匯率波動存在非對稱“杠桿效應”嗎？

摘 要 識別匯率波動的運行特征是做好匯率風險防范的前提，也是客觀評估和謀劃我國匯率制度改革的基礎。文章采用GARCH族波動性模型，基于2005年7月和2010年6月兩次匯改后的樣本數據就我國人民幣匯率的波動性特征進行了客觀地評估。結果發現，匯率風險引起的自身滯后波動及外部市場沖擊是引起人民幣匯率波動的主因，且這類沖擊對匯率波動的影響會產生“長記憶特性”，導致其呈現出顯著的“尖峰厚尾”和“集聚性”特征。同時，人民幣匯率波動序列并非現有研究所認為的匯改后整個樣本期內均存在“杠桿效應”，而僅僅只是在2010年6月二次匯改重啟之后的樣本期內出現了非對稱“杠桿效應”，且表現出“放大利空，縮小利好”的非對稱性特征。

關鍵詞 人民幣匯率；匯率波動；杠桿效應

[中圖分類號]F832.6 [文獻標識碼]A [文章編號]1673-0461（2017）01-0081-08

一、引 言

匯率是開放經濟下兩國貨幣兌換的價格或者比率，一直以來備受各界關注，而匯率波動就是一種貨幣相對于另一種貨幣價值的升值或貶值引起的起伏震蕩。盡管引起匯率波動的影響因素有很多，但貿易環境的變化以及來自金融市場的外部沖擊等被普遍認為是導致匯率波動最主要的因素（Ragan，2005[1]；Ball，2010 [2]，等等）。于是，現有大量研究也已關注到并對這種外部市場環境變化引起的沖擊對匯率波動所帶來的影響效應展開了研究，甚至一些研究還開始采用最新的研究方法，譬如，ARCH/GARCH等方法去聚焦于更深層次的匯率波動及特征問題展開研究，也即如何去度量匯率波動的特征及變動趨勢。Pagan和Schwert （1990）[3]等研究表明，在這些度量匯率波動的模型中，GARCH（1，1）模型被普遍認為是最好的、能夠更加精確的反映一國匯率波動的最佳方法，研究結論普遍認為，匯率波動呈現出強烈的波動集群性、“尖峰厚尾”等特征，這為我們進一步探明人民幣匯率波動的特征及運行規律奠定了良好的基石。

但問題是，我國自2005年7月21日進行了匯率制度改革，自此之后，匯率不再盯住單一美元，而是進入了“通過一籃子貨幣進行調節的有管理的浮動匯率制度”，我國匯率也因此跨入了大幅度升值的通道（如圖1所示），相應的匯率波動幅度也隨之擴大，特別是2010年6月人民幣匯率制度改革的二次重啟，以及2015年8月11日，人民幣匯率中間價報價方式的改革（也被外界解讀為新一輪匯率制度改革），使得人民幣匯率呈現出穩中有升，升中有穩的相互交替現象。經過一系列匯率制度改革之后的這種穩中有升、升中有穩相互交替變化的人民幣匯率，不僅已經積累了一定程度的理性與非理性泡沫成分，而且還出現了不確定因素增多與市場風險性程度加劇的趨勢，導致人民幣匯率波動性程度加劇，表現出非對稱性、高峰和寬尾等典型化特征，顯然已經無法滿足一般正態分布性質，這使得我們對于傳統的基于正態分布假設進行研究的方式提出了質疑（潘錫泉，2016）[4]。

所以，當下而言，不管是對于要進行資產組合與管理的個人投資者來說，還是對于需要通過匯率調節手段來實現我國人民幣匯率穩定的政府決策部門而言，都迫切希望尋求一種既能夠反映出市場利好、利空消息對人民幣匯率波動的影響，又能夠解決非正態分布異方差特性的方法來幫助他們分析匯率波動的特征及產生的影響效應。因此，研究匯率的波動特征就成為我們的當務之急，只有當我們熟識匯率波動特征的基礎上，才能去更好地把握匯率變化的規律，規避匯率波動風險，從而進一步化解匯率波動對個人與社會經濟活動帶來的負外部溢出效應。

