國內投資視角下的外匯避險能力研究

鄒宏元,張 杰

(西南財經大學金融學院,四川 成都 611130)

一、問題的提出

2008年金融危機后，出于避險目的，安全資產成為投資者關注的熱點，對安全資產的定義學術界從兩個角度進行了描述：一是指某類資產的收益在經濟危機時期能夠保持穩定的能力[1]，即避風港能力。二是指某類資產的收益隨通貨膨脹變化而變化的能力[2]，即通貨膨脹對沖能力。在經濟危機時期，某類資產收益與風險資產收益之間存在非正的關系，則該類資產可被稱為避風港資產[3]。若某類資產價格走勢與通貨膨脹走勢之間正相關，則該資產具備通貨膨脹對沖能力[2-4]。由此可見，避風港能力和通貨膨脹對沖能力是衡量某種資產避險能力的兩個重要組成部分，也是判斷某種資產是否為安全資產的重要依據。但是二者之間也存在著明顯的區別：一是避風港資產研究的參照物為風險資產而通貨膨脹對沖能力研究的參照物是物價指數，兩者對比基礎不同。二是避風港資產更多是以資產組合角度作為出發點，重點研究的是在危機時期其能否有效降低資產組合風險，側重點是某類資產在資產組合中的地位，而通貨膨脹對沖能力則是從單個資產的保值角度進行研究，著重點是單個資產。隨著研究的深入，Doroodian和Caporale[5]與Ranaldo和Paul[6]將避風港資產概念延伸至貨幣，對貨幣的避風港能力進行研究。一方面，在眾多資產中，外匯的貨幣和資產雙重屬性使其成為流動性最強的資產之一，在很大程度上滿足了投資者對安全資產的要求。另一方面，由于匯率形成機制的復雜性，高風險始終是外匯投資的伴生品，投資者對不同外匯品種的避險能力需要有一個清晰的認知。

Habib和Stracca[7]構建了全球避險情緒沖擊指數，并假定該指數與避風港貨幣正相關，結果表明國家風險較低的貨幣更適合充當避風港貨幣。Hossfeld和MacDonald[8]利用面板門限回歸模型在考慮套利交易的條件下對G10國家貨幣進行了研究，結果發現瑞士法郎、歐元和美元是有效的避風港貨幣。Grisse和Nitschka[9]基于瑞士法郎的多個雙邊匯率進行了研究，結果發現瑞士法郎對部分國家的貨幣表現出避風港能力。Lee[10]基于時變框架對6個主要發達國家貨幣進行了研究，結果發現瑞士法郎和日元是有效的避風港貨幣。同時，有學者對諸如股票、黃金、房地產和債券等資產從通貨膨脹對沖的角度進行研究。Luintel和Paudyal[11]利用Johansen檢驗對英國股票價格指數與零售價格指數進行了協整分析，結果表明在英國投資股票可有效對沖通貨膨脹。Beckmann和Czudaj[12]采用時變的VECM模型對美國、英國、日本和歐洲四個經濟體的黃金通貨膨脹對沖能力進行了研究，結果顯示黃金只具備部分通貨膨脹對沖能力，且在不同地區、不同時期黃金通貨膨脹對沖能力也不盡相同。Marie和Ombretta[13]對近三十年來巴西家庭資產投資組合的通貨膨脹對沖能力進行了分析，認為家庭將資產以7∶3的比例投資于國內資產和國外資產將取得最優通貨膨脹對沖效果。國內方面，剛猛和陳金賢[14]利用ADL模型檢驗了中國股票收益率與通貨膨脹之間的關系，結果表明二者之間呈現顯著穩定的負相關關系，難以起到通貨膨脹對沖效應。陳秋靜[15]研究了黃金市場、股票市場和債券市場之間的關系，結果表明黃金市場收益與股票市場收益呈現正相關關系，與債券市場收益呈現負相關關系，黃金市場不是股票市場的避風港卻是債券市場的避風港。尹力博和柳依依[16]采用動態GARCH模型研究在不確定經濟背景下黃金資產的避險能力，結果顯示黃金在經濟危機時期能夠有效抵御經濟波動帶來的風險。

綜上所述，國內學者中尚未有從國內視角對外匯避險能力問題進行研究。而隨著國內投資市場不斷完善和發展，投資者可選擇的投資品種不斷增多，除去傳統有價證券，外匯也逐漸成為投資者的選擇之一。因此，本文嘗試從外匯作為一種投資品的角度分析其避險能力，以期為投資者提供有用的決策信息。

二、變量、數據及分析

(一)變量選取與數據說明

本文對主要外匯的避險能力進行研究，以歐元、日元、美元、英鎊以及瑞士法郎作為研究目標，從避風港與通貨膨脹對沖兩個角度選取風險資產收益指標和通貨膨脹指標，借鑒Lee[10]的思路選取股票收益(Stock)作為風險資產收益的代理變量，同時選取CPI作為國內通貨膨脹的代理指標。股票收益為上證綜合指數收益。

