离岸市场上人民币对美元汇率中的变点检验论文设计

摘要随着人民币国际化进程的不断深入，离岸人民币市场高速发展，与在岸人民币市场一起组成了中国金融市场重要的一部分，在中国经济发展中发挥着不可替代的作用，因此，研究离岸市场与在岸市场以及二者之间的联动性对于市场参与者和政策制定者来说至关重要，有着十分重要的研究意义。本文采用cusum方法进行变点检验，检验出时间序列的变点个数和位置，并以此为基础，分段分析两个市场的均值溢出效应，考察两个市场的联动性。文章借助VAR模型，通过格兰杰因果检验、脉冲响应函数、方差分解等方法分析得出结论。通过分析我们得出以下结论：在10年以前并没有明显的均值溢出效应，两个市场之间的联动性较差，而在10-15年存在着单向的均值溢出效应，在岸市场掌握着一定的话语权，而在15年之后，两个市场汇率走势逐渐趋于一致，汇差逐渐缩小。基于上述分析与结论，文章最后为离岸市场发展和人民币国际化进程提供了行之有效的建议，在保证汇率相对平稳，塑造安全的经济环境的基础上，推动在岸市场与离岸市场加速发展。关键词：人民币离岸市场；人民币在岸市场；变点检验；cusum方法；均值溢出效应；VAR模型AbstractWiththecontinuousdeepeningoftheRMBinternationalizationprocess,theoffshoreRMBmarkethasdevelopedrapidly.TogetherwiththeonshoreRMBmarket,ithasformedanimportantpartofChina'sfinancialmarketandplayedanirreplaceableroleinChina'seconomicdevelopment.Therefore,theoffshoremarkethasbeenstudied.Theonshoremarketandthelinkagebetweenthetwoareveryimportantformarketparticipantsandpolicymakers,andhaveveryimportantresearchsignificance.Inthispaper,weusetheCusummethodtocarryoutthechangepointtesttocheckthenumberandpositionofthechangepointsinthetimeseries,andonthisbasis,analyzetheaveragespillovereffectofthetwomarketsinsectionsandexaminethelinkagebetweenthetwomarkets.WiththehelpofVARmodel,thearticledrawsconclusionsthroughGrangercausalitytest,impulseresponsefunction,variancedecompositionandothermethods.Throughanalysis,wedrawthefollowingconclusions:Therewasnoobviousmeanspillovereffect10yearsago,thelinkagebetweenthetwomarketswaspoor,andtherewasaunidirectionalmeanspillovereffectin10-15years.Withacertainrighttospeak,after15years,theexchangeratetrendsofthetwomarketshavegraduallybecomethesame,andtheexchangerategaphasgraduallynarrowed.Basedontheaboveanalysisandconclusions,thearticlefinallyprovideseffectivesuggestionsforthedevelopmentoftheoffshoremarketandtheprocessofRMBinternationalization.Onthebasisofensuringarelativelystableexchangerateandshapingasafeeconomicenvironment,itpromotestheaccelerationofonshoreandoffshoremarkets’development.Keywords:RMBoffshoremarket;RMBonshoremarket;changepointtest;cusummethod;meanspillovereffect;VARmodel目录绪论研究背景及意义研究历史及现状离岸金融简介本文主要研究内容和思路基本理论概述2.1.VAR模型介绍2.2.变点问题的研究方法2.3.小结离岸市场基本统计分析3.1.数据选择3.2.重大金融事件概述3.3.数据分析及主观预测3.4.小结4.模型建立与分析4.1.人民币汇率变点检测4.2.均值溢出效应分析4.2.1.滞后阶数确定4.2.2.参数估计与溢出效应分析4.2.3.格兰杰因果检验4.2.4.脉冲响应函数4.2.5.方差分解4.3.小结5.结论与展望5.1.结论5.2.展望第一章绪论研究背景及历史意义在当今世界，经济全球化成为世界发展的主要潮流，伴随着各国经济，政治联系的日益紧密，中国的经济呈现出飞速发展的状态，在全球的经济地位和国际影响力也在不断的提高。而人民币作为中国官方货币，其国际性地位也在水涨船高，人民币汇率也由一开始国际金融市场的边缘变量变为现在主要的全球经济发展情况的指向标。随着我国改革开放的程度不断加深，人民币也逐渐开始拥有自己的一席之地，越来越多的国际贸易开始以人民币作为结算货币，人民币也越来越频繁地出现在人们投资和配置资产的组合当中。人民币汇率水平不仅成为中国重要合作伙伴的高度关注对象，同时对中国的进出口贸易，本国资本的流动，以及国家物价水平的稳定和经济稳定的增长有着重大影响，国内外越来越多的知名学者，、开始研究外汇市场上的人民币汇率波动。