基于混頻數(shù)據(jù)的人民幣匯率預(yù)測(cè)研究

張蜀林　楊洋

摘要：本文使用多元混頻數(shù)據(jù)抽樣模型（M-MIDAS）對(duì)人民幣兌美元匯率月度期末值進(jìn)行滾動(dòng)預(yù)測(cè)，并與傳統(tǒng)的ARIMA、BEER、ARDL模型進(jìn)行比較：宏觀經(jīng)濟(jì)變量中非貿(mào)易品與貿(mào)易品相對(duì)價(jià)格比的滯后2期和滯后4對(duì)人民幣匯率影響程度最大，但正負(fù)效應(yīng)并不穩(wěn)定；滯后5期的美聯(lián)儲(chǔ)基準(zhǔn)利率的提高對(duì)我國(guó)匯率有較大的貶值壓力；前一期的外匯儲(chǔ)備增加對(duì)當(dāng)期匯率有升值壓力且影響程度相對(duì)較大；盡管貿(mào)易條件對(duì)人民幣匯率的影響顯著但影響程度相對(duì)較?。患雌趨R率高頻數(shù)據(jù)在人民幣匯率月度期末值預(yù)測(cè)中有不可忽視的作用；M-MIDAS混頻模型對(duì)于解決匯率市場(chǎng)中數(shù)據(jù)頻率不一致問(wèn)題優(yōu)于傳統(tǒng)預(yù)測(cè)模型，對(duì)改善預(yù)測(cè)效果和宏觀經(jīng)濟(jì)預(yù)測(cè)具有參考和應(yīng)用價(jià)值。

關(guān)鍵詞：人民幣匯率；混頻數(shù)據(jù)；M-MIDAS模型；匯率預(yù)測(cè)

中圖分類號(hào)：F82 文獻(xiàn)標(biāo)識(shí)碼：A

作者簡(jiǎn)介：張蜀林（1965-），男，吉林省吉林市人，北方工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院副教授，經(jīng)濟(jì)學(xué)博士，研究方向：衍生品定價(jià)、計(jì)算金融；楊洋（1992-），女，河南商丘人，北方工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院研究生，研究方向：金融計(jì)量、衍生品定價(jià)、計(jì)算金融。

一、引言

匯率預(yù)測(cè)的變量可能會(huì)受宏觀經(jīng)濟(jì)層面因素和金融指標(biāo)走勢(shì)的共同影響。而宏觀經(jīng)濟(jì)層面指標(biāo)多為低頻數(shù)據(jù)，金融指標(biāo)多為高頻數(shù)據(jù)。許多研究試圖構(gòu)建各種經(jīng)濟(jì)數(shù)學(xué)模型從這些變量中提取信息對(duì)重要的經(jīng)濟(jì)變量進(jìn)行預(yù)測(cè)，縱觀以往文獻(xiàn)，人們對(duì)于這些混頻數(shù)據(jù)的處理方式一般為：高頻數(shù)據(jù)轉(zhuǎn)化為低頻數(shù)據(jù)時(shí)使用數(shù)據(jù)的加總（依時(shí)性加總或加權(quán)平均）移動(dòng)平均和替代[1]，這類方法的缺陷是會(huì)過(guò)濾掉高頻數(shù)據(jù)本身所蘊(yùn)含的大量信息，可能使一些重要數(shù)據(jù)缺失從而導(dǎo)致最終預(yù)測(cè)結(jié)果的偏誤[2]；低頻數(shù)據(jù)轉(zhuǎn)化為高頻數(shù)據(jù)時(shí)使用各種類型的插值法，這類方法雖然在統(tǒng)計(jì)規(guī)律上有比較好的特性但仍具有人為信息虛增的痕跡缺少了經(jīng)濟(jì)理論方面的解釋。所以，探討一種能夠?qū)⑦@些不同頻率的數(shù)據(jù)充分利用起來(lái)的數(shù)量模型對(duì)于宏觀和金融領(lǐng)域的預(yù)測(cè)有著非常重要的作用。

針對(duì)混頻數(shù)據(jù)建模的研究文獻(xiàn)與日俱增，特別是國(guó)際金融危機(jī)以來(lái)，高頻金融數(shù)據(jù)的變化對(duì)宏觀變量的影響越來(lái)越成為不可忽略的因素；在大數(shù)據(jù)的背景下已經(jīng)不再是同頻數(shù)據(jù)（低頻）之間的相互影響，高頻與低頻變量之間的相互影響日漸顯著。

目前國(guó)內(nèi)的研究文獻(xiàn)主要聚焦在同頻數(shù)據(jù)之間線性和非線性的相互影響，預(yù)測(cè)精度也從線性到非線性逐步提高。但隨著我國(guó)資本和外匯市場(chǎng)的逐步開(kāi)放，高頻金融變量與低頻宏觀變量的相互作用和聯(lián)系比單純的考慮同頻變量之間的相互關(guān)系更加重要也更值得深入探討。

