外贸与金融传染效应在多大程度上导致了韩国1997年的货币危机？，本文主要内容关键词为：韩国论文,多大论文,货币论文,效应论文,危机论文，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。
一、引言
1997年的东亚金融风波和1998年的俄国金融危机引起经济学界对货币危机传染效应的深切关注，参见Fratzscher（1998）、Masson（1998）、Forbes and Rigobon（1999a，1999b）、Kaminsky and Reinhart （1999a）、Dornbusch and Park （2000）及Pritsker（2000）。（注：在这些讨论中，学者们对“传染”的定义及分类并未达成一致意见。本文不介入这方面的争论。我们这里对“传染”的含义设定为：来自外部经济体冲击或危机的感染效应。）学界广泛讨论的传染渠道有两个：由外贸溢出造成的传染和由国际资本市场流通造成的传染。本文以韩元为例，采用应用模型来考察这两个传染渠道对货币危机的作用。本文可被看做是《过度负债在多大程度上导致了韩国1997年的货币危机？》一文的续文（秦朵，2000）。上文的主要结论是，过度负债问题虽然对韩元汇率的波动起正反馈作用，但并不构成韩元1997年危机的主要原因。因此，我们这里转向对传染效应的考察是十分自然的。
有关传染效应的应用模型研究尚不成熟。近期西方经济学界所探索的模型方法主要有两种：利用多方程模型的误差项间的相关性来模拟跨经济体间的传染效应，参见Baig and Goldfajn（1998）、 Gelos andSahay（1999）、Kaminsky and Reinhart（1999b）及Park and Song（2000）；采用二元决择模型（如概率单位模型或对数成败比例模型），将金融危机设定为一个综合若干变量的0／1 指标（即定义无危机时为0，有危机时为1），用各种反映外贸及金融传染的变量作为解释变量，参见Esquivel and Larrain（1998）、Gregorio and Valdes（1999 ）及Van Rijckeghem and Weder（1999）。前一种方法的主要缺陷是假定模型残差项为表示相应被解释变量随机振荡的行为变量，这一假定一般是难以成立的，参见Qin and Gilbert（2000）。 后一种方法的应用相对更广，但它也存在一些弱点。首先，采用0／1指标来定义金融危机损失了原始数据中的大部分动态信息，因此在实质上放宽了我们对模型解释力的要求。其次，在采用若干变量（如汇率、短期利率等）来综合定义危机指标时，该指标便成为所涉及变量的不同动态特征的混合体，因此其动态性很难用一个行为模型来解释。另外，由于金融危机在一定时期内发生在一个经济体的概率极小，采用这种方法的应用模型就需要将不同时期许多经济体的数据综合起来做参数估计，从而忽略了不同经济体在不同时期的特殊性。
本文采用误差修正模型来解释汇率变动率的波动（韩德瑞和秦朵，1998）。使用这种模型的好处主要有：我们可将被解释变量分解为若干种类、且相互基本正交振荡的输入的结果，如长期非均衡误差振荡、自反馈振荡、其他各种变量的短期反馈振荡以及随机残差振荡。一旦做出这种分解，我们便能集中精力考察与传染效应有关的变量的作用了。另外，我们还能通过递归估计法择取在货币危机前样本年中（即在模型估计时只使用危机发生前的子样本）对汇率变动率起有规律作用的有关传染效应的振荡变量，以便考察这些变量对货币危机的预测力。这种做法等于假定模型参数在危机时期具有不变性，亦即假定无“结构断裂”，这一假定显然对所建模型的鲁棒性（robustness）具有相当高的要求。（注：在探讨货币危机的传染效应文献中，在关于“结构断裂”问题上存在着不少认识上的混淆。不少数据分析都发现，危机时期各经济体间的相关性明显地加强，参见Baigand Goldfajn（1998）。于是不少学者便采用含结构变迁的模型来描述这种现象，即将和平期与危机期设定为两种动态结构不同的体制。然而，这种设定不仅阻碍了使用应用模型预测危机的实现，而且也不是对相关性变动现象的惟一模型解释。例如，我们应能设计某种振荡变量来表示这种现象，并设定传导系数具有常数性。这便是本文所选择的建模途径。）
