匯率彈性化下人民幣匯率波動預(yù)測分析

摘要：本文選取影響人民幣匯率波動的有關(guān)結(jié)構(gòu)變量，分別通過線性MA模型和基于遺傳算法改進的GABP神經(jīng)網(wǎng)絡(luò)模型，對人民幣匯率波動進行模擬和預(yù)測。通過比較發(fā)現(xiàn)，匯率缺乏彈性時期，逐月MA模型的歷史擬合和樣本外預(yù)測效果最優(yōu)；隨著匯率改革的不斷推進和匯率彈性化的增強，GABP神經(jīng)網(wǎng)絡(luò)模型在匯率波動的模擬和預(yù)測方面均有最優(yōu)表現(xiàn)，故匯率波動預(yù)測模型應(yīng)隨匯率彈性及其波動特性不同因時制宜。同時結(jié)果表明，匯率彈性化能夠加深匯率波動及其結(jié)構(gòu)變量間的均衡關(guān)系，利率市場化改革應(yīng)與匯率市場化改革協(xié)調(diào)推進。

關(guān)鍵詞：匯率彈性化；匯率波動；神經(jīng)網(wǎng)絡(luò)

中圖分類號：F830.7 文獻標(biāo)識碼：A 文章編號：1674-2265（2013）04-0008-06

一、文獻綜述

隨著經(jīng)濟全球化的不斷推進和國際資本流動的日益加劇，匯率對于投資者選擇正確的投資策略、企業(yè)規(guī)避和防范外匯風(fēng)險以及中央銀行有效干預(yù)外匯市場和制定正確的貨幣政策，都有著非常重要的影響。因此，關(guān)于匯率的行為描述和預(yù)測問題研究一直是國內(nèi)外理論界關(guān)注的焦點。

關(guān)于匯率波動的預(yù)測，一般從“匯率波動緣于經(jīng)濟系統(tǒng)基本因素所致”（易綱、范敏，1997）出發(fā)，進而基于對匯率的理性預(yù)期等假設(shè)前提對匯率決定進行探討。相關(guān)的理論有購買力平價理論、利率平價理論、國際收支說等，并基于此，在匯率與影響匯率的經(jīng)濟因素之間建立線性模型，再利用計量等工具對模型進行檢驗、矯正。常用的方法有最小二乘法、協(xié)整方法等。易綱、范敏（1997）對人民幣匯率決定的諸多理論作了詳盡分析，他們認(rèn)為，均衡的市場利率和貨幣的完全可兌換這兩個前提條件在中國不成立，從而利率平價在中國解釋能力不強，這與王愛儉等（2003）的結(jié)論一致。但他們同時指出，隨著中國向人民幣完全可兌換和資本自由流動的方向不斷邁進，利率平價的解釋和預(yù)測能力會越來越強。魏巍賢（1998）在其1997年研究成果中的人民幣匯率決定模型的基礎(chǔ)上，采用月度數(shù)據(jù)構(gòu)建了人民幣短期匯率預(yù)測模型，結(jié)果表明模型具有較好的模擬和預(yù)測性能以及結(jié)構(gòu)穩(wěn)定性。他進一步的研究（2000）結(jié)果表明，1994年以來匯率穩(wěn)定主要歸因于央行的干預(yù)、適度從緊的貨幣政策、高速的經(jīng)濟增長以及對外債余額與通貨膨脹的有效控制?；輹苑宓龋?999）對購買力平價和貨幣理論進行修正，采用線性組合預(yù)測匯率，結(jié)果顯示組合模型比單個模型更加穩(wěn)定。相關(guān)的文獻還可見于鄭蘭祥（2000）、張道政（2005）等。

另一種匯率預(yù)測的思路便是傳統(tǒng)的時間序列模型，常用的有ARMA模型（帕爾馬和陳，1997）、隨機游走模型（哈基奧，1986）和GARCH簇模型（波勒斯列夫等，1991；恩格爾等，1997）。惠曉峰等（2003）論證了GARCH模型預(yù)測人民幣匯率時序的可行性，發(fā)現(xiàn)人民幣匯率存在明顯的異方差性。韋斯特等（West等，1995）通過以上幾個模型對匯率預(yù)測效果的對比發(fā)現(xiàn)，GARCH模型預(yù)測效果最佳，尤其是短期預(yù)測；ARMA模型預(yù)測效果次之?；舨℉opper，1997）和布魯克斯（Brooks，1997）的研究結(jié)論也表明，GARCH等時序模型能有效預(yù)測匯率波動。

