美国量化宽松货币政策对人民币汇率的影响

田涛++商文斌++陈鹏

摘要：以中国2005年7月—2013年10月的人民币实际汇率的月度数据为样本，采用干扰分析法对金融危机和美国量化宽松货币政策背景下的人民币汇率进行了实证分析。ARMAX检验的结果表明，单纯金融危机对人民币汇率的影响并不显著，表明金融危机本身并未对人民币汇率形成实质性影响与瞬时脉冲效应；而考虑美国量化宽松货币政策因素之后的金融危机对人民币汇率产生了明显的贬值压力，金融危机和美国量化宽松货币政策两者综合作用的结果是对人民币汇率产生显著的贬值压力。相对而言，美国第一轮量化宽松货币政策对人民币汇率贬值压力最大，而第二轮量化宽松货币政策对人民币汇率产生升值的压力，第三轮与第四轮量化宽松货币政策对人民币汇率的影响并不显著。

关键词：

金融危机；量化宽松货币政策；人民币汇率；干扰分析

文章编号：2095-5960（2015）02-0001-11；中图分类号：F830；文献标识码：A

一、引言

汇率是联系国内外经济最重要的纽带，汇率水平的高低不仅会直接影响一国的进出口水平进而对经常项目收支平衡产生重要影响，且汇率的变动会直接影响到利率水平的变动，从而引起国际资本的流入和流出，对一国资本账户的平衡产生影响。因此，开放条件下汇率政策与汇率制度在一国金融政策与金融制度中居于最重要的地位。稳定且切合本国实际的汇率政策不仅有利于实现国际收支平衡，而且有利于加强地区经济合作，使其成为实现区域经济合作的纽带和桥梁。

1994年人民币汇率并轨以来直至2005年“汇改”以前，人民币汇率实际上实行的是盯住美元的固定汇率制度。随着中国经济的快速增长，固定汇率制度的缺陷日益凸显。首先，根据抵补利率平价理论，汇率的远期升贴水利率取决于两国利差。当本国利率较高时，本国远期汇率必将升水，即本币在远期必将贬值，反之则面临升值的压力。通过汇率与利率的变动，使得金融市场始终处于平衡状态，而僵化的人民币汇率管理制度使得人民币汇率自由浮动空间非常有限，因此当国内利率由于货币政策调控而上升时，通过人民币汇率的自由浮动来抵消国内外利差的机制不能正常实现，导致国内利率长期高于国际利率，吸引大量套利资本进入，对中国金融管理体制产生冲击。其次，随着中国对外贸易水平的不断提高，缺乏弹性机制的人民币汇率也日益成为西方国家关注的焦点。人民币汇率形成机制以及人民币汇率被“低估”的言论一度甚嚣尘上，也使得人民币汇率问题成为中国对外交往中的一个中心议题。在此背景下，2005年7月21日中国人民银行宣布了人民币汇率新一轮汇率改革方案，即人民币汇率开始实施以市场供求为基础、参考一篮子货币、有管理的浮动汇率制度。人民币汇率制度的改革使得人民币汇率向市场化、国际化迈出了重要一步。

然而，发端于美国并迅速席卷全球的国际金融危机使得中国面临的外部经济形式陡然发生了急剧变化。金融危机不仅对美国经济产生了巨大的下行压力，也使得世界经济和国际金融市场走势不确定性增加。金融危机发生以后，为了刺激美国经济增长和促进就业，避免经济通货紧缩，在大幅度提高财政赤字与实施低利率政策的同时，美联储先后实施了四轮量化宽松货币政策（Quantitative easing monetary policy，QE），以期通过向市场释放“流动性”来保持金融市场的稳定。从实施的效果来看，对于美国而言，QE政策虽然没有实现其预定的目标，但是QE政策的推出却对世界经济产生了深远的影响。中国与美国作为世界上最大的发展中国家与最发达的资本主义国家，经济联系非常紧密。因此，美国QE政策对中国宏观经济与金融市场的稳定产生了巨大的冲击。同时，随着美联储于2014年10月30日宣布从2014年11月份正式退出QE政策，长达六年的美国QE政策终于走到了尽头，但是一如2008年QE政策开始实施的结果类似，QE政策对国际经济和国际金融市场的影响远没有结束。

