时间序列第三次上机(2).doc

时间序列第三次上机(2).doc

《时间序列第三次上机(2).doc》由会员分享，可在线阅读，更多相关《时间序列第三次上机(2).doc（16页珍藏版）》请在冰豆网上搜索。

基于ARCH族模型对我国汇率制度改革后汇率的波动分析

学号：

pb09204072

姓名：

黄日茜

摘要：

本文通过ARCH族模型来对人民币/美元汇率收益率进行建模，结果发现汇改后外汇市场效率有所提高，外汇市场的风险可由过去的风险程度加以预测。

由TARCH、EGARCH、EGARCH-M模型的研究显示人民币/美元汇率收益率存在杠杆效应，存在明显的非对称性，且人民币/美元汇率还不具备具有的高风险高回报的风险溢价效应特征。

关键字：

汇率波动；汇率收益率；ARCH族模型

一、研究背景及意义

汇率是宏观经济发展和国际贸易的中间载体,也是微观金融市场的交易对象。

我国对人民币汇率实行了长期的管制政策。

2005年7月21日，中国人民银行发布公告，我国开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。

人民币汇率不再盯住单一美元，形成更富弹性的人民币汇率机制。

2006年1月4日，银行间外汇市场引入了询价交易方式和做市商制度，人民币汇率中间价改由15家中外资银行做市商报价产生，人民币汇率形成机制的市场化程度进一步提高。

人民币汇率问题已成为全球性的一个重大课题，其实一直以来，汇率都是一个非常重要的经济指标，汇率的变动受到诸多经济因素的影响，反过来汇率变动也对经济产生多方面的影响。

显然，弄清人民币汇率近期变动态势，对于人民币汇率政策的正确选择具有重要意义。

本文通过研究人民币兑美元汇率的变动趋势来分析人民币汇率的波动特征。

并通过ARCH族模型来对人民币/美元汇率收益率进行建模，并分析其波动的杠杆效应和风险溢价效应。

二、国内外对汇率分析方法的研究

目前国内外对汇率行为的理论及其实证研究主要是从两个方面来进行的：

一方面是从影响汇率的各种因素出发，寻找汇率与这些因素之间所存在的某种关系，也称为基础因素分析法；另一方面则是从汇率运动的本身出发，研究其本身的波动状况并对其进行预测，也称为技术分析法，其一般使用的是时间序列分析方法。

技术分析法主要是根据汇率自身时间序列的历史数据，建立单变量的时间序列模型。

如指数平滑模型（ExponentialSmoothingModel）、回归模型（AR）和移动平均模型（MA）等。

随着研究的深入，还产生了如贝叶斯向量自回归模型（BVAR），阀值模型（ThresholdModel）、博克斯－詹金斯模型（Box-Jenkins，又称ARIMA）和自回归条件异方差（ARCH）模型。

金融变化率时间序列一般具有方差时变的特点，表现出波动率聚类，高峰厚尾。

国内外学者对汇率波动的特征进行了广泛地研究。

其中，ARCH（AutoregressiveConditionalHeteroskedastic）族模型能够较好地拟合汇率波动的尖峰、宽尾、波动群集性（VolatilityClustering）和非对称性的特征，适合于研究汇率的波动特征。

国外较早的文献BaillieandBollerslev（1989，1990）1，Hsieh（1989）2的研究表明美国的汇率波动率是ARCH或GARCH过程。

Hsieh（1998）通过对五个国家汇率的研究，证明了ARCH（12）模型能够描述这些汇率的波动情况。

而且，进一步的研究表明，GARCH（1，1）模型能更加精确的反应汇率的实际波动。

CharalambosPattiches（2003）运用GARCH模型对欧盟的十五个成员国的名义汇率和实际汇率以及贸易额（出口和进口）之间的关系进行研究，发现进出口贸易额的时间序列是平稳序列I（0），而名义汇率和实际汇率的时间序列数据则是一阶单整序列I