然而大量的研究發(fā)現(xiàn)，市場的收益率并非呈現(xiàn)標(biāo)準(zhǔn)正態(tài)分布，反而呈明顯尖峰厚尾現(xiàn)象。同時，諸多文獻進一步證實匯率波動呈現(xiàn)簇聚現(xiàn)象、長記憶性等顯著的非線性特征（波勒斯列夫等，1991；恩格爾等，1997；楊瑞成等，2010）?？梢?，非線性特征存在于匯率波動已是不爭的事實（米斯等，1990），而神經(jīng)網(wǎng)絡(luò)是預(yù)測匯率非線性波動的良好選擇（關(guān)等，1995）。

神經(jīng)網(wǎng)絡(luò)方法在匯率波動預(yù)測的應(yīng)用研究已有諸多文獻可考。迪博爾德等（Diebold等，1990）研究認(rèn)為，非線性方法在匯率波動預(yù)測中對于匯率值以及趨勢的預(yù)測都有更優(yōu)表現(xiàn)。魯芬斯等（Refense等，1993）也認(rèn)為神經(jīng)網(wǎng)絡(luò)方法對匯率預(yù)測要比傳統(tǒng)線性預(yù)測方法好很多。勞舍爾（Rauscher，l997）在驗證了匯率與經(jīng)濟各變量間的長期均衡關(guān)系后，采用各經(jīng)濟變量作為BP網(wǎng)絡(luò)的輸入，對匯率的波動作了動態(tài)預(yù)測，結(jié)果表明BP網(wǎng)絡(luò)在匯率的波動尤其是其波動趨勢上的預(yù)測要優(yōu)于ARMA、VEC等線性模型?；輹苑宓龋?002）針對傳統(tǒng)BP網(wǎng)絡(luò)的缺陷，結(jié)合遺傳算法與遞歸預(yù)測方法提出基于實數(shù)編碼的GABP網(wǎng)絡(luò)預(yù)測模型，并在人民幣兌美元匯率時序的實證檢驗中得出良好的結(jié)果。王熙等（2010）通過對人民幣名義匯率高頻時序波動率的研究，驗證了其非線性動態(tài)行為表征，同時指出，非線性模型能比線性模型更好地描述匯率時序中大的波動。

可見，國內(nèi)外文獻主要根據(jù)相關(guān)理論和模型對匯率自身或者匯率收益的波動率進行預(yù)測和比較分析，而較少從匯率收益率的角度探討匯率波動區(qū)間和波動趨勢以及匯率彈性化下匯率波動預(yù)測模型的選擇問題，而這正是本文要重點解決的問題。因此，本文選取2001年1月至2010年12月的月度數(shù)據(jù)，綜合采用線性MA模型和非線性神經(jīng)網(wǎng)絡(luò)模型對匯率波動進行預(yù)測比較，探討匯率彈性化下人民幣匯率的波動預(yù)測問題，借以捕捉匯率波動趨勢，并基于此給出相應(yīng)的結(jié)論與建議。

二、變量說明與模型選擇

根據(jù)黃志剛等（2010）的分析，本文選擇VOL（匯率波動）、CF（短期跨境資本流動）、ERI（匯率干預(yù)）、RIR（實際利率）4個經(jīng)濟變量來解釋匯率的波動，同時加入股市收益及匯率波動滯后項作為匯率波動的預(yù)測解釋變量。各變量說明如下。

（一）變量與數(shù)據(jù)說明

1. VOL：匯率波動。關(guān)于匯率波動的預(yù)測，本文主要探討匯率的收益率，即波動幅度。黃志剛等（2010）將其定義為：

[rt=mpt-mpt-1mpt-1×100]

其中，[mpt]表示直接標(biāo)價法下當(dāng)月每日即期匯率的平均值，[mpt-1]表示前一個月每日即期匯率的平均值。這是百分比法定義的收益率。然而因?qū)?shù)收益率有更好的統(tǒng)計特性，如具有簡單的可加性，能在一定程度上消除或降低自相關(guān)等線性依賴性等（楊瑞成等，2010），因而對金融時序分析而言，對數(shù)收益率比百分比收益率更為適用（雷強等，2009）。故本文采用匯率價格的對數(shù)收益率來表示人民幣兌美元匯率波動，定義如下：

