基于ARMA-GJR模型的人民幣匯率波動非對稱性研究

摘 要：本文主要研究人民幣匯率波動的“非對稱性”特征。通過構建ARMA-GJR模型實證檢驗了人民幣兌美元匯率波動的特征，結果顯示，人民幣匯率波動具有正向“非對稱性”特征，即市場對人民幣升值和貶值存在不同程度的反應，人民幣升值會給市場帶來更大幅度的波動。最后針對匯率波動“非對稱性”提出了相應的政策建議。

關鍵詞：匯率 非對稱性 ARMA GJR

中圖分類號：F832.6 文獻標識碼：A 文章編號：2096-0298（2017）11（c）-029-03

自2005年7月21日起，我國開始實行以市場供求為基礎、參考一籃子貨幣進行調節、有管理的浮動匯率制度，人民幣匯率不再盯住單一美元，而是選擇若干種主要貨幣組成一個貨幣籃子，同時參考一籃子貨幣計算人民幣多邊匯率指數的變化。這一改革使得匯率市場化程度明顯增強，匯率波動的彈性也顯著增強。第十八屆三中全會也作出了繼續深化匯率市場化改革的決定，對人民幣匯率產生了深遠影響。一直以來，匯率都是重要的宏觀經濟指標，匯率的波動不僅會影響國家的進出口貿易、資本流動、物價水平、總需求等宏觀經濟變量，也會影響一國財政政策和貨幣政策的實施。因此研究和刻畫人民幣匯率的波動特征有著重要的現實意義。

人民幣匯率波動被認為具有“非對稱性”特征。金融資產的“非對稱性”，也稱“杠桿效應”，是指金融資產價格的下跌比相同幅度的價格上漲對資產價格波動的影響更大。也就是說利空消息引起的價格波動比同等利好消息引起的價格波動要大。

本文著重研究人民幣匯率波動的“非對稱性”特征。運用ARMA—GJR模型對美元兌人民幣匯率中間價高頻數據進行建模，實證分析人民幣匯率波動的“非對稱性”特征，以期對匯率的研究和預測有所幫助。

1 國內外研究綜述

匯率波動性特征一直是學術界和政策制定者關注的焦點，國內外均有關于匯率波動“非對稱性”的研究。國外學者的研究主要集中在GARCH類模型，Torben和Bollerslev（2001）運用TGARCH模型對美元匯率進行了實證研究，得出了美元匯率波動具有“非對稱性”特征的結論。Meyer和Yu（2000）在研究英鎊匯率波動過程中運用SV類模型，得出了英鎊波動存在“杠桿效應”特征的結論。另外McKenzie（2002）還對匯率波動具有“非對稱性”特征的原因進行了分析和論述。

國內也有一些對匯率波動“非對稱性”的研究。查奇芬和陳風華（2010）運用EGARCH—M模型和杠桿SV模型實證分析了人民幣匯率市場，得出了人民幣匯率具有“非對稱性”的結論。翟愛梅（2010）基于TGARCH模型得出了人民幣外匯波動具有反向“非對稱性”特征的結論，并認為這源自于匯率的單向預期。宮舒文（2015）也基于GARCH類模型實證研究了人民幣兌美元匯率的波動，認為人民幣匯率波動具有正向“非對稱性”。

由此可見匯率波動的非對稱性問題仍然是吸引國內外學者注意力的主題。而且國內的研究結論也存在分歧，有的研究得出匯率波動具有正向“非對稱性”的結論，也有文獻認為匯率具有反向“非對稱性”，所以有必要進行繼續深入的研究。

2 ARMA-GJR模型介紹

Engle（1982）開創性地提出了ARCH模型，用以處理時間序列分析中的異方差問題。隨后Bollerslev（1986）對其進行了擴展并提出了GARCH模型。由于GARCH模型可以很好地描述金融資產價格波動的特征，因而在金融領域被廣泛地使用和擴展。

標準的GARCH模型對好消息和壞消息的處理是對稱的，即它們對波動的影響是相同的。然而，好消息和壞消息對波動的影響可能是不對稱的。一般來說，當壞消息沖擊金融市場時，資產價格趨向進入一個動蕩階段，波動增加。但是，有好消息時，波動趨向于小些，市場會進入一段平穩時期。也就是說金融市場是可能存在“非對稱性”的。GJR模型是GARCH類模型的一種，其特點是在GARCH模型中引入了非對稱項，使其對好消息和壞消息的處理是不對稱的，從而達到研究“非對稱性”的目的。ARMA—GJR模型是GJR模型與ARMA模型的結合使用，ARMA（m，n）—GJR（p，q）模型的具體表述為。

