非对称GARCH模型
非对称GARCH模型（精选5篇）
非对称GARCH模型 第1篇
关键词：货币政策,股市,流动性,C-GARCH,非对称效应
0引言
随着我国房地产调控政策的出台和利率市场化过程的加快,在利率必然上升的预期下,大量热钱已经开始涌入我国境内。
大量的理论研究和经验分析发现,扩张性货币政策与紧缩性货币政策的效果并不对称,即货币政策存在非对称效应。Cover重点研究了正负向货币冲击对产出影响的差异性,发现美国紧缩性货币政策的政策效果比扩张性货币政策强。Senda对美国,Florio对意大利分别进行了货币政策非对称效应的研究,结果与Cover的结论一致。Huchet考察了欧盟国家单一制货币政策的非对称效应,结论表明法国、德国、西班牙和奥地利对紧缩的货币政策更加敏感, 而比利时和意大利却对扩张的货币政策更加敏感。另外,Bernanke与Kuttner通过研究利率的升降对股票市场的影响,表明利率升高对股市的抑制作用要小于利率降低对股市促进作用。Tsai从货币政策调整原因这一角度,研究了由石油价格变化导致的货币政策调整对股票市场的非对称效应,结论表明能源密集型产业和耐用品产业对石油价格高企所导致的货币政策调整比一般性货币政策调整的反应更加强烈。Guo、Hu以及Jiang利用MSVAR—EGARCH模型分析了中国2005年至2011年期间的货币政策对股票市场的冲击效应,发现利率政策在熊市比在牛市更容易引起股票市场波动率的上升。在国外相关研究成果的基础之上,国内学者也对货币政策的不对称性进行了广泛的研究。曹永琴和李泽祥从理论上评述了货币政策非对称效应的形成机理。刘金全、随建利和李楠利用非线性VAR模型对我国货币政策的非对称效应进行了检验,发现货币政策对实际产出和价格水平的作用具有非对称性。梁云芳和刘金叶研究了我国货币政策对国内需求影响的非对称性,结论表明长期内我国负向货币冲击对实际消费和实际投资的影响要远远大于正向货币冲击。但曹永琴的研究表明中国货币政策存在显著的非对称效应,当期正向货币冲击对产出的影响力度大于负向货币冲击对产出的影响力度,但滞后两期和四期负向货币冲击对产出的影响力度则分别大于相应滞后期的正向货币冲击的影响力度。岳海峰和董维佳以及吕鑫考察了我国存款准备金率的调整对股票市场的非对称效应,结果发现存款准备金率的调整与股市之间存在一种非对称性的关系:存款准备金率的降低对股票市场有很强的提振作用, 而存款准备金率的升高并不能够抑制股市的上涨。
1变量和数据
为保证研究结论的稳健和可靠,对于股票市场的流动性的度量,本文以上证A股指数为研究对象,分别从流动性和非流动性两个方面描述股市的流动性特征,选取股票换手率、有效流速以及两个非流动性指标。非流动性作为流动性的反面,与流动性存在此起彼伏的联系。表1是本文所涉及的变量及其简要说明。
本文从换手率TO´,有效流速LID´,非流动性指标1ILLIQ´ 以及非流动性指标2TPI´ 这四个不同的角度度量股票市场的流动性, 进而考察我国货币政策对股市流动性的不对称冲击。考虑到货币政策调整的缓慢,又要保证数据具有足够的变异,因此本文选用存款准备金率和一年期存款利率的调整作为我国货币政策调整的代理变量。所用变量的数据皆为日数据,同时鉴于我国存款准备金和一年期存款利率自2006年以来调整频率较高,故所选样本的时间段为2006年1月1日到2011年12月31日,样本区间包含1 459个数据,这期间存款准备金率一共调整了35次,一年期存款利率共调整了18次。数据来源于Wind数据库。
2实证分析
对于我国货币政策对股票市场流动性的非对称效应,本文拟运用成分GARCH模型(C-GARCH)来对其进行检验。由GARCH模型可知,GARCH(1,1)模型的条件方差方程为:
那么,令模型中的,通过方程变换,原条件方差方程变换为:
表达式中非条件方差,也称长期波动率,其数值在不同时期保持不变。不同的是,成分GARCH模型的均值趋近于一个随时间可变的qt水平:
式(3)和(4)中 σt代表着波动率,而长期波动率由qt代替,长期成分qt随时间而发生变化,但以参数 ρ 的速度收敛于 ω,其收敛速度因 ρ 接近于1时则十分缓慢。式(3)还表述了暂时成分 σt2qt,其随着时间以 α+β 的速率收敛于0。
C-GARCH模型的方差方程中,可以引入外生变量,外生变量的位置可以置于长期成分方程中,也可以置于暂时成分方程中,置于不同位置将对不同期限的波动率产生影响。
鉴于研究股票市场对利率的变化具有较强的敏感性,本文在应用C-GARCH模型时,在其短期效应方程中引入非对称性,具体模型表述为:
其中,μt是均值方程中的随机扰动项,式(3.5)中的Zt为货币政策外生变量,式(6)中的d为虚拟变量,表示负向冲击,μt-1<0时, dt=1,否则,dt=0。非对称性由 γ 表示,γ ≠ 0,即意味着存在非对称影响,但是这种非对称性仅仅存在于暂时成分方程中,长期成分方程的变化体现在 ρ 上。
在对四个流动性指标序列建立C-GARCH模型之前,先对其进行ARCH效应检验,因此根据四个流动性指标的序列特征,选取各自的滞后阶数,分别建立如下AR模型。
通过式(7)的自回归模型获得四个流动性指标的残差序列,然后对四个流动性指标的残差序列进行ARCH效应检验,得到以下结果。
注:** 与 *** 分别表示在 5% 和 1% 的显著性水平下显著
很明显,通过ARCH效应的检验,表征股票市场流动性的四个指标都存在ARCH效应,因此可以对每一个流行性指标进一步建立如(5)和(6)式的C-GARCH模型,模型的估计结果见下表。
注:括号中的数字为参数估计值的标准误;*,** 和 *** 分别表10%,5% 和 1% 的显著性水平下显著
通过表3可以看出,四个流动性指标TO´、LID´、ILLIQ´、 TPI´ 的 ρ 值全部小于1,但是都很接近于1,分别为0.998 186、0.912664、0.998 887、0.986 420,表明长期成分方程将逐渐的收敛均值 ω, 其中有效流速LID´ 收敛速度最快,非流动性指标ILLIQ´ 收敛速度最慢,这也说明货币政策的调整会对我国股市流动性指标的波动性造成一定的影响,并且这种影响存在的时间较长,且对不同流动性指标波动性的影响时间不同,短期成分方程中的 α+β 均小于1,分别为:0.854 762、0.783 478、-0.785 17、0.688 688,说明短期成分相对于长期成分而言,收敛速度较快,即会以更快的速度收敛于0。
从四类流动性指标波动性方程的实证分析结果中,可以发现, 四个流动性指标的货币政策调整因子Z1t和Z2t的系数均显著不为0。 具体而言,存款准备金率调整因子Z1t方面,TO´ 和LID´ 波动性方程的长期成分方程中调整因子Z1t的系数为负,且显著,则说明Z1t调整的负向冲击对TO´ 和LID´ 的波动性产生长期影响,ILLIQ´ 和TPI´ 波动性方程的长期成分方程中调整因子Z1t的系数为正,且显著,则说明存款准备金率Z1t调整的正向冲击对ILLIQ和TPI的波动性产生长期影响。
