人民幣在岸與離岸市場匯率極端風險溢出研究

■劉靜一

一、引言與文獻綜述

極端風險亦稱為尾部風險，雖然發生的概率較小，但傾向于同時發生，且一旦發生會對金融市場和實體經濟產生極大的破壞作用，易造成金融市場的震蕩而引發系統性風險。隨著人民幣國際化進程的不斷推進，離岸和在岸人民幣可以通過跨境人民幣結算、境外銀行、對沖基金、央行的市場干預和人民幣FDI等方式實現聯動互通。同時，兩個市場報價機制的不同使得匯率價差的存在成為一種常態，而離岸、在岸市場之間貨幣匯率的信息溢出方向和程度與貨幣的穩定和一國的金融安全密切相關（He&McCauley，2010）。因此，在岸和離岸人民幣之間是否存在極端風險的溢出效應、溢出方向、強度，以及“8.11”匯改等政策影響，對這些問題的回答可以為投資者的投資決策及風險管理和貨幣當局制定人民幣匯率政策提供一定的理論指導。

信息傳遞理論是研究在岸和離岸人民幣匯率之間關系的一個重要視角。信息溢出可以分為均值溢出、波動率溢出和極端風險溢出三個方面（李紅權等，2011），其中波動率溢出和極端風險溢出屬于風險溢出的范疇。就波動率的溢出效應來看，徐晟等（2013）研究了人民幣在岸遠期匯率和離岸遠期匯率之間的聯動關系，發現兩個市場之間的波動溢出效應與匯率期限品種和樣本區間相關。Maziad&Kang（2012）在研究人民幣在岸即期匯率和離岸即期匯率時發現，市場條件不同，市場間的波動溢出亦不同。2015年8月11日中國人民銀行調整了人民幣匯率中間價報價機制，反映了央行將人民幣匯率的部分定價權讓渡給市場的態度，引起了一些學者對匯改影響的關注。馬宇和張莉娜（2018）基于DCC-MVGARCH-BEKK模型研究發現“8.11”匯改使人民幣在岸市場對離岸市場的波動溢出效應增強，離岸即期對在岸市場的波動溢出效應減弱。李婧等（2017）采用DCC-MV-GARCH模型研究發現“8.11”匯改影響了人民幣在岸和離岸匯率的聯動機制，波動溢出增強。徐娟和楊雅慧（2019）認為匯改后匯率長期處于高波動狀態，兩地匯率聯動性明顯上升。王雪和胡明志（2019）從信息溢出的角度出發，研究發現雖然“8.11”匯改之后人民幣對外信息溢出效應有所增加，但與較為成熟的國際貨幣相比，信息溢出效應依然有限。上述文獻都較為詳細地闡述了在岸與離岸人民幣的相互關系以及“8.11”匯改對人民幣的影響，但研究結論尚未完全統一，且均未關注極端風險這一重要視角。

隨著人民幣波動區間的擴大和國際經濟形勢的復雜化，人民幣短期內快速升值和貶值的頻率增大，人民幣匯率的極端風險開始被關注。李政等（2018）采用滾動BEKK-MGARCH-CoVaR模型研究了在岸與離岸人民幣的極端風險溢出，研究認為存在雙向溢出效應，且“8.11”匯改后，極端風險溢出水平明顯提高。郝毅等（2017）采用MVMQ-CAViaR模型探討了境內外人民幣外匯市場的極端下行風險溢出效應，研究發現兩者在即期市場上存在雙向溢出，在遠期市場上是離岸對在岸的單方向溢出。總體而言，現有文獻關于在岸和離岸人民幣市場的研究主要有以下兩個特征：一是關于風險的考量主要借助于參數化的多元GARCH類模型來刻畫人民幣匯率的波動率，雖然該方法能夠方便地刻畫金融資產收益率序列的波動率集聚和尖峰后尾等固有特征，但需要對全樣本的分布做出先驗的假定，這些假定通常與現實明顯背離，可能存在分布誤設；二是較少文獻涉及人民幣離岸和在岸市場極端風險溢出，而且相關研究中都只關注人民幣下行風險，而當前人民幣匯率極端波動相對頻發且雙向波動已為常態，且人民幣作為離岸人民幣遠期和未來會推出的在岸人民幣期貨的標的產品，投資者的投資行為存在做空和做多兩個方向，將相關研究拓展到上行和下行極端風險顯得極為必要。

