动态状态空间模型（共8篇）
动态状态空间模型 篇1
0 引言
区域经济, 是指一定区域内的所有经济部门、经济地区和经济组织企业之间在经济方面的关系和行为。区域经济的快速健康发展可以有效推动我国社会经济的整体发展和协调。而由于市场经济的自主调节作用, 不同区域经济的发展是不均衡的, 经济发达地区可以不断吸引和积累资金以及有利于自身经济发展的因素, 而经济欠发达地区则难以吸引投资者的注意, 进入经济发展的恶性循环。在这样的循环积累作用下, 经济的发展出现了空间上的“地理二元经济”结构, 使得经济发达地区和经济欠发达地区同时存在, 这种现象的出现也是不可避免的, 核心发达地区会带动边缘欠发达地区的经济发展, 但是也会吸引欠发达地区的劳动力和资金, 进而使得区域差距无法真正得到解决。这也在一定程度上解释了京津冀地区的经济发展现状:北京始终处于区域经济的核心地位, 优势极为明显, 无可取代, 天津与北京相比稍有不如, 而河北位居最后。由于北京和天津对于人才、资金等的吸引作用, 对河北省经济的发展造成了一定的阻碍。
金融生态环境的概念最早是由中国人民银行行长周小川提出的, 借鉴了自然科学中生态环境的概念和内涵, 将生态环境概念引入金融领域, 是一项对于金融理论研究的创新性成果。金融生态环境强调金融系统与所处区域的制度、法律以及相关的正常环境相互依存、相互协调, 共同发展。具体来说, 金融生态环境是指与金融业的生存、发展有着互动关系的社会、自然因素的总和, 是金融机构在所处区域内的外部运行环境, 既有微观层面的金融环境, 也有整个金融市场的大环境。对金融生态环境进行研究, 分析其与区域经济的结合方式和程度, 可以加强区域的金融生态环境建设, 推动区域经济的全面协调发展。京津冀地区是我国经济、文化、科技最发达的地区之一, 同时也是我国经济发展速度快、最具有发展潜力的地区。北京作为我国的政治中心, 同时也是全国性的金融监管和信息发布中心, 几乎会聚了我国50%~60%的金融资产。但是, 由于受到区域分割管理的限制, 区域内部的经济发展存在很大的差距, 资金分布不均衡, 对区域整体的经济发展造成严重阻碍。
1 构建完善的金融生态环境评价体系
以往对于金融与经济增长进行研究的资料和文献一般都是采用几种常用的检验方法:回归分析检验、Granger因果关系检验、协整关系检验、VAR向量自回归模型以及VEC向量误差修正模型等。其中最具代表性的是中国人民银行洛阳支行在2006年课题研究时采用的层次结构分析法以及广东分行采用的因子分析和层次分析相结合的计量方法, 这些方法都是使用固定的参数模型对金融和经济发展之间的关系进行研究。但是, 金融生态系统中的各个子系统的发展对于经济发展所产生的影响和作用是各不相同的, 也处于不断的发展变化中, 这就导致传统的固定参数模型并不能用来反映金融生态环境和区域经济发展之间的动态关系。实际上, 随着经济全球化趋势的不断加快, 经济危机和次贷危机以及货币政策和汇率的频繁变化, 使得经济结构也在逐渐发生改变, 固定参数模型无法表现出这种经济结构方面的变化, 也无法表现出由于不同原因而产生的经济与金融相关程度的变化。为了应对这种情况, 必须引入具有可变参数性质的状态空间模型来对动态系统的变化进行分析和研究。状态空间模型包括两个模型:其一是状态方程模型, 可以用来反映动态系统在输入的变量的作用下在某个时刻所转移到的状态;其二是输出或量测方程模型, 用来将系统在某时刻的输出和系统此时的状态以及输入变量相互联系起来。
2 数据来源与参数估计
状态空间模型选取2002—2009年之间京津冀地区的年度国民生产总值、固定资产投资、财政收入、财政支出、存款、贷款、社会商品销售总额、进出口额、保险行业原保费收入、股票流通总市值等数据对金融生态环境和区域经济发展的动态关系进行分析, 数据来源与历年的《中国统计年鉴》和《金融统计年鉴》, 2002年之前的固定资产投资数据来源与《新中国55年统计汇编 (1949-2004) 》。由于数据量太过庞大, 整理和分析耗费时间过长, 工作量过于繁重, 因此, 选取其中最具代表性的固定资产投资、财政收入、财政支出、存款和贷款6组数据进行研究, 其中 (1) 天津地区2002—2009年的固定资产投资、财政收入、支出、存款、GDP及贷款分别为:0.25、1.8、0.9、0.6、0.40、0.8;0.23、1.9、1.2、0.3、0.45、0.6;0.28、1.6、1.1、0.6、0.47、0.3;0.21、1.5、1.2、0.9、0.49、0.9;0.27、1.6、1.4、1.2、0.55、0.7;0.31、1.7、1.3、1.1、0.58、1.2;0.33、1.9、1.8、0.9、0.64、1.1;0.35、2.0、1.5、0.7、0.78、1.2。 (2) 北京地区2002—2009年的固定资产投资、财政收入、支出、存款、GDP及贷款分别为:0.35、2.0、0.7、0.8、0.65、1.1;0.36、2.1、0.9、0.5、0.67、0.7;0.38、1.9、1.2、0.7、0.77、0.9;0.36、1.8、1.4、0.6、0.72、1.0;0.37、1.7、1.3、1.1、0.79、0.8;0.36、1.9、1.4、1.0、0.95、1.5;0.42、2.2、1.5、0.9、1.05、1.2;0.78、2.1、1.4、0.8、1.08、1.3。 (3) 河北地区2002—2009年的固定资产投资、财政收入、支出、存款、GDP及贷款分别为:1.15、2.1、0.9、0.7、1.47、1.2;1.26、2.1、1.1、0.4、1.49、1.3;1.28、2.3、1.3、0.5、1.50、1.2;1.16、2.4、1.6、0.3、1.52、1.3;1.27、2.3、1.1、1.2、1.51、0.9;1.36、2.2、1.5、1.1、1.53、1.3;1.31、2.4、1.2、0.8、1.62、1.4;1.38、2.6、1.3、0.7、1.70、1.6。 (单位均为万亿元)
金融生态环境和经济增长之间的关系可以用以下的函数关系来表示:Y=AF。其中, Y表示经济增长变量, 一般可以通过国民收入或者或内生产总值来表示;F代表金融生态环境变量, A所代表的并不是单一的因素, 而是除了金融生态系统外, 所有可以对经济增长产生影响的元素的集合。本文选择GDP代表经济发展变量, 选择财政缺口指标FG、社会固定资产投资指标INV、金融资产指标FA作为影响金融生态环境的变量。则得到北京回归方程为:Y=0.3GDP+0.3FG+0.4INV+0.2FA;天津回归方程为:Y=0.2GDP+0.2FG+0.3INV+0.2FA;河北回归方程为:Y=0.1GDP+0.2FG+0.2INV+0.3FA。
财政收支缺口的存在, 可以刺激行政机构对于经济的关注和干预, 可以反映出金融生态系统的可持续性。财政收支的缺口越大, 政府对于金融的干预也就越强, 这与市场经济自主调节的特点产生冲突, 必须严格遵守市场经济的自然规律, 确保经济的健康发展。
全社会固定资产投资指标可以作为经济增长的辅助指标进行计算, 由于GDP中资本形成额所占的比重较大, 可以有效拉动投资, 可以用来分析我国金融发展与经济整体的投资规模和效率之间的关系。
金融资产指标这里指的是存款和贷款余额的总和, 可以反映区域对于资金的吸纳能力, 反映金融生态环境和区域经济的结合方式与程度, 体现出金融生态环境根植性的特点。存款余额的持续增长, 意味着区域经济吸收的资金也在不断增加, 为经济的快速发展提供了充足的资金, 也带动了区域内资源、技术以及劳动力的流动, 加速了区域整体经济的发展。
通过对2002-2008年京津冀地区金融数据的分析, 我们可以看出, 财政缺口、固定资产投资以及金融机构资产对于国民经济的发展都起到了拉动作用, 促进了区域整体GDP的增长。通过对比可以看出, 河北、天津地区财政收支缺口每增加1%, 可以带动GDP增长0.4%, 北京却只有0.07%, 差距十分巨大。产生这种结果的原因是北京自身的发展速度较快, 金融生态系统发育趋于完善, 政府对经济的行政干预程度较小, 对于GDP的影响也相对较小。而河北和天津经济发展程度较低, 市场的自我调节能力不足, 政府通过财政支出刺激经济增长仍然可以产生较大的效果。从固定资产投资方面看, 河北与天津的发展相近, 其固定资产投资的弹性系数和财政缺口的弹性系数也相近。北京由于人口聚集程度大, 固定资产投资, 特别是其中的房地产投资, 对于经济的带动作用十分明显, 而北京的科技发展水平较高, 固定资产投资的回报也就更高, 对于GDP的作用也更加明显。由于缺乏各个地区金融资产的统计数据, 难以直接对金融机构资产的作用和影响进行研究, 所以选取各地区存贷款余额数据来代表金融资产数据。通过金融资产总量与GDP的对比, 可以看出, 北京的金融资产总量远远大于GDP, 但是实际上, 北京的金融机构资产对于GDP的拉动作用却低于其他两个地区, 同时也并不稳定。北京是的金融资产对GDP的拉动作用与股市存在一定的关联:股市走高则市场繁荣, 金融资产的拉动作用增大, 股市低开则市场萎靡, 金融资产的拉动作用减弱。这种现象不利于金融生态系统的稳定和发展。因此, 北京的金融生态系统已经基本成熟, 金融资产对于经济发展的拉动作用较小, 且有明显下降趋势, 而风险却更高, 需要相关管理部门的重视。将所有数据回归Y=AF函数公式进行计算, F仍代表金融生态环境变量, A则包含了固定资产投资、财政收入、财政支出、存款和贷款数据的综合, 将数据代入函数公式, 比较京津冀区域参数的不同, 即可了解不同参数对GDP的影响程度, 得到有指导性的结论。
3 优化金融生态环境需要注意的问题
金融生态环境的优化不能单单解决一个方面的问题, 必须在经济可持续发展的前提下, 全面提高该区域金融业的竞争力, 从而实现经济与金融的协调发展。
(1) 要加强外部监督和管理。良好的金融生态环境可以吸引外来投资, 为本地区经济的发展提供必要的资金支持, 可以说已经成为决定区域经济发展的重要因素。要建立良好的金融生态环境, 并进行维护和保持, 需要形成一个可持续的金融生态系统, 也就是所谓的金融生态链。这不仅仅需要金融机构内部的管理, 还需要极强的外部监督和管理。如果缺乏外部监督的控制, 会造成金融风险的不断累积, 不利于经济的长远稳定发展。防范金融风险, 需要做到几个方面:
(1) 完善金融法制环境, 加强金融立法工作, 加快对于金融生态环境建设相关的法律法规的制定, 使得金融资产流通和经济活动有法可依。 (2) 推进社会信用体系建设, 增强对于金融活动参与者的诚信教育和宣传, 对金融环境中的信用环境进行优化。 (3) 建立健全中介行业组织, 加强对于中介机构的监督和管理, 提高中介服务的信誉和市场公信力。
通过加强外部监督和管理, 充分调动各方面的积极因素, 提高对于金融生态环境的重视程度, 保证其优化和稳定。
(2) 加强各级政府的作用。金融环境的好坏可以直接决定该地区资金流量的大小, 这也是市场经济自主调节的结果。但是, 并不是说我们对于市场经济的自主性无能为力。金融生态环境的建设是十分复杂的, 单单依靠市场而对自主调节很难实现, 需要政府部门的调节。在金融生态环境的建设过程中, 政府可以运用相应的行政手段, 为企业创造公平公正的投资环境, 也可以制定相应的金融政策, 加大对于金融行业的扶持和帮助。单单凭借企业和银行的自主建设, 不仅会大大延长金融生态环境的形成时间, 还无法落实相应的优化措施。只有加强各级政府对于金融生态环境建设的重视程度, 使其在金融生态环境的优化中发挥应有的作用, 切实负担起防范和化解地方金融风险的责任, 才能加快区域经济的建设和发展步伐。
(3) 要充分发挥产业优势。一个地区在投资者心中的地位主要是由两点决定的, 一是该区域内的重点行业是否符合国家相关政策, 规避政策风险, 二是产业的发展是否充分利用了比较优势, 是否具备强大的市场竞争力。因此, 优化区域金融生态环境从根本上说, 在于区域经济的良好发展和对产业发展方向的选择。例如, 京津冀地区的科研中心、材料研究中心、高新技术产业等的发展, 既符合国家相关的产业政策, 又具有巨大的市场需求, 产业优势明显。所以, 各地在确定自身的经济发展计划时, 必须立足自身的发展实际, 把握国家产业政策, 充分发挥地方产业的比较优势, 加强与周边区域的交流和沟通, 通过相互间的沟通与合作, 最终优化金融生态环境, 促进区域经济的快速发展。
4 推进区域经济发展的途径
从金融生态学的角度, 利用状态控制模型, 对金融生态系统和区域经济发展之间的动态关系进行了分析和研究, 可以更加清晰准确地反映区域金融发展和经济增长之间的规律。金融系统存在有效性、根植性和可持续性的特点, 这些变量的不断变化, 对于京津冀地区经济的发展产生不同的影响, 但是就结果而言, 都呈现正向的拉动作用。需要特别注意的是, 该地区金融生态系统中财政缺口的变化, 在客观上反映出在我国金融紧急体制改革中, 地方政府对于经济运行的控制所造成的影响, 虽然在天津和河北地区仍需要肯定这种影响, 但是也为两地的发展提出了警告, 政府融资平台一刀切的治理方式并不适合经济的长远发展。要逐步完善金融生态系统, 减轻政府对于经济的控制和影响, 充分发挥市场在经济发展中的主导地位。
5 结语
总而言之, 金融生态环境和区域经济发展之间的动态关系是不断发展变化的, 需要运用动态系统进行分析和研究。要立足区域自身的实际情况, 对影响金融生态系统的各种因素进行详细的分析和研究, 以市场调节为主导, 以政治行政手段为辅助, 优化区域金融生态环境, 促进区域经济快速健康发展。
参考文献
[1]崔健, 刘东, 王帆.金融生态环境与区域经济发展的相关性分析——以京津冀为例[J].经济研究导刊, 2012 (7) :115-117.
[2]刘慧.金融生态环境与区域经济发展[J].黑龙江社会科学, 2007 (3) :87-88.
[3]崔津度.金融资源、金融生态环境与区域经济发展[J].银行家, 2010 (9) :13-14.
[4]沈丽.区域金融发展与区域经济增长的理论与实证研究[J].生产力研究, 2007 (8) :33-35.
[5]耿建芳, 杨宜, 李有根.区域中小企业信用担保体系演进的制度分析[J].经济与管理研究, 2009 (7) :31-36.
动态状态空间模型 篇2
关键词：利率；跨市场效应；似不相关模型；状态空间模型；股票市场；债券市场
中图分类号：F830 文献标识码：A 文章编号：1003-5192(2012)04-0063-06
Study on the Cross-market Effects of Interest Rate Changes Based on
Time-varying Parameter State Space Model
LUO Ming-hua, TIAN Yi-xiang
(School of Economics and Management, University of Electronic Science and Technology of China, Chengdu 610054, China )
Abstract:The impact of interest rate changes on stock and bond markets is one of the issues domestic and international academic and government management focus on. This paper uses the cross-market information content of interest rate changes contained in order flow, constructs Seemingly Unrelated Regression model to test the cross-market effects of interest rate changes, and builds the time-varying parameter state space model to present the time-varying characteristics of the cross-market effects of interest rate changes. The empirical results show that interest rate changes cause the flight between stock market and Treasury bond market, and between stock market and corporate bond market, and risk contagion between Treasury bond market and corporate bond market. Interest rate changes have a negative impact on stock market through the Treasury bond market, and have a positive impact on stock market through the corporate bond market. The bond market and corporate bond market are the transmission channels of the cross-market effects of interest rate changes.
Key words:interest rates; cross-market effects; seemingly unrelated regression model; state space model; stock market; bond market
1 引言
近年来，利率变动与股票、债券市场的关系以及利率变动对股票、债券市场的影响效应等问题受到学术界、业界和政府管理层的广泛关注。其中，利率变动的跨市场效应是重点研究的问题之一。利率变动的跨市场效应是指利率变动引起的投资者在股票市场和债券市场之间的跨市场投资转移，以及利率变动产生的冲击在股票市场和债券市场之间的跨市场风险传染。研究利率变动的跨市场效应一方面可以提高投资者对利率变动跨市场效应及跨市场投资转移、风险传染内在机理的认识，规避利率变动产生的风险，另一方面可以为政府管理层制定合理的利率政策引导投资者的跨市场投资转移和规避利率风险传染提供有益参考。
本文回顾了利率变动对股票市场和债券市场影响效应的相关研究成果，对利率变动跨市场效应（Cross-market Efects）实证分析，利用定单流蕴含利率变动的跨市场信息含量，构建似不相关（Seemingly Unrelated Regression，简称SUR）模型检验了利率变动的跨市场效应，在此基础上，通过构建时变参数状态空间模型，刻画利率变动跨市场效应的时变特征。
2 文献回顾
已有大量的学者进行了利率对股票市场和债券市场的影响效应研究。国外学者对此问题的研究较早，取得了丰硕的研究成果。早期的研究可参见Bae［1］，Bomfim［2］，Guo［3］。这些学者研究了美国联邦利率和英国央行利率对股票市场的影响，认为普通股票收益率与利率变动之间存在显著的负相关关系。Bernanke和Kuttner［4］的研究发现，平均地，联邦基金利率未预期地下跌25个基点，股票价格指数将相应地上升1%。Chuliá等［5］研究了联邦基金利率变化对S&P500指数股票收益率、波动性和相关性影响的非对称效应，将利率变化冲击分解为正的和负的冲击，结果表明个股对利率的正负冲击反应不同，对正向冲击反应更强烈。Yin和Yang［6］检验了不同特征的上市银行股票对联邦基金利率变化的反应，检验结果显示联邦基金利率变动对大银行的影响效应比小银行更明显，依赖于非存款类资金来源和低资产负债率的银行对利率变动反应更强烈，而银行的业务活动对利率变动冲击反应不灵敏。在利率对债券市场影响的早期研究中，Sarno和Thornton［7］等认为利率对债券收益率的影响显著。Viceira
nlc202309040045
［8］研究了利率期限结构与债券风险、收益率波动性的关系，认为债券的CAPM Beta、收益率波动性与名义利率的期限结构存在系统相关性，名义短期利率对已实现的债券CAPM Beta、收益率波动率具有预测作用，能解释债券Beta和收益率、波动率的时变性。Goyenko和Ukhov［9］采用向量自回归模型（VAR）实证研究了股票市场和债券市场的流动性，在分析宏观经济变量对股票市场和债券市场的非流动性影响时发现联邦基金利率上升将提高股票市场和债券市场非流动性，进而对收益率产生不利的冲击效应。
