論文：人民幣匯率非線性問題的重新研究

目錄/提綱：……
一、引言
二、文獻綜述
（一）匯率調整的非線性STAR模型文獻
（二）非線性建模中的異常值問題以及殘差t分布問題
（三）國內的研究簡況
三、模型與數據說明
（一）STAR模型的建立與檢驗程序:
（二）數據來源
四、實證分析
（一）數據未排除異常值時的實證結果
（二）排除異常值之后的樣本數據的重新檢驗
（三）基于殘差t分布的假設的模型再估計
五、結論
……
人民幣匯率非線性問題的重新研究
——基于數據異常值和殘差非正態(tài)分布估計的分析

摘 要：非線性計量研究中Sarantis曾經指出過，非線性是經濟現象本身的所內蘊的還是樣本數據的異常值所導致的這一值得注意的重要問題，而且，更值得注意的是，匯率波動數據所具有厚尾特征使其計量模型有可能更適配于殘差非正態(tài)分布而不是殘差正態(tài)分布的設定來進行估計。對于上述問題，盡管國內目前利用非線性模型進行經濟分析的文獻逐漸增多，但卻極少有文獻研究過甚至是注意到過。有鑒于此，本文以STAR模型為例，針對人民幣匯率非線性問題重新進行了研究，結果發(fā)現，人民幣實際有效匯率未排除異常值時，具有明顯的非線性特征，而排除異常值后的數據雖然仍然具有一定的非線性特征，但其其平滑轉換特征有所減緩而更具有門限模型的快速調整特征。此外，與殘差正態(tài)分布設定的模型估計情況比較起來，殘差t分布非線性模型估計的預測績效更好一些，這一研究結果對國內非線性計量經濟學研究的深入與細化可能具有一點啟發(fā)意義。
關鍵詞：實際有效匯率、非線性、平滑轉換自回歸（STAR）模型、異常值、殘差t分布

一、引言
盡管目前國內利用非線性模型進行經濟分析的文獻逐漸在增多，但卻很少有文獻注意到Sarantis曾經指出的，模型呈現出非線性特征是經濟現象本身的所內蘊的還是樣本數據的異常值所引發(fā)的這一重要問題，而且，更值得注意的是，大多文獻都是直接基于殘差正態(tài)分布的設定進行模型估計，而未能考慮到匯率波動模型的殘差具有厚尾特征從而有可能更適應殘差非
……（新文秘網http://120pk.cn省略1052字，正式會員可完整閱讀）……　