更具体地，本文采用秦朵（2000）一文中的月度模型（样本估计期为1980年1月至1997年9月，估计方法为极大似然法）：
其中△r[,t]＝ln（R[,t]－R[,t－1] ）表示韩元汇率的变动率（R表示名义汇率），P[,f]和P[,h]分别表示国外、国内价格水平，Id ＝I[,h]－I[,f]表示国内外利率平价，sf[,t] 为商业银行对外负债占总债务之比的对数，系数估值下括号内的数为估值标准差。
由于韩元危机与泰铢危机相隔数月，有可能从月度数据中识别出外部金融危机对韩国的传染效应。近期的一些应用研究对这一推断已得出肯定的结论，见Gregorio and Valdes（1999）及Park and Song（2000）。这里，我们选择了韩国周边的八个经济体，即香港特区（HK）、印度尼西亚（IND）、日本（JP）、马来西亚（MAL）、菲律宾（PH）、新加坡（SGP）、中国台湾（TW）和泰国（TAI）作为韩国的潜在传染源。韩国与中国的外贸连接在一定程度上由香港特区得到反映。我们的样本期为1986—1998年，其中最后15个月，即1997年10月—1998年12月留用为预测期。（注：由于数据的局限，这里的样本期比秦朵（2000）一文中所用的样本期要短。）
二、外贸渠道的传染效应
在90年代，韩国对周边八个经济体的出口额占其总出口额的30%左右。一般将经济体间的外贸传导作用分为两类：一类是直接产生于双边贸易的传导作用，另一类则是因某一第三经济体市场的同类产品贸易竞争间接引起的传导作用，参见Kaminsky and Reinhart（1998）和Gelosand Sahay（1999）。我们仅考察贸易的直接传导作用。然而， 贸易的间接传导作用从我们所设定的外贸变量间的相关关系中也能部分地体现出来。具体地，我们用韩国对其八个周边经济体之一j 的出口额占其总出口额的比重作为权数wt[,jt]，（注：Fratzscher（1998 ）及 Glickand Rose（1998）曾设计了更为复杂的外贸权数。这里，由于我们不考察韩国对各周边八个经济体的传导作用，而仅考察各周边经济体对韩国的单向作用，因此将权数设定得比较简单。）将该权数与相应经济体的汇率变动率△r[,jt] 的乘积定义为由外贸渠道传导的冲击变量st[,jt]：
st[,jt]＝wt[,jt]·△r[,jt]，j＝HK，IND，JP，MAL，PH，SGP，TW，TAI（2）
图1绘出了这八个st[,jt]时序，它们的均值、方差及相关系数列入表1。
表1 变量St[,jt]的说明统计量
st[,jt]
HKINDJPMAL PH
mean
-0.00040.0128-0.043 0.0046
0.0055
st.dev. 0.00990.0446 0.58 0.0439
0.0377
相关性
HK1
-0.05919
0.02642 -0.00289 0.05146
IND 10.06355
0.80099 0.65559
JP
1 0.12917 0.01166
MAL10.51224
PH 1
SGP
TAI
st[,jt] SGPTW
TAI
mean
-0.008
-0.0017 0.004
st.dev. 0.0414
0.0304 0.04
相关性
HK
0.0854
0.08163
-0.0178
IND 0.38585 0.080440.49535
JP
0.53871 0.192890.23261
MAL 0.47961 0.122910.48498
PH
0.2665
0.159960.63165
SGP 10.3391 0.51151
TW1 0.28796
TAI 1
图1 由贸易渠道传递的货币冲击
从表1中我们看到，香港特区与其他经济体间具有负相关系数， 这意味着香港特区经常起着其他经济体间双边贸易的第三个竞争者的角色。
从考察周边经济体对韩元的潜在外贸传染效应的目的出发，我们选择三阶的分布延迟模型，分别对韩元汇率变动率△r[,t]和式（1）的残
差项v[,t]做模型估计：
上式所含的假定前提是各st[,jt] 都是强外生变量（韩德瑞和秦朵1998）。表2 的戈氏非因果检验结果及以下估计结果是对这一假定的基本确证。
表2 变量△r[,t]对于st[,jt]的戈氏非因果性检验
（1986年6月—1997年9月）