国内学者也对利率与股票市场和债券市场的关系进行了一些有益探讨，分析了利率变动对股票市场和债券市场的影响。张绍斌和齐中英［10］的研究结果表明，名义长期和短期利率、实际长期和短期利率都与股价指数呈较强的负相关关系。郭金龙和李文军［11］的实证结果显示利率变化与股指变动存在一定的负相关关系，利率变动的短期效应较小，而中期效应相对较大，这表明股市对利率变动信息的反应存在滞后性。董研等［12］利用单因素方差分析方法实证研究了存贷款利率变动对国债收益率曲线变动的影响，结果表明，存贷款利率的提高使得债券收益率曲线在水平因素和倾斜因素上都发生了显著变化，长期收益率对存贷款利率的敏感程度要大于短期收益率。陈其安等［13］采用GARCH模型的实证结果发现，若不考虑宏观经济环境，利率变动对股市波动产生显著的负向影响；若考虑宏观经济环境，利率变动对股市波动的影响却不显著。何志刚和王鹏［14］利用脉冲相应函数和方差分解等分析方法，实证分析了货币政策对我国股票市场和债券市场流动性的影响，发现利率的正向冲击将增大股票市场和债券市场的非流动性指标，降低股票市场和债券市场流动性。
从以上学者的研究成果来看，大多数学者采用了统计分析、回归模型、VAR模型等方法对利率与股票、债券市场的关系进行了实证研究。但是统计分析和回归模型只能从静态的角度分析利率与股票、债券市场的关系。VAR模型虽然能分析利率变动对股票、债券市场的动态冲击，但是利用VAR模型进行分析，主要是建立固定参数模型。目前，我国股票市场和债券市场受政策变化和国际资本市场的影响，股票市场和债券市场结构正逐渐发生改变，股票市场和债券市场相关变量对利率政策等政策冲击的反应也越来越不固定，采用固定参数模型已经不能较好地刻画变量之间的动态关系。此外，以上学者的研究都主要讨论了利率变动对股票市场和债券市场的市场内效应，而没有讨论利率变动的跨市场效应。因此，本文采用状态空间模型方法，构建时变参数模型，研究利率对股票市场和债券市场影响的时变性和动态效应，分析利率变动产生的跨市场效应。
3 利率变动跨市场效应实证分析
3.1 变量设计及数据来源
（1）股票市场和债券市场走势度量指标
本文选取2005年1月～2011年8月为研究样本区间。选取上证指数（000001）、上证国债指数（000012）和上证企债指数（000013）月收盘价数据代表股票、国债市场和企业债市场的走势和变化。月收益率的计算方法如下：
4 结论与政策建议
本文通过构建似不相关模型和时变参数状态空间模型，实证检验了利率变动的跨市场效应，刻画了利率变动跨市场效应的时变特征。实证结果表明，利率变动引起股票市场和国债市场、股票市场和企业债市场之间的投资转移以及国债市场和企业债市场之间的风险传染。利率变动的冲击具有明显的跨市场效应。同时，利率变动的跨市场效应呈现时变特征，利率变动冲击大小随时间而发生变动。国债市场和企业债市场作为利率变动的传导渠道，将利率变动的信息传递到股票市场，进而产生跨市场效应。但是，利率变动通过国债市场和企业债市场产生跨市场效应不同。利率变动通过国债市场产生了负向跨市场冲击，通过企业债市场产生了正向跨市场冲击。
针对利率变动对股票、国债和企业债市场产生的跨市场效应及其时变特征的分析结论，本文提出如下的利率调控政策建议：
（1）根据具体情况制定有针对性的利率调控政策
由于利率变动对股票、国债和企业债市场产生的跨市场效应不同，引起投资者在股票市场和国债市场、股票市场和企业债市场之间的投资转移以及利率风险在国债市场和企业债市场之间的传染。政府管理层在制定利率政策时，要密切关注利率变动的跨市场效应以及对不同市场的冲击效应，制定有针对性的利率调控政策，避免在调控一个市场时对另一个市场产生冲击。并根据利率变动的时变特征采取相机抉择的利率调控政策，在不同的时候以及不同的市场条件下，制定相应的调控政策。
（2）提高利率变动的弹性，充分发挥利率调控的作用
目前，我国实行利率管制政策，利率变动缺乏弹性。利率机制的作用和利率调控的效果并不理想。利率管制政策和行政性资金配置导致我国经济中存在利率软约束，进而造成了我国资本市场上利率传导机制失灵。本文的分析结果表明股票、国债和企业债是利率政策的有效传导渠道。因此，政府管理层在调控资本市场时，利率政策是一个较好的调控工具，应该提高利率变动的弹性，充分发挥利率传导机制，增强利率调控的作用。
参 考 文 献：
［1］Bae. Interest rate changes and common stock returns of financial institutions: revisited
［J］. Journal of Financial Research, 1990, 13(1): 71-79.
［2］Bomfim. Pre-announcement effects, news effects, and volatility: monetary policy and the stock market［J］. Journal of Banking & Finance, 2003, 27(1): 133-151.
［3］Guo. Stock prices, firm size, and changes in the federal funds rate target［J］. The Quarterly Review of Economics and Finance, 2004, 44(4): 487-507.
nlc202309040045
［4］Bernanke, Kuttner. What explains the stock market’s reaction to federal reserve policy［J］. The Journal of Finance, 2005, 60(3): 1221-1257.
［5］Chuliá, Martens, Dijk. The effects of federal funds target rate changes on S&P100 stock returns, volatilities and correlations［J］. Journal of Banking & Finance, 2010, 34(4); 834-839.
［6］Yin H Y,Yang J W. Bank characteristics and stock reactions to federal funds rate target changes［R］. Indiana University South Bend Indiana University South Bend, Working Paper, 2011.
［7］Sarno, Thornton. The dynamic relationship between the federal funds rate and the treasury bill rate
: an empirical investigation［J］. Journal of Banking & Finance, 2003, 27(6): 1079-1110.
［8］Viceira. Bond risk, bond return volatility, and the term structure of interest rates［R］. HBS Finance Working Paper, 2007. 7-82.
［9］Goyenko, Ukhov. Stock and bond market liquidity: a long-run empirical analysis［J］. Journal of Financial and Quantitative Analysis, 2009, 44(1): 189-212.
［10］张绍斌,齐中英.中国利率水平与股价指数关系的理论分析和实证研究［J］.数量经济技术经济研究,2003,(10):95-98.
［11］郭金龙,李文军.我国股票市场发展与货币政策互动关系的实证分析［J］.数量经济技术经济研究,
2004,(6):18-27.
［12］董研,张可,潘垚垚.存贷款利率水平提高对国债收益率曲线变动影响的分析［J］.华东经济管理,200
5,19 (9):131-136.
［13］陈其安,张媛,刘星.宏观经济环境、政府调控政策与股票市场波动性——来自中国股票市场的经验证据［J］.经济学家,2010,(2):90-98.
［14］何志刚,王鹏.货币政策对股票和债券市场流动性影响的差异性研究［J］.财贸研究,2011,(2):99-106.
［15］Evans, Lyons. Order flow and exchange rate dynamic［J］. Journal of Political Economy, 2002,
110(1): 170-180.
［16］Underwood. The cross-market information content of stock and bond order flow［J］. Journal of Financial Markets, 2009, 12(2): 268-289.
［17］谭地军,田益祥.债券流动性与定单流的信息含量［J］.中国金融评论,2009,3(1):1-17.
［18］李成刚,田益祥,罗聪.定单流冲击下证券投资最优组合模型及应用［J］.系统工程,2011,29(6):17
-21.
［19］Girardin, Tan D, Wong W. Information content of order flow and cross-market portfolio rebalancing［J］. HKIMR Working Paper, 2010.
［20］Chordia, Roll, Subrahmanyam. Order imbalance, liquidity and market returns［J］. Journal of Financial Economics, 2002, 65(1): 111-130.