在人民币汇率制度探索进一步改革的背景下，系统分析QE政策推出及其退出对中国经济和金融的影响至关重要。其中，金融危机及其随后美国实施的多轮量化宽松货币政策对人民币汇率产生何种影响是一个首先需要关注的问题。符合本国实际的汇率形成机制不仅对优化本国金融结构、促进就业及扩大进出口具有重要作用，而且良好的汇率形成机制应该具备最大化降低外来突发经济、金融事件对本国宏观经济和金融市场冲击的特质。因此，系统评估2005年“汇改”以来的人民币汇率在应对金融危机以及美国QE政策等不利冲击中的表现，有利于总结已有的“汇改”经验，对于进一步深化人民币汇率形成机制改革具有重要的借鉴意义。

二、文献述评

目前国外对金融危机及美国QE政策对本国汇率影响的研究文献很少。绝大部分文献主要集中于分析金融危机或者QE政策的“外溢效应”对本国货币政策的影响。如Bernanke et al.（2004）认为QE政策会通过不完全金融市场以及经济主体的预期来对利率产生影响。[1]Auerbach & Obstfeld（2005）指出，如果QE政策包含一个永久增加货币供应量的承诺会强化经济主体的通胀预期并导致实际利率下降，从而导致总需求增加，并使得产出与通胀水平上升。[2]Gagnon et al.（2010）认为，美联储QE政策会导致美联储所盯住的目标资产收益率下降。[3]Vollmer & Bebenroth（2012）分析了金融危机后美国实施QE政策对日本经济的影响并将其与20世纪90年代日本发生的金融危机进行了比较。[4]

国内目前关于金融危机以及美国QE政策对汇率冲击的实证研究文献不多，目前只检索到王永茂和刘惠好（2011）运用向量误差修正模型和脉冲响应分析方法，利用1998年4月—2006年3月的数据探讨了日本实施QE政策对日元汇率的影响。[5]而其他绝大部分文献主要针对“汇改”后人民币汇率波动特征及其对其他宏观经济变量的影响和关联性的研究。如叶文娱（2010）对金融危机后人民币汇率变动与股价波动的关联性进行了分析。[6] 周亚军和张碧琼（2012）利用状态转换的GARCH模型研究了“汇改”后人民币汇率的波动特征。[7] 陈创练（2013）采用基于符号约束的向量自回归模型分析了“汇改”后货币政策对人民币汇率的影响。[8]李富有和罗莹（2013）利用自回归分布滞后模型分析了“汇改”后人民币汇率对国内价格水平的影响。[9]还有一些研究则集中于讨论金融危机或者美国QE对中国宏观经济的影响。如王树同等（2009）分析了美国QE政策出台的原因及其对中国资产价格与国内价格水平的影响。[10]张礼卿（2011）分析了美国QE政策对中国货币政策、人民币汇率以及国际资本流动的影响。[11]刘湘云和张佳雯（2013）从短期资本、长期资本及国际贸易三种渠道分析了美国QE政策对中国的溢出效应。[12]金洪飞等（2012）基于国别的面板数据分析了国际金融危机对中国FDI的影响。[13]全世文和曾寅初（2013）采用结构突变的单位根检验分析了金融危机与“欧债危机”对中国进出口贸易的影响。[14]

梳理上述文献可以发现，目前国内研究金融危机及美国QE政策对人民币汇率影响的文献较少，究其原因可能有如下三个方面：一是影响人民币汇率的因素众多，既包括国内的因素，同时也包括国际的因素，因此采用单方程或者联立方程建模的方法会由于解释变量众多而受到样本量的制约。二是人民币汇率的变动也会对影响汇率走势的国际或者国内因素产生反馈机制，导致“内生性”问题的出现。三是“汇改”后人民币汇率经历了多次重大外生冲击，可能会导致人民币汇率出现结构性突变。因此，采用传统建模的方法来分析金融危机背景下美国QE政策对人民币汇率的影响可操作性很小。张礼卿（2011）虽然分析了美国QE政策可能会对人民币汇率产生升值压力，但仅仅是在论述其他问题时顺便提及，并且没有经过严格的实证分析。刘锐（2013）则认为美国QE政策对人民币汇率在短期内同时存在升值与贬值的作用，因此QE对人民币汇率的影响并不能确定。[15]

