人民币对美元日汇率决定模型研究

收稿日期：2014－06－21

基金项目：本文获得教育部人文社会科学研究青年基金项目（编号：10YJC790088）“人民币汇

率的决定模型及变化趋势研究”和外交学院中央高校基本科研业务费专项资金科

研创新重点项目（编号：3162013ZYKB04）“电子货币虚拟货币理论前沿问题研究”

的资助。

作者简介：胡再勇（1976－），男，湖北浠水人，外交学院国际经济学院副教授，经济学博士。

上海金融学院学报Journal of Shanghai Finance University 2014年第4期

总第124期No．4,2014

Apr No．124

人民币对美元日汇率决定模型研究

摘要：基于汇率决定理论的最新研究进展，本文分析了人民币对美元日汇率的影响因素。研究发现，宏观经济新闻、外汇市场微观因素买卖价差是人民币对美元日汇率的重要影响因素，而中美相对利率并不是人民币对美元日汇率的影响因素。进一步，本文将随机游走模型、新闻变量以及外汇市场微观因素结合起来，构建了人民币对美元日汇率决定理论模型。实证研究发现，人民币对美元日汇率由自身滞后值、中国经济活动方面的新闻和零售市场买卖价差决定。

关键词：人民币；美元；汇率；随机游走模型

中图分类号：F832．6文献标识码：A 文章编号：1673－680X （2014）04－0005－17

胡再勇

（外交学院，北京100037）

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!一、引言

2005年7月汇改后，我国开始实行以市场供求为基础的、参考一篮子货币调节的有管理的浮动汇率制度，人民币对美元汇率一改汇改前在狭窄区间内盯住美元的变化态势，转而呈现波动中快速升值趋势。①人民币汇率波动幅度增加，重新引起业界学界探索人民币汇率短期决定模型的兴趣。目前关于人民币汇率短期决定模型的研究还处于起步阶段，对人民币汇率短期决定模型的研究主要基于微观市场结构理论，如陈浪南、林伟斌和欧阳永卫（2007）构建了一个央行频繁干预情形下的人民币汇率决定的市场微观结构理论模型，但该理论模型由于数据缺乏难以实证研究，模型的解释能力难以判断。王雅杰、陈立国和曹道胜（2009）基于Evans ＆Lyons （2002）的微观外汇市场结构模型，构建了人民币汇率决定的订单流模型，但研究结果表明订单流对人民币汇

DOI:10.13230/https://www.360docs.net/doc/ec11254311.html,ki.jrsh.2014.04.001

人民币对美元日汇率决定模型研究

率的解释能力不强，作者认为我国目前已经具备了微观汇率决定理论的部分基础条件。但是我国外汇市场市场机制完善程度较低，这是制约定单流功能发挥的重要原因，对人民币汇率短期决定理论模型仍需进一步深入研究。

2010年6月19日二次汇改进一步增加人民币汇率弹性后，人民币对美元汇率呈现双向非对称性波动特征（胡再勇，2013a），尤其是2011年第三季度以来，央行大大降低了对外汇市场的干预水平②。2012年7月25日，IMF在其年度评估中认为人民币相对一篮子货币“Moderately Undervalued”，相对以前认为人民币“严重低估”出现了重大变化，显示人民币已接近基本均衡水平。③央行大幅度减少干预，人民币接近基本均衡水平意味着人民币对美元汇率双向波动特征将更趋明显，人民币对美元汇率将更加难以预测。因此，研究二次汇改以来的人民币对美元汇率短期决定模型，无疑具有重要的理论意义和实际应用价值。首先，借鉴西方汇率决定理论最新研究成果，构建具有中国特色的人民币汇率短期决定模型，是对现有文献的补充和创新，极富理论价值。其次，研究人民币对美元汇率的短期决定模型，可以使人民币汇率的调整有路径可以遵循，从而可以主动积极地调整人民币汇率以应对实际经济情况的变化，具有重要的实际应用价值。第三，研究人民币汇率的短期决定模型，对我国的一些政府机构和企业而言，也具有重要的实际应用价值，金融机构和企业可以更好地对相关外汇产品进行定价和交易。

本文的目的是构建人民币对美元日汇率的短期决定模型，研究思路是基于西方汇率决定理论的最新研究进展探讨人民币对美元日汇率的短期影响因素，进而构建人民币对美元日汇率决定理论模型，然后进行实证研究，以得到人民币对美元日汇率短期决定模型，最后对建立的人民币对美元日汇率决定模型进行预测分析，以评价其在样本内外的预测效果。

二、文献回顾

由于传统的基于宏观经济基础变量的汇率决定模型，如资产市场说、利率平价理论、购买力平价理论等的解释能力十分低下④，尤其对短期内的汇率变化，预测能力甚至连简单的随机游走模型都不如（Meese＆Rogoff，1983），一些经济学家对此进行反思，并形成了两个发展方向，一是构建新的汇率决定理论来解释汇率的变动，形成了现代汇率决定理论体系，如新闻模型（Mussa，1979）、投机泡沫理论（Blanchard，1979；Dornbusch，1982）、微观基础的汇率宏观经济分析方法（Obstfeld＆Rogoff，1995）、汇率决定的微观结构理论（Evans＆Lyons，2002；Lyons，2001；Evans，2001）和汇率决定的混沌分析方法（De Grauwe＆Dewachter，1992，1993）；二是放松传统汇率决定模型中的理性预期假设，以改进传统汇率决定模型的预测效果，形成了替罪羊理论（Bacchetta＆Wincoop（2004，2011，2013）、学习和模型误设（Lewis＆Markiewicz，2009）、异质混合预期（De Grauwe＆Grimaldi，2006；Manzan＆Westerhoff，2007；Yutaka，2013）等假说。

