有效隐含信息对人民币汇率波动影响的动态效应研究

全文总计 9373 字,阅读时间 24 分钟,快速浏览仅需 5 分钟。

英文标题:A Study on the Dynamic Effect of Effective Implicit Information on Fluctuation of RMB Exchange Rate

内容摘要:人民币汇率波动十分微妙,而如何从汇率变动中提取有效的隐含信息,是当前国内外学者关注的焦点。借助动态建模方法来提取汇率变化中的隐含信息,剖析央行、商业银行、企业三者汇率传导路径以及汇率形成机制;认为人民币均衡汇率是所有隐含信息的综合体现。实证结果显示:信息对汇率能够产生显著的影响,且表现出明显的非对称性,这与现行外汇市场的政府管制政策是分不开的;“利好信息”将会显著导致人民币汇率波动幅度的扩大,而“利空信息”则没有这一作用,因而“利好消息”对汇率波动的影响大于“利空消息”的影响。

关键词:汇率波动,隐含信息,动态效应

GB/T 7714-2015 格式引文:[1].有效隐含信息对人民币汇率波动影响的动态效应研究.[J]或者报纸[N].经济问题,(20186):31-38

正文内容

  中图分类号:F830.73 文献标识码:A 文章编号:1004-972X(2018)06-0031-08

  2015年8月21日起,银行间即期外汇市场人民币兑美元交易价格波动幅度由1%扩大至3%,这导致外汇市场中人民币对美元汇率波动更加频繁,且变动幅度更大,有时甚至表现出线性行为。Lyon(2001)指出,汇率波动的直接原因归咎于掌握不同信息的外汇交易者在特定交易体系环境下相互博弈的结果[1]。汇率非理性的下跌现象是由于良莠不齐的信息充斥着整个外汇市场,使得不同交易个体产生非理性预期,进而导致出现汇率异常波动。

  信息是知识信息和新闻消息的一个综合体。当信息是一种知识时,其是市场中所有数据资料的累积体,即知识存量。当信息作为新闻时,正如Mussa(1984)所阐述的,把非预期的并且能够引起大家对汇率的预期值进行修改的信息称为新闻,即知识存量的增量[2]。信息在汇率形成过程中扮演着重要角色,汇率取决于外汇市场中买卖双方的交易行为,而买卖双方能够作出自己的决策均是基于自己的掌握的信息,由此产生外汇市场的均衡汇率。买卖双方掌握的信息一旦发生变化,就会影响到他们的行为决策,进而导致外汇市场均衡汇率的改变,造成外汇市场汇率的波动。

  为了更好地阐释隐含信息对汇率波动的动态特征,我们从人民币国际一体化的角度进行考虑,本文假定把对汇率产生正向冲击,并使得汇率上升的信息定义为“利好消息”,把对汇率产生负向冲击,并使得汇率下跌的信息定义为“利空消息”。通过对上述两类信息的定义,来分析隐含信息对汇率波动动态变化的影响。

  二、文献综述

  国内外学者对汇率波动特征问题进行了相当广泛的研究,通常采用条件异方差模型,如ARCH、GARCH等模型来进行实证分析。因为汇率的时间序列一般具有尖峰后尾的性质,其他模型通常不能较好的拟合。因此,美国经济学家Engle于1982年提出了自回归条件异方差(ARCH)模型,将其应用到汇率波动的测算中,为汇率波动的测算开辟了新的途径。国外诸多经典的文献都是应用ARCH、GARCH这类模型来分析汇率波动[3-9]。

  在国内的研究中:(1)部分学者使用ARCH模型来测算汇率波动。丁剑平和于群(2003)通过自回归条件异方差(ARCH)模型,检验了亚洲金融危机后,人民币汇率在央行有效干预情况下的出现反弹的情景[10]。左香乡和李连友(2008)注意到人民币汇率预期存在ARCH效应,深入分析其具有尖峰厚尾、波动群集性等特性[11]。刘谨和施建淮(2008)认为ARCH类模型能够很好地拟合美元/人民币汇率日波动率的实际情况[12]。(2)从现有的研究来看,用GARCH模型来考察汇率波动性的文章有惠晓峰等(2003)、朱新蓉和朱振元(2008)、张荔和张庆君(2010)等[13-15]。(3)在上述一系列实证的基础上,学者们对汇率波动影响因素和作用机理进行更深层次的分析,进而对ARCH、GARCH模型进行各种拓展,以便进一步认识汇率波动特征。[16-18]。