动态状态空间模型 篇3
能源是经济增长不可或缺的关键要素,能源消费的变动不仅影响着经济增长,同时产业结构的变动对能源消费也有深远的影响。对于我国而言,煤炭在一次能源消费结构中一直占据主体地位,然而近年来,关于产业结构和能源消费方面的学术研究比较多[1,2,3,4,5,6,7,8,9,10,11,12],主要研究成果见表1, 关于产业结构和煤炭消费关系也只是处于定性分析研究阶段。
目前研究文献基本上主要集中在能源消费与产业结构的关系以及煤炭自身产业结构的转型定性分析等方面的研究,还没有对煤炭与国民经济产业结构的关系进行实证研究。在中国一次能源消费结构中,煤炭的占比一直在70% 左右,可以说煤炭在中国能源消费结构中的主体地位是不会改变的。因此,本文以1980 ~ 2012年煤炭消费量和中国产业结构数据为依托,基于协整和空间状态模型等相关理论,对我国煤炭消费与产业结构之间关系进行了实证研究。
1实证研究
1.1数据选择
本文对产业结构和煤炭消费之间关系的实证研究所采 用的数据 分别来自 于国家统 计局和WIND数据库等数据库和相关文献资料。由于具体的煤炭消费量和1978年为基础的指数,国家统计局只公布到2012年,2013年和2014年的具体数据还没有公布,因此,本文采用1980 ~ 2012年的相关数据,第一、二和第三产业相关数据按照当年名义产值和以1978年为基数通过相关换算得到的中国实际产业产值总额作为衡量第一产业、 第二产业和第三产业的代理变量,反映中国经济的产业结构。
为消除时间序列潜在的异方差现象,本文对煤炭消费量和第一产业、第二产业和第三产业4个时间序列 ( 即COAL、GDP1、GDP2和GDP3) 分别取自然对数,表示为LCOAL、LGDP1、LGDP2和LGDP3,其一阶差分和二阶差分分别表示为DLCOAL、 DLGDP1、 DLGDP2与DLGDP3、 DDLCOAL、DDLGDP1、DDLGDP2与DDLGDP3。
1.2变量的平稳性检验
由于现实中的经济时间序列通常都是非平稳的,采用传统的计量经济方法建模就容易产生虚假回归的现象。因此本文首先对LCOAL与LGDP1、LGDP2和LGDP3等各个变量进行单位根检验,如果各个变量存在单整阶数并且阶数相等时, 才能有效地确定他们之间的相互关系,相关变量的单位根检验结果见表2。
由表2知,各个变量的水平序列都是非平稳的,而它们的二阶差分都是平稳的。因此可以运用协整理论来研究1980 ~ 2012年中国经济产业结构与煤炭消费之间是否存在长期均衡关系,以期进一步考察产业结构对煤炭消费的影响。
1.3多变量的协整关系检验
1.3.1多变量的协整关系检验
表3是对产业结构与煤炭消费关系进行协整关系检验的结果。
由表3迹统计量和最大特征值统计量的检验结果可知,在5% 的显著性水平下煤炭消费与产业结构之间存在一个协整方程。经过上述各变量的单位根检验,可知各变量序列均为二阶单整序列,满足协整检验的先决条件,首先用最小二乘法对这4个变量进行回归分析,回归结果分析见表4。
根据表4建立的回归方程如下:
然后,对该回归方程的残差序列进行单位根检验,得到的结果如表5所示。
由于残差 εt的ADF统计值小于1% 临界水平下的临界值,从而表明残差序列是平稳序列并且不存在单位根,说明煤炭消费和产业结构之间存在协整关系,表明两者之间有长期均衡关系。从回归模型的结果可以看出,煤炭消费与第一产业的关系呈现在1% 显著水平下的负相关关系,也就是说第一产业增长1% ,相应的煤炭消费下降0. 53% ; 煤炭消费与第二产业和第三产业的正系数在1% 和5% 的置信水平下显著不为零,系数分别为0. 35和0. 24,说明煤炭消费与第二产业和第三产业存在着正相关关系,第二产业增长1% 和第三产业增长1% ,煤炭消费分别增长0. 35% 和0. 24% ,第二产业对煤炭消费的拉动力度要明显大于第三产业对煤炭消费的影响。
1.3.2变量的Granger因果关系检验
根据Granger因果关系检验理论和方法,由于本文中的4个变量LGDP1,LGDP2,LGDP3和LCOAL之间存在长期协整的关系,主要检验的是产业结构和煤炭消费之间的关系,因此其他的方程检验这里不作讨论,结果如表6所示。
表6显示出各变量之间的Granger因果关系的检验结果。检验结果表明: 在1% 的显著性水平上,第三产业是煤炭消费的Granger原因; 在5% 的显著性水平上,第一产业和第二产业是煤炭消费的Granger原因。这说明在我国经济增长的长期运行中,存在三次 产业到煤 炭消费的 单向Granger因果关系,煤炭消费在国民经济中的作用是普遍存在的。
1.4方差分解分析
利用方差分解可以从不同的角度分析变量之间的动态响应特征,本文只分析考虑第一产业、 第二产业和第三产业对煤炭消费的影响,见图1。
图1是进行了20年间的第一产业、第二产业和第三产业对煤炭消费影响的分解分析。从图1可以看出,煤炭消费在20年期间,随着时间的推移,自身的贡献率逐步减退,第5年自身的贡献率下降到46. 19991% ,第15年自身的贡献率下降到12. 44192% ,之后下降缓慢并且趋于平稳。 从产业结构对煤炭消费的影响来看,起初的10年之间,第一产业对煤炭消费的影响逐步提高,第10年达到20. 30997% ,10年之后该影响逐步下降并趋于平稳。起初的5年之间,第三产业对煤炭消费 的影响逐 步提高, 第5年达到18. 26530% ,5年之后该影响逐步下降并趋于平稳。值得注意的是,第二产业对煤炭消费的影响力度要显著地大于第一产业和第三产业对煤炭消费的影响,第二产业对煤炭消费的影响持续增长。
1.5状态空间模型估计
由于状态空间模型要求煤产业结构和煤炭消费之间是平稳的或存在协整关系,上述单位根检验已表明各变量是二阶差分平稳的。通过协整检验发现,各变量之间在5% 显著水平下存在一个协整关系。由于产业结构和煤炭消费间存在协整关系,因此,运用状态空间模型估计所得到的结论是可靠的。
本文建立状态空间模型如下:
量测方程为:
状态方程为:
在对模型参数进行极大似然估计时,通过卡尔曼滤波算法分别得到状态空间模型的时间序列估计,其中相关结果见表7:
从表7可以看出,SV1、SV2和SV3分别代表的是第一产业、第二产业和第三产业对煤炭消费的时变轨迹。3个状态变量都在1% 的水平下显著,表明模型系数具有显著性。在量测方程中, 各产业对煤炭消费都存在相应影响,状态变量的系数和协整检验的结果相差不大,说明状态空间模型的精确度良好。
图2 ( a) 、 ( b) 和 ( c) 分别是第 一产业 ( SV1F ) 、 第二产业 ( SV2F ) 和第三产 业 ( SV3F) 对煤炭消费的边际影响的变化情况。从产业结构对煤炭消费的影响来看,除去初始值设定的影响之外,第一产业对煤炭消费的影响基本上是负影响。第二产业对煤炭消费的边际影响自1986年之后持续上升,特别是2002年之后,边际影响更加显著,这也和煤炭工业的2002 ~ 2012年的 “黄金十年”的大发展相一致,显示出第二产业对煤炭消费的拉动作用非常明显,而第三产业对煤炭消费的边际影响自1986年之后呈下降趋势。这说明,煤炭消费主要还是依靠第二产业的发展,第二产业增长对煤炭消费起着决定性的作用,这与协整检验的结论一致。
2结论
本文运用我国1980 ~ 2012年的时间序列数据,分析了产业结构和煤炭消费的关系,通过协整关系检验、Granger因果关系、方差分解和状态空间模型等方法对上述变量进行了实证研究,得出以下几点结论:
( 1) 产业结构和煤炭消费之间的二阶差分都是平稳的,存在着协整关系,表明两者之间有长期均衡关系。煤炭消费与第一产业的关系呈现在1% 显著水平下的负相关关系; 煤炭消费和第二产业与第三产业的正系数在1% 和5% 的置信水平下显著不为零,并且第二产业的系数显著性地大于第三产业的系数,第二产业对煤炭消费的拉动力度要明显大于第三产业对煤炭消费的影响。
( 2) 从格兰杰因果检验结果表明,在1% 的显著性水平上,第三产业是煤炭消费的Granger因果关系; 在5% 的显著性水平上,第一产业和第二产业是煤炭消费的Granger因果关系。这说明在我国经济增长的长期运行中,存在三次产业到煤炭消费的单向Granger因果关系,煤炭消费在国民经济中的作用是普遍存在的。
( 3) 从煤炭消费的方差分解结果可以看到, 煤炭消费自身的贡献率逐步减退,第一产业和第三产业对煤炭消费的影响逐步提高,随后该影响逐步下降并趋于平稳。第二产业对煤炭消费的影响力度要显著地大于第一产业和第三产业对煤炭消费的影响,第二产业对煤炭消费的影响持续增长。
动态状态空间模型 篇4
关键词：作战计划,行动方案,状态空间,着色Petri网
在信息化条件下,随着军事行动越来越复杂,速度越来越快,军事行动正在从一种严格纵向的组织结构向一种更加集成、更加模块化、定制能力更强的结构转变。由于战场情况的不确定性,以及作战行动的高对抗性,指挥员对参谋人员作战计划拟制、调整和修改的时效性提出了更高的要求,而传统的人工作业方式无法满足快速拟制作战计划的要求,需要采用信息化手段提高计划拟制和调整的效率[1]。行动方案(Course of Action,COA)是执行使命任务的行动过程或者任务流程,是在作战目的(Operation Objective和首长意图的指导下,使一定的战争实体在一定的时间,一定的地点,执行一定的行动,并产生一定的相互作用效果,按规则判断实体状态和行动效果是否触发条件或以时间驱动,选择下一行动,最终确定整个可能的行动序列[2]。所以COA的开发与分析是作战计划制定关键步骤。
1 基于CPN的COA建模与开发工程化模型
1.1 COA开发过程
作战单位从上级指挥部门受领作战任务之后,军事计划人员分析作战资源和能力指标、评估当前的敌我双方的作战态势、作战限制条件以及事实与假设,其中事实与假设决定了首长的关键情报需求。然后,军事计划人员确定理想的作战最终状态,并把整个作战过程分解成若干个决定点,针对每个作战决定点开发具体的作战任务。最后,因为这些大量的作战任务之间存在复杂的因果关系,必须针对这些作战任务进行排序以及对作战资源进行分配,进行COA开发。如图1所示。
1.2 着色Petri网