基于以上分析，本文在White et al．（2015）的基礎上，將非對稱性引入到多元分位數回歸模型中，分析正向和負向新息沖擊對極端風險的杠桿效應。此外，如果在岸和離岸兩個市場同時出現正向沖擊或者負向沖擊，這種共同沖擊（Common Shock）可能會引起市場的過度反應，從而加劇人民幣匯率的上行風險或者下行風險，因而本文進一步將其擴展到聯合非對稱MVMQ-CAViaR模型。最后，本文將研究轉向在岸與離岸人民幣匯率極端風險溢出這一嶄新視角，并且同時考慮了兩岸人民幣匯率的上行風險和下行風險，測算了上行風險和下行風險的溢出指數，彌補了已有研究的不足。

二、在岸與離岸人民幣匯率的聯動機理分析

雖然在岸與離岸人民幣在匯率制度、定價機制和參與主體等方面不同，但兩個市場并不獨立，他們通過跨境貿易人民幣結算、人民幣境外直接投資和跨境投資、金融市場等多種渠道相互影響。具體來說，在岸離岸貨幣匯率之間的信息傳導與貨幣的定價機制及資本項目是否可兌換相關。若主權貨幣完全市場化且可自由兌換，匯率主要取決于外匯的供求狀況。不管是在在岸還是離岸市場出現貨幣升值或貶值的預期，市場價格會做出迅速反應，并通過跨境資本流動填補匯率價差，信息傳遞及時有效，兩個市場呈現高度的聯動性。若主權貨幣實行外匯管制，資本項目不可兌換，此時即使在岸與離岸存在價差，也無法通過資本的跨境流動填補價差，兩個市場的信息流動渠道被阻塞，幾乎不存在聯動性。

但當前在岸人民幣尚未完全實現市場化和自由化，在岸人民幣仍保持一定程度的匯率管制，而離岸人民幣匯率由市場的供求決定，匯率的不同決定機制使得兩個市場之間匯率的價差難以避免，由于在岸市場沒有實現完全的資本流動，信息傳導渠道被部分阻斷，價格傳導機制無法有效運行，兩岸匯差無法最終消失。此種情形下，由于離岸市場擁有高度市場化的優勢，其對信息的反應更加靈敏，信息傳遞的主要方向是從離岸市場到在岸市場。同時，央行出于引導市場預期和維護人民幣穩定的需求，采用各種方式干預和調控在岸人民幣匯率，導致人民幣的在岸和離岸間信息傳播方向更加復雜，形成了相互引導和相互影響的關系機制。

三、模型設定

（一）基本模型及其改進

White et al．（2015）將 Engle&Manganelli（2004）提出的 CAViaR（Conditional Autoregressive Value at Risk）擴展到多元情形，建立了多元多重條件分位數回歸模型（Multivariate Multi-Quantile CAViar,MVMQ-CAViaR），該模型既能直接探討不同市場之間極端風險的溢出效應，也能清晰地分析單個市場沖擊對所有相關市場極端風險的動態影響過程。模型基本形式如下：

模型（1）中Y1，t-1和Y2，t-1分別表示在岸和離岸人民的收益率，q1，t和 q2，t分別表示θ顯著性水平下，在岸和離岸人民幣收益率的條件分位數，也可以看作是對應的VaR的估計值或極端風險。當θ取0.01、0.05或0.1時，表示極端下行風險。當θ取0.99、0.95或0.9時，表示極端上行風險。模型中滯后期條件分位數 q1，t-1和 q2，t-1可以刻畫極端風險的自相關性。以絕對值的形式 ||Y1,t-1和 ||Y2,t-1引入市場沖擊項，暗含著滯后期市場的正向沖擊和負向沖擊對當期條件分位數的影響相同，因而模型（1）也可以被稱為對稱MVMQ-CAViaR模型。顯然，模型（1）表明在岸和離岸人民幣之間是相互影響，其極端風險具有傳染性。