國(guó)內(nèi)研究混頻數(shù)據(jù)相關(guān)文獻(xiàn)比較少，徐劍剛等（2007）[3]最早在金融領(lǐng)域使用MIDAS模型研究了我國(guó)股市不同頻率數(shù)據(jù)之間的相互關(guān)系并對(duì)股市的未來(lái)波動(dòng)進(jìn)行了預(yù)測(cè)。劉金全等（2010）[4]通過(guò)實(shí)證研究證明了MIDAS模型應(yīng)用在宏觀經(jīng)濟(jì)分析和預(yù)測(cè)上的有效性。多位學(xué)者用混頻數(shù)據(jù)模型對(duì)不同宏觀經(jīng)濟(jì)變量進(jìn)行了實(shí)證研究都得到了較好的效果。

2015年8月11日我國(guó)匯改以來(lái)，匯率波動(dòng)越來(lái)富有彈性，對(duì)于匯率的影響因素也越來(lái)越復(fù)雜，金融高頻數(shù)據(jù)即時(shí)影響著人們的預(yù)期進(jìn)而影響匯率的走勢(shì)。然而關(guān)于匯率預(yù)測(cè)的混頻數(shù)據(jù)建模，在本文之前國(guó)內(nèi)文獻(xiàn)中只有鄭耀威（2015）[5]一篇，而其雖然用混頻數(shù)據(jù)模型對(duì)月度匯率進(jìn)行了預(yù)測(cè)也主要是用不同貿(mào)易國(guó)匯率的周數(shù)據(jù)作為高頻變量影響因素，并沒(méi)有考慮到與匯率相關(guān)的同頻宏觀經(jīng)濟(jì)變量對(duì)匯率的影響。本文在已有文獻(xiàn)的基礎(chǔ)上，綜合考慮經(jīng)濟(jì)意義和統(tǒng)計(jì)意義，篩選出影響匯率走勢(shì)低頻宏觀經(jīng)濟(jì)變量和對(duì)匯率走勢(shì)產(chǎn)生直接影響的高頻變量；通過(guò)使用M-MIDAS模型分析低頻經(jīng)濟(jì)變量與高頻金融數(shù)據(jù)對(duì)匯率的影響，并對(duì)匯率進(jìn)行預(yù)測(cè)；最后與傳統(tǒng)的預(yù)測(cè)模型進(jìn)行對(duì)比，證明了MIDAS模型對(duì)于匯率預(yù)測(cè)的有效性并使預(yù)測(cè)效果得到改善。

二、人民幣兌美元匯率預(yù)測(cè)相關(guān)文獻(xiàn)回顧

目前關(guān)于人民幣兌美元預(yù)測(cè)方面的研究文獻(xiàn)主要分為三大類：

第一，從匯率時(shí)間序列自身變化規(guī)律的角度，對(duì)單個(gè)時(shí)間序列進(jìn)行建模，主要代表為ARMA、ARIMA、指數(shù)平滑技術(shù)、GARCH類模型。這方面的文獻(xiàn)比較多研究也相對(duì)成熟。范正綺和王祥云（1997）[6]將ARIMA應(yīng)用到了匯率的預(yù)測(cè)中。吳方（2007）[7]使用ARIMA模型對(duì)2005年匯改后的匯率進(jìn)行了分析和預(yù)測(cè)并說(shuō)明了其模型的優(yōu)越性?；輹苑宓龋?003）[8]在論證了GARCH模型在預(yù)測(cè)上的可行性之后，對(duì)匯率進(jìn)行滾動(dòng)和遞歸預(yù)測(cè)，最后得到了比較好的預(yù)測(cè)效果。隨著技術(shù)的進(jìn)步許多學(xué)者針對(duì)時(shí)間序列的預(yù)測(cè)提出了非參數(shù)的方法，并指出非參數(shù)方法比參數(shù)方法具有更強(qiáng)的預(yù)測(cè)能力。趙樹(shù)然等（2012）[9]使用非參數(shù)GARCH模型與參數(shù)GARCH模型做了實(shí)證分析證實(shí)了這一觀點(diǎn)。目前，時(shí)間序列預(yù)測(cè)比較流行的模型是組合模型，它是從時(shí)間序列自身特點(diǎn)出發(fā)使用不同模型對(duì)時(shí)間序列進(jìn)行預(yù)測(cè)，最后通過(guò)某種機(jī)制對(duì)這些預(yù)測(cè)結(jié)果進(jìn)行組合得出最終預(yù)測(cè)結(jié)果；該方法不僅考慮了時(shí)間序列的特征同時(shí)還兼顧了不同模型之間的聯(lián)系，相對(duì)于單個(gè)模型預(yù)測(cè)更具優(yōu)越性。毛舟（2015）[10]使用ARFIMA、SVM、和BP神經(jīng)網(wǎng)絡(luò)模型對(duì)匯率進(jìn)行預(yù)測(cè)，最后用魯棒加權(quán)的方法對(duì)預(yù)測(cè)值進(jìn)行了非線性組合得到了比單個(gè)預(yù)測(cè)模型更為理想的效果。

