影响我国外汇储备的多因素分析

影响我国外汇储备的多因素分析 摘要：自2000年起，我国外汇储备呈快速增长趋势。本文首先找出外汇储备急增的原因，然后建立模型运用EViews软件进行相应统计分析，对数据的平稳性，模型估计的多重共线性、异方差性、自相关性分别进行了检验和相应的调整。得出影响我国外汇储备规模的注意因素是进出口差额、广义货币供应量、通货膨胀率和FDI（外商直接投资）等因素，在此基础上提出完善我国外汇储备管理的对策建议。关键词：外汇储备 FDI 通货膨胀率 分布滞后模型 政策性建议一、 问题提出自2000年起，我国外汇储备呈快速增长趋势。2001年末外汇储备规模突破2000亿美元大关之后，持续扶摇直上：2002年末为2864亿美元，2003年末增加到4033亿美元，2004年跨越6000亿美元大关达到6099亿美元；2006年再创新高，突破10000亿美元大关冲向11000亿美元。截至2006年2月，我国外汇储备已达到8536亿美元，中国外汇储备首次在规模上超过日本而跃居世界第一。中国外汇储备的持续增加，有利于增强国外投资者的信心和吸引外资，缓解可能出现的通货紧缩的压力，保持宏观经济继续快速稳定发展；有助于我国政府更从容地实施宏观经济政策，保持人民币汇率相对稳定，防范货币贬值,应对突发的金融风险，确保我国经济金融体系的安全；也有利于支持中国企业在更大范围内、更高层次上实施“走出去”战略。但必须看到，对经济高速成长的中国来说，持续增长的巨额外汇储备是一把“双刃剑”，也会对经济健康发展带来一系列问题。如何正确的衡量外汇储备的增长,成为了当前的热点,也应当引起关注。 针对外汇储备的增长，本文准备对外汇储备的影响因素进行分析，从而确立是什么引起了外汇储备的快速增长，这是我们研究的主要目的。二、 理论综述 今年来中国的外汇储备加速增长，美元外汇突破万亿。外汇储备作为中国的一项资本给中国带来了好处。近年来兴起的主权财富基金也逐渐走入老百姓的视野。面对每年在变化的外汇储备，影响其变化的因素很多。根据大量研究成果记载。影响中国外汇储备的因素很多，包括：国家干预外汇市场的用汇需求，外债余额，外商直接投资，GDP，对外贸易差额，利率，通货膨胀率，广义货币供应量，进出口比率等。刘建华认为1，外汇储备的内在作用是汇率、贸易差额、通货水平等。武剑则认为2，中国外汇储备与国家的经济开放程度和国际收支结构密切相关。刘荣茂、惠莉的观点是3，中国的外汇储备与外商投资、对外贸易额密切相关。其他学者如李卉则认为4，中国的外汇储备与货币供应量密切相关。学术界上不同的学者有不同的观点，我们将从我们掌握的角度来建立我们的模型，对此问题进行研究。三、 变量选取根据资料分析，我们共选取了国内生产总值，进出口差额，广义货币供应量，外债余额，通货膨胀率，外商直接投资为主要分析指标。国内生产总值：即GDP，因为一国生产总值的变动，影响其国内市场，同时也影响其对外贸易，由此影响到外汇的增减。所以我们选取国内生产总值为影响因素之一。进出口差额：即出口与进口额的差额，外汇储备有一部分即来自对外贸易的收益。所以我们选择了这个因素。广义货币供应量：即市场上广义的人民币供应量。货币供应量的增减影响通货膨胀、影响汇率等。若市场上货币过多，外汇储备将增多；若减少，外汇储备相应减少。所以我们选取了广义货币供应量。外债余额：即中国外债偿还收回，会影响到外汇储备。通货膨胀率：即市场上通货的情况。FDI：外商直接投资额，外商直接投资额会直接计入中国外汇储备，由此选定其为影响因素之一。除了以上因素，还有国家临时政策，消费者预期心理等等因素，但这些因素第一很难衡量，每年变化很大；第二这些次要因素对中国外汇储备影响很小，完全可以忽略不计。四、 数据搜集本文获取了21年间相关指标的数据如表4.1所示。表4.1年份外汇储备(亿美元)国内生产总值(亿美元)进出口差额(亿美元)广义货币供应量(亿美元)外债余额（亿美元）通货膨胀率FDI(亿美元）198620.73058.1-119.72000.3214.86.522.4198729.23331.1-37.72306.5302.07.323.1198833.73814.1-77.52560.8400.018.831.9198955.54308.4-66.03029.8413.018.033.91990110.93675.587.43011.151991217.14188.781.23721.1605.63.443.71992194.45051.343.54765.9693.26.4110.11993212.06198.9-122.26119.3835.714.7275.21994516.25696.554.05545.9928.124.1337.71995736.07185.2167.07180.11065.917.1375.219961050.58561.1122.29152.61162.88.3417.319971398.99537.8404.210989.81309.62.8452.619981449.610218.2434.712651.21460.4-0.8454.619991546.810856.8292.314515.51518.3-1.4403.220001655.712011.4241.116296.71457.30.4407.220012121.713275.4225.519164.91848.00.7468.820022864.114538.2304.322351.91863.3-0.8527.420034032.516409.7254.726727.42087.61.2535.120046099.319316.0320.930700.42474.93.9606.320058188.722350.01020.036470.52810.51.8603.320061066327004.51770.044258.33229.91.5630.0 数据来源：中国统计年鉴，中经网统计数据库，中国外汇管理局，中国国家统计局。