程 宇,夏若雯
(哈尔滨工程大学经济管理学院,黑龙江 哈尔滨 150001)
汇率改革对人民币兑美元汇率中间价的影响
——基于ARIMAX模型的实证分析
程宇,夏若雯
(哈尔滨工程大学经济管理学院,黑龙江哈尔滨150001)
为研究2015年汇率改革对人民币汇率的影响,本文以2014年1月1日-2015年12月5日的人民币兑美元汇率中间价的日数据为样本,采用干扰分析法对2015年央行“汇改新政”背景下的人民币兑美元汇率中间价进行了实证分析。ARMAX检验的结果表明,汇率改革在经济意义上会导致人民币贬值,同时统计意义也是显著的。汇改引发人民币贬值的主要过程:一是离岸市场平美元头寸的需求触发了离岸人民币汇率的第一波贬值;二是套利盘进一步恶化了人民币贬值预期,给人民币带来了巨大的贬值压力并触发了第二波贬值。
汇率改革;人民币汇率;干扰分析
2015年8月11日,为了进一步增强市场机制在汇率形成中的作用,发挥汇率在调节外汇供求和促进国际收支平衡中的功能,同时也为人民币加入SDR做准备,央行决定进一步完善人民币兑美元汇率中间价报价机制,增强其市场化程度和基准性。这次汇改,引发了国内金融市场的剧烈波动,同时也诱发了国际游资等外围资金频繁出入我国金融市场,造成我国金融账户波动明显,对人民币汇率也产生了重大影响。
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具有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2015年8月11日“汇改”对人民币汇率产生的影响,有利于总结“汇改”经验,对进一步深化人民币汇率形成机制改革具有一定的借鉴意义。
自从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ARIMA以后,很多学者利用该模型研究经济指标的变化规律。然而,现实经济中很多时间序列除了自身的变化规律外,还会受到其它多个时间序列的影响。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,ARIMAX模型又称扩展的ARIMA模型,即在ARIMA模型的基础上引入解释变量,提高了模型预测效果。由于经济行为往往会受到政策调整、节假日等干预事件的影响,Box&Tiao(1975)在传统时间序列分析中引入了干预事件对变量趋势的影响,并将这种带有干预分析的模型用于定量分析突发事件对经济变量的影响。
1、变量选择与数据初步分析
本文采用干扰分析法对2015年央行“汇改新政”背景下的人民币兑美元汇率中间价进行实证分析,为了尽量保证分析结果不受其他重大事件的影响,同时考虑到日数据比月数据包含更多汇率变动信息,且可以扩大样本数量,提高估计精度,因此本文选择的样本区间为2014年1月1日—2015年12月5日。在此基础上,为了避免数据的剧烈波动,将人民币汇率数据e对数化处理后得到lne。
图1 人民币兑美元汇率变动的时序图
图1反映了人民币对美元汇率变动的时序图。可以看到,2014年全年人民币对美元汇率贬值0.36%,这是人民币汇率自2010年重启汇改以来首次出现年度贬值。2014年,美元兑人民币汇率呈现“N”形走势,波动性较往年明显加大,印证了人民币汇率已接近均衡水平、单边升值成为历史。在2015年最初的几个月,人民币对美元汇率呈现先贬值后升值的震荡走势,年初至3月中旬最高贬值1.2%,但随后快速升值至年初水平6.2左右。2015年8月11日,央行决定进一步完善人民币兑美元汇率中间价报价,增强其市场化程度和基准性。当天开盘时,人民币兑美元汇率中间价较上一个交易日大幅下调1136个基点,报6.2298,跌幅接近2%,人民币即期汇率和离岸人民币汇率也出现大幅下跌。
2、ADF检验与Phillips-Perron平稳性检验
首先,对lne序列进行平稳性检验。Lne是人民币汇率数据e对数化处理后得到的人民币汇率中间价数据,本文使用ADF方法与Phillips-Perron方法进行平稳性检验,从表1中可以看出,ADF检验与Phillips-Perron检验的概率P值分别为0.62与0.83,均大于显著性水平0.05,差异不具有显著性,接受存在一个单位根的原假设,证明了该序列的非平稳性。