着色Petri网是一种典型的高级Petri网,当我们在对较复杂的系统进行建模时,常会出现库所节点和变迁节点过多的情况,导致Petri网的建模和分析的复杂性大大增加。着色Petri网(简称CPN)就是用来简化Petri网模型结构的。它通过把系统中具有同类行为特性的库所节点归并到一个库所节点中,并通过令牌(Token)的不同颜色来进行区分,这样就可以简化Petri网的结构。着色Petr网中,还可以引入层次(Hierarchy)的概念,通过层次来把整个系统的模型组织起来,因此,建模和使用起来更方便和清楚[3]。
CPN建模语言可以对那些可被视为并行系统的系统进行建模,在这些系统里,同步化与资源分配是关键要素。系统的CPN模型既面向行动,也面向状态,因为它可以捕获该系统的当前状态以及在特定状态下可能发生的事件。CPN还包括一个时间概念,该概念使得有可能对系统里的事件所需要的时间进行描述。COA具有的大量的作战任务,给定的作战资源、同步化约束及任务间的复杂关系使得COA的开发十分复杂,而CPN的上述特性决定了其适用于对COA的建模与开发[4]。
1.3 基于CPN的COA开发工程化模型
在阐述了COA的开发的一般过程之后,结合CPN技术,提出了基于CPN模型的COA建模与开发工程化过程模型,如图2所示:
1)在任务空间,作战计划参谋人员从上级接到受领任务之后,对受领任务进行分析分解,生成规范化、参数化作战任务清单;
2)在模型空间,根据作战任务清单初始化COA的CPN模型,对模型进行仿真,生成COA的CPN模型状态空间;
3)在分析空间,COA的CPN模型状态空间对应于作战行动线程(LOPs),通过状态空间搜索算法生成LOPs;
4)在分析空间,对生成的LOPs进行分析、评估、选择,最终完成COA的开发。
当生成的所有作战行动线程(LOPs)无法到达理想的最终状态,不能完成受领任务,既可能是作战任务的缺失也可能是资源的不足,作战任务的缺失将导致相关的作战任务的开始前提条件不满足而不能顺利执行,资源的不足也将使相关的作战任务不能执行,因而不能到达理想的最终状态。所以应该对生成的作战任务清单进行修改。建立COA的CPN模型是为了得到作战任务所有可能的执行系列,生成COA的CPN模型状态空间(过程中的第2步)。COA建模目的是为COA开发提供底层的模型支持[5,6]。
作战计划的制定是依据给定资源、约束条件、初始状态和作战目标,运用相应的规划技术,产生行动方案(COA),通过COA的执行实现从初始状态向最终状态的转变。简单地说,作战计划的过程就是解决采取何种行动(actions)和在何时采取这些行动的问题。前一个问题是任务分析分解问题,后一个问题是时序调度问题。该文考虑第二个问题。即在参谋人员给定了受领任务的作战任务清单的条件下,如何对任务进行排序,确保LOP是适应的、可行的。
2 CPN状态空间搜索算法
状态空间分析是CPN建模工具CPN-Tools提供的一种分析系统状态迁移过程方法,该工具提供了模型接口,可以为应用程序所调用,对系统的状态空间进行计算和分析。状态空间方法是基于计算出所有可达状态和有限系统的状态转换,把他们描绘成有向图[31,32]。
2.1 COA的CPN模型状态空间分析
由COA的CPN状态空间的定义可知,LOPs分为两种:分别是完整LOPs和不完整LOPs。完整LOPs是能够得到理想的最终状态的那些LOPs,不完整的LOPs的终止状态不是理想的,当所有的LOPs都属于不完整LOPs时,定义该COA为不完整的COA,不完整的COA产生于COA开发的早期阶段,可能是由于资源的不足而引起的,这暗示了某些任务不能执行。或者是逻辑错误的原因,例如:任务缺失导致某项作战任务的前提条件始终无效而不能执行。
LOPs的计算是基于CPN模型的状态空间搜索,如图3显示了具有4个LOPs的状态空间,T1,…,T6,节点对应相应的可达状态,弧对应于约束事件的发生。节点1代表初始状态,节点21代表理想的最终状态,这个状态空间描述了所有的作战任务的执行方式[33]。
图3中的状态空间确定了两个完全的LOP1和l OP2。(其他两条路径是相同的)
通过CPN网结构可以证明以下定理:
1)CPN(COA)的状态空间是有限的,例如:CPN模型有个有限状态的可达集,在每个状态有有限的活性元素;
2)状态空间是个非循环有向图;
3)设σ1,σ2分别是L1和L2长度的路径,都是从初始状态到相同的状态S,然后有L1=L2。
定理1:确保了状态空间搜索的结束性。定理2:暗示了有有限条路径能到达给定了状态,因此有有限个LOPs产生。定理3:确保在宽度优先搜索,当访问一个状态s时,s所有的父节点已经被访问过了[7]。
状态空间搜索的目的是为了计算出完整的LOPs,由定理2可知,采用基本的图搜索算法是可以解决此问题的。
2.2 两阶段算法
两阶段算法是深度优先搜索算法与宽度优先搜索算法的结合运用,在第一阶段运用深度优先搜索算法能够快速搜索出部分完整的和不完整的LOPS,第二阶段是使用宽度优先搜索算法,它是在第一阶段算法的基础上进一步搜索,因为在第一阶段,完整的和不完整的LOPs并没有完全产生,比如说,在图3中,因为节点19已经被访问过了,第二次将不再搜索,所以只能找到LOP1和LOP2[8]。
下面是深度优先搜索算法:用到了三个数据结构:
Nodes:储存产生的节点(状态)集。
Arcs:存储产生的弧集。
Stack:存储没有处理的状态集。
在第一阶段的基础上执行宽度优先搜索。宽度优先搜索也用到了三个结构:Visited保存已访问状态的轨迹;LOP用来关联状态和从初始状态到达该状态所有的可能路径,这些路径用LOPs表示;Queue存储宽度优先搜索遍历队列。调用此算法时,初始状态插入到该队列中,算法通过选择队列中的状态s来获得状态s的lops。但是,随着作战任务数量的增加,模型执行的可选方式也在增加,导致模型的状态空间成指数级增长,例如:在时刻t有n个具备开始条件的作战任务,那么就有2n个作战任务执行方式,这将带来模型的状态空间爆炸问题。该文目的是对两阶段算法进行改进,采用反向路径搜索算法替代宽度优先搜索算法缓解COA开发的模型状态空间爆炸问题。
2.3 改进的两阶段算法
两阶段算法中的深度优先搜索算法能快速产生部分完整的及不完整的LOPs。虽然作战任务之间存在复杂的约束关系,通常情况下,作战任务清单中包括一个确定的最终任务,这个任务的执行将到达理想的最终状态,例如:两栖登陆作战计划,其中两栖登陆这个任务可以看作是作战任务清单中的最终作战任务,在一定程度上,其他的所有作战任务都是为这个最终的作战任务的执行提供开始条件的。当作战计划参谋人员开发的作战任务清单中不存在作战任务冗余时,一个COA的CPN模型状态空间最多只有一个理想的最终状态。由于作战任务之间紧密的约束关系,即使存在作战任务冗余,理想的最终状态的个数相比于可达状态集也是占很小的比例。对于COA开发问题,作战计划参谋人员需要的是完整的LOPs,因此可以考虑在两阶段算法中,用反向路径搜索算法取代宽度优先搜索算法,即从理想的最终状态节点由下往上搜索,由子节点找到父节点,最后到达模型的初始状态。
反向路径搜索算法同宽度优先搜索算法相似,采用三个数据结构。Visited保存已访问状态的轨迹,LOP用来关联状态和该状态到达理想的最终状态的所有可能路径(该状态是通过深度优先搜索算法得到的),这些路径用lops来表示,Queue存储宽度优先搜索遍历队列,算法通过选择队列中的状态s来获得状态s的lops。与宽度优先搜索不同的是当调用此算法时,将理想的最终状态插入到该队列中。
对于COA的CPN模型状态空间搜索算法,由于计划人员只需要完整的LOPs,采用深度优先搜索算法之后,可以得到理想的最终状态,所以,采用反向路径搜索算法,不需要对整个状态空间遍历,只需对能到达理想最终状态的节点进行遍历,即能找到所有的完整的LOPs,因此,对于基于CPN模型COA开发问题,改进的两阶段算法能缓解状态空间爆炸问题。
3 总结
战争系统是一个开放的复杂系统,在高技术条件下的信息化战争中,信息量急剧增加,战场复杂性、不确定性、风险性不断增长。作战计划从寻求最优到追求敏捷、动态自适应。信息共享、分布式兵力、扁平化指挥、分散式控制、协同、作战效果聚合和级联等使得作战计划的制定成为一项复杂的工程。该文以提高作战计划系统自动化、智能化水平为目标,设计了基于CPN的COA工程化开发模型,并改进了状态空间搜索算法缓解状态空间爆炸问题,对基于模型的开发系统的研制具有重要的参考价值。
参考文献
[1]Boukhtouta A,Bedrouni A,Berger J.A Survey of Military Planning Systems,2002:5-7.
[2]胡晓峰,杨镜宇,司光亚,等.战争复杂系统仿真分析与实验[M].国防大学出版社,2008:442.
[3]袁崇义.Petri网原理与应用[M].北京:电子工业出版社,2005.
[4]吴哲辉.Petri的网基本概念及理论[J].计算机世界报,1994,27.
[5]Mr BriceMitchell,Dr Lin Zhang.Modelling Operational Level Planning Processes with Coloured Petri Nets[J].the 7th international com mand and control Research and Technology Symposium,2004.
[6]C Boutilier,T Dean,S Hanks.Decision Theoretic Planning.Structural Assumptions and Computational Leverage[J].Journal of Artificial In telligence Research,2000(11):1-94.
[7]Kurt Jensen,S ren Christensen,Lars M.Kristensen.CPN Tools State Space Manual[M].University of Aarhus,2006.
动态状态空间模型 篇5
