资本价格对人民币汇率影响的实证分析实用资料

1、课程代码：081307学时/学分：48/3成绩：北航研究生精品课程建设计量经济学课程案例分析案例主题：资本价格对人民币汇率影响的实证分析任课老师：韩立岩教授组 长： 王荣荣（SY0908113）组 员： 董 楠（SY0908102）王琛淇（SY0908112）高 波（BY0908136）资本价格对人民币汇率影响的实证分析王荣荣、董 楠、王琛淇、高 波摘要：资本价格与人民币汇率之间的相互影响关系是我国很多现有文献的研究主题，并存在很多有趣的研究成果。本文在前人研究成果的基础上，利用计量经济学的方法，结合所学的宏观经济学、国际金融学等学科知识，构建资本价格对人民币汇率影响的模型，由简到繁对两者之间

2、的影响关系进行基于计量经济学的分析。关 键 词：资本价格、汇率、实证、计量经济学分析An Empirical Study on the Influence between the Capital Price and RMB Exchange RateAbstract: The study on the interaction between the capital price and RMB exchange rate has been a hot topic with lots of interesting results. This paper bases on the results i

3、n existance and takes advantage of the econometrics methodology to create someempiricalmodels on the influence between the capital price and exchange rate, using the macroeconomic and international financial knowledge. At last, this paper gives out some econometric analysis.Keywords: Captial Price;

4、RMB Exchange Rate; Empirical Study; Econometric Analysis目 录1. 引言31.1 文献回顾31.2 数据说明31.3 文章结构32. 一元线性回归分析52.1 绝对价格一元线性模型52.2 相对价格一元线性模型63. 多元线性回归分析73.1 回归方程的建立73.2 异方差的检验和修正83.2.1 异方差的White检验83.2.2 异方差的修正83.3 序列相关性的修正93.4 多重共线性的修正104. 时间序列的建模分析114.1 平稳性检验114.1.1 数据的单位根检验114.1.2 残差的平稳性检验144.1.3 数据的自回归模

5、型144.2 动态均衡的协整建模204.2.1 Johansen检验204.2.2 单个解释变量的协整检验214.2.3 多个解释变量的协整检验225. 扩展的方程计量经济学建模245.1 联立方程建模245.2 向量自回归建模265.3 面板数据建模296. 结论33参考文献341. 引言1.1 文献回顾外汇市场和股票市场是金融市场中两个重要组成部分，在国内外有很多文献研究关于两者之间关系的文献。国外方面，Dornbusch & Fisher（1980）提出了汇率决定的流量导向模型。他们认为，由于货币的运动影响着企业国际竞争力、贸易均衡，以及一国的真实产出，从而依次对公司的现金流和股

6、票价格产生影响。Aggarwal（1981）发现美元的定价与股票市场回报率有着正方向的联系。Bahmani-Oskooee等（1992）认为美国股市和汇市之间存在双向因果关系。Bartov & Bodnor（1994）研究认为，美元汇率变化对股票市场收益变化的解释能力比较弱，而且滞后的美元汇率的变化与股票市场收益负相关。国内方面，陈雁云和赵惟（2006）就人民币升值对股票市场的影响进行了定性分析。吕江林等（2007）研究了人民币升值对我国不同种类股票收益率以及波动率的短期影响，并得出了股市正在趋向规范化的结论。李泽广和高明生（2007）实证研究发现，我国股价和汇率之间存在稳定的协整关系

7、和双向的因果关系。邓燊和杨朝军（2007）的研究结果发现，股价和汇率之间虽存在协整关系，但只存在由汇率到股价的单向因果关系，郭彦峰等（2008）所得结论也与此一致。巴曙松、严敏（2009）以利差为外生变量，基于向量自回归多元EGARCH模型和日数据，对我国股价与汇率之间的动态关系进行了实证研究和分析。1.2 数据说明本文样本数据区间为1999年11月1日到2009年10月31日期间，剔除了不是市场同时开放的日交易数据后，共得2467个日交易数据样本。股票价格采用的是上证综合指数、上证综指相对于其它市场综指变化两个指标。汇率价格采用的以直接标价法表示的人民币对美元、欧元、日元和港币的名义汇率四个

