人民幣匯率機制中市場力量的識別

[摘 要]本文利用匯率日數據考察了中國匯率改革后市場力量在匯率形成中的作用。有別于以往單純強調籃子匯率安排，文章將同時考慮央行的匯率安排和市場的作用。研究發現市場的力量開始在起作用雖然并不十分顯著，此外央行也的確參考了所選籃子貨幣成分的變化調節匯率。文章還對所運用的線性和非線性模型進行了估計和預測績效的比較。

[關鍵詞]中國籃子匯率體制神經網絡 市場因素 匯率安排

一、介紹

中國人民幣長期以來盯住美元。2005年的匯率改革變單一盯住為籃子盯住，匯率決定以市場為基礎和籃子為參考。籃子組成分為兩種情況:第一種包括4種貨幣，第二種包括11種。選擇這些幣種的原因是最小化中國的國際收支平衡。

許多學者特別是國外學者作為對中國政府宣布匯改后是否“言行一致”的研究。Jen 2005， Shah， Zeileis和Patnaik 2005， Frankel 2006和Eichengreen 2006的研究發現，人民幣盯住美元的狀態并沒有明顯的改善。于是他們認為中國依然是單一盯住美元的匯率制度。相反，Yamazaki (2006)， Xu，J 和 H.Shao，G.Tang (2007)， Frankel和 Wei.(2007) 以及Xu，S 和Q.Tang (2008)等發現中國已將匯率的重心從美元微量地轉向了歐元，日元和其它貨幣。到目前為止對于該問題的研究還沒有形成共識，因此值得我們進一步關注。

目前這些研究中存在兩個問題，首先是它們僅僅強調了人民幣籃子匯率體制中的一個方面即籃子貨幣的安排。在本文中我們除了分析籃子安排外還將被忽略的市場因素考慮進去。我們認為匯率改革的基本目的是擴大匯率變動的靈活性最終走向自由浮動，而市場力量的作用是實現這一靈活性的重要基礎。

存在的第二個問題是研究該問題的方法主要是利用線性模型對被選中的貨幣進行權重的估計。我們認為人民幣籃子匯率體制決定因素間的關系是更為復雜的非線性關系，線性只是非線性的一個特例。基于這樣的認識我們將利用三種不同的人工神經網絡(ANN)來刻畫這種非線性性。據我們所知這一研究視角和方法以前不曾有過。

下文的安排如下:第二部分是模型的設定;第三部分是數據的介紹，模型的估計和結果的分析;第四部分是結論和將來的研究設想。

二、模型

1. 線性估計

參照Frankel 和 Froot (1986) 以及 Frankel (1987)，市場因素由基本面交易策略和技術性交易策略決定。基本面交易者的決策基于均衡匯率和實際匯率的差異。其中均衡匯率由HP過濾器獲得。是一個正值參數，反映了實際匯率向均衡匯率調整的速度。

技術性交易策略將他們對匯率的預測基于對過去匯率的觀察上。該種策略的模型種類繁多，例如ARIMA。方程(2)利用移動平均MA，參數為0<<1 ， p是滯后期限。

在一個完全自由浮動的匯率體制中，匯率可以由這兩種策略的加權平均決定。在籃子匯率體系中，除了市場外央行也需根據確定的目標進行籃子的安排。代表以美元計價的籃子匯率安排;是籃子中的貨幣對應美元的匯率，匯率都是從美元角度考慮的間接標價法;是美元本身的權重。

最后公式(4)是市場力量和人為匯率安排的線性組合:

2. 非線性估計

在考慮非線性模型時，我們將同時應用三種不同的ANN模型:BP，RBF和GRNN. 單隱層ANN可以由公式(4)延伸成(5)式的非線性情況。

其中n 是隱層神經元的個數，K是解釋變量的個數，logsig是傳遞方程， 是從輸入到隱含層的參數矩陣，是誤差項。

本文中我們將考慮三個解釋變量如下式:

公式(6)中三個不同的s分別代表基本面策略、技術交易策略以及央行的籃子安排。

三、數據及估計結果

從2005年7月11日 到 2009年7月11日的匯率日數據來自于美聯儲的官方網站和俄羅斯央行網站。所用各國貿易數據來自于商務部網站。對數據取對數后求一級差分，使得數據平穩。

線性估計結果

我們用OLS來估計方程(4)結果列示于表(1)。

表1從上到下分為三部分。最上面是當基準貨幣是美元的情況，中間是基準貨幣為瑞士法郎的情況，下面是基準貨幣為SDR的情況。在每種情況下籃子又分為4種貨幣，11種貨幣及將籃子退化為單個歐元三種具體形式。將籃子退化為單個歐元的形式是為了檢驗Frankel教授 (2009)的最新發現:籃子份額正向歐元傾斜的結論在此是否成立。

從表1中可以看出在三種情況下基本面策略的系數都是顯著的，符號也是如所預期的，但是技術交易策略的系數則并不顯著。 由此說明市場因素在匯率形成中在起著作用，而其中的驅動力來自基本面交易者。