2015 年是中国股票市场引人注目的一年,A股市场开户数量在这一年达到了历史峰值,2015 年也是中国股市不平凡的一年,投资者既经历了千股涨停,也见证了千股跌停。那么,在我国当前新的经济环境下,宏观经济因素对上涨指数的影响发生了怎样的变化无疑是一个值得探究的问题。现有的研究主要是利用多元回归的方法来对影响上证指数的宏观经济因素进行分析,这种从静态角度进行研究的方法,一方面只能体现某一特定时间段内宏观经济因素对于上证指数的平均影响程度,不能够体现出这些影响因素在不同时期内对上证指数影响程度的变化; 另一方面随着国内外经济环境的变化,原有的固定参数模型可能已经不能充分解释新的市场环境下宏观经济因素对上证指数的影响。因此,本文建立时变系数状态空间模型,研究主要宏观经济因素对上证指数的动态影响过程。
2 文献综述
国内外学者近年来对股票市场与宏观经济因素之间的关系做过大量的研究。从变量选取方面,主要以CPI、失业率、利率、汇率、工业生产指数、石油价格等作为宏观变量,研究这些变量对上证指数的影响。其中,Girardin和Joyeux ( 2013) 关注CPI,Bhargava ( 2014 ) 关注失业率和利率,Altinbas和Biskin ( 2015) 则关注利率、汇率、工业生产指数、石油价格、黄金价格等较为广泛的领域。国内文献相继则关注GDP、各类价格指数( CPI、PPI) 、宏观经济景气指数、消费者信心指数、工业增加值、社会消费品零售总额、进出口总额、固定资产投资完成额、汇率、人民币存款基准利率、存款准备金率、银行间7 天内同业拆借加权平均利率、货币供应量M0、M1、M2、城乡居民储蓄存款余额、和社会消费品零售总额、上海证券交易所市价总值等19 个指标。这些宏观经济变量与股价指数的关系,曾志坚和江洲( 2007) 的结论是股票价格指数的短期波动受到利率和储蓄的短期变化影响; 但是工业增加值和货币供应量对上证指数的影响较小。孙洪庆和邓瑛( 2009) 认为股票价格指数与货币供应量之间有强协整关系和格兰杰因果关系;而和GDP、投资之间完全没有协整关系。朱英姿和吴美等( 2012) 得到的结论是一些宏观经济因素对上证指数有较强的预测力,例如经济先行指数和商品房销售面积。从计量方法来说,Garch - Midas、不对称PARCH模型、协整检验、多元回归模型来检验上证A股指数受到多种宏观经济变量的影响。
3 宏观因素选择
可能影响上证指数的宏观因素有许多,本文按照数据的可得性和国内外因素统筹兼顾的原则结合现有的研究成果对宏观因素进行选取。选取的国内影响因素有反映整个宏观经济流动性的货币供给量M2、宏观经济景气指数、消费者物价指数CPI以及人民币汇率、反映美国经济状况的道琼斯指数5 个指标。
4 变系数状态空间模型
影响上证指数的宏观因素有多个,这些因素对上证指数的影响是不可测的,并且是随时间变化的状态变量。现有文献中的固定参数模型是假设在选取的样本期间内各变量之间的关系不变的条件下得到的,描述的是宏观因素对上证指数的平均影响关系。本文利用Harvey ( 1999) 和Hamil - ton( 1994) 提出的状态空间模型构造出变参数模型来分析不同宏观因素对上证指数的动态影响。
变系数状态空间模型可以表示为:
式( 1) 中,βt是不可观测且随时间改变的状态变量,必须由可观测变量yt和xt来估计,体现出解释变量对被解释变量的动态影响; xt是具有变参数的解释变量矩阵; wt是具有固定参数的解释变量向量; γ 是固定参数向量。
假定变参数 βt可以由AR ( 1) 来描述,则得到状态方程:
也可以扩展为AR ( p) 模型,并且假定
式( 3) 表明,扰动项ut和 εt不一定是相互独立的,且服从均值为0,方差为 σ2和协方差矩阵为Q ,cov ( ut,εt) =g的正态分布。
5 实证研究
5. 1 样本选取及数据选择
如上文所述,本文选取的上证指数影响因素有货币供应量M2、宏观经济景气指数、消费者物价指数以及人民币兑美元即期汇率、美国道琼斯工业指数。样本选取的数据为2008—2015 年的月度数据,研究各因素对上证指数的动态影响。其中,对于上证指数和道琼斯工业指数,选取的是每月最后一个交易日的收盘价数据,
为了方便研究,本文对上述变量重新定义,各变量的定义如表1 所示。
5. 2 平稳性与协整关系检验
为了保证时间序列的平稳性,首先需要对各变量进行单位根检验,在进行单位根检验之前,先对数据进行初步的处理。对上证指数、货币供应量和道琼斯工业指数先进行对数运算( 下文中的上证指数和道琼斯工业指数均指的是对实际值求对数后的结果) ,然后对经过对数处理后的数据进行一阶差分,得到的数据分别用d Lsz、d LX1、d LX5表示。对于宏观经济指数,消费者物价指数和汇率进行一阶差分处理,得到的数据分别用d X2、d X3、d X4表示。
对处理后的数据运用Eviews进行ADF检验,检验结果如表2 所示。
由表2 可知,在1% 的显著性水平下,经过初步处理后的各变量数据在ADF检验下都是一阶单整的平稳序列。同时,为了避免伪回归的问题,我们需要对上述变量进行协整检验,本文采用Eviews软件下的Johansen协整检验方法,这种检验方法存在两种检验统计量,即特征根迹检验统计量和最大特征值检验统计量。检验结果如表3 所示。
注:*表示在95% 的显著性水平下拒绝原假设;**表示Mac Kinnon - Haug - Michelis ( 1999) p - values。
由表3 可以看出,在5% 的显著性水平下,迹检验和最大特征根检验都表明拒绝接受 “至多存在5 个协整关系”的原假设,两种统计量检验结果都表明在5% 的显著性水平下这六个变量之间存在6 个协整关系。通过协整分析可以知道,货币供应量M2、宏观经济景气指数、消费者物价指数、汇率、道琼斯工业指数和上证指数之间存在长期的均衡关系。
5. 3 模型的建立与估计
运用本文上述内容中介绍的时变参数状态空间模型来具体研究货币供应量M2、宏观经济景气指数、消费者物价指数、汇率、道琼斯工业指数对上证指数的影响,模型建立如下:
量测方程:
信号方程:
利用Eviews得到的估计结果如下:
5. 4 结果分析
为了直观的表现各因素对上证指数的时变影响,本文利用Eviews产生状态序列,并选择滤波状态变量均值,得到变参数的上证指数影响因素的动态变化过程。由于在用卡尔曼滤波法求解状态向量的过程中,状态空间初始值的选取问题会对求解的早期时变系数造成影响,所以我们从2011 年开始讨论。如下面各图所示。
由图1 可知,2011 年年初到2011 年6 月,货币供应量对上证指数的影响为负,并逐渐增加至- 0. 4。自2011 年第三季度开始一直到2013 年年末,M2 对上证指数一直保持负向影响并趋于减弱。2014 年前半年M2 对上证指数影响稍微增强并产生正向影响,但是从2014 年下半年开始到2015 年年末M2 对上证指数开始由正向影响减弱并转为负向影响,并持续增大,在样本区间内的2015 年第三季度M2 对上证指数的负向影响达到最大。
图2 显示,宏观经济景气指数在2011—2014 年第三季度对上证指数的正向影响基本平稳,保持在0. 03 左右。自2014 年第三季度开始一直到2015 年6 月,宏观经济景气指数对上证的正向影响逐渐减小,在2015 年3 月变为负向影响,并且负向影响逐渐增大,并且在6 月达到负向最大值,随后负向影响稍微减少。
从图3 可以看出,从2011 年开始消费者物价指数一直保持着对上证指数的正向影响,并且影响逐渐增大,特别是进入2015 年之后,消费者物价指数对上证指数的影响快速增大,并且在2015 年6 月左右达到最大的正向影响。
图4 显示,在2011—2014 年第三季度,人民币兑美元汇率对上证指数的正向影响趋于平稳,维持在稍大于0. 4 的水平,说明其他条件不变的情况下,汇率增长1 个单位,则上证指数对数值增长0. 4 个单位。从2014 年第四季度开始汇率对上证指数的正向影响逐渐增大,到2015 年6 月达到最大正向影响,约为1. 2,随后正向影响稍微减少。
从图5 中可以看出,在2011—2014 年第二季度,道琼斯指数对上证指数的影响虽然保持正值,但是逐渐减小。从2014 年后半年开始到2015 年,道琼斯指数对上证指数的正向影响又快速增大,在2015 年10 月左右达到最大值,约为1. 7。
6 结论
观察这五项影响因素在样本区间内对上证指数的动态影响,可以看出各因素对上证指数的影响程度都是变化的,但是变化的程度不同。运用传统的固定参数模型来分析各影响因素对上证指数的平均影响,显然无法真实反映各因素对上证指数的影响程度,特别是无法反映2014 年第四季度到2015 年各变量对上证指数的影响程度发生的变化。此外,对比现有文献中的研究结果,可以发现采用最新的数据来研究各因素对上证指数的影响得到的结论与以往采用较早数据进行研究得到的结果存在较大差异。
研究结果表明,整体上看,2011—2014 年第三季度这段时间内,本文选择的宏观经济变量除货币供应量外,其他四项影响因素对上证指数影响的极性保持不变。其中,宏观经济景气指数对上证指数保持稳定的正相关关系,即宏观经济景气指数越高,上证指数也越高; 反之,宏观经济景气指数越低,上证指数也越低。说明这段时间内,上证指数在一定程度上能够反映宏观经济状况。消费者物价指数对上证指数保持正向影响,消费者物价水平反映的是通货膨胀水平,说明通货膨胀水平增加,上证指数也上涨。人民币兑美元汇率对上证指数保持稳定的正相关关系,并且影响程度大于消费者物价水平和宏观经济景气指数对上证指数的正向影响,即人民币升值阶段( 直接标价法下汇率下跌) ,上证指数也在下跌。道琼斯指数对上证指数一直保持正向影响,但是在2011—2014 年第二季度末,正向影响逐渐减弱,但是影响程度是这些影响因素里面对上证指数影响程度最大的因素。货币供应量M2 在此期间对上证指数的负向影响逐渐减小,最终在2014 年第二季度达到最大的正向影响,说明我国的股票市场上货币供应量M2 对上证指数的影响有一定的不确定性,与现有的研究结果相符。
