基于组合漂移模型的订单流变化条件下汇率波动研究①，本文主要内容关键词为：组合论文,条件下论文,汇率论文,模型论文,订单论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F224.9 文献标识码：A
20世纪80年代，Meese和Rogoff就尖锐地指出，汇率研究陷入了困境[1，2]。此后，许多研究便转移到一个新的方向上：微观结构的资产定价。金融学家们将大量的计量模型引入到了微观金融层面上，为汇率研究提供了新的方法。其中，最具影响的是包含一些新变量的微观结构模型。这些新变量中最重要的一个便是所谓的“订单流”，订单流是所有微观结构模型中价格决定的重要因素[3]。
一、组合漂移模型及其结构
组合飘移模型认为，影响汇率变动的是公开的漂移变量，它具有两个重要特征：一是漂移本身不是由于普通公众信息引起；二是变量漂移很大，以至清理市场需要通过调整即期汇率来完成[4]。
第一个特征，即漂移项不是由于普通公众信息，而是订单流引起的。每天一开始，公众信息组合引起的移动可以很明显地在外汇市场的订单中表现出来，但这些订单不能公开观察到。交易商下达另外的订单，然后在一天中分别交易以此来分担头寸风险。市场通过观察内部交易商一天的交易活动来了解其初始的组合移动。到一天结束，交易商的头寸风险便由公众分担了。
第二个特征是其初始的组合方法，当它在一天结束时由公众所吸收，那么其最初的组合将足够大到移动汇率价格，这就要求公众对外汇资产的需求弹性小于完全弹性。如果公众需求弹性小于完全弹性，不同的货币资产是不完全的替代，此时需要通过价格调整来清市。另外，该模型与以往方法不同的是：组合均衡模型是由资产供给的变化所驱动的，而资产供给在模型中是常数。模型在需求方面识别了两个完全不同的成分：第一个由公众信息的创新所驱动；第二个由非公众信息驱使。非公众信息组成了模型的组合漂移。
考虑在T期间内的纯汇率经济和两种资产，一种是无风险的，另一种是随机盈利的资产，即汇率。T时间内汇率的盈利用F表示，它是由一系列增量组成。因此，有：
(1)
其中，增量r遵循独立正态分布；名义汇率(0，
)是在每个时期交易前的观测变量，这些增量代表看在T时期内，公众可获得的宏观经济信息流(例如利率变化等)[5]。
假定外汇市场是由N个交易商组成的分散的代理商市场(以i表示)，以及连续的非交易商的顾客即公众组成，z∈[0，1]表示。在每一天中存在3轮的交易：第1轮交易在公众交易者之间进行；第2轮交易在交易商之间进行，他们以此来分担其外汇头寸风险；第3轮交易仍然是在公众间进行的，其目的是交易商需要分出更多的头寸风险。这3轮交易过程具体如图1。
图1 每日交易周期
(一)第1轮交易
在每一个t时期的开始，所有的市场参与者都可观察到r[，t]在该时期内对F的增量贡献，根据该增量与其他公开可获得的信息，每个交易商同时并独立地向他的顾客报出不同等级的买价卖价。通常称这个回合的交易价格为
，每个交易商收到其顾客的净定单信息c(以他先前的报价p成交)，如c≤0，表示顾客净卖出某种外汇，即交易商买进某种外汇。
(二)第2轮交易
每个交易商同时独立地向其他交易商报出一个他们愿意买或卖某种外汇资产的价格。所有交易商都能在市场上得到这些报价信息，然后各交易商在其他交易商报价的基础上进行交易。订单在给定的价格交易中会由于每个交易商的报价不同而分离。假设
表示i交易商在第2轮的净内部交易，在该回合结束时，所有交易商观察到的订单流即：
(2)
(三)第3轮交易
在这轮交易中，首先定义交易过程中出现的4个变量，
以及交易商之间的交易(后者组成Δx即交易商之间的订单流)。假定3个报价不存在三角套汇，在既定的一个周期中，所有交易商报出相同的价格，那么外汇价格就只由公众信息所决定，在此显然r是周期1中的公众信息，订单流Δx在周期2结束时才能被观察到，因而周期3的价格p[，3]同时影响着r与Δx。
Δx影响价格的程度取决于其与价格相关的信息。首先在周期2中每笔交易都由交易规则取最优决定：
。其中，α是常系数。因此，周期2中每个交易商的交易与他们在周期1中收到的顾客订单成比例。这就意味着当交易商观察到内部交易者在周期2结束时的订单流式(2)的计算值时，他们能推断在周期1公众的组合移动聚集变化。交易商也同样知道公众将在周期3所需要减少或吸收的资产组合变动。
二、组合漂移模型汇率中的应用