本文選取上述5種外匯2006年1月至2017年3月的月度數據，其中歐元(Euro)、日元(Jpy)、瑞士法郎(Chf)、美元(Dollar)的樣本期為2006年1月至2017年3月，英鎊(Pound)的樣本期為2016年8月到2017年3月。數據來源于CEIC數據庫及國家外匯管理局網站。所有外匯數據均為雙邊匯率的中間價，匯率序列均采用人民幣標價形式，所有序列均轉化為以2006年1月為基期的定基數據，外匯與股票變量取對數差分。

(二)描述性統計分析

本文主要變量的描述性統計結果如表1所示。

表1 描述性統計結果(N=134)

從表1可以看出，通過比較5種主要外匯與股票收益，可以發現股票收益均值與波動均遠大于5種外匯的數值，這體現了股票作為風險資產的性質。從偏度和峰度值來看，序列均不服從正態分布，同時表1最后一列JB檢驗的P值也說明了這一點，這意味著應當采用非線性框架來檢驗變量之間的關系。在5種外匯中，只有瑞士法郎均值為正，日元次之，英鎊最低；美元收益波動最小，歐元收益波動最大。

(三)平穩性檢驗

本文采用ADF檢驗和PP檢驗兩種方式對各變量進行平穩性檢驗，結果如表2所示。

表2 平穩性檢驗結果

注：Δ表示一階差分，括號內為P值。*、**和***分別表示在10%、5%和1%的水平上顯著，下同。

由表2可以看出，所有變量序列的水平項均為不平穩序列，對其進行一階差分后，所有序列均為平穩序列，可以進行時間序列建模。

三、基于MS-VAR模型的避風港能力分析

(一)模型構建

本文采用馬爾科夫向量自回歸(MS-VAR)模型，依據風險資產的收益大小和波動將貨幣與風險資產之間的非線性關系納入框架。MS-VAR模型具體形式如下：

yt=μ+β1yt-1+β2yt-2+……+βpyt-p+εt

(1)

其中，yt為n維向量，β為n×n維矩陣，εt為殘差，p為滯后階數，且其協方差為正定矩陣，均值為0 ，t=1,2，…，p。Krolzig[17]將馬爾科夫轉換機制引入VAR模型，假定經濟狀態可以分為M種區制狀態，參數則隨著區制狀態的變化而變化，本文中具體表示為人民幣對各外匯收益和風險資產(股票)收益所組成的二維向量。 則式(1)可以改寫為：

yt=μ(st)+β1(st)yt-1+β2(st)yt-2+……+βp(st)yt-p+εt

(2)

其中，εt服從一個均值為0，方差為∑(st)的隨機過程。st表示無法觀測的區制變量，狀態變量在各區制間轉化服從馬爾科夫過程，采用概率轉移進行定義，從區制i轉換到區制j的概率Pij為：

pij= Pr( st +1= j|st= i) ，∑pij=1, i， j ∈ { 1，2，…,M}

(3)

(二)區制選擇

根據現有文獻普遍做法，MS-VAR模型區制數量設定為2，考慮本文數據為月度數據，設定最長滯后階數為4，則針對每種外匯本文設定了16個MS(m)-VAR(p) 的模型形式，其中m為區制數量，p為滯后階數，并根據AIC和SC信息準則選擇了每種外匯方程的最優設定形式。[注]常用的MS-VAR模型可分為MS-I、MS-IH、MS-AH和MS-IAH等4種形式，本文將滯后階數設為4，則共有16個模型形式，詳見Krolzig[17]。歐元設定形式為MS-IH,滯后2階，區制設定為2；日元設定形式為MS-IAH，滯后2階，區制設定為2；瑞士法郎設定形式為MS-IH，滯后1階，區制設定為2；美元設定形式為MS-IH,滯后1階，區制設定為2；英鎊設定形式為MS-IAH,滯后1階，區制設定為2。在選取了各貨幣模型最優設定形式之后，本文依據區制轉換的條件均值和波動(方差)來判斷是處于危機區制還是正常區制。如果在某個區制，其股票收益的條件均值更小甚至為負，波動(方差)更大，則該區制被定義為危機區制；如果某個區制相對于危機區制股票收益的條件均值更大，波動(方差)更小，則將該區制定義為正常區制。

(三) “弱”還是“強”避風港貨幣判斷

在進一步定義了區制之后，我們需要對模型估計參數進行討論來分辨某種貨幣是“弱”還是“強”的避風港貨幣。[注]如果某種貨幣與股票收益之間負相關被稱為“強”的避風港貨幣，如果二者之間不相關，則可稱為“弱”的避風港貨幣。Lee[10]提出可以采取貨幣與股票收益的條件均值、交叉項系數和條件相關系數三種方法判斷，本文借鑒相關方法。

各外匯的MS-VAR模型參數估計結果如表3所示。表3中，R=1和R=2分別表示區制1和區制2，由于模型設定不同，MS-IAH相對于MS-IH多了自回歸系數部分，即在日元、瑞士法郎和英鎊的分析中，其交叉系數β需要分區制1和區制2，而歐元和美元的交叉系數β不需要區分區制。μstock和μex分別表示MS-VAR模型截距項，即股票收益和外匯收益的條件均值，也就是式(2)中的μ(st)，因為是二維向量，故要兩個區制下各分為兩類：一類是μstock，表示股票；另一類是μex，表示外匯。σ2和ρ表示不同區制下股票收益和外匯收益的方差和條件相關系數。