8、指标，这样汇率上升意味着人民币贬值，同理汇率下降等同于人民币升值。利率采用银行同业拆借数据。期货价格选取沪铜连三价格指标。数据均来源于Wind资讯。计量分析软件为EVIEWS6.0。1.3 文章结构本文第一部分首先对人民币汇率受资产的绝对价格进行单因素最小二乘回归，并检验残差的异方差性；其次在第二部分考察人民币汇率的波动受资产收益率的影响，进行单变量的一元线性回归分析，并对残差进行异方差性的检验；在第三部分在解释变量中加入期货价格和货币价格，进行多元线性回归分析，并对潜在的序列相关性、多重共线性、异方差性进行了修正，得出多元线性回归方程；第四部分进行基于时间序列的建模分析，我们先对数据序列及残

9、差进行平稳性分析，并在此基础上建立数据的自回归模型和动态均衡的协整建模；第五部分我们进行了综合性分析，从联立方程、向量自回归、面板数据等方面进行建模，综合分析了人民币汇率受资本价格的影响。2. 一元线性回归分析为从多方面研究人民币汇率的影响因素，我们分别使用人民币对欧元汇率、人民币对美元汇率、港币汇率、日元汇率对作为被解释变量，以上证指数的对数值、上证指数与各币种所对应的金融指数比值的对数收益率作为解释变量，进行一元线性回归分析，来研究人民币汇率受金融资本价格的影响关系。2.1 绝对价格一元线性模型各种汇率的受上证指数对数值的一元线性回归结果如下：由以上的一元回归结果可以看出，上证综指对人民币

10、对美元汇率有显著的负相关影响，但其一元回归结果的DW检验则呈现出正的序列相关性的特征，这也让我们对一元回归的结果产生一定的质疑。在后面的多元线性回归中，我们将解决类似的序列的问题。而对于其它的影响因素，检验结果则不显著。造成这种情况的原因也有可能是因为在解释变量中我们选取的是上证综指做为解释变量，而汇率是两个国家的货币兑换价格的比值，其变化率也与两国相对价格走势有关，因此如果资本价格也选取两国相对价格的变化可能结果将有所改善。因此，在下一小节，我们选取了资本价格的相对变化为解释变量进行一元线性回归。2.2相对价格一元线性模型各种汇率的受上证指数与各币种所对应的金融指数比值的对数收益率的一元线性

11、回归结果如下页图。由上面的一元回归结果可以看出，与前面的一元结果类似，人民币对美元汇率的回归结果有很好的显著性，但也呈现明显的正序列相关性。与前一部分回归结果不同的是，在10%的显著性水平下，英镑汇率受到上证与伦敦资本价格相对变化的影响，且不存在明显的序列相关特征。此外，日元汇率和港币汇率的回归结果较前一部分有所改善，但显著性水平依然不够理想。3. 多元线性回归分析为研究资本价格对人民币汇率的影响，我们使用人民币对美元汇率作为被解释变量，上证指数、利率及铜期货价格作为解释变量，进行多元回归分析，来研究他们之间的关系。3.1 回归方程的建立在多元线性回归部分，我们选取被解释变量为人民币对美元汇率

12、（ERUSD），选取解释变量为取对数后的上证指数（INDEXSHA）、利率（IR）和取对数后的铜期货价格（FUINDEX）。其中上证指数和铜期货价格取对数一方面为了统一回归的数量级，使结果更有意义；另一方面取资产价格的对数收益率也是计量中的常用做法。从上表的回归结果中可以得到回归方程如下：ERUSD*INDEXSHA-0.22*IR-0.30*FUINDEX其中，R2=0.56，F=969.32，T=2245，DW=0.001083。从回归数据来看，模型结果很好，从t值和F值看出，方程参数都很显著；与此同时，DW值接近于0，说明几乎存在完全的正序列相关。对于序列相关的原因，我们认为，可能是由于