人民币对美元日汇率决定模型研究

Mussa（1979）的新闻模型以及Blanchard（1979）和Dornbusch（1982）的投机泡沫理论是现代汇率决定理论的起点，对新闻模型和投机泡沫理论的研究表明新闻效应和投机泡沫的存在，但这些模型只能有限地解释短期汇率的变动，仍然不能让人满意。20世纪90年代后，传统的汇率决定模型中被作为假设前提或被认为是不重要的细节而忽略的方面逐渐进入研究的视野，形成了三个重要的新的发展方向：一是微观基础的汇率宏观经济分析方法。该方法的基础是Obstfeld＆Rogoff（1995）提出的跨时均衡分析的Redux模型，Redux模型是建立在价格事先确定、完全预期基础上的，是研究汇率决定的两国动态的一般均衡模型。Obstfeld＆Rogoff的目的是建立能够用于国际开放宏观经济学分析的一个新的工作母机模型（workhorse model）（胡再勇，2004），自该模型提出以来，基于该模型的研究层出不穷。如Devereux＆Engel（1999）进一步加入市场定价因素后分析了货币冲击对汇率变动的影响，Corsetti＆Pesenti（1998）在假定国内外商品之间单位替代弹性的基础上，研究了货币冲击对汇率的影响。二是汇率决定的微观结构理论。该理论认为汇率的决定主要不是宏观经济因素，而是私人信息或外汇市场特征等微观因素，利用外汇市场微观因素来研究和解释汇率的理论就是汇率的微观结构理论，以Evans＆Lyons（1999，2002）、Lyons（2001）、Evans（2001）等为代表。Evans（2001）以及Evans＆Lyons（2002）发现汇集了各个交易者私有信息的订单流与对汇率波动几乎没有解释力度的宏观经济指标相比，能够很好地说明国际金融市场上主要外汇的走势。Evans （2001）研究得出即使仅利用近年外汇交易中较小部分的订单流数据，也可以解释40～70％的汇率波动。三是汇率决定的混沌分析方法。该理论的提出者是De Grauwe＆Dewachter（1992，1993），目前还处于初级阶段，对汇率变动的混沌现象仍有待进一步研究，对汇率决定的混沌理论仍有待进一步发展。

进入21世纪以来，一些学者在Meese＆Rogoff（1983）的基础上基于最新的数据对传统汇率决定模型的预测表现重新进行了考察。Cheung，Chinn＆Pascual（2005）考察了20世纪90年代的基于传统宏观经济变量的汇率决定模型的预测表现，发现没有一种模型的预测表现持续好于随机游走模型，但研究也发现，如果调整预测区间，部分结构模型的预测表现在统计上显著好于随机游走模型。Rossi（2006）、Sarno＆Valente（2009）、Lewis＆Markiewicz（2009）的研究也表明传统汇率决定模型的预测效果取决于所选择的货币以及预测区间。新的研究结果促使人们反思传统宏观汇率决定模型预测效果不理想的原因，一些学者放松传统汇率决定模型理性预期的前提假设，认为外汇市场交易者存在预期异质性，是有限理性（Bounded Rationality）的，基于有限理性假设，一些研究者先后提出了替罪羊理论（Scapegoat Theory）（Bacchetta＆Wincoop，2004，2006，2009，2011，2013；Branch＆Evans，2005）、学习和模型误设假设（Lewis＆Markiewicz，2009；Markiewcz，2010）和异质混合预期（De Grauwe＆Grimaldi，2006；Manzan＆

Westerhoff ，2007）来解释汇率与基本面的“脱节之谜”（Disconnect Puzzle ）。总体上来看，新的理论在解释汇率的短期“偏离之谜”上取得了一定进展。

三、人民币汇率短期影响因素分析

本文构建人民币对美元日汇率的短期决定模型，需要从日频率数据的角度分析影响人民币对美元日汇率的因素。从理论上来说，相对利率、央行外汇市场干预、宏观经济新闻、外汇市场微观因素（订单流和买卖价差）可能是影响日汇率的重要因素。需要说明的是，央行在外汇市场干预一般是熨平汇率的波动，有时其目的是影响中心平价，央行干预会对汇率短期波动产生重要影响。由于缺乏公开的央行在外汇市场操作的数据，因此，通常是结合汇率波动和外汇储备的变动来构造央行在外汇市场的干预指标，考虑到外汇储备通常只有月度数据，这样得到的央行干预指标也只有月度数据，难以用于人民币对美元日汇率变化的研究，因此，本文在构建人民币对美元日汇率决定模型时不考虑央行在外汇市场上的干预。

（一）相对利率

根据利率平价理论，汇率和利率之间的关系通过金融市场上的套利行为决定。因此，考虑用中美间的利率差分析其对人民币汇率的影响。图1给出了2005年7月22日至2008年7月31日美中利率差和人民币对美元基准汇率的波动情况（剔除不在同一天的数据，共有样本705个），图2给出了2010年6月22日至2013年7月31日美中利率差和人民币对美元基准汇率的波动情况（剔除不在同一天的数据，共有样本713个）。其中美国利率用欧洲美元隔夜拆借利率表示，而中国利率用中国银行间人民币隔夜拆借利率表示，数据均来自CEIC 数据库。

图12005年7月22日至2008年7月31日

美中利率差和人民币对美元汇率波动情况

人民币对美元日汇率决定模型研究

图22010年6月22日至2013年7月31日

美中利率差和人民币对美元汇率波动情况

由图1可见，从2005年7月22日至2008年7月31日，在绝大部分时间内美中利率差为正值（仅在2008年5月7日以后美中利率差开始转为负值），即欧洲美元隔夜拆借利率持续高于中国银行间人民币隔夜拆借利率，但人民币相对美元持续升值，这与利率平价理论矛盾。由图2可见，从2010年6月22日至2013年7月31日，欧洲美元隔夜拆借利率持续低于中国银行间隔夜拆借利率，在该区间内，人民币对美元汇率总体上持续升值，符合利率平价理论。符合还是不符合利率平价理论并不能据此判断相对利率差是否是人民币对美元汇率的影响因素，下面利用Granger 因果检验进行判断，美中相对利率差（DI ）用欧洲美元隔夜拆借利率减去中国银行间隔夜拆借利率表示，人民币对美元汇率（E ）直接用人民币对美元日基准汇率表示（直接标价法），检验结果见表1。