二、匯率波動相關文獻研究

高峰厚尾、波動集聚、長記憶性、杠桿效應、波動溢出效應等被公認為是金融市場波動的典型特征（高艷，2014）[5]，匯率作為金融市場的重要變量，所以其波動特征也備受國內外學界的關注。國外文獻中關于匯率波動特征的研究多以美元、英鎊、日元等國際主流貨幣為研究對象。較為典型的如，Kenneth D. West 和Dongchul Cho（1995）[6]采用GARCH模型、自回歸和條件異方差非參模型及單變量模型對英鎊、日元等5種主要貨幣兌美元的雙邊匯率波動性進行了比較研究，并根據研究所得的波動性規律進行了預測。Meyer和Yu（2000）[7]運用SV波動模型研究認為英鎊匯率波動性存在強烈的非對稱“杠桿效應”。Wilfling（2009）[8]采用馬爾科夫狀態轉移模型研究了歐洲貨幣聯盟成員國的匯率波動狀態轉移過程發現，研究樣本中的所有國家在加入歐洲貨幣聯盟前后，其匯率波動均發生了明顯地轉換。

國內關于匯率波動的相關研究成果也很多，主要聚焦于人民幣匯率波動的特征進行了研究，從研究的樣本時間來看，主要分為兩個階段，第一個階段主要是以1994年第一次匯率制度改革為分界點，較為典型的如，謝赤和劉潭秋（2003）[9]利用Markov狀態轉換模型就人民幣對美元的月度數據波動性進行了研究，其結果認為匯率波動具有高度的波動集聚性和影響的持續性。

第二個階段則以2005年7月21日人民幣匯率制度改革為分界點。自此之后，無論是在方法的創新上，還是樣本數據的選取上，關于匯率波動性特征的研究變得愈發頻繁，結論也不盡相同。劉潭秋（2007）[10]采用門限模型和STAR模型對我國實際匯率波動的歷史數據進行了較好的擬合。靳曉婷等（2008）[11]同樣利用門限模型對匯改后到2008年1月的人民幣匯率數據進行了研究，發現人民幣匯率波動存在顯著的非線性“門限效應”。魏英輝（2009）[12]基于匯改后數據的研究得到人民幣兌主要匯率的日收益率具有“尖峰厚尾”特性和“波動聚集”效應（日元除外）。吳躍明（2010）[13]基于長記憶隨機波動（LMSV）模型就人民幣與主要國家匯率（美元、歐元、日元、英鎊）之間是否存在波動效應和長記憶性特性進行了檢驗，發現人民幣對各主要國家匯率的波動性存在顯著的長記憶特征。李敏等（2010）[14]則基于1991～2008年的樣本數據，采用三區制馬爾科夫狀態轉移模型就人民幣實際有效匯率數據的波動路徑進行了研究，得到我國人民幣實際有效匯率呈現出“過度貶值”、“適度貶值”和“升值”三個顯著的階段性特征。趙華和燕焦枝（2010）[15]采用MS-GARCH模型分析了2005年匯率改革后人民幣匯率波動的狀態轉換行為，發現兩區制轉換GARCH模型的擬合和預測效果均優于單狀態GARCH模型，建議研究時應該采用兩區制GARCH模型。張欣和崔日明（2013）[16]的研究發現匯率波動過程中存在著明顯的“放大利空，縮小利好”的非對稱特征。闕澄宇和馬斌（2015）[17]采用VAR-GJR-MGARCH-BEKK模型證實了在岸與離岸人民幣即期匯率、遠期匯率，以及兩者之間的波動溢出效應和非對稱效應均存在。劉超和劉東（2015）[18]運用混沌理論（包括綜合集成R/S方法、G-P算法和Wolf方法）和技術方法就2005年7月人民幣匯率制度改革前后人民幣兌美元匯率波動性進行了混沌性檢驗，其研究結果認為，匯改前后匯率波動具有顯著的差異性，匯改前匯率波動不存在狀態持續性，而匯改后匯率波動呈現長期記憶特性，具有弱混沌現象和長期不可預測性。李強和田娟娟（2016）[19]利用向量自回歸模型對我國匯改后人民幣兌美元匯率收益率序列的研究卻認為人民幣匯率存在雙向波動和長記憶效應。