  上述文献在研究汇率波动性时,都是借助条件异方差模型来完成和实现的,但大都是对汇率波动进行微观分析,尚缺乏隐含信息对汇率的实际支撑。鉴于此,本文尝试研究隐含信息对汇率波动到底会产生怎样的影响、通过什么路径产生影响、影响有多大等问题。

  三、基本理论的模型构建

  鉴于当今外汇市场已经演变成微观与宏观经济变量互动的复杂信息系统,本文尝试动态建模,分析企业、央行、商业银行三者的行为以及外汇市场汇率的形成机制,并探讨隐含信息与汇率波动的关系。

  (一)外汇市场的交易特征

  假设外汇供应链为:央行→商业银行→企业1→企业2→……→企业n。因为在外汇市场中,汇率具有很好的传递作用,所以我们在模型中省略去企业2到企业n共计n-1个环节,并对商业银行作为重点目标来研究,为此做出以下假定:

  (1)外汇市场是一个完全信息的市场。在外汇市场中,市场参与者(企业、央行、商业银行)是理性预期的,它们知道外汇市场均衡汇率的形成过程。商业银行是联系央行和企业的纽带,因此,在外汇供应链中具有一定的垄断势力。具体过程为:商业银行从央行手中购买外汇,并将买到的外汇直接出售给企业。当然,企业与央行不能直接进行外汇交易,只能通过商业银行中介进行交易,从而导致相关交易成本的产生。

  (2)在流通环节中,商业银行拥有垄断势力,根据自己所掌握的信息,分别对央行和企业的买入汇率和卖出汇率进行制定。商业银行拥有不同的信息结构,认为央行和企业的汇率分布函数分别设为,其中y和q分别为商业银行的买入汇率和卖出汇率。

  (3)设央行只卖出一单位外汇的情况下,处于供应链下游末端企业最多只能购买到一单位外汇。以央行或企业每搜寻到新汇率为一期,如果在其中一期内,央行和企业同时与商业银行成功达成一次交易,则交易各方会以λ(0<λ<1)的概率退出外汇市场,随即央行和新的企业一起进入外汇市场。设β为时间偏好率,λ为在当期央行和企业都没有退出市场而是进入下一期的概率,从而央行和企业预期收益的折现率为βλ。

  (二)企业的决策行为

  在外汇市场中,买卖双方都会根据自己掌握的全部信息来进行相应的理性决策,执行相应的外汇交易。对于企业而言,在决策时不仅仅要考虑以当期汇率为基础的汇率预期机制,而且还会考虑如下因素的变化影响:当期真实需求量、上一期外汇可购买量、历史汇率序列等。

  企业对外汇进行估价,设定自己的合意汇率下限为t。t值与企业掌握对自己有利的信息成负相关,即企业掌握的信息越多,t值越小;反之,t值越大。同时,假定央行从开始进入外汇市场直到市场出清中的每一期t(共N期)都遵循着均匀分布U[0,1]。企业依据自己掌握信息的影响来形成自己的决策,设定自己的合意汇率为。只要商业银行的卖出汇率低于企业设定合意汇率,企业就愿意接受。

  如果商业银行的卖出汇率为y,企业通常会有三种交易策略:(1)开始进入市场,直到市场出清中的每一期,都没有交易;(2)开始进入市场,就直接与商业银行进行交易;(3)开始进入市场,但拒绝交易,继续等待自己预期的合意汇率出现。

  基于Chrystal(1984)提出银行间外汇交换市场媒介作用的观点,从搜寻成本的角度出发,令为企业基于预估值t和商业银行卖出汇率y来确定的最优搜寻(最优搜索)决策的贴现收益,从动态优化角度出发,运用最优化原理和嵌入原理,得到[19]:

  

