银行业股票价格与人民币汇率波动传导效应实证分析.docVIP

银行业股票价格与人民币汇率波动传导效应实证分析 　　◆ 中图分类号:F830.92 文献标识码:A 　　内容摘要:本文运用VAR模型,对我国银行业股票价格与美元/人民币汇率波动之间的传导效应进行实证分析,结果表明:银行业股价对人民币汇率波动不存在传导效应,但人民币汇率波动对银行业股价存在传导效应且传导过程是非线性相关的,对此文章提出相互良性传导的建议。 　　关键词:银行业 股票价格 人民币汇率 传导效应 　　 　　股票价格与汇率波动传导效应模型――向量自回归模型 　　 　　向量自回归(vector autoregressive model,VAR)模型由Sims(1980)提出,采用多方程联立的形式,在模型的每一个方程中,内生变量对模型的全部内生变量的滞后值进行回归,从而估计全部内生变量的动态关系。为了分析银行业股票价格与美元/人民币汇率波动的传导效应,选取汇率收益率波动σ2t和银行业股票收益率Srt做为模型变量,联立VAR(2)模型: 　　σ2t=a11σ2t-1+a12Srt-1+b11σ2t-2+b12Srt-2+c1+μ1,t (1) 　　Srt=a21σ2t-1+a22Srt-1+b21σ2t-2+b22Srt-2+c1+μ2,t (2) 　　其中,aij,bij,ci(i=1,2;j=1,2)是待估计参数,μ1,t和μ2,t为误差项;a11和b11分别表示汇率波动的变化受自身前1期和前2期影响;a12和b12分别表示银行业股票收益率前1期和前2期的变化引起汇率波动的变化;a22和b22分别表示银行业股票收益率变化受自身前1期和前2期影响;a21和b21表示银行业股票收益率变化受汇率波动前1期和前2期的影响。模型中各个元素的估计值度量了自身市场和市场间传递效应的重要性,与单变量模型相比,这种多元结构能够度量一个序列变化的冲击对自身和其他市场的影响(An-Sing Chen、Mark T.Leung,2003)。 　　 　　数据选取、检验和汇率收益率波动的确定 　　 　　(一)数据选取 　　文章选取上海证券交易所2006年10月27日至2008年3月26日上市银行(包括工商银行、中国银行、招商银行、华夏银行、民生银行和浦发银行共6家)的每日股票收盘价,以及同时间范围的每日美元/人民币汇率中间价, 剔除因各因素导致股票停盘数据27个,有效数据为317个。 　　对各股票每日收盘价按照各银行总资产为权数进行加权平均,得到银行业股票日平均收盘价pt。为减少舍入误差,以pt的一阶差分作为银行业股票日收??率,即Srt=lnpt-lnpt-1,其中Srt为银行业股票第t期收益率。对美元/人民币汇率中间价进行一阶差分处理,得到第t期汇率收益率Ert。 　　(二)数据检验 　　1.Ert的ADF检验。采用ADF统计量对汇率收益率Ert序列进行平稳性检验,在检验方程中只有常数项,解释变量滞后阶数为1。由检验结果得知, ADF值为-18.04256,小于不同显著性水平下的临界值,因此序列不存在单位根,汇率收益率序列是平稳序列。 　　2.Ert的ARCH效应检验。对汇率收益率Ert的残差序列做ARCH效应的LM检验,方程取VAR(2)模型,得到ARCH-LM检验结果。当q=3时得到的x2检验的相伴概率p=0.000000,小于0.05的显著性水平,可知Ert的残差序列具有异方差性且存在高阶ARCH效应,即存在GARCH效应,说明人民币外汇市场具有时变方差性。因此,可以建立GARCH模型来度量美元/人民币汇率收益率波动。 　　(三)汇率收益率波动的确定 　　据汇率收益率Ert序列的经验性检验可知,Ert序列是平稳序列,其残差序列具有GARCH效应,因此,可以建立GARCH模型来度量美元/人民币汇率收益率波动。根据AIC和SIC信息准则,判断滞后阶数(p,q)为(2,2)较优,故建立GARCH(2,2)模型如下: 　　Ert=β0+β1Ert-1+β2Ert-2+εt (3) 　　σ2t=α0+α1ε2t-1+α2ε2t-2+θ1σ2t-1+θ2σ2t-2(4) 　　(3)称为条件均值方程,(4)式称为条件方差方程,说明时间序列条件方差的变化特征,σ2t可以作为美元/人民币汇率收益率波动的度量。对GARCH(2,2)模型进行参数估计可得: 　　σ2t=4.49E-07+0.0995ε2t-1+0.255ε2t-2+0.6165σ2t-1-0.2107σ2t-2(5) 　　在(5)式中,α1、α2、θ1和θ2项系数之和接近于1,满足GARCH模型的应用条件,同时说明在外汇市场中,某时刻的收益冲击具有持续影响,汇率收益率的波动率衰减较慢。外汇市场对外部冲击的反应函数以较慢的速度递减,外部冲击对外