人民幣匯率和股票價格關系的實證研究

徐若錦 郭正晰 吳強

【摘要】匯率和股票價格是反映金融市場和實體經濟的兩個重要指標。本文使用MGARCH-BEKK模型， 通過分析1991年1月至2019年9月期間美元兌人民幣在岸匯率和上證指數的數據，研究了人民幣匯率和股票價格之間的關系。研究結果顯示股票價格對于人民幣匯率有波動溢出效應，這說明股市的波動對于人民幣匯率的波動存在影響。

【關鍵詞】匯率? 股價? MGARCH-BEKK模型? KPSS檢驗? Engle-Granger方法

一、引言

匯率和股票價格是反映金融市場和實體經濟的兩個重要指標。中國已成為當今世界GDP排名第二的經濟體，人民幣的匯率對世界市場有深切的影響。與此同時，中國A股總市值達到7.22萬億美元，已經成為了世界第二大股票市場。2005年，摩根斯坦利資本國際公司推出了MSCI中國A股指數，也表明中國股市受到全球投資者的關注。因此，中國的匯率和股價是全球投資者關注參考的兩個重要指標。

匯率和股價之間的關系一直是經濟金融業的重要課題。在過去的幾十年中，中國的貨幣政策經歷了幾項重大變化。特別是自2005年7月以來，中國政府宣布實行以市場供求為基礎，參考一籃子貨幣進行調節的浮動匯率制度。匯率的波動和市場的關聯性顯著加強。從2005年7月到2007年4月，人民幣對美元匯率經歷了持續的大幅上漲。同期，我國股票市場也經歷了相似的大幅的上漲。匯率和股價二者同期的變化呈現出一定的關聯。

本文旨在尋找中國匯率與股票價格之間的長期關系。文章使用回歸條件異方差 （Multivariate Generalized Autoregressive Conditional Heteroskedasticity， MGARCH） 模型的一種特殊形式，MGARCH-BEKK模型， 通過分析1991年1月至2019年9月期間美元兌人民幣在岸匯率和上證指數的數據，研究了人民幣匯率和股票價格之間的關系。研究結果顯示，股票價格對于人民幣匯率有波動溢出效應，說明股市的波動對于人民幣匯率的波動存在的影響。

文章主要分為五個章節，第一章介紹了本文的背景和研究內容，第二章回顧了國內外相關研究成果，第三章介紹MGARCH-BEKK模型，第四章是結合數據的實證分析，第五章給出研究結論。

二、相關文獻

國內外學者對于匯率和股票價格之間的關系進行過很多研究，并得出了不同的結論。

Abdalla 和Murinde采用了印度，韓國，巴基斯坦，菲律賓四個亞洲國家的數據，通過BVAR等經濟模型分析了匯率和股市之間的相互關系。結果顯示，除菲律賓以外，所有國家中匯率對股票價格都具有因果關系。Aggarwal 研究了浮動匯率制度下美國股價和匯率之間的關系。Aggarwal分析了1974年至1978年美國股價及匯率的數據。結果顯示股票價格及匯率之間存在正相關的關系。這種正向關系表明了相比起對于股票價值的低估可能帶來的有利影響，匯率下降的短期影響對于美國資本市場來說更加重大。Roll通過對24個國家金融市場的研究得出結論，認為對于大多數國家來說，股市和匯率價格之間有負相關的關系。作者表示這種負相關性與貨幣當局以抵消全球沖擊對當地產業影響為目的，對外匯市場進行的干預政策有關。

Hua Zhao通過分析1991年至2009年人民幣匯率和上證指數之間的關系，得出結論，認為外匯匯率和股市之間沒有長期均衡的關系。外匯匯率和股票價格之間沒有均值溢出效應，但存在雙向波動溢出效應，過去的股市創新對于外匯市場未來的波動有重大影響，反之亦然。張兵等研究了中國2005年8月至2007年9月的人民幣匯率和上證指數分析了2005年匯率制度改革后匯率與股市的關系及傳導機制。結論為匯率和股價之間存在長期均衡的協整關系，且具有穩健性。趙進文等引入風險溢價因素，分析了人民幣匯率，短期國際資本流動，貨幣供給和股票價格之間的動態關系。研究表明，人民幣匯率升值會導致短期股票價格下跌。

以上文章對于不同國家不同時期的數據進行研究，對于股票價格和匯率之間的關系進行了分析，并給出了不同的闡釋。本文將通過分析中國從1991年1月到2019年9月的數據，研究人民幣匯率和股票價格之間的長期關系。

三、研究方法

本文將采用多元廣義自回歸條件異方差 （MGARCH）模型的一種特殊形式，MGARCH-BEKK模型，來研究匯率和股價之間的關系。

為了檢驗外匯市場到股票市場的波動溢出效應，需要檢驗系數c12和g12是否在統計上顯著區別于零。檢驗股票市場到外匯市場的波動溢出效應時，需要檢驗系數出c21和g21是否統計上顯著區別于零。若得出外匯和股票市場之間沒有波動溢出效應，則參數c21、g21、c12和g12不會統計上顯著區別于零。本文通過似然比統計量λ來檢驗波動溢出效應：

