人民币和日元汇率联动效应的实证检验

闫树熙，吴建銮，张 娥

（1.榆林学院 数学与统计学院，陕西 榆林 719000；2.西安交通大学 经济与金融学院，西安 710061）

0 引言

经济全球化和互联网的广泛应用，加速了世界金融市场的一体化。随着中国对外开放程度的不断提升和经济的飞速发展，人民币国际化开始成为政策制定者和学者们关注的焦点。在中国成为第二大经济体前，日本一直处于世界第二大经济体的位置，且早就开展了日元国际化，却遭到了失败，作为与人民币竞争最为激烈的日元和亚洲最大的两个经济体，任何一个国家汇率的变动均会对另一个国家造成影响。基于此，本文实证研究人民币和日元汇率之间的相互作用，以确定在人民币国际化进程中中国应如何应对日元汇率变动给人民币汇率和我国经济带来的影响。同时也给中央银行干预措施的决定、国际贸易、风险管理、投资组合的多样化等提供必要的决策参考信息。

欧元出现后，研究汇率联动和波动溢出效应的文献开始增多，但多以发达国家为主[1-10]。国内关于人民币和其他国家汇率的研究也多以波动溢出效应为主[11-16]，且主要基于GARCH模型。即使是联动分析也仅仅是以相关性分析为主，而对于两者之间的相互影响却没有引起足够的关注，且没有考虑时限长短对于结果的影响。一般而言，时序变量间的关系往往会因波动频率的变化而不断演变。小波多分辨率方法在非平稳时序数据分析和处理方面显示出很大的优势，它可以根据波动周期和演变趋势的不同，把原始数据序列分解成频度不同的分量。同时，也可以在不失去数据所包含的原始信息的前提下，将任何一个时序数列分解为不同细节和平滑的独立贡献。本文利用小波多分辨率方法在进行局部分析时所具有的这一灵活优点，将人民币和日元汇率进行有效分解，得到两变量序列分别在长、短周期下的波动溢出特征。并在此基础上根据各分量的特点，采取不同的计量方法，从时域和频域两个维度更科学清楚地分析二者间的相互传导影响和联动效应特征。

本文具有三个方面的创新：（1）使用小波多分辨率分析对原始数据进行分解，从时域和频域两个角度分析人民币汇率和日元汇率之间的相互影响；（2）对于汇率之间的波动溢出效应，大量的文献都进行了相关研究，而对其联动性的分析却较少，本文根据分解后变量的特征分别选用不同的计量方法进行实证以挖掘波动频率不同分量之间的异质性；（3）已有文献多采用日度名义汇率，而名义汇率并未考虑到各国的通货膨胀和贸易差距，本文选择实际有效汇率数据对两者之间的关系进行研究。

1 数据说明与变量分析

由于名义有效汇率对各种政策因素比较敏感，往往不能客观地反映出汇率变动的现实轨迹和特点。而实际有效汇率是经本国和所选取国家的价格水平间通过加权几何平均计算后与名义有效汇率乘积而得到，反映一个国家货币的对外价值更真实有效。因此，本文选取实际有效汇率指数作为人民币和日元汇率的替代指标进行具体分析，样本数据来自于国际清算银行，从1994年1月至2015年12月，共计264个月度数据，如图1所示。

图1 人民币和日元实际有效汇率指数的变动趋势

从图1中可以看出，人民币和日元汇率经历了多次正负相关的转换，且在1997年亚洲金融风暴和2008年全球金融危机期间两者呈现出显著地正相关关系，而在其他时间段则呈现出显著的负相关趋势。即人民币汇率和日元汇率之间的确存在联系，且这种联系是处在动态变化中的，考虑到经济变量存在滞后性，本文选择小波多分辨率分析，在将人民币和日元汇率进行时频分解的基础上研究两者之间的关系。

为消除异方差对结果的影响，文中均对所有的数据进行对数化处理，借助MATLAB数学分析软件，采用小波多分辨率分析方法对人民币和日元实际有效汇率数据进行分解，分别得到高频分量——短期分量以及低频分量——中长期分量。

图2显示的是通过小波多分辨率方法分解得到的人民币和日元实际有效汇率的短期与中长期分量序列的演变趋势。从图中不难看出，短期（高频）分量的波动频率均显著大于中长期（低频）分量，另外，低频分量具有较为明显的向上（人民币汇率）和向下（日元汇率）变动趋势，但高频分量基本一致地围绕着0作上下波动。