第二，從對(duì)匯率影響的宏觀經(jīng)濟(jì)基本面的角度，依據(jù)經(jīng)濟(jì)學(xué)理論（利率平價(jià)理論、購(gòu)買力平價(jià)理論、彈性價(jià)格貨幣理論、行為均衡理論等），找出影響匯率的主要因素，從宏觀基本面中提取信息對(duì)數(shù)據(jù)進(jìn)行樣本擬合和預(yù)測(cè)[11]。如Junttila和Korhonen（2008）[12]使用購(gòu)買力平價(jià)理論和利率平價(jià)理論對(duì)匯率進(jìn)行預(yù)測(cè)；Moura（2010）[13]對(duì)不同理論的基本面模型的樣本外預(yù)測(cè)能力進(jìn)行了系統(tǒng)的比較；Heiden等（2013）[14]量化投資者心理預(yù)期因素加入模型對(duì)匯率進(jìn)行了預(yù)測(cè)，并證實(shí)了預(yù)測(cè)效果的改善；鄧貴川和李艷麗（2016）[11]使用幾個(gè)主流的匯率基本面模型對(duì)匯率進(jìn)行預(yù)測(cè)與隨機(jī)游走模型進(jìn)行比較，得出結(jié)論在中長(zhǎng)期的預(yù)測(cè)上匯率基本面模型優(yōu)于隨機(jī)游走模型。

第三，同時(shí)考慮匯率自身滯后和相關(guān)經(jīng)濟(jì)變量的共同影響。匯率自身滯后對(duì)于匯率本身的影響能夠反映出匯率自身的變化規(guī)律，而其他變量對(duì)匯率的影響能夠反映出外界因素對(duì)匯率的影響，以此為基礎(chǔ)模型單獨(dú)對(duì)匯率做預(yù)測(cè)的比較少，主要分析的是變量之間的傳遞效應(yīng)。Moosa等（2000）[15]使用ARDL模型對(duì)匯率進(jìn)行預(yù)測(cè)得出模型預(yù)測(cè)結(jié)果優(yōu)于隨機(jī)游走模型。謝博婕等（2013）[16]運(yùn)用ARDL模型分析了匯率對(duì)我國(guó)物價(jià)水平的傳遞效應(yīng)。

從以上文獻(xiàn)可以看出這三個(gè)方面都是默認(rèn)數(shù)據(jù)是同頻的前提下進(jìn)行建模，并沒(méi)有考慮數(shù)據(jù)不同頻的情況。第一類模型雖然發(fā)展比較成熟但至今在經(jīng)濟(jì)學(xué)解釋方面有所欠缺，特別是當(dāng)遇到金融危機(jī)時(shí)模型預(yù)測(cè)有可能出現(xiàn)較大偏差。第二類模型，主要出發(fā)點(diǎn)為典型的經(jīng)濟(jì)學(xué)理論，并沒(méi)有包含匯率自身變化規(guī)律的影響，所以主要是用來(lái)分析宏觀經(jīng)濟(jì)基本面之間的關(guān)系以及中長(zhǎng)期的影響，在預(yù)測(cè)精度上有爭(zhēng)議但做中長(zhǎng)期預(yù)測(cè)效果比較好。第三類模型，雖然考慮了匯率自身的變化規(guī)律和外界主要經(jīng)濟(jì)因素的影響，但并沒(méi)有考慮到當(dāng)下金融市場(chǎng)的復(fù)雜性對(duì)經(jīng)濟(jì)變量的影響，而金融市場(chǎng)的大量信息包含在金融市場(chǎng)的高頻數(shù)據(jù)中。

綜合以上文獻(xiàn)特點(diǎn)，本文在前人研究的基礎(chǔ)上運(yùn)用混頻數(shù)據(jù)選用M-MIDAS模型進(jìn)行建模，分析主要經(jīng)濟(jì)變量和高頻因素與匯率的關(guān)系，對(duì)人民幣兌美元匯率預(yù)測(cè)并與傳統(tǒng)預(yù)測(cè)模型做對(duì)比證明混頻數(shù)據(jù)模型的優(yōu)越性。

三、研究方法

（一）MIDAS模型

MIDAS模型首先由Ghysels等（2004，2007）[17-18]提出，基礎(chǔ)形式可以表示為：

其中，W（L1m；θ）=∑Kk=0w（k，θ）Lkm為權(quán)重函數(shù)，K為高頻數(shù)據(jù)的滯后階數(shù)，L為滯后算子，m是高頻數(shù)據(jù)對(duì)低頻數(shù)據(jù)的倍數(shù)。其核心思想是在不改變?cè)袛?shù)據(jù)的基礎(chǔ)上低頻和高頻數(shù)據(jù)放在一起進(jìn)行建模。MIDAS模型是在分布滯后模型的基礎(chǔ)上發(fā)展起來(lái)的，對(duì)高頻數(shù)據(jù)的滯后進(jìn)行權(quán)重加總，權(quán)重是由帶參的權(quán)重函數(shù)控制，權(quán)重函數(shù)主要有：Beta-權(quán)重函數(shù)、Almon-權(quán)重函數(shù)（又分為指數(shù)形式和多項(xiàng)式形式）、Step-function-權(quán)重函數(shù)等[17]，這些權(quán)重函數(shù)會(huì)針對(duì)不同的問(wèn)題進(jìn)行恰當(dāng)?shù)倪x擇。Eric Ghysels等（2004）[19]、Frale和Monteforte（2010）[20]等學(xué)者對(duì)此都進(jìn)行了模型對(duì)比與說(shuō)明。最后，通過(guò)非線性最小二乘法對(duì)參數(shù)進(jìn)行估計(jì)，數(shù)值優(yōu)化后得到最優(yōu)參數(shù)。