一年期银行存款利率调整因子Z2t方面,TO´、ILLIQ´、TPI´ 波动性方程的长期成分方程中调整因子Z2t的系数 θ2<0,且显著不为0,即说明Z2t调整的负向冲击对TO´、ILLIQ´、TPI´ 的波动性产生长期影响,而LID´ 波动性方程的长期成分方程中调整因子Z2t的系数为正,且显著,则说明一年期银行存款利率调整的正向冲击对LID´ 的波动性产生长期影响。
表中四个流动性指标的暂时成分方程中的非对称参数 γ 显著不为0,其中,TO´ 的短期成分方程中的非对称参数 γ<0,LID´、 ILLIQ´ 和TPI´ 的暂时成分方程中的非对称参数dt-1,这意味着所有四个流动性指标波动性方程中的短期成分方程中存在非对称效应,由于虚拟变量dt-1为负冲击,故这种非对称效应具体表现在:对于流动性指标TO´ 而言,γ<0,即意味正向货币冲击引起的波动性要比负向货币冲击大;而对于LID´、ILLIQ´ 和TPI´ 三个指标而言, 由于 γ>0,故负向货币冲击引起的波动性要比正向货币冲击大。对于不同流动性指标而言,货币政策冲击的非对称效应不同。出现这种结果不一致的现象可能是因换手率不包含收益率或波动率对流动性的影响,从而其他三个指标更能反映股票市场真实的流动性。
3结语
本文选用 股票市场 四个不同 类型的流 动性指标,利用C-GARCH模型检验其对我国货币政策的不对称反应,从实证结论可以看出,我们货币政策调整对股市流动性的波动性存在着显著的影响能力。具体来讲,我国的货币政策调整对我国股市的流动性能够造成一定程度的冲击,而且货币政策调整的负向冲击效应要远远大于货币政策正向冲击的效应,即我国货币政策对股市流动性的政策效果存在着不对称效应。而这种不对称效应的原因可能主要是投资者的心理预期因素所造成,我国股票市场本身就是一个政策市场,投机因素占着很大比重,政策的负向冲击使得股票市场的投机因素急剧暂时减少,造成流动性降低,而货币政策正向冲击之后,投资者并未及时的进入股票市场,而是仍在观望,以等待资本市场前景彻底明朗,这种心理行为使得流动性不会急速增加,在一定程度上造成了股市的不对称的政策效应。
参考文献
[1]曹永琴,李永祥.货币政策非对称效应形成机理的理论述评[J].经济学家,2007(4):76-82.
[2]高铁梅.计量经济分析与方法建模[M].北京:清华大学出版社,2009.
[3]梁云芳,刘金叶.中国货币政策对国内需求影响的非对称性研究[J].财经问题研究,2011(3):51-58.
[4]刘金全,随建利,李楠.基于非线性VAR模型对我国货币政策非对称作用效应的实证检验[J].中国管理科学,2009(3):47-56.
[5]岳海峰,董维佳,吕鑫.我国存款准备金率调整对股市的非对称性影响分析[J].2013(1):30-35.
非对称GARCH模型 第2篇
GARCH模型和SV模型是两种典型的异方差模型, 是现代经济计量学研究的重点, 也是金融实务领域强有力的新工具。如A.Harvey、KIM Sang Jong等学者分别研究了GARCH模型和SV模型的联系和区别, 他们认为这两种描述波动过程的模型可通过一个共同的随机微分方程来表示, 又利用似然比和贝叶斯因子等理论工具比较了这两类非嵌套式模型的区别。
一、参数GARCH模型
一般的GARCH (p, q) 模型定义如下:
其中, 为未知参数, 同时参数应满足有界约束:。。
二、非参数GARCH模型
{xt}为一平稳时间序列, 表示由直到时刻t-1的过去信息产生的σ-域, xt的非参数GARCH (p, q) 模型表示为:
其中, 是独立同分布的随机误差项, 均值为0, 方差为1, 并存在有限的四阶矩, εt与相互独立, 并且f为严格正值函数。运用非参数方法通过作对于滞后变量和的非参数回归来获取函数f的非参数估计, 而波动率是一个无法观测的潜在变量。Buhlmann和McNeil给出了在较弱条件下具有一致收敛性的估计算法:
(1) 对一般的标准参数GARCH模型运用极大似然法计算初始波动率
(4) 增加m, 如果m
三、SV模型
Taylor及Tauchen&Pitts分别于1982年和1983年将随机波动原理应用到金融时间序列分析中, 形成了SV模型。一般的随机波动模型具有如下形式:
其中, εt、vt分别为收益率序列和波动序列的扰动, δ反映波动率的持续性。一般SV模型是在一些严格的假设下提出的, 它包含以下假设:首先, 收益的扰动服从正态分布, 进而收益序列也服从正态分布;其次, εt与vt之间不相关。1986年Taylor将ht简化为一个AR (1) 过程, 得到了离散时间的SV模型;Jacquier、Nicholas等在2004年对SV模型进行了扩展, 引入了服从t分布的收益残差序列, 其他参数不变, 该分布解释了收益率的厚尾特性, 但无法解释收益率自身的非对称性, 即杠杆效应。Mike与2002年提出了门限随机波动模型THSV, 区别于一般的SV模型, 它是非线性的, 在刻画非对称性的问题上, 不仅考虑波动率的非对称性, 还能够分析均值本身的非对称性。Bredit于1998年提出了长记忆随机波动模型LM-SV, 所谓波动率的长记忆性是指波动率序列的自相关系数依负幂指数率衰减的性质, 一般采用伪极大似然估计法。
四、非参数GARCH模型、GARCH模型以及SV模型的对比
非参数GARCH模型有更加广泛的应用范围, 并且放宽了模型设定时的很多限制, 比如模型的形式以及误差分布等, 减少了模型由于设定误差而带来的偏差, 在较大的范围内拟合模型。鲁万波通过对上证综合指数以及深圳成分指数进行实证分析, 发现不管是样本期内还是样本期外, 非参数GARCH模型的预测误差均小于参数GARCH模型的预测误差, 并且非参数GARCH模型对于样本期外预测误差减少程度均大于样本期内预测误差的减少程度。
对于SV模型和GARCH模型来说, 余素红等人从理论角度论证了SV模型具有比GARCH模型更符合“尖峰厚尾”性和平方序列微弱持续的自相关性等数值特征, 即具有较低的自相关φ值和较高的峰度k值。并且利用上海股指估计出了一般的SV模型和GARCH (1, 1) 模型, 通过对比这两个模型对实际数据特征的刻画程度, 得出SV模型在拟合实际数据时效果优于GARCH模型。
对于非参数GARCH模型和SV模型来说, 还没有实证来证明其优劣, 因此, 我们可以将这两种模型用来分析预测波动率以求得出结论。
摘要：本文就GARCH族、非参数GARCH模型以及SV模型的发展及其在金融时间序列中的应用进行了对比综述, 并指出了各种模型的优劣, 为以后的实证分析提供了指导。
关键词：波动率,GARCH模型,非参数GARCH模型,SV模型
参考文献
[1]Engle.Autoregressive conditional heteroskedasticity with estimates of the variance of U.K.inflation[J].Econometri ca, 1982, 4 (50) :987-1008.
