國際貿易視角下南非蘭特兌美元匯率的決定因素

陸振華

摘 要：自1994年以來，南非非洲人國民大會政府主導的匯率和外匯制度改革使南非逐步走向由市場決定的浮動匯率制度。二十多年來，南非蘭特兌美元匯率呈現下跌趨勢。

本文以套利定價理論為依據，選取南非貨幣供應量、南非與美國的十年期國債利率、南非與美國進出口貿易余額、南非黃金儲備、國際原油價格等因素，基于1990年至2017年共336期的蘭特兌美元匯率月度數據，應用Eviews 9.0軟件對數據構建向量自回歸模型和向量誤差修正模型，檢測各因素對蘭特兌美元匯率形成的沖擊作用和估計蘭特兌美元匯率的形成機制，并探尋匯率波動與進出口貿易之間的關系。

實證分析發現上述因素對蘭特兌美元匯率的影響較為顯著，但沒有明確的證據表明匯率的波動對南非向美國的出口產生了重大影響。

關鍵詞：南非蘭特兌美元匯率;匯率決定因素;匯率波動

一、理論與模型

1.套利定價理論（APT）

APT認為，金融資產的預期收益率是各種影響因素的線性函數，它們之間的關系可表述為：

其中aj是常數項，Fn是影響因素，bjn是第j個影響因素對因子n的敏感程度，εj是隨機項。

2.向量自回歸模型（VAR）

VAR通過使用系統中每個內生變量作為系統中所有內生變量滯后值的函數來構建模型，是處理多個相關經濟指標分析與預測的模型之一。本文應用VAR模型來檢驗各因素對蘭特兌美元匯率的影響。VAR模型如下：

其中c是一個n*1常數向量，αi是n*n矩陣，μt是n*1誤差項向量，yt當前值取決于其自身的滯后值和其他解釋變量。

3.向量誤差修正模型（VEC）

VEC是一個有約束的VAR模型，它表明一個時間序列預測的誤差方差是其自身擾動及系統其他擾動共同作用的結果。VEC模型如下：

其中αi測量第i個內生變量趨向平穩的調整速度。

4.自回歸滑動平均模型（ARMA）

ARMA是研究時間序列的一種重要方法，它由AR模型和MA模型組成。ARMA模型可以表示為：

5.廣義自回歸條件異方差模型（EGARCH）

EGARCH模型適用于波動性的分析和預測。本文應用EGARCH模型對蘭特兌美元匯率的波動率進行研究。EGARCH模型如下：

二、實證分析和研究

1.變量的篩選

本文選取蘭特兌美元匯率Ex作為被解釋變量，工業生產指數IPI、貨幣供應量M2、消費物價指數CPI、十年期國債收益率I、貿易進出口余額TB、黃金儲備GR、國際原油價格COP作為解釋變量。本文研究的數據均來源于南非財政部、南非儲備銀行官網和其他公開渠道。

2.數據預處理

為確保檢驗分析更真實可靠，使得各變量數據趨勢線性化并且消除時間序列中存在的異方差現象，對原始數據進行如下預處理：

（1）將蘭特兌美元匯率Ex取自然對數，記為LnEx;將南非對美國貿易進出口余額RUTB取自然對數，記為LnRUTB;將南非與美國貨幣供應量M2的差取自然對數，記為LnM2;將南非與美國消費物價指數的差取自然對數，記為LnCPI;將南非黃金儲備取自然對數，記為LnGR;將國際原油價格取自然對數，記為LnCOP。