表1 lne的平稳性检验
表2 dlne的平稳性检验
其次,对dlne进行平稳性检验。数据lne进行一阶差分得到序列dlne,表2是对dlne进行ADF检验与Phillips-Perron检验后的结果。通过表2可以看出,dlne序列拒绝存在一个单位根的原假设,进一步说明经过差分后的序列已经平稳,可以为之后的建模使用。
3、干扰分析
本文借鉴Box&Tiao(1975)及Engle(1982)的做法,首先估计出合适的ARIMA模型,然后再引入干扰变量来定量分析汇率制度改革的实施对人民币汇率的影响。
(1)ARIMA模型的构建。单位根检验的结果表明,经过对数化处理并一阶差分后人民币兑美元汇率中间价数据序列为平稳序列,因此只需要构造ARMA模型。我们可以通过观察自相关图与偏自相关图大致确定ARMA模型的适宜阶数,考虑到模型的简洁性,本文分别对ARMA(1,0),ARMA(0,2),ARMA(1,2)进行回归得到表3,并采用AIC和SC准则进行模型的筛选。
通过使用Ljung-Box的Q统计量以及回归的DW值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(0,2)模型是最优的。在对该模型进行残差白噪声检验时发现,q统计量的伴随概率均大于0.05同时残差不存在自相关性,为白噪声序列,说明时间序列中有用的信息已经被提取完毕了。因此我们选择ARMA(0,2)模型作为对人民币兑美元汇率中间价进行干扰分析的基准模型。
通过建立方程对象的方式建立ARMA模型,得到的ARMA(0,2)模型的估计结果,该模型修正后的拟合优度为25.46%,MA(1)、MA(2)的系数分别为0.5472和0.2689,同时P值均小于0.05,说明MA(1)、MA(2)的系数高度显著。
(2)汇率改革对人民币兑美元汇率的影响—基于ARIMAX模型的检验。2015年8月11日的汇改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ARIMAX模型来进行分析是恰当的。在上述估计得到的ARMA(0,2)模型中引入汇改政策虚拟变量来进行实证分析。由于本文考察的是汇改政策对人民币汇率的影响,因此定义汇改发生的时点至关重要。其中,2015年8月11日是一个关键时点。因此,本文引入一个时间虚拟变量,将2015年8月11日及以后的数据设定为1,之前的数据设定为0。设置的虚拟变量表达式如下:
在此基础上,构建人民币兑美元汇率中间价的均值方程为:dlne=α+β1ma(1)+β2ma(2)+γdum1+εt
表4列出了ARMAX模型估计的回归结果,实证结果表明,虚拟变量dum1的系数为正,p值小于0.05,说明在经济意义上汇率改革会导致人民币汇率贬值,同时统计意义也是显著的。
表4 ARIMAX模型估计结果
表5为ARIMAX模型的Ljung-BoxQtest检验结果,说明滞后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5 ARIMAX模型的Ljung-Box Q test检验结果
通过构造ARIMAX模型,对实证结果进行分析可以发现以下几点现象。
首先,2015年8月11日的汇率制度改革是影响人民币走势的一个因素,同时对人民币汇率的影响是显著的。dum的系数为正值,说明汇改对人民币兑美元汇率中间价的影响为正,即导致人民币贬值。
其次,2015年8月11日附近,离岸市场平美元头寸的需求触发了离岸人民币汇率的第一波贬值。离岸市场人民币流动性的主要来源并非离岸人民币存款,而是通过银行间外汇掉期交易获得。在汇改之前,投资者普遍预期人民币汇率会维持稳定,如图2所示,一个月的美元对人民币掉期价格保持在150个点子左右的低位。汇改当天,一个月的掉期价格跳升至220个点子,随后一路飙升,直至8月26日达到600个点子的历史高点。这反映投资市场参与者前期为了获得人民币流动性,积累了大量的美元负债,导致汇改后美元买盘需求强烈,从而引发了人民币贬值。汇率的动荡让某些机构开始看空人民币,通过借入离岸人民币来做空,进一步恶化了人民币贬值预期,让其他投资者平美元头寸的压力更大,导致人民币掉期价格一路飙升。