（二）M-MIDAS模型構(gòu)建

多元混頻數(shù)據(jù)回歸模型（M-MIDAS）的一般形式構(gòu)造如下：

四、實(shí)證分析

（一）變量選取及說(shuō)明

依據(jù)已有文獻(xiàn)，影響匯率變動(dòng)的主要宏觀經(jīng)濟(jì)因素有：政府支出、外匯儲(chǔ)備、外商直接投資、廣義貨幣供應(yīng)量（M2）、貿(mào)易條件（TOT）、貿(mào)易開(kāi)放度、國(guó)外凈資產(chǎn)（NFA）、美聯(lián)儲(chǔ)基準(zhǔn)利率、非貿(mào)易品與貿(mào)易品價(jià)格比等變量[11，21]。結(jié)合經(jīng)濟(jì)和統(tǒng)計(jì)學(xué)意義通過(guò)消除共線性和相關(guān)性較弱的不顯著性變量篩選出以下四個(gè)主要宏觀經(jīng)濟(jì)變量：外匯儲(chǔ)備、貿(mào)易條件、非貿(mào)易品與貿(mào)易品的相對(duì)價(jià)格比、美聯(lián)儲(chǔ)基準(zhǔn)利率?？紤]到數(shù)據(jù)的可得性和一致性，數(shù)據(jù)選取區(qū)間為2010年11月到2016年8月數(shù)據(jù)，本文參數(shù)估計(jì)的初始窗口設(shè)置在2010 年11月到2015年12月，樣本外預(yù)測(cè)區(qū)間為2016年1月到2016年8月，共8個(gè)窗口。數(shù)據(jù)來(lái)源為國(guó)家外匯管理局、國(guó)家統(tǒng)計(jì)局網(wǎng)站、美國(guó)聯(lián)邦儲(chǔ)備局官方網(wǎng)站等。

外匯儲(chǔ)備 （FER）：外匯儲(chǔ)備是一國(guó)干預(yù)外匯市場(chǎng)的工具，它衡量的是一國(guó)干預(yù)外匯市場(chǎng)的能力，從理論上講，如果一國(guó)外匯儲(chǔ)備增多代表著該國(guó)的綜合國(guó)力上升，本幣就會(huì)升值。相關(guān)研究文獻(xiàn)中許多學(xué)者也做了深入分析，如陳浪南和黃壽峰（2012）[22]通過(guò)建立理論模型并使用相關(guān)數(shù)據(jù)實(shí)證研究了匯率波動(dòng)對(duì)外匯儲(chǔ)備的影響得出兩者呈明顯負(fù)效應(yīng)。圖1為外匯儲(chǔ)備與匯率的走勢(shì)，2014年之前我國(guó)外匯儲(chǔ)備一直處于大漲趨勢(shì)，2014年6月末我國(guó)外匯儲(chǔ)備突破3.99萬(wàn)億美，由此之后外匯儲(chǔ)備由升轉(zhuǎn)降，人民幣貶值預(yù)期也在不斷升溫。這里匯率采用直接標(biāo)價(jià)法美元兌人民幣匯率，從圖中可以看出兩者大體走勢(shì)呈正相關(guān)（參數(shù)估計(jì)時(shí)為避免變量之間數(shù)據(jù)的數(shù)量級(jí)差距過(guò)大，外匯儲(chǔ)備的單位為萬(wàn)億美元）。

貿(mào)易條件 （TOT）： 貿(mào)易條件主要反映的是一個(gè)國(guó)家的貿(mào)易狀況即本國(guó)的出口相對(duì)于進(jìn)口的盈利水平和貿(mào)易相對(duì)優(yōu)勢(shì)，衡量一國(guó)的國(guó)際競(jìng)爭(zhēng)力。量化指標(biāo)由本國(guó)的出口價(jià)格指數(shù)與進(jìn)口價(jià)格指數(shù)的比來(lái)表示，由于我國(guó)并沒(méi)有發(fā)布出口價(jià)格指數(shù)與進(jìn)口價(jià)格指數(shù)的官方數(shù)據(jù)，本文將其轉(zhuǎn)化為我國(guó)一定時(shí)期的出口總額與進(jìn)口總額的比值。關(guān)于貿(mào)易條件與匯率的關(guān)系，理論上講貿(mào)易條件改善，本幣升值；貿(mào)易條件惡化，本幣貶值。但也有一些文獻(xiàn)從收入效應(yīng)和替代效應(yīng)兩個(gè)角度考慮對(duì)匯率的影響[21]。以貿(mào)易條件改善為例，首先對(duì)于收入效應(yīng)，出口價(jià)格相對(duì)進(jìn)口價(jià)格上升使國(guó)民實(shí)際收入增加，從而需要更多的非出口品，使國(guó)內(nèi)非出口商品價(jià)格上漲。其次對(duì)于替代效應(yīng)，進(jìn)口價(jià)格相對(duì)出口價(jià)格下降增加國(guó)民對(duì)進(jìn)口商品的需求從而使進(jìn)口商品價(jià)格上升，國(guó)內(nèi)非出口商品的價(jià)格相對(duì)下降。所以，貿(mào)易條件對(duì)匯率的影響由貿(mào)易條件變化產(chǎn)生的收入效應(yīng)和替代效應(yīng)的綜合效果決定，在不同時(shí)期內(nèi)這種影響是不確定的。貿(mào)易條件改善時(shí)，所產(chǎn)生的收入效應(yīng)大于替代效應(yīng)，人民幣升值；收入效應(yīng)小于替代效應(yīng)，人民幣貶值。圖2為匯率與貿(mào)易條件的走勢(shì)圖并不能明顯看出整體呈現(xiàn)的正負(fù)相關(guān)性，本文進(jìn)一步給出實(shí)證分析結(jié)果。

