(云南民族大学经济学院,云南昆明650031)
[摘要]本文选取了2016年1月4日至2023年10月27日之间,我国上证综合指数和人民币即期汇率波动数据,构建VAR模型分析了中国上证综合指数和人民币即期汇率汇率波动两者之间的关联。通过研究发现:人民币即期汇率的波动会对上证综合指数产生影响,而上证综合指数变化不会对人民币即期汇率产生影响。研究汇率波动与股票价格波动对我国股票稳健发展和人民币汇率国际化具有深刻的意义。
[关键词]人民币即期汇率;上证综合指数;VAR模型
中图分类号:F832.6
一、引言
2009年跨境贸易人民币结算试点,标志着人民币国际化启动。在迄今近13年的发展历程中,人民币国际化经历了快速突破(2009-2015年)、波动调整(2016-2020年)和稳步回升(2021年至今)三个阶段,成果突出。但在2014年之前,官方文件中从未提过人民币国际化。2014年底召开的中央经济工作会议首次提出要稳步推进人民币国际化、“十四五”规划提出要“稳慎推进人民币国际化”。党的二十大报告则将表述调整为“有序推进人民币国际化”,体现了更积极的政策取向。人民币国际化已经上升为国家战略,是高质量发展、高水平开放的重要组成部分。研究汇率波动和股票价格波动对我国股票市场成长和人民币国际化具有深远的意义。
二、文献综述
目前国内外学者对股票价格变动与汇率之间的关系主要从理论和实证两方面进行了系统的研究,研究成果很丰富。本文在前人研究的基础上,梳理了股票与汇率关系研究主题的相关文献综述。
理论方面,第一,流量导向模型。Dombusch & Fisher[1](1989)提出了流量导向模型,他们认为汇率会对股票价格产生影响,从微观角度解释了汇率如何通过影响一个国家的进出口贸易,从而影响到该国股票价格。第二,股票导向模型。Branson & Frankel[2](1983)从宏观角度进行分析,认为在直接标价法下,股票价格与汇率是负相关关系,股票价格下降会导致本币汇率贬值,股票价格上涨会导致本币汇率升值。第三,资产组合平衡理论。Branson & Henderson(1985)[3],将股票视为一种资产,在直接标价法下汇率变动会影响股票市场,进而影响股票价格,两者之间是负相关关系。
在实证方面,国内学者研究汇率市场与股票市场所选取的样本数据、代理变量、研究方法、运用的计量模型不同,因此研究结果存在差异。陈雁云、何维达(2006)利用ARCH模型分析了人民币汇率与股价的关联性,研究结果表明随着人民币汇率弹性的加大,汇率与股价的关联效应开始显现出来,有可能导致外汇市场、股票市场乃至整个金融市场的紊乱[4]。刘用明和甘永春[5](2017)选取2010年6月至2016年1月的样本数据,运用GARCH-BEKK(1,1)模型来进行研究了人民币汇率与股价之间的波动溢出效应。研究发现,我国股票价格和人民币汇率之间存在价格引导和波动溢出效应,但是股价变化影响人民币汇率的波动性,而汇率波动对股票价格没有显著的影响,因而它们之间存在单向传导机制。梁文博和张少茹[6](2018)认为,汇率是各国经济的重要变量之一,人民币汇率升值引起我国股市的上升,2018年发生中美贸易摩擦导致人民币短期内大规模贬值,我国股票市场也受到影响。
通过相关文献的梳理,对汇率波动与我国股票价格关系进行了探索。本文研究在人民币国际化进程中,我国股票价格(上证综合指数)与人民币即期汇率之间的关系研究,选取2016年1月4日——2023年10月27日的样本数据运用VAR模型并进一步分析了相关实证研究。为人民币汇率波动与我国股票价格(上证A股指数)关系研究提供了理论基础与实践价值。
三、模型设定与变量选择
(一)模型的建立
本文主要研究我国股票价格(上证综合指数)与汇率(人民币即期汇率)波动间的关系,上证综合指数数据基本可以反应我国股市数据,人民币即期汇率代表汇率数据。本文构建VAR模型的一般表达式如下:
(1)
其中是k维外生变量,
是扰动项;
(2)
(二)数据的选取
本文选取人民币即期汇率(HL)和上证综合价指数(SZ)日数据的统计数据,本文样本数区间为20106年1月4日至2023年10月27日,利用计量软件EVIEWS12.0,软件剔除未交易日期、周末和节假日,一共选取1900个样本数据值,其中人民币即期汇率数据与上证综合指数来源于Choice金融终端数据库。
四、实证分析
(一)时序图分析
从图1和图2可以看出,人民币即期汇率(HL)和上证综合价指数(SZ)两个变量的变化路径并不完全相同,但总体的趋势都较为波动。SZ和HL具有相似的变化趋势,SZ在2017年中到达一个高点,同样HL也在2016年中到达高点,2018年SZ呈下降趋势而HL呈上升趋势,2019年至2020年两个变量呈平稳波动态势,2021年SZ表现较好到达另一个高峰,而HL却呈现直线下降趋势,2022年-2023年两个变量变化较为相似。从SZ和HL的趋势对比可以看出,上证综合指数与人民币即期汇率的变化趋势在近六年来都趋于一致,趋势图中可以看出两者的具有一定的相关性,但是否存在因果关系还未知,需要进行进一步的实证检验分析。