四、實證分析

本文目的是研究人民幣匯率和股票價格之間的關系。文章利用StatsModel、Pandas等Python工具包和 MFE[10]等MATLAB 工具包，分析數據，進行實證研究。

（一）研究數據

本文使用的研究數據為1991年1月到2019年9月期間，美元兌人民幣（USD-CNY）在岸匯率及上證綜合指數（SSEC）的月數據，共345組數據。人民幣匯率數據來自于英為財情，上證指數來自于網易財經。

對于人民幣匯率，一方面，美元是國際市場的主要計價和交易貨幣;另一方面，在岸匯率數據比離岸匯率數據的時間更長，數據更豐富，所以本文選取了美元兌人民幣的在岸匯率作為分析指標。

對于股票價格，上證綜合指數由上海證券交易所內全部上市股票進行計算得出，具有廣泛代表性，能較好地反應股市的整體情況，所以選用上證綜合指數代表股價。

圖1展示了1991年1月到2019年9月美元兌人民幣匯率和上證指數走勢圖，其中藍色曲線為人民幣對美元匯率，黃色曲線為上證綜合指數。圖1中，美元兌人民幣匯率的走勢可以分為四個階段：第一階段：1991年至1994年，人民幣匯率緩慢上升。在這一階段，人民幣匯率由國家外匯管理局指定并公布，總體呈現緩慢上升趨勢。第二階段：1994年到2005年，人民幣匯率經歷了急速上漲，之后保持穩定。1994年，中國進行浮動匯率制改革，取消雙重匯率制度，實施以市場供求為基礎的，單一的，有管理的浮動匯率制度。新政策實施后，1994年人民幣匯率經歷了大幅上漲，從5.7上漲至8.7。此后，匯率稍有下滑，1995年之后一直保持在8.27至8.28之間。第三階段：2005年到2014年，人民幣匯率緩慢下跌。2005年7月，中國開始實行以市場供求為基礎，參考一籃子貨幣進行調節的浮動匯率制度。政策實施后，外國資本對中國經濟與其良好，人民幣呈現升值趨勢，匯率從8.3下跌到6。第四階段：2014年至2019年，人民幣匯率緩慢回升。由于受國際貿易和中國經濟形勢的影響，人民幣持續貶值。

圖1中，上證指數也經歷了大幅的波動，其走勢可以大致劃分為四個階段。第一階段：1991年至2005年，上證指數波動相對穩定，總體呈上升趨勢。第二階段：2005至2008年間，上證指數大幅上漲。其原因是中國經濟飛速發展的階段，股票市場隨之繁榮。同時，自2005年4月起，中國進行了股權分置改革，刺激了市場發展。2007年十月，上證指數達到6124點的歷史最高位。第三階段：2008年至2015年，上證指數走勢呈現U型，經歷了急速下跌，底部大幅震蕩和急速上升的一系列過程。2008年，受全球金融危機等內外因素影響，股價大幅下跌，上證指數觸碰1664點的低位。2010年至2015年，人民幣穩健持續增長，股價持續下跌。同期，人民幣保持升值趨勢，人民幣匯率不斷下降，反應外資對于中國經濟和資本市場有良好預期。這一時期，股價波動背離國內經濟高速發展的基本面。2014年-2015年，股票短期內快速上漲，呈現報復性增長的趨勢。第四階段：2015年至2019年，上證指數走勢呈現L型，經歷了急速下跌和底部大幅震蕩的過程。2015年，股價報復性下跌。同時，由于滬深兩市實施了熔斷機制，股價大幅下跌。此后的幾年內，上證指數持續在3000點上下波動。

（二）匯率變化率和股價變化率統計

根據第三章中的公式，可以計算兩個指標的變化率。圖2是1991年1月至2019年9月，匯率變化率和股價變化率的走勢圖。其中，藍線表示匯率的變化率，黃線表示股價的變化率。

表1是關于匯率變化率和股價變化率的統計量。樣本平均值大于0。從1991年1月至2019年9月，匯率的平均變化為正，表明匯率總體呈現上升的趨勢。股市的平均月收益率為0.9%，表示股票總體呈現上漲趨勢。匯率變化率的方差約為0.023，股價變化率的方差約為0.099。從中可以看出股票市場到波動性高于匯率市場，因此股市的風險相對于匯市較高。匯率變化率的最大值約為0.405，最小值約為-0.034;股價變化率的最大值約為0.657，最小值約為-0.292。

