全球金融周期和汇率预测：因素分析

Ibrahim D. Raheem

摘要：

本研究将投资组合平衡理论应用于预测汇率。该研究进一步论证了需要说明全球金融周期（GFCy）的作用。因此，分析的第一阶段是估计GFCy模型并获得特异性冲击。接下来，我们用第一阶段的结果作为汇率的预测指标。该研究建立了1990Q1- 2017Q2的20个先进国家和新兴国家的数据集。在其他方面，有三个重要的结果需要注意。首先，我们预测汇率的方法能够战胜基准的随机漫步模型。第二，最好的预测是在短期预测范围内进行的，即提前1个和4个季度预测。第三，早期样本量的表现超过了后期样本量的表现。

关键词 汇率；因素模型；全球金融周期；预测

1 引言

自Meese和Rogoff（1983年a，b，以下简称MR）以来，文献中的一般结论认为，基于宏观的变量/模型不能准确预测样本外的变化率¹。被归结为难题的原因之一是宏观变量或基本面容易出现测量错误（Chinn amp; Meese，1995；Engel等人，2015；Groen，2000，2005；Mark amp; Sul，2001；Meese amp; Rogoff，1983b；Neely amp; Sarno，2002）²。

研究依靠使用一些统计/econo-metric模型来解决这个问题。在文献中，已经成为常态的是使用因子模型。研究依靠使用一些统计/计量模型来解决这个问题。在文献中，已经成为常态的是使用因子模型³。汇率预测研究的一个新兴分支表明，使用潜在的因子模型有助于提高预测模型的信息含量。因此，因子模型提供的预测结果优于传统或天真的随机漫步（见Kavtaradze amp; Mokhtari，2018，关于汇率预测的因子模型调查）。

使用各种理论框架对汇率的样本外预测进行了测试（参见Taylor, 1995; Frankel amp; Rose, 1995; Sarno amp; Taylor, 2002和Chinn, 2011 Rossi, 2013的理论和经验调查）。然而，最近的是对汇率的组合平衡理论（PBT）的应用。使用这一理论的研究表明，他们的模型能够（弱）胜过传统的天真随机漫步模型（Cushman，2007；Gourinchas amp; Rey，2007，以下简称GR；Alquist amp; Chinn，2008；Della Corte等人，2010）。对这些研究有一些保留意见。直接使用各种资本流动计量方法仍然容易出现计量错误。众所周知，国际收支是一个很难衡量的概念。事实上，国际收支平衡表的计算中有“误差和遗漏”的规定。这只是为了确保国际收支平衡。另一个保留意见是，这些研究未能解释最近出现的一个重要的资本流动现象——全球金融周期。由于无法解释这一特点，特别是在存在这一特点的情况下，结果有严重偏向的倾向，从而导致错误的政策影响。这些保留意见可能是投资组合平衡理论表现不佳的原因，尽管它仍然能够战胜随机游走模型。

Rey（2013）在她有影响力的杰克逊霍尔论文中认为，资本流动有很高的共同成分。GFCy预示的论点是，从大量变量中提取的一些因素，在资本流动的变化中占了相当大的比例。这些因素被分为两类：全球因素和特定国家因素。她进一步指出，全球金融危机与资本流动的缩减和激增关系更大。Forbes和Warnock（2012）表明，极端的资本流动事件与全球因素有关。在另一部分文献中，GFCy被认为是资本流动的巨大变化的原因（Sarno等人，2016；以及Barrot和Servens，2018）。这些研究的结果表明，全球金融危机是资本流动的一个重要驱动因素。因此，当把资本流动与其他宏观经济变量（例如，汇率）联系起来时，应该考虑到全球金融危机。

根据这一推理，本研究假设GFCy应被用作代理资本流动。GFCy的模型表述/规格由三个部分组成：全球、特定国家和特异性。使用任何或所有这些成分来代表资本流动，从而作为汇率的预支配因素，具有重要意义。然而，本研究认为，应该使用特异性成分。这是由于全球因素没有关于国内价格变动的信息，国内因素也没有影响外国/全球价格变动的直觉。另一个原因可能是由于Cerutti、Claessens和Rose（2017）的结论，即全球金融危机几乎不能解释资本流动的变化，即使使用偏向于使其重要的方法。他们进一步指出，GFCy 很少占到资本流动变化的25% 以上。因此，很大一部分原因可以用特质冲击来解释。此外，这一法案可能在一定程度上解决 Bacchetta 和范bull;温库伯的“替罪羊”问题。在最近的一篇密切相关的论文中，Baku (2018)根据 Engel 等人(2015)从汇率中提取因子，然后估计协整检验(使用因子和其他变量)。该检验的残差可用作汇率的预测值。基于以上所述，本研究的目的是通过两步法对汇率的样本外预测进行建模。在第一步，我们对全球金融危机进行建模，得到特异性冲击。在第二阶段，我们使用第一阶段的结果作为汇率的预测因素。

我们对文献有四个主要的贡献：第一，全球金融危机还没有与汇率预测联系起来。第二，关于PBT的研究正在兴起，并且在准确预测汇率方面有一些有希望的结果（Cushman，2007；Gourinchas amp; Rey，2007；Alquist amp; Chinn，2008；以及；Della Corte等，2010）。然而，由于这些研究的数量有限，现在得出资本流动对汇率具有预测性信息内容的结论还为时过早。此外，这些研究中的一些是针对相对较少的国家（主要是美国）进行的。因此，不能将这些结果推广到其他国家。这是因为我们相信，资本流动对许多因素都是异质的，包括接受国。第三，PBT研究忽略了因素模型的作用。这一立场的理由是，PBT研究主要是基于时间序列的，而因子模型的实施需要面板数据结构。第四，大多数基于PBT的研究将其分析限于外国直接投资。为了规避这个问题，我们探讨了其他常见的资本流动形式（证券投资、银行流动和其他外国资本流动）。本文的其余部分结构如下：第二节回顾了有关该主题的文献。第三节讨论了方法和数据。第四节介绍结果。第五节对研究进行总结。