非貿(mào)易品與貿(mào)易品的相對(duì)價(jià)格比：該變量反映的是貿(mào)易品與非貿(mào)易品生產(chǎn)部門生產(chǎn)率增長(zhǎng)的相對(duì)變動(dòng)，根據(jù)Balassa-Samuelson效應(yīng)①會(huì)引起匯率變動(dòng)。由于B-S效應(yīng)只是從生產(chǎn)率的角度解釋實(shí)際匯率變化的原因，并沒(méi)有明確生產(chǎn)率對(duì)名義匯率如何影響，所以本文將要探討生產(chǎn)率的改變對(duì)名義匯率有無(wú)實(shí)時(shí)性的影響。由于無(wú)法得知非貿(mào)易品與貿(mào)易品價(jià)格指數(shù)，本文依據(jù)前人文獻(xiàn)的通常做法[11]：使用CPI代替非貿(mào)易品價(jià)格指數(shù)，PPI代替貿(mào)易品價(jià)格指數(shù)。圖3為匯率與非貿(mào)易品貿(mào)易品相對(duì)價(jià)格比走勢(shì)，大致可以看出與匯率大致呈正相關(guān)具體關(guān)系如何需要進(jìn)一步驗(yàn)證。

美聯(lián)儲(chǔ)基準(zhǔn)利率（FFR）：由于中國(guó)一直大量持有美國(guó)國(guó)債，是美國(guó)的第一大債權(quán)國(guó)。隨著中國(guó)貨幣和資本市場(chǎng)的逐步開(kāi)放，兩國(guó)的經(jīng)濟(jì)政策的溢出效應(yīng)也益加顯著。美國(guó)的利率與中國(guó)匯率市場(chǎng)聯(lián)系緊密，如果美國(guó)加息，大量資本將會(huì)從中國(guó)流向美國(guó)，從而使人民幣貶值。也有許多學(xué)者對(duì)美國(guó)利率與人民幣匯率的關(guān)系做了深入的研究，如郭樹(shù)華等（2009）[23]分析了美聯(lián)儲(chǔ)利率和人民幣匯率之間的關(guān)系。由于美國(guó)聯(lián)邦基金利率作為美國(guó)的基準(zhǔn)利率市場(chǎng)交易活躍并且對(duì)信息反應(yīng)迅速靈敏，學(xué)界普遍認(rèn)為美國(guó)聯(lián)邦基金利率能夠反映美國(guó)真實(shí)的利率水平。本文選取美聯(lián)儲(chǔ)基準(zhǔn)利率代表美國(guó)利率，數(shù)據(jù)來(lái)源于美國(guó)聯(lián)邦儲(chǔ)備局官方網(wǎng)站，本文使用的是美國(guó)聯(lián)邦儲(chǔ)備局對(duì)美國(guó)聯(lián)邦基金利率的月度統(tǒng)計(jì)數(shù)據(jù)。圖4為匯率與美聯(lián)儲(chǔ)基準(zhǔn)利率走勢(shì)，可以看出兩者大體呈負(fù)向走勢(shì)。

人民幣兌美元即期匯率日度數(shù)據(jù)包含了大量的金融市場(chǎng)信息。圖5為人民幣兌美元即期匯率走勢(shì)，2010年匯改重啟后匯率波動(dòng)幅度加大達(dá)到設(shè)定的0.5%的上限，人民幣加速升值；2012年4月人民幣兌美元匯率波動(dòng)區(qū)間設(shè)定由以前的0.5%擴(kuò)大至1%匯率波動(dòng)進(jìn)一步加大；2014年3月17日匯率波幅擴(kuò)大至2%并在2014年首次出現(xiàn)年度貶值，波動(dòng)幅度明顯加大走勢(shì)呈“N”字型；2015年進(jìn)入大幅雙向波動(dòng)，可以看出隨著外匯市場(chǎng)的逐步開(kāi)放，金融市場(chǎng)更加復(fù)雜多變，匯率波動(dòng)彈性增大，即期匯率日度數(shù)據(jù)所含市場(chǎng)信息越多。人民幣兌美元即期匯率所選數(shù)據(jù)為2010年6月17日之后的數(shù)據(jù)，主要是因?yàn)?008年金融危機(jī)匯率重新盯住美元匯率波動(dòng)比較小，數(shù)據(jù)有效程度不高；2010年6月匯改重啟，匯率波動(dòng)程度加大市場(chǎng)相對(duì)更有效。又考慮到數(shù)據(jù)的一致性和可得性將即期匯率選取區(qū)間定為2010年11月1日到2016年8月31日，共1 419個(gè)數(shù)據(jù)。數(shù)據(jù)來(lái)源：Wind數(shù)據(jù)終端。