從匯率安排的角度看，當美元為基準貨幣時，兩種籃子以及歐元的系數是顯著的，符號也如預期。當瑞士法郎為基準貨幣時，出歐元外兩種籃的系數是顯著的，符號也如預期。當SDR為基準貨幣時，歐元的系數是顯著的，符號也如預期，兩種籃子則并不。由此我們可以得出結論匯率安排在人民幣匯率的決定中也起到了一定的作用。從歐元的回歸結果看，也有Frankel教授(2009)所發現的跡象。

如果比較市場基本面和籃子匯率安排兩個因素哪個作用更大，我們發現市場力量中的基本面因素的系數大于籃子匯率安排的系數。

除此之外我們還發現回歸結果隨著使用不同基準貨幣而異。在籃子匯率研究的現有文獻中，人們選擇了各種各樣的基準貨幣，例如美元， SDR， 金， 瑞士法郎及石油等. (Frankel Wei， 1994 Mickinon 2002 Agnès Bénassy-Quéré 1997 Marquez， J. J.Schidler 2006， Thorbecke，W 2008 ) 有時同一個作者會不加任何說明地選用不同的基準貨幣。(Frankel and Wei， 1994， Frankel， J S.J.Wei.2007) 。我們認為基準貨幣的作用是為了比較人民幣及籃子中貨幣成員的匯率波動性。選擇一個合適基準貨幣的標準是避免產生偏差而且基準貨幣的波動對成員貨幣的影響應該基本相同。對于美元的選擇符合該標準。

如果很難發現符合上述標準的據準貨幣，第二個標準是基準貨幣應該“中立化”。它的變化應該盡量小地影響籃子中的貨幣，它應該僅僅作為一個衡量和比較的標準。在此我們定義“中立化”為對成員貨幣影響的邊緣化。在這種情況下基準貨幣的波動越小越好。對于瑞士法郎的選擇符合該標準。

如果以上兩個標準都不符合，既沒有共同變動類的基準貨幣也沒有中立類的基準貨幣，那么可以選擇SDR。SDR是一種世界性的準貨幣，包含了以上兩種標準的綜合特征。理論上它考慮了影響成員國貨幣變動的各種因素。

在這里我們發現籃子匯率中的成員國與美國都有貿易、投資和債務往來。美元因此會同時影響到這些國家的貨幣變動關系。在下面的非線性分析中我們將考慮以美元作為基準貨幣。

1. 非線性估計結果

人工神經網絡是一種考慮了應變量間的非線性相互作用、模型的轉換等復雜現象的回歸模型。人工神經網絡在具有大規模并行模擬處理、非線性動力學和網絡全局作用等特點的同時，還具有很強的自適應、自學習及其容錯能力，具有傳統的建模方法所不具備的許多優點。其對被建模對象經驗知識的要求不高，可不必事先知道有關被建模對象的參數、結構和動態特性等方面的知識。只需給出對象的輸入及輸出數據，通過網絡本身的學習功能便可實現輸入和輸出的映射關系。因此，人工神經網絡的非線性高度逼近能力為宏觀經濟分析提供了一條全新的途徑。本文中我們將同時利用三種優化算法來實現ANN，即反饋型神經網絡(BP)， 徑向基神經網絡(RBF) 和廣義回歸神經網絡(GRNN)。

BP由P. Werbos于1974提出，并由D. Rumelhart于1986年發展成為一種無師學習網絡參數的模型，它由Delta算法實現。RBF是由徑向基函數作為激活函數，它的收斂速度和學習速度都快于BP。GRNN是于RBF類似的一種神經網絡，但相比之下前者收斂速度和精確度都更高，而且對怪異值反應的敏感度小。GRNN的一個不足之處是它的網絡規模較大。

圖1和2是三種模型的估計和預測誤差。很顯然BP的兩種誤差高于其它兩種神經網絡的對應情況，但是由于兩者幾乎交織在一起，從圖上很難區分RBF和GRNN的誤差大小 。在下文我們將利用設定統計量的辦法來計算三種模型的預測誤差。

2.績效評估

三種統計量分別為絕對百分均值誤差(MAPE)、絕對均值誤差(MAE)和根均方誤差(RMSE)，他們的公式分別如下:

其中p是樣本量，is是預測的匯率值，是實際觀測到的匯率。我們將計算的結果列示于表2中。

從表2中看出RBF的三個統計量值最小，因此它的預測效果是最好的。雖然如此，與線性模型相比，RBF的不足是僅能提供自變量是否對應變量有解釋作用與否的信息，但無法說明這種作用的大小。因此，也就無法比較不同解釋變量間解釋能力的大小，而這正是線性回歸模型的長處。

四、結論和未來研究

中國匯率改革的長期目標是加大匯率波動的靈活性使市場因素在匯率決定中起一定的作用。研究發現線性和非線性模型都反應了市場因素開始在人民幣匯率形成中起作用，而在市場因素中基本面策略使主要作用。研究還發現央行的籃子安排在匯率決定中也起著作用。這些發現說明了中國在開始從單一盯住美元走向籃子貨幣盯住，中國的匯率制度正朝著由市場決定更加靈活的方向在變化。因此中國政府做到了言行一致。

