人民币汇率波幅放宽前后汇率值的比较与分析

内容摘要：本文试图探究人民币汇率波幅放宽对汇率走势的影响。以2012年4月16日为分界线，向前向后各取54个日期的汇率值，用SAS软件对两个样本分别建立AR-GARCH模型。然后对两个异方差函数的特征进行比较并给以解释，进而分析出人民币汇率波幅放宽后，人民币兑美元短期内贬值。而且波动幅度相较以前反而减小，这与大多数人的预期相反。

关键词：人民币汇率 波动幅度 AR-GARCH模型 短期贬值

引言

2012年4月16日起，中国人民银行将银行间即期外汇市场人民币兑美元交易价浮动幅度由千分之五扩大至百分之一。同时，外汇指定银行为客户提供当日美元最高现汇卖出价与最低现汇买入价之差不得超过当日汇率中间价的幅度由1%扩大至2%。

在4月16日之前，人民币兑美元汇率在短期和长期都在升值，而人民币汇率波动浮动放宽后，外界普遍认为此举作用主要有两方面：一是有助于增加人民币汇率的弹性、减轻汇率单边趋势性运行的压力、保持汇率柔性增加条件下的基本稳定；二是可以有效抑制短期资本持续大规模流动。之前由于人民币波幅太低，使投机人民币升值的资金获得了有吸引力的低风险回报，加剧了热钱的流入。而一旦增加汇率弹性，可依靠汇率弹性本身有效抑制短期资本持续大规模流动。

由于央行的该政策刚出台不久，国内学者对此研究的甚少，而且并没有通过数理统计方法进行定量分析。本文选取中国人民银行公布的2012年1月19日到4月13日的54个人民币兑美元的汇率值作为一组数据作为前期样本，用来考察之前人民币汇率的走势特征。同时选取2012年4月16日至7月4日的54个人民币兑美元的汇率值作为后期样本，用来考察汇率波幅放宽后人民币汇率的走势特征。对这两个样本分别建立AR-GARCH模型，对比分析得出央行放宽人民币汇率波幅的政策对人民币汇率的影响。

GARCH模型介绍

Engle 于1982年提出自回归条件异方差模型（即ARCH模型），经济学家发现该模型运用到金融时间序列时，它的解释能力比传统的ARIMA模型更好。

设ψt-1表示时刻t-1及时刻t-1之前的所有信息的集合，对于序列{at}，如果

则序列{at}是一个ARCH（q）序列。可以看出，序列{at}的条件方差是一个随时间变化的量（即条件异方差），并且它是序列{at}的过去有限项平方的线性组合（即自回归），正因如此，该模型称为自回归条件异方差模型。

为了描述变量的变异聚类特性，有时需要运用高阶ARCH模型，估计过多的参数，并且参数估计效率降低甚至出现负值参数。为弥补这些缺陷，将ARCH模型推广成为广义自回归条件异方差模型（GARCH模型）：

GARCH（p，q）模型允许条件异方差ht2中同时存在自回归项和滑动平均项，ARCH（q）模型是其p=0的特殊情况。

GARCH模型通常用于对给定数据{yt}的扰动项{at}进行建模分析，以便充分提取残差信息。若{at}不是纯随机序列，而是具有自相关性，需要对{at}先拟合自回归模型，再考察其自回归残差序列{εt}的方差齐性，如果{εt}异方差，对它拟合GARCH模型。这就是AR（m）-GARCH（p，q）模型：

式中f（t，yt-1，yt-2…）为{yt}的回归函数，et：iid（0，1）。

对前期样本建立AR-GARCH模型

（一）异方差性检验

用SAS软件对前期样本进行编程处理，得到图1。可见Q统计量和拉格朗日乘子（LM统计量）在各阶的p值都远小于0.05，因此在5%的置信水平下，前期样本残差具有显著的异方差性。

（二）自相关性检验

残差序列DW统计量的值为0.2397，相对应的检验P值小于0.0001，故认为残差序列存在显著的自相关性。

（三）确定残差自回归模型阶数

从图2可知，滞后2-5期的参数均不显著，故将这四项剔除，而初步均方误差（Preliminary MSE）为0.000037，可确定残差自回归模型为AR（1）。

（四）拟合最终模型

在多数情况下，GARCH（1，1）足以准确拟合样本数据，而不必建立高阶模型。本文也定阶P=1，q=1。图3是模型所有参数估计，图4中星形标记的是样本时序曲线，圆点标记的是模型拟合曲线。