st[,jt] HK
IND
JP
MAL
F(3,129)0.60820.81370.9801
0.1851
(P值)(0.6108) (0.4885) (0.4044) (0.9064)
st[,jt] PHSGP
TW
TAI
F(3,129)
0.08170.46020.6741
0.3607
(P值)(0.9699) (0.7105) (0.5694) (0.7815)
上两式是通过对式（3）用最小二乘法估计约化得来的。 其残差项的诊断性检验结果列入表3，其预测结果绘入图2。从图2不难看出， 由外贸渠道溢出引致的货币危机传染并未起到触发1997年韩元危机的功效，这一点是与Baig and Goldfajn（1998）和Gelos and Sahay（1999）等人的研究结果相一致的。不过我们发现，1997年东亚危机起源国泰国及菲律宾对韩元的外贸传染性冲击都是正反馈的。以上模型还表明，如模型（1）那样仅用国内因素来解释外汇变动率是不够的。 这里我们特别应看到的是，模型中一旦引入外部传染因素，式（1 ）中的自回归异方差效应便销声匿迹了。
表3模型检验
检验统计量
备择检验(P值)
(4)式 (5)式
F(7,130)=3.5567
F(7,130)=1.7083
残差自相关 (0.0016) (0.1124)
F(1,135)=0.019F(7,123)=0.6511
残差条件异方差 (0.8907) (0.7128)
F(8,128)=0.474F(7,129)=1.1112
残差异方差 (0.8725) (0.3600)
X[2](2)=6.5311X[2](2)=2.4732
残差非正态 (0.0382) (0.2904)
F(1,136)=4.4534F(1,204)=0.722
模型非线性 (0.0368) (0.7885)
图2 模型（4）（左图）与（5）（右图）的预测结果
说明：两条虚线表示95%的置信区间，虚线中的实线为预测值。
三、金融市场渠道的传染效应
对金融市场传染渠道的模型设定要比对外贸传染渠道的设定复杂。造成这种复杂性的主要原因有三。第一，由于八个经济体对国际资本市场开放程度的差异及变动，它们潜在的金融传染力是不同的。第二，韩国本身对外部传染的抵抗力也不是一成不变的。第三，一旦一国发生货币危机，国际资本市场便可能发生恐慌，引致市场投机交易量急速增长，从而进一步削弱易感染国的抵抗力。
针对第一个原因，我们构造了一个通过某经济体的国际资本流通程度来反映该经济体传染力的指标。表示国际资本流通程度的方法一般有两种。一种以国际收支账户为出发点，如Feldstein and Horioda （1980）的投资储蓄定义法；另一种则以资产定价原则为出发点，如利率平价论，即E[△r[,j]]＝Id[,j]，参见Frankel（1991）。 后一种方法不但比前一种所含的假设前提少，而且实际数据来源较快。我们采用后一种方法。鉴于利率平价论属于纯理想均衡状态，在现实经济中几乎观测不到（de Vries，1995），我们便用利率平价论中两个变量的相关系数corr（E[△r]，Id）的时序来反映国际资本流通程度的变化。我们设资本流通指数为：
1+corr（E[△r[,jt]]，Id[,jt]）
0≤wk[,jt]＝────────────────≤1（6）
2
表4 变量sk[,jt]的说明统计量
sk[,jt]
HKINDJPMAL PH
mean
-0.0000423 0.00425 -0.002627 0.00135 0.002688
st.dev. 0.00140.04350.02919
0.01657 0.01969
相关性
HK1
-0.04545
0.03833
0.05245 0.03116
IND 10.12340.40177 0.3289
JP
1 0.18245 0.03317
MAL10.54755
PH 1
SGP
TAI
sk[,jt] SGPTW
TAI
mean
-0.00112 0.001270.00134
st.dev. 0.0083
0.019420.02748
相关性
HK
0.13126 -0.0162-0.0305
IND 0.3613
0.444170.44738
JP
