现行人民币汇率有利于引进外商直接投资，本文主要内容关键词为：人民币汇率论文,外商论文,直接投资论文，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
汇率波动涉及两个层面，一是汇率平均水平的变化（汇率贬值或升值），二是汇率波动的剧烈程度(volatility)。按照传统汇率理论，汇率水平性变动（升值或贬值）和国际资本流动之间存在互为因果的关系。其中，汇率变动对国际资本流动的影响可以从两个方面分析，即汇率变动对长期性国际资本流动的影响和汇率变动对短期性国际资本流动的影响。由于长期国际资本流动包括直接投资、证券投资和国际长期贷款，所以理论上考察汇率变动对外商直接投资的影响机制应该是：从整体上讲，本币汇率变动对外商直接投资的影响比较小，因为外商直接投资更注重投资环境的好坏，汇率变动造成的风险只是诸多环境因素之一，不会起决定性作用。当然，汇率的变动具有一定的影响力，如在其他条件不变的情况下，本币贬值使得外国货币的购买力相对上升，有利于外商节约投资成本。不过这种贬值效应决定于外商直接投资的产业分布，如果外商直接投资于出口产业部门，本币贬值将可能带来额外收益，但如果外商直接投资于过多依赖于进口原材料及技术的产业部门，则会遭受损失。
而汇率波动的剧烈程度与外商直接投资的关系，一般认为：汇率的波动程度等价于投资者所面对的汇率风险的大小，东道国汇率频繁的波动或剧烈的波动对于具有风险厌恶偏好的外商直接投资者往往具有负面效应。
迄今为止，有关汇率平均水平变化对外商直接投资影响效应的研究已经很多，如Froot&Stein(1991)研究发现，美国1970～1980年涌入的大规模外商直接投资应归功于同一时期疲软的美元汇率。Cushman(1988)考察了美国与其他五个工业化国家间双向的直接投资流动和汇率变动关系之后，也得出相类似的结论。Goldberg&Kolsted(1995)的实证分析则发现汇率贬值对外商直接投资没有任何大的或显著的影响。但是，涉及汇率波动剧烈程度对外商直接投资影响的实证分析则得出了不同的结论，如Sercu&Vanhulle(1992)认为汇率的波动剧烈程度对外商直接投资具有逆向影响效应。相反，Cushman(1985,1988),Goldberg&Kolstad(1995)，Kogut&Kulatilaka(1994)则都认为汇率的波动剧烈程度对外商直接投资具有正向影响效应。而Bailey&Tavlas(1988)的分析结论却是：汇率波动的剧烈程度与外商直接投资之间并不存在任何相关关系。
国内学者在此方面的研究，则主要集中于汇率波动对其他经济变量影响效应的讨论上。例如有汇率波动对进出口贸易的影响效应的实证分析（陈平、熊欣，2002），或者汇率波动对产业内贸易的影响效应的实证分析（张谊浩，2003），而涉及人民币汇率波动（包括汇率水平变动和汇率波动剧烈程度）对中国外商直接投资影响的实证研究尚显匮乏。为此，本文基于国内外已有的计量模型和研究成果，试探性地实证分析人民币汇率对外商直接投资的影响效应。
二、计量模型和数据说明
（一）模型假定
本文在综合Froot&Stein(1991)模型和Goldberg&Kolstad(1995)模型的基础上建构人民币汇率波动对外商直接投资的影响模型。这里的人民币汇率波动包括人民币汇率的水平性变动和人民币汇率的波动剧烈程度。在Froot&Stein(1991)设计的宏观经济模型中，外商直接投资变化是汇率水平变化和时间趋势的一个函数；Goldberg&Kolstad(1995)构造的宏观经济模型中，则将汇率的波动剧烈程度作为外商直接投资变化的一个解释变量。为此，本文综合两者建构如下模型：
(1)FDI=f(RER,VOL)
其中FDI表示外商直接投资额，模型中一般用FDI/GDP来表示。RER表示实际汇率，具体到人民币实际汇率采用以下公式计算：
，其中