五、 模型估计和调整5.1 平稳性检验由于我们选的是时间序列，所以需要对时间序列的平稳性进行检验。提出原假设：=1；对各解释变量做平稳性检验，选择带截距和趋势项，在滞后差分项下选2阶，得到估计结果。首先，对的平稳性进行检验，结果如下表5.1.1所示。表5.1.1从检验结果看，在1%，5%，10%三个显著性水平下，单位根检验的MacKinnon临界值分别为-4.，-3.，-3.，检验统计量值为-5.，小于其相应的临界值，从而拒绝，表明的差分序列不存在平方根，是平稳序列。对的平稳性进行检验，结果如下表5.1.2所示。表5.1.2对的平稳性进行检验，结果如下表5.1.3所示。表5.1.3对的平稳性检验，结果如下表5.1.4所示。表5.1.4对的平稳性检验，结果如下表5.1.5所示。表5.1.5对的平稳性检验，结果如下表5.1.6所示。表5.1.6对残差（回归残差）的平稳性检验，结果如下表5.1.7所示。表5.1.7同理，我们可以根据检验结果得到：,（回归残差）的均小于相应临界值，从而拒绝，所以说各个解释变量和回归残差的差分序列均不存在单位根，是平稳序列。由此可以得到结论：我们所选择的变量在时间序列上是平稳的。5.2 多元线性回归 设定并估计多元线形回归模型：其中，：中国外汇储备（亿美元）： 国内生产总值(亿美元)：进出口差额(亿美元)： 广义货币供应量(亿美元)： 外债余额（亿美元）： 通货膨胀率： FDI(亿美元）借助EViews软件，用OLS法对所有解释变量做多元线性回归得：表5.2.1Dependent Variable: YMethod: Least SquaresDate: 12/19/07 Time: 21:51Sample: 1986 2006Included observations: 21VariableCoefficientStd. Errort-StatisticProb. C-849.2006876.5631-0.0.3491X1-0.0.-0.0.9630X.0090X.1480X4-0.1.-0.0.8900X546.4876914.692823.0.0069X6-2.2.-1.0.2156R-squared0. Mean dependent var2056.976Adjusted R-squared0. S.D. dependent var2909.630S.E. of regression417.6652 Akaike info criterion15.16844Sum squared resid. Schwarz criterion15.51661Log likelihood-152.2686 F-statistic159.4366Durbin-Watson stat1. Prob(F-statistic)0.根据表表5.3.1的数据，得到模型的估计结果为 从以上回归结果可以看出，拟合优度很高，整体效果的F检验通过。但有重要变量x1、x4的t值不显著，可能存在多重共线性。5.3 多重共线性的检验首先，运用简单相关系数检验法，计算解释变量 、的简单相关系数矩阵，如下表5.2.1所示。表.0.0.-.0.0.-.1.0.-.0.1.-0.0.-0.-0.-0.-0.1.-.0.-0.1.由相关系数矩阵可以看出，各解释变量之间的相关程度较高，特别是和之间，和之间，和之间的系数高度相关，证实解释变量之间存在多重共线性。所以，以下我们将采用逐步回归法来修正这一多重共线性问题。首先，运用OLS法分别求Y对各解释变量进行一元回归，得到分析结果见下表。表5.3.2变量参数估计值.-159.54359.t值15.400129.16.7992811.27655-...0.0.其中，加入的方程最大。选作为进入回归模型的第一个变量，以为基础，顺次加入其他变量逐步回归，得到下表表5.2.3。表5.3.3-0.2252(-0.6748)0.3527(1.9238)0.93162.0720(3.4283)0.1672(7.9042)0.95760.3646(5.1982)-1.9928(-1.9611)0.94230.2440(16.3105)46.2775(1.8963)0.94160.2848(13.0470)-3.6213(-2.9868)0.9531经比较，新加入的方程0.，改进最大，选择保留再加入其他新变量逐步回归，结果如下表所示。表5.3.4-0.5354(-2.1306)2.4331(4.2102)0.4497(3.3562)0.96462.1044(4.0763)0.3062(5.7451)-2.0614(-2.7716)0.96912.0547(3.8512)0.1821(9.2810)45.3448(2.4707)0.96701.7531(3.3990)0.2216(8.7148)-2.9254(-2.9724)0.9705经比较，新加入变量的方程0.