图2 人民币和日元汇率的小波多分辨率分解结果

表1和表2给出了原始序列和各个分量之间的相关系数。从表1可以看出，不论是日元汇率还是人民币汇率，短期分量与原始序列之间仅在10%的置信水平下存在相关性，且相关系数较小。可以说短期分量仅代表了市场上的噪音波动，并不会对原始序列的长期趋势产生影响；中长期分量则不同，其与原始序列的相关系数在1%的置信水平下高达70%以上。可以认为中长期分量是原始序列内在特征的体现，决定了原始序列长期的变动趋势。从表2可以看出，人民币和日元汇率及其各自相对应的分量之间的相关系数均在70%以上，即原始序列和频域相同的分量之间存在强相关性。考虑到直接对原始序列进行分析可能会受到短期分量和不合适的计量模型的干扰，影响最终结果的准确性，故本文从短期分量和中长期分量的本质波动特征出发，研究不同频域和时域下人民币汇率和日元汇率之间的相关性和联动特征。另外，从图2人民币汇率和日元汇率的演变趋势也不难看出，同一个变量的短期和中长期变动有着明显不同的趋势，即两个变量在不同频度的相互波动影响存在差异的可能性较大。因此，也说明对人民币和日元汇率两者关系的分析，需要在不同频度上进行。

表1 人民币和日元汇率原始序列和其分量之间的相关系数

表2 人民币和日元汇率各分量之间的相关系数

由于本文主要关注人民币汇率和日元汇率之间动态影响，因此选用向量自回归模型（VAR model），进一步研究两者之间的联动效应关系和动态波动特征。VAR模型的数学表达形式为：

式中，Yt是m维内生变量向量，A1，…，Ap是待估计参数矩阵，内生变量的滞后阶数为p阶，ɛt是随机扰动项，同期之间可以相关，但不能有自相关。

2 短期内的联动效应分析

构建VAR模型的前提条件是变量必须是平稳序列，因此在构建模型之前必须对序列的平稳性给予事先检验。在采用ADF单位根检验序列平稳时，要对序列的检验形式（是否含有截距项和趋势项）进行必要的设定。从图2可以看出，短期内，人民币汇率和日元汇率的波动不大，在0上下微小波动，故他们的单位根检验应采用既不包含截距项也不包含时间趋势项的检验形式。经过Eviews8.0检验表明，在99%的置信度下，两序列都已得到平稳。

向量自回归（VAR）是非结构化的模型，为进一步确定变量间的联动作用关系，需要对序列给予格兰杰因果关系检验。通过预先构建的VAR模型，依据LR、FPE、AIC、SC和HQ准则，确定短期内人民币汇率和日元汇率因果关系检验的最优滞后阶数为11阶，通过Eviews8.0，检验结果如表3所示。

表3 短期内人民币汇率和日元汇率的格兰杰因果关系检验

在5%的显著水平下，人民币汇率和日元汇率互为格兰杰原因，因此可以构建包含人民币汇率和日元汇率短期分量的VAR模型。系统的动态特征是VAR模型关注的一个重要方面，因此本文主要对VAR模型的脉冲响应和方差分解结果进行分析，如图3所示。分析中，选择脉冲响应和方差分解的期数为12期，在本期下，模型恢复稳定状态，以此来观察冲击反应的周期长短（VAR模型的平稳性检验结果中无特征根在单位圆外，即模型是平稳的）。

图3 短期内人民币汇率和日元汇率的脉冲响应和方差分解

从图3可以看出，就脉冲响应而言，日元汇率对人民币汇率一个标准差冲击的响应远大于人民币汇率对日元汇率一个标准差冲击的响应，即人民币汇率变动对日元汇率变动的影响要大于日元汇率变动对人民币汇率变动的影响。且人民币汇率对日元汇率的影响在第二期达到最大值，而后呈现出在正负之间切换的震荡递减的趋势，并在第24期左右趋于零；而日元汇率对人民币汇率的影响则在第7期左右达到最大值而后进入震荡递减趋势，并依然在24期左右趋于零。从方差分解的结果来看，人民币汇率对日元汇率的贡献率大于日元汇率对人民币汇率的贡献率，前者是后者的两倍还多。这再次说明，人民币汇率对日元汇率的影响要远大于日元汇率对人民币的影响，即短期内，在人民币汇率和日元汇率的联动效应中，人民币占主导地位。

综合以上，短期内，人民币汇率和日元汇率在5%的显著水平下互为因果关系，即不论是日元汇率变动还是人民币汇率变动均会引起对方的变动。而VAR模型的实证结果表明，人民币汇率对日元汇率的变动影响显著大于日元汇率对人民币汇率的变动影响。这说明，在两者的联动过程中以人民币汇率的变动为主导，进而短期内人民币已经可以部分预测日元汇率的变动，这对人民币国际化是一个利好消息。