0.50587 0.216770.17961
MAL 0.58001 0.7089 0.67259
PH
0.33327 0.605090.59761
SGP 10.603890.55812
TW1 0.97427
TAI 1
图3 wk[,jt]——资本国际流动性指数
并用周时序计算出六个月的滚动corr（E[△r]，Id）序列，然后取月末数来定义wk[,jt]序列。图3绘出如此得出的八个wk[,jt] 序列。在此基础上，我们把金融渠道的一般传染力指标定义为：
sk[,jt]＝wk[,jt—1]×△r[,jt] （7）
表4给出八个sk[,jt]序列的主要统计量。至于前面提到的第二条原因，模型（1 ）中的不少解释变量已经在很大程度上反映了韩国本身的抵抗力了。例如，变量sf[,t]就反映了韩国由外债引致的易感染性。另外，上述sk[,jt] 变量在模拟金融渠道传染性时也能部分地间接反映出韩国的易感染性。因此，只有在处理第三条原因时，我们才需要考虑如何用设定新变量的方法，来反映由韩国易感染性的改变而引致的货币投机交易增强的传染效应。
在现有文献中，多把投机活动的作用解释为预期的自我实现效应，并用含局部正反馈的非线性模型来表述，参见Froot and Obstfeld （1991）、Osler（1998）及Agliardi（1998）。在应用模型方面， 较常见的为类似式（1 ）的带残差项自回归条件异方差模型或含内在泡沫变量的模型。另一种愈见热门的是“离散状态”或“转辙回归”模型，参见Hamilton（1989，1990）、Engle and Hamilton（1990）、Kumar 等人（1998）、Esquivel and Larrain（1998）及Hall等人（1999）。这种模型类似二元抉择模型，据被解释变量波动的突变程度用0／1潜变量将模型分为不同的阶段。由于这种模型不直接考虑振荡源，因此很难被用于经济预测及经济结构性解释。（注：van Norden（1996）指出，在应用中，往往很难分辨这种模型的阶段性转撤是由模型误设造成的还是由现实经济发生制度性变更所造成的。）
这里，我们倾向于用经济理论而不用统计理论来解释所观测到的被解释变量的突变现象。具体地，我们认为，市场投机活动的加剧很可能使通常假定的市场参与者齐质常规行为的条件失效，因此我们必须设法模拟相互影响的参与者的异质行为的效应。Kirman（1991， 1993 ）据Frankel and Froot（1988 ）将市场交易者分为常规交易者和投机交易者的思路，构造了一个描述两种行为者相互影响下产生的群聚现象的简单模型。模型用两种行为者的比例作随机解释变量，以解释由信息传递引起的群聚现象。近年来一些理论家采用博弈模型对异质交易者行为的解释在方法上与Kirman的方法十分相似。然而从应用的角度出发，这些模型存在着一个不可逾越的困难，即市场中异质交易者的比例的不可观测性。
为了绕开上述困难，我们假定，货币市场的投机交易者对韩国的国际市场易感染性的变动异常敏感。因此，我们需要构造一个易感染性指标，用以区分货币市场常规交易者和投机交易者的活动。鉴于在韩国的高速经济增长过程中，政府一直以韩国企业最终保证人的身份出现于国际市场（OECD，1994、1996），我们便将韩国的外汇易感染性指标w[,t]定义在其外汇储备状况之上：（注： 式中的政府外汇净储备由韩国外汇总储备减去国家外汇负债得出；银行与金融机构外汇净负债则等于韩国商业银行与其他金融机构的外汇资产减去它们的外汇负债。）
w[,t]＝1－0.5[w][,t]，w[,t] ＝政府外汇净储备／银行与金融机构外汇净负债。
图4 韩国汇率脆弱性指数
其中的ω[,t]表示韩国的外汇净资产状况。图4绘出基于上式用IMF的时序数据算出的ω[,t]和w[,t]。由于w[,t]被控制在0和1之间，我们便可把它用做区分外汇市场常规交易与投机交易的比重，亦即设货币危机的金融市场传染是由这两部分交易活动混合的结果：sk[,jt]＝ω[,t]sk[,jt]+（1－ω[,t]）sk[,jt]。相应地，我们采用如下分布延迟模型来描述金融市场渠道的传染效应：
显然，w[,t]越趋近于一常数， 或市场交易者的活动越趋向于齐次性，上式中的λ系数便应越趋近于零，即我们越可以忽略交易者的异质行为对货币危机的影响。而且，我们可以通过上式中解释变量系数估值间的共线性程度来鉴别这种情形。下两式便是我们用最小二乘法对式（8）估计约化的结果：