[VOLt=Ln（Pt/Pt-1）×100]

其中[Pt]表示第t月人民幣兌美元匯率中間價的月度均值，乘以100是為了提高精度，數(shù)據(jù)來源于中國人民銀行網(wǎng)站。

2. CF：短期國際資本流動。關(guān)于短期跨境資本流動（Capital Flow，記為CF）的度量，本文沿用黃志剛（2010）的設(shè)定方式，即：

短期跨境資本流動=外商直接投資增加額+外債增加額+經(jīng)常項目順差額-外匯儲備增加額

其中，各變量均采用月度數(shù)據(jù)。不同的是，本文中的外債增加額是將外債凈額季度數(shù)據(jù)通過一階差分得到的季度增加額，用Eviews7.2軟件轉(zhuǎn)換為月度數(shù)據(jù)得來，而不是直接把差分所得的季度增加額當(dāng)作每個月的值（這會高估外債增加額）。經(jīng)常項目順差仍采用進出口順差的月度數(shù)據(jù)近似表示。數(shù)據(jù)來源于國家商務(wù)部網(wǎng)站和國家外管局網(wǎng)站。

3. ERI：匯率干預(yù)。為研究政府干預(yù)對匯率波動的影響，本文根據(jù)干杏娣等（2007）和黃志剛等（2010）的研究結(jié)論，同樣選取外匯儲備月度變化量代表政府對匯率波動的干預(yù)（Exchange Rate Interference，記為ERI）。數(shù)據(jù)來源于國家外管局網(wǎng)站。

4. RIR：實際利率。根據(jù)利率平價、購買力平價等國際金融理論可知，利率的變化會通過不同途徑和不同方式引起國際收支的變化，進而引起匯率變動；同時也能通過資本流動和商品市場對匯市波動產(chǎn)生直接或間接的影響。國外大量研究表明，利率價格變化對匯率波動有顯著影響，并且匯市與貨幣市場間存在雙向波動溢出效應(yīng)，這些特征在成熟市場國家表現(xiàn)更為突出。隨著我國匯率彈性的逐漸增加，二者間的聯(lián)動性進一步增強，央行調(diào)控政策效果不僅取決于利率或匯率變動，還取決于二者間的聯(lián)動性。

因此，本文沿用實際利率（記為RIR）代表宏觀經(jīng)濟形勢的變化。數(shù)據(jù)采用全國銀行間同業(yè)拆借市場利率的月度加權(quán)均值，并通過月度通脹率進行調(diào)整而得，數(shù)據(jù)來源于中國人民銀行網(wǎng)站、國家統(tǒng)計局網(wǎng)站和《中國金融統(tǒng)計年鑒》。

5. SHZ：上證指數(shù)收益。大量研究文獻認(rèn)為股市對匯率波動也有很大影響。自20世紀(jì)90年代以來，國內(nèi)外學(xué)者就已對股市與匯市的關(guān)系作了豐富研究，許多學(xué)者分別從宏觀和微觀角度分析得出股市與匯市間存在較強聯(lián)系的結(jié)論，但不同國家間傳導(dǎo)關(guān)系有別。也有部分研究指出二者間并不存在長期關(guān)聯(lián)性（菲力巴提斯等，2005；奧賽爾，2006；姚等，2006），但大部分學(xué)者傾向于認(rèn)為金融自由化會加強兩者間的聯(lián)系（王新軍等，2010）。因此，為研究股市與匯市間的關(guān)系，并比較分析不同匯制下二者間的關(guān)系，本文也把該變量考慮在內(nèi)，同時將滯后一期匯率波動的影響VOL（-1）項也考慮到匯率波動預(yù)測中。

鑒于兩次匯改（分別是2005年7月21日和2007年5月21日央行進行的兩次匯率改革）以及金融危機（即2008年12月次貸危機引發(fā)的全球金融危機）的影響，本文將研究數(shù)據(jù)劃分為4個階段：2001年1月—2005年7月（2001M01—2005M07），2005年8月—2007年4月（2005M08—2007M04），2007年5月—2008年12月（2007M05—2008M12），2009年1月—2010年12月（2009M01—2010M12），對以上變量間的關(guān)系進行分階段檢驗。