表1

相对利率和人民币对美元汇率的Granger 因果检验从Granger 因果检验结果来看，在5％的置信水平下，区间2005年7月22日—2008年7月31日以及2010年6月22日—2013年7月31日上人民币对美元基准汇率是美中利率差的Granger 原因，而美中利率差并不是人民币对美元基准汇率的Granger 原因。

如果变量间不满足Granger 因果关系，则变量间肯定不存在现实意义上的因果关系，因此，综上所述可以得出一个结论，美中利率差可能并不是人民币对美元日基准汇率的影响因素。本文的结论与Meese ＆Rogoff （1988）一致，Meese ＆Rogoff （1988）也发现实际汇率和相对利差之间并不存在联系

。

人民币对美元日汇率决定模型研究区间原假设样本个数最优滞后期F 统计量P 值

2005．7．22－2008．7．31E does not Granger Cause DI DI does not Granger Cause E 704121．22660．000870．000005

0．9765

2010．6．22－2013．7．31E does not Granger Cause DI DI does not Granger Cause E 71323．28235

0．01028

0．0381

0．9898

人民币对美元日汇率决定模型研究

（二）宏观经济消息

关于宏观经济消息是否影响汇率存在较大的争议，现代汇率决定理论的新闻模型认为未预期的消息（包括宏观经济消息）影响汇率，而实证研究则存在较大差异。Liu and Laurent（2011）发现宏观经济消息对人民币汇率日收益率的影响并不显著。

考虑到对宏观经济消息的判断比较难以确定，如经济变量实际值偏离预期值多大才可以认为是消息，因此，本文另辟蹊径，先不建立宏观经济消息变量，而是首先通过考察宏观经济变量发布日的汇率有无统计性的显著异常来初步判断宏观经济消息是否影响人民币短期汇率，在此基础上，考虑是否将宏观经济消息变量纳入人民币短期汇率决定理论模型。

本文初步考虑的宏观经济变量为M2增长、CPI、固定资产投资增长、工业产出增长、月度贸易盈余，其中，M2增长度量货币供应方面的意外状况；CPI、固定资产投资增长、工业产出增长度量中国经济活动方面的消息；月度贸易盈余度量外部不平衡方面的消息。CPI、固定资产投资、工业产出增长数据来自国家统计局，以国家统计局公布的日期为准；M2增长数据来自中国人民银行，以中国人民银行公布的日期为准；月度贸易数据来自中国海关统计数据库，以中国海关公布的日期为准。考虑到没有专门的文件记录宏观经济变量的发布日期，且国家统计局的宏观经济数据发布计划往往会发生变化，导致距离现在越远，越难以准确确定过去宏观经济变量的具体发布日期，因此，本文仅研究后金融危机时期宏观经济变量消息对人民币汇率的影响，具体的样本区间为2010年6月20日至2013年9月15日。

考虑到CPI、固定资产投资增长、工业产出增长大多由国家统计局在同一天发布，因此从研究需要出发，仅考虑CPI的发布日。部分M2、CPI和贸易盈余数据是在同一天发布的，统计这些宏观经济变量的发布日期，发现共有98个单独的日期，考虑一些宏观经济数据发布日期是在周末，其对汇率的影响应在下一个交易日，通常在周一，因此，本文将下一个交易日汇率的变化作为考察对象，这样统计出的有效外汇交易天数为88天。本文初步分析这88天汇率的变化率相比前一交易日汇率变化率的绝对值、前三个交易日汇率变化率绝对值的平均值、前五个交易日汇率变化率绝对值的平均值以及当月汇率变化率绝对值的月平均值而言是否存在显著变化。本文分析变化幅度的大小是否存在统计特征，进而得出宏观经济消息是否影响人民币对美元日汇率的初步结论，统计结果见表2。

表2宏观经济消息影响汇率的概率统计结果（单位：％）

前一交易日前三个交易日前五个交易日当月大于53．4145．4550．0047．73

大于20％46．5936．3639．7738．64

人民币对美元日汇率决定模型研究

大于50％34．0930．6832．9528．41

大于100％25．0025．0019．3219．32

资料来源：作者收集整理。

由表2可见，宏观经济变量M2、CPI和贸易盈余数据发布日（发布日在周末则指随后的外汇交易日）人民币对美元汇率相对前一交易日的变化存在显著的统计特征，宏观经济变量发布日的汇率变化绝对值超过（大于）前一交易日汇率变化绝对值（20％、50％、100％）的比率达到53．41％（46．59％、34．09％和25％）；宏观经济变量发布日的汇率变化绝对值超过（大于）前三个交易日汇率变化绝对值平均值（20％、50％、100％）的比率达到45．45％（36．36％、30．68％和25％）；宏观经济变量发布日的汇率变化绝对值超过（大于）前五个交易日汇率变化绝对值平均值（20％、50％、100％）的比率达到50．00％（39．77％、32．95％和19．32％）；宏观经济变量发布日的汇率变化绝对值超过（大于）月汇率变化绝对值平均值（20％、50％、100％）的比率达到47．73％（38．64％、28．41％和19．32％）。由统计数据可见，不能排除宏观经济消息不是汇率影响因素的判断。在构建汇率决定理论模型和实证研究时，本文会纳入宏观经济消息变量作进一步分析。