回顾我国的人民币外汇市场的发展进程，其大致可以分为四个阶段：第一阶段为外汇调剂市场阶段（1979-1994），此时我国实行外汇留成制度，这是我国计划经济的手段，也是我国支持国家集中使用现汇资金，缓解外汇资金短缺困难下的历史背景下的产物。然而这时的外汇交易市场化程度很低，市场行为对外汇汇率的影响不大，当时并不存在真正的外汇市场，然而随着我国经济体制改革的不断深化，这种计划经济的弊端不断体现出来，不利于对外经济的进一步发展。第二阶段（1994-2005)我国开始实行以市场供求为基础、单一的、有管理的浮动汇率制度，并实行银行对客户的结售汇制，此时市场化程度仍然不强，仍受到许多管制。第三阶段（2005-2015）我国开始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，外汇市场开始逐步发展，并且逐步步入正轨，此后我国央行连续三次调整了人民币兑美元汇率的波动幅度限制，由开始的千分之三变为现在的百分之二。在此期间跨境贸易人民币结算的快速发展大大加强了人民币离岸市场和在岸市场的联系。第四阶段（2015-）从2015“8.11”汇改至今，人民币汇率形成机制发生了重大改革，使得人民币市场的透明度和市场化水平不断提高，在岸人民币市场的开放程度不断提高，离岸人民币市场和在岸人民币市场的关联也不断加强。由于跨国贸易商以及套利等行为的存在，在岸市场和离岸市场在一定程度上相互影响，相互制约。不过由于离岸人民币市场与在岸人民币市场相比，市场投资环境较为宽松，受到内地监管程度较小。投资主体主要为投机者和套期保值者，汇率价格取决于外汇的供给与需求，同时较大程度上受到投资者心理预期的影响，因此离岸人民币市场往往波动更加剧烈，面对重大事件发生，汇率更容易发生巨大波动。本文旨在通过研究人民币汇率时间序列的波动特征，找出人民币汇率收益率时间序列的突变点，研究在不同的时间段内离岸人民币市场和在岸人民币市场的均值溢出效应，并分析出导致发生结构性突变的现实原因。研究历史及现状200年香港离岸人民币外汇市场建立以后，国内外许多学者参与到了相关研究之中，例如Leung&Fu（2014）指出在2013年之后离岸人民币市场和在岸人民币市场之间存在着显著的双向溢出效应，但是相互之间作用程度的大小并不相同。吴志明和陈星（2013）认为在岸人民币市场在人民币汇率定价上拥有主导权。Gu&Mcnelis（2011）使用向量自回归的相关研究模型发现境内的即期汇率与离岸即期汇率之间的相互关联性较强。汤洋和殷风（2016）的研究表明离岸外汇市场和在岸外汇市场即期汇率和远期汇率均具有双向的波动溢出效应。也有部分的学者认为离岸市场与在岸市场之间并无关联，例如冯永琦和裴祥宇（2014）研究认为离岸市场对于在岸市场汇率影响较小，两者之间不存在直接的联动关系。在变点问题的研究理论上，陈希孺在《变点统计分析简介》详细地讨论了几种重要变点模型中处理的具体方法。对本文的变点检验提供了重要参考。1.3.离、在岸金融简介离岸金融是指在一国金融体系之外，在优惠的税收制度以及国际化的金融管理体系下，由非居民参与的资金融通活动。离岸人民币外汇市场属于离岸金融的一部分，具体是指不受中国金融法规管制，由非居民参与的进行人民币与国际自由兑换货币交易的市场，其汇率的变动完全由市场的供给决定，其运行只受国际惯例的约束。相对应的在岸人民币外汇市场是指受中国相关金融机构监管的、在中国居民之间进行的人民币与其他国家货币交易的市场。二者的划分是以制度为依据，即是否受货币发行国家或市场所在国的金融管制。目前主要的人民币离岸市场包括香港、新加坡、伦敦、纽约等等，外汇市场上交易的价格主要是人民币兑美元汇率，其中作为规模最大的离岸人民币市场，香港离岸人民币市场自2004年创办人民币业务以来，其人民币的结算额正在以指数级的速度飞速增长，如今已经替代了NDF市场，成为了最重要的离岸人民币市场。在岸人民币市场在近年来的发展势头同样迅猛，不仅体现在其交易量的不断扩大，还体现在交易产品的不断丰富与交易制度的不断完善。两者共同发发展，共同组成了人民币的全球交易市场。不过二者仍然具有一定的差别，比如在岸人民币外汇市场交易的主体主要是大型国有银行以及政策性银行，交易主体较为集中，因此其在一定程度上对在岸汇率具有影响力。而离岸市场相对于在岸市场而言，参与主体种类更加丰富，包括海外的对冲基金、国外央行等等，投资者高度分散化，投资主体中很少有机构单独有能力对汇率产生较大的影响。并且由于离岸人民币外汇市场的汇价波动并没有在岸市场的汇价波幅限制，因此在面对经济冲击时，离岸人民币市场汇率的波动往往更加剧烈。经济冲击对外汇市场的影响通常是由投资者情绪不安引起的，并且由于投资者在面对不明朗的经济冲击时，投资者的态度往往是悲观的，从而造成市场过度反应，引起外汇市场的波动，由于离岸外汇市场和在岸外汇市场存在某种程度的关联性，因此在重大事件发生时外汇市场受到冲击影响，市场联动性传导，产生均值溢出效应。1.4.本文主要研究内容和思路本文主要的研究思路的是通过变点检验得出变点的个数和具体位置。然后以变点作为分界点，把外汇时间序列数据进行分段研究之间的均值溢出效应得出结论，并提出行之有效的意见和建议。思维路线图如图1-1所示：图1-1思维路线图本文具体的安排结构如下所示：第一章阐述了本文的研究背景和意义以及国内外有关的文献综述，对文章研究的主体-离、在岸外汇市场做了全面而详细的介绍，研究的目的以及思路结构安排。第二章是对本文进行数据分析所用到的理论模型，以及变点问题的研究方法进行全面的介绍，为下文外汇市场时间序列分析提供有力的数学工具。第三章初步研究了在岸人民币汇率和离岸人民币汇率的时间序列。首先陈述了数据选取的理由，其次对可能造成外汇汇率时间序列发生结构性变化的重大事件进行概述，最后绘制在岸人民币汇率和离岸人民币汇率的时序图，对时序图作出主观的分析和预测，检验了时间序列的稳定性。第四章是在第二章所提出的理论模型的基础上检验出了变点的位置和个数并且分段分析了影响离、在岸人民币汇率之间的相关性。首先确定最优的滞后阶数，进行均值溢出效应分析，然后进行格兰杰因果检验，脉冲响应函数，方差分解进行进一步的分析。第五章是研究结论和展望部分。