经济政策不确定性对汇率风险传染的影响研究

王江涛,崔文浩,肖殿荒

(1.华中师范大学 经济与工商管理学院,湖北 武汉 430079;2.中山大学 岭南学院,广东 广州 510275)

一、引言

2015年12月,时任央行副行长易纲在人民币加入特别提款权(SDR)有关情况的会议上表示,人民币汇率形成机制改革的最终目标是“实现人民币汇率的清洁浮动”。缪延亮等分析指出,所谓“清洁浮动”,应基本对应于现行IMF分类中的自由浮动;相比人民币目前实行的管理浮动汇率制度,其具有干预更少、更透明、方式更市场化的特点[1]。人民币汇率形成机制改革与利率市场化、资本项目开放等内容共同构成当前中国金融体系改革开放的核心内容,其在为中国走进世界舞台中心之进程提供更多机遇和更好条件的同时,向国际金融体系的全面融入与市场化接轨也使防范系统性金融风险跨境传染的工作面临更为复杂的形势和愈益严峻的挑战[2]。开放格局下的人民币市场可能成为外部风险向中国内部传导的窗口。这种风险传染直接表现为某一外币汇率遭受冲击后的大幅震荡向人民币汇率传导。选择何种操作路径以尽可能规避和化解金融改革过程中凸显的系统性风险,正成为学者和政策制定者广泛关注的热点问题。

应当注意到,将跨境风险的快速传染视为汇率自由化浮动的必然代价并非对这一问题的全面认识;指向“清洁浮动”的人民币汇率改革本身具备产生和解决矛盾的双重性质。一方面,汇率波幅区间限制的逐渐放宽乃至最终取消,伴随协同推进的资本账户开放改革,快进快出的套利资本使得人民币汇率容易出现短期超调现象,并且货币当局因干预频率和方式受限可能难以通过调整外汇储备的市场操作及时遏制汇率的过度波动。系统性金融风险经由外汇市场向中国宏观经济蔓延的概率有所上升。另一方面,也应看到,干预更少、更市场化、更透明的汇率形成机制也意味着政策不确定性的下降以及人民币汇率灵活程度的提高,从而十分有利于外汇市场上自动调节器功能的发挥,同时也能够避免僵硬的干预政策下容易出现的投机资本冲击和货币政策有效性损失。透明化政策的平稳预期效应能够在较长周期内避免汇率的大起大落,从而抑制来自外部冲击的风险传导。由此,本文提出问题:经济政策不确定性相比利率差、双边贸易等传统基本面因素,其下行能否成为人民币汇率日益自由化浮动下限制汇率共振的重要力量,从而有效抑制国际冲击向人民币汇率的传染?对这一问题的研究能够加深对汇率形成机制市场化之影响的理解,从而有助于进一步厘清汇率改制在中国金融改革开放之顶层设计中所处的位置,为决策者识别和优化改革路径提供政策启示。

二、文献综述

系统性金融风险的核心思想是金融风险的传染,即一个金融机构、金融市场所面临的冲击,向金融系统中的其他机构及其他市场迅速传递[3]。其在外汇市场上表现为某种货币的汇率变动影响其他货币的汇率变动。关于货币汇率联动特征的研究早已有之。例如,Frankel等建立货币锚模型,用于回答东亚在当时究竟属于美元集团(Dollar Bloc)还是日元集团(Yen Bloc)的问题[4]。但该方法在揭示不同货币汇率间的关系时,只关注部分货币市场间的局部联系,而忽略全球货币体系的整体特征,故不能充分地描绘汇率风险的传染[5]。2008年的金融危机将经济系统中各元素间更加复杂的相互依赖性暴露出来,呼唤学界对经济网络的研究。货币市场中的风险传染具有典型的网络特征;时兴的网络模型将这种金融主体间的相互关联直接纳入建模过程,将之应用于汇率风险的传染,能够有效提高分析的准确性。由此,基于网络视角的研究方法在近年的文献中颇为流行。

