人民幣匯率的混頻分析與預(yù)測
——基于半?yún)?shù)誤差修正模型

魯萬波，陳映彤

(1.西南財經(jīng)大學(xué) a.統(tǒng)計學(xué)院，b.經(jīng)濟(jì)與管理研究院，四川 成都 611130；2.西藏大學(xué) a.珠峰研究院，b.財經(jīng)學(xué)院，西藏 拉薩 850000)

一、引 言

匯率作為國與國之間貨幣兌換的重要指標(biāo)，隨著經(jīng)濟(jì)全球化趨勢不斷加強(qiáng)，匯率影響著國民經(jīng)濟(jì)的各個領(lǐng)域。自2018年以來，中美貿(mào)易糾紛作為中國經(jīng)濟(jì)中的新增不確定項，為人民幣匯率的發(fā)展蒙上陰影。從2018年6月15日美方宣布對價值500億美元的中國商品加征25%的關(guān)稅開始，中美雙方在近兩年的時間內(nèi)不斷博弈，使得匯率市場的起伏牽動著中國經(jīng)濟(jì)發(fā)展的預(yù)期。在此背景下，如何破解貿(mào)易困境，化解需求困局成為中國經(jīng)濟(jì)學(xué)者關(guān)注的重點(diǎn)話題。中國只有自身穩(wěn)定信心，深化改革擴(kuò)大開放，提升經(jīng)濟(jì)發(fā)展的可持續(xù)性才能在這場持久的貿(mào)易摩擦中掌握更大主動權(quán)。匯率市場的穩(wěn)定是當(dāng)下穩(wěn)定信心的重要抓手之一。目前，美元兌人民幣匯率中間價已然破“7”，未來人民幣匯率怎么走，是什么因素在主導(dǎo)匯率的走勢，如何準(zhǔn)確預(yù)測匯率走向而為市場提供有效信息從而采取必要的逆周期調(diào)節(jié)措施，穩(wěn)定投資者情緒成為穩(wěn)定人民幣匯率的重要課題。

目前，人民幣匯率波幅越來越大，影響匯率的因素亦隨國際形勢變動而愈加復(fù)雜。針對目前人民幣匯率預(yù)測研究進(jìn)展，本文從以下幾個方面開展新的研究：

第一，基于混頻數(shù)據(jù)應(yīng)用的實(shí)際價值，采用高頻金融數(shù)據(jù)與經(jīng)濟(jì)宏觀指標(biāo)相結(jié)合的方式，使用混頻模型開展實(shí)證分析。在混合數(shù)據(jù)抽樣(MIDAS)模型的基礎(chǔ)上，首次使用半?yún)?shù)誤差修正模型對美元兌人民幣匯率中間價進(jìn)行預(yù)測，使得匯率預(yù)測更精確。

第二，針對混頻處理存在的方法問題，本文將非線性誤差修正項引入存在協(xié)整關(guān)系的非平穩(wěn)混頻數(shù)據(jù)抽樣模型，對混頻數(shù)據(jù)進(jìn)行直接處理，避免增加數(shù)據(jù)加總或插值導(dǎo)致的信息損失或處理誤差，使得估計模型結(jié)果更加真實(shí)精準(zhǔn)。

第三，研究數(shù)據(jù)選取自2008—2019年的數(shù)據(jù)，將2015年“811匯改”影響納入研究模型，時間段涵蓋國家政策調(diào)整部分，能夠?qū)R率模型的變量選取提供一定的參考意義，對人民幣匯率在中美貿(mào)易戰(zhàn)期間的表現(xiàn)提供更多解釋因素。

二、文獻(xiàn)綜述

(一)人民幣匯率的影響因素分析

郭瑩瑩從長短期兩個角度分別構(gòu)建馬爾科夫區(qū)制轉(zhuǎn)換模型，表明中國凈資本流入、國外通貨膨脹和國際原油價格變動等因素對中國實(shí)際匯率影響相對較弱，而貿(mào)易條件、貨幣供給和外匯儲備對中國實(shí)際匯率的影響最顯著[1]。鄧貴川等使用2005年匯改后的美元兌人民幣、歐元、日元、英鎊匯率數(shù)據(jù)，研究名義匯率、物價水平、名義利率、貨幣供應(yīng)量、產(chǎn)出、產(chǎn)出缺口、通貨膨脹、政府債務(wù)、貿(mào)易條件、貿(mào)易品與非貿(mào)易品價格比值、凈國外資產(chǎn)等對人民幣匯率的影響，結(jié)果發(fā)現(xiàn)宏觀基本面數(shù)據(jù)在中長期預(yù)測效果更佳[2]。黃憲等使用指數(shù)自回歸條件異方差(EGARCH)模型，引入貨幣政策虛擬變量，分析了貨幣政策對人民幣匯率的影響及其程度[3]。周建等利用向量自回歸(VAR)模型與馬爾科夫區(qū)制轉(zhuǎn)換方法對中國匯率市場化的內(nèi)生傳導(dǎo)機(jī)制進(jìn)行研究，發(fā)現(xiàn)匯率波動的一個原因是自身沖擊，其影響隨時間遞減[4]。易靖韜等在分析特朗普新政對人民幣匯率影響時，從購買力和利率等傳統(tǒng)的匯率決定理論角度出發(fā)，實(shí)證發(fā)現(xiàn)影響匯率變動的主要經(jīng)濟(jì)因素包括國際收支、通貨膨脹和國內(nèi)外利差狀況[5]。