（三）外汇市场微观因素

汇率决定的微观结构理论认为汇率的日常波动主要不是由宏观经济变量决定，而是由外汇市场微观基础因素决定，微观结构理论利用外汇市场微观因素，如订单流、买卖价差等解释汇率的波动。

考虑到没有公开的外汇订单流数据，且现有个别文献构建的人民币汇率决定的微观市场结构模型并不理想，难以解释人民币日汇率的波动，本文在分析影响人民币短期汇率的微观市场因素时，仅考虑买卖价差因素，而不考虑订单流。

中国的外汇交易系统由批发市场和零售市场两级交易结构组成，批发市场由外汇交易中心组织，在外汇交易中心组织下，外汇交易中心成员通过网络构成了批发市场，金融机构在外汇批发市场交易余缺，外汇交易中心作为所有市场参与者的唯一交易对手，交易采取自动撮合系统进行。而零售市场主要是指金融机构的柜台交易市场，即金融机构与客户间的小额外汇买卖交易市场。一般而言，由于持有成本，金融机构会通过批发市场调整持有的外汇头寸，以控制风险。除订单外，金融机构还会通过调整买卖价差的大小以控制自身的外汇盈缺，在控制外汇头寸风险的同时尽量使收益最大化。为控制风险，在外汇头寸较高时，金融机构可能会调低卖出价，从而买卖价差会缩小；相反，如果金融机构外汇头寸不足，则会调高买入价，从而买卖价差扩大。

本文分析批发市场和零售市场两个市场上的买卖价差对人民币汇率的影

响，考虑到外汇交易中心既有自动撮合系统，也有柜台交易，其中批发市场上的买卖价差既可以使用外汇交易中心自动撮合系统的人民币／美元买入价和卖出价计算，也可以使用外汇交易中心柜台交易的人民币／美元买入价和卖出价计算；而零售市场的买卖价差用中国银行的人民币／美元买入价和卖出价计算；人民币汇率用人民币对美元日基准汇率表示。具体的研究方法是分析买卖价差和人民币对美元日汇率变化间是否存在Granger 因果关系。如果存在因果关系，则表明买卖价差可能是人民币对美元日汇率的影响因素；相反，如果不存在Granger 因果关系，则买卖价差一定不是人民币对美元日汇率的影响因素。选择的研究区间为2005年7月22日至2008年7月31日以及2010年6月22日至2013年8月31日，即剔除金融危机期间人民币对美元日汇率保持基本不变的时期。

所有数据都来自CEIC 数据库，其中，外汇交易中心自动撮合系统买卖报价的数据只有2007年4月9日至2010年9月17日，因此，选择2007年4月9日至2008年7月31日的买卖报价进行分析；而外汇交易中心柜台交易买卖报价数据范围介于2007年4月9日至2013年8月31日，选择2007年4月9日至2008年7月31日以及2010年6月22日至2013年8月31日两个区间进行分析；而中国银行人民币／美元买卖价差的数据范围介于2005年7月22日至2013年8月31日，选择2005年7月22日至2008年7月31日以及2010年6月22日至2013年8月31日这两个区间进行分析。外汇交易中心自动撮合系统人民币／美元买卖价差用FADO 表示，外汇交易中心柜台交易人民币／美元买卖价差用FODO 表示，中国银行柜台交易人民币／美元买卖价差用BO 表示，人民币对美元日基准汇率对数收益率用LE 表示。Granger 因果分析结果见表3。

表3

买卖价差和人民币对美元汇率的Granger 因果关系检验从回归结果可见，在选定的区间范围内，外汇交易中心自动撮合系统买卖价差和人民币对美元日基准汇率互不为Grnager 因果关系；外汇交易中心柜人民币对美元日汇率决定模型研究区间原假设样本个数最优滞后期F 统计量P 值

2007．4．9－2008．7．31FADO does not Granger Cause LE LE does not Granger Cause FADO 32310．097421．144670．7552

0．2855

2007．4．9－2008．7．31FODO does not Granger Cause LE LE does not Granger Cause FODO 32321．871301．489240．1556

0．2271

2010．6．22－2013．8．31FODO does not Granger Cause LE LE does not Granger Cause FODO 77610．007372．029620．9316

0．1547

2005．7．22－2008．7．31BO does not Granger Cause LE LE does not Granger Cause BO 740

34．930530．393220．00210．75792010．6．22－2013．8．31BO does not Granger Cause LE LE does not Granger Cause BO 77551．879597．038870．09560．00000

台交易系统买卖价差和人民币对美元汇率日基准互不为Grnager 因果关系；在区间2005年7月22日至2008年7月31日，中国银行买卖价差是人民币对美元日基准汇率的Granger 原因，但人民币对美元日基准汇率并不是中国银行买卖价差的Granger 原因；在区间2010年6月22日至2013年8月31日，人民币对美元日基准汇率是中国银行买卖价差的Granger 原因，中国银行买卖价差在10％的置信水平上是人民币对美元日基准汇率的Granger 原因。

由以上分析结果可见，零售市场商业银行买卖价差可能是人民币对美元日基准汇率的影响因素。

四、人民币汇率短期决定理论模型构建

Meese ＆Rogoff （1983）发现传统的汇率决定模型对汇率的解释和预测能力都弱于随机游走模型，这一结论也得到随后一些学者的证实。

随机游走模型意味着汇率可以由上一期汇率和一个随机项来解释，而从上文分析可知，宏观经济新闻、零售市场买卖价差可能是人民币日汇率的重要影响因素。因此，影响人民币日汇率的因素可能是上一期汇率、宏观经济新闻和零售市场买卖价差，据此可以构建人民币对美元日汇率的短期决定理论模型如下：