图1上证综合指数(SZ)日数据 图2人民币汇率(HL)日数据
为消除多重共线性、异方差等问题,对两个变量取自然对数,分别用lnSZ,lnHL表示处理过后的上证综合指数与人民币即期汇率。
(二)描述性统计分析
表1描述统计表
lnHL | lnSZ | |
观测值 | 1900 | 1900 |
均值 | 1.909263 | 8.052197 |
中位数 | 1.911038 | 8.060482 |
标准差 | 0.038556 | 0.083153 |
偏度(S) | 0.028962 | -0.402554 |
峰度(K) | 2.079051 | 2.737687 |
JB统计值 | 67.41054 | 56.76304 |
P值 | 00.00000 | 00.00000 |
注:lnSZ表示上证综合指数取对数
lnHL表人民币即期汇率取对数
从表1可以看出,取对数后人民币汇率的偏度大于0,取对数后上证综合指数的偏度小于0,这说明取对数后人民币汇率呈右偏分布,而取对数后上证综合指数呈左偏分布。取对数后人民币汇率和上证综合指数的峰度小于3,则表示取对数后人民币汇率指标和上证综合指数指标的尾部比正态分布的尾部薄,其分布呈现出“矮胖”的形状,正态分布更分散。从J-B值能可以看出,取对数后上证A股指数与人民币汇率均在5%的显著性水平条件下接受原假设,进而这两个变量服从正态分布。
(三)单位根检验(ADF检验)
VAR模型建立之前需要对各时间序列变量进行平稳性检验(ADF检验)。若各时间序列均是平稳序列,则可建立 VAR 模型;否则得到的向量自回归模型是伪回归。若是各数据不满足平稳性,但通过了协整检验,也可建立向量自回归模型。通过ADF单位根检验来进行人民币汇率和上证综合指数之间的平稳性检验。ADF检验的检验式为如下:
(3)
首先对lnSZ和lnHL在5%的显著性水平下进行平稳性检验,原序列不显著,无法确保检验结果的可信度,也不能满足时间序列数据的平稳性条件。因此,将取对数后的人民币即期汇率(lnHL)与取对数后的上证综合指数(lnSZ)两个变量分别进行一阶差分,以此确保结果的可靠性和满足时间数列平稳性条件。一阶差分后再次进行单位根检验,得到两组变量在5%的显著性水平下皆呈现一阶单整序列。
(四)协整分析检验
经济金融数据对时间序列数据变量的平稳性有严格的要求,在构建向量自回归模型前需要检验原序列是否平稳,因为非平稳数据建立的回归模型会引起虚假回归等问题。Johansen协整检验方法通常用于多变量之间的协整关系,它是一种以向量自回归(VAR)模型为基础的检验回归系数的方法。采用Johansen协整检验方法,基于人民币汇率和上证综合指数每日数据建立时间序列向量自回归模型。根据贝叶斯信息准则(AIC)、SIC信息准则、最大似然函数值(LOGL)、似然比(LR)检验、HQ信息准则、最终预测误差(FPE)准则,建立向量自回归(VAR)模型来进行时间序列数据的长期稳定性检验,对VAR模型的滞后期进行最优化选择。
建立VAR模型除了要满足平稳性条件外,还应该正确确定滞后期k。如果滞后期太少,误差项的自相关会很严重,并导致参数的非一致性估计。在VAR模型中适当加大k值(增加滞后变量个数),可以消除误差项中存在的自相关;但从另一方面看,k值又不宜过大。通过检验最终得出滞后1期的VAR模型是平稳的。从协整检验结果得出SZ和HL这两个变量在5%的显著性水平下才能存在协整关系稳定及有意义,该准则选择的滞后阶数为1。
(五)模型平稳性检验
为了判断人民币即期汇率和上证综合指数两者之间的冲击响应幅度,进行脉冲响应函数的检验。通过lagstructure检验可知,所有单位根均在单位圆之内,可以确定构建的VAR模型是稳定的。
(六)向量误差修正模型估计结果
根据协整检验的结果,得知人民币即期汇率和上证综合指数两者存在长期均衡关系。但时间区间不同,短期或许受到外界冲击而出现不协调,模型可能产生一些偏差。因此,建立向量误差修正模型来重新估计结果,不断调整均衡误差。
得到VARR模型
LNSZ=0.997372749759*LNSZ(-1)+0.0110545175528*LNHL(-1)
LNHL=9.33214073078e-05*LNSZ(-1)+0.999637856174*LNHL(-1)
(七)格兰杰因果关系检验(Granger)及其结果分析