13、选取的经济变量的固有惯性，或者因为在不同样本点上解释变量以外的其他因素在时间上的连续性所造成的。此外，回归结果显示汇率与资产价格负相关，而检验结果的显著性可能是源于数据的大样本性质或者由于显著的序列相关而失去意义。在后文中，我们将对这一结果进行修正。3.2 异方差的检验和修正3.2.1 异方差的White检验对于上述回归模型，在观察其序列相关性之后，我们还将逐步检验其异方差性和多重共线性。本部分，我们将利用White检验看上述模型的异方差性。检验结果如下：由于White检验的原假设为不存在异方差。因此，从上述检验结果中可以看出，拒绝原假设即存在异方差。3.2.2异方差的修正在对异方差进行修正的

14、过程中，我们使用了加权最小二乘法，其中选取权重为1/，修正结果如下表：从上表修正异方差后的回归结果中可以得到回归方程如下：ERUSD=14.52-0.40*INDEXSHA-0.22*IR-0.30*FUINDEX从回归结果看，与前一方程相比，模型结果没有很大的改变。3.3 序列相关性的修正在3.1的模型建立时，我们发现模型存在很强的序列相关性，从而导致回归结果与实际经验不符、显著性意义消失的结果。为了消除序列相关性，加入残差序列的一阶滞后项AR(1)，回归后的如上页表。从表中看出，DW=1.9829，说明消除了正的序列相关。但是IR的P-value=0.6191，说明又出现了多重共线性。下一

15、部分将对多重共线性进行修正。3.4多重共线性的修正为了消除模型的多重共线性，我们从解释变量中去掉变量IR，得到的回归结果如下：从上述修正后的回归结果中我们看出，DW=1.970763，说明不存在序列相关；同时，T检验和F检验结果显著，说明模型的多重共线性也消失。所以，多元回归方程如下：ERUSD=-54.61-0.012*INDEXSHA-0.022*FUINDEX消除序列相关性、异方差和多重共线性后的回归方程仍显示汇率与上证综指、铜期货价格有负的线性相关性，且回归方程的残差项存在显著的一阶自回归特征。4.时间序列的建模分析在本节，我们将对模型进行基于时间序列的分析。首先对时间序列数据及其残差

16、进行平稳性分析，依据数据序列的平稳性特征建立AR模型、MA模型，动态均衡的协整方程、自回归条件异方差模型等等。4.1 平稳性检验数据的单位根检验进行时间序列分析首先要对时间序列数据及其残差进行平稳性分析，在此，我们先通过序列的图形、差分后的序列图形进行直观上的判别，之后利用序列的自相关函数和偏自相关函数进行序列的平稳性分析，最后通过ADF检验序列的平稳性。（1）图形分析。如下面五个图所示分别为上证综指、美元、欧元、日元、港币汇率的原时间序列图形。由图形中可以看出，每个时间序列都明显地不平稳，而且由图形中可以看出，美元汇率的变动经历了三个变化阶段。上证综指也有明显的阶段性变化。（2）单位根检验。

17、以下几个图表是上述五个时间序列的单位根检验结果，由检验结果更明显地得知：除了美元汇率数据以外，其它序列都不存在一个单位根；美元汇率数据存在一个单位根。之后，我们将对上述序列的差分序列进行单位根检验。（3）差分图形分析。如下面五个图所示分别为上证综指、美元、欧元、日元、港币汇率的一阶差分序列图形。由图形中可以看出，除了上证的差分序列以外，其他差分序列除了个别的奇异点以外，平稳性较好。（4）差分序列的单位根检验。以下几个图表是上述五个差分序列的单位根检验结果，由检验结果更明显地得知：所有的一阶差分序列都不存在一个单位根。表明原时间序列的一阶差分序列平稳。综合上述的检验和分析结果，我们得知：美元汇率