從M-MIDAS模型滾動(dòng)樣本參數(shù)估計(jì)結(jié)果（表1、表2）可以看出：

前1期的外匯儲(chǔ)備規(guī)模對(duì)當(dāng)期匯率有顯著的影響，影響乘數(shù)在-0.1074上下波動(dòng)，乘數(shù)為負(fù)表明前1期的外匯儲(chǔ)備增加（減少）對(duì)當(dāng)期匯率有升值（貶值）壓力。外匯儲(chǔ)備本質(zhì)上為一國(guó)的國(guó)際購(gòu)買力儲(chǔ)備，具有穩(wěn)定外匯市場(chǎng)的功能，前1期的外匯儲(chǔ)備的調(diào)控和變動(dòng)會(huì)使當(dāng)期的匯率變動(dòng)約為0.1074個(gè)百分點(diǎn)。

非貿(mào)易品與貿(mào)易品相對(duì)價(jià)格比滯后2期的變化對(duì)匯率的影響乘數(shù)在-1.1516左右波動(dòng)影響為負(fù)，而在滯后4期的影響乘數(shù)均值為1.5715影響效應(yīng)為正，在這兩個(gè)滯后期非貿(mào)易品與貿(mào)易品價(jià)格比對(duì)匯率的影響相對(duì)于其他變量影響程度較大，還可以看出非貿(mào)易品部門與貿(mào)易品部門生產(chǎn)力差異的變化并不能立即影響到名義匯率，長(zhǎng)期來(lái)看其對(duì)匯率的影響也不穩(wěn)定但對(duì)匯率的影響作用不容忽視。

模型估計(jì)滯后5期的美聯(lián)儲(chǔ)基準(zhǔn)利率對(duì)匯率的影響乘數(shù)效應(yīng)均值是0.4356影響程度僅次于非貿(mào)易品與貿(mào)易品相對(duì)價(jià)格比，說(shuō)明美元作為世界強(qiáng)勢(shì)貨幣，美國(guó)利率對(duì)我國(guó)匯率仍有較大程度的影響；影響值為正值即美聯(lián)儲(chǔ)基準(zhǔn)利率提高，人民幣兌美元匯率貶值，這與利率平價(jià)理論相一致；而人民幣兌美元匯率受比較長(zhǎng)的美國(guó)利率滯后期的顯著影響主要原因可能是，我國(guó)資本市場(chǎng)和外匯市場(chǎng)仍受一定程度的管制，當(dāng)美國(guó)利率變化時(shí)我國(guó)匯率短時(shí)間內(nèi)并不能進(jìn)行較大的變動(dòng)和調(diào)整，而是通過(guò)人們的預(yù)期和國(guó)際貿(mào)易的經(jīng)常項(xiàng)目進(jìn)行傳導(dǎo)從而使人民幣兌美元匯率發(fā)生變化。

貿(mào)易條件的變化對(duì)匯率的影響效應(yīng)乘數(shù)在均值為-0.0822上下波動(dòng)，數(shù)值為負(fù)說(shuō)明貿(mào)易條件改善人民幣升值，即在所考察的時(shí)間區(qū)間內(nèi)貿(mào)易改善所產(chǎn)生的收入效應(yīng)大于替代效應(yīng)。高頻數(shù)據(jù)權(quán)重函數(shù)參數(shù)估計(jì)顯著也說(shuō)明了高頻數(shù)據(jù)對(duì)匯率變化的重要性。

2.模型預(yù)測(cè)效果比較分析

本文選擇預(yù)測(cè)評(píng)價(jià)中常用的指標(biāo)對(duì)模型進(jìn)行預(yù)測(cè)精度比較，常用的指標(biāo)有：

均方根誤差率RMSE=1n∑nt=1（yt-t）2，指誤差平方平均數(shù)的平方根用以表明各期實(shí)際觀察值與各期預(yù)測(cè)值的平均誤差水平；絕對(duì)誤差百分比MAPE=1n∑nt=1yt-tyt是用相對(duì)數(shù)形式百分?jǐn)?shù)表示的預(yù)測(cè)誤差指標(biāo)。兩個(gè)指標(biāo)都是值越小預(yù)測(cè)效果越好。

從表3預(yù)測(cè)效果評(píng)價(jià)指標(biāo)可以看出，M-MIDAS模型的平均RMSE和MAPE指標(biāo)的值都小于ARIMA模型、BEER模型和ARDL模型，說(shuō)明整體來(lái)說(shuō)M-MIDAS模型在預(yù)測(cè)效果上相對(duì)于傳統(tǒng)基礎(chǔ)模型得到了改善。

