中国科学技术大学 硕士学位论文 人民币汇率波动及其对中国 出口结构的影响 作者姓名 : 学科专业 : 导师姓名 : 完成时间 : 王利金融工程王相宁二 八年五月十日
Universiy of Science and Technology of China A disseraion for Maser s degree RMB Exchange-Rae Volailiy s Effec on he Srucure of China s Expor Trade Auhor s Name: specialiy: Supervisor: Li Wang Financial Engineering Xiangning Wang Finished ime: May 10 h, 008
中国科学技术大学学位论文相关声明 本人声明所呈交的学位论文, 是本人在导师指导下进行研究工作所取得的成果 除已特别加以标注和致谢的地方外, 论文中不包含任何他人已经发表或撰写过的研究成果 与我一同工作的同志对本研究所做的贡献均已在论文中作了明确的说明 本人授权中国科学技术大学拥有学位论文的部分使用权, 即 : 学校有权按有关规定向国家有关部门或机构送交论文的复印件和电子版, 允许论文被查阅和借阅, 可以将学位论文编入有关数据库进行检索, 可以采用影印 缩印或扫描等复制手段保存 汇编学位论文 保密的学位论文在解密后也遵守此规定 作者签名 : 年月日
摘要 摘要 005 年 7 月我国汇率制度改革后, 人民币对美元汇率持续升值, 人民币汇率浮动幅度也在扩大, 同时我国贸易顺差规模开始有所下降 因此对在有管理的浮动汇率制度下, 人民币汇率波动性及这种波动性对我国出口产业结构影响的研究有着重要的现实意义 本文首先考察了 ARCH/GARCH 类模型的理论研究 ; 然后在此基础上, 作为波动性研究的案例, 采用 GARCH IGARCH EGARCH 模型实证研究了人民币对美元汇率的波动性 实证结果显示 :IGARCH 模型对人民币 / 美元汇率收益率序列的参数估计结果优于 GARCH 模型和 EGARCH 的参数估计结果 ; 残差序列服从 分布 这说明人民币对美元汇率波动存在 聚集性 持续记忆性 的特点 同时从 IGARCH 模型的条件方差序列可以看出, 汇率制度改革后, 人民币对美元汇率波动性日趋剧烈 另一方面,EGARCH 模型的估计结果显示, 反映 杠杆效应 的参数的估计结果在统计上是不显著的 因此可以认为, 人民币对美元汇率波动不存在明显的 杠杆效应 在第二章和第三章中, 分别考察了协整理论 误差修正模型及长期均衡关系检验的方法 ; 针对基于协整技术的长期均衡检验方法要求回归因子是同阶单整的缺陷, 引入了 ARDL- 边界检验方法, 探讨了该方法所要求的模型假设条件 检验统计量构造及统计量的分布 在以上分析基础上, 第四章采用 ARDL- 边界检验方法, 对我国向美国出口额与其影响因素之间的均衡关系进行了检验 汇率波动的度量依据第一章研究的结果, 选取了 IGARCH 模型的条件方差, 以反映我国出口企业所面临的汇率风险 实证结果表明 :1 无论是在长期还是在短期, 人民币汇率波动对我国出口额的负面影响都是显著的, 但从弹性系数的绝对值看, 其影响的程度远远小于进口国的真实收入和相对价格水平 ; 汇率波动对各类出口产品的影响程度存在差别, 其影响程度从大到小依次为 : 资源密集型出口, 劳动密集型出口, 资本技术密集型出口, 食料品出口 结论是 : 人民币汇率波动具有 聚集性 持续记忆性 的特点 ; 这种波动对我国出口额产生了显著的负面影响, 但同时促进了我国出口产业结构的调整 关键词 : 汇率波动人民币汇率 出口产业结构 ARCH 模型 ARDL- 边界检验方法 I
Absrac Absrac Since he reform of China s exchange rae sysem in July 005, he rade surplus of China has declined wih he coninued appreciaion in he exchange rae of RMB agains he US dollar and he exended range of floaing exchange rae of RMB. The paper focuses on he research on he volailiy of RMB exchange rae and is influence on China s