人民币增值对出口贸易的约束

导语：人民币增值对出口贸易的约束一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

一、前言

作为世界主要贸易出口国之一，我国凭借廉价劳动力的相对优势，以劳动密集型的产业结构特征占领全球出口市场，国内外汇储备及贸易顺差不断上升，并引起发达国家及各国利益集团一致强烈要求人民币升值。面对发达国家的压力和本着负责任的态度，中国于2005年7月21日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，并使人民币汇率升值了2．1%。此后，人民币受到国内外政治经济环境的影响，仍在不断升值。鉴于出口贸易作为中国经济的“三驾马车”之一，对中国经济增长具有重要意义，人民币升值对出口贸易的影响亦引起了国内外学者和业界的广泛研究兴趣。传统国际经济学主张汇率是影响一国出口的重要解释变量，在其他条件不变的情况下，货币贬值会提高本国出口产品在国际市场的价格竞争力，从而增加其出口。例如，Junz和Rhomberg(1973)、Wilson和Takacs(1979)使用固定汇率时期数据，Bahmani－Oskooee和Kara(2003)使用浮动汇率数据，分别发现汇率贬值刺激发达国家出口贸易的增加。然而，自20世纪70年代初期布雷顿森林体系瓦解以来，固定汇率制度崩溃，汇率波动已成为常态，其带来的汇率风险可能阻碍出口贸易的发展。探讨汇率风险与出口贸易关系的理论与实证文献，出现了或正或负不一致的结论。理论上，Ethier(1970)认为风险规避(risk－averse)的出口厂商，为防止汇率风险所造成的成本过高，或是根本不可能规避汇率风险所带来的出口利润不确定性风险，因此会降低出口。DeGrauwe(1988)则认为出口厂商面对汇率风险，为抵消潜在的出口利润损失而可能增加出口。Broll和Eckwert(1999)则从出口选择权的观点出发，认为汇率波动风险增加可提高出口选择权的价值，进而增加出口。实证方面，Pozo(1992)对英国的实证分析指出，汇率风险减少英国对美国的实际出口额;Arize(1995)发现美国、欧洲及G7工业国等国家出口显现负的汇率风险效果;Weliwita等(1999)证实汇率风险负面冲击发展中国家及欠发达国家的出口贸易。然而，Asseery和Peel(1991)的研究显示，除了英国外，美国、日本、澳大利亚及德国等国的汇率风险显著正向影响出口贸易。Kroner和Lastraps(1993)发现汇率波动与法国、德国及日本的出口贸易存在正向关系，但对美国及英国的出口存在负向冲击。国内也有不少相关研究成果。任永菊(2003)指出，我国进口中近82%的比例为经过加工后复出口，而人民币升值不仅有利于我国的进口，也有利于复出口。韩螈(2007)基于脉冲响应函数对人民币汇率变动对出口影响的分析，发现人民币升值并没有使出口减少。范金等(2004)计算得出我国的长期出口弹性为－0．86，人民币升值使出口商品价格上升额幅度大于出口商品数量减少的幅度，从而增加出口总额。张军和李君君(2010)基于中美贸易数据，发现汇率波动负向影响中国对美国的实际出口额。可见，对人民币升值这一相同问题的分析，学者得出的结论不同。一般来说，不同的样本期间、变量选择及研究方法等均可能导致实证结果不同。而现有的国内外文献均为从汇率变动的角度出发探讨汇率与出口贸易的关系，尚未有评估汇率变动及其风险对出口冲击净效果的研究。本文在已有研究的基础上，使用双变量GARCH－M模型(Bollerslev，1990;Engle和Kroner，1995)，实证分析汇率变动及其波动风险对我国出口的影响。本文的研究方法、模型设定及目的，不同于现有的出口贸易实证文献。例如，Abeysinghe和Yeok(1998)、Bahmani－Oskooee和Kara(2003)等采用协整分析，探讨出口与汇率的长期关系，并利用误差修正模型检验出口变动与汇率贬值间短期调整过程;Lee(1994)基于短期调整的观点，建立纳入协整及误差修正项的VECGARCH模型。但这些研究忽略了汇率风险波动的影响，进而可能高估汇率贬值对出口的影响。Arize等(2000，2003)及张军和李君君(2010)等均采用汇率的动态标准差代表汇率风险，这种做法可能存在逻辑不一致的问题，如使用标准差表示风险是基于同方差(homoskedasticity)假定，而事实上汇率风险可能存在异方差(heteroskedasticity)现象。本文使用GARCH模型汇率方差方程估计的随时间变动汇率风险，考虑到异方差现象，从而可避免上述缺点。另外，Pozo(1992)、Weliwita等(1999)、Fang和Lai(2003)先利用单变量GARCH模型估计汇率风险，再代入出口均值方程以估计汇率风险效果。事实上，此两阶段(two－step)估计过程降低了模型估计效率，而本文双变量GARCH－M模型同时估计随时间变动的汇率风险及其对出口的影响，较具估计效率。最后，汇率及其风险对出口的冲击可能存在当期与滞后效果，不同的经济和金融环境、产业结构及出口企业反应行为等，可能造成不同的动态调整过程，本文设定自回归滞后分布模型(ADL)出口方程，不同于Kroner和Las-trapes(1993)仅考虑汇率当期效果的GARCH－M模型，从而能充分反映汇率及其风险对出口的动态影响过程。