在总结本文研究结论的基础上提出加强离岸人民币外汇市场的建设，鼓励在岸市场汇率和离岸市场汇率的政策协调性，从而更进一步的加强人民币离岸市场和在岸市场的协调发展，并对此提出具有可行性的政策提议。第二章基本理论概述2.1.VAR模型介绍向量自回归模型，简称VAR模型，是基于数据的统计性质建立模型。把系统中每一个内生变量作为系统中所有内生变量的滞后值来构造模型，从而将单变量自回归模型推广到多元时间序列变量组成的“向量”自回归模型。假设时间序列满足：其中，为k维内生变量，c为k维常数变量，是一个序列不相关的随机k维误差向量序列，满足：，且协方差矩阵为Σ，协方差矩阵Σ是正定的。是待估系数矩阵，其中度量了的动态相依性。本文采用的VAR模型为二元VAR模型，具体可以表示为：VAR模型的稳定性条件为：其中，定义的是在第j期的自协方差矩阵。本文滞后滞后阶数的选择为信息准则法包括AIC、BIC、FPE、HQIC信息准则：选择信息准则统计值最小时的滞后阶数。2.2.变点问题的研究方法变点问题一直以来都是统计学中一个核心的热门话题，它在气候、金融计量及矿难分析等领域有着广泛的应用，用以检测数据生成过程中的结构性突变。一般认为，变点就是模型的某个突然变化之点，使模型的本质发生了变化。假设有一系列的观察值序列，在多数情况下，这些观察值按照其出现时间的先后进行排列，但是在某个未知的时刻，样本的数字特征或者其分布参数突然发生了变化，我们就称这个时刻为变点。变点问题的统计推断就是依据分析的具体背景，对未知时刻进行估计，并且对检验统计量的性质进行统计分析。比如，有一样本序列X1，...，Xn，其分布函数为F1，...Fn，向量X’=（X1,...,Xn）是关于时间t的观测值，并且所观测的样本时间间隔不必等距，若Fm+1与Fm在某些特征上表现出极大的不同，我们就称该时间点为变点。如果序列中存在两个或两个以上的变点时，我们就称这种模型为多变点模型。即将X1,...,Xn分成不相交的几组：（X1,...,Xm1)，（Xm1+1,...,Xm2），...，（Xmq+1,...,Xn），每一组组内观测值的分布函数保持相对的平稳性，而在m1，...，mq处分布函数性质会发生较大变化，此处即为变点。一般来说，多变点问题的存在，使得有关问题变得非常复杂。变点问题的研究主要内容是对变点的检测，其基本定义是在一个序列或过程中，当某个统计特性（分布类型、分布参数）在某时间点受系统性因素而非偶然性因素影响发生变化，我们就称该时间点为变点。变点识别即利用统计量或统计方法将该变点位置估计出来。但是在实际的应用中，也经常会遇到一些事中变点的检测问题，这主要涉及的是快速检测变点，以尽量减少延时报警和尽量避免误报警。在实际应用中研究变点问题时，一般遵循以下步骤：首先对变点的有无进行检验，原假设为不存在变点，如果不能拒绝原假设，则认为不存在变点，估计变点到此结束；如果拒绝原假设，我们就认为存在变点，然后就需要进一步进行估计未知变点的个数、位置以及它的收敛速度和渐进分布等。变点问题由于涉及到独立和非独立随机变量的分布，在理论上分析起来比较困难，一些估计和检测变点问题的方法经过发展得到几种常用的变点检验方法，如：最小二乘法、极大似然法、局部比较法、贝叶斯方法、累计平方和方法等等。最小二乘法最小二乘法就是以观察值与理论值之差的平方和作为目标函数，以其达到极小值之点作为有关参数的点估计，并不需要假设模型中随机误差的分布。以简单的均值变点的离散模型为例：i=1，2，...，n，，...，其中，，如果，则mj就是一个变点，随机误差检验的原假设为H0：b1=b2=...=bq+1，即序列不存在变点；备选假设为H1：，即序列至少存在一个变点。时间序列{Xi}的样本方差为:其中，。把样本分成两段，分别为X1，X2，...，Xi-1和Xi，Xi+1，...，Xn然后分别计算其样本方差并相加，记为：，其中，分别为前后两段的算术平均值。以S*=min（S2，...，Sn），当S-S*>C时（C为一个适当的界限），否定原假设，认为变点存在。进一步构造目标函数：T=T(m1，…，mq，b1，...，bq+1）=其中，，则为的估计。极大似然法极大似然法主要思想是针对分布变点是否存在，把变点本身看作一个参数，通过求似然函数的极大值去估计变点，运用最多的是利用极大似然法估计正态分布的均值变点。具体模型如下：对于随机变量X1，X2，...Xn相互独立，且，i=1,2,...,m-1;，i=m,m+1.,.,n，其中，都未知。考虑假设检验问题：（无变点），（有变点），即m就是变点。似然函数为:固定对a1，a2求极大，得到：其中，分别为和的算术平均值。固定m，对求极大，得到：最后只要找出，使得h（m）达到最大，即即可。局部比较法局部比较法的思想就是在邻近变点的“局部”中，某种量的估计值发生了显著变化，在非变点附近的局部中，估计值并没有发生显著变化。因此我们可以考察某种统计量在不同“局部”内的变化，取其显著之处作为变点位置的估计。运用局部比较法估计均值变点可以使估计变点区间和检验估计的方法更加方便，具体模型如下：其中，是未知参数，为变点，e(t)~F(t)，通过局部比较法，构造检验统计量，取l为一个正整数，满足：令：关于变点的检验问题，提出以下检验估计量：当得值比较大时，认为变点t0存在，并且得到如下下渐进分布：Bayes方法Bayes方法的思想是包括变点在内的模型中所有参数均被视为随机变量，通过引进其概率分布，即先验分布，然后利用样本分布和先验分布，定出变点这个参数的后验分布，并基于后验分布得出具体的推断。它的优点在于可以很容易地提供变点的点估计和区间估计以及检验变点是否存在；缺点在于先验分布不容易确定。考虑正态分布均值只有一个变点的检验问题，假设变点M(M=1,...,n-1)具有先验分布：参数具有先验分布：由此我们可以得到变点的检验统计量，当方差已知时，检验统计量为：当方差未知时，检验统计量为：在原假设H0成立时，即不存在变点时，检验统计量T和T*的精确分布是显然的。CUSUM方法CUSUM控制图标绘每个样本值与目标值之间偏差的累积和。由于CUSUM控制变量是累积构建的，因此即使是过程均值中的微小波动也会导致累积偏差值的稳定增加（或降低），进而放大观察数据出现的波动，从而更加迅速敏感地探测到微小的异常情况，检验出变点位置。其最大的特点是对系统性变化的敏感性，不需要积累太多的样本，因而能较好的控制风险。