此外，Michael et al（1997）的實證結果還顯示實質匯率偏離 PPP 的現象呈現非線性調整走勢，認為這有可能是市場上存在著交易成本所造成的現象，而實質匯率偏離 PPP 的調整在交易成本內呈現單位根的走勢，但是當偏離程度超過交易成本時，呈現回復均值的現象（meanreversion）。同樣地，Chen and Wu（2000）也應用 STAR 模型分析臺灣、日本、美國之間實質匯率偏離購買力平價說的非線性調整行為，得出與 Michael et al.（1997）類似的結論。
Sarantis（1999）應用 STAR模型分析十個主要工業(yè)國家的實質有效匯率的動態(tài)走勢，分析的期間為 1980 年至 1990 年，實證結果顯示有八個國家的實質有效匯率呈現非線性走勢，而其中法國、比利時、德國為羅吉斯平滑轉換形式，而其它五個國家，加拿大、意大利、日本、英國和美國則為指數平滑轉換形式，而瑞士和荷蘭則無法拒絕線性的虛無假設，且由所估計的調整速度得知實質有效匯率在不同區(qū)域的轉換速度非常緩慢。
Ahmad Zubaidi等(2006)比較了STAR模型與傳統的線性自回歸( AR )與簡單隨機游走模型的預測能力。通過利用六個東亞國家對日圓匯率季度數據，發(fā)現實際有效匯率存在STAR模型形式的非線性回歸，且結果表明STAR模型優(yōu)于AR模型的預測能力。
Peel & Venetis(2005)的研究發(fā)現，在探討實際匯率向長期均衡調整問題上，ESTAR 模型成功地提供匯率快速調整的證據，但其理論基礎則受到限制（例如不能應用于適應性預期理論）。
Liew(2004)在 研究匯 率的 非 線性動 態(tài) 調 整至均 衡 的過 程是 否具有對稱性的研究中發(fā)現，印度尼西亞、菲律賓、新加坡及泰國的四國（對美元）實際匯率皆呈非線性的 LSTAR 模型，這實際上意味著表示這些國家的實際匯率在升貶值時均呈不對稱反應。
（二）非線性建模中的異常值問題以及殘差t分布問題
特別值得注意的是，Sarantis (1999)認為，匯率呈現非線性走勢的原因可能是源于數據異常值的結果，或者說，這種非線性其實質是由數據的異常值造成的。這意味著如果將樣本異常值排除，則匯率將可能并不再具有非線性特性。中國臺灣的鐘明宏 (2001)基于Sarantis的想法探討了亞太地區(qū)國家排除異常值后的實際匯率是否仍具非線性走勢，但無論是Sarantis還是鐘明宏針對異常值排除后研究樣本所做的估計發(fā)現，除了少數國家不能以非線性模型解釋之外，其余仍然是呈現非線性特性之走勢。但這兩篇文獻并未就未排除異常值的樣本資料進行估計和比較。
至于殘差的非正態(tài)假設，許多實證結果顯示匯率報酬率分配呈現偏態(tài)與高峰態(tài)的現象，與一般研究中所設定的正態(tài)分布并不相符。例如，臺灣的王兆佑 (1999)就曾經以十種模型來探討臺幣匯率究竟是屬于何種分配型態(tài)。實證結果說明臺幣兌美元的周報酬率最符合 t分布模型，但仍存在偏態(tài)與高峰態(tài)現象。
臺灣的李季原（2004）則上述研究的基礎上不僅深入地比較研究了排除異常值與未排除異常值匯率樣本的非線性問題，且同時對模型的殘差t分布設定也就行了估計，并與殘差正態(tài)分布時模型的估計情況進行了比較分析，其工作有相當的啟發(fā)性[ 本文的研究思路也正是在很大程度上參考了李季原的研究思路。]。
（三）國內的研究簡況
至于國內的文獻，盡管張弢等（2002）、謝赤等（2005）、劉潭秋（2007）、王璐（2007）、張衛(wèi)平（2007）、劉柏等（2008）采用STAR模型對人民幣實際有效匯率的非線性行為進行實證分析，但不難發(fā)現，尚未有任何文獻針對Sarantis (1999)提出的重要推測利用人民幣匯率數據進行過驗證。而且，更值得注意的是，大多文獻都是直接將模型的殘差設定為正態(tài)分布直接估計，更沒有任何文獻考慮到匯率波動的殘差有可能并不服從正態(tài)分布而是具有厚尾特征（服從其它類型的分布）等現象。而這些問題，正是本文研究的切入點。

三、模型與數據說明
（一）STAR模型的建立與檢驗程序:
平滑轉換自回歸（smooth transition autoregressive model）STAR模型設定如下：

其中，，。是反映模型的轉換性特征的函數，介于0和1之間。
第一種轉換函數為logistic函數：，，稱為LSTAR模型。第二種轉換函數是指數函數：，則稱為ESTAR模型。
這兩個模型隱含著在實際有效匯率的運行或調整中有兩個明顯不同的狀態(tài)，LSTAR及ESTAR這兩個模型分別描述兩種不同類型（不對稱以及對稱）兩種動態(tài)平滑轉換匯率行為。
STAR模型的設定包括以下三個步驟[ Granger,C.W.J、Teräsvira,T. 著，朱保華等譯：《非線性經濟的建�！�，上海財經大學出版社，2006年6月。]：
⑴確定線性AR模型，估計在不同order之下AR模型，并決定出系數。
⑵依據延遲參數d的不同展開線性檢驗，拒絕線性假設的同時，也確定d的值。
⑶利用嵌套假設的序貫檢驗選擇LSTAR模型或ESTAR模型。
首先，要決定lag參數，先估計一階自回歸模型AR（i），求算AIC及SBC，選擇最小的AIC及SBC自回歸模型。Teräsvira（1994）提出了一個普通的可以檢驗非線性行為的框架構想，這個檢驗是基于普通STAR模型的泰勒級數展開式而進行的。對于LSTAR模型， ……（未完，全文共12423字，當前僅顯示2955字，請閱讀下面提示信息。收藏《論文：人民幣匯率非線性問題的重新研究》）