的波动呈现出新的特征，现有的研究方法也需要进一步改进才能更好地描述人民币汇率制度变化后的汇率波动特征。在已有的关于汇率波动的研究中，许多是基于线性时间序列的分析，例如建立自回归移动平均（ARMA）模型。戴晓枫（2005）针对我国加入世贸组织后人民币对美元的日汇率值建立ARMA模型，得到的最佳模型为ARMA（8，0）。但是，ARMA模型采用期望值为零，且服从独立同方差的假设，不能客观和准确地描述出汇率等金融序列中存在的方差的“波动集群”（volatility clustering）
6、特征，即方差在一定时段中较小，而在一定时间内较大。利用自回归条件异方差（ARCH）模型和广义自回归条件异方差模型（GARCH）可以描述这类现期方差与前期方差波动的关系。例如国外的研究中，Aguilar， Nydahl（2000）使用GARCH模型来对汇率的波动性进行建模；国内例如惠晓峰（2003）运用 GARCH 模型来分析人民币对美元汇率并进行预测，取得了较好的预测效果。 20世纪90年代末以来，非线性时间序列模型的研究日益增多。非线性模型主要分为混沌论模型(chaos model)和状态转换模型(switching regime models)两种，常见的状态转换模型主要有：门限自回归模型
7、(Threshold Autoregression model，TAR)，马尔可夫状态转换模型(Markov Switching Regime model， MSR )和平滑转换自回归模型(Smooth Transition Auto regression model， STAR)，它们刻画了各种不同形式的状态转换行为（王俊，2006）。许多学者已经把这类非线性时间序列模型应用于了实际汇率波动行为的研究中，并被证明能准确地描述行为的特征。如Sarantis (1999)、Sarno (2000)、McMilla和Speight (2001)等采用这些非线性模型研究实际汇率的行为特征，均取得了较
8、好的研究结果。国内也有学者对人民币实际汇率的非线性特征进行了研究。刘潭秋（2007）采用了不同的线性和非线性时间序列模型进行研究，结果表明，非线性的自激发（self-exciting）门限自回归模型(SETAR)和平滑转换自回归模型对人民币实际汇率历史数据有很好的拟合效果；徐国希（2006）基于非线性对数门限自回归模型(LSTAR)对我国人民币实际汇率进行了实证研究，得出人民币实际汇率对购买力平价的偏离具有均值回复特性，而这种均值回复的调整行为服从非线性LSTAR模型。本文为了研究我国汇率制度改革后人民币对美元名义汇率的波动特征，将先分析人民币对美元汇率变动的背景，并从统计上描述波动的特征，然
9、后通过建立基于不同时间段的门限自回归模型（TAR），来分析人民币对美元汇率波动的非线性特征。 二、汇改后人民币对美元汇率波动形势1、人民币对美元汇率波动变化的背景1994年以前，我国先后经历了固定汇率制度和双轨汇率制度。1994年汇率并轨以后，我国实行以市场供求为基础的、有管理的浮动汇率制度。企业和个人按规定向银行买卖外汇，银行进入银行间外汇市场进行交易，形成市场汇率。中央银行设定一定的汇率浮动范围，并通过调控市场保持人民币汇率稳定。1994年到1997年以前，人民币汇率稳中有升，海内外对人民币的信心不断增强。又由于央行从1993年开始数次升息，高利率使投机者产生了汇率升值的短期预期。1995
10、年初，中美汇率小幅升值至1美元兑8.30元人民币。1996年之后，国内普遍出现产能过剩的现象，为了维持我国商品在世界市场上的竞争力，通过出口来带动经济增长，央行通过干预外汇市场维持汇率的稳定，并且也不断积累了外汇储备。因此汇率一直在1美元兑8.30元人民币的基础上小幅波动。但1997年后由于亚洲金融危机爆发，为防止亚洲周边国家和地区货币轮番贬值使危机深化，我国作为一个负责任的大国，主动收窄了人民币汇率浮动区间。随着亚洲金融危机的影响逐步减弱，人民币汇率一直保持稳定。但是到了2002年人民币贬值预期开始被强大的升值压力所取代。外汇升值的预期在接下来的几年里被不断强化。自2005年7月21日起，我