事實上，金融市場中普遍存在著“杠桿效應”，即負向沖擊引起的資產價格下跌幅度大于相同程度的正向沖擊引起的資產價格上漲幅度。為了區分正、負面消息對人民幣匯率的不同影響，本文引入收益率的正部和負部。同時，考慮到如果兩個市場同時出現了負向沖擊或者同時出現了正向沖擊，這種共同沖擊可能進一步強化負向沖擊或正向沖擊對極端風險的影響，從而使得市場出現下跌的恐慌效應或者上漲的助推效應。因此，可以將模型（1）拓展為如下的聯合非對稱MVMQ-CAViaR模型：

模型（2）可以刻畫共同正向沖擊和共同負向沖擊對人民幣匯率下行風險的影響。

（二）參數估計與模型檢驗

模型（1）和（2）可以通過準極大似然方法（QML）來估計參數，模型的檢驗則可以采用Engle&Manganelli（2004）提 出 的 DQ 檢 驗（Dynamic Quantile test）和 RQ（Regression Quantile function）值法。其中，DQ統計量反映的是擊中事件HITi，t（θ）=I（Yit＜qit（θ））-θ的序列相關性，DQ值越大表明相關性越弱，模型的估計效果越好；RQ為參數估計值下的目標函數的值，RQ值越小表明模型的擬合效果越好。

四、實證結果與分析

（一）數據選取及描述性統計

本文選擇離岸即期和在岸即期人民幣匯率的收益率進行分析。在岸人民幣匯率采用人民幣兌美元的中間價（CNY），因為央行對在岸即期匯率的調整主要通過中間價進行，數據來自中國外匯管理局；我國香港離岸人民幣匯率數據選擇香港離岸市場人民幣兌美元的即期匯率定盤價（CNH），數據來自Wind數據庫。數據的時間區間為2012年5月2日～2018年12月21日，一共1618個日度數據，收益率序列由價格序列的對數差分后取相反數計算而得。

從表1中在岸和離岸人民幣收益率的描述性統計特征來看，兩者的負收益率和負偏性特征都比較明顯，表明了數據區間內人民幣存在貶值現象；大的偏度、峰度及JB統計量表明人民幣收益率呈現非正態性，CNY收益率具有比CNH收益率更大的偏度，表明在岸人民幣的貶值趨勢更為明顯。從均值、最大值、最小值和標準差四個指標來看，離岸人民幣收益的波動明顯高于在岸人民幣，一定程度上表明我國采取有管理的浮動匯率制能夠穩定人民幣匯率。

表1 在岸與離岸人民幣收益率描述性統計

（二）模型的估計結果和回測

模型估計主要分為兩個步驟：第一步，忽略交叉項，采用QMLE方法分別估計出單方程CAViaR模型的參數；第二步，將交叉項的參數初始值設為0，其余參數的初始值取第一步中的參數估計值，分別估計上文中的MV-CAViaR模型。根據國際研究慣例，下文關注的是5%、10%、95%和90%分位數的估計結果。擁有人民幣多頭的投資者關注的是人民幣的下行風險（5%和10%分位數），擁有人民幣空頭的投資者則關注人民幣的上行風險（95%和90%分位數）。

表2列出了回測實驗所體現的兩個模型的穩健性和預測精度。從RQ值來看，各個分位數下，模型（2）的RQ值明顯小于模型（1），表明人民幣匯率存在較為明顯的非對稱性和聯合沖擊效應。從DQ檢驗結果來看，模型（1）中CNY的90%分位數樣本內和樣本外DQ統計量的P值均小于10%的顯著性水平。模型（2）中CNH和CNY的5%分位數樣本內DQ統計量的P值也小于10%的顯著性水平，且所有變量的所有分位數都通過了樣本內和樣本外的DQ檢驗，表明模型（2）的估計結果更能夠滿足分位數回歸所需的無偏性、擊中序列的無關性等基本要求。總之，從RQ值和DQ檢驗的結果來看，模型（2）的預測精度及穩健性優于模型（1），因而下文分析均基于模型（2）。

