摘 要:本文建立DCC-GARCH模型并引入啞變量,實證檢驗了在岸即期與離岸無本金交割遠(yuǎn)期人民幣匯率間的動態(tài)相關(guān)系數(shù),研究離在岸匯率與在岸匯率間的相依性。在三個市場中,新加坡市場離岸匯率與在岸匯率的動態(tài)相關(guān)性最高,倫敦市場最低。2020年,新加坡離岸與在岸人民幣的動態(tài)相關(guān)性下降,而倫敦相關(guān)性上升。
關(guān)鍵詞:在岸市場;離岸市場;DCC-GARCH;啞變量;相依性
本文索引:陸誠悅.<變量 2>[J].中國商論,2021(22):-075.
中圖分類號:F822.2 文獻標(biāo)識碼:A 文章編號:2096-0298(2021)11(b)--04
2020年,人民幣匯率出現(xiàn)了大幅度的波動。5月底,人民幣對美元匯率跌破近十年來最低;6月以后又持續(xù)走高,全年人民幣累計上漲6.9%。人民幣匯率的波動會對國家產(chǎn)生重要影響,關(guān)系到國家的金融穩(wěn)定,是推動經(jīng)濟高質(zhì)量發(fā)展,維護社會穩(wěn)定大局的重要前提。通過研究離在岸人民幣匯率的相依性可以理解離在岸市場間的作用關(guān)系,更好地實施針對人民幣匯率的中央政策,從而達到穩(wěn)定國內(nèi)經(jīng)濟,促進國內(nèi)市場發(fā)展的目的。因此,人民幣離在岸匯率相依性影響的研究具有現(xiàn)實意義。
1 文獻綜述
目前,學(xué)者討論在岸匯率與NDF之間的關(guān)系主要分為四類:在岸匯率對NDF有單向影響,NDF對CNY有單向影響,CNY與NDF相互影響以及NDF與CNY的關(guān)系隨時間而變化。代幼渝和楊瑩(2007)用Granger因果關(guān)系檢驗法對NDF和CNY的關(guān)系進行檢驗,發(fā)現(xiàn)境內(nèi)遠(yuǎn)期匯率和境內(nèi)即期匯率是境外NDF匯率的格蘭杰原因,并引導(dǎo)NDF匯率的走勢,CNY對NDF有單向作用。劉華等(2015)使用 Granger 因果關(guān)系檢驗、多元GARCH、VAR檢驗離岸市場與在岸市場的關(guān)系,發(fā)現(xiàn)兩者之間存在明顯的報酬溢出效應(yīng),在岸市場與離岸市場間存在雙向波動溢出效應(yīng),但在岸市場波動溢出效應(yīng)要大,NDF對在岸匯率有單向作用。戎如香(2009)通過Granger因果關(guān)系檢驗法研究兩個市場匯率的關(guān)系發(fā)現(xiàn),就絕對值水平而言,人民幣在岸遠(yuǎn)期匯率和離岸NDF匯率互為Granger原因,且相互影響,沒有居于主導(dǎo)地位的信息中心存在,CNY與NDF相互作用。劉春霞和洪麗(2008)用Granger因果關(guān)系檢驗法進行研究,認(rèn)為境內(nèi)外人民幣遠(yuǎn)期價格間通過3種傳導(dǎo)機制相互影響,而當(dāng)機制受到限制影響時,出現(xiàn)3月期NDF單向引導(dǎo)3月期DF的現(xiàn)象,NDF與CNY的關(guān)系隨時間而變化。
雖然兩者之間如何產(chǎn)生影響尚未可知,但是無疑在岸與離岸匯率存在一定的聯(lián)系。自從人民銀行禁止境內(nèi)機構(gòu)參與NDF市場后,學(xué)者關(guān)于NDF和CNY的互動機制方面基本得出了類似的結(jié)論,即兩個市場主要通過信息溢出的方式互相影響。
2 理論模型
本文選用DCC-GARCH模型對在岸匯率與離岸匯率和股票市場相依性進行研究。因為 CCC-GARCH 模型無法反映市場中相關(guān)性的動態(tài)變化,Engle(2002)在該模型的基礎(chǔ)上進行改進,得到能夠衡量動態(tài)相關(guān)性的DCC-GARCH模型(Dynamic Conditional Correlational Autoregressive Conditional Heteroscedasticity Model)。DCC-GARCH模型多應(yīng)用在金融市場中,通過衡量市場間的動態(tài)相關(guān)性來把握金融市場間的聯(lián)動性(Engle, R. Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models. Journal of Business & Economic Statistics, 20, 339-350.)。該模型過程的方程為:
其中,是單變量GARCH模型計算出的條件標(biāo)準(zhǔn)差組成的對角矩陣,為動態(tài)條件相關(guān)系數(shù)。是變量i和變量j在時刻t的動態(tài)相關(guān)系數(shù),是標(biāo)準(zhǔn)化殘差的無條件方差,是變量i的標(biāo)準(zhǔn)化殘差序列,是變量j的標(biāo)準(zhǔn)化殘差序列,DV(T)為啞變量,α是滯后n階的標(biāo)準(zhǔn)化殘差的系數(shù),β是滯后階的條件協(xié)方差的系數(shù),都為非負(fù)數(shù),并且同時滿足α+β<1。因此,金融變量之間的動態(tài)條件相關(guān)系數(shù)定義為:
3 數(shù)據(jù)選擇與處理
在岸人民幣匯率(CNY)選擇中國外匯交易中心公布的人民幣兌美元在岸銀行間即期市場匯率表示;離岸人民幣無本金交割遠(yuǎn)期匯率(NDF)選取中國香港、新加坡和倫敦三個市場的匯率:用中國銀行(香港)交易量最大的3月期(hk3)、6月期(hk6)、12月期(hk12)每日收盤價代表中國香港市場的離岸匯率,用巴克萊銀行(新加坡)3月期(sgp3)、6月期(sgp6)、12月期(sgp12) 每日收盤價代表新加坡市場的離岸匯率。由于倫敦市場的開市時間較中國香港市場和新加坡市場晚,所以為了防止市場之間的相互影響,用倫敦綜合3月期(ldn3)、6月期(ldn6)、12月期(ldn12) 每日開盤價代表倫敦市場的離岸匯率。為保證數(shù)據(jù)的一致性,剔除因節(jié)假日等情況造成的數(shù)據(jù)不匹配,最終中國香港市場選出1161條有效數(shù)據(jù),新加坡市場選出1146條有效數(shù)據(jù),倫敦市場選出1251條有效數(shù)據(jù),數(shù)據(jù)來源于Bloomberg,本文使用的計量軟件為Rx64 4.0.2。
由于模型要求數(shù)據(jù)平穩(wěn),因此,對以上涉及的所有數(shù)據(jù)進行對數(shù)收益率處理,公式如下:
其中,為t日變量CNY(i=1)、hk3(i=2)、hk6(i=3)、hk12(i=4)、sgp3(i=5)、sgp6(i=6)、sgp12(i=7)、ldn3(i=8)、ldn6(i=9)、ldn12(i=10)的價格,為t-1日變量i的價格,為在t時刻變量i的對數(shù)收益率,原始匯率均采用直接標(biāo)價法。采用ADF檢驗法對各人民幣離在岸匯率進行平穩(wěn)性檢驗,ARCH-LM檢驗法進行異方差檢驗以及Ljung-Box檢驗法進行自相關(guān)檢驗,結(jié)果如表1所示。
在ADF檢驗中,各變量序列在1%的顯著性水平上都拒絕了原假設(shè),不存在單位根,是平穩(wěn)序列;在ARCH-LM檢驗中,rCNY、rsgp6在5%顯著水平上拒絕不存在arch效應(yīng)的原假設(shè),rhk12、rsgp6在1%顯著水平上拒絕原假設(shè),存在arch效應(yīng);在Ljung-Box檢驗中,各變量均不能拒絕不存在序列相關(guān)的假設(shè),因此都不存在自相關(guān)性。序列滿足構(gòu)建GARCH模型的條件,可以建立DCC-GARCH模型。
4 實證設(shè)計與結(jié)果
對各NDF匯率與在岸即期匯率分別構(gòu)建DCC-GARCH模型,并且考慮到2020年新冠疫情的全球流行會對市場造成影響,將其作為啞變量引入模型中,啞變量定義為DV(T),以公布“人傳人”消息的時間2020年1月20日為分界,之前變量設(shè)為0,之后設(shè)為1,記為:
得到各序列模型對應(yīng)的啞變量系數(shù)如表2所示,CNY-ldn3、CNY-ldn6、CNY-ldn12、CNY-hs300的phi_t都在5%水平上顯著,其余phi_t在10%水平上顯著,系數(shù)有意義。
對離在岸之間的動態(tài)相關(guān)性進行分析,各序列的a與b之和均小于1,模型穩(wěn)定。其中CNY-ldn3、CNY-ldn6和CNY-ldn12的a值不顯著,b值在1%水平上顯著,其余序列的a、b值都在1%水平上顯著,參數(shù)有意義。a與b均大于0,說明人民幣在岸市場與各離岸市場之間存在正向的動態(tài)相關(guān)性。各序列的a都接近于0,而b接近于1,說明殘差滯后項對序列方差相關(guān)系數(shù)影響較低,而指數(shù)波動性對相關(guān)性影響較高。同時,各序列的a+b值都接近于1,說明在岸匯率與離岸匯率的相關(guān)性具有很強的持續(xù)性,其中,各市場3月期的NDF與在岸匯率的持續(xù)性相較6月期和12月期較弱。
對動態(tài)相關(guān)系數(shù)進行描述性統(tǒng)計并繪制動態(tài)相關(guān)系數(shù)時序圖,如圖1所示。首先,離在岸匯率的動態(tài)相關(guān)性在樣本空間內(nèi)都為正相關(guān),說明離在岸匯率之間的變動整體呈現(xiàn)同步變化的趨勢,但變動的程度有所不同,在總體上新加坡市場與在岸人民幣匯率的相關(guān)程度最大,而倫敦市場與在岸人民幣匯率的相關(guān)程度最小。其次,hk與ldn各期NDF與在岸匯率的動態(tài)相關(guān)系數(shù)呈現(xiàn)相同的趨勢,且hk的動態(tài)相關(guān)系數(shù)波動更大。最后,2020年后sgp12與在岸匯率的相關(guān)性有較大幅度的下降,為近四年來的最低值,同時ldn3、ldn6、ldn12與在岸匯率的相關(guān)性有小幅度上升。hk3、hk6和hk12與在岸匯率的動態(tài)相關(guān)系數(shù)在2019年末大幅下降,在2020年末hk3的相關(guān)系數(shù)有一次明顯下降。
5 結(jié)語