expor indusrial srucure under he well-managed floaing exchange rae sysem. The research has imporan pracical significance. This paper makes an empirical analysis on he volailiy of he RMB exchange rae agains he US dollar by adoping he ime series mehods including he uni roo es and he ARCH model. The resuls indicae ha he parameers esimaion by he IGARCH model and he GARCH model has a higher precision han ha by EGARCH. The research on he disribuion of residuals shows ha residuals follow he suden s ~disribuion. All hese indicae ha he volaile exchange rae of RMB agains he US dollar has he characerisic of aggregaion and persisence. Judging from he condiional variance of he IGARCH model, he exchange rae of RMB agains he US dollar flucuaes more and more drasically afer he reform of China s exchange rae sysem. The ROE parameers esimaion by he IGARCH model reflecs ha he parameers esimaion wih leverage effec is saisically inapparen. So, he volailiy of RMB exchange rae agains he US dollar has no obvious leverage effec. The paper coninues o sudy he coinegraion heory, he error correcion model, he examinaion mehod of long-run equilium in chaper wo and chaper hree. The long-run level esing mehod of he coinegraion echnics requires ha he regressors mus be inegraion of one. Based on he defec, ARDL-bounds esing approach is inroduced; he model assumpions, he srucure and he disribuion of es saisics required by he approach are discussed in he wo chapers. Based on he above analysis, he paper ess he equilibrium relaionship beween he volume of Chinese expor o he Unied Saes and is influencing facors by using he ARDL-bounds esing approach. The exchange rae risks which Chinese expor companies face can be seen from he condiional variance of he IGARCH model used in he measuremen of he volailiy of RMB exchange rae. According o he empirical research in he paper, we can draw he following conclusions: (1) Wheher II
