人民币汇率收益时序分析.pdf

1. 人民币汇率收益 人民币汇率市场实行的是银行间结算汇制，以当天收盘价为第二 天的中间价，因此我们从国家外汇管理局网站选取比较有代表性的美 元兑人民币汇率的当天中间价作为研宄对象；由于自从2005 年7 月 21 我国进行了人民币汇率形成机制的重大改革，人民币兑换美元汇 率不再是盯住美元的固定汇率制，而是以市场供求为基础的、顶住一 揽子货币的浮动汇率制度。因此本文从国家外汇管理局网站选取从 2005 年7 月21 日至2015 年8 月10 日间每个外汇交易日美元兑人民 币汇率的中间牌价作为研究对象，共计 2447 个样本观测值，数据来 源于国家外汇管理局官方网(http：//) 。 金融资产价格序列往往缺乏平稳性，而收益率序列则一般满足会 平稳性，所以现如今普遍使用收益率的概率分布来预测未来损益的变 化。对于金融市场资产的收益率的测量，通常采用对数收益率的方法， 其定义为： 本文研究的即为期限为一天的美元兑人民币汇率的对数收益率， 其定义为： 由于数值级别过小，为了避免参数估计过程中出现数值化问题， 把对数收益率序列放大10000 倍之后再进行处理，扩大倍数之后的序 列仍记为序列R。 2. 外汇收益序列的统计描述 以下内容将通过序列R 的时序图、密度函数和样本的统计值如均 值、方差、偏度、峰度等研究收益率序列的基本特征，从而建立模型 来拟合收益率序列。 图1 序列R 的时序图 由时序图观察可知，对数收益率序列基本在一个均值上下波动， 但是具有集聚效应，在某个阶段波动大，某个阶段波动小。 图2 序列R 的统计特征 可知序列的峰度 K=109.6 是显著大于3 的，偏度为S=-5.040 说 明R 序列的分布不是对称的，存在明显的左偏现象，即左侧尾部的概 率较大。且JB 统计量的相伴概率显著的小于5%和10%的显著性水平， 故拒绝R 序列服从正态分布。收益率序列相比于正态分布具有尖峰的 特性，在经济行为中表明投资行为对更多的人而言具有同向影响，即 市场具有收益时更多的人会有收益，市场亏损时，更多的人会亏损； 厚尾意味着波动持续的时间较长，从风险管理的角度来看，小概率情 况下相对于正态分布存在着更大的风险值。 3. 模型建立 3.1 平稳性检验 回归分析暗含着一个重要假设：数据是平稳的；如果数据是非平 稳，往往导致出现“虚假回归”即伪回归，因此在模型建立之前有必 要对收益率时序的平稳性进行检验：本节首先利用序列的自相关数图 来初步判断R 序列数据的生成过程。R 序列的自相关函数图从第二期 即落在随机区域内，初步认定R 序列式是平稳的。 图3 美元日收益率的自相关和偏自相关图 进一步通过ADF 检验来验证序列的平稳性：在三种显著性水平下， 由图2、图3 和图4，可知ADF 检验统计量的P 值小于临界值，故拒 绝R 序列式非平稳的原假设，即序列是平稳的。 图4 含趋势项和常数均值的单位根检验 图5 不含趋势项，含常数均值的单位根检验 图6 不含趋势项和常数均值的单位根检验 3.2 构建模型 由图1 的自相关和偏自相关图来看，美元对数日收益率的AC 为 1 阶截尾，PAC 为2 阶截尾，经过考虑，分别构建AR 和MA 模型，再 通过模型的参数估计，判断最终的模型。 1.对收益率R 序列构建AR(2)模型。 图7 对序列R 建立AR(2)模型 由Eviews 输出结果可以看出，AR(2)的P 值没有通过显著性检验， 模型的F 统计量的P 值也未通过检验，且R-squared=0.002，故该模型 拟合效果不好。 2.对收益率R 序列构建AR(1)模型。 图8 对序列R 建立AR(1)模型 由Eviews 输出结果可以看出，AR(1)的P 值没有通过显著性检验， 模型的F 统计量的P 值也未通过检验，且R-squared=0.0013 ，故该模 型拟合效果不好。 3.对收益率R 序列构建MA(1)模型。 图9 对序列R 建立MR(1)模