表5给出sk[,jt]和w[,t]sk[,jt]对△r[,t] 的戈氏非因果检验结果；表6列出上两式的诊断性检验结果；图5绘出它们的预测结果。
表5变量△r[,t]对于sk[,jt]及w[,t]sk[,jt]的戈氏非因果性检验
（采样期：1986年10月—1997年9月）
sk[,jt] w[,t]sk[,jt]
F(3,128)(P值) F(3,128)(P值)
HK 0.4955(0.6861) 0.5413(0.6549)
IND 0.4778(0.6983) 0.6417(0.5895)
JP 0.9967(0.3967) 0.9492(0.4190)
MAL 0.2771(0.8418) 0.1936(0.9006)
PH 0.1915(0.9021) 0.1740(0.9139)
SGP 0.7903(0.5014) 0.6529(0.5825)
TW 0.4525(0.7160) 0.3354(0.7997)
TAI 0.2075(0.8911) 0.1421(0.9345)
表6模型检验
检验统计量
备择检验 (P值)
(9)式
(10)式
残差自相关F(3,124)=1.9895F(3,123)=1.2428
(0.119) (0.2972)
残差条件异方差F(3,121)=0.6595F(3,120)=0.5883
(0.5786)(0.6238)
F(10,116)=0.3381
F(12,113)=0.428
残差异方差(0.9497)(0.9494)
X[2](2)=3.3349 X[2](2)=10.783
残差非正态(0.1887)(0.0046)
F(1,204)=2.6501F(1,204)=0.2717
模型非线性(0.106) (0.6031)
图5 模型（9）（左图）与（10）（右图）的拟合及预测结果
说明：两条虚线表示95%的置信区间，虚线中的实线为预测值。
不难发现，我们估计出的金融渠道的传染效应要比外贸渠道的传染效应显著得多，特别是从图5模型预测的结果看， 式（9 ）在韩元汇率1997年11月崩溃前一个月，预测其贬值率剧升至30%左右。式（9 ）对11月的贬值率的预测值也十分接近于真实值。这表明，金融渠道的传染效应是韩元危机的主要触发因素，而货币市场的投机活动又构成其中的主要成分（这点可由上两式中的大部分解释变量为含w[,t] 的变量看出）。另外，式（10）的结果再次表明，国内因素不足以解释韩元的波动。而且，式（1 ）所辨出的自回归异方差效应是可以用外部传染因素来解释的，即式（9）和式（10）不再出现残差项的自回归异方差现象。
四、综合模型
前两节中的模型（4）和（9）是相互不嵌套的，它们与模型（1 ）也不嵌套。显然，如果模型（1 ）中的所有解释变量与模型（5 ）或（10）中的解释变量相互不正交，就不能把（5）或（10）看做是（1）的外延。即使正交性成立，（5）和（10）还存在着互不嵌套的问题。 因此，我们将（1 ）与所有外贸和金融渠道的传染因素放在一起来进行模拟，见（11）式。
表7 模型（12）的最简式 （采样期：1986年10月—1997年9月）
变量
估计系数标准误
常数项 0.02320.00579
P[,h]
(ln─── - 0.01Id[,t-1]-0.089sf)[,t-1]-0.12780.03632
P[,f]
△r[,t-1]
0.15390.07213
△[,3]sf[,t-1] 0.145 0.023
△[,3](│sf│[5.5])[,t-1]
0.001 0.00017
st[,jp,t] -0.00390.0019
st[,MAL,t] -0.09630.0425
st[,TW,t-1] 0.08960.0317
st[,HK,t-1]-1.186 0.2525
sk[SGP,t]
0.89480.1915
sk[,TW,t-1] 2.16640.5389
△[,2](w·sk[,TW])[,t-1]
-3.694 1.151
△[,2]sk[,MAL,t]0.24820.0998
sk[,TAl,t-1]
-2.703 0.7808