相关文献采用的网络分析方法大体可分为两种类别:一是使用VAR模型,以Diebold等提出的方差分解指标构建变量间的网络关系[6]。周颖刚等采用此类方法计算G20经济体间货币汇率的相互影响水平,进而构建人民币国际影响力指数[7]。该方法的局限之处在于:一方面,估计结果中不直接包含传染结构的信息,以传染强度的某一分位点为阈值识别主要风险传染关系的操作具有主观色彩;另一方面,此类模型往往局限于描述线性的风险传染关系,不能捕捉汇率风险传染网络中各节点间的非线性关系(文中实证部分证实了非线性关系的存在),故结论可能存在偏差。二是使用格兰杰因果检验方法。余博等采用该方法识别5种货币汇率间的收益率溢出关系,进而得到汇率系统网络的总体关联特征[8]。Billio提出了非线性格兰杰因果检验方法,杨子晖等分析了19个主要国家(地区)的经济政策不确定性与股票和外汇市场间的传染效应[9-10]。不过,非线性方法无法进一步识别传染强度,故也不能适应本文的研究目的。另外,分析汇率风险传染效应的驱动因素同样具有现实价值。现有研究通常在网络识别完毕后采用面板回归的方法研究特定因素对风险传染程度的影响[7-8]。但是,如此操作只能分析各因素对风险传染强度的影响,若要进一步分析对风险传染结构的影响则力不从心。如果将对外生因素之影响的分析纳入网络模型本身的构建过程,也许能够得到更为深入的分析结论。

货币汇率联动性质的影响因素繁多,相关文献多关注双边贸易、金融联系、经济周期和货币政策相似性等宏观经济因素[11]。除基本面因素外,央行干预政策的可预测程度也可能改变汇率风险的传染效应。对投资者而言,一方面,经济政策不确定程度的上升对其在本国进行的投资存在显著的负向影响[12-13]。这是因为不确定性提高了市场上的风险溢价,从而导致投资者在本国进行融资的成本和难度上升;同时,面对更为分散的投资回报分布,投资者也会要求更高的收益率以对冲额外风险[14-16]。对本国投资的减少令本国资产价格相对下降,货币贬值。另一方面,本国投资者也可能抛售外国资产以缓解流动性短缺问题,从而联动导致外国货币的贬值。黄乃静等发现,作为能够改变投资者行为的非基本面因素,经济政策不确定性(Economic Policy Uncertainty,EPU)是冲击人民币与欧元间相互溢出的关键影响变量[17]。这一效应极有可能也存在于整个汇率风险传染网络的各个节点之间。基于这种认识,本文在现有研究基础上,将研究问题具体化:①EPU对汇率风险传染是否存在显著影响?若存在,其是否为影响汇率风险传染的关键因素?②就人民币受到的汇率风险传染而言,全球整体EPU水平、中国EPU水平和风险来源市场EPU水平中,何者的影响更为突出?③影响方式方面,不同类型的EPU对人民币受到的汇率风险传染产生的影响是正向还是负向?对这些问题的探究,不仅能加深对系统性金融风险与经济政策不确定性之间关系的理解,也为人民币国际化进程中防范跨境风险冲击、维持金融市场稳定的实践提供决策启示。

基于上述分析,本文通过引入一种前沿的网络模型,分析外汇市场中的风险传染以及经济政策不确定性对这一风险传染效应的影响。具体而言,首先,采用一种网络结构识别算法得到汇率风险传染网络中节点群的次序关系;其次,将识别出的次序关系融入建模过程中,构建变系数模型描述节点间风险的传染,其中节点间风险传染强度被设定为外生变量(此处为EPU)的函数;最后,基于实际数据,采用贝叶斯方法估计出节点间的传染强度,并依据估计结果识别汇率风险传染网络,探究EPU对汇率风险传染的影响。本文的边际贡献表现在如下三个方面:第一,从研究视角来看,不同于多关注联动性质的时变特征或基本面因素影响的现有文献,本文侧重于经济政策不确定性这一非基本面因素的影响;考虑到这一因素在人民币汇率形成机制的未来发展中可能起到的遏制风险传染的突出作用,透过这一视角的研究对改革路径的选取决策存在一定启示作用。第二,从研究方法来看,本文将一种较为新颖的网络方法引入汇率联动研究领域。该方法能够克服已有方法存在的若干缺陷,充分利用货币市场中风险传染的网络特征,更为深入地挖掘相关文献难以涉及的信息。第三,从研究结论来看,本文不仅分析了EPU影响汇率风险传染的综合效应,还探究了不同类型EPU对汇率风险传染的影响特征;所得到的具体结论对外汇市场的风险防范具有重要的现实意义。