[2]Bollerslev.Generalised autoregressive conditional heteroscedasticity[J].Econometrics, 1986, 31:307-327.
[3]Engle and Bollerslev.Modeling the persistence of conditional variances[J].Ecnometric Rev., 1986, 5:1-50.
[4]Peter Buhlmann and Alexander J.McNeil.An algorithm for nonparametric GARCH modeling[J].Computational Statistics&Data Analysis, 2002, 40:665-683.
[5]鲁万波.基于非参数GARCH模型的中国股市波动性预测[J].数理统计与管理, 2006, (25)
非对称GARCH模型 第3篇
关键词：跨国并购,动态博弈,讨价还价
一、引言
跨国并购, 不仅能提高我国企业的技术水平、拓展国际市场和提供对外直接投融资等经济机会, 而且对优化我国产业结构, 提高我国经济的国际竞争力并促进我国经济社会的可持续发展有重要的意义。在跨国并购过程中, 并购定价依然是核心问题。能否科学的对跨国并购进行定价关系到并购的成败。随着跨国并购的日益激烈, 跨国并购定价问题显得更加重要。本文在资产价值基础法和市场法等由价格因素确定的并购定价基础上, 将非价格因素并购双方讨价还价能力考虑到其中并对其进行分析, 确定跨国并购的合理定价, 为企业管理层决策提供行的研究视角和切入点。
二、完全动态信息下跨国企业并购讨价还价博弈模型
(1) 几个假设
1. 不考虑政府在并购中的作用, 博弈主体只为并购企业和目标企业。
2. 假定参与主体有目标企业A和并购企业B。A、B各自可以接受的并购的价格区间为[a1、a2]、[b1、b2] (其中a1为A的最低并购保留价, b1为B的最高承受并购价格, 并且令a1>b1, a2>b2, a1
3. 令P为谈判成功的最终解, 则P∈[a1、b2]。其中P-a1为目标企业A的剩余, b2-P为并购企业B的剩余。
4. 讨价还价是个动态过程, 分为若干阶段, t, 每个阶段只有一方还价。本文分三阶段讨论。
5. 在谈判过程中资金具有时间价值, 双方的收益都将有个损耗。设贴现率为σ (0σ1)
(2) 完全动态信息下的讨价还价模型
在完全信息状态下, 即并购双方A、B的报价区间[a1、a2]、[b1、b2]都已知道, 则可以转化成经典的分蛋糕博弈, 如图1所示, 将谈判区间[a1、b2]投影到[0、1]上, 区间[0、1]中的P’为P在相应区间上的映射:P’= (P-a1) / (b2-a1)
对上述博弈的三阶段讨价还价模型:进一步假设讨价还价只能进行三个回合, 到第三回合B必须接受A的报价, 则这三个回合讨价还价博弈可以用下述方式描述:
第一回合, A报并购价P1, 则B得到1-P1, B可选择接受或不接受, 若接受双方的收益为P1和1-P1, 谈判结束;若B不接受则开始下一回合。
第二回合, B的报价是P2, 自己得到1-P2, 由A选择是否接受, 接受则双方得益分别为σP2和σ (1-P2) , 谈判结束, 如果A不接受则进行下一回合。
第三回合, A报价P3, 则B得到1-P3, 这是B必须接受, 双方的实际得益分别为σ2P3和σ2 (1-P3) , 如图2所示。
利用逆推归纳法分析这个博弈得出有唯一子博弈Nash均衡结果:P1=1-σ+σ2P3) , 而针对更多阶段即当t∞时, 均衡的结果是A在第一回合出价格P1=1/ (1+σ) 。
三、非对称信息下跨国企业并购的讨价还价模型
以下博弈引入并购企业与目标企业双方不同心理压力的假设, 以三阶段讨价还价模型为分析对象, 构造符合市场情景的讨价还价模型。
在实际情况下, 要讲谈判破裂的风险考虑在内, 同时买卖双方的谈判区间[a1、b2]不是明确清楚的。为简化分析, 假设:
1. A、B双方对于a1、b1有某种共识, 令a1=b1 (买者比较清楚卖者的进价) , 但卖方A对买房B的最大承受价格b2并不清楚, A认为B能承受的最高价格为b2, 而B清楚自己能承受的最高价格为b2。
2. 令y'=b'2-a2, y=b2-a2, 则原谈判区间[a1、b2]对于A映射为[0、y'], 对于B映射为[0、y]如图所示。
3. B对A的还价[0、y']是服从均匀分布, A不能判别y'与y的大小, 而B清楚与的大小关系。
4. 买卖双方都追求收益最大化, 并且考虑该过程只有三阶段。
(1) 当y'y时的讨价还价博弈分析
t=3时, A出价, 博弈在第三阶段要结束的压力下, 由于B是理性人, 因此对A的任何一个 (0、y']上的报价都是接受的, 如下图3所示:
尽管A方对于y不是很明了, 但是对于B的这种反应A是明了的, 所以A可以报任何 (0、y']上的价格。由于A估计B的报价[0, y']是服从均匀分布, 因此A的期望收益率是E (RA) =Max (P3Pa+0 (1-Pa) ) , P3为A在第三阶段的报价 (0P3y') ;Pa为A估计B接受还价的概率Pa= (y'-P3) /y'。
因此, A的最优选择为:P*3=argmax{P3Pa+0 (1-Pa) }, 解得P*3=y'/2, 则B在第三阶段的收益为y-y'/2。
t=2时, 由于双方所承受的压力不同, 所以A、B从第三阶段的收益折现到第二阶段分别为σAy'/2、σB (y-y'/2) 。该阶段由B出价, 出价应满足条件:
①由于y'y, 则有y- (σAy'/2) >σB (y-y'/2)
②当时P*2≥σAy'/2, 即B的还价A能接受, 此时B要尽量最大化自己的收益, 则有:
③当时P*2σAy'/2, 即B的还价被A拒绝, 此时B也要尽量最大化自己的收益, 则有:
由上述条件可得到σAy'/2=p*2
