汇率预测理论综述

李立强+柳剑平

【摘 要】汇率预测是国际金融管理中的重要课题，本文对汇率预测理论发展过程进行梳理综述。其理论发展经历了汇率决定理论，线性时间序列分析到非线性预测等的过程。随着国际经贸越来越频繁，影响汇率变动的因素越来越多，汇率变动难以通过单一模型准确预测，非线性、多元组合的汇率预测成为汇率预测理论的发展趋势，在方法论上，多学科融合的趋势也非常明显。

【关键词】汇率预测；汇率决定理论；时间序列；非线性

引言：

汇率是以一种货币表示另一种货币的价格。在国家间的经济金融交往中，汇率是非常重要的影响因素，汇率的变动能够影响国际贸易、国际资本流动等。早期的汇率采用金本位制，各国的铸币与黄金挂钩，汇率体现为各国铸币的含金量之比。金本位的汇率制度属于固定汇率制度，各国间的汇率保持稳定。二战之后，美国凭借其影响力，建立了美元为主导的国际货币体系，即布雷顿森林体系，美元与黄金直接挂钩，而其他各国的货币与美元挂钩，这样的汇率制度也属于固定汇率制度，能保证各国间的汇率稳定。随着1973年布雷顿森林体系崩溃，汇率进入了浮动汇率的時代，汇率波动频繁，对国际经济金融交往产生了深远的影响，外汇风险管理变得越来越重要。准确预测汇率变动，合理规避汇率风险，成为各国在国际经济交往中需要考虑的重要问题。对于中国而言，随着2005年7月21日，人民币开始不再盯住美元，而是实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。我国的汇率更加市场化，浮动更加灵活，汇率变动更加频繁。研究汇率预测对于我国保持经济金融稳定，促进我国对外贸易和投资的发展都有非常重要的现实意义。

汇率预测理论最早建立在汇率决定理论基础上，通过考查汇率的决定及其影响因素，来预测汇率的未来走势。主要有购买力平价理论，利率平价理论，资产货币理论和现代汇率决定理论等，学者们通过这些依据经济基本面建立的汇率决定模型，来分析汇率的变动趋势。随着汇率变动趋于复杂，汇率波动与经济基本面开始脱离，汇率决定模型解释和预测能力变得越来越差。时间序列统计技术的方法开始盛行，主要包括随机游走（Random walk）模型、自回归移动平均（ARIMA）模型、自回归异方差（ARCH）模型、广义自回归异方差（GARCH）模型等，这些统计模型不再仅依据经济基本面，而是考察汇率序列本身的变化趋势，建立线性计量模型来进行预测。在最近时期的研究中，学者们发现汇率变动不都是线性的，非线性变动越来越成为汇率变动的一大特征，传统线性计量模型无法对非线性变化进行预测，神经网络方法、小波分析方法等非线性预测方法开始流行起来。本文根据汇率预测理论的发展过程，对各种理论进行综述。

一、汇率决定理论

在西方国际金融理论中，有许多汇率理论来解释汇率的决定和变动，汇率预测最早也是建立在这些汇率决定理论上，根据汇率决定理论的发展，我们分析购买力平价理论、利率平价理论、资产货币汇率理论和现代汇率决定理论。

（一）购买力平价理论

购买力平价理论是最早用数量方法表达的汇率决定理论，是由Cassel在1922年提出的。其理论核心思想是一国货币对另外一国货币的汇率，是由两种货币在本国国内所能支配的商品与劳务的数量来决定的。购买力平价理论有两种形式：绝对购买力平价和相对购买力平价。绝对购买力平价认为一国货币的价值及对它的需求是由单位货币在国内所能买到的商品和劳务的量决定的，即由它的购买力决定的，因此两国货币之间的汇率可以表示为两国货币的购买力之比。而购买力的大小是通过物价水平体现出来的。相对购买力平价弥补了绝对购买力平价一些不足，它认为两国间的相对通货膨胀决定两种货币间的均衡汇率。购买力平价理论从货币所代表的价值这个层次分析汇率决定，具有一定的合理性，汇率的长期走势与购买力平价的趋势基本一致。购买力平价理论是建立在可贸易物品基础上的，忽视了短期资本流动对汇率的影响，因而无法解释短期汇率变动。