Box-Jenkins（1976）针对非平稳时间序列建模提出了单积自回归移动平均模型（Autoregressive Integrated Moving Average，ARIMA）以后， ARIMA模型迅速得到了广泛的应用。然而在实际经济中，很多时间序列除了受自身特质的影响外，还会受其他多个变量的影响，而仅仅利用单变量时间序列ARIMA模型会由于计量模型不完整导致经济系统中多元时间序列的变化规律不能得到很好的表达。Engle & Granger（1987）在对变量协整关系研究的基础上将多元回归分析与时间序列分析相结合提出了ARIMAX模型，即在ARIMA模型的基础上引入解释变量，建立了附带解释变量的ARIMA模型，即ARIMAX模型（或者扩展的ARIMA模型），提高了时间序列的预测精度。[16]另外，由于经济行为往往会受到节假日、政策调整等突发事件的影响（这类特殊事件被称为干预事件，intervention），Box & Tiao（1975）将干预事件对变量趋势的影响引入传统时间序列分析，形成了带有干预分析的模型并将其用于定量分析突发事件对经济变量的影响。[17]由于国际金融危机及美国连续四轮QE政策出台的时间可看作人民币汇率变动的外生变量，因此可以根据金融危机及美国QE政策出台的时间设置虚拟变量，通过建立ARIMAX模型来分析国际金融危机背景下美国QE政策对人民币汇率的影响。接下来借鉴Box & Tiao（1975）及Engle & Granger（1987）的思想来研究国际金融危机背景下美国连续四轮QE政策对人民币汇率的影响，以期为进一步的理论分析提供实证基础，同时为金融监管当局着手进一步汇率形成机制改革提供借鉴。

本文的可能贡献主要表现在如下两个方面：一是，国内尚没有对金融危机背景下美国QE政策对人民币汇率影响的实证研究文献，本文力求有所突破。二是，通过对人民币汇率自身变化规律的分析来研究金融危机及美国QE政策对人民币汇率的影响。

三、实证分析

（一）变量选择与数据初步分析

由于本文主要目的是分析美国QE政策对人民币汇率的影响，并且人民币汇率形成机制在2005年7月经历过重大调整，为了保证分析结果不受汇率制度改革的影响，同时考虑到月度数据相对于季度数据不仅包含更多影响汇率变动的瞬时信息，而且可以增大样本量，提高估计精度，因此本文选择的样本区间为2005年8月至2013年10月。另外，相对于名义汇率，实际汇率在测算一个国家出口产品的国际竞争力以及研究货币危机的预警指标、评价不同国家居民生活水平的高低等方面更具有优势。因此，笔者选择人民币实际汇率（EER）作为人民币汇率的代理变量，数据来源于国际清算银行数据库（http：//www.bis.org/statistics/eer/index.htm）。在此基础上，将EER通过环比对数差分得到人民币实际汇率的变动率ΔEER。图1反映了美元和人民币实际汇率以及人民币实际汇率变动率的时序图。

图1中美实际汇率以及人民币实际汇率变动率时序图：2005年8月—2013年10月

从图1可以看到，2005年“汇改”以后，人民币汇率趋于升值状态，而美元汇率则呈现贬值的态势，人民币实际汇率与美元实际汇率的协同性降低，这与“汇改”以后人民币汇率没有盯住单一的美元，而是改为盯住一篮子货币的人民币汇率形成机制的政策实践相吻合。2008年6月以后，受到金融危机的影响，人民币汇率选择再次盯住美元，此时人民币汇率与美元汇率变动的协同性提高。2010年6月以后，中国宣布重启人民币汇率市场化改革，人民币汇率波动幅度增强，表现为人民币汇率同美元汇率的协同性降低。

（二）单位根检验

对时间序列进行线性回归的前提是要求变量必须为平稳时间序列，否则会出现“伪回归”问题。从图1可以看出，人民币汇率变动率ΔEER并没有表现出明显的上升或下降的趋势，但是为了分析的严谨性，本文依然对其进行平稳性检验。考虑到“汇改”后世界经济经历了多次重大冲击，可能会导致ΔEER存在截距项上的结构突变。因此，本文同时使用Zvoti & Andrews（1992）[20]的方法（以下简称“ZA检验”）以及ADF方法进行平稳性检验，结果如表1所示。

（三）干扰分析

受到样本量的制约，因此根据美国QE政策出台的时间表而将样本划分为不同的小样本来比较不同时间段内人民币汇率波动的差异并不可行。借鉴Box & Tiao（1975）及Engle（1982）的做法，首先使用全部样本来估计ARIMA模型，然后再引入干扰变量来定量分析金融危机对人民币实际汇率变动率与波动率的影响。