因为并购企业B明确y≥y', 若B报价P*2=σAy'/2, 虽然目标企业A不知道的值, 但是可以根据B的反应判断出y≥y', 因此不会接受B的还价。B为了达到本阶段的均衡, 会在博弈中发出表明自己能承受的最高价格是y'' (即y''- (σAy'/2) ) =σB (y''-y'/2) 的信号, 这是一个假信号。由于此时A只掌握部分信息, 而此阶段A有能得到σAy'/2, 因此认为是可信的信号, 于是对A而言, 谈判区间[0, y']为完全信息, 则均衡又回到2.2所述的完全动态信息下的讨价还价模型, 则当t=1是的A的报价为P*1=y-σB (y-σAy'/2) 。若A不信B的报价, 那么A会调高, 从而不断重复t=3和t=2的过程, 直到y=y'。
(2) 当y>y'时的讨价还价博弈分析
t=3时与 (1) 中分析的一样, 卖方A不知道y的确定值, 但是A的最优决策规则仍然是预估B能承受最高报价然后折半出售, 因此A、B在t=3时的收益分别是P*3=y'/2与y-y'/2。当y-y'/2<0时, 谈判破裂;当y-y'/2≥0时, B将接受报价并将y-y'/2视为t=3时的最优收益。谈判区间如图4所示:
t=2时, 将A、B在t=3是的收益折现到第二阶段分别为:σAy'/2、σB (y-y'/2) , 此时轮到B出价, B的初始报价决策P2应满足条件:
①当P*2≥σAy'/2时, y-P*2≥σB (y-y'/2)
②当P*2<σAy'/2时, y-P*2≥σB (y-y'/2)
解得, σAy'/2=P*2
t=1时, A、B的收益从t=2折现到该阶段分别为σA2y'/2、σB (1-σA) y'/2, 该阶段由A报价, 他的报价决策应满足:y'-P1=σB (1-σA) y'/2, 则有P*1=y'-σB (1-σA) y'/2=y'[1- (σB-σAσB/2) ]>y'/2, B的收益为y'-P*1=σB (1-σA) y'/2, 博弈结构如表2所示:
P2对λA与λB分别求导得:
1-P1对λA与λB分别求导得:
上述分析的结果与信息完全对称的情况一样, 因此同样可看出最优均衡收益仅与并购企业估计目标企业所能承受的最大价格有关, 即目标企业在时始终掌握着最终收益的主动权力, 这与完全对称信息情况下的结果是不同的。
四、结论
因此通过上述分析可知, 通过理论和实证得出的并购公司的价格并不能真实的反应出其真实价格。在理论和实证基础上得出的其基本交易价格基础上, 考虑不同谈判者的心理因素, 将其市场化, 剔除国别之间文化因素等, 通过交易双方的讨价还价得到最终能反应目标公司的真实价值。
参考文献
[1]张维迎.博弈论与信息经济学.上海:上海人民出版社, 2004.
[2]张新立.非对称信息条件下风险投资契约机理研究: (博士学位论文) .大连:大连理工大学, 2008.
[3]郭炜.企业并购讨价还价的动态博弈决策研究[J].武汉理工大学学报, 2006, 28 (4) :128-130.
[4]王义秋, 王琳.企业并购定价的博弈分析[J].东北大学学报 (自然科学版) , 2004, 25 (6) :586-589.
非对称GARCH模型 第4篇
邱若臻,黄小原(2007)探讨了随机需求下,单个零售商订购成本信息非对称下的供应链最优收入共享契约协调问题。并建立了数学模型,在模型中供应商确定收入共享比例和批发价格,零售商决定订货量。最后得出,要设计一个最优收入共享策略来激励零售商,必须由供应商付出代价去识别零售商不可观测的私有成本信息,结果会导致其收益减少,零售商收益增加[2]。覃艳华、曹细玉等(2012,2013)以突发事件为背景,研究了供应商生产成本信息不对称下的供应链如何协调问题。选择了单个制造商和单个零售商组成的供应链系统为研究对象,构建了市场随机需求下的收入共享契约模型。首先分析了突发事件对供应链造成的影响,指出当突发事件导致市场需求和制造商生产成本同时发生扰动且超过一定水平时,且在制造商生产成本变化后的信息非对称时,原收入共享契约不再有效,供应链平衡破坏,需要及时调整收入共享契约实现对突发事件的协调应对,抗击突发事件[3,4]。王新辉、汪贤裕、苏应生(2013)以一个两级供应链为研究对象,分析了当制造商和销售商成本均为私人信息时的供应链协调问题。在双边成本信息不对称下,通过引入“利他委托人”和“AGV”机制去揭示真实的成本信息,并在双方期望信息租金分配规则的基础上设计了一组改进的转移支付机制,该机制不仅能揭示真实的成本信息而且也能够实现供应链协调[5]。
受上述文献启发,以一个军工企业、多个仓库、多个军方用户的复杂供应链结构为对象,见图1。与文献不同的是考虑了收益共享比例、收入共享比例、批发价格、回收价格以及多个仓库的情况,更加结合实际。
1 信息非对称下军工企业主导的供应链收益共享机制协调模型
1.1 模型假设及符号说明
1.1.1 模型假定
①由军工企业主导,设计收益共享机制,若仓库接受,则合作开始。
②军工企业必须满足所有仓库的订货量,不允许缺货。不考虑军工企业供货生产能力和生产时间限制。仓库之间不允许相互调拨产品和相互竞争。
③军工企业和仓库都是风险中性的和理性决策者,决策准则是期望收益最大。
④军工企业是指生产军工产品的企业,与仓库之间是一种交易关系。仓库与军方用户隶属于军队体制内,相互之间是一种供应保障关系。
1.1.2 符号说明
①军事供应链由i个渠道链条构成,其中i=1,2,…,n。pi为第i个仓库供应军方用户的价格,考虑其特殊性,为确定的值。
②qi为第i个仓库订购产品的数量,整个供应链上仓库的订购数量为q=(q1,q2,…,qi,…qn),且。wi为军工企业提供给仓库i的产品批发价,对不同的仓库,批发价可以有一定的差别。
③c为军工企业的单位生产成本(如原材料费,设计、生产费,运费等);ci为第i个仓库的单位订购成本(如手续费、储存费、装卸搬运费、配送费等)。
④vi是仓库i剩余产品的单位残值,即未出库产品的单位残值,这里假设采取通过军工企业进行回收的途径而实现,bi为剩余单位产品的回收价格。回收是对仓库的一种激励、补贴,激励仓库多订购产品,充分满足部队需求,但回收价格应大于剩余产品的残值,且应小于军工企业的批发价格,所以有0<vi<bi<wi,wi+ci≤pi;同时仓库不能从未出库的产品中获利,所以有bi+vi≤wi。
⑤xi是第i个仓库所服务军方用户的随机需求量,xi>0,其分布函数为F(xi),密度函数为f(xi),F(xi)连续可微且严格增加,且,是随机需求量的期望。F-1(·)为随机分布函数的逆函数。
⑥S(qi)为在订货量qi下第i个仓库的期望供应量,根据数理统计知识,则有。
⑦I(qi)为一定时期末第i个仓库的期望剩余库存,根据数理统计知识,则有。