（二）利率平价理论

购买力平价理论忽视了资本流动对汇率的影响，因而无法预测汇率的短期变动。与购买力平价理论不同，利率平价理论不是从商品价格和货币购买力入手，而是从国际间的资本套利着手分析利率决定，在解释利率短期变动时更有优势。利率平价理论是由经济学家凯恩斯在1923年提出的，该理论认为，两国间远期利率变动与两国利差有关，两国利率不同会导致套利活动产生，这会使远期汇率变动幅度等于两国利差。通过实践证明，在短期内，利率平价理论比购买力平价理论对汇率的预测准确。利率平价理论创立以来，成为汇率决定理论的一块基石。然而，利率平价本身也存在缺陷，许多研究表明，汇率的远期升水，不仅受到两国利差的影响，还要受到交易成本、资本控制、风险收益等各种因素的影响，实际的远期汇率和由利率平价决定的远期汇率常常会出现偏差。Frenkel（1976）1研究表明，在多数情况下，交易成本是实际远期汇率与利率平价决定的远期汇率之间产生偏差的主要原因。吕江林、王磊（2009）2认为，由于各国对资本流动管制、对非居民利息收入征税以及各种交易成本、机会成本等存在，加上各国发展不平衡，各国经济内外部均衡情况也大不相同，利率平价理论也并不是完全成立，在短期内对远期汇率的解释和预测也存在较大的误差。

（三）资产货币汇率理论

资产货币汇率理论建立在货币基础之上，根据其发展演化过程，可以分为货币主义汇率理论和资产组合汇率理论。

货币主义汇率理论将购买力平价与货币数量方程式结合起来，揭示了汇率与相对货币供应量、相对实际产出、相对利率等经济要素之间的数量关系。曾兴波、傅德红（2008）3认为货币主义汇率理论特别突出货币在汇率决定中的作用，认为汇率是由两国相对货币供求所决定的。根据理论的发展演变，可以分为早期货币主义和现代货币主义两个阶段。早期货币主义汇率理论强调货币市场在汇率决定过程中的作用，它把汇率看作是两国货币的相对价格而不是两国国民产出的相对价格。该理论认为，汇率是由货币市场上的存量均衡条件决定的，当两国货币存量的供求达到平衡时，两国货币的汇率就达到了均衡。早期的理论对弹性的计算既繁杂又不易很准确，在实际应用中受到了限制。为解决此局限，80年代以来，现代货币学派引进了货币需求函数，发展成为现代货币主义汇率理论。该理论还将汇率的均衡分为长期和短期均衡来考察，使定量分析在其理论分析中得到了实际运用。由于一般货币模型含有许多严格假设，难以与现实情况相符。放松相应假设就发展出新的模型，如放松商品价格完全灵活弹性的假设，就得到粘性价格模型等。张美玲（1992）4利用1978-1990年美元、日元、英镑等的汇率，对货币主义汇率理论进行了检验，认为该理论对这10多年间西方主要国家汇率变动的解释符合实际。

孙叶萌（2008）5认为，汇率的资产组合理论把货币主义的概念引申到所有金融资产。资产组合理论把这些金融资产，如本国货币、有价证券、外国货币和外国金融资产等归结为财富，试图指示资产组合和财富的积累过程对汇率的影响，从而形成了汇率决定的资产组合理论。该理论认为汇率是由两国相对所有金融资产的相对价格决定的，从一个全新的角度解释了汇率决定问题。然而资产组合汇率模型的检验比较困难，主要是由于引入了财富和风险收益，而这两个变量测量存在很大困难。同时货币模型检验结果不理想的情况同样会在资产组合模型中出现，这也影响了该模型的解释效力。