  (三)央行的决策行为

  在外汇市场中,交易双方都会根据自己掌握的全部信息形成相应的理性策略,来执行相应的外汇交易行为。对于央行而言,在决策时不仅考虑以当期汇率为基础的汇率预期机制,而且还要考虑如下因素的变化影响:(1)国际收支;(2)实际利差;(3)通货膨胀率差;(4)经济增长率;(5)利率;(6)外汇储备;(7)进出口:(8)货币供应量;(9)外商直接投资;(10)物价水平(消费汇率指数);(11)信贷;(12)美元汇率;(13)中央银行干预;(14)市场预期心理;(15)政策因素;(16)政治因素;(17)固定资产存置;(18)媒体关注度;(19)高管背景;(20)社会规范。在上述因素中,有些影响因素信息交叉,有的信息被另外的信息所包含,有些信息无法量化,显示了错综复杂的状况。

  假定央行根据以上众多因素,对外汇进行估价,设定自己的合意汇率下限为θ。θ值与央行掌握的与自己有利的信息成负相关,即央行掌握的信息越多,θ值越小;反之,θ值越大。同时,假定从央行开始进入市场直到市场出清中的每一期θ(共N期)都遵循着均匀分布U[0,1]。央行依据自己掌握的信息结构来形成自己的理性决策,设定自己的合意汇率为。只要商业银行买入汇率,高于央行设定合意汇率,央行就愿意接受,并与之交易。

  如果商业银行的买入汇率是q,央行通常会有三种交易策略:(1)开始进入市场,直到市场出清的每一期,都没有交易;(2)开始进入市场,与商业银行直接进行交易;(3)开始进入市场,但没有交易,继续等待自己预期的合意汇率出现。

  我们用来表示央行基于预期估值θ和商业银行买入汇率q所确定的最优搜寻策略的折现收益,从动态优化角度出发,运用最优化原理和嵌入原理,则有:

  

  (四)商业银行的决策行为

  如上所述,在外汇市场中,央行、企业都会根据自己掌握全部的信息来做抉择,从而形成相应的外汇交易决策行为。商业银行也不例外,对于商业银行而言,它们在决策时不仅考虑以当期汇率为基础的汇率预期机制,而且还要考虑诸如经营成本、央行供给情况、企业需求情况、国家相关政策、历史汇率序列等因素的影响。

  在各种信息纷繁杂乱的市场中,商业银行要加强对媒体的关注,这是因为媒体在对信息披露、汇集与扩散的过程中扮演着非常重要的角色:(1)媒体关注不仅有利于降低Downs(1957)提出的投资者“理性无知”程度[20],而且还能够约束公司管理者和监管部门的行为[21]。商业银行加强对媒体的关注,有助于其设定自己的合意汇率。(2)在资本市场上,媒体大大降低了信息搜集成本,使得人们更为便捷地获取多样信息[22]。

  总之,商业银行依据自己拥有的信息(包括媒体信息)来形成自己的决策,设定自己的合意汇率。即商业银行基于其原有的信息结构以及接收到的央行和企业行为特征信息来确定最优的买入汇率和卖出汇率。

  因此,从信息搜寻成本最小化角度考虑,商业银行充当着央行和企业之间的媒介。假定每一期商业银行、央行和企业交易三方达成一致,完成一次交易所产生的交易费用为m,且服从均匀分布U[],其中分别表示效率最高和效率最低的商业银行的交易费用。在外汇市场中,当商业银行每一期的外汇都销售一空,且利润达到最大化时,汇率达到均衡。设商业银行的数目为N;h(p)为企业关于合意汇率的分布密度,则每家商业银行所面对的企业密度为:

  

  (五)信息与外汇市场均衡汇率之间关系

  在外汇市场,商业银行、央行和企业交易三方都会根据自己掌握的信息来形成自己的策略,一旦有新的信息并受其影响,他们的策略行为也会发生变化,形成新的市场均衡汇率。

  在市场均衡中,商业银行具有市场垄断势力,对外汇市场均衡汇率的形成与变化有很大的影响,因此商业银行确定的解(y,q)为对应的外汇市场均衡汇率。

  在外汇市场中,商业银行利润为:

  π=yD(y)-qS(q)-mS(q) (10)

  联立式(8)、式(9)、式(10),由利润最大化,通过一阶条件,可得到外汇市场均衡汇率:

  

