离岸人民币NDF与境内即期汇率的关系研究

　　　　　　　　　　　　　山/西/财/经/大/学/学/报　　　　　　　　　　　　　

Apr.,2009

Vol.31No.1

JournalofShanXiFinanceandEconomicsUniversity离岸人民币NDF与境内即期汇率的关系研究

吕旦菲,张　兵,冯锦霞

(南京大学工程管理学院,江苏南京210093)

　　[摘　要]以2003年9月9日至2008年4月25日的人民币即期汇率和NDF汇率为研究对象,通过建立向量GARCH模型,

考察两市场间收益率的均值溢出效应和波动溢出效应。模型结果显示,汇改后,从长期来看,即期市场与NDF市场存在长期协整关系,即期市场受NDF市场长期影响;从短期来看,即期市场和NDF市场存在交互影响,NDF市场变化受即期市场变化的影响更明显。这表明汇改后现汇市场在人民币汇率信息传递中的重要地位日益凸显,境内外外汇市场一体化程度不断提高。

[关键词]NDF;即期汇率;向量GARCH模型;溢出效应　　一、引言

出于稳定汇率市场、保护金融与经济安全的目的,新兴国家的汇率一般不可自由浮动,且大多实行外汇管制,远远无法满足境外投资者通过当地外汇远期市场对冲汇率风险的需求。在这样的背景下,无本金交割远期(Non-DeliverableForward,简称NDF)应运而生。由于NDF交易均在境外,基本不受一国央行监管与约束,在很大程度上反映了交易双方对汇率变动的预期以及市场供求的真实变动,因此,NDF市场可用于分析对这些国家汇率未来的走势预期。

探析离岸人民币NDF市场与境内即期市场汇率之间的关系及作用机制,对于分析现阶段人民币NDF市场是否处于信息中心位置和是否成为波动来源有重要意义,这有利于监管者了解各种汇率变化的相互关系,便于其进行的研究与制定。此外,研究市场之间的互动关系还有利于推动我国远期外汇市场发展,为更好地把握国际金融市场对人民币汇率未来的走势预期提供理论基础。二、相关文献回顾Park(2001)比较了韩国1997年汇改前后韩元即期市场和NDF市场间信息流动,得到的结论为,汇改前存在从即期市场向NDF市场的溢出效应,改革后则相反。Hung等(2004)研究了人民币NDF市场,发现2002年11月13日后人民币NDF从升贴水角度看是折价的。Higgins和Humpage(2005)指出,NDF市场的主要功能是用来对冲汇率风险,对于货币未来汇率的任何预测都只是对冲活动的一个副产品。Misra和Behera(2006)研究了卢比现汇市场、境内远期市场和NDF市场之间的联动关系,得到的结论是,NDF市场对即期和远期市场存在单向均值溢出效应,即期和远期市场对NDF市场存在波动溢出效应,反之则很微弱。

在汇改前的人民币NDF汇率研究方面,任兆璋和宁忠忠(2005)发现,人民币NDF汇率能较好地反映国际金融市场对人民币汇率的预期,与人民币实际有效汇率间存在长期均衡关系。张陶伟和杨金国(2005)发现,人民币NDF与理论远期汇率相偏离,反映了资本管制和市场预期的影响,但短期、随机和投机因素对人民币NDF价格的影响不大。

黄学军、吴冲锋(2006)分别研究了汇率改革前后离岸人民币NDF与境内即期汇率价格的互动关系,结果表明,改革后境内现汇市场显现出本土信息优势。徐剑刚、李治国等人(2007)以2005年7月25日～2006年6月13日间人民币NDF和即期汇率为研究对象进行分析,结果表明,汇制改革后,境外因素已开始影响人民币即期市场。