二、时间序列统计方法

研究者发现，在汇率的短期变动中，根据经济基本面建立的汇率决定模型难以得到实证支持，结构模型的解释力难以让人满意。Meese、Rogoff（1983）6的研究发现，利用汇率决定理论建立的结构模型得到的预测结果，并不比利用随机游走模型预测的结果好，这说明结构模型的价值不大。部分研究者不再关注汇率决定理论，转向对汇率的时间序列特征进行分析。

（一）随机游走模型

随机游走模型由英国统计学家Kendall创立，它认为时间序列上的每个点都会随机地游离在现在的位置，从而产生一个新的模型。随机游走从它的初始值开始游离，但是却没有表现出特定的方向或是趋势。自从Meese和Rogoff发现随机游走模型比结构模型的预测效果更好，Cheung et al（2005）7在他们样本基础上增加了后20年的数据，重新确认了Messe和Rogoff的结论。邹宗森（2003）8认为，大多数研究指出汇率存在单位根，因而支持随机游走假设。然而Baillee、Bollorslev（1981）9的研究表明，平堵（Martingale）差分方程的预测效果好于随机游走模型。

（二）自回归移动平均（ARIMA）模型

ARIMA模型将非平稳的时间序列转化为平稳的时间序列，然后将因变量对它的滞后值以及随机误差项的滞后值进行回归，根据时间序列的过去值及现在值预测未来值。Palma和Chan提出对长期汇率序列误差值的预测和估计，结果表明ARIMA模型结果比随机游走更好。战毅、安佳（2013）10分析了2010年-2012年人民币汇率，建立ARIMA（1，0）模型，预测了2013年1-3月人民币汇率走势，发现该模型预测精度较高。但孙叶萌（2008）8认为，当研究的问题比较复杂时，ARIMA模型的预测能力有限，预测精度也不高。

（三）ARCH-GARCH类模型

一般的时间序列模型关注变量的均值，而忽视了变量的波动特征。但是汇率波动特征具有随时间变化的特点，有时相当稳定，有时波动异常剧烈，即存在波动聚集（volatility clustering）现象，这说明汇率序列存在条件异方差。考察变量波动特征能够更全面地刻画汇率序列的变动情况。ARCH模型全称为自回归条件异方差性的模型，由Engel于1982年提出。该模型假定随机误差项的条件方差依赖于误差项前期值平方的大小。ARCH模型能够用来描述汇率“波动聚集性”现象，但是ARCH模型存在滞后长度难以确定，容易违反非负数约束等缺陷。

三、非线性预测方法

时间序列的分析方法虽然较基于经济理论的结构模型，对汇率预测取得了更好的效果。但是传统时间序列分析模型主要是基于线性模型，对于非线性系统的准确性较差。而越来越多的研究发现，汇率变动是非线性的。尽管上文中提到的ARCH、GARCH模型能够改善非线性时间序列的预测效果，但是其本身存在缺陷，难以符合实际。因此需要其他的非线性预测方法。

（一）人工神经网络法

人工神经网络是由大量简单的处理单元广泛连接组成的复杂网络，是在现代生物学研究人脑组织取得的成果基础上提出的，用以模拟人类大脑神经网络结构和行为。1943年由心理学家Mclulloch和数学家Pitts合作提出的形式神经元的数学模型（称之为MP模型）开创了神经网络计算理论研究。由于神经网络模型具有较强的学习和数据处理能力， 是一种自然非线性建模过程， 能够挖掘数据背后复杂的甚至很难用数学式描述的非线性特征， 且不需要事先假设数据之间具有何种具体函数形式或满足哪种分布条件， 因此在汇率的非线性时间序列预测领域中受到越来越多的重视。曾兴波、傅德红（2008）6指出，当数据是非线性且为季节性时，相比于传统统计方法，神经网络的预测能力更佳。徐缘圆（2013）11利用基于后传播（BP）算法的神经网络，对2010年1月-2012年10月间人民币与美元间的汇率进行预测，得到比较精确的预测结果。

