体制转换模型能预测货币危机吗

1体制转换模型能预测货币危机吗？中国人民银行研究生部教研处张伟*[内容提要]体制转换模型是一种模拟时间序列显著变化或中断的方法。变动概率体制转换模型克服了标准货币危机预警方法的几个固有缺陷，预测货币危机的准确性更高，发出的错误信号更少。本文以名义汇率月变化率为因变量，在引入因变量一阶自回归过程对阿比达（2003）提出的变动概率体制转换模型进行了修改的基础上，采用改进后的模型对阿根廷等12个国家或地区在1978年1月至2002年5月期间发生或可能发生的货币危机进行了研究。本文主要回答两个问题：根据体制转换模型建立的货币危机预警系统是否具有更强的预警能力？它预测危机发生的时机是否更准确？研究表明：变动概率体制转换模型体制转换模型能够较为准确地预测货币危机发生的可能性和发生的时点；但是，对于不同的国家或地区，模型的预警效果有高有低；总体而言，该模型的预警能力很强，预警时效性较强。[关键词]体制，体制转换模型，货币危机，预警系统一、文献回顾体制转换模型是一种模拟时间序列显著变化或中断的方法†。该模型一直是经济学家惯用的分析工具，它在经济领域中的应用最早可以追溯到1958年。匡特（1958）、戈德菲尔德和匡特（1973，1975）先后使用该模型描述和研究了非均衡市场。最常用的体制转换模型是马尔科夫体制转换模型。任何变量的时间序列发生体制转换，实质上是该变量各个状态（即“体制”）的概率分布发生了变化（如图1所示）。根据变量由一种状态向另一种状态变迁的概率是否变化，该模型分为固定概率体制转换模型和变动概率体制转换模型。固定概率体制转换模型曾被用于分析利率期限结构（汉密尔顿，1988）、股票回报（塞可惕、拉姆和马克，1990）和浮动汇率（恩格尔和汉密尔顿，1990）。然而，在这些应用中，最大的缺陷是假设变量的体制转换概率是一成不变的。为了克服这个缺陷，李（1991），戴伯德、温巴齐和李（1994）考虑到体制转换概率随时间变化的特性，将该模型扩展为变动概率体制转换模型，并使用该模型模拟美元-英镑汇率的长期摆动。随后，费拉多（1993，1994）用变动概率体制转换模型分析了商业周期相位。在亚洲危机爆发之前，主要有两类标准的货币危机预警方法：一是受限因变量Probit模型或Logit模型，如FRProbit模型（弗兰科尔和罗斯，1996）、KMPLogit模型（库玛、默尔斯和佩劳丁，2002）；二是指标分析法，如KLR信号分析法（卡明斯基、李让多和雷恩哈特，1998）、DCSD模型（国际货币基金组织发展中国家研究部，1998）。对于评估金融脆弱性，上述模型比信用评级、债券息差和在险价值（Value-at-Risk）等方法的准确性更高（伯格和安德鲁等人，1999，2003）。然而，标准的货币危机预警方法存在几个明显的缺陷。第一，标准的货币危机预警方法需要事先确定危机期。确定危机期的通常做法是：分别计算汇率、国际储备和/或利率的变化率，并为它们选择一个权重，将它们组合成投机压力指数（TheIndexofSpeculativePressure），事先指定投机压力指数的依样本阀值（TheSample-dependentThreshold），然后根据某一特定期间投机压力指数的实际计算值是否超过该阀值确定该期间是否发生危机。根据这个程序，不同的预警方法确定的危机期是不尽相同的。例如，卡明、辛德勒和萨缪尔（2001）用他们确认的危机期与KLR信号分析法确认的危机期进行了比较，结果表明，只有61%的危机期是两种方法共同确认的。第二，尽管阀值法能*本文作者是中国人民银行研究生部教研处研究人员，在读博士生。感谢国际货币基金研究局经济学家阿布杜•阿比达（AbdulAbiad）博士向本论文作者提供了数据和Eviews编程语言支持，感谢两位博士生导师——中国证监会首任主席刘鸿儒教授和中国人民银行研究生部主任唐旭博士在百忙之中为本论文提出了宝贵的修改意见。