（二）平穩(wěn)性檢驗

由表1可知，各變量在不同時段呈現(xiàn)出不同性質(zhì)。其中第一、四階段結(jié)果較一致；第二、三階段結(jié)果較一致。以第二、三階段為例，原序列VOL、CF、ERI、RIR均不能拒絕存在單位根的原假設(shè)，而經(jīng)過一階差分后則都為平穩(wěn)序列。因此，VOL、CF、ERI、RIR在第二、三階段都為一階單整序列。而SHZ收益序列則是平穩(wěn)時序。顯然第一、四階段各變量間并不滿足協(xié)整檢驗前提，故只針對第二、三階段作進一步協(xié)整檢驗。

（三）協(xié)整檢驗

協(xié)整可用以描述變量間的長期穩(wěn)定關(guān)系。鑒于數(shù)據(jù)量的緣故，本文綜合VAR模型檢驗結(jié)果以及黃志剛等（2010）的研究，確定第二、三階段相應(yīng)變量檢驗最佳滯后階數(shù)均為1，結(jié)果如表2所示。可知，兩階段各變量間均存在顯著的長期均衡關(guān)系。

由式（1）—（4）可知，無論哪個階段，政府干預(yù)對匯率波動始終呈顯著負(fù)效應(yīng)；而滯后一期匯率波動則對當(dāng)期匯率波動有顯著正向影響，這也說明了匯率波動的趨勢性特征。比較不同階段回歸方程的系數(shù)正負(fù)可以發(fā)現(xiàn)，2005年匯改后的第二、三階段回歸結(jié)果一致性較強，而2005年前的第一階段與2009年后第四階段的回歸結(jié)果相近度較高，既反映了不同階段變量間內(nèi)在聯(lián)系的變化，也從側(cè)面反映出不同階段金融市場、宏觀經(jīng)濟及調(diào)控政策等整體環(huán)境的不同。如第二、三階段短期資本流動與匯率波動呈顯著正相關(guān)，股市與匯市波動有顯著正聯(lián)動性，實際利率與匯率波動顯著負(fù)相關(guān)，反映了該時期匯率制度彈性不斷增大，金融市場、宏觀經(jīng)濟及調(diào)控政策等整體環(huán)境變化不大。但在匯改之前與金融危機階段，上述自變量與匯率波動變量的回歸系數(shù)方向恰好相反，這與吳（WU，2000）的研究結(jié)論一致，說明該二階段匯率缺乏彈性或存在較多的政府干預(yù)和資本管制等。

由變量顯著性也可發(fā)現(xiàn)，匯率與利率關(guān)聯(lián)性在2005年匯改之后有顯著提升，這說明隨著匯率彈性明顯增強，匯率對利率的反應(yīng)也逐步靈敏，匯率改革逐步回歸市場（陳鏡冰等，2010）。第一、四階段結(jié)果表明二者間存在正向關(guān)系，貨幣市場變動加劇了匯市波動。而且此二階段人民幣兌美元匯率波動幅度較小，限制了貨幣市場與外匯市場間的信息傳導(dǎo)（趙華，2007），桎梏了我國貨幣政策的傳導(dǎo)效率，進而也說明了匯率的非市場化會阻礙利率的市場化進程。

同時也可看出，MA過程能夠較好地擬合匯率的波動模型，但4個階段的最優(yōu)回歸方程不盡相同，故對相應(yīng)時期波動預(yù)測應(yīng)根據(jù)不同時段作動態(tài)的模型調(diào)整。因此，本文考慮以2005年為分界點，對不同時期的匯率波動采取逐月預(yù)測的方式，并同時使用全時段的預(yù)測方式作比較分析。預(yù)測模型如下：

[VOL=C+α1CF+α2ERI+α3RIR+α4SHZ+α5VOL（-1）+β1ma（1）+…+βnma（n） （5）]