(二)美元兌人民幣匯率的預(yù)測方法

第一，構(gòu)建各類單頻時間序列模型用以預(yù)測匯率變動。該類方法的發(fā)展已相對成熟，主要包括自回歸移動平均(ARMA)模型、指數(shù)平滑技術(shù)、廣義自回歸條件異方差(GARCH)模型等。吳詣民等利用人民幣兌歐元周數(shù)據(jù)，構(gòu)建馬爾科夫鏈模型分析人民幣匯率波動性質(zhì)并預(yù)測未來趨勢[6]。而國外學(xué)者在利用貨幣模型對匯率進(jìn)行研究時，發(fā)現(xiàn)模型預(yù)測結(jié)果相較隨機(jī)游走更佳，進(jìn)而表明模型預(yù)測可獲得更好的預(yù)期效果；例如Yin等選取經(jīng)濟(jì)基本面變量建立無套利宏觀金融模型，發(fā)現(xiàn)使用該模型可以解釋57%的匯率預(yù)期變動[7]。在驗證GARCH模型可用于匯率預(yù)測領(lǐng)域后，國內(nèi)多位學(xué)者曾使用滾動與遞歸兩種數(shù)據(jù)樣本得到較好的預(yù)測結(jié)果。之后，非參數(shù)方法的提出與應(yīng)用使得模型預(yù)測穩(wěn)健性增強(qiáng)，匯率預(yù)測結(jié)果的精度得到有效改善。非參數(shù)方法因未對數(shù)據(jù)分布提前做出假設(shè)，進(jìn)而避免了設(shè)定偏誤對預(yù)測結(jié)果的干擾。在2015年“811匯改”后，張見對自2005年來幾次匯率市場中間報價改革進(jìn)行斷點(diǎn)檢驗，并使用階段自回歸模型探究人民幣匯率的調(diào)整機(jī)制[8]。隨著計算機(jī)理論的應(yīng)用與發(fā)展，混合人工神經(jīng)網(wǎng)絡(luò)模型也開始應(yīng)用于統(tǒng)計預(yù)測領(lǐng)域，在與傳統(tǒng)的時間序列模型結(jié)果進(jìn)行了對比后發(fā)現(xiàn)混合人工神經(jīng)網(wǎng)絡(luò)強(qiáng)預(yù)測模型的預(yù)測能力顯著優(yōu)于傳統(tǒng)模型。

第二，將隱含波動率相關(guān)理論應(yīng)用于匯率領(lǐng)域。該類方法在股市預(yù)測中應(yīng)用廣泛，但在匯率預(yù)測領(lǐng)域，由于中國外匯期權(quán)推出時間較晚，國內(nèi)這一方向的研究文獻(xiàn)較少。王琦等基于美元兌人民幣匯率與人民幣對外期權(quán)市場價格，構(gòu)建隨機(jī)波動率模型，對人民幣匯率的穩(wěn)態(tài)分布與均衡波動率曲面進(jìn)行有效衡量[9]；另有研究利用匯率數(shù)據(jù)，采用滾動預(yù)測與SPA檢驗，對匯率隱含波動率的預(yù)測能力進(jìn)行評估，發(fā)現(xiàn)其效果更優(yōu)。

但上述對人民幣匯率的影響機(jī)制的研究方向均圍繞同頻數(shù)據(jù)展開，并未完全發(fā)揮不同頻率數(shù)據(jù)的應(yīng)用價值，也局限了預(yù)測效果的實(shí)際應(yīng)用價值。第一類模型雖然較為成熟，但是在經(jīng)濟(jì)意義解釋中始終存在一系列問題，特別是在匯率超出基本面波動時，模型結(jié)果存在較大偏差。第二類模型雖然考慮了匯率自身與外界因素變化，但在經(jīng)濟(jì)學(xué)解釋中仍存在問題，且模型指標(biāo)選取存在局限性，沒有考慮綜合宏觀經(jīng)濟(jì)與金融市場的各類指標(biāo)對匯率的影響。

綜上，有關(guān)人民幣匯率預(yù)測問題的研究存在以下幾個方面的特點(diǎn)：

第一，國內(nèi)對人民幣匯率的研究集中于同頻數(shù)據(jù)間線性與非線性的相互影響，雖然預(yù)測精度逐步提高，但是隨著中國金融市場的逐步開放，考慮高、低頻宏觀變量間的相互作用比僅考慮同頻變量間的關(guān)系更具有現(xiàn)實(shí)價值。

第二，匯率預(yù)測所用變量通常頻度不一?？偨Y(jié)以往文獻(xiàn)研究特點(diǎn)，研究者們對金融高頻數(shù)據(jù)與經(jīng)濟(jì)低頻數(shù)據(jù)用于統(tǒng)一模型的方式一般分為兩種，一是大多采用將高頻數(shù)據(jù)轉(zhuǎn)化為低頻數(shù)據(jù)的做法，這類方法會丟失高頻數(shù)據(jù)中蘊(yùn)含的有效信息，可能使大量重要數(shù)據(jù)缺失而無法保證預(yù)測的準(zhǔn)確性；二是將低頻數(shù)據(jù)轉(zhuǎn)化為高頻數(shù)據(jù)而采用的插值法，這類做法雖然可以得到良好的統(tǒng)計特性，但因人為虛增變量導(dǎo)致經(jīng)濟(jì)意義的解釋存在問題。

第三，對于當(dāng)下中美貿(mào)易戰(zhàn)的情勢，目前大多數(shù)文獻(xiàn)沒有利用實(shí)際數(shù)據(jù)進(jìn)行實(shí)證研究，大多停留在理論分析部分，存在較大的局限性，無法為投資者提供更多有效信息。

針對上述問題，本文考慮使用混頻模型對美元兌人民幣月度名義匯率進(jìn)行預(yù)測研究。將誤差修正項以非參數(shù)形式加入半?yún)?shù)誤差修正(SEMI-ECM)模型，分析主要經(jīng)濟(jì)指標(biāo)與金融混頻數(shù)據(jù)對匯率的影響，并與傳統(tǒng)模型結(jié)果進(jìn)行比較。

三、研究方法

為了充分利用數(shù)據(jù)，減少數(shù)據(jù)頻率不一而帶來的研究局限性，國外學(xué)者提出了混合數(shù)據(jù)抽樣模型。Ghysels等參照分布滯后模型思想構(gòu)造出混合數(shù)據(jù)抽樣(MIDAS，Mixed Data Sampling)模型[10]。該類模型能夠改善分布滯后模型在利用數(shù)據(jù)樣本中的劣勢，可直接應(yīng)用不同頻率的數(shù)據(jù)于實(shí)際問題研究。因此，本文使用MIDAS模型方法，結(jié)合半?yún)?shù)誤差修正模型思想對人民幣匯率月度數(shù)據(jù)進(jìn)行預(yù)測。

在原始混頻自回歸分布滯后(MF-ADL)模型滿足穩(wěn)定條件的基礎(chǔ)上，即在其對應(yīng)的差分方程所得到的特征根均小于1的情況下，該模型可表示為MF-ADL(pl，qu，ql)，具體形式如下：

(2)

(4)

SEMI-ECM模型與MIDAS模型結(jié)合，相對于ECM-MIDAS模型的一個優(yōu)勢就是允許誤差修正項以非參數(shù)形式進(jìn)入式(4)，且無需對非線性部分進(jìn)行參數(shù)設(shè)定，從而避免預(yù)測精度下降的問題。