18、序列为一阶单整，而其它时间序列数据均为平稳时间序列。（5）其它时间序列数据的单位根检验。首先是利率及其差分序列的单位根检验。从下面两张图表可以看出，利率有一个单位根，而其一阶差分序列为平稳序列。所以利率的时间序列为一阶单整。首先是铜期货价格及其差分序列的单位根检验。从下面两张图表可以看出，铜期货价格的原序列有一个单位根，而其一阶差分序列为平稳序列。所以铜期货价格的时间序列为一阶单整。4.1.2 残差的平稳性检验如果ERUSD与INDEX、IR、FUINDEX之间存在协整关系，则回归方程的残差序列应该是平稳的。所以接下来研究残差序列的平稳性。对下述回归方程的残差序列进行单位根检验如其后的表：ER

19、USD=14.543-0.401*INDEXSHA-0.222*IR-0.296*FUINDEX从上表中看出，原假设为：残差序列有一个单位根，P值为0.9783，所残差序列非平稳。4.1.3 数据的自回归模型由于前述的各序列有不同的序列平稳性特征，因此在此小节，我们将建立各时间序列数据的自回归模型。首先是上证综指的原数据序列的自相关函数和非自相关函数图：由上图可知，上证综指的原序列符合AR(1)模型。接下来是一阶差分序列：可知上证综指的差分序列为白噪声，序列平稳。所建立的AR(1)模型如下：其次是美元汇率的原数据序列的自相关函数和非自相关函数图：由上图可知，美元汇率的原序列符合AR(1)模型。

20、接下来是一阶差分序列：可知美元汇率的差分序列为白噪声，序列平稳。所建立的AR(1)模型如下：美元汇率一阶自回归模型是一个随机游走过程。接下来是欧元汇率的原数据序列的自相关函数和非自相关函数图：由上图可知，欧元汇率的原序列符合AR(1)模型。接下来是一阶差分序列：可知欧元汇率的差分序列为白噪声，序列平稳。所建立的AR(1)模型如下：接下来是日元汇率的原数据序列的自相关函数和非自相关函数图：由上图可知，日元汇率的原序列符合AR(1)模型。接下来是一阶差分序列：可知日元汇率的差分序列为白噪声，序列平稳。所建立的AR(1)模型如下：最后是港币汇率的原数据序列的自相关函数和非自相关函数图：由上图可知，港

21、币汇率的原序列符合AR(1)模型。接下来是一阶差分序列：可知港币汇率的差分序列为白噪声，序列平稳。所建立的AR(1)模型如下：因此，港币汇率的一阶自回归模型也是一个随机游走过程。4.2动态均衡的协整建模接下来进行协整分析，即要研究人民币对美元汇率与上证指数、利率、铜期货价格之间是否存在长期均衡关系。如果他们之间存在协整关系，则有下面的方程：可建立如下所示的误差修正模型：其中，4.2.1Johansen检验对美元汇率与上证综指进行Johansen检验以研究协整关系，如下图所示。从上图可以看出，原假设为“At most 1”时，拒绝原假设；原假设为“At most 2”时，接受原假设。所以，存在两

22、个协整关系。 单个解释变量的协整检验在做协整分析时，我们分两阶段进行。在这一小节，我们用被解释变量分别与每个解释变量做协整检验。（1）首先用上证综指与美元汇率做协整。我们使用美元汇率与上证综指进行最小二乘估计，对其残差序列进行单位根检验，如下图表所示：检验结果显示，残差序列有一个单位根，非平稳。所以此处的结果与前一部分不符，显示出美元汇率与上证综指之间不存在协整关系。（2）其次用利率数据与美元汇率做协整检验。我们使用美元汇率数据与利率进行最小二乘估计，对其残差序列进行单位根检验，如下图表所示：检验结果显示，残差序列有一个单位根，非平稳。所以美元汇率数据与利率之间也不存在协整关系。（3）接下来我