CUSUM作为一个统计量，其由来具有严格的数学推理，总的来说，是一个变点假设检验通过极大似然法推导得到的统计量，其数学形式为：S其中，xi代表待检测时间序列在i时点的收益率，k代表允偏量。令yi=C当预警指标分别超过上下阈值h时：C如果多次超过允偏量收益率发生，或者一次非常大的收益率情况发生，使得预警指标Ci2.3.小结总而言之，变点问题作为一个比较新颖的研究领域，有着很大的研究价值和应用价值，值得我们更多更深地进行研究。在理论方面，变点分析在在前人研究的基础上将会不断的发展和完善。应用方面，由于金融和经济数据分析的应用需要，关于金融环境发生突变的预警研究，都是现在和以后研究的热点问题。因此，将来的变点检验问题无论从理论还是到实际应用中都将取得更加丰富的成果。第三章离岸市场基本统计分析3.1.数据选择随着世界各国经济联系的日益加深和我国经济地位的不断提高，外汇市场上人民币汇率的波动对于我国经济发展和世界经济状况有着越来越大的影响。因此研究人民币汇率的走势已经成为当今必要的研究课题。为了使论文具有实际价值，结果世界外汇市场的具体情况，我们选取了在岸市场上人民币兑美元的即期汇率和香港离岸人民币市场上人民币兑美元的即期汇率。所采用的样本数据的具体时间段是从2004年一月到2019年12月共计192个研究对象。具体原因有以下几个方面的考量：首先美元作为全球通用货币，在国际外汇交易中，占据着绝对重要的地位其作为全球金融交易中最主要的定价和结算货币，在市场中的作用不可或缺。其次，由于人民币离岸外汇市场都处于国际金融中心，这些市场都是高度发达，自由和有效的市场，所以市场的价格基本趋于一致。与新加坡等离岸市场相比，香港人民币离岸市场作为规模最大的离岸市场，香港离岸人民币市场上的人民币汇率具有很好的代表性。最后，由于在05年汇改之前，我国国内实行盯住美元的浮动汇率制度，在岸市场的人民币汇率基本保持不变，并且鉴于当时的国际环境和我国的发展状况，离岸市场和在岸市场之间的联系程度很低。实际参考价值不大。本文采用的数据来源于国家外汇管理局和wind数据库。3.2重大金融事件概述重大金融事件的概念一直以来都没有一个清晰的概念界定，相对来说，地区不同、对象不同，对与重大金融事件的定义都是不尽相同的。总的来说，重大事件往往具有以下几部分特点：首先重大事件发生的概率很小，但是一旦发生，往往牵涉面很广，多个部门都会被牵涉其中；其次重大事件复杂性很高，因此重大事件发生时，人们往往难以作出准确的判断；最后重大事件的社会影响非常大，重大事件发生后所涉及到地区、区域的生活习惯和生活方式往往会发生较大变化。因此我们可以将重大事件概述为:一是产生于某一地区或者某一群体之中，但之后往往会迅速波及到其他地区或是其他群体之中；二是重大事件在发生以后一定会对文化、社会、或者经济直接产生长期的巨大的影响。重大事件准确地来说是人们约定成俗的一个词语，具体代指所有具有巨大影响力的事件。重大金融事件的特征分类具体表现如下:首先重大事件的类型不同，对经济、文化、社会产生的影响也不相同。重大事件中既有对社会、经济、文化造成正面影响的，比如“一带一路”的开展会对发起国和参与国的经济交流、社会发展、文化交融起到推动的作用;但是也有造成负面影响的，而且重大事件中大多数事件产生的往往都是负面的影响，比如英国脱欧事件，在经济层面上对英镑产生了巨大的冲击，使英镑汇率产生了巨大的动荡，在社会层面上造成人们生活受到巨大影响，生活质量急剧下降。在研究层面上，大部分的学者往往喜欢研究具有负面影响效应的重大金融事件，由于这类具有负面效应的重大事件发生时会照成严重的破坏性后果，对整个社会的经济，人们的生活等都会造成一定的损害，所以人们往往关注于负面性质的重大事件。其次重大事件在时间层面上也可以分为两种，既有瞬时发生的，也有具有一定时间过程的。重大事件中非常重要的一种就是重大突发事件，突重大发事件属于瞬时发生事件，具有瞬发性和不确定性。重大突发事件的具体含义如下所示：重大突发事件是指那些在人们预料之外的，突然发生的重大事件，而这些事件能够对整个社会产生一系列的严重的恶性影响，从而引起社会产生一系列的连锁反应，并且重大突发事件发生后需要多个部门快速反应进行应急处理，这时常规的处理方式面对重大突发事件时已不再适用。重大突发事件包括自然灾害类的重大突发事件，如2005年夏天发生在美国的“飓风卡特里娜”以及2007年1月发生在欧洲西北部的12蒲福氏级暴风雪带来损失十分巨大，除此之外还有包括军事和政治上的重大突发事件如科索沃战争，两伊战争等等，再比如社会生活层面的重大突发事件，比如巴黎恐怖袭击、美国“911”事件等等，这些事件在时间上都具有突发性和不确定性。另--类重大事件则是在一定时间周期逐步释放影响的，这类重大事件造成的影响虽然也不能准确的判断，但是当这类事件发生时，个人以及社会对事情造成的影响以及后果有着自己的心理预期。这类事件包括如美国大选，对事件结果谁当选未知，但社会有一个大概的心理预期，还比如欧佩克减产协议，整个事件都具有一定的时间过程。重大事件的发生往往会造成金融市场发生波动，尤其是重大突发事件发生时，由于人们没有预料到事件的发生，因此事件发生后，人们往往会做出过激的反应，从而引起金融市场发生剧烈的动荡，外汇市场作为金融市场的一部分，在面对重大事件冲击时，受到的影响往往都是最直接的。重大事件对外汇市场的影响往往是以投资者为载体进行传递的，当重大事件发生时，其结果造成的影响以及影响程度常常都是不明确的，投资者面对不确定的结果，情绪往往不安，预测也偏向于悲观，作出最坏的打算，众多投资者的行为汇集到外汇市场上就会造成外汇市场发生剧烈动荡。例如观察2016年发生的英国脱欧事件，使得投资者对英镑的信心急剧下跌，表现在外汇市场就是英镑的迅速贬值，并且英镑的贬值是持续性的，说明脱欧事件对英镑汇率产生了一个持续的负面影响。投资情绪的变化决定了投资者投资决策的改变，因此当重大金融事件发生时，投资者情绪发生剧烈波动，理性化的投资决策减少，感性化的投资决策增加，外汇市场波动风险增加。在金融学领域，凯恩斯发现了“羊群效应”，即经济个体的从众跟风的心里，而当重大事件发生时，羊群效应往往表现得特别明显。