其中，g(·)為待估函數(shù)，式(6)為式(4)的一般形式。但在模型構(gòu)建中面臨的另一問題是，解釋變量的非參部分ωt-1-i/m難以觀測。魯萬波等為解決該類問題，使用兩階段最小二乘法結(jié)合前人理論對式(6)的估計給出了具體估計流程，獲得了基于半?yún)?shù)估計的被解釋變量預(yù)測值[13]，具體表達(dá)式如下：

(7)

四、實(shí)證檢驗及分析

(一)變量選擇

本文使用在岸美元兌人民幣名義匯率月度數(shù)據(jù)(USD_CNY)作為原始被解釋變量。

已有文獻(xiàn)已發(fā)現(xiàn)：通貨膨脹、廣義貨幣供應(yīng)量(M2)、貿(mào)易條件(TOT)、貿(mào)易開放度、美聯(lián)儲基準(zhǔn)利率、非貿(mào)易品與貿(mào)易品價格比等變量對匯率變動有顯著影響?？紤]經(jīng)濟(jì)學(xué)和統(tǒng)計學(xué)意義，在消除共線性并剔除非顯著變量后，本文將以下三個宏觀經(jīng)濟(jì)變量作為預(yù)測匯率的主要變量：貿(mào)易條件(TOT)、非貿(mào)易品與貿(mào)易品的相對價格比(CPI/PPI)、美聯(lián)儲基準(zhǔn)利率(FFR)。

貿(mào)易條件(TOT)：貿(mào)易條件主要反映一個國家的貿(mào)易狀況與貿(mào)易優(yōu)勢，通過計算進(jìn)出口價格指數(shù)之比來衡量一國國際競爭力來源。中國并未發(fā)布出口與進(jìn)口指數(shù)相關(guān)官方數(shù)據(jù)，于是我們通過構(gòu)造中國一定時期出口與進(jìn)口總額的比值替代本變量。關(guān)于貿(mào)易條件與匯率二者間的關(guān)系研究至今未有定論，不同地區(qū)貿(mào)易條件對于對該地匯率的影響效應(yīng)各異。國外研究曾利用多國數(shù)據(jù)構(gòu)建三部門均衡模型，對貿(mào)易條件向好狀態(tài)下匯率及利率上漲做出實(shí)證；而同時期國內(nèi)研究發(fā)現(xiàn)，不同時期貿(mào)易條件對匯率的作用不可一概而論。早在1988年，Edwards曾利用一般均衡模型研究貿(mào)易條件對人民幣匯率的影響機(jī)制，在對收入效應(yīng)與替代效應(yīng)兩條路徑進(jìn)行研究后發(fā)現(xiàn)，當(dāng)貿(mào)易條件改善時，收入效應(yīng)大于替代效應(yīng)，會促進(jìn)匯率攀升；反之，匯率下降[14]。當(dāng)前的中美貿(mào)易戰(zhàn)會導(dǎo)致中國在全球的貿(mào)易環(huán)境惡化，此時替代效應(yīng)大于收入效應(yīng)則會導(dǎo)致人民幣貶值，由此本文將貿(mào)易條件作為解釋變量之一加入模型。由圖1可以看出，匯率與貿(mào)易條件的走勢大致呈正相關(guān)性，本文將利用模型給出進(jìn)一步的實(shí)證分析結(jié)果。

非貿(mào)易品與貿(mào)易品的相對價格比(CPI/PPI)：由于非貿(mào)易品與貿(mào)易品價格指數(shù)數(shù)據(jù)不可直接獲取，本文查詢相關(guān)學(xué)者文獻(xiàn)后將CPI作為非貿(mào)易品價格指數(shù)，PPI作為貿(mào)易品價格指數(shù)，以反映非貿(mào)易品相對于貿(mào)易品生產(chǎn)部門生產(chǎn)增長率的變動情況?；仡櫷谘芯恐饕Y(jié)論，兩部門間相對勞動生產(chǎn)率是相對價格比的主要決定因素，而且此相對價格比對實(shí)際匯率產(chǎn)生了明顯的影響。當(dāng)貿(mào)易聯(lián)系越緊密、財政支出占GDP的比重越低、制造業(yè)比重越小，相對價格比對實(shí)際匯率的影響越大。由于B-S效應(yīng)僅通過生產(chǎn)率解釋實(shí)際匯率的變化，沒有研究其對名義匯率的影響，所以本文將對生產(chǎn)率相對變動可否實(shí)時影響名義匯率進(jìn)行研究。圖2為匯率與非貿(mào)易品與貿(mào)易品相對價格比走勢，大致可以看出與匯率呈正相關(guān)，具體關(guān)系將在文中進(jìn)行驗證。

美聯(lián)儲基金利率(FFR)：隨著中國貨幣與資本市場的進(jìn)一步開放，中美兩國間經(jīng)濟(jì)政策的溢出效應(yīng)顯著增強(qiáng)。美元作為世界貨幣，其對中國匯率市場的影響程度較深。美聯(lián)儲加息使得美元指數(shù)上升，加速國際游資對新型經(jīng)濟(jì)體資產(chǎn)的拋售并重新回流美國，加重人民幣貶值負(fù)擔(dān)。在基于SVAR模型的一項實(shí)證研究，對2008年后美國貨幣政策影響人民幣匯率的方式進(jìn)行探索，實(shí)證發(fā)現(xiàn)美聯(lián)儲基準(zhǔn)利率對人民幣匯率波動具有顯著沖擊，即美國貨幣政策會對人民幣幣值的穩(wěn)定性產(chǎn)生影響。而另一項利用匯率數(shù)據(jù)，構(gòu)建帶有時變參數(shù)因子的VAR模型的研究，發(fā)現(xiàn)美國貨幣政策將對中國宏觀經(jīng)濟(jì)、私人經(jīng)濟(jì)和金融市場產(chǎn)生不同程度的沖擊。同樣，基于VAR模型來研究新一輪美聯(lián)儲加息對中國跨境資本流動的溢出效應(yīng)時，結(jié)果則表明中國跨境資本流動仍受美聯(lián)儲政策影響，但由于人民幣“811”匯改的實(shí)施，其影響節(jié)奏較以往相對緩和，而對于人民幣匯率的作用仍然存在。

同時，由于本文研究時間跨度包含2015年“811匯改”，本文加入?yún)R改政策虛擬變量(POLICY)，將2015年8月份之前虛擬變量值設(shè)為“0”，2015年8月份后虛擬變量設(shè)為“1”，引入模型觀察“811匯改”對美元兌人民幣匯率月度數(shù)據(jù)影響。

