人民币汇率的波动性分析-基于garch模型分析

1姓名林恒辉成绩学号09104015032评卷人中南财经政法大学研究生课程考试试卷（课程论文）论文题目人民币汇率的波动分析——基于GARCH模型的实证研究课程名称国际金融理论研究完成时间2010-6-25专业年级2009级注：研究生必须在规定期限内完成课程考试论文，并用A4页面打印，加此封面装订成册后，送交评审教师。教师应及时评定成绩，并至迟在下学期开学后两周内将此课程论文及成绩报告单一并交本单位研究生秘书存档。（涉及外单位的，由研究生秘书转交学生所在单位研究生秘书存档）2人民币汇率的波动分析——基于GARCH模型的实证研究金融学林恒辉09104015032[摘要]：汇率的波动影响这国家的资本进而影响股市以及经济面的波动。维护汇率的相对稳定是宏观调控的重要内容之一。经过2005年7月21日的汇率改革，我国开始实施以市场供求为基础，参考一揽子货币的，有管理的浮动的汇率制度，汇率市场的波动性更加明显，更具弹性，而人民币的长期走势成上升趋势。该文选取了2005年7月22日至2010年6月25日的日美元基准价作为研究对象，根据GARCH模型对数据进行模拟与波动性的研究，并对未来的汇率走向进行简单的预测与分析。[关键词]：汇率波动，GARCH模型，人民币一、引言我国近年来国际收支上面一直是双顺差，人民币的升值压力不断增大,但这个双顺差大部分却是由于我国产业结构的失调，作为加工厂出口的大量农产品以及低值半成品，缺少国际竞争力。另外由于国内的投资环境相对恶化，大量热钱从制造业涌入股市、房地产业甚至古董收藏等行业，也导致了相关行业泡沫，加剧了经济的波动性。而人民币的剧烈波动，大幅的升值更会导致国际热钱的涌入，加剧恶化这种情况，故保持汇率的相对稳定，对汇率的波动研究就显得具有必要性。ARIMA模型与GARCH模型是现今研究时间序列模型的相对有效的2个模型，国内外不少学者在对汇率股市这种波动性较强的指数都有不少的运用。如：李亚敏(2007)运用ARMA模型对一篮子货币欧元、日元的汇率进行预测,然后依据人民币基准汇率公式得出人民币未来汇率走势,并对所预测的结果进行分析;张忠杰(2005)以为汇率变动情况相对符合ARIMA(2,4,5)模型。苏岩(2007)经过研究发现汇率变化的时间序列数据具有异方差的特点,在某一时期内其波动剧烈，而有时又相对平缓,具有明显的“波动聚集,高峰厚尾,持久记忆”等现象,故此ARMA模型已不能较好地拟合此类数据,而Engle(1982)提出的自回归条件异方差(ARCH)模型则是对这种波动聚集，高峰厚尾，持久记忆的数据能很好地拟合;惠晓峰(2005)等发现我国人民币/美元的时间序列中存在着明显的GARCH效应,且GARCH(1,1)模型适用于人民币/美元的建模,通过GARCH(1,1)模型发现其预测短期汇率是可行的。而在国外汇率波动性研究模型的选择也是经济研究的主要问题之一。博克斯-詹金斯提出的ARIMA、恩格尔(1983)和Kraft.D(1983)提出了自回归条件异方差(ARCH)模型以及经Bollerslev,T(1986)修正并发展的GARCH模型都成为国外学者预测汇率选择的方法。本文主要是采用Garch模型，对汇改以后的最新数据进行简单的Garch效应检验，并对波动性的情况进行分析。另外由于汇率的决定因素复杂，本文仅仅是对汇率波动与预测的一种尝试与探讨。并不是研究汇率的决定因素。二、数据来源与前期分析本文选用的数据来至巨灵财经，数据跨度为2005年7月22日至2010年6月25日的美元基准价作为研究数据。不过2005年9月7日的美元基准价巨灵财经的数据有误，其数据为684.36应更改为809.13（1）。对所得的数据得到折线图如下图一所示。（1）参见国家外汇管理局图一：2005年7月22日至2010年6月25日美元基准价走势图由上图可以看到美元的基准价长期来看成下降趋势，从最初的811.00到如今的678.96即人民币成升值状态。整体的波动相对而言比较平缓。而通过对这1204个数据进行统计特征分析得到其均值为735.76，标准差为531.53，整体的偏度为0.2061。本文为了进行研究波动性，对汇率原序列进行相应的处理，建立的收益性数列。建立的公式为：1lnlntttppr。其中为tp原汇率序列t期的值，则tr为汇率的收益性即波动率。对波动率进行分析得到Q-Q，折线图以及统计分布图分别如图二、图三、图四所示如下：-.003-.002-.001.000.001.002.003-.006-.004-.002.000.002.004QuantilesofR1QuantilesofNormal-.005-.004-.003-.002-.001.000.001.002.003.0042505007501000R1图二：收益率tr的Q-Q图图三：收益率折线图050100150200250300-0.00250.00000.0025Series:R1Sample11204Observations1203Mean-0.000148Median-2.93e-05Maximum0.003010Minimum-0.004330Std.Dev.0.000784Skewness-0.878844Kurtosis7.278046Jarque-Bera1072.231Probability0.000000图四4从上面3张图可以看出，r随机扰动比较剧烈，即收益曲线存在自相关也存在异方差。