Absrac in he long or shor erm, he volailiy of he RMB exchange rae has remarkably negaive influence on he China s expor amoun; bu judging from absolue value of he elasic coefficien, he volailiy of he RMB exchange rae has less negaive influence han he real income of impor counries and he relaive price level. () The volailiy of he exchange rae has differen influence on he various expor producs which rank downward in he order of resource inensive producs, labor inensive producs, capial and echnology inensive producs and foodsuff producs in he way ha hey are influenced. Key Words: exchange rae volailiy; he RMB exchange rae; he ARCH model; ARDL-bounds esing approach; expor rade srucure III
目录 目录 前言 1 第一章人民币对美元汇率的波动性 1.1 文献回顾 1. ARCH/GARCH 模型的理论介绍 3 1.3 波动性研究案例 : 人民币 / 美元汇率波动实证分析 6 第二章协整理论与误差修正模型 15.1 协整理论 15. 误差修正模型 16.3 协整与误差修正模型的关系 17 第三章长期均衡关系的检验方法 19 3.1 基于协整技术的长期均衡关系检验 19 3. ARDL- 边界检验方法 1 第四章人民币汇率波动对中国出口产业结构的影响 7 4.1 研究背景 7 4. 出口方程描述和汇率波动的度量 9 4.3 数据说明和实证分析 30 4.4 结论与启示 35 总结 36 参考文献 38 致谢 40 攻读学位期间发表的学术论文与取得的其他研究成果 41 IV
前言 前言 自布雷顿森林体系瓦解后, 国际货币体系进入浮动汇率时代, 外汇市场上汇率频繁波动, 汇率走势不确定, 由此导致金融 贸易等领域的汇率风险加剧 此后, 对汇率波动性的研究成为金融分析中的重要课题 例如, 探讨汇率波动的规律 特点, 并对汇率的走势进行预测, 为规避汇率风险提供理论依据和工具等 在这些研究中,ARCH 类模型是被广泛用于汇率波动性分析的重要工具之一 因为该类模型引入条件方差来刻画方差的变异, 能更好地描述汇率波动的现象 汇率波动会引起国际间贸易品价格的波动, 使国际市场的交易者面临汇率风险和利润的不确定性, 因而引发了关于汇率波动对国际贸易的影响的探讨 但是就汇率波动对国际贸易是否产生影响, 以及产生何种性质的影响 ( 即产生的影响是消极的, 还是积极的 ) 而言, 无论是在理论上, 还是在实证上至今没有形成系统 一致的结论 在汇率波动对国际贸易的影响的实证研究中, 汇率波动测度方法的不同以及变量间均衡关系检验所采用方法的不同是结论存在分歧的重要原因 005 年 7 月我国汇率制度改革后, 人民币对美元汇率持续升值, 人民币汇率浮动幅度也在扩大, 同时我国贸易顺差规模开始有所下降 因此对人民币汇率波动性及其对我国出口影响的探讨有着重要的现实意义 本文将在回顾汇率波动性研究文献和 ARCH 类模型的基础上, 实证分析人民币对美元汇率波动特征和人民币汇率波动对我国出口产业结构的影响 并拟采用 Pesaran, Shin 和 Smih (1999,001) 提出的长期均衡关系检验方法, 即 ARDL- 边界检验方法对我国出口额和其影响因素间的均衡关系进行检验和估计 本文结构安排如下 : 第一章为汇率波动性相关研究回顾 ARCH 类模型介绍, 以及人民币对美元汇率波动性的实证分析 ( 单位根检验 ARCH 效应检验和模型估计 ); 第二章考察协整理论和误差修正模型 ; 第三章为长期均衡关系检验方法的相关研究, 针对基于协整技术的长期均衡关系检验方法的不足, 引入了 ARDL- 边界检验方法的相关理论 ( 包括假设条件 检验统计量构造及统计量的分布 ) 根据第一章中人民币汇率波动性的研究结论和第二 三章介绍的误差修正模型及长期均衡关系检验方法, 第四章实证检验我国实际出口额和其影响因素之间的均衡关系, 以评价汇率波动对我国出口额是否存在长期影响以及对我国出口产业结构调整的影响 最后, 对全文做一简要总结并得出本研究的结论 1