表2 兩個模型的DQ和RQ檢驗結果

表3列出了聯合非對稱MVMQ-CAViaR模型四個分位數下參數估計的結果，可以得到如下結論：一是幾乎所有的參數b11和b22在1%的顯著性水平下異于0（10%分位數下的b22除外），表明極端風險具有較強的慣性，而且離岸市場人民幣極端風險的慣性（均大于0.8）大于在岸市場；二是在岸人民幣分位數方程中體現不對稱效應的參數多數異于零，表明在岸人民幣市場存在明顯的非對稱效應，而離岸人民幣的非對稱效應相對較弱。以5%分位數的估計結果為例，在1%的顯著性水平下，a21和a22均為正值且顯著異于零均為正值且顯著異于零，表明滯后期的負向沖擊會提高下行極端風險，而正向沖擊會降低下行風險；三是參數d1、d2、e1和e2多數都顯著地異于零，表明共同沖擊對極端風險具有較大的影響。以95%分位數的估計結果為例，d1=0.0661，d2=0.0682，e1=-0.0466，e2=-0.0226，表明負向的共同沖擊會給市場帶來恐慌效應，加劇人民幣的下行風險，而正向共同沖擊會給市場帶來追漲效應，加劇人民幣的上行風險；四是共同沖擊系數的參數估計結果顯示，在岸人民幣受這些沖擊的影響高于離岸人民幣，非對稱沖擊系數參數估計的結果顯示在岸人民幣更容易受到離岸人民幣的沖擊，且在岸人民幣受離岸人民幣的影響要大于在岸人民幣對離岸人民幣的影響。這是因為離岸人民幣市場開放程度更高，其匯率主要是由市場供求而自由決定，這種市場化的匯率在其決定過程中受到了外部經濟環境和理性投資人對人民幣的預期等多種因素的影響，包含更多的信息并能夠相對及時地對這些信息作出反應，信息的傳導方向應該是由離岸人民幣到在岸人民幣，在岸人民幣更容易受到外部沖擊特別是離岸人民幣的影響。考慮到樣本數據的局限性，下文分析分別選擇10%和90%分位數情形分別表示極端下行和極端上行風險。

從圖1離岸與在岸人民幣收益率10%和90%分位數的估計結果可以得到兩點結論：一是無論下行風險還是上行風險，離岸人民幣都高于在岸人民幣，但二者差距有減小趨勢。這表明，雖然在岸人民幣受到一定的管制，但是隨著人民幣國際化程度的加深，在岸的自由度隨之增強；二是模型可以準確地捕捉到2014年3月17日匯率浮動幅度的調整、2015年8月11日的匯改、2016年10月人民幣加入SDR和2017年5月26日人民幣中間價定價機制的重新調整等重要事件對人民幣的影響。整體來看，“8.11”匯改以來，人民幣的上行風險和下行風險均有明顯增加，表明人民幣匯率雙向浮動的彈性在增加，價格發現機制在逐步完善。2017年5月26日人民幣匯率中間價引入“逆周期因子”后，加強了對匯率的干預力度，短期內降低了極端風險。

圖1 離岸與在岸人民幣10%分位數和90%分位數的估計結果

圖2 離岸與在岸人民幣極端風險的動態溢出情況

為了進一步體現匯改的效果，圖2為離岸與在岸人民幣的動態溢出情況。其中，總溢出指數的計算參考Diebold和Yilmaz（2014），衡量了在岸離岸人民幣匯率之間相互影響在全部變動中所占的比例。若接近0，表示兩個市場完全割裂。反之，則表明兩者之間高度聯動。從圖2可以得到三點結論：一是上行風險和下行風險的溢出指數整體不高，基本不超過50%，表明在岸與離岸人民幣之間信息溢出通道并不通暢，可能是因為采用浮動匯率制的離岸人民幣規模相對太小，對信息的傳遞作用有限；二是下行風險的溢出效應大于上行風險的溢出效應，表明兩個市場對人民幣貶值的信息更為靈敏；三是“8.11”匯改短期內，上行風險和下行風險的溢出效應都達到了近年高峰，但隨之下降，表明“8.11”匯改在短期內效果較為明顯，而之后為了穩定人民幣匯率，央行除了采用巨額外匯儲備進行干預外，還啟用了“限流出擴流入”、在中間價格形成機制中加入“逆周期因子”等操作，這些操作在一定程度上影響了兩岸人民幣信息傳遞的效率。