二、实证模型与数据说明

1．实证模型Rose和Yellen(1989)使用非结构简化式(reducedform)模型实证考察汇率与进出口贸易间的关系，在此架构基础上，我们对汇率风险效果加以考虑。设定实际出口(x)为国(境)外经济景气度(y)、实际有效汇率(q)及实际有效汇率风险(hq)的函数:x=f(y，q，hq)(1)实际出口为以本国货币表示的名义出口收益，以本国物价水平进行平减后的数值;与本国出口贸易相关的国(境)外经济景气度正向影响出口需求;名义汇率为以本国货币表示的外币价格，实际有效汇率为本国主要贸易国实际汇率的出口加权平均值，汇率下降代表本国货币升值，出口商品在国(境)外市场的价格竞争力下降，出口贸易可能减少;汇率风险对出口的冲击可能为正，也可能为负，根据不同的国家(地区)、金融环境以及产业结构等可能出现不同的反应。为刻画汇率及其风险的动态效果以及消除序列相关问题，我们设定出口方程为自回归滞后分布(ADL)模型:

2．数据说明

本文使用月度数据，检验汇率及其风险与出口的关系，进而分析人民币升值对我国出口贸易的影响。由于中国人民银行于2005年7月对人民币实行了改革开放以来的第二次汇改制度，为保持样本数据的一致性，本文样本期间选取2005年7月至2010年12月，共66个观察值。实际出口(x)为使用X－11方法进行季节调整后，以本国货币表示的名义出口经消费者价格指数平减后数值。实际有效汇率(q)根据潘红宇(2007)由人民币实际有效汇率指数数据计算得出。国(境)外经济景气度为选取美国、日本、韩国、德国、新加坡、马来西亚、荷兰、俄罗斯、澳大利亚、英国等10个主要出口贸易国和香港、台湾地区，以我国对其出口贸易额作为权数计算得出的工业生产指数(IP)加权平均值。所有变量均以2000年为基期。人民币实际有效汇率指数数据来源于国际清算银行(BIS)，其余数据来自于中国海关网、中国人民银行以及国家统计局网站。币实际有效汇率指数的走势曲线图。从图中可以看到，2007年7月汇改后，人民币实际有效汇率的变化趋于稳定，从2008年起实际有效汇率呈现迅速上升趋势，即人民币快速升值并于2009年4月到达最高值，之后回落并又趋于稳定变化。而从2010年10月至今，人民币再度升值，进入第二轮升值通道。图2为2005年7月至2010年12月经消费者物价指数平减后我国实际出口额曲线图。从图中可以看到，我国外贸出口从2007年7月起一直保持平稳快速增长，而2008年10月起因受到美国金融风暴的影响，实际出口额呈现迅速下降的趋势。而随着金融危机影响的减弱及欧美国家经济复苏，另外由于我国出口欧美国家的产品大多为低附加值的生活必需品，所以我国实际出口额而从2009年4月起再度呈现迅速增长趋势并于2010年7月后趋于稳定。如仅从汇率和出口额变化走势图看，两者之间并不存在显著的负相关关系。事实上，通过相关系数，我们发现两者并无显著的相关关系，这再次验证了本文的预期:两者并无直接统计相关关系，而汇率主要经由汇率风险途径影响出口额。