⑧L(qi)为一定时期末仓库i的期望缺货量,根据数理统计知识,则有。
⑨(ф,η,wi,bi,qi)为军工企业提供给仓库i的收益共享机制,其中η为仓库i的收入占军事供应链系统渠道i总收入的分配比例,ф为仓库i的收益占军事供应链系统渠道i总收益的比例;同时假设仓库总收益和收入占整个军事供应链总收益和总收入的比例为ф和η,军工企业为1-ф和1-η。
10军事供应链系统、仓库和军工企业分别从军事供应链系统渠道i获得的收益为π(qi)、πr(qi)和πs(qi),且π(qi)=πr(qi)+πs(qi),那么整个供应链系统总收益应为所有渠道收益之和,即。
11仓库i出于自身的角度考虑可能会对军工企业不完全公开其订购成本信息ci,即隐匿自己真实的订购成本信息,这会导致军工企业无法观测到确切的ci值,但军工企业依据长期的合作情况和自身经验,大致可估计出ci在区间[ci1,ci2]的一个概率分布情况,g(ci)是其概率密度函数,G(ci)是其累积分布函数,而且假设G(ci)/g(ci)是关于ci的增函数。当供应链中军工企业处于主导地位时,为获得仓库i的私有成本信息,可以设计一组收益共享机制来诱使仓库i传递真实的成本信息,仓库i根据机制框架和自己真实的边际成本,从中选择一个使自己期望收益最大的订货量qai(ci),这时qai(ci)可以看作是关于ci的函数[6]。
1.2 模型构建及分析
设计多组收益共享机制(ф(qi)(ci)),η(qi(ci)),wi(qi(ci)),bi(qi(ci)),qi(ci)供仓库i从中选择。一旦选择了某组机制确定了订货量,就等同于将自己的私有成本信息透露给军工企业。理性的仓库i可能会从自身利益的角度出发,传递或谎报虚假成本信息。但根据显示原理,军工企业需要设计一个最优的收益共享机制,促使仓库如实的将自己的真实成本信息传递过来[7]。
信息非对称下,对于军事供应链渠道i,军工企业可设计机制如下:
其中,η(ci)和wi(ci)代替η(qi(ci))和wi(qi(ci));πr(ci),πs(ci),π(ci)代替πr(qi(ci)),πs(qi(ci)),π(qi(ci));表示仓库i谎报给军工企业的订购成本信息;πr(ci)表示真实的订购成本信息ci,选择(ф(qi(ci)),η(qi(ci)),wi(qi(ci)),bi(qi(ci))时的仓库期望收益;表示真实的订购成本信息ci,但选择时的仓库期望收益。
式(1)表示求军工企业从渠道i获得期望收益最大化的目标函数。式(2)为设计的激励相容约束,保证不论军工企业制订什么样的收益共享机制,理性的仓库i会毫无犹豫的选择使其期望收益最大化的决策行为,机制设计目的是确保仓库i讲真话,愿意透漏真实信息,并且仓库i共享其真实订购成本信息要比谎报不真实信息时的收益大,即仓库i只会选择当时,仓库i期望收益取得最大值,这样仓库i会毫不保留的传递其真实的订购成本信息。式(3)为设计的参与约束,确保仓库i参与收益共享机制后的收益总比不参与要好,并且参与该机制后其期望收益不得低于保留收益δi,否则谁也不愿意去接受或参与该机制。
对式(2)、(3),在信息非对称下,当仓库i传递成本信息时收益为:
根据式(2),当仓库i传递真实订购成本信息时收益最大,于是可得,,从而可推出,
式(5)表明是的单调减函数,令πr(ci2)=δi。在区间[ci1,ci2]上对式(5)两边积分,得,
此时,军工企业期望收益可转化为:
式(7)前面积分部分表示集中决策下当仓库i订购成本为时的军事供应链系统渠道i的期望收益表达式。令,可得信息非对称下集中决策时军事供应链渠道i的最优订购量q*aic(ci),q*aic(ci)满足下式。
根据假设G(ci)/g(ci)是关于ci的增函数,可得信息非对称下集中决策时军事供应链渠道i的最优订购量与ci负相关,当仓库i订购成本信息非对称时,收益共享机制不能使供应链渠道i协调,且供应链渠道i所得的收益要小于信息对称情况下的收益,信息的非对称导致了供应链渠道i的低效率,其它渠道同样也会出现相同的情况。
通过式(4),可得到信息非对称下,分散决策时仓库i的最优订货量q*ari0(ci),q*ari0(ci)满足下式。
要使信息非对称下军事供应链渠道i达到协调,应满足q*ari0(ci)=q*aic(ci),通过式(8)、(9),可以得到
又因F(xi)为单调增函数,由式(10)得,
。从而可得出,
若存在ф(ci),参数η(ci),wi(ci),bi(ci)必须满足下面的关系式。
由上面第一个式子,可得
由上面第二个式子,可得。
上面两个式子相减得到,ci+wi(ci)-η(ci)[vi+bi(ci)]=ф(ci)[c+ci+G(ci)/g(ci)-vi]。即wi(ci)=η(ci)[vi+bi(ci)]+ф(ci)[c+ci+G(ci)/g(ci)-vi]-ci。
对渠道i,此时仓库的期望收益可重新表示为:
可得出信息非对称下,原收益共享机制不能使供应链达到协调。这时,可通过适当降低军工企业的批发价格,使。这样,式(11)、(12)变为πr(q*aic(ci))=ф(ci)π(q*aic(ci),ci),πs(q*aic(ci))=(1-ф(ci))π(q*aic(ci),ci)。
式(11)中,π[q*aic(ci),ci]为信息非对称下军事供应链系统渠道i的最优期望收益。ф(ci)为仓库i的期望收益占军事供应链系统渠道i期望收益的比例。解式(9)、(10)、(11)、(12)四个方程,可得信息非对称下军事供应链系统渠道i的最优收益共享机制:(ф*a(ci),η*a(ci),w*ai(ci),b*ai(ci),q*ai(ci))。其中:,整个供应链的订货量为。
推论1若军工企业提供给每个仓库的机制为(ф(ci),η(ci),w'(ci),b(ci),q(ci)),且满足,使得πr(q)=фπ(q),πs(q)=(1-ф)π(q),则整个供应链也能达到协调。
证明:仓库总的期望收益为,
整个军事供应链系统的期望收益为:
若满足ф(c1)=ф(c2)=…=ф(cn)=ф,η(c1)=η(c2)=…=η(cn)=η时,有πr(q*)=ф[π(q*ac(c1))+π(q*ac(c2))+…+π(q*ac(cn))=фπ(q*)]。
说明仓库总的期望收益占军事供应链系统总期望收益的比例为ф,军事供应链可以实现协调。
1.3 参数比较