表3 模型（2）的參數估計結果

（三）脈沖響應分析

由于MVMQ-CAViaR模型直接刻畫的是分位數的動態演進過程，并沒有直接設定收益率序列的動態，只能采用分位數脈沖響應函數QIRF（Quantile Impulse Response Function）來直觀反映收益率的變化對尾部風險的影響。具體地，假定僅對時刻的變量分別給予一個單位的沖擊，而之后的不受影響，加入沖擊后的分位數與之前分位數的差即為脈沖值。下文分析時，以人民幣收益率10%分位數代表下行風險，以90%分位數代表上行風險，分別研究一個單位的正向（利好）沖擊、一個單位的負向（利空）沖擊、聯合正向沖擊和聯合負向沖擊四種情形對兩種極端行情的影響。

圖3 極端下行行情下離岸和在岸人民幣對利好和利空沖擊的脈沖響應

從圖3至圖6的脈沖響應圖中可以發現如下三種情況：一是平均來說，在各種情形下，離岸人民幣的沖擊對在岸人民幣的影響要大于在岸人民幣的沖擊對離岸人民幣的影響，表明從離岸人民幣到在岸人民幣的信息溢出力量更強；二是在極端下行行情下，利好消息的作用并不明顯，但利空消息會明顯加劇人民幣匯率的下挫。在極端上行行情時，利好消息雖然有一定的助推作用，但利空消息對人民幣匯率繼續上揚的抑制作用更明顯；三是聯合沖擊會加劇市場的波動，在極端下行行情下，相較于聯合正向沖擊，聯合負向沖擊對人民幣匯率市場的破壞性更大。在極端上行行情下，相較于聯合負向沖擊，聯合正向沖擊對人民幣匯率市場的助推作用更明顯。

圖4 極端上行行情下離岸和在岸人民幣對利好和利空沖擊的脈沖響應

圖5 極端下行行情下離岸和在岸人民幣對聯合沖擊的脈沖響應

圖6 極端上行行情下離岸和在岸人民幣對聯合沖擊的脈沖響應

五、結論與政策建議

本文采用聯合非對稱MVMQ-CAViaR模型，對境內外人民幣外匯市場間的極端風險溢出進行建模分析，測度了離岸在岸人民幣匯率極端風險的溢出指數，考察了離岸和在岸人民幣收益率在極端下行和極端上行兩種情形下，正向沖擊、負向沖擊、聯合正向沖擊和聯合負向沖擊對兩個市場的影響以及極端風險在兩個市場之間的溢出情況。主要結論和建議如下：

第一，從極端風險的估計結果看，離岸人民幣風險大于在岸人民幣，但兩者之間的差距有縮小趨勢，在“8.11”匯改之后，兩個市場人民幣的上行風險和下行風險都明顯增加。這表明包括“8.11”匯改在內的人民幣匯率政策調整能夠擴大人民幣雙向波動幅度，減輕人民幣外匯市場的投機壓力，這些政策是對完善匯率形成機制的有效嘗試。央行在政策推進過程中，應加強對公眾的政策溝通和引導，避免由于恐慌而加劇人民幣匯率在岸和離岸市場極端風險。

第二，從極端風險的溢出情況看，人民幣離岸和在岸市場的極端風險存在顯著的溢出效應，但溢出水平整體不高，且下行風險的溢出效應要大于上行風險的溢出效應。“8.11”匯改提高了兩個市場間極端風險的溢出效應，隨后央行對中間價的幾次修正行為只是在短期內降低了兩個市場的信息傳導。因此，央行應該持續推進人民幣國際化進程，減少對外匯市場的干預，積極推動資本項目的開放，減少兩個市場之間的信息傳遞障礙。

第三，從極端風險溢出的溢出方向和非對稱性看，平均而言，離岸人民幣對在岸人民幣的溢出更加明顯，在極端下行行情和極端上行行情下，利空消息沖擊比利好消息沖擊引起的市場下挫力度更強。因此，央行可以通過豐富在岸人民幣市場的交易者類型等方式，提高在岸市場的信息優勢，同時要特別警惕國際時局變動引起的人民幣暴跌現象，避免發生系統性金融風險。

第四，從極端風險溢出的聯合效應看，聯合沖擊會加劇市場波動，在極端下行行情下，聯合負向沖擊對人民幣匯率市場的破壞性更大，在極端上行行情下，聯合正向沖擊對人民幣匯率市場的助推作用更明顯。因此，在人民幣的開放進程中，監管當局要把握離岸與在岸人民幣市場的動態聯系，密切關注共同沖擊對兩個市場的巨大影響。