三、模型设计、指标构建和数据说明

(一)风险传染网络的识别

变量间的网络结构对分析变量间的数量和因果关系具有重要价值。风险传染具有典型的网络形态。考虑到货币间风险传染效应的非对称特征,我们采用有向无环图(Directed Acyclic Graph,DAG)G=(V,E)建模其间风险传染的网络结构,其由表示各货币汇率的有序节点V={1,2,…,p}和表示风险传染路径的有向边E⊂V×V构成。采用两步方法确定风险传染网络:首先,依据汇率间风险传染特征,确定各货币节点的先后次序;其次,根据这一次序,识别节点间可能的有向连接及对应强度,即识别出网络的传染路径和传染强度。

为此,首先要确定节点V的次序,即识别风险传染网络的结构。现有在DAG框架下识别网络结构的方法大体可分为两种类别:基于约束(Constraint-Based)的方法和评分搜索(Score and Search)方法[18]。基于约束的方法以变量间的联合概率分布与由边反映的条件独立性质间的关系为识别网络结构的依据,其代表性工具为PC算法[19]。该算法从全连通的无向图出发,对图中存在的由3个(组)节点构成的“V结构”进行逐个检验,确定各边的存在性和方向。该方法能够快速处理由大量节点构成的高维网络,但估计结果受检验在节点间的实施顺序影响[20]。由于本文考虑的节点仅有十余个,为增强估计结果的客观性,我们选择虽运行速度较慢但结果更为稳健的评分搜索方法。评分搜索方法以网络结构对样本数据的拟合效果为识别依据。Kuiper等比较了三种基于采样的评分搜索方法:结构MCMC(Structure MCMC)、有序MCMC(Order MCMC)和分块MCMC(Partition MCMC),结果显示,相比其余两种方法,分块MCMC能够在提供无偏估计的同时,具备较快的收敛速度[18]。因此,我们采用分块MCMC方法估计风险传染网络中节点的次序。

分块MCMC方法的基本步骤如下:第一步,将DAG中所有节点划分为有序的若干分块(Partition),并假定每个分块内部各节点间无有向边相连(即相互条件独立);除最上游(父系)分块之外,每个分块内的节点至少通过一条有向边与其相邻上游(父系)分块内的节点相连接。第二步,计算当前分块方式对样本数据的拟合效果,即评分(Score)。第三步,更新分块方式,即搜索(Search),计算新分块方式的评分,以评分变化为依据构建是否接受新分块方式的概率准则,促使马尔可夫链在高评分(即拟合效果较好)的分块中转移;其中,分块的更新从以下几种情况中选择:①交换两个不同分块内的节点;②将一个分块分解为两个分块;③合并两个分块;④将某个节点从一个分块移动到另外一个分块;⑤交换两个分块内的两个节点。第四步,重复第三步,直至获得足够数量的独立样本。

(二)模型设计

在获得节点次序的基础上,进一步建模可能存在的风险传染关系。假设随机变量Xht表示某种货币汇率在t时刻的收益率,为风险传染网络中的一个节点;Xt=(X1t,X2t,…,Xpt)T是由所有网络节点构成的随机向量。在没有识别出节点次序的情况下,要分析货币h的汇率风险主要传染源,就需要同时考虑其他所有货币j,j≠h的汇率变量Xjt;即使在货币数量p并不很大的情形下,其计算量也可能大到难以操作。在识别出各节点群的次序之后,货币h的汇率风险传染源仅局限于其所在分块的父系分块所包含的货币节点中。假设Xt服从多元正态分布,则可用线性模型(1)描述第h(h=1,2,…,p)个货币的汇率与其父系节点的关联:

Xht=∑j∈pa(h)Xjtβhjt+εht

(1)

Xht=∑j∈pa(h)Xjtβhjt(Ut)+εht

βhjt(Ut)=θhjt(Ut)×I{|θhjt(Ut)|>Th}

(2)

其中,Ut为影响风险传染系数βhjt的外生变量向量,Th为阈值。在本文的实证研究中,

Ut=(EPUg,t,EPUj,t,EPUh,t,t)T

θhjt(Ut)=μhj+fhj,1(EPUg,t)+fhj,2(EPUj,t)+fhj,3(EPUh,t)+fhj,4(t)

(3)