綜上分析，TOT、CPI/PPI、FFR與人民幣匯率有很強(qiáng)的相關(guān)性，本文將這些變量作為解釋變量來預(yù)測匯率。

圖1 匯率與貿(mào)易條件走勢圖

圖2 匯率與非貿(mào)易品貿(mào)易品相對價格比走勢圖

圖3 匯率與美聯(lián)儲基準(zhǔn)利率走勢圖

(二)數(shù)據(jù)來源

本文使用2008年1月至2019年12月間的數(shù)據(jù)，其中在岸美元兌人民幣名義匯率月度數(shù)據(jù)來源為國家外匯管理局，中國出口與進(jìn)口總額、中國CPI數(shù)據(jù)、中國PPI數(shù)據(jù)均來自國家統(tǒng)計局網(wǎng)站、美聯(lián)儲基準(zhǔn)利率數(shù)據(jù)來自美國聯(lián)邦儲備局官方網(wǎng)站。

(三)描述性統(tǒng)計

首先，我們需要對匯率周原始數(shù)據(jù)和月度宏觀經(jīng)濟(jì)數(shù)據(jù)間進(jìn)行匹配，并采用規(guī)范化處理以避免模型計算時量綱造成的人為誤差。樣本區(qū)間內(nèi)有576個周，但其中每月周匯率最多可有5條記錄，最少的4條記錄，且實(shí)際上每個月均只有4個交易周?？紤]到MIDAS模型中頻率倍差m不具有時變性質(zhì)，本文初步使用2008年1月1日至2019年12月31日共計626個觀測樣本。經(jīng)綜合考慮，我們設(shè)定混頻數(shù)據(jù)的倍差m=4，即每個月共四周，則共需576個數(shù)據(jù)即可。具體處理方法為：首先，將2008年1月1日至 2019年12月31日的626個周數(shù)據(jù)從月末開始往前依次保留共4個數(shù)據(jù)。對于研究中出現(xiàn)超過4周的月份，本文對該月第一周數(shù)據(jù)進(jìn)行剔除處理。若由于節(jié)日等原因造成工作周數(shù)不足，則利用上月份相鄰周數(shù)據(jù)予以補(bǔ)齊，保證每月數(shù)據(jù)量相同。最終共保留576個周數(shù)據(jù)。

由圖4、5、6所示，TOT、CPI/PPI、FFR與人民幣月度匯率均存在一定聯(lián)系，變量之間波動變化趨勢相似，而TOT和CPI/PPI對人民幣月度匯率的領(lǐng)先或滯后關(guān)系在不同時期并不確定。具體來看，2015年匯改以前，TOT是人民幣月度匯率的先行指標(biāo)，而在2015年匯改后，TOT卻是人民幣月度匯率的領(lǐng)先指標(biāo)，這在一定程度上說明中國在2015年匯改政策可能對匯率影響機(jī)制產(chǎn)生一定作用。對于CPI/PPI和人民幣月度匯率的關(guān)系而言，CPI/PPI在絕大多數(shù)時間下均是人民幣月度匯率的領(lǐng)先指標(biāo)，僅在2012年時出現(xiàn)了人民幣月度匯率的平緩增加并未導(dǎo)致CPI/PPI明顯增加的情況。在2015年匯改后，人民幣月度匯率與FFR間的聯(lián)系愈加密切。且通過圖1～3可以看出，TOT和CPI/PPI與人民幣月度匯率呈正相關(guān)，而FFR相對于人民幣月度匯率呈負(fù)相關(guān)。通過以上初步分析，可以發(fā)現(xiàn)TOT、CPI/PPI和FFR在大部分時期對于人民幣月度匯率來說具有明顯的先行指標(biāo)特征，這也進(jìn)一步證明其作為解釋變量用來預(yù)測人民幣月度匯率走勢的合理性。

表1為文中各變量的描述性統(tǒng)計結(jié)果，其中均值和中位數(shù)結(jié)合可提供數(shù)據(jù)分布中心的大致位置，標(biāo)準(zhǔn)差用于表示數(shù)據(jù)離散值對中心的偏離程度，偏度和峰度則用于分辨數(shù)據(jù)偏離正態(tài)的分布狀況。

表1 描述性統(tǒng)計

觀察USD_CNY的統(tǒng)計量，左偏扁平分布，均值和中位數(shù)在6.5附近，標(biāo)準(zhǔn)差0.29，最大值7.182，最小值6.054，說明人民幣月度匯率集中在7.1和6.0之間，波動幅度較大。

觀察TOT的統(tǒng)計量，右偏扁平分布，均值和中位數(shù)相近，集中在1.0附近，標(biāo)準(zhǔn)差0.074，最大值1.183，最小值0.817，顯示出中國貿(mào)易條件存在較大幅度的變動。

FFR為美國同業(yè)拆借市場利率。美聯(lián)儲作為美國的中央銀行，通過調(diào)節(jié)聯(lián)邦基金利率對商業(yè)銀行的資金成本產(chǎn)生直接作用，借此將美聯(lián)儲的市場判斷與金融政策通過資金余缺信息傳遞給工商企業(yè)，進(jìn)而對美國乃至世界經(jīng)濟(jì)起到“牽一發(fā)而動全身”的效果。聯(lián)邦基金利率和再貼現(xiàn)率的調(diào)節(jié)都是由美聯(lián)儲宣布的，不具有隨機(jī)性，其數(shù)值根據(jù)美國經(jīng)濟(jì)狀況決定，可體現(xiàn)美方政府對經(jīng)濟(jì)調(diào)整的態(tài)度。其最大值與最小值相差極大，美聯(lián)儲通過不斷加息與調(diào)整影響美國乃至全球經(jīng)濟(jì)。

考慮到原始數(shù)據(jù)由于量綱不同且某些變量具有季節(jié)效應(yīng)而難以比較，本文將各數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理并取對數(shù)值后去除季節(jié)效應(yīng)再次觀察。此時，可以清楚地看到TOT是人民幣月度匯率的先行變量，CPI/PPI在2015年匯改后相對于人民幣月度匯率仍具有一定的先行性，F(xiàn)FR的波動始終在確定范圍內(nèi)，與人民幣匯率的相互作用有待進(jìn)一步分析。