其中，ma的項數(shù)根據(jù)具體情況選擇。全時段預(yù)測模型根據(jù)前90個月數(shù)據(jù)得出最優(yōu)模型，進而預(yù)測后30個月數(shù)據(jù)；逐月預(yù)測則分兩段，分別以30個月和20個月歷史窗口值作滾動預(yù)測，即每預(yù)測一個月的數(shù)值，就對模型進行調(diào)整，根據(jù)擬合優(yōu)度、AIC準(zhǔn)則、變量顯著性和模型穩(wěn)健性等選取最優(yōu)預(yù)測模型。

（五）神經(jīng)網(wǎng)絡(luò)預(yù)測模型介紹

匯率波動預(yù)測具有不確定性，時間序列及回歸模型是最常用的預(yù)測方式，其根據(jù)匯率變量與相關(guān)經(jīng)濟變量的關(guān)系構(gòu)建多元回歸模型作預(yù)測，但要求有較大樣本量。然而諸多學(xué)者的研究結(jié)果認(rèn)為，神經(jīng)網(wǎng)絡(luò)模型能夠有更優(yōu)的匯率預(yù)測表現(xiàn)，而其中BP神經(jīng)網(wǎng)絡(luò)就是目前應(yīng)用最為廣泛的一種網(wǎng)絡(luò)模型。BP網(wǎng)絡(luò)能通過比較網(wǎng)絡(luò)輸出結(jié)果的誤差，反復(fù)修正權(quán)值和閥值，逐步縮小誤差，提高預(yù)測精度，即“誤差逆?zhèn)鞑ニ惴ā?。隨著這種誤差逆?zhèn)鞑バ拚粩噙M行，網(wǎng)絡(luò)對輸入響應(yīng)的準(zhǔn)確率不斷上升。

由于傳統(tǒng)BP網(wǎng)絡(luò)預(yù)測存在收斂慢、振蕩、容易陷入局部極小點、權(quán)值偏大以及不穩(wěn)定等問題（周永進等，2007），許多學(xué)者對BP網(wǎng)絡(luò)算法作了改進，如MFBP、MBP、動態(tài)自適應(yīng)BP快速算法，以及人工智能算法如遺傳算法、模擬退火算法等與BP網(wǎng)絡(luò)結(jié)合的組合神經(jīng)網(wǎng)絡(luò)模型等。其中，遺傳算法（Genetic Algorithms，GA）是使用較廣泛也較優(yōu)的選擇（金，2005）。GA算法是一種全局尋優(yōu)搜索算法，它能通過群體實現(xiàn)搜索過程，且易于并行化，能夠提高算法的效率。本文采用GA算法對BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)進行優(yōu)化（伍海華，2009）。先用GA算法對初始權(quán)值進行優(yōu)化，定出權(quán)值取值范圍；然后采用BP算法在以上的解空間中搜索最優(yōu)解；再根據(jù)網(wǎng)絡(luò)的不斷訓(xùn)練與迭代，直至達到最優(yōu)權(quán)值進而進行BP網(wǎng)絡(luò)預(yù)測。

國內(nèi)外學(xué)者的研究成果已經(jīng)表明，用GA算法改進的BP網(wǎng)絡(luò)的預(yù)測效果和收斂速度要明顯優(yōu)于一般BP網(wǎng)絡(luò)算法（魏巍賢等，1995；王建成等，1998；鄭志軍等，2000）。因此本文選擇GABP神經(jīng)網(wǎng)絡(luò)算法進行預(yù)測，并與前文MA模型預(yù)測效果作比較，探討匯率彈性化下不同模型對匯率波動預(yù)測的解釋力。

三、匯率彈性化下人民幣匯率波動預(yù)測模型的比較分析

（一）預(yù)測方式

本文分別采用以下四種方式對人民幣兌美元匯率波動進行樣本內(nèi)擬合與樣本外預(yù)測。

1. MAQD全時段預(yù)測：采用90個月的歷史數(shù)據(jù)對后續(xù)30個月數(shù)據(jù)作預(yù)測，并對歷史數(shù)據(jù)進行模擬。

2. MAZY逐月預(yù)測：根據(jù)匯率彈性的不同，對2001M01—2005M07時段和2005M08—2010M12時段分別采用30個月和20個月的周期窗口進行滾動逐月預(yù)測。

3. GABP網(wǎng)絡(luò)預(yù)測：采用遺傳算法改進的BP神經(jīng)網(wǎng)絡(luò)方法對匯率波動進行樣本外預(yù)測和樣本內(nèi)模擬。

由圖1可見，MA逐月和GABP網(wǎng)絡(luò)預(yù)測的效果均優(yōu)于全時段MA預(yù)測效果。逐月預(yù)測的匯率波動與實際波動趨勢較吻合；而全時段預(yù)測值傾向于低估實際匯率波動。用GABP網(wǎng)絡(luò)得出的預(yù)測值與實際值較接近。當(dāng)然這只是直觀的認(rèn)知，對于各模型的實際預(yù)測效果還需根據(jù)相關(guān)評價指標(biāo)予以比較。