，改进最大，保留，再加入其他新变量逐步回归，结果如下表所示。表5.3.5 0.0940 (0.2230)1.6533(2.3814)0.1782(0.9078)-3.2594(-1.8030)0.96871.8513 (3.1886)0.2517(3.2313)-0.6683(-0.4100)-2.1208(-0.9610)0.96891.7281(4.2845)0.2381(11.6411)46.6442(3.4361)-2.9905(-3.8850)0.9820经比较，新加入变量的方程0.，改进最大，保留，再加入其他新变量逐步回归，结果如下表所示。表5.3.6-0.0221 (-0.066)1.7515(3.211)0.2483(1.598)46.7427(3.316)-2.9123(-2.048)0.98071.7577(3.838)0.2469(4.027)-0.1968 (-0.153)46.4057(3.292)-2.7533(-1.576)0.9808在解释变量 的基础上加入，的t检验不显著，并且变小，加入，的检验不显著，并且变小，说明是, 引起严重多重共线性，应予剔除。所以，最后修正严重多重共线性影响的回归结果。表5.3.7Dependent Variable: YMethod: Least SquaresDate: 12/18/07 Time: 00:16Sample: 1986 2006Included observations: 21VariableCoefficientStd. Errort-StatisticProb.C-938.9944216.9807-4.0.0005X41180.0000X.0006X6-2.0.-3.0.0013X546.6442313.574843.0.0034R-squared0.Mean dependent var2056.976Adjusted R-squared0.S.D. dependent var2909.630S.E. of regression391.0239Akaike info criterion14.97967Sum squared resid.Schwarz criterion15.22837Log likelihood-152.2865F-statistic272.8465Durbin-Watson stat1.Prob(F-statistic)0.-938.99441.+0.+46.64423-2.=(-4.) (4.) (11.64118) (3.) (-3.)=0. =0. =272.8465 =1.这说明，在其他因素不变的情况下，当进出口差额增加1亿美元，广义货币供应量增加1亿美元，通货膨胀率增加一个百分点，FDI增加1亿美元时，我国外汇储备将分别增加1.亿美元，增加0.亿美元，增加0.亿美元，减少2.亿美元。5.4 异方差的检验 现实经济活动的错综复杂，一些经济现象的变动与同方差性的假定经常是相悖的。由于模型中省略了某些重要的解释变量，则可能产生异方差。本模型中，影响中国外汇储备还有其他的因素，也许会改变外汇储备，若未列入模型的解释变量与外汇储备同方向的或反方向的变化，这种变化就会体现在随机扰动项Ui则产生异方差性。我们用的是时间序列数据，所以最好采用ARCH检验。首先对模型用OLS法进行多元线性回归估计。在选择ARCH检验，选择阶数为2，得到以下结果。提出假设。：（j=1,2,p）中至少有一个不为零。表5.4.1ARCH Test:F-statistic0. Probability0.Obs*R-squared0. Probability0.Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/19/07 Time: 22:29Sample(adjusted): 1988 2006Included observations: 19 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C95936.0853050.831.0.0894RESID2(-1).4516RESID2(-2)-0.0.-0.0.9246R-squared0. Mean dependent var.0Adjusted R-squared-0. S.D. dependent var.6S.E. of regression.4 Akaike info criterion26.99504Sum squared resid4.29E+11 Schwarz criterion27.14416Log likelihood-253.4529 F-statistic0.Durbin-Watson stat1. Prob(F-statistic)0.可以看出P值分别为0.，在=0.05的显著性水平下，P值远大于临界值，所以接收原假设，即不存在异方差。5.5 自相关性的检验根据多元线性的OLS回归，DW值为1.13482，落在不能确定的区域。做残差图如下。图5.5.1 残差图中，残差的变动有系统模式，残差随着t的变化并不是频繁地改变符号，而是几个正的几个负的，表明随机误差项存在正自相关。自相关性的修正：为了解决自相关问题，选用科克伦奥克特迭代法。