尤其是在离岸外汇市场和在岸外汇市场之间，由于离岸市场的交易者相较于在岸市场的交易者而言，更容易获得高质量的信息，因此在岸市场的投资者会倾向于模仿离岸市场投资者的投资决策，从而造成两个市场的投资行为逐渐趋于一致。对于有可能造成离岸外汇市场和在岸外汇市场的汇率发生剧烈波动，从而造成时间序列发生结构性变化的重大金融事件归纳如下：2005年7月21日人民银行宣布将人民币盯住美元的汇率制度改为以市场供求为基础，参考一篮子货币进行调整，实行有管理的浮动制度。汇改原因主要是因为中国经济持续高速增长，对外开放程度提高，对外贸易额的增加导致我国的外汇储备迅速增加，此时如果继续实行盯住美元的汇率制度，将会增加我国的宏观经济调控成本，增加我国的宏观经济调控负担。汇改以后我国虽然仍旧难以平衡国际收支，但是大幅度的减少了央行的干预力度，外汇市场的市场化程度进一步提高，带来了金融创新热潮，提高了银行对汇率风险管理的能力，完善了外汇市场的制度，是汇率更多地依赖市场的力量，汇率转变为根据市场环境的相对稳定。2010年6月19日，人民银行宣布“进一步推进人民币汇率形成机制改革，增强人民币汇率弹性”。此次汇改在形式上体现了向2005年7月21日汇改的回归——从再度单一钉住美元回到参考一篮子货币。2010年6月至9月，人民币汇率小幅升值，人民币对美元汇率约从6.82上升到6.70-6.75。原因在于，美元指数持续走强，但欧元区主权债务危机牵制了欧元汇率升值，而人民币参考一篮子货币，虽然有持续走强压力，但欧元等软币所占权重压低了人民币汇率。 2015年7月后的人民币贬值主要是由经济增速放缓、金融风险上升导致市场对未来中国经济形势的乐观情绪减弱造成，并且中国的国际收支平衡表显示，2015年前两季度借贷双方数额的绝对值呈现一个不断减少的趋势。表明的我们国家的资本流动量在缩减，很可能是资本在不断的游向币值相对升值的国家使流量减少，人民币吸引力进一步削弱。  2018年3月以来，中美贸易摩擦愈演愈烈，使得我国受到的贸易冲击和经济下行压力加大，外部环境明显恶化，在汇率的影响上则变现为人民币不断受到贬值压力。3.3.数据预分析3.3.1.汇率走势分析如图3-1所示，为在岸人民币市场和离岸人民币市场人民币兑美元汇率的走势图，图像展示的是2004年1月-2019年12月周期一月的数据。图3-1离、在岸人民币兑美元即期汇率图3-2离、在岸人民币收益率时间序列图从图3-1可以看出，整体来说离岸人民币汇率整体走势和在岸人民币汇率整体走势基本上是相同的，但是离岸人民币汇率的波动浮动明显比之在岸人民币汇率波动更加明显，尤其是在图3-2中在10年以前二者的收益率波动程度相差极大。这很好地说明了在离岸人民币市场比在岸人民币市场的管制因素更少，所以离岸人民币汇率更加的敏感，所以当受到外部事件冲击时，离岸人民币市场往往会产生更大的波动。在2018年前离岸人民币和在岸人民币之间的汇差普遍较大而2018年以后靠拢的趋势非常明显。并且两条汇率时间序列线明显以2012年为分界点，在2012年以前离岸人民币汇率整体基本都在在岸人民币汇率线的下方。不过由于外汇市场上投资者在面对重大事件时往往存在心里预期，并且市场在重大事件发生以后又存在一个消化的过程。故本文以变点产生时间为中心点，时间跨度为1年进行搜索，找到变点发生的可能原因，并进行具体分析。3.3.2.平稳性检验由于我们采用时间序列构建相关模型的前提是序列必须是平稳的，因此我们必须首先对离岸人民币汇率时间序列和在岸人民币汇率时间序列进行单位根检验，如果存在单位根过程的话，则表明时间序列为非平稳时间序列，这个时候如果不进行处理直接进行建模过程，得出的结果易出现伪回归现象，并不具有统计学上的意义，从而得出的实验数据与结论的准确性和客观性都会受到影响。单位根检验是基于时间序列存在单位根的原假设进行假设检验，判断数据在时间序列上的稳定性。常见的单位根检验为ADF检验。基本假定为定义随机序列t=1,2,......是一单位根过程，若,t=1,2,......其中，为一白噪声序列，且满足,,(ij)。特别地，如果α=1，则上式就会变成一个随机游走序列。当α>1时，为一类具有所谓爆炸根的非平稳过程。离岸人民币汇率和在岸人民币汇率数据单位根检验结果如下：表3-3单位根检验数据结果扩展的迪基-富勒检验ADF检验值1%显著性水平5%显著性水平平稳与否取对数一阶差分后ADF检验值平稳与否OFFshore-1.947817-3.465-2.867否-1.17E+01是ONshore-2.0467-3.465-2.867否-9.90E+00是基于上述表格所给的检验结果表明在岸人民币与离岸人民币汇率市场数据的ADF统计量均大于1%以及5%的检验值，表明相应的汇率时间序列为非平稳过程，不具备时间序列的稳定性，随后对汇率数据进行取对数一阶差分(数据差分后的现实意义为汇率收益率），差分后离岸市场与在岸市场数据的ADF统计量均低于临界值，数据呈现一阶差分平稳。3.4.小结本章节初步研究了在岸人民币汇率和离岸人民币汇率的时间序列。首先陈述了数据选取的理由，其次对可能造成外汇汇率时间序列发生结构性变化的重大事件进行概述，最后绘制在岸人民币汇率和离岸人民币汇率的时序图，对时序图作出主观的分析和预测，检验了时间序列的稳定性。第四章模型建立与分析4.1.人民币汇率变点检测 变点识别问题的具体定义为：假设存在一个数据集，每个数据观测值相互独立，如果在某一时刻，模型中的某个或某些变量突然发生了变化，即存在一个时间点，在该点之前，数据集符合一个分布，在该点之后，数据集符合另外一个分布，则该点为该数据集的变点。变点识别即利用一定的统计指标或统计方法，对时间序列的状态进行观测，以便准确有效的估计出变点的位置。 本文将采取CUSUM指标对在岸和离岸人民币汇率时间序列进行变点检测，本着数据可得性原则，选取尽可能完整的经济周期，本文共选取从2004年1月31日开始，至2019年12月31日共192条月频美元兑在岸人民币和美元兑离岸人民币汇率数据，所有数据均来自万德数据库，有真实可靠性保障，处理数据以及实施变点检测所用软件为Python. 为了得到汇率的收益率序列，我们对原美元兑在岸人民币和美元兑离岸人民币进行对数处理后进行差分，得到收益率序列，接着利用CUSUM指标进行变点检测。在CUSUM变点检测法中具有两个参数：允偏量k和阈值h。