E t ＝f （new t ？，BO t ＋，E t－1＋，μt ）（1）

式（1）中，E t 表示人民币对美元日汇率；new t 表示宏观经济新闻向量；BO t 表示零售市场外汇买卖价差，用卖出价减买入价表示；E t－1表示上一期人民币对美元日汇率；μt 表示随机项。考虑实证研究的需求，式（1）也可以采取如下形式：

△E t ＝f （new t ？，BO t ＋，μt ）

（2）e t ＝f （new t ？，BO t ＋，e t－1＋，μt ）

（3）△e t ＝f （new t ？，BO t ＋

μt ）（4）式（2）中，△E t 表示人民币对美元日汇率的离差形式，△E t ＝E t －E t－1；式（3）中，e t 表示人民币对美元日汇率的自然对数形式，e t ＝ln （E t ）；而式（4）中，△e t ＝e t －e t－1。

宏观经济新闻向量的符号可能为正，也可能为负，取决于是未预期到的好新闻还是未预期到的坏新闻，因此，宏观经济新闻对汇率影响的方向难以确定；买卖价差以商业银行在柜台的外汇卖出价与外汇买入价之差表示，若买卖价差扩大，即商业银行或者提高外汇卖出价或者降低外汇买入价，或者两者兼而有之，这都将导致商业银行持有的外汇头寸下降，使得商业银行在外汇批发市场（银行间外汇市场）的外汇交易供应下降，从而外币升值，由于人民币对美

人民币对美元日汇率决定模型研究

元日基准汇率由银行间外汇交易市场决定，因此，买卖价差对汇率的影响方向为正。对于外汇市场高频率的外汇交易而言，交易者多为技术分析者，即预期第二天的汇率会延续前一天的汇率走势，因此，前一期的汇率对当期的汇率影响方向为正。

五、人民币汇率短期决定理论模型实证研究

考虑到宏观经济变量具体的发布日期往往和官方设定的发布日期计划有差异，而且时间越久远，越难以准确确定宏观经济变量的具体发布日期，因此，研究区间仅考虑2010年6月22日至2013年9月15日。

对宏观经济新闻的认定，考虑到预测值的不规范性，即不同机构的预测值往往有较大的偏差，本文不选择传统的方法。而是首先以移动加权平均的方法确定各期预测值，然后比较实际值和预测值的相对偏差大小来确定是否是宏观经济新闻。本文采取过去3期移动加权平均的方法来进行预测，滞后1期到3期的权重分配分别为70％、20％和10％。考虑到宏观经济变量M2增长率、CPI、固定资产投资增长、工业产出增长、月度贸易盈余的绝对值并不一样，这样实际值相对预期值的相对变化值的取值范围很大，难以用统一的标准来确定某一宏观经济数据的发布是否是新闻。由上文可知，在有效交易天数88天中，宏观经济变量M2、CPI、固定资产投资增长、工业产出增长和贸易盈余数据发布日（发布日在周末则随后的交易日）人民币对美元汇率与前一交易日汇率变化绝对值的相对比率、与前三交易日汇率变化绝对值平均值的相对比率、与前五交易日汇率变化绝对值平均值的相对比率超过50％的交易日数分别为总交易日数的34．09％、30．68％和32．95％，即都约占30％左右，根据这个指标，本文判断不同宏观经济数据的发布是否是宏观经济新闻的依据，即宏观经济变量实际值偏离预期值的相对变化标准分别是，M2增长率为5％、CPI、固定资产投资增长和工业产出增长都为20％、贸易盈余为80％。

对宏观经济新闻，本文以虚拟变量表示，即如果当天有宏观经济变量发布，并且确认为是新闻，则以1表示，否则确认为0。由于不同宏观经济变量往往在同一天发布，如果确定某一天有多个宏观经济新闻，仍确定为1。

NEW t＝

1第t天有宏观经济消息发生

0第t天没有宏观经济消息发

!

生

（5）

需要说明的是2010年6月22日到2010年6月底并没有宏观经济数据发布，因此，2010年7月发布的宏观经济数据是2010年6月的宏观经济数据，而2013年9月发布的宏观经济数据则是2013年8月份的数据，因此，本文依据2010年6月至2013年8月的M2增长、CPI、固定资产投资增长、工业产出增长、月度贸易盈余数据来度量宏观经济新闻。

人民币对美元日汇率决定模型研究

人民币对美元日汇率决定模型研究

经过尝试，发现在区间2010年6月22日至2013年9月15日，人民币对美元日汇率的由上一期汇率（E t－1）、中国经济活动方面的新闻（NEW2）和零售市场买卖价差（BO）决定，而中国货币供应方面的新闻（NEW1）以及外部不平衡方面的新闻（NEW2）对人民币／美元日汇率的影响并不显著，最终建立的模型为：

E t＝0．0334＋0．9547E t－1－0．0030NEW2，t＋10．0137BO t＋0．1181AR（1）

［3．7912］［125．4178］［－2．4458］［5．6763］［3．2581］（6）

（0．0002）（0．0000）（0．0147）（0．0000）（0．0012）

R2＝0．998984；R2＝0．998979；Sum Squared Resid＝0．024893；F＝191539．5；Prob（F）＝0．0000；；AIC＝－7．5069；SC＝－7．4772；HQIC＝－7．4955；D．W．＝2．0130；W．T．（include white cross terms）＝63．8071，Prob（W．T．（include white cross terms））＝0．0000；W．T．（do not include white cross terms）＝27．2046，Prob（W．T．（do not include white cross terms））＝0．0000；LM（1）＝1．5967；Prob（LM（1））＝0．2064；LM（2）＝2．9335；Prob（LM（2））＝0．2307；LM（3）＝2．9871；Prob（LM（3））＝0．3936；LM（4）＝3．0833；Prob（LM（4））＝0．5440。