11、国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。人民币汇率不再盯住单一美元，形成更富弹性的人民币汇率机制。自人民币汇率改革后，我国坚持主动性、渐进性、可控性原则，稳步推进人民币汇率机制改革。人民币汇率弹性不断增强，双向波动趋势日益明显，市场供求因素在人民币汇率形成中发挥着越来越重要的作用。2006年1月4日起，央行宣布在银行间即期外汇市场上引入询价交易（简称OTC方式），改进了人民币汇率中间价的形成方式。规定每日银行间即期外汇市场美元对人民币交易价在中国外汇交易中心公布的美元交易中间价上下的3幅度内浮动 见2006年1月4日我国人民银行发布的中国人民银行关于进一步完善
12、银行间即期外汇市场的公告。2007年5月21日起央行又加大了人民币对美元汇率的日波动区间，将人民币对美元汇率交易价浮动幅度由3扩大至5 见2007年5月18日我国人民银行发布的中国人民银行关于扩大银行间即期外汇市场人民币兑美元交易价浮动幅度的公告。2、汇改后人民币对美元汇率波动的统计分析本文选取了2005年7月222008年1月31日621个交易日人民币对美元中间价序列数据来源：国家外汇管理局网站（US）（图1）进行分析。 图1：621个交易日人民币对100美元汇率序列 图2：抛物线趋势拟合图 从汇率波动的整体趋势来看，序列呈抛物线趋势特征，所以我们用汇率数据对时间t进行抛物线拟合，估计结果如
13、表1所示：表1：抛物线模型估计结果变量参数估计值常数项809.9029*（6429.118）t2-0.0002*（-75.2862）注：*表示估计系数在5%的水平上显著 图3：退势后序列的5期移动平均图在表1的估计结果中，R2值为0.99，并且通过图2中预测序列USF和原序列US的比较，都说明抛物线对数据拟合的效果较好，可以判断汇率波动的序列存在抛物线的非线性趋势。对汇率波动的趋势拟合说明了人民币对美元升值的速度在加快。根据表1的结果，对t求导可得系数为-0.0004，显示出在所考察的时间段内，人民币对美元汇率平均以日增加千分之四厘的速度在升值。另外，对原US序列进行抛物线退势的基础上，我们对
14、退势后的序列计算5期移动平均可得序列US1（如图3），可以看到人民币升值过程中存在着周期性的变化。三、人民币对美元汇率波动的TAR模型 门限自回归模型作为一类非线性模型，能够解释金融数据中的非线性性质。它首先是由Tong(1980)提出的。门限自回归模型设定某一特定的时点，时间序列的运动方式从一种机制(regime)跳跃到了另一种机制，同时这种跳跃是离散的。门限自回归模型在拟合实际数据时具有较好的性质，但是由于建立门限自回归模型的步骤比较复杂，直到Ruey S.Tsay (1989)提出了相对来说比较简易的建模及检验方法后，这类模型才被人们广泛的应用。一般地，对于时间序列Xt， t = 1，
15、2， . . .称为满足一个k段门限自回归模型(TAR)，其门限变量为，假设初始值(，)是已知的，如果其满足（1）式： （1）其中，表示门限；k表示段数，是正整数，j表示第j段，j =1，k；要求门限变量在空间上可测(即：是内元素的可测函数)，在这里是时刻t-1之前可用信息的域；参数d被称为延迟变量，也是正整数；是均值为0，方差为，独立的序列，j=1，.，k，实际上对于相同的j，服从独立同分布。满足上述条件的模型通常记为： 。当时，即模型满足在各段的阶数相等时记为：。在实际应用中，由Tong(1983，1990)提出了各种状态下涉及若干含有分离高阶AR(p)过程的不同状态的TAR过程。两状态的TAR模型的一般形式是（2）式：= （2）这里存在由的值定义的两个可分离状态。如果门限已知，则依据的值是否在门限之上或之下，分离观测值。然后用OLS估计方法估计每段方程式，其滞后期长度p和r根据AR模型的方法确定，因此可以用t检验对单个系数进行检验。在门限值是未知的情况下，根据Chan(1993)提出的方法来获得门限的超一致估计，为了确保在门限两边有适当数量的观测值，从检索中排除了按大小排列的最高和最低部分各15的值。接下来，运用程序使取每一个观测值估计TAR模型，其中相应残差平方和最小的回归方程含有门限的一致估计。本文将先选取20