在远期、NDF和即期外汇关系方面,代幼渝、杨莹(2007)检验了境外NDF市场、境内远期外汇市场和即期外汇市场上人民币汇率的协整关系以及两类远期外汇市场的有效性,结果表明,国内远期外汇市场是人民币外汇市场的信息中心。陈蓉、郑振龙(2008)对NDF运行机制进行了探讨,并提出应对策略,指出发展在岸NDF是我国目前可行的选择。李晓峰、陈华(2008)实证检验了人民币即期汇率市场与境外人民币期货市场、NDF市场之间的信息流动关系,结果表明,在三个市场中,境外NDF市场处于市场信息中心的地位。

综上,国内对离岸人民币NDF市场和境内即期市场关系的实证研究基本上集中在汇率收益率的均值溢出效应上,即便引入二阶矩关系,即对波动溢出效应的检验,也存在着损失协方差矩阵信息或者均值方程无法反映变量间长期关系的问题。因此,本文尝试利用协整理论,基于向量误差自回归模型(VECM)以及多元GARCH类模型的方法,将离岸人民

币NDF市场和境内即期市场的汇率价格、收益率及收益率波

动关系放在同一个模型中一并考虑。在均值方程中引入误差向量修正模型可以发现,离岸人民币NDF市场与境内即期市场存在长期修正关系。结合二元GARCH模型既可以全面分析两市场间一阶矩、二阶矩关系,也保留了协方差矩阵包含的信息,使得结论更为准确。

三、数据

(一)数据说明考虑到NDF交易品种的相对活跃性,本文实证数据采用的是1月期和1年期人民币兑美元NDF汇率数据。再考虑数据的可获得性,选取的样本区间为2003年9月9日至2008年4月25日。为了便于考察离岸人民币NDF市场与境内即期市场的关系,首先进行样本匹配,只选取两个市场都能获得指数的交易日作为样本日期,这样调整后共有1107对样本。2005年7月21日的汇率改革是在人民币外汇市场收盘后公布的,所以影响远期的报价从7月22日开始,上述样本区间被划分为两个阶段:改革前(2003.9.9～2005.7.21)样本数为434;改革后(2005.7.22～2008.4.25)样本数为673。NDF数据来源于路透报价系统(http://www.thomsonreuters.com),人民币兑美元的即期汇率来源于天相数据库。

(二)描述性统计表1、2分别为汇率改革前后即期汇率(CNY)和非交割远期汇率(NDF)收益率的主要统计特征。

从平均值来看,无论是改革前还是改革后,NDF和现汇价格(即期汇率)收益率均值均接近0。从波动性来看,无论是改革前还是改革后,NDF汇率收益率的波动(标准差)比现汇大。从改革前后即期汇率收益率和人民币NDF汇率收益率峰度来看,两市汇率收益率呈现厚尾特征(fat-tailed)。JB统计量表明两者分布均非正态。

从汇率收益率和汇率收益率平方的Ljung-BoxQ统计量来看,改革前,统计量表明现汇价格收益率存在序列相关,而NDF市场汇率收益率则不存在序列相关,表明即期市场存在ARCH效应,而NDF市场不存在;改革后,统计量表明每个市场汇率收益率序列都存在序列相关,且统计量都在1%显著性水平上显著,表明汇率收益率存在明显的ARCH效应,有必要引入GARCH模型来刻画这种时变方差特征。

表1　即期汇率和非交割远期汇率收益率的基本统计描述(改革前)

变量D(CNY)D(NDF-1M)D(NDF-12M)

即期汇率1月期NDF1年期NDF

对应中文名

收益率收益率收益率

均值0.000000.0001-0.0001极差0.000070.02680.0307标准差0.000100.00140.0027偏度0.44686-10.1432-1.6318峰度5.65334152.307318.0870

33

Jarque-Bera统计量141.4275409621.74298.7803

Q(20)

2

32.50533

3

16.57813.561

0.14426.6687Q(20)434.42　　注:(1)Q(20)为汇率收益率滞后20阶的Ljung-BoxQ统计量,Q2(20)为收益率平方滞后20阶的Ljung-BoxQ统计量,Q(20)和Q2(20)表明两个序列的高阶自相关性;(2)3、33、333表示在1%、5%和