计算可得残差序列。使用进行滞后一期的自回归，得到下表。表5.5.1Dependent Variable: EMethod: Least SquaresDate: 12/18/07 Time: 19:30Sample (adjusted): 1987 2006Included observations: 20 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.E(-1).0695R-squared0.Mean dependent var-22.70222Adjusted R-squared0.S.D. dependent var342.5854S.E. of regression314.1482Akaike info criterion14.38631Sum squared resid.Schwarz criterion14.43610Log likelihood-142.8631Durbin-Watson stat1.对原模型进行广义差分得到结果如下表5.5.2。表5.5.2Dependent Variable: Y-0.*Y(-1)Method: Least SquaresDate: 12/18/07 Time: 19:44Sample (adjusted): 1987 2006Included observations: 20 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-645.9377175.3111-3.0.0022X2-0.*X2(-1).0026X3-0.*X3(-1).0000X5-0.*X5(-1)38.4229813.982592.0.0149X6-0.*X6(-1)-2.1.-2.0.0423R-squared0.Mean dependent var1526.074Adjusted R-squared0.S.D. dependent var2097.172S.E. of regression337.0200Akaike info criterion14.69048Sum squared resid.Schwarz criterion14.93941Log likelihood-141.9048F-statistic180.1791Durbin-Watson stat1.Prob(F-statistic)0.式中，（i=2,3,5,6）。由于使用了广义差分数据，样本容量减少了1个，还剩20个。查5%显著水平的DW统计表可知=0.820，=1.872，模型中DW=1.，介于二者之间，说明广义差分模型中仍然有可能存在自相关，因此还需要继续迭代。调整数据的滞后数值，进行第二次迭代的相应结果如下表。表5.5.3Dependent Variable: E1Method: Least SquaresDate: 12/18/07 Time: 19:53Sample (adjusted): 1987 2006Included observations: 20 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.E1(-1).0064R-squared0.Mean dependent var17.23908Adjusted R-squared0.S.D. dependent var358.7588S.E. of regression293.8979Akaike info criterion14.25305Sum squared resid.Schwarz criterion14.30284Log likelihood-141.5305Durbin-Watson stat1.表5.5.4Dependent Variable: Y-0.*Y(-1)Method: Least SquaresDate: 12/18/07 Time: 20:04Sample (adjusted): 1987 2006Included observations: 20 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-515.8395157.8135-3.0.0052X2-0.*X2(-1).0055X3-0.*X3(-1).0000X5-0.*X5(-1)32.5003713.890132.0.0335X6-0.*X6(-1)-1.1.-1.0.1351R-squared0.Mean dependent var1282.520Adjusted R-squared0.S.D. dependent var1771.333S.E. of regression326.0043Akaike info criterion14.62402Sum squared resid.Schwarz criterion14.87295Log likelihood-141.2402F-statistic136.4820Durbin-Watson stat1.Prob(F-statistic)0.B1=-1118. B2=1. B3=0. B5=32.50037 B6=-1.样本容量减少了1个，还剩19个。查5%显著水平的DW统计表可知=0.779，=1.900，模型中DW=1.