新形势下人民币汇率波动的协整检验分析

中图分类号:F830 文献标识码:A

内容摘要:货币汇率关系着一个国家的经济稳定。近年来在国际压力与国内经济因素影响下,人民币不断升值,这使得人民币资产增值,国际购买力增加,有利于外贸进口,但人民币升值也会严重影响中国的出口贸易,带来财政赤字增加等负面影响。为了研究人民币汇率的变化,给投资者提供参考,本文对我国近期人民币兑换美元和兑换欧元的汇率时间序列进行协整检验,建立误差修正模型,其结果显示人民币汇率近期波动不大。

关键词:人民币汇率 美元 欧元 协整 误差修正模型

货币汇率关系着一个国家的经济稳定。人民币汇率问题一直是国际各界争论的热点和难点问题。在国际压力与国内经济因素影响下,人民币不断升值。从短期看,由于我国长期以来实行的鼓励出口与外商投资的外向型经济政策,使我国经济的出口依存度较高,人民币升值确实会在短期内带来出口减少、失业增加等恶果,弊大于利。而从长期来看,企业可以利用人民币升值带来的国际购买力增加进行产业结构调整,有利于提高企业的长久竞争力,优化产业结构,利大于弊。作为国际流通货币,美元和欧元的汇率也受到了很大的影响。人民币汇率变化对我国经济发展以及人民生活水平提高有较大影响。人民币、美元、欧元的汇率问题也屡次成为世界经济峰会的焦点问题之一。为了解人民币兑换欧元和兑换美元汇率之间的关系,寻找其短期波动,本文通过协整检验,构建二者之间的误差修正模型,对其近期波动性进行研究。

基本理论

(一)协整

协整概念是20世纪80年代由恩格兰―格兰杰(Eengle-Granger)提出的,协整理论为有效地衡量两个或两个以上序列之间是否具有长期均衡关系提供理论基础,同时它也为用存在协整关系的变量建立误差修正模型奠定了理论基础。假定自变量序列为{x1},{x2},…,{xk}响应变量序列为{yt},构造回归模型:

假定回归残差序列{εt}平稳,则称响应序列{yt}与自变量序列{x1},{x2},…,{xk}之间具有协整关系。如果非平稳序列之间具有协整关系,那就说明残差序列平稳,就不会产生虚假回归问题。这说明要将输入变量引入响应序列建模,不一定要所有序列都平稳,只要他们之间具有协整关系,便可建模。

(二)误差修正模型

误差修正模型(ECM)是由Hendry和Anderson于1997年提出的,主要用于解释序列的短期波动关系。如果序列之间存在协整关系,即:yt=βxt+εt,则可以构建ECM模型:

式中,ECMt-1=εt-1=yt-1-βxt-1,β1为误差修正系数,表示误差修正项对当期波动的修正力度。

数据选择以及实证方法

(一)数据选择

本文所有汇率数据均来自中国人民银行网页,所有汇率数据处理均使用SAS 8.2软件。

(二)实证方法

误差修正模型建模方法如下:

步骤1:数据变换处理。根据序列的特点对其进行处理,对于金融序列一般可以对数据进行对数变换。

步骤2:平稳性与随机性检验。若所有序列均平稳,可以构建ARIMAX模型拟合。若序列不都平稳则对他们进行协整检验。

步骤3:协整检验。以多个序列中的一个序列{yt}作为响应序列,其它序列作为自变量序列{x1},{x2},…,{xt},并建立响应序列和自变量序列之间的回归模型,然后对其残差序列进行平稳性检验。若残差序列为平稳序列,则响应序列和自变量序列之间存在协整关系,可建立多元时间序列模型。若残差序列不平稳,则响应序列和自变量序列之间不存在协整关系,要对自变量序列进行选择,重新编程运行检验。

步骤4:模型识别。根据步骤3可以得到响应序列{yt}和自变量序列{x1},{x2},…,{xt}之间的回归模型,残差序列平稳后,观察参数估计的显著性,剔除不显著的参数,对模型进行优化,从而得到响应序列{yt}和自变量序列{x1},{x2},…,{xt}之间的最终模型。

步骤5:建立误差修正模型。从步骤4可以得到响应序列{yt}和自变量序列{x1},{x2},…,{xt}之间的回归模型,然后对显著自变量序列{x1},{x2},…,{xt} 做一阶差分,最后建立误差ECM与响应序列的一阶差分、自变量序列{x1},{x2},…,{xt}之间的回归模型。