1.3.1 军事供应链系统渠道i的最优订购量
①信息非对称下,军事供应链渠道i的最优订购量为:
②信息对称下,军事供应链渠道i的最优订购量为。
由F(xi)的递增性可知,q*ari(ci)<q*ri(ci),即信息对称下军事供应链渠道i的最优订购量大于信息非对称下的最优订购量,并随着仓库i订购成本的增加而递减。
1.3.2 军事供应链渠道i的最优期望收益
①信息非对称下,军事供应链渠道i的最优期望为:
②信息对称下,军事供应链渠道i的最优期望为:
相关文献已证明信息对称下收益共享机制是能够实现军事供应链协调的,但在信息非对称情形下,仓库i分散决策时最优订购量小于集中决策下的最优订购量,使得军事供应链系统渠道i总收益减少,信息非对称结构导致了供应链的低效率,可在原收益共享机制的基础上,适当降低批发价,加大仓库i的订购量,使军事供应链重新协调。
1.3.3 仓库i的最优期望收益
①信息非对称下,仓库i最优期望收益为:
②信息对称下,仓库最优期望收益为:
所以,信息非对称下的仓库i最优期望收益总是高于信息对称下的最优期望收益,其收益差额为,可理解为仓库i因拥有私有信息所获得的收益增加量。
1.3.4 军工企业从军事供应链渠道获得的最优期望收益
信息非对称下军工企业从军事供应链渠道i获得的最优期望收益总是低于信息对称情况的收益,其收益差用来识别仓库i私有成本信息而支付的费用,而理性的仓库i可通过适当降低自己的收入分配比例来弥补军工企业收益的减少。
2 结论
当领导方军工企业享有收益共享比例、收入共享比例、批发价格和回收价格的确定权,但却无法详细准确知道仓库确切的订购成本信息,跟随者仓库隐匿订购边际成本信息,但享有订购量决定权,这时设计一个收益共享激励机制,寻求仓库订购边际成本信息非对称情形下的军事供应链合作和协调问题,并与信息对称情况下相比较。结果发现,一个有效的收益共享机制可以用来激励仓库传递真实的信息,但需要军工企业付出一定代价去甄别仓库不可观测的私有成本信息,来削弱其给供应链带来的不利影响,将导致军工企业自身收益下降,仓库收益提高,供应链的整体收益也将增加,双方再次达到合作和协调。
参考文献
[1]徐晓燕,吴三平.生产成本信息不对称的两级供应链协调研究[J].系统工程学报,2009,24(1):18-24.
[2]邱若臻,黄小原.非对称信息条件下供应链收入共享契约协调[J].东北大学学报:自然科学版,2007,28(8):1205-1208.
[3]覃艳华,曹细玉,宋璐君.突发事件下需求信息不对称时的供应链协调应对[J].运筹与管理,2012,21(4):59-64.
[4]覃艳华,曹细玉,阮平,宋巧娜.突发事件下生产成本信息不对称时的供应链协调应对[J].华中师范大学学报:自然科学版,2013,47(2):259-264.
[5]王新辉,汪贤裕,苏应生.双边成本信息的供应链协调机制[J].管理工程学报,2013,27(4):196-204.
[6]储熠彬,江志彬,耿娜,蒋龙珠.信息不对称下多参与者的二级供应链协作机制[J].工业工程与管理,2012,17(4):31-37.
非对称GARCH模型 第5篇
随着我国经济进入新常态,经济内部结构和经济发展方式都在发生重大变化。2014年,我国进出口总额同比增长仅有2. 3% ,远低于年初设定的7. 5% 计划目标。在新常态下,究竟要不要通过人民币贬值来刺激出口和经济增长成为学界近期争论的焦点,同时也是决策部门关注的问题。准确判断人民币汇率波动对中国经济的影响,不仅能够加深学术界对我国宏观经济运行的理论认识, 而且有助于决策部门在新常态下正确判断当前形势,科学决策。
要明晰人民币贬值对经济增长的影响,归根到底要厘清人民币汇率与我国宏观经济之间的内在关系。自2005年 “7. 21”汇改至今,人民币汇率小步快走,累计升值幅度超过30% 。因此,我国学术界长期以来重点关注的是人民币升值是否会给我国经济增长带来负面影响。关于这一问题的研究汗牛充栋,但结论却大相径庭。卢万青和陈建梁( 2007) 的研究表明,人民币汇率在一定范围内的升值,对我国经济增长会产生较小的负面影响,但如果人民币汇率大幅波动,则会对我国经济增长产生大的影响。Saonctemla ( 2008) 的研究结论也证实,人民币升值确实能够降低进出口水平,不利于经济增长。但是,也有研究结论显示, 人民币升值对我国经济的影响只是短期的,从长期来看我国经济增长并不会受到冲击。例如,何新华等人( 2003) 利用结构型宏观经济季度模型进行的模拟分析表明,人民币升值带来的大的负面影响仅发生在最初一两年内,即使人民币升值15% ,从长期看也不会对中国宏观经济运行产生严重危害; 王曦和冯文光( 2009) 的研究结论甚至表明,人民币升值在短期内确实会降低总产出,但长期内则略为有助于产出增长,并且这种影响具有长期性和持久性。
上述研究结论之所以存在如此大的差异,主要有两个层面的原因: 一是方法论层面,即由计量技术不同选择导致研究结论的不稳健。目前,学界主要采用三类方法对人民币升值的宏观影响进行研究。第一类是最小二乘法,包括普通最小二乘法、两阶段最小二乘法等,如Mustafa ( 2000) 、卢万青和陈建梁( 2007) 等; 第二类是基于可计量的一般均衡模型( CGE) 进行模拟测算,如何新华等人( 2003) ; 第三类是应用VAR族模型进行时间序列分析,如徐小君和陈学彬( 2014) 。二是数据选取不同导致结论不稳健。有的研究选择有效汇率作为解释变量或内生变量( 李建伟和余明, 2003) ,而有的研究则利用实际汇率进行研究( 金雪军和王义中,2008) 。
本文认为,应用VAR模型研究人民币汇率波动对中国经济增长的影响有其他方法不可比拟的优势。其一,宏观经济是个复杂的动态系统,结构方程很难完整刻画变量之间的因果关系,而利用VAR模型则是从整体考虑,不需要设置先验的因果性; 其二,VAR模型的估计思路相对简单,需要引入的变量也较少,能够规避CGE等模型因方程过多而可能存在的 “无效复杂” 问题; 其三, VAR模型不仅能对影响的方向进行判断,同时还能利用脉冲响应方程等方法,相对简洁地刻画出该影响的时间路径。基于上述原因,本文选择应用VAR模型来研究人民币汇率波动对中国经济增长的影响。