，虽然已有所增加，但仍处于无法确定的区域，说明广义差分模型中仍然有可能存在自相关。且此时，的t 值在5%显著水平时已经不显著，那么在当前条件下，模型的自相关问题已经得到减轻，但尚未消除自相关影响。我们接受第二次迭代时的广义差分模型。回归方程为式中，（i=2,3,5,6）。六、 分布滞后模型的估计和调整前面讨论的回归模型属于静态模型，即认为被解释变量的变化仅仅依赖解释变量的当期影响，没有考虑变量之间的前后联系。一般来说，解释变量对被解释变量的影响不可能在短时间内完成，在这一过程中通常存在时间滞后。x5:通货膨胀滞后。通货膨胀与外汇储备量的变化有着较为密切的联系。一般而言,随着外汇储备大幅增加,货币供给也会相应迅速增加,导致通货膨胀。而其影响并不是即期的，总存在一定时滞。x6:FDI外商直接投资滞后。指外国企业和经济组织或个人(包括华侨、港澳台胞以及我国在境外注册的企业)按我国有关政策、法规，用现汇、实物、技术等在我国境内开办外商独资企业、与我国境内的企业或经济组织共同举办中外合资经营企业、合作经营企业或合作开发资源的投资(包括外商投资收益的再投资)，以及经政府有关部门批准的项目投资总额内企业从境外借入的资金。进入1990年代，外商直接投资是我国外汇储备增加的主要结构性因素，对我国外汇储备增量的贡献度日益增大，同时外商投资企业的汇出利率也构成了用汇需求的重要内容，它通常记入国际收支平衡表经常项目收益的借方。近来不少学者认为FDI不仅是导致我国资本账户顺差的主要力量，同时外资企业也是我国贸易顺差的主要贡献者，并最终使得我国外汇储备迅速增加。但是外商直接投资对于外汇储备的影响不可能是当年就可以体现的，而是滞后一段时间才会体现出来的。我们猜测大概会滞后12年。因此，前面设定的多元线性模型其实是不准确的。为了考察这些解释变量对外汇储备的影响到底存在怎样的时滞，需要在回归模型中引入滞后变量进行分析。6.1 建立分布滞后模型用OLS分别对x5和x6的滞后期数做试验，结果发现，当模型估计式为时，得到如下结果表。表6.1.1Dependent Variable: YMethod: Least SquaresDate: 12/19/07 Time: 23:24Sample (adjusted): 1988 2006Included observations: 19 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-1084.113251.4601-4.0.0007X.0013X22160.0000X5(-1)35.7883314.343932.0.0257X6(-2)-3.0.-4.0.0011R-squared0.Mean dependent var2270.874Adjusted R-squared0.S.D. dependent var2983.207S.E. of regression383.0461Akaike info criterion14.95512Sum squared resid.Schwarz criterion15.20366Log likelihood-137.0737F-statistic269.4463Durbin-Watson stat1.Prob(F-statistic)0.可以看出：可决系数R与R2修正可决系数都较高，且比之前的多元线性回归中有所增大，说明模型对样本拟合较好；F统计量=269.4463，检验值很大，相应的P=0.00000，说明回归方程显著，即各解释变量联合起来对被解释变量外汇储备有显著影响；各个系数所对应的t统计量都大于2，说明解释变量对被解释变量外汇储备的影响非常显著，而且不存在多重共线性的情况。同时，各系数符号与经济意义相符，由此可以得出此时的滞后模型估计效果最好。所以，分布滞后模型的估计式为：6.2 异方差检验因为是时间序列数据，所以应该用ARCH检验。提出假设：（j=1,2,p）中至少有一个不为零。结果如下表。表6.2.1ARCH Test:F-statistic0.Probability0.Obs*R-squared1.Probability0.Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/20/07 Time: 01:14Sample (adjusted): 1990 2006Included observations: 17 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C64346.5961031.011.0.3096RESID2(-1).6659RESID2(-2).2838R-squared0.Mean dependent var.5Adjusted R-squared-0.S.D. dependent var.5S.E. of regression.2Akaike info criterion27.37760Sum squared resid5.43E+11Schwarz criterion27.52463Log likelihood-229.7096F-statistic0.Durbin-Watson stat1.Prob(F-statistic)0.可以看出P值分别为0.，在=0.05的显著性水平下，P值远大于临界值，所以接收原假设，即不存在异方差。