本文通過DCC-GARCH模型,對比2020年與五年內(nèi)的離在岸匯率波動特征以及動態(tài)相關(guān)性,得到以下結(jié)論。
(1)不同市場人民幣離岸遠(yuǎn)期匯率與在岸即期匯率的相關(guān)性不同。總體上,新加坡市場人民幣離岸遠(yuǎn)期匯率與在岸即期匯率的相關(guān)性最強,其次是中國香港市場,而倫敦市場的相關(guān)性最弱。由于NDF更加市場化,能更及時、有效地反映各種影響人民幣匯率的信息,映射出境外投資者對未來人民幣匯率的預(yù)期,因此可能是由于短期內(nèi)倫敦境外投資者的預(yù)期與中央政策的態(tài)度不同的結(jié)果。
(2)2020年,新加坡的12月遠(yuǎn)期匯率與在岸匯率的相依性有所下降,倫敦市場各遠(yuǎn)期人民幣匯率與在岸匯率的相依性有所上升,且對離在岸的相依性造成的影響是短暫的。中國香港市場離在岸相關(guān)程度沒有觀察到明顯變化。
參考文獻
代幼渝,楊瑩.人民幣境外NDF匯率、境內(nèi)遠(yuǎn)期匯率與即期匯率的關(guān)系的實證研究[J].國際金融研究,2007(10):72-80.
李仲飛,鄧柏峻,張浩.市場分割、匯率期限結(jié)構(gòu)與外匯市場變動的非對稱性[J].中山大學(xué)學(xué)報(社會科學(xué)版),2014,54(5):198-208.
劉春霞,洪麗.NDF監(jiān)管政策對境內(nèi)外人民幣遠(yuǎn)期市場聯(lián)動效應(yīng)的影響研究[J].經(jīng)濟管理,2008(12):69-73.
劉華,周為,蔣超.利率和匯率市場化改革是否會影響人民幣離岸和在岸市場間的溢出效應(yīng)?[J].上海金融,2015(7):66-74.
戎如香.人民幣在岸遠(yuǎn)期市場和離岸NDF市場關(guān)系的實證研究[J].當(dāng)代財經(jīng),2009(1):53-58.
韋星,寧薛平,李富有.人民幣無本金交割遠(yuǎn)期匯率與在岸人民幣匯率關(guān)系的實證檢驗[J].管理評論,2020,32(11):81-91.
伍戈,裴誠.境內(nèi)外人民幣匯率價格關(guān)系的定量研究[J].金融研究,2012(9):62-73.
邢雅菲.國際金融市場波動與離在岸人民幣匯差的動態(tài)相關(guān)性研究[J].財貿(mào)研究,2017,28(3):50-62.
徐蘇江.波幅擴大對境內(nèi)外人民幣匯率波動的影響[J].浙江金融,2015(11):42-46.
葉亞飛,石建勛.人民幣在岸離岸匯率聯(lián)動關(guān)系及其影響因素分析[J].中央財經(jīng)大學(xué)學(xué)報,2016(12):37-44.
鐘永紅,鄧數(shù)紅.“8·11匯改”后人民幣離岸在岸匯率和利率的聯(lián)動性研究[J].世界經(jīng)濟研究,2020(12):65-76+133.
Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models[J]. Journal of Business & Economic Statistics, 20,339-350.
A Comparative Study on the Dependence of CNY Offshore and Onshore
Exchange Rates
Shanghai University of International Business and Economics
LU Chengyue
Abstract: This paper establishes the DCC-GARCH model and introduces dummy variables to empirically test the dynamic correlation coefficients between the onshore spot and offshore non-deliverable forward RMB exchange rates, and study the dependence between the offshore exchange rate and the onshore exchange rate. Among the three markets, the Singapore market has the highest dynamic correlation between the offshore exchange rate and the onshore exchange rate, and the London market has the lowest. In 2020, the dynamic correlation between Singapores offshore and onshore renminbi will decrease, while the correlation in London will increase.
Keywords: onshore market; offshore market; DCC-GARCH; dummy variables; dependence