第 1 章人民币对美元汇率的波动性 005 年 7 月 1 日, 中国人民银行宣布启动人民币汇率机制改革, 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 此后, 人民币汇率不再盯住单一美元, 对美元汇率持续升值, 且汇率波动的幅度也逐渐扩大 这种汇率波动幅度的扩大, 在我国以美元为主要结算货币的对外贸易中, 必然增加实体经济和介入企业融资的银行的外汇风险, 进而对涉外经济主体和银行的经营产生重要影响 基于此, 从理论上考察波动模型, 定量分析人民币汇率的波动性, 无论是对我国实体经济还是对银行体系都有着重要的现实意义 本章首先对汇率波动性的文献进行综述, 然后对 ARCH 类模型进行简要介绍 最后, 作为波动性研究的案例, 以我国汇率制度改革后的 005 年 8 月 -008 年 月人民币对美元名义汇率为样本, 采用统计和计量分析的方法研究人民币汇率波动的特征 1.1 文献回顾 传统计量经济学模型中, 随机扰动项的方差被假设成不变的 然而, 汇率时间序列数据的典型特征是波动性随时间而变化, 在某一段时期内剧烈变动而在另一段时期内又相对平缓 在这种情形下, 同方差的假设不再适用 对汇率时间序列异方差的建模成为外汇市场波动性研究的一大焦点 这些研究中多以自回归条件异方差模型 (ARCH) 和广义 ARCH(GARCH) 模型为主体 Engle 于 198 年第一次提出了自回归条件异方差模型 (ARCH 模型 ) 该模型引入条件方差来分析方差的变化, 让条件方差作为滞后随机扰动平方的函数, 提供了解决异方差的新途径 Bollerslev 在 ARCH 模型的基础上, 提出广义自回归条件异方差 (GARCH) 模型, 让条件方差作为滞后随机扰动平方和滞后条件方差的函数而变化, 该模型是对 ARCH 模型的重要扩展 此后在 ARCH 模型 GARCH 模型的基础上, 涌现出各种形式的改进模型, 如 EGARCH,IGRACH, 长记忆 GARCH 模型等, 并被用于金融市场波动性, 尤其是汇率波动性和股价波动性的建模研究中 将 ARCH/GARCH 模型用于汇率研究的学者有 :Hsieh(1988) Baillie 和 Bollerslev(1989) Torben,Bollerslev, Diebold 等 ( 001),Ali Khalil Malik(005) 其中,Hsieh(1988) 使用 1973-1983 年间美元的五种汇率的日数据, 实证地考察了汇率变化的统计特征 他对观察到的汇率分布的厚尾性提出了两种完全不同的假设性解释 : 一种解释是说数据是从一个不随时间变化的厚尾分布中独立得到的 ; 另一种解释则认为数据来自于随时间而变化的分布 Hsieh 的实证结果拒绝
第一章人民币对美元汇率的波动性 了前一假设, 拒绝的原因是数据均值和方差的变化 Baillie 和 Bollerslev(1989) 在研究美元汇率的日数据和周数据时发现,ARCH 效应具有极明显的统计显著性, 但是对于频率较小的样本数据, 如月数据 季度数据,ARCH 效应却是逐渐减弱, 直至消失 他们用随机扰动项服从 分布的 GARCH(1,1) 模型估计了汇率时间序列, 得到的 a 值非常接近于 1, 表明汇率时间序列是一个单整 GARCH 过程 Torben, Bollerslev, Diebold 等 (001) 使用德国马克和日元对美元汇率日收益率数据, 建立模型估计汇率波动分布和两种汇率波动之间的相关性, 完善了 GARCH 模型在使用过程中对样本分布的限制条件 Ali Khalil Malik(005) 基于英镑 欧元对美元汇率研究了欧洲汇率波动的动态性, 比较了简单形式的 GARCH 模型与新近发展的 FIGARCH EGARCH FEGARCH 模型在模拟汇率波动方面的优劣, 指出简单形式的 GARCH 模型模拟能力优于对比的其他模型 国内也有学者将 ARCH 类模型应用于汇率波动方面的研究 任兆璋和宁忠忠 (004) 使用 ARCH 模型研究了 NDF( 人民币无本金交割 ) 汇率时间序列 他们的实证研究结果表明, 用人民币 NDF 汇率作为人民币汇率预期的代理变量时, 人民币汇率预期存在 ARCH 