  由式(11)可知,外汇市场均衡汇率是自变量、θ、m三个变量的复合函数,即外汇市场均衡汇率可以用企业、央行和商业银行等综合信息来衡量。因此,只要受到新信息的影响,商业银行、央行和企业交易三方都会考虑改变自己的策略,从而形成新的理性决策,进而影响到外汇市场的均衡汇率(y,q),导致均衡汇率发生波动。

  总之,外汇市场均衡汇率是外汇市场中所有隐含信息的综合体现。因而,如何从汇率波动中提取有效的隐含信息,对当前我国政府部门政策制定、商业银行经营、企业生产决策具有十分重要的现实意义。国外的研究表明,动态建模是提取隐含信息的一种有效手段。因此,本文通过波动性建模来分析隐含信息,即主要采用计量模型EGARCH模型来进行实证分析,进而提取汇率波动中的隐含信息。

  四、实证研究

  根据前文的理论分析,外汇市场充斥着大量的信息,信息驱使市场参与者进行外汇买卖操作,形成外汇的供给和需求,从而带来汇率的波动。因此,外汇市场汇率是外汇市场信息的综合体现。本文将运用EGARCH模型,通过分析汇率波动来阐释隐含信息与汇率波动之间的内在联系和作用机制。

  (一)数据说明

  本文选取2005年汇改之后的汇率日度数据作为研究样本,数据来源于国家外汇管理局汇率信息系统。根据国际清算银行的报告,我国外汇储备构成为美元资产占70%左右,日元约为10%,欧元和英镑约为20%①。因此本文选取美元/人民币、欧元/人民币、日元/人民币、英镑/人民币等四种汇率作为研究对象,数据均来源于中国国家外汇管理局公布的统计数据②。其中美元、欧元、日元日交易汇率的样本期为2005年7月25日到2017年2月12日,总计2810个样本观测值③;另外,英镑日交易汇率的样本期为2006年8月1日到2017年2月12日,总计2558个样本观测值④。本文涉及到的数据均采用EVIEW8.0来测算。

  (二)样本的统计分析

  1.数据初步分析

  {M}、{O}、{R}、{B}分别为人民币/美元、人民币/欧元、人民币/日元、人民币/英镑等四种汇率的时间序列。在对序列{M}处理上,按照通常的做法,进行一阶差分,得到人民币/美元汇率对数收益率为(t=1,2,…,N-1,其中N为总的交易日个数),即人民币/美元汇率日波动率。序列{O}、{R}、{B}参照序列{M}一样的做法。为了进一步了解四种汇率日波动率时间序列特征,表1列示了四种汇率日波动率曲线的基本统计量。

  

  从表1可以看出,{M}、{o}、{R}、{B}序列都不符合正态分布(偏度为0,峰度为3),所以不能用正态分布来拟合四种汇率日波动率时间序列。同时,{M}、{o}、{R}、{B}序列的JB(Jarque-Bera)统计量表明四种汇率日波动率分布显著偏离正态分布特征。考虑到用正态分布来进行定量模型分析的精确度相对比较低,因此本文设定四种汇率日波动率时间序列呈t分布,来进行实证分析将更为精确合理。

  2.序列平稳性检验

  在对模型参数进行估计时,可能会出现伪回归的现象。因此需要对美元、日元、英镑、欧元等四种汇率日波动率序列{M}、{o}、{R}、{B}进行单位根检验(即平稳性检验),以保证模型可以用于估计。单位根检验如表2所示。

  

  从表2中得到四个序列的ADF值均小于1%的显著水平,表示拒绝原假设,不存在单位根,同时确定美元、日元、英镑、欧元等四种汇率日波动率序列{M}、{o}、{R}、{B}是平稳的。

  3.残差序列相关性检验

  根据AIC和SC取值原则,从表2的结果可知:第一,经计算认为{M}序列Durbin-Watson统计量的数值是2.003679,可以得到该残差序列不存在序列相关的结论。第二,经计算认为{o}序列Durbin-Watson统计量的数值是1.993688,可以得到该残差序列不存在序列相关的结论。第三,经计算认为{R}序列Durbin-Watson统计量的数值是2.001532,可以得到该残差序列不存在序列相关的结论。第四,经计算认为{B}序列Durbin-Watson统计量的数值是2.002571,可以得到该残差序列不存在序列相关的结论。