3 人民幣匯率非對性的實證研究

3.1 數據來源

本文選取2009年11月2日至2017年3月29日每個交易日的人民幣兌美元匯率中間價的高頻數據作為原始樣本數據進行實證研究，共計1808個。本文研究使用Excel以及Eviews軟件完成。

3.2 實證模型構建

人民幣兌美元的日匯率序列FXt的走勢圖如圖1 所示。

下面對DLGFXt做ARMA回歸，首先對ARMA模型進行定階，作出DLGFXt的自相關及偏自相關函數圖，根據DLGFXt的自相關及偏自相關函數和回歸系數的顯著性確定滯后階數為1階，初步選定以下幾個模型：AR（1）、MA（1）、ARMA（1，1）。三個模型的AIC值分別為-10.50102、-10.50204以及-10.50405。根據AIC準則，選取ARMA（1，1）模型來對DLGFXt進行回歸。

對回歸后的殘差進行異方差檢驗，即ARCH-LM檢驗。得到的F統計量為74.38067，p值為0.0000，因此拒絕原假設，表明回歸具有顯著的異方差性。因此，我們在此基礎上對DLGFXt進行適用于異方差平穩過程的ARMA-GJR回歸。首先在ARMA（1，1）的基礎上對GJR進行定階。適合于實證分析的GJR模型有GJR（0，2）、 GJR（1，1）、GJR（2，1）。三個模型的AIC值分別為-10.61844、-10.61715以及-10.61710。根據AIC準則，選取GJR（1，1）模型進行研究。因此對DLGFXt進行ARMA（1，1）—GJR（1，1）回歸，回歸結果見表1。

3.3 實證結果分析

結果顯示在5%的置信水平下顯著異于0，并且。好消息對波動的影響是0.175443，而壞消息對波動的影響是0.175443+0.216930=0.392373。說明在外匯市場上存在正向的“非對稱性”，不利消息對市場的沖擊要大于有利消息對市場的沖擊，即人民幣升值會帶來比貶值更大的波動。

4 政策建議

本文的實證研究結果顯示人民幣匯率市場存在正向的“非對稱性”，即匯率市場對人民幣升值和貶值存在不同程度的反應，人民幣升值會給市場帶來更大幅度的波動。針對人民幣匯率波動的特征，本文的政策建議包括以下幾方面。

第一，應當應對好人民幣升值時期匯率波動對經濟造成的沖擊。由于“非對稱性”的存在，人民幣升值會給市場帶來更大幅度的波動，需要積極應對。國際收支雙順差是導致人民幣升值壓力的根源所在，因此為了減少人民幣升值的壓力，進而緩解人民幣升值對匯率波動的影響，應當鼓勵進口國外的先進設備和高端技術，同時加強我國資本的“走出去”戰略。

第二，在匯率市場化進程中，央行應控制好匯率變動的節奏。由于人民幣匯率波動具有集聚性特征，往往會出現一段時期內匯率過度波動的現象，此時出口企業面臨較大的匯率風險，風險貼水引起企業訂單成本上升，進而導致出口規模減少，給企業造成損失，同時也不利于經濟的復蘇和發展，所以中央銀行應當適度調控匯率的變動。

第三，加強匯率衍生品市場的建設。匯率的逐步市場化趨勢勢必會帶來匯率風險的加大，為規避市場風險，我們有必要加強匯率衍生品市場的建設。企業可以通過購買相應的匯率衍生品工具來規避風險。完善的匯率衍生品市場可以促使我國對外貿易健康穩定發展，同時對于完善我國金融市場也有推進作用。

參考文獻

[1] Bollerslev T.Generalized Auto Regressive Conditional Heteroskedasticity [J].Journal of Econometrics，1986（31）.

[2] Engle R F. Auto Regressive Conditional Heteroskedasticity with Estimate of the Variance of United Kingdom Inflation[J].Econometrica，1982（50）.

[3] McKenzie M，The Economics of Exchange Rate Volatility symmetry[J].International Journal of Finance and Economics，2002（7）.

[4] Meyer R，Yu.J.Bugs for a Bayesian Analysis of Stochastic Volatility Models[J].Econometrics Journal，2002，3（2）.

[5] Torben.G.A，Bollerslev.T，Francis X.D.The Distribution of Realized Exchange Rate Volatility[J]. Journal of American Statistical Association，2001，96（453）.

[6] 查奇芬，陳風華.基于隨機波動模型的人民幣匯率波動性分析[J].統計與決策，2010（22）.

[7] 宮舒文.基于GARCH族模型的人民幣匯率波動性分析[J].統計與決策，2015（12）.

[8] 翟愛梅.基于GARCH模型對人民幣匯率波動的實證研究[J].技術經濟與管理，2010（2）.