三、实证结果与分析

一个有效的GARCH模型要求所有变量均为稳定的，我们对所有变量进行单位根检验。表1给出了出口、国外经济景气度及实际有效汇率三个变量的ADF检验结果。检验结果显示三个变量序列均为常数与时间趋势明显，根据AIC信息准则选取ADF回归方程最佳滞后期数，并保证回归残差不存在自相关。在5%的显著性水平上，三个变量水平值均无法拒绝非平稳(nonstationary)的原假设，但一阶差分项则均拒绝非平稳的原假设。这说明三个变量均为一阶单整I(1)序列，其一阶差分项满足GARCH模型在设定、估计、检验及推论过程中的平稳性要求。正确的GARCH模型设定还需考虑变量之间的协整关系。表2给出了出口、国外经济景气度与实际有效汇率三个变量的Johansen协整检验结果。根据检验结果，样本期间内，出口等三个变量在5%显著水平上存在两个协整关系。在确定变量的单整及协整关系后，多变量GARCH－M模型设定上还须考虑变量的基本统计特征。表3给出了出口增长率Δlnxt和汇率变动率Δlnqt两变量的描述性统计。其中，出口增长率的均值，或以标准差、极大值及极小值表示的增长波动率均大于汇率变动。在5%显著水平上，其偏度、峰度系数及JB统计量显示出口增长率服从正态分布;而汇率变动率的偏度接近于0，峰度值则显著大于3，呈尖峰(lep-tokurtic)分布，JB统计量亦拒绝汇率变动服从正态分布的原假设。Ljung－BoxQ统计量用于检验变量的序列相关性，其中滞后期k的选择可能影响检验结果，根据Tsay(2002)建议选取样本数的自然对数作为最适滞后期数，本文研究样本数为66，ln(66)=4．18，因此我们选取滞后期数为4。表3中Ljung－BoxQ统计量显示出口增长率及汇率变动率均存在高阶序列相关，因此本文使用自回归过程AR(p)以刻画出口及汇率变量的动态特征，而两变量平方项自相关检验的Q统计量亦显著，说明出口与汇率变量的方差可能不为固定值。为了检验这两个序列是否存在随时间变动且与其自身滞后值相关的方差，即自回归条件异方差(ARCH)，我们再以ARCH－LM统计量进行检验。检验结果见表4。其中，Δlnxt的AR(3)过程及Δlnqt的AR(1)过程的Ljung－BoxQ统计量不显著，说明使用自回归过程可刻画出口与汇率变量的自相关性，其残差为白噪声。另外，ARCH－LM统计量显示Δlnqt存在自回归条件异方差，而Δlnxt则不存在自回归条件异方差现象。表5给出了单变量GARCH(1，1)模型以及剔除不显著变量后的ARCH(1)模型估计出口与汇率波动过程的结果。Δlnxt与Δlnqt的均值方程分别服从AR(3)和AR(1)过程，其残差及其平方项的Ljung－BoxQ统计量显示，滞后4期后已不存在序列相关及异方差，对于出口与汇率变量自回归过程的模型设定是正确的。