2 简洁的实证审查

关于汇率脱节之谜的文献非常多，而且已经有很多人试图记录关于这一主题的文献调查⁵ 。为了避免重复劳动，本节旨在回顾那些在预测汇率时依赖因素模型的文章。现有的关于因子模型的研究可以分为两类。第一类认为，应该从汇率中提取因素。第二类假设因素最好从金融相关系列中提取。

2.1. 第一分类(从汇率中提取的因素)

使用因子模型来预测汇率的著名论文是Engel等人（2015）⁶ 。由于难以测量基本面，人们进一步假设汇率本身具有不易从可观察的基本面中提取的信息。因此，可以从中提取因素的最佳变量是汇率⁷。因素与汇率之间的差额被用作汇率的预测指标⁸。他们的结果显示，与传统的和基准的随机行走模型相比，这些提议的模型的房间平均平方预测误差（RMSE）较低。Engel等人（2015）的方法已经成为文献中的规范。之后的研究也沿用了这种方法，没有什么创新。例如，Greenway- McGrevy等人（2018）提取了三个货币对中的两个因素：日元、瑞士法郎和以美元为基准的欧元。作者能够表明，他们的模型明显优于随机漫步和双边PPP模型。其他类似的研究包括Engel等人（2009）、Feliacute;cio和Junior（2014）、Kavtaradze（2016）。

这里应该强调的是，后面的论文所提出的创新更多的是以经验/方法论为导向的。9 尽管有这些不同的方法，恩格尔等人的基本结果并没有被驳倒。在验证恩格尔等人的结果的同时，后续的研究表明他们的结果在前者的基础上有所改进。

对Engel等人的第一个反驳是Wu和Wang（2012）。Wu和Wang没有使用PCA，而是依靠独立成分因子（ICF）。PCA的基本限制是，它只能利用到第二时刻的信息。然而，ICF有能力利用更高的时刻的信息，因为它把汇率作为一个信号。这个信号被分解成独立的来源，而不是正交的因素。他们结果的关键是基于ICF的模型击败了随机漫步模型，而不考虑样本期和预测范围。Solat和Tsang（2017）提出了使用广义主成分（GPC）的理由。PCA利用了各变量的同期性信息，而GPC则利用了每个变量的跨期变化以及跨变量的信息。作者使用了与Engel等人类似的数据，发现基于GPC的结果与基于PCA的结果相比，具有更高的性能。

Berge和Mark（2015）假设，Engel等人（2015）的方法存在遗漏变量偏差。因此，有必要对来自世界其他地区的 '第三国 '或 '溢出 '效应进行说明。拟议的效应是从泰勒型或货币模型（通货膨胀、产出缺口和利率）中提取的因素。在建立的模型中，有3个国家。国家A对国内金融更感兴趣，而国家B和国家C的汇率管理类似。另一种说法是，B国在执行货币政策方面追随C国，而A国的重点则倾向于国内事务。因此，货币政策的差异会使A国和B国的政策中的利率对来自C国的冲击做出不同的反应，从而产生A国和B国之间的汇率波动。 结果显示，第三国效应。(i) 是双边汇率的一个重要决定因素；(ii) 提高了模型的解释能力。

这类文献的一般结论是，所提出的各种模型击败了汇率预测的随机漫步模型。

2.2.第二种分类（从变量中提取的因素，除了汇率之外）

除了从汇率中构建因素之外，一些研究还提出了其他方法。在这一科学探究领域中，有一派文献曾依靠资产定价模型来预测汇率。例如，Lustig等人（2011）提出构建基于货币的风险因素。第一个因素被称为 '美元因素'，它是国内货币和其他外国货币之间超额收益的平均值的计算。第二个因子被称为“利差风险因子”，它被构建为高利率货币和低利率货币之间的平均差额。Menkhoff等人（2012）增加了第三个因素，全球外汇波动的创新，定义为货币的每日绝对收益的平均值。

文献的一个新兴分支倾向于行为金融。因此，有必要探讨代理人的异质性预期的重要作用（见Morales-Arias amp; Moura, 2013）。Ahmed等人（2016）提出了一套新的汇率预测指标：基于货币的风险因素的无条件和有条件预期。另一组研究主张使用从传统宏观变量和金融变量中提取的组合因素（见Wright，2008；以及Della-Corte等人，2010）。

在这部分文献中，有一个共同的趋势。这些模型在汇率的样本内预测性方面表现良好。然而，样本外的预测并不十分突出。这些模型几乎没有战胜基准（有和没有草案的随机行走）。在用传统的汇率理论模型增加因素后，这些结果仍然成立。最近，Kim和Park（2018）指出，从少数选定的宏观经济变量中提取因素容易产生选择偏差。相反，Kim和Park使用从121个美国月度宏观变量中提取的因子来预测26种货币的双边汇率变化¹⁰。结果表明，这些因子能够同时预测样本内和样本外的预测结果。各个因素的预测能力因时间而异。例如，“美国股市”因素在短期内蓬勃发展，而其它因素则改善了长期表现。此外，预测模型还增加了从韩国时间序列中提取的因子。结果表明，后一种模型能够基本上预测美元兑韩元汇率的相当大一部分变动。

3 方法论和数据

3.1.方法论

与经济直觉相反，汇率的变动似乎不能被其他宏观

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[596012]，资料为PDF文档或Word文档，PDF文档可免费转换为Word