人民币汇率变动对浙江省出口影响的实证分析.doc

人民币汇率变动对浙江省出口影响的实证分析 根据2011年8月国际清算银行(BIS)公布，人民币名义和实际有效汇率升幅较年初分别达7.65%和7.01%，基于当前的国际国内经济形势，人民币仍有进一步升值的压力和趋势在全球化不断推进的今天，汇率在一国的国际竞争市场上扮演着愈来愈重要的角色在此，本文选取了对外依存度较高的浙江省作为研究对象，具体分析人民币实际有效汇率及其波动对出口贸易的影响 　　 一、模型设定 　　 考虑到浙江省进出口商品并不能和国内外商品完全替代，在本文的分析中，将基于不完全替代理论（The Imperfect Substitution Theory ,Goldstein And Khan 1985）来建立浙江省的出口模型进行分析该模型是一个典型的“两国”模型，采用微观经济理论中的供求分析方法，在模型的出口需求方程等于出口供给方程的情况下，推导得到简化形式的出口均衡方程根据微观经济理论，一般假定出口需求取决于出口商品的相对价格和国外消费者的真实收入水平，因此得到出口需求方程为： 　　 X=X（Y，P，Pf）（1） 　　 其中X表示出口需求，Y表示国外实际收入，P表示本国出口商品的价格，Pf表示贸易伙伴国或地区出口商品的价格。

　　 若以RV表示本国出口商品对贸易伙伴国的出口产品的相对价格，则方程（1）可表示为： 　　 X=X（Y，RP）（2） 　　 以r表示人民币对美元的汇率，Px表示国外出口商品以外币表示的价格，R表示实际汇率，则 　　 因此方程（1）等价于 　　 X=X（Y，R）（4） 　　 此外，根据相关理论可知，汇率波动通过两个途径对出口贸易产生影响：第一，汇率水平的升降通过价格机制的作用促进或阻碍出口；第二，汇率波动带来的汇率风险通过影响出口厂商的生产决策来影响出口鉴于此，在出口需求方程（4）的基础上，本文将汇率波动风险这一变量引入到模型中即： 　　 X=X（Y，R，RV）（5） 　　 其中RV表示汇率波动风险 　　 此外，考虑到2005年7月21日中国实行人民币汇率管理制度改革对汇率波动时间序列结构的影响，在模型中引入虚拟变量Dt，满足： 　　 为了在研究分析中反映人民币汇率机制改革对汇率波动性的影响效果，将虚拟变量Dt和汇率波动风险RV的交互项形式作为模型的解释变量，表示为： 　　 RVD=RV×Dt（7） 　　 因此，模型最终可以表示为: 　　 X=X（Y，R，RV，RVD）（8） 　　 对上述变量分别取对数，则有： 　　 LNX=α0+α1LNY+α2LNR+α3LNRV+α4LNRVD（9） 　　 方程（9）即为本文对出口需求设定的模型。

在下文的分析中，我们分别用ex、y、reer、v、vd代表LNX，LNY，LNR，LNRV，LNRVD进行分析 　　 方程（9）反映了商品出口对各经济变量之间的长期关系根据弹性定义，可知α1为出口额的收入弹性，一般认为α1>0，即随着国外消费者实际收入水平的提高，出口将相应增加，但是如果贸易伙伴国收入增加是由其进口替代品的增加而引起的，则α10时表示本币升值会提高出口额，当α20时表示汇率波动风险增强会提高出口额，当α3<0时表示汇率波动风险增强会减少出口额，根据已有的研究文献，汇率波动风险和出口额之间的关系没有形成一致的结论；α4表示汇改前后汇率风险波动对出口额的影响，有待在模型中证实 　　 本节实证分析部分选取2000年1月至2010年6月的月频数据作为样本数据来源于浙江省统计局，浙江省对外贸易经济合作厅，IMF数据库，CEIC全球经济数据库 　　 1.数据来源和说明 　　 （1）浙江省名义出口额数据来源于浙江省统计局，以美元表示为了更好地反映浙江省的实际出口额，采用IMF编制的美元实际有效汇率进行折算通过检验发现，该序列存在季节性，因此采用Census X12方法对数据进行季节调整（若模型中其他经济变量存在季节性，同样先经过Census12方法进行季节调整，再取对数）。