1.ARIMA模型估计

单位根检验的结果表明，人民币实际汇率变动率ΔEER为平稳序列，因此我们只需要构造ARMA模型。通过对ΔEER的自相关图以及偏相关图进行观察并考虑到模型的简洁性，本文采用ARMA（1，0）、ARMA（0，1）及ARMA（1，1）进行对比分析，相应的结果如表2所示。

从表2的ARMA（1，0）模型估计结果可以看出，ARMA（1，0）的滞后一阶项回归系数为03586，不仅其绝对值小于1而且高度显著，表明人民币实际汇率变动率为平稳序列且不同时间点上的变动率存在一定的相关性，同时也说明使用简单的均值分析并不能准确刻画金融危机对人民币汇率的影响。ARMA（0，1）的一阶滞后项系数为04352且高度显著，而ARMA（1，1）的一阶移动平均滞后项系数04255虽然高度显著，但是其一阶自回归移动平均项系数并不显著，说明整体上人民币汇率变动率ΔEER序列可以通过ARMA（1，0）或ARMA（0，1）模型来拟合。最后，为了选择合适的模型来反映人民币汇率变动的规律性，通过使用Ljung-Box的Q统计量对残差是否存在自相关性进行检验并结合AIC与SC标准进行判断，结果发现ARMA（0，1）模型是最优的。因此，下文使用ARMA（0，1）模型作为对人民币实际汇率变动趋势ΔEER进行干扰分析的基准模型。

2.金融危机对人民币汇率变动率的影响——基于ARMAX模型的检验

金融危机及其随后美国出台的一系列QE政策可以近似看成是影响人民币汇率变动的外生变量，因此使用ARMAX模型来进行分析是恰当的。接下来，在上述估计得到的ARMA（0，1）模型中引入金融危机虚拟变量来进行实证分析。由于本文考察的是金融危机背景下美国QE政策对人民币汇率的影响，因此定义国际金融危机发生的时点至关重要。从美国视角来看，金融危机于2007年8月爆发，至2008年9月美国政府接管“两房”时达到高潮。其中，2008年2月是一个关键时点（杨荣海，2010）[18]。因此，本文引入一个时间虚拟变量，将2008年2月及以后的数据设定为1，之前的数据设定为0。同时，考虑到金融危机爆发可能会对人民币汇率变动产生滞后效应，因此设定金融危机滞后一期的虚拟变量dum2，将2008年3月以后的数据定义为1，2008年3月之前（含2008年3月）的数据定义为0。另外，考虑到金融危机短期内对人民币汇率可能仅仅只会形成一个瞬时脉冲，另外构建了一个虚拟变量dum3，将2008年2月的数据定为1，其他时期的数据定为0。设置的虚拟变量表达式如下：

表3列出了估计的回归结果，滞后3期、6期、9期、12期回归残差滞后项的Ljung-Box的Q统计量均不能拒绝残差不相关的假设，表明模型不存在序列自相关性，得到的估计结果具有一定的可靠性。表3中（I）实证结果表明，虚拟变量dum1的系数为0001，但并不显著，说明在经济意义上金融危机会导致人民币汇率升值，但统计意义并不显著。（II）是考虑金融危机爆发后滞后一期的估计结果，实证结果表明，虚拟变量dum2的系数为0001，但并不显著，说明在经济意义上金融危机同样会导致人民币汇率升值，但统计意义同样不显著。（III）给出了考虑金融危机影响可能为短时脉冲的估计结果，结果显示，虚拟变量dum3的系数为00101，但不显著，这一结果表达了与dum1、dum2类似的经济与统计意义。

3.金融危机对人民币汇率变动率的影响——基于GARCH模型的检验

从图1可以看出，金融危机发生后，人民币汇率变动频繁且幅度增大，说明人民币汇率变动可能存在条件异方差的特点。如果模型存在条件异方差，说明得到的统计推断并不可靠。因此，接下来对ARIMAX模型的残差平方进行白噪声检验，表3最后4行给出了检验结果，可以看出，（I）列、（II）列及（III）列的回归结果，设置不同虚拟变量得到的回归残差平方的滞后n阶的Ljung-Box的Q统计量值均显著拒绝残差平方序列不存在自相关的原假设，表明ARMAX方程存在显著的ARCH（GARCH）效应。因此，接下来对本文所考察的问题进行基于ARCH（GARCH）效应的实证检验。