式（6）中方括号内的数字表示相应解释变量的t统计量，圆括号内的数字表示t统计量对应的p值，从p值可见，所有的解释变量在5％的显著性水平上显著。拟合优度和修正的拟合优度很高，分别达到0．998984和0．998979，残差平方和很小，仅有0．024893，同时F检验在1％的水平上显著，对数似然函数值很大，达到2947．724，这些统计量皆表明模型从整体上来看，拟合效果很好。AIC、SC、HQIC这三个统计量都很小，表明回归模型（6）中的变量选择是合适的。含交叉乘积项和不含交叉乘积项的怀特检验统计量的p 值均为0．0000，表明回归模型不存在异方差；滞后1到4阶的Breusch－Godfrey的拉格朗日乘数检验结果表明回归模型不存在自相关。

为了与传统汇率决定的随机游走模型进行比较，本文还同时基于随机游走模型进行了回归分析，回归方程见式（7）：

E t＝0．99987E t－1

［30817．16］（7）

（0．0000）

R2＝0．998921；R2＝0．998921；Sum Squared Resid＝0．026609；AIC＝－7．4518；SC＝－7．4458；HQIC＝－7．4495；；W．T．＝20．7184，Prob（W．T．）＝0．0000；D．W．＝1．8244；LM（1）＝5．6263；Prob（LM（1））＝0．0177；LM（2）＝5．7320；Prob（LM（2））＝0．0569；LM（3）＝6．1231；Prob（LM（3））＝0．1058；LM（4）＝6．7035；Prob（LM（4））＝0．1524。

式（7）中方括号内的数字表示的是相应解释变量的t统计量，圆括号内的数字表示t统计量对应的p值，从p值可见，解释变量在1％的显著性水平上

人民币对美元日汇率决定模型研究

显著。拟合优度和修正的拟合优度很高，均达到0．998921，残差平方和很小，仅有0．026609，对数似然函数值很大，达到2925．812，这些统计量皆表明模型从整体上来看，拟合效果很好。怀特检验统计量的p值均为0．0000，表明回归模型不存在异方差；Breusch－Godfrey的拉格朗日乘数检验结果表明在5％的显著性水平上，回归模型存在1阶自相关。

可见，无论是从拟合优度、残差平方和、还是有关自相关来看，式（6）的回归结果都要好于式（7）。比较（6）和（7）式的拟合优度以及残差平方和的值可知，（6）式的拟合优度比（7）式大，同时（6）式的残差平方和较（7）式小，表明本文构建的人民币对美元日汇率决定模型（6）式较传统的随机游走模型（7）式样本内预测效果要好。

六、人民币对美元日汇率决定模型预测效果评价

在分析人民币对美元日汇率决定模型的预测效果之前，首先需要提出预测效果的评价指标。

（一）评价指标

预测效果的评价方法包括单一指标法和均方误差因式分解法，其中单一指标法包括均方误差法、绝对误差法和不等系数法，单一指标法计算简单，易于评价，尤其是对于评价变量因素十分有效。均方误差因式分解法是比较好的评价方法，尤其可以用于评价时间因素和模型总体效果，但缺点是计算较复杂。考虑到本文是简单评价所建立的人民币汇率决定模型在样本内和样本外的预测效果，较少涉及模型之间、不同时间区间之间的预测效果比较，也不用进一步探究原因，因此，运用单一指标法即可以达到预期效果，而不考虑使用运算较复杂的均方误差因式分解法。

单一指标法包括两种类型，共七种指标，其中第一类是均方误差法和绝对误差法，主要包括平均绝对误差、均方误差、平均绝对百分比误差、均方百分比误差、平均绝对误差／标准差、均方根误差／标准差这六种；第二类是不等系数法，这七种指标的具体计算方法见汪同三（1986），本文略。

均方误差法和绝对误差法的六种预测评价指标的结论一般倾向于一致，考虑到均方误差法和绝对误差法由预测误差绝对值或预测误差平方项构成，反映不出预测变化和实际变化方向的异同，而不等系数则考虑了预测变化和实际变化方向的异同，IC指标较均方误差法和绝对误差法评价指标更可靠。

（二）人民币对美元日汇率决定模型预测效果分析

1．样本内预测

基于上述七种评价预测效果指标，表4给出了模型（6）式和模型（7）式样本内预测效果，样本内区间为2010年6月22日至2013年9月15日。

人民币对美元日汇率决定模型研究

表4模型（6）式和模型（7）式人民币对美元日汇率样本内预测效果比较

MAE MSE MAPE MSPE MAE／SD MSE／SD IC

模型（6）0．019770．000870．003090．000143．130840．138460．94151模型（7）0．067950．003150．010610．0004910．738250．497740．97944

由表4可见，模型（6）式的七种指标值均小于随机游走模型（7）式的对应指标值，表明本文构建的人民币对美元日汇率决定模型的样本内预测效果要好于随机游走模型。

2．样本外预测

对样本外预测而言，时间序列模型的短期预测效果较好，而长期预测效果较差，因此，考虑样本外预测期2013年9月16日至2013年10月的宏观经济数据发布日。式（6）中是指中国经济活动方面的新闻，包括CPI、固定资产投资增长、工业产出增长这三个变量，2013年9月CPI由国家统计局于2013年10月14日发布，固定资产投资增长、工业产出增长数据由国家统计局于2013年10月18日发布。考虑到2013年10月18日是外汇交易日，因此，考虑的样本外区间为2013年9月16日至2013年10月18日。