指美国批发价格指数，CPI指中国消费物价指数。VOL表示汇率波动的剧烈程度，其测度方法一般有两种，一种方法是依据过去年度实际汇率变动百分比的移动标准差(the moving standard deviation)来估计；另一种方法是运用GARCH模型来测度。按照Amuedo-Catalina&Pozo(2001)的研究，尽管前一种方法更常用，但后一种方法对于测度VOL具有比较优势。GARCH模型是由Bollerslev(1986)在Engle(1982)的ARCH(the autoregressive conditional heteroskedastic)模型基础上发展起来的。Engle(1982)提出的ARCH(g)模型用以刻画波动的序列相关度：
此处的
，对于0≤j≤q。在早期阶段，对ARCH(q)常使用普通最小二乘法(OLS)进行估计，但不能保证所有参数估计是非负的，负的参数估计值将使
的条件方差解释无效。为避免这种不足，Bollerslev(1986)提出了GARCH(p,q)模型：
GARH(p,q)模型通过让数据决定合适的参数值，使得权重富有弹性。
（二）数据及数据说明
本模型中所使用的有关数据为年度数据，样本期为1978～2000年。其中：
具体到对华的FDI，一般主要采取五种形式：(1)中外合资，在这种形式下，外资的报酬与投资额正相关；(2)中外合作，外国合作者的报酬以合约的形式确定；(3)外商独资；(4)外商投资股份有限公司；(5)中外合作开发，GDP和原始数据来自IMF《国际金融统计年鉴(2001)》，FDI和CPI数据来自《中国统计年鉴(2001)》，VOL数据依据GARCH模型，设人民币汇率波动Xt服从ARMA模型，代入检验后发现AR(4)最适合于用来预测人民币汇率的未来波动剧烈程度，即：
这样，汇率的波动剧烈度可以通过此预测方程中的残差
，进行估计，按照GARCH模型要求，要求残差，具有异方差性：
可以用利用Engle的拉格朗日乘数法来检验误差项是否具有异方差性及决定估计汇率不稳定性的最优回归模型。利用已有的人民币实际汇率数据进行分析，可以发现条件方差
可见条件方差
决定于三项：常数项
；表示以前多阶段汇率波动率的信息
，（ARCH项）和前一阶段预测的条件方差
（GARCH项）。由于方差是在前期阶段信息基础上对波动性的预测，所以被称为条件方差。有关GARCH预测模型如表1所示。
三、单位根及协整检验
传统的回归分析技术往往假定所使用的时间序列是平稳的，然而现实经济中的许多变量序列是不平稳的，根据Granger&Newbold(1974)的分析，对非平稳的随机变量进行回归可能产生“伪”回归结果。为了避免这种回归失效，Engle-Granger(1987)发展起来一种处理非平稳序列的方法——协整检验(Cointegration)，其基本思想是：如果两个（或两个以上）同阶的时间序列向量分别是非平稳的，而它们的某种线形组合却是平稳的，则这两个（或两个以上）序列向量之间存在协整关系（长期稳定关系）。
由于只有具有同一单位根的两个变量之间才可能存在协整关系，因此本文将首先对所取各变量序列进行单位根检验，再进行协整检验，以保证数据的可靠性。
（一）单位根检验
通常利用ADF(Augmented Dickey-Fuller Test)方法检验数据的时间序列
其中，
是误差项，c为截距项，t为时间趋势项，当统计检验不显著时，把截距项和趋势项从方程中剔除重新进行回归，滞后项的选择应使得残差非自相关。单位根检验结果见表2。
表2 单位根检验
ADF 单位根检验
变量
一阶单位根检验
二阶单位根检验
趋势项 无趋势项
趋势项 无趋势项
FDI/GNP
-1.81 -2.01 -6.26 -6.24
RER -1.26 -1.34 -5.99 -5.95
VOL(GRACH) -2.40 -2.44 -4.82 -4.89
注：ADF单位根检验中各变量的滞后期长度是依据最小化Akaiker's AIC标准取值的；其中变量FDI/GNP、RER、VOL(GARCH)的滞后期长度分别为3,1和3；根据Fuller(1976)的临界标准，在5%的显著水平上，有趋势项的单位根统计检验的临界值是-3.45，无趋势项的单位根统计检验的临界值是-2.89。