圖4 去除季節(jié)效應(yīng)后匯率與貿(mào)易條件趨勢圖

圖5 去除季節(jié)效應(yīng)后匯率與非貿(mào)易品與貿(mào)易品的相對價格比趨勢圖

圖6 去除季節(jié)效應(yīng)后匯率與美聯(lián)儲基準(zhǔn)利率趨勢圖

(四)數(shù)據(jù)相關(guān)檢驗

1.平穩(wěn)性檢驗。在利用時間序列數(shù)據(jù)進(jìn)行建模前，首先需對文中各變量的平穩(wěn)性進(jìn)行檢驗，對于非平穩(wěn)時間序列采用協(xié)整理論處理。由于本文數(shù)據(jù)包括月度和周度兩種頻率，因此我們對CNY周數(shù)據(jù)，以及對應(yīng)的每個月第1、2、3、4周數(shù)據(jù)作為月度數(shù)據(jù)的代理變量分別進(jìn)行平穩(wěn)性檢驗，并用lnCNY_week_1、lnCNY_week_2、lnCNY_week_3和lnCNY_week_4表示；除lnCNY_week和DlnCNY_week為周數(shù)據(jù)之外，其他均為月度數(shù)據(jù)。在經(jīng)ADF平穩(wěn)性檢驗后發(fā)現(xiàn)，TOT、CPI/PPI的對數(shù)序列均平穩(wěn)，USD_CNY、FFR對數(shù)序列不平穩(wěn)但經(jīng)過一階差分后平穩(wěn)，由此構(gòu)建同階單整模型。從CNY_week對數(shù)周數(shù)據(jù)中對應(yīng)抽取的月度數(shù)據(jù)也均為一階單整過程。

2.協(xié)整檢驗。由式(5)可知，在ECM-MIDAS模型中，其協(xié)整關(guān)系在動態(tài)混頻中并不唯一；因此本文嘗試構(gòu)建多種誤差修正模型，以驗證該類協(xié)整關(guān)系在變量間是否顯著。由上文可知本文選取的指標(biāo)中，月度數(shù)據(jù)與周數(shù)據(jù)間倍差m為4，于是對高頻數(shù)據(jù)，我們試用以下形式：

表2 協(xié)整關(guān)系檢驗

如表2所示，基于回歸殘差的協(xié)整檢驗以及Johansen跡檢驗，對動態(tài)混頻模型不存在協(xié)整關(guān)系的原假設(shè)均予以拒絕。本文先采用動態(tài)混頻協(xié)整關(guān)系形式①構(gòu)建模型予以分析，為確保模型穩(wěn)健性，我們會在后文詳細(xì)研究其余②、③、④動態(tài)混頻協(xié)整關(guān)系對預(yù)測效果的影響。關(guān)于文中USD_CNY、CPI/PPI、FFR、TOT、POLICY月度數(shù)據(jù)最優(yōu)滯后階數(shù)的選擇方面，本文AIC值為準(zhǔn)則，從滯后0～12期中選擇最優(yōu)滯后階數(shù)。經(jīng)模型篩選發(fā)現(xiàn)，滯后1期的USD_CNY、滯后1期的CPI/PPI、滯后1期的FFR、滯后1期的TOT和滯后1期的POLICY的AIC值最小，因此使用該結(jié)果構(gòu)建SEMI-ECM混頻模型。同時，使用最小二乘法，代入①形式獲得長期誤差修正項：

(0.013)(0.101)

PPIt-1+0.001lnFFRt-1-0.023lnTOTt-1+

(0.275) (0.061)

(0.009) (<0.001) (9)

由式(9)括號中的p-value統(tǒng)計量可知，滯后一期的貿(mào)易條件(TOT)與滯后1期的政策虛擬變量以及USD_CNY周數(shù)據(jù)對應(yīng)的系數(shù)分別在10%和1%的顯著性水平下與0存在顯著性差異，由此可見貿(mào)易條件(TOT)、政策變量(POLICY)與滯后1期的周匯率CNY_week對于月度匯率USD_CNY具有較強(qiáng)的解釋能力。

3.拉姆齊RESET檢驗。由于影響匯率的因素繁多，為保證數(shù)據(jù)的有效性與實(shí)驗結(jié)果的可靠性，本文使用一般性方法檢驗——拉姆齊RESET檢驗(regression specification error test)來檢測模型中是否具有遺漏變量以及模型函數(shù)形式是否被正確設(shè)定。其基本思想是通過最小二乘法估計出解釋變量的高次冪(平方、三次方以及更高次冪)作為替代變量，估計并檢驗其參數(shù)是否顯著不為零；若計算結(jié)果無法拒絕原假設(shè)，則不能認(rèn)定本文設(shè)定的模型中有變量遺漏，也不能認(rèn)定模型中含有設(shè)定錯誤所帶來的誤差。

本文繼而對SEMI-ECM、U-MIDAS、ECM-U-MIDAS、R-MIDAS、ECM5種模型中解釋變量以及模型設(shè)定進(jìn)行檢驗。由于ARIMA模型是自回歸模型，模型中不存在其他解釋變量，因此不進(jìn)行該項檢驗。

表3 拉姆齊RESET檢驗

綜合上述檢驗結(jié)果，RESET檢驗在上述5種模型中，p值在5%的顯著性水平上均無法拒絕原假設(shè)，即模型不存在遺漏變量或模型設(shè)定問題。

(五)模型估計與比較

1.無約束混頻數(shù)據(jù)抽樣(U-MIDAS)模型。在對MIDAS模型參數(shù)進(jìn)行估計前，我們通常需要限定其滯后權(quán)重多項式。但在某些情況下，事前設(shè)定滯后權(quán)重多項式的客觀性有待商榷。Foroni等為規(guī)避這一設(shè)定缺陷，在原始MIDAS模型基礎(chǔ)上構(gòu)建了非限定的MIDAS模型[15](即U-MIDAS模型)以簡化模型設(shè)定，使得改進(jìn)后的模型無需再對滯后權(quán)重多項式限定條件。

一般來說，U-MIDAS模型的具體形式如下：

本文基于AIC準(zhǔn)則選取最優(yōu)滯后階數(shù)，將所有變量的滯后階數(shù)限定在0～12階范圍內(nèi)(即一年時段內(nèi))。本文使用網(wǎng)格搜索，選取各變量代入模型后具有最小AIC值的最優(yōu)模型階數(shù)，其中DUSD_CNY的最優(yōu)滯后階數(shù)為1階。在滯后階數(shù)選擇上，對于CPI/PPI和CNY_week的滯后階數(shù)選擇均設(shè)定在1～4階，F(xiàn)FR與POLICY的滯后階數(shù)范圍設(shè)定為1～6階，TOT的滯后階數(shù)范圍設(shè)定為1～7階；對應(yīng)的AIC值為277.455。