其中fhj,l(·),l=1,2,3,4,为待估计的函数;t为时间;EPUg,t为t时期全球的EPU水平;EPUj,t和EPUh,t分别为货币h和货币j对应国家(地区)t时期的相对EPU;相对EPU的计算方式为当地EPU减去全球EPU,其取值若大于0,表示当地政策的不确定程度高于全球平均水平,反之亦然。模型中将EPU对βhjt的影响分解为全球EPU的影响fhj,1(EPUg,t)、风险来源市场相对EPU的影响fhj,2(EPUj,t)和节点h对应市场相对EPU的影响fhj,3(EPUh,t)三部分。fhj,4(t)反映其他时变因素的影响。

在模型中引入阈值函数I{|θhjt(Ut)|>Th}的目的是:剔除微弱因素的影响,使得模型识别的网络具有稀疏结构。对某一分块内的货币h而言,分块MCMC方法识别出的其上游分块内的所有节点都是其潜在风险源,但并不是所有潜在风险源都会显著影响货币h的汇率;通过引入阈值函数,我们能够将部分影响微弱的父系节点所对应的风险传染系数压缩为零,从而在简化识别网络结构的同时,把握主要矛盾。为避免主观因素的影响,估计过程并非预先设定Th,而是将其作为待估参数处理。这一模型的基本框架由Ni等构建[21]。

文中构建的模型主要有如下优势:第一,模型的构建过程将网络结构中节点群之间的次序融入其中,充分利用信息。第二,用变系数可加形式描述节点间的关系,使得模型不仅能确定非线性网络关系,而且还能度量出节点间风险传染强度。第三,将节点间风险传染强度设定为关于EPU等外生变量的函数,这种设计在度量出节点间风险传染强度的同时,为分析外生因素对传染强度和传染结构的影响,提供了可行的途径。

(三)参数估计与指标构建

为论述方便,本文构建了如下一些指标。

1.传染频率

2.平均传染强度

3.关联数

4.溢出效应和溢回效应

此外,为表述方便,记βhjt,g=fhj,1(EPUg,t),βhjt,j=fhj,2(EPUj,t),βhjt,h=fhj,3(EPUh,t),分别用来衡量全球EPU、风险输出国家(地区)的相对EPU和风险输入国家(地区)的相对EPU对风险传染系数的影响。

(四)数据说明

选取四种来自发达市场的货币(美元USD、欧元EUR、英镑GBP、日元JPY)、四种来自新兴市场的货币(巴西雷亚尔BRL、印度卢比INR、墨西哥比索MXN、俄罗斯卢布RUB)、人民币CNY和与人民币联系较为紧密的新加坡元SGD作为本文研究的汇率风险传染网络的货币节点。选取的货币所对应的国家和区域基本囊括了世界各地区的主要经济体,样本内所有国家2019年的名义GDP之和占到世界总值的80%左右,其人口之和也超过世界总人口的半数,因此本文所选取的货币节点具有一定的全面性和代表性。以上述十种货币汇率的SDR标价为分析对象,样本数据包括自2003年4月到2020年5月的月度平均数据,数据来自IMF数据库。对汇率数据做对数差分处理以获得收益率序列。各货币汇率收益率的描述性统计结果如表1所示。可以看到,各货币汇率均不能拒绝其为平稳序列的假设,并至少在0.05的显著性水平下通过了正态性检验。

经济政策不确定性数据来自Baker等构建的数据库[15]。其中欧元区数据由比利时、法国、德国、希腊、爱尔兰、意大利、荷兰、西班牙数据按各国2019年GDP加权平均得到。表2报告了经济政策不确定性数据的主要统计指标。

表1 货币汇率数据描述性统计

表2 经济政策不确定性数据描述性统计

四、实证结果

(一)汇率风险传染网络的基本特征

考虑到某一货币的汇率收益率可能受到该货币和其他货币汇率上一期收益率的影响,我们将各个货币的汇率收益率及其一期滞后作为网络中的节点。分块MCMC方法得到的节点次序如表3所示。

表3 货币节点次序和分块

表3中,“_lag”后缀表示对应货币的一期滞后。可以看到,位于分块11中的人民币的潜在风险传染源包括分块1到分块10中的所有货币(以及这些货币的一期滞后),但不包括分块11中的其他货币(印度卢比)和分块12到分块15中的所有货币。节点次序的计算结果意味着,人民币位于风险传染的偏下游位置,容易受国际外汇市场波动的影响。