结果表明：所有变量FDI/GNP、RER、VOL(GARCH)的时间序列都是(1)，即1阶整合的。为此我们可以继续进行协整检验。
（二）协整检验
检验｜(1)变量之间是否存在协整关系的一般方法是Engle和Granger提出的两阶段方法，即首先用最小二乘法对向量进行协整回归，然后再对协整回归所得的残差进行单位根检验。由EG两阶段法得到的协整参数估计量具有超一致性和强有效性，但在有限样本条件下，这种估计量存在偏差。由于样本的有限性，本文不采取这种方法，而采用Johansen(1991),Juselius(1992)发展起来的JJ检验进行多变量协整检验。为了克服小样本条件下EG两阶段法参数估计的不足，Johansen(1991)提出了动态分布滞后模型(VAR)：
用以估计模型的长期均衡关系，以得到一个有效的无偏估计。Juselius(1992)研究了单变量的协整模型和多变量的协整模型。分析发现：相对于单变量协整模型，多变量协整模型的残差更小，解释力更强。本文的协整检验结果如表3所示。
由表3可知，当r=1(n=3)时，必有一个协整向量在5%的显著水平上存在。所以变量Ln(FDI/GNP)、Ln(RER)、Ln[VOL(GARCH)]之间存在协整关系。也就是说，从长期来讲，人民币汇率水平的水平变化和波动剧烈程度都与外商直接投资之间有着稳定的关联度。
表3 协整检验
注：r表示零假设下协整向量的个数，n表示代入检验的协整序列个数；所取得临界值由EVIEWS软件包提供（参照Osterdwald-Lenum,1992)。
表4 误差纠正模型OLS估计值
注：***(**)分别表示1%和5%的显著水平。
四、误差纠正模型
确定了外商直接投资(FDI/GNP)、人民币真实汇率水平(RER)和人民币汇率波动剧烈程度[VOL(GARCH)]之间存在的协整关系，也就证明三变量之间存在长期均衡关系。然而三变量间的关系在短期内的调整需要通过误差纠正模型(the Error Correction Model)进行估计，误差纠正模型可用来估计人民币汇率波动与外商直接投资的短期动态过程。依上文可以构建如下误差纠正模型的一般形式：
其中
称为误差纠正项，表示上一期变量偏离均衡水平的误差，等于协整回归得到的残差。滞后期长度n的选择应使残差
成为白噪音，由最小化Schwarz或Akaike的AIC标准取得。在本文已有的1978-2000年的年度数据基础上，利用OLS方法对误差纠正模型(6)进行估计，所得结果如表4所示。
从表4中可知：短期来讲，人民币汇率水平的水平变化和波动剧烈程度与外商直接投资之间都不存在显著性的相互联系。
五、结论
本文分析了人民币汇率波动（包括水平变动和波动剧烈度）对我国外商直接投资的影响效应，结果显示：从长期来讲，人民币汇率的波动与外商直接投资之间存在着协整关系，尤其是人民币汇率的波动剧烈程度对外商直接投资具有显著的负面影响效应；从短期来讲，人民币汇率波动与外商直接投资之间不存在明确的关联，人民币汇率的波动对外商直接投资不具有显著性影响效应。这一实证结论能够深化我们对汇率波动与外商直接投资相互关系的理论认识，对相关人民币汇率走势的政策抉择也具有重要的参考意义。
综合理论分析和实证结论，本文认为：(1)从中长期角度考虑，增进人民币汇率强的水平稳定性和弱的波动剧烈度有利于境外直接投资者对人民币汇率的变动形成准确预期，从而有利于增强外商对人民币的信任感并激励外商直接投资的积极性。因而保持人民币汇率的长期稳定对于我国引进外商直接投资具有积极的拉动效应；(2)从短期角度考察，由于人民币汇率的波动与外商直接投资关联度不大，所以提高人民币汇率短期波动的自由度一方面不会对我国引进外商投资形成较大的冲击，另一方面又可以扩大我国利用汇率杠杆进行宏观经济调节的政策空间；(3)从汇率制度选择角度来讲，我国现行的有管理的浮动汇率制恰恰匹配于人民币汇率波动对外商直接投资影响的这种长短期效应（由管理浮动汇率制度的特点决定）。这就告诉我们：我国现有的人民币汇率制度安排对促进外商对华直接投资有良好的经济绩效，现行的汇率政策是有效的。