表3 MS-VAR模型參數估計結果

注：括號內為標準誤。

從表3可以看出，在區制1中， 歐元、日元和瑞士法郎的股票收益的條件均值(μstock)顯著為負，美元和英鎊的股票收益的條件均值不顯著，而區制2中除美元外其他外匯的股票收益的條件均值均為正且顯著；同時，區制1中股票收益的方差也顯著大于區制2中的方差。由此判斷區制1為危機區制，區制2為正常區制。

在兩個區制下，歐元的條件相關系數在區制1為負而在區制2為正，說明在危機區間，歐元與風險資產(股票)之間是一種負相關的關系，歐元是一種“強”的避風港貨幣。從條件相關系數來看，日元與其他外匯表現出了明顯的不同，不論是在區制1還是區制2，其與風險資產(股票)的條件相關系數均為負值，值得注意的是在區制1，其條件相關系數達到-0.9942，表明日元在危機區制幾乎可以完全對沖風險，是一種“強”的避風港貨幣，而在區制2，其系數雖然為負，但絕對值較小，接近于0，影響較小，因此，日元在國內是一種“強”的避風港貨幣。類似地，瑞士法郎在區制1的條件相關系數為-0.0693，說明在危機區制，其與風險資產(股票)的相關性在下降，因此，瑞士法郎在國內也是一種“強”的避風港貨幣。從美元的條件相關系數來看，在區制1為正，而在區制2為負，說明在危機區制，美元與風險資產(股票)之間的聯系在增強，可以判斷美元在國內是風險貨幣。英鎊在兩個區制下與風險資產(股票)的條件相關系數均為正，說明在危機區制英鎊與風險資產(股票)之間的聯系在增強，英鎊在國內是風險貨幣。

四、基于NARDL模型的通貨膨脹對沖能力分析

本文采用Shin等[18]提出的非線性自回歸分布滯后(NARDL)模型，借鑒Hoang等[19]的做法，以5種外匯為被解釋變量，CPI為解釋變量分別建立各主要外匯的回歸方程進行分析。NARDL模型形式如下：

(4)

我們可以根據NARDL模型對長短期約束的不同將其分為四種設定形式：

第一，長短期均為非對稱。式(4)中所表達一般形式下的NARDL模型。

第二，長期對稱短期非對稱。對模型施加一個長期約束ρ+=ρ-=ρ，i=0，1，2，…，其公式具體形式為：

(5)

第三，長期非對稱短期對稱。對模型施加一個短期約束βi+=βi-=βi，i=0，1，2，…，其公式具體形式為：

(6)

第四，長期與短期均對稱。對模型施加長期和短期約束ρ+=ρ-=ρ以及βi+=βi-=βi，i=0，1，2，…，其公式具體形式為：

(7)

為選擇最優模型設定形式，首先依據第一種模型形式為基準模型(約束最少的情形)，長期對稱性Wald檢驗原假設為ρ+=ρ-，短期對稱性Wald檢驗原假設為βi+=βi-，我們借鑒了Hoang等[19]與司登奎等[20]做法，針對每種貨幣進行估計，選擇滯后12期為最大滯后期,然后根據Wald檢驗結果判斷各貨幣方程是否存在長短期非對稱性影響，如果Wald檢驗結果顯著，說明存在非對稱性影響，則在相應的模型設置中采用非對稱形式；如果Wald檢驗結果不顯著，說明不存在非對稱性影響，需在相應的模型設置中采用對稱形式。表4為依據第一種模型形式為基礎計算的長短期對稱性Wald檢驗結果。

表4 長短期對稱性Wald檢驗結果

注：括號內為P值。

表5 NARDL模型估計結果

注：由于短期系數數量較多，出于篇幅考慮，僅列出長期系數和統計量顯著的短期系數，括號內為標準差。

綜上所述，我們發現5種外匯中主要外匯在長期內均無法有效對沖國內通貨膨脹，而部分外匯能在短期內對沖國內通貨膨脹。

五、結 論

本文基于國內投資視角，從避風港能力和通貨膨脹對沖能力兩個角度對歐元、日元、瑞士法郎、美元和英鎊5種外匯進行了研究。結果表明，從避風港能力的角度來看，歐元、瑞士法郎和日元在國內市場是有效的避風港貨幣，危機區制，這三種貨幣都屬于“強”的避風港貨幣，其貨幣收益與風險資產(股票)收益負相關，可有效補償投資者在經濟危機時期由于風險資產收益下降所帶來的損失。從通貨膨脹對沖能力角度看，5種外匯收益在長期內均難以有效對沖通貨膨脹，其中歐元和瑞士法郎可以在短期內對沖通貨膨脹，而日元、美元和英鎊在短期內無法對沖通貨膨脹。從整體來看，本文選取的5種外匯在短期內表現不一。從國內投資視角來看，筆者認為，投資歐元與瑞士法郎來對沖通貨膨脹具有一定現實意義。