效应, 具有高峰 厚尾 波动群集性和非对称性等特征 戴晓枫和肖庆宪 (005) 采用 ARIMA 模型和 EGARCH 模型对人民币 / 美元的日汇率序列进行了实证研究, 并进行了预测和评价 其研究结果表明, EGARCH 模型的预测结果较为理想, 适合描述人民币对美元汇率的变动趋势 李凯和张稳瑜 (005) 基于美元对日元日汇率数据的实证研究, 检验了汇率时间序列的 高峰厚尾 的分布特征, 并且通过 GARCH 模型 TGARCH 模型和 EGARCH 模型, 验证了外汇市场在信息不对称条件下, 对好消息和坏消息的波动反应程度不同, 汇率市场有明显的的杠杆作用 苏岩和杨振海 (007) 检验了人民币 / 日元汇率与波动的时间序列特征, 证实存在简单单位根过程及条件异方差性 计算表明, 其汇率变化率的 ARMA 及 ARMA /GARCH 组合模型的建模不成立, GARCH EGARCH IGARCH 模型的建模效果接近, 且 GARCH (1, 1) 拟合效果最好 GARCH (1, 1) 模型的跨度为一年的样本外条件异方差预测, 显示出该年末汇率的震荡, 与实际情况一致 GARCH (1, 1) 是汇率数据建模的首选模型 1 1. ARCH/GARCH 模型的理论介绍 1..1 ARCH 模型 大量的实证研究发现, 金融时间序列都没有固定的均值, 大多数序列在呈 1 参考张世英, 樊智 (004) 第 6 章 3
第一章人民币对美元汇率的波动性 现出阶段性的相对平稳的同时, 也伴随着波动 这种波动具有集群性, 即随机扰 动往往在较大幅度波动后而伴随着较大幅度的波动, 在较小幅度波动后紧接着 较小幅度的波动, 随即扰动项的方差存在明显的时间可变性 (ime varying) 在这种情况下, 随机扰动项是同方差的模型不能正确刻画序列的波动性 为了刻画金融时间序列的这种波动性,Engle 在传统经济计量学模型基础上, 引入了条件方差来分析方差的变化, 让条件方差 是 q 期滞后扰动平方,,... } 的线性函数, 从而有 : { 1 q y u (1..1) 其中, e( ) e 1/ q 且 0 i i i 1 式中 : 是随机扰动项, 其分布为 N(0,1); 是 的条件方差, 且 / F 1 的分布为 N(0, ), F 1 表示已知信息集 为了避免出现条件方差 为负的可能性, 又限 定 a 0 0, a 0( i 1,,..., q) i Engle 提出的 ARCH 模型突破了传统的异方差模型方式, 由于其更好地反 映了现实的金融时间序列的波动性而得到广泛应用, 并成为经济计量学领域研究 条件方差的重要手段 但是该线性 ARCH 模型也存在着一些缺陷, 张世英和樊 智 (004) 对其缺陷做了如下总结 : 1 在实际应用中,ARCH( q ) 模型为得到更好的拟合效果通常需要很大 的阶数 q, 这不仅增大了计算量, 还带来了诸如解释变量多重共线性等问题 在 ARCH( q ) 模型中, 被认为是新息 (innovaion) 的偶函数, 这是一种不 合理的结论 因为 的大小不仅仅取决于 1的绝对值, 而且也受 1正负的影响 ARCH 模型中条件方差只依赖于新息的大小, 而与新息反映的趋势无关, 它未能充 分利用新息所提供的信息 3 在 ARCH( q ) 中为了方便起见, 将 设定为 的 线性函数, 而在现实中线性情况只是特例, 是对非线性情况的近似, 而对不同的问 题, 这种近似程度是不同的 4 ARCH( q ) 中, e 被设定为服从正态分布, 但越 来越多的研究表明, 在一些金融序列中, 这种正态性假设不符合实际情况 ( 引 用张世英, 樊智 (004) 第 6 章,06 页 ) 1.. GARCH 模型 4
第一章人民币对美元汇率的波动性 1...1 线性 GARCH 模型 Engle 提出 ARCH 模型之后, Bollersler 针对 ARCH 模型的部分缺陷, 提 出了广义自回归条件异方差 (generalized ARCH,GARCH) 模型, 让条件方差是一 个 ARMA 过程, 即有 : / F 1 ~ N(0, ) q p 0 i i i i i 1 i 1 (1..) 