()10%的显著性水平下拒绝原假设;3D表示一阶差分。

・194・

2009年4月第31卷第1期

　　　　　　　　　　　　　山/西/财/经/大/学/学/报　　　　　　　　　　　　　

Apr.,2009

Vol.31No.1

JournalofShanXiFinanceandEconomicsUniversity表2　即期汇率和非交割远期汇率收益率的基本统计描述(改革后)

变量D(CNY)D(NDF-1M)D(NDF-12M)

即期汇率1月期NDF1年期NDF

对应中文名

收益率收益率收益率

均值-0.0002-0.0002-0.0003极差0.00710.00880.0183标准差0.00090.00100.0020偏度-0.4030-0.50110.0325峰度5.27195.63997.6049

33

Jarque-Bera统计量162.7098223.2548593.86743

Q(20)

49.2863

51.9773

57.7413

Q2(20)395.453241.723198.373　　注:(1)Q(20)为汇率收益率滞后20阶的Ljung-BoxQ统计量,Q2(20)为收益率平方滞后20阶的Ljung-BoxQ统计量,Q(20)和Q2(20)表明两个序列的高阶自相关性;(2)3、33、333表示在1%、5%和10%的显著性水平下拒绝原假设;(3)D表示一阶差分。

四、向量GARCH模型(一)模型

向量误差纠正模型(VecotorErrorCorrectionModels,VECM)将长期调节与短期调节的过程一并考虑,提供了解释长期关系与短期调节的途径。因此,将GARCH模型中的均值方程写为VECM形式,同时考虑人民币NDF市场和即期市场的长期均衡和短期调节关系,能够刻画市场间的联动关系。

为了模拟时变方差现象,我们在同一个向量模型框架VECM-GARCH(1,1)-BEKK内同时估计均值方程组和条件方差矩阵,即同时反映均值溢出效应和波动溢出效应。假设汇率价格变动满足下面的均值方程:ΔYt=∑ΓiΔYt-i+∏Yt-1+εεD(0,Ht)t　t|ζt-1:II

i=1k-1都是非正态分布的,因此,在所有的模型估计中,我们都将使

用对数最大似然估计,假定式(1)中的条件残差向量服从二元正态分布,对数似然函数可写成:

TN1T-1

θ)=-π)-(10)L(1n(2∑(1n|Ht|+ε′tHtεt)22t=1

其中,T为样本观测数,N为多元GARCH模型框架内待估计参数个数θ,为待估计参数向量。在初值选取上,我们以两市场各自残差对应的单变量GARCH(1,1)为基准,取其参数作为向量GARCH模型中对角参数(矩阵Ω、A、B相应对角元素)的初始值,而非对角元素的初始值设定为0。

这样就可以构造如下形式似然比统计量:

2χ(・)(11)LR=-2(lr-lu):

这里,lr和lu分别表示受和未受下的对数似然值。原假定为不存在两市场间双向溢出效应时,卡方分布自由度为4,原假定为不存在一个市场向另一个市场的单向溢出效应时,卡方分布自由度为2。

(二)模型估计结果

1.单位根及协整检验。在检验远期与现汇价格之间的均值溢出和波动溢出之前,首先检验两者是否存在协整关系。先对远期和现汇时间序列进行平稳性检验。本文采用扩展的迪基—富勒(AugmentDickey-Fuller,ADF)检验,对两市价格进行对数化处理,具体结果见表3、4。由表3、4的检验结果可知,在1%的置信水平下,无论是改革前还是改革后,1月期和1年期NDF序列未差分前均为非平稳的,而在一阶差分后均为平稳过程,即期汇率序列在改革前表现出平稳性,在汇率改革后表现出一阶单整。

在汇率改革前,现汇价格序列基本上是稳定、缺乏弹性的,在检验中表现出平稳性,而NDF的时间序列是一阶单整的。因为即期汇率数据和NDF表现出不同的单整性,所以不能进行协整关系检验,这两个数据之间也就不存在所谓的互动关系。

变量

CNYNDF-1MD(NDF-1M)

(1)

考虑到本文分析对象为二元市场模型,均值方程的展开形式可以写为:

