退欧夕对英镑汇率影响研究.docVIP

退欧夕对英镑汇率影响研究 　　【摘要】英国脱欧对英镑汇率波动产生了巨大的影响，同时也对我国的对外经济产生了重要的影响。本文采用描述统计分析方法和LARCH类模型对英国脱欧前后英镑汇率波动做了研究，得出英镑汇率的内部影响因素大于外部冲击、利坏消息影响大于利好消息的特性，同时，分析得出脱欧对于英镑汇率的影响具有延续性，英镑将进入“新常态”。 　　【关键词】脱欧 英镑汇率收益率 GARC日类模型 　　2016年6月23日英国公投决定“脱欧”后，由于投资者对英国“脱欧”风险的担忧加剧，推动英镑大幅贬值，在半个小时时间跌落至全球第六大经济体，被法国超过。汇率是影响国际贸易的重要因素之一，英国及欧洲等国家作为中国重要的贸易伙伴，因“退欧”带来的汇率的波动是否伴随大的风险，本文利用ARCH族模型对英镑的波动特征进行分析，包括分析检验它的收益率分布、杠杆效应等特征，以便我们更加深入全面的了解英镑汇率的波动趋势。 　　一、汇率数据收集及处理 　　本文选取的数据来自国家外汇管理局网站，以每日开盘价为基本数据，指标为英镑兑美元日汇率数据。数据是从2007年1月5日到2017年12月29日，剔除其中的节假日和个别日子的数据缺失值后共有2754个样本数据。因为在探讨金融资产价格的变化时，常用对数收益率来处理数据，以使数据变成平稳的收益率序列。因此在本文中为了实证分析需要，分别对上述的汇率序列进行相应的处理，使其变成平稳的收益率序列，具体的变化公式如下：rt=1npt-1npt-1，其中，rt为得到的日汇率收益序列，Pt为t期的汇率值，pt-1为上一期的汇率。下文中的GBP和EUR分别表示对应的货币汇率值。实证分析的结果主要由Eviews8.0与Excel软件获得。 　　二、汇率及收益率统计特征分析 　　2007-2017年以来GBP的汇率波动幅度明显大于EUD，且GBP在2007至2008年期间下降幅度非常大，在2009至2013年期间，下降趋势变缓。2016年6月23日又出现断崖式下跌。之后虽有反弹，但仍处于下行趋势。欧元至2007年以来，总体处于下行趋势，但在英国的“脱欧”公投后出现上行趋势。 　　对GBP汇率的收益率数据进行描述性统计分析，英镑汇率存在极端值，但稳定性较好；从分布特征来看，偏度系数显示英镑的收益率为-1.04，即为左偏分布，峰度系数为15.239大于3，即为尖峰分布；Jarque-Bera值为17689.95，数值都较大，即表明不是正态分布，存在尖峰厚尾的特性，符合汇率特点。 　　三、纯随机性、平稳性检验 　　首先对汇率收益率序列进行平稳性检验和纯随机性检验（也称白噪声检验）。做时序图如图2所示。从图中可以直观的看出，收益率序列的波动随时间而变化，收益率的波动性明显存在一定的聚集性，大的波动后面跟着大的波动，波动在一定时段上很小，在另外一时段则很大，大小波动区间之间存在比较明显的区别，表明波动存在异方差性。同时该时序图显示各汇率的收益率大致是平稳的。 　　（一）ADF检验 　　对汇率收益率RGBP序列进行平稳性检验，采用ADF统计量进行单位根检验。平稳性检验的结果如表1所示，即在1%显著水平下，英镑的汇率收益率序列的ADF统计量小于临界值额，拒绝原假设，RGBP不存在单位根，都是平稳的。 　　（二）相关性检验 　　分别对这两汇率收益率做滞后36期的自相关和偏自相关检验，由于篇幅原因，这里并未给出自相关图和偏自相关图，RGBP序列滞后5阶以后都存在较强的相关性，而其平方序列自相关性明显，比收益率序列强烈，这说明RGBP序列存在很强的条件异方差性。 　　四、建立均值方程及ARCH效应检验 　　对于同一个序列来说，可能有多个适应性模型，要从这多个适应性模型中选择，模型的选择采用AIC准则与SC准则，一般认为AIC值与SC值这两个统计量值越小的模型越好，当AIC与SC值显示的最佳模型不一致时，以AIC值为准选取最佳模型。同时，在AIC和SC值相差不大时选择更为简单的模型。同时，结合AC、PAC、参数显著性、系数约束条件，得到RGBP的均值方程为： 　　RGBPt=-0.138632-0.66019RGBPt-10.032760RGBPt-3+ε+0.680942εt-1 　　（-1 .156777）（-2.750239）（-2.040546）（2.861737） 　　接下来检验该模型的随机扰动项的异方差性，是否存在ARCH性，对均值方程进行ARCH-LM检验。得到F值为2.46，对应P值为0.0311，即上述均值方程的残差具有条件异方差，因此我们认为模型具有ARCH效应，也符合经济时间序列的特点，汇率收益率的历史波动对当前汇率收益率有影响。因此需要用ARCH类模型来拟合这种异方差性，以提高均值方程的