1、论文：人民币汇率改革后汇率波动的非线性特征研究论文：人民币汇率改革后汇率波动的非线性特征研究发表时间:2015-4-9 21:42:55基于门限自回归 TAR 模型的人民币兑美元汇率行为描述人民币汇率改革后汇率波动的非线性特征研究【内容摘要】本文对 2005 年 7 月人民币汇率制度改革后的人民币兑美元名义汇率波动的行为进行了计量研究，建立时间序列的门限自回归模型（TAR） ，结果表明，与线性时间序列模型相比，TAR 模型可以更充分描述我国汇率制度改革后人民币兑美元的汇率波动的非线性特征。【关键词】门限自回归模型(TAR) 人民币汇率自 2005 年 7 月 21 日起，我国开始实行以市场供求
2、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。美元对人民币交易价格调整为 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的描述人民币汇率制度变化后的汇率行为。一、文献回顾已有的对汇率波动研究和预测的研究很多，传统的方法主要有基础变量预测法和技术预测法。在这其中，运用自回归时间序列模型进行拟合的方法得到了不断的发展：（1）ARMA 与 ARIMA 模型。ARMA 模型主要将 p 期滞后自变量和 q 期残差项进行回归，同时运用迪基福勒检验判断p、q 数值的确定，或者通
3、过 AIC 、HQ 以及施瓦茨检验来判断最佳滞后期。戴晓枫，肖庆宪（2005）针对我国加入世贸组织后，2003 年人民币对美元日汇率值建立 ARMA 模型，得到的最佳模型为 ARMA（8，0） 。但是，ARMA 分析法的问题是只适合短期预测，其预测精度会随着预测期限的扩展而下降。当汇率变量呈现非白噪声变化状态时，应进行差分变换，建立 ARIMA 模型。差分次数的确定也应通过时间序列回归得出的自相关图和偏自相关图或 AIC、施瓦茨检验等方式予以确定，但一般不超过 2。范正绮，王正云（1997）在论证 1994 年 1 月至 1996 年 10 月美元、港币及日元对人民币月平均汇率关系时，发现仅使
4、用 ARMA 模型时会出现样本自相关系数呈现平比较发现，EGARCH 模型对汇率波动的拟和效果更好，预测结果也更为理想。任兆璋，宁忠忠（2004）使用人民币 NDF 汇率作为人民币汇率预期的代理变量，验证了人民币汇率预期存在 ARCH 效应，并具有尖峰厚尾波动群集性和非对称性等特征。这一结果说明更加灵活的汇率制度和制度形成机制可以帮助人民币更好的应对升值或贬值冲击。(3) 非线性跳步门限自回归（LSTAR）模型徐国希（2006）人民币基于非线性跳步门限自回归模型对我国人民币实际汇率进行了实证研究。在该模型中，样本区间选定为 1980 年 1 月至 2005 年 10 月。通过实证分析，主要得到
5、三个结论：一是人民币实际汇率具有整体平稳性，并且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。其次，我国人民币实际汇率的动态行为具有不对称性。实际汇率如何调整一方面取决于与均衡制的偏离程度，另一方面还取决于偏离方向。冲击越大人民币实际汇率的均值回复越快，人民币高估时的调整速度要比低估时的调整速度快。第三，人民币实际汇率在样本期内处于高机制（upper regime）状态的时间多于低机制（lower regime）状态。当处于高机制状态时，人民币实际汇率为平稳的 AR（1）过程，而当处于低机制状态时，人民币实际汇率则为发散的 AR（1）过
6、程。这表明人民币实际汇率具有长期平稳与短期波动的特征。进一步考察 LSTAR 模型，发现其转换函数非常陡峭，这意味着人民币实际汇率在低机制（lower regime）和高机制（upper regime）两种状态之间的转换很迅速，与两机制的 TAR 模型非常接近。二、时间序列的门限自回归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。它首先是被 Tong(1980)（Tong and Lim，1980）提出的。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、不易掌握，而且比较费时、费力，这阻碍了门限自回归模型的应用。直到 RUEY S
7、.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。一般的，对于时间序列Xt， t = 1， 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: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，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
8、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，=这里存在由的值定义的两个可分离状态。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量，为了确保在门限两边有适当数量的观测值，从检索中排除了最高和最低部分各 15的值。接下来，使用程序使取每一个观测值估计 TAR 模型，其中残差平方和最小的回归方程含有门限的一致估计。三、人民币兑美元汇率的 TAR 模型1994 年 1 月 1 日，人民币官方汇率与市场汇率并轨，实行以市场供求为基
9、础的、单一的、有管理的浮动汇率制，并轨时的人民币汇率为 1 美元合 8.70 元人民币。这意味着将官方汇率贬值 50%。一方面，汇率制度改革是中国由计划经济向市场经济转轨的必然结果。另一方面， 中国当时经济急剧升温，投资需求旺盛。1993 年上半年钢材进口同比增长360%，22 种原材料进口同比增长 220%.。为了遏制进口需求给经济降温、改善国际收支状况，贬值是政府当局的不二选择。95 年初，中美汇率小幅升值至 1 美元兑 8.30 元人民币。这一变化主要是基于两个原因：一是人民币大幅贬值正值国内通货膨胀达到最高峰，居民消费价格指数和商品零售价格指数分别 124.1 和 121.7。也就是说
10、，94 年贬值之后人民币是被高估的，只不过当时过高的物价水平掩盖了这一事实。根据购买力平价计算的人民币与美元汇率之比应当是 1：4 或1：5。所以在有管理的浮动汇率制度下，人民币长期理应有升值的趋势。第二个原因，为了治理经济过热问题，人民银行从 1993 年开始首次小幅升息。经过数次升息之后，一年期存款和贷款利率分别达到 9.18%和 10.08%。高利率使投机者产生了汇率升值的短期预期。96 年之后，国内普遍出现产能过剩的现象，为了维持在世界市场上的竞争力，通过出口来带动经济增长，政府没有让人民币继续升值。另外，通过收购外汇维持汇率的稳定也有利于中国不断积累外汇储备。因此汇率一直在 1 美元
11、兑 8.30 元人民币的基础上小幅波动（图 1） 。图 1 1994 年 1 月 1 日至 2007 年 6 月 29 日人民币兑美元汇率走势图1998 年，受亚洲金融危机的影响，外汇市场上出现较强的人民币贬值预期。中国政府以一个大国的气度庄严承诺人民币不贬值，使汇率基本稳定在 1 美元兑 8.28 元人民币的水平。而中国之所以能在这一轮金融风暴中恪守承诺也有赖于之前积累的大量的外汇储备。在这种特殊的经济环境下，我国实际上已转变为盯住美元的固定汇率制度。尽管在金融危机之后的若干年里，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
12、几年里被不断强化。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。人民币汇率不再盯住单一美元，形成更富弹性的人民币汇率机制。美元对人民币交易价格调整为 1 美元兑 8.11 元人民币。截止到 2007 年 6 月 29 日名义汇率为 1 美元兑 7.62 人民币，已累计升值 8.0%。本文选取了 2005 年 7 月 212007 年 4 月 30 日 433 天人民币兑美元汇率序列（us）建立门限自回归（TAR）模型。图 2：433 天人民币兑美元汇率序列及差分序列图图 3：433 天人民币兑美元汇率差分序列的统计特征从图 2 可以看出，433 天的 us 序列总的趋势是升值。图 3 显示其均值是-0.09 分，说明每天平均升值 0.09 分。ust 的两个单位根检验式如下：D(ust)=-0.000117ust-1+ （1）(-4.3)D(ust)=-2.2987+0.002769ust-1+ .