23、们用期货价格数据与美元汇率做协整检验。我们使用美元汇率数据与沪铜连三序列数据进行最小二乘估计，对其残差序列进行单位根检验，如下图表所示：检验结果显示，残差序列有一个单位根，非平稳。所以期货价格数据与美元汇率之间不存在协整关系。4.2.3 多个解释变量的协整检验在本小节，我们用被解释变量分别与每两个解释变量做协整检验。（1）美元汇率与上证综指、利率的协整检验我们使用美元汇率与上证综指、利率进行最小二乘估计，对其残差序列进行单位根检验，如上图表所示。检验结果显示：残差序列有一个单位根，非平稳。所以美元汇率与上证综指、利率之间不存在协整关系。（2）美元汇率与上证综指、期货价格的协整检验使用美元汇率与

24、上证综指、期货价格进行最小二乘估计，对其残差序列进行单位根检验，如上图表所示。检验结果显示：残差序列有一个单位根，非平稳。所以美元汇率与上证综指、期货价格之间不存在协整关系。（3）美元汇率与利率、期货价格的协整检验使用美元汇率与利率、期货价格进行最小二乘估计，对其残差序列进行单位根检验，如上图表所示。检验结果显示：残差序列有一个单位根，非平稳。所以美元汇率与利率、期货价格之间不存在协整关系。5. 扩展的方程计量经济学建模从前面美元汇率的变动图上可以看出，2005年7月21日前，汇率近乎一条直线。这与我国实行人民币紧盯美元的汇率制度有关系，资本价格对汇率变动的影响微乎其微。自2005年7月21日

25、起，我国开始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。人民币对美元的汇率从8.28，迅速升至2008年7月1日的6.86。此后人民币兑美元的汇率波动趋于平稳。因此，在联立方程、VAR和面板数据模型中，采用的汇率数据始于2005年7月21日，止于2009年10月30日。在联立方程模型和VAR模型中，我们重点研究美中两国的相对市场波动对美元汇率的影响。开始，我们准备以纳斯达克/上证、利差、进出口总额、铜期货（沪铜连三）作为备选解释变量。其中上证/纳斯达克代表美中两国资本市场的相对价格波动对美元汇率的影响，利差代表美中两国货币市场的相对价格波动对美元汇率的影响，进出口总额代

26、表实体经济对美元汇率的影响，铜期货（沪铜连3）代表期货市场的价格波动对美元汇率的影响。在利差的计算中，国内利率采用七天银行间买断式债券回购利率（R007）。一周美元伦敦同业拆借利率（USDLIBOR）作为国外基准利率。这样，利差=R007-USDLIBOR。沪铜连三为铜期货的每吨收盘价，相对其它变量数值较大，我们取铜期货每千克收盘价。由于进出口总额只有2006年11月至2009年11月的月度数据，其它变量都有完整的交易日数据，变量间的数据无法匹配。因此从解释变量里删除进出口总额。由于数据量庞大，我们没有进行假期调整，只是运用计量方法寻找资本价格对汇率影响的大体趋势。在面板数据模型中，我们以美元

27、、欧元、港元、日元汇率作为横截面数据，以上证指数、债券回购利率、铜期货作为备选解释变量，并根据计量结果进行调整。5.1 联立方程建模首先，建立如下联立方程组：DOLLAR=C(11)+C(12)*RATIO+C(13)*SPREAD+C(14)*FUTURERATIO=C(21)+C(22)*DOLLAR+C(23)*SPREAD+C(24)*FUTUREFUTURE=C(31)+C(32)*SHANGZ+C(33)*IR工具变量选取为DOLLAR（-1）、DOLLAR（-2）、RATIO（-1），采用两阶段最小二乘法，得到结果如下：可以看出C(14)、C(24)的t检验不显著，且存在正相关。