顯然，國內外現有研究取得的成果為我們進一步深入探究人民幣匯率波動特征及運行規律提供了方法與實踐的指導，但細究這些文獻，尤其是國內關于人民幣匯率波動特征的研究文獻，我們可以發現一個共同的特點是，這些研究似乎都包含了匯率制度改革之后的整個樣本期（跨越了二次匯改的重啟，以及經濟大環境的變化）進行研究而得出人民幣匯率具有“波動集聚”和非對稱“杠桿效應”，而忽略了諸如2005年7月21日匯率制度改革之后，人民幣匯率遭遇全球性金融危機影響在2008年9月到2010年6月匯率制度二次改革重啟之前的這段樣本期內，人民幣匯率事實上處于較為平穩的運行狀態，也就是我們所謂的“軟頂住”狀態，這樣得到的結論顯然值得商榷。

據此，本文的邊際貢獻是期望在前人研究的基礎上，進一步剔除這些可能對人民幣匯率波動特征產生影響的樣本區間，以及采用分階段的方式對我國人民幣匯率波動的特性進行再次檢驗，期望能夠客觀地評估像我國這樣經歷了多次匯率制度改革及經濟進入新常態背景下的匯率波動性是否會出現非對稱“杠桿效應”及其具體呈現出的波動性特征如何？為規避匯率風險，以及進一步客觀評估和謀劃我國匯率制度改革提供客觀的依據。

三、匯率波動性特征研究模型設定

我們將人民幣匯率波動收益率定義為每日人民幣兌美元雙邊匯率中間價的對數值一階差分值：

其中P 為每日人民幣對美元雙邊匯率中間價。

本文描述人民幣匯率波動收益率Rt的模型GARCH（p，q）包括兩個部分。第一部分為數據生成過程（均值過程）：

其中，Rt的數據生成過程服從ARMA（m，n）過程，假設人民幣匯率波動收益率序列的絕對殘差序列是一個條件異方差過程。在已知信息集的條件下，進一步假設絕對殘差序列的條件分布為正態分布，具有時變的條件方差為：

GARCH（p，q）模型的第二部分主要由條件異方差的生成過程組成（方差方程），這也是目前研究金融資本市場波動性的最好模型，我們將其設定為：

為了更好地描述金融資產收益率序列特征，將GARCH（p，q）模型進一步推廣（允許條件方差對收益率序列產生影響），得到GARCH-M（p，q）模型：

其中，當存在風險獎勵時，對應的調整系數表現為λ>0；當存在風險懲罰時，則對應的調整系數表現為λ<0。

進一步地，考慮到一般金融資產收益率與市場波動性兩者之間的緊密聯系性，所以分析利好、利空消息對人民幣匯率波動收益率的影響對理解投資者個體行為特征非常有益。于是，模型被Nelson（1991）[20]進一步拓展，他提出了非對稱形式的 EGARCH（p，q）模型：

當γ ≠0且統計上顯著時，表明來自外部市場的沖擊對人民幣匯率波動的影響具有“非對稱性”；當γ <0時，表明負外部沖擊對匯率波動產生的影響要大于正外部沖擊，即存在匯率波動的“杠桿效應”現象。顯然，該模型能夠很好地對人民幣匯率波動是否存在“杠桿效應”進行檢驗，而且還具有一個顯著的特點是對參數沒有任何約束限制，也即杠桿效應是否存在可以通過系數γ 直接得到檢驗。若γ <0，則表明壞消息（ε <0）對人民幣匯率波動的沖擊效應要比好消息（ε >0）引起的沖擊效應大；反之，若γ >0，則好消息引起匯率波動的沖擊效應要比壞消息引起匯率波動的沖擊效應大，從而體現出匯率波動的“非對稱性”特征。