6.3 自相关性检验和修正由之前所做OLS估计中得到的DW值=1.，在=0.05的显著性水平上，当n=19，k=4时，查表得到=0.859，=1.848，DW值落在不能确定的区间内。做残差图，如下图所示。图6.3.1由残差图显示：残差的变动有系统模式，残差随着t的变化并不是频繁地改变符号，而是几个正的几个负的，表明随机误差项存在正自相关。自相关问题的修正：为解决自相关问题，选用科克伦奥克特迭代法。由可得残差序列。使用进行滞后一期的自回归，得到如下结果。表6.3.1Dependent Variable: EMethod: Least SquaresDate: 12/20/07 Time: 13:51Sample (adjusted): 1989 2006Included observations: 18 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.E(-1).2979R-squared0.Mean dependent var-23.49219Adjusted R-squared0.S.D. dependent var331.2539S.E. of regression321.4139Akaike info criterion14.43729Sum squared resid.Schwarz criterion14.48675Log likelihood-128.9356Durbin-Watson stat1.回归方程，由此可知，对原模型进行广义差分，得到广义差分方程：对上述广义差分方程进行回归，在EViews命令栏中输入ls y-0.*y(-1) c x2-0.*x2(-1) x3-0.*x3(-1) x5(-1)-0.*x5(-2) x6(-2)- 0.*x6(-3)，回车后得到输出结果表。表6.3.2Dependent Variable: Y-0.*Y(-1)Method: Least SquaresDate: 12/20/07 Time: 14:35Sample (adjusted): 1989 2006Included observations: 18 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-910.4325229.1893-3.0.0016X2-0.*X2(-1).0037X3-0.*X3(-1)17210.0000X5(-1)-0.*X5(-2)33.7023515.044252.0.0432X6(-2)-0.*X6(-3)-3.1.-2.0.0118R-squared0.Mean dependent var1959.311Adjusted R-squared0.S.D. dependent var2478.491S.E. of regression358.9583Akaike info criterion14.83442Sum squared resid.Schwarz criterion15.08175Log likelihood-128.5098F-statistic199.3668Durbin-Watson stat1.Prob(F-statistic)0.由图可得回归方程为式中，（i=2,3,5,6）。由于使用了广义差分数据，样本容量减少了1个，还剩18个。查5%显著水平的DW统计表可知=0.820，=1.872，模型中DW=1.，介于二者之间，说明广义差分模型中仍然有可能存在自相关，因此还需要继续迭代。调整数据的滞后数值，进行第二次迭代的相应结果如下表。表6.3.3Dependent Variable: EEMethod: Least SquaresDate: 12/20/07 Time: 14:18Sample (adjusted): 1990 2006Included observations: 17 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.EE(-1).3205R-squared0.Mean dependent var5.Adjusted R-squared0.S.D. dependent var322.6368S.E. of regression312.5822Akaike info criterion14.38463Sum squared resid.Schwarz criterion14.43365Log likelihood-121.2694Durbin-Watson stat1.表6.3.4Dependent Variable: YY-0.*YY(-1)Method: Least SquaresDate: 12/20/07 Time: 14:23Sample (adjusted): 1989 2005Included observations: 17 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-678.3708208.4752-3.0.0069XX2-0.*XX2(-1).0148XX3-0.*XX3(-1).0000XX5-0.*XX5(-1)30.1748818.171771.0.1227XX6-0.*XX6(-1)-2.1.-2.0.0556R-squared0.Mean dependent var1684.066