28、其次，将改进后建立如下联立方程组：DOLLAR=C(11)+C(12)*RATIO+C(13)*SPREAD+AR(1)=C(14)RATIO=C(21)+C(22)*DOLLAR+C(23)*SPREAD+C(24)*FUTURE+AR(1)=C(25)FUTURE=C(31)+C(32)*SHANGZ+C(33)*IR+AR(1)=C(34)工具变量选取为DOLLAR（-1）、DOLLAR（-2）、RATIO（-1），采用两阶段最小二乘法，得到如下页的回归结果：此时各方程不存在序列相关性，第一个方程各系数的t检验显著。虽然c(24)的t检验不显著，但修改后会更改联立方程形式，因此不予改进。

29、因此，最终的联立方程模型结果为：DOLLAR=7.263-0.176*RATIO-0.284*SPREAD+AR(1)=0.842RATIO=-10.381+1.934*DOLLAR+0.031*SPREAD+0.001*FUTURE+AR(1)=0.999FUTURE=-9.395+0.020*SHANGZ-0.067*IR+AR(1)=0.9985.2 向量自回归建模首先，建立unrestricted VAR(1)模型如下：DOLLAR=C(1,1)*DOLLAR(-1)+C(1,2)*RATIO(-1)+C(1,3)*SPREAD(-1)+C(1,4)*FUTURE(-1)+C(1,5)

30、RATIO=C(2,1)*DOLLAR(-1)+C(2,2)*RATIO(-1)+C(2,3)*SPREAD(-1)+C(2,4)*FUTURE(-1)+C(2,5)SPREAD=C(3,1)*DOLLAR(-1)+C(3,2)*RATIO(-1)+C(3,3)*SPREAD(-1)+C(3,4)*FUTURE(-1)+C(3,5)FUTURE=C(4,1)*DOLLAR(-1)+C(4,2)*RATIO(-1)+C(4,3)*SPREAD(-1)+C(4,4)*FUTURE(-1)+C(4,5)模型的AR根图如下：可以看出，VAR模型的所有根都位于单位圆内，因此模型是稳定的。根据滞后长度标准

31、检验结果，模型的滞后长度p=1。Johanson检验结果表明，在5%的显著性水平下，存在两个协整向量。VAR模型的结果为：附VAR模型EViews结果如下页图表：5.3 面板数据建模首先，建立面板数据模型如下：DOLLAR_EX=C(14)+C(1)+C(2)*SHANGZ+C(6)*INTEREST+C(10)*FUTUREEURO_EX=C(15)+C(1)+C(3)*SHANGZ+C(7)*INTEREST+C(11)*FUTUREHKPO_EX=C(16)+C(1)+C(4)*SHANGZ+C(8)*INTEREST+C(12)*FUTUREYEN_EX=C(17)+C(1)+C(5)

32、*SHANGZ+C(9)*INTEREST+C(13)*FUTURE在此，我们使用Cross-Section加权的广义最小二乘法的评价统计量。从上述检验结果可以看出，DW统计量很小。残差不平稳，图形如下。使用Cross-Section加权的二阶段最小二乘法，以EURO_EX(-1)、YEN_EX(-1)、EURO_EX(-2)、DOLLAR_EX(-1)、DOLLAR_EX(-2)、HKPO_EX(-1)、HKPO_EX(-2)、YEN_EX(-2)作为工具变量，得到的评价统计量。D.W.统计量也很小。残差也不平稳，图形如下。加入AR项ar(1)、ar(2)，使用Cross-Section加权的广义最小二乘法，得到评价统计量如下。DW统计量明显提高，接近于2。即残差变得平稳，存在波动性聚集现象，图形如下。面板数据模型结果为：附加入