为了识别ARCH（或GARCH）模型的具体结构，采用Engle（1982）[19]方法进行分析。通过观察，发现对均值方程进行回归得到的残差平方项存在1阶或2阶相关，因此使用ARCH（1/1）、ARCH（1/2）以及GARCH（1，1）来对模型进行检验。相应的回归方程如下所示，具体的实证结果如表4所示。

从表4的（1）—（3）列可以看出，采用ARCH（2）模型得到的方程的残差既不存在序列自相关，也不存在ARCH效应，说明采用2阶自回归条件异方差ARCH（2）模型进行拟合得到的结果比较恰当。从均值方程估计得到的结果看，无论是采用ARCH（1）、ARCH（2）或GARCH（1，1）模型，金融危机虚拟变量对人民币汇率变动率的影响并不显著，说明单一的金融危机因素对人民币汇率并没有产生显著的实质性冲击。

由于美国分别在2008年11月5日、2010年11月4日、2012年9月15日以及2012年12月13日四次实施了QE政策，为了考察美国QE政策对人民币汇率的影响，分别引入如下四个虚拟变量，代表美国分别实施四次QE政策的起始时间。

在定义了虚拟变量以后，在均值方程（II）的基础上按时间先后顺序逐步引入美国是否实施了宽松货币政策的虚拟变量，得到的表达式如下：

表4中（4）—（7）列为模型（4）—（7）的估计结果。从结果可以发现，按照时间先后顺序逐步引入美国是否实施了宽松货币政策的虚拟变量得到的均值方程的估计残差不存在序列自相关，也不存在显著ARCH（或GARCH）效应，说明模型拟合较好。另外，通过对（4）—（7）列的实证结果进行分析可以发现如下几点现象：

首先，在考虑到美国实施QE政策的因素后，金融危机对人民币汇率变动率的影响变得显著为正，说明美国实施了QE政策以后，金融危机对人民币汇率会产生正的冲击并导致人民币升值。

其次，在美国2008年11月实施第一轮QE政策后，金融危机对人民币汇率的冲击会导致人民币升值，而美国实施的QE政策会对人民币汇率变动产生负向冲击从而导致人民币贬值，两者综合作用的结果直接导致了人民币面临强劲的贬值压力。究其原因，由于本文采用人民币实际汇率作为人民币汇率的代理变量，而人民币实际汇率主要考虑了贸易伙伴国货币的影响并通过加权平均而得到。“次贷危机”爆发以后，美联储一开始只是通过采用下调联邦基金利率等传统的利率工具来保持市场“流动性”，而此时其他经济体对美国货币政策并没有做出实质性反应。因此，总体来看，人民币汇率呈现升值态势。在启动第一轮QE政策以后，欧盟、英国和日本等国家竞相出台类似的QE政策，使得中国主要贸易伙伴国的货币如美元、欧元、英镑和日元等主要货币之间的相对价值呈现较大不稳定性与不确定性（刘锐，2013），并使得人民币实际汇率短期内升值与贬值等因素并存，两者综合作用的结果最终导致人民币实际汇率呈现贬值态势。