2.混頻數(shù)據(jù)抽樣誤差修正(ECM-U-MIDAS)模型。由表2已知，解釋變量CNY_week、TOT、CPI/PPI、FFR之間存在長期穩(wěn)定的協(xié)整關(guān)系，因此可以在U-MIDAS模型的基礎(chǔ)上做進(jìn)一步的推廣，把動態(tài)混頻誤差修正項(2)加入模型之中，考慮了長期的誤差修正機(jī)制后的ECM-U-MIDAS模型，如果長期誤差修正機(jī)制存在，那么模型的預(yù)測效果應(yīng)該會得到顯著提升，并且在誤差修正機(jī)制下誤差修正參數(shù)應(yīng)該顯著為負(fù)；對應(yīng)的AIC值為271.787。

3.有約束混頻數(shù)據(jù)抽樣(R-MIDAS)模型。介于U-MIDAS模型中具有較多的待估參數(shù)，Ghysels在該模型的基礎(chǔ)上創(chuàng)建了對參數(shù)施加函數(shù)性約束的混頻模型，在精簡模型形式的同時也提高了擬合模型精度。本文構(gòu)建均含有兩個參數(shù)的阿爾蒙多項式函數(shù)(Almon)和標(biāo)準(zhǔn)化指數(shù)阿爾蒙函數(shù)(Nealmon)，并對實(shí)際結(jié)果進(jìn)行比較，選取其中AIC值最小的函數(shù)作為最優(yōu)函數(shù)并得到相應(yīng)的最優(yōu)滯后階數(shù)。結(jié)果表明，變量CPI/PPI、FFR、TOT和POICY的參數(shù)形式均以Nealmon形式為佳，所對應(yīng)的最優(yōu)滯后階數(shù)均為1～2階；對應(yīng)的AIC值為266.057。

4.誤差修正(ECM)模型。在構(gòu)建同頻誤差修正模型時，由于解釋變量中存在高頻數(shù)據(jù)，本文將周高頻數(shù)據(jù)CNY_week以月為單位等間隔抽取樣本作為月度數(shù)據(jù)，即采用每個月份對應(yīng)的某一個周的數(shù)據(jù)作為月度數(shù)據(jù)，月度匯率數(shù)據(jù)采用1美元兌人民幣匯率數(shù)據(jù)的月度均值表示。在選擇同頻ECM模型最優(yōu)滯后階數(shù)方面，我們依賴于AIC準(zhǔn)則，對解釋變量的滯后階數(shù)自0到12階進(jìn)行網(wǎng)格搜索，當(dāng)CNY_week的滯后階數(shù)為1～4階、CPI/PPI的滯后階數(shù)為1～4階、FFR的滯后階數(shù)為1～6階，被解釋變量滯后階數(shù)為1時達(dá)到AIC值最低；對應(yīng)的AIC值為338.362。

5.差分整合移動平均自回歸(ARIMA)模型。本文采用包含一階單整的單變量ARIMA模型，在參照AIC準(zhǔn)則后確定模型具體形式為ARIMA(1，1，1)；對應(yīng)的AIC值為327.624。

基于訓(xùn)練數(shù)據(jù)，本文建立半?yún)?shù)混頻誤差修正(SEMI-ECM)模型及上文提到的其他三種混頻數(shù)據(jù)模型，ECM模型以及ARIMA模型這兩種同頻模型對實(shí)證數(shù)據(jù)進(jìn)行分析及預(yù)測?；贏IC準(zhǔn)則，本文使用網(wǎng)格法篩選出最優(yōu)參數(shù)，得到各模型的系數(shù)估計值如表4所示。

從表4可以得到如下幾個結(jié)論：

第一，在赤池信息準(zhǔn)則下，SEMI-ECM模型相較其他模型具有卓越的擬合優(yōu)勢。這說明，人民幣月度匯率的當(dāng)前值與歷史值之間存在很強(qiáng)的相關(guān)性，僅利用歷史數(shù)據(jù)就可以在樣本范圍內(nèi)得到較好的擬合模型。此外，相較于非限制性的混頻抽樣模型，限制性模型的擬合優(yōu)度明顯優(yōu)于前者，這是因為限制性混頻抽樣模型中引入誤差項后模型的待估參數(shù)變少，復(fù)雜度降低、AIC值變小。兩種同頻模型較混頻模型存在明顯劣勢，而不同混頻模型間擬合效果則差異較小。因此，可近似認(rèn)為半?yún)?shù)混頻誤差修正模型在樣本內(nèi)的擬合效果相較于傳統(tǒng)同頻模型具有顯著優(yōu)越性，且在其他混頻模型中表現(xiàn)優(yōu)秀。

第二，由該表可得，文中加入的誤差修正機(jī)制較顯著。ECM與ECM-U-MIDAS模型中的誤差修正項系數(shù)均為負(fù)值且顯著，這意味著在這兩種不同模型下都存在著有效的反向誤差修正機(jī)制。根據(jù)實(shí)驗結(jié)果，這種修正機(jī)制能夠合理降低AIC，改善擬合效果；同時對于存在協(xié)整關(guān)系的非平穩(wěn)混頻時間序列數(shù)據(jù)，誤差修正項的進(jìn)入也可達(dá)到上述目的。

第三，2015年“811匯改”對人民幣匯率走勢具有顯著影響，在SEMI-ECM、U-MIDAS與ECM-U-MIDAS中政策變量(POLICY)滯后4期系數(shù)p值在1%水平上顯著為負(fù)，這說明“811匯改”對人民幣匯率的升值起到“降溫”作用，與歷史文獻(xiàn)中“811匯改”后人民幣幣值被低估的結(jié)論一致；美聯(lián)儲基金利率(FFR)并未對中美匯率造成顯著影響，究其原因可能是因為中國在市場政策上的限制，美國資本及外匯市場變動產(chǎn)生的影響不會立即反映于中國市場，因此中國匯率在短時間內(nèi)并不會因此原因產(chǎn)生較大的變動和調(diào)整，而是由投資者預(yù)期和國際貿(mào)易的經(jīng)常項目進(jìn)行傳導(dǎo)，使得美元兌人民幣匯率發(fā)生變化。

第四，貿(mào)易條件(TOT)的變化對匯率的影響效應(yīng)乘數(shù)為正，說明貿(mào)易條件改善則人民幣升值，即在所考察的時間區(qū)間內(nèi)貿(mào)易改善所產(chǎn)生的收入效應(yīng)大于替代效應(yīng)。