首先,整体来看,一方面,美元和新加坡元在整个汇率风险传染网络中处于最上游,是主要的风险输出货币;这一特征在表4中体现为其横排对应的数值大部分为0,而纵排对应的数值都比较大。美国凭借其在经济、政治、科技等方面的强大实力成为全球主要汇率风险输出国;新加坡有优越的地理位置和发达的金融市场,其货币也成为全球主要的汇率风险源。另一方面,比索和卢布处于网络的最下游,其汇率受到网络中几乎所有货币汇率的影响,同时对其他货币汇率的影响十分微弱。其次,就人民币而言,其在汇率风险传染网络中处于中下游位置,对其他货币具有一定的影响力,又在很大程度上受到其他货币的影响;由平均溢出效应指标可知,人民币影响其他货币的能力在十种货币中位于第七位,处于中下水平,而受其他货币影响的程度(即平均溢回效应指标)却仅次于卢布,位于第二位。由此可见,在中国经济体量的支持下,人民币虽已形成一定的带动其他货币汇率变动的能力,但汇率形成机制的逐步市场化和资本账户开放改革同时也使得冲击由其他货币向人民币传导的渠道逐渐通畅,人民币面临较大的跨境风险冲击。从风险防范的角度来看,由表4可知,人民币的主要汇率风险源依次为日元、美元、新加坡元和欧元;四种货币不论在传染频率(分别为100.0%、78.4%、76.5%和51.0%)还是平均强度(分别为1.171、0.574、0.568和0.334)方面,均对人民币产生较大影响。这意味着,当这些货币汇率因受当地或国际事件冲击出现震荡时,人民币汇率也可能受到连带影响,从而形成间接地使中国宏观经济运行失稳的力量。因此,研究这种风险传染效应的影响因素对人民币汇率改革和国际化进程中维持中国金融市场乃至整体经济环境的稳定具有重要价值;而在诸多影响因素中,经济政策不确定性可能居于重要地位。

表4 汇率风险传染网络的基本特征

(二)经济政策不确定性对汇率风险传染的整体影响

现有研究表明,经济政策不确定性显著影响汇率波动水平,在系统性风险的跨市场传播中发挥关键作用[10,23-24]。但就汇率风险传染而言,经济政策不确定性是否会对其产生影响、影响的程度有多大、是否是其关键影响因素等问题对防范风险具有重要意义,现有研究尚未涉及。本节中,我们以汇率风险传染网络中的人民币节点为代表,对上述问题进行分析。在汇率风险传染网络中,人民币节点面临的风险输入强度为其对应的溢回效应(SFO(h)t);而溢回效应可分解为受EPU影响的部分SFO(h)EPU,t=|∑j∈pa(h)(βhjt,g+βhjt,j+βhjt,h)|和受其他因素影响的部分SFO(h)x,t=|∑j∈pa(h)(μhj+fhj,4(t))|;因此,EPU对风险传染的影响程度,可通过SFO(h)EPU,t与SFO(h)x,t的相对大小体现。具体情况见图1和图2。

图1 人民币溢回效应的分解

图2 EPU和其他因素对人民币溢回效应之影响的比例

图1以时间为横轴,溢回效应为纵轴,给出了人民币溢回效应以及EPU和其他因素的影响在不同时间点上的大小。其中实线描绘人民币溢回效应,即SFO(h)t;点线描绘EPU对溢回效应的影响,即SFO(h)EPU,t;虚线描绘除EPU外的其他因素对溢回效应的影响,即SFO(h)x,t。图2为SFO(h)EPU,t与SFO(h)x,t之比;受纵轴范围限制,大于10的数据点被绘制为10。可以看到,首先,整体来看,EPU对溢回效应的影响在数值大小和波动情况方面均与溢回效应本身十分接近,EPU与其他因素之影响的比例在大多数时间点上大于1。也就是说,就人民币的风险传染效应而言,EPU的影响比其他因素的影响更为重要,其既为构成人民币溢回效应的关键因素,也是导致人民币溢回效应波动的主要原因。因此,EPU是向人民币传导风险的枢纽;政策不明朗程度的变化显著地影响着中外投资者的行为,其引发的投资规模和方向的变化导致人民币和外币容易在短时间内共同震荡,从而成为外部冲击向中国金融市场外溢的关键渠道。其次,局部来看,2017年后,EPU对人民币溢回效应之影响的上升势头趋缓,EPU与其他因素对人民币溢回效应之影响的比例亦有所下滑。其原因可能是党的十九大将防范化解金融风险置于三大攻坚战之中以来,中国政府在调整财政和货币政策时提高了防控金融风险在目标函数中的权重。由于经济政策不确定程度的提高也意味着当局以更为灵活的方式应对外部冲击,这一政策转向也在一定程度上抑制了人民币溢回效应的攀升。