模型估计需要对模型中的宏观组成(即公众信息增量r)进行专门研究。本文选择具体化宏观因素是为了分析名义利率的差分变化。定义：
本文之所以这么设定有很多好处。一方面，该模型与宏观货币模型相联系，它使用利率差分变化来估计资产价格变化ΔP，而不仅是差分水平；另一方面，在资产宏观方法(如Dornbusch于1976年提出的过度识别模型)中，利率差分方面的创新是引起汇率变化的主要原因[6]。
同时，从纯实际的角度看，利率差分的数据很容易取得，而不同于其他宏观经济变量如实际支出、名义货币供给等很难取得。还可以考虑在模型中加入汇率的滞后影响来完善该模型。当然该模型本身也会存在着缺陷，那就是它使用利率差分作为宏观基础变量的量度显然是不完善的，毕竟宏观变量所涉及的因素还有很多。
三、实证研究及结果
本文所采用的数据是Lyons中所采用的即期外汇市场的真实交易外汇数据。该数据是德国马克兑美元的每日平均汇率及订单流值①，样本期是1998年5月1号到8月31号[3]。数据来源于Reuters Dealing2000-1电子顾客交易回馈系统。在分析中，本文将对日平均汇率进行处理，采用其自然对数值，数据波动具体如图2。
图2中实线表示汇率变化，虚线表示订单流的变化，横坐标代表时问，纵坐标左边代表汇率(马克/美元)，右边表示订单数量。可以很清楚地看出订单流变动与汇率波动存在很强的正相关性。为了阐明得更清楚一点，用一个包括宏观经济基础(利率)与微观经济基础(订单流)的模型进行估计(表1)。由于传统的宏观汇率模型设有考虑到微观因素，在这里本文采用Lyons的公式[3]。
图2 德国马克/美元汇率及订单流波动
由表2可以看到，在显著性1％的水平下，未经过处理的汇率序列无法拒绝单位根的原假设，说明该序列是具有单位根的随机游走过程，是非平稳的。然而其对数的通过一次差分后，在显著性1％和5％的水平下，其ADF统计量均小于临界值，这说明拒绝原假设，该汇率序列经过一次差分后为平稳序列，能强烈地拒绝ADF原假设。
在ADP测试中，临界值均取性能更好的MacKinnon值，如表2所示。
本文因此在后面采用的是对汇率进行取对数进行一阶差分后对模型进行估计。为了表明订单流变量对汇率波动的影响，首先对其进行因果关系检验，结果如表3。
从表3可以看出，H1(即订单流变化不会引起汇率的变化的原假设)被严格地拒绝。也就是说交易者订单流与汇率波动之间具有密切相关的关系。
接着本文将样本分为两部分，对组合漂移模型进行样本外预测。学者们为了控制研究的效果，都是增大样本内数据的估计，从而提高其样本外的预测能力。本文也采取这样的方法，取得了很好的效果。本文的样本是82天的数据，相对于微观的研究样本算充足。将样本前40天分为样本内，把它应用于组合漂移模型的预测效果和传统的随机游走(RW)相比较，发现组合漂移模型比随机游走的预测效果要好，其结果根的均值平方误差RMSE比随机游走低30％到40％左右，如表6。
从上面的实证估计中可以得出以下结论：
(1)如表4所示，考虑了订单流的组合漂移模型能解释67％左右的汇率波动行为，这与传统的宏观理论并不相似，传统方法认为信息是公开普通信息，因而在研究汇率中无需考虑订单流的作用。然而，在实证中本文发现，一些与汇率决定基础相关的信息并不是公开透明的信息，或者说从价格均衡一些方面映射的信息不是公开的。而当这两种情况都存在时，订单流便能传达关于市场清算价格的信息。
(2)从本文的样本外预测结果可以看出，考虑了微观结构方面的订单流变化对汇率影响的模型，其预测效果优于传统的随机游走，误差明显小于后者，能更好地反映主要汇率的变动。
(3)组合漂移模型说明了信息包括非公开信息，即关于对外国货币资产的公众需求改变的信息，在宏观上，这种改变很难观察到。事实上，订单流的概念在以往的有关宏观经济文献中并没有提到过。
四、结束语
组合漂移模型较成功地解释了汇率的变动。组合漂移模型考虑的是外生因素，它与关注像利率这样的宏观因素是不同的。本文采用的方法能根直接地解释这些变动，尽管它也并不是惟一的方法。造成这些变动的还有很多潜在的因素，具体而言它可能是传统的宏观变量(例如代理人的期望)，或者它也可能存在于传统因素之外，这使研究者更有必要扩展基础因素这个概念的范围。探讨这些更深层次因素的改变是未来研究的一个重要方向。
注释：
①考虑到数据的可得性，本文采用的仍是当时的马克而非现在的欧元，但这并不影响本研究的理论上的完整性。