在VAR模型中,格兰杰检验的因果关系不是通常所说的因果关系(并非真正汉语意义上的“因果关系”),而是说先发生的事情对后发生的事情有一定的影响,或者说某个变量是否可以用来提高对其他相关变量的预测能力。所以,格兰杰因果关系的实质是一种“预测”关系。其实质是考量一个变量的滞后量能否加入到其他变量的公式中。当一个变量确实受到其他变量的滞后量影响时,可以称这两个变量具有格兰杰因果关系。
经检验,在1%的置信水平上,人民币即期汇率是引起上证综合指数变化的格兰杰因果,在1%的置信水平上,上证综合指数不是引起人民币即期汇率变化的格兰杰因果。
(八)脉冲响应函数
脉冲响应函数分析方法可以用来描述一个内生变量对由误差项所带来的冲击的反应,即在随机误差项上施加一个标准差大小的冲击后,对内生变量的当期值和未来值所产生的影响程度。建立lnSZ和lnHL互为脉冲变量和相应变量的脉冲响应函数,期限为10。结果如下图3和图4所示。
图3 lnHL对lnSZ的脉冲响应 图4 lnSZ对lnHL的脉冲响应
图3是lnHL对lnSZ的脉冲响应,在第1期给了lnSZ一个标准差冲击后,lnSZ保持一个较为稳定的状态,影响幅度随时间推移略有增加。
图4是lnSZ对lnHL的脉冲响应,在第1期给了lnSZ一个标准差冲击后,lnHL开始迅速变化,影响幅度呈正比例态势。证明上证综合指数对人民币即期汇率的影响较大。
(九)方差分解
方差分解的基本思想是,把系统中的全部内生变量(K个)的波动,按其成因分解为与各个方程息息相关的K个组成部分,从而得到对模型内生变量的相对重要程度。根据方差分解结果可知在初始状态,上证综合指数对自身变化的解释程度为100%,上证综合指数对人民币即期汇率的解释程度为8.72%,人民币即期汇率对自身变化程度的解释程度为91.28%。随着期数增加,上证综合指数对人民币即期汇率的结实度不断上升,上证综合指数的最大解释程度为8.72%。结果显示,上证综合指数对人民币即期汇率有一定的影响,但这个影响会随着时间的推移逐渐减小。
五、总结及政策建议
本文通过运用VAR模型来分析人民币国际化进程中,人民币即期汇率与我国股票价格之间的关系,在此基础上,选取了人民币即期汇率和上证综合指标数据。通过格兰杰因果关系检验和单位根检验发现人民币汇率的波动会对股票价格产生影响,但是股票价格的变化不会对人民币汇率产生影响,它们之间只具有单向关系。
研究得出人民币的汇率波动与股票价格波动对我国股票稳健发展和人民币汇率国际化具有深刻的意义。
1.从格兰杰因果关系检验结果可以看出,人民币汇率变动是影响股票价格变动的原因,股票价格的变动也会影响汇率波动,并且它们之间存在相互影响。
2.通过研究发现,我国股票价格与人民币汇率之间存在价格引导和波动溢出效应,而中国股票价格与人民币汇率之间不存在协整关系,汇率对股票价格之间具有显著的短期价格引导,股票价格的变化对汇率波动具有单向波动溢出效应。股票价格的变化会影响人民币汇率的波动性,但汇率波动对股票价格没有显著的影响。基于上述实证结论,本论文给出如下针对性建议。第一,应加强股票市场与汇率市场之间的联动性。我国股票市场与汇率市场之间存在缺陷,股票市场与汇率市场间的联动性不充分,资金的流动性不足。汇率改革后,股票市场与汇率市场间的互动性进一步增强了,促进了我国金融国际化进程的发展。第二,加强股票市场的制度建设,完善股票价格形成机制。由于人民币汇率与上证A股指数间的联动性不充分,是因为股市的制度建设不健全而导致的。因此要强化和完善股价的形成机制,减少股市的投机行为。
参考文献:
[1] Dornbusch R,S Fisher. Exchange rates and the Current Account[J].American Economic Review,1980( 70): 960-971.
[2] Frankel,J.A.Monetary and portfolio-balance Models of Rate Determination[J].Economic Interdependence and Flexible Exchange Rates,MIT,Cambrige.1983: 112-123.
[3]Branson,W.H.Macroeonomic Determinants of Real Exchange Risk[M].Managing Foreign Exchange Risk,Canbridge University Press,Cambridg.1983: 87-89
[4] 陈雁云,何维达.人民币汇率与股价的ARCH效应检验及模型分析[J].集美大学学报,2006(1):72-75.
[5]刘用明,甘永春.汇率冲击与我国股票价格波动研究[J]. 四川大学学报( 哲学社会科学版) ,2017(1):112-119.
[6]梁文博,张少茹.人民币汇率与 A 股市场的影响研究 [J].全国流通经济,2018(26):82-83.