（1），因而得出两者之间并不存在长期均衡协整关系的结论。

国内对ARCH类模型的应用研究主要集中在证券市场上，但对于该类模型在汇率波动方面的研究并不多见。

惠晓峰、柳鸿生、胡伟、何丹青（2003）3运用时间序列的GARCH模型，对汇率体制改革后的人民币/美元汇率建模进行预测。

在论证了GARCH模型预测可行性的基础上，采用了递归算法，取得了较好的效果。

戴晓峰，肖庆宪（2005）4对人民币/美元的日汇率值进行实证研究，建立相应的ARIMA模型和EGARCH模型并进行预测和评价。

其研究结果表明，EGARCH模型的预测结果较为理想，适合描述人民币/美元汇率的变动趋势。

任兆璋，宁忠忠（2005）5使用人民币NDF汇率作为人民币汇率预期的代理变量，使用ARCH族模型研究其波动特征，结果表明，人民币汇率预期存在ARCH效应，具有尖峰、厚尾、波动群集性和非对称性等特征。

这些特征要求在应对人民币升值或贬值冲击时，在保持汇率基本稳定的前提下，应使汇率更具灵活性，适度扩大人民币汇率的浮动空间并逐步改善人民币汇率的形成机制。

李凯，张隐瑜（2005）6通过美元/日元的高频日汇率数据的实证研究，检验了金融时间序列的“尖峰厚尾性”特征，并且通过对GARCH，TGARCH和EGARCH的模型估计，验证了汇率市场在信息不对称条件下，对好消息和坏消息有不同程度的波动反应，金融市场的杠杆作用是明显的。

三、基本概念

阶自回归条件异方差ARCH（）模型，其定义由均值方程和条件方差方程给出：

若ARCH（），则表示成：

，（7.1）

（7.2）

（7.3）

其中，是常数，并假设独立同分布，，；并且对于所有的，与相互独立。

为滞后算子多项式且，为条件方差。

方程（7.3）表示误差项的方差由两部分组成：

一个常数项和前个时刻的扰动项，用前个时刻的残差平方表示（ARCH项）。

GARCH（）模型的一般形式为

（7.4）

（7.5）

其中，，，，；为滞后算子多项式且。

当时ARCH（），可以看出GARCH（）模型具有ARCH（）模型的特点，能够模拟价格波动的集聚性现象，两者的区别在于GARCH（）模型的条件方差不仅是滞后扰动平方的线性函数，而且是滞后条件方差的线性函数；当时，退化为白噪声过程。

杠杆效应说明当前的收益新息和未来期望条件方差之间的负相关关系。

Nelson（1991）对此进行研究提出了EGARCH模型，EGARCH模型的条件方差可为

模型中方差采用了自然对数形式，意味着非负且杠杆效应是指数型的。

若说明信息作用不对称，当预示了当前收益率和未来条件方差之间的负相关关系。

对股票市场的研究发现，股价上涨和下跌的幅度相同时，股票下跌过程往往伴随着更剧烈的波动，为解释这种现象，Zakoian（1990）提出了一种非对称模型TARCH模型，其条件方差为

其中。

这时，由于引进，股价上涨信息（）和下跌信息（）对条件方差的作用效果不同。

上涨时，其影响可用系数代表，下跌时为＋。

同样，若则说明信息作用是非对称的，当时认为存在杠杆效应。

如果条件均值显性地依赖于过程的条件方差或标准差即可表示成，则这个模型就是ARCH-M模型。

四、实验过程

1、数据选取

2006年1月4日，银行间外汇市场引入了询价交易方式和做市商制度，人民币汇率中间价改由15家中外资银行做市商报价产生，人民币汇率形成机制的市场化程度进一步提高。

但是由于美国全球经济霸主的特殊地位，美元还是占据着相对大的权重的，故本文的分析还是以美元为代表。

所以，本文选取2006年1月4号至2011年11月30号人民币/美元汇率日数据来进行研究，共有1461个数据

2、导入数据，建立工作文件

打开Eviews软件，选择“File”菜单中的“NewWorkfile”选项，出现“WorkfileCreate”对话框，在“Workfilestructuretype”框中选择“unstructuredorundated”，在“datarange”输入1461，单击“OK”，部分数据截图见图1。