  对人民币/美元汇率日波动率的残差序列做ARCH效应的LM检验,目的是检验残差序列是否存在异方差,当q=2时,经测算得到的(卡方)检验和F检验的相伴概率p=0.0000,比显著性水平α=0.05小,即估计系数显著不全为0。这说明了该残差序列存在高阶ARCH效应,因此存在GARCH效应。用软件处理,得到残差序列的检验表(见表3)。

  

  序列{o}、{R}、{B}参照上述序列{M}一样的做法,获得以下结论:美元、日元、英镑、欧元等四种汇率日波动率序列{M}、{o}、{R}、{B}都是平稳序列且不存在自相关,但该序列有异方差,适合建立EGARCH模型的条件。

  (三)数据的进一步分析

  AIC准则是衡量统计模型拟合度的一个重要指标,可以用来衡量所估计模型的复杂度和拟合数据的优良性。因此本文以此作为标准,选择最优的阶数。首先选取美元汇率日波动率序列,经统计软件模拟测算EGARCH(p,q)中阶数,得到表4。

  

  AIC准则鼓励数据拟合的优良性,但是尽量避免出现过度拟合的情况,从表4中优先考虑的模型应是AIC值最小的一个,所以选择AIC=-11.78552,即p=1,q=1。对于日元、英镑、欧元汇率日波动率序列{M}、{o}、{R}、{B},我们采用赤池信息准则(AIC)参照类似方法进行反复试算,最终判断滞后阶数(p,q)为(1,1)比较合适。研究表明,有四种汇率样本序列不存在自相关性,且LM统计量显著,具有高阶ARCH效应的平稳自相关序列。为了研究我国外汇市场汇率日波动率的不对称性和其变化规律,本文对四种汇率时间序列从似然值、AIC、SIC等信息法则上来进行EGARCH(1,1)拟合(见表5)。

  

  从模型中估计的参数得到序列{M}、{o}、{R}、{B}系数都是显著。首先,序列{M}、{o}、{R}、{B}系数α>0代表外部的冲击会加剧对汇率的波动性。其次,序列{M}、{o}、{R}、{B}系数反映了系统的长期记忆性,在模型中0<β<1,非常接近1,说明记忆性较强。换句话讲,β值越大则说明波动性消减缓慢且将持续存在。再次,模型中序列{M}、{o}、{R}、{B}系数之和α+β共同反映了波动的持续性,两项系数之和α+β,接近于l,说明序列{M}、{o}、{R}、{B}的条件方差所受的冲击是持久的,波动的持续性是很强的。最后,符号γ≠0时,体现非对称性;可以看到γ>0,序列{M}、{o}、{R}、{B}存在非对称性。

  为了更好地分析非对称冲击效果,我们侧重剖析EGARCH模型结果,并以此做出相应的信息冲击曲线(见图1),用来进一步说明利好信息和利空信息对汇率波动的非对称影响。由信息冲击曲线可以更为清楚地看到非对称冲击影响。

  

  图1 四种汇率的非对称性影响下信息冲击曲线

  (四)实证结果分析

  本文运用EGARCH模型,来提取四种汇率历史数据的隐含信息,由实证得出以下观点:

  第一,人民币/美元、人民币/欧元、人民币/日元、人民币/英镑等四种汇率波动受到信息影响显著,验证Sebastinan(1982)得出信息对汇率的效果是显著的结论;研究结果表现出明显的非对称性[23]。这与中国目前正处于经济转型、社会变革、外汇市场逐步对外开放的深刻时代背景分不开,虽然人民币的汇率还未完全市场化,但信息对汇率波动的影响确实存在,并且具有一定的非对称性。