εθR1,t=μ<1jR1,t-j+∑1+∑1jR2,t-j+π1VECM+1,tεθR2,t=μ<2jR1,t-j+∑2+∑2jR2,t-j+π2VECM+2,t

j=1

j=1

j=1

4

j=14

4

4

表3　ADF平稳性检验(改革前)检验类型ADF1%显5%显(c,t,p)检验值著水平著水平

(c,t,1)(c,t,1)(0,0,0)

-4.9147-1.2105-19.3200

-3.9794-3.9794-2.5703

-3.4203-3.4203-1.9416

I(d)I(0)I(1)

(2)(3)

1v1,tε1,t

ε(4)=Ht=t2

εv2,t2,th11,t　h12,t

(5)Ht=

h21,t　h22,t其中ε,1,t和ε2,t为误差序列,v1,t和v2,t都是标准高斯白噪

π音序列,Ht为2×2的条件协方差矩阵,1和π2为误差修正

项系数序列。

BEKK模型对方差方程的设定形式如下:

Ω+B′εε(6)Ht=Ω′Ht-1B+A′′t-1t-1A

考虑到本文分析对象为二元市场模型,当条件方差服从GARCH(1,1)过程时,方差方程的展开形式可以写为:

22222εααεεεh11,t=ω211+α111,t-1+211211,t-12,t-1+α212,t-1+β11

2

ββ(7)h11,t-1+21121h21,t-1+β21h22,t-1

2

ω21+ααεαααεh21,t=ω1111121,t-1+(2112+α1122)ε1,t-12,t-1+

2

ααεβββββ21222,t-1+β1112h11,t-1+(2112+β1122)h21,t-1+β2122h22,t-1

(8)

222222ωωαααεαεεεh22,t=21+22+121,t-1+212221,t-12,t-1+222,t-1+

22βββ(9)12h11,t-1+21222h21,t-1+β22h22,t-1

α其中ω,ij、A和B的第(i,j)个元素。ij和βij分别为矩阵Ω、

由式(1)可知,矩阵ΔYt的均值方程是一个向量误差纠正模型。显然,如果所有的θ1,j都等于0,序列2对于序列1没有均值溢出效应,而若所有的<2,j都等于0,序列1对序列2没有均值溢出效应。

从式(7)可以看出,如果α21和β21都等于0,序列2对于序列1没有波动溢出效应;同理,当α12和β12都等于0时,序列1对于序列2没有波动溢出效应。因此,我们可以通过检验A和B的非对角线上的元素是否为0,验证序列之间是否存在波动溢出。

从前面的描述性统计量中可知,所有的汇率收益率序列

(c,t,0)NDF-12M-1.5436-3.9794-3.4202(0,0,0)D(NDF-12M)-20.7118-2.5703-1.9416I(1)

　　注:(1)检验类型(c,t,p),其中c表示常数项,t表示趋势项,p表示滞后阶数;(2)D表示一阶差分。

变量

CNYD(CNY)NDF-1MD(NDF-1M)NDF-12M

表4　ADF平稳性检验(改革后)检验类型ADF1%显5%显(c,t,p)检验值著水平著水平

(c,t,0)(0,0,0)(c,t,2)(0,0,3)(c,t,1)

0.4966-23.6857-0.2944-10.4228-1.4343

-3.9718-2.5684-3.9718-2.5684-3.9718

-3.4165-1.9413-3.4165-1.9413-3.4165

I(d)

I(1)I(1)

(0,0,0)D(NDF-12M)-23.4725-2.5684-1.9412I(1)

　　注:(1)检验类型(c,t,p),其中c表示常数项,t表示趋势项,p表示滞后阶数;(2)D表示一阶差分。

我们对改革后NDF市场和即期市场的对数非平稳时间序列之间的协整关系做Johansen极大似然估计检验。在进行检验时考虑了观测序列有线性确定性趋势且协整方程(CE)仅有截距的情况,根据SC准则、AIC准则确定最佳滞后阶数分别是1月期NDF和即期汇率为滞后1～7阶,1年期NDF和即期汇率滞后为1～8阶的方程形式,表5、6分别是改革后1月期和1年期NDF与即期汇率之间的协整检验结果。由协整检验的结果可知,NDF与现汇价格时间序列的轨迹检验和特征根检验均在5%的置信水平下拒绝原假设rΦ0和r=0,但在5%的置信水平下同样拒绝了原假设rΦ1和r=1,表明两市价格间存在两对协整关系。虽然协整关系不唯一,但至少说明两市价格的确存在长期关系。