此外,此前的学术研究主要集中在人民币升值对经济增长的影响,而没有足够重视现实中广泛存在的非对称性,因此应该谨慎对待升值背景下的研究对当前所面临问题的借鉴意义。本文对人民币升值和贬值的影响分别进行了研究,结论表明,人民币汇率波动对中国经济增长的影响具有显著的非对称性,且利用不同的名义汇率进行稳健性检验时,结论有较大差异。结论的不稳健性意味着决策部门要慎重评估贬值的刺激效果。
二、理论分析及模型构建
( 一) 人民币汇率波动影响经济增长的理论路径
根据凯恩斯的宏观经济理论,一国总产出Y = C + I + G + X - M,其中C、I、G、X、M分别代表消费、投资、政府支出、出口和进口。人民币汇率波动虽然不直接对经济增长产生影响,但是会通过经济变量之间的相互作用对经济增长产生复杂的影响,主要包括乘数效应和反馈效应: 汇率变动会通过影响消费、投资、进出口等引发国内生产总值的初始变动,国内生产总值的初始变动会影响消费和进口,消费和进口通过乘数效应的作用来引起国内生产总值的进一步变动; 而且国内生产总值的初始变动会影响进口,进口的变动影响到汇率,汇率变动又会引起国内生产总值的进一步变动( 卢万青和陈建梁,2007) 。
本文主要分析人民币汇率变动通过影响进出口的途径对经济增长产生的影响。人民币升值时, 不利于出口而利于进口,导致中国净出口减少,进而导致国内生产总值减少; 人民币贬值时,不利于进口而利于出口,导致中国净出口的增加,进而导致国内生产总值增加。马歇尔- 勒纳条件进一步表明,只有在进出口商品的需求弹性滞后大于1时,汇率贬值才能改善一国的贸易收支情况,升值的情况与之类似。考虑到汇率波动还会通过影响消费、投资等渠道对经济增长产生影响,本文将汇率波动对消费的影响、对外商直接投资的影响作为控制变量加入到模型中。
( 二) 人民币汇率波动影响经济增长的VAR模型构建
1. 计量模型设定
对于k个变量,p阶向量自回归模型VAR( p) 为:
式中:
Γi和H矩阵为含有待估计系数的矩阵,ut为k维不可观测的结构信息,yt为k维内生变量列向量, xt为d维外生变量列向量。
2. 变量选取
本文主要分析人民币汇率变动通过影响进出口的途径对经济增长产生的影响。考虑到研究范围为2005年汇改至今,若采用年度数据或季度数据样本量太小,故本文选择月度数据进行研究。一般而言,描述经济增长的指标应数国内生产总值( GDP) 最为合适,但目前国内并未公布GDP月度数据。本文借鉴刘亚等( 2008) 和陈安( 2012) 的做法,以工业增加值增加速度( Y) 作为GDP的代理变量,对经济增长进行描述。同时,本文还将汇率波动对消费的影响、对外商直接投资的影响作为控制变量加入到模型中,最终选取的指标有: 工业增加值增加速度( Y) 、汇率( E) 、进口( M) 、出口( X) 、价格指数( CPI) 和外商直接投资( FDI) 。其中,内生变量包括工业增加值增加速度( Y) 、汇率( E) 、进口( M) 和出口( X) , 其余均为外生变量。
为了检验人民币汇率波动对经济增长的影响是否具有非对称性,本文参考白钦先和张志文( 2011) 的研究思路,通过设置虚拟变量对汇率的升值和贬值两种情况下的影响分别进行实证分析。
( d NEER表示对人民币名义有效汇率进行一阶差分)
3. 数据来源
汇率( E) 首先采用国际清算银行( Bank of International Settlements,BIS) 发布的人民币名义有效汇率( NEER) ,该指标是间接标价法的数据, 计算公式如下:
其中,Ri代表i国货币对人民币的名义汇率, Rbi代表i国货币对人民币的基期名义汇率,Wi代表i国在人民币有效汇率中的权重。NEER数值增加表示人民币升值,反之则表示人民币贬值。出于稳健性的考虑,同时为了验证不同形式的汇率波动对宏观经济的影响,本文还分别将人民币兑美元、 人民币兑欧元和人民币兑日元三组实际汇率代入计量模型检验。消费者价格指数( CPI) 、进口( M) 、出口( X) 、外商直接投资( FDI) 、工业增加值增加速度( Y) 的数据均来源于国泰安中国宏观经济研究数据库。由于采用的是月度数据,本文对进口、出口、外商直接投资等绝对数的数据进行了X - 11季节调整。
为了避免2005年7月21日实行的汇率改革对人民币汇率的影响,本文选择2005年7月21日之后的数据进行实证研究,样本区间为2005年7月至2014年12月,样本数为114。
三、实证分析
( 一) 平稳性检验
1. 单位根检验
为避免出现 “伪回归”,在对模型进行参数估计之前需要对原变量序列进行单位根检验,以判断序列的平稳性,结果见表1。
注: 检验形式( c,t,k) 中,c表示常数项,t表示趋势项,k表示滞后阶数。
由表1可以看出VAR模型中变量序列Y、M、 X、NEER、CPI、FDI均为非平稳序列,但是经过一阶差分后均为平稳序列,即I ( 1) 。
2. 协整检验
当分析的时间序列变量均为1阶单整时,可以进行协整分析,即检验这几个非平稳变量的线性组合是否为平稳序列。如果非平稳序列的线性组合为平稳变量,则这些变量之间存在长期均衡关系。在对多个变量协整关系进行分析时,选用Jo- hansen协整检验方法,检验结果见表2。
由表2可以看出,VAR模型中的六个变量之间存在一个协整关系,即变量之间存在长期均衡关系。
( 二) VAR模型的参数估计
1. 模型稳定性检验
如果被估计模型所有特征多项式根的倒数均小于1,即位于单位圆内,则其是稳定的。如果模型不稳定,某些结果将不是有效的( 如脉冲响应函数的标准误差) 。由图1可知,模型所有特征多项式根的倒数值均位于单位圆内,因此模型是稳定的。
2. 滞后阶数的确定
在对VAR模型进行参数估计之前,首先需要确定模型的滞后阶数。根据AIC和SC最小准则, 滞后阶数应为1,故1阶向量自回归模型VAR ( 1) 的形式为:
3. 参数估计
本文对人民币升值和贬值分别设置了虚拟变量D1和D2,并分别将D* NEER ( - 1) 项作为解释变量的一部分置于模型右侧,得到的参数估计结果如表3所示。
从表3可以看出,VAR模型整体拟合效果良好,模型对数据的拟合度高达86% 以上,可以继续对VAR模型进行脉冲响应分析和方差分解。同时,从回归系数可以看出两点: 第一,有效汇率与经济增长呈反方向变动,也就是升值确实会抑制经济增长; 第二,在升值和贬值两种状态下,有效汇率升值对经济的绝对影响要大于贬值对经济的绝对影响。也就是说,人民币有效汇率增加1个单位对经济的抑制作用要大于有效汇率贬值一个单位对经济的促进作用。