（二）小波变换法

小波分析以数学和工程学为基础，本质上与非参数估计相关，这点与神经网络技术相似。而它主要应用于信号过程，这点和时间序列模型相似。小波变换由于其独特的多尺度分析能力而成为提取汇率波动序列变化特征的有力工具。其最大的优点是能将时间序列按不同尺度分解成不同的层次，从而使问题变得简单，便于分析和预测。Pan和Wang的研究发现，使用小波分析法在有噪音的數据中选取有用信息是很有效的。他们还指出小波分析能克服神经网络和传统统计方法的一些局限，因为它能从混乱数据中发现真正有用的模型数据。殷光伟、李倩、战玉峰（2012）12利用小波变换，将汇率序列分解为低频和高频部分，再结合混沌理论对2005年7月-2012年12月人民币对美元汇率进行建模和预测，得到了较高的预测精度。

四、小结

本文回顾了汇率预测理论的发展过程，并对相关文献进行综述。可以看出，汇率预测最早根据汇率决定理论，依据经济基本面之间的相关关系预测汇率的走势。汇率决定理论对于汇率的长期走势仍具有一定的解释力，这说明汇率的长期变动仍然与各国经济状况和国际经贸交往有关。然而汇率的短期变动则受到复杂因素的影响，难以通过汇率决定理论解释。由此发展出了考查汇率变动线性趋势的时间序列模型，以及考察汇率变动非线性趋势的人工神经网络和小波变换法等。可以看出，随着国际经贸交往越来越频繁，国际金融体系越来越发达，信息网络越来越密集，影响汇率变动的因素变得非常复杂，汇率变动难以通过单一模型准确预测，非线性、多元组合的汇率预测成为汇率预测理论的发展趋势，在方法论上，多学科融合的趋势也非常明显。

【参考文献】

[1]Frenkel， Jacob. A. A Monetary Approach to the Exchange Rate： Doctrinal Aspects and Empirical Evidence. Scand. J. Econ.， 1976， 78（2）：200–24.

[2]吕江林、王磊，西方汇率决定理论的发展脉络评述，江西社会科学[J]，2009年第7期

[3]曾兴波、傅德红，汇率预测理论与方法的发展，时代金融[J]，2008年第11期

[4]张美玲，货币主义汇率理论述评和实证分析，数量经济技术经济研究[J]，1992年第11期

[5]孙叶萌，汇率决定理论和汇率预测，吉林大学博士学位论文[D]，2008年

[6]Meese R A， K S Rogoff. Empirical Exchange Rate Models of the Seventies： Do They Fit Out of Sample [J]. Journal of International Economics， 1983， 14， 3-24.

[7]Cheung Yin-Wong， M Chinn， A Garcia. Empirical Exchange Rate Models of the 1990s： Are Any Fit to Survive [J]. Journal of International Money and Finance， 2005， 24， 1150-1175.

[8]邹宗森，汇率决定之谜及研究评述，金融理论与实践[J]，2013年第4期

[9]Baillee， R. T. and Bollorslev， T. Common Stochastic T rends in a System of Exchange Rates [J]. Journal of Finance， 1981， 44（1）： 167- 81.

[10]戰毅、安佳，ARIMA模型在汇率预测中的应用——基于人民币汇率的验证，中国证券期货[J]，2013年第5期

[11]徐缘圆，BP神经网络在汇率预测中的应用，时代金融[J]，2013年第1期下旬刊

[12]殷光伟、李倩、战玉峰，人民币汇率预测研究——小波与混沌理论相结合视角，商业时代[J]，2012年第4期