†体制转换是指时间序列发生显著变化或中断，如股票指数飙升或狂跌、汇率急剧贬值、经济增长趋势逆转等。-0.3-0.2-0.10.00.10.20.378808284868890929496980002图1泰铢汇率月变化率图中数据为1978年2月至2002年5月泰铢兑美元的名义汇率月变化率（直接标价法）的月度数据。如图所示，泰铢汇率在1997年7月出现大幅度贬值，即发生了明显的体制转换。数据来源：国际金融统计（InternationalFinancialStatistics）。2确认危机期，但是阀值的选择是任意的，至今没有令人信服的统一标准‡。很明显，选择不同的阀值，将得到不同的危机期和不同的参数估计值。阀值有时被处理为一个人为给定的百分数（例如5%），这有可能犯“人为制造危机”的错误。而且，阀值具有样本依赖性，这意味着未来的数据可能影响已经确认的危机。这是因为，阀值是根据样本标准差定义的，发生一次新的相对严重的危机（例如亚洲危机）可能导致先前确认的危机不再被确认为危机。艾迪逊（2000）研究发现，如果使用1997年以前的数据，阀值法确认马来西亚发生了5次危机，但是，如果使用1999年以前的数据，阀值法只发现1次危机（即1997年危机），其他危机都“消失了”。为了解决这个问题，通常的做法是使用“视窗排除（ExclusionofWindow）”原理：如果在一定的时间视窗范围内，某些危机伴随以前的某次危机而发生，那么可以认为这些危机只是前一次危机的延续，从而排除这些危机。然而，排除视窗的宽度是任意选择的，可以是1个季度（艾青格林、罗斯和威普罗茨，1996）、18个月（阿兹等人，1999）甚至3年（弗兰科尔和罗斯，1996）。很明显，不同的排除视窗宽度将得到不同的预测结果。使用排除视窗的目的是为了防止将某次危机的延续错误地认为发生了新的危机。但是，在采用视窗排除原理时，有可能在因变量中引入人为序列相关。这是因为，在采用视窗排除原理时，意味着1Pr(1)0ttjCC+=?=(1,2,...,jJ=)，其中J为排除视窗的宽度，这就与Probit模型或Logit模型潜在假设观测值之间相互独立相矛盾。此外，在将连续变量转化为二元变量时或者在采用视窗排除原理时，将产生样本信息丢失问题。体制转换模型很好地克服了上述问题。第一，体制转换模型不需要事先确定危机期，而是在使用最大似然法预测危机发生概率的同时获得危机的发生时期和特征。因此，可以直接避免因使用阀值法和视窗排除原理而产生的问题。第二，体制转换模型不需要将连续变量转换成二元变量，并且不使用视窗排除原理，从而不会产生样本信息丢失问题，因变量的动态信息能够完整保留。由于体制转换模型具有这些优点，亚洲危机爆发之后，该模型开始被用于研究和建立货币危机预警系统。珍尼和马逊（1998）、弗拉茨谢尔（1999）相继建立和发展了多重均衡货币危机模型，并使用马尔科夫转换变量模拟了多重均衡之间的相互转换过程。然而，他们假定从一种均衡向另一种均衡转换的概率是一成不变的。塞拉和萨克斯纳（2002）使用马尔科夫转换模型分析了1997年印度尼西亚危机，研究危机爆发是否源于国内因素、季节性因素或者是由于邻国传染所致。马丁内兹-皮利亚（2002）使用1979~1993年数据，借用变动概率马尔科夫转换模型模拟了1992~1993年欧洲汇率机制（ExchangeRateMechanism，简称ERM）动荡。阿比达（2003）将体制转换模型用于预测货币危机，他选择汇率作为因变量，以1972~1999年期间的数据为样本，利用单参数t检验显著的预警指标分别对遭受亚洲金融危机冲击的五个国家§进行了分析。马丁内兹-皮利亚（2002）研究发现，体制转换模型不仅能够确认艾青格林、罗斯和威普罗茨（1996）所确认的所有危机事件，而且能够确认更多的危机事件。而且，体制转换模型预测货币危机的准确性比标准的预警方法更高，而且发出的错误信号更少（阿比达，2003）。尽管如此，体制转换模型并非完美无缺。