这两个参数会决定检测变点的条件是否足够严格。对于允偏量k值,理论上k=δ/2时控制图的效果最好，其中，δ即为观测值x的偏移量。但是实际情形下，δ是未知量，也是我们需要检测的值，同时δ会随采样时间t变化，其大小决定了累积和控制图参数k的取值，并通过k的变化影响控制图的统计性能，所以有必要对δ进行动态预测和更新。本文通过已经过检测的历史数据拟合计算出均值和标准差，并对历史数据和待检测的点进行标准化，则历史数据的均值为0，而待测点的值为x，按照CUSUM的推导，我们将允偏量k设为x/2。阈值h的设定可根据变点的检测严格程度设置，本文的CUSUM检测中阈值h设置为5。下图为变点检测结果（变点绘制在汇率对数时间序列上）： CUSUM变点检测结果显示，在岸人民币汇率分别在2010年7月、2015年7月、2018年3月和2019年9月出现共4个变点，离岸人民币汇率分别在2015年7月和2018年3月出现共2个变点。在进行后文相关时序分析，构建向量自回归模型时，由于2019年9月后数据过少，我们只取前三个变点，对应地将汇率时间序列分为2004年至2010年、2010年至2015年、2015年至2018年、2018年至2019年底共四个时间周期分别进行分析。而几个汇率变点的出现，在历史上都能够找到背后相对应的事件： 2010年6月19日，人民银行宣布“进一步推进人民币汇率形成机制改革，增强人民币汇率弹性”。此次汇改在形式上体现了向2005年7月21日汇改的回归——从再度单一钉住美元回到参考一篮子货币。2010年6月至9月，人民币汇率小幅升值，人民币对美元汇率约从6.82上升到6.70-6.75。原因在于，美元指数持续走强，但欧元区主权债务危机牵制了欧元汇率升值，而人民币参考一篮子货币，虽然有持续走强压力，但欧元等软币所占权重压低了人民币汇率。 2015年7月后的人民币贬值主要是由经济增速放缓、金融风险上升导致市场对未来中国经济形势的乐观情绪减弱造成，并且中国的国际收支平衡表显示，2015年前两季度借贷双方数额的绝对值呈现一个不断减少的趋势。表明的我们国家的资本流动量在缩减，很可能是资本在不断的游向币值相对升值的国家使流量减少，人民币吸引力进一步削弱。 另一方面，2015年8月11日，人民币汇率制度迎来了第二次重大改革，史称“8.11”汇改，此次的汇改举措使得人民币汇率不再盯住单一美元，而是以市场供求为基础，选择若干种主要货币，赋予相应的权重，组成一个货币篮子，维护人民币汇率在合理均衡水平上的基础稳定，据此形成有管理的浮动汇率制。并且在2015年下半年以来，美联储进入加息周期，新兴市场出现货币危机，在内外经济形势的双重压力下，中国经济进入“L”型下行通道，金融市场脆弱性凸显。 2018年3月以来，中美贸易摩擦愈演愈烈，使得我国受到的贸易冲击和经济下行压力加大，外部环境明显恶化，在汇率的影响上则变现为人民币不断受到贬值压力，人民币汇率很可能出现趋势性贬值行情。贸易冲突可能会进一步恶化本已疲弱的经济状况，一场贸易战加上经济势头减弱以及一个中立的央行，只要中美贸易战持续升级，人民币汇率贬值的趋势就会持续，但中国央行可能会利用短期工具暂时调整流动性以遏制金融风险。4.2.均值溢出效应分析4.2.1.滞后阶数确定在构建的VAR(p)模型里，我们使用变量的滞后期值当做自变量，因此选择正确的滞后阶数p十分重要。如果选择p的值为3，那么在VAR(3)模型中变量的三阶滞后值会在模型中充当解释变量的角色。当模型所选择的滞后阶数越高，包含的原序列的信息就越全面，但是与此同时带有n个内生变量的模型每增加一阶滞后，就会带来n²个需要估计的额外参数，直接导致样本自由度快速下降。本文将按照VAR模型不同阶数下的AIC、BIC、FPE、HQIC准则值，综合选择合适的模型滞后阶数。根据前文CUSUM变点检验工作，本文将把汇率时间序列依据汇率出现变点的时间分为2004年至2010年、2010年至2015年、2015年至2018年、2018年至2019年底共四个时间周期分别进行VAR模型的滞后阶数选择和参数估计工作。LagAICBICFPEHQIC04年-10年1-19.88*-19.68*2.33E-09*-19.80*2-19.84-19.512.42E-09-19.713-19.83-19.362.45E-09-19.654-19.8-19.212.52E-09-19.5710年-15年1-20.48*-20.24*1.281e-09*-20.39*2-20.34-19.951.46E-09-20.23-20.38-19.841.41E-09-20.184-20.27-19.561.59E-09-2015年-18年1-18.89*-18.6*6.27E-09*-18.81*2-18.64-18.168.09E-09-18.513-18.49-17.819.60E-09-18.34-18.3-17.421.21E-08-18.0518年-19年底1-19.22-18.94*4.54E-09-19.232-18.83-18.367.02E-09-18.833-18.69-18.038.94E-09-18.74-19.73*-18.883.92E-09*-19.74*出于样本数据有限的考虑，本文仅考虑构建4阶以下的VAR模型，表中带*的单元代表该准则所选出来的最优滞后阶数。综合考虑各个准则，我们对于04-10年构建VAR(1)模型、10-15年构建VAR(1)模型、15-18年构建选择1阶滞后阶数，对于18-19年底，根据AIC准则建议选择4阶滞后，建立VAR(4)模型。4.2.2.参数估计与溢出效应分析向量自回归（VAR）模型与联立方程相似，但不同之处在于向量自回归模型中不包括外生变量。向量自回归方程中的所有解释和被解释变量都由自身滞后项、其余内生变量的滞后项和误差项所解释。本文中的VAR模型具有两个变量，美元兑在岸人民币汇率onshore和美元兑离岸人民币汇率offshore，均为内生变量，模型中不包括外生变量，onshore的解释变量包括onshore的滞后项和offshore的滞后项；offshore的解释变量包括offshore的滞后项和onshore的滞后项。