人民币汇率波动模型选择的实证研究
2013-11-19 16:06 科技信息报今日文教周刊2013年11月18日B3版 文/刘哲
本文将以月度人民币与美元的直接标价法汇率制来作为模型选择数据，根据不同的月度汇率，研究分析人民币这几年的汇率情况。对数据进行建模，判断哪个模型拟合程度最好。结合实际情况分析人民币升值贬值对我国经济社会的影响，从而可以更深一步研究人民币升值与贬值对于国内外盈余以及国际收支平衡的影响。
数据介绍。本文提取了人民币对于美元在直接标价法下的232个月度数据，也就是从1994年1月至2013年5月的数据。
一、数据处理。用R软件进行读取数据：对数据画出他的时间序列图：
通过画出的时间序列图，我们可以首先直观的看一下这将近二十年的汇率大体变化。总的来说从1994年人民币汇率改革之后，对于美元的汇率出现了一个总体下降趋势。可以看出从最初的100美元兑换850人民币，到今年只能兑换600左右人民币，人民币处于升值状态，且升值幅度超过20%。
但是还可以看出除了总体趋势是下降的之外，在整个人民币升值过程中，也存在几个阶段，比如1995年之后10年相对稳定的阶段，亦或是2005年-2008年人民币大幅升值的三年。这些都与中国经济的发展以及在国际收支平衡有着巨大的联系。
我们可以结合所学微观宏观经济学加以研究。1995年-2005年阶段，实行单一的有管制的浮动汇率制，中国经济发展相对较慢，在国际上的地位相对较弱，国内进出口保持相对平衡。经济处于一个滞涨状态，因此汇率相对平稳。2005年后，随着中国加入国际世贸组织，大量资本外流，国际收支出现盈余，经济正确口，而且此时财管机构采用相对合理灵活的浮动汇率制度，这样一来，货币政策结合财政政策刺激经济的发展。随之而来的奥运会等一些列世界活动，也促进了中国在国际中的地位提高，因此这些年人民币升值较快。
三、模型建立
1、ARMA模型。因为adf检验相对平稳，且pacf三阶结尾，尝试拟合建立ARMA(3,0)模型。
out1<-arima(lx,order=c(3,1,0),include.mean=T)运行Arma模型P值函数进行检验：cwp(out1) ar1 ar2 ar3 coef 4.788137e-01 0.12763429 0.170482803 s.e. 6.496272e-02 0.07168213 0.065062256 t ratio 7.370593e+00 1.78055933 2.620302641 p-value 1.698713e-13 0.07498447 0.008785176
可以看出三个系数不是完全显著，要进行进一步的Box检验。
对模型进行Box检验：可以看出Box检验的p值为0.5254，p值不够大，即序列相关的概率只有50%多一些，很难得出序列无自相关结论。由于一次Box检验可能存在误差，误把序列判断为白噪声序列，因此我们要进行二次Box检验来看，二次检验结果p值非常小拒绝原假设。综合两次检验结果说明Arma(3,0)模型拟合的一般，效果不好，需要继续用其他模型尝试拟合。
2、GARCH模型。GARCH模型,即广义自回归条件异方差模型是由Bollerslev(1986)在对ARCH模型的一些约束条件进行了扩展从而得到的。自GARCH模型产生至今,在金融领域中已经获得了广的应用。
尝试建立GARCH(1,0)模型，和GARCH(2,0)模型，进行对比分析。
m1<-garchFit(formula = ~ garch(1, 0), data = dx, cond.dist = c("norm"),trace=F)
m2<-garchFit(formula = ~ garch(2, 0), data = dx, cond.dist = c("norm"),trace=F)
两个GARCH模型，可以看到m1与m2两个模型对于系数的显著成都都比较高，而且Ljung-Box检验基本上都是通过的，可以判断残差白噪声序列。
如果说要是比较两个模型哪个更好，可以判断GARCH（2,0）模型的Ljung-Box检验更加的显著，p值更无限接近与1，而且二阶的模型AIC相对较小，更加完全接近于白噪声序列。
（作者单位：首都经济贸易大学）
数据介绍。本文提取了人民币对于美元在直接标价法下的232个月度数据，也就是从1994年1月至2013年5月的数据。
一、数据处理。用R软件进行读取数据：对数据画出他的时间序列图：
通过画出的时间序列图，我们可以首先直观的看一下这将近二十年的汇率大体变化。总的来说从1994年人民币汇率改革之后，对于美元的汇率出现了一个总体下降趋势。可以看出从最初的100美元兑换850人民币，到今年只能兑换600左右人民币，人民币处于升值状态，且升值幅度超过20%。
但是还可以看出除了总体趋势是下降的之外，在整个人民币升值过程中，也存在几个阶段，比如1995年之后10年相对稳定的阶段，亦或是2005年-2008年人民币大幅升值的三年。这些都与中国经济的发展以及在国际收支平衡有着巨大的联系。
我们可以结合所学微观宏观经济学加以研究。1995年-2005年阶段，实行单一的有管制的浮动汇率制，中国经济发展相对较慢，在国际上的地位相对较弱，国内进出口保持相对平衡。经济处于一个滞涨状态，因此汇率相对平稳。2005年后，随着中国加入国际世贸组织，大量资本外流，国际收支出现盈余，经济正确口，而且此时财管机构采用相对合理灵活的浮动汇率制度，这样一来，货币政策结合财政政策刺激经济的发展。随之而来的奥运会等一些列世界活动，也促进了中国在国际中的地位提高，因此这些年人民币升值较快。
三、模型建立
1、ARMA模型。因为adf检验相对平稳，且pacf三阶结尾，尝试拟合建立ARMA(3,0)模型。
out1<-arima(lx,order=c(3,1,0),include.mean=T)运行Arma模型P值函数进行检验：cwp(out1) ar1 ar2 ar3 coef 4.788137e-01 0.12763429 0.170482803 s.e. 6.496272e-02 0.07168213 0.065062256 t ratio 7.370593e+00 1.78055933 2.620302641 p-value 1.698713e-13 0.07498447 0.008785176
可以看出三个系数不是完全显著，要进行进一步的Box检验。
对模型进行Box检验：可以看出Box检验的p值为0.5254，p值不够大，即序列相关的概率只有50%多一些，很难得出序列无自相关结论。由于一次Box检验可能存在误差，误把序列判断为白噪声序列，因此我们要进行二次Box检验来看，二次检验结果p值非常小拒绝原假设。综合两次检验结果说明Arma(3,0)模型拟合的一般，效果不好，需要继续用其他模型尝试拟合。
2、GARCH模型。GARCH模型,即广义自回归条件异方差模型是由Bollerslev(1986)在对ARCH模型的一些约束条件进行了扩展从而得到的。自GARCH模型产生至今,在金融领域中已经获得了广的应用。
尝试建立GARCH(1,0)模型，和GARCH(2,0)模型，进行对比分析。
m1<-garchFit(formula = ~ garch(1, 0), data = dx, cond.dist = c("norm"),trace=F)
m2<-garchFit(formula = ~ garch(2, 0), data = dx, cond.dist = c("norm"),trace=F)
两个GARCH模型，可以看到m1与m2两个模型对于系数的显著成都都比较高，而且Ljung-Box检验基本上都是通过的，可以判断残差白噪声序列。
如果说要是比较两个模型哪个更好，可以判断GARCH（2,0）模型的Ljung-Box检验更加的显著，p值更无限接近与1，而且二阶的模型AIC相对较小，更加完全接近于白噪声序列。
（作者单位：首都经济贸易大学）