　　 （2）对于外国收入一般较难测量，理论上应该采用外国实际GDP数据，但是由于GDP的月度数据无法获得，因此参考现有一些文献的做法，采用月度工业产值指数（Industrial Production Index）来替代，数据来源于CEIC全球经济数据库，以2005年为基期具体的做法为：将浙江省对外贸易经济合作厅提供的浙江省主要贸易伙伴国或地区在浙江省出口贸易中所占的比重作为权重，对各自的工业产值进行加总获得，即： 　　 其中Wi为贸易伙伴国i在浙江省的出口比重，IPIi为贸易伙伴国i的工业产值指数 　　 本文选择了8个浙江省的主要出口市场，分别为：欧盟、美国、日本、中国香港、印度、阿联酋、韩国和俄罗斯这8个主要贸易市场占浙江省每年出口总额的65%以上，因此用该数据来表示国外收入有较好的代表性此外，工业产值指数计算的是实际值，在本文中不需再进行物价的调整 　　 （3）人民币汇率采用的是人民币实际有效汇率，数据来源于国际货币基金组织（IMF），以2005年为基期由于汇率风险没有直接的经济指标可以表示，我们利用GARCH(m,n)模型（伍海华通过实证研究表明相对于蒙特卡洛模拟法、历史模拟法、基于t分布的简单移动平均法来说，基于GRACH（m,n）模型度量的人民币汇率风险模型是最优的。

通过计算人民币汇率的条件方差来代替汇率风险这一经济变量 　　 2.汇率风险衡量鉴于人民币汇率波动具有尖峰厚尾和波动聚集效应的特征，同时人民币汇率存在着升值趋势，GARCH模型能较好地刻画汇率的不确定行为，包含更多信息量，因此本文采用GARCH模型测定汇率风险 　　 GARCH(m,n)模型的一般形式如下： 　　 均值方程：Yt=α0+α1X1t+……+αk，tXkt+εt（10） 　　 汇率R采用国际货币基金组织（IMF）公布的人民币实际有效汇率指数（IMF从1980年开始公布人民币有效汇率指数，样本选取了16个国家或地区，分别为我国香港、日本、美国、德国、我国台湾、法国、意大利、英国、加拿大、韩国、荷兰、比利时、新加坡、澳大利亚、瑞士和西班牙等本文采用的人民币实际有效汇率以2005年为基期的），首先对经过季节调整后的人民币实际有效汇率的对数序列，即reer进行描述统计的分析，可以发现汇率序列拒绝了服从正态分布的假设 　　 其次建立回归模型reert=αreert-1+εt，进行ARCH-LM检验，结果显示当m为6时，检验结果仍然显著，因此模型存在高阶的ARCH(m)效应，故采用GARCH(m,n)模型。

　　 根据方程（11）和（12）建立的人民币实际有效汇率波动风险的GARCH(m,n)模型，利用Eviews6.0进行估计，结果如下： 　　 reert=4.7319+0.94176reert-3+εt 　　 （161.6037）（46.5174） 　　 σt2=0.000428+0.361433εt-12-0.399587σt-12（13） 　　 （4.2636） （4.5194） （-2.6365） 　　 经检验，GARCH（1,1）模型中所有的估计系数在1%的水平上均显著，模型估计的AIC值为-4.7525，SC值为-4.6381，括号中为z-Statistic的统计量本文将该模型估计获得的条件方差（σt2）序列进行开方，然后取其对数，作为汇率波动率（v）进入实证部分 　　 二、模型估计结果 　　 1.变量平稳性检验由于在经济分析中大多数时间序列是非平稳的，为了避免造成“伪回归”，首先通过Eviews6.0对方程（9）的所有变量进行单位根检验，ADF检验的结果如表1所示 　　 从表1可以看到，在1%的显著性水平下，除汇率波动风险（v）是平稳序列外，出口额（ex）、国外收入（y）、人民币实际有效汇率（reer）、汇率波动交互项（vd）都是非平稳序列。