笔者在阿比达（2003）研究的基础上，通过扩大研究范围、改变样本区间、挑选不同的外生变量以及对因变量时间序列引入一阶自回归，试图全面、客观地评价体制转换模型在建立货币危机预警系统方面的效果。本文主要回答两个问题：根据体制转换模型建立的货币危机预警系统是否有更强的预警能力？它预测危机发生的时机是否更准确？本文第二部分给出检验中将使用的模型，第三部分给出并分析检验结果，第四部分总结研究结论。二、模型本论文以各个样本国家或地区的名义汇率变化率为因变量（用ty表示）。假设名义汇率变化率的时间序列遵循下列特殊结构的一阶自回归：()()()()()()112211...ttttttttttttttmmtsssssssstssssstsyxxxyXyabbbfeafe--=++++++¢=+B++(1)其中，ts为名义汇率变化率在t时期的状态变量或体制变量，()()()()12...tttttmsssssabbbf为体制ts下回归系数向量，()(1)(2)()...mttttXxxx¢=为体制ts下外生变量向量，()(1)(2)()ttttmssssBbbb¢=为体制ts下与外生变量向量相对应的回归系数向量，tsf为一阶自回归系数，...2(0,)tiidsNes:，即tse‡在所查阅的文献中，阀值包括1.5s´（阿兹等人，1999）、1.645s´（卡拉马扎等人，2000）、1.75s´（卡明等人，2001）、2.5s´（艾迪逊，2000）和3s´（KLR，1997）等几种，其中s为样本标准差。§这五个国家是印度尼西亚、韩国、马来西亚、菲律宾和泰国。3在体制ts下服从均值为0、方差为2s、各期之间相互独立的正态分布。体制转换模型的基本前提是，我们在事前无法直接观察因变量的体制变化这一现象，而因变量的行为却依赖于体制，即在不同的体制下，因变量表现出不同的行为方式。就本论文研究的名义汇率变化率而言，一方面，“是否出现急剧贬值或升值”或“是否发生危机”这个体制变量是一个无法直接观察的二元变量，这类无法直接观察的变量被称为潜伏变量；另一方面，名义汇率变化率的行为依赖于这个二元潜伏变量。很明显，名义汇率变化率在危机状态下与在平静状态下的行为具有显著性差异。一般地，在危机状态下，名义汇率变化率的均值将发生漂移、波动性将更强。假设名义汇率变化率的潜伏变量遵循一阶双态马尔科夫链{}1Ttts=，其中1ts=定义危机状态，0ts=定义平静状态，则21(,)tttiidttstsstysNXByafs-¢++:(2)也就是说，因变量的概率分布以及各个参数是随体制转换而变化的。如果将因变量ty关于ts的条件密度记作向量th，则：112000120021111211(0;,;)(1;,;)()1exp22()1exp22tttttttttttttttfysXyfysXyyXByyXByqhqafspsafsps----轾=犏=犏=犏臌轾禳¢镲----镲犏睚犏镲镲铪犏=犏禳¢犏镲----镲犏睚犏镲犏镲铪臌(3)其中，()2010101BBqaaffsⅱ=代表条件密度的参数向量。在当前状态给定条件下，停留在当前状态或向另一种状态转换都有一定的可能性，这依赖于一个国家或地区经济金融基本面的健康程度。通过选择一定数量的统计显著性外生变量，可以较好地衡量一个国家或地区经济金融基本面的健康程度。具体而言，潜伏变量ts的体制转换是通过转换概率矩阵来实现的：001011111011011111111011Pr(0|0,)Pr(0|1,)()1()Pr(1|0,)Pr(1|1,)1()()tttttttttttttttttttttppssXssXFXBFXBppssXssXFXBFXB------------轾犏======犏犏ⅱ==-犏=犏犏犏======犏ⅱ=-=犏臌P(4)其中，111Pr(,)()tijttttipsjsixFxb---¢====，它是从1t-期的状态i转换到第t期状态j的概率（,0,1ij=）；F为累计概率分布函数，为了简化，一般假设累计概率分布函数为对数正态分布；