2.VECM-GARCH(1,1)-BEKK模型的估计结果。本文采用Engle-Granger两步法建立向量误差纠正模型。

・195・

2009年4月第31卷第1期

　　　　　　　　　　　　　山/西/财/经/大/学/学/报　　　　　　　　　　　　　

Apr.,2009

Vol.31No.1

表7　即期汇率与NDF收益率之间的

　误差向量纠正模型(改革后)即期汇率收益率和即期汇率收益率和1月期NDF收益率1年期NDF收益率

R1,t

CR1,t-1R1,t-2R1,t-3R1,t-4R2,t-1R2,t-2R2,t-3R2,t-4

0.0087-0.0817

33

JournalofShanXiFinanceandEconomicsUniversity表5　1月期NDF与即期汇率之间Johansen

　协整关系检验结果(改革后)原假设特征根迹统计量λtrace5%临界值

轨迹检验最大特征

根检验

rΦ0rΦ1r=0r=1

0.05410.02290.05410.0229

52.471215.460337.010915.4603

15.49473.841515.49473.8415

R2,t-0.00850.22540.17343

R1,t

CR1,t-1R1,t-2R1,t-3R1,t-4333

R3,t-0.01120.11040.00190.14763330.0080-0.0314-0.0235-0.05950.06683330.03903

-0.0127-0.0256-0.08443330.0378-0.04710.043

表6　1年期NDF与即期汇率之间Johansen

　协整关系检验结果(改革后)原假设特征根迹统计量λtrace5%临界值

轨迹检验最大特征

根检验

rΦ0rΦ1r=0r=1

0.05800.01200.05800.0120

47.558.030747.558.0307

15.49473.841515.49473.8415

-0.0693-0.0022-0.02180.11083

0.15333

3

0.0054-0.0949-0.17900.0674-0.0001

R3,t-1R3,t-2R3,t-3R3,t-4

0.0048-0.0255-0.0363

-0.0093-0.0182-0.0075

-0.0723

ECMt-1-0.005333ECMt-10.0081333

第一步,分别对1月期和1年期NDF与即期汇率运用最小二乘法(OLS)进行回归,回归方程为(方程括号内数值为t统计量,3为5%置信水平下显著):

(CNY)t=0.1016+0.9527(NDF-1M)t+ε(12)t

(CNY)t=0.7163+0.6674(NDF-12M)t+εt

(101.6087)3

(1.0602)3

(32.0674)3

(614.4593)3

假设检验率的滞后项对即期没假设检验率的滞后项对即期没有影响)有影响)

F=9.98873

F=11.16713

H0∶<21=<22=<23=<24=0(即即期变动率的滞后项对1月期NDF没有影响)F=3.92843

θH0∶11=θ12=θ13=θ14=0(即1月期NDF变动θH0∶11=θ12=θ13=θ14=0(即1年期NDF变动

(13)

对残差项分别进行ADF单位根检验值为-5.31和-3.4497,而在5%显著性水平下的临界值为-3.4166,10%显著性水平下的临界值为-3.1306,因此拒绝零假设,即残差序列均为平稳序列。

第二步,把第一步的残差分别作为各自误差纠正模型的一个变量,根据式(1)建立向量误差纠正模型均值方程。人民币NDF和即期汇率收益率的VECM-GARCH(1,1)-BEKK模型估计结果见表7和表8。

表7列出了即期市场与NDF市场间的均值溢出效应估计结果,结果表明,人民币NDF与即期汇率存在长期均衡和短期相互影响关系。根据AIC信息准则,可以得到两个VECM模型均值方程的最优滞后阶数都为4阶。