四、人民幣匯率波動性特征與“杠桿效應”實證檢驗

（一）數據來源及描述性統計分析

考慮到2005年7月21日匯率制度改革之前我國人民幣對美元匯率基本處于固定匯率狀態，本文選取了匯率制度改革之后的樣本期進行研究，但通過對這一樣本期的樣本序列進行描述性統計分析，我們確實發現如前文所說的，在2008年9月～2010年5月這一樣本期內人民幣兌美元匯率的波動幅度基本處于停滯狀態（如圖1和圖2所示）①，直至2010年6月二次匯改的重啟，人民幣兌美元匯率再次步入小幅升值態勢，匯率波動又開始顯現（潘錫泉，2013[21]）的特征。

所以，為避免這種“軟盯住”狀態下人民幣匯率波動性較弱導致的實證結果欠佳現象，本文在具體實證研究樣本選取時，將2008年9月～2010年5月予以了剔除，將最終樣本確定為2005.7.21～2008.8.29（764個樣本）和2010.6.1～2016.6.24（1 473個樣本）②。

從圖2可進一步發現，人民幣匯率波動序列中出現了很多異常的峰值，這也在一定程度上說明了人民幣匯率波動的顯著性。與此同時，我們還發現人民幣匯率波動數據序列中所呈現出的某些異常波動性具有聚集現象（主要表現為匯率波動的大幅度波動區域和小幅度波動區域具有間歇性，常常集中在不同的時段），初步可以判斷我國人民幣匯率波動序列存在波動的集聚性特征，具有條件異方差跡象。由此，我們有理由認定人民幣匯率波動序列中出現的擾動肯定不是白噪聲過程。

（二）人民幣匯率波動性GARCH效應估計

我們分別在2005.7.21～2008.8.29（764個樣本）和2010.6.1～2016.6.24（1 473個樣本）樣本期內對人民幣匯率波動建立GARCH族波動性模型進行估計和分析③。

1.2005.7.21～2008.8.29樣本期內人民幣匯率波動性GARCH效應估計

首先，我們對人民幣匯率波動序列的相關性進行分析，得到人民幣匯率波動序列的自相關系數（AC）和偏相關系數（PAC）如表1所示。

由表1的分析結果可知，滯后7階和滯后14階自相關系數的絕對值相對較大，所以，在均值方程估計時采用滯后7階和滯后14階的模型進行估計，得到均值方程（最小二乘估計）的估計結果如式（7）所示：

式（7）均值方程擬合程度較好，且系數統計量均顯著，于是我們進一步給出該均值方程的殘差圖（如圖3）。經過對圖3殘差圖的直觀判斷，我們發現，人民幣匯率波動序列存在波動“集聚”現象，這說明誤差項很可能存在條件異方差性。

據此，我們進一步對式（8）的均值方程進行條件異方差ARCH-LM檢驗，以確診人民幣匯率波動序列是否確實存在ARCH效應，得到ARCH-LM檢驗結果如表2。

檢驗結果認為人民幣對美元匯率波動序列的殘差項在2005.7.21～2008.8.29樣本期內確實存在強烈的波動集聚現象。因此，采用GARCH模型對人民幣匯率波動進行估計和分析是合理的，得到均值方程和方差方程的估計結果如式（8）和式（9）④（方程估計中最優滯后階數的判斷是根據不斷地“試錯”和AIC信息準則共同來決定的，后同）。

由式（9）GARCH（1，1）模型的條件方差估計結果可知，α+β<1始終成立，這說明人民幣匯率波動序列條件方差序列是穩定的，模型具有可測性。從式（9）的估計結果來看，α+β之和非常接近1，這說明市場對外部沖擊的反應函數是以一個較慢的速度在遞減，這也意味著外部沖擊對匯率波動的影響效應具有持久性和長記憶特性。

同樣，我們對人民幣匯率波動序列進行GARCH（1，1）模型估計后得到的殘差項的序列圖與正態分布圖相比較，發現仍存在個別離群值，分布略有偏斜。為此，我們進一步納入到均值方程中進行GARCH-M估計，得到均值方程估計結果為：

同樣對GARCH-M估計后的殘差序列進行ARCH-LM異方差檢驗，滯后一階的ARCH-LM效應檢驗結果如表3所示。

表3的ARCH-LM檢驗結果表明GARCH-M估計后的殘差序列中已不存在ARCH效應，消除了殘差序列的條件異方差性，說明均值方程和方差方程估計得到的結果是穩健的。