在确定样本外预测区间后，还需要确定10月份发布的这几个宏观经济变量是否是宏观经济新闻，确定标准是首先以移动加权平均的方法确定各期预测值，采取过去3期移动加权平均的方法来进行预测，滞后1期到3期的权重分配分别为70％、20％和10％，然后比较实际值和预测值的相对偏差大小来确定是否是宏观经济新闻，CPI、固定资产投资增长和工业产出增长实际值偏离预期值的相对变化标准均为20％。以上述标准可以认定2013年10月14日发布的2013年9月CPI数据不是宏观经济新闻，2013年10月18日发布的2013年9月固定资产投资增长、工业产出增长也都不是宏观经济新闻。

因此，由模型（6）式和（7）式计算出样本外预测期2013年9月16日至2013年10月18日的人民币对美元日汇率预测值数据，然后基于实际值和预测值测算出七种预测效果评价指标值，计算结果见表5。

表5模型（6）式和模型（7）式人民币对美元日汇率样本外预测效果比较MAE MSE MAPE MSPE MAE／SD MSE／SD IC

模型（6）0．008840．002290．001440．000376．869941．775330．95049模型（7）0．002620．000760．000430．000122．036480．588032．12394由表5可见，从预测指标来看，MAE、MSE、MAPE、MSPE、MAE／SD、MSE／

人民币对美元日汇率决定模型研究

SD指标显示，模型（6）式的样本外预测效果较模型（7）式稍差，但IC指标表明模型（6）式的样本外预测效果要好于模型（7）式。实际上，考虑到当预测变化与实际变化方向相反时，IC大于1，模型（7）式的IC值为2．12394，表明模型（7）式预测值变化与实际值变化是相反的，而模型（6）式的IC为0．95049，表明模型（6）式预测值变化与实际值变化是相同的，从这个角度上来看，模型（6）式的预测效果要好于模型（7）式。

综合样本内预测和样本外预测评价结果可见，本文构建的人民币对美元日汇率决定模型无论是样本内预测还是短期样本外预测，其预测效果都要好于经典的随机游走模型。

七、结论和政策建议

本文在分析人民币对美元日汇率影响因素的基础上构建了人民币对美元日汇率决定理论模型，在对理论模型进行实证研究和预测效果分析的基础上得到以下一些结论和政策建议：

（一）结论

1．宏观经济消息、零售市场买卖价差是人民币对美元日汇率的重要影响因素，而中美利率差并不是人民币对美元日汇率的影响因素。

2．人民币对美元日汇率的短期决定理论模型表明人民币对美元汇率由自身滞后值、宏观经济新闻以及买卖价差来决定。

3．实证研究发现，人民币对美元日汇率由自身滞后值、中国经济活动方面的新闻和零售市场买卖价差决定，货币供应方面的新闻和外部不平衡方面的新闻影响并不显著。

4．本文构建的人民币对美元日汇率决定模型无论是样本内预测还是短期样本外预测，其预测效果都要好于经典的随机游走模型。

（二）政策建议

中国经济活动方面的新闻对人民币／美元日汇率的影响方向为负，即平均导致人民币对美元升值，其中经济活动方面的变量主要指CPI、固定资产投资增长、工业产出增长。为防止经济活动方面的新闻对日汇率波动带来的不利影响，国家统计局可以考虑尽量在周末发布相关经济数据，这样经过周末两天的信息消化，其对下周一交易日汇率波动的影响会在一定程度上得到消减。

零售市场买卖价差对人民币／美元日汇率的影响方向为正，即买卖价差扩大，人民币对美元汇率贬值，但实际上自2010年6月以来，虽然在局部存在上升趋势，但中国银行美元买卖价差的总体下降趋势非常明显，由2010年6月22日0．0272人民币／美元下降至2013年8月5日的0．0244人民币／美元，此后，买卖价差保持在0．0244人民币／美元水平上。买卖价差缩小会导

人民币对美元日汇率决定模型研究

致人民币对美元汇率升值，考虑到买卖价差已经保持在较低的水平上较长的时间，未来不能排除买卖价差变化趋势阶段性反转的可能，因此，政策制订者和市场交易者需密切关注零售市场买卖价差变化趋势及其对人民币汇率的影响。

总体上来说，人民币对美元汇率已经基本接近均衡汇率水平，人民币对美元汇率的双向波动特征将是常态，人民币对美元的升值趋势和贬值趋势都会存在，但不会再存在长期的单一升值或贬值态势，在没有大的宏观经济基本面变化的情况下，宏观经济新闻会影响交易者的预期，而交易者预期的异质性可能导致人民币对美元日汇率变化趋势的逆转。

注释：

①1997年11月19日至2005年7月21日，人民币对美元汇率在8．277至8．280间波动。

②参见2012年11月27日美国财政部提交给国会的《国际经济和汇率政策》报告。

③IMF，People’s Republic of China：2012Article IV Consultation，IMF Country Report No．12／195，July2012．

④胡再勇（2013b）认为利率平价理论对短期汇率的解释能力不强是传统检验模型本身导致的。

参考文献：

［1］陈浪南，林伟斌，欧阳永卫．人民币汇率决定的市场微观结构分析［J］．经济学（季刊），2007，7（1）．

［2］王雅杰，陈立国，曹道胜．外汇市场的订单流决定和影响汇率的理论与实证分析［J］．财务与金融，2009，（4）．

［3］Evans M，Lyons R．Order flow and Exchange rate Dynamics［J］．Journal of Political Economy，2002，110（1）：170－180．

［4］胡再勇．二次汇改后人民币汇率弹性、资本流动性和货币政策自主性的相对变化研究［J］．经济问题探索，2013，（4）：95－101．

［5］胡再勇．非抛补利率平价之谜——

—基于发达经济体和新兴经济体的检验［J］．当代财经，2013，（2）：47－57．

［6］Meese R，Rogoff K．Empirical Exchange Rate Models of the Seventies［J］．Journal of International Economics，1983，14（1）：3－24．