（二）模型性能評價

由于神經(jīng)網(wǎng)絡(luò)無法用計量經(jīng)濟學(xué)中常用的擬合優(yōu)度、置信度、顯著性等檢驗指標(biāo)，為與MA多元回歸模型結(jié)果作比較，本文綜合采用以下幾個常用指標(biāo)來評價各模型預(yù)測效果。

1. 平均絕對誤差（MAE）：[MAE=1Ni=1N|volfi-voli|]

2. 均方誤差（MSE）：[MSE=1Ni=1N（volfi-voli）2]

3.平均絕對百分誤差（MAPE）：

[MAPE=1Ni=1N|volfi-volivoli|]

4.均方根誤差（RMSE）：[RMSE=1Ni=1N（volfi-voli）2]

其中，[voli]與[volfi]分別表示匯率波動的實際值和預(yù)測值。對于各模型而言，以上4個數(shù)值越小，說明模型預(yù)測值越接近于實際值，因而模型的預(yù)測效果也就越佳。

MA模型、一般BP網(wǎng)絡(luò)和GABP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果如表3所示。

同時對最后30個月共同預(yù)測期的匯率波動預(yù)測值作圖，如圖2所示。

綜合表3和圖2我們可以發(fā)現(xiàn)，MA模型對于歷史數(shù)據(jù)的擬合效果要相對優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型，逐月MA模型預(yù)測結(jié)果優(yōu)于全時段MA模型。就全時段MA模型而言，其對歷史數(shù)據(jù)模擬的絕對偏差均很小，而對樣本外數(shù)據(jù)的預(yù)測效果卻不佳；逐月MA模型則不但能達到很好的歷史擬合，同時其樣本外預(yù)測效果也較好，無論是絕對誤差還是均方誤差皆遠小于全時段MA預(yù)測效果。從圖2中也可以發(fā)現(xiàn)，逐月MA預(yù)測時序和匯率實際波動趨勢較吻合，而全時段MA則明顯低估匯率實際波動。這些都再次證明了逐月預(yù)測的優(yōu)越性。

分階段比較可以發(fā)現(xiàn)，MA模型適合于匯率波動趨勢變化較小時期的預(yù)測，而BP神經(jīng)網(wǎng)絡(luò)模型對匯率波動較大時期的預(yù)測更具有良好表現(xiàn)。2005年匯改之前，逐月MA模型無論是樣本內(nèi)模擬還是樣本外預(yù)測都是三種方式中最優(yōu)的，該時段匯率缺乏彈性，正好體現(xiàn)了MA線性模型對于穩(wěn)定趨勢預(yù)測的良好性能。而隨著匯率波動程度的增強，以近30個月的預(yù)測效果而言，GABP神經(jīng)網(wǎng)絡(luò)預(yù)測無論是在匯率波動數(shù)值還是波動趨勢方向上都有著更優(yōu)良的表現(xiàn)。同時也可發(fā)現(xiàn)，2008—2009年間的預(yù)測值偏差均較大，這也從側(cè)面反映了金融危機的影響。

綜上可知，2005年匯改之前，即匯率缺乏彈性時期，逐月MA模型的歷史擬合和樣本外預(yù)測效果最優(yōu)；隨著匯改的深入，匯率彈性逐步增強，GABP神經(jīng)網(wǎng)絡(luò)模型無論是在匯率波動的數(shù)值上還是波動趨勢方向上的預(yù)測均有最優(yōu)表現(xiàn)。同時，利用非線性神經(jīng)網(wǎng)絡(luò)模型的預(yù)測在匯率彈性較大時期能夠有比線性MA模型更優(yōu)的預(yù)測效果，即能更好地捕捉實際匯率的波動?？梢?，對于匯率波動的預(yù)測不但應(yīng)選擇合適的變量，同時在匯率彈性的不同時期也應(yīng)當(dāng)選取合適的匯率波動預(yù)測模型。