从长期均衡关系来看,即期汇率收益率受与1月期NDF长期均衡关系的显著负向影响,也就是说当系统偏离均衡状态时,即期汇率收益率预测值将在下一期上升;1月期NDF收益率则不受与即期汇率长期均衡关系的影响(误差修正项不显著)。这同样也能解释即期汇率收益率与1年期NDF的长期均衡关系。

从短期影响关系看,观察1月期NDF与即期汇率收益率之间的VECM模型估计结果,可以发现,在即期汇率收益率方程中,1月期NDF收益率的1阶滞后项是在1%的显著性水平下统计显著,其他的系数都不显著,F检验也拒绝了<21=<22=<23=<24=0,说明1月期NDF收益率对即期汇率收益率在短期有显著影响。在1月期NDF收益率方程中,即期汇率收益率的一、二、三阶滞后项在1%的显著性水平下是显著

θ的,F检验也拒绝了H0∶11=θ12=θ13=θ14=0,说明即期汇率

收益率对1月期NDF收益率在短期有显著影响。限于篇幅,不再赘述1年期NDF与即期汇率收益率之间的VECM模型。

均值溢出效应检验的结果为,NDF市场在长期和短期均表现出与即期市场有相互影响关系。为了进一步区分两市场间联动的主从关系,下面将采用检验“波动溢出效应”来考察市场间的信息传递情况。

观察表8,根据系数的t检验值,NDF收益率和即期汇率收益率的参数矩阵A和B中α,21和β,12和β21均不显著α12在1%的显著性水平下统计显著。检验即期市场与NDF市场之间的波动溢出效应时,首先假设矩阵A、B的非对角元素均为

β0,即H0∶21=α21=β12=α12=0,由表5的LR值可知改革后1

月期和1年期NDF的4个元素均不是联合为0的,由此确认两个市场间存在波动溢出效应。然后,通过检验原假设H0∶ββ21=α21=0和H0∶12=α12=0来确认波动方向。1月期NDF的两个LR值均在1%显著性水平下显著,表明其与即期市场之间存在双向的波动溢出效应;1年期NDF的两个LR值仅有第二个原假设的LR值在1%显著性水平下显著,表明仅存在即期市场的汇率收益率波动向1年期NDF市场的单向溢出效应。

H0∶<21=<22=<23=<24=0(即即期变动率的滞后项对1年期NDF没有影响)F=0.9326

　　注:3、33、333表示在1%、5%、10%的显著性水平下拒绝原假设。

波动溢出效应检验结果表明,即期市场与NDF市场存在着交互影响,NDF市场变化受到即期市场变化的影响更明显,表明改革后现汇市场在人民币汇率信息传递中的重要地位。相对于改革前,即期市场与NDF市场处于完全分割的情况,现汇价格开始对离岸人民币NDF产生影响,这也显示出汇改在发挥人民币外汇市场的本土信息中心优势方面取得了显著成效。

表8　即期汇率与NDF收益率间的二元GARCH模型(改革后)