由均值方程（10）的估計結果可知，σt的系數為-0.25，且在統計上顯著，這表明此時的匯率風險是引起匯率波動的主要原因，當市場中的預期風險增加一個百分點時，就會導致匯率波動率下降0.25個百分點。這同樣說明了人民幣匯率波動率存在顯著的風險懲罰機制，也即存在負向風險溢價行為，當市場上的風險預期越強烈，人民幣匯率波動越趨于穩定。這可能是當時樣本期內我國人民幣匯率剛好經歷了匯率制度改革，匯率的短期升值預期非常強烈，導致匯率波動幅度持續擴大，使得居民對市場上人民幣匯率波動的預期過于強烈，中國政府為平抑人民幣匯率的過度波動而采取的相應措施，譬如引入詢價機制等手段，反而起到了事實上的穩定匯率作用。

同時，不管是式（8），還是式（10）估計結果均顯示，人民幣匯率波動序列滯后14期對其自身具有顯著的正向效應，也即人民幣匯率波動具有一定的滯后性，其當前匯率的波動會受到滯后2到3個星期（14個交易日）的交易行為影響。

進一步地，方差方程式（11）的GARCH-M估計顯示，ε 的系數不為零且在統計上顯著，表明外部市場沖擊對匯率波動的影響效應為0.06，而σ 系數同樣不為零且在統計上顯著，表明匯率波動具有一定的記憶性，且α+β<1同樣成立，表明條件方差模型是穩定可測的，市場對外部沖擊的反應函數將以一個較慢的速度遞減，對匯率波動產生持續性的影響。同時， 結果還表明人民幣匯率波動序列方差的波動性同樣會受到其自身滯后3期的影響。

2.2010.6.1～2016.6.24樣本期內人民幣匯率波動性GARCH效應估計

同樣，對2010.6.1～2016.6.24樣本期內人民幣匯率波動序列的相關性進行分析，得到人民幣匯率波動序列的自相關系數（AC）和偏相關系數（PAC）如表4所示。

表4的結果顯示滯后1階和滯后7階自相關系數的絕對值相對較大，所以，在均值方程估計時采用滯后1階和滯后7階的模型進行估計，得到均值方程（最小二乘估計）的估計結果如式（12）所示。

同理，對式（12）均值方程估計得到的殘差項進行觀察（如圖4），同樣發現存在嚴重的“集聚”現象，可能存在條件異方差特性，需要我們進一步對其進行ARCH-LM檢驗。

經過檢驗，得到ARCH-LM檢驗結果如表5。

表5的檢驗結果同樣認為人民幣對美元匯率波動序列的殘差項在2010.6.1～2016.6.24樣本期內確實存在強烈的波動集聚現象。因此，采用GARCH模型對人民幣匯率波動進行估計和分析同樣是合理的，得到均值方程和方差方程結果如式（13）和（14）。

式（14）的估計結果同樣顯示，α+β<1始終成立，這說明人民幣匯率波動序列條件方差序列是穩定的，模型具有可測性。而且α+β之和為0.95，非常接近1，這同樣說明了市場對外部沖擊的反應函數以一個較慢的速度遞減，這也意味著外部沖擊對人民幣匯率波動的影響具有持久性，產生了記憶性。

我們對人民幣匯率波動序列進行GARCH（1，1）模型估計后所得到的殘差項序列圖進行觀測，同樣發現，其相比于正態分布仍存在個別離群值，分布略有偏斜。為此，我們進一步納入σ 到均值方程中驗證是否有必要建立GARCH-M模型，估計得到均值方程。

式（15）的均值方程估計結果顯示，σ 的系數估計量在統計上不顯著，這說明沒有必要建立GARCH-M模型，而其他系數估計結果與式（13）得到的結果無論是統計顯著性還是系數方向上都較為一致。因此，建立式（13）和（14）的GARCH模型即可，而無需進一步建立GARCH-M模型。