初步判断为应选择向量自回归GARCH模型进行分析。三、模型选择与建立（一）ARCHLM检验从前文的分析可以知道，汇率数据以及收益率基本都是可以看出具有ARCH效应的，但是为了更能说明该问题，引入ARCHLM检验。对原汇率时间数据建立模型tttpp1（模型一）得到见过如下：P=0.217212453091+0.999555628622*p(-1)t值（0.92）（3100.92）对得到的模型残差进行ArchLM检验如下表一所示：表一：模型一残差的ARCH检验从上表可以看出，F值为54.836，p值0.000很低，接近0。说明拒绝原假设“不存在ARCH效应”的假设。故原汇率时间数据具有ARCH效应。（二）GARCH模型的建立从上面（一）中我们可以看出汇率具有ARCH效应，故考虑建立GARCH模型，首先采用最简单的GARCH（1,1）模型。建立新模型二如下：P=C(1)+C(2)*P(-36)GARCH=C(3)+C(4)*RESID(-1)^2+C(5)*GARCH(-1)通过Eviews6.0的操作得到结果如下图五所示：F-statistic54.83550Prob.F(1,1200)0.0000Obs*R-squared52.52662Prob.Chi-Square(1)0.00005从各个参数的Z值以及p值可以看出，模型各个参数估计都是显著的。另外R^2为0.988015看出模型拟合效果不错。最后对模型二的残差再进行ARCHLM检验得到F值为0.2278，p值为0.6332，虽然不是很接近于1。但是也可以说在10%的显著水平下，是接受原假设“不再存在ARCH效应”的假设。故模型二是最终的模型。四、结论(一)人民币汇率波动的集群现象即波动聚集,高峰厚尾,波动具有持续性。虽然人民币尚未完全市场化，但通过GARCH及相关模型检验得出的收益率序列同样具有显著的“尖峰厚尾”的特点，特别的是是左厚尾的现象。此外就是波动的集群性的特征。模型二的检验可以看到α+β大于1，这表明我国将持续面临的人民币升值的压力，而收益性以及汇率的波动会一直持续下去。人民币自汇改以来一直处于升值的轨道过程中。而收益率的波动的幅度越来越大。从整体的趋势也发现金融危机发生减缓了汇率升值的步伐，而波动也出现持续性地小幅震荡。而随着金融危机的影响降低，人民币升值的压力又再次的体现出来，后续应该才会有持续性更大幅度的升值，以及较强的波动。不过国家应该看到现今的整体相对投资环境恶化现象，应该加强汇率的管制。（二）建立的模型为GARCH（1.1）为：R=13.2217081015+0.980486841049*R(-36)GARCH=4.48458046833e-05+0.551402926881*RESID(-1)^2+0.577468137492*GARCH(-1)模型拟合图以及残差图如下所示：-25-20-15-10-505106406807207608008402505007501000ResidualActualFitted图六：模型二的拟合图与残差图（三）政策建议计人民币汇率市场化以及升值会带来更大汇率波动以及经济的波动，加之波动的持续性，会造成更大幅度的升值。本文的政策建议包括：第一，人民币国际化进程中，汇率市场化是不可避免的趋势，国际收支双顺差是人民币6升值预期的主要原因，因此应该鼓励进口设备和高端技术，加强我国资本“走出去”战略，减少贸易顺差，减少国家压力，减少人民币汇率升值的稳定预期，从而缓和杠杆效应对升值的影响。第二，在汇率的市场化进程中，我们央行应当控制汇率变动的节奏。由于人民币汇率波动的集群性特征，汇率过度的波动，出口企业面临的汇率风险将会增加，相关的订单成本将会上升，尤其是大幅度的汇率升值，对身陷金融危机的出口企业将会造成极大的打击，出口规模减少，加剧我国相对的投资环境的恶化，加剧经济面的二八现象。20%的行业过热，诸如地产，能源等行业，80%的行业尤其是制造业过冷。大幅的提高汇率更加冲击制造行业，加剧投资环境的恶化，而导致大量的热钱涌入股市，地产业，增加这种过热行业的泡沫，进而引起恶性循环。第三，加强加快汇率衍生市场的建设。汇率市场化，必然导致汇率风险的加大，为规避市场风险，相应的衍生品市场的建立是必要的。企业就可以依靠该市场规避一定的风险，另外更多的金融产品也有利于缓解过多的热钱对股市和房市投机冲击，对我国金融市场的完善也具有推动作用。参考文献：[1]高铁梅主编:计量经济分析方法与建模,北京,清华大学出版社,2006。[2]易丹辉主编:数据分析与Eviews应用,北京,中国统计出版社,2002。[3]张晓彤主编：应用数理经济学，北京，清华大学出版社，2009[4]Bollerslev,Tim:Generalizedautoregressiveconditionalhet-eroskedasticity.JournalofEconometrics,1986。[5]MichaelMcKenzie.Theeconomicsofexchangeratevolatilityasym-metry[J].InternationalJournaloffinanceandeconomics.2002（7）:247-260.