（三）平穩性檢驗和協整檢驗

在使用VAR-MGARCH 模型之前，需要對變化率數據進行平穩性檢驗和協整檢驗。本文利用KPSS （Kwiatkowski-Phillips-

Schmidt-Shin）方法進行平穩性檢驗，使用Engle-Granger兩步法進行協整檢驗。

表2是KPSS平穩性檢驗的結果。在該方法中，如果KPSS統計量大于臨界值，則拒絕原序列平穩的假設，序列為非平穩。從表中可以看出，在顯著性水平為1%的情況下，匯率和股指的趨勢臨界值及無趨勢臨界值皆大于KPSS統計量，因此無法拒絕原序列平穩的假設，序列平穩。

表3是Engle-Granger兩步法進行協整檢驗的結果。在該方法中，若T統計量小于臨界值，則表明序列拒絕存在單位根的原假設。從中可以看出，在顯著性水平為1%的情況下，T統計量大于臨界值，因此表明序列中存在單位根，匯率和股指之間存在協整關系。這一結果表明，匯率和股票之間很有可能存在長期顯著的關系。

（四）基于MGARCH-BEKK 模型的波動溢出效應分析

在前面的基礎上，為了研究外匯市場和股票市場之間的波動溢出效應，本文使用MGARCH-BEKK模型對變化率進行分析。

首先，建立變化率的VAR模型，結果如表4所示。

進一步，建立MGARCH-BEKK模型，并進行假設檢驗，分析結果如表5所示。

本文通過似然比統計量λ來檢驗外匯和股票市場之間的交叉波動效應。矩陣C和G的原假設是矩陣的非對角元素為零，從結果中看出，由于矩陣C， G的非對角元素不為零，因此拒絕原假設，兩者之間存在波動溢出效應。進一步考慮波動溢出的方向。在股市到匯市的波動溢出中，似然比統計量為2931.31，似然比統計量的概率為0，因此拒絕原假設，表示存在從股市到匯市的波動溢出效應。再考慮匯市到股市的波動。似然比統計量為0.068，似然比統計量的概率為0.9922，因此無法拒絕原假設，不存在匯市到股市的波動溢出效應。

研究結果表明，股市和匯市之間存在波動溢出效應。股市到匯市有單向的波動溢出效應，而匯市對于股市沒有波動溢出效應。這可能是因為中國的新興股票市場吸引了外國投資者，導致外國資本可能流入和流出中國股票市場。股價波動加劇時，外國資本流入或流出，買賣人民幣進行股票投資，因而導致匯率變化加劇。另一方面，在股票等市場進行權益投資時，市場風險、股票本身的價值以及市場預期等因素的重要性大于匯率成本的重要性，因而匯市對于股市沒有波動溢出效應。

五、結論

本文使用了從1991年1月至2019年9月的人民幣匯率和上證指數數據，研究了匯率和股價之間的關系。結果顯示人民幣匯率和中國股價之間存在波動溢出效應。其中，股市對于匯市有單向的波動溢出效應，說明股市的變化和波動會導致人民幣匯率波動。同時，匯市對股市不存在波動溢出效應。該研究將有助于金融從業者和其他經濟學者更好地理解中國外匯和股票市場，并對匯率和股價的變化做出更準確的預測。

參考文獻：

[1]J. D. Hamilton. Time Series Analysis. Princeton University Press， Princeton， 1994.I. S.A. Abdalla， V. Murinde. Exchange rate and stock price interactions in emerging financial markets： Evidence on India， Korea， Pakistan and the Philippines. Applied Financial Economics， vol. 7， no.1， 1997， pp. 25-35.

[2]R. Aggarwal. Exchange rates and stock prices： A study of the U. S. capital markets under floating exchange rates. Akron Business and Economic Review， vol. 12， 1981， pp. 7-12.R. Roll. Industrial structure and the comparative behavior of international stock market indices.？The Journal of Finance， vol.？47， no.1， 1992， pp. 3-41.

[3]H. Zhao. Dynamic relationship between exchange rate and stock price： Evidence from China.？Research in International Business and Finance， vol.？24， no.2， 2010， pp. 103-112.

[4]張兵， 封思賢， 李心丹， 汪慧建. 匯率與股價變動關系： 基于匯改后數據的實證研究. ？經濟研究， 第9期， 2008年，? 第70-81頁.

[5]趙進文， 張敬思. 人民幣匯率， 短期國際資本流動與股票價格——基于匯改后數據的再檢驗. 金融研究， 第1期，? 2013年， 第9-23頁.

[6]Statsmodels. https：//statsmodels.org

[7]Pandas. https：//pandas.pydata.org

[8]MFE 工具包. https：//kevinsheppard.com/code/matlab/mfe-toolbox

[9]英為財情. https：//cn.investing.com/

[10]網易財經. https：//money.163.com/stock/

[11]D. Kwiatkowski， P.C.B. Phillips， P. Schmidt and Y. Shin. Testing the null hypothesis of stationarity against the alternative of a unit root. Journal of Econometrics， no. 54， 1992， pp. 159-178.

[12]R. F. Engle and C. W. J. Granger. Co-Integration and Error Correction： Representation， Estimation， and Testing. Econometrica， vol. 55， no. 2， 1987， pp. 251-276.