由图3可知，趋势项、ARCH0和ARCH1均不显著，这是因为前期样本有明显的波峰（见图4），导致人民币汇率y1随时间t先增后减，难以准确估计趋势项的某一单一方向。模型的总决定系数R2=0.7767，说明拟合比较充分，正态性检验统计量Tn=0.8538，Tn的显著性概率即检验P值=0.8538，说明模型的假定在正态分布时也成立，因此可以认为该模型拟合成功。由图4也可看出拟合曲线与样本曲线拟合比较准确。

对后期样本建立AR-GARCH模型

后期样本数据的建模过程与前期样本相同，因此不再详述。经检验，后期样本也适合AR（1）-GARCH（1，1）模型，图5给出参数估计值。

除ARCH1外的所有参数估计均显著，R2=1.00，Tn=0.3302，P（Tn>0.3302）=0.8478， 说明模型拟合非常准确。图6为后期样本的样本时序曲线和模型拟合曲线，可看出两者重合度非常好。

前后期模型的比较分析

根据图3和图5的参数估计值，得出前后期模型函数分别为：

（一）人民币汇率基本趋势逆转

前期模型时间t的系数为负值，表明在4月16日之前人民币汇率基本是升值趋势；而后期模型中y2随t线性增长，即4月16日以后的短期内人民币汇率在贬值。这就说明央行规定人民币汇率波幅区间翻倍，使得人民币兑美元汇率止升变跌，使其走势发生逆转。这与大部分金融机构的预期一致，比如对于央行的该举措，业内专家刘利刚认为，人民币交易区间扩大，加上中国的贸易顺差开始不断减小，意味着人民币的单边升值趋势可能已经基本结束。

2008年金融危机之后人民币持续升值，迫使出口企业不得不通过减员、压缩工资等方式减少成本，来弥补汇率变化导致的利润损失，外贸型企业尤其是中小外贸型企业的生存受到威胁，严重阻碍了出口贸易发展。汇率波幅翻倍意味着央行可以增加对汇率双向干预的力度，采取更有力的手段保持汇率稳定。

（二）人民币汇率波动幅度变小

后期模型与前期模型的条件方差有显著差异：首先，后期模型中εt的系数相当（4.612E-23），几乎等于0，而且ARCH1的显著性也很差，这说明可以不考虑随机扰动对后期人民币汇率的影响；其次，后期异方差函数中一步滞后条件方差的系数（0.000738）不及前期（0.7876）的1%，也就是说后期数据的ht受ht-1影响甚微，这说明后期ht没有明显的变化趋势，而是稳定在一条水平线上。综合来看，后期条件方差在0.00005的水平线上小幅波动。

与此相反，前期ht受随机扰动和ht-1的影响都很明显，它具有线性增长趋势，并有较大波动。政策公布时，外界普遍认为既然人民币汇率波幅区间放宽，往后日波动幅度应该会较以前增大。业内专家马骏曾认为，由于人民币波幅太低，使投机人民币升值的资金获得了有吸引力的低风险回报，加剧了热钱的流入。而一旦增加汇率弹性，可依靠汇率弹性本身有效抑制短期资本持续大规模的流动，因为汇率会很快升值到市场一致预期水平，从而迅速消除对汇率继续升值的预期。然而数据分析的结果却与之截然相反。2012年4月16日到7月5日之间的人民币汇率日波动幅度很小。

（三）人民币汇率走势预测

GARCH模型对条件异方差的预测值会随时间推移而降低精度，最终将与齐次方差一致，因此很难用GARCH模型准确预测人民币汇率的数值。但从后期异方差模型来看，短期内人民币会小幅贬值而小幅波动，如果央行继续保持有力的干预措施，人民币长期将摆脱持续升值的风险，这对贸易顺差是有利的。

参考文献：

1.肖中洁，陈月石.人民币波幅扩大首日：对美元全线下跌，单边升值盛宴结束[N].东方早报，2012-4-17

2.殷微波.人民币汇率预测—基于GARCH模型[J].当代经济，2007（8）

3.王松喜.外汇市场有效性分析与EGARCH汇率预测[J].湖南人文科技学院学报，2005（4）

4.王燕.应用时间序列[M].中国人民大学出版社，2005

5.高惠璇.SAS/ETS使用手册[M].统计出版社，1998

作者简介：

张传昌，男，山东临沂人，就读于山东大学数学院和机械工程学院，主要研究数据处理、时间序列分析。