2014 年第三季度到2015 年第二季度末,观察各影响因素在此期间对上证的影响可以发现,各影响因素对上证指数的影响都发生了较大变化,可能是在此期间,上证指数出现了暴涨和暴跌的原因。其中,宏观经济景气指数对上证指数的影响在此时期为负值,并且负向影响逐渐增大,即宏观经济景气指数越差,上证指数反而越上涨,这与经济学原理不相符,一定程度上说明此阶段的上证指数与实际宏观经济情况相背离,并且背离程度随着上证指数的上涨而逐渐增大,换句话说此阶段内的股指上涨并不是宏观经济改善的结果。消费者物价指数对上证指数的正向影响在此阶段也增强,说明物价水平的上涨对上证指数影响程度增大,可能是随着物价水平和上证指数的上涨,投资者借助股市上涨来抵御物价水平上涨的意愿增强造成的。汇率在此期间对上证指数影响程度增加较大,达到前几年的3 倍左右,远大于货币供应量、宏观经济景气指数、消费者物价指数对上证指数的影响,说明现阶段人民币兑美元汇率是影响上证指数的重要因素之一。道琼斯工业指数对上证指数的正向影响也在此期间大幅增加,说明我国股市与美国股市的联动性越来越大,可以猜测,A股市场在此阶段的涨跌一定程度上可能受国际股票市场整体环境联动影响的结果。
动态状态空间模型 篇6
1960年前后,在计算机技术和航天技术的推动下,现代控制理论开始发展,在此期间,美国学者卡尔曼( Kalman) 引入了状态空间的概念,因而以系统内部状态为基础分析系统的控制成为可能。状态空间模型是在时域条件下进行分析,隐含着时间的自变量。状态在控制工程中是指在系统中决定系统状态的最小数目的变量的有序集合,而状态空间则是指该系统的全部可能状态的集合[1]。即模拟一个空间坐标系,状态空间是以状态变量为坐标轴的空间,而系统的状态则是空间中的一个向量。研究线性系统的状态空间模型是对系统行为的一种完全描述,而可控性和可观测性则细化并直观的描述了系统的内部状态。
经典控制理论中用传递函数描述系统的输入输出特性,输出量总是可以被测量的,而输出量也是被控量,因而只要系统是因果系统并且稳定,输出量即为可控的,不需要判断可控性和可观性[2]。相比于经典控制理论,现代控制理论是以状态空间法为基础描述系统特性的,并引入了可控性和可观性的概念。在用状态空间法描述系统时通常采用状态空间表达式,状态空间表达式是对系统的一种完全的描述,是判断系统的可控性和可观性的主要依据。
1系统的可控性和可观测性
1.1系统的可控性
系统的可控性是指系统的状态在一定的输入作用下转移到指定状态的能力。可控性判据适用于线性系统,选取初始时刻t0∈J的非零初始状态x( t0) = x0,t1∈J( t1> t0) 的无约束容许控制u( t) ( t ∈[t0,t1]) ,使系统在u( t) 作用下可从x0状态转移到x( t1) = 0状态,称状态x0为系统在t0时刻的一个可控状态[3]。
1.2系统的可观测性
系统的可观测性是指系统的输出反映系统全部状态的程度[4]。可观性判据适用于线性连续时变系统,选取初始时刻t0∈ J的非零初始状态x0,若t1∈J( t1> t0) 使系统对所用的t∈[t0, t1]的输出y( t) 恒不为零,称状态x0为系统在t0时刻的可观状态。
2线性变换
线性变换是在状态空间中取定坐标系,坐标在有限维空间中变换的推广,本质上就是改变坐标系。通常定义线性定常系统为:
作线性变换( P为非奇异变换矩阵)[5],经变换系统的状态空间表达式为,变换前后线性定常系统的系数矩阵和状态转移矩阵之间的关系为:
= D[6],而系统的可控性和可观性在线性变换下保持不变,故可通过线性变换对线性系统的状态空间结构按可控性和可观性进行分解。
3线性单变量系统的可控规范形和可观测规范形
规范形是系统状态空间表达式在特定的线性变换下得到的规范形式,而经线性变换能够得到最简单的状态方程的规范形式能表现为特征值分布于状态矩阵的对角线元素上[7],正是由于规范形能简单并集中地将系统的某些特性或结构清晰地在系数矩阵中表现出来,因而运用规范形设计便于分析计算。
3.1线性单变量系统的可控规范形
线性单变量系统的第一可控规范形为:
取变换阵P1=[b,Ab,…,An - 1b],经线性变换x = P1x导出第一可控规范形为:
而:
可以推证出可控规范形能在系数矩阵中反映状态的完全可控性。
3.2线性单变量系统的可观测规范形
线性单变量系统的第一可观测规范形为:
取变换矩阵,经线性变换导出第一可观测规范形为:
而:
可以推证出可观测规范形能在系数矩阵中反映状态的完全可观测性。
4构造既不完全可控又不完全可观测系统
如果在实际中出现需要构造既不完全可控又不完全可观的状态空间模型,即同时具有可控可观极点、可控不可观极点、不可控可观极点、不可控不可观极点,则可使用采用下面一种较为简便的方式。
构造最为简单的四阶状态空间模型( 即能够出现上述四种极点的最小阶状态空间模型) ,即:
把四阶的状态空间模型同时按可控可观分解,得:
对状态既不完全可控又不完全可观的多输入多输出线性连续定常系统,可经线性变换将状态空间结构同时按可控性和可观性进行规范分解,得状态空间表达式的规范形为:
根据四阶规范性在原四阶状态空间模型的基础上添加极点 ( 四种极点的任意一种均可) ,其余极点不变。以五阶系统为例, 在基础的四阶状态空间模型基础上添加一个可控可观极点 - 3。 根据所有极点,按系统结构规范分解的规范形式构造出五阶系统同时按可控可观分解的规范型为:
由此可得新构造的五阶规范型的可控可观极点为 -2、-3; 可控不可观极点为 -1; 不可控可观极点为1; 不可控不可观极点为2。
用相同的方法构造B1,C1,得:
则新构造的五阶状态空间模型为:
由基础的四阶状态空间模型所得变换矩阵扩展一行一列得五阶系统的变换矩阵
根据A = P1* A* P1- 1; B = P1* B1; C = C1* P1- 1,由规范型逆推五阶状态空间模型,得
即构造的五阶既不完全可控又不完全可观状态空间模型为:
5结束语
动态状态空间模型 篇7
股票的实际价格由两部分构成, 分别是由基础经济过程决定的理论价格Pft和理性泡沫成分bt, 即Pt=Pft+bt。
对上式取对数得:
InPt=InPft+In (1+bt/Pft)
取一阶差分得:
ΔInPt=InPft-InPft-1+In (1+bt/Pft) -In (1+bt-1/Pft-1)
变量代换后得:
Δpt=Δpft+zt-zt-1,
其中:Δpft=InPft-InPft-1, zt=In (1+bt/Pft)
从上式中可以看出Δpft表示股票理论价格取自然对数后的一阶差分, 动态化地反映了股票理论价格的变化;zt表示了股票实际价格与理论价格比值的自然对数, 反映了不同时刻股票价格的泡沫程度, 本文构造的这两个变量都含有一阶差分的形式, 基于证实经验认为这两个序列都是平稳的, 但是不可观测的, 所以将他们作为状态变量。由于红利指数中包含了股票理论价格的信息, 所以设:
Δdt=InDt-InDt-1=α1Δpft+εdt
其中, Dt表示t时刻的股票红利, dt=InDt;随机误差项εdt～N (0, σ21)
为了构造状态方程, 需要设定状态变量的具体形式。依据众多实证分析结果, 本文假设Δpft服从AR (2) 过程;设定泡沫类型包含内蕴型泡沫 (与基础过程相关) 、马尔科夫泡沫 (确定性泡沫和爆炸性泡沫, 与泡沫前期值相关) , 这样做以免发生设定错误, 从而得到:
Δpft=λ1Δpft-1+λ2Δpft-2+εft
zt=φΔpft-1+ΨZt-1+εzt
其中, λ1, λ2, φ, Ψ为参数, εft～N (0, σ23) , εzt～N (0, σ24)
利用上述三个差分方程, 构造观测方程和状态方程:
undefined
假设随机误差项之间是相互独立的, 由此观测方程和状态方程的方差——协方差矩阵为:
undefined
把观测方程和状态方程写为:
undefined
其中Vt～N (0, R) , Wt～N (0, Q) , 并且相互独立, 其余符号分别表示相应的矩阵。
2 数据平稳性检验
本文的选取2007年到2008年上证指数日收盘价、红利指数日收盘价的所有数据, 数据来源为上海证券交易所月报和招商证券股票交易系统。
首先, 对股价自然对数一阶差分序列和红利自然对数一阶差分序列进行单位检验, 结果如下:
无时间趋势项5%和1%显著水平下临界值分别为:-2.86和-3.44;时间趋势项5%和1%显著水平下临界值分别为:-3.46和-3.98。
从上表可以看出Δpt, Δdt, 在1%显著水平下都不含有单位根, 属于平稳序列, 这就说明本文建立的观测方程是平稳的, 对于这种平稳模型Eviews可以根据稳定状态条件解出状态变量的初始值。
3 Kaiman滤波估计
对于上述状态空间模型, 本文采取卡尔曼滤波算法进行求解。卡尔曼滤波算法在随机扰动项和初始状态向量服从正态分布的条件下, 可以利用预测误差分解得到似然函数, 从而能够对模型中含有的未知参数和不可观测的状态变量实现估计, 并随着观测数据的增加, 连续修正状态变量的估计值, 从而达到最优化。
本文在进行卡尔曼滤波估计的过程, 对于未通过显著性检验的变量予以删除然后再进行估计, 其中λ2和φ未通过显著性检验0, 其他参数的估计结果如表2所示。
卡尔曼滤波算法能够对状态变量实现最优估计, 并利用EVIEWS生成状态变量序列, 经过变形得到 (Pt/Pundefined) 序列, 即股票实际价格与理论价格比值, 反映了股票价格的泡沫成分。由于卡尔曼滤波算本身无法对奇异值进行分解, 计算误差会影响状态变量的估计值的稳定性, 所以本文经过多次估计给出 (Pt/Pft) 序列的基本走势以及基准值的大概位置, 如下图1所示。
4 结论
从上图可以直观地看出, 2007年1月到10月, 中国上证市场的股价泡沫程度不断攀升, 证实了股市泡沫的存在性, 特别是在2007年10月泡沫程度激增, 股票实际价格与理论价格比值一度大于3, 这也说明了上证指数在此阶段出现历史最高点在一定程度上是由于股市泡沫的推动;2007年11到2008年底, 中国沪市泡沫程度开始迅速降低, 呈现出股市泡沫的收缩过程, 但是就总体而言股市泡沫在整个样本区间内还是存在的, 直到2008年的最后两个月股市泡沫才几乎消失, 说明在这一阶段股市大跌的原因之一是泡沫的破裂。
由参数估计结果可以看出, 我国的股市泡沫主要是马尔科夫理性泡沫, 包括确定性泡沫和爆炸性泡沫, 这与前文对我国股市泡沫进行的理性分析相一致。参数不显著, 说明在样本区间我国股市不存在内蕴型泡沫, 所以本文认为股价在2006年的初步膨胀包含对基础效应的过度反应, 而在2007年基础经济过程对泡沫的影响不大;参数的估计值小于1, 也说明股市泡沫的逐渐收缩。
参考文献
[1]王子明.泡沫与泡沫经济——非均衡分析[M].北京:北京大学出版社, 2002, (1) .