整體來(lái)看，ARIMA模型預(yù)測(cè)效率相對(duì)低主要是因?yàn)橹豢紤]了自身變化的因素沒(méi)有考慮外界相關(guān)因素的影響，BEER模型從宏觀基本面中提取信息預(yù)測(cè)匯率，沒(méi)有考慮到自身滯后和微觀層面的信息對(duì)當(dāng)前匯率的影響。ARDL模型做預(yù)測(cè)時(shí)缺少了高頻數(shù)據(jù)的大量金融市場(chǎng)信息而這些信息對(duì)于匯率波動(dòng)可能是比較重要的。M-MIDAS模型從宏觀基本面和微觀金融市場(chǎng)高頻數(shù)據(jù)中提取信息對(duì)匯率進(jìn)行預(yù)測(cè)，以上結(jié)果說(shuō)明混頻數(shù)據(jù)模型在匯率預(yù)測(cè)中相對(duì)于傳統(tǒng)匯率模型具有優(yōu)越性。

五、結(jié)論

本文致力于分析混頻數(shù)據(jù)模型對(duì)人民幣兌美元匯率預(yù)測(cè)的適用性和有效性，分析高頻變量的加入對(duì)改善模型預(yù)測(cè)精度的效果。在混頻數(shù)據(jù)的基礎(chǔ)上，選取M-MIDAS模型對(duì)匯率進(jìn)行滾動(dòng)樣本估計(jì)和樣本外預(yù)測(cè)，將預(yù)測(cè)精度與同頻的傳統(tǒng)建模方法（ARIMA，BEER，ARDL）進(jìn)行比較，實(shí)證結(jié)果表明：人民幣兌美元匯率同時(shí)受外匯儲(chǔ)備、貿(mào)易條件、非貿(mào)易品與貿(mào)易品的價(jià)格比、美聯(lián)儲(chǔ)基準(zhǔn)利率和高頻金融變量顯著影響，模型估計(jì)分析結(jié)果可以看出，目前對(duì)匯率影響程度相對(duì)比較大的影響因素為非貿(mào)易品與貿(mào)易品的價(jià)格比，它反映的是生產(chǎn)率的變化，這說(shuō)明我國(guó)的匯率還是主要受實(shí)體經(jīng)濟(jì)的發(fā)展好壞的影響；美聯(lián)儲(chǔ)基準(zhǔn)利率長(zhǎng)期來(lái)看對(duì)人民幣兌美元匯率影響相對(duì)較大，這主要是我國(guó)正在走向人民幣國(guó)際化與貨幣強(qiáng)勢(shì)的幾個(gè)發(fā)達(dá)國(guó)家聯(lián)系緊密，特別是美元作為世界貨幣對(duì)我國(guó)的貿(mào)易經(jīng)常項(xiàng)目和資本流動(dòng)都有著重要的影響，另外我國(guó)的外匯儲(chǔ)備主要是美元，這使得人民幣匯率與美國(guó)利率有著更加密不可分的關(guān)系，所以使人民幣國(guó)際化具有重要的戰(zhàn)略意義；外匯儲(chǔ)備作為一國(guó)經(jīng)濟(jì)實(shí)力的體現(xiàn)和穩(wěn)定匯率的工具所以前一期的外匯儲(chǔ)備對(duì)當(dāng)期的匯率波動(dòng)有著直接的影響。貿(mào)易條件之所以相對(duì)于前三個(gè)變量影響較弱，可能是因?yàn)槲覈?guó)進(jìn)行國(guó)際貿(mào)易的貿(mào)易市場(chǎng)仍不是完全開(kāi)放的市場(chǎng)，有一定程度的管制。

高頻數(shù)據(jù)在模型中估計(jì)的顯著性表明，在當(dāng)今經(jīng)濟(jì)全球化和我國(guó)資本市場(chǎng)和匯率市場(chǎng)逐步開(kāi)放的背景下，高頻金融數(shù)據(jù)對(duì)經(jīng)濟(jì)變量的波動(dòng)有著重要的影響，混頻數(shù)據(jù)模型對(duì)于合理分析宏觀經(jīng)濟(jì)有鮮明的優(yōu)越性。

在混頻數(shù)據(jù)研究的基礎(chǔ)上本文需要進(jìn)一步探討的是不同類型的混頻數(shù)據(jù)模型之間分析與預(yù)測(cè)以及金融領(lǐng)域更高頻數(shù)據(jù)的預(yù)測(cè)，這對(duì)于豐富宏觀經(jīng)濟(jì)和金融變量的分析和預(yù)測(cè)具有重要的參考和實(shí)用價(jià)值。

注釋：

① Balassa-Samuelson效應(yīng)是指在經(jīng)濟(jì)增長(zhǎng)率越高的國(guó)家，工資實(shí)際增長(zhǎng)率也越高，實(shí)際匯率的上升也越快的現(xiàn)象。若一國(guó)的貿(mào)易品部門的生產(chǎn)率高于非貿(mào)易品部門的生產(chǎn)率則本幣升值。

參考文獻(xiàn)：

[1] 趙進(jìn)文， 薛艷.我國(guó)分季度GDP估算方法的研究[J].統(tǒng)計(jì)研究， 2009， 26（10）：25-32.

[2] Sbrana G， Silvestrini A.Temporal aggregation of cyclical models with business cycle applications[J].Statistical Methods & Applications， 2012， 21（1）：93-107.