假设滞后阶数为p，VAR模型的数学形式可以以联立方程表示为：onshore其中，const、const'为常数项，αi、αi用矩阵形式表示VAR模型参数估计结果，带*号系数表明在5%置信水平下系数显著。2004年-2010年：onshore 2010年-2015年：onshore 2015年-2018年：onshore 2018年-2019年：onshore 对各个VAR模型进行特征根检验，由于输入模型的序列已经经过ADF检验未平稳序列，因此VAR模型所有特征根模的倒数都在单位圆内，说明模型是稳定的。 从模型系数的显著性分析，在2004年-2010年间，在岸人民币汇率与离岸人民币汇率之间不存在显著的均值溢出效应，这与我国当时的离岸人民币市场没有完全放开的事实相符。分析2010年-2015年间的VAR模型系数可以看出，在岸人民币汇率对离岸人民币汇率以及后者对于前者的均值溢出效应均显著。离岸人民币汇率对在岸人民币汇率的均值溢出效应为-0.175，在岸人民币对离岸人民币汇率的均值溢出效应为0.674，在岸汇率对离岸汇率的均值溢出效应要大于后者对于前者的均值溢出效应，这说明在在岸和离岸人民币汇率市场中，在岸市场掌控着一定程度上的话语权与“定价权”，这一点在后续的格兰杰因果检验中也将进一步得到证实。4.2.3.格兰杰因果检验为了更好地揭露美元兑在岸人民币汇率与美元兑离岸人民币汇率之间的关系，我们可以采用格兰杰因果检验的方法。格兰杰因果关系并不是人们常说的在逻辑上的因果关系，而是指在时间上存在发生先后顺序的事件，先发生的一方能够帮助解释后发生的事件。而向量自回归模型的原理是通过多个内生变量的滞后项来对当期变量的变化进行解释，因此用格兰杰因果检验能够从一种角度来衡量该做法的合理性。格兰杰因果性检验结果如下表：04年-10年原假设F统计量5%显著性p-value是否拒绝原假设offshore不是onshore的原因0.2853.9060.594否onshore不是offshore的原因0.27443.9060.601否10年-15年原假设F统计量5%显著性p-value是否拒绝原假设offshore不是onshore的原因2.6463.9270.107否onshore不是offshore的原因6.8373.9270.01是15年-18年原假设F统计量5%显著性p-value是否拒绝原假设offshore不是onshore的原因0.18324.0010.67否onshore不是offshore的原因0.001454.0010.97否18年-19年原假设F统计量5%显著性p-value是否拒绝原假设offshore不是onshore的原因0.71544.1490.404否onshore不是offshore的原因0.05124.1490.822否 从格兰杰检验的表中我们可以看出，只有在10年-15年里在岸人民币汇率是离岸人民币汇率的格兰杰原因，说明在岸人民币汇率的变化有助于解释离岸人民币汇率的变化情况，而其余检测显示两者并不存在格兰杰因果关系。汇率作为连接国际贸易与经济形势的重要一环，影响其变动的因素纷繁复杂。本文实证结果所表明的在岸人民币汇率与离岸人民币汇率在某些时期格兰杰因果关系不显著可能与我国的特殊经济环境息息相关。最早的人民币离岸市场是香港人民币离岸市场。在2004年2月24日,香港合格银行开始经营人民币个人业务,这被认为是离岸人民币业务的开端。但是由于我国资本账户没有完全开放，离岸人民币即期交易于2010年7月19日才开始放开,这可能导致了2004年至2010年时间区间内在岸人民币与离岸人民币的走势相差甚远，自然不会存在格兰杰因果关系。而在开放之后，在岸人民币汇率成为离岸人民币的格兰杰原因，说明很可能离岸人民币的走势盯紧了在岸人民币的走势情况，而这可能是由市场供求关系、套利者的套利操作以及货币当局的适当管控共同造成的。在15年之后两者的格兰杰关系再度不显著，可能是因为国际经济形势变得更为复杂、国际合作关系不断深化等多种不同的因素共同冲击下造成的结果。4.2.4.脉冲响应函数脉冲响应分析会反映当VAR模型某个变量受到"外生冲击"时，模型中其他变量受到的动态影响。我们会根据这些变量受到此冲击后的一段时间内的动态变化画出冲击5期后的脉冲响应图形。2004-2010年： 2010-2015年： 2015年-2018年： 2018年-2019年： 从四个时期的脉冲响应图形中可以看出，在2004年至2015年间，离岸人民币汇率发生一个单位标准差的正向冲击时，在岸人民币会受到反向的冲击，影响幅度在第一期达到最大值，并随着时间推移逐渐减小，在第三或第四期影响消失。而在2015年之后，这一影响效果发生翻转，在岸人民币会受到离岸人民币变化的正向冲击，同样是在第一期达到峰值。 同样以2015年为分界点，可以看出在岸人民币汇率对于离岸人民币的影响在该时点之前为正向冲击，在第一时期达到冲击的最高点，之后影响趋弱。在2015年之后，该冲击逐渐由之前的正向冲击转为几乎没有冲击影响，再转变为负向冲击。这之间的共同点在于，所有冲击都在第一时期达到峰值，而之后以非常快的速度衰弱，说明离岸人民币与在岸人民币汇率之间的冲击影响时效性非常之强，且不具有长时期持续性。4.2.5.方差分解由于VAR模型参数的普通最小二乘估计量只具有一致性，单个参数估计值的经济解释是很困难的。方差分解通过分析每一个结构冲击对内生变量变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性。因此，方差分解给出对VAR模型中的变量产生影响的每个随机扰动项的相对重要性的信息。