所以，我們只需要對式（13）和（14）的GARCH模型估計后的殘差序列進行ARCH-LM異方差檢驗，滯后一階的ARCH-LM效應檢驗統計量值如表6。

表6的檢驗結果同樣表明GARCH模型估計后的殘差序列中已不存在ARCH效應，消除了殘差序列的條件異方差性。

方程（13）的估計結果表明，人民幣匯率波動會受到其滯后一期的影響，估計結果與式（15）得到的結論較為一致。

式（14）中得到ε 的系數為0.18，且在統計上顯著，同樣表明外部市場沖擊對匯率波動具有顯著的影響效應，而且相較于2005年7月匯改后到2008.8.29樣本期的沖擊效應明顯有所增長，這可能是源于近幾年全球經濟的動蕩與資本流動的加劇所致。σ 的系數為0.77，且在統計上顯著的結果同樣表明，這一階段的匯率波動具有一定的記憶性，以及受外部市場沖擊影響的持續性。

（三）人民幣匯率波動性“杠桿效應”檢驗

1.2005.7.21～2008.8.29樣本期內人民幣匯率波動性“杠桿效應”檢驗

為了進一步探明市場的利好、利空消息對市場上投資者的個體行為特征是否會產生異質性影響呢？也即人民幣匯率波動性是否存在非對稱“杠桿效應”問題，我們繼續采用EGARCH模型進行估計，得到均值方程為。

顯然，由方差方程可知，表示杠桿效應的系數統計量雖然不為零，但其在統計上不顯著，所以，我們認為，在這一樣本期內，人民幣匯率波動序列并不存在顯著的杠桿效應。

2.2010.6.1～2016.6.24樣本期內人民幣匯率波動性“杠桿效應”檢驗

同樣利用EGARCH模型估計判斷利空和利好消息對人民幣匯率波動產生的非對稱效應，得到均值方程估計結果為：

方差方程式（19）的估計結果顯示，γ≠0，其值為-0.03，且統計上顯著，表明外部沖擊對匯率波動的影響具有“非對稱性”特性。γ<0意味著在2010.6.1～2016.6.24樣本期內，利空消息對人民幣匯率波動帶來的沖擊效應要比利好消息帶來的沖擊效應大，存在顯著的非對稱“杠桿效應”，這與張欣（2013）[16]的研究得到人民幣匯率波動呈現“放大利空、縮小利好”的非對稱特性相一致。究其原因，這可能是由于我國“二次匯改”重啟之后，人民幣匯率波動幅度雖然較之前趨于更加穩定，但長期以來人民幣匯率受外界升值壓力影響引起的心理預期及“穩中有升”慣性預期使得居民對人民幣匯率受市場波動和沖擊的影響變得更為敏感，一旦出現利空消息（人民幣升值）將會導致人民幣匯率產生更為劇烈的波動，而受到市場利好消息沖擊時（人民幣匯率貶值）的波動幅度相對更為穩定。

五、簡要的結論及政策啟示

本文基于我國第一次匯改（2005.7.21～2008.8.29）及2010年6月第二次匯改重啟之后（2010.6.1～2016.6.24）的兩個樣本期，采用GARCH族模型就我國人民幣對美元雙邊匯率中間價的匯率波動性特征進行了研究，結果認為。

（1）兩個樣本期內的GARCH族模型檢驗均認為，我國人民幣匯率波動序列確實具有顯著的“尖峰厚尾”和波動的集聚性特征，引起人民幣匯率波動的主要原因源自于匯率風險引起的自身滯后波動及外部市場沖擊等因素，而且這種沖擊將會以一個較慢的速度遞減對匯率波動產生持續性影響，產生長期記憶性特征。

（2）我國人民幣匯率波動序列在第一次匯改之后（2005.7.21～2008.8.29）的樣本期內不存在顯著的“杠桿效應”，而在第二次匯改重啟之后的樣本期內卻存在著顯著的非對稱“杠桿效應”，表現為市場利空消息對人民幣匯率波動的沖擊效應要更為強烈，其原因可能是由于長期以來居民對人民幣匯率保持穩中有升的慣性心理預期所致。

根據研究，我們得到相應的啟示為：

其一，政府所要面對與處理的首要問題是預防和管理由客觀環境所引致的外部匯率風險沖擊對人民幣匯率波動產生的影響，政府應堅持“逆匯率波動風向”調節的原則下，及時采取相應的宏觀經濟調控手段去防范外部市場環境變化所產生的沖擊，并做好化解已產生的市場外部環境沖擊所帶來的風險對匯率市場的波及，防止匯率波動的加劇與傳染以起到穩定我國當前匯率的目標。