图1：

人民币/美元日汇率原始数据图

3、汇率收益率的基本特征分析

波动率是衡量某一时间段内金融产品，价格变动程度的数值可以定义为价格自然对数一阶差分来表示。

对汇率构成的时间序列x的变量取对数，然后再进行一阶差分，得到汇率收益率的时间序列Y，即：

y=ln（Xt）-ln（Xt-1）。

为了研究人民币/美元汇率日收益率的波动情况，画出其走势图。

图2是y序列趋势图：

图2：

人民币/美元汇率日收益率y趋势图

如图所示：

人民币/美元日汇率的收益率序列y序列是平稳的，并且具有集群性。

波动的集群性是指金融市场中的波动往往表现出在较大幅度波动后紧接着较大幅度的波动，较小幅度波动后紧接着较小幅度的波动，即大幅波动聚集在某一段时间，而小幅波动则聚集在另一段时间的现象。

方差随时间而改变，这种现象也称作异方差现象。

为了进一步讨论人民币兑美元汇率日收益率的基本特征，我们得到时间序列y的柱状图和基本统计量（如图3）。

由下图可以看出：

（1）人民币兑美元汇率日汇率的收益率序列均值-1.70×10^4，表明长期市场平稳，汇率收益较低，放映出政府对外汇市场还是具有一定的控制力；

（2）人民币兑美元汇率日汇率的收益率序列标准差为0.000854，较小，

（3）峰度为5.766883，大于3，偏斜度为-0.536934，小于0，表明人民币/美元日汇率日收益率呈现左偏的厚尾特征。

厚尾性越大说明状态的持续性越强，也说明了汇率波动的聚类性，即大的波动集中在某些时段，小的波动集中在另外一些时段。

与标准正态分布（S=0，K=3）相比，此序列呈现明显的偏态、尖锋的分布状态，且Jarque-Bera统计量也在至少99%的置信水平上拒绝了序列为正态分布的假设。

这些统计特征说明：

首先，美元兑人民币汇率预期的波动相当剧烈，峰度显著大于3，表明国际金融市场近年来对人民币汇率走势的判断起伏很大；其次，出现“厚尾”现象，其原因是，某一类型的信息通常以相当密集的方式出现，而不是以平滑连续的方式出现，或者是投资者对信息的反映是密集的。

此外，人民币/美元汇率预期波动的群集性明显，在对这些统计特征进行解释和分析，应进行ARCH效应检验。

总的来说，统计特征显示差分序列不服从正态分布，且峰度大于3，显示出厚尾特征和波动群集性。

图3：

人民币/美元汇率日收益率y柱状图及基本统计量

4、汇率收益率平稳性检验

（1）单位根检验

最常见的平稳性检验是单位根检验，本文采用ADF检验收益率序列是否具有单位根。

根据汇率基本统计分析表中的数据，应该选择没有趋势的方程进行检验。

结果如图4所示：

图4：

人民币/美元汇率日收益率y单位根检验

由图4可以看出，在0.01的显著水平下，人民币/美元汇率日收益率y拒绝存在一个单位根的原假设，说明人民币/美元汇率日收益率y序列是平稳的。

（2）自相关和偏自相关检验

图5：

人民币/美元汇率日收益率y序列的自相关-偏自相关检验图

由图5可以看出，滞后20阶的自相关函数和偏自相关函数至少在95％置信水平下认为与0无显著差异，所以接受直到第20阶自相关函数全部为0的原假设，说明日收益率序列本身的自相关性很弱

人民币/美元汇率日收益率平方却表现出很强的自相关性见图6：

图6：

人民币/美元汇率日收益率平方的自相关-偏自相关检验图

由图6，通过伴随概率可以看出，在显著性水平0.05下，显著拒绝直到第20阶不存在自相关的原假设，而这种高度自相关性正好反应了收益率大（小）的波动跟随着大（小）的波动的集聚效应，即显示出了收益率波动的集聚性特性。

由平方收益率的自相关函数和偏自相关函数显著不为0和Box-Ljung统计量判断出日收益率序列可能存在ARCH效应，有必要对其进行ARCH效应检验。

5、