在简化的ARCH(1)模型估计结果中，在5%显著性水平上，Δlnqt方差方程式中两个变量系数均显著，显示汇率波动的方差随时间变动，其中γ0＞0、γ1=0．32＞0，方差过程为正、有限且稳定，且其残差的水平值及平方项值的Ljung－BoxQ统计量至滞后4期均不显著，即εq，t不再存在序列相关及条件方差。Δlnxt的GARCH(1，1)模型中方差方程估计量均不显著，说明出口变动不存在自回归条件异方差效应。此结果与表4中Δlnxt不显著的LM统计量相一致。似然比统计量LR用以检验GARCH(1，1)过程中方差方程的AR项是否为零，较小的LR统计量显示ARCH(1)模型已充分刻画Δlnxt与Δlnqt的方差变化过程。最后，计算得出汇率变动ARCH(1)模型的方差hq，t的均值为2．44，标准差为1．50，变动区间为1．68至16．88。最后，我们根据式(6)至式(11)建立双变量GARCH－M模型，联立估计汇率及其随时间变动的风险对出口的影响。以汇率风险波动，即汇率变量的方差作为出口均值方程中的解释变量，该模型方程组的信息矩阵为分块对角矩阵，因此联立估计与两阶段估计相比更具效率(KronerandLastraps，1993)。因篇幅所限，表6给出剔除不显著变量后的GARCH－M简化模型估计系数及标准差。表6表明，该模型不存在自相关及条件方差，其中不显著的似然比统计量LR(18)=22．59，表示在5%显著性水平上，简化模型与原始模型具有相同的解释能力。汇率变动方差为正值且收敛(γ0＞0且1＞γ1＞0);风险变量hq，t平均值为2．46，标准差为1．52，变动区间为1．69至17．09，与表5中单变量GARCH模型估计结果相差不大。模型检验结果显示双变量GARCH－M模型设定正确，出口方程中的解释变量，即国外经济景气度、汇率及汇率风险估计系数均在10%的显著性水平下显著;多变量Ljung－Box统计量(Hosking，1980)联合检验出口与汇率变动双变量GARCH－M模型残差在滞后4期后不存在序列相关，残差平方项至滞后4期亦不显著，证明模型不再存在条件方差。

模型估计结果显示国外经济景气度系数均为正，即国外经济景气度增加出口收益且存在显著的滞后效果，这与Arize等(2000)、Fang和Lai(2003)的研究结果一致。汇率升值在2个月内增加出口收益，在第7及第8个月后显现显著减少出口收益的负面效果，这可能是汇率升值对出口的冲击存在滞后效果。由于贸易订单签订和合同的履行存在一定周期，在半年后汇率升值效果对出口的负面影响才逐渐显现，这与传统理论预期及多数实证结果相同。我们计算出汇率升值对出口的影响在－1．17%到1．09%之间，即虽然人民币升值减少出口收益，但其效果其实不大，这与大家的直观感觉并不一致。汇率风险系数在5%显著性水平下显著，滞后1期效果为－0．71，说明汇率风险造成预期出口利润的不确定性，风险规避的出口厂商可能减少出口，这一结果与Arize(1996)相同。另外，汇率风险估计系数的显著性可能受到汇率条件方差平均值的影响。本文双变量GARCH－M模型估计的汇率条件方差平均值为2．46，出现负的汇率风险效果。若与国外经济景气度及汇率变动的滞后5期与滞后8期相关相比较，汇率风险仅存在2期滞后效果，我国出口厂商似乎能够相当快速地调整汇率风险的冲击。我们进一步分析汇率影响出口收益的规模。双变量GARCH－M模型汇率风险hq，t的平均值为2．46，其他情况不变的情况下，汇率风险对出口收益的平均冲击，一个月后为－1．75%，样本期间内，汇率风险的最大、最小估计值分别为7．08和1．69，因此月平均冲击效果在－2．83%至－1．19%之间。表7给出国外经济景气度、汇率变动及汇率风险三个变量冲击出口收益的效应。就月平均效应来说，正的国外经济景气度冲击效应小于负的汇率风险效应，汇率升值会减少出口收益，但效果并不明显;无论是平均值，还是以正、负一个标准差构造的平均效应波动区间，相较于汇率及其风险，国外经济景气度都呈现较大的冲击效应。与中国关系密切的出口贸易国(地区)的经济增长波动对我国出口收益波动影响较大，并给我国经济增长波动带来负面效果。张军和李君君(2010)亦认为国外经济景气强弱对我国实际出口的影响大于汇率变动;汇率风险冲击出口平均收益并造成收益波动的负面效果明显大于汇率变动减少出口的效果。从出口贸易的角度出发，稳定的外汇市场应比抑制人民币升值政策更为重要。