其中 : p 0, q 0, 0 0, 0 ( i 1,..., q), i 0( i 1,..., p) p 是 GARCH i 项的阶数,q 是 ARCH 项的阶数 ARCH 项反映了外部冲击对波动的影响 ;GARCH 项反映了系统的长记忆性 ; 两者之和反映了波动的持续性 为保证 GARCH 过程是平稳的, 存在着参数约束条件 i 1 q p i i 1 i 1 与 ARCH 模型相比,GARCH 模型具有更灵活的滞后结构 而且, 高阶的 ARCH 模型可以用比较低阶的 GARCH 模型来表示, 以减少估计参数, 便于模 型的识别和估计 实证上一般采用 GARCH(1,1) 模型 其条件方差函数为 : (1..3) 0 1 1 由于随机扰动项服从正态分布的 GARCH 过程无法准确描述金融时间序列厚 尾分布的现象,Bollersler 提出了 GARCH 模型, 假设随机扰动项服从 分布 大部分的研究结论认为 GARCH 模型可以较好的解决金融时间序列数据的厚 尾性质, 因此该模型被许多学者采用 在本章 1.3 节的案例研究中采用了 GARCH (1,1) 模型 即, y ~ 分布 (1..4) u 0 1 1 其中,u 表示平均收益, 0, 0 GARCH 模型是对 ARCH 模型的重要发展 但是,GARCH 模型并未能解决 上述 ARCH 模型的第 个缺陷, 即 值取决于 1的大小而与 1的作用方向无 关 此外, 为了确保 为正, 线性 GARCH 模型对参数 a, 要求非负的约束也 是一种限制 这种限制使得今期的条件方差上一期的随机扰动方差和条件方差呈 正相关关系, 从而排除了 下行震荡的可能性 5
第一章人民币对美元汇率的波动性 1... 单整 GARCH(IGARCH) 模型 Engle 和 Bollerslev 提出, 在 GARCH 模型中, 若参数满足 a j 1, q p i i 1 j 1 则称具有这种特征的 GARCH 模型为单整 GARCH 模型或 IGARCH 模型 这时, 任何当前期的条件方差 对所有未来期的条件方差都会产生持续性 的影响, 即 具有 持续记忆性, 而无条件方差 无穷大 IGARCH 模型描 述了条件方差波动的持续性质, 对分析金融市场的波动性有重要的现实意义 1...3 EGARCH 模型 Nelson 提出了指数 GARCH(exponenial GARCH,EGARCH) 模型, 其条件方差函数为 : p q k ge k j j k 1 j 1 (1..5) ln( ) ( ) ln 且 e g( e) e r( e E e) 模型中参数 刻画了过去冲击对当前条件方差的影响 如果 0, k 那么当外部冲击 负时, 条件方差将趋向于增加, 而当外部冲击 为正时, 条 件方差将趋向于减小 因此在波动大小相同的情况下, 未来条件方差在负波动下 的增幅大于正波动下的增幅, 从而 EGARCH 模型刻画了正负冲击影响的非对称 性, 即为 杠杆效应, 便于描述金融价格的波动 k 1.3 波动性研究案例 : 实证分析人民币 / 美元汇率波动 1.3.1 数据说明 本节考察的汇率波动是双边名义汇率波动, 以 005 年 8 月 -008 年 月人 民币对美元日汇率数据为样本, 数据来源于中国人民银行公布的基准汇率 1.3. 005 年汇率制度改革后的人民币汇率走势 005 年 8 月后人民币对美元汇率走势如图 1.1 所示 从图中可以看出 : 6
第一章人民币对美元汇率的波动性 (1) 人民币对美元汇率持续升值 自 005 年 7 月 1 日央行宣布我国实行汇率制度改革 ( 以下略称 : 汇改 ) 后, 人民币对美元汇率持续升值, 并在 006 年 7 月 19 日突破 8 1 后, 出现了加速升值趋势 按照汇改时 8.11 1 的汇率计算, 汇改以来至 008 年 月末, 人民币对美元汇率累计升值超过了 15%, 且日益逼近 7 1 的心理关口 () 汇率波动幅度增大 伴随着人民币的升值, 汇率波动的幅度也在扩大, 央行于 007 年 5 月 1 日宣布银行间即期外汇市场人民币对美元交易价格浮动幅度由 0.3% 扩大至 0.5% 007 年 1 月 3 日, 国家信息中心经济预测部在公开发表的 008 年宏观经济趋势预测及宏观调控对策中建议,008 年应进一步增强人民币汇率弹性, 适度扩大人民币对美元汇率波动区间, 将银行间即期外汇市场人民币兑美元交易价日浮动幅度由 0.5% 扩大至 1% 按基准汇率计算,005 年 8 月 -1 月, 人民对美元汇率的平均日波幅为 0.0%, 最大单日升值 贬值幅度约为 0.07%;008 年第一季度, 平均日波幅为 0.1%, 最大单日升值 贬值幅度均达到了 0.3% 以上, 超过了 007 年 5 月 1 日前日浮动区间 0.3% 的水平 (3) 汇率波动双向态势日益显著 人民币汇率波动由持续升值的单边运行趋势逐步演变为有涨有跌的双边态势, 日间双向波动明显, 汇率浮动弹性逐步增强 8.0 8.00 7.80 7.60 7.40 7.0 7.00 006M01 006M07 007M01 007M07 008M01 图 1.1 005.8-008. 