(w·sk[,TAL])[,t-1] 6.22431.751
△sk[,IND,t-1] 0.88650.4213
(w·sk[,IND])[,t-1]-4.78 2.17
sk[HK,t-3] -6.243 1.426
(w·sk[,HK])[,t]+(w·sk[,HK])[,t-1]27.368 6.303
△(w·sk[,HK])[,t-2]
-19.56 5.152
σi0.0097
-
变量
偏R[2]常数性检验
5%临界值:0.47
常数项
0.1255
0.11
P[,h]
(ln─── - 0.01Id[,t-1]-0.089sf)[,t-1] 0.0995
0.12
P[,f]
△r[,t-1]0.0391
0.19
△[,3]sf[,t-1]
0.2615
0.14
△[,3](│sf│[5.5])[,t-1]0.2445
0.20
st[,jp,t]0.0341
0.07
st[,MAL,t]
0.0439
0.05
st[,TW,t-1] 0.0667
0.14
st[,HK,t-1] 0.1646
0.19
sk[SGP,t]0.1631
0.16
sk[,TW,t-1] 0.1261
0.02
△[,2](w·sk[,TW])[,t-1] 0.0842
0.02
△[,2]sk[,MAL,t] 0.0144
0.36
sk[,TAl,t-1] 0.0966
0.02
(w·sk[,TAL])[,t-1] 0.1014
0.01
△sk[,IND,t-1]
0.0380.10
(w·sk[,IND])[,t-1] 0.0415
0.09
sk[HK,t-3]
0.1461
0.14
(w·sk[,HK])[,t]+(w·sk[,HK])[,t-1] 0.1441
0.07
△(w·sk[,HK])[,t-2] 0.1140.03
σi- 0.046
表8 模型（12）中解释变量的相关系数
12 3 4 56 78 910
11.00
20.11 1.00
30.30 0.31 1.00
4
-0.13 -0.08 -0.73 1.00
50.08 -0.03 -0.01 0.10 1.00
60.29 0.31 -0.01 0.03 0.12 1.00
70.18 0.11 0.13 -0.05 0.02 0.19 1.00
80.05 0.14 -0.10 0.16 -0.02 0.05 -0.02 1.00
90.26 0.24 0.02 0.06 0.51 0.58 0.11 0.05 1.00
10
0.02 0.34 0.09 -0.03 0.04 0.40 0.54 -0.03 0.16 1.00
11
0.02 -0.12 -0.17 0.04 0.01 0.27 0.34 -0.05 0.04 0.67
12
0.19 0.05 -0.21 0.04 0.15 0.61 -0.11 0.11 0.35 0.00
13
0.00 0.27 0.06 -0.02 0.03 0.38 0.52 -0.05 0.13 0.97
14
0.10 0.19 0.09 -0.02 0.02 0.47 0.46 -0.05 0.14 0.91
15
0.03 -0.04 -0.05 0.00 -0.08 0.03 0.42 -0.06 -0.11 0.42
16
0.01 -0.02 0.34 -0.08 0.04 -0.11 0.42 -0.11 -0.12 0.48
17
0.06 0.01 0.03 -0.01 0.13 -0.04 -0.05 0.01 0.08-0.04
18
0.06 0.09 -0.13 0.19 0.03 0.03 0.03 0.59 0.14-0.10
19 -0.02 -0.07 -0.03 0.03 -0.12 -0.02 0.05 -0.22 -0.10 0.06
11
12131415
1617
1819
11 1.00
12 0.21 1.00
13 0.74 0.04 1.00
14 0.74 0.12 0.93 1.00
15 0.33 0.04 0.44 0.34 1.00
16 0.20 -0.45 0.47 0.46 0.51 1.00
17 -0.01 -0.05 -0.05 -0.04 -0.07 -0.02 1.00
