“8·11”汇改降低了人民币抛补利率平价的偏离程度吗？
时间：2023-08-16 03:41:44
“8·11”汇改降低了人民币抛补利率平价的偏离程度吗？一文创作于：2023-08-16 03:41:44，全文字数：54556。
“8·11”汇改降低了人民币抛补利率平价的偏离程度吗？数据回归结果留存备索。。在使用JJ协整检验时，需要构建向量自回归（VAR）模型以确定协整检验的滞后阶数。根据各种准则构建的四种期限基差数据组（总样本）对应的VAR模型选择的滞后阶数分别为：1月期数据组选择了一阶滞后，3月期、6月期与12月期数据组则选择了二阶滞后。依据VAR模型所选择的滞后阶数，在进行JJ协整检验时，1月期数据组选择了零阶滞后，其余三个数据组均选择了一阶滞后。经JJ协整检验后，四个数据组无约束协整秩检验均显示存在协整关系，极大特征根协整检验也均显示存在协整关系。因此，在使用水平值回归时不存在伪回归问题四个数据组无约束协整秩检验结果分别为：1月期数据组有四个协整关系，3月期数据组有两个协整关系，6月期数据组有两个协整关系，12月期数据组有三个协整关系。四个数据组极大特征根协整检验结果分别为：1月期数据组有四个协整关系，3月期数据组有一个协整关系，6月期数据组有两个协整关系，12月期数据组有三个协整关系。本文对两个子样本也进行了JJ协整检验，结果表示两个子样本的八个数据组中均存在协整关系，在使用水平值回归时不存在伪回归现象。限于篇幅，上述结果均留存备索。。
基于上述分析与设定，本文对人民币四种不同期限的基差的水平值进行回归，结果列于表3。
由表3的总样本回归结果可见，四种期限基差的关键解释变量利差以及常数项的回归系数均非0且显著，说明在样本区间内基差始终存在。同时，四种期限的基差还受到买卖价差、全球风险情绪、经济政策不确定性、资本流动性与美元指数的影响。
此外，在两个子样本的回归结果中，常数项也始终非0且显著，表明在所选区间CIP始终难以成立。这与前期描述性统计分析以及t检验结论一致。通过对比两个子样本的回归结果可以发现，在“8·11”汇改前的子样本中，四种期限基差的影响因素与总样本相一致，而汇改后子样本四种期限的基差几乎不受利差、买卖价差与资本流动性的影响。VIX指数的解释能力也被削弱，这与Cheung?0?2et?0?2al.（2018）结论一致。由此可以发现，“8·11”汇改实施后，基差的影响因素发生了一定的改变。
综合上述各种分析验证可知，“8·11”汇改对CIP的偏离程度存在一定影响。但t检验和OLS回归方法可能存在一定的内生性，且可能存在由于样本区间选择而产生的估计偏差。因此，为了确定“8·11”汇改对CIP偏离程度存在影响并进一步量化这种政策干预效应，本文选择回归控制法这一反事实方法对已有数据进行分析研究。
三、“8·11”汇改与人民币基差：反事实分析
（一）回归控制法设计
本部分将利用回归控制法进一步考察“8·11”汇改对人民币基差的影响。鉴于反事实结果中CIP偏离的方向未知，本文着重考虑“8·11”汇改对于CIP偏离程度的影响。
1回归控制法
回归控制法这一反事实研究方法由Hsiao?0?2et?0?2al.（2012）提出，基本思想是利用截面个体之间的相关性，以未受政策干预的控制组（control?0?2group）来估计干预组（treatment?0?2group）在受到政策干预之后不可观测的反事实结果。具体而言，回归控制法认为经济中存在驱动截面个体的共同因子，而这些共同因子使得不同组别个体具有一定的截面相关性。比如，经济体的基差均会受到全球风险情绪、全球经济政策不确定性指数等的影响，尽管受到的影响程度可能不同。
回归控制法自提出以来，在政策评估领域得到了广泛应用（Hsiao?0?2&?0?2Zhou，2019；Li?0?2&?0?2Bell，2017；王?和郑靖宇，2017；Ouyang?0?2&?0?2Peng，2015）。相较于传统回归方法而言，回归控制法具有透明和避免过分外推的优点。相较于双重差分法而言，回归控制法很好地克服了以往实证方法中可能存在的样本选择偏差和政策内生性的问题，将时间因素对样本变量的影响剥离，减少了主观判断所造成的偏误。而相较于合成控制法（synthetic?0?2control?0?2methods，SCM）而言（Abadie?0?2et?0?2al.，2015；Abadie?0?2et?0?2al.，2010），回归控制法中允许控制组权重为负，且允许常数项的存在以修正控制组与干预组之间的差异。
设政策干预组为个体1，其余均为政策控制组。给定个体i在时刻t的n月期基差实际值为basisit，t+n，i∈［1，N］，t∈［1，T］，n=1、3、6、12，其中在政策干预之前t=1，...，T0，政策干预时段为［T0+1，T］。basisNit，t+n表示个体i在未实施政策时刻t的n月期基差，?0?2basisIit，t+n则代表个体i在受到政策影响后时刻t的n月期基差。那么，政策干预组的净干预效应可表示为α1t=basisI1t，t+n－basisN1t，t+n。再引入是否受到政策干预影响的虚拟变量D1t（t>T0时为1，其他为0）后，有：
basisI1t，t+n=α1tD1t+basisN1t，t+n（4）
其中，若要估计具体干预效应值α1t，需要先估计在t>T0时期无法观测的basisNit，t+n。回归控制法的关键即在于构造反事实变量basisNit，t+n的估计值baisNit，t+n。
假定basisNit，t+n由如下因子模型给定：
basisNit，t+n=δi+b′ift+εit（5）
其中，δi为个体固定效应，ft为K×1维共同因子，bi为相应的K×1维因子载荷（factor?0?2loading），表示共同因子对不同个体产生的作用可以存在差异，εit为个体i的随机扰动项（idiosyncrastic?0?2component）。矩阵表达形式可写为：
basisNt，t+n=δ+Bft+εt（6）
其中，basisNt，t+n=（basisN1t，t+n，…，basisNNt，t+n），δ=（δ1，…，δN），BN×K=（b1，…，bN）。
Hsiao?0?2et?0?2al.（2012）、Li?0?2&?0?2Bell（2017）以及Hsiao?0?2&?0?2Zhou（2019）均证明，在一定的正则条件下，在式（6）的两边乘以B零空间的一个向量σ′（σ′B=0），可消去不可观测的Bft，从而得到下列回归方程：
basis1t，t+n=γ1+γ′baist，t+n+ε1t（7）
其中，baist，t+n=（basis2t，t+n，…，basisNt，t+n）′为所有控制组个体的结果变量。γ=（γ2…γN）为相对应系数。本文使用政策冲击之前的数据（t=1，...，T0），代入式（7）进行OLS回归，即可得到1和′。由此，可以预测个体1在政策冲击之后的反事实结果（t=T0+1，…，T）：
baisN1t，t+n=1+′ba-ist，t+n（8）
基于上述反事实预测，可得政策干预的处理效应估计值：
1t=basisI1t，t+n－baisN1t，t+n（9）
在具体实施回归控制法进行反事实评估时，还需要选择放入式（7）的控制组个体数。
提醒您：因为《“8·11”汇改降低了人民币抛补利率平价的偏离程度吗？》一文较长还有下一页，点击下面数字可以进行阅读！
《“8·11”汇改降低了人民币抛补利率平价的偏离程度吗？》在线阅读地址：“8·11”汇改降低了人民币抛补利率平价的偏离程度吗？