即期汇率波动即期汇率波动和1月期NDF波动和1年期NDF波动

ω110.00230.0034333ω210.0023-0.0061ω22-2.08E-061.01E-05

3β0.95110.9471311B

Eβ0.00370.000421K3β-0.05540.0530312K模β0.998230.9837322型

α0.312230.3383311α0.01750.002721

3α0.2997-0.1378312

α-0.02750.1556322对数似然值βH0∶21=α21=0,β12=α12=0波动溢出检验

L=1635.458

L=1083.296

对数似然值

LR=1387.8423

对数似然值

L=1073.6LR=18.8003

对数似然比对数似然值

L=941.546

对数似然比对数似然值

βH0∶21=α21=0

L=1149.137

对数似然比对数似然值

L=9.380

L=1081.309

LR=972.23

对数似然比

LR=3.974对数似然值

L=1074.244

βH0∶12=α12=0

LR=1292.1563LR=18.1043

　　注:3、33、333表示在1%、5%、10%的显著性水平下拒绝原假

对数似然比对数似然比

设。

・196・

2009年4月第31卷第1期

　　　　　　　　　　　　　山/西/财/经/大/学/学/报　　　　　　　　　　　　　

Apr.,2009

Vol.31No.1

JournalofShanXiFinanceandEconomicsUniversity五、结论与启示

本文以2003年9月9日至2008年4月25日的日数据为样本,对离岸人民币NDF市场与境内即期汇率市场之间的均值溢出和波动溢出进行了经验分析。为了比较2005年7月21日汇率改革前后人民币NDF市场与境内即期市场的相关关系,我们以汇改日为界将样本分为改革前和改革后两个子样本区间。考虑交易活跃性和数据可获得性,用1月期NDF和1年期NDF分别代表整个NDF市场。

根据VECM-GARCH(1,1)-BEKK模型,即期市场长期受NDF市场信息的引导进行调整,在短期表现出与即期市场相互引导的关系。波动溢出效应检验结果表明,1月期NDF市场与即期市场之间存在双向的波动溢出效应,1年期NDF市场与即期市场存在从后者到前者的单向波动溢出效应,说明改革后现汇市场在人民币汇率信息传递中的重要地位日益凸显,境内外外汇市场一体化程度不断提高。

综上所述,我国人民币汇率形成机制改革已经取得显著成果,再加上市场基础设施建设得到加强,建立起银行间人民币远期市场,允许更多市场主体参与银行间远期交易,使国内市场逐步掌握了人民币汇率的定价权,建立起境内外汇市场在人民币汇率定价权中的重要地位。但是,目前这两个市场的一体化程度仍然较差,存在很大改革空间,这需要今后继续稳步推进汇改,不断完善人民币汇率形成机制。同

(上接第1页)显著的正相关性。

(三)人均财政支出与人均国内生产总值的误差修正模型

根据Granger定理,如果两变量之间存在协整关系,那么一定存在误差修正模型的形式。用ECM表示模型(6)中的残差序列,建立如下误差修正模型:DLPCFEt=1.1514DLPCGDPt+1.3794DLPCFEt-1-1.4937DLPCGDPt-1-1.2946ECMt-1+εt

(22.2043)(5.78)(2.4122)

(22.1482)

时,NDF市场是基于人民币名义汇率的一个衍生市场,虽然

基本上反映了影响人民币汇率诸因素的变化情况,但毕竟不是一个完备的市场,其最大缺陷在于NDF市场的价格形成机制与金融基本理论(如利率平价理论)没有必然联系。所以,真正的有代表性的衍生外汇市场还需要在国内发展,在目前资本项目尚未完全开放、汇率尚未完全自由浮动的情况下,大力发展人民币汇率衍生产品,继续积极建设国内远期外汇交易市场,实现境内外远期市场一体化,将离岸交易纳入本国远期市场,应是我国外汇交易改革的重要目标。

[

参考文献]

[1]JimwooPark.InformationFlowsbetweenNon-deliverableForward(NDF)andSpotMarkets:EvidencefromKoreanCurrency[J].Pacific-BasinFinanceJournal,2001,9:363-377.

[2]任兆璋,宁忠忠.人民币汇率预期与人民币NDF汇率的实证研究[J].学术研究,2005,(12).

[3]徐剑刚,李治国,张晓荣.人民币NDF与即期汇率的动态关联性研究[J].财经研究,2007,(9).

[4]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).

[责任编辑:高　巍]

(8)

R2=0.4923　R2=0.4612　DW=2.0210

在上面的误差修正模型中,人均财政支出的短期变动可以分为两部分:一部分是短期GDP波动的影响;一部分是偏离长期均衡的影响。差分项反映了短期波动的影响,模型(8)表明,人均财政支出的短期弹性为1.1514,即人均GDP增量变动1个单位,将使人均财政支出增量同方向变动1.1514个单位;误差修正项的系数(-1.2946)为负,调整方向符合误差修正机制,说明了长期均衡趋势偏离的收敛机制在起作用,作用的幅度为:上一年度的非均衡误差以129.46%的比率对本年度的DLPCFE做出反向修正。这种修正的力度很大,一旦短期波动偏离长期均衡的轨道,误差修正机制的存在能够纠正这种偏离,并最终使财政支出与GDP之间的关系回到长期均衡关系的轨道。