四、結(jié)論

匯率是影響國際間經(jīng)濟金融聯(lián)系和發(fā)展的重要變量。自2005年我國啟動人民幣匯率形成機制改革以來，匯率彈性不斷增大，波動性明顯增強。本文利用2001—2010年的月度數(shù)據(jù)，分別采用MA線性模型和基于遺傳算法改進的GABP網(wǎng)絡(luò)模型，對匯率波動進行了模擬預(yù)測，結(jié)果表明2005年人民幣匯改以來，匯率與經(jīng)濟變量間的關(guān)聯(lián)性明顯增強，但2008年金融危機以來，受相關(guān)政策的影響，匯率改革有些停滯，匯率與經(jīng)濟變量間的聯(lián)動性減弱，這說明匯率的彈性化能夠加深匯率波動及其結(jié)構(gòu)變量間的均衡關(guān)系。

匯率與經(jīng)濟結(jié)構(gòu)變量間的模型分析結(jié)果表明，政府干預(yù)對匯率波動呈顯著負(fù)效應(yīng)，而滯后一期匯率波動則對當(dāng)期匯率波動有顯著正向影響，匯率彈性增大增強了人民幣升值預(yù)期，升值預(yù)期則進一步助推了股市價格波動，股市對匯率波動的影響會因匯率彈性的不同而有所差異。匯率缺乏彈性會限制貨幣市場與外匯市場間的信息傳導(dǎo)，桎梏我國貨幣政策的傳導(dǎo)效率，這也進而說明了匯率的非市場化會阻礙利率的市場化進程。因此在促成利率市場化的諸多因素中，匯率因素起著不可忽視的作用，要加快完善貨幣市場才能更大程度地發(fā)揮利率對匯率的作用機制（王愛儉等，2003），意即利率市場化改革應(yīng)與匯率市場化改革協(xié)調(diào)推進，二者不可分而治之。

比較不同模型的預(yù)測效果發(fā)現(xiàn)，MA線性模型基于歷史數(shù)據(jù)對匯率波動趨勢的持續(xù)性預(yù)測效果較好，適合于短期預(yù)測，因此2005年匯改之前，即匯率缺乏彈性時期，逐月MA模型的歷史擬合和樣本外預(yù)測效果最優(yōu)；而且逐月預(yù)測效果要遠優(yōu)于全時段預(yù)測。GABP神經(jīng)網(wǎng)絡(luò)算法可以逼近任意非線性映射，避開了復(fù)雜的參數(shù)估計過程，較為簡單直觀，而且能夠顯著提升BP網(wǎng)絡(luò)的預(yù)測效能。隨著匯改的逐步深入和匯率彈性的逐步增強，GABP神經(jīng)網(wǎng)絡(luò)模型相對MA線性模型對匯率波動有更好的解釋力和預(yù)測效果?？梢姡瑢τ谌嗣駧艆R率彈性化進程中匯率波動預(yù)測模型的選擇也應(yīng)根據(jù)匯率彈性不同因時而異。

參考文獻：

[1]易綱，范敏.人民幣匯率的決定因素及走勢分析[J].經(jīng)濟研究，1997，（10）.

[2]魏巍賢.人民幣匯率決定模型的實證分析[J].系統(tǒng)工程理論與實踐，2000，（3）.

[3]Baillie Richard，Bollerslev Tim.1991.Intra-day and Inter-market Volatility in Foreign Exchange Rates， Review of Economic Studies， 58（3）， pp.565-585.

[4] Engle R.，R.Jeffrey.1997.Forecasting the frequency of changes in quoted foreign exchange prices with the autoregressive conditional duration model， Journal of Empirical Finance，4 （3），pp.187-212.

[5]West Kenneth，Dongchul Cho.1995.The Predictive Ability of Several Models of Exchange Rate Volatility. Journal of Econometrics，69（2），pp.367-391.

[6]Richard Meese，A. Rose. Nonlinear，Nonparametric，Nonessential Exchange Rate Estimation，American Economic Review，1990，80（2），pp.192-96.

（責(zé)任編輯 張立光；校對 XY，GX）