  第二,汇率波动受到“利好信息”影响相对较大。即受到正向冲击相对多一点。研究结果显示,四种汇率都受到“利好信息”的影响,检验了French等(1987)阐明出波动反馈效应理论的观点,即在汇率上升受到信息的冲击下,其增加的波动带来降低当期汇率的效应会与信息引起的汇率上涨的效应相互对冲,所以波动减小[24]。这与中国实行的是有管理的浮动汇率制度分不开,虽然人民币升值带来持续的升值预期,导致出现更大的汇率波动,但政府对外汇市场的干预使得人民币汇率序列波动变小。主要是在新汇率制度体制下,汇率并没有完全市场化,政府加强了对人民币汇率的管理,不可能让人民币汇率大幅度上涨或下跌。因此,相对“利空信息”而言,“利好信息”对汇率波动的影响相对大一点。

  第三,不同种类的汇率波动受到信息的影响也存在差异。在样本中,汇率日波动率序列附有自相关性以及ARCH效应,体现出信息对其波动的影响是非对称的;事实上,集中表现“利好信息”的影响相对多一点,而“利空信息”的影响相对会少一点。这深刻揭示了在不同类型的外汇市场中,汇率波动受信息的影响存在着显著差异性。这与现行的外汇市场的不完全竞争和供求关系扭曲分不开,而且经济实力、经济体制和货币政策不同的各国政府与依照该国的经济目标,采取相应的经济政策对国家经济进行干预等信息有关。当然,信息对不同种类的汇率波动影响确实存在差异,也与目前人民币还未成为区域性货币甚至国际货币有着极大关系。

  五、结论与政策建议

  本文采用国家外汇管理局的外汇日交易汇率数据,通过动态建模来提取汇率波动中的隐含信息,进而研究信息对汇率波动的影响机制,并进行理论模型分析和实证检验。研究表明:汇率波动与目前政府对外汇市场的管制是分不开的,而不是任凭汇率的自由波动;与目前政府实行的是结售汇率体制和当前人民币尚未完全市场化有着极大的联系;验证了波动反馈效应的理论;同时,验证前人提出信息对汇率波动的效果是显著的结论,即信息对人民币/美元、人民币/欧元、人民币/日元、人民币/英镑等四种汇率波动能够产生显著的影响,并且这种影响是非对称的;当四种汇率受到相同程度的冲击时,其体现出受“利好信息”的影响相对大于“利空信息”的影响;当然不同类型汇率波动受信息的影响确实存在显著差异性。

  随着我国金融体制改革的进一步深化,外汇市场将作为中国金融市场的重要组成部分,在国民经济的发展中起着举足轻重的作用。外汇市场上的各种信息纷繁杂乱,对重要货币汇率影响越来越频繁,因此,对隐含信息与汇率波动性的研究,有助于更好认识汇率波动的其他原因,为预测汇率走势提供依据;为我国政府部门、外汇市场参与者提供决策基础和理论参考,并具有重要的现实意义。

  第一,信息对汇率的波动影响十分显著,并且伴随明显的非对称性,在一定程度上反映了我国的外汇市场仍处于一个非有效市场。基于信息搜寻成本最小化的视角,我国政府及其相关部门(如央行、商业银行等)要重视影响汇率波动相关信息的收集、分析与运用。如提高信息披露的质量、规范外汇市场的运作制度、提高外汇市场的透明度等措施,将有助于弱化外汇市场的不利影响、稳定外汇市场预期、提高我国外汇市场的有效性。

  第二,企业要重视影响汇率波动的信息,并对相关信息进行收集、分析与运用,来形成自己的理性决策,同时执行相应的交易行为。虽然人民币有时会出现贬值,但支撑人民币升值的因素并未根本转变,随着金融自由化和全球一体化,长期来看升值依然是大方向。另外,让更多的企业提高汇率波动风险的认知,并应通过经营性性质的套期保值方式由被动管理向主动管理转变,进而形成适合企业自身切实有效的外汇风险防范机制。

  第三,在我国汇率市场化过程中,要有效评价信息对汇率波动的影响;同时政府相关部门还应该合理地引导外汇市场参与者对汇率波动相关的信息发布形成理性的预期,从而有助于实现宏观调控目标。考虑到汇率波动可能会受到“利空消息”的影响,政府部门要着重提高外汇市场监测和预警分析能力;有效估计可能所带来不利影响。此外,央行等相关部门不但可以通过外汇买卖来干预,也可以通过金融衍生工具等管理手段来有效防范汇率波动风险。