( 三) 脉冲响应函数分析与方差分解
1. 脉冲响应函数分析
VAR模型的参数估计结果只是反映了一个局部的动态关系,并不能捕捉全面复杂的动态关系, 故还需通过VAR模型的脉冲响应函数全面分析各个变量之间的动态关系。
本文主要关注的是经济增长( Y) 、进口( M ) 、 出口( X )三个变量对人民币汇率( NEER )变动的响应过程。 对人民币汇率( NEER) 实施一个正向的冲击,得到其余三个变量对汇率的响应表,如表4所示。
由表4知,人民币升值1% 时,( 1) 第一个月即会引起经济增长减缓0. 074% ,此后使得经济增长持续减缓,到三年后( 即36个月后) 累积引起经济增长减缓2. 177% ; ( 2) 会引起出口减少,到三年后对出口的抑制作用约为10. 047% ;( 3) 使第一个月会进口增加0. 008% ,此后使进口持续增加,但对进口的促进作用显著低于对出口的抑制作用。综合来看,人民币升值对中国的净出口产生负面影响,阻碍经济增长。
人民币贬值1% 时,( 1) 第一个月将引起经济增长增加0. 079% ,此后的时期也将对经济增长产生持续的促进作用,到三年后,累积对经济增长产生3. 283% 的促进作用; ( 2) 使本国的商品在国际市场上变得相对便宜,对出口产生较强的推动作用,三年后累积产生13. 56% 的促进作用; ( 3) 对进口的影响很小,三年后仅对进口产生1. 27% 的抑制作用。故人民币贬值可以在一定程度上拉动中国经济增长。
通过对表4中人民币升值和贬值的数据进行对比可以发现,人民币升值和贬值对经济增长的作用存在明显的非对称效应。
2. 方差分解
一般而言,脉冲响应函数捕捉的是一个变量的冲击对另一个变量的动态影响路径,而方差分解可以将VAR模型系统内一个变量的方差分解到各个扰动项上。因此,方差分解提供了关于每个扰动项因素影响VAR模型内各个变量的相对程度。 对VAR模型中描述经济增长的变量Y进行方差分解,结果如图2所示。图中纵轴表示其他变量对Y的相对影响程度,即贡献率; 横轴表示滞后期间数( 单位: 月度) 。
由图2可以看出,经济增长的惯性具有最多的解释力,只不过随着期间的增加,Y对自身方差的贡献率逐渐减小,到三年后的贡献率约为75% ; 进口对经济增长波动的贡献率不大,始终在10% 附近波动; 而出口对经济增长波动的贡献率随着期间的增长在逐渐增加,三年后这一比率接近20% ,这也进一步验证了人民币汇率波动影响经济增长主要是通过影响出口的方式来实现的。
( 四) 稳健性检验
除了应用实际有效汇率,本文还采用美元、欧元、日元三种货币对人民币的直接标价法汇率对 “人民币汇率波动对经济增长的影响存在非对称效应”这一结论进行了验证,结果见图3 ( 美元) 、 图4 ( 欧元) 、图5 ( 日元) 。图中左侧表示人民币升值的情况,右侧表示人民币贬值的情况。
观察图3 - 图5不难发现,采用人民币对美元、欧元、日元直接标价法下的汇率进行分析时, 人民币汇率波动对经济增长的影响依然存在非对称性,而且贬值带来的影响在绝对量上要小于升值对经济的影响。
四、结论
本文分别从人民币升值和贬值的角度就汇率波动对经济增长的影响进行了分析,结果表明人民币升值和贬值对经济增长的作用存在明显的非对称效应。从有效汇率的角度来看,脉冲响应函数分析的结果表明,人民币贬值对经济总量增长的影响均高于人民币升值带来的影响。然而,在采用美元、欧元、日元对人民币的直接标价法汇率对 “人民币汇率波动对经济增长的影响存在非对称效应”这一结论进行稳健性检验时发现,虽然人民币汇率波动对经济增长的影响确实存在非对称性, 但是采用不同货币直接标价法表示下的汇率数据时,人民币汇率波动对经济增长的影响略有不同, 且均表现出贬值的效果要弱于升值。
上述研究结论表明,如果仅仅实施让人民币名义汇率贬值的措施,那么贬值效果带来的经济刺激作用并不是升值的 “相反数”,其实际效果会比预期效果更弱。同时,贬值还会带来一系列的风险,如诱发资本外逃。因此,在我国经济进入新常态的背景下,决策部门要慎重考虑通过贬值来刺激出口和经济增长的政策取向。
摘要：本文采用向量自回归方法 (VAR),从人民币升值和贬值两个角度就汇率波动对经济增长的影响进行了分析,结果表明人民币有效汇率波动对经济增长具有显著非对称性影响,升值对经济的抑制作用要弱于贬值的促进作用。但是,利用直接标价法下美元、欧元和日元对人民币的实际汇率进行稳健性检验时发现结论有较大差异,且都显示贬值的绝对影响大于升值的影响。结论的不稳健性意味着新常态下决策部门不宜高估贬值的刺激效果。
关键词：人民币汇率,经济增长,非对称效应
参考文献
[1]白钦先,张志文.人民币汇率变动对CPI通胀的传递效应研究[J].国际金融研究,2011(12):38-46.
[2]卢万青,陈建梁.人民币汇率变动对我国经济增长影响的实证研究[J].金融研究,2007(2):26-36.
[3]Saonctemla J.Effect on China's Trade of RMB Exchange Rate[J].Journal of International Economics,2008(5):45-56.
[4]何新华,吴海英,刘仕国.人民币汇率调整对中国宏观经济的影响[J].世界经济,2003(11):13-20.
[5]王曦,冯文光.人民币升值的宏观经济影响[J].统计研究,2009(6):3-12.
[6]Mustafa A.Devaluation in Developing Countries:Expansionary Or Contractionary Journal of Economic and Social Research,2000(1):59-83.
[7]徐小君,陈学彬.人民币汇率变化与中国经济波动:加速效应还是稳定机制?[J].国际金融研究,2014(12):77-85.
[8]李建伟,余明.人民币有效汇率的波动及其对中国经济增长的影响[J].世界经济,2003(11):21-34.
[9]金雪军,王义中.理解人民币汇率的均衡、失调、波动与调整[J].经济研究,2008(1):46-59.
非对称GARCH模型
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