四、结论与建议

传统国际经济学主张汇率是影响一国出口贸易的最主要因素，汇率升值减少出口。然而，自20世纪70年代初期固定汇率体系崩溃，汇率波动引发的不确定风险亦可能降低出口贸易。本文实证结果显示，与我国出口贸易关系密切的国外经济景气度显著正向影响出口收益，作为世界主要贸易国家之一，虽然国外经济景气度对我国出口的平均影响效果不大，但是国外经济景气度为影响出口收益的最主要因素。另外，汇率升值减少出口收益，但效果并非如我们想象的那样显著。汇率风险作为出口方程中的重要解释变量，显著负面影响出口收益，然而出口厂商能够快速调整，消除风险冲击。根据实证结果，汇率贬值似乎并不是刺激出口的有效工具，一则汇率贬值本身对出口的影响效果有限，二则汇率变动所引发的汇率风险冲击明显大于汇率贬值效果。在人民币持续升值的背景下，大量中小企业因难以抵御危机而纷纷破产，所以帮助出口企业寻找出口路径是一项亟须解决的课题，也是实现外贸乃至中国经济可持续发展的当务之急。我们建议政府采用以下政策以缓解人民币升值给我国外贸企业带来的负面影响:

(1)寻找更多的潜在贸易伙伴国，拓展国际市场。我国的对外贸易依存度较高，在浙江等沿海开放省份，对外贸易依存度高达60%以上，而我国贸易输出国对象主要为美欧、日本、加拿大等一些大国，在汇率变动和金融危机的影响下，主要贸易伙伴国经济状况的恶化会严重削弱我国的出口贸易，并会带来我国经济发展的较大波动。因此，相关政府部门应帮助企业“走出去”，开拓拉美等发展中国家市场，寻找更多潜在的贸易合作伙伴。同时鼓励我国企业对海外投资，随着我国经济发展水平的不断提高，我国也将具有对外直接投资(FDI)流向相对更加落后国家的基础。FDI可以拓展我国产品在海外市场的销售，同时也可以使经常项目顺差形成的外汇储备得到更有效的利用。

(2)加强本国应对外汇风险的意识，灵活运用各种金融衍生工具规避外汇风险。实证结果表明汇率波动对我国出口贸易的发展具有显著的负面影响，因此，提高企业的外汇风险意识，完善我国的汇率制度具有重要的意义。企业应密切关注人民币汇率的走势和变化，应用各种有效的金融工具防范外汇风险，降低汇率波动对出口贸易的影响。与发达国家的金融制度相比较，我国的金融体系发展缓慢并仍存在许多不足，我国金融监管部门应致力于完善金融法规，向有关部门和企业提供及时、准确的金融及外汇信息，为企业提供更多的信息平台，从而有利于出口企业制定贸易策略。

(3)提高货币政策透明度，减少汇率波动及其带来的风险。虽然国际环境为影响我国汇率变化的决定性因素，但近年的相关研究表明，市场预期对我国货币政策传导效果亦具有一定影响。在考虑预期因素的前提下，人民币实际汇率受利率上升的冲击呈现升值趋势。事实上，货币政策透明性对于促进经济主体的学习过程进而提高货币政策的有效性和货币的稳定性起着至关重要的作用，而我国货币政策的透明度尚有很大的提升空间(徐亚平，2006)。央行未来在制定货币政策时若能够考虑到经济主体对经济运行过程和结果的不完全认知及预期因素的影响，积极稳定和引导公众对货币政策变化的预期，将会使货币政策更加准确，汇率波动的风险亦会相应减少。