人民币 / 美元汇率走势图 1.3.3 人民币汇率平稳性和单位根检验如果一个时间序列的均值或自协方差随着时间的变化而改变, 那末这个时间序列就是非平稳的 在对时间序列建模时, 通常以解释变量的平稳性为前提, 而很多金融 经济时间序列数据是非平稳 因此, 在对时间序列建模时, 通常要先进行平稳性检验, 一般采用单位根检验的方法 本文采用的单位根检验方法是 7
第一章人民币对美元汇率的波动性 ADF 检验 考虑以下时间序列过程 : y y (1.3.1) 1 其中, 是随机扰动项 若参数 1, 则序列 y 包含一个单位根, 此时序列是 非平稳的 检验 y 是否是单位根过程就需要检验 是否等于 1 上述时间序列过程可以改写为 : y y (1.3.) 1 其中, 1 检验 是否等于 1 等价于检验参数 是否 0 检验假设为: H : 0; H : 0 0 1 在原假设成立的条件下, 对参数 估计值进行显著性检验的统计量不服从常 规的 分布,Dickey 和 Fuller 于 1979 年给出了检验临界值, 故该检验被称为 DF 检验 根据序列 y 性质的不同,DF 检验的模型如下两种形式 : (1) 包含常数项 : () 包含常数项和线性时间趋势项 : y c y (1.3.3) 1 y c y (1.3.4) 1 在 DF 检验中, 对上式, 常常因为序列存在高阶滞后相关而破坏了随机扰动 项 是白噪声的假设 ADF 检验对此作了改进, 假定序列 y 服从高阶的自回归 过程, 在模型中引入了滞后差分项, 以使随机扰动项序列相互独立 与 DF 检验的三个模型相对应的 用于 ADF 检验的模型是 : y y y y... y (1.3.5) 1 1 1 p p 1 y c y y y... y (1.3.6) 1 1 1 p p 1 y c y y y... y (1.3.7) 1 1 1 p p 1 笔者对 005 年 8 月至 008 年 月的人民币对美元的日汇率时间序列进行平稳性检验时发现人民币汇率存在明显的升值趋势, 因此选用模型 (1.3.7) 进行 ADF 检验 检验结果见表 1.1 8
第一章人民币对美元汇率的波动性 表 1.1 人民币 / 美元汇率单位根检验结果 -Saisic Prob.* Augmened Dickey-Fuller es saisic 0.15985 0.9978 Tes criical values: 1% level -3.971748 5% level -3.416509 10% level -3.130578 从检验结果来看,ADF 统计量的值是 0.15985, 大于 10% 检验水平下的临界 值, 因此可以认为人民币对美元汇率的时间序列是非平稳的 对非平稳的时间序列, 一般采取两种方法消除趋势项 : (1) 序列的 典型分解式 (derending) 即将序列分解为趋势项 季节项 和随机扰动项 () 差分 (difference) 若时间序列经过一次差分后为平稳的时间序列, 则称该序列为一阶单整序列 在此, 笔者采取对汇率时间序列数据差分的方法, 得到如下时间序列 : y ln( rae ) ln( rae 1) (1.3.8) 其中, y 表示汇率日收益率,ln( rae ) 位根检验的结果见表 1. 表示名义日汇率的对数 对 y 序列进行单 表 1. 人民币 / 美元汇率收益率的单位根检验结果 -Saisic Prob.* Augmened Dickey-Fuller es saisic -5.154 0.0000 Tes criical values: 1% level -3.43985 5% level -.86564 10% level -.56900 从上表可以看出 :ADF 统计量的值为 -5.154, 小于 1% 检验显著性水平下 的临界值, 故可以认为汇率收益率序列是平稳的, 即人民币对美元汇率序列是一 阶单整的 1.3.4 人民币对美元汇率日收益率的统计特征分析 由图 1. 可以看出 : 与图 1.1 对比, 人民币对美元汇率日收益率时间序列数 据相对较平稳, 没有明显的时间趋势 ; 汇改初期其波动幅度很小, 随着人民币升 值的加速, 其波动幅度也逐步增大, 并呈现出明显的双边波动态势 9