再次，美联储虽然先后实施了四轮量化宽松的货币政策，但是第一轮QE政策的实施对人民币汇率影响最大并直接导致了人民币汇率产生显著的贬值压力，而第二轮QE政策对人民币汇率产生显著的升值压力，第三轮与第四轮QE政策对人民币汇率的影响并不显著。究其原因，可能是金融危机虽然从2007年6月就开始显出端倪，但是直至2008年其对中国经济的影响才开始显现。从图2可以看出，2007年6月以后中国进出口总额虽然双双下降，但是中国的外贸顺差一直比较稳定，因此，2007—2008年中国经常项目收支并没有出现大的波动。同时，由于同期中国的资本项目并没有放开，因此综合来看，金融危机对人民币汇率冲击的影响并不显著。另外，从不同时期QE实施的规模和幅度来看，2008年11月5日，美国开始实施第一轮QE政策在已实施的四轮QE政策中的规模和幅度是最大的，不仅由政府直接购买房利美、房地美以及联邦住房贷款银行中与房地产直接相关的债务，而且还购买了由“两房”、联邦政府国民抵押贷款协会所担保的抵押贷款支持债券（MBS），同时直接购买美国长期国债3000亿美元，由此累计向市场投放了1725万亿美元的基础货币，导致美国基础货币的增幅达到了7813%。相对于第一轮QE而言，第二轮QE的规模则大幅度减弱，美国基础货币的增幅只有3577%①①数据来源于http：//research.stlouishfed.org/fred2/tags/series。，而第三轮与第四轮QE政策实施目的只是尽力压低美国长期利率，维持美国金融市场宽松的环境，其政策力度进一步减弱，因此第三轮与第四轮QE对人民币汇率的影响并不显著。此外，刘湘云和张佳雯（2013）认为，政府适应性学习行为是影响美国QE政策外溢的重要路径之一。由于政府也是属于众多经济体中的一员，因此也存在基于惯例的内部学习机制，当外部经济形势发生变化时，政府会基于外部搜寻学习机制，通过不断试错来提高其应对复杂经济形势的局面。从中国政策实践来看，在美国QE政策接连出台后，中国政府不仅加强了外汇市场的管制，而且采取了相应的紧缩政策来控制输入型通货膨胀。因此，政府学习机制及客观上QE政策力度的不断减弱也是造成美国第三轮与第四轮QE政策对人民币汇率影响并不显著的另一个主要原因。

四、结论及研究展望

本文以中国2005年7月—2013年10月的人民币实际汇率的月度数据为样本，采用干扰分析法对金融危机和美国量化宽松货币政策背景下的人民币汇率进行了实证分析。ARMAX检验的结果表明，单纯金融危机对人民币汇率的影响并不显著，表明金融危机本身并未对人民币汇率形成实质性影响与瞬时脉冲效应，而考虑美国量化宽松货币政策因素之后的金融危机对人民币汇率产生明显的贬值压力，两者综合作用的结果是对人民币汇率产生显著的贬值压力。相对而言，美国第一轮量化宽松货币政策对人民币汇率贬值压力最大，而第二轮量化宽松货币政策对人民币汇率产生升值的压力，第三轮与第四轮量化宽松货币政策对人民币汇率的影响并不显著。

研究表明，单纯的金融危机对人民币汇率的影响并不显著，而美国QE政策不仅会对人民币汇率产生冲击，而且会放大金融危机对人民币汇率的冲击，增强人民币汇率变动的不确定性，也增加了中国宏观调控的难度。在美国QE政策的示范效应作用下，欧洲、日本等也竞相实施本国版的QE政策。如仅在2012年，日本就连续六轮实施QE政策，以提振受地震和金融危机打击的日本经济。欧元区由于受到金融危机以及主权债务危机双重打击，欧洲中央银行先后实施了以担保债权购买计划（CBPP）、证券市场计划（SMP）、完全货币交易计划（OMT）构成的QE政策，加剧了全球性货币竞争贬值的态势，使得人民币汇率的不确定性得到进一步强化。现阶段，由于人民币汇率波动空间狭小，基本可视为准固定汇率制。当国内利率由于货币政策调控而上升时，人民币固定汇率制度使得通过人民币汇率自由浮动来抵消国内外利差的机制无法实现，导致国内利率长期高于国际利率并吸引大量套利资本进入，对中国金融管理体制产生冲击。当前，中国资本项目账户没有实现自由化，对“热钱”的流入起到了一定的抑制作用，然而“热钱”仍然会通过各种合法或不合法的途径流入中国，不仅会扰乱正常的金融秩序，也会对宏观经济波动起到推波助澜的作用。因此，短期内中国金融监管部门要加强经常项目交易的真实性审核，避免“热钱”通过虚假交易的方式从经常账户进入中国。由于流入的“热钱”除了进入房地产市场以及股票市场套利以外，相当一部分“热钱”进入到银行信贷系统，造成银行可贷资金增加，因此，要加强对金融机构的监管，避免扩大国内金融风险。