18 0.00 0.14 -0.08 -0.07 -0.06 0.13 -0.07 1.00
19 0.01 -0.01 0.08 0.06 0.16 0.12 -0.74 -0.13 1.00
P[,h]
说明：1＝（ln───－0.01Id[,t－1]－0.089sf）[,t－1]，2 ＝
P[,f]
△r[,t－1]，3＝△[,3]sf[,t－1]，4＝△[,3]（│sf[,t－1]│ [5.5]
），5＝st[,JP,t]，6＝st[,MAL,t]，7＝st[,TW,t－1]，8＝st[,HK,t
－1]，9＝sk[,SGP,t]，10＝sk[,TW,t－1]，11＝△[,2]（w·sk[,TW]
）[,t－1]，12＝△[,2]sk[,MAL,t－1]，13＝sk[,TAI,t－1]，14＝（w
·sk[,TAI]）[,t－1]，15＝△sk[,IND,t－1]，16＝（w·sk[,IND]）[
,t－1]，17＝sk[,HK,t－3]，18＝（w·sk[,HK]）[,t]+（w·sk[,HK]
）[,t－1]，19＝△（w·sk[,HK]）[,t－2]。
表9 模型（12）的检验
检验统计量P值
残差自相关F(3,109)=0.51750.6711
残差条件异方差F(3,106)=0.21860.8833
残差异方差F(39,72)=0.45320.9958
残差非正态X[2](2)=10.312 0.0058
模型非线性F(1,111)=0.41560.5205
其中的f（1）代表模型（1）， 但不含其附属的自回归条件异方差回归式。通过用最小二乘法对上式不断做估计约化，最后得出的最简式为：
与（12）式有关的统计量列入了表7、8和9。对比（12）式与（1）式就能发现，除了短期通货膨胀平价比一项之外，原模型（1 ）在现模型（12）中基本保持不变。由于（1）和（12）互不嵌套， 我们对两式做了包容检验（见附录二），结果拒绝了（1）简洁包容（12 ）的零假说。又由于（12）比（1）要大得多，我们用Schwartz 信息标准对两者进行了比较，得出（1 ）的Schwartz 信息指标为－8.768 ， （12 ）的Schwartz信息指标为－8.677。这两个指标如此接近说明（12 ）相对于（1）的增广从信息量的扩展来看是值得的。另外，从表7中的系数常数性检验量可看出，所有系数估值在90年代都是相对不变的，而从表 8可看出，这些系数的相关性也较小。这些结果都表明，模型（12）具有较扎实的统计性能。
在模型（12）中，表示外贸传染的四个变量中的三个都带负系数，即它们对韩元汇率变动率起稳定性的负反馈作用。只有中国台湾的外贸起着正反馈作用。台币在东亚金融风波中虽未遭劫，但台币自1997 年7月起屡屡贬值，这显然给韩元造成了一定的压力。来自日本、香港特区和马来西亚的负外贸传染效应意味着，这些经济体的外贸与韩国外贸有着较强的相互替代关系。总之，模型（12）表明，外贸渠道不构成外部传染的主要渠道。
表10 模型（1）和模型（12）对货币危机预测值转换为0／1 离散序列的对比%
97年9月 97年10月 97年1月 97年12月 98年1月
△r[,t] 1.36 5.34 19.3 37.07 -10.57
10%↑
0 011 0
5%↑
0 111 0
模型(1)的拟合值,以10%和5%为临界值所定义的0/1离散序列
-0.96 -0.73 -0.10-2.04 -2.02
(±2.28) (±2.27) (±2.38) (±4.5)(±6.02)
10%↑
0 00 00
5%↑
0 00 00
模型(12)的拟合值,以10%和5%为临界值所定义的0/1离散序列
-0.13 19.75 13.99 15.06 12.86
(±4.18) (±14.45) (±7.06) (±8.94) (±12.93)
10%↑
0 11 11
5%↑
0 11 11
98年2月 98年3月
98年4月
98年5月
△r[,t] 6.84 -16.62-3.46 5.18
10%↑
0 000
5%↑
1 001
模型(1)的拟合值,以10%和5%为临界值所定义的0/1离散序列
9.29
3.58 3.55 -0.01
(±3.73)(±2.73) (±3.51) (±2.41)