（2）由于部分原始數據不能進行取自然對數的處理，因此采用原數據：將南非與美國工業生產指數之差記為IPIRU;將南非與美國十年期國債收益率取兩者之差記為IRU。

3.平穩性檢驗

匯率作為一種特殊的金融資產價格，根據APT理論，可以將蘭特兌美元匯率與上述七個解釋變量的關系表述為：

4.描述性統計

表2顯示了本文研究中應用的變量的描述性統計結果。其中，IPIRU具有較高的標準偏差，表明該變量是厚尾的;LnRUTB的平均值較大，并且也顯示出明顯的偏斜跡象。

5.VAR模型和數值估計

（1）VAR模型

根據上述（8）式，影響蘭特兌美元匯率的因素主要有貨幣供應量M2、十年期國債收益率IRU、貿易進出口余額RUTB、黃金儲備GR、國際原油價格COP。通過回歸分析，根據AIC準則，得出該VAR模型最佳滯后階數為四，結果如下表3所示：

（2）數值估計

通過Eviews 9.0計算得出表4中的結果，Ex與M2、IRU、RUTB、GR、COP的關系可表述為：

6.VAR模型平穩性檢驗

通過Eviews 9.0生成的AR圖可以看出，所有單位根均落在單位圓以內，由此可以判定該VAR模型是平穩的。

7.脈沖響應和方差分解

（1）脈沖響應

由圖2可以看出，LnEx對一單位LnM2的沖擊初期表現為負向的響應，在第4期達到升值的最大值-0.043，第5期之后開始有上升的趨勢;直到第149期左右，LnM2的沖擊作用基本消失。

圖3中，LnEx對一單位IRU的沖擊初期表現為正向的響應，在第3期達到貶值的最大值0.19，第4期之后開始有下跌的趨勢，即蘭特兌美元匯率開始出現升值，到第75期達到升值的最大值，此后升值程度下降，到大約第216期IRU的沖擊作用基本消失。

圖4中，LnEx對一單位LnRUTB的沖擊表現為正向的響應，在第24期達到貶值的最大值0.018，第25期之后開始出現下跌的趨勢，到大約第495期LnRUTB的沖擊作用基本消失。

圖5中，LnEx對一單位LnGR的沖擊表現為負向的響應，在第3期達到升值的最大值0.022，直到第134期左右高于原始水平，呈現微小的正向作用，即蘭特兌美元出現貶值，到大約第483期LnGR的沖擊基本消失。

圖6，LnEx對一單位LnCOP的沖擊表現為負向的響應，在第7期達到升值的最大值-0.043，此后開始出現上升，在約第113期開始出現正向作用，蘭特兌美元匯率出現貶值，到大約第447期LnCOP的沖擊基本消失。

（2）方差分解

通過Eviews 9.0計算，方差分解的結果如表5所。以t=3為例，LnEx的預測標準差為0.0678，其中97.5397%為LnEx的殘差沖擊所致，0.8367%為IRU的殘差沖擊所致，1.5848%為LnCOP的殘差沖擊所致，0.0336%為LnGR的殘差沖擊所致，0.0012%為LnM2的殘差沖擊所致。從第4期起，自身的殘差沖擊占LnEx預測標準誤差的96.7784%，自身影響最重要;其次為LnCOP、IRU、LnGR和LnM2。

上述方差分解檢驗結果顯示，LnEx本身對其的貢獻程度最大，呈下降趨勢，最終穩定在70%左右;LnCOP對LnEx的貢獻程度次之，最高達到約3%左右;LnM2、IRU、LnRUTB及LnGR對蘭特匯率的貢獻度較小，變化也較為平緩。

8.VEC模型

本文通過Eviews 9.0的Johansen的功能對該VAR模型進行協整檢驗，檢驗結果如下表6所示。

由協整檢驗結果可以看到，最大特征值統計量檢驗中，最大特征統計值為74.1887，大于5%的臨界值，說明模型中各變量之間存在協整關系。協整檢驗結果表明，蘭特兌美元匯率、南非與美國貨幣供應量、南非與美國十年期國債利率、南非與美國貿易進出口余額、南非黃金儲備及國際原油價格六個變量存在長期穩定的均衡關系。協整方程如表7所示，蘭特兌美元匯率的長期協整關系可以表示為（10）。