第五，滯后1期、2期和4期的周匯率對當(dāng)期月度匯率關(guān)系密切，系數(shù)顯著為正，影響乘數(shù)在0.5～1.15之間，表明滯后1期、2期和4期的周匯率數(shù)據(jù)對月度匯率的預(yù)測具有很強(qiáng)的指導(dǎo)意義。

表4 最優(yōu)滯后階數(shù)下不同模型的估計結(jié)果

(六)一致性檢驗

在上文建模與估計部分，我們基于AIC準(zhǔn)則，對包括SEMI-ECM模型在內(nèi)的6種模型選取最優(yōu)擬合效果的參數(shù)。如果我們將AIC作為模型擬合優(yōu)劣的評價標(biāo)準(zhǔn)，則通過表5可得本文重點(diǎn)構(gòu)建的SEMI-ECM模型AIC值最低，這在一定程度上表明該模型在此數(shù)據(jù)集中具有最優(yōu)擬合估計效果。但是，僅基于AIC準(zhǔn)則不能證明半?yún)?shù)混頻誤差修正模型的使用在統(tǒng)計上具備合理性。為驗證SEMI-ECM模型是否適當(dāng)，本文使用廣義似然比(GLR)檢驗統(tǒng)計量進(jìn)行檢驗。同時，考慮到ECM-MIDAS和MIDAS兩個參數(shù)模型之間的嵌套關(guān)系，本文需要在模型加入動態(tài)混頻誤差修正項后，對其擬合效果有無改進(jìn)進(jìn)行驗證。本文利用傳統(tǒng)的似然比檢驗，對參數(shù)回歸模型函數(shù)形式框架下加入的修正項進(jìn)行探究，并觀察加入后對新模型的擬合的提升作用。MIDAS模型(模型1)、ECM-U-MIDAS模型(模型2)和SEMI-ECM模型(模型3)基于似然比檢驗和廣義似然比檢驗的具體結(jié)果詳見表5。

表5 參數(shù)回歸模型函數(shù)形式的一致性檢驗

(七)預(yù)測表現(xiàn)

在上一部分中，SEMI-ECM模型在樣本擬合中與其他模型相比具有較大優(yōu)勢。為進(jìn)一步檢驗該模型在預(yù)測中能否同樣具有最佳結(jié)果，我們對SEMI-ECM模型與其他5種模型在樣本外數(shù)據(jù)進(jìn)行一步預(yù)測，比較對一個季度、半年及一年內(nèi)的匯率預(yù)測效果。為了避免因樣本選擇而產(chǎn)生人為誤差，本文將數(shù)據(jù)以遞歸(Recursive)、滾動(Rolling)及固定(Fixed)方式進(jìn)行抽樣，分別進(jìn)行一步預(yù)測，并根據(jù)預(yù)測樣本規(guī)模以對一個季度的匯率走勢進(jìn)行連續(xù)預(yù)測。最后利用實(shí)際觀測值與模型估計值計算均方根誤差(RMSE)和平均絕對誤差(MAE)，預(yù)測效果見表6～8。

從表6～8來看，SEMI-ECM預(yù)測在3、6、12期中表現(xiàn)卓越，在第12期中的預(yù)測效果趨于普通，主要原因為混頻模型的準(zhǔn)確性依賴于高頻數(shù)據(jù)的實(shí)時更新，當(dāng)預(yù)測期數(shù)擴(kuò)大后，混頻數(shù)據(jù)對趨勢的捕捉能力下降，從而導(dǎo)致預(yù)測效果與其他模型大致相同。

表6 遞歸樣本預(yù)測結(jié)果(×10-4)

表7 滾動樣本預(yù)測(×10-4)

表8 固定樣本預(yù)測(×10-4)

ARIMA模型預(yù)測效率相對低主要是因為僅依賴自身歷史數(shù)據(jù)，且ARIMA本質(zhì)上只能捕捉線性關(guān)系，對于非線性關(guān)系存在捕捉局限。人民幣月度匯率數(shù)據(jù)是非穩(wěn)定的，常常受政策和新聞的影響而波動。因此在該種數(shù)據(jù)類型下，ARIMA無法體現(xiàn)其自身優(yōu)勢。SEMI-ECM模型則是綜合宏觀和微觀兩方面信息而對匯率做出預(yù)測，以上結(jié)果說明混頻數(shù)據(jù)模型在匯率預(yù)測中相對于傳統(tǒng)匯率模型具有優(yōu)勢。同時，這也體現(xiàn)出混頻模型在短期經(jīng)濟(jì)模型估計及預(yù)測上的顯著優(yōu)越性：第一，其能夠充分利用不同頻率的數(shù)據(jù)，兼顧低頻數(shù)據(jù)的精確性以及高頻數(shù)據(jù)的及時性，相較于傳統(tǒng)模型，減少了對原始數(shù)據(jù)信息的隱藏或破壞，從而增強(qiáng)對宏觀監(jiān)測的準(zhǔn)確性。第二，它能夠利用最新公布的高頻金融數(shù)據(jù)補(bǔ)救低頻宏觀經(jīng)濟(jì)數(shù)據(jù)客觀的時滯缺陷，提升宏觀經(jīng)濟(jì)預(yù)報的時效性和短期預(yù)測的精確度。

整體來看，SEMI-ECM的預(yù)測效果在短期預(yù)測中結(jié)果相對其他方法更加優(yōu)秀，在預(yù)測3到6期的結(jié)果更加體現(xiàn)出SEMI-ECM的優(yōu)越性，預(yù)測精度遠(yuǎn)高于其他模型。這也進(jìn)一步表明，在進(jìn)行短期即時預(yù)測時，本文使用的SEMI-ECM模型具有良好的應(yīng)用前景。

五、結(jié)論與啟示

本文以中國的月度宏觀經(jīng)濟(jì)數(shù)據(jù)和周度的匯率數(shù)據(jù)為研究對象，利用SEMI-ECM模型，對中國的人民幣對美元月度匯率的預(yù)測做了深度研究。本文對數(shù)據(jù)的非平穩(wěn)特性，設(shè)定多種形式比較最優(yōu)擬合效果并建立協(xié)整關(guān)系構(gòu)建誤差修正模型，并與同頻數(shù)據(jù)模型進(jìn)行對比。