动态状态空间模型 篇8
20世纪90年代以来, 我国外汇市场进行了几次重大的变革, 人民币汇率走势也经历了多次的方向调整。尤其是2000年后, 随着亚洲金融危机影响逐步减弱和我国经济进入持续、平稳的发展阶段, 我国的外汇储备快速增长, 显现出较大的人民币升值压力。2005年7月中旬, 我国政府按照主动性、可控性和渐进性的原则, 开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。由此, “汇改”后的人民币汇率调整是否是对国内宏观经济变量的一种理性变动以及人民币汇率失衡程度是否得到缓和等问题开始受到国内外多方, 尤其是均衡汇率研究领域的关注。
事实上, 将汇率调节至均衡水平是开放宏观经济决策的一个奋斗目标。均衡汇率指同时实现经济内、外部均衡时的汇率水平, 其理论研究可以追朔到瑞典学者卡塞尔 (1922) 提出的购买力平价 (PPP) 理论。而在近20年, 随着浮动汇率机制的广泛采纳, 更多的汇率模型被广泛地引入均衡汇率的理论研究。例如, 重视内外均衡的基本因素均衡汇率模型 (FEER) 、用简约方程代替基本因素的行为均衡汇率模型 (BEER) 、强调发展中国家宏观经济特征的均衡汇率模型 (ERER) 等。
Edwards是最早研究发展中国家均衡汇率问题的学者。他在1989年提出了一个包括实际货币供应量、 政府支出、 关税等五方面因素的均衡汇率模型, 并使用OLS方法计算了12个发展中国家1962～1984年的均衡实际汇率[1]。Elbadawi (1994) 建立了一个长期均衡实际汇率模型, 其基本因素包括贸易条件、 开放度、 净资本流入与GDP的比率、 政府支出占GDP的比重以及出口增长率[2]。此后, Montiel (1999) 对前人研究进行了综合与发展, 建立了具有微观基础的长期均衡汇率模型[3]。但是, 相比较而言, Clark等 (1998) 提出的行为均衡汇率 (BEER) 模型由于其模型的灵活性和可操作性, 被广泛用于汇率失衡以及均衡汇率测算等问题的研究中[4]。
在对人民币均衡汇率的研究中, 张晓朴 (1999) 在FEER的框架下, 应用协整分析方法对1981～1999年的人民币汇率进行研究, 发现人民币在1984～1985年以及1989～1990年曾被高估, 而1987年、1988年以及1998年上半年被低估了[5]。而在同样的研究框架下, 范敏 (1999) 的研究却认为1990～1997年的人民币均衡汇率始终有高估的倾向, 特别是在亚洲金融危机期间人民币的高估更为严重[6]。另一方面, Zhang, Z. (2001) 在协整分析的基础上建立了BEER模型, 他认为1981年后的人民币汇率改革造成了人民币实际有效汇率的贬值[7]。他的研究结果得到了林伯强 (2002) [8]的赞同。
值得一提的是: 在研究均衡汇率的过程中, 上述文献在不同的汇率理论框架下, 均采用了不变系数的方法, 从而他们研究的是自变量对均衡汇率的平均影响。而2005年“汇改”以来, 我国的汇率走势开始直接受到国际、 国内形势的影响, 波动幅度也越来越大。在这种情况下, 采用传统的计量模型已不足以反映变量对均衡汇率变动的影响。为弥补不变系数模型的不足, 本文的以下部分将基于Clark的BEER模型, 引入状态空间的手法来考察宏观经济变量对人民币汇率的冲击并分析汇率失调的程度。
2 基于状态空间法的人民币BEER模型
2.1 模型简介
通常情况下, 协整回归方程可用:
来表示。其中的yt为因变量;xt为1×m的自变量。β为m×1的不变系数, 表示全部样本期内的自变量对因变量的平均影响, 一般用最小二乘法来估计。
而我国正处于经济转型期, 随着汇率改革的逐渐深入, 汇率波动的特征也必然随之而变动。此时, 若仍采用不变系数模型, 则有可能丢失部分重要信息, 因此有必要引入状态空间理论, 对不可观测的状态变量, 用卡尔曼滤波迭代法来估计状态变量的时变系数。
状态空间理论包括量测方程和状态方程, 具体形式如下:
量测方程:
状态方程:
其中的yt为因变量, (xt, zt) 为自变量, βt为可变参数, γ为量测方程的不变系数, φ为状态方程的系数。ut、εt分别为两方程的误差项。用卡尔曼滤波迭代法对待估参数进行估计时的迭代过程见高铁梅 (2006) [9] 。
2.2 变量选择
综合文献研究 (例如, 王琛 (2006) [10];谷宇等 (2008) [11]) 可知, 影响均衡汇率的经济指标主要有供求因素、外部环境因素等。反映供给变化的变量有劳动生产率、技术进步;反映需求因素变化的有投资、货币供给;反映外部经济环境变化的经济变量有国内利率与国际利率之差、贸易条件等。但是, 将这些变量都放入模型中有可能引起严重的共线性, 从而降低模型估计结果的可靠性, 也失去简约方程的意义。
对此类问题, 我们根据模型特征和变量的可得性, 选择劳动生产率、贸易条件、对外开放度、国外净投资、广义货币供给为自变量;选择均衡时的实际有效汇率为因变量。理由如下所述。
实际有效汇率 (REER) :实际有效汇率不仅考虑了所有双边名义汇率的相对变动情况, 而且还剔除了通货膨胀对货币本身价值变动的影响, 能够综合地反映本国货币的对外价值和相对购买力。
技术进步 (TECH) :技术进步用真实GDP同比增长率来表示。其中的真实GDP为名义GDP剔除通货膨胀因素后的值。技术进步会引起本币升值。
广义货币供给量 (M2) :货币供给量是重要的货币政策工具, 是影响均衡汇率的重要变量之一。一般而言, 货币供给增加会导致本币贬值。
外商直接投资 (FDI) :在我国资本项目尚未实行可兑换条件下, FDI是我国资本金融项目顺差的主导因素。因此, 外商直接投资是影响汇率波动的一个不可忽略的因素。外商直接投资增加会导致本币升值。
贸易条件 (TOT) :表示贸易条件的常用指标较多。其中, 净贸易条件为出口价格指数与进口价格指数之比;收入贸易条件为出口总额与进口总额之比。由于我国没有公布出口价格指数, 本文选用收入贸易条件来衡量外部经济环境的变化。收入贸易条件的值越大, 汇率升值程度就越大。
对外开放度 (OPEN) :对外开放度指一个国家或地区经对外开放的程度, 具体表现为市的开放程度。国际上, 一般选择外贸依存度作为开放度的评估和衡量指标。本文用进出口贸易总额占GDP总额的比例来表示, 且人民币升值, 则外贸依存度下降; 人民币贬值, 则外贸依存度上升。
以上数据中, 实际有效汇率取自IMF的IFS数据库, 且数值增加表示本币升值, 数值减少表示本币贬值。其它数据来源于国泰安数据库。
2.3 实证分析
根据惯例, 在实证中, 对各变量作季节处理和对数处理, 以减少变量的季节效应和波动性。为了避免伪回归情况的发生, 在建模之前, 对各变量进行平稳性和协整检验。
通过ADF检验可得, 原变量序列均不平稳, 一阶差分之后各变量均为平稳序列。
检验结果见表1。
通过对协整估计, 可得如下方程:
通过对其残差的检验, 发现其残差为平稳序列, 从而各变量之间存在长期协整关系。从而, 不会出现伪回归的情况。在上述前提下, 本文建立如下状态空间模型:
量测方程:
状态方程采用如下递归形式:
其中SVi, t为方程 (5) 的时变系数, ut、εt为方程 (5) 、方程 (6) 的随机扰动项, 相互独立, 且服从正态分布。用Eviews 5.0软件对上述模型估计的结果如表2所示, 常数项与系数的最终值均显著。
采用向前一步估计法对状态变量进行预测的结果如图1所示。
首先, 由图1分析各系数的符号。技术进步的系数除2002年第1、2季度外, 均为正值;对外开放度、广义货币供给变量的系数均为负值, 贸易条件、国外净投资的系数均为正值。因此, 上述各参数估计的符号基本正确, 符合一般的汇率理论。
其次是各时变系数的走势。自2005年后期开始, 除了对外开放度外, 技术进步、贸易条件、国外净投资以及广义货币供给的绝对系数值均呈逐年上升。因此可以认为, 2005年“汇改”之后, 各经济变量对人民币均衡汇率的弹性越来越大。
在此, 若定义汇率失调程度:
则人民币汇率的失调程度如图2所示。
从图2可以看出, 人民币汇率在2005年“汇改”之前的大部分时期内都处于低估状态。到2005年6月底, 人民币汇率失调程度达到-10.3%, 表现出较大的升值压力;“汇改”之后, 人民币汇率逐渐向均衡状态收敛, 失调程度逐渐减小。从2007年第一季度开始, 人民币汇率基本在高估状态下运行, 但其失调程度在大部分时期内都低于5%, 且回复到均衡汇率水平的能力大大增强。
3 政策及展望
在现实经济中, 汇率政策是调节内外经济平衡的重要工具, 近年来, 由于我国汇率制度改革以及内外经济环境的不断变化, 汇率政策所面临的挑战也越来越大。本文以构建一个能够反映人民币均衡汇率动态波动的模型为目标, 在BEER模型框架下构建了均衡汇率指数的理论值, 同时得到了主要宏观经济变量对均衡汇率的动态影响。
通过均衡汇率水平的理论值和对2001年以来人民币汇率失调程度的分析可以看出, 2005年的“汇改”是适时并有成效的。它改变了我国长期以来, 实际有效汇率被低估的局面, 且汇率对宏观经济基本因素变化的回复均值能力也大大增强。此外, 从研究结果看, 目前国际社会认为人民币汇率应继续升值的观点缺乏有效的经济基本面支撑, 在人民币实际有效汇率处于小幅高估的情形之下, 不可贸然在政策上支持人民币升值, 否则会破坏已建立起的汇率体系的良性循环。
本文研究主要得到以下结论:
(1) 2005年“汇改”之后, 我国的主要经济变量对汇率的影响不断增强
基本体现了我国汇率制度改革面向市场, 更具弹性的目标。
(2) 近年来, 人民币汇率的失调程度不断降低
失调程度在大部分时间内均呈5%以下, 且实际有效汇率回复均衡值的能力较2005年“汇改”之前亦有了大幅提高, 显示了人民币汇率的波动正向健康而有序的方向发展。
(3) 从基本面看, 人民币汇率并没有明显的升值压力, 相反从2007年起出现了略微高估的情况。
因此, 对于国际上出现的要求人民币持续升值的声音, 我们应理性对待。
此外, 相对于国内外已有的研究, 本文最大的拓展在于:引入状态空间方法, 用时变系数来揭示主要经济变量在不同时期对人民币汇率的动态影响。这种拓展量化了汇率政策不断变化的结果, 从而为政策决策者制定和实施汇率政策以及市场主体判断未来金融和经济的走势提供了一种有益的方法。
参考文献
[1]Edwards S.Real exchange rate devaluation and adjustments:exchange rate policy in developing countries[M].Cambridge, Mass:MIT Press, 1989.
[2]Elbadawi I A.Estimating long-run equilibrium real exchange rates[C]//Williamson.Estimating equilibrium exchange rates.Washington:Institute for International Economics, 1994:61～91.
[3]Montiel P J.Determinants of the long-run equi-librium exchange rate:an analytical model[C]//Lawance E.Exchange rate misalignment:concepts and measurement for developing countries.New York:The World Bank, 1999:264～290.
[4]Clark P, MacDonald R.Exchange rates and economic fundamentals-a methodological comparison of BEERs and FEERs[Z].IMF Working Papers98/67.
[5]张晓朴.人民币均衡汇率的理论与模型[J].经济研究, 1999, (12) :70～77.
[6]范敏.人民币的均衡汇率估计[J].北京大学中国经济研究中心学刊, 1999, 3.
[7]Zhang Z.Real exchange rate misalignment in China:an empirical investigation[J].Journal of Comparative Economics, 2001, (29) :1～15.
[8]林伯强.人民币均衡实际汇率的估计与实际汇率错位的测算[J].经济研究, 2002, (12) :60～69.
[9]高铁梅.计量经济分析方法与建模[M].北京:清华大学出版社, 2006:353～385.
[10]王琛.基于BEER模型的人民币均衡汇率研究[J].中央财经大学学报, 2006, (10) :49～54.