对于非平稳序列，对其进行一阶差分后再进行ADF检验，结果如表2所示 　　 表2显示非平稳变量序列的的一阶差分都是平稳序列，即均为一阶单整序列I(1)因此，综合分析，我们可知：ex、y、reer、vd序列均为I(1)序列，v序列为I(0)序列由于变量同时包含I(0)和I(1)序列，因此无法运用Granger-Engle因果检验和Johansen协整检验方法来判断变量之间是否存在着长期关系在此，采用Pesaran等（2001）提出的自回归分布滞后（ARDL）协整方法和边界检验（bounds tests）方法来确定变量间是否存在长期关系 　　 2.变量协整检验本文基于ARDL模型，采用更加稳健的边界协整方法来检验浙江省出口与人民币实际有效汇率及其他经济变量的长期关系，同时利用误差修正模型（ECM）来分析出口与人民币汇率的短期动态关系 　　 首先构建ARDL-ECM模型，将被解释变量的滞后项和解释变量的当前项及滞后项都作为被解释变量进入模型进行构建，得到： 　　 其中β1i、β2i、β3i、β4i、β5i为短期效应系数，γ0、γ1、γ2、γ3、γ4为长期效应系数 　　 在模型估计中，首先对方程（14）各差分变量进行充分的滞后，依据AIC和SBC统计量的信息准则（AICp=LLP-sp, SBCP=LLP-(sp/2)lnT，其中P为滞后期，LLP为极大似然估计值，sp为自由度，T为样本容量。

其中AIC统计值和SBC统计值越大表明模型越优，见Pesaran et al,Bounds Testing Approaches To The Analysis Of Level Relationships）并结合序列相关LM统计量选择各差分变量的最佳滞后期同时考虑到如果滞后期太长，模型容易产生序列相关的问题，并且根据相关文献研究表明汇率对出口的影响存在着一定的滞后效应，因此在本文中选取最大滞后阶数为10阶此外，基于浙江省的现状和未来发展前景，其出口额处于并将持续处于平稳上升的趋势，故在模型估计中加入了趋势项 　　 利用Microfit4.1软件，根据一阶差分变量的不同滞后期对方程（14）进行估计后得到的AIC统计量、SBC统计量、1阶和4阶序列相关LM检验统计量的结果如表3所示 　　 根据估计结果，依据AIC和SBC信息准则和LM序列相关统计量的值，发现有趋势项的模型估计总体上比无趋势项的模型估计效果好因此在本文后面部分，我们将重点讨论有趋势项的模型根据AIC值，最优的选择应为P=4，而根据SBC值，最优的P应为1，结合LM序列相关统计量，以及遵循谨慎性原则，选取滞后期数P=2,3,4,5进行下一步的筛选。

　　 将所选滞后期数的ADRL模型估计得到的F统计量（F统计量用于检验原假设：即所有水平变量的系数为零，即水平变量之间不存在长期关系在原假设H0：γ0=γ1=γ2=γ3=γ4=0成立时，F统计量服从非标准分布分别与Pesaran等（2001）学者计算的临界值表CI（iii）（不包含趋势项）和表CI（v）（包含趋势项）进行比较，结果如表4所示 　　 根据表4结果显示，在无趋势项下，浙江省出口额和各经济变量之间不存在长期关系含趋势项时，当滞后期为2阶、3阶和4阶时存在长期关系结合表4发现，滞后期为4阶的AIC值最大，并且不存在序列相关性因此，在接下来的模型处理过程中，依据AIC值对ARDL模型中各个水平变量的滞后阶数进行选择（需要进行估计的方程总共有55个，其中底数表示滞后阶数，指数表示滞后变量个数通过Microfit4.1软件的运行，结果显示，该模型的最优估计为ARDL（4，0，3，1，0）从总体上来看，人民币实际汇率水平对浙江省出口的影响时滞大约为3个月；在人民币汇率制度改革之前，汇率波动对出口的影响时滞大约为。