介于宏觀經(jīng)濟(jì)變量所具備的非線性特征，本文參照魯萬波等構(gòu)造的一種允許誤差修正項具有非線性形式的SEMI-ECM-MIDAS模型，對人民幣月度匯率影響因素進(jìn)行估計預(yù)測。模擬結(jié)果表明，由于將非線性誤差修正項引入存在協(xié)整關(guān)系的非平穩(wěn)MIDAS模型，SEMI-ECM模型在處理存在非線性誤差修正機(jī)制數(shù)據(jù)時具備了明顯的預(yù)測優(yōu)勢，能夠提高模型預(yù)測精準(zhǔn)性，同時高頻數(shù)據(jù)的實(shí)時性特點(diǎn)使得模型的實(shí)用性得以增強(qiáng)，填補(bǔ)了理論模型在實(shí)際應(yīng)用中存在的部分客觀缺陷。

在實(shí)證過程中，主要有下幾點(diǎn)結(jié)論：

第一，在實(shí)證研究中，本文引入中國非貿(mào)易品與貿(mào)易品的相對價格比、貿(mào)易條件以及美聯(lián)儲基準(zhǔn)利率的月度信息、“811匯改”政策虛擬變量以及高頻金融數(shù)據(jù)對美元兌人民幣匯率月度數(shù)據(jù)的預(yù)測效果進(jìn)行了研究，并與其他預(yù)測模型進(jìn)行了比較。實(shí)證結(jié)果表明：美聯(lián)儲基準(zhǔn)利率、“811匯改”政策和高頻金融數(shù)據(jù)能夠顯著影響美元兌人民幣匯率。通過最優(yōu)擬合模型可得，高頻金融數(shù)據(jù)以及“811匯改”政策對人民幣匯率影響程度尤為明顯。出現(xiàn)這一結(jié)果的原因，其一是美元作為世界貨幣，其對于全球經(jīng)濟(jì)的引導(dǎo)作用能夠?qū)χ袊馁Q(mào)易經(jīng)常項目和資本流動施加影響；且中國的外匯儲備主要是美元，美聯(lián)儲基準(zhǔn)利率一定程度反映美元余缺，從而反映于美元兌人民幣匯率中。其二是中國“811匯改”將匯率市場化大幅推進(jìn)，在匯改后人民幣匯率的波動幅度加大，不可避免地增加市場風(fēng)險，對投資者情緒甚至是金融市場造成一定的影響。高頻數(shù)據(jù)的滯后一期對匯率月度數(shù)據(jù)有顯著影響，表明月度匯率有滯后效應(yīng)，可以通過高頻數(shù)據(jù)得出更為準(zhǔn)確的預(yù)測。

第二，混頻模型的預(yù)測精度普遍優(yōu)于同頻模型。對比本文共選取的六種混頻與同頻模型，前者的預(yù)測能力相對于后者有所提升。對所有模型的樣本內(nèi)估計的均方根誤差進(jìn)行比較后發(fā)現(xiàn)，混頻模型在預(yù)測上的優(yōu)勢顯著，其中本文著重應(yīng)用的SEMI-ECM效果最佳。這是由于同頻數(shù)據(jù)需采用低頻作為最終頻率，長期內(nèi)會損失大量的數(shù)據(jù)波動信息，從而降低預(yù)測精度?？偠灾?，模型對有效信息的利用方式能夠在一定程度上決定預(yù)測能力的強(qiáng)弱，混頻數(shù)據(jù)模型對不同頻率數(shù)據(jù)的容納程度決定了其預(yù)測能力通常強(qiáng)于同頻數(shù)據(jù)模型。同時，預(yù)測結(jié)果可隨高頻信息的更新速度不斷及時更新擬合及預(yù)測結(jié)果。

第三，實(shí)證結(jié)果表明，CPI/PPI、FFR、TOT、CNY_week和人民幣月度匯率之間協(xié)整關(guān)系的充分利用可以顯著提高模型的預(yù)測能力。在構(gòu)建參數(shù)誤差修正模型時，誤差修正項始終保持顯著的反向修正機(jī)制。在進(jìn)行連續(xù)預(yù)測時，無論選用遞歸、滾動抑或是固定樣本，本文重點(diǎn)運(yùn)用的SEMI-ECM模型具有極佳預(yù)測精度。同時，為保證實(shí)證結(jié)果的穩(wěn)健性，本文進(jìn)一步選取其他所有可供使用的動態(tài)混頻協(xié)整關(guān)系進(jìn)行建模驗證，并對比相應(yīng)的預(yù)測結(jié)果，發(fā)現(xiàn)本文選用的SEMI-ECM模型預(yù)測精度并不會受到混頻動態(tài)協(xié)整關(guān)系的影響。因此，SEMI-ECM模型具有最小預(yù)測風(fēng)險這一優(yōu)點(diǎn)不再受混頻動態(tài)協(xié)整關(guān)系影響，該模型在應(yīng)用中存在一定的穩(wěn)健性。

總之，混頻誤差修正模型在宏觀經(jīng)濟(jì)領(lǐng)域具有廣闊的應(yīng)用前景，其具有克服混頻時間序列不平穩(wěn)而避免偽回歸的顯著優(yōu)勢，充分利用各頻率市場信息，提升對宏觀經(jīng)濟(jì)預(yù)判的準(zhǔn)確性。本文使用的SEMI-ECM模型可以進(jìn)一步豐富和完善混頻模型在人民幣月度匯率預(yù)測中的應(yīng)用，利用易獲取信息便可大大提高對人民幣月度匯率預(yù)測的精度。

基于本文的理論探究，我們量化了人民幣匯率的影響因素，匯率同時受以上變量的實(shí)時影響。通過混頻模型估計可得，人民幣匯率受中國宏觀政策影響更大，同時也受到美國相關(guān)政策的一定影響。中國經(jīng)濟(jì)具有良好的基本面，這一背景有力地支撐著人民幣匯率，保持人民幣匯率在可接受范圍內(nèi)合理運(yùn)行。人民幣匯率對于美聯(lián)儲基準(zhǔn)利率的反映表現(xiàn)并不明顯，這就體現(xiàn)出匯改浮動匯率制的優(yōu)越之處——不再盯住單一美元，中間價與市場價格的偏離得到校正，中間價的基準(zhǔn)作用明顯增強(qiáng)。在當(dāng)前貿(mào)易戰(zhàn)背景下，其可以起到自動穩(wěn)定器的作用，有利于獎出限入，改善貿(mào)易平衡?？傮w來看，對于人民幣匯率兌美元目前面臨的貶值壓力，在經(jīng)濟(jì)下行壓力明顯的情況下，穩(wěn)定投資者信心，穩(wěn)增長保就業(yè)仍是國內(nèi)經(jīng)濟(jì)政策的重中之重。促進(jìn)中國經(jīng)濟(jì)的長期持續(xù)健康發(fā)展才是穩(wěn)定人民幣匯率的根本方式。