根據（10）式，南非十年期國債利率相對于美國每增加1%，蘭特兌美元匯率就貶值0.5974%;原油價格每上漲1%，蘭特兌美元匯率就貶值2.2772%;南非黃金儲備每增加1%，蘭特兌美元匯率就升值0.9881%;南非貨幣供應每增加1%，蘭特兌美元匯率就升值1.2247%;南非與美國之間的貿易進出口余額每增長1%，蘭特兌美元匯率就貶值0.7654%。

9.匯率波動率

通過測試，得出了蘭特兌美元匯率波動序列，如圖7所示。從圖7還可以看出，在2001年至2002年以及2008年至2009年期間，蘭特兌美元匯率波動較為明顯，可能的原因是2001年美國發生的“911”恐怖襲擊和2008年、2009年的全球金融危機事件對匯率市場所造成的沖擊和影響。

10.匯率波動率對出口的影響

為研究蘭特兌美元匯率波動與貿易之間的關系，本文將南非貿易進出口余額用作因變量，蘭特兌美元匯率波動被作為自變量。通過計量分析，表明蘭特兌美元的匯率波動不會嚴重影響南非與美國的貿易。條件均值方程為DLnRUTB=0.0067-0.6770* ExchVol，這意味著蘭特兌美元匯率的波動每增加1%，南非對美國的貿易差額增加0.6770%。

三、結論

通過實證分析的結果發現，貨幣供應、南非與美國的十年期國債利率、南非與美國進出口貿易余額、黃金儲備及國際原油價格是蘭特兌美元匯率的影響因素，且上述各因素對蘭特兌美元匯率的長短期影響是較為顯著的。從影響期長短看，南非與美國進出口貿易余額對蘭特兌美元匯率的影響期最長，貨幣供應量對蘭特兌美元匯率的影響期最短;從影響程度看，原油價格波動對蘭特兌美元匯率的影響程度較大，黃金儲備對蘭特兌美元匯率的影響程度較小。從匯率波動性的角度來看，沒有明確的證據表明蘭特兌美元匯率的波動對南非向美國的出口產生了重大影響，但不排除匯率大幅波動通過其他渠道影響進出口貿易的可能性。

參考文獻：

[1]Akinboade，O. A.，& Makina， D. （2006）.Mean reversion and structural breaks in real exchange rates：South African evidence. Applied Financial Economics，16（4）.

[2]Bleaney，M.，& Greenaway，D.（2001）.The impact of terms of trade and real exchange rate volatility on investment and growth in sub-Saharan Africa. Journal of Development Economics，65（2）.

[3]Bruyn，R. d.，Gupta， R.，& Stander， L. （2013）. Testing the Monetary Model for Exchange Rate Determination in South Africa： Evidence from 101 Years of Data. Contemporary Economics，1，19-32.

[4]Clark， P. B.， Wei， S.-J.，Tamirisa， M. N. T.， Sadikov， M. A. M.， & Zeng， L.（2004）.A new look at exchange rate volatility and trade flows：International Monetary Fund.

[5]gert， B.（2012）.Nominal and real exchange rate models in South Africa：How robust are they？

[6]Frankel， J.（2007）.On the Rand： Determinants of the South African Exchange Rate. South African Journal of Economics，75（3）.

[7]Gossel， S. J.， & Biekpe，N.（2012）. The nominal rand/dollar exchange rate： before and after 1995.Studies in Economics and Finance，29（2）.

[8]Hsing， Y.（2016）. Determinants of the ZAR/USD exchange rate and policy implications： A simultaneous-equation model. Cogent Economics & Finance，4（1）.

[9]Sekantsi，L.（2007）.The impact of real exchange rate volatility on South African exports to the United States：A bounds test approach. National University of Lesotho.

作者簡介：陸振華（1984.06- ），中鐵資源集團商貿分公司