10%↑
0 000
5%↑
1 000
模型(12)的拟合值,以10%和5%为临界值所定义的0/1离散序列
-21.25 17.8513.38 -9.13
(±24.47) (±30.68) (±9.71) (±7.44)
10%↑
0 110
5%↑
0 110
在金融传染方面，只有来自新加坡和马来西亚的传染形式为简单的总量正向反馈形式。来自泰国和香港特区的投机性货币冲击对韩元汇率变化率有着显著的正反馈扩大作用，而中国台湾、印度尼西亚的货币投机活动所造成的汇率变动率对韩元的波动却起着缓冲性效应。日本在模型中的作用十分微弱，这表明外部传染的威胁多来自经济结构近似、经济实力相近或较弱的周边经济体。菲律宾的作用则完全不显著，根据表1和表4的有关相关系数我们推断，这是由于来自菲律宾的传染效应与马来西亚、印度尼西亚和中国台湾的传染效应具有较高的相关替代性的缘故。
模型（12）最为显著的性能在于它对1997年韩元危机的估计样本外预测性。这点从图6对模型（1）和（12）的预测比较中看得最清楚。在表10中，我们将模型（1）和（12 ）的预测结果转换为分别按常用的10%和5%为货币危机临界线所定义的0／1离散序列， 以便将我们的模型与离散型回归模型的预测功能做比较。从表10不难看出，模型（12）对韩元危机具有相当好的预测性，而模型（1）的预测基本失灵。 应当指出，我们模型的估计方法要远比离散型模型的估计方法简单得多。
五、总结
上述模型结果验证了外部传染效应是1997年韩元危机的直接触发因素的假说。我们从模型研究主要得出以下几点结论：
图6 模型（1）（左图）与（12）（右图）的拟合及预测结果
说明：实线表示实际值，虚线表示拟合值及预测值。两条虚线表示95%的置信区间，虚线中的实线为预测值。
1.在韩国货币危机中，我们发现造成货币危机的最重要传染渠道是国际金融市场，而外贸仅是货币危机传染的一个次要渠道。
2.我们发现，外贸渠道的传染形式要比金融渠道的传染形式简单得多。金融渠道的传染主要有两个特征，一是传染源的潜在传染力随其对国际资本市场的开放程度的改变而变化；二是外部货币危机所引致的国际货币市场投机交易的激增会放大金融市场的波动幅度，从而进一步削弱潜在易感染国的抵抗力。我们构造了两个指标来表现这两个特征：一个是国际资本流通程度指标，一个是易感染程度示意指标。我们通过使用后者来模拟由货币市场投机交易引致的货币危机传染效应。如此设定的模型能够真实地体现群聚行为理论，即体现由金融市场异质交易者间相互影响产生的群聚行为所致的振荡效应。
3.鉴于模型（12）较强的统计性能，我们应能对促成1997年韩元崩溃的原因的各种假说做出置信度较高的推断。具体地，我们不仅能够对各种促因特别是各种传染性促因对韩元汇率波动的影响方式和强弱程度做出估计，而且能对各促因间的关系及相对重要性做出评判和比较。例如我们发现，外部传染效应多来自经济结构近似、经济实力相近或较弱的周边经济体。类似的发现对于一国的汇率政策分析和波动预测都极有现实意义。
4.最后，我们的模型结果表明，采取经济学上尽量周全而经济计量学上尽量简单的建模途径，是应用模型研究较为有效的途径。特别地，当应用模型被解释变量的现实经济背景比现有成熟理论所描述的要更为复杂时，根据现实经济对模型解释变量做细致地设定构造，往往要比基于成熟理论的简单模型，加之以复杂的统计估计工具更有成效。附录：
一、数据来源：多数数据系列来自韩国银行（BOK ）的《统计月报》（Monthly Statistical Bulletin，MSB）。韩国银行在网址http ：//www.bok.or.kr/kobank/owa / 保存了一个数据库。 其余的数据来自Data Stream（DS ）数据库软件及国际货币基金组织的“国际金融统计月报”（International Financial Statistics，IFS Monthly）。 样本期为1986—1998年。
二、检验的零假设为模型（1）简洁包容模型（12）。 我们做了三种包容检验：N（0，1）分布的Cox检验：－31.6274；N（0，1）分布的Ericsson工具变量法检验：24.1178；X[2]（15）分布的Sargan 检验：47.3268。所有上述检验量的概率值都为0.0000。