以上步骤可以用图1表示。

协整实证分析

(一)数据的选择、变换

为了能达到更好的拟合效果,人民币兑换美元和兑换欧元汇率时间序列的协整研究使用的是2007年7月20日-2009年3月2日人民币兑换美元和兑换欧元的日汇率共401个数据,原始数据摘自中国人民银行―人民币汇率―人民币汇率中间价图表。为了使模型尽量不出现一阶单整变量序列并引入协整关系,需要对原始数据进行适当的变换。在一般的实证分析中,为了不改变原有数据的协整关系,又容易得到平稳序列,都采用自然对数做协整分析。基于此,本文也采用这种方法,首先对原始数据进行对数变化。定义人民币兑换美元汇率为x,人民币兑换欧元汇率为y,其对数分别为lnx、lny,对数的延迟因子为lagx、lagy,对数一阶差分分别为x1、y1。

人民币兑换美元和兑换欧元汇率的对数以及差分序列的时序变化见图2、图3。从图2的图形上看两者的变化趋势有相同之处,从图3看出二者对数一阶差分后序列是平稳的。

(二)平稳性与随机性检验

从人民币兑换欧元和兑换美元汇率时序图可以初步断定二者皆为非平稳非白噪声序列,二者对数后序列也非平稳非白噪声,但是二者一阶差分后序列为平稳序列。

(三)协整检验

协整检验实际上是检验协整回归方程的残差序列是否存在单位根。如果这两个序列不存在协整关系,则残差序列不存在单位根;如果序列之间存在协整关系,则残差序列存在单位根,即残差序列平稳。

首先以lny为因变量,以lnx、lagx、lagy为自变量建立协整回归方程:

lny=β0+β1lnx+β2lagx+β3lagy+εt

输出结果常数项不显著,故忽略常数项建立无常数回归方程:

lny=β1lnx+β2lagx+β3lagy+εt

普通最小二乘法估计结果见图4。参数估计结果见表1。然后利用Eengle-Granger协整检验法,检验残差序列的平稳性,利用ADF检验法输出的结果见表2。

表2中,τ统计量的p值均小于0.0001,说明残差序列显著平稳,于是可以断定{lnyt}与{lnxt}之间存在协整关系。故认为lny与lnx之间的协整回归方程为:

lny=-3.05831lnx+3.07019lagx+

0.98943lagy+εt(1)

其中{εt}为残差序列。

(四)误差修正模型

为了研究人民币兑换美元汇率的短期波动性,利用差分序列{lnxt}和{lnyt}、{lag(lnx)}({lagxt}的一阶差分序列)、{lag(lny)}({lagyt}的一阶差分序列) 前期误差序列{ECMt}构建ECM模型:

lny=φ0lnx+φ1lag(lnx)+φ2lag(lny)+φ3ECMt-1+at

其中{at}为残差序列。变量分析输出结果见图5。误差修正模型参数估计见表3。

参数检验结果显示各参数结果显著有效。所以ECM模型为:

lny=-3.04594lnx+-0.01204lag(lnx)+3.00398lag(lny)+1.04257ECMt-1+at

(2)

其中{at}为随机干扰。

(五)结果分析

人民币兑换美元汇率及其当期、上期波动,人民币兑换欧元的上期波动以及上期误差(ECM)对当期人民币兑换欧元汇率有着显著的影响。经数据检验可知:人民币兑换欧元和兑换美元汇率之间存在协整关系,它们之间的长期关系如式(1)所示,而两者间的短期关系则如式(2)所示。从长期关系来看,人民币兑换欧元汇率的走势主要依赖于人民币兑换美元汇率、二者的前期汇率。而从短期关系来看,人民币兑换欧元汇率的波动主要依赖于人民币兑换美元的波动以及人民币兑换欧元的前期波动。同时,残差的波动也不可忽视。也就是说,从近期人民币兑换美元、欧元汇率的预测波动来看,由于其近期波动较小,所以可认为未来短期内人民币兑换欧元的汇率的波动性不大。

参考文献:

1.王燕.应用时间序列分析[M].中国人民大学出版社,2005

2.周喜.英镑与欧元汇率的协整性分析及ECM模型[J].统计与信息论坛,2005(2)

3.戴晓枫,肖庆宪.时间序列分析方法及人民币汇率预测的应用研究[J].上海理工大学学报,2005(4)

4.董继华.境外人民币流通规模估计―基于季度数据的协整分析[J].当代经济科学,2008(1)

5.刘艳婷.浅议人民币升值问题[J].商场现代化,2008(2)