3 中长期内的联动效应分析

由上文图2可知，人民币汇率的中长期分量呈现出逐步递增的趋势，而日元汇率的中长期分量呈现趋势与人民币汇率刚好相反。对他们分别进行ADF单位根检验表明两序列都是非平稳的，故不满足构建无约束VAR模型的条件，但非平稳变量间若存在协整关系，则可以建立向量误差修正（VEC）模型。接下来，对人民币汇率和日元汇率两个分量序列的一阶差分分别给予ADF检验，检验结果说明一阶差分后的序列都得到平稳，因而同为一阶单整序列，得到了协整检验对变量序列要求为同阶单整的条件。最后，与上述进行格兰杰因果关系检验一样，通过构建VAR模型，依据LR、FPE、AIC、SC和HQ准则，设定协整检验的滞后阶数为34阶，具体检验结果如表4所示。

表4 中长期内人民币汇率和日元汇率的协整检验

由表4可知，通过迹检验统计量和最大特征根检验统计量，在5%显著性水平下，两检验值对应的P值显示：人民币汇率和日元汇率之间存在协整关系，且至多存在一个协整关系。两分量间存在协整关系，则可以构建包含两者的VEC模型，滞后阶数的设定选择与协整检验一样，限于篇幅，只给出各变量滞后一阶的方程结果。

两个方程的R2和Rˉ2显示值大于0.98，拟合度高，另F值显著，故整个方程通过检验，而且AIC和SC值都较小，说明上述VEC模型具有理想的拟合效果。与短期内人民币和日元汇率的向量自回归模型一样，本文主要关注VEC模型的脉冲响应和方差分解结果，用以分析人民币汇率和日元汇率相互影响的动态特征，结果如图4所示，分析中，本文选择脉冲响应和方差分解的期数为120期，在中长期下，模型恢复稳定状态。

图4 中长期内人民币汇率和日元汇率的脉冲响应和方差分解

从图4可以看出，就脉冲响应而言，人民币汇率对日元汇率的响应小于日元汇率对人民币汇率的响应，即人民币汇率对日元汇率的影响大于日元汇率对人民币汇率的影响。但此时的影响方向以负向为主，即人民币汇率（日元）升值会带来日元（人民币）汇率的贬值，且人民币升值带来的日元贬值大于日元升值带来的人民币贬值。不论是人民币汇率还是日元汇率的响应程度均是由小逐步震荡性的增大并在第114期逐步稳定在一定的程度上，即此时一个标准差冲击带来的负向影响会一直存在。就方差分解来看，与短期分量不同，整体来看日元汇率对人民币汇率的贡献程度大于人民币汇率对日元汇率的贡献程度，但是在开始的30期以内，人民币汇率对日元汇率的贡献率却大于日元汇率对人民币汇率的贡献度，即在刚开始的时候人民币汇率对日元汇率变动的解释程度较大，而后随着时间的推移，日元汇率对人民币汇率变动的解释程度开始逐步超过人民币汇率对日元汇率的解释力度。但相比于短期分量，中长期分量两者相互之间的贡献率差距较小，均在114期稳定在38%左右的水平上。

综合以上，与短期分量一致，中长期内，人民币汇率和日元汇率依然互为因果关系，但此时两者的影响程度有所增加。且日元汇率和人民币汇率之间的关系不再以某一方为主导，而出现由人民币主导向日元主导的情况。同时，两者的相互影响程度不再呈现出明显差距，对彼此变动的解释力度均在38%左右。

4 结论

本文考察了亚洲两个最大经济体——中国和日本汇率的联动关系。考虑到波动频率对结果的影响，本文首先采用了小波多分辨率分析对原始序列进行划分，发现不同的分量之间呈现出不同的特征，在此基础上分别采用VAR和VEC模型实证检验了短期和中长期内人民币汇率和日元汇率的联动特征。结果发现：短期内，两者之间的相互影响均呈现出正负交替的震荡递减趋势并在最终恢复到零，且人民币汇率对日元汇率的影响大于日元汇率对人民币的影响，人民币汇率起主导作用；而中长期内，两者之间的相互影响均为负向，呈现出震荡递增趋势并在最终维持在了一定的程度上，且此时两者之间相互影响的主导力量出现了转移，即从人民币汇率为主导向着日元汇率为主导，但差距较小。综合以上说明，随着中国经济的高速发展，人民币在亚洲已然成为强势货币，与日元的地位不相上下，但这种影响、地位仍需加强和提高，从而为人民币的区域化、国际化创造条件。