另外，从现有人民币汇率改革的节奏与进度来看，人民币短期内成为国际结算货币的可能性并不大，虽然连续多轮QE政策的推出对美元的公信力会产生一定的影响，但在短期内现有国际货币体系很难发生重大调整。考虑到美国是世界最大的经济体及全球经济增长的“发动机”，以美元为参照的人民币汇率可以保持基本稳定，减少汇率波动带来的不必要的交易成本，保持中国出口产品的竞争力。因此，短期内美元在决定人民币汇率水平的一篮子货币中的权重 “一股独大”的局面不能改变。从长期来说，人民币汇率形成机制可以尝试从参考一篮子货币向直接或紧或松地盯住一篮子货币的汇率形成机制转变，稳定国际市场对于人民币汇率升值的预期，缓解美国QE政策对于人民币升值产生的压力。从长远来说，中国要完善人民币汇率形成机制，提高人民币汇率浮动空间，减少套利资本的流入，同时加强地区经济合作，减少对美元和美国经济的依赖。

本文采用干扰分析的方法对金融危机以及由此而导致的美国连续四轮量化宽松货币政策对人民币汇率变动的影响进行了分析。然而，考虑到影响人民币汇率变动的因素除国际因素外，国内因素（如货币政策）对人民币汇率的影响也很大。因此，如何将影响人民币汇率的国内外因素结合起来并分阶段考察不同QE政策的操作方式对人民币汇率影响的差异，为进一步探究美国QE政策退出对人民币汇率可能产生的影响提供研究基础，而这是笔者进一步研究和努力的方向。

参考文献：

[1]Bernanke B， Reinhart V， Sack B. Monetary Policy Alternatives at the Zero Bound： An Empirical Assessment [J]. Brookings Papers on Economic Activity， 2004（2）：1-100.

[2]Auerbach A J， Obstfeld M. The Case for Open-market Purchases in a Liquidity Trap [J]. The American Economic Review， 2005，95：110-137.

[3]Gagnon J， Raskin M， Remache J， et al. Large-scale Asset Purchases by the Federal Reserve： Did They Work？[R]. Staff Report， Federal Reserve Bank of New York，2010.

[4]Vollmer U， Bebenroth R. The Financial Crisis in Japan： Causes and Policy Reactions by the Bank of Japan[J]. European Journal of Comparative Economics， 2012，9（1）： 51-77.

[5]王永茂，刘惠好. QE政策对汇率的影响——基于2001—2006年日本实证分析[J].国际经贸探索，2011（10）.

[6]叶文娱. 我国汇率与股价关联性的变化及影响因素——基于MS-VAR模型的分析[J].贵州财经大学学报，2010（5）.

[7]周亚军，张碧琼.利率、汇率与中国经常项目差额波动研究——基于跨时最优现值模型[J].山西财经大学学报，2012（10）.

[8]陈创练.我国经常账户失衡和人民币汇率的动态运行——基于新开放经济宏观动态一般均衡模型的估计[J].山西财经大学学报，2013（9）.

[9]李富有，罗莹.人民币汇率传递的物价效应分析——基于引入虚拟变量的ARDL模型的实证研究[J].国际金融研究，2013（2）.

[10]王树同，刘明学，栾雪剑.美联储“量化宽松”货币政策的原因、影响与启示[J].国际金融研究，2009（11）.

[11]张礼卿.量化宽松II冲击和中国的政策选择[J].国际经济评论，2011（1）.

[12]刘湘云，张佳雯.美国QE政策风险溢出效应：基于中美数据的考察[J].国际经贸探索，2013（9）.

[13]金洪飞，李向阳，林心怡. 国际金融危机对中国外商直接投资的影响—基于面板数据的经验分析[J].国际金融研究，2012（10）.

[14]全世文，曾寅初. 金融危机和欧债危机对中国进出口贸易的冲击效应——基于含结构变化的单位根检验[J].国际贸易问题，2013（2）.

[15]刘锐. 美国QE政策对中国经济的影响及对策[J].财经问题研究，2013（5）.

[16] Engle， R. F. and C. W. J. Granger. Co-Integration and Error-Correction： Representation， Estimation， and Testing [J]. Econometrica， 1987，55：251-276.

[17] G. E. P. Box ， G. C. Tiao. Intervention Analysis with Applications to Economic and Environmental Problems [J].Journal of the American Statistical Association， 1975，70：70-79.

[18]杨荣海. 国际金融危机背景下的中国金融稳定性研究[J].贵州财经大学学报，2010（6）.

[19]Engle R F. Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom inflation[J]. Econometrica： Journal of the Econometric Society， 1982，50： 987-1007.

[20]Zivot E， Andrews D W K. Further Evidence on the Great Crash， the Oil-price Shock， and the Unit-root Hypothesis [J]. Journal of Business & Economic Statistics， 2002，20（1）： 25-44.