汇率波动与亚洲的经济增长

附图
　　图1　亚洲各经济体的经济增长与衰退的同步现象（1990-2000年）
　　资料来源：The  World  Economic  Outlook  (WEO)Database  April  1999；国际货币基金组织主页，http://www.imf.org/external/pubs/ft/weo/1999/01/data/#2。
　　由出口带动或是由外资流入引起的经济增长会产生本币升值的压力。亚洲新兴市场经济由于本币钉住美元，在经济增长的高峰期都出现了本币升值的压力。按照Balassa-Samuelson效应，这些经济体内相对于世界平均水平的贸易品劳动生产率增长要快于非贸易品劳动生产率增长，但同时经济体内的非贸易商品的物价水平也相应抬高。
　　与劳动生产力同步提高的工资水平是无可非议的，但与劳动生产力提高无关的工资上涨却拖累了各经济体。最典型的是日本，贸易与非贸易部门的劳动生产率差异高达73.2%（美国是13.2%,Krugman  and  Obstfeld,2001)。除此之外，为了抑制经济发展过热，当时泰国等一些国家提高了利率。利率的提高产生了两种现象：短期外资的大量流入，本国企业筹措资金的“外债化”（因为境外利率低，企业不是向国内银行举债，而是直接向境外筹措）。伴随着1995年后较长时期的美元升值，亚洲一些经济体的名义汇率都有明显的提高（见表1）。
　　　　表1　1970-2000年亚洲各经济体GDP增长与货币汇率的相关性  
　　　　　　　　　  名义汇率　　　　　实际汇率　  1999年人均国
　　　　　　　　　　　　　　　　　　　　　　　  民收入（美元）
新加坡　　　　　　0.351076696　　　0.401379798　　  26300
香港特区　　　　　0.364264368　　　0.149986998　　  25100
日本　　　　　　　0.495270508　　　0.269414233　　  23100
中国台湾　　　　　0.362602952　　  -0.104025631　　  16500
韩国　　　　　　  -0.433910518　　　0.038399868　　  12600
马来西亚　　　　  -0.564034784　　　0.056595968　　  10300
泰国　　　　　　  -0.608576891　　  -0.009916242　　　治理发愣功0
中国　　　　　　　0.187831613　　  -0.428633353　　　3600
菲律宾　　　　　  -0.338179495　　　0.073377773　　　3500
印度尼西亚　　　  -0.75387025　　　  0.029684452　　　2830
印度　　　　　　　0.218499454　　　0.206986168　　　1720

　　
　　资料来源：http://www.nso.go.kr/cgi-bin/SWS-1021.cgi;
　　http://intl.econ.cuhk.edu.hk/exchange_rate_regime/index;
　　http://www.jeico.co.kr/cnc_old.html;http://research.stlouisfed.org/fred2/series/EXBZUS/13.
　　从总体上看，虽然表1的相关系数很低，但是系数的正负符号可以表示出一种趋势。负号（在直接标价法下）表明该经济体的货币有升值的趋势。在名义汇率栏中有负号的经济体经济增长大都依赖于外资。在经济火热的时候，外资大量涌入，在危机时则大批撤走。最典型的是泰国，该国开放了资本市场，给短期国际资本的进出打开了方便之门。因此经济增长与名义货币升值有一定的联系。在实际汇率栏中，祖国大陆与台湾为负号（泰国虽然是负号但系数太小），这表示随着经济增长在实际汇率方面货币也有升值的压力。国外学者认为，人民币的估价只是其购买力平价的1/4(Ishida,2002)。近年来中国国内物价水平持续下降也是构成人民币实际升值的一个因素。中国的名义汇率钉住美元，经常项目持续顺差，资本项目尚未完全开放，经济增长与实际汇率的上扬存在着一定的联系。而其他经济体的经济增长与汇率之间则没有显示出令人信服的相关关系或趋势。
　　上述经济增长与汇率之间的关系是根据年度数据计算出来的，它只考察了经济增长与汇率的一种长期趋势。为了进一步分析在经济发展的高涨期和低谷期的汇率波动状态，本文运用每天汇率波动的数据，通过广义自回归条件异方差(GARCH)等模型进行检验。其目的是为了考察经济增长各阶段中汇率波动与政府干预的特征。
　　　　三　模型与亚洲汇市的短期特征
　　亚洲金融危机为本模型提供了时间段。在危机之前各经济体的经济大都保持在7%以上的增长速度，而在危机后跌落为负增长或低速增长。为了比较这些经济体货币在这两段期间的波动状况，本节主要通过广义自回归条件异方差(GARCH)等模型进行估计。将观察值分为两段：危机前（1990年1月至1997年7月）以及危机爆发后（1997年8月至2002年6月），并以前期和后期内每天的数据为样本。Andersen和Bollerslev(1998)曾经用一天内的(intraday)高频率数据进行汇市波动分析，认为这种分析给汇市的经纪人提供了有利的分析工具。但他们也肯定了每天的汇市数据分析为资产定价模型提供依据。由于亚洲各经济体的节假日不同，本研究以各经济体为单位取样。各经济体汇市的数据来源于美国联邦储备主页(http://www.federalreserve.gov/releases/H10/)。
　　这里我们设名义汇率E[,t]的对数为lnE[,t]，则汇率波幅为V[,t]=lnE[,t]-lnE[t-1]。首先通过扩充的迪基－富勒单位根检验(Augmented  Dickey-Fuller  Test)，判断所有V[,t]序列是否平稳。回归方程为：  
V[,i,t]=C[,i]+ε[,i,t]　  ε[,i,t]｜E[,t-1]～N(0,σ[2,t])　(1)

　　
　　这里V[,i,t]代表i经济体在t时刻的汇率波动

。C[,i]为i经济体的特定值，E[,t]表示在t时刻可获得的信息。然后按照BJ方法即Box-Jenkins  methodology识别数据和判断模型。根据BJ的相关图(ACF)和偏相关图(PACF)判断结果，再分别运用自回归过程(AR(p)即pth  order  autoregressive  process),ARCH  (Autoregressive  Conditional  Heteroscedasticity)模型和上述的GARCH模型。AR(p)认为V[,i,t]依赖于它在先前t-1,t-2,…,t-p时期的值，ARCH则认定汇率波动的误差项的方差不是某个自变量的函数，而是随时间变化并且依赖于过去误差的大小。常常有大的误差与小的误差成群出现的情况。时刻t的ε的方差(=σ[2,t])依赖于时