透过人民币溢回效应,EPU进一步影响汇率风险传染网络的基本结构。也就是说,随着EPU对人民币溢回效应之影响的变化,向人民币汇率溢出风险的货币数量和种类也会发生改变。图3对此进行了详细说明。从左至右、从上至下,图中各子图分别反映了EPU对美元、欧元、英镑、日元、巴西雷亚尔、俄罗斯卢布和新加坡元指向人民币汇率的风险传染效应的影响;各子图中,横坐标为时间,纵坐标为EPU对相应风险传染效应的影响大小。在被阴影部分覆盖的时间中,对应货币停止向人民币溢出风险;即此时汇率风险传染网络中不存在由对应货币指向人民币的有向边。由图3可以看出,一方面,整体来看,阴影区域中,反映EPU之影响的曲线通常处于相对低位。换句话说,各货币停止向人民币溢出风险的时间段往往与EPU对相应风险传染效应影响较小的时间段相重合,这说明人民币汇率是否存在与某一外币汇率的联动关系受到当时经济政策不确定程度的影响。以人民币与美元的汇率依赖关系为例,美元在2006年下半年到2009年上半年,以及2015年末到2016年末停止向人民币溢出风险。究其原因,可能是2005年和2015年的两次汇率形成机制改革后,人民币汇率浮动的市场化程度上升,这使得经济政策整体的不明确程度对人民币汇率形成的影响下降;由于美元汇率仍是人民币汇率形成的最重要参考指标,故这一效应在汇改后的一段时期内有效抑制了中美货币市场间的风险共振。另一方面,从时间序列上的变化来看,由图3可知,从21世纪初到近十年,向人民币市场溢出风险的货币种类明显增加,从仅有美元和日元到将除卢布外的货币均囊括在内,而EPU的影响也在这段时期内呈上升趋势。这说明人民币节点入度的增加虽与汇率制度变迁和人民币国际化息息相关,但也与EPU在后危机时代的变化脱不开干系。全球EPU指数在2008年危机中骤增,在后危机时代的波动水平远高于危机前,间接地对汇率风险传染产生了很大的影响。这要求监管部门在防范系统性风险时更加关注EPU这一指标的变化。

图3 EPU对汇率风险传染网络结构的影响

图4 汇率风险传染网络

接下来分析EPU对整个汇率风险传染网络的影响。我们发现,EPU不仅影响人民币节点的溢回效应,也影响大多数货币节点间的风险传染。我们通过图4说明这一点。图中的节点与风险传染网络中的各节点相对应;人民币节点(包括其一期滞后节点)以三角形描绘,其他节点以圆形描绘;三角形或圆形的大小反映对应节点的入度大小,图形面积越大,则对应节点的入度越大。节点间的有向线段表示风险传染关系;线段的指向表示风险的传染方向;线段的粗细表示风险传染在样本期内的平均强度,线段越粗,表示风险传染越强;线段的类型表示影响对应风险传染强度的因素:点线表示仅依赖于全球EPU水平的边,虚线表示仅依赖于局部[输出国(地区)或输入国(地区)]相对EPU水平的边,实线表示同时受到全球EPU水平和局部相对EPU水平影响的边。图中没有描绘滞后节点间的有向边。此外,与全球EPU水平和局部相对EPU水平均无关的边(仅有一条)也未显示在图中。图4表明,EPU对货币间风险传染效应的影响具有普遍性。其原因在于,在识别出的所有94条有向边中,只有1条有向边(由欧元一阶滞后指向卢布)与所有EPU指标均无关,仅占所有风险传染关系的1.06%。