［7］Mussa Michael L．Empirical Regularities in the Behavior of Exchange Rates and Theories of the Foreign Exchange Market［R］．Vol．II Carnegie－Rochester Conference Series on Public Policy，1979．［8］Blanchard O．Backward and Forward Solution for Economics with Rational Expectations［J］．American Economic Review，Paper and Proceedings，1979，（69）：114－118．

［9］Dornbusch R．Equilibrium and disequilibrium exchange rates［J］．Zeitschriftfur Wirtschafts und Sozialwissenschaften，1982，（102）：573－799．

［10］Obstfeld M，Rogoff K．Exchange Rate Dynamics Redux［J］．Journal of Political Economics，1995，103（3）：624－660．

人民币对美元日汇率决定模型研究

［11］Lyons R．The Microstructure Approach to Exchange Rates［M］．Cambridge MA：MIT Press，2001．

［12］Evans Martin．FX Trading and Exchange Rate Dynamics［R］．NBER Working Paper8116，2001．

［13］De Grauwe P，Dewachter H．A Chaotic Monetary Monetary of the Exchange Rate［J］．Credit und Capital，1992，（25）：26－54．

［14］De Grauwe P，Dewachter H．Chaos in the Dornbusch Model：The Role of Fundamentalists and Chartists［J］．Open Economies Review，1993，（4）：351－379．

［15］Bacchetta P，Van Wincoop．Scapegoat Model of Exchange Rate Determination，American Economic Review［R］．Papers and Proceedings，2004：114－18．

［16］Bacchetta P，Van Wincoop E．Can information heterogeneity explain the exchange rate determination puzzle？［J］．American Economic Review，2006：552－576．

［17］Bacchetta P，Van Wincoop．On the unstable relationship between exchange rate and Macroeconomic fundamentals［R］．HKIMR Working Paper，2009．

［18］Bacchetta P，Van Wincoop E．On the Unstable Relationship Between Exchange Rates and Macroeconomic Fundamentals［R］．Unpublished working paper，HEC Lausanne，2011．［19］Bacchetta P，Van Wincoop E．On the Unstable Relationship between Exchange Rates and Macroeconomic Fundamentals［J］．Journal of International Economics，2013．

［20］Lewis Vivien，Markiewicz Agnieszka．Misspecification，Learning and the Exchange Rate Disconnect Puzzle［J］．The B．E．Journal of Macroeconomics，2009，9（1）：13．

［21］De Grauwe P，Grimaldi M．Exchange rate puzzles：A tale of switching attractors［J］．European Economic Review，2006，（50）：1－33．

［22］Sebastiano Manzan，Frank H Westerhoff．Heterogeneous Expectations，Exchange Rate Dynamics and Predictability［R］．CeNDEF Working papers No．02－14，2007．

［23］Yutaka Kurihara．Exchange Rate Determination：Which is Appropriate Chartist Model or Fundamental Model［J］．Journal of Applied Finance＆Banking，2013，3（3）：169－178．［24］胡再勇，张弘．Redux模型与人民币升值压力研究［J］．中央财经大学学报，2004，（9）：33－36．［25］Michael B Devereux．Real Exchange Rate Trends and Growth：A Model of East Asia［J］．Review of International Economics，1999，7（3）：509－521．

［26］Giancarlo Corsetti，Paolo Pesenti．Welfare and Macroeconomic Interdependence［R］．Mimeo，Yale University／Princeton University，1998．

［27］Cheung Y，Chinn MD，Pascual AG．Empirical Exchange Rate Models of the Nineties：Are Any Fit to Survive？［J］．Journal of International Money and Finance，2005，（24）：1150－1175．［28］Rossi，Barbara．Are Exchange Rates Really Random Walks？Some Evidence Robust to Parameter Instability［J］．Macroeconomic Dynamics，2006，10（1）：20－38．

［29］Sarno Lucio，Giorgio Valente．Exchange Rates and Fundamentals：Footloose or Evolving Relationship？［J］．Journal of the European Economic Association，2009，（7）：786－830．［30］Branch Wiliam，George W Evans．Model uncertainty and endogenous volatility［J］．Review of Economic Dynamics，2005，（10）：207－237．

［31］Markiewicz，Agnieszka．Monetary policy，model uncertainty and exchange rate volatility［R］．CESifo working paper，No．2949，2010．

［32］Meese Richard，Rogoff Kenneth．Was it real？The exchange rate－interest differential relation over the modern floating－rate period［J］．The Journal of Finance，1988，43（3）．

人民币对美元日汇率决定模型研究

［33］Laurent Pauwels，Li－Gang Liu．Do external political pressures affect the Renminbi exchange rate？［R］．OME Working Paper No．10，2011．

［34］王学成．浅析汇率决定过程中宏观基本面与指令流关系［J］．经济研究导刊，2010，（3）：50－51．［35］汪同三．宏观经济模型预测效果评价及方法［J］．预测，1986，（5）．

Research on the Determination Model of the

RMB／Dollar Daily Exchange Rate

HU Zai－yong

Abatract：Based on the latest research progress of exchange rate determination theory，this paper analyzes influence factors of the RMB／Dollar daily exchange rate．The research shows that macro economic news and the foreign exchange market micro factor bid－ask spread are important influence factors of the RMB／Dollar daily exchange rate，while the relative interest rate between the U．S．and China is not influence factor of the RMB／Dollar daily exchange rate．Furthermore，this paper combines random walk model，news variables with the foreign exchange market micro factor and constructs the determination theory model of the RMB／Dollar daily exchange rate．Empirical research shows that the RMB／Dollar daily exchange rate was determined by its lagged value，news of China’s economic activities and bid－ask spread of retail market．The RMB／Dollar daily exchange rate determination model constructed in this paper is superior to the traditional random walk model on simulation effect and in and out of sample predictive effect．Key words：exchange rate determination model；news；foreign exchange market micro factor；random walk model

（责任编辑：可言）