本研究的不足是現有的BP， RBF 和GRNN優化算法很容易陷入誤差的局部優化最小點而非全局的，所以可能并非最優化結果。未來的研究將利用遺傳算法或遺傳規劃來克服該缺陷。

參考文獻:

[1]Agnès Bénassy-Quéré (1997) “Optimal Pegs for Asian Currencies”， CEPII，No 1997-14October

[2]Camerer.C， G. Loewenstein， and D Prelec (2005) Neuroeconomics: How Neuroscience Can Inform Economics， Journal of Economic Literature Vol. XLIII (March 2005)， pp. 9-64

[3]Ding.J.P(2007) “The RMB Exchange Rate Regime is Heading to Flexibility ” Aug. China Foreign Exchange， People Bank of China

[4]Eichengreen， Barry， 2006， \"China's Exchange Rate Regime: The Long and Short of It，\" revision of paper for Columbia University's conference on Chinese money and finance held in New York on February 2-3

[5]FengX.B et al 2007 “Local Currency Stability and Asia Trade” China Economic Review，V18.No(4)

[6]Feng X.B.， L. Tang， FWang 2007 “Simulation of Exchange Rate Determination with Heterogeneous Strategies”， Santa Fe Institute Summer Project， Working paper. This paper appears later in:Machine Learning and Cybernetics， SCI

[7]Feng .X.B. et al 2009 “Research of exchange rate forecast model based on Radial Basis Function neural network” Computing Engineering and Application. 45 (24): 210-212

[8]Frankel， J (2009) “New Estimation of China’s Exchange Rate Regime”NBER14700

[9]Frankel， J， 2006， “On the Yuan: The Choice Between Adjustment Under a Fixed Exchange Rate and Adjustment under a Flexible Rate，” in Understanding the Chinese Economy， edited by Gerhard Illing .CESifo Economic Studies， Munich). NBER WP No. 11274

[10]Frankel， J and S.J.Wei.(2007) “Assessing China’s Exchange Rate Regime” NBER WP13100

[11]Frankel， J， and Shang-Jin Wei， (1994)， “Yen Bloc or Dollar Bloc? Exchange Rate Policies of the EastAsian Economies，” in Macroeconomic Linkages: Savings， Exchange Rates and Capital Flows， TakatoshiIto and Anne O. Krueger， eds.， Chicago: University of Chicago Press， 295-329

[12]Frankel， J and K.A.Froot (1986) “Short-Term and Long-Term Expectations of the Yen-dollar Expectation: Evidence from Survey Data ”Federal Reserve Board， International Financial Discussion Paper no292

[13]Frankel，J (1987) “Using Survey Data to Test Standard Proposition Regarding Exchange Rate Expectations” American Economic Review，Vol77，33-53

[14]Klein， Michael W; Shambaugh， Jay C， (2006)， “The Nature of Exchange Rate Regimes，” NBER working paper 12729

[15]Imad.M and L.Li (2008)“Exchange Rate Regime Verification: Has China Actually Moved from a Dollar Peg to a Basket Peg?” Memo， Monash University

[16]Jen， Stephen (2005)， “Chinese RMB Basket Still a Mystery，” Global Economics Forum， Morgan Stanley

[17]Levy Yeyati， Eduardo， and Federico Sturzenegger. (2000). “Classifying Exchange Rate Regimes: Deeds vs. Words.” Mimeo. Universidad Torcuato Di Tella， available at http://www.utdt.edu/~ely

[18]Marquez， J. J.Schindler (2006)“Exchange Rate Effects on China’s Trade: An Interim Report” International Finance Discussion Paper， No. 861. Federal Reserve Board， Washington， DC

[19]Obstfeld， Maurice， and K. Rogoff. (1995). The Mirage of Fixed Exchange Rates. Journal of Economic Perspectives 9 (Fall): 73-96

[20]Reinhart， Carmen， and Kenneth Rogoff. (2002). “The Modern History of Exchange Rate Arrangements: AReinterpretation.” Mimeo， International Monetary Fund

[21]Shah， Ajay， Achim Zeileis， and Ila Patnaik， 2005， “What is the New Chinese Currency Regime?”Unpublished， November

[22]Sun.F.C (2008) “Advances in Neural Networks-Isnn 2008: 5th International Composium on Neural Networks，” Proceedings

[23]Thorbecke，W 2008 “How Would an Appreciation of The RMB Other East Asian Currencies Affect China’s Exports? forthcoming in Review of International Economics

[24]Xu，J and H.Shao，G.Tang (2007) “Empirical Study on China Basket Currency System” Journal of Shanghai University of Economics and Finance，No2

[25]Yamazaki， Kazuo， 2006， “Inside the Currency Basket，” Columbia University and Mitsubishi UFJ Trust and Banking Corp.， December