[3] 徐劍剛， 張曉蓉， 唐國(guó)興.混合數(shù)據(jù)抽樣波動(dòng)模型[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007，24（11）：77-85.

[4] 劉金全，劉漢，印重.中國(guó)宏觀經(jīng)濟(jì)混頻數(shù)據(jù)模型應(yīng)用——基于MIDAS模型的實(shí)證研究[J].經(jīng)濟(jì)科學(xué)，2010（5）：23-34.

[5] 鄭耀威.人民幣實(shí)際有效匯率混頻分析與預(yù)測(cè)[D].長(zhǎng)春：吉林大學(xué)，2015.

[6] 范正綺，王祥云.ARIMA模型在匯率時(shí)間數(shù)列預(yù)測(cè)中的應(yīng)用[J].上海金融，1997（3）：28-29.

[7] 吳方.基于ARIMA模型的人民幣匯率預(yù)測(cè)與分析[D].北京：中國(guó)人民大學(xué)，2007.

[8] 惠曉峰，柳鴻生，胡偉，等.基于時(shí)間序列GARCH模型的人民幣匯率預(yù)測(cè)[J].金融研究，2003（5）：99-105.

[9] 趙樹(shù)然，任培民，趙昕.基于非參數(shù)GARCH模型的匯率波動(dòng)性預(yù)測(cè)[J].統(tǒng)計(jì)與決策，2012（6）：148-151.

[10]毛舟. 基于ARFIMA-SVM-BPNN非線性組合模型的人民幣匯率預(yù)測(cè)研究[D].長(zhǎng)沙：湖南大學(xué)， 2015.

[11]鄧貴川，李艷麗.匯率基本面模型對(duì)人民幣匯率的預(yù)測(cè)能力[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2016（9）：145-160.

[12]Junttila J，Korhonen M.Utilizing financial market information in forecasting real growth，inflation and real exchange rate[J].International Review of Economics & Finance，2008，20（2）：281-301.

[13]Moura M.Testing the Taylor Model Predictability for Exchange Rates inLatin America[J].Open Economies Review，2010，21（4）：547-564.

[14]Heiden S，Klein C，Zwergel B.Beyond Fundamentals： Investor Sentiment and Exchange Rate Forecasting[J].European Financial Management，2013，19（3）：558-578.

[15]Moosa I A，Al-Loughani N E.An Exchange Rate Forecasting Model when the Underlying Currency is Pegged to a Basket[J].Economia Internazionale，2000，53（4）：537-550.

[16]謝博婕，西村友作，門明.匯改前后人民幣匯率傳遞效應(yīng)研究——基于ARDL模型的實(shí)證分析[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2013（12）：30-36+49.

[17]Ghysels E，Santa-Clara P，Valkanov R.The MIDAS Touch： Mixed Data Sampling Regressions[J].Cirano Working Papers，2004，5（1）：512-517.

[18]Eric Ghysels， Arthur Sinko， Rossen Valkanov. MIDAS Regressions： Further Results and New Directions[J].Econometric Reviews， 2007， 26（1）：53-90.

[19]Eric Ghysels，Pedro Santa-Clara，Rossen Valkanov.There is a risk-return trade-off after all [J].Ssrn Electronic Journal，2004，76（3）：509-548.

[20]Frale C，Monteforte L.FaMIDAS： A Mixed Frequency Factor Model with MIDAS Structure[J].Ssrn Electronic Journal，2010（3）.

[21]施建淮，余海豐.人民幣均衡匯率與匯率失調(diào)：1991-2004[J].經(jīng)濟(jì)研究，2005（4）：34-45.

[22]陳浪南，黃壽峰.人民幣匯率波動(dòng)影響我國(guó)外匯儲(chǔ)備變動(dòng)的理論模型和實(shí)證研究[J].系統(tǒng)工程理論與實(shí)踐，2012，32（7）：1452-1463.

[23]郭樹(shù)華，王華，王俐嫻.中美利率與匯率聯(lián)動(dòng)關(guān)系的實(shí)證研究：2005-2008[J].國(guó)際金融研究，2009（4）：17-24.

Abstract： The paper makes rolling forecasts for the RMB against the U.S. dollar at the end of the month with multiple mixed frequency data sampling model （M-MIDAS） and compares it with traditional ARIMA， BEER and ARDL models. In the macroeconomic variables， the relative price lagged 2 and 4 period of non-traded goods with traded goods have the biggest impact on RMB exchange rate， but the positive and negative effect is not stable； the increase of Fed′s benchmark interest rate lagged 5 period has a great downward pressure on RMB exchange rate； the increase in previous period foreign exchange reserves has a pressure on the appreciation of the current exchange rate and the impact is relatively large； the impact of trade conditions on the RMB exchange rate is significant but the impact is relatively small； high-frequency current exchange rate data has a role that cannot be ignored in the RMB exchange rate forecast； M-MIDAS mixing model is better than traditional forecasting model to solve the problem of data frequency inconsistency in exchange rate market， which will be a benchmark for macroeconomic forecasting or improving forecasting effect.

Key words：RMB exchange rate； mixed frequency data； M-MIDAS model； exchange rate prediction

（責(zé)任編輯：李江）