下面是方差分解结果的表格：2004年-2010年：FEVDforonshore_diff1FEVDforoffshore_diff1onshore_diff1offshore_diff1onshore_diff1offshore_diff100.1660770.833923 1.0000000.00000010.1748340.825166 0.9970160.00298420.1766240.823376 0.9958410.00415930.1770180.822982 0.9954920.00450840.1771130.822887 0.9953960.00460450.1771380.822862 0.9953700.00463060.1771440.822856 0.9953640.00463670.1771460.822854 0.9953620.00463880.1771460.822854 0.9953610.00463990.1771460.822854 0.9953610.004639 2010年-2015年：FEVDforonshore_diff1FEVDforoffshore_diff1onshore_diff1offshore_diff1onshore_diff1offshore_diff101.0000000.0000000.3760210.62397910.9591220.0408780.3524630.64753720.9590270.0409730.3515840.64841630.9589200.0410800.3514830.64851740.9589190.0410810.3514780.64852250.9589180.0410820.3514770.64852360.9589180.0410820.3514770.64852370.9589180.0410820.3514770.64852380.9589180.0410820.3514770.64852390.9589180.0410820.3514770.648523 2015年-2018年：FEVDforonshore_diff1FEVDforoffshore_diff1onshore_diff1offshore_diff1onshore_diff1offshore_diff101.0000000.0000000.8715150.12848510.9942220.0057780.8723600.12764020.9940270.0059730.8723910.12760930.9940190.0059810.8723920.12760840.9940190.0059810.8723920.12760850.9940190.0059810.8723920.12760860.9940190.0059810.8723920.12760870.9940190.0059810.8715150.12848581.0000000.0000000.8723600.12764090.9942220.0057780.8723910.127609 2018年-2019年：FEVDforonshore_diff1FEVDforoffshore_diff1onshore_diff1offshore_diff1onshore_diff1offshore_diff101.0000000.0000000.9444320.05556810.9692110.0307890.9380790.06192120.9691160.0308840.9380940.06190630.9690890.0309110.9380890.06191140.9690880.0309120.9380890.06191150.9690880.0309120.9380890.06191160.9690880.0309120.9380890.06191170.9690880.0309120.9380890.06191180.9690880.0309120.9380890.06191190.9690880.0309120.9380890.061911 从方差分解的结果我们可以看出，无论是对离岸汇率还是在岸汇率，影响最大的还是汇率本身，大部分时间和情况下内几乎95%左右的自身变动都能够被自身所解释。这一结果正可以解释为什么实证结果表明大多情况下在岸人民币汇率与离岸人民币汇率不互相构成格兰杰因果原因。因为从方差分解的数据上看，两种汇率的主要部分都被自身过去的值所解释预测，而另一种汇率对于自身的解释力较小。 与格兰杰因果检验相对应，在2010年-2015年间，在岸人民币汇率是离岸人民币汇率的格兰杰原因，在这一期间在岸人民币对离岸人民币的解释力明显强于其他时期，其初始解释率为37.6%，而直到第九期之后依然有35.1%，并且最终稳定在该值，说明在这一特定时间段在岸人民币与离岸人民币之间的联系要比其他时段更为强烈。4.3.小结本章是在第二章所提出的理论模型的基础上通过cusum方法检验出在岸人民币汇率分别在2010年7月、2015年7月、2018年3月和2019年9月出现共4个变点，离岸人民币汇率分别在2015年7月和2018年3月出现共2个变点。并且将汇率时间序列分为2004年至2010年、2010年至2015年、2015年至2018年、2018年至2019年底共四个时间周期分别进行离岸人民币汇率收益率和在岸人民币汇率收益率的均值溢出效应分析。首先确定最优的滞后阶数分别为1阶、1阶、0阶（这里我们选用1阶继续分析）、4阶，接下来进行均值溢出效应分析，确定参数方程，然后进行格兰杰因果检验发现只有在10年-15年里在岸人民币汇率是离岸人民币汇率的格兰杰原因，说明在岸人民币汇率的变化有助于解释离岸人民币汇率的变化情况，而其余检测显示两者并不存在格兰杰因果关系，脉冲响应函数分析发现岸人民币与在岸人民币汇率之间的冲击影响时效性非常之强，且不具有长时期持续性。方差分解进行进一步的分析结果表明大多情况下在岸人民币汇率与离岸人民币汇率不互相构成格兰杰因果原因。因为从方差分解的数据上看，两种汇率的主要部分都被自身过去的值所解释预测，而另一种汇率对于自身的解释力较小。结论与展望5.1.结论通过第四章对离岸人民币汇率时间序列和在岸人民币汇率时间序列的变点检验，以及变点检验后分成不同时间周期建立VAR模型分别进行均值溢出效应分析以及后续检验分析得出如下结论：在2010年之前在岸人民币市场和离岸人民币市场之间相互割裂，彼此之间并不存在均值溢出效应，在岸市场和离岸市场之间并不存在联动性，两个市场之间的汇率变动并不能相互影响，在2010-2015年之间存在单向的均值溢出效应，即在岸人民币市场的汇率变动会影响离岸人民币市场的汇率变动，而在15年以后格兰杰因果检验发现二者不互为对方的格兰杰原因。并且二者的汇率走势主要被自身的过去值解释，但是对比汇率走势图发现在15年之后二者汇率走势基本趋