  ①本文数据的选取来自于www.bis.org(国际清算银行)。

  ②国家外汇管理局http://www.safe.gov.cn/统计数据,人民币汇率中间价。

  ③由于2005年7月21日政府重新调整了人民币/美元的汇率,2005年7月22日欧元、日元汇率为0,因此从7月25日开始选取数据。

  ④2006年8月1日开始,英镑兑人民币交易才在银行间现货、远期、掉期市场展开,这是2005年7月份人民币汇率重估以后外汇市场进一步深化。因考虑到英镑在2006年8月之前,没有提供数据,所以把2006年8月1日至2017年2月12日的日交易汇率作为样本数据,共计2558个。

参考文献

[1]LYONS R K.The microstructure approach to exchange rates[M].Boston:The MIT Press,2001:1-19.

[2]MUSSA M.The theory of exchange rate determination[A].JOHN F O B,RICHARD C M.Exchange rate theory and practice[M].Chicago:The University of Chicago Press,1984.

[3]HSIEH.Testing for nonlinear dependence in daily foreign exchange rates[J].The Journal of Business,1989,62(3):339-368.

[4]AGUILAR J,NYDAHL S.Central bank intervention and exchange rates:The case of Sweden[J].Journal of International Financial Markets,Institutions and Money,2000(10):303-322.

[5]TORBEN G A,TIME B F X D,PAUL L.The distribvrion of realized exchange rate volartiliy[J].Journal of American Statitstical Association,2001,96(453):42-45.

[6]BEINE M,CHARLES S,SEBASTIEN LAURENT.The impact of central bank FX interventions on currency components[J].Journal of Financial Econometric,2007,5(1):154-183.

[7]PACELLI V.Forecasting exchange rates:A comparative analysis[J].International Journal of Business and Social Science,2012,3(10):145-156.

[8]ABDUL J K,Parvez Azim.One-step-ahead forecastability of GARCH(1,1):A comparative analysis of USD-and PKR-Based exchange rate volatilities[J].The Lahore Journal of Economics,2013,18(1):1-38.

[9]NISHIMURA Y,HIRAYAMA K.Does exchange rate volatility deter Japan-China trade Evidence from pre-and post-exchange rate reform in China[J].Japan and the World Economy,2013(25/26):90-101.

[10]丁剑平,于群.论人民币汇率波动的“弹性[J].上海财经大学学报,2003(4):19-26.

[11]左香乡,李连友.人民币对美元波动的实证检验[J].湖南大学社会科学报,2008(5):108-111.

[12]刘谨,施建淮.基于ARCH类模型的VAR方法在外汇风险计量中的应用[J].国际金融究,2008(8):35-43.

[13]惠晓峰,柳鸿生,胡伟,等.基于时间序列GARCH模型的人民币汇率预测[J].金融研究,2003(5):99-105.

[14]朱新蓉,朱振元.人民币实际汇率波动与中国股票价格报酬之间的相关性[J].金融研究,2008(2):99-107.

[15]张荔,张庆君.人民币实际汇率波动与货币替代的实证研究[J].金融研究,2010(2):68-75.

[16]李晓峰,陈华.人民币即期汇率市场与境外衍生市场之间的信息流动关系研究[J].金融研究,2008(5):14-23.

[17]蔡宗武,陈琳娜,方颖.人民币汇率的参数预测模型[J].系统工程理论与实践,2012(4):685-692.

[18]徐国祥,杨振建.人民币分别与发达市场和新兴市场货币汇率波动传导效应研究[J].金融研究,2013(6):46-59.

[19]CHRYSTAL A K.Demand for international media of exchange[J].The American Economic Review,1984,67(5):840-850.

[20]DOWNS A.An economic theory of political action in a democracy[J].Journal of Political Economy,1957,65(2):135-150.

[21]DYCK A,MOSS D,ZINGALES L.Media versus special interests[J].National Bureau of Economic Research Working Paper Series,2008:14360.

[22]BECKER G S,MURPHY K M.A simple theory of advertising as a good or bad[J].Quarterly Journal of Economics,1993,108(4):941-964.

[23]SEBASTIAN E.Exchange rates and/news:A Multi-currency approach[J].Journal of International Money and Finance,1982(12):211-224.

推荐10篇