其二，政府需要進一步完善和推進人民幣匯率形成機制改革，實施動態、有彈性的匯率浮動機制，充分利用我國巨額外匯儲備的功效作用去保持和維護人民幣匯率的穩定，以此去調整和釋放能夠有效抑制公眾心理預期的信息，提振居民對外部客觀市場環境穩定的信心，去保持人民幣幣值在合理區間內的穩定，以減少金融市場恐慌所引起的人民幣匯率波動風險。

[參考文獻]

[1] Christopher·Ragan.The Exchange Rate and Canadian Inflation Targeting[J]. Bank of Canada Review，Bank of Canada，2005，3： 41-50.

[2] Ball L. Policy Responses to Exchange-rate Movements[J].Open Economies Review，2010，21（2）： 187-199.

[3] Pagan A.R，Schwert G.W. Alternative Models for Conditional Stock Volatility[J]. Journal of Econometrics，1990，45（1）： 267-290.

[4] 潘錫泉.我國滬深股市波動性與“杠桿效應”問題重新研究——基于非線性視域的GARCH族模型分階段檢驗[J].江漢學術，2016（4）：19-29.

[5] 高艷.人民幣匯率波動特征的計量分析[D].長春：吉林大學，2014.

[6] West，Kenneth D.，Cho，Dongchul. The Predictive Ability of Several Models of Exchange Rate Volatility[J]. Journal of Econometrics，Elsevier.1995，69（2）： 367-391.

[7] Renate Meyer，Jun Yu. BUGS for a Bayesian Analysis of Stochastic Volatility Models[J]. Econometrics Journal，2000，3：198-215.

[8] Wilfling，B.Volatility Regime-switching in European Exchange Rates Prior to Monetary Unification[J]. Journal of International Money and Finance，2009，28：240-270.

[9] 謝赤，劉潭秋.人民幣實際匯率中的馬爾科夫轉換行為[J].統計研究，2003（9）： 50-52.

[10] 劉潭秋.人民幣實際匯率的非線性特征研究[J].數量經濟技術經濟研究，2007（2）：11- 17.

[11] 靳曉婷，張曉峒，欒惠德.匯改后人民幣匯率波動的非線性特征研究——基于門限自回歸TAR模型[J].財經研究，2008（9）： 48-57.

[12] 魏英輝. 匯改后人民幣匯率波動特征的實證分析[J].改革與戰略，2009（4）：84-87.

[13] 吳躍明.基于小波變換的LMSV模型對人民幣匯率波動的研究[J].經濟數學，2010（9）： 59-63.

[14] 李敏，王相寧，繆柏其.基于Markov區制轉移模型的人民幣實際有效匯率波動機制[J].中國科學技術大學學報，2010（6）：565-570.

[15] 趙華，燕焦枝.匯改后人民幣匯率波動的狀態轉換行為研究[J].國際金融研究，2010（1）： 60-67.

[16] 張欣，崔日明.基于非對稱隨機波動模型的人民幣匯率波動特征研究[J].國際金融研究，2013（1）： 28-38.

[17]闕澄宇，馬斌. 人民幣在岸與離岸市場匯率的非對稱溢出效應——基于VAR-GJR- MGARCH-BEKK模型的經驗證據[J].國際金融研究，2015（7）： 21-32.

[18] 劉超，劉東.人民幣對美元匯率波動的混沌性研究——基于2005年匯改后與匯改前數據的比較[J].金融理論與實踐，2014（3）： 12-18.

[19] 李強，田娟娟.人民幣匯率波動的雙向波動的記憶效應分析[J].統計與決策，2015（22）： 172-174.

[20] Nelson，D. Conditional Heteroscedasticity in Asset Returns： A New Approach[J]. Econometrica，1991，59：347-370.

[21] 潘錫泉.中美利率和匯率動態效應研究：理論與實證——基于拓展的非拋補利率平價模型的研究[J].國際貿易問題，2013（6）： 76-87.