(三)各类经济政策不确定性对汇率风险传染的影响

1.经济政策不确定性影响溢回效应的相对大小

图5 不同EPU指标影响的相对大小

2.经济政策不确定性对溢回效应的影响方式

不同EPU指标对溢回效应的影响不仅在相对大小上存在区别,影响方式也各具差异。在本小节中,我们进一步分析不同EPU指标对溢回效应的影响大小与对应EPU水平之间的关系。由于风险来源市场相对EPU实际上涉及多个EPU指标,其影响溢回效应的方式在不同风险源间有所差异且无明显规律存在,此处仅探究全球EPU和中国相对EPU对溢回效应的影响方式。具体地,分别将全球EPU和中国相对EPU的影响大小与其对应的EPU水平绘制于同一张图中,具体结果见图6。

图6 全球EPU和中国相对EPU影响溢回效应的方式

五、结论与启示

人民币国际化是中国提升国际影响力和综合国力的必由之路,但这一进程也伴随着外部冲击沿着汇率渠道向中国金融市场蔓延概率的上升。如何在汇率改制的过程中控制和回避汇率风险的跨境传染?对这一问题的研究能够为改革过程中方向和节奏的把握以及宏观审慎管理框架的构建提供有益启示。本文采用一种新颖地融合了网络结构信息的图方法,以人民币为代表节点研究作为外生变量的经济政策不确定性对汇率风险传染的影响。主要研究结论包括如下几点:

第一,EPU能够影响各货币节点的溢回效应和汇率风险传染网络的基本结构。就人民币而言,EPU在数值大小和波动情况方面均构成影响人民币溢回效应的关键因素。随着EPU的变化,与人民币存在汇率联动关系的货币数量、种类和风险传染强度均会发生变化。

第二,全球EPU和风险来源市场相对EPU是EPU之综合影响的矛盾主要方面。特别地,EPU之综合影响的波动主要来自于风险来源市场相对EPU之影响的波动。中国相对EPU的影响相对微弱,但近几年呈现出一定的上升趋势。

第三,全球EPU和中国相对EPU均对汇率风险传染强度产生正向影响。全球EPU对人民币溢回效应的影响随全球EPU的上升线性增长,而中国相对EPU的影响在中国EPU略高于全球平均水平的位置上存在突增,但突增后的影响大小仍小于全球EPU的影响。

总的来说,我们的研究发现,尽管EPU对人民币受到的汇率风险传染效应存在显著且关键的正向影响,但这一影响主要来自于国际宏观环境,而非中国经济政策的不明朗程度。换句话说,中国经济政策不确定性的下行尚不能成为人民币汇率日益自由化浮动下限制汇率共振的重要力量,尚不能有效抑制国际外汇市场之宽幅波动向人民币汇率的传染。当前,新冠病毒感染疫情仍在世界广大地区肆虐,全球经济复苏形势仍不清晰,经济政策不确定程度达到历史新高,同时,中美摩擦也存在诸多不确定因素。从这一角度来看,人民币国际化和汇率自由化浮动的推进极易引发系统性风险释放,改革的宏观形势并不算好。由此,人民币汇率改制仍然应当坚持循序渐进的原则,避免盲动和反复;考虑到中国相对EPU对汇率风险的影响并不算大,若人民币汇率出现变动过快的情况,必要的干预措施虽然可能在短期内扭曲预期,但其代价也并非不可接受。另外,资本账户开放的节奏也可稍缓以顺应稳定汇率的需求,环境恶劣时甚至可以考虑适当收紧资本流动管控。总之,在全球EPU呈现上升态势的世界经济环境下,货币当局在积极推进人民币国际化进程的同时,应注意调控和化解随之上升的外部输入性冲击风险,不断提高防御外部经济冲击的能力。

然而,长远来看,“清洁浮动”仍然是人民币汇率改革的最终目标。传统理论认为,汇率浮动是中国对外开放和保证货币政策独立性的必然要求。我们的研究进一步明确,规则、透明、市场化的干预措施本身就能够抑制金融风险的跨境传播,缓解国际金融市场上的汇率共振。中国经济政策的这一效果尽管短期内尚不明显,但随着人民币国际化进程的推进,清晰稳定的政策可能成为平滑预期、稳定外汇市场的重要力量。未来的汇率改革也应避免政策的短时大幅度调整,为市场留足适应和消化新制度的时间。明朗的政策环境下,金融市场上改革和稳定的平衡将更加稳健。