图2 美元对离岸人民币一个月掉期开盘价
同时,由于人民币贬值预期强烈导致美元对人民币掉期价格上升,离岸投资者获得人民币的成本上升,相当于堵塞了一个重要的人民币供给渠道,离岸人民币利率出现飙升。8月25日,香港离岸人民币隔夜拆借利率达到7.81%的高位。直到香港金管局向市场释放人民币流动性才平抑掉期价格和利率的波动。
从这个角度来看,离岸市场汇率和利率形成的恶性循环是人民币汇率贬值预期迅速发酵的重要原因。一方面,离岸市场缺乏央行提供流动性,投资者只能通过掉期交易等衍生品间接获得美元,导致自身美元敞口过高。另一方面,离岸市场没有逆回购市场,遇到流动性紧张时没有缓解机制,利率会不断攀升。在这个过程中,当期汇率贬值引发利率上升,利率上升使远期汇率贴水,诱发贬值预期,贬值预期又再度提升短期利率,循环往复。
再次,套利盘进一步恶化了人民币贬值预期,触发了第二波贬值。当离岸人民币和在岸人民币的汇差从86激增至500个基点以上时,境内外套利盘闻风而动。在合法途径下,大多数跨境企业都会在内地购汇,香港结汇或者在内地远期售汇。在灰色途径下,则会利用香港设立的贸易账户或者人民币NRA账户进行虚假贸易,这些套利交易恶化了人民币的贬值预期。然而,由于央行不再使用中间价干预,每天的CNY汇率基本是连续的,套利盘不再局限于日度套利,套利成本大幅下降,对第二天的贬值预期也越来越强烈。
为了应对离岸市场人民币汇率的波动,中国人民银行采取了重要举措。第一,直接对在岸和离岸市场进行数量型干预,降低汇差水平,压缩套利空间。第二,加强对远期合约的管理,征收远期售汇20%准备金增加套利成本和难度。第三,加强资本流动管理,对贸易真实程度和人民币NRA账户进行严格审查,减少套利渠道。这几项措施都非常有针对性地打击了跨境套利的投资者,在8月26日和9月11日分别将汇差收窄至600个基点和260个基点。
本文以中国2014年1月1日至2015年12月5日的人民币兑美元汇率中间价的日数据为样本,采用干扰分析法对2015年央行“汇改新政”背景下的人民币兑美元汇率中间价进行了实证分析。ARMAX检验的结果表明,在经济意义上汇率改革会导致人民币汇率贬值,同时统计意义也是显著的。针对2015年8月11日的汇改引发的金融市场波动,中国人民银行积极采取了相应举措,有针对性的打击了跨境套利的投资者,在8月26日和9月11日分别将汇差收窄至600个基点和260个基点。这次汇改,进一步增强了市场机制在汇率形成中的作用,使得人民币汇率更好地发挥在调节外汇供求和促进国际收支平衡中的功能,客观地说,这次汇改促进了人民币稳步成为国际储备货币,对人民币加入SDR也起到了关键性作用。
2015年汇改政策对人民币兑美元汇率变动的影响是显著的。然而,考虑到影响人民币汇率变动的因素除国内因素外,国际因素(如国际贸易环境)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因素对人民币汇率影响的差异是进一步研究和努力的方向。
[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).
[2]张奕韬:基于ARIMA模型的外汇汇率时间序列研究[J].华东交通大学学报(基础科学版),2009,26(5).
[3]田涛、商文斌、陈鹏:美国量化宽松货币政策对人民币汇率的影响[J].贵州财经大学学报,2015,175(2).
[4]周建、赵琳:人民币汇率波动与货币政策调控难度[J].财经研究,2016,42(7).
[5]李明景、汪金菊:基于ARMA—稀疏贝叶斯模型的汇率预测研究[J].合肥工业大学学报(自然科学版),2014,37(8).
[6]吴秀波:“8·11汇改”后人民币汇率和外汇储备前景[J].价格理论与实践,2015,375(9).
(责任编辑:郭亚娟)
中央高校基本科研业务费学生科技创新计划,编号:HEUCFS2016。