(四)人均财政支出与人均GDP的Granger因果关系检验由于LPCGDP和LPCFE均为过程并具有协整关系,故可对其进行Granger因果关系检验。检验结果见表4。表4　财政支出与GDP的Granger因果关系检验表滞后阶数

零假设123

F值P值F值P值F值P值

LPCGDP不是

10.99590.001695.433840.007463.684530.018

LPCFE的原因LPCFE不是

10.35070.002253.742480.030873.800860.01638

LPCGDP的原因

影响、互相制约的关系。为此我们综合考虑财政收支行为与宏观经济的相互作用,得出的以下几点结论和启示:

第一,从长期来看,当经济处于繁荣时期时,财政支出的弹性(0.7843)小于财政收入的弹性(0.7854),所以财政支出的增长慢于财政收入增长,进而导致社会总需求收缩,所以财政收支有减缓经济萧条的作用(见图1),而当经济处于衰退时期时,财政收支加速经济萧条。这也证明了我国自改革开放以来,经济始终处于上升阶段,财政收支对经济稳定有积极作用。

第二,从短期来看,当经济处于繁荣时期时,财政支出的弹性(1.1514)大于财政收入的弹性(1.1085),所以财政支出的增长快于财政收入增长,总需求扩张,所以,在经济繁荣时期,财政收支会加剧宏观经济波动,而在经济衰退时期将有助于宏观经济稳定。这从侧面说明我国目前为促进经济增长的四万亿投资的正确性,从而有利于宏观经济的稳定,并为以后的经济繁荣打下坚实的物质基础。

第三,尽管财政收支的短期波动幅度很大,但是由于长期均衡趋势偏离的收敛机制在起作用,所以,长期来看财政收支可以迅速回到均衡关系的轨道上,起到了促进宏观经济稳定发展的作用。

注释:

①数据来源:根据《中国统计年鉴2007》相关数据计算得出。

②财政收入总额=财政收入+预算外财政收入+性补贴+企业亏损补贴+债务。

注:性补贴在1979-1984年间是冲减财政收入,企业亏损补贴是从1985年开始冲减财政收入,故在此重新纳入预算收入总额进行衡量。

③财政支出总额=财政支出+预算外财政支出+帐务调整+债务发行。

④由(2)式,可得LPCFR关于LPCGDP的长期弹性:⑤由(6)式,可得LPCFE关于LPCGDP的长期弹性:

[

参考文献]

Granger因果关系检验结果表明,在5%的显著水平下人

均财政支出和人均GDP存在双向因果关系,即GDP是财政支出的Granger原因,也就是说GDP是财政支出的决定因素,GDP的变化能引起财政支出的变化,可以用GDP的变化来解释财政支出的变动;财政支出是GDP的Granger原因,也就是说财政支出是GDP的决定因素,财政支出的变化能引起GDP的变化,可以用财政支出的变化来解释GDP的变动。

五、结论

通过对财政收入与GDP意见财政支出与GDP的协整检验和Granger因果检验,并由建立的误差修正模型,我们实证检验了我国财政收入和财政支出与宏观经济确实存在互相

[1]王雍君.中国公共支出实证分析[M].北京:经济科学出版社,2000.

[2]李子奈,叶阿忠.高等计量经济学[M].北京:清华大学出版社,2000.

[3]万　春,许　莉.中国预算内收支长期稳定性和均衡性实证分析[J].财贸研究,2006,(2).

[4]韦邦荣,杨玉生.中国财政收入与GDP之间关系的协整分析[J].生产力研究,2007,(1).

[5]韦邦荣,杨玉生.中国财政支出与GDP